随着“智能制造2025”的提出,机器人、机器视觉逐渐成为国内外研究的热点之一。近年来,由于计算机计算能力的大幅度提升,深度学习有了广阔的发展空间,如何将深度学习、机器视觉融入机器人领域,提高工业生产智能化水平对于提高我国科技实力,加快我国产业升级具有重要意义。针对当前工业生产领域,机械臂智能抓取效率低、抓取时间长等问题,本文结合深度学习技术、机器人技术、机器视觉技术对工业生产线上运动目标的智能抓取展开研究,构建了一套智能抓取系统,提出了一种改进的目标跟踪策略,并对物体运动姿态进行估计,对于提高机器人智能化水平以及机器人自主抓取具有一定的参考价值。文章主要对以下几点内容展开论述。1)首先介绍了目标跟踪和机器人视觉抓取发展状况。对目标识别和定位,目标跟踪,机器人抓取进行了深入分析。搭建了一套集目标定位、目标跟踪、机器人控制、机器人抓取策略为一体的模块化运动目标跟踪抓取系统。2)其次,建立了相机-机器人-运动目标的坐标转换模型,对机械臂正、逆运动学进行分析,采用SSD(Single Shot Multibox Detector)目标检测算法对目标物体进行定位,验证了坐标转换模块的准确性。3)对目标跟踪展开研究,提出了一种基于ATOM(Accurate Tracking by Overlap Maximization)目标跟踪算法改进的融合时间衰减函数的目标模板更新策略。通过与其它优秀算法在数据集对比和性能测试有效验证了改进算法的创新性。采用无极调速策略实现对传送带的控制,并通过对传送带的标定,计算出机器人抓取的位置。4)在抓取姿态的研究上,提出一种姿态估计网络(Attitude Estimation network,AEnet),利用跟踪阶段已经提取的图像特征,对抓取标签进行预测,将抓取位置标签转换为类别标签进行分析,简化了抓取的复杂度。最后,通过实验表明本文设计的思路和方法能够提高机器人动态抓取目标的智能化程度,也验证了算法的先进性、系统的稳定性。