随着机器人技术水平的不断提高,机器人替代人工进行生产操作已经成为可能。Delta并联机器人具有高速、重复定位精度高、成本低的特点,是目前机器人领域发展的主要方向之一。我国高精度并联机器人的技术水平相对落后,大部分并联机器人分拣系统无法对物品进行分类识别,一旦物品种类、位置、位姿发生变化就无法完成指定工作。为了使机器人可以实时掌握物品的种类、位置等信息,本文引入了机器视觉技术,利用Delta机器人进行动态工件抓取,围绕Delta机器人动态抓取与机器视觉识别定位完成的主要工作如下:（1）对Delta机器人的抓取系统与机器视觉系统进行了综合分析。首先介绍了Delta并联机器人的结构,经对比确定了机器人的末端执行器。然后选择了机器视觉系统的硬件,介绍了本文的开发环境。最后为了提升机器视觉系统的精度研究了相机标定技术。（2）针对工件识别定位问题,提出了基于Hu矩和最小外接矩形的图像快速识别定位算法。首先对图像处理的流程进行研究,选取了合适的图像预处理方法。分析对比了基于SIFT和基于Hu矩的工件识别方法,由于后者快速准确所以选择后者作为本文的工件识别算法。之后对工件定位进行研究,提出了一种基于最小外接矩形的工件定位方法。（3）针对Delta机器人进行动态抓取时存在的问题,研究了Delta机器人、传送带与视觉系统三者的关系,并对三者进行标定,使抓取系统可以精准运行。针对连续帧图像工件重复进入的问题进行了研究,分析了一种基于时间与位置的图像去重复算法,最后针对Delta机器人的动态抓取模型进行了研究,通过分析运动路径选取了合适的模型。（4）搭建了实验平台。说明了平台主要硬件型号和Delta机器人的工作性能。之后对软件层进行了分析,设计了视觉识别系统的软件界面。随后进行了系统标定实验通过多次标定最大程度上减小了动态抓取的位置误差。最后进行了动态抓取实验,实验结果表明本文的抓取误差在1mm左右,抓取过程稳定性好可连续运行,满足实际生产需要。