随着我国汽车和飞机的普及,汽车和飞机成为了现在必要的代步工具,而轮胎作为它们的必要元件,若不及时进行检修和更换,极易造成安全事故。目前对轮胎的检修和拆卸主要是利用传统人工方法,该方法耗费人力物力,极其不方便。同时随着视觉技术快速发展,让基于视觉的自动化轮胎检修和拆卸成为了可能,然而目前只有利用视觉技术对轮胎缺陷和商标的检测,所以本文提出了基于单目视觉的轮胎识别与定位方法,为后期的自动检修和拆卸轮胎打下了基础。本文主要研究内容和研究成果如下:1)制作了训练模型的数据集。实验所需的数据集均由网上获取和现实拍摄制作而成,该数据集一共获取了1927张图片。由于获得的轮胎图片中存在噪声和干扰背景,不利于后期特征的提取,所以必须进行图像的预处理,通过选取各种图像预处理的方法进行对比实验,最终选取了加权平均值灰度化法、双边滤波法和Grabcut图像分割法对轮胎图像进行预处理操作。2)搭建了轮胎识别模型。在Py Charm编译环境下搭建了支持向量机（SVM）、支持向量机与方向梯度直方图结合（SVM-HOG）和支持向量机与局部二值模式结合（SVM-LBP）的轮胎识别模型,对上述模型分别在训练集和验证集上实验,可得出他们的识别准确率分别为88.91%、56.13%和85.33%,虽然SVM模型的识别准确率已经很高了,但是还是无法满足工业对轮胎识别的精度,所以本课题根据残差网络（Res Net）结构设计了Res Net-20的网络模型,通过实验可得该方法的识别准确率为97.4%,实验表明Res Net-20模型的识别准确率高,结构稳定,实现了对轮胎的准确识别,所以最终选定该方法为轮胎识别的方法。3)设计了轮胎定位方法。利用张正友的相机标定方法对罗技C270相机进行标定,获取其畸变参数,在Res Net-20模型的基础上搭建定位模型,当识别到有轮胎时,将其轮胎图像保留下来并矫正畸形,利用Hough变换进行圆形检测,提取其圆心和半径的像素值,同时根据相机已知参数和相机与轮胎之间的坐标关系设计了轮胎的定位算法,实现对轮胎位置的定位,通过和实际激光测距仪测出的实际值进行对比,可得该定位方法的距离相对误差和角度相对误差分别在3.08%和3.14%左右。结果表明该方法对于轮胎的定位具有可靠性和可行性,为后期的自动检修和拆卸提供了可能。