随着煤炭货运列车发运量的提高,以及选择从事传统煤炭行业的人员减少,煤炭货运列车喷胶作业的传统人工操作方式,已经逐渐无法满足需求。利用先进的机器视觉技术,提升货运列车喷胶作业的自动化与智能化水平,已经成为了中国煤炭铁路货运中亟待解决的课题。根据煤炭货运列车的工作流程和喷胶环节技术要求,经过实地调研,提出了基于机器视觉的煤炭货运列车智能喷胶机器人总体技术方案,确定了机器人主要技术指标,总结面临的关键技术问题,并提出相应的解决优化策略。针对机器视觉定位精度问题,建立了智能喷胶机器人主体的运动学模型,并验证了该模型的准确性。同时对摄像机进行标定,获得摄像机模型后,通过研究用于机器人手眼标定的四种传统解析算法,提出了一种用于降低手眼标定误差的拍照位姿生成方案,同时提出一种面向手眼标定的DLH-GWO-DE优化算法,进一步降低手眼标定误差。对于喷胶机器人视觉目标定位检测问题,设计了一套针对喷胶缝的图像定位算法,编写的程序能够处理白天或黑夜、原有密封胶充足或脱落严重等多种状态,算法自适应性较强。对基于HOG的支持向量机算法和基于Faster R-CNN的深度学习算法在煤炭货运列车喷胶作业关键结构目标检测上的效果进行了预实验,为提高基于滑动窗口检测算法的速度,提出了一种基于CPU多线程并行计算的改进算法。最后,对喷胶时需要有效避开的六种关键结构,使用基于Faster R-CNN的深度学习算法进行目标检测,检测效果良好。针对喷胶作业技术要求,提出Eye-to-Hand系统和Eye-in-Hand系统相结合的视觉配置方案,并搭建基于位置的视觉伺服控制的虚拟样机。随后利用前馈控制和PD反馈控制相结合的机器人运动控制算法,进行喷胶缝轨迹跟踪仿真,证明了系统的有效性。