机器人抓取是智能机器人在不同场景下实现各种复杂任务的基础,具有重要的研究价值。目前,结合视觉的机械臂抓取方案已在各个领域得到了广泛的应用,相比传统的抓取任务,在非结构化环境进行抓取因无法提前获知物体的几何模型和摆放方式,导致抓取位姿稳定性差、抓取成功率低的问题广泛存在;此外,机械臂简单完成对指定物体的抓取已经不能满足目前的需求,尽可能提高工作效率和减少运行时的冲击,使机械臂高效、平稳完成抓取任务同时也是亟待解决的问题。因此机械臂稳定、自主实现抓取任务的研究存在巨大挑战且具有重要的理论意义与实际应用价值,故本文针对机械臂对未知物体抓取位姿生成方法及其轨迹优展开研究,主要研究内容如下:1.针对在非结构化环境中机械臂对未知物体抓取困难的问题,提出一种有效的抓取位姿生成方法,首先把深度相机安装在机械臂末端的连杆上,控制机械臂使相机从不同视角获取点云并进行拼接,得到较为完整的物体点云后对其几何信息进行分析,有效在物体上生成合适的抓取位姿。最后通过设定的指标对实际输出的抓取位姿进行评价并在任务空间输出最佳的抓取位姿。实验表明该方法能使机械臂对未知物体表现出较高的抓取成功率。2.针对在机械臂多物体抓取任务中效率提升及轨迹平滑等问题,首先基于TSP问题对物体抓取顺序建立数学模型,并利用遗传算法对其进行寻优,然后通过五次B样条在关节空间进行轨迹规划,最后同时考虑轨迹的时间和冲击两个指标,采用NSGA-Ⅱ对轨迹进行优化,得到算优化解集。实验表明,通过该方法能有效生成高效的物体抓取次序,并以时间较短的平滑轨迹执行任务。3.针对在机械臂抓取任务中抓取位姿估计与轨迹优化算法的验证,搭建基于ROS操作系统的实验平台。以Sawyer机械臂作为实验对象,结合二指夹持器与深度相机,实现对几何尺寸和摆放方式未知的物体抓取任务并进行轨迹优化实验。实验数据表明,本文方法在单物体和多物体场景中均能以高成功率实现物体抓取,并在多物体抓取场景中,得出高效的抓取顺序后能以时间、冲击最优的平滑轨迹完成任务。