近些年来,随着中国经济的发展,“机器换人”的趋势逐渐明显,越来越多的机器人被应用于工业现场,机器人引导定位技术成为了工业自动化领域的重要技术。而传统的机器人引导定位技术主要基于2D图像、针对摆放整齐的工件,难以解决散乱工件的抓取。所以本文使用基于点云处理的机器人引导定位技术实现无序抓取,使用自制的点云成像设备获取工件场景的三维信息,并提前完成DH参数标定保证机械臂末端位置精度的准确性、完成手眼标定保证机械臂基坐标系与点云成像设备坐标系之间变换关系的准确性,将工件的场景点云与工件的模板点云做点云匹配和位姿估计,识别出工件的位姿,结合机械臂末端夹具进行抓取。首先,研究三维点云重建。本文使用双目相机和编码结构光来获取点云。对双目相机做相机标定、立体标定、立体校正,使两相机构成平视双目立体成像,便于通过视差获取点云。本文使用7位正反格雷码和8步相移实现结构光的编解码,共投射22幅编码结构光图案到工件场景表面。使用格雷码值和相位值进行立体匹配获得视差,利用三角测量原理获得工件场景的三维点云。其次,研究机械臂标定技术,包括DH参数标定和手眼标定。使用基于距离误差模型的DH参数标定算法提高机械臂的末端位置精度,免除了将三维点从测量坐标系转换到机械臂基坐标系时引入的误差。使用基于对偶四元数的手眼标定算法获取机械臂基坐标系与点云成像设备坐标系之间的转换关系,具有较高的精度和很好的鲁棒性。然后,研究点云匹配与位姿估计算法。本文使用基于点对特征的点云匹配与位姿估计算法,并针对工业环境中乱序工件的特点,做了一系列改进,如场景点云法线方向一致性调整、抓取位姿筛选策略调整、旋转对称引起的角度偏差调整,以取得更理想的位姿估计结果。最后,进行抓取实验验证与结果分析。实验包括了仿真环境下的抓取实验、真实环境下的抓取实验。先获取示教位的抓取位姿,再通过位姿估计获取示教位到抓取位的变换关系,最终得到抓取位下机械臂末端的位姿,使用该位姿完成对工件的抓取。本文通过搭建实验平台获取工件场景表面的三维点云数据,分析研究并优化相关算法,完成DH参数标定、手眼标定、点云匹配与位姿估计,得到工件的位姿信息,再结合机械臂末端夹具对工件进行引导定位抓取。最终通过实验抓取乱序电容进行验证,仿真实验和真实实验的结果表明,本文所提出的基于点云处理的机器人引导定位技术,尤其是基于三维点云的散乱零件引导抓取技术,可以较好地完成无序抓取任务,具有一定的参考意义。