智能制造是国家未来的战略发展方向,工业机器人是智能制造的重要装备,在各行各业的应用越来越广泛。对象识别是工业机器人取代人工作业需要解决的前提问题,在形状各异、尺寸不一的目标对象中,使工业机器人准确识别并抓取该目标成为自动化制造中的难题之一。机器视觉作为工业机器人的辅助技术,广泛应用于工业、农业、医疗卫生、航天等各种不同的领域,视觉感知技术成为了国内外学者研究的热点。机器视觉与激光传感结合感知目标对象的特征信息,能够快速有效地解决目标对象识别与定位的难题,为自动化生产线上工业机器人自动识别和定位目标对象并实施自动抓取提供可靠方案具有重要的意义。本文选择自动化生产线上具有自动排序需求的工件作为研究对象,研究了当前一些主流目标检测方法以及传统的图像分割算法,对比分析算法的效果后,选择优化的算法,与激光传感信息融合,研究目标对象快速识别与定位算法。本文的主要研究内容如下:1)搭建了工件图像采集平台,对工件图像信息进行了采集。研究了两种传统的工件定位算法,基于阈值分割的定位算法和基于Ada Boost的定位算法。在阈值分割定位算法中,基于工件的颜色特征,把原始彩色图片转变成YCb Cr模式,通过图像预处理,增强工件图像的对比度。使用Ostu算法对图像进行二值化处理,进一步对提取的区域进行形态学处理,得到较为平滑完整的工件区域。在Ada Boost定位算法中,选用了LBP特征来训练级联分类器,并与Haar特征和HOG特征进行比较,发现LBP特征训练级联分类器效果较好。最后,对比两种传统的工件定位算法的效果,发现两种工件定位算法在简单平放的情况下均具有较好的检测效果,但在复杂背景且工件出现堆叠的工况下,基于阈值分割的定位算法检测效果较差,不能实现工件定位,而基于Ada Boost的定位算法虽然能把工件分割出来,但存在着分割不完整、误分割以及定位偏差较大等问题。2)研究了深度学习中的卷积神经网络算法,分析了近年来的几种主流的目标检测算法,提出采用SSD卷积神经网络算法实现工件的定位。介绍了工件样本的预处理以及标签的制造,输入训练样本进行SSD模型的训练,获得检测器并对视觉获取的图像进行工件定位检测。通过修改输入图像的尺寸以及数据扩增技术,对SSD算法进行了优化。经过对算法的不断调整,工件的正确识别率达到96.4%。3)提出了一种基于灰度的旋转模板匹配算法进行工件水平旋转角度的检测。对工件定位算法获得的ROI区域通过图像预处理、形态学处理、连通域筛选等方法过滤小连通区域,接着运用基于灰度的旋转模板匹配算法实现工件水平旋转角度的检测。通过这种方法能够有效获取工件的图像,保证了模板匹配的效果,使工件旋转角度检测更准确。4)搭建了一套主动跟踪激光传感系统。通过伺服驱动,多激光联合求取工件的空间位姿法向量。该系统对比单激光检测,能够一步到位实现空间位姿法向量的求取,保留了激光检测精度的同时,还有效的降低检测的时间,提高了效率。5)进行了抓取实验,验证算法的有效性。算法在不同场景进行抓取实验取得较好的效果,识别率达到96.1%,抓取率达到96%,单个工件检测时间在0.5s内。这为自动化生产线上随机分布工件自动抓取提供了一种可行的手段。