Para mejorar la autonomía y flexibilidad de los sistemas robóticos, desempeña un papel crucial la capacidad de percibir y agarrar objetos. En detalle, los manipuladores de robots deben detectar la presencia de los objetos dentro de su espacio de trabajo, identificar el punto de agarre y calcular una trayectoria para acercarse a los objetos con una pose del efector final adecuada para realizar la tarea. Estas pueden ser tareas desafiantes en presencia de geometrías complejas, donde se pueden detectar múltiples candidatos a puntos de agarre. En este documento, presentamos un enfoque novedoso para tratar con piezas de automóviles de formas complejas que consiste en un método basado en aprendizaje profundo para la extracción del esqueleto topológico y un mecanismo de selección de la pose activa de agarre. En particular, utilizamos una versión modificada del conocido algoritmo Lightweight OpenPose para estimar el esqueleto topológico de piezas de automóviles del mundo real. El esqueleto estimado se utiliza para seleccionar la mejor pose de agarre para el objeto en cuestión. Nuestro enfoque está diseñado para ser más eficiente computacionalmente con respecto a otros métodos de detección de poses de agarre existentes. Experimentos cuantitativos realizados con un manipulador de 7 grados de libertad en diferentes componentes de automóviles del mundo real demuestran la efectividad del enfoque propuesto con una tasa de éxito de .