本文研究了基于双目立体视觉的工件识别与定位技术,目的在于解决工业现场中堆叠工件的识别与抓取问题,从而提高工业生产的自动化水平。本文以双目视觉系统为基础,研究了手眼相机标定、工件的检测与识别、定位与抓取避撞等内容,并且搭建了基于双目视觉的机器人抓取平台,实现了对工件的抓取。本文首先研究了Eye-in-Hand双目视觉系统中相机标定的相关问题。针对相机标定过程中角点提取精度不高的问题,采用一种基于透视校正的角点提取方法。通过畸变校正与透视校正获取实际情况下的角点坐标,较传统标定算法能显著提高标定精度。接着引入直积法完成对手眼系统参数的标定,消除分步标定带来的累积误差。为了完成对堆叠工件的识别,针对规则工件,本文采用边缘几何特征来检测工件。首先采用Gamma校正与双边滤波完成对图像的预处理,接着采用一种基于Sobel算子与区域生长法的边缘检测算法,能够准确的检测出图像中堆叠工件的边缘区域。最后结合基于梯度方向的椭圆拟合算法检测工件,较Hough变换和最小二乘法检测的结果更为精确。采用支持向量机对检测出的工件进行识别,提出以HOG特征与LBP特征融合的方式训练出权值可变的分类器,并对LBP特征的抗噪性进行了分析。接着引入双目测距模型,采用基于边缘几何特征匹配的方式重建出工件的空间位姿,并对姿态拟合误差进行了分析。搭建了视觉系统的实验平台。分别通过实验对视觉系统的定位精度和工件抓取的可行性进行了验证,针对机械臂抓取时手爪与箱壁碰撞的问题,采用位姿修正方法来避免碰撞。实验结果表明:本文的识别与定位算法稳定性好,能够满足实际的堆叠工件识别与抓取需求,达到了预期的目标。