随着人类科技的不断发展,机器人的应用场合越来越广泛,而抓取操作是必不可少的环节。模仿人类的抓取操作,本文研究的是机器人抓取物体过程中的预抓取阶段,即机器人根据视觉传感器感知被抓取物体与抓取有关的参数,并根据机器人手的姿态,采用何种预抓取模式的决策阶段。首先根据BH-4手和Rutgers手设计出一种具有四个手指的多指手模型,并根据Cutkosky提出的人手抓取分类学,将多指手的预抓取模式分为13类。其次,选择26种实物,每两种实物对应一种预抓取模式。在相同环境中,每种实物在五个不同的角度分别采集一幅图像。经过一系列的图像处理方法,提取被抓取物体的姿态、大小、形状以及表面粗糙度特征作为该物体的特征参数用于预抓取模式分类。随后本文着重研究了聚类分析在多指手预抓取模式分类方面的应用。先用模糊C-均值聚类算法验证聚类分析的可行性,在聚类正确率较低且不稳定的情况下,通过改进算法提高性能。在此基础上,本文提出了一种新的改进算法—二阶段加权模糊C-均值聚类算法,经仿真实验分析,其各方面性能的提高都很明显,特别是聚类正确率稳定在96.15%。接着本文深入研究了核方法在特征选取和聚类分析中的应用。并提出了一种结合核主成分分析和核模糊C-均值聚类的新算法,将该算法用在多指手预抓取模式聚类分析中,算法的实时性和正确率都较为理想。最后,本文利用OpenGL和Visual C++开发了多指手预抓取三维仿真平台,对机器人预抓取的过程进行可视化仿真。