目前,机器人正从各个方面渗入到人们的日常生活、工作、学习中,在所有机器人中,需求最广泛的当属服务机器人。本文依托机器人平台,围绕机器人的视觉,以识别目标物体(水杯)为目的,从图像方面展开研究。本文首先对课题的研究背景及意义进行阐述,结合国内外研究现状对图像的采集处理所涉及的相关技术进行分析,指出课题研究的内容,并给出文章的结构框架。然后进行图像采集处理平台的总体方案设计,提出了利用Kinect与计算机作为图像处理采集的方案。对于目标物体(水杯),进行图像数据特征分析,指出其识别方法:YOLO卷积神经网络。深入研究神经网络的基本单位神经元,神经网络的传输方式,以及激活函数sigmoid、tanh、ReLU。设计YOLO神经网络模型,详细分析其关键技术:卷积层、池化层、全连接层,对卷积层的局部感知、权值共享做详细研究。在水杯识别的基础上,从语义分割、边缘检测两方面对目标物体(水杯)进行研究,通过目标物体(水杯)四个边的像素,进而求出其中心点像素坐标;由Kinect传感器的深度图像,求出目标物体(水杯)与机器人之间的距离,结合底层惯性导航输出的航向角,将目标物体(水杯)相对于机器人的位置坐标解算出来,为路径规划提供位置信息。接着,在目标物体(水杯)相对机器人的位置基础上,从设置预估函数系数、open表更新方式以及closed列表管理方式方面对A~*算法进行改进,并对改进算法进行实验仿真,验证算法的性能,进而为机器人提供算法支持,使其能够规划出合理路径,在所处的环境中无碰撞的移动到目标物体(水杯)所在位置。最后,通过LabVIEW设计基于Kinect的机器人图像采集处理系统,并完成系统的测试。