机器人可代替人类完成重复的简单工作,但随着人类需求的日益增加及应用场景的愈加复杂,采用传统离线编程的机器人只能在结构化环境中以固定轨迹运动,无法满足灵活多样的应用需求。人机协作范式结合了人类高灵活性和机器人高精度大负载的优势,能够解决工业中多规格、小批量的零件装配或协同搬运等任务,但是协作系统中环境感知设备成本高昂,机器人在面对复杂多变的抓取装配任务适应性及安全性差。为解决上述问题,本文围绕基于视觉的位姿估计、机器人在线运动生成、安全协作保障等关键技术开展了研究。本文基于视觉感知和机器人运动规划技术,建立了一种动态环境下的机器人感知及位姿运动策略生成的人机安全交互方案。针对动态环境中的图像信息,提出了基于稀疏区域的位姿估计方法获取零件和障碍物信息;针对动态环境下机器人的运动规划,提出了从示教数据中学习控制特征,使机器人面对任务时动态生成运动策略;针对协作过程中的人机安全,对障碍物进行建模,对运动策略实时修正,实现了动态避障,保障协作任务的安全执行;对以上研究在仿真和实际环境下进行了验证。具体地本文针对以下方面开展了研究:（1）人机协作系统平台构建及视觉标定。设计了包含执行层、感知层、控制决策层的协作平台,提出了感知、运动策略生成算法及控制系统设计方案。改进了机器人协作平台标定方法,开发了标定软件,实现标定过程自动化、可视化,通过图形界面操作完成相机与机器人的标定,eye-to-hand标定精度达到1.028 mm,为后续机器人决策算法中感知信息的准确输入奠定基础。（2）基于Region-Based的弱纹理物体位姿估计方法。利用单目RGB摄像机和物体三维模型获取物体位姿,以物体轮廓点为中心构造对应线,稀疏地采样图像信息,提出兼具定义全局和局部不确定性的平滑阶跃函数,对物体轮廓位置的概率进行建模。使用稀疏视点模型获取物体姿态的联合后验概率,Tikhonov正则化的二阶牛顿优化得到概率最大值,分步使用全局最优和局部最优迭代,得到物体6-Do F位姿信息。实验结果表明,本方法在复杂场景下较Tjaden方法准确性提高了13.26%,计算效率提高了19.3%。（3）基于位姿动态系统的机器人运动规划方法。针对机器人的在线运动规划,提出了将机器人位置和姿态解耦,学习示教数据中的控制策略及抓取姿态映射关系,在欧式和流形空间中分别训练基于位置和姿态的非线性动态系统,结合稳定性分析转化为最优化问题求解模型参数,获得自治状态控制器。实验结果表明,该位姿动态系统能够生成向目标位姿收敛的运动策略,在保证精度同时具有较好的泛化能力,经交叉验证姿态的误差中值为0.151 rad,较基于任务参数建模的方法精度提高了27.3%。（4）人机安全协作保障及运动策略生成。针对动态环境下的机器人安全避障,通过视觉获取障碍物位姿信息并建模,引入与障碍物形状和运动状态相关的调制矩阵,通过实时调整动态系统生成的机器人运动速度,实现了机器人末端的在线避障,最近距离为0.10m。最后开展了动态环境下人机安全协作策略生成实验,系统实现了避障并抓取目标物体完成协同搬运任务,证明了系统的可靠性与安全性。