近年来随着人工成本的增加,以自动化技术代替体力劳动已经成为一种趋势。机器人已广泛应用于工业、服务业及医疗行业,然而目前大多数机器人都是固定在某一位置去解决某单一任务的,且传统的手工示教编程也无法满足新时代“柔性”所提出的多品种、多工序、小批量等要求。得益于计算能力的提升,深度学习取得了飞速的发展,如何将深度学习技术应用于机器人领域就显得尤为重要,而抓取作为机器人的分拣与搬运操作一个重要功能,研究抓取与深度学习的结合,对提高机器人工作效率具有重要意义。本文将机械手臂置于移动底盘上结合视觉传感器为研究对象,研究其在不同的场景下执行智能分类与抓取。在抓取研究中,本文通过研究3D目标物体的表达方式,通过基于深度学习的3D目标检测的方法判断物体的类别与位置,并且以检测出的位置进行位姿计算,将结果作为引导实施抓取。本文主要工作内容如下:(1)基于最小尺寸点的3D模型。由于三维重建的模型尺寸与真实值存在误差,针对这个问题本文提出了一种基于最小尺寸点的3D模型方法,以空间点代替完整三维模型,首先取得物体的长宽高信息,根据物体长宽高的信息计算出物体的空间中能表达3D目标物体的点,最后再以该点生成3D模型。(2)一种3D目标检测数据集的制作方法。由于虚拟生成的数据与真实的数据集之间存在一定的差距,因此提出了一种真实数据集生成与标注的方法。将目标物体置于自制的旋转码盘的中央,移动相机以不同的视角对获取目标物体在各个角度的数据,然后根据物体的特征点对采集到的图片实行了自动化标注,完成了数据集的制作。(3)3D目标检测算法。由传统算法3D模型制作比较复杂,在已有算法的基础上,以物体最小尺寸的3D模型为基础,提出了一种基于最小尺寸模型的位姿估计方法,并以该算法对目标物体进行物体识别与位姿估计。(4)移动机器人抓取系统。根据所提出的3D目标检测算法估计位姿与机器人相系统结合,构建一种可以应用移动机器人上的智能抓取系统,同时进行了抓取实验验证,实验表明,构建的系统能够快速地对目标物体进行识别,并完成抓取。