面向长圆轴零件与沉孔零件的自动装配需求，针对装配中任意位置和姿态的零件柔顺装配的问题，研究了3D视觉和力觉结合的柔顺装配策略。在3D视觉定位方法中，提出了一种沉孔零件位姿估计的算法：首先使用超体素分割和约束平面分割（Constrained Planar Cuts， CPC）聚类完成点云数据的预处理，再利用基于权重的随机采样一致性（Weight-based Random Sample Consensus， WRANSAC）平面拟合完成平面定位，通过沉孔的轮廓提取与圆拟合估计装配位置。在力觉方法中，采用阻抗控制实现零件的柔顺装配。实验结果表明：本文提出的WRANSAC平面拟合算法的平均距离误差Δd可以达到0.09 mm，角度误差Δθ可以达到1.8°；3D空间中沉孔位姿的角度误差为1.0°，可实现配合间隙为0.5 mm的零件的装配。装配策略满足沉孔装配对精度及柔顺的要求。

针对手部的高自由度问题和结构相似问题引起的三维关键点姿态估计误差，本文提出了一套联合识别、检测以及姿态估计的三维手部骨架姿态回归网络。采用基于YOLOv3的预处理网络，提出基于级联多特征热度图的二维和三维关键点检测网络，并在特征提取网络架构中引入人体骨架手部约束，利用渐进的图卷积神经网络特征增强模块对骨架关键点结果进行进一步精细化修正，完成姿态由粗到细的调整。本文与现有多种算法在不同公共数据集下进行PCK指标和AUC指标比较，本文算法在不同测试集上的AUC指标均达到最高，平均AUC精度达到92.9%。实验表明本文方法可以通过单张二维数据准确、细致地估计三维手部姿态，并且在测试集与自然场景下均有较好表现。