近十年来,在制造加工领域,工业机器人越来越多地被用在生产线上,替代人力完成对生产零部件的分拣。现在在工厂中,工业机器人大多采用示教和离线编程的方式作业,如果分拣零件时,其位置、尺寸、环境发生变化,则需要重新进行示教或离线编程。针对此问题,将图像处理技术引入到工业机器人中,使工业机器人的工作过程更快速化、智能化。本文利用埃夫特ER3A-C60工业机器人和工业相机为平台,构建一个以图像处理为基础的工业机器人分拣系统。首先,针对本文中的研究对象:工业机器人、工业相机、实验平台上的目标物,构建了世界坐标系、相机坐标系、图像坐标系之间的全局数学模型,完成各坐标系的转换矩阵。接着,利用工业相机获取工作平台上目标物的图像,将图像进行灰度化和二值化处理。在灰度化、二值化的图像上采用高斯低通滤波、中值滤波、双边滤波对图像做进一步处理,获得更加清晰的图像。在预处理的基础上,采用模板匹配算法、Canny边缘特征提取、轮廓矩三种方法相结合,完成对零件的识别和定位,得到目标物的位置坐标,并将坐标发给机器人。最后,以埃夫特ER3A-C60工业机器人为对象,建立机器人的DH参数,分析求解机器人的运动学及逆运动学。并利用Matlab中的机器人工具箱和UG的运动仿真得到机器人各个关节轨迹,并对比两种方法进行轨迹规划的优点,保证机器人的运动更加平滑、稳定。分析完相应的理论基础后,利用构建的实验平台做分拣实验,在实验过程中发现机器人的绝对位置和图像获取的位置存在一个相对较小的偏差。分析其原因是机器人安装产生的绝对偏差、相机安装时不一定完全垂直于工作台等外部因素,基于上述原因,采用了误差统计的方式来补偿。通过多次实验,记录每次偏差,最后求平均误差值,将得出的误差直接补偿到上位机控制程序中。实验结果表明,零件的分拣抓取成功率在90%以上。