在木门加工生产线上针对大跨距龙门机器人对不同尺寸板材分拣的需求,本文基于计算机视觉技术对大跨距龙门机器人智能分拣及定位方法进行了研究。主要内容如下:首先,设计并构建了基于Clinet/Server架构的龙门机器人智能分拣系统。该系统基于服务器端与客户端架构,通过虚拟仿真系统、实验室仿真平台和工厂真实大跨距龙门机器人平台,实现了由虚拟到真实的分层开发。并构建了虚拟数据集、实验数据集和真实数据集,为在三个数据集上对提出算法进行迁移验证奠定了基础。其次,提出了基于YOLOv4-tiny的板材尺寸特征分类方法,该方法基于虚拟数据集进行预训练后,可使用少量真实数据集对训练的板材检测模型网络参数进行微调,进而实现基于小样本数据的板材检测。进一步,对检测结果的板材区域,通过板材的边缘直线特征计算和角点筛选,根据立体视觉测距原理实现了板材尺寸测量。然后,针对龙门机器人四自由度的运动学特性问题,提出了基于视觉的龙门机器人实时位姿估计方法,以及基于龙门机器人运动学建模的四自由机器人手眼标定方法,同时利用角点空间坐标与像素坐标之间的投影关系给出了龙门机器人末端位姿定位方法,并利用板材边缘线的投影误差实现了位姿的优化。最后,开发了龙门机器人智能分拣及定位系统,并进行了相关实验。其中,针对虚拟仿真系统进行了板材尺寸测量、位姿定位和时间统计以及抓取成功率等实验,实验结果表明分拣算法和位姿定位方法均具有较高精度;针对实验室仿真平台,进行了基于迁移学习的板材检测实验验证和基于高精微动平台的视觉定位实验;针对工厂大跨距龙门机器人平台进行了基于迁移学习的板材检测实验验证。结果表明综合使用虚拟数据集和少量真实数据集对预训练的板材检测模型参数进行微调能够大幅提升检测模型的性能,虚拟仿真技术的应用对工业生产智能化具有指导意义。