作为一种机器人,智能小车具有很好的机动性和对复杂环境的适应性,可以代替人们完成许多任务。现实生活中,智能小车一般配备一些昂贵的传感器以实现对周围环境的感知,如GPS导航定位系统、激光雷达和深度相机等等。但是传感器数量的增加会提高智能小车的控制难度,高额的成本也限制了智能小车的使用范围。针对这些问题,本文以成本较为低廉的搭载有机械臂和摄像机的智能小车为研究对象,对智能小车的抓取控制进行研究。本文主要工作内容如下:1.搭建了装载有四自由度机械臂和摄像机的智能小车,搭建了智能小车和电脑之间的通信系统,用来传输图像信息和控制命令。设计了智能小车和电脑端的软件框架。2.训练级联分类器以实现对目标物体的识别。针对级联分类器实时性较差的问题,提出一种基于预测模型的级联分类器,此方法通过预测目标物体在图像中的运动范围缩小了目标搜索区域,从而加快了目标识别的速度,随后进行实验验证了所提出方法识别目标物体的快速性。3.在对目标物体深度的测量中,针对传统的基于小孔成像原理的测量方法在摄像机难以标定和校正的情况下会产生测量不准确的问题,本文提出一种基于神经网络的深度测量方法,该方法可以保证对目标物体深度准确测量的前提下避免对摄像机的标定校正,利用所提出的深度测量方法和传统深度测量方法进行比较实验,实验验证了所提出方法的优越性。4.研究了单辆小车抓取控制和两辆小车协作抓取控制,首先构建两个神经网络分别用于解算机械臂的关节角度和求解机械臂末端的深度。其次设计了PID控制器和控制方案以控制小车搜寻目标物体,靠近目标物体并控制机械臂进行有效抓取。随后设计了两辆小车协作抓取的通讯结构和相应的软件框架,并设计了两辆小车协作抓取的控制方案。最后进行实验验证了单辆小车抓取目标物体和两辆小车协作抓取目标物体的有效性。