在制造业日渐智能化的大背景下,具有3D视觉感知功能的抓取机器人在工业领域中的地位越来越重要。本文针对堆叠混杂目标识别及抓取技术,对区域逆生长堆叠目标分割、基于径向多投影及核密度聚类混杂目标识别、堆叠混杂环境下目标位姿估计及抓取进行了研究,设计了基于区域逆生长分割的机器人抓取系统,对堆叠混杂目标进行了识别与抓取。第一章介绍了堆叠混杂目标的识别及抓取任务的国内外研究现状,提出基于区域逆生长分割的堆叠混杂目标识别及抓取定位技术的研究意义,并阐述了本文的研究创新点,最后给出本文的主要内容及架构。第二章提出了基于边界种子无约束逆生长的堆叠目标分割方法。利用边界邻域分布性质对边界进行提取,然后基于几何线性假设和密梯度特征对边界进行过滤。将精炼结果作为区域生长的边界种子,并从种子开始由外向内进行生长。由于分割过程被限制在目标内部,可减少欠分割错误。与传统区域生长方法相比,由于不需要进行邻域几何相似性比较,可有效提高分割效率。第三章提出了基于径向多投影及核密度聚类的抓取目标识别方法。首先介绍了基于高密度曲率离散采样的稀疏点云模型生成方法,通过高密度采样对CAD模型进行离散生成精确点云模型,其次在保证精度的前提下通过加权降采样对生成稀疏点云模型以降低算法复杂度。在目标识别阶段,基于径向多投影中心进行局部匹配,得到目标-模型径向投影中心和匹配关系,最后基于快速核密度估计的对匹配关系进行聚类以实现目标识别。第四章提出了堆叠混杂下抓取目标位姿估计及抓取方法。首先提出了基于位置密度函数的抓取规划方法,分析了目标位置及密度信息与抓取顺序间的关系。然后通过粗略位姿估计和精确位姿估计的二次配准过程,实现目标精确位姿估计及抓取,通过两阶段位姿估计及配准方法可避免陷入局部最优,同时满足抓取的精度要求。第五章介绍了基于区域逆生长分割的机器人抓取系统架构并进行实验验证。首先介绍了系统的整体软硬件架构,之后简述了相机和手眼标定过程,最后实验测试了本文提出的方法,对区域逆生长分割识别方法、抓取目标识别方法及位姿估计方法的精度和效率进行了评估。第六章对全文进行总结,并对后续研究提出展望。