根据传统ICP算法存在的缺点, 提出了一种遗传算法结合自适应阈值约束优化的ICP位姿估计方法。采用统计学滤波和区域增长分割算法对原始点云进行预处理, 去除离群点并得到各混乱工件的点云集; 针对ICP易陷于局部最优的问题, 利用遗传优化算法对点云进行粗匹配, 得到目标点集相对于参考点云的初始位姿; 针对迭代速度较慢的缺点, 提出了一种自适应阈值约束法, 利用点对距离约束和法向量夹角约束去除局部大变形点, 在保证实时性的同时提高了位姿估计的精度。实验表明, 该方法能够在84.5ms内定位一个工件, 位姿估计误差达0.39mm, 满足实时性和抓取精度要求, 能够为工业机器人随机箱体抓取提供理论依据与指导。

针对机器人随机箱体抓取过程中场景分割困难的问题, 提出一种基于改进欧氏聚类的散乱工件点云分割方法。采用直通滤波法和迭代半径滤波法进行预处理, 得到去除干扰点后的散乱工件点云; 通过基于法线夹角的边缘检测去除点云中的边缘点, 并使相互碰撞的工件在空间上产生分离; 采用改进的搜索半径自适应欧氏聚类进行点云分割, 得到多个工件点云子集, 基于距离约束将去除的边缘点补齐到点云子集之中, 从而完成点云分割。此外, 线下模板点云注册为分割参数的选取提供依据, 从而保证了分割结果的准确性, 提高了分割速度。结果表明：基于改进欧氏聚类的散乱工件点云分割方法能够准确地分割出感兴趣的工件, 分割时间约为696 ms, 满足了工业机器人抓取的实时性要求。

针对二值条纹的边缘扩散问题，本文提出了一种改进型线移的结构光三维测量方法。该方法根据图像像素的邻域关系和逻辑关系，采用优化预处理方法得到了条纹图像的单像素边缘；根据边缘扩散对边缘定位的影响，采用一种二值图案对称线移的方法，线移条纹以Gray 码最后一幅图案的条纹中心为基准向两侧对称线移，线移条纹宽度与Gray 码最小周期宽度相等、方向与Gray 码条纹方向平行；采用正交投射实现了对测量视野的唯一性编码。实验结果表明，该方法对平面重构的相对误差为0.07%，耗时5.41 s，满足精度和实时性的要求。将该方法应用在混合物体的表面测量实验中，结果验证该方法对不同工件具有良好的适应性。