随着计算机技术的迅速发展,机器视觉技术在工业生产中得到了广泛的应用。机器视觉的应用使得工业检测的效率大幅提升,并对工业的自动化与智能化起到很大的推动作用。本文建立了一套实验系统,对视觉算法在工业检测上的应用进行研究。该实验系统可以为视觉算法研究提供实验与验证的平台,同时也可以研究工业生产环节中光机电的协调控制问题。本文主要的研究内容如下:首先介绍了基于机器视觉的工件检测实验系统的整体架构与硬件搭建。实验系统硬件部分由检测模块、执行控制模块以及机械模块三部分构成,根据实验系统功能需求以及设计需求对硬件进行选型,最终完成硬件设备的安装。其次,为了解决工件的朝向变化导致的工件类别检测困难问题,本文将稀疏表示算法应用于任意朝向的工件的类别检测。通过建立工件的Gabor特征字典,并根据检测的工件图像特征向量求解稀疏重构的解来获取工件的类别标签。与其他类似的典型算法相比,所研究算法具有较好的准确性和高效性。随后,针对工件的3D点云重建,本文采用双目视觉系统的范式,在两个不同的方向上分别对工件拍照,利用特征点匹配的方法实现对3D点云的重建。根据两张不同方位的工件图像分别提取其特征点并对特征点进行匹配,根据匹配的点对求解出点对间的工件坐标转换矩阵,再根据坐标转换矩阵还原工件件特征点的空间位置最终获得其三维点云。通过对典型工件的3D点云的重建验证了该方法的有效性。最后,将本文所研究的工件检测方法在系统上进行系统实现并验证算法的性能,建立了系统的可视化控制界面,并将所研究的视觉算法与所设计系统的功能模块相结合,其中包括稀疏表示算法在工件类别检测和分拣模块以及工件组合体的检测模块的应用;并利用系统的双目视觉系统对工件3D点云重建进行系统的实现。在系统实现的基础上,借助实验系统平台,进行多次实验,进一步对算法的实际应用性能进行了验证。