随着工业4.0技术和《中国制造2025》的不断推进“机器换人”智能生产已成为纺织工业的实际需求,为了使工业机器人在线作业时能够精准的抓取处于运动状态下不同颜色的纱管,本课题以纺织工业中纱管分拣喂纱工序为背景,基于机器视觉技术对纱管检测与跟踪系统进行了研究,主要完成工作有以下几点:(1)搭建单目视觉系统实验平台,考虑到后续纱管检测与跟踪系统的需求,在前期准备阶段分别对图像预处理和相机标定技术进行研究,其次利用张正友棋盘标定法对工业相机进行标定,从而获取相机内外参数,建立图像坐标系与空间坐标系之间的转化关系,移动标定板采集14张图像对相机进行标定实验,最后通过重投影点位置误差分析验证了张正友相机标定方法的有效性并且满足系统精度要求。(2)在运动目标检测模块,针对传统混合高斯建模运动目标检测方法中背景建立耗费时间长和无法识别不同颜色纱管的运动信息的问题,本文将三帧差分法与混合高斯建模法相结合,对背景区域分块求平均值建立高斯模型,并使用不同的更新因子加快背景更新速率。实验结果表明,在相同帧数的前提下改进算法的运行时间只占传统算法的74.95%,并将该算法与颜色识别模块相结合实现了对不同颜色纱管的运动目标信息提取。(3)在运动目标跟踪模块,针对Camshift目标跟踪算法在目标纱管被遮挡、相似颜色干扰和光照变化情况下跟踪性能差的问题,本文在传统的Camshift目标跟踪算法基础上加入颜色识别的运动目标检测算法和Kalman预测机制,使改进算法实现自动初始跟踪窗口,避免手动设置跟踪窗口产生的误差,并对目标物体下一帧出现的位置进行预测,提高目标跟踪的稳定性。通过实验测试,验证了改进算法在目标遮挡、相近颜色干扰和光照变化情况下能够对特定颜色的纱管进行有效的跟踪。