● 摘要
无论是在生活场景还是在工作场景中，机器人抓取未知物体的研究都有着重要的研究意义。本文主要研究机器人可靠抓取的识别，主要任务是建立机器人在空间实施可靠抓取的位姿描述，进而求取机器人实施抓取时各关节变量的取值。本文主要的研究内容包括：
（1）基于随机森林分类器的抓取候选点识别与优化。本文提出了分层嵌套的形状上下文特征，用来刻画抓取目标边缘采样点的局部及全局形状特性，使用随机森林分类器对目标边缘采样点进行分类，识别出抓取候选点集合。本文建立了机器人抓取矩形的描述，并提出了基于核密度估计的生成算法。在抓取矩形生成的过程中，抓取候选点集合得到了优化。最终可以计算出抓取接触点在图像上的坐标位置。
（2）趋近向量的优化以及抓取接触点的空间位置解算。本文提出了基于极线约束和多特征匹配代价的双目视觉匹配算法，在此基础上，通过双目立体视觉模型解算目标边缘点的空间位置。本文提出了趋近向量的线性回归求解方法，并用RANSAC算法进行优化。通过解算得到原始空间抓取接触点到抓取平面的投影，该投影即是真实的抓取接触点的空间位置。
（3）机器人操作手抓取未知物体过程的行为优化综合实验。本文搭建了实验室机器人操作手抓取平台的视觉系统，并为其设计了相应的标定方法。本文把各环节的算法软件进行了集成，并设计了友好的人机界面。整体算法在实验室机器人操作手抓取平台上进行了验证。
本文设计了抓取候选点识别、抓取矩形生成、双目视觉匹配以及趋近向量优化的仿真实验，实验结果证明了相应算法的有效性。最后的综合实验则在整体上验证了机器人抓取未知物体学习优化算法的有效性与实用性。