基于机器视觉的智能工业机器人能够感知外界环境,快速应对产品型号和尺寸的变更,实现柔性化生产。对随机放置的目标物体进行识别与抓取是智能工业机器人最为核心的作业任务。其中,从待抓取目标图像中提取特征进行识别与抓取是一种快速有效的方法,但是,基于特征的工业机器人目标识别与抓取高度依赖于特征的分辨力和鲁棒性。二进制特征存储紧凑,提取匹配速度快,得到了广泛应用。然而,由于单位存储单元包含信息低和对所有特征点采用相同的采样模式的问题,使其分辨力差,鲁棒性低,限制了基于二进制特征的工业机器人目标识别与抓取的运用。因此,本文针对上述问题,提出了一种基于多区域局部自适应特征的工业机器人自主目标识别与抓取方法。第一章介绍了基于视觉的工业机器人目标识别和抓取的关键技术。综述了基于视觉的工业机器人识别与抓取现状,对抓取目标图像增强、特征描述子和基于特征的目标识别等相关内容的国内外研究现状进行了综述,介绍了本文的主要研究的内容和全文的组织框架。第二章对相机捕获的抓取目标图像进行自适应增强,为后续的特征点的提取、匹配和目标的识别与抓取做准备。首先对图像进行一级小波分解,利用天牛须算法对子带自适应寻找最优参数的软阈值函数进行处理,然后使用奇异值分解方法对变换后的低频子带进行亮度变换,最后再通过小波逆变换重构图像,实现图像的自适应增强。第三章对增强后的抓取目标图像进行多区域局部自适应特征提取与匹配。通过基于二进制评价的多区域全局采样模式构建和基于投票机制的局部自适应采样模式构建,获得单个特征点的采样模式,得到多区域局部自适应特征。通过实例将多区域局部自适应特征与BRIEF特征、ORB特征、BRISK特征、FREAK特征进行了对比,验证了多区域局部自适应特征的高分辨力和强鲁棒性。第四章使用均值漂移算法和改进随机采样一致性算法实现目标的识别与抓取。通过对背景进行建模,删除背景中的特征点的干扰;然后对特征点使用均值漂移算法聚类,提高特征点点集内属于同一目标的概率,减少得到正确模型需要迭代的次数;采用基于凹凸一致性准则的改进随机采样一致性算法进行模型的计算,按照最后匹配点对的数量对模板库中的图像进行排序,挑选出正确匹配对最多的模板图像对象作为识别结果;最后借助轮廓检测实现对目标的准确定位。通过手眼标定好的眼在手上的机器人抓取系统,求得目标在机器人基座坐标系下的坐标,利用机器人逆运动学求解各关节转动角度,通过关节空间轨迹规划,实现目标的抓取。第五章搭建了基于多区域局部自适应特征的工业机器人抓取系统。介绍了系统的软硬件组成及各个相关模块之间的联系、机器人单元和视觉单元的手眼标定的过程和抓取系统软件的架构,对相机和机器人控制器进行二次开发,完成相关功能的实现。最后通过实验验证了基于多区域局部自适应特征的工业机器人多目标识别与抓取方法的有效性。第六章对全文进行总结,并对后续的研究进行展望。