面向特定行业的工业机器人研发与应用是当前机器人推动制造业实现产业转型升级的重要研究内容。本论文针对传统烟草物流行业中不规则烟包的人工组合码垛存在的易出错和效率低的问题,对不规则烟包的组合码垛以及视觉校对技术的进行了研究与应用,具有重要的理论意义和实际应用价值。首先,分析了烟草物流中不规则烟包码垛的特性和流程,结合机器视觉技术,完成了系统总体方案设计,并对其中视觉校对的控制方案和硬件设备进行了分析和选定,将研究重点确定为组合码垛的控制系统和视觉校对算法。在组合码垛控制系统研究中,完成了组合码垛控制系统的设计,将控制功能模块化并设计了对应的硬件设备,随后完成了底层PLC程序和上位机控制程序的编写,构建了控制系统研究平台。针对烟包组合匹配问题,提出了一种改进的时间最优预排程匹配算法,通过增加多种匹配方式,减少缓冲区烟包堆积数和码垛机器人码放路径数,获得最优匹配方式。实验表明,该方法有效地减少了码垛时间,提升了码垛效率。在视觉校对算法研究中,针对码垛烟包与上位机数据库中的烟包信息的一致性校对问题,提出一种基于改进的ORB-SURF和RANSAC算法完成烟包的识别校对。该算法利用ORB-SURF提取特征并对其描述,弥补了ORB算法不具备尺度不变性的缺陷,增强了鲁棒性;针对传统RANSAC算法在消除误匹配点对的过程中没有考虑特征点质量的优劣,导致计算量过大的问题,将RANSAC抽样的特征点样本集先进行筛选,通过近邻匹配和双向交叉配对的方法剔除部分错误明显的特征点,以减少后期计算的迭代次数,提高匹配精度。实验验证了本文改进的算法提高了不规则烟包在视觉校对中的匹配精度,鲁棒性良好。最后,对整个系统进行了现场集成调试与分析。实验数据表明,系统的烟包平均识别时间为0.9s,正确识别率大于95%,码垛差错率小于0.06%,能高效完成烟包的校对和组合码垛功能,整套系统对于处理不规则烟包的码垛问题具有较高的稳定性和实时性。