汽车部件厂的零部件分类运输工作是汽车生产行业的重要组成部分。传统的零部件分拣运输作业依靠于分拣装配流水线机器人,其分拣作业的自动化程度不高且依赖于环境。本文针对提高汽车零部件分拣机器人的作业精度和效率,基于双目立体视觉,结合图像预处理、匹配及跟踪相关知识,提出一套分拣机器人双目视觉跟踪算法,实现分拣机器人对生产线传送带上不同的零部件的目标识别与实时跟踪。基于对双目立体视觉模型以及双目标定方法的研究,在Matlab标定箱里对实验所用的双目相机进行了标定,并获取了实验所用双目相机的内外参数。针对汽车零部件的深度信息获取问题,结合Sift特征点提取及Harris角点响应函数,对汽车零部件图像进行特征点提取,获得具有高对比度的特征点。并采用基于欧式距离的特征点匹配及RANSAC误匹配去除完成汽车零部件左右目图像立体匹配工作。结合双目相机标定的结果以及分拣机器人的双目立体视觉模型,计算得到汽车零部件上的匹配点的深度信息。为提高分拣机器人的智能化水平,实现分拣机器人能直接在众多汽车零部件中识别目标零部件,并对其进行分拣的目标,对零部件图像进行了模板匹配。为提高模板匹配速度,首先对汽车零部件图像进行背景去除,简化数据量,然后对去除背景的汽车零部件图像分别采用基于边缘的分割以及最大类间方差的方法进行分割,获得二值图像,为后续的匹配做好准备。针对图像分割后的二值图像出现的边界不明显,孔洞消失等情况,对其进行形态学腐蚀处理,收缩图像,使线条变细,颗粒变小,缝隙和孔变大,使得汽车零部件轮廓清晰。然后采用投影法对零部件图像进行标定,获得其二维位置区域。最终,对结果图像分别采用边缘匹配和特征点模板匹配的方法进行匹配实验,实现了目标零部件的识别与匹配。针对分拣机器人对传送带上汽车零部件的跟踪问题,提出一种基于LK光流法的多信息融合目标跟踪算法,通过对目标零部件图上所提取的具有高对比度的特征点进行光流法跟踪,结合在线学习检测器,使得在跟踪器跟踪失败之后可以更新目标位置。通过实验验证,证明所提算法能够实现对运动部件的稳定、准确跟踪,且具有实时性。基于上述研究,形成了一套完整的算法,实现了在背景复杂的环境下,分拣机器人对传送带上运动的目标汽车零部件的实时识别、跟踪与定位。