随着现代制造业的逐步发展,机器人在人类生产生活中扮演着越来越重要的角色,而机器视觉的出现使机器人更加的智能化。机器视觉能够像人眼一样获取外部世界的大量信息,最大限度的降低外部世界的干扰,并且可以在远距离完成对目标的探测任务,适用于较为恶劣的生产环境,因而越来越受到人们的重视。本文在研究了图像处理、图像识别及摄像机标定等技术之后,提出了一套机器人智能定位系统,该系统分为三部分。1)图像处理部分。本文研究了图像预处理的一些方法,通过对中值滤波、均值滤波和高斯滤波等方法的实验比较,发现传统的滤波方法会对图像产生模糊化的效果,因而选择高斯滤波作为去除噪声的方法。论述了几种图像分割的方法,根据机器视觉实际使用的场合和对几种方法效果的对比,选用Ostu法作为图像分割的方法。阐述了Sobel、Roberts和Canny等边缘检测算子的优劣,经过实验的对比,将Canny边缘检测算子应用于机器视觉中是比较合适的。2)图像识别部分。本文分析了基于灰度的匹配技术及基于特征的匹配技术,由于基于灰度的匹配技术计算量大,限制比较多。而基于特征的匹配技术具有稳定性好、匹配效率高、对图像的灰度和几何畸变等不敏感,抗噪声性能较强特征的特征,故而被选用为图像识别方法。在得到目标物体的边缘之后,采用Hough变换获得目标图像的最长边,进而求取原件偏转角。3)摄像机标定部分。本文讨论了摄像机的小孔成像模型和摄像机镜头的畸变模型。采用张正友的标定方法对摄像机进行标定,计算摄像机的内部参数和外部参数,求取成像坐标系和世界坐标系之间的转换关系。该视觉定位系统在经过反复的调试之后,可以使定位精度达到0.02 mm以下,满足了贴片所需要的精度。目前,国内用于贴片的都是专用的贴片机,而使用机器人进行贴片应用的非常少。贴片机不仅价格昂贵,而且只能用于专用的场合,不具有通用性。将本文所研究的视觉定位系统整合到机器人控制系统中,不仅能达到贴片所需要的速度和精度,该系统也能够适用于其他的应用场合,比如零件的装配等。这个系统的通用性对于机器人的广泛应用具有较大的推动作用。