在人工智能的大背景下,传统机器人已经满足不了人们的要求,智能机器人成为广大学者的研究焦点,基于深度学习的智能机器人研究更是智能机器人的关键技术所在。本论文主要对基于深度学习的服务机器人视觉系统进行研究,其主要工作流程:首先语音信号获取命令,告知系统下一步的动作指令,其次视觉系统进行定位分析,得到待抓取物体的坐标,最后服务机器人手臂抓取物体并完成指定的动作。主要工作分为以下几个部分:第一部分机器视觉、第二部分双目视觉、第三部分视觉误差校正和第四部分深度学习卷积神经网络。机器视觉部分,主要是对物体识别算法进行了研究,分别对Adaboost算法以及SVM(支持向量机)进行了理论研究,并在具体的实验中进行实验分析。双目视觉部分是服务机器人视觉系统的基础,根据双目相机成像原理建立三维坐标系,并进行语音识别。获取语音命令后,对处于该空间内的物体进行三维定位。双目相机成功取代了传统的陀螺仪与激光传感器的定位方式,更加准确便捷,并将机器视觉部分与双目相机部分结合起来应用到护理机器人上进行实验分析。视觉误差校正部分提出了一种基于BP神经网络校正视觉误差的方法,大大降低了视觉误差,确保了系统的准确性。成功的解决了目前视觉定位精确度不足的问题。深度学习卷积神经网络部分优化了卷积神经网络反向传输环节,并将其成功应用在护理机器人,极大地提高了系统的物体识别率。并提出了一种基于深度学习的机械手抓取方法。以上四个部分均在基于深度学习的服务机器人视觉系统中进行了具体的实验验证,并进行实验分析。四个部分组合在一起构成基于深度学习的护理机器人的视觉系统。