在现代社会生产、生活的自动化及智能化进程中,机器人充当着重要的角色,在各个社会领域中都得到了广泛的应用及研究。机器视觉作为一种仿生数据获取手段,以其所获得数据的全面性与直观性,为机器人的智能化提供了信息基础。因而,对机器视觉的研究成为了机器人智能化研究的重要分支。本文以机械臂在自动化物流分拣系统的应用为研究背景,基于西安科技大学机器人实验室的MOTOMAN机械臂平台对机器人视觉系统的图像分割进行研究,针对Otsu(最大类间方差)分割方法在嵌入式机器视觉中应用的局限性,通过对多种图像分割方法及彩色模型空间的分析研究,提出了一种在HSV彩色空间中基于人工免疫的H-S二维自适应阈值分割方法,以此来提高物流分拣机械臂视觉系统的图像分割效率。本文主要研究内容如下:首先以自动化物流分拣系统为研究对象,建立了基于机器视觉的物流分拣系统模型结构。根据自动化物流分拣系统的功能要求,对系统的各部分子系统进行设计。在此基础上,对MOTOMAN机械臂平台进行系统地研究,对机械臂的特性参数、运动参数和二次开发的原理及方法进行分析,给出了在Visual C++开发环境下通过调用Motocom32动态链接库进行自动化物流分拣系统控制程序开发的思路。其次针对嵌入式机械臂视觉系统展开研究,在嵌入式系统作为机械臂视觉处理器的应用背景下,提出了一种基于人工免疫的H-S二维自适应阈值分割方法。通过分析研究视觉图像分割方法及彩色图像空间模型特性,根据嵌入式视觉系统的资源特点确立了基于HSV模型的H-S二维阈值分割改进方案;在Otsu(最大类间方差)自适应阈值分割的基础上,给出了采用人工免疫算法进行自适应阈值优化的模型,并基于机械臂视觉图像的H-S二维直方图,提出了基于人工免疫的H-S二维自适应阈值分割方法。最后对本文提出的图像分割方法进行仿真验证,并建立自动化物流分拣系统平台。通过Matlab仿真,对基于人工免疫的H-S二维自适应阈值分割方法的分割效果进行测试和评价;通过在MOTOMAN机械臂平台上进行二次开发,搭建基于视觉系统的自动化物流分拣系统平台,视觉系统采用本文提出的图像分割算法,进一步验证本文提出的基于人工免疫的H-S二维自适应阈值分割方法在应用中的实用性和可靠性。经过测试,自动化物流分拣模拟系统运行可靠,对实际应用有重要的参考意义,对机器视觉领域更进一步的研究具有一定的参考价值。