机器视觉为机器人提供了感知外部环境的技术手段,使机器人具有了自主定位外部事物的能力。现代工业生产中,自动化和柔性化生产的特点同样要求工业机器人具有自主感知外部环境的能力。Delta并联机械手臂是工业生产中广泛使用的一种工业机器人,它的结构简单、运动灵活、精度高、承载能力强,在电子装配、食品加工和医药生产等生产领域中大量使用。在工业生产中广泛存在对生产目标进行高速抓取、分拣的操作,这些操作不便于人工进行,同时在有些环境中,目标物体分布散乱,必须先对它们进行定位。本文结合以上需求,研究利用机器视觉控制Delta并联机械手臂的方法。本文的研究的内容包括以下几个方面。1.提出了一种优化的Delta并联机械手臂逆解算法,该方法能极大地加快控制单元的运行速度。本文首先推导出机械手臂运动范围的数学表达式,并根据它计算得到了机械手臂各个部件的尺寸,在此基础上设计了本课题使用的机械手臂,并对Delta机械手臂的结构进行了分析,建立了Delta机械手臂的运动数学模型,得到了Delta并联机械手臂的运动控制算法,然后设计并制作了运动控制单元。比较现有成熟的逆解算法,本文在对Delta并联机械手臂的结构进行深入分析之后,提出了一种优化的逆解算法,对比已有的计算方法,本方法能够将逆解运算速度提升10倍以上,极大地减小了控制系统的运算负担,大幅度加快机械手臂的反应速度。2.实现了单目二维平面视觉子系统的标定。针对实际生产环境,并结合课题的要求,本文针对单目二维平面的视觉场景进行了标定,本文将镜头的畸变参数和相机的内参数融入到计算参数中,操作方便。本文的标定方法操作简单、计算迅速,非常适用于工业生产现场。3.研究了从图像中获得本课题中目标物体的位置坐标和形状特征的方法,结合实验条件,研究了目标物体在传送带上运动时,实时跟踪和动态抓取目标物体的方法。4.为了保证不重复、不遗漏每一个物体,提出了利用传送带运动速度和图像坐标点相结合动态计算拍照间隔的解决方法,该方法能够在不同的传送带速度下有效的避免物体重复与遗漏识别。