目前铁路领域有一类完全手工的生产线,这类生产线的特点是工件形状复杂,体积、重量大,且工位的定位误差极大,不仅人工劳动强度大,且危险程度高,因而迫切需求自动化改进。自动化需要在一个较大的空间进行自动寻位。机器视觉技术是解决该问题的有效办法,但生产线现场工况光照弱,影响定位算法的精度和可靠性。为此本文使用弱光下表现好但旋转不变性较差的SURF算法进行改进,提出一种基于SURF算法的改进特征描述的算法,并通过实验对改进后的算法进行了性能测试与分析,最终实现了弱光环境下的精确可靠定位。主要研究内容包括:（1）为了选择合适的算法进行改进以适应实际工况,研究了SIFT、SURF、ORB等特征描述算法的原理,分析了各种算法的优缺点以及与实际工况的适应性,经过对比分析发现,SURF算法在弱光下表现很好,适合本文研究的条件。为了在本文研究的条件下获得更高的精度辅助完成定位,需要提升SURF算法的准确性与可靠性,因此改进了SURF算法的特征描述方法,细化了Haar小波进行响应值计算的扇形区域步长,统计并保留了辅助特征主方向,增加了特征描述子维数,设计了对比验证实验。结果表明,改进后的算法弱光下表现仍然很好,有效改进了算法的旋转不变性,提高了算法的精确性与可靠性,验证了改进算法的可行性。（2）为了验证实际工况中算法的准确性与可靠性,根据实际工况需求,分析了摄像机成像的原理,对比了单双目相机成像的优缺点,选取了合适型号的双目摄像头,搭建了双目机器视觉实验平台;并进行了张氏标定实验,获取了较高精度的相机内外参数,为接下来的定位实验进行了准备工作。（3）利用改进的SURF算法进行特征点的提取,利用RANSAC匹配算法进行特征点的匹配,提高正确匹配率,并模拟现场工况进行了对车钩工件的定位实验;实验结果表明,改进的SURF算法与RANSAC算法搭配使用能够得到大量的特征点,计算出了工件关键点的三维坐标,工件的定位误差减少到1-2mm,满足生产线定位精度要求,验证了改进后的算法在弱光环境下具有很好的准确性与可靠性。