将机器人控制与视觉相结合，使机器人具有同外界环境相交互的能力，是当今机器人发展的一个主要方向。本文以固高科技公司的GRB-400型带视觉的机器人为研究对象，利用Visual C++编程软件建立基于图像采集卡的图像处理算法库，实现机械手臂在无人干预情况下，根据实际工作平台物体位置，自动识别目标物体及运动过程中无碰撞，解决了目前大部分机械手臂只是依靠示教控制方式，缺乏自主性的问题。 本文通过对图像分割、角点检测和图像匹配等图像处理方法的比较，寻找出适合本系统的图像处理方法，并把其应用到获取摄像机标定模板图像坐标和目标识别的过程中。实验结果表明：在设定好目标模板以后，机械手臂能够自动寻找到目标物体，实现抓取过程无人干预。 本文通过对小孔成像模型机理的研究，建立出带有一阶径向畸变的摄像机模型，求解出摄像机模型的内外参数。同时利用BP神经网络与摄像机模型的相似点，提出了基于神经网络的摄像机标定方法，该方法只需世界坐标和计算机图像坐标数据对，不需要确定具体的摄像机模型和内、外部参数，方法简单。 根据蚁群算法的正反馈和并行性等特点，本文采用蚁群算法对机械手臂运动过程中多障碍物路径进行规划，取得了一定的效果。由于基本蚁群算法对于本系统具有局限性，以及为提高全局搜索性能和加快搜索速度，本文探讨了栅格划分大小对路径规划速度和精度的影响，改进了蚁群算法的局部和全局信息素更新方法，扩大了蚂蚁的视野域范围。实验结果表明：应用蚁群算法可以实现机械手臂运动过程中躲避障碍物的功能，改进型蚁群算法的全局搜索性能和搜索速度优于一般蚁群算法。 本文采用的图像处理、摄像机标定和机械手臂路径规划方法可以使手臂运动智能化，控制简单化，可应用于与机械手臂生产实践相关的领域，具有一定的实际应用价值。