本论文以机器人用于木材加工业中的木制品码垛作业为背景,利用视觉技术使机器人对周围环境和操作对象的变化做出快速反应,提高机器人自动化和智能化程度,主要研究了机器人视觉系统的图像采集、图像滤波、特征提取等图像处理技术；研究了用图像处理中获取的图像特征确定环境中目标物体的三维位姿测量技术；研究了用三维空间中目标物体的位姿信息作为控制输入,控制机器人进行搬运和码垛作业的机器人伺服控制技术。主要研究结论如下：(1)概率神经网络具有良好的分类能力。以含有噪声的图像像素灰度值为基础,建立基于均值绝对偏差排序的向量(ROMEAD)和基于中值绝对偏差排序的向量(ROMDAD), ROME AD向量用于计算70%以上的高斯噪声点出现的位置,ROMDAD向量用于计算当前像素值与其相邻像素值的接近程度,有效区分图像中的椒盐噪声和非噪声像素。利用ROMEAD和ROMDAD两个特征向量作为概率神经网络的输入,经过网络训练,有效检测并分离出高斯噪声和椒盐噪声,并分别用均值滤波和中值滤波滤除噪声。径向基函数神经网络具有优良学习能力,均值滤波和中值滤波之后的图像作为输入,用径向基函数神经网络进行融合,更多地保留图像的有用信息和边缘信息。(2)传统直线特征提取方法中,Canny算子和Hough变换的直线提取效果相对较好,但Canny算子抗噪能力较差,提取效果受限于阈值选择,因此自适应性较差；Hough变换受噪声影响小,鲁棒性好,应用广泛。故本论文选择Hough变换方法进行图像直线特征的提取。(3)灭点是笛卡尔空间中的一组平行线在透视投影中的交点。根据灭点属性可知,灭点包含了摄像机的内部参数,根据单幅二维图像求解出摄像机焦距以及光心的位置；利用匹配图像对中的两两正交且不共面的三组平行线形成的灭点求解出摄像机相对于场景的位置关系矩阵中的旋转矩阵R,然后用三角相似原理找出同一条线段在以光心为原点的坐标系和以灭点为原点的坐标系中的匹配关系,求出位置关系矩阵中的平移分量t。(4)基于对偶四元数理论同时求解出摄像机坐标系和机器人末端执行器坐标系变换关系的旋转矩阵R和位置向量t,消除了计算传递误差。用目标物体上位置四元数和方向四元数的测量值与理论值建立误差方程,将约束条件与其联立起来,利用拉格朗日乘子法,构建拉格朗日函数,基于Hopfield神经网络技术求解误差方程的最优解,即求得目标位姿的全局最优解。(5)以目标物体的3D空间位姿作为机器人系统的控制输入,在基于位置的视觉伺服控制方法的基础之上,利用反演方法,设计反演控制器,选取控制律和自适应律,减小机器人结构、运动以及位姿测量结果等因素存在的误差和其他不确定性因素对机器人控制带来的影响,确保机器人系统全局渐近稳定。利用径向基函数神经网络,实现无需机器人精确模型信息的控制,设计鲁棒控制律以提高机器人系统对误差和干扰的抵抗能力,提高系统鲁棒性。