机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过图像摄取装置将被摄取目标转换成图像信号,再传送给专用的图像处理系统,对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。中国正成为世界机器视觉发展最活跃的国家之一。机器视觉的应用范围涵盖了工业、农业、航天、气象、公安、交通、安全防范等国民经济的各个行业。本文的工作涉及的是点胶机行业。传统点胶机通常采用的是人工输入点胶的方式,存在精度差、效率低等一系列问题,不符合现代制造业高精度、高效率的点胶要求。本文以视觉定位为研究对象,把机器视觉引入传统点胶机中,从而提高点胶产品质量和生产效率。本文介绍了视觉定位的硬件组成,探讨了硬件设备的性能参数、选取方案。图像设备将采集到的三通道图像进行图像灰度化、图像滤波等一系列预处理。其中,图像灰度化技术可减少实时采集的图像数据量,图像滤波技术减弱外界环境的干扰。通过研究摄像机的透视模型,获取图像坐标系与三维空间坐标系的关系,分析摄像机中存在的畸变类型,并利用OpenCV库函数进行校正。鉴于点胶机和摄像机的实际情况,提出一种适合机器视觉点胶机的系统标定方法。另外,本文还对尺度不变特征变换(Scale invariant feature transform,Sift)算法进行了深入研究。鉴于Sift只适合基于特征点的匹配,为了进行工件的匹配,提出了一种基于图像块的改进Sift算法——M-Sift算法,它以图像块为基本单位,生成的128维特征矢量用于图像块匹配。针对传统匹配算法耗时长,不能满足机器视觉点胶机的实时性定位要求,本文提出一种基于图像金字塔快速匹配定位方法,通过金字塔分层算法加快图像的处理速度,并结合仿射变换增加图像匹配的旋转不变特性,并成功运用于点胶机的定位过程中。最后,在VC++6.0平台上使用模块化设计的方法开发了机器视觉点胶机的软件系统,通过实验,证明该系统的开发达到了预期效果。