机器人由于其高效灵活以及准确稳定的特点,在工业中得到了广泛的应用。近年来,随着机器视觉的发展与研究,机器人视觉系统由于其具备信息量大和应用广泛等特点,逐渐成为最具有应用前景和理论研究价值的领域之一。为了适应实际工程应用,增强复杂工作环境下的机械臂操作能力,提升机械臂工作的智能化和自主化水平,需要开发相应的机械臂视觉系统,从而实现完善的视觉伺服功能。本文根据实际工程应用,对视觉系统的目标检测与定位方法进行了深入的研究与探索,主要工作包括以下几个方面:1、根据课题研究需要,对目标检测与定位方法进行了综述,并对机械臂视觉系统的基本原理和关键技术进行了简要介绍。2、提出了一种基于单模板的多目标检测方法。由于传统的目标检测算法只能检测单目标,多目标的检测方法需要较长的离线时间对模板或特征进行学习,大多数算法在保证准确率的同时无法兼顾效率,本文提出了一种基于NCC算法与NMS方法相结合的多目标检测方法,具有准确率高、实时性强等特点,对噪声、光照变化具有一定的鲁棒性。3、提出了一种基于FFT计算的旋转不变HOG特征的多目标检测方法。传统模板匹配方法仅适用于目标与模板图像存在轻微角度旋转或不存在旋转的场景,在存在旋转角度的场景里需要利用特征对目标进行检测。本文在Liu提出的基于极坐标傅里叶分析框架的旋转不变HOG特征的基础上进行改进,提出了一种108维的傅里叶空间下的旋转不变HOG特征,并基于FFT方法进行加速,结合SVM分类器对目标进行检测,得到了良好的检测效果。4、提出了一种基于边缘信息的多目标检测方法。实际工程项目中,有时需要对不同多目标进行检测,基于图像匹配和单分类器的目标检测方法将不再适用。本文针对具体应用,对微软研究院提出的Edge Boxes算法进行改进,加入形状约束并利用NMS方法对冗余目标位置进行剔除,合理设置算法涉及的各个参数,可以得到良好的检测效果。5、本文利用固连双像机模拟机械臂进行模拟实验,该实验由两部分构成:手眼标定实验和位姿测量实验。手眼标定实验使用TSAI的手眼标定方法对机械臂手眼系统进行标定,位姿测量实验利用PNP算法和双目交会相结合对场景中目标物体进行位姿测量。实验结果表明TSAI手眼标定方法和PNP算法结合双目交会的位姿测量方法适用于机械臂抓取目标物体的实际任务,并具有较高的精度,可以广泛应用到机械臂视觉系统之中。