基于机器视觉的目标检测与定位技术广泛应用于各类不同的应用中,通过图像处理算法对获取到的图像进行处理与分析,实现目标物体的自动检测与定位,再将位姿信息反馈给执行机器,引导机器实现各类智能行为,如货物分拣、自动装配、移动机器人导航、自动驾驶等。每一类应用场景存在多种可能的解决方案,根据视觉传感器的不同,大致可分为基于2D图像的解决方案与基于3D图像的解决方案。2D图像缺乏深度信息但处理速度快,尤其是深度学习方法在图像与视觉领域大放异彩,较之于传统算法使得对2D图像处理的效率与鲁棒性都有了极大的提高;3D图像直接记录了三维场景相对传感器的空间坐标信息,信息直接且精度高,但处理速度较慢。RGB-D相机由于能够同时输出RGB图像与深度图像,并能进一步获得带RGB信息的点云图像,具有信息全面的特点,越来越广泛应用于各类视觉解决方案中。本文以盾构施工过程中的管片抓取任务为研究背景,通过机器视觉技术实现管片螺栓(固定安装于管片上的抓取部件)的自动检测与位姿测量。本文对基于RGB-D相机的目标检测与定位技术进行了研究,提出了一种目标检测与定位算法。并通过实验对算法的有效性、鲁棒性及定位精度进行了验证。本文研究内容分为六章,概述如下:第一章介绍了介绍了本文的研究背景与意义,目标检测与定位技术的国内外研究概况,确定了本课题的研究目标与研究内容。第二章介绍了相机成像原理、张正友标定法原理、深度测量原理以及RGB相机坐标系与深度相机坐标系之间的标定原理。第三章介绍了YOLOv3算法并对其进行了改进,针对管片螺栓定位以及类似工业场景下的定位任务,提出了一种改进的非极大值抑制策略。完成了网络模型训练并在测试集上进行了测试。第四章完成了目标区域点云构建与筛选,基于改进距离误差函数的SAC-IA算法实现了点云粗配准,并利用ICP算法实现了精确配准,完成了目标物体的空间位姿计算。第五章开发了目标检测与定位程序,验证了本文所述算法在无干扰条件下、中等干扰条件下以及强干扰条件下的有效性与鲁棒性,并开展了空间定位精度实验。第六章总结了全文的研究内容,对现有工作的不足之处进行了分析,同时对未来的研究工作进行了展望,指出了仍需深入研究与努力探索的方向。