现如今,随着工业化和信息化的逐渐融合,科学技术与产业技术呈现出越来越明显的交融态势,以机器人系统为代表的智能化产业不断繁荣起来,在应对高度危险的辐射环境、应急救援以及新冠肺炎疫情防控中都有着重要的作用。利用机械臂进行抓捕操作,是机器人系统的重要应用手段之一。由于机械臂的抓捕范围有限,抓捕实验的第一步是利用视觉导航功能,使机器人运动到离目标物体较近的距离。在机械臂抓捕范围之内,还需要利用位姿估算法识别目标物体的位姿,使机械臂的抓捕方向更加准确。为了满足抓捕场景的实际应用需求,本文开展了基于卷积神经网络的视觉导航与位姿估计算法研究,并在此基础上组装了机器人抓捕系统,完成了对目标物体的抓捕任务。传统的视觉导航算法中,SLAM存在误差累积、实时性不高、计算资源占用较大等问题;而GPS存在室内无法定位等问题。针对这些问题,本文提出了一种基于多任务网络的视觉导航算法,其中的神经网络由主干网络和两个分支网络构成,两个分支网络分别输出机器人的运动方向与碰撞概率,共同做出机器人的下一步移动决策。为了提升视觉导航算法准确度,本文提取边缘特征作为模型输入,并基于深度残差网络模型改进了网络结构。通过公开数据集上的对比实验,证明该算法具有较好的性能。现有的位姿估计算法中,由于背景环境的复杂性以及其他外在干扰,算法的准确性不甚理想。针对此问题,本文提出了融合颜色信息和点云信息的位姿估计算法,并利用置信度来剔除污染信息。该方法首先使用语义分割的方式分离出目标物体,之后对目标物体的颜色信息和点云信息进行特征提取及特征融合;对网络结构进行了改进,将全局特征解耦为3D平移和3D旋转;利用ICP算法优化输出最终的位姿估计结果。通过公开数据集上的对比实验,表明该算法具有更好的准确性。最后,基于视觉导航与位姿估计算法,本文自主组装了机器人抓捕系统,设置了实物实验场景,搭建了实验平台。本文完成了抓捕实物的自制数据集实验、相机和机械臂手眼标定实验,最终利用视觉导航与位姿估计算法完成了机器人在室内场景下的视觉导航实验以及综合抓取实验。