随着我国产业结构升级,工业生产线上出现了越来越多的机器人,人们将它们用于替代单调高强度的工作。在电子、汽车、食品、医药等行业的生产流水线上,存在着许多质量轻、体积小的物件需要进行检测、分拣、装配、转移、包装等单调高劳动强度的工作,此时惯性小、速度高的Delta机器人就派上了用场。根据Delta机器人对传送带上的工件分拣作业的工作特点,采用机器视觉技术对工件进行辅助识别定位。首先标定相机内参,进行图像校正。目标物体识别定位的算法采用基于形状模板的匹配方法,以图像金字塔模板匹配搜索策略优化模板匹配算法,提高了匹配速度。利用工业CCD相机以一定频率连续拍摄的方式图像采集,之后运用所开发的检测识别算法检测识别传送带上的工件,提取目标抓取位置的图像像素坐标。进行相机的外参数标定,求解目标抓取位置在机器人坐标系下的实时坐标并将结果传递给轨迹规划算法完成目标工件的抓取作业。在机器人的轨迹规划中,以时间最优为目标函数,采用一种带有参数n的修正梯形加减速控制模式在机器人关节空间进行轨迹规划。实验结果表明:在相同位移和最大加速度的前提下,该轨迹规划方法在行程较小时启停稳定,在行程较大时有较高的运动速度,可大大减小机器人机械振动和优化整体运行时间。传送带上的工件抓取需要满足工件抓取过程不重不漏且尽可能提高机器人工作效率,采用一种传送带与机器人速度相协调的运动控制算法,该算法可以保证了在工件密集时不漏拣,传送带上的工件稀疏时提高分拣速度的目的,充分发挥了伺服电机易于控制且控制精度高的工作特性,达到了提高机器人工作效率的目的。最后作者将所研发的算法集成到以.NET Framework为架构基于机器视觉的Delta机器人运动控制系统应用软件。