在我国实施制造业强国战略的背景下,工业机器人在制造业领域获得了迅速的发展,人机共融工作模式将成为未来制造业的发展趋势。人机共融工作模式引入实际生产作业场景首先需要解决的就是安全问题,现有的工业机器人缺少对工作空间智能感知的能力,无法实时获取工作空间中的人体运动状态变化,因此难以及时有效地对机器人实施控制。为此本文围绕人机共融工作模式中人员安全这一主题,以人机共融工作空间中人体运动信息准确获取和人机安全指数评估为研究对象,进行了基于视觉引导的人机共融安全系统的研究。本文完成的主要内容如下:首先,针对人机共融工作空间中人体运动信息准确获取的问题,提出了一种带有骨骼关节点约束的人体运动信息估计算法。根据三台Kinect2.0相机采集的人体点云数据建立人体模型并提取人体骨骼关节点运动信息,在人体骨骼长度和关节角度约束的基础上,结合无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法对人体运动信息进行准确估计。通过实验可知,所提出算法在有效提高人体骨骼长度计算精度的基础上,能够稳定获取人体骨骼关节点的运动信息。其次,针对人机共融工作空间中的人机安全评估问题,提出了一种基于极限学习机（Extreme Learning Machine,ELM）的人机安全指数评估方法。首先采用速度和距离监控（Speed and Separation Monitoring,SSM）方法依据人体运动信息与工业机器人运动状态构建人机安全指数数据库,然后构建基于ELM的人机安全指数预测模型,并与基于BP神经网络构建的预测模型进行对比。实验表明,所提出方法不仅能够克服BP神经网络预测模型建模时间长、精度低的缺点,而且可以直接映射人机运动信息与人机安全指数之间的非线性关系,为后续人机共融安全系统提供可靠的数据来源。最后,构建了基于机器人操作系统（Robot Operating System,ROS）的人机共融安全系统,设计了工业机器人轨迹规划方法,进行了人机共融模拟实验,实现了人体点云数据采集、人体骨骼关节点信息提取及人体运动信息估计、人机安全指数评估、工业机器人依据评估结果进行运行模式切换等功能。实验结果表明所构建的人机共融安全系统达到了预期的效果,可以在人机共融工作模式确保人员的安全。