随着机器视觉在工业机器人领域的广泛应用,具有视觉感知的工业机器人也在跨入智能化的时代,逐步取代人工成为各行业的趋势,为了提高纺织企业中纱筒抓取机械臂对无序堆叠纱筒的识别与抓取精度,提出了基于3D视觉的机械臂无序抓取系统,通过3D视觉来获取机械臂工作场景中的纱筒目标信息,从而引导机械臂完成对纱筒的抓取,代替人工完成对纱筒的拾取、转运等操作,提高了纺织工序的自动化和柔性化水平。本文的主要研究内容为（1）设计了基于3D视觉的工业机械臂无序抓取系统。提出系统的设计方案,根据设计方案对硬件设备分析选型,采用模块化的思想设计了系统的软件方案。利用MATLAB标定工具箱完成对机械臂视觉系统的标定,通过标定实验获取了准确的Kinect V2相机内外参数和相机与机械臂间的转换关系矩阵。（2）研究了纱筒目标三维点云数据的获取及预处理方法。针对Kinect V2深度相机获取的纱筒深度图像,依据小孔成像原理将其转换为具有三维信息的点云数据;通过直通滤波和MSAC算法拟合平面对场景点云和盒体点云进行剔除,保留仅有纱筒的点云数据;通过对比不同滤波方法的去噪效果选择统计滤波对纱筒目标去噪处理。根据处理结果表明,该方法可获取到高质量的纱筒点云数据。（3）针对欧式聚类分割算法不能有效分割无序堆叠纱筒目标的问题,提出了基于改进欧式聚类的纱筒点云分割算法。依据目标点云的法向量特征,对纱筒目标间接触区域的边缘点进行剔除,利用欧式聚类对剔除边缘点后的纱筒点云进行分割,最后再对边缘点进行补齐。根据分割结果表明,该算法能够准确地分割出无序堆叠场景下的单个纱筒目标。（4）研究了纱筒目标的检测问题。基于ISS算法对纱筒模板和待检测纱筒的点云关键点进行提取并降采样,再通过SHOT特征描述子对提取的关键点进行特征描述;采用RANSAC算法完成纱筒模板与待匹配纱筒点云的粗配准,确定初始位置,再通过ICP算法实现二者的精配准,结合手眼标定结果确定了所识别纱筒的精确位姿。（5）在硬件的基础上搭建了3D视觉引导机械臂抓取纱筒目标的实验平台,在实际环境下针对不同规格和不同场景下对纱筒进行抓取实验验证。实验结果表明,该系统的平均工作时间在10s以内,抓取成功率在80%以上,符合预期结果。