工业生产线中搬运抓取工件主要借助人工控制或利用预先示教的工业机器人完成,这种方法生产成本高,灵活性较差,有着明显的不足。机器视觉与工业机器人相结合应用于工件的分类识别与定位可以有效的提高抓取作业的自动化和智能化程度。本文通过构建双目视觉机器人识别与定位抓取系统,分析研究并优化多类型工件的图像预处理、识别定位与机器人抓取的关键技术,为工业生产中基于视觉实现识别定位与机器人智能化抓取研究提供理论基础。首先,建立相机成像模型,分析相机镜头的畸变模型,通过双目标定确定两个相机之间的结构参数,然后利用Halcon内部函数库编程和Matlab标定工具箱完成相机标定,获取双目相机的标定参数和镜头的畸变系数,基于Halcon消除左右相机的镜头畸变,优化相机的标定参数,计算并对比两种标定方式的标定误差和精度,最后研究了机器人手眼标定原理,通过实验获取手眼转换参数。然后,通过分析图像预处理方法的基本原理,将图像滤波与图像增强相结合来消除工件图像中存在的多种噪声,解决图像所受到的亮度影响,通过预处理实验验证融合算法的鲁棒性和有效性。其次,分析优化基于形状特征的模板匹配识别方法,基于Zernike矩方法提取工件的亚像素轮廓边缘用于模板匹配识别,提高工件识别的精度。通过设定相似度量的终止搜索阈值,提高模板匹配的速度,防止误匹配。研究图像的高斯金字塔原理,通过实验确定最优的高斯金字塔层数,提高工件识别的速度。最后通过对处于不同场景的多类型工件进行识别实验,验证优化后模板匹配识别算法的识别精度和识别速度。接着,研究了目标工件的空间定位技术。基于Bouguet算法完成双目立体校正,阐述了常用的立体匹配方法。在进行立体匹配前利用直方图匹配优化工件图像,提高立体匹配算法的精度,然后在立体匹配中引入积分图像理论,降低匹配代价函数计算的复杂度和运算量,从而高效精确的完成工件图像的立体匹配,提取工件的视差图并计算视差值,结合相机标定参数与三维重建原理确定工件的空间位置。最后,通过构建系统的硬件平台和基于Halcon与Visual Studio C++联合开发的系统软件平台完成双目视觉机器人识别与定位抓取系统的整体搭建。分析了机器人抓取多类型堆叠工件的策略,设计并进行机器人抓取实验,实验结果表明机器人视觉抓取系统能够成功的完成多类型工件的识别定位与机器人抓取任务,验证了本文识别与定位算法的有效性和抓取系统的可行性。