随着装配式建筑及其工艺生产技术的快速发展,预制混凝土（precast concrete,PC）构件作为装配式建筑产业中最重要的一环,其需求日益旺盛。但是,目前PC构件钢筋绑扎工艺,主要为人工操作,生产效率与质量得不到保证。因此,为提高PC构件钢筋绑扎的生产效率和生产质量,研制一种基于视觉的智能钢筋绑扎系统迫在眉睫。针对上述问题,本文研究了图像驱动的PC生产过程钢筋绑扎建模与控制系统,设计了一种自动钢筋绑扎的机械手爪,安装在直角坐标机器人末端执行器处。并通过机器视觉对钢筋绑扎的交叉点进行精确地角点检测,从而得到交叉点的坐标。然后由PLC通过上位机将坐标信息传递给机器人,同时,采用PLC控制直角坐标机器人和机械手爪的动作,进而实现智能钢筋绑扎。具体研究内容如下:设计了钢筋绑扎机器人结构并进行模态分析。钢筋绑扎机器人包括用于定位的直角坐标机器人和用于钢筋绑扎的机械手爪。为了实现PC构件钢筋绑扎,分析了直角坐标机器人和机械手爪的结构特征。但是,由于机械手爪安装在直角坐标机器人的末端执行器上,所以机械手爪在运动过程中会与直角坐标机器人产生有关振动特性的问题。因此,本文对机械手爪进行了模态分析,鉴于模态分析的结果对机械手爪的结构适度调整,从而使其满足动态特性的要求。提出了基于ANPS的PC构件交叉点识别定位算法。针对钢筋绑扎交叉点识别定位问题,本文在原有算法的基础上进行创新,提出了ABHN阴影处理和PENS角点检测算法,通过将工业相机采集的图像进行阴影处理和角点检测等算法处理,可以识别出PC构件钢筋绑扎交叉点,并获得交叉点坐标信息,从而解决PC构件钢筋绑扎交叉点的识别定位问题,为后续机器人对PC构件钢筋绑扎交叉点进行钢筋绑扎动作提供了技术支撑。建立了钢筋绑扎机器人运动学及动力学模型与神经网络自适应控制系统。为了使钢筋绑扎机器人更加精确快速地到达指定点,分析了钢筋绑扎机器人的运动学与动力学,设计了基于神经网络自适应的钢筋绑扎机器人控制器,提升了钢筋绑扎机器人的稳定性和鲁棒性。搭建了PC构件钢筋绑扎实验平台。本文通过与其他算法进行对比,验证了所提出的ANPS算法的鲁棒性,算法的识别时间低于1.4s。针对提出的智能钢筋绑扎系统进行实验,结果表明,交叉点定位的准确率大于85%,位置误差小于1mm,PC构件钢筋绑扎的合格率高于80%,平均合格率为92%,为本研究及实际应用奠定了基础。