长期以来,在板式家具生产的众多工序中,家具的拆剁、上料、搬运等大体力工序皆由人工来完成,不仅效率低下增加企业的人工成本,而且由于家具板材过大,容易造成工人受伤。企业希望能将这些工序自动化,但难以实现。要实现自动化的拆剁、上料、搬运,首先必须获取板材的边缘轮廓及其重心,也就是要获得传送带上板式家具的三维坐标。但精确地实现三维坐标的自动获取,难点在于:板式家具三维定位视野大、光照不均匀、图像噪声复杂、精度要求高等。针对上述难点,本文讨论和研究了在工业生产流水线上,基于图像处理,应用Kinect2.0传感器来获取板式家具三维坐标的方法。本文的主要工作如下:首先,介绍了本文研究内容的来源、背景、意义、相关领域国内和国外的研究现状,详细阐述了Kinect的功能、成像原理、应用场景以及选用此款传感器的优势,论述了本系统软件开发平台的要求,通过二次开发Kinect for Windows SDK来获取板式家具的彩色图像和深度数据。其次,详细设计了深度图像和彩色图像的预处理算法,通过比较均值滤波算法、中值滤波算法、形态学滤波、双边滤波算法、联合双边滤波算法的处理结果,最终使用基于双边滤波的改进算法联合双边滤波对深度图像进行平滑去噪操作,该方法在平滑噪声的同时能够最大程度的保存图像的边缘信息。针对彩色图像的分割问题,通过比较Canny、Sobel、拉普拉斯等图像分割算法的效果,采用基于深度数据对彩色图像进行分割,采用Camshift算法计算板材中心点二维坐标,结合传感器获取的深度数据,最终得到板材的三维坐标。在分析小孔成像原理的基础上,详细阐述了光学传感器成像过程中各种坐标系转换的方法。详细介绍了Kinect2.0彩色摄像头的标定原理,采用张正友标定法对Kinect2.0传感器进行相机标定,同时分析了几种成像畸变的原因并且分别介绍了对应的补偿方法。分别计算出彩色摄像头和深度摄像头的内部参数矩阵和外部参数矩阵,提出一种通过一个旋转矩阵和一个平移向量对彩色信息和深度数据进行配准的方法。最后,在生产现场搭建实验平台,通过实验获得板式家具的三维坐标,与实际测得的板材坐标数据进行比较,分析误差成因,得到深度数据的误差分布。利用拟合得到的误差分布函数,结合工厂的实际生产情况对误差进行修正,最终在成像视野大小为1500mm×2000mm、Kinect2.0传感器安装高度在1200mm左右的情况下,能够控制坐标的误差在5mm之内,满足工业使用的需求。