机器视觉作为获得环境信息的主要手段之一,可以增加工业机器人的自主能力,提高其灵活性。工业机器人通过视觉如何根据所获取的图像信息,正确地、实时地提取出工件特征参数、识别出工件类型并判断出工件所处的位置姿态,是机器视觉应用于工业领域的关键技术之一。本文以机械手目标识别和定位算法为研究目标,主要针对工件的实时匹配识别技术和空间定位技术进行了详细的研究。主要工作如下：1.为了解决亮度不均匀等复杂环境下的图像匹配问题,改进了一种基于边缘匹配的工件识别算法。该算法对原始图和模板图采用样条小波进行增强,用Canny算子提取的边缘信息作为匹配特征,将改进的Hausdorff距离作为图像匹配的相似性度量,在搜索过程中采用了基于种群代沟信息的自适应遗传算法,在不损失解的质量的情况下,使遗传算法求解效率得到明显的改善。实验结果表明,该算法不仅加快了匹配过程,对于光照条件的变化具有很好的抵抗能力,而且能有效解决不易提取边缘信息等情况下的图像匹配识别问题。2.为了解决平移、旋转、缩放和部分遮挡等复杂环境下的工件图像匹配问题,给出了一种基于SIFT特征匹配的工件识别算法。该算法采用SIFT(尺度不变特征变换)特征作为匹配特征,引入欧氏距离作为图像匹配的相似性度量,最后对特征点进行错配消除,大大提高了匹配的速度。实验结果证明,该算法能有效解决具有平移、旋转、缩放和部分遮挡等情况下的工件匹配识别问题。3.小波变换具有数据压缩和检测信号局部突变的能力,而SIFT(尺度不变特征变换)对于平移、旋转、缩放和部分遮挡具有不变性。结合小波变换与SIFT特征提出了一种有效的工件图像匹配方法。该方法将原始图和模板图做小波分解以获得粗尺度的平滑图像；利用DoG算子对工件图像进行关键点检测,进而用欧氏距离对关键点进行特征匹配,最后对特征点进行错配消除。因此,两者优势的结合不但可以有效减少工件图像匹配的计算量,而且还可以减弱对于图像采集平台拍摄方位、拍摄距离、角度、光照条件等的依赖性,提高算法的实用性。4.结合生产制造过程中工件的自动定位、识别、计数、分类等问题,为满足硬件及实时性要求,针对DSP6000系列VC4016嵌入式智能相机(以下简称VC4016),提出一种基于视觉的工件特征向量匹配识别方法,对每个工件进行特征提取,并建立向量对应关系,采用特征向量匹配方法与基于神经网络实现工件的识别。然后,应用VC4016,采用色彩转换,RlC(run length code)图像处理技术和Socket通信技术,实现工件自动定位识别系统的软件开发。5.对目标的三维重建工作进行了研究,主要从视觉系统的构建入手,通过对常用的摄像机模型及其标定方法的分析,建立了同时对两摄像机进行标定来推导两摄像机位姿关系的方法。鉴于棋盘格图像应用在本文的摄像机标定中,因此为了对边缘模糊的棋盘格图像进行在线标定,提出了一种改进棋盘格图像角点检测效果的方法,该方法是对标定板图像采用小波增强,以提高标定板图像的清晰度。利用图像点及摄像机的标定参数求解空间点的位置,根据两摄像机之间的位姿关系,把图像点在某一摄像机坐标系下的坐标值转化为另一摄像机坐标系下的坐标值,从而简化了空间点的求解问题。