机器人协助或替代人类完成重复性任务已经成为了当今技术发展的潮流与趋势,在 3C（Computer,Communication and Consumer Electronics）产业,由于产品体积小、配合精度高等原因,传统的工业机器人无法满足灵活装配的需求。为此,课题组提出了由3T1R机构和3R机构组成的并联双模块机器人来实现灵活装配。但是,由于机器人的制造误差、机器人的标定误差以及零件在机器人末端的位姿不确定性,机器人直接按照既定轨迹进行运动实现装配的策略对于灵活装配是不稳定的。为了克服这些缺点,本课题设计了一个多相机视觉系统,设计了相关算法,并进行了一系列实验研究。针对双模块机器人的实际装配需求,设计了一个多相机系统,能对抓取以及对齐这两个装配核心步骤进行视觉引导,相机系统的设计考虑了抓取的视野范围和对齐的景深问题。在抓取时使用一个嵌入式相机来增加视野范围,在装配时使用双目相机引导两个待装配零件实现对齐。该设计方案简单可靠,能够满足双模块机器人的装配需求,同时简单易实现。提出了孪生网络来实现四自由度无标定视觉抓取定位,使用低精度图像获取高精度结果。本文的网络通过估计给定图像与当前状态图像的相对位姿来驱动机器人到达给定位置。为了训练该网络设计了自动采集数据的办法,在网络性能优化上,本文针对该网络特征提取层、图像大小等方面进行实验。针对单次精度不确定性提出迭代策略并进行迭代实验,验证该孪生网络的有效性。提出了高度对称的特征点对在垂直抓取时的深度估计方法,实现单目相机深度估计,解决了图像交互矩阵的估计。同时,针对速度计算过程中误差在两个视角下的偏差,引入动态增益,实现误差估计。为了验证本文提出的方法的有效性,本文在ROS下搭建UR5和双目相机仿真环境,对仿真智能手表进行了模拟装配,并分析精度。完成相机系统集成和实验平台搭建,并针对双模块机器人提出算法部署的主从自由度分配策略,并在此基础上开展了对齐实验。针对完整装配实验设计抓取、装配策略,对提出的相机系统及视觉引导算法进行了验证。实验结果表明使用该相机系统可以实现双模块并联机器人的协同装配。