在装配过程中,工件抓取中心的确定及装配基准端的精确识别是基于机器视觉系统装配的重要前期环节。为使装配技术朝着快速精确的智能化方向发展,本课题以所处环境较复杂的装箱管状工件的装配技术为研究对象,建立含有装箱管状工件抓取中心确定和管状工件装配基准端识别两大环节的机器视觉系统；利用正向照明系统对管状工件表面产生的反光直光条特征,提出了一种基于Gaussian拟合与Hough变换相结合的拟合算法,通过拟合提取管状工件表面的光条纹中心线,确定各管状工件的抓取中心位置；根据管状工件两端不同的形状特征,设计了一种基于改进Hu不变矩和LM-BP神经网络的管状工件装配基准端识别方法,实现管状工件两端的形状识别,判断装配基准端。实验结果表明,本课题所提出的Gaussian拟合与Hough变换相结合的方法可有效实现装箱管状工件抓取中心位置的的智能获取；基于改进Hu不变矩和LM-BP神经网络的识别方法对管状工件两端形状具有很好的识别能力,为判断装配基准端提供了依据。本课题的研究为机器视觉的装配技术奠定了一定的研究基础。