机器视觉在传统工业的转型升级中已受到广泛应用。由于中国经济的高速发展,加上人工成本的逐渐增加,国家政策的大力支持,对机器视觉的研究已经变得意义重大。工业生产中不可避免地有一些情况比较危险以及人工操作容易造成误差,工业界越来越多地利用机器视觉技术进行产品质量检测、缺陷检测、对位贴合、运动跟踪。包装行业也在积极地进行转型升级,其中一项需求就是将纸盒与它的外包装纸对位贴合的这一道生产过程变得自动化。本文利用机器视觉技术,针对大型包装物,提出了一种双目标定法,并开发了一套大视野(长宽各自1.5m左右)场景下的对位系统,这套系统已经投入实际产线,实践证明这套系统精度高、稳定性好。文章的主要工作在于:(1)针对大型工业产品,一个相机的视野无法覆盖到目标物关键部位的情况,提出一种双目视觉标定方法,并且设计了多组实验,验证了其精度较高,满足实际生产需要,适用于本文的对位系统。(2)阐述了整个对位系统的硬件选型和软件设计,并以实际的软件界面、现场应用图片,来介绍整个系统框架;通过实验对标定精度、整个系统的对位贴合精度、稳定性进行了分析,并最终验证了本系统精度高、稳定性好。(3)提出了基于监督学习的高鲁棒直线拟合算法,通过对点集进行采样以及加入权重系数,改进了普通最小二乘法耗时大、严重受离群点干扰的不足;同时加入监督学习的机制,通过不断的修正,提高最终拟合的直线精度。(4)提出了一种基于标准霍夫变换的RANSAC圆拟合法,引入相对圆度概念,使得在判断剩余某点是否为局内点时,可适应圆的缩放,更具适用性;连通域分析,使用轮廓点到区域中心距离的方差来定义圆度,并加入了基于角度采样以及去除极值的方法;使用此法来筛选连通域,更能抗干扰。这两点都使得标定板上的圆心提取的更为准确,进而提高了整个对位系统的精度和鲁棒性。