随着科技的飞速发展，机器人应用变得越加广泛。如今，在线示教和离线编程是工业生产线中控制机器人常见的控制方式，但是由于受到抓取目标物体的初始位姿和最终位姿被严格限定的问题，只能依靠机械完成机器人点到点的操纵，全程所用时间长、操作效率低以及定位准确度也低，因此，机器人在智能化程度上有一定程度的欠缺。在此问题的基础上，本课题提出一套基于ROS（机器人操作系统）视觉定位的机械臂智能抓取系统，使抓取目标的初始位姿和最终位姿被严格限定的问题得到解决。首先，采用张正友算法标定RGB-D相机，获取其内外参数；其次，采用棋盘格与AR标签两种方法，实现手眼标定；然后，通过多模态信息进行物体的识别与位姿估计；最终，将视觉定位获取得物体的位姿，通过手眼标定数据将物体位姿转化到世界坐标系下，实现机器人智能抓取。本课题的具体研究内容如下：　　（1）搭建基于ROS视觉定位的机器人智能抓取目标物体的系统，对硬件架构和控制流程进行设计，并且硬件控制和图像数据处理的任务，由上位机编程来完成。　　（2）针对目前物体识别算法中，图像信息来源单一、处理过程复杂与定位误差等问题，提出一种基于多模态信息的视觉识别定位的算法。为矫正摄像机的畸变和确保空间场景中的点完整的投影到图像上，在ROS操作系统上标定RGB-D相机，获得其内外参数；通过采用基于多模态信息的视觉定位算法，实现对可乐瓶识别定位。　　（3）针对基本的快速随机搜索树（RRT）算法存在采集路径盲目与计算速度低等问题，提出了改进的RRT算法，该算法会增加大规模高维空间运动规划的成功率。完成运动规划后，通过RGB-D相机采集棋盘格位姿和AR标签位姿两种方法，标定RGB-D相机与机器人基座的位置关系。最后，分别通过ROS系统中rviz可视化界面与真实场景比较分析，确定哪种手眼标定系统的结果与实验室真实的场景布置一致。　　搭建机械臂智能抓取系统实验平台以及rviz机器人仿真环境，使用两种方法得出手眼标定结果，通过实验观察rviz可视化界面与实验室机器人真实的环境对比表明，采用AR标签的手眼标定方法结果与实验室真实的场景布置一致；然后，测试机械臂视觉抓取，实验结果表明了机器人智能抓取系统的可操作性与可行性。