感知外部环境是机器人实现智能化控制和交互的前提,是机器人完成精细操作的基础。触觉作为机器人系统中一种重要的传感模态,它不仅反映了机器人与环境的交互情况,也刻画和描述了所接触物体的物理属性和空间信息。近20年来,传感器技术快速发展,柔性阵列式的、高敏的、高分辨率的触觉传感器已逐步成为新型智能机器人灵巧手的“标配”,研究如何获取、理解和利用这些触觉信息,对于提高机器人环境感知能力和进行灵巧手精细操作具有重要意义。本文围绕基于灵巧手触觉的物体感知与抓取控制方法这一课题,组建了由Barrett BH8-282型灵巧手、Schunk LWA 4D型机械臂和Star Form Swift深度相机为主要设备的实验系统,分别就基于触觉的物体硬度识别、基于视触点云的物体几何属性感知、视触融合的灵巧手自主抓取等问题开展了研究工作。针对物体硬度识别问题,在分析灵巧手触觉数据的时空特点的基础上,提出了一种CNN-LSTM组合神经网络模型,并基于自建的抓取触觉数据集进行了模型训练和验证,对物体硬度属性识别的正确率达到了95.0%;此外,还设计了基于物体硬度在线识别的PD抓取控制流程,实现了灵巧手对不同硬度物体的柔性抓取。针对物体几何属性感知问题,首先提出了一种基于灵巧手主动触觉的物体三维点云生成方法,通过设计合理的灵巧手探索程序,机器人可以对已知位置的固定物体进行三维点云的采集,进而确定物体的形状、尺寸和姿态信息;其次,尝试了将深度相机采集的视觉点云与灵巧手采集的触觉点云进行配准融合,并进行模型重构,最终得到了更准确的物体几何属性识别结果。针对灵巧手自主抓取任务,本文在上述研究的基础上,设计实现了基于视触觉的灵巧手系统自主抓取功能。在自主抓取过程中,首先利用视触觉点云感知方法获得目标物体的位姿和尺寸信息;其次,系统根据这些信息直接查询和采用预先存储的灵巧手抓取姿态,并通过完成机械臂路径规划与实施过程引导灵巧手到达目标位置;最后在抓取执行阶段,基于灵巧手触觉对抓取力进行精细的控制;利用该系统对14种物体进行自主抓取实验,平均抓取成功率到达了88.57%。