为提高机器人复杂场景下的目标抓取能力,本课题以串联机器人抓取传送带上运动的堆叠物体为例,设计了基于视觉的机械臂目标跟踪与抓取方法,并对方法中的目标检测及跟踪抓取等关键技术进行了研究。首先概述了机器人定位抓取方法及关键技术的研究现状,引入了研究内容及研究框架。通过分析机器人抓取的任务及难点设计了基于立体视觉的抓取方案,并对方案中的立体视觉进行了原理分析及实验验证。然后对融合深度学习的目标检测技术进行了研究。采用基于深度学习的目标检测方法对图像进行了目标区域筛选,通过缩小图像中目标的检测范围来优化传统的基于图像分割的目标检测过程。对基于图像边缘的特征点检测方法进行了过程优化,首先依据目标匹配的轮廓像素点进行图像重建并形成新的目标检测区域,随后对目标检测区域进行角点的检测并获取详细的特征点坐标,将物体边缘特征的提取问题转化为角点的检测,在双目图像下对特征点进行匹配进而快速实现目标特征点空间的坐标重建。接着对运动目标跟踪抓取这一关键技术进行了研究,为应对物体的多样化姿态,通过目标特征点立体几何运算创建了模型不同姿态的坐标系并设计了相应的抓取姿态。针对生产线上动态目标的跟踪和抓取任务,采用了基于位置的视觉伺服系统的研究方案,同时对末端执行器的跟踪抓取路径进行优化以提高机器人抓取效率。为提高跟踪过程中末端执行器的位置定位的精度,在跟踪抓取的方法应用位置估计算法,建立了基于Lucas-Kanade参数优化的Kalman滤波数学模型。最后搭建了实验的硬件平台和软件操作界面,通过手眼标定实验实现了立体视觉系统和机器人抓取系统的坐标转换,解算出抓取位姿,完成了目标物体的三维位姿估计。对不同堆叠状态下的运动物体进行目标搜索和位姿提取的跟踪抓取实验,论证本课题各关键技术算法的有效性。