随着工业化与信息化技术的不断融合,以机器人为代表的智能产业正在蓬勃发展。机器人的应用领域也从传统的汽车制造、机械加工领域向3C、物流等行业扩展。目前,一些国内的电子厂商都在竞相进行产业升级,提出“机器换人”。如何实现机器人代替人工进行灵活的精确抓取,已然成为一个亟待解决的问题。本文对手眼协同实现物体精确抓取问题进行了探索与研究。研究内容和成果主要包含以下几个方面:1.设计了一套基于ROS平台的手眼协同实现物体精确抓取系统,提出了 一种基于开源规划库的改进算法和一种物体定位点标定的算法。规划算法对原始的规划结果加入约束,提高运动过程的平滑性,并在复杂环境中适当插入中间点,以提高规划效率。通过对物体的抓取点进行定位,可以确定机器人的工具坐标系的位姿,继而获得机器人的目标位姿,使其能够实现精确抓取。2.针对移动抓取情况,即机器人基座被移动到操作台附近位置,要求能够快速部署实现抓取操作,本文提出了一种基于迭代调整的伺服方法。该方法将抓取分成两个步骤,即到达预抓取状态和到达抓取状态。将从预抓取状态到抓取状态的坐标变换设置成一个常量,核心的问题就变成了如何到达预抓取状态,这样的方法可以避免标定工具坐标系,而是用一次示教的方法解决。用迭代调整的方法到达预抓取状态,大大提高了定位精度。3.对于不同的物体要采用不同的位姿估计方法,且实现抓取要进行一系列的标定任务。针对这种情况,本文提出了一种基于深度学习的伺服方法。类似于2中的方法,仍然将抓取分成两步。建立一种从图像到位姿偏移量的映射关系。将预抓取状态下的位姿作为初始位姿,相对于初始位姿的偏移量作为一个绝对位姿,参考PoseNet的网络结构进行训练。该方法简化了操作流程,可以达到很高的抓取精度,对光照强度有一定的鲁棒性,且能够在物体部分移出相机视野的情况下工作。