Bildverarbeitung um einen Roboterarm zu steuern ist nicht einfach. Inverse Kinematik ist nicht anfängertauglich. Auch die Koordinatensystemtransformationen (Kamera, Gelenke des Robis, Weltkoordinatensystem) machen das ganze kompliziert.
Bildverarbeitung kannst du bsp. mit OpenCV machen. Du solltest beide Themengebiete dir einzeln erarbeiten und dann die Kombination probieren.

Aber wie schon geschrieben: Taste dich langsam vor und komplexe Aufgaben lassen einen wachsen, aber zu komplexe Aufgaben demotivieren mehr als es dann bringt. Die richtige "schwere" der Aufgabe ist wichtig.

Gruß
Georg