随着制造业的智能化转型升级,人机协作受到了更广泛的应用并正在成为未来生产的主流方式,其中视觉机械臂抓取作业占据了不少的份额。快速、准确识别目标物体位姿,安全、高效躲避人体这一动态障碍物是完成人机协作场景抓取作业的关键,其中,兼顾计算效率与准确性的物体识别、机械臂中间关节避障是关键方向。针对上述关键问题,本文以建立准确、时敏的目标物体位姿估计方法和高效、安全的动态避障策略为导向,一方面,基于深度相机的标定,在YOLOv5目标检测算法的基础上调整网络结构,直接检测目标物体三维边界盒顶点的二维投影,实现物体位姿实时、准确估计,另一方面,基于机械臂运动学模型正逆解的解算,在基于深度空间距离的避障方法的基础上添加势场约束,并且综合考虑机械臂中间关节轨迹,形成机械臂本体动态避障策略,实现机械臂安全、高效避障,从而保障机械臂在人机协作场景下完成目标物体的成功抓取,主要研究内容如下:首先,采用D-H参数法建立机械臂运动学模型并进行正逆运动学分析,之后采用张正友标定法进行了相机标定,在此基础上进行“眼在手外”手眼标定,由此明确物体、传感器、机械臂之间的相对位置关系和机械臂各连杆间的关系,为后续研究奠定基础;其次,针对物体位姿估计实时性受限问题,在前人提出的基于YOLO（You Only Look Once）的位姿估计框架基础上,创新地引入目标检测算法YOLOv5,增加了卷积组件、残差组件、CSP（Cross Stage Partial）结构、空间金字塔池化结构五个重要的基础组件,详细设计了网络的输入端、主干网络、中间结构、输出层,改进实时性与准确性。此外,为了训练网络达到预期效果,本文创新性地借助动作捕捉摄像头和图像采集深度摄像头建立了用于网络训练和测试的数据集,对网络进行了训练。实验表明,基于YOLOv5的位姿估计方法,相比于Bb8、基于YOLO的位姿估计方法,实时性显著提升,准确性可以满足实际应用的需要。然后,针对动态避障策略效率不高、机械臂非末端执行器部分碰撞问题,一方面,基于深度空间距离的方法,利用导纳控制原理,建立力指令规划与深度空间距离的映射关系,并结合人工势场法,在控制率中添加势场约束,以其提升避障快速性,另一方面,基于机械臂运动学相关知识实时解算中间关节位姿,形成机械臂本体动态避障策略,进而综合位姿估计,形成机械臂动态高效避障方案。实验表明,基于导纳控制的避障策略,可以有效避开动态障碍物实现目标物体抓取,相比于现有的方法,安全性更高。最后,使用英特尔REALSENSE深度摄像头D435i、电力驱动二指刚性夹爪、桌面级6轴机械臂GLUON-2L6-4L3搭建实验平台,设置三组实验验证上述基于YOLOv5的位姿估计方法、基于导纳控制的避障策略。结果表明,采用本文提出的基于YOLOv5的位姿估计方法和基于导纳控制的避障策略,可以实现人体障碍的有效躲避和目标物体的成功抓取。