三维视觉技术能极大增加自动化生产的柔性、智能化、提升生产效率和降低工人劳动强度。在工业自动化生产过程中,工件的自动化上料是必不可少的工序。本文以三维视觉系统为研究对象,研究了三维视觉系统的标定方法与散乱物料的识别及定位方法。通过标定三维视觉系统与处理3D视觉传感器获取的图像实现散乱物料中工件的识别、定位及抓取,完成的主要工作如下。研究三维视觉系统的标定,提出了一种非接触的三维视觉系统手眼标定方法。针对工业现场中汽车座椅骨架焊接的上料需求和线结构光三维测量方法的特点,设计了基于线结构光的三维视觉系统方案。其次建立了3D视觉传感器模型,设计了3D视觉传感器标定软件,完成了3D视觉传感器的内外参数、光平面参数的标定。最后采用提出的非接触的三维视觉系统手眼标定方法完成三维系统手眼关系标定,该方法采用圆锥体作为标定块,通过3D视觉传感器采集标定块图像,基于Halcon编写上位机程序对图像进行处理计算,自动获取3D视觉传感器坐标系下标定块特征点坐标,利用该方法对三维系统进行标定能够提高工业现场的标定效率和标定精度。研究三维点云图像的预处理方法,实现了场景点云图像的预处理。针对获取散乱工件图像,采用直通滤波法滤除背景和无关点云数据,利用体素网格法精简了点云数据,采用Kd-tree算法对点云图像建立了点云拓扑关系并实现了K邻域快速查询,利用统计方法完成了离群点剔除,以上处理大大减少了点云数据并提高了图像质量。基于以上工作,利用平面主成分分析法估算了点云法向量,并对法线进行了一致性调整,为后续工件识别定位做准备。研究散乱物料定位识别方法,实现了基于三维重建模板的散乱工件的定位识别。采用快速Delaunay三角化算法对工件模板进行了重建,基于约束条件提取PPF特征描述子。提出基于霍夫投票与ICP的工件定位识别算法,先利用霍夫投票对工件进行识别和粗定位,再将粗定位的结果作为ICP算法迭代的初值对工件进行精定位。该方法在工件定位识别实验中的定位准确性系数为0.902、检测时间为4.43s,兼顾了精度和效率。设计了物料无序抓取人机交互软件并进行了在线抓取实验。提出了基于匹配得分和z值平均值加权的工件抓取评价方法,为工件优先抓取提供依据。实验抓取成功率98.7%,满足工程需求。