近年来,随着科技的进步,机器人的手眼系统研究成为人工智能研究的重要方向,手眼系统也是组成机器人系统最重要的部分。在赋予机械臂视觉系统之前,机械臂的运动轨迹往往都是事先规划的点对点的移动,在无法接收外界信息的情况下,无法根据环境变化做出相应的调整,视觉识别系统和机械臂抓取系统的结合解决了这一问题,手眼系统的使用提高了机械臂的智能化程度,具有重要的研究意义和应用价值。论文主要是对基于YOLO-V3目标检测算法的手眼系统的展开研究,主要工作流程:首先视觉传感器采集图像信息,经过图像处理和检测定位得到目标的图像坐标信息,然后通过使用标定方法求得的相机内外参数获取目标的三维坐标信息,最后将目标的三维坐标信息传递给机械臂抓取系统,完成抓取任务。主要工作可分为以下几个部分:第一部分目标检测算法,第二部分基于YOLO-V3目标检测算法实验和改进方案,第三部分基于Kinect-V2视觉传感器的手眼标定实验,第四部分手眼系统的抓取实验。本论文研究的视觉系统中,YOLO-V3算法作为深度学习领域较为先进的算法,在用于目标的检测识别任务时,相比较传统算法和其他深度学习算法,不仅检测速度快,而且检测精度也更高。针对实验过程中出现目标部分遮挡导致漏检和误检问题,提出了基于Soft-NMS的改进方案,大大提高了检测速度和检测精度。在获得像素坐标后,需要将像素坐标转化为Dobot机械臂基座标下的三维坐标,本论文使用张正友标定法对Kinect-V2进行相机标定和手眼标定实验,获取相机内外参数,并给出了几种提高标定精度的方法,实现了图像坐标向三维坐标的转化。在最后一部分的手眼系统的抓取实验中,基于深度学习一体机、Kinect-V2视觉传感器和Dobot机械臂完成整个硬件系统的搭建,基于ROS完成了整个软件系统的搭建,进行目标识别定位和抓取实验,验证此系统自主抓取的成功率并做误差分析。结果表明,基于YOLO-V3目标检测算法的手眼系统能够成功抓取目标,具备可行性和实际应用价值。