过去工业机器人的大规模应用大大提升了生产效率,但如今复杂多变的生产环境要求机器人与人之间协作来完成一个复杂的生产任务。传统栅栏式的结构化安全防护方案无法满足人机协作场景中的交互要求,于是利用视觉、轨迹规划等方式构建安全的人机方法成为了人机协作领域研究的热点。而协作机器人设计标准中定义的速度与分离监控的人机协作方式通过速度计算安全范围,只要有目标侵入,就直接通过减速停机的方式保证安全,不区分危险目标类别,影响效率。容易因为非操作人员的快速闯入,减速不及时而碰撞,或在操作人员需要密切协作时发生误判而停机。为了实现对人机协作场景中的危险信息进行全面准确的提取,并且利用提取的信息来实现对机器人运动的调整,从而保证人机协作安全高效,本文针对场景危险信息感知及机器人安全控制方法进行了研究。首先为了解决在暗光、背光等不同光照条件下,信息感知不稳定,不全面的问题,本文提出一种多信息融合感知网络。利用对光线变化不敏感的红外图像及深度图像提取边缘特征,利用RGB图像提取类别特征,通过本文提出的特征融合金字塔网络结构,将不同类型不同尺度的特征层进行融合,对原始RGB图像进行增强,提高网络在暗光下的检测精度。然后提出一种基于语义信息的动态速度与分离监控算法及一种基于语义可行空间的S-PRM路径规划算法,将获取的语义信息融入到人机协作场景的安全调控中。创新性的将神经网络获取的危险信息类别、位置、数量等信息,转化为危险因子,并融入到机器人运动速度、轨迹的计算中去,从而针对场景的危险程度,调整机器人的运动。最后本文搭建了速度调节与轨迹规划融合的人机协作安全调控系统。在远距离时通过安全空间的选择,使机器人尽量远离危险。在中近距离时,通过减速停机避免危险发生。利用减速、路径规划、停机三种方式实现对机器人的多层次防护。本文在不同光照条件下,对算法的实际效果进行测试。实验结果证明本文提出的安全系统能有效提高人机协作安全性。