双目视觉能够获取目标工件的空间位置信息,有利于提高工件识别的正确率和工件定位的准确率。本文旨在建立一种基于双目视觉的工件识别方法框架,通过相机标定、图像去噪、图像匹配等,获取目标工件的空间位置信息,实现工件的识别和定位。本文主要研究该过程中的图像去噪、匹配与识别定位关键技术。首先,针对经典小波阈值去噪时,硬阈值去噪造成图像断层,软阈值存在恒定偏差等问题,本文建立一种新的渐进半软阈值函数,通过连续性与偏差性分析,证明该函数可以兼顾软硬阈值优点。同时,给出新的自适应阈值公式,能够根据噪声情况进行动态调整。通过去噪后图像均方差、信噪比等指标计算,验证改进小波阈值函数的有效性。其次,针对SURF算法过度依赖Hessian矩阵识别特征点,且在进行特征点匹配时仅单向的进行欧式距离匹配容易导致误匹配点等缺点。第一步采用双向欧式距离进行匹配,能够快而准地剔除部分误匹配点;接着引入RANSAC方法假设精确匹配特征点对数学模型,剔除不符合数学模型的“外点”,从而提高匹配精度,为下一步工件空间位置信息获取打下基础。仿真结果验证本文算法的有效性,剔除了部分SURF算法误匹配点。基于图像匹配结果,由左、右图像上的目标工件像素值求取视差,最终计算出目标工件的空间位置信息。仿真结果表明本文方法距离误差小,适用于工业生产中对工件的识别与定位。