随着工业4.0的发展推进,智能制造,智能工厂的概念开始兴起,工业制造开始向着自动化和智能化发展。在这个发展过程中互联网,机器人,图像处理以及机器学习等开始被广泛地应用到工业生产制造当中。另一方面,摄像机就像机器人的眼睛,图像处理算法就是大脑中视觉感知的区域,图像处理与运动控制器的结合,是当前工业智能化发展的必然。因此,本课题采用开放式运动控制器作为图像处理的主站,并通过实时以太网EtherCAT与执行机构交互,提高了执行机构抓取的准确度。对于控制器,传统的专用机器人控制器专用性强,且接口封闭,用户很难直接对其进行二次开发使用,需要专门的技术支持,开发成本高,调试困难。开放式运动控制器具有模块化,可扩展性强等优点,用户可用接口丰富,使用方便。本文通过参与实时系统搭建,控制器通信主站的研发应用,以及自动化生产线的视觉分拣项目,在不影响运动控制任务的基础之上将机器视觉处理应用到机器人控制器当中,节约了硬件成本,提高了系统的集成度。本文从Preempt-RT、RTAI和Xenomai三种Linux实时性扩展方案中选择了 Xenomai,并对标准的Linux操作系统进行改造。它提供了对多种不同厂商的ARM芯片的支持而且兼容其他实时操作系统的应用编程接口,但需根据具体芯片优化定制。本文在NXP的i.MX6Q芯片上实现了 Linux+Xenomai的双操作系统方案。经过测试该方案的平均任务调度抖动时间在用户空间能够达到5μs,内核空间4μs,内核定时器任务响应延时仅为2μs,性能能够与商业版实时操作系统相媲美。此外由于Xenomai是一个开源项目,可以被完全免费地使用。本文采用了开源的IgH EtherCAT Master主站方案,成功搭建了 EtherCAT主站,包括:移植主站到i.MX6Q;网卡驱动定制编写。经过测试该EtherCAT主站最小通信任务周期可以达到120μs,从站的同步时钟能达到1μs的同步精度,效果良好,可以满足大多数的运动控制应用需求。本文在基于EtherCAT的主站上实现了流水线工件分拣功能。为了将工件从背景中分割出来,采集到的图像,经过均值滤波后转换到更接近于人眼认知的HSL颜色空间,通过颜色和亮度信息,将工件从背景中分割出来。然后,本文提出了一种改进的递归求连通域方法,该算法只需对图像扫描一遍即可完成聚类工作,而且避免了因为函数递归调用引起的系统开销和时间浪费。聚类工作可以去除干扰,同时能够求得工件的质心和外接矩形。根据工件的形状和颜色信息,将分割出的工件进行自动分类,取得了良好的效果,并通过图像的二阶中心矩求得工件的主轴方向,用于抓取时姿态的调整。获取工件在机器人坐标系的实际位置,通过EtherCAT总线下发给执行机构,完成抓取工作。最后,本文搭建了实验平台,并使用Qt编写了简单的人机交互界面,对实时性能进行了验证。