由于不断提高的工业机器人自动化水平,由工业机器人参与的自动化加工技术必将成为引领未来工业进步发展的主导力量。机器视觉技术可以引导工业机器人对工件进行定位、取料、搬运等一系列基本操作,这对于提高产线的工业自动化水平意义重大。由此引出“Bin-picking”概念,即机器人基于3D视觉系统的引导机器人对散放物体完成抓取的过程。对于对象为散放棒料的Bin-picking系统来说,其中一个关键技术就是工业机器人与视觉传感器的位置关系标定暨手眼标定。本文对面向Bin-picking应用的三维手眼标定技术进行研究。具体工作包括以下几个方面:(1)基于抓取对象为散放棒料的基本情况,确定了基于Eye-to-hand手眼关系的手眼模型,并设计了以线结构光机器人手眼系统为基础的手眼方案。介绍了基于P_R~i(28)XP_C~i模型的Eye-to-hand线结构光系统的手眼标定模型,获取靶标特征点分别在线结构光视觉传感器坐标系和机器人基坐标系下的坐标数据即可求取手眼关系。(2)在获取标准球靶标球心在线结构光视觉传感器坐标系下的坐标数据的工作流程中,提出了基于随机采样一致性的标准球点云球心提取方法,很好地解决了最小二乘法拟合球的算法中不考虑离群点导致误差大的问题。(3)在获取标准球靶标球心在机器人基坐标系下的坐标信息的工作流程中,提出了一种基于单目视觉的非接触式的方法标定了机器人法兰中心与标准球靶标球心的位置关系。相比单纯依靠固定机械尺寸的定位,此方法更加准确、可靠。(4)提出了一种基于点集“向心向量”的改进的ICP算法求解手眼矩阵。对比传统ICP算法,本文改进的ICP算法在点集的最近点配对和点集的最近点对预处理这两个环节都使用向心向量为指标,提高了最近点配对的准确性,提升了点集初始位置的良品性,为后续求解手眼矩阵提供了良好的基础。(5)搭建了以结构光视觉传感器和机器人为基础的手眼标定实验平台,基于改进的ICP算法编写了手眼标定软件。分别采用传统的ICP算法和本文改进的ICP算法求解手眼矩阵,并设计了系统三维定位精度实验验证手眼矩阵的精度。实验结果显示,改进的ICP算法的迭代次数和迭代时间都进一步缩短,且其配准误差进一步减小了;改进的ICP算法求出的手眼矩阵用于系统三维定位时的定位精度为1.236mm,相比传统ICP算法,改进ICP算法用于系统三维定位的测量精度提高了53.16%,证明本文中改进的ICP算法对于提高机器人线结构光视觉引导系统的三维定位精度有实际意义。