三维物体检测与位姿估计可以使得机器人自主地进行物体搬运、工件装配等任务,因此在机器人领域具有非常重要的意义。然而,随着机器人逐渐被部署到非结构化的环境中,背景杂乱、物体堆叠等场景仍然对现存的三维物体检测与定位算法构成挑战。本文以彩色图像和深度图像作为传感信息来源,研究不规则环境下的三维物体检测、位姿计算及物体抓取。本文的主要工作包括以下几个方面:1)针对模板匹配算法的重复识别、高误识别率的特点,提出了一种模板聚类算法,实现算法同时识别多个物体的功能。本文利用匹配模板的空间位置,对模板图像进行聚类,同时设计了一个评价函数,对聚类所包含的模板图像和对应的场景图像进行评估,最后利用非极大值抑制算法去除重复识别结果,以及根据聚类的大小剔除误识别结果。2)在实现物体检测的基础上,提出了一种位姿估计的算法。本文根据模板的训练位姿来计算物体的初始位姿。在位姿修正阶段,本文基于迭代最近点算法,通过动态改变距离阈值实现由粗到细的点云配准,得到物体的六自由度位姿。为了验证所得检测结果和物体位姿的正确性,本文提出了一种假设验证算法,用于描述模型点云和场景点云的重合程度。3)设计和实现了一个自动化手眼标定系统。使用者只需要把标定板放置在机器人的工作空间内,输入一个期望采集的位姿数量,该系统便自动控制机器人运到多个位姿下,保存多组机器人位姿和标定板位姿,最终完成手眼标定结果计算。4)面向吸附类末端执行器,提出了一种不依赖于物体模型的机器人抓取位姿生成的算法。该算法利用区域生长法从物体点云中分割出平滑曲面作为吸附作用面,最后根据作用面的质心和法向量计算抓取位姿。5)以3D相机、2D相机和UR5机器人搭建了实验平台,基于ROS(Robot Operating System)搭建了控制系统,以感知-规划-执行的控制逻辑实现了机器人自主抓取任意姿态物体的过程,验证了本文所提出的三维物体检测算法、位姿估计算法、抓取位姿生成方法以及所计算的手眼标定结果的有效性。