随着机器视觉技术的不断发展,工业机器人被逐步应用到工业加工装配环境中,它们可以通过视觉技术来自动识别工件种类与位姿,结合机械抓取设备来完成零配件的分拣工作。但现有技术通常依赖于高精度的视觉成像设备,亦或是能探测深度信息的激光扫描仪,硬件成本较高,算法实现复杂,开发周期长,不能广泛应用于工业生产领域。针对工业机器人在工件识别与分拣技术中所存在的问题,本文设计并实现了一种基于机器视觉的工件定位识别分拣系统,即使用单目相机与工业机械臂为硬件基础,结合视觉标定以及人工神经网络等相关技术,完成工件的定位、识别及分拣工作。首先利用传统的张正友标定法完成了相机内参的标定,并将外参标定转化为PnP问题,提出了一种非线性优化的标定方法。针对传统线性手眼标定法中标定方程求解困难的问题,提出了基于李代数的标定方程求解方法,并在实验中验证了视觉系统的定位精度。其次,介绍了待分拣工件的特征提取方法,构建了基于MLP的工件识别神经网络,它能根据工件图像的实际特征来判定拍摄图片中的各工件种类及数目。最后重点研究了粘连工件的图像分割问题,提出了基于分水岭与区域运算的粘连工件分割算法,然后在实际硬件环境下实现了静态工件的分拣工作,通过实验验证了系统的快速性和准确性。本文的主要贡献是在HALCON视觉软件平台下搭建的一套工件识别与分拣系统,经过硬件平台调试后可以达到较高的准确度,完成时间短。系统使用的方法实现起来成本低廉,设备调试简单,软件开发周期短,且能达到工业上准确性和实时性的要求。为工业零件自动化装配提供了一种新的解决方案。