伴随着科技的发展,种类繁多的智能设备进入到寻常家庭的生活中来,给我们的日常生活带来了诸多的方便与乐趣。伴随着我国人口老龄化的开始,当今社会的一大难题是如何解决以后诸多老人的养老问题;同时在医疗过程中,对住院病人的日常生活照顾也给医护人员的工作带来很多压力,很多简单的重复工作占用了他们大量的时间与精力。随着机器人技术的不断发展,使用机器人为处于失能和半失能状态的老人与病人提供日常看护与照顾成为了可能。在机器人所提供的日常服务中,对用户所需的目标物品进行识别抓取是使用最为频繁的一大功能。因此研究利用机械臂对目标物品进行有效识别与抓取技术具有很好的学术价值和现实意义。本文分章节对机械臂的自主物品识别与抓取技术进行了研究,研究成果如下。根据抓取平台的具体工作环境,为目标物品设计了一套实现自主物体识别与抓取功能的有效可行的解决方案。针对国内外的研究进展,有目的地对基于视觉传感器的物品识别技术,特殊环境下机械臂的物体抓取运动规划技术的优秀研究成果及高效方案,分析这些方法各自的优势。物品识别与抓取系统可以分为物品识别与坐标计算定位模块和物品抓取模块,以实现机械臂在工作环境中对目标物品的自主识别与抓取。为实现抓取平台的自主物品识别,本文基于BOW+SVM框架组合设计并实现了物品识别算法。对目标物体利用无监督学习的方法构造目标物体的识别模型,再与环境图像进行识别模型的特征点匹配,最后确定并且框选出目标物品。首先使用SURF算法将目标物品的特征点提取出来,再结合FLANN算法、特征点二次筛选算法与RANSAC算法对目标物体进行识别与框选。再使用标定好的深度相机为目标物体进行坐标定位,设计了彩色-深度坐标算法,并针对RGB-D传感器在彩色深度坐标映射与坐标获取方面存在的问题上使用十字均值滤波算法改善了信息提取的成功率与准确度,为接下来的抓取环节提供有效数据支持。为实现机械臂对目标物品的灵活抓取,在Linux系统上的ROS软件环境下,利用该软件自带的Moveit框架搭建抓取平台,设计并模拟出对目标物体的抓取活动。使用了URDF框架对抓取所使用的机械臂以及机械手的进行运动学与动力学模型的搭建,该框架更能反映机械臂实际工作中的运动状态,有助于对抓取系统进行更好的运动规划。借助ROS系统的信息订阅与发布环节,在灵活抓取工作中给控制系统提供实时的力反馈信息,根据反馈消息及时得对错误的抓取动作进行纠正,保证抓取平台对于目标物品抓取活动的顺利进行。