机器人感知技术是机器人准确识别物体的基础,是利用机器人系统对物体进行相关操作的前提。在现实中,机器人通常利用多种传感器对外界环境进行感知,常见的有视觉传感器、触觉传感器、声音传感器等。在触觉感知领域,由于日常生活中的大多数物体都不只拥有一个触觉属性,人类通常能通过物体触觉标签间的相关性联想到多个标签,这是机器很难做到的。同时,由于单模态触觉传感器获得的数据类型较为单一,这就使得机器人不能像人类一样利用多种感官去识别物体的触觉属性。因此,本文以Real Sense深度相机和BH8-282机械手为基础搭建了视-触觉信息采集平台,对日常生活中常见的各类物品进行了视-触觉数据采集与分析,基于机器学习相关知识,研究机器人感知任务中多触觉属性识别的问题。首先,本文对比了许多学者在视觉、触觉及视-触觉融合机器人感知系统上的研究,介绍了基于多种模态感知的机器人系统工作原理,并对其中的创新性与合理性进行了分析。从而引出本文的主要研究内容:基于视-触觉融合的机器人触觉识别系统。其次,在传感器数据特征提取部分,本文设计了一套能够对高维的传感器数据进行有效表征的特征提取方案,在此基础上,进一步提出了基于深度神经网络的自编码器用来对数据特征进行自动化提取;在触觉属性识别算法部分,传统的二分类算法如KNN、SVM等只能独立识别物体多个触觉标签中的一个,而不考虑多个触觉标签之间可能存在的内部联系。为了解决这一问题,本文在传统识别方法的基础上设计了多标签分类方法如Ada-MLKNN、Rank-SVM,通过挖掘标签之间的关联信息来达到更高的识别精度。同时,在决策层将多个多标签学习算法融合起来以获得更好的识别效果。最后,为了验证算法的可行性,本文利用数据采集系统对17种实验物体进行信息采集,利用提出的分类算法对数据集进行分类。通过实验对比发现,基于自主设计的视-触融合感知算法,在多触觉属性识别方面比传统识别方法有更高的识别精度,在实验采集的VABH-17数据集上获得了0.81的F1分数。