随着机器人的越来越智能化、拟人化,机器视觉系统在其整个系统中越来越重要,机器视觉目前已成为智能机器人研究的重要领域之一。机器人视觉系统主要就是通过摄像头获取环境的二维图像,通过视觉元件加以解析,参与机器系统的整体调配,进而使机器人达到具有自主视觉感知功能。本文得到国家高技术研究发展计划(863计划)的支持,主要为卫星装配机械臂的视觉识别系统进行研究,采用基于SIFT的图像特征识别算法并加以改进和优化,使其能在装配过程中存在的外部干扰情况下具有较强鲁棒性,能够更快速,更准确的识别出目标物体。本文主要研究内容和创新成果如下:首先,本文主要是基于图像特征识别、特征匹配的相关技术,先是对目前存在的特征匹配技术进行总结研究,为找出改进SIFT算法提供理论基础;然后对图片进行预处理实验,找出适合本文的图像预处理方法,对后面进行算法实验做好前期准备。对SIFT算法和PCA-SIFT算法、SURF算法进行理论分析,总结原SIFT存在的优缺点,参考PCA-SIFT和SURF算法的理论内容,找出本文改进算法的方向。其次,为解决SIFT算法特征点描述维度过高和特征点集欧式距离搜索策略效率低下的问题,运用LPP(局部保持投影降维算法)理论,在SIFT算法基础上加以改进,对原SIFT算子的128维特征向量进行大幅降维;并利用改进的KD树(随机KD树)算法,对SIFT算法形成的两个特征点集进行快速的并行搜索,算法通过LPP融合改进KD树的方法极大的提高了运行速度。最后,在Visual Studio 2012与OpenCV 2.4.8相结合的实验平台下搭建系统,对改进的SIFT算法进行实验分析,验证其改进后比其它主流算法对目标图片匹配的优越性。并充分建立目标外部干扰模型,估算目标变换参数并联合实际参数进行计算,验证该算法的可行性和准确性。