传统的工业机器人在进行生产制造的过程中主要依靠离线编程手段完成任务,存在可执行任务单一、自主适应环境能力弱等问题,而利用视觉引导机器人工作可以有效弥补上述不足。在实际的应用中,利用视觉信息控制机器人抓取运动的目标,具有重要的现实意义和广阔的应用前景。针对运动目标的抓取,涉及许多环节和难点,如控制策略的设计复杂、视觉反馈信息易受噪声影响等,这对系统动态性能有很大影响。本课题针对上述问题进行研究,通过仿真得出结论,并通过实验对结论进行了验证。基于现实中的复杂场景,实现了一套视觉引导抓取系统。获取目标参数的滤波算法选用了粒子滤波,并通过MATLAB仿真分析验证其相对于广泛采用的扩展卡尔曼滤波在强机动目标抓取中的优越性。同时,进一步针对机械臂抓取操作中需要的目标位置、速度或加速度等参数采用了边缘粒子滤波算法,进一步提高参数精度;对于视觉反馈信息的获取,选择了可获得深度信息、操作空间更大的双目视觉系统;执行机构部分选用六自由度机械手臂,并对其建立了运动学模型,完成其运动学解的计算,通过仿真进行了验证;控制策略部分,为了应对设备性能不足、噪声、控制器延迟等因素的影响并缓解粒子滤波的实时性缺点,采用了预测控制的策略,通过状态观测器估计目标运动参数,以此来指导机器人执行抓取操作,最后通过实验验证仿真结论。