随着机器人在工业生产中的应用和普及,为提升生产效率和生产质量,本文以双SCARA机器人抓取传送带上的工件作为工作环境,设计了基于视觉的目标跟踪算法和抓取策略。本文对手眼系统中坐标系的映射关系进行了研究,进行了相机标定、机器人逆运动学分析以及手眼标定的试验与分析;得到了相机坐标系、传送带坐标系以及机器人坐标系之间的转化关系,为后续使用机器人抓取做好了铺垫。接着建立了GMM背景模型,使用基于GMM的背景差分法对传送带上目标进行检测。还设计了图像中同一目标判别算法,减少了整体系统的计算负担。之后根据实际情况设计了卡尔曼滤波器模型,对机器人工作空间外的工件位置坐标进行了预测,并对卡尔曼滤波器中的参数进行优化。针对运动多目标的抓取,设计了一种基于粒子群算法的抓取策略。通过调整权重配比的方式,使机器人在抓取过程中,既能实现路径最优化,又尽可能保证机器人平稳地进行抓取;通过控制拍照节点和规划传送带速度,制定了系统运行效率的优化策略。本文以圆形垫片作为试验对象,采用双SCARA机器人进行抓取操作,对几种方法进行了试验验证与分析。通过试验可以得到单目相机标定的精度在0.013mm以下,并对整个手眼系统联合标定,整体的抓取位置误差小于1.3mm。使用基于GMM的背景差分法进行目标检测后,通过卡尔曼滤波器进行目标预测并验证精度,可以得到平均距离误差在0.98mm以下,满足抓取要求。对基于粒子群算法的抓取策略和传统抓取策略进行对比验证,通过不同组别试验,证明该抓取策略具有更快的效率。