我国人口老龄化严重、残疾人口较多,使得载臂轮椅式助老助残机器人（Wheelchair Mounted Robotic Arms,WMRA）成为了当下研究热点。本课题以提升WMRA智能化、易用性与适应性为目标,提出并研制一种基于激光点直觉交互式WMRA,并对其中点取任意未知物体自主抓取这一关键问题进行研究。主要涉及非结构家居环境中激光点识别、点取物体分离、未知物体抓取框检测、二维抓取框到三维夹爪的抓取位姿映射等关键内容。具体如下:首先,为解决真实环境背景下的微小激光点识别难题,开展了基于卷积神经网络的光点识别与点选物体提取方法研究。选用在小物体识别方面精度较高、识别速度较快的YOLO v3算法进行激光点识别与精准定位,通过对图像进行像素级别处理,区分激光点与反光点。其次,为提取点取物体点云信息,开展图像滤波、分割算法、物体质心计算的研究,通过比对物体质心三维坐标与激光点的坐标,捕捉到激光点取物体,实现点选物体的快速分离。其次,为快速准确计算被点取物体的抓取位姿,提出一种基于Faster R-CNN的改进多模态算法。首先,设计Grasp Faster R-CNN模型识别抓取部位的位姿信息,输出五维抓取框（x,y,w,h,θ）,解决抓取特征较多而造成的识别准确率不高的问题。其次,为减少复杂环境对抓取表示生成的影响,输入多模态信息使抓取更准确;最后,采用五维抓取框作为学习特征,解决传统抓取点表示方法缺少姿态信息而造成抓取成功率不高的问题。接着,为获取夹爪的抓取位姿,研究了从二维抓取框到三维三指夹爪位姿信息的映射关系。首先进行Xtion PRO Live摄像头的参数标定,获取到相机内参与外参。进而根据点云邻域的最小深度值确定抓取深度,使用标定参数进行转换,得到抓取坐标,继而通过计算平均法向量的方式获取抓取姿态,以将抓取五维表示精准地映射成三指夹爪能够执行的抓取位姿,该映射方法具有通用性,解决了国内较为回避实际抓取以及抓取成功率低的问题。最后,基于机器人操作系统ROS进行系统集成与实验研究,验证算法的可行性。将激光点检测算法与抓取框生成算法进行集成,并将抓取位姿传送给机械臂,实现抓取信息与机械臂之间的数据通信。最后,使用家居环境下的典型物体,进行未知物体抓取实验,验证本文算法的可行性。