随着视觉传感器的快速发展和各类计算机视觉算法的成熟,越来越多的机器视觉检测方法运用到了工业生产检测领域。视觉检测方法具有非接触性、高速度、高精度和高度自动化等特点,能够使人们远离危险的工作场合,并且极大地提高生产效率,适合于流水线上大批量目标物的定位与检测。传统的目标匹配算法通常只兼顾匹配精度、速度中的某一方面。本文提出一种分层匹配的方法,首先基于ORB特征点,选取Hamming距离作为相似性度量标准,进行模板和搜索图之间的特征点匹配,并采用随机抽样一致算法去除大部分误匹配点,推算出最终的仿射变换参数。然后,利用匹配对中特征点的旋转角和模板相对位置,计算出待匹配图像中特征点对应的标记中心点,采用K-means聚类算法将这些标记中心点进行聚类,将分属于不同目标物副本的特征点分类。最后,采用改进的方向向量提取算法,比较模板和搜索图像的边缘信息,对目标位置进行精定位。为了进一步加速计算,文章采用了图像金字塔算法,从粗到精逐步确定模板在图像上的位置和旋转角度;为了使匹配精度达到亚像素等级,文章采用了多项式拟合的算法,通过对拟合出的三阶曲面求局部极大值,求得模板在图像中的亚像素位置和旋转角度。实验表明,本文提出的方法能够分离出图像中多个目标物副本,具有匹配速度快、准确性高、旋转不变性和光照不变性等特点。