针对传统人工分拣过程不仅效率低、工作环境危险,且可能造成精密工件二次污染,提出基于机器视觉的机器人控制技术来进行工件分拣。面向视觉分拣系统的位置精度与效率问题展开进一步研究,研究内容涉及摄像机标定技术、应用视觉检测的运动学标定技术和基于视觉处理的分拣路径规划,结合H形并联机器人实现视觉快速、准确分拣圆形光学玻璃元件,形成良好的视觉分拣系统。首先,根据圆形光学玻璃元件视觉分拣系统总体功能组成和要求,制定整体设计方案。对视觉处理单元和运动控制单元的主要硬件进行选型和设计,并确定以Halcon、MATLAB和MFC混合编程方式为软件系统开发方案。其次,针对视觉分拣系统的位置精度问题,构造基于像主点的线性摄像机标定模型,通过Levenberg-Marquardt算法进行模型的非线性优化,形成完整的摄像机模型。以摄像机标定结果为基础,进行H形并联机器人末端位置误差检测,结合机器人的误差模型进行参数辨识和误差补偿,完成H形并联机器人的运动学标定。标定实验结果表明摄像机模型精度良好,运动学标定过程方便快捷,位置精度提升效果明显,符合实际使用过程。然后,针对视觉分拣系统的效率问题,研究以图像处理技术为基础的分拣路径规划,将视觉分拣工件问题转换为有约束的TSP问题。提出了一种结合蚁群算法和禁忌搜索算法的混合优化算法,通过蚁群算法的正反馈机制在有效的迭代次数里为禁忌搜索算法提供良好的初始解,利用禁忌搜索算法的记忆能力和藐视原则求取最优解。同时,根据问题分析对混合优化算法进行适应性改进,并对蚁群算法进行优化,一方面引入了2-opt局部优化以及信息素惩罚、奖励机制以改善蚂蚁的搜索能力,另一方面对信息挥发因子做适应性改进以提高蚂蚁的自适应能力。仿真实验结果表明混合优化算法可以稳定、有效的优化分拣路径。最后,搭建视觉分拣系统实验平台,开发测试软件。从位置精度和效率方面进行平台对比实验。实验结果表明,采用混合优化算法进行分拣路径规划,并引导运动学标定后的机器人完成对应动作的视觉分拣系统,工作效率得到了有效提升,且具有较高的位置精度。