智能机器人在工业生产中对提高生产效率起到了关键作用。将机器视觉技术引入智能机器人,会提高其操作的灵活性和动作的复杂性。机器视觉图像中包含了大量信息,而智能机器人所需要的往往只是图像边缘特征,因此,视觉图像分析的核心是图像边缘提取,以及目标的位姿识别。以机器人搬运箱体为应用背景,首先,论文对常用的图像边缘检测算法进行比较,分析各自的优缺点。在此基础上提出小波边缘检测方法,选择二次B样条函数作为小波函数,对拍摄的包装箱图像进行处理。由于受实际工作环境的影响,机器视觉系统拍摄的图像噪声较大,小波变换滤除图像噪声效果最佳。其次,针对用小波来进行图像的边缘检测时,容易出现边缘丢失以及弱边缘的问题,改进了基于小波变换的图像边缘检测方法,提出了小波变换与数学形态学相融合的图像边缘检测算法。在边缘检测的基础上,研究了图像识别以及箱体位姿信息提取方法,通过坐标变换,计算出箱体在机器视觉系统中的空间位置及姿态,准确提取出箱体位姿信息。最后,搭建了机器视觉检测系统,对系统中使用到的硬件分析和选型。开发了基于VC++的Motoman机器人控制系统,及机器人视觉检测系统图像处理单元。在搬运箱体实验中,通过采集视觉图像及图像分析处理,准确提取了箱体的位姿信息,为控制机器人搬运箱体提供了准确的视觉图像信息。本文提出的小波变换与数学形态学融合的边缘检测算法以及图像识别方法,能准确提供箱体的位姿信息,对机器视觉系统用于包装箱体的智能搬运,具有重要意义。