工业机器人中应用最多、使用最广的便是六自由度机械臂,随着智能制造技术的发展,工业机器人的使用场景不断向汽车装配、电子产品组装、医疗辅助设备等对定位精度要求更高的领域拓展,也对机械臂的定位精度提出了更高的要求。目前,往往采用标定的方式提高机械臂的定位精度,标定过程中测量环节最为重要,通常依赖高精度的测量设备,需要专业技术人员操作,标定过程复杂,需要较大的场地和空间,在机械臂的工作环境中不易进行;标定时机械臂的误差模型建立和辨识方法也对求解的参数误差有较大影响。本文提出一种基于平面约束的一键自标定方法,利用高精度平面约束保证测量精度,利用单目视觉代替人工操作,简化标定的测量步骤;同时对机械臂的运动学建模方法、误差模型的建立、误差模型中冗余参数去除、辨识位形的选择等方面进行深入研究,在课题组自主研发的机器人上结合MATLAB仿真程序进行了实验验证。本文研究建立了机械臂的运动学模型,针对常用的两种D-H参数模型建模方法在建模过程出现混淆使用的情况,对两种建模方法的过程进行了梳理,总结了两种D-H参数模型之间的差异,提出了快速分辨两种模型的方法。对D-H参数模型进行微分变换,建立了机械臂末端位姿误差与D-H参数误差之间的关系模型,分析了课题组前期研究成果中误差模型存在冗余参数的原因,继而深入研究了其他条件下可能出现冗余参数的原因,提出了各种情况下去除冗余参数的方法,推导了去除冗余参数后的误差模型,针对平面约束条件对误差模型进行了修正,最后在MATLAB中通过仿真对修正后的误差模型进行了验证。标定的测量过程中利用单目视觉对标定块进行定位,针对传统梯度算子无法提取深色处边缘的情况,利用HSI图像空间下的K-Means聚类方法对深色边缘进行提取,对传统算子提取的边缘进行补充,得到了完整的图像边缘;利用标定块实物与图像的对应关系,求解相机与机械臂之间的位姿关系;通过程序编制,实现了机械臂在单目视觉辅助下自行锁定标定块位置,从而控制机械臂对标定块进行接触式测量。在辨识位形的选择方面,分析了机械臂的不同位形对辨识精度的影响,总结了五种评价辨识位形优劣的指标,提出了三种选择最优位形的思路,分别为单参数分析法、单个位形排序法和基于人工蜂群算法的位形组合优化法;分别设计了实验利用三种分析思路对辨识位形进行择优,经过实验验证发现D-H参数互相之间有耦合关系,无法使用单参数分析法,单个位形排序法得到的最优解组合并不是最优的组合,所以选择基于人工蜂群算法的位形组合优化法,最终经过计算得到了最优辨识位形组合。本文在课题组之前的研究基础上,对基于平面约束的机械臂一键自标定方法进行了深入研究,提出了一种自动对机械臂进行标定的方法,对机械臂在更高精度的使用、更高效率的标定等方面做出了贡献。