随着智能机器人在社会上的广泛应用,学术机构以及工业界开始以仿人机器人作为研究平台,构建适用于不同复杂场景的应用,以促进技术创新和社会经济的发展。目前,在未知环境中仿人机器人的抓取任务仍然是一项技术挑战。首先,仿人机器人与工业流水线上固定在基座上的多轴机械操作手不同,它具有更加复杂的机械构型,需要考虑运动学和动力学特性以保证其平稳的完成任务;其次,机器人要能探知自身终端执行器的可达能力范围,避免机器人去抓取不在其能力范围内的目标时,失衡摔倒;最后,机器人对未知场景理解和感知还包括了三维地图的构建,以及对目标物体进行识别和姿态估计。因此,仿人机器人抓取作为由多个模块组成的复杂系统,如何保证各个模块高效执行是亟待解决的难题。本文以仿人机器人NAO作为研究平台,针对在抓取任务中涉及的视觉与控制算法,设计了改进的运动学模型,构建了基于动态能力图的局部感知系统,包含工作如下:(1)对于多连杆和多关节组成的仿人机器人,需要使用运动学模型描述其空间姿态的变化。传统的建模方法以仿人机器人的躯干为中心,将机器人划分成5条独立的机械链分别求解,不适合描述机器人在动态场景中抓取时的连续运动。本文提出一种改进的运动学模型,包含了管理机器人全身关节和连杆的二叉树结构、正逆运动学的解决方案、双足步行的设计以及手眼标定的实现。(2)三维环境地图和可达能力空间是机器人进行局部环境感知的重要信息。本文在即时定位与地图构建(Simulaneously Localization And Mapping,SLAM)技术生成的包含位姿信息点云的基础上,使用Octomap作为数据结构构建了三维环境地图,并以概率的方式进行动态增量更新以排除采集数据中的噪声影响。为了描述机器人的工作空间,本文提出一种动态更新的能力图构建算法。该算法不仅能实时响应机器人在连续运动时的位姿变化,而且能对场景中的障碍做出范围上的自适应。是静态能力空间在仿人机器人应用中的扩展与改进。基于上述两点算法上的创新,本文构建了完备的仿人机器人动态抓取系统。多模式的模板匹配算法被集成在系统,帮助机器人获取物体的类别和姿态。额外的立体摄像机固定于NAO机器人头部,运用手眼标定技术建立了机器人坐标系与相机坐标系的统一关系,将物体位姿转换到机器人坐标空间内。从而应用逆运动学求解器求解出NAO机器人在期望位姿下的关节向量值,以此指导控制模块对伺服电机配置。为了验证所提算法的有效性,针对上述研究内容,本文在机器人操作系统(Robot Operation System,ROS)框架中集成了仿人机器人抓取系统中涉及的控制和视觉模块。一方面,根据场景中的识别出的物体,能够推导出NAO机器人完成抓取的对应关节配置;另一方面,通过可视化工具测试了在追踪NAO机器人连续运动时能力图的变化情况。实验结果表明,在机器人抓取物体的过程从传感器中读取的终端效应器的位姿与目标物体位姿之间的误差在0.003m~2以内,满足机器人抓取条件;动态更新的能力图能够适应实验中测试的三种情况,时间效率相较传统方式在数据规模增大时提升了左右,达到了能力图与局部环境融合的目的。