摘要
机器人技术的发展是一个国家高科技水平和工业自动化程度的重要标志和体现，机器人在当前生产生活中的应用越来越广泛，正在替代人发挥着日益重要的作用。随着当今科技迅猛发展，人们不再把目光仅仅局限于自身的发展，而是逐渐转向高智能机器人等前沿科学。人类希望制造一种像人一样的机器，以便代替人类完成各种工作。于是对于机器人手预抓取模式的研究也在越来越多。机器人的任何抓取动作都必须得以抓取模式为依据，所以对于机器人手预抓取物体模式的分类的研究也很重要。 本文对机器人手预抓取模式分类作了研究。主要展开了以下的工作：首先对机器人手预抓取模式进行了分析和讨论，定义了八种预抓取模式。运用经典的贝叶斯决策方法将预抓取物体进行基本的三类抓、握、捏抓取模式分类。在定义的八种预抓取模式的基础上，采用BP神经网络对机器人手预抓取物体进行模式分类，得到了较高的正确率。此法解决了输入样本依赖物体的概率密度的特点，简化了分类特征提取的不直观性。本文还采用了支持向量机（SVM）和聚类二叉树相结合的方法对机器人手预抓取八类模式进行分类，解决了预抓取模式分类训练速度过慢以及在分类中样本数量偏少而影响分类效果的问题，得到了较高的正确率。本文对预抓取几何形状规则的物体采用直接提取其几何特征，对于预抓取几何形状不规则的物体采用图像分析的方法进行特征提取。 本文在对机器人手预抓取模式的分类问题上作了展开了积极的研究，实现了BP神经网络及SVM与聚类二叉树相结合的方法对机器人手预抓取模式的正确分类，将SVM应用在为机器人手预抓取分类的研究这个领域里，对机器人手预抓取模式的分类研究起了一定的作用。
NETL