近年来,随着人类对智能化抓取机器人需求的不断提升,基于人工智能算法的抓取机器人逐渐成为科研机构和公司的热门研究方向。本文设计了一套基于深度学习检测算法的机器人抓取系统,它能够根据图像判断物体位置,并实现抓取和放置动作。主要工作包括:抓取机器人的运动学建模、基于单目视觉的目标位姿计算、基于深度学习的目标检测和抓取机器人系统平台搭建等。抓取机器人的运动学建模工作包括:建立了五自由度抓取机器人的DH运动学模型;采用几何解法求解得到逆运动学公式;通过Matlab仿真验证了正、逆运动学公式的正确性;根据机器人结构,分析了其有效的工作范围。基于单目视觉的目标位姿计算工作包括:根据相机的成像原理建立了眼在手外的单目视觉系统,得到了像素坐标系和世界坐标系的转换关系;通过张正友标定法求解摄像头内部参数;采用PNP算法对外部参数进行标定,从而弥补了场景变化对外参的影响;通过实验验证了基于单目视觉的位姿计算的准确性。基于深度学习的目标检测工作包括:采用基于深度学习的YOLO和Mask R-CNN算法训练目标物体的模型,实现对目标物体的类别的识别和位置的判断;比较以上两个算法,得出YOLO适用于实时检测场景,而Mask R-CNN适合精确抓取场景;通过图像处理算法获得目标物体图像的最小外接矩形,以其中心点为参照计算抓取位置;根据抓取位置进行机器人的运动规划,实现对目标物体的自适应抓取。建立了单目五自由度抓取机器人实验平台,从工程实践上验证了以上算法的有效性。相比传统方法,基于深度学习的机器人自适应抓取方法减少了人工成本,提高了对环境变化的适应性,提升了机器人的抓取成功率,扩大了抓取机器人的使用范围。