串联机器人已经广泛应用在工业生产中的机械加工、焊接、装配、表面喷涂、搬运等作业。机器人在工作过程中,其末端操作器的位姿是体现串联机器人运动状态的重要参数,获得机器人的位姿信息对机器人操作目标尤为重要,同时,也是机器人视觉控制系统中视觉检测环节的重要参数。串联机器人具有多个自由度、运动轨迹复杂等特点,其末端操作器位姿的测量必须满足多个自由度的测量。与传统的检测方法相比,视觉检测能够完成非接触、智能、多个自由度测量。因此,本论文从机器视觉的角度,设计基于立体视觉的串联机器人跟踪检测系统,并通过对机器人在工作过程中跟踪定位,测量机器人末端操作器,并对机器人位姿信息进行计算与输出。本文主要做了以下工作：首先设计了基于立体视觉的串联机器人跟踪检测框架,用于串联机器人在工作过程中对其进行跟踪及位姿检测,通过该系统定位与检测机器人的实时位姿。主要包括图像视频的采集与传输、摄像机标定、机器人末端操作器的跟踪、SURF算法特征点的提取与匹配、特征点的重建、串联机器人的位姿建模与求解。其次将CamShift算法引入到跟踪检测系统框架中,利用OpenCV实现了对串联机器人操作器的实时跟踪,搜索窗口在大环境下跟踪锁定机器人操作器并可以自适应地调节窗口大小。系统基于CamShift算法跟踪在空间工作中具有复杂性的串联机器人,当目标发生部分遮挡时,也不会产生误跟踪。再次在串联机器人位姿检测中的特征提取和特征匹配步骤中引入SURF立体匹配算法,该算法以前尚未在该串联机器人位姿视觉检测系统中应用。SURF算法的特征提取与匹配作为系统的核心部分,首先在尺度空间极值检测,确定关键点方向向量,生成SURF特征向量,利用SURF特征向量完成匹配。然后,将SURF匹配算法获得特征点在每个摄像机系统下的2D坐标,根据特征点重建模型获得3D坐标,最后根据建立的串联机器人位姿模型,将3D坐标转化为求解φ,θ,ψ的多目标优化问题。将改进后的粒子群算法用于求解最优目标函数,并为机器人位姿测量提供了一个可行性方法。改进的PSO算法主要加入了惯性系数,并且采用领域极值与全局极值求平均值代替全局极值,减小了算法陷入局部极值的可能。最后,通过实验得到串联机器人的跟踪、特征点提取与立体匹配结果,并通过仿真计算出串联机器人在空间工作中的空间三维位姿参数(tx,ty,tz,θ,φ,ψ),与实际值相差较小,证明了上述方法的有效性和可行性,适用于对串联机器人多自由度和空间复杂运动的跟踪检测。