近些年基于仿生原理设计的事件相机因其独特的优势受到学界和工业界越来越多的关注,联合事件相机和工业机器人设计视觉伺服系统将大幅提升工业机器人的智能化程度。但受运动方向和速度影响,事件反映的特征信息会出现严重缺失或者模糊的情况,使得当前基于事件的检测算法的精度和稳定性难以满足机械臂视觉伺服系统需求,而传统相机输出的强度帧几乎不受运动影响,并完整输出场景中的特征信息,但相比于事件,强度帧具有信息冗余度高、动态范围低、低光照环境中特征信息表现不佳等缺点。本文将基于事件和强度帧的互补性设计高性能的检测算法,并联合机械臂建立了视觉伺服系统。首先,本文介绍了基于事件相机建立机械臂视觉伺服系统的相关知识,包括事件的产生原理以及现有的表示方法,并总结设计了一种可以精确同步事件和强度帧信息的事件采样方法,为后续基于事件和强度帧的互补性设计检测算法提供了信息同步基础,最后介绍了机械臂视觉伺服模型。其次,本文基于事件和强度帧的的互补性设计了特征检测算法和目标检测算法。特征检测算法首先根据事件可以反应边缘特征信息的特点,联合强度帧设计了一种边缘检测算法来获得具有强边角响应的底层图像表示,并在此图像表示基础上进行Harris角点检测及跟踪算法设计,来获得高性能的特征检测及跟踪结果。目标检测算法首先根据课题中视觉伺服系统的需求以及硬件环境选型并裁剪了基线实例分割检测算法,并基于目标运动的时空连续性设计算法改进基线检测算法的识别精度,之后联合改进的识别结果将图谱聚类算法应用到事件点中来改进基线检测算法的定位精度,其中为了提升了聚类算法的处理速度,设计了一种稀疏采样算法来大幅减少事件数据量。两种检测算法都是局部采样处理事件附近的强度帧信息,使得检测算法处理的整体数据量稀疏,保证了检测算法的实时性能。最后基于课题的工作环境收集了两类数据集,来验证课题设计的两种检测算法在挑战环境中的有效性,并对课题搭建的基于事件相机的机械臂视觉伺服系统进行仿真和实物实验来验证系统的有效性。