随着机器人技术的不断发展,机器人作业环境由传统的工业工厂延伸到人们的日常生活服务以及康复保健中来,如医疗机器人、按摩机器人、护理机器人等,这些机器人往往与人体肌肤直接进行接触作业,因此机器人的安全性问题受到了越来越多的重视。为保证作业过程中的安全性,需要获取作业区域实时的三维信息,并同时对作业过程进行风险评估。本课题以面部作业机器人为研究对象,研究了面部轮廓三维信息获取、跟踪定位和作业中动态风险评估,主要研究内容如下:设计了融合Kinect2视觉和双目视觉的多目视觉系统,可以快速、准确地获取面部轮廓三维信息,有效地进行实时检测和风险评估。采用Kinect2视觉系统快速获取面部三维轮廓信息,针对其精度低的问题,融合双目视觉特征点信息,通过对Kinect2视觉系统获取的特征点信息进行配准,构建了面部轮廓信息校准矩阵,从而快速、准确的获取面部轮廓三维点云信息,可以为面部轮廓运动轨迹规划提供精确的轮廓模型。为实时获取作业过程中面部轮廓姿态,且考虑到实际作业中面部遮挡问题,研究了基于深度迁移学习的多特征点检测、跟踪方法,在小样本下获取了较高的检测精度。根据当前特征点的位姿信息,可以快速响应当前面部信息,为机器人动态风险评估和安全控制提供有效信息。为避免机器人执行器触及到面部器官,构建了机器人作业动态风险评估模型,可以获取执行器与面部器官的实时距离、动态安全阈值以及安全指数。基于安全指数的量化评估,设计了机器人相应的安全运动控制策略。最后,对面部轮廓跟踪定位的精度和实时性进行了验证。面部轮廓点云平均定位误差为3.008mm,平均跟踪误差为2.168mm,平均检测时间为0.0876s。在动态风险评估实验中,验证了机器人动态风险评估方法和安全控制策略的有效性。