近年来,计算机、数字图像处理等技术得到了巨大发展,机器视觉技术也得到了越来越多的应用。机器视觉可以说是工业机器人得到周围环境信息的主要来源,既可以提高机器人的灵活性,也能够增强机器人的自主性。工业机器人怎样根据所得到的环境信息从而提取工件特征、识别出工件所属的类型并且得到工件当前所在的位置和姿态,可以说机器视觉是机器人在工业领域应用的重要手段之一。故本文以机器人的视觉定位和控制为研究方向,侧重在平面工件的匹配定位上开展了深入的研究。所做的主要工作有:(1)对机器视觉研究中常用到的摄像机标定方法进行了分析和比较,因为本文所研究的视觉系统的摄像机安装在工件所处平台的顶部,与工件所在的平面的垂直距离是不变的,所以提出了一种具有针对性的非线性标定的方法对本视觉系统进行了手眼标定,从而减轻了摄像机导致的图像畸变的影响。最后再对校正的精度进行了测量,取得了较好的结果。(2)从摄像机获取到的工件图像首先需要经过优化,本文采用直方图均衡化的方法增强图像的对比度,再采用中值滤波的方法对图像进行平滑处理。最后提取出工件的边缘特征为后面的图像匹配做了准备,通过采用几种经典的边缘检测算子对目标工件图像进行边缘提取,并分析比较得到以下结论:Canny算子因为具有定位准确和响应单一的特点,在几种边缘检测算子中具有较好的检测结果。(3)在研究了传统图像匹配方法的基础上,提出一种改进的基于Hausdorff距离和遗传算法的工件识别方法。该方法把提取到的工件的边缘信息作为匹配的特征,以改进的Hausdorff距离作为目标工件边缘相似性的度量准则,再应用遗传算法对待匹配的图像进行快速搜索,并通过距离变换减少了算法的计算量,最终完成了目标工件的图像匹配。通过实验结果表明:本文的方法能够有效地检测出具有平移、旋转及尺度变换特性的目标工件。(4)以Adept S650型工业机器人作为操作手臂,用CCD摄像机、图像采集卡、运动控制器和PC机搭建了机器人视觉控制平台,并给出图像坐标到机器人坐标的转换算法,再结合前面提出的工件匹配定位方法,最终控制机器人完成了目标工件的抓取实验。