随着工业生产自动化程度逐步提高,工件分拣作为工业生产的重要一环,也在往智能、高效、精确方向发展。基于3D视觉的机械臂无序抓取系统,能够有效提高分拣效率、解放劳动力、降低生产成本。与传统平面抓取和常见的3D视觉抓取系统不同,本文将线激光3D传感器应用于视觉系统,建立Eye-to-Hand手眼系统。从实际应用场景出发,对实现无序抓取的关键技术进行深入研究,包括3D视觉的相关技术和手眼标定技术。同时,进行了相应的实验分析。本文主要进行了以下研究:首先,提出一种基于国产线激光3D传感器LV800获取目标点云的方法。根据此传感器基本原理和缺点,提出了基于均值滤波和基于邻近点数据填充的数据优化方法。实现了一种基于高度数据的点云生成方法,将原始数据转换成三维点云。结合实际应用场景,使用一种简易快速的方法从场景点云中分离目标点云。随后,采用基于邻域半径的离群点去除法,和基于体素网格的点云降采样,对点云进行了预处理。然后,实现了基于模板点云配准的目标工件定位。采用区域生长的点云分割方法,将目标点云分割成点云块。并提出基于PPF(Point Pair Feature)特征的RANSAC(Random Sample Consensus)粗匹配算法,通过随机采样进行多次迭代后,实现目标工件位姿粗估计。将粗定位得到的位姿作为初始变换矩阵,采用基于ICP(Iterative Closest Point)算法获取目标工件的精确位姿。通过实验分析了目标工件的定位效果,并验证了算法的有效性。最后,根据Eye-to-Hand手眼系统中传感器与机械臂基座之间的固定变换关系,提出了一种基于三维标定物的手眼标定方法。通过机械臂夹取标定物在空间中进行多次运动,建立=的数学模型。运用传统线性求解法和基于四元数的求解法求解变换关系矩阵。利用误差模型分析了影响手眼标定精度的因素,并提出多种提高精度的方法。通过手眼标定实验,得到手眼标定参数。结合标定参数,将定位到的目标位姿转换到机器人坐标系。为后续结合工业机器人控制系统,实现无序抓取的实际工业应用奠定了基础。