机器人的柔顺控制与视觉是机器人控制中重要的采集与反馈环节,随着机器人任务复杂程度的提升,多传感器数据融合的研究越来越重要。在机器人应用中视觉与力觉融合多出现在去毛刺、抛磨与装配等场合,这些场景要求机器人可自主控制末端执行器动作,并且对机器人末端与环境间的接触力有严格要求。本课题针对机器人在控制过程中的力觉与视觉进行了研究,并在此基础上完成了柔性控制的研究。本文首先介绍了机器人的各项参数,根据Denavit-Hartenberg方法建立机器人的运动学模型,通过解析法求得机器人的逆运动学方程组,并在Matlab中编写运动学正逆解程序,通过Robotics Toolbox工具箱验证机器人运动学正逆解,仿真结果表明运动学方程求解正确。介绍了视觉系统中的相机成像原理,解释在视觉采集过程中的各个坐标系之间的相互关系,完成了相机标定,得到相机的内参数,并对机器人与相机进行手眼标定,通过多组实验计算得到相机的外参矩阵。对机器人末端与环境接触的力学模型进行了建立,并对机器人柔性控制中的经典阻抗控制进行研究。通过对比后,选择基于位置的阻抗控制作为课题中机器人的柔性控制策略,在此基础上提出了针对不同场景下,基于卡尔曼滤波的力控制与自适应阻抗控制,对两种控制策略进行仿真验证,证实控制策略在各自应用场景下的可行性。对相机采集的图像进行引导图的降噪处理,在多种二值化阈值求解方法中比对,得到适用于场景下的计算公式,对处理后的图像进行分割处理得到目标边缘轮廓,并通过求解PnP问题得到目标轮廓在相机坐标系下的表示。将目标轮廓通过推导转换到机器人基坐标系的表示,介绍了有Kuka公司提供的工具坐标系标定方法,在Solidwork中对机器人、末端工具与目标工件的三维模型进行建立与处理,导入Simscape Multibody中完成机器人的可视化力控制仿真,对仿真得到的力馈数据进行处理得到了经典阻抗控制在轨迹跟踪时与基于卡尔曼滤波的力控制反馈力比对。结果表明后者有更好的控制效果。