随着图像处理技术和机器视觉技术的发展,基于视觉的识别和定位系统在工业自动化中得到了广泛的应用。目前,由于识别准确度和识别速度的限制,识别的对象还仅限于形状规则、结构简单、特征明显且判定准则单一的目标。为满足柔性自动化制造中多品种零件加工、装配以及汽车拆解回收等再制造领域回收零件自动分类等需求,基于视觉的多类型工件的识别和定位问题成为视觉识别领域的研究热点。本文结合双目视觉和工业机器人,构建多类型工件的识别和定位系统,重点解决多类型工件的识别过程中存在的因工件位姿多变,与模板差异较大造成的匹配成功率低的问题,以及目标定位中的三维位姿计算精度低和速度慢等问题。首先,根据系统工作环境要求,构建双目视觉系统,包括传感器的选型和安装等。介绍了目前比较成熟的视觉系统标定原理,在张正友标定法原理的指导下,基于平面模板图像编写了相机标定程序,实现对双目视觉系统的快速准确标定。然后,利用旋转和尺度不变性的模板匹配方法实现多类型工件的识别。根据高斯滤波和中值滤波的原理,提出一种新的中心点邻域滤波方法对原始图像进行滤波去噪,并利用直方图均衡化方法对图像进行预处理操作。在Otsu二值化算法的基础上,采用预先计算分割阈值的方式完成图像分割。利用Canny算子提取工件的轮廓,通过Hu不变矩原理与模板图像进行匹配,识别出目标工件。通过实验验证了改进的识别算法的有效性,提高了识别的准确率。其次,通过图像匹配的方式对特征点进行三维重建,计算工件的位姿。提出了一种面向图像匹配的基础矩阵估计改进算法。首先利用亚像素级Harris角点检测方法提取特征点,然后通过改进的NCC算法对特征点进行粗匹配,并采用快速聚类法进行匹配点提纯。最后引入统计学中的分块随机抽样法对匹配点进行优选,实现对常用的基础矩阵估计算法──Hartley 8点法的改进,得到准确的对极几何关系。根据三角测距原理和对极几何关系对特征点进行快速三维重建,得到目标工件的位姿信息。最后对双目视觉识别和定位实验系统进行总体设计,开发了标定模块、图像采集和处理模块、机器人通信模块、机器人自动控制程序,实现了多类型工件的识别、定位和抓取,验证了本文所提出方法的有效性。