随着生产制造自动化和智能化水平的不断提高,机器视觉技术的应用范围越来越广泛,特别是工业生产中工件的自动搬运、分拣识别、检测以及测量等领域,数字图像处理、视觉测量和视觉识别等视觉技术成为了重要组成部分。本文针对工业生产中工件堆叠状况进行研究,主要目的是实现堆叠工件中可抓取目标工件的识别及其位姿的测量,为后续抓取搬运等工作奠定基础。首先,通过对相机成像理论及双目立体视觉测量原理进行了探讨,结合实际研究背景,构建了相机针孔成像模型和平行双目立体视觉模型;利用在实验环境中采集到的棋盘格标定板图像,在MATLAB软件中采用张正友标定方法对左右两侧相机进行单目和双目标定,获取测量系统相关的内外参数,对采集图像过程中产生的畸变进行矫正,并完成左右相机图像的极线校正。其次,对工件堆叠状况进行分析,利用图像预处理相关技术剔除图像噪声,突出堆叠工件边缘特征信息;在对比几种边缘检测算子对堆叠工件的检测结果之后,提出一种改进的基于区间二型模糊集的Canny边缘检测算法,通过实际检测,表明该算法对工件之间的边缘有很好的检测作用;接着将霍夫变换圆检测方法与随机霍夫变换椭圆拟合方法结合,先对边缘特征进行粗检测,并划分区域对椭圆进行精确拟合,结果表明拟合效果良好。然后,采用SVM分类器将堆叠工件区分为裸露的可抓取工件和遮挡的不可抓取工件;提出将HOG特征和抗噪性多尺度的LBP特征组合的方法,对支持向量机的分类器进行训练,其分类识别准确度比基于单独特征的分类识别方法有一定提高;之后对识别出的可抓取工件重建其边缘特征,通过拟合空间圆,计算工件最上端圆中心空间坐标以及工件与竖直方向的夹角。最后,构建了堆叠工件位姿测量硬件系统,开发并实现了位姿测量的软件系统;进行了系统测量精度验证实验和位姿测量实验,实验结果表明:该算法合理可行,测量准确度较高,能够满足工程上的需求,达到了本文的最终目的。