基于共享神经网络的可抓取物体识别方法，属于智能机器人自主抓取领域。为了解决在训练数据有限条件下使机器人实现对物体的可抓取性判别和物体的种类识别问题。技术要点：对场景中物体支撑平面的参数估计；获得最终的物体分割区域；学习物体的图像特征；构建共享神经网络模型，将可抓取物体识别问题分解为物体可抓取性判别和可抓取物体识别两个子任务，实现由粗到细的可抓取物体有效识别；对共享神经网络模型进行预训练和模型训练，优化神经网络模型的参数；利用模型对物体的可抓取特性及可抓取物体的类别进行识别。该方法能够从有限的数据样本中获得稀疏可压缩的自学习图像特征，从而快速、准确的实现对可抓取物体的识别与分类，具有识别正确率高和可移植性好的特点。