本文立足现有的手眼系统架构和视觉识别算法,着眼于对三维物体识别抓取的实时性能,包括:手眼系统单帧识别速度、综合位姿估计成功率、自动观测抓取实验的稳定性。通过对现有识别算法的研究与分析,提出一些改进策略提升手眼系统的实时性能。主要研究内容包括以下四点:(1)基于LINEMOD模板匹配算法,提出一种多面体递归的均匀模板分布策略。该策略用多面体的顶点分布来拟合手眼系统观测空间的相机视点,每一层新视点的产生都是在上一层基础上通过等分三角形的方法来完成。经过仿真比较,在同样的测试场景下,我们提出的均匀分布模板策略在保证识别精确度的基础上,大幅度提升了识别算法的识别成功率。(2)提出区域匹配分层模板搜索策略。我们根据递归模板生成策略的模板分布结构提出区域匹配的分层搜索算法。首先,我们在r维度上进行部分分层搜索;接着,我们建立基于区域分层的模板索引结构,用区域分层搜索策略来简化搜索过程。经过实验比较,运用区域分层搜索策略后,模板库的搜索时间得到极大提升。(3)将视觉识别算法与神经网络分割融合。我们提出将神经网络分割的结果作为模板匹配算法的待识别图像,这样每幅图搜索区域减小,算法的运行速度得到提升。在用人工图像分割的方式验证该思路的可行性后,我们将FCN图像分割与模板匹配算法相融合,将算法的单帧识别速度提升到100ms以内。(4)设计手眼系统识别抓取演示及对比实验。我们在ROS中搭建手眼系统识别抓取的演示实验框架,并且引入Moveit碰撞检测使得手眼系统实时运行更加安全可靠。基于搭建的实验框架,我们将之前未优化的视觉识别算法与优化后的算法在实时场景中进行实验比较。通过我们搭建的实验框架和运用优化策略的视觉算法,手眼系统观测与识别的实时性能得到明显提升。