防爆机器人是运行在危险环境中的机器人,在石油、化工、排爆、清障等行业中可以取代人工进行危险作业,提高生产效率和保障人员安全。抓取是防爆机器人的主要作业形式之一,但现阶段防爆机器人的发展,存在防爆机器人智能抓取效率低,抓取力难以有效控制,依赖于操作人员经验等问题。本文针对以上问题,结合机器人视觉引导抓取技术和机械手抓取控制技术对危险环境下的目标智能化抓取展开研究,构建了一套智能化的手眼协同抓取系统,本文主要研究工作包括:1)构建了本文使用的防爆机器人运动系统,包括硬件选型,软件设计,以及软硬件之间的信息传输。搭建了由计算机,四自由度机械臂、Astra Pro深度相机和两指机械手组成的手眼协同运动控制系统,对本文使用的四自由度机器人进行了运动学建模,明确了机器人运动原理。通过相机标定和手眼标定实验,获得了机械手,相机和机器人系统中各坐标的转换关系,为姿态估计与力控算法的实现提供了硬件平台。2)针对防爆机器人智能化抓取效率不高的问题,通过分析防爆机器人抓取任务,构建了基于深度学习的抓取位姿估计算法。针对GGCNN2模型简单,预测准确率较低的问题,使用Inception特征提取模块多分支卷积的结构优化了GGCNN2网络的结构,增加了原网络的网络深度和宽度,并调整优化后网络的输入通道使得网络可以采用RGB-D数据进行训练,通过实验得到模型的平均准确率。通过对比实验讨论了Inception特征提取模块,与多输入通道对网络平均准确率的影响,分析结果可知,通过RGB-D通道训练的网络比D通道训练的原始网络平均准确率提升了8.47%。3)针对防爆机器人抓取过程中抓取力难以控制的问题,搭建了抓取力控制系统模型,使用MATLAB系统辨识工具箱,得到构建系统的传递函数。将粒子群优化模糊PID自整定控制算法引入抓取力控制领域,该算法将粒子群优化算法,模糊控制理论与PID控制算法相结合,优化了单纯使用PID算法繁琐的调参环节,提升了系统的鲁棒性。将系统模型与算法结合在Simulink中进行建模,在仿真环境下对系统做了无扰动仿真和扰动仿真,验证了抓取力控制算法的有效性。4)搭建了实验平台,对防爆机器人手眼协同抓取控制系统模块进行功能性测试,包括抓取位姿估计实验,静态环境下实物抓取实验,利用本文开发的上位机界面与防爆机器人进行通信,进行了动态环境抓取实验。分析实验结果发现抓取物体无明显形变,在抓取过程中抓取力能实时调节,排除机器人关节震动和加速产生的惯性影响,保持抓取的稳定性,验证了本文姿态估计算法与机器人抓取力控制算法在手眼协同抓取中的有效性。