随着人民环保意识的提高,可回收垃圾分类问题得到广泛关注,垃圾分类机器人能够有效的提高垃圾处理效率,针对机器人垃圾分类技术的研究也得到了更多关注。然而受限于实际工作环境的复杂性,二维目标检测方法无法准确获得待分类物体的位姿信息,且可回收垃圾种类繁多,难以通过视觉方法进行材质分类。本文针对以上问题,提出了一种基于6D位姿估计的可回收垃圾分类机器人系统,通过深度学习在位姿估计等领域的优越性能,为机械臂提供准确的目标位姿信息,提高了垃圾分类任务准确性。本文的主要研究内容如下:（1）针对二维目标检测方法难以获得常见可回收垃圾的位姿信息问题,首先利用深度相机制作常见可回收垃圾数据集,然后利用数据渲染的方式扩充数据量,将卷积注意力机制CBAM嵌入到FFB6D网络的RGB图像特征提取部分,使网络自适应的增强RGB特征提取中的重要通道域和空间域信息。实验结果表明,改进后的网络在LINEMOD数据集上add auc提升了约 4.53%,adds auc 提升了约 5.82%,add 提升了约 0.76%,adds 提升了约 3.28%。同时实验验证,FFB6D-CBAM网络能够准确估计出常见可回收垃圾的6D位姿。（2）为了对垃圾分类机器人在执行分类任务中的运动轨迹进行规划,首先通过Socket建立Ubuntu18.04系统中的ROS与Windows10系统中的RobotStudio之间的通信,然后利用基于随机采样的RRT、RRT*、PRM轨迹规划算法进行仿真实验。实验结果表明,在本文搭建的实验平台上,RRT、RRT*、PRM算法进行轨迹规划分别需要0.135s、15.041s、15.068s。因此,通过实验对比,本文选用RRT算法进行可回收垃圾分类任务中的轨迹规划。（3）针对常见可回收垃圾材质丰富利用视觉方法难以实现有效区分的问题,利用薄膜压力传感器搭建触觉感知系统,提出了一种基于触觉的可回收垃圾材质分类方法。首先利用薄膜压力传感器采集不同材质物体的抓取握力并建立触觉信息库,然后设计基于视-触觉联合滑觉检测方法判断机器人是否抓取成功,最后进行触觉垃圾分类实验。实验结果表明,本文搭建的触觉感知系统可以实现不同材质的区分,证明了本文方法的有效性。