近年来,随着“工业4.0”和“中国制造2025”的提出,工业生产自动化和智能化的发展进程加速前进。在工业自动化生产过程当中,机器人往往替代人工从事一些危险、繁重、枯燥的工作。但随着计算机、图像处理、模式识别等技术的发展,使得机器人不仅能从事简单、重复的工作,而且还能够将人从要求复杂、高精度的岗位中解放出来。在工业自动化生产线当中,分拣是其中一个重要环节、同时也是相对较难使用机器人替代的一个环节。针对该问题,本文将设计一套基于视觉的机器人分拣系统,用于替代传统生产线上的机械分拣作业和人工分拣作业。它有着适应范围广、灵活度高、可移植性强的特点,本文针对该系统所做的主要工作内容如下:(1)根据生产线分拣工序的组成部分和技术要求设计了 一套基于视觉的机器人分拣系统。在硬件选型上,选用ABB公司的IRB360分拣机器人作为分拣执行机构,以德国TheImagingSource的DFK33G445工业相机作为图像采集设备,配合工控机和传送机构搭建了整个分拣作业平台。(2)为了减少工业现场可能存在的扬尘,噪声的污染,保证图像质量,对采集到的图像进行了滤波、去噪等预处理工作。同时研究了不同特征对图像的描述效果,通过提取对比工件的角点信息、边缘信息、轮廓信息等特征,发现通过轮廓信息来描述工件效果最佳。并发现基于轮廓信息的模板匹配检测识别算法相对于灰度模板匹配算法在实际工业环境下有着更好的效果和抗干扰能力。(3)为了克服传统目标检测识别算法抗干扰性差、适应能力弱、以及对光源依赖强的缺点,本文同时引入了机器学习的方法来实现目标的检测识别工作。首先提取目标样本的HOG特征,然后通过SVM对样本特征进行学习训练得到不同样本的分类器。由于SVM是二分分类器,因此我们采用1 V all的方法实现多目标检测,最后通过实验验证有着较好的检测效果。(4)整合了前期工作,本文将图像的检测识别算法与CamShift目标跟踪算法相结合,提出一种适用于运动工件的分拣抓取算法。当检测到目标后,实时跟踪目标位置,同时记录坐标信息,在机器人就绪后向机器人控制器发送工件实时位置信息。并通过实验验证了该算法的可行性。最后本文基于LabView软件完成分拣系统框架的搭建,在VS2013和Opencv环境下编写出运动工件识别跟踪算法,并将两者整合应用于前期搭建的流水线分拣作业平台当中。