工件移动作业的情况下,现有的工业机器人视觉引导系统存在精度不高,识别效果差等问题,无法做到实时跟踪。为实现工件非线性平面运动状态下SCARA机器人跟踪和抓取,本课题基于位置的视觉伺服系统实现机器人跟踪,主要研究提高视觉伺服系统的实时性与跟踪精度。在实时性研究方面,提高对连续帧图像的处理速度。在跟踪精度研究方面,提高运动目标的跟踪精度,降低视觉标定误差和系统延时误差。最后,搭建平台并验证方法的正确性,实现SCARA机器人对移动的金属工件目标跟踪和抓取。主要内容如下:（1）连续帧图像检测定位算法的研究。研究卷积神经网络和相关图像处理技术,实现快速检测与定位,提高了 SCARA机器人视觉伺服系统实时性。目标检测算法方面,改进ResNet50网络并结合图像金字塔,实现对连续帧图像中金属工件的快速检测。目标定位算法方面,对边界框区域连通域分析、Hu不变矩轮廓匹配,运动工件质心坐标提取和旋转角度求解,准确定位出当前帧金属工件的质心像素坐标与运动目标的姿态值。相较于传统的图像处理算法,提高了图像检测定位的速度。（2）双目视觉系统的标定和手眼标定。基于HALCON算法库和非线性标定求解算法,求解双目相机的内外参,实现对运动目标的高度信息测量。基于李代数的手眼标定方程求解方法,提高手眼标定精度,SCARA机器人在运动范围受限的情况下,实现高精度的坐标转换,提高了视觉伺服系统的定位精度。（3）视觉伺服平台算法流程设计与动态目标跟踪抓取实验。采用机器人实时控制系统触发相机连续采集,保证图像帧时间间隔稳定的前提下,提出一种改进的图像序列速度检测算法,结合UKF预测方程实现对非线性运动状态下的金属工件预测坐标位置,降低了视觉伺服系统的时延误差。最终提高了 SCARA机器人的跟踪抓取精度。