随着科技革命的到来,机器人技术已成为了世界各国综合国力较量最核心的科学技术之一。其中,机器人抓取技术是机器人最基本的功能,也是最重要的功能之一。不同于工业机器人,仿人机器人的自主抓取主要受环境和用于协同作用的传感器影响,同时环境的多样性、随机性等,对仿人机器人的感知系统也提出了更高要求。因此,本文以仿人机器人NAO为研究平台,针对NAO机器人本体单目视觉难以获得深度信息,双目视觉重叠视野窄,抓取范围受限等问题,提出采用Kinect深度传感器代替机器人本体摄像头来感知外界环境,并围绕机器人运动学、目标识别定位、机械臂运动路径规划以及机器人抓取物体操作展开了研究。本文的主要工作内容如下:(1)针对机器人运动学,介绍了相关的理论知识,对NAO机器人手臂利用D-H法和机器人正运动学方程建立了数学模型,并利用解析法对机器人手臂进行逆运动学求解,为NAO机器人实现自主抓取物体提供了基础。(2)为实现机器人高精度的目标定位,本文提出了一种基于Kinect的仿人机器人目标定位方案。首先对Kinect采集的场景信息进行图像处理,获取物体中心点空间坐标;然后对Kinect和机器人进行坐标系建立,构建布尔沙坐标转换模型,并利用线性总体最小二乘算法(LTLS)求解该模型;再通过该模型将目标物中心点坐标转换到机器人坐标系,从而实现机器人对目标物体的定位。最后,在NAO机器人平台上进行实验验证,结果表明,所提出的目标定位方案合理可行,既能使NAO实时、可靠的定位目标物体,满足抓取物体所需的定位精度,又较其单目视觉定位更准确。(3)为实现机器人快速、可靠的抓取目标物体,在分析机器人工作空间后,利用迭代法和几何法计算出NAO机器人手臂的运动可达空间,并针对NAO机器人多关节高维空间的特性,采用改进的快速扩展随机树算法(改进的RRT*算法)对机器人手臂运动路径进行规划,即将网格搜索法与双向扩展策略引入到原始RRT*算法中,实验结果表明,该方法不仅保留了RRT*逐渐优化路径的特性,而且提高了路径规划的效率。(4)在有、无障碍物约束条件下,通过构建机器人自主抓取整体系统,并结合上述(1)、(2)、(3)阐述的方法,实现了机器人在不同环境下对不同目标物体自主抓取的操作。同时,实验验证了本文所采用理论的正确性。