随着机器视觉在自动化生产领域的广泛应用,在测量和装配设备中加入视觉系统,根据视觉定位的结果引导设备执行后续任务,对提高设备的感知和决策能力具有非常重要的意义。本文以机器视觉和图像处理技术为基础,主要对测量仪器及装配机械臂等设备的视觉引导及定位技术进行研究。对相机的成像原理及双目视觉成像模型进行分析,对张氏标定法进行了详细的推导,选取合适的相机与镜头设计并搭建了标准的双目视觉系统实验平台,通过标定实验获取了视觉系统的内外参数,并对标定精度进行了验证。针对采集结果中存在的噪声和光照不均匀的问题,通过实验分析,选取导向滤波与Gamma校正结合的方式进行预处理。针对简单背景中的工件,计算其与模板工件轮廓的匹配值并与阈值进行对比,根据对比结果识别目标工件;针对复杂背景中的工件,综合SIFT与BRISK特征匹配算法的优点,提出了基于SIFTBRISK的特征匹配算法,并通过不同测试条件下的工件识别实验对算法性能进行了分析,实验结果表明,该算法在保证识别效率的同时,能够提取到足够的特征点,避免由于工件表面光滑而导致识别失败。针对复杂背景中的识别结果,首先选用Grab Cut算法对工件图像进行分割,并针对该算法存在的手动初始化、分割时间长、分割效果差的问题进行了优化。然后根据分割结果求出目标工件的轮廓质心作为定位点,在完成双目立体校正后,利用归一化相关系数匹配算法找到右图像中对应的匹配点,最后结合三维重建原理求解定位点的空间坐标及姿态角信息。在避障路径规划部分,首先对障碍物包围盒建模的方法进行了分析,选用圆柱体包围盒进行障碍物建模,然后对人工势场法以及基于栅格图的A*路径规划算法进行了分析与仿真,经过仿真结果对比,最终选用基于栅格图的A*算法进行避障路径规划,以实现设备执行器在测量和装配过程中的障碍物回避。设计了基于MFC的视觉系统实验软件界面,完成了不同工件的识别实验以及棋盘格标定板和标准量块的测距实验,实验结果表明文中所用的算法能够快速、准确的完成目标工件的识别和定位任务,满足测量和装配设备中视觉引导与定位技术的实际需求。