隨著傳統制造業的轉型升級和“中國制造2025”戰略的推進，工業機器人的應用越來越廣泛。近年來，大量工業機器人被用于裝配制造、分揀包裝、拆包碼垛等領域。，不斷提高了企業生產過程的自動化水平。同時，企業的生產方式也從傳統的人力主導轉變為機器人主導，大大提高了產品的生產效率，降低了生產成本，減少了一些惡劣的生產環境對工人身體造成的傷害。在機器人作業過程中，如何準確抓取隨機堆放的零件或貨物，已成為目前業界應用和研究的熱點問題。基于以前的技術， 博肯機器人團隊對3D視覺技術進行了改進和升級，與博肯的串并聯六軸機器人合作開發了基于3D視覺的無序分揀技術。
與傳統的2D視覺不同，三維表面成像/重建/測量技術可以用來測量物體表面各點的(x，y，z)坐標，測量結果可以表示為深度圖。三維表面成像系統除了測量三維坐標外，還可以輸出物體表面空間點的其他光學特征值，如反射率、顏色等。此時點云的測量結果一般可以表示為{}，其中是代表第I個點的光學特征值的向量。比如常見的RGB-D(紅綠藍深度)測量數據可以表示為{}。
目前，常見的三維表面成像技術包括雙目立體視覺、多視角立體視覺和激光片光三角測量。編碼結構光，飛行時間，聚焦深度，光度立體視覺。該方案采用編碼結構光三角測量原理用于三維結構光相機。它的工作原理是:編碼結構光激光器將專門設計的編碼圖案投射到目標物體上。基于不同的圖案編碼方法，相機可能需要拍攝由激光照射的目標物體的表面的一個或多個圖像，并且可以通過比較圖像上的調制編碼光圖案和未調制編碼光圖案來測量目標表面的3D形態。
當視場滿足攝像機的探測要求時，通過調整攝像機的相關參數，可以得到攝像機拍攝的灰度圖像和相應的深度圖像。
獲取點云數據后，經過點云濾波、點云分割等點云預處理步驟，利用FPFH特征描述子提取點云特征。由PFH特征演化而來的快速點特征直方圖描述子(FPFH)具有計算復雜度低、運算速度快的特點。
在對目標點云進行特征提取后，選取點云數據全局特征描述符中的OUR-CVFH特征對分割后的點云塊進行分類，然后通過模板匹配的方法將模板與子目標的分割后的點云進行匹配，完成不同種類物體點云的位姿估計。最后，通過與機器人的標定，完成機器人在三維視覺下的無序分揀任務。