Como un sistema de posicionamiento visual típico, el rango monocular se utiliza ampliamente en varios campos. Sin embargo, a medida que aumenta la distancia, existe un mayor margen de error. La red YOLOv8 tiene las ventajas de una velocidad de reconocimiento rápida y una alta precisión. Este documento propone un método que combina el reconocimiento de la red YOLOv8 con un método de rango monocular para lograr la localización y la captura de objetivos para los robots NAO. Al establecer un modelo de compensación de error de distancia visual y aplicarlo para corregir los resultados de estimación del modelo de medición de distancia monocular, se mejora la precisión del posicionamiento visual monocular a larga distancia del robot NAO. Además, se propone una estrategia de control de agarre basada en la interpolación de poses. A lo largo de todo, se confirmó la ventaja del método propuesto en la precisión de la medición a través de experimentos, y la estrategia de agarre se ha implementado para agarrar con precisión el objeto objetivo.