在存在大量弱纹理物品的家庭环境中,机器人能否准确估计目标物品位姿并根据任务需求合理的操作物品是机器人执行操作任务的关键,是机器人能否提供智能化服务的重要部分。当前姿态估计方法容易受到环境中相似表面的影响,无关的场景信息也会降低计算的速度,而家庭中出现的物品遮挡情况也会影响姿态估计的准确度。当前的姿态估计只是提供给机器人物品的位姿,缺乏物品操作有关的语义信息,不能建立物品与操作任务之间的关系,机器人也就无法更加智能的完成物品操作任务。在弱纹理物品的姿态估计方法中,点对特征(PPF)是一种用于描述三维物品表面的鲁棒特征,可获得更高的姿态估计准确度;另外,通过设计物品通用操作属性来为机器人提供完成物品操作任务所必须的知识。本文借鉴图像分割技术,研究改进了点对特征的姿态估计方法,并设计与物品操作有关的语义描述,提出一种操作知识生成方法,进而提高姿态估计的准确度和速度,提高机器人物品操作的智能水平。主要完成工作如下:首先,针对物品功能设计一套与操作有关的物品属性,用来作为物品操作知识在姿态估计结束后提供给机器人来规划对物品的操作。使用商用深度相机利用物品重建方法得到物品的三维模型,将物品分成多个部件,每个部件具有不同的功能或形状。将物品及部件的操作方式划分成四类,规定每一类的操作属性,每种操作方式的操作属性可以描述完成物品相应功能所应采取的操作方法。使用现有点云标注工具标注物品的部件并对物品整体以及各个部件设定操作属性。其次,在提取的目标场景中利用点对特征的方法估计物品的六维姿态,降低场景中无关信息的干扰降低信息量并提高计算速度。使用K-means聚类的方法将物品的颜色分成多个簇,经过修正得到物品的颜色特征。使用物品颜色特征提取场景中可能存在目标物品的区域,在目标场景区域上计算点对特征,对物品整体特征进行投票得到多个候选姿态,姿态的置信度越高则是正确姿态的可能性越高。再次,改进点对特征方法的计票策略来降低场景中与物品相似的表面对姿态估计结果的干扰,减少存在物品遮挡时对姿态估计准确度的影响。使用累加矩阵统计姿态的票数,场景中每个参考点会得到一个最高票姿态,使用最高票姿态相邻转角的票值修正最高票的票数。将提出的姿态估计方法在公开的遮挡数据集上进行验证,实验结果表明提出的区域提取以及票数修正方法可以提高姿态估计的准确度以及速度。最后,提出一种面向操作任务的操作知识生成方法,验证设计的三维模型操作属性描述的合理性。根据物品的实际位姿,结合要完成的操作任务以及物品的操作属性,分析物品与环境的位置关系,判断物品是否满足完成操作任务应具有的状态,以及物品的操作部位是否可获取。如果存在一项不满足则需要对物品进行调整,当条件完全满足时输出物品的操作知识。通过对不同姿态下的水杯执行“移动”和“接水”任务时的操作知识生成实验,验证提出方法的有效性。