随着工业4.0进程的不断推进,企业的生产模式正由传统模式向自动化、智能化模式转变。利用工业机器人进行工件的自动抓取,可以节省工业成本、提高工作效率。将工业机器人与工业相机相结合进行物体分拣,是一个重要的研究领域。本文根据深度学习和机器视觉建立一个工业机器人识别抓取系统,工业机器人控制系统能从外界获取目标物体的类别、位置及位姿。根据实体机器人几何参数,搭建机器人运动仿真平台,建立工业机器人运动学模型,并通过文件传输模块对实体机器人进行控制。利用YOLO-V3目标识别算法获取目标物体的类别和位置。在Labelimg标定工具中制作算法训练所需要的VOC数据集,通过对深度学习网路的训练,获取了一个稳定、可靠的目标识别模型。将工业相机拍摄的图像输入到网络模型中,可以获取目标物体的类别和在图像中的位置。利用Matlab相机标定工具箱和Opencv相机标定库函数对双目工业相机进行标定,获取相机的内外参数,建立双目相机模型。通过极线约束对左右图像进行立体校正,并采用BM（Boyer-Moore）立体匹配算法获取目标物体的视差图。根据相机成像原理得到物体在相机坐标系下的三维点云,并对获取的点云信息进行滤波和区域分割,同时建立了一个特征点的评价函数,对每一个区域内的特征点进行验证,获取稳定可靠的位姿评估特征点。根据获取的特征点,建立了工件在相机坐标系下的位姿。根据实体工业机器人的结构参数,建立机器人的DH参数表、正逆运动学函数。采用五次多项式对工业机器人的末端执行器运动进行轨迹规划,并对工业机器人各个关节角的运动学进行仿真控制。基于Matlab的GUI模块搭建仿真平台。根据实体机器人机构参数建立运动仿真平台,实现对工业机器人模型的运动仿真。采用实体机器人的运动控制API建立控制平台,通过文件传输模块,将运动规划的脉冲路径文件传入到控制平台,实现对实体机器人的运动控制。