陈宪帅，吴自然，闫俊涛，吴桂初，郭天慧

(1.温州大学乐清工业研究院，浙江 温州 325000；2.襄阳市供电公司，湖北 襄阳 441000)

0 引言

随着工业生产中对机器自动化、智能化需求的日渐提高，机器视觉作为工业生产向智能化方向发展的重要技术之一，已得到愈加深入的研究，越来越多的视觉检测、测量及定位等技术被应用到实际生产当中[1-3]。但基于机器视觉的智能制造技术的发展，其可行及可靠性依靠高精度的图像分类、识别和定位跟踪等技术来支撑，而生产中所面临的形色多样的生产对象、复杂的工业环境及其不同的功能要求，给视觉的识别处理工作带来极大的困难和挑战。

随着视觉技术在工业生产中的需求日益增加，越来越多的基于视觉的分类、识别及定位方法被提出。孔令聪[4]提出了一种以零件轮廓的形状、面积和周长等特征参数对零件进行分类，后计算零件的质心等参数对零件进行定位及姿态估计的方法；徐远等[5]采用两个单目相机，通过改进NCC匹配算法的一次定位和基于边缘特征的模板匹配进行二次定位实现了对工件和装配孔的两次定位；曹冬梅等[6]通过对条烟图像的边缘与模板进行匹配，从而进行定位与姿态估计，再用相关性、对比度和各向异性等特征训练支持向量机分类模型对目标进行分类；曾鹏[7]首先在虚拟空间每隔一定步长渲染工件的CAD模型进行模板库的建立，然后根据实时采集的图像与模板库匹配获得工件的粗略位置姿态参数，在第二步的精确姿态参数求取中使用L-M算法进行迭代，获得较为精确的工件位置姿态；……