针对遮挡目标的机器人抓取存在的遮挡干扰问题,提出了改进的YOLO-CA-SD和语义分割的遮挡目标检测模型及抓取方法,完成多目标及非目标物互相遮挡干扰情况下的抓取。首先,该模型在YOLOv5l中添加坐标注意力,在损失函数基础上考虑检测框匹配方向的问题,增加框之间的角度信息,并对原模型检测部分进行解耦,减少耦合造成的信息丢失。其次,提出了改进的DeeplabV3+目标分割模型,用MobileNetV2替换DeeplabV3+原主干网络,减小模型复杂度,在空洞空间金字塔池化结构中添加CA模块融合像素坐标信息提高分割精度,解决了遮挡干扰问题。最后,利用点云配准得到目标姿态相对于模板姿态的末端旋转角及最优抓取点。在2　750张自主构建的常用工具遮挡数据集上进行性能测试,结果表明:改进后的模型在m　AP@0.5,m　AP@0.5:0.95、60%目标物体遮挡率数据集及60%非目标物体遮挡率数据集上的检测精度分别提高了0.052%、0.968%、6.000%、7.400%。此基础上改进的语义分割模型分割速度和MIOU分别提升了33.45%和0.625%,并且通过ABB　IRB1200机械臂实现遮挡目标的抓取实验,验证了该方法的可行性与实用性。