智能抓取是自然人机交互中的关键技术,该技术通过模拟人的行为来完成虚拟世界中的交互,增加用户的沉浸感和交互体验,其中如何生成自然、精确、实时的交互过程,一直是计算机图形学、人机交互和机器人领域的研究热点。基于灵巧手的抓取交互是智能抓取的研究趋势,而在处理灵巧手的抓取规划和交互过程中,存在手的复杂度高、交互细节仿真困难、计算耗时、设备依赖性强等问题,对自然人机交互提出了极大的挑战。针对以上问题,本文将灵巧手智能抓取按照人的抓取流程分为四个部分:首先,人在抓取物体之前会进行手的姿态估计;然后针对物体规划出可行的抓取姿态并执行抓取过程;抓取物体后,人能够在手掌上操作物体改变物体的姿态;最后,人会将得到的抓取经验拓展到相似物体上。本文针对上述流程所涉及的主要问题,包括位姿空间中的穿透深度计算、抓取规划与交互、掌内操作规划以及抓取数据迁移分别进行了研究,具体思路是:1.在位姿空间中采用机器学习方法计算多关节模型的近似接触空间,可用于计算穿透深度和缩小抓取位姿计算空间;2.结合近似接触空间,利用离散优化方法和抓取物理规则计算抓取空间和操作规划;3.考虑模型之间表面映射关系,实现相似物体之间的抓取空间迁移。本文的具体工作包括:(1)提出了一种在高维空间中高效求解多关节模型全局近似穿透深度的算法。针对在多关节模型的高维位姿空间中无法精确计算接触空间问题,该方法采用支持向量机计算多关节模型与障碍物在位姿空间中的近似接触空间,将优化问题转换为一个查询问题,满足实时计算的要求。该方法不仅可以处理混合多关节模型,还能够保证用来计算穿透深度的位姿一定是非碰撞的。该方法可以处理具有高自由度的多关节模型,如应用到灵巧手抓取规划和仿真中。(2)提出了一种基于抓取空间学习的灵巧手抓取规划和交互算法。针对抓取规划问题,该方法采用支持向量机计算近似接触空间,缩小搜索范围,进而基于粒子群优化算法,并结合抓取稳定性、无碰撞穿透等约束,计算抓取空间。对于不同复杂度的物体模型,该方法可以生成丰富的抓取位姿。针对抓取交互,该方法采用无穿透约束的路径规划算法,计算与用户动作近似的抓取过程。通过将该算法应用到虚拟现实的交互系统中,评估了灵巧手抓取交互与传统交互方式相比的优势。(3)提出了一种基于操作图构建和大规模预计算的灵巧手掌内操作规划算法。该方法通过构建物体运动主图和辅助操作图的方式,结合大规模预计算,得到丰富的灵巧手掌内操作动作序列。对于给定的两个物体姿态,该方法采用自适应的操作规划算法,结合运动学和动力学约束,实现了操作路径规划。对于图拓展过程中不同分支路径合并造成的动作不连续现象,该方法通过减小动作转移之间的误差,降低动作的不连续性。基于辅助操作图,实现了灵巧手掌内操作规划和动画生成。(4)提出了一种基于双向接触映射和局部重规划的灵巧手抓取空间迁移算法。针对抓取规划中计算成本高、相似模型需要重复计算抓取姿态等问题,该方法通过在相似模型的部件之间建立模型表面的双向接触映射,将抓取接触点投影到相似模型上,然后采用局部重规划,快速计算相似模型上的抓取姿态。该方法实现了相似物体之间抓取数据的迁移,通过物体部件之间的拼接与合并,还可以得到新物体的抓取姿态,可用于增加数据的多样性。以上这些技术分别从多关节模型的穿透深度计算、灵巧手的抓取规划与交互仿真、掌内操作规划以及抓取空间迁移等方面解决了自然人机交互中的关键问题,本文将这些算法集成到虚拟现实交互系统中,取得了很好的交互效果。