当下工业技术和机器人技术处于不断革新和发展中,机器人无序分拣技术在生产制造、搬运码垛以及智能物流等领域中起到越来越重要的作用。本文针对非结构化环境下的目标自动化抓取任务,开展了基于3D视觉堆叠混乱目标的机器人无序分拣研究,主要包括了堆叠混乱目标的点云分割、目标点云筛选和识别、目标6D位姿估计和抓取三个方面,并设计了无序分拣系统软硬件平台,进行实验验证本文方法的可行性,最终实现堆叠混乱目标的机器人无序分拣。主要研究内容如下:堆叠混乱目标的点云分割是目标识别和位姿估计的关键基础,点云分割的精度直接影响后续识别和位姿估计的准确性。首先基于Kinect V2深度相机获取场景的深度图像和彩色图像,针对深度图像数据缺失导致产生点云空洞的问题,采用像素滤波方法对深度图像进行处理;从场景点云中提取出目标点云,引入移动最小二乘法对目标点云平滑,以提高点云表面的法线估计精度;最后提出一种基于局部凸性准则的点云分割方法,在原始区域生长策略的基础上加入局部凸性判断准则,实现目标点云的精确分割。为了确定机器人分拣过程中目标之间的抓取顺序,通过分析点云子集的内部属性,提出一种基于抓取分数的目标筛选方法,确定各个目标的上下层级关系。为了实现目标点云的识别,从目标点云和模型点云中分别提取SIFT3D关键点构建FPFH三维局部特征描述子进行匹配,根据特征匹配关系计算匹配相似度对目标进行识别。针对目标点云和模型点云重合率低的问题,采用截断最小二乘-半定松弛算法快速进行点云配准,获取粗略的目标6D位姿,进一步基于迭代最近点算法对位姿进行优化,最后结合手眼标定的结果进行位姿转换获取目标在机器人基坐标系下的6D位姿,进而控制机器人完成目标的抓取。设计了机器人无序分拣系统的软硬件平台,验证系统对堆叠混乱目标的分拣性能。分别对堆叠混乱目标的点云分割、目标的6D位姿估计以及堆叠混乱目标的机器人无序分拣三方面进行相关的实验,通过实验数据的对比,证明本文提出的点云分割方法和目标位姿估计方法在精度和效率方面的优势,并在实际场景中完成堆叠混乱目标的机器人无序分拣,验证了系统的有效性和可行性。