随着中国提出“中国制造2025”的战略方向,传统流水线上的机器人作业容错率低,难以满足复杂环境下的柔性生产的背景下,机器人难以应对复杂环境及相互遮挡的条件下的目标物体识别和位姿估计,对目前的三维物体检测识别和位姿估计算法有一定的挑战。本文以Kinect相机采集的彩色图像和深度图像作为信息源,研究复杂环境下立体目标检测和位姿估计算法,并用机械臂实现对目标物体的抓取。本文工作主要包括以下几个方面:(1)研究了基于Kinect V2视觉传感器与越疆机械臂dobot组成的机器人系统。在组成的机器人系统中首先利用Matlab2014软件对视觉传感器进行标定实验,分别得到彩色与深度两个相机中的内参矩阵、利用Opencv对采集的彩色图像与深度图像做对齐标定实验。采用眼在手外的安装方式,将视觉传感器安装在场景内固定位置,对机械臂与视觉传感器组成的机器人系统做手眼标定实验,获得矩阵转换关系与平均像素误差值。(2)研究了基于多特征的模板匹配算法。针对Linemod多特征模板匹配算法对前景遮挡鲁棒性差、存在重复检测等缺点,提出了非极大值抑制和自适应阈值选取法提取优化的目标物体真实图像边缘,采用滞后阈值算法补充边缘信息,使边缘更加完整;利用Open GL开放图像库中的虚拟相机采集目标物体各个姿态下的模板图像,并保存位姿信息建立模板库,省去了手工采集模板的复杂过程;根据特征信息重新定义相似度估计函数,取评分最高的模板作为匹配的结果,最后通过对比实验验证改进算法的有效性。(3)研究了点云配准的ICP精确配准算法。在经典ICP迭代最近点算法基础上,对如何提高点云配准准确度和配准速度方面进行改进。点云预处理阶段,使用RANSAC算法拟合盒体底面方程后使用直通滤波器去除冗余点,再利用半径滤波器去除离群点。利用体素栅格法下采样点云数据,通过KD-Tree对点云数据建立拓扑结构实现了对最邻近点的快速搜索,获得精确的目标物体位姿。