机器人抓取技术作为机器人的一项重要能力,由于工作任务的升级以及场景的动态变化对其从感知到认知、推理、决策的智能化进阶提出了要求,这使得实现机器人自主抓取服务的深层研究成为近年来研究的重点。对于从模拟环境逐渐过渡到真实非结构化环境中的抓取物体过程,主要是环境感知、机器人认知和抓取规划等问题阻碍了机器人抓取应用的发展。现阶段,基于视觉信息的定位来引导机器人完成目标抓取已经得到了广泛的应用,但大多都是面向独立或单类物体进行抓取操作,而对于存在未知堆叠物体场景的抓取方法尚未得到很好的解决,这极大地限制了机器人在真实世界的应用。本文从环境感知角度出发解决未知物体的识别和定位问题,增添了场景结构上的理解对堆叠物体的空间关系进行推理,为机器人抓取提供抓取顺序上的策略,以避免不必要的跌落破坏等影响,实现在真实世界中安全稳定地完成自主抓取操作。首先,对单视角采集到的信息,利用深度神经网络图像分割技术与点云几何分割算法融合的方法来提高物体边缘分割的精准度,将分割精确度提高20%左右,从而实现对未知物体准确的语义识别和定位;然后利用机器人正运动学获取相机的变换矩阵进行多视角下的地图拼接,并对于机器人运动产生的误差利用点云配准方法对相机的位置进行校准,从而提高三维重建的质量,获得精细的未知堆叠物体场景三维语义分割地图。然后,通过几何分析提取堆叠物体间的关联点,从关联点推断出物体间的关系矩阵,在此基础上依据物体稳定性定理判别物体间支持关系,删除潜在的假性接触以明确物理交互关系,然后递推归纳出物体所在层数建立支持关系树,输出对目标对象进行抓取的顺序,并验证了算法的逻辑合理性和推理准确性,然后利用抓取位姿检测算法优化得到对抓取物体适合可行的抓取位姿,实现对堆叠物体进行合理有序的抓取操作。最后,基于ROS机器人操作系统以Turtlebot3机器人平台搭载Open Manipulator机械臂为操作对象进行实验,利用Real Sense采集信息,对本文提出的一系列算法进行仿真实验验证,通过仿真实验证明其能够自主完成对未知堆叠物体的安全稳定地抓取,实现从感知到认知、从推理到规划的智能化。