面向室内服务场景的协作机器人通常需要完成取送物体的任务,然而室内场景非结构化、动态变化的特点给协作机器人准确抓取物体带来很大挑战。同时,对部分人机协作任务,人机安全至为重要。目前,针对协作机器人物体抓取和主动安全的研究仍然沿用工业机器人结构化场景的处理模式。此模式没有考虑背景复杂、物体遮挡、光照变化等带来的影响,难以满足室内服务场景的需要。所以本文针对面向室内服务场景的协作机器人,研究并提出了一套物体抓取和主动安全的解决方案。针对物体识别问题,本文提出了用于物体点云簇识别的改进的Point Net,通过使用对称函数克服了点云非结构化、无序的问题。改进的Point Net精简了Point Net的网络层结构,加快了模型的训练速度,相比使用VFH描述子的模板匹配方法,获得了更高的识别准确率。针对物体抓取检测问题,本文研究了基于点云的局部采样方法来生成候选抓取,开发了抓取评估器来筛选出最优的候选抓取,最后通过手眼矩阵将其转换到机器人坐标系下。这种抓取检测方法采样较少的候选抓取就可以生成可用的抓取配置,并且可以扩展到新物体的抓取。针对机器人主动安全问题,本文提出了结合人体点云簇提取的人体检测算法,利用点云三维信息避免了人体定位的麻烦。该算法对室内场景中人体遮挡、多人相互靠近的情况具有鲁棒性。基于机器人和人包围盒的距离测试,机器人实现了复杂室内场景下的主动避碰。为了验证改进的Point Net、基于点云的局部抓取检测方法、结合点云的人体检测算法的可行性,本文以Baxter协作机器人为平台设计了指定物体抓取、多物体清理、人机避碰三项实验。实验结果表明提出的方法或算法可以使机器人准确地识别目标物体并找到合适的抓取点,当人靠近机器人时机器人可以主动避碰。