随着工业机器人应用的普及,工业生产的自动化水平不断提高。工业机器人在工业生产自动装配环节的应用有着良好的表现,相比于传统的人工装配,基于工业机器人的自动装配在高效性、准确性、灵活性等各方面都有着明显的优势。目前工业机器人在自动装配上的应用仍有许多不足,国内大多数应用中机器人仍然需要一些人工辅助,还无法完成全自动装配。主要的技术瓶颈是自动抓取时零件的识别与定位问题。本文针对该问题,提出基于双目面结构光立体视觉的零件识别与定位方法。主要研究内容如下:首先研究了零件识别定位整体方案,根据待抓取零件本身的结构信息,抓取环境,零件位姿,抓取要求等信息,提出了基于双目面结构光立体视觉的零件识别与定位方案,搭建了视觉测量硬件系统,并设计开发了相应的测量、识别、定位软件模块。然后提出了从二维图像识别到三维点云定位的整体方案。其次,针对随机堆放目标的识别问题,分析了几种常用的图像目标识别方法,研究了基于HOG特征的SVM目标识别分类器。根据现有方法的不足,提出了改进的基于特征区域的HOG特征和基于图像金字塔的多尺度目标识别方案。通过对零件不同的摆放姿态进行采样生成正样本,从散乱堆放的零件图片中随机截取子图作为负样本,训练支持向量机。实验结果表明经过该方案训练的SVM分类器可以有效地检测图片中的目标零件,检测效率高,检测结果可靠。根据识别结果,对测量场景进行局部三维重建。最后,根据三维重建得到目标零件三维点云,研究零件的定位问题。局部重建的结果为散乱堆放的零件中单个零件的点云。针对零件位姿计算问题,根据零件的结构,提出了基于几何基元的目标零件定位方法。首先进行点云预处理,减小点云数量,平滑点云数据。研究了基于RANSAC算法的几何基元拟合算法。根据基元拟合结果,以及基元空间位置关系建立局部坐标系,通过匹配局部坐标系,计算局部坐标系转换关系获取目标零件相对于CAD模型的位姿。