近年来,随着智能制造技术的不断发展,以制造业为代表的实体行业谋求转型升级,实现系统设备智能化发展。在制造业中引入机器视觉技术,来实现目标的测量、识别与定位,能够提高生产的效率和降低生产的成本。本文研究了机器视觉技术在点胶机中的应用,重点研究机器视觉中的视觉定位技术,通过实现一种稳定、高效的视觉定位算法,从而提高点胶机的生产质量和效率。本文主要工作如下:（1）介绍了点胶机视觉定位系统的硬件构成,通过对设备进行参数和性能分析完成了硬件选型。（2）针对采集的图像可能会受到干扰以及计算数据量较大的问题,对原始图像进行了预处理。通过图像滤波来减少图像中可能存在的噪声、杂质,通过图像灰度化、边缘检测、图像金字塔等方法来减少需要处理的图像数据量。（3）提出了一种改进的归一化互相关模板匹配方法,利用归一化互相关公式作为图像相似度度量的计算方法,通过采用傅里叶变换和积分图算法来大幅降低计算复杂度。利用图像金字塔来构造低分辨率图像,另外,分析了模拟退火算法、遗传算法、粒子群优化算法等多种智能优化计算方法,提出了一种混合群优化方法（PSO-GA-SA）,用来加速归一化互相关模板匹配参数解的搜索过程。（4）提出了一种改进的广义霍夫变换模板匹配方法。由于传统广义霍夫变换的检测时间长、内存消耗高,改进的广义霍夫变换采用图像中任意两个边缘点所构成的具有旋转不变性的特征角来作为R表索引。将传统的坐标、尺度、缩放所构成的4D投票空间降低至2D投票空间,采用RANSAC来改进投票过程,结合局内点淘汰机制减少投票数,加速匹配参数的获取。（5）本文采用C++编程语言,结合Open CV图像处理库和QT界面开发软件,设计了点胶机视觉定位软件,通过目标工件的定位实验,验证了本文算法的可行性。