机器人视觉控制系统利用机器视觉进行目标信息采集,辅助系统完成闭环的反馈控制,与传统的机器人控制技术相比,具有更高生产柔性和智能化水平。该控制系统适用于高速、高精度的工业应用场景,是机器人领域的重要研究方向,具有重要的社会经济和理论研究价值。本文针对影响系统效率和控制精度的几个关键技术问题进行了研究,主要的研究内容和成果如下:(1)使用Phong模型改进透视变换匹配算法,提高算法效率本文利用双向反射分布函数(Bidirectional Reflectance Distribution Function,BRDF)中的Phong模型,对基于边缘的透视形状匹配算法进行改进,减少算法的消耗时间,提高补强片自动贴片系统(Auto Stiffener Bonder,ASB)的整体工作效率;针对柔性电路板(Flexible Printed Circuit,FPC)ASB系统中倾斜目标的匹配定位问题,本文利用BRDF中的Phong模型,模拟目标在不同倾斜角度下光线的反射情况,使用图像亮度预测目标当前姿态,更新计算模板,减小模板初始误差,缩小搜索范围。实验结果表明,本文设计的方法能够较准确的预测目标倾斜角度,角度预测误差小于3度。在较大倾斜角度下,目标整体匹配误差在1.5个像素以内。相较未改进的原匹配方法,减少了算法消耗时间65%,提高了系统整体工作效率14%;(2)将Eye-in-hand二维标定模型改进为三维模型,提高标定计算精度针对可控自由度有限的视觉机器人系统,本文提出的Eye-in-hand三维标定模型能够有效提高手眼标定算法的计算精度,同时不受相机安装姿态的限制;针对FPCASB系统中的手眼标定问题,为了消除相机的安装垂直度偏差对标定结果带来的误差,本文对常规的Eye-in-hand二维标定模型进行改进。利用标定板得到相机的外参数,将外参数与常规的二维标定模型相结合,从而扩展为包括移动相机完整姿态信息的三维模型,计算出移动相机坐标系与机器人基础坐标系间的手眼标定矩阵。结果显示,三维模型的标定计算误差小于0.1μm,相比使用二维模型降低了一个数量级,有效提高了标定计算精度。同时,本文利用厚度较小的菲林修正手眼标定矩阵的Z方向分量,修正后的ASB系统具有较高的定位精度,手眼标定的误差绝对值小于0.015 mm。以0.12 mm作为产品规格界限(Specification Limit,SL),系统在修正后的制程能力指数(Process Capability Index,CPK)从0.838提高到5.389,有效减小了误差均值,设备性能得到了大幅提高;(3)针对FPCASB系统提出了新的误差补偿方法,减少了系统贴合误差针对FPCASB系统中的手眼标定与机器人末端工具的旋转和下压动作,本文提出的误差补偿方法能够有效减少二者对系统贴合精度带来的误差。该方法快速实用,无需对标定结果中各部分误差进行逐项检测和计算;本文利用齐次坐标变换描述误差在不同坐标系间的耦合情况,并使用最小二乘法计算误差模型参数,用于建立误差模型。结果表明,本文的误差补偿方法可将贴合误差减小一个数量级,同时对工具旋转下压动作造成的贴合误差进行了补偿,可进一步减小28%的贴合误差。系统在整个工作范围内的贴合精度为±0.046mm@3sigma,针对补强片产品规格界限为0.1 mm的型号,本系统的CPK为2.19,表明系统能较好地满足FPC补强片贴装的高精度要求;(4)设计的视觉伺服控制器无需使用滤波器结构,降低了系统复杂度本文设计的自适应控制器,无需使用滤波器对图像速度进行预测,避免引入了滤波器结构,使得控制器结构更简单可靠。同时控制参数的减少使得参数整定难度降低,控制方法更容易工程实现;为了减少图像实际速度测量误差对系统控制性能的影响,本文设计的自适应控制器无需测量目标图像速度,针对运动学与动力学参数不确定的视觉机器人系统,能够完成二维平面内的轨迹跟踪任务。设计的滑膜矢量一阶导数不受图像实际速度参数的影响,并提出新的图像位置参数估计方法来代替图像速度参数估计方法。最后利用Lyapunov理论分析证明了系统的渐近稳定性,针对SCARA型视觉机器人进行数值仿真,实验结果表明了此控制方法的有效性;(5)设计的FPCASB系统适用于多种补强片类型,具有更高的生产柔性本文设计的ASB系统可适应多种类型的补强片,相比传统的FPCASB设备,系统生产柔性得到了提高。本文针对ASB系统存在的技术问题进行了改进和实现,设计的系统结构和提出的相关技术解决方案,在国内未见报道。