随着中国制造业响应市场需求进行产业升级的发展，工业机器人的智能化普及成为了未来制造业崛起的关键力量。而当前应用于工业生产的机器人生产线普遍采用传统基于人工拖拽的示教编程的方式调整机械臂的运行轨迹，这种方式复杂耗时并且对操作人员的要求较高。提高机器人的智能化通常需要增加传感器收集空间信息，对这一发展方向，本文中的系统借助深度相机组成的深度视觉系统，无需传统编程示教即可快速的设置工业机器人移动轨迹并且降低了操作工人的使用门槛，能够极大地便于工业生产线的调整，为机器人产业的进一步智能化集约化提供了参考。本文主要的研究内容如下:
　　(1)建立了基于手势控制的智能工业机器人系统的软件系统和硬件平台，并创新性地使用软件制图以三维打印完成的标识器通过Kinect2深度相机获取点云信息，使用高效的三维点云图像处理算法得到标识器的位姿。
　　(2)对系统的视觉处理系统和手眼标定的方法进行处理，使用了张正友标定法和easy-handeye的手眼标定方法获取双目立体视觉的准确参数。通过在双目测量的基础上控制机械臂末端进行多次平移和旋转运动，线性获取手眼关系转换矩阵。并对标定的精度和双目视觉测量精度进行实验，求得本系统双目视觉部分最佳的结构参数。
　　(3)设计了新型的Vgg-Atten网络结构，并通过比较手势识别算法中常用的两种卷积神经网络AlexNet和VggNet训练的泛化程度，确定本系统手势控制模块最佳的神经网络算法。定义六类基本手势作为数据集带入以上三种网络中进行训练，比较在简单背景下的手势识别的结果。
　　(4)通过搭建的实验平台使用本系统进行固定的轨迹跟踪实验，并将实验结果与传统的机械臂编程示教结果相对比，结果表明本系统实现的轨迹精确度稍差，但实验耗时缩短一倍以上，具有良好的实验结果和进一步研究推广的价值。
　　最后，对于本文所设计系统的总体实验进行一系列的反复验证与实验表明本系统能够迅速反应工业需求，更快调整设定机械臂轨迹设定，降低操作员工的使用要求，如果进一步提高相机的三维重建精度并根据不同应用场景加入相应的传感器设备便可以满足于工业生产线的实际需求中，提高整体生产线的智能化程度，具有更加广泛的商用价值。