随着中国制造2025的推进,工业生产中自动化需求日益增加,视觉技术在学术界和工业界得到了重视和广泛应用。机器人目标识别和抓取功能可大大减轻劳动负担,并给社会带来巨大的生产力。在早期自动化生产线中,机器人抓取的零件种类单一,且零件需要放置在指定位置,否则机器人无法抓取。而在目前多品种大规模生产环境中,多种零件被混合放置,并且摆放位置不固定,这给机器人无序抓取提出了新的挑战。针对实际工业生产中的复杂工况下,不能精准的识别和抓取零件的问题,本文提出了一种运用改进的YOLO-V3目标检测算法的机器人抓取方法,可以实现零件的识别检测、定位以及抓取的目的。首先,使用改进的YOLO-V3目标检测算法来识别检测目标零件。其次,通过手眼标定把零件在图像中的像素坐标转换成机器人基坐标下的坐标。最后,通过求解机器人正逆运动学解来规划机器人运动来完成对目标零件的抓取任务。本文的主要工作如下:1.基于YOLO-V3目标检测算法,在网络结构和多尺度检测上进行改进,并引入空洞卷积的思想。采用残差密集块替换原来的YOLO-V3目标检测算法中的残差部分,再和卷积层融合,增强网络对零件特征信息的提取。由原先的3个尺度检测增加到5个尺度检测以提高对大小不同的零件的识别检测能力。通过空洞卷积扩大零件特征图辅助网络提取深层次的物体特征。使用Kinect V2传感器采集零件的图像并制作成数据集,用数据集训练目标检测模型,取得较好的检测效果,实现了零件的精准定位,训练得到的目标检测模型具有较好的泛化能力。2.采用棋盘格标定法完成Kinect-V2相机标定并获得了相机的参数。建立了机器人手眼标定系统,获得了相机坐标系与机器人基坐标系的关系式,结合Kinect V2相机标定和手眼标定的结果,将目标零件的像素坐标转换到机器人基坐标系下的坐标,为完成零件抓取任务做好充分准备。3.结合改进的YOLO-V3检测模块、标定模块、机器人运动控制模块,从Kinect V2相机获取目标零件的图像,到改进的YOLO-V3目标检测模型识别检测零件的类别并获得像素坐标值和深度值,再由Kinect V2相机标定系统结果获得零件的实际坐标信息,最后驱动机器人完成零件的抓取任务,验证本文所提方法的有效性。