近年来,随着机器人在各个行业的应用,各个研究机构都加大了对机器人的研究,以求提高机器人的各项性能,而作为机器人基本功能的抓取操作成为了一个重要的研究方向。为了提高物体抓取的成功率和准确度,很多研究者将物体的抓取框作为研究对象,通过选择物体的最佳抓取框来提高抓取的成功率和准确度。本文借鉴人类抓取物体的特点,提出一种三级卷积神经网络用于物体抓取框的检测,实现了对未知物体的高准确度抓取。所提出的三级卷积神经网络:第一级用于物体的初步定位,为下一级卷积神经网络搜索抓取框确定位置;第二级用于获取预选抓取框,以较小的网络获取较少的特征,从而快速地找出物体的可用抓取框,剔除不可用的抓取框;第三级用于重新评判预选抓取框,以较大的网络获取较多的特征,从而准确地评估每个预选抓取框,获取最佳抓取框。测试结果表明三级卷积神经网络比单一卷积神经网络获得的抓取框正确率提高了 6.1%。单纯地使用RGB图像来获取物体的抓取框,抓取框的正确率容易受到被抓取物体颜色和背景图案的影响。因此,针对单纯使用RGB图像来获取抓取框时所出现的问题,本文对三级卷积神经网络的结构进行了修改,在三级卷积神经网络的第二级网络中加入专门处理深度图像的卷积神经网络,并对选择最佳抓取框的算法进行了优化,使得改进型三级卷积神经网络弥补了原三级卷积神经网络的不足之处。在测试中,抓取框的正确率在原有基础上再次提高了 2.6%,并在将夹持器作为抓取执行机构的Youbot机器人上实现了高准确度的抓取操作。利用夹持器进行物体抓取时,夹持器大小和结构严重地制约了被抓取物体的类型,很难对心形、三角形、五角星等复杂几何形状的物体进行有效抓取。多指灵巧手具有多自由度、多关节的特性,适合各种几何形状物体的抓取,但目前大多数多指灵巧手的抓取方法需要知道物体的3D模型,在缺少物体3D模型时,很难对物体进行精确的抓取。针对这些问题,本文设计出适合于多指灵巧手进行物体抓取的两级卷积神经网络,通过两级卷积神经网络来获取多指灵巧手在进行物体抓取时手指在物体上的分布情况。在测试中,利用两级卷积神经网络获取的手指分布正确率在95%以上,并在不知道被抓取物体三维模型的情况下,实现了Shadow多指灵巧手对未知物体的高准确度抓取。