工业机器人在制造业中应用已越来越普遍,智能机器人系统是发展趋势,利用深度学习算法从三维点云中提取物体位姿信息的研究在国内外还鲜有公开报道,具有较高的研究和应用价值。本文开展了基于点云深度学习的离散工件抓取位姿估计算法研究,搭建了基于深度学习的机器人抓取实验系统,并进行了实验研究,为未来在制造业中的实际应用提供一定的理论基础。本文的主要研究内容如下:(1)介绍了课题研究背景及意义,系统综述了三维数据特征提取算法和位姿估计算法的研究现状。(2)根据工业现场工件抓取实际应用情况,选取量大面广的三种对称性工件为抓取对象,并分析了点云特征,进而搭建了位姿估计算法的总体框架,并根据点云的数据结构和基本特征,研究了点云数据的预处理算法。(3)以Point Net为基础网络,详细设计了基于点云深度学习的位姿估计算法,实现了工件的分类和位姿估计。并针对由物体z轴旋转对称性造成的z方向旋转误差过大的问题,设计了一种对称性损失函数。(4)完成了深度相机、机器人、末端执行器的选型,研究了深度相机的成像原理及手眼标定方法,搭建了整套实验系统,并进行了手眼标定。(5)在实验系统上进行了实验研究,首先对三种所选零件点云进行了数据采集和预处理,然后通过深度学习的训练和预测,对比了不同位姿估计算法的性能,训练效果显示,本文所研发的算法在测试集上对位置估计的误差均值不超过3mm,对旋转估计的误差均值不超过2°,达到了较优的位姿估计准确度。最后进行了工件抓取实验,验证了本文研发的算法对离散工件抓取的可行性和稳定性。