机器人自动化抓取在物体搬运、物流分拣、上下料等工作中具有广泛的应用前景,在即将到来的老龄化社会中更是如此,然而现在机器人智能化程度普遍较低,不能满足复杂条件下的抓取需求。实现机器人智能化抓取的关键技术之一是位姿估计,即通过视觉、距离等传感器采集的数据确定抓取目标相对于机器人的位置和姿态。得益于计算机算力的不断提升,深度学习技术在计算机视觉方面有了长足的发展,这也为机器人感知技术提供了新的技术思路和基础。为了满足机器人在复杂环境下的抓取需求,本课题通过深度学习技术建立位姿信息提取网络,并结合点云匹配技术实现对散乱摆放物体的位姿估计,具体内容如下:首先,选取RGB-D（彩色-深度）传感器,并完成传感器的信息采集与处理。利用相机模型和标定原理进行彩色相机和深度相机的内外参标定,通过标定结果实现深度图片向彩色图片的像素对齐,并对深度图片进行时序上的中值滤波,以提高深度图的成像质量。其次,以Mask R-CNN为基础构建用于目标位姿信息提取的神经网络模型,在目标检测和边界框分支、掩膜分支后又加入关键点检测分支,实现目标检测、实例分割和关键点检测的多任务学习。使用RGB-D传感器采集数据并半自动创建可用于该网络模型训练的数据集,使用该数据集和公共数据集Line MOD训练该模型后,在测试集上验证了该模型的检测效果。随后,通过神经网络的预测结果并结合CAD模型,实现目标的位姿估计及精度优化。通过将神经网络预测出的关键点的图像坐标与关键点实际的三维坐标映射,计算出目标的粗略位姿,并使用随机采样一致性方法降低预测错误关键点对位姿的影响。以神经网络预测出的掩膜为参考从深度图提取目标点云,并结合粗略位姿从CAD模型中获取模型点云,最后通过配准这两组点云得到目标的精确位姿。为检验整个位姿估计算法的可靠性,在公共数据集和自定义数据集上分别统计估计位姿的准确率,结果证明该算法具有良好的效果。最后,以UR5机器人和BY-E140夹持器为主体搭建实验平台,搭载RGB-D传感器并完成手眼标定,随后实现对自定义数据集中目标的抓取任务,验证了位姿估计算法的可靠性和实用性。