随着传统制造业的改造升级,机器人在工业生产中得到了广泛的应用,其中抓取技术的研究是当今机器人领域的研究热点。为了提高机器人在实际抓取任务中的灵活性,本文以抓取规划为研究目标,搭建了一个通用抓取框架,用于生成高质量的、无碰撞的、可达的抓取集排名列表,使机器人在复杂环境下也能实现高效、稳定的抓取操作。本文的主要研究工作如下:（1）提出了一种基于粒子群与模拟退火相结合的抓取规划算法。该算法选用力封闭作为抓取策略,利用特征抓取对抓取搜索空间降维处理,提出了一种将粒子群与模拟退火相结合的优化算法全局寻优得到预抓取集,再使用面向任务的椭球体质量检测算法评估抓取稳定性,建立误差模型评估抓取鲁棒性,最终得到满足抓取质量和任务兼容性的抓取集排名列表。（2）提出了一种复杂环境下的抓取集筛选算法。该算法针对多目标抓取任务进行抓取优先级决策,利用可达空间和无碰撞概率模型分析抓取集可达性和抓取集碰撞可能性,提出了一个抓取综合评估公式用于复杂环境下的最优抓取集评估,最后使用运动学反解和碰撞检测验证。该算法可应用于复杂环境下的多种抓取任务,得到满足质量指标、机器人和环境约束的综合抓取集排名列表。（3）为了评估自动化抓取框架的通用性、可行性和有效性,分别搭建了无序抓取仿真平台和实验平台。无序抓取平台由Franka七自由度机器人、包含大量物体的YCB库以及三种手爪组成。其中,抓取规划算法的评估通过生成大量抓取集,分析其效率、稳定性和鲁棒性,抓取集筛选算法的评估通过随机生成复杂抓取场景,分析算法的效率和成功率。仿真及实验结果表明,本文提出的抓取框架具有良好的性能。通过离线预先计算物体抓取集,并在线有效地计算抓取评分函数来对抓取进行综合排序,能够在混乱的环境中快速找到高质量的、无碰撞的、且机器人可达的抓取。算法应用于无序抓取仿真及实验平台,可满足机器人在动态环境中快速执行复杂的抓取任务。