三维感知技术在工业生产和日常生活中具有广泛的应用价值。目前,工业机器人主要应用在特定或相对稳定的工作环境中,重复执行示教动作完成既定工作任务。近年来,计算机视觉和深度学习等人工智能技术得到了飞速发展,为工业机器人实现三维感知和智能运动提供了技术支撑。本文利用双目视觉技术和深度学习技术对目标物体进行三维重建和智能感知并结合工业机器人抓取应用进行研究,主要完成了以下工作:首先,研究了单、双目相机理论模型和相机畸变模型,设计并搭建了平行光轴双目视觉实验平台。针对SGBM半全局立体匹配算法的不足提出了阈值限制、可靠视差值填充和双边滤波器处理三步优化法。利用双目视觉进行三维重建,获得环境对象的点云数据,并对点云数据进行预处理,同时基于点云数据轮廓形心点求解机器人抓取点的空间坐标。其次,分析了深度学习感知模型的基本原理和两种典型网络,描述了深度学习感知模型的特征提取过程,并结合本文的三维环境对象感知目标选取了合适的深度学习网络开展智能机器人环境感知研究。然后,针对环境对象三维重建点云数据设计了基于图注意力机制的深度学习网络架构GA-PointNet++。通过引入自注意力系数和邻域注意力系数机制,将不同的邻域点云数据给予不同的注意权重。感知精度实验和鲁棒性实验结果表明,设计的网络架构在不同数据集测试集上的识别准确率分别达到了 94.7%和91.3%;针对较少数量点的点云数据同样能够保持较为良好的鲁棒性,所提算法够精准感知目标对象点云数据,具有较好的网络性能。最后,设计并搭建了由6轴ABB串联机器人、双目视觉系统和深度学习感知系统构成的智能机器人感知与抓取实验平台。采用Eye-to-Hand模型完成手眼标定,并建立了机器人与目标物体间的欧拉角与四元数转换关系,将目标物体位置信息发送到机器人。将三维重建后的点云数据输入到预训练好的模型中进行点云识别,同时ABB机器人进行感知与抓取实验,实验结果表明,本文所提方法能够实现目标对象的准确感知与抓取。