随着现代生产制造的快速发展,机器人在智能分拣中的作用越来越重要。相比于人工,机器人在面对繁重、重复、高精度的分拣任务时更加高效,实际的运作成本也相对较低。同时,随着机器视觉技术的发展,使用机器视觉技术引导机器人进行分拣任务也渐渐成为智能分拣的趋势。利用机器视觉算法实现目标识别与快速分拣具有较高的应用价值。本文以机器视觉技术为基础,着眼于细微差别目标的分类识别技术,重点研究Kinect图像预处理、目标提取与识别、分拣系统标定及误差补偿等内容,旨在结合Kinect和Baxter双臂机器人两者的优势开发通用性好、安全性好、成本低廉、交互完善的智能分拣系统。首先,研究了基于Kinect图像预处理相关问题。根据深度信息缺失的原因以及实际的情况,采用中值滤波对深度缺失部分进行修复,并用双边滤波对修复后深度信息降噪;针对彩色图像分辨率不够以及光照等外界因素的影响,采用双线性插值方法实现图像放大,并采用基于连通域标记的局部阈值方法实现目标分割,进而获取精确目标轮廓;为了提升特征提取的速度,采用多边形逼近算法减少轮廓中包含点的个数。其次,研究了基于几何特征的目标识别方法。为了实现细微差别目标的识别,本文选取傅里叶描述子、不变矩特征及基本几何特征为主要特征创建样本特征集,研究各个特征对细微差别目标的描述情况,并据此提出一种基于模糊聚类(FCM)的特征融合方法;利用样本特征集训练基于支持向量机的分类模型,并对未知目标进行分类预测。最后,搭建以Kinect和Baxter机器人为硬件基础的智能分拣平台,并以此为基础研究智能分拣平台标定的相关问题。通过构建工作空间中的误差分布模型,建立空间点和误差之间的索引关系,并进行空间点误差补偿。利用搭建好的分拣系统完成进行实验验证,实验结果表明该分拣系统的可靠性和稳定性均能满足实际分拣需求,达到了预期效果。