近年来,为提高生产效率并降低人力成本,大量仓储物流厂商都要求增加相应的自动化分拣线,来实现自动分拣,自动检测货物等。其中实现对物体的自动识别和抓取系统,不仅具有理论研究意义,还由于其应用范围广泛而具有很高的实用价值,成为国内外众多专家学者研究的重点。本文深入研究了机器视觉在线检测、图像处理、机器人系统集成等相关技术,并以货架中物体的位姿识别为应用案例,设计开发了一套货架物体自动识别抓取系统。主要研究内容如下:首先,针对系统需要设计了硬件系统,设计搭建了完整的实验平台,为实验选取了6个常见的物体模型作为实验验证的材料,并组建了乘装物体的平台。通过对比分析实验室的两台机器人的优劣,为整个系统选定了执行抓取动作的UR5机器人,同时,综合分析市面上的三维相机的特点,选用了 RealSense F200作为实验相机,并将深度相机与机械手进行了结合,将机械手固定在了机器人末端,使得“手眼”结合为了一体,为确定货架上物体的姿态提供了前向运动学支撑。其次,对比分析了系统集成框架ROS与Player的优劣,根据本实验的特点选定了 ROS作为系统的整体框架。使用SURF算法对获取图像的位置进行了更精确的确定,对比了传统算法与神经网络,分析了普通卷积神经网络与全卷积神经网络的特点,选用了更具鲁棒性的全卷积神经网络来完成对整个场景中物体的分割,通过对分割结果进行二值化处理,得到物体的模板图,并应用模板图对所获取的深度图像“相乘”,得到物体的完整点云。之后,对获得的点云进行背景去除和去噪后,对点云进行了 PCA位姿的求解,并通过ICP的两步调整,使PCA位姿达到了更加准确的位置。最后,完成物体抓取的验证实验,通过手眼标定确定了相机和机械手间的相对位置关系,为相机空间中物体位姿转换到世界坐标系中提供了依据;通过使用特征点较多的特征图像获得了多个位姿间的相对位置关系,为空间点云的融合提供了前向运动学关系;同时,通过ROS框架将获取的物体位姿发送给机器人运动系统,操作机器人到达物体所在位置,并执行机械手的抓取动作。