现代化工业流水线上,工件的自动抓取是一个非常重要的环节。双目视觉技术利用视差原理能够恢复目标物体的空间信息,将机械手与其相结合,可以解决传统生产线对机器人通过离线示教方式进行抓取的弊端,对于提高生产效率和自动化程度有着重要的意义。本文立足于智能制造领域中实现机器人准确、高效的自动抓取工件的需求,提出一种基于双目视觉的运动工件识别与机器人抓取系统,提高了抓取过程的自动化程度。本文详细介绍了系统涉及的关键技术,对需要的软、硬件进行选型,分析了几种不同的双目视觉模型,设计了完整的系统工作流程架构。对比了不同的图像预处理算法的特点,利用直方图均衡化和中值滤波的方式对图像进行增强和平滑;深入研究了特征提取和匹配算法,分析了传统图像特征提取算法的特点,基于加速分割测试特征(FAST)和加速稳健特征(SURF)的优势以及主成分分析算法(PCA)的降维特点,提出了一种改进的SURF算法用于工件图像的特征提取,同时对该算法以距离测度作为相似性度量技术进行左右图像特征点的粗匹配;通过实验验证,该算法运行时间相比传统的SURF算法提高了 3倍,匹配正确率相比传统的SIFT算法提高了 13%。研究了目标工件识别与空间定位方法,对比了在光照、缩放和旋转等不同环境下传统图像识别算法和改进的SURF算法对工件图像的识别效果,验证了改进的SURF算法对图像识别的有效性;采用随机抽样一致算法(RANSAC)将错误的匹配点对剔除,实现了目标工件特征的精准识别;利用目标边缘法计算了工件的形心,确定了目标工件的平面位置信息;进行了张正友标定实验,结合标定结果完成了某一时刻形心位置的三维重建,计算机械手臂从复位状态到实现抓取时间段内传送带运动的水平距离,最终确定了抓取点的三维空间坐标。分析了机械臂运动学,进行了手眼标定实验,开发了集双目视觉识别与机器人抓取于一体的软件系统,在搭建的实验平台上将视觉子系统与抓取子系统结合,实现了双目视觉技术的具体工作应用。结果表明,基于双目视觉的运动工件识别与机器人抓取系统可以满足目标工件图像的准确识别和机器人实时抓取要求,运行效果良好。