随着工业4.0的不断推进和人工智能的快速发展,机器视觉已逐渐成为工业乃至生活中不可缺少的一部分,机器视觉以多种形式展现在我们的生活当中,人脸识别、外观检测、视觉定位等等,应用可以说是非常广泛。视觉定位引导技术在工业上有着很高的研究与应用价值,二维平面向导在工业上应用已经非常成熟,3D引导则成了目前比较热门领域。本文基于结构光的原理,对物体表面进行三维重建生成点云信息,目前3D对位引导技术主要瓶颈在精度和稳定性上,针对此现状,本文主要先从相机标定方式改变基础精度、然后通过三维点云模板的选取、点云匹配算法来改善对位引导的鲁棒性和速度。针对相机自动标定和手动标定分别含有精度差和操作不方便的问题,本文提出了一种半自动的标定方法,实验证明它兼顾全自动与手动标定各自优点。针对被引导产品生产过程中会存在差异性,且这种差异性是不稳定的顾很难确定一个比较好的点云模板,本文通过CAD模型生成整个产品的点云图,以它作为中间模板,增强了匹配的稳定性。针对现有的点云图算法都存在着匹配速度慢和匹配精度差等缺陷,本文提出一种基于图像梯度的NCC匹配算法,通过实验发现其速度上有了很明显的提高,匹配精度上也有一定的改善。