在人类所感知的环境信息中，视觉信息占了非常大的比重，而动态视觉信息更是其主要组成部分。计算机视觉是用计算机模拟人眼功能，从图像或者图像序列中提取信息，对外界环境中的事物进行形态和运动识别。基于机器视觉的检测跟踪已成为当前机器视觉领域的研究热点。本文进行的研究是基于机器视觉的基本理论，搭建一个视觉伺服平台系统从而进行视觉跟踪方面的研究。 　　传统的锂锰扣式电池的分选装盘主要靠人工来完成，分选装盘时存在速度慢、精度不统一、劳动量大等问题，应用机器视觉可有效的实现大批量产品的快速化、准确化。扣式电池的外壳由不锈钢制造，本文采用人工LED光源照明解决了金属表面的反光问题；利用LabVIEW 软件提供的模板匹配相关的函数，综合运用非均匀采样、边缘检测等匹配方法，提出了针对多个电池目标分区域进行模板匹配的检测方案，最终实现了快速、准确的电池分选装盘。 　　本课题构建的视觉伺服平台实现的另一功能为简单背景下运动目标的跟踪，根据系统标定的像素尺寸计算出运动单元的控制量，将数据传递到伺服控制系统从而完成目标的抓取。其次，研究了运动目标跟踪算法。一方面，设计了基于颜色特征和形状特征的目标物分割算法，实现了对图像中彩色目标物的有效分割。另一方面，对经典Camshift跟踪算法进行了改进：实现了该算法的全自动化；将 Kalman 滤波器融入其中，提高了算法在目标物遮挡情况下的鲁棒性。 　　整个系统以LabVIEW为开发工具，研究IMAQ Vision图像处理软件中的图像处理技术，解决了机器视觉编程和修改困难等问题，满足了机器视觉更快、更准确、更可靠的发展需要，软件设计充分利用其图像处理功能的模块化，在反复试验的基础上，选择最佳的图像处理过程，使系统的结构清晰，界面友好，成功完成了软件系统的开发。