随着科技的发展,机器人技术也取得了丰富的成果,尤其是集成了视觉系统的工业机器人被广泛应用于各个领域,已经成为了科研的热点问题。机器人通过视觉传感器获得目标信息之前,首先便需要完成其手眼关系的标定,但是目前的标定方法存在一些问题,不能满足电子产品生产线对精度和速度的要求。因此,本文针对以上问题对手眼在线标定技术展开研究,进而实现机器人手眼关系的快速标定,为机器人在实际环境下实现其移动、装配等任务,奠定了研究基础。主要研究内容如下:第一,本文采用相机安装在机器人末端执行器的Eye-in-Hand系统,搭建了机器人手眼系统,分析了机器人手眼系统的组成与各部分功能,根据相机模型计算了相机的内外参矩阵与畸变参数,为机器人手眼标定提供了数据支持;通过D-H法建立了机器人运动学模型,给出了机器人各关节坐标系之间的运动关系。第二,以黑白棋盘格标定板为标靶,针对Eye-in-Hand手眼系统,提出了一种基于分块图像直方图的标定数据自动采集算法。该算法通过分析标定板方位,为机器人提供运动方向,使机器人可以根据运动策略带动相机拍摄标定板图像,提取标定所需的数据,从而实现了标定板图像的准确拍摄与标定数据的自动采集,提高了机器人手眼标定的自动化程度,标定过程的实时在线进行对提高标定精度和标定速度有重要意义。第三,以“两步法”手眼标定原理为基础,提出了一种基于加权最小二乘的在线反馈手眼标定算法,根据采集的标定数据,计算初始误差作为加权最小二乘的权值,进而求解手眼关系的旋转矩阵和平移向量,一方面降低噪声对标定精度的影响,另一方面减小求解平移向量时误差的传递;设计标定精度在线反馈模块,通过重建距离误差测量手眼标定精度,可以实时判断标定结果是否满足标定需求,使手眼在线标定能根据精度需求调整标定过程。第四,针对电子行业的生产需求,使用工业相机与UR5机器人搭建在线标定实验平台。其中,实验的主要目标是在误差允许范围内设定合理的标定数据的数量,以达到标定精度与标定时间的最优分配。实验结果表明本文提出的手眼在线标定方法可行有效。