随着机器人视觉技术的蓬勃发展,机器人视觉的算法性能逐步提高,视觉硬件成本大幅降低,使得机器人视觉技术被大范围应用到各个行业领域中去了。传统机械臂的离线编程和在线示教方式,已经不能适应现代自动化行业的需要。把机器视觉技术应用到机械臂操作中,便可提高机械臂在工业生产中的自动化、智能化应用程度。本课题针对工业生产中工件形状不规则,难以定位的问题,开展面向机械臂抓取应用的视觉识别与定位技术研究。论文开展的研究工作如下:首先,查阅了大量相关的文献,系统地总结了机器人视觉技术研究现状。对机器人视觉抓取系统进行总体设计,搭建抓取实验平台。详细分析设计了论文的视觉系统标定机理和流程。采用了张正友标定算法对单目工业相机实现了相机内部参数的求解,并分析验证了相机内参标定结果的正确性。分析两种机器人手眼标定方法的原理,优选眼在手外（eye-to-hand）系统模型。推算出相机和机械臂基座之间的位姿变换关系,得到了手眼标定的转换矩阵,通过实验验证并分析标定结果的准确性。使用标准的D-H方法建立了机械臂连杆参数与连杆坐标系,并进行了六自由度协作机械臂的正逆运动学分析,方便后续编程控制机械臂运动。其次,使用中值滤波滤除图像噪点,利用最大类间方差算法自动计算图像阈值,完成图像的二值化分割。论文改进了Canny边缘检测算法,检测后的目标图像边缘杂点较少,能够去除一些伪边缘,并且目标图像边缘也更加连续。改进后的边缘检测算法提高了边缘检测的准确度。检测到目标工件轮廓后,利用Hough投影法寻找目标轮廓的主轴,建立目标工件的最小外接矩形,实现对目标工件的识别,并确定目标图像位置。最后,将目标工件的图像坐标变换为实际机械臂运动的位置坐标。把抓取信息传输到ROS（机器人操作系统）中,在Move It平台下通过程序控制机械臂到达指定抓取位置,完成工件的抓取操作。从抓取实验数据的误差中可知,抓取的位置误差结果不超过2mm,工件的偏转角度误差不超过2°。所以本课题图像处理算法的误差较小,能够完成对不规则形状的工件定位,具有实际工程的应用价值。