随着“工业4.0”概念的提出,以智能制造为目标的第四次工业革命席卷全球。在以工业机器人为基础的自动化生产系统中,通过引入机器视觉提高生产系统的智能化程度已经成为当下的研究热点。本文对现代工业中工件分拣系统进行研究,了解传统工件分拣系统的弊端,分析当下自动分拣系统的发展方向和研究焦点。重点研究机器视觉在分拣系统中的应用,并在深入学习视觉伺服、图像处理、机械臂运动学等关键技术的基础上,以实验室SCORBOT-Er 4u示教机械臂为基础,拟构建了一个基于机器视觉的机械臂分拣系统。在实现课题目标的过程中,本文进行了如下研究:首先,对目前机器视觉技术的应用发展做全面了解和学习,进行综述概要。在此基础上,确立本文的视觉伺服控制结构—基于位置的伺服控制结构;然后,研究相机标定技术原理,对不同相机标定方法进行对比分析,并利用张正友标定法对分拣系统进行标定。图像处理技术是机器视觉技术的核心。本文对图像预处理方法进行系统学习,对高斯滤波器、均值滤波器、中值滤波器和自适应中值滤波器进行对比试验;在研究经典图像边缘提取算子的基础上,对Canny算子进行改进,应用于工件边缘提取;分析研究阈值分割和聚类分割,并提出基于改进粒子群算法的快速FCM聚类分割法;研究图像特征提取和识别算法,利用图形几何特征、SUSAN角点检测算法和Hough算法完成工件识别、分类,并获取工件相关位姿参数。学习机械臂运动学相关知识,利用D-H建模法对执行分拣任务的SCORBOT-Er 4u示教机械臂进行建模,并利用OpenGL图像库建立其仿真系统,进行运动仿真实验。最后,利用实验室资源,搭建视觉分拣系统,对工件模型进行分拣测试。经过多次试验和调试,本文完成了一个初级基于机器视觉的机械臂分拣系统的构建。通过联机实验证明了分拣系统的可行性,为实际生产中基于视觉的机械臂分拣系统的设计提供有益的参考。