随着工业生产装配中自动化程度的日益提升,对柔性体自主操作的需求越来越大。线状柔性体作为柔性体的重要组成部分,相较于面状柔性体和体状柔性体存在很多不同。线状柔性体存在缠绕状态复杂,同一拓扑状态对应多种不同的几何状态等问题,实际操作中也存在背景复杂的情况,这也导致现今生成装配中对如线缆、绳子、软管等线状柔性体的操作仍需要人工手动完成,无法通过机器人自主操作。因此,对线状柔性体自主操作成为提升自动化水平的关键一步。基于以上背景,本文提出一种基于深度学习的线状柔性体拓扑状态的识别方法和一种针对拓扑状态的拆解策略,并通过机械臂实现对线状柔性体拓扑状态的拆解。线状柔性体缠绕分为单根自身缠绕和多根相互缠绕的情形,由此,本文针对单根和双根线状柔性体,首先使用目标检测算法得到线状柔性体的端点和交叉点,之后利用卷积神经网络获得线状柔性体的颜色梯度渐变图。对于每根使用不同的渐变色来表示,通过对颜色梯度渐变图的交叉点局部区域的像素值分析,得到交叉段的上下关系和每根从头到尾历遍时经过每个交叉点的顺序,由此获得单根和双根线状柔性体的拓扑状态。接下来针对线状柔性体的拓扑状态的拆解问题,利用三种可以简化拓扑状态的基本操作,实现将其拆解为最简状态。具体的,通过对拓扑状态识别中已经获得的交叉点历遍顺序进行分析,得到可以进行三种基本操作的部分,对这部分交叉点局部的像素值进行分析,确定进行拆解所要操作的线段。之后经过数学计算确定拆解时的夹持点,根据所属三种基本操作的类别对拆解步骤进行规划,得到针对拓扑状态的拆解策略。最后,运用灵巧手对线状柔性体进行抓取,使用KUKA机械臂来对局部进行操作,实现将线状柔性体拓的扑状态拆解最简状态。本文提出的方法对实际生产装配中背景复杂、光照环境变化大和相机视野受限的情况均具有良好的鲁棒性,本文最后通过机械臂拆解实验验证了识别和拆解策略的可行性。