随着工业机器人技术的发展,依靠视觉引导、定位及识别技术显得越来越重要。工件的视觉识别及工件种类判别是实现机械手抓取工件的重要环节。如何对姿态变换后的工件进行视觉识别及分类,具有重要的理论及工程研究价值。基于工件不变矩特征的支持向量机(SVM)工件视觉识别研究方案基础上,在实验室环境下构建了工件姿态变换实验平台,并实验研究了工件姿态变换的视觉识别问题,主要研究内容如下:首先,分析、设计了六自由度姿态变换实验平台,对平台的每一部分功能部件进行了选型及分析。将六自由度平台结构与视觉系统相结合,采集不同姿态变换下的工件图像,实验平台组装后整体达到了设计性能要求。其次,分析了工件姿态变换下的图像滤波、图像增强及分水岭图像分割方法,为后续工件图像的不变矩特征提取打下基础。再次,针对工件在水平面旋转姿态变换及在三维空间进行姿态变换两种情况,分别选取单个工件、部分遮挡工件及部分重叠工件进行图像采集,构建工件样本,并实现了七个特征不变矩的提取。最后,构建了支持向量机工件识别回归预报模型,结合工件不变矩特征数据与SVM,实现了工件的视觉识别。为进一步实现对工件种类的识别,采用Parzen窗与粒子群相结合的识别方法,将工件训练样本的五阶矩、七阶矩的平均值作为工件种类分类目标,采用Parzen窗对待识别工件进行概率密度估计,并用带惯性的粒子群方法对Parzen窗估计结果进行优化,最终实现了对工件种类的判别。