随着数字图像传感器和计算机技术的发展,图像定位技术在视觉精密测量和目标定位跟踪等领域得到了广泛的应用。在实际应用场景中,成像系统受景深范围的限制,难以令整个场景中的所有目标全部清晰成像,进而影响图像定位算法的识别效果。因此,研究多物体复杂场景的超景深图像采集以及高精度、高鲁棒性的图像定位方法具有显著的实际需求和实用价值。针对图像采集装置的景深受限问题,本文在分析总结镜头成像原理的基础上,研究了主动式和被动式两类自动对焦方法,利用液体镜头改善了图像采集过程的对焦效率,并运用多聚焦图像融合技术对输入图像作景深合成处理,从而获得全局清晰图像。为解决离焦物体的识别与查找问题,减少对焦堆栈生成过程中的图像采集次数,提出了一种场景扫描算法并设计了参数标定流程,实现了自适应的超景深图像采集。针对传统模板匹配算法对轮廓形变适应性不足、位置检测精度较低等问题,本文提出了一种新型形状匹配改进算法(NISBM)。参考Line2D算法的设计思路,引入方向离散化和梯度扩散操作,改善了形状匹配算法在各类干扰条件下的识别效果,并在重新设计相似度评价函数的基础上,改用原始梯度相似度和扩散方向相似度的加权平均值作为匹配结果的筛选依据,提高了算法的匹配准确率和定位精度。为缩短匹配算法的运行耗时,提出将查找表预计算与Steger算法的高斯金字塔和中途退出机制结合,进一步降低了形状匹配的搜索时长,使其满足实际应用环境的响应时间要求。在实现图像匹配算法的基础上,本文利用生成的测试图像对比分析了NISBM算法与其它两种形状匹配算法的准确性、灵敏性以及对局部遮挡和弱光照的鲁棒性。测试结果表明,NISBM算法的准确性和定位精度较高,对待检测图像中存在的微小形变具有一定的容错特性,可用于实现无纹理物体的识别和检测。最后使用液体镜头和工业相机搭建图像采集模块,将超景深图像采集与形状匹配算法结合,开发软件程序实现了图像采集状态监控、多聚焦图像融合和视觉定位功能,并验证了系统的整体运行性能。