机器人视觉系统是机器人系统的重要组成部分,通过视觉进行物体的识别和定位一直是机器人领域的研究重点。在面向卫星的移动操作臂柔性装配过程中,基于视觉的工件识别和定位可以使机械臂实现自主灵活的作业方式,进而提高在复杂背景下的装配效率。由于卫星装配过程中工作空间狭小,光照、尺度变换较大,当前识别定位系统对目标工件的识别准确率不高,定位精度较差。本文提出了一种基于改进图像特征匹配的工件识别方法,并在此基础上采用改进Grab Cut算法进行工件定位,进而搭建出基于视觉的工件识别和定位系统。本文主要研究内容如下:1.基于相机模型采用张氏标定法对单目相机进行标定,分析了眼在手模型并推导了基于最小二乘法对手眼系统坐标转换矩阵的求解过程,最后通过实验进行标定误差分析。2.基于改进图像特征匹配的物体识别研究。对图像中的SURF特征进行提取并生成描述子,针对利用SURF特征识别效率低的问题,提出了一种基于SURF特征词袋模型的改进识别算法。先通过K-means聚类算法构建物体特征词袋模型,进而构造物体的描述向量,再基于物体描述向量进行物体匹配,在正确的匹配向量中选取对应点实现相应物体的识别框选。最后通过实验验证改进算法的识别准确率和效率。3.在正确识别目标工件的基础上,开展了基于改进Grab Cut算法的工件定位研究。针对当前Grab Cut分割算法在对目标工件前景分割时存在执行效率低、分割边缘存在缺陷的问题,提出了一种基于多尺度图像的改进Grab Cut算法。先在高尺度图像上进行前景分割,再将目标图像轮廓映射到低尺度图像上,通过Grab Cut算法实现低尺度图像的再分割,并提出一种轮廓边缘优化模型,在每层尺度图上进行轮廓的二次检测优化,提高轮廓检测精度。之后利用图像不变矩求解目标工件形心位置,最后结合标定结果将形心位置坐标转换到机械臂坐标系下,完成目标工件的定位。4.采用单目相机、客户机、控制端、UR3机械臂等组成实验平台对本文的视觉识别定位系统进行验证。选取了两种不同的目标工件,在完成目标识别的基础上,对比目标工件的理论位置和真实位置,验证本文所提识别定位系统的有效性。