在以往的工业生产过程中，对生产线上待加工或待装配物体往往以纯机械方式进行排序或装配。该方式结构复杂，容易出现拥堵，生产柔性低，大大影响了生产效率。针对这一难题，急需有效的解决方案。　　 本课题从实际应用出发，针对生产线上待加工或待装配物体以纯机械的方式进行排序柔性低的问题，提出了以机器视觉为引导并控制执行机构对生产线上物体进行排序或装配的解决方案。该方案结构简单，生产柔性高，尤其是在小批量多品种的生产模式已逐渐成为未来制造业的发展趋势的将来，该方案能够根据外部环境或生产结构的变化做出相应的调整，大大提高了生产效率。　　 本文围绕视觉系统展开研究，按照实现系统所涉及到的理论与方法，全文共分为以下几个部分：　　 1、由于视觉系统必须能够根据图像计算出目标物体在场景中的位置，因此本文研究了相机标定。基于两步法的摄像机标定综合了线性变换法和非线性优化法的优点，不但考虑了各种畸变，而且将非线性问题转化为线性模型去解决，简化了计算过程，提高了计算效率，得到的计算结果更加精确。本文利用两步法的摄像机标定算法，并成功实现了标定算法，标定出单目摄像机的内部参数和外部参数。　　 2、目标检测是视觉系统的必要组成部分，直接影响着目标跟踪的精度。本文研究了多种目标检测算法原理，并对这几种目标检测方法进行了比较。在本文的应用中，采集的图像的目标和背景的灰度值相差较大，且图像照明比较均匀，其直方图呈现明显的双峰，因此采用了基于图像二值化的目标检测方法。　　 3、由于传送带上的目标是运动的，因此视觉跟踪是视觉系统的又一组成部分。本文研究了视觉跟踪的概念和主要内容，在目标检测的基础上，进行了目标的定位，并利用GNN(全局最近邻法)算法与卡尔曼估计算法，实现了对传送带上目标物体的跟踪。