移动机械臂在众多机器人种类中因为工作范围广而广泛应用于物流、工业、排爆等行业,为了提高移动机械臂在非结构化环境下的感知能力和可操作性,本文搭建了由视觉导航平台和视觉抓取平台组成的移动抓取系统。基于自主导航和抓取控制进行研究,主要包括:移动机械臂视觉导航平台搭建。搭建了移动机械臂视觉导航平台,以两轮差分模型对机器人进行运动学分析。通过PID算法使电机转速趋于目标转速。建立深度相机模型并进行内外参数标定,减小输入数据造成的误差。最后基于机器人操作系统（ROS）构建视觉导航算法框架。视觉建图方面,先将深度相机获得的三维点云数据转换成二维激光数据,然后对伪激光里程计、轮式里程计、惯性测量单元（IMU）进行多传感器相互融合,并通过激光雷达匹配的方法优化proposal分布来提升定位精度,最后订阅预处理后的里程计和激光数据构建占据栅格地图。路径规划方面,对A*算法和概率路线图（PRM）算法仿真结果进行分析,同时,为提高对环境的适应性,采用动态窗口算法（DWA）进行局部环境下的路径规划和避障。移动机械臂视觉抓取平台搭建。搭建了移动机械臂视觉抓取平台,并使用D-H参数构建了UR机械臂的运动学模型,分析了机械臂的正、逆运动学和轨迹规划算法,并在MATLAB进行仿真,验证分析的可行性。根据上述研究,利用ROS平台实现机械臂抓取控制。进行手眼标定获得相机相对于夹具坐标系的转换关系。最后基于机器人操作系统构建视觉抓取算法框架。目标物体抓取参数预测。首先介绍了抓取算法的分类,对比分析后使用卷积神经网络来进行抓取位姿预测。为输出像素级的抓取参数特征图,使用编码器-解码器结构构建算法,并分析了网络的主要组成。最后使用数据集对所设计的抓取位姿预测算法进行训练和性能评估。基于视觉导航和视觉抓取平台搭建移动抓取系统,在真实环境中进行视觉建图、自主导航实验,视觉建图实验表明,经过数据预处理和算法优化后,构建的地图较传统算法建图边界更为平滑,异常点减少,且直线度更好。自主导航实验时,机器人导航至目标位置的过程中能实现动态避障。视觉抓取实验时,卷积神经网络能很好的预测目标物体的抓取位姿,在Gazebo中仿真的抓取成功率可以达到92%以上。