近年来人工智能和机器人产业快速发展,利用机械臂取代人从事一些繁重的重复性劳动成为一种必然趋势。随着机械臂的工作环境越来越复杂,实际应用场景中目标的姿态复杂多变,为机械臂的精确抓取带来巨大的挑战。因此,研究目标的位姿估计和抓取控制具有很大的研究意义。本文以目标位姿估计为背景,研究了基于特征点匹配的目标位姿估计以及机械臂的抓取控制方法,内容如下:在目标位姿估计方面,引入了特征点匹配方法对目标进行识别。由于尺度不变特征变换算法和快速鲁棒匹配算法存在匹配点数较少以及时间成本过大的问题,选取鲁棒性高和匹配速度快的网格统计算法进行特征点匹配。进而针对网格统计算法存在匹配不准确的问题,基于仿射不变性原理提出了一种改进网格统计算法。首先该算法结合鲁棒性较好的随机一致性算法得到好的初始基底,再求解所有特征点相对于初始基底所对应的系数,通过比较系数之间的欧式距离将错误的匹配点删除。然后以匹配点作为索引并结合深度图像信息,将匹配点集从二维像素坐标集合转换到三维相机坐标集合,最后利用最小二乘法结合矩阵奇异值分解算法得到旋转平移矩阵对目标位姿进行估计。在机械臂精确抓取控制方面,提出了基于投影夹角控制机械臂的方法。该方法主要分为两个部分:（1）通过构建虚拟坐标系的方式得到目标姿态坐标系在其投影夹角来控制末端执行器的旋转姿态;（2）通过坐标变换将目标中心点位置转换到机械臂底座坐标系下,控制末端执行器的抓取位置。基于所搭建的视觉机械臂系统对目标识别和抓取进行了实验验证。首先,通过改进的网格统计算法结合最小二乘法奇异值分解算法对包含特征点的书籍进行位姿估计;其次,通过求取目标姿态坐标系在虚拟坐标系上的投影夹角控制机械臂的末端执行器到达指定位姿并对书籍进行抓取。该实验结果表明,视觉机械臂系统能够准确识别书籍的位姿并完成抓取任务。