随着视觉技术的飞速发展与工业处理中信息需求难度变大,视觉动态测量场景从简单的静态单一图像变为复杂背景下的动态图像。立体视觉测量技术是精准提取复杂背景场景中动态目标的重要基础,结合目标检测与跟踪技术,可研究出可靠有效的视觉动态检测及位姿测量系统。目前,在金属表面处理工艺中,大罐工装是依靠人工作业完成,这种作业条件工作效率低下、工作环境恶劣,自动化水平严重落后,亟需解决和实现金属表面处理生产环节中工装的自动化卸料。本文根据大罐料钟的实际生产流程,有效结合当下立体视觉检测与图像在线辨识技术的发展现状,通过比较各特征提取模型的效果,结合卷积神经网络对动态大罐工装卸料孔进行目标检测,实现大罐料钟的自动识别;鉴于表面处理生产线检测环境干扰大、实时性要求较高因此本文选择使用YOLOv3作为研究和改进的模型基础,对原网络的多维度尺度检测做了枝剪,有效减少了超参数计算量,提高网络检测速度,并对其做了比较。本文开发了立体视觉动态测量系统,比较相机标定后空间目标四维关键位姿信息测量准度,建立对基坐标系与图像像素坐标系的图像雅克比矩阵转换模型,针对抓取机械横臂的图像雅克比矩阵使用卡尔曼滤波算法进行在线辨识,研究了卡尔曼滤波跟踪算法对该场景的适用性,设计了基于PID算法的抓取横臂实时跟踪控制器,评估了双目视觉动态测量系统的准确性;以机械臂终端的抓取装置为模型,模拟运动空间轨迹进行有效测量和跟踪,比较所得结果证实了系统的有效性。最后,以具体工业场景下生产条件为运行环境,利用开发的视觉动态检测及位姿测量系统进行了验证,满足金属表面镀层复杂环境干扰下方形孔实时检测,机械横臂能在一定转速下跟踪料管旋转孔,角度定位测量和位姿定位测量均能达到工艺自动化精准度,证实了系统的可用性。