机器视觉目前作为重要的研究方向,越来越得到人们的重视。在非结构化环境中,机器人只有对目标认知后进而进行操作。本文是为了解决机器人在金属镁还原罐的除渣作业中对门把手的识别和姿态估计的难题。对门把手的识别和夹持位置的准确性的高低直接影响机器人开门能否成功。由于目标的位置、角度、间距、光照等外在因素改变,会导致系统识别准确性降低、姿态估计误差增大。所以对门把手的识别和空间姿态估计的准确性研究十分有必要。本文研究基于双目视觉系统对门把手进行识别,针对工业现场中门把手出现位置、姿态多样的问题。本文利用RBF神经网络算法良好的容错性对图像进行识别。针对门把手识别正确率会因为门把手背景复杂、曝光等外在因素的干扰而降低的问题。本文提出了RBF神经网络结合4-邻域分割法,实现了在前期不能达到预期效果的情况下对图像里的干扰区域进行分割,进而排除其他干扰物体准确识别出门把手。对工业现场中遇到的问题都能够得到良好的解决,验证了这种算法应用的可靠性。对于基于视觉的门把手的姿态估计方法研究,包含两个方面:位置和姿态。所以需要先求出位置再根据坐标系之间的关系求出门把手的空间姿态,而且门把手是已经固定安装的,所以翻滚角为零。为了消除镜头畸变和误差、确定摄像机的内外参数,需要进行相机标定。为了消除误匹配对点、提高匹配精度,采用SURF匹配算法结合极限约束法并验证改进算法的可行性。基于双目视差原理将已知的匹配对点转化为三维空间坐标,实现了对门把手的精确定位。针对门把手在相机平面内姿态估计的问题,本文通过对最小二乘法和最小面积矩形两种算法进行仿真,并通过实验对这两种方法进行分析验证,对比选择出最佳的计算方法。通过搭建视觉系统实验平台、训练神经网络,对实际现场进行图像采集、实验。并根据实验结果可知,在工业现场中,所设计的神经网络和4-邻域分割法可以满足机器人对门把手的识别需求。研究了SURF匹配算法结合极线约束算法原理,提高了门把手的匹配正确率。相应的也提高了对应空间三维坐标结果的准确率。研究了最小二乘法平面拟合和最小面积矩形法原理,通过实验对以上两类门把手姿态估计算法所得结果进行对比分析,选择出最优算法。本研究算法可以很好的解决实际问题,为之后的研究也具有一定的参考价值。