随着机器人技术快速发展,机器人逐渐代替人类进入了更为广泛的应用领域。由于作业环境的复杂性和作业任务的多样性,机器人需要不同类型的传感器捕获工况信息,提升自身感知能力。机器人抓取作业时视觉信息受限、触觉感知能力不足,成为了亟待解决的机器人技术瓶颈之一。本论文针对上述问题,研究机器人抓取中的视触融合方法,主要完成的研究工作如下:（1）触觉数据采集及预处理方法研究。首先,针对传统机器人抓取作业时触觉信息获取困难的问题,构建了基于XELA触觉阵列传感器的触觉感知单元,采集触觉数据进行解析,并进行触觉数据图像化处理。然后,针对机械抓手接近目标物体的过程中产生的干扰、噪声等影响,研究了基于哈尔小波变换的触觉数据滤波算法,获得了抓取目标的触觉感知信息,并自建了视触数据集（VTDA）。（2）视触融合感知网络模型构建。结合当前视觉感知和触觉感知的典型架构,构建C3D-CBTR视触融合感知网络模型,以实现视觉特征和触觉特征的深度融合。针对视触融合算法时空特征建模困难、时序特征融合不足的问题,构建了一种基于全局注意力机制的视触融合模型。该模型从图像和触觉的空间、通道、时序三个方面,分别引入不同的注意力机制构建全局注意力机制,实现2D与3D维度结合、前后帧关联的时空特征加权融合以及多类抓取状态的预测。通过对比实验发现,所提模型在自建数据集VTDA上预测准确率达到了83.84%,在公开数据集GSA和数据集VTD上预测准确率分别达到了99.05%和98.11%,验证了算法的有效性。（3）基于视触融合的抓取方法研究。针对机器人抓取作业过程中,由于过程感知信息不足,导致物体滑落、严重形变等问题,研究了视触融合下机器人抓取策略。具体设计一种基于视触融合抓取状态分类器机械爪手实时抓握调整策略,根据当前时刻的抓取状态适时调整下一时刻抓握宽度和力,实现机器人抓握姿态微调。在此理论基础上,固定手腕摄像头和XELA触觉传感器在手柄上方,搭建了机器人视触手眼系统平台,开展了综合性验证实验。经测试,10种物体抓取实验的平均抓取成功率达到了93%,综合性验证实验结果表明本文所提出的机器人抓取视触融合算法,具有较强的实用性。本论文相关研究,对丰富机器人视触感知理论也有一定的学术意义。