智能机器人装备有某些类似人的感觉装置，具有感觉、识别、判断功能，能根据周围环境的变化，按规则调整自己动作。机器人视觉定位、视觉导引、视觉伺服是智能机器人领域的研究热点之一，摄像机的标定是视觉系统能否获得高精度的反馈信息的一个基本的、重要的问题。现有的摄像机标定技术大致归结为两类：传统的摄像机标定方法和摄像机自标定方法。小孔透视模型是一种理想状态的摄像机标定模型，由于摄像机光学系统不是理想的小孔透视模型，存在加工误差和装配误差，使得物体点在摄像机图像平面上实际成的像与理想成像之间存在光学畸变。 考虑镜头畸变的摄像机标定算法大致分为两类，一类采用直接非线性优化的技术，这类方法的优点是建立了精确的摄像机成像模型，涵盖多种畸变类型，求解精度高，但是模型复杂、计算量大。另一类是在线性摄像机模型中引入畸变模型，利用成像几何性质将需要标定的参数分解，然后分别计算，不使用优化技术，只求解线性方程组。 在课题的研究中，建立了视觉检测系统，实验系统主要由ABB六自由度机器人、机器人控制柜、智能图像传感器、通信I/O接口板、计算机、工件传送装置组成。由于一般工业应用中的摄像机标定技术，通常采用基于一阶径向畸变的小孔摄像机模型，标定中只考虑镜头的径向畸变，合理分解摄像机参数，全部求解过程均采用线性算法，可避免非线性优化的不稳定性。故在本文的摄像机的标定过程中，采用了一阶径向畸变的小孔摄像机模型，通过开发的基于斜率的摄像机畸变校正方法对摄像机进行了标定和对图像进行了校正，将标定后的数据应用到了系统的工作中，取得了较好的实验结果。 本论文的题目是“视觉标定技术在工件自动化识别与分类中应用的研究”，该研究是结合科研项目《基于计算机视觉技术的活塞识别系统研究》(吉教科合字(2004)第22号)展开的。在论文中针对计算机视觉检测技术、检测系统的组成和视觉检测系统的标定等方面进行了研究。本文将基于一阶径向畸变模型的摄像机线性标定方法应用在机器人视觉静态标定中，通过对摄像机的标定，进一步实现了视觉伺服机器人对活塞的识别与分选工作。