本文围绕非结构化环境中多物体抓取所具有的特点,针对由于物体多样性和放置随机性引起的抓取空间受限问题,设计了面向非结构化环境中多物体抓取的抓取位形生成方法和抓取规划方法。本文的主要研究内容如下:在非结构化环境中,物体的实际抓取空间往往因为物体的摆放位姿和机器人的操作空间而受到限制,导致抓取空间中部分的抓取位形对机器人操作而言是不可达的。因此,为了抓取场景中任意放置的物体,需要为抓取规划提供尽可能完备的抓取位形集做为可行解集。本文提出了基于骨架和球状网格搜索的抓取位形生成方法。通过选取平均曲率骨架为物体抓取兴趣区域,利用球状网格搜索进行抓取参数采样,实现抓取参数到抓取位形的转化。使用主要成分分析法与力平衡法,对生成的抓取位形进行稳定性分析,建立物体抓取位形库做为抓取规划部分的可行解集。该方法对不同形状的大多数物体均适用,并且保证了对抓取兴趣区域内稳定抓取位形的完备搜索。在非结构化环境中,多物体间存在的遮挡、倚靠、堆叠等物体交互关系也会对物体的抓取空间造成限制,导致抓取空间中部分机器人操作可达的抓取位形在实际抓取过程中是不可行的,选择执行这些抓取位形往往会引发碰撞甚至场景坍塌。因此,为了保证多物体抓取的安全性,需要规划出合适的抓取顺序以及每个物体的抓取位形。本文提出了一种基于遮挡抓取空间的抓取规划方法,将非结构化环境中的多种物体交互关系,统一在对物体抓取空间的遮挡上,结合感知信息,进行了对场景中物体交互关系的判断。以场景中遮挡抓取位形的总减少量和运动代价为优化指标,实现了对场景中物体安全抓取顺序和抓取位形的规划。针对上述提出的抓取位形生成方法和抓取规划方法进行了仿真和实验。首先利用2017年亚马逊抓取挑战赛中的物体集和自建物体集,在Rviz下对抓取位形生成算法进行仿真,验证了生成抓取位形的完备性。随后对本文的抓取规划算法进行了仿真,验证了其在各类非结构化场景下的有效性。最后了搭建实验平台,进行了非结构化环境中多物体抓取实验,验证了所提出位形生成和规划算法的可行性。