机器人已经广泛应用于工业生产和日常生活中,而机器视觉的加入更是极大的提高了机器人的感知能力和工作效率。基于视觉伺服的机器人控制技术因其良好的准确性和可靠性成为机器人领域的研究热点,但大多数研究集中于静态目标的识别抓取方向。基于视觉伺服的动态目标跟踪控制有利于增强机器人的交互能力,使机器人更好地适应真实动态世界。本文以UR3六轴机器人为研究对象,在视觉伺服的基础上对动态目标物体的识别与位姿估计和动态目标跟踪控制问题展开了研究,主要研究内容如下:为通过RGB数据流识别动态目标并实时地获取目标位姿,对DOPE深度神经网络的架构和后处理步骤的位姿估计原理进行了深入分析,提出了基于DOPE深度神经网络的目标识别与位姿估计算法,使用虚幻引擎为目标物体构建了合成数据集以解决神经网络训练数据来源问题,并对原有的网络训练方法加以改进,大大减少了训练时间。针对网络输出帧率不高、位姿估计不稳的问题,利用卡尔曼滤波器对动态目标跟踪结果进行了优化。为满足机器人对动态目标跟踪控制的要求,提出了基于笛卡尔空间控制的动态目标实时跟踪控制方法,能够实时解算出机器人关节角度并控制末端执行器靠近目标;为实现动态目标跟踪前后的运动规划和夹爪抓取,提出了基于Moveit的规划控制和夹爪控制的解决方案。在ROS的统一框架下利用控制器切换机制将笛卡尔跟踪控制器和关节轨迹控制器进行联合协调控制,实现了机器人动态目标跟踪和抓取任务的全流程控制。开发了机器人动态目标视觉伺服平台,分别开展了一维传送带动态目标跟踪抓取实验、二维平面动态目标遥操作实验、三维空间动态目标跟踪抓取实验。实验结果表明,本文提出的基于视觉伺服的机器人动态目标跟踪控制方法具有良好的实时性和稳定性。