进入21世纪以来,机器人的发展已经到了空前强大的地步,在工业生产,科技制造和生活家居等各领域到处都能见到机器人的身影。传统单一功能的机器人已经不能满足先进生产力的需要。近些年来,机器视觉技术越来越成熟,视觉系统和工业机器人结合成手眼系统,赋予工业机器人视觉能力,使其更加智能,能够适应不同的工作环境,灵活性大大增强。工业机器人与视觉系统结合,为了使手眼系统更协调,首先要进行手眼标定,手眼标定就是要找到机械臂末端坐标系和相机坐标系之间的关系,其核心问题是求解靶标相对摄像机坐标系下的位姿,基于此背景,研究相应的单目视觉位姿测量问题。首先以工业六轴机器人作为研究对象,建立机器人运动学模型,通过D-H参数法进行机器人的正运动学分析,求解机械臂末端位姿。分析相机针孔成像模型,坐标系之间转换关系和镜头畸变模型,通过张正友相机标定法进行标定实验,求解出相机内外参数。建立手眼标定模型,得到的位姿信息和相机内参数为求解手眼关系矩阵提供理论支持。在位姿测量中,由于图像中高亮度区域的存在,这对图像处理产生严重影响,使特征点提取不准确,丢失有效信息。实验结果表明,有效的偏振信息会减小高亮度区域带来的影响。分析光的偏振特性以及几种光束偏振态的表示方法,根据斯托克斯矢量建立最佳偏振角求解模型。图像预处理使用Harris角点检测法对特征点进行提取,然后根据单目视觉位姿测量Pn P问题,对非线性LHM算法进行分析,初值选取对运算结果有很大差异性,对此提出本文的线性位姿测量方法。针对上述问题,进行硬件选型,搭建测量实验平台,在自然光和最佳偏振角的条件下,根据Harris角点检测法进行图像角点提取实验,进行了靶标旋转测量实验和位移测量实验,从角点坐标提取误差,重投影误差,旋转角测量误差和位移测量误差等多方面进行评价。在最佳偏振角条件下采集靶标图像的角点坐标与在自然光条件下采集靶标图像的角点坐标相差约2个像素,旋转角测量误差小于±0.16°,测量标准差为0.068°,测量标准差相较LHM算法下降了74.16%。其位移测量误差小于±0.05 mm,测量标准差为0.034 mm,测量标准差相较LHM算法下降了21.76%。因此证明了最佳偏振角模型的有效性,线性算法结合有效的偏振信息能够改善成像质量,相比非线性LHM算法,提高了位姿测量精度,最后进行了手眼标定实验,有效的偏振信息提高了手眼标定精度。