近年来随着工业4.0概念的提出,工业机器人在各行各业的应用越来越广泛,要求机器人更高的集成化、智能化。其中,为机器人加上移动车载平台、视觉等融合各类传感器以适应各类不确定或者多样性的工作环境成为研究的热点。移动式机械臂的自主定位导航,可灵活性将工业机器人调度到指定工作地点,同时避开障碍物或者适应多机器人的工作场景。其中,视觉系统用于解决零部件上下料或装配的物体识别与定位问题。针对移动小车工作路径单一,在人为干扰或多机器人等复杂场景下其适应性差,柔性程度低等问题,本文研究了基于激光传感器的小车自主定位导航,将六轴机械臂移动到指定位置,同时避开动态障碍物。针对移动机械臂在上下料重复定位时累积误差不断加大的问题,着重研究装载在机械臂上的工业相机对机床上夹具的快速精确定位,将工件安放到机床夹具上。开发了一套基于复合型移动机器人融合单目视觉在机床上下料的精确定位系统。主要工作如下:第一,设计搭建带视觉定位系统的移动式机械臂整机系统硬件以及软件架构。第二,利用小车上编码器对小车进行粗略定位,实时提取激光雷达以及三轴加速器陀螺仪数据,对已知数据进行融合。相对于Hector SLAM算法,初值的选择对小车定位影响很大,本文采用一种高效的Rao-Blackwellized粒子滤波器,通过重采样更新粒子更新地图,即GMapping算法建立栅格地图。以提供后续移动机器人自主导航进行全局最优路径的规划。第三,在以上建立的地图上,采用A*计算全局最优路径,该算法在计算相同路径条件下相对于Dijkstra算法快速一倍以上。利用ROS操作平台集成小车上电机、激光雷达和陀螺仪数据,实现移动小车在工件拾取点与机床上下料点之间的定点导航。其中,在定点导航过程中通过设置滑动窗口实时规划算法,实现小车的局部路径规划并避障。最后对移动小车自主定点导航的误差统计以及分析。通过定点导航实验,统计移动小车的最大定位误差为29.704mm。第四,建立相机与六轴机器人末端绑定的移动相机模型。着重研究了有约束的Levenberg-Marquardt(莱文贝格-马夸特)非线性最优化方法对(机械臂)手(相机)眼关系进行高精度拟合。实验中提取14组以上机器人末端工具和相机位姿数据,并使用上述L-M算法对手眼关系进行拟合,通过实验分析得到手眼标定精度在±0.423mm以内。第五,通过工件图像识别定位对工件进行拾取,小车定点自主导航到工件上料初始位置,获取自定义坐标系下相机位姿,示教工件装入到机床夹具并读取机器人末端工具位姿,提取多次数据对自定义坐标系与夹具关系矩阵进行求解。第六,设计导移动机械臂的上下料实验,整合系统完成工业机器人对工件定位拾取,移动平台自主导航至机床上料位置附近,相机对夹具的快速精确定位,驱动机器人进行工件上下料安装作业。实验结果表明,本文系统在50ms内获得精确定位误差在±0.5mm以内,姿态角误差保持在正负1.5°以内。