随着工业产业结构升级,机器人行业得到空前的发展机会,为了提升机器人的作业效率,基于视觉检测姿态估计的机器人控制技术迅速被广泛深入研究,有效引导机器人执行精准控制作业。因此,论文提出基于视觉检测的姿态估计引导机器人执行抓取控制,结合深度学习在视觉检测的稳定性优势,训练神经网络识别目标物,得到的输出结果引导机器人执行抓取操作。同时,搭建一个完整的智能机器人抓取系统对算法验证。论文探究了虚拟数据训练神经网络的应用,制作的数据集用于姿态估计算法。首先,制作目标物模型,其物理比例与真实物体保持一致,把模型导入虚拟场景合成训练数据集,其中数据集由随机背景数据和照片真实级数据的两部分组成。接着,利用制作的数据集探究基于改进DOPE的姿态估计算法。提出使用残差网络结构改进特征提取网络和优化分支任务网络,保持原有的检测准确度和提升检测速度。根据网络输出的数据处理,保留有效的数据信息导入PnP算法进行姿态估计。接着,探究了视觉检测的机器人抓取控制。首先,对机械臂和相机进行手眼标定,得到图像坐标系到机器人坐标系的坐标转换关系,姿态估计值通过坐标变换关系得到机器人抓取目标物的控制量。与此同时,为摆脱仅依赖姿态估计算法执行抓取的局限性,加入机器人安全抓取的机制。改进的语义分割网络分割2D图像,并进行连通域分析,得到目标物在2D图像的准确位置。然后深度相机对分割的2D图像和相应3D点云进行匹配,得到目标物的分割点云集,并把目标物的点云集中心作为测量平移量与神经网络的预测平移量加入安全抓取的平移量矫正算法,方可执行目标物抓取。最后,搭建智能机器人系统探究机器人的抓取实验,分别介绍系统的硬件组成和软件设计框架,建立机器人的抓取场景和仿真场景。实验探究在复杂条件下的目标物抓取效果,实验表明能够有效地完成目标物的识别与抓取。