随着新一代信息技术与制造业的深入融合,传统的人工检测模式已经不能满足快节奏、柔性化的生产需求,在自动化生产线中,视觉系统必要时需要与工业机器人协同配合,并与生产线的PLC控制系统相匹配,以实现在线检测、识别、定位等功能。本论文以图像处理算法原理为基础,结合视觉定位关键技术,重点研究自动化生产线中机器视觉系统的应用。在研究过程中,结合机器视觉与工业机器人,设计研发了一套面向某自动化生产线的工业机器人视觉引导系统,重点解决机器人手眼标定过程中存在的识别定位精度低的问题,以及实现工件的在线检测。本文主要研究内容及结论如下:(1)根据某自动化生产线各工位的检测要求,在实验室环境下搭建了硬件系统,主要包括工业相机、光学镜头与照明光源等设备的选型与安装等。探究了不同成像模型对相机标定结果的影响,并揭示了相机标定的算法原理,在此基础上,基于HALCON视觉软件设计了相机标定算法。结果表明,所选镜头存在桶形畸变,面扫描非远心Polynomial成像模型更符合实际的光学成像模型,使用Polynomial成像模型进行相机标定得到的平均误差最小且Mark点中心距更接近实际值,最终利用相机标定在校正镜头桶形畸变的同时,获取所选相机的内部参数与外部参数,实现了对视觉定位系统的精确标定。(2)采用基于边缘检测的强定位算法用于工业机器人的手眼标定,探究了传统定位算法的检测原理,在实验室环境与实际工况环境下设计并实施了基于阈值分割与基于模板匹配等传统定位算法的实验。为解决传统定位算法的定位精度与抗干扰性差等问题,提出了一种基于边缘检测的强定位算法对九点标定图像中的Mark点进行精确定位,在基于阈值分割的定位算法的基础上,采用预先计算的最佳阈值对九点标定图像进行分割;为消除背景区域的灰度干扰,对图像进行了二值化操作与特征检测等图像处理操作,将Mark点从图像中准确分割出来后,利用边缘检测算法提取Mark点轮廓,通过基于Tukey的最小二乘法对Mark点5次迭代拟合后,准确获取Mark点中心坐标。通过实验,验证了基于边缘检测的强定位算法的有效性,提高了手眼标定的定位精度,具有较强的抗干扰能力。(3)深入研究相关图像处理算法的计算原理,针对工件形状特征,设计了相应的图像处理算法方案。为了提高算法的鲁棒性与系统运行效率,对工件图像进行灰度处理,在降低彩色图像矩阵维数的同时,大幅提高了运算速度;为了滤除工件图像中的噪声点,分析对比了邻域平均滤波、中值滤波、高斯滤波与双边滤波等多种滤波去噪算法。实验结果表明,采用双边滤波算法对图像进行平滑处理时,不仅可以滤除噪声,还能保护工件边缘轮廓信息不被破坏;为了实现工件的在线检测,对工件轮廓执行边缘检测,使用基于Tukey的最小二乘法对参考图像中的工件轮廓进行直线拟合,并使用基于形状的模板匹配算法对待测图像中的模板区域进行识别与定位;利用模板匹配获取的位姿数据建立仿射变换矩阵,将拟合好的边缘直线仿射变换至待测图像中,再次执行边缘检测即可得到待测图像中工件的边缘轮廓,最后通过数学公式计算出工件的位姿数据。(4)针对某自动化生产线的项目需求,对视觉引导系统进行了总体设计。基于Winform桌面应用程序,采用C#语言与HALCON视觉软件进行联合编程,设计并开发了一套包含Motion总控软件与3个视觉定位软件的视觉引导系统;为实现Motion总控软件、各工位视觉定位软件与PLC之间的数据通信,编写了一套通信协议。经过多次调试,本文所设计的视觉引导系统可辅助运动控制系统完成工件的上下料、涂胶、精密装配与螺钉紧固等生产线作业任务,验证了视觉引导系统的可靠性与有效性。