如今制造业正面临着人工成本提升,产品生命周期缩短的挑战,特别在重工行业中,工人劳动强度大,车间温度高,作业危险,需要机器视觉来代替人工对车间工件进行识别,获取物料的三维信息,以方便机器对物料进行抓取。而就目前而言,机器视觉成本仍然较高,特别是一些中小型企业,不愿意投入大量资金去引进视觉系统,而且在机器视觉中,精度和成本、识别时间往往相悖,精度越高,识别时间越长,成本越高。对此,本文针对制造车间实际情况,研究出一种快速获取工件三维信息的识别方法,该方法在满足实际车间精度的要求下,大大缩短了识别时间和降低了机器视觉的成本,为机器视觉结合实际提供了一种解决办法。该研究方法具体如下:首先,对双目相机进行标定,标定的目的在于寻找一个合适的相机模型,通过此相机模型实现图像中的二维坐标系到空间中三维坐标系的转换。并通过MATLAB工具箱和NI工具箱对双目相机同时进行标定,得到两种相机模型,然后通过实验对比得到NI的相机模型稳定性好,精度高,因此选用NI相机模型作为后续重建的基础。然后,对获取的工件图像进行识别,识别的目的一是在图像中寻找到我们所需要的目标对象,二是可以缩小重建范围,缩短处理时间,在识别之前,先对工件图像进行预处理,使工件区域与背景区域对比度更强,更容易识别,然后利用几何匹配对工件进行识别,并针对实际车间的情况,发现工件在出现反光和相互遮挡的情况下,用已有的几何匹配并不能完全识别出全部工件数量,对发生此种情况的原因进行分析,最终提出了一种通过均值化多模板的改进的几何匹配方法,通过实验,此方法在工件出现反光和相互遮挡的情况下,均能识别出全部工件。最后,对已识别出的工件进行边缘提取,边缘提取可以进一步的缩小重建范围,缩短处理时间,然后对边缘轮廓进行分析,发现边缘轮廓中大部分点并不能提供有效的几何信息,只有极少数特殊点可以表示出工件外形的大部分信息,于是对这些特殊点再进行的提取,可以在不影响工件三维信息识别的基础上,再一次的缩短处理时间,加快识别速度,对左右图像上的特殊点进行提取后,通过基于特征的几何匹配算法将左右图像中的特殊点一一对应起来,剔除掉多余的特殊点,最后利用相机模型将左右图像对应起来的特殊点对进行重建,得到它们的世界坐标值,通过这些世界坐标值,计算出工件的三维尺寸信息,从而实现对工件的三维信息识别。基于特殊点的重建方法从工件图像的预处理到最后对特殊点的重建,整个过程只用了1.63s,相比于一般的重建方法,在处理时间上,至少缩短了6倍,而且计算出来的工件三维尺寸信息也满足实际车间的精度要求。除此之外,还对工件进行三维信息识别后,车辆进入车间搬运工件时的位姿进行了简单的研究,通过车辆与待指令区域的相对位置关系,提出了一种车辆位姿校正的方法。