21世纪以来,全球人工智能行业的发展速度越来越快,因此自动化与智能化机器人的发展愈加迅速。随着计算机技术和深度学习算法的发展,视觉工业机器人相较于传统的工业码垛机器人更有优势,它能够准确定位未知目标物体,动态地调节自身关节转动,根据物体位姿控制机械手爪,实现复杂环境下准确识别与抓取未知物体。因此探究将机器人与人眼相结合的视觉抓取技术,对提高码垛机器人的自动化与智能化有很大的意义。本文主要讨论带视觉的码垛机器人,对于各类别无规则物体的精准识别与抓取位姿预测,基于以往的学术研究,借助先进的深度学习算法,开展本课题的研究内容。针对机器人自主识别问题,建立双目视觉系统数学模型,利用张正友标定法进行相机标定校正畸变;研究复杂环境下目标识别方法,创建图像检测数据集,利用边界填充方法进行图像增强与灰度化预处理;研究基于深度神经网络的图像检测应用,采用SSD分离卷积技术与YOLOv3的目标识别方法,并针对识别检测任务精度较低问题,提出了YOLOv3-ours算法,引入解码器（PDM）模块,完成了目标识别算法的优化设计,相较于原始YOLOv3算法目标检测准确度提高了3.7%;研究各类别未知目标物体的抓取姿态预估方法,利用三维抓取预估法,与RGB相结合进行数据集的标注和抓取矩形框的预测;针对抓取姿态预估准确度问题,建立基于Dark Net-53的五维预估法,面对不同类型和尺寸的未知无规则物体,有效预估抓取矩形框;针对视觉机器人难以实现高精度控制问题,利用RBF网络优化设计控制器,基于双机械手系统进行仿真分析。本文搭建了带视觉的码垛机器人系统平台,利用手眼标定完成坐标转换,通过软件平台实现各模块间的连接,进行码垛机器人识别与抓取未知不规则物体的实验。研究结果表明,本文提出的基于双目视觉的码垛机器人可以有效提高机器人识别与抓取的准确度与实时性,为后续机器人的智能化算法研究提供了理论基础。