家庭服务机器人是机器人技术研究的重要方向之一，家庭环境中物体的抓取是其基本的任务要求。家庭环境的动态性，以及物体的种类多样、形状各异、颜色不一等特点，加大了机器人识别和抓取物体的难度。本论文以家庭环境为背景，研究服务机器人如何从众多物品中快速发现目标物并实现对物体的准确抓取。本文综述了服务机器人在国内外的发展现状和趋势，以及物体识别和物体抓取研究的进展，分析了家庭环境下物体识别和抓取存在的难点，并提出了相应的解决方案。家庭环境下物体的操作可分为物体的识别和物体的抓取两个步骤。物体的识别是物体抓取的前提，针对家庭环境的特点本文提出了基于QR Code标签的物体识别方法。QR Code标签包括内部信息和外围标识两部分：内部信息利用QR Code的容量大、识别速度快、可高效表示汉字等特点，将物体的基本信息和操作信息记录在其中；外围标识可以方便QR Code标签的远距离定位。将设计好的QR Code标签贴于物体表面，通过机器人手爪上的摄像头获取图像，利用设计的QR Code标签特有的颜色和形状特征，进行图像处理可实现对物体的快速定位和识别。物体抓取采用了基于神经网络的图像视觉伺服方法。图像信息与控制信号的对应关系由神经网络来学习，通过图像处理可以获取QR Code标签外围标识4个颜色块的中心坐标值，与期望抓取位姿时4个颜色块的中心坐标值相比较，将二者之差作为神经网络的输入，输出为各关节角度的变化值。实验结果表明神经网络能够准确学习这种非线性映射，保证任务完成的精度，具有良好的鲁棒性。在家庭环境中，物体的摆放是任意的，机器人在期望位姿抓取物体时往往出现与其他物体发生碰撞的情况，因此需要对机器人物体抓取进行末端障碍检测与动作规划。论文中分析了机器人抓取过程中可能存在的障碍物类型，采用基于栅格法的路径规划和基于关节空间的轨迹规划方法了实现机器人对物体的无碰抓取。论文最后通过具体实验实现了基于家庭环境下的服务机器人对多位姿物体的识别与抓取。首先进行了摄像头标定和机器人手眼标定；然后训练了基于Haar-like特征的层叠推进分类器，实现了QR Code标签的快速定位，控制机器人运动直至能在图像中正确读取QR Code；最后根据机器人获得的QR Code准确位姿和QR Code中记录的抓取位置的信息，以目标物为中心建立世界坐标系，进行动作规划实现了物体的准确抓取。