机器视觉已逐渐应用于工业的各种场景,为了提高机器人系统的柔性,机器视觉的应用需要面临着复杂多变的作业要求。在多目标物体分拣中,若干不同的物体以随机的姿态和数量出现在相机视野内,需要识别并定位不同的物体然后放置到不同的区域。近年来已有许多学者针对视觉识别技术在多目标环境下的有效性展开了相关研究并取得成果,模板匹配技术在此方面卓有成效。基于边缘特征的模板匹配仅使用梯度方向计算相似性,其高准确性和出色的鲁棒性已得到很多研究验证,配合金字塔分层搜索进一步提高实时性,能够作为解决工业需求的较佳选择。本文根据企业分拣项目对多目标识别的需求,采用基于边缘特征的模板匹配算法寻找目标,但是其传统算法不具备旋转等仿射变换的不变性,会导致模板数量剧增而耗时巨大。近年来兴起的Linemod同样使用边缘梯度方向,该算法通过制作预响应表,用快速查表的方式代替了在线计算相似性的过程,促使速度大幅提升,能有效解决由模板数量多而造成的耗时问题,但其预处理过程繁杂而不适用于分辨率较高的场合,且精度缺陷明显。为了提升分拣效率,本文将两者结合起来,提出了一种快速且稳定可靠的多目标模板匹配算法,并将其应用到机器人机器视觉识别系统中,主要研究内容如下:（1）搭建机器人机器视觉识别系统,对其中视觉系统的主要硬件进行选型,并且设计视觉系统软件的框架。分析相机成像模型中的坐标转换关系,进行张正友标定法矫正畸变实验;为了实现目标定位,使用九点标定法计算像素坐标到工作平面的映射矩阵。（2）详细分析了基于边缘特征的传统模板匹配算法和Linemod-2D,并且在实验中验证了它们的优缺点。为了降低算法复杂度,仍采用金字塔分层策略。采用Linemod-2D的加速方式在金字塔顶层搜寻所有姿态的目标,在很大程度上弥补了传统算法在实时性方面的不足。将传统算法运用在逐层精匹配中,从而保持传统算法的高准确性,也避免了后者制作高分辨率预响应表的繁琐。（3）为了实现多目标识别的模板匹配,设计了匹配过程的实现细节,分析匹配过程中主要存在的问题。设计了模板金字塔制作的过程。由于Linemod的预处理中包括方向筛选的步骤,采取了双阈值最大类间方差法自动获取梯度幅值筛选阈值以保证识别质量。为了进一步提高实时性,使用杰卡德系数计算最小外接矩形重合度的方式过滤掉顶层多余的候选点。（4）使用分拣项目样品进行实验,验证本文多目标识别方法的性能,以及验证本文识别系统的可行性。通过实验分析了方向筛选阈值变化对识别率和实时性带来影响,验证了双阈值最大类间方差法计算筛选阈值的有效性。接着综合考虑了多目标匹配过程中的各个耗时部分,比较改进算法、传统算法和Linemod-2D三者的实时性,验证了改进算法在时间处理方面的优异性能。在精度方面,与著名视觉软件Halcon进行比较,验证算法的准确性。最后实现机器人从识别定位到分拣的工作流程,并进行了现有项目的测试。