工业机器人的末端执行器通过视觉系统对多种无序的目标物进行抓取时,会出现目标识别不准确,抓取位置不稳定等现象。本课题对某企业实际抓取物体开展研究,提供处理算法,使机器人末端执行器能获得目标物的准确抓取点和位姿。首先对机器人视觉系统进行标定,建立机器人坐标系与相机坐标系转换的旋转矩阵。由于三维视觉系统采集到的原始目标点云有许多无效信息,对点云开展预处理运算,包括平面分割、体素化网格下采样、目标分割等处理过程。研究典型的目标物点云轮廓线识别算法,采集目标物如纸巾、笔盒等物体三维点云,分别对基于二维点集和三维点集中轮廓识别的算法进行了分析,对原始的法线估计提取目标点云轮廓的方式进行了优化,引入了三维道格拉斯-普克算法去除不属于目标轮廓的内部点,同时对三维道格拉斯-普克算法进行了改进,加强了其适用性,使得该算法适用于小规模的多目标点云轮廓线识别。实验证明,该算法去除内部点剔除率相比法线估计法提高了19.75%。研究工业机器人目标识别和目标姿态获取方式,计算目标各个角度的轮廓姿态,利用VFH特征直方图建立目标模型库,并标注轮廓模型的最佳抓取点,与实际计算抓取点进行对比分析,抓取点计算平均误差在3mm之内,准确率达到97.2%,满足机器人抓取准确度要求。完成了二维图像和三维点云在机器人系统中的目标分割和抓取位置计算,并对轮廓提取算法进行了实验验证,同时在完成机器人手眼标定后的三维视觉抓取系统中,针对三维点云边缘提取的算法,设计了多个目标物的分拣抓取实验,通过实验可知,利用提出的点云轮廓提取算法,可准确地计算出目标物的抓取点,机器人也可准确定位并抓取成功,可在工业机器人系统中应用。