钢铁工厂、钢铁产品报废、垃圾回收等多种途径会产生大量的不同种类的废钢,在废钢回收加工时,需要将对应的种类搬运到指定的位置。目前普遍的回收方式为作业人员操作抓取机器,对相应的废钢料堆进行回收搬运,这个方式的缺点是效率低,而且受很强的主观因素影响,不利于规范标准,同时废钢料场的空气中含有大量有害金属,严重危害作业人员的身体健康,若能开发一种智能的废钢料堆回收机器人,使其精确又快速地对当前废钢料场中的废钢料堆的位置进行检测和定位,使其24小时不断地工作,不仅能提高工作效率,同时也保护了作业人员的生命健康。本文以采集的光学成像的废钢料场的废钢料堆图像数据为研究对象,通过定位原理、深度学习和立体计算方法,对废钢料堆智能回收机器人的料堆定位方法进行了研究。本文主要致力于研究一种更高效精准的废弃钢料堆定位方式,以提升废弃钢料堆区域检测准确度,并着重进行了双目视觉系统设计、深度学习语义分割模型的构建、特征点获取与优化、定位算法的研发,以及进行了相关的程序设计,具体的研究内容包括:（1）基于手眼方案的分析和研究,针对废钢料堆回收机器人的工作方式,设计了眼在手的手眼系统;最后通过视觉定位原理,使用立体定位方案,选用双目视觉技术,并对双目系统硬件进行了选型,搭建了废钢料堆双目视觉定位硬件系统,并对废钢料堆定位机器人的工作坐标系进行了分析,从而设计了标定方案,完成了废钢料堆定位双目视觉系统的相机标定。（2）本文基于残差块、注意力机制和多尺度模型,采用了学习语义分割技能,建立了一个高度自适应的深度学习训练网络,能够使其在训练不同分辨率的图像数据时进行自动的增删网络层。并根据Adam以及SGD优化器的特性,开展了联合训练试验,最后实测结果显示,经过改良后的废旧钢铁料堆区域检测分割网络,能有效地应用于废钢料堆的区域检测,其识别平均m Io U分数达0.95,MPA达到了0.97,经过多次实验,选用测试分数最高的权重组合,可以将其作为废钢料堆区域分割检测的最优模型。（3）本文基于双目视觉测量原理对废钢料堆位置进行测量。首先采用直方图匹配法对左、右相机进行颜色矫正,以确保将同组图片的相同特征点提取,然后利用已训练好的废弃钢铁料堆区域检测模块对废弃钢铁料堆进行区域分割检测,输出废钢铁料堆区域;最后再利用SURF特征提取算法获得废钢区的SURF特征点,并使用RANSAC算法优化特征点的匹配;最后通过双目测量原理完成对匹配的特征点结果进行三维点云计算,并通过立方体拟合测量料堆的空间位置。（4）基于本文设计的定位算法,设计并搭建了废钢料堆双目定位框架,建立了接口函数,实现了对料堆的定位标注显示及三维空间定位,RMSE指标为364.2。