论文将神经网络技术、计算机视觉技术和机器人控制技术引入到自动化立体仓库的设计之中,试图提高机器人对货物和货箱自动定位和自动抓取的精度和速度,最终实现无人参与的全自动化智能立体仓库.该文提出、设计并实现了一套较为完整的基于计算机视觉、神经网络和机器人控制技术的机器人手眼系统位置协调控制的方案.该文研究内容主要包括图像处理、CMAC神经网络实现机器人手眼协调和机器人的控制.1.图像处理:在图像预处理中,使用了图像灰度化、图像平滑和对比度增强算法.在图像分割中,采用了二值化、Sobel和串行迭代等算法,实现了图像边缘的提取.2.神经网络实现机器人手眼协调:因CMAC神经网络与其他网络相比,在机器人控制和空间映射方面具有独特的优势,故该课题采用小脑模型CMAC神经网络.通过CMAC网络把图像处理提取出的中心点坐标变换为机械手运动坐标,从而能以较高的精度和较快的速度实现机器人手眼系统位置协调控制.神经网络的设计包括:训练样本的采集、网络结构的设计、多维CMAC算法的改进和网络参数的确定与算法的再改进.在训练样本的采集中,根据现场条件设计了采集样本的方法.3.机器人控制:综合使用了三种控制方式:示教编程,远程指令,机器人语言编程,实现了在自动化立体仓库中对机器人的综合控制.在经过图像处理和神经网络实现货物定位后,可以控制机器人运动,准确抓取货物.总之,该文初步解决了实验室条件下的自动化立体仓库中机器人手眼系统位置协调控制问题,实现了机器人对目标物体的准确定位和快速抓取,展现了自动化立体仓库智能化的美好前景.