再制造能够实现产品的重复利用而引起广泛关注,而螺栓拆卸是再制造中不可缺少的一道工序。但由于不同产品的螺栓分布各不相同,目前螺栓拆卸主要由人工来完成。如何将工业机械手应用于产品各异的再制造拆卸产线是提高生产效率的关键。本文以视觉引导机械手为研究对象,利用图像处理实现螺栓位姿识别,并进行路径规划和避障处理,实现机械手末端以预期的位姿无碰撞自主到达拆卸位。本文主要内容和工作包括:(1)建立并求解机械手末端工具相对于螺栓的位姿关系模型。依据机械手空间尺寸链和正向运动学理论,求解相机和末端工具相对于基坐标系的位姿关系矩阵;根据双目平行光视觉原理,求解螺栓三维坐标;基于螺栓表面各点在二维像素坐标和三维物理坐标中相对位置的不变性求解螺栓姿态。(2)设计考虑避障约束的机械手路径规划策略。基于监督学习理论,利用支持向量机(SVM)分类器将螺栓和干扰进行分类;将分类器得到的螺栓坐标序列建立旅行商问题(TSP)路径规划模型,通过改进的遗传算法求解最优拆卸路径,并结合A*启发式搜索算法实现避障;采用五次多项式插值法生成避障轨迹,实现机械手拆卸轨迹的控制。(3)开发视觉引导机械手的控制软件。基于MFC平台设计视觉引导机械手的对话框式人机界面,完成Halcon、Matlab与MFC的软件配置,保证视觉算法、路径规划算法、避障算法的之间的数据交互和功能协调,实现自动拆卸前的螺栓定位、路径规划、避障和运动控制。(4)搭建视觉引导机械手平台并展开实验。设计并选型视觉引导机械手实验平台,根据机械手工作流程制定实验方案;针对视觉模块进行干扰分离实验和位姿求解实验,并对视觉测量精度进行验证;以减速器盖体及其螺栓组为实验对象,建立基于三维扫描的拆卸环境,采用Delmia进行避障仿真,验证避障算法的正确性;利用机械手本体及其控制平台进行路径规划和循迹实验,验证机械手能够无干涉自主运行至拆卸位,并对视觉引导系统的定位误差进行测量分析。