近年来在围棋运动领域,国内外研究机构已经研发出具有人机对弈功能的机器人,但仍存在一些问题,例如机器人机械臂及运动控制系统为多轴工业机器人,体积较大且成本较高,因此很难大规模地进行市场推广;此外用于识别棋局状态的视觉算法识别准确率较低,无法满足围棋机器人的要求,且算法对于摄像头的图像采集能力以及对弈时的光照环境等有比较高的要求,不具备通用性。为了解决以上问题,本文围绕围棋机器人的视觉系统、机器人的机械臂杆、运动控制系统、人机交互界面等这几个方面进行研究,并设计出一种能够实时识别围棋棋盘的当前状态,并可以与人类棋手进行完整对弈的围棋机器人。本论文的重点研究内容如下:（1）围棋棋盘棋子识别算法设计对于围棋机器人系统的棋子识别,提出一种基于神经网络的围棋棋子视觉识别算法。针对实时采集的棋盘图像,通过阈值分割法分割棋盘,使用透视变换算法转换为标准棋盘图像;利用多层感知器构建神经网络,训练棋子图像并保存为分类器;将标准棋盘图像裁剪成单个棋子图像后,输入分类器进行分类并将结果保存为数据矩阵。实验研究表明,该算法在实际运行过程中可以实现准确地识别。相比于传统的边缘检测算法平均识别率为96.56%,神经网络算法的平均识别率为99.24%,验证了方法的有效性。（2）围棋机器人的运动控制系统设计运动控制系统整体方案设计包括围棋机器人机械臂设计与控制器设计。使用Solid Works软件设计出围棋机器人的机械臂和末端机械手,根据运动学模型求出运动学逆解,确定伺服电机及舵机的选型;最后选择合适的运动控制器并对整个运动控制过程进行设计。（3）围棋机器人的系统软件开发与综合测试使用python设计人机界面,利用通讯程序调用运动控制器完成取落子动作。对围棋机器人系统进行整体的对弈测试及功能优化,提高了机械臂的运行速度和精确度,并在实验设备上进行了各项性能参数的验证。实验结果证明所设计的围棋机器人能够高性能地实现对弈流程。在本文中,自主设计了围棋机器人的机械臂,研发出围棋机器人的运动控制系统,结合软件算法实现与人类棋手对弈的功能,有助于促进围棋机器人的商业推广,对于改善人机对弈体验具有重大意义。