【摘要】该文针对透明物体的抓取问题，进行了机器人抓取综合性实验设计。提出了基于几何约束的透明物体深度补全算法，研究了基于Deep Learning的深度补全，利用语义分割图对输入数据进行预处理，联合表面法线和遮挡边缘作为几何约束来预测缺失的深度值；选取基于RGBD(red green blue depth map)信息融合的抓取检测网络GR＿ConvNet对透明物体进行抓取检测。实验数据表明，Trans Lab算法体现出较好的抗干扰能力，能够很好地突显所有物体的形状和轮廓，利用补全后的深度图进行训练的模型精度更高。通过该实验设计能够帮助学生理解深度补全、语义分割等基本理论和方法，培养学生将理论联系实际的能力和对科学研究的兴趣。