随着人们生活质量不断提高,社会对机器人的需求不断增加,发展和研究服务机器人相关技术已经成为重要趋势,而室内环境下的定位精度和物体识别抓取能力是衡量服务机器人稳定、高效完成任务的关键技术指标,因此本文以室内家庭环境为应用背景,进行服务机器人的总体系统设计,同时对室内环境地图构建、机器人定位技术及基于深度相机的物体抓取技术进行研究。针对服务机器人的工作场景和任务需求,设计了机器人实验平台的总体系统。针对室内环境的特点,设计并完成了两轮差速移动平台和机械臂硬件平台的搭建,分析本文实验平台机构的特点,对控制系统方案进行确定,选取所需要的硬件模块,为了便于实现机器人的控制,对控制系统的通信协议和软件系统进行设计。本文对室内地图构建及定位技术进行研究,提出了改进的蒙特卡罗定位算法。为了实现机器人的控制,建立了机器人的运动学模型;为了给地图构建提供位姿信息,建立了里程计模型。依据机械臂的结构特点,对其运动学进行分析,为物体的抓取奠定基础。通过对目前两种主要的Hector SLAM和Gmapping算法进行实验对比,选取性能较好的建图方法。针对传统的蒙特卡洛定位算法存在粒子退化问题,通过在粒子归一化后的权重中加入优化因子,调整粒子权重,改善重采样粒子的多样性。通过机器人的位姿跟踪和全局定位仿真实验,验证本文提出算法的可行性。本文对基于深度相机的抓取技术进行研究。建立了系统中各坐标系间的关系,通过张正友标定法,实现深度相机的内参标定,依据相机的安装位置,获得手眼标定参数。提出了改进的ORB(Oriented FAST and Rotated BRIEF)算法的物体识别与定位方法,利用K-D树对ORB算法进行优化,实验结果表明优化后的算法进行特征匹配后,不仅可以减少特征点对的数量,同时提高了匹配准确率,并利用特征匹配的结果,计算获得目标物体的三维坐标,利用机械臂逆运动学获得各关节的旋转角,通过控制机械臂实现物体抓取。以上述的工作为基础,完成机器人实验平台的装配和调试,完成其性能测试,实验结果表明,本文设计的机器人满足要求。然后搭建真实室内场景,进行机器人的地图构建、定位实验,并在同一场景中,完成了物体的识别和抓取实验。实验结果表明,机器人在室内场景中,能够实现准确的定位和目标物体识别、抓取任务。