伴随着现代科学技术的不断发展,工业机器人进入工厂取代人类作业已是势不可挡。工业机器人的工作效率与人工相比很高,但只能按照预先设定好的程序流程进行工作,如果被加工对象位置发生变动或者加工环境发生改变,工业机器人便无法继续按原定程序工作,需要手动对控制程序进行重新的编写。因此,给工业机器人安装上“眼睛”很有必要,将机器视觉技术与机器人相结合,通过机器视觉引导工业机器人完成对位置未知目标的加工,利用加工系统的工业相机采集被加工工件的图像,并对图像的信息数据进行进一步处理,以获得图像中预置的特征点所处的位置,利用工业相机的成像模型将像素坐标换算成世界坐标系下坐标数据,将坐标信息通过以太网传输到机器人控制器并进行数据解析,利用工业机器人运动学的逆解公式求解工业机器人各关节的角度变化量,生成加工路径,工业机器人按照指令带动气动刀具对目标工件进行加工。进行基于机器视觉的工业机器人加工系统分析与设计,设定系统性能要求,系统硬件总体主要结构可以分为工业机器人控制系统、图像采集系统两大部分。本文分析了机器视觉和控制工业机器人不同类别,通过对比选择了固定单目视觉的位置控制的Eye-to-Hand的末端开环方案。对所涉及到的硬件设备进行分析选型,分析软件流程的实现过程,并建立了整体系统的通讯。建立机器视觉引导工业机器人加工的模型,设定了基于机器视觉引导工业机器人加工的控制策略。对工业机器人的位姿及坐标系进行描述,通过D-H建模法对MISUBISHI六轴工业机器人建立机器人运动学模型,并对机器人的逆运动学进行计算,确保了工业机器人末端执行器与工作台的位姿关系,保证工业机器人在作业过程中不会与工作台上其他部件发生碰撞,通过MELFA-Works控件对平台工作路径进行仿真,确定工业机器人运行中无奇异点存在。利用VisionMaster算法平台对获取的图像进行滤波、二值化处理,使得图像中重要信息得到增强。提出用局部特征点模板匹配进行识别和定位,设定局部特征模板,进行快速特征提取,获得特征点的像素信息,进行工业相机的标定,剖析了系统里面的工业面阵相机在使用中成像原理,得到了系统里面的工业面阵相机的成像的数学模型,获得像素坐标与世界坐标之间的计算公式。搭建实验平台,确定工业机器人末端执行器的工具坐标系,同时测定了加工参数。通过相机系统和工业机器人协作完成该系统标定,将像素坐标转换成世界坐标,利用MELFA-BASICV语言进行加工程序编写,对工业相机发送的信息进行解析,进而进行了工件的加工实验,分析其误差。实验结果显示:计算坐标与预置坐标之间的误差在0.3mm以内,加工后合格率为97.18%。系统可以比较准的对目标工件进行加工,实现机器视觉引导工业机器人的自动加工。