灾害救援、环境探测、设备检修及维护等应用场景,具有作业空间狭小、障碍物多等特点,传统机器人难以完成任务,而运动灵活且体型纤细的绳驱柔性机械臂能够发挥重要作用。然而,由于传动环节多、摩擦特性复杂且具有超冗余特性,绳驱柔性机械臂整臂形状及末端精度低,影响了任务执行效果。针对上述问题,本文开展了基于视觉的柔性机械臂形状测量、运动学参数标定及设备维护中典型充电目标位姿测量方法的研究,并开发了相应的算法,进行实验验证。根据绳驱柔性机械臂运动构件多且尺寸小、空间构型复杂等特点,设计了一套基于全局视觉及手眼视觉融合的柔性臂形状及末端位姿同步测量系统,解决了大范围、较高精度的测量问题。该系统由两个固定的单目相机、一个安装于柔性臂末端并随柔性臂运动的手眼相机及固定于环境中的任务板组成。柔性臂每个运动构件及任务板上均装有二维码,形成多点分散的测量标识。通过全局视觉相机对臂杆上的标识、手眼相机对任务板上的标识分别进行识别,再将所有标识的信息融合后,进一步计算得到柔性臂各个关节转动角度并重建出臂杆的空间臂型,同时也求得了柔性臂末端的位姿,使柔性臂能够更准确地感知自身状态,有助于提高运动精度。针对绳驱柔性臂由多个PY(Pitch-Yaw)或YP(Yaw-Pitch)双自由度关节组成、相邻关节采用“PY-YP”连接的特点,建立了简化的末端位姿误差模型并提出了基于视觉的柔性臂运动学参数标定方法。利用MDH方法对柔性臂进行了运动学建模,并结合关节结构特性分析了各参数对末端运动误差的影响,剔除了影响可忽略的参数,得到简化误差模型。进一步地,设计了覆盖较大工作空间的多种标定臂型,利用视觉系统获得各臂型下柔性臂形状及末端位姿测量数据,将其用于误差模型后标定出运动学参数。与激光跟踪仪的标定结果进行比较,验证了方法的可行性。以航空设备维护为应用案例,提出了针对实际目标自然特征检测的位姿测量方法,通过提取多个角点及圆形特征后采用PnP算法实现了远距离及近距离下的位姿测量。利用手眼视觉对目标进行成像,采用了多个兼顾远近距离和不同视角的模板对目标进行检测,获得有效的目标区域,在该区域提取了角点和圆心特征,根据远近距离分别对角点和圆心特征采用PnP算法计算得到目标位姿。最后,搭建了柔性机械臂视觉测量实验系统,开展了柔性臂形状及末端位姿同步测量、柔性臂运动学参数标定、目标位姿测量及对接实验,对上述方法进行了验证。