自主抓取一直以来都被认为是机器人智能化的一个基本组成部分。近年来,随着智能机器人的不断发展,对于自主抓取的要求也越来越高。然而目前的机器人基本上都采用主从操作的方式,操作人员通过操作杆控制机器人完成抓取任务。这种操作方式要求操作人员需经过专业的训练,而且操作费时费力,因此研究一种自主抓取方法显得尤为重要。为此,本文提出采用高斯过程分类器来完成物体的抓取规划,并在此基础上通过带有欠驱动手的移动机械臂完成对物体的自主抓取。本文设计了基于高斯过程分类的抓取规划方法,可以规划出已知和未知物体的抓取点。规划器通过RGB-D传感器获取环境点云,并通过平面提取法提取目标物体点云。在此基础上,结合抓取稳定性和力封闭性原则,提取抓取点的五个抓取特征。在训练过程中,通过有教师的机器学习方法获得训练集,完成高斯过程分类器的训练。最后,高斯过程分类器以抓取特征作为输入,给出抓取点是可行抓取点的概率。通过随机采样法不断重复上述步骤,最终可以获得物体的可行抓取点。设计抓取仿真器并在此基础上优化欠驱动手抓取轨迹。通过虚功原理建立欠驱动手的准静力学模型,在此基础上在matlab中建立欠驱动手抓取仿真器。抓取仿真器以抓取规划器得出的抓取点作为输入,以抓取点偏差最小作为优化目标,优化出欠驱动手的最优抓取轨迹。设计了基于接触检测的抓取控制策略。首先设计了基于电流信号的接触检测器,采用高斯过程回归标定驱动电流与欠驱动单元转角之间的关系,在抓取过程中不断检测欠驱动手的驱动电流并判断欠驱动手是否与物体接触。在此基础上,设计了欠驱动手的抓取控制策略,将整个抓取过程分为接触阶段、夹紧阶段、释放阶段3个阶段分别进行控制。完成自主抓取系统的平台搭建和实验研究。针对抓取规划方法、欠驱动手抓取轨迹规划器以及接触检测器进行实验研究,验证各个组成部分的可行性。搭建自主抓取实验平台,研究自主抓取系统的软件架构,通过采用ROS框架下的通讯机制建立子系统之间的信息交互,实现各个子系统之间的协调工作。在此基础上,完成自主抓取实验,验证系统的可行性。