静脉穿刺是临床医学中常见的诊疗手段,在全世界每天数以亿计的患者都需要进行静脉穿刺治疗。但是由于穿刺治疗需要依靠医护人员的肉眼和经验完成,对于一些经验不足的医护人员在面对静脉特征不明显,如肥胖人群,婴幼儿等患者时,第一次穿刺存在着较高的失败率,再进行多次静脉穿刺时,不仅增加患者疼痛感,而且更危险的是可能发生二次感染。此外,医护人员除了完成穿刺工作外,还承担着其他大量复杂的工作,经常会发生患者排队进行静脉穿刺情况,因此利用机器人代替医护人员完成穿刺任务显得尤为重要。本文通过分析对比市面上的静脉感知技术,确定了图像加超声引导的静脉感知定位技术方案,并移植在已有的自动采血机器人平台中,利用近红外成像原理完成对图像采集,在经典算法限制对比度自适应直方图均衡化（CLAHE）基础上,提出一种基于多方向多尺度Gabor滤波和CLAHE算法融合的静脉图像增强算法来提高图像对比度,然后对图像进行细化获取静脉骨架,在骨架基础上遍历每个曲线的交点,从中选择合适的扎针点位,通过坐标变换推算出采血机末端执行器的针尖目标点位。经过实验,测试出最合适的光照条件,提高相机的成像质量。通过实验验证,该算法能够对不同图像中完成对图像的感知与定位,将算法移植到实验室现有自动采血机中,能够完成整体穿刺采血运动。本研究提出的算法能很好的感知出静脉血管的位置并定位其扎针点位,能够适用在一些穿刺采血机器人中,可有效提高静脉访问成功率,对同行提供一种解决问题的思路和方法。