针对物流行业分拣作业杂乱无章的特点和作业环境安全性的问题,本文通过使用协作式工业机器人代替人工完成物品无序分拣作业的方法,提高了机器人在非结构性环境中执行任务的灵活性与安全性。本文基于RGB-D深度相机对无序分拣任务中位姿估计等关键技术进行理论探索与实验分析,同时研究机器人在复杂的非结构化环境中的碰撞检测机制和高维构形空间中的运动规划方法,搭建综合物理实验平台完成机器人无序分拣与运动规划的综合实验,实现了机器人的任务级编程。本文的主要研究内容如下:基于RGB-D深度相机的工作原理,研究Kinect V2与RealSense D435的成像机制,开展深度相机内外参标定和手眼标定的理论探索和实验研究。RealSense D435传感器获取的彩色深度信息以PCL实现点云的滤波、聚类等预处理,对比分析基于匹配的LINEMOD方法和基于ICP的PPF方法在进行无纹理物体位姿估计时的性能。基于机器人的工作空间与构形空间,对机器人进行运动学分析与建模,研究机器人的自碰撞检测机制和三维视觉的碰撞检测原理,阐述了笛卡尔空间规划与构形空间规划问题的异同,通过对基于采样的RRT算法研究后提出一种基于高斯采样的RRT*运动规划方法,改善了机器人在高维构形空间运动规划的随机性、最优性、完备性的问题,最后在基于Kinect建立的三维障碍物环境下完成机器人碰撞检测、运动规划、轨迹插补等算法的验证。搭建基于ROS的虚拟仿真环境与UR5机器人的物理实验平台,利用Gazebo物理仿真引擎与MoveIt!控制平台,验证了基于高斯采样的RRT*算法在高维构形空间规划的完备性与最优性。基于RealSense D435分析位姿估计算法的性能,分析结果表明基于ICP的PPF位姿估计算法在识别率与匹配准确度方面更优。最后在物理平台中进行机器人无序分拣与运动规划的综合实验,完成了无纹理物体的抓取规划任务。