对未知物体的抓取是机器人多指灵巧手代替人手执行各种复杂任务的基本能力,而获取未知物体的信息并进行模型重构是机器人完成抓取和操作规划的前提。目前机器人视觉系统被广泛的应用于物体信息的提取,然而在非结构环境中,例如复杂背景、透明物体、遮挡和黑暗等情况,视觉传感器可能会出现噪声过大、分辨率下降甚至信息缺失等情况,最终导致抓取任务的失败。本文在机器人视觉受限甚至失效的盲环境中,以提高灵巧手抓取的自主性、稳定性和自适应性为目的,研究借助灵巧手的多点触碰及多传感器信息优势完成对未知物体模型重构及抓取。主要研究内容包括:多指灵巧手的未知物体触觉探索策略、基于触觉信息的未知物体模型重构、基于触觉信息的抓取点优化以及针对物体位姿误差的自适应抓取策略。为实现机器人在盲环境中对未知物体触觉信息的自主采集,本文对人类的触摸探索行为进行了观察实验。基于对人类进行未知物体触摸探索时行为的观察和分析,提出一种适用于机器人自主进行未知物体触摸探索的策略。依据人类探索经验和物体几何形状,触摸探索过程被划分为两个阶段:在第一阶段对物体顶部进行探索,根据顶部触觉信息对物体的基本尺寸和姿态进行估计,并用包围盒近似物体;在第二阶段依据分类判别不等式将物体按基本尺寸进行分类,对不同类别的物体设计不同的侧面探索策略对物体侧面进行探索。搭建基于仿人机械臂及多指灵巧手的自主探索抓取系统进行验证。实验结果表明,通过该策略的应用,机器人可以在仅知道物体初始位置的前提下,对任意尺寸和形状的未知物体自主的展开触摸探索,同时避免机器人与未知物体的碰撞,为模型重构奠定基础。针对触摸探索所得到的触觉点云数据,提出一种基于触觉位置和法向量信息的未知物体模型重构方法。通过聚类算法对触觉点云进行划分并分别进行几何特征提取,构造物体几何特征向量;根据物体特征向量和智能分类算法识别物体形状参数,而后构建物体的二维形状描述符通过匹配算法得到位姿和尺寸参数;最终通过超二次曲面方程完成对未知物体模型的构建。实验结果表明,该方法对噪声鲁棒性强,所需数据量小,模型重构精度高。基于灵巧手多点触碰及已知触摸探索信息,研究多指手抓取点优化方法。根据抓取稳定性指标在已知探索信息点集中优选适合的初始抓取点及机器人运动参数,从而简化抓取规划提高实时性;在灵巧手运动学和可操作性的约束下确定待搜索区域,通过基于K最近邻的优化搜索算法得到搜索区域内的最优抓取点,并通过仿真和实验验证了该方法的有效性。针对盲环境中物体位姿误差导致抓取容易失败的问题,研究基于力协同抓取和误差补偿的自适应抓取方法。通过基于阻抗控制及力控制的力协同抓取实现手指先后接触物体、同时施加抓取力的抓取过程,以提高抓取中物体的稳定性;通过指尖触觉信息估计物体位姿误差并分析对抓取稳定性的影响,对不同范围的位姿误差分别采用手指或手臂进行调整以补偿误差。实验表明,本文所提出的自适应抓取方法在物体存在位姿误差的情况下能够有效的提高灵巧手在盲环境中抓取物体的成功率。