在工业生产过程中,传统工业流水线多使用人工方法对工件进行检测、识别与上料,该方法存在劳动力强度大、效率低及价格昂贵等缺点。由于机器视觉具有高精度、非接触、高适应等优点,因此常与机械手结合应用于工业生产中。本文针对多个壳状工件在随意摆放和整齐摆放的多目标多角度状态下,利用视觉机械手对其进行识别上料工作,提高系统的智能化和高效化水平。由于壳状工件在识别中存在边界锈渍及阴影、遮挡等问题,本文基于灰度信息匹配设计了针对多目标多角度壳状工件的视觉机械手上料系统,实现对目标工件位姿信息（三维坐标和角度）的获取,满足自主识别和精准上料的作业需求。首先,通过分析视觉机械手上料系统的工艺流程与技术指标,对系统进行研究与设计。确定了系统的组成、设计框架与上料平台,将系统分为视觉识别部分与机械手上料控制部分进行研究,提高上料效率。其次,为获取目标工件的位姿信息,设计视觉识别方法。对机器视觉成像原理和标定方法进行研究,设计成像模型;通过单目视觉标定获取相机内外参数,为后续的上料奠定基础。再对相机采集的工件图像进行中值滤波和直方图均衡化预处理,提高图像质量。对工件位姿识别中的匹配算子进行研究,针对传统NCC（Normalized Cross-Correlation,归一化互相关）匹配算法计算复杂、速度慢及正确率低等问题,本文采用了基于小波金字塔的NCC匹配算法来获取目标工件二维像素和角度信息,该算法对模板图像建立小波金字塔结构,利用分层匹配提高匹配效率,实现对工件的快速准确识别。为获取单目视觉系统下的工件三维深度信息,提出基于二分算法的Hough识别算子获取目标工件的对比像素,再与基于定焦的像素比例方法结合,对深度信息进行计算,获取工件的位姿信息。然后,对机械手上料控制方法进行研究,实现壳状工件上料。将视觉识别获取的目标工件位姿数据反馈给机械手,引导机械手对工件进行上料,并利用电机的线性自抗扰控制提高机械手控制的位置精度和稳定性。同时,对机械手的运动学进行分析,确定机械手的轨迹规划方案,实现稳定、可靠的运动。最后,对视觉机械手上料系统软件进行开发,测试上料效果。实验结果表明,本系统的识别时间在2-5S之间,抓取上料时间≤6S,上料成功率达86%,可以满足系统指标要求,实现系统的自动化运行。