随着工业技术的不断发展以及生产的需要,机器人技术已经不仅仅局限于完成简单的作业任务,同时还需要具有更强的适应性、灵活性、稳定性、安全性等特性。本文对机械臂的研究的目标主要有两个:其一是运动学方面的研究,对于机械臂的逆运动问题一直没有一种固定的解决算法,如果找到一种可以快速处理机械臂逆运动问题的科学算法,就可以提高机械臂的工作效率,改善机械臂的实时性。其二是视觉算法方面的研究,如果要提高工业机器人自身的灵活性就需要与环境进行交互,对环境与目标进行高精度的检测和识别,一种合理的图像处理方法可以极大提高视觉系统的图像识别匹配能力与目标定位能力。本文的内容也就是围绕以上两点进行研究:首先对机械臂的运动学进行了研究,运用DH方法建立机械臂的数学模型,推导正运动学方程,接着通过运用人工蜂群算法对机械臂逆运动进行求解。该算法通过优化BP算法的阈值加快神经网络收敛速度,将机械臂逆运动问题转化为一类非线性多输入多输出问题。最后通过MATLAB软件对机械臂的关键关节进行动态仿真模拟,计算末端执行器在到达指定空间坐标时各个关节的位移,结果表明机械臂仿真模型可以在合理的误差范围内到达目标位置完成任务。接下来在运动学建立的基坐标系基础上,本文进行了视觉方面的研究。首先介绍了对单、双目视觉定位原理,依据目标点在采集图像上的像素坐标,通过运用坐标变换方法最终得到目标点的空间坐标位置。接着研究了SIFT算法在图像处理中的应用,介绍了SIFT算法的各个相关概念,最后实验性的将SIFT算法与神经网络结合,通过将SIFT算法中的尺度参数与摄像机的焦距作为输入参数,将目标的距离作为输出参数,建立神经网络进行目标距离的测量。结果表明SIFT-BP算法可以准确的寻找到与图像相匹配的特征点并且可以在误差范围内对目标点进行测距定位。