机器人抓取研究历经数十年的研究,已经取得了一系列成果,并在生产中得到了广泛的应用。但在复杂环境中的服务机器人抓取研究还远未成熟,特别是如何准确、快速获取人们想要的物体仍然是一个难题。以往机器人抓取研究主要集中在场景中单目标抓取规划,但在家庭环境中通常不止一个目标物,为了提高机器人对场景中多目标物处理效率,论文中提出了基于深度信息的机器人多目标抓取规划方法,分别对抓取过程中的场景分割、物体识别与姿态估计、抓取策略规划和抓取运动规划等关键问题进行了研究和讨论,并提出了相应的解决方案。主要研究内容包括:(1)利用RGB-D摄像机采集场景的深度图像和三维点云数据,通过结合梯度和RANSAC(Random Sample Consensus)分割算法的各自优势分别对深度图像和点云数据进行处理,得到了对应的深度图像边缘和RANSAC桌面物体边界,并将两者结合,从而完成对整个场景的分割。(2)结合 KD(K-Dimension)树和 CVFH(Clustered Viewpoint Feature Histogram)描述子建立了物体模型数据库,并对分割后的物体进行识别和姿态估计。通过标定仿人机器人NAO与RGB-D摄像机的外参,从而将RGB-D摄像机坐标系下的物体姿态转换为机器人抓取位姿。(3)构建了物体空间和实际抓取空间以此分析目标物的可操作性,并通过建立抓取评价函数,并由此计算所有抓取顺序与姿势下的目标物可操作性,以最高评价值对应的抓取顺序和姿态作为机器人最佳抓取策略。最后,分析了机器人逆向运动学,计算出机器人各关节角位移,并驱动其运动到达抓取位姿,从而实现目标物的抓取。(4)利用仿人机器人NAO和华硕Xtion Pro Live摄像机进行实验,验证了所提算法的有效性和高效性。