目前机器人与自动化技术不断发展,在工业领域获得了广泛的应用,提高了生产速度和效率,同时也解放了繁重的人工劳动。在自动化生产领域,上下料是其中一个重要的环节,仍然有部分企业(如轴承、气门、磁材公司)在零件的上下料中仍然采用人工或者半自动化的取料方式。这种方式存在以下几点问题:(1)工人工作量大且枯燥。(2)零件容易磕碰损伤。(3)企业生产成本增加。为实现取料智能化,本课题设计了一套基于机器视觉的智能抓取系统,系统使用单个工业相机获取矩形零件图像,并利用所得的图像进行该物体的识别定位以及重建,进而实现对矩形零件的智能抓取。对主要工作进行概括,包括以下几点:1.智能抓取系统平台的设计及搭建。设计智能抓取系统的三坐标机械手平台的三维模型,完成平台搭建。设计控制、视觉以及人机交互系统,并且完成搭建。2.矩形零件的识别定位。本文以合成图像以及实际的矩形零件为研究对象,提出一种快速高精度的矩形检测算法,算法通过分割图像,提取图像亚像素轮廓,分割亚像素轮廓为直线,直线几何和物理特征的模糊融合计算完成矩形的检测定位。实验结果表明该算法的检测速度、准确率、精度满足工业要求,并且有良好的鲁棒性。但该算法仅仅可以得到零件的二维信息,在涉及抓取多个零件码垛的过程中由于无法获取零件的三维结构信息和机械平台Z轴方向的抓取深度,很难实现真正的智能化。由此针对这一问题,本文接着提出了基于码垛任务的抓取物单幅图像三维重构。3.抓取物单幅图像三维重建。以码垛过程中的长方体零件为研究对象,本文提出一种基于码垛任务的单幅图像抓取物三维重构方法。该方法首先提取零件轮廓,再使用Hough直线检测算法提取出轮廓中的目标直线,通过直线分组,优化垂直,水平和竖直三个方向的平行直线组,接着利用平行直线组以及最小距离法解算灭点,并利用灭点获取相机的内外参数,最终根据内外参获得图像的三维尺寸信息以及机械手Z轴方向的抓取深度。实验结果表明该方法能准确地重建出符合精度要求的三维模型,且能准确获取机械手Z轴方向的抓取深度。4.通过2,3已经获得零件的二维以及三维信息,为使整个智能抓取系统平台更完备,需把获取的零件信息集成到平台的人机交互系统,最终实现不同场景中矩形零件的抓取。最后,机器视觉抓取系统平台完成调试,并对系统的智能抓取能力,精度以及鲁棒性进行测试,实验结果表明:该智能抓取系统能实现对矩形零件的高效自主抓取,满足一定的抓取精度,并有良好的鲁棒性。