工件装配是智能制造领域中不可缺少的组成部分,如今小批量与多样化的生产模式对装配工作的快速性、准确性以及灵活性均提出了更高的要求。与传统方式相比,基于协作机器人的智能化装配在保证产品质量的同时,能够最大限度地提高生产过程的柔性与效率。国内外对于智能装配技术的研究主要集中在工件的识别与定位问题上。本文以包含平面特征的无纹理工业零件为研究对象,以复杂背景下工件识别与高性能位姿估计为研究切入点,提出将堆叠场景的工件识别问题分步转化为平面提取以及基元重组的研究思路。本文的主要研究工作如下:（1）针对堆叠背景下深度平面分割的局限性,提出一种融合彩色图线特征的优化分割算法,并结合手眼系统的多视角优势实现平面特征的高性能提取。首先利用低成本RGB-D相机获取场景的图像信息,并实现彩色图的去高光处理与深度图的平滑去噪,减少图像中的噪声干扰;然后在深度图MSE平面分割算法的基础上,融合彩色图的Canny线特征,将图像节点的层次聚类过程优化为基于梯度边界的快速聚类过程,从而减少平面分割算法的运行时间,并提高工件边界的分割精度;最后借助手眼系统的优势,融合多视角下的场景平面基元,改善堆叠场景中点云遮挡或残缺的问题。（2）针对堆叠场景中遮挡导致的平面特征失真的情况,提出一种基于数据驱动的工件识别算法,通过训练工件的基元关系特征,实现复杂背景下工件基元的识别重组。首先利用Gazebo仿真软件生成虚拟堆叠场景的数据集,并研究工件基元特征的构造方法;然后利用特征选择和预处理方法实现特征数据的降维,并将处理后的数据分别代入随机森林、K-近邻和支持向量机等3种分类器模型进行训练,同时采用交叉验证的实验方案对分类器的性能进行定量评价;最终基于识别性能最好的随机森林分类器,设计堆叠工件的快速识别算法,对工件平面基元进行识别重组,并输出单个工件的实例点云。（3）针对堆叠场景下位姿估计的高性能需求,提出基于全局搜索的由粗到精位姿估计策略,从而在保证精度的前提下,提升位姿估计算法的运行速度。在位姿粗估计阶段,提出一种结合Harris关键点的Super Key-4PCS位姿粗配准算法,该算法能够在关键点集上利用智能索引方案实现快速的配准,并生成全局范围内的工件初始位姿;在位姿精估计阶段,以位姿准确度为主要需求,在初始位姿的基础上利用迭代最近点法获得工件的精确位姿;最后,本文在Linemod公开数据集上对提出的由粗到精位姿估计策略进行定量评价,并开展本文算法与其他优秀算法的性能对比实验。（4）为了将平面提取算法、工件识别算法以及位姿估计算法与实际的机器人控制相结合,完成工件的自动抓取任务,本文基于ROS框架设计堆叠工件的识别与定位综合实验。首先搭建了系统的硬件平台,完成对深度相机和机械臂的选型,并设计了末端执行器;然后设计位姿测量系统的整体架构,利用ROS实现三大算法模块的互联;最后分别在虚拟和真实场景下开展识别与定位综合实验,并利用手眼矩阵将成功定位的工件位姿转换到机器人坐标系下,实现无堆叠和强堆叠环境的抓取验证实验。