在工业生产线上提高制造中的智能化水平可以通过机器视觉相关技术来完成机械手抓取工件的引导系统。稳定性、实时性以及鲁棒性等性能是衡量视觉引导系统的重要指标。手眼标定和目标识别定位是视觉引导系统的关键点。机械手标定时,在工业现场很多时候是没有标定物的,采用三坐标仪价格昂贵,此外部分工业现场环境较恶劣,干扰较大,不利于目标识别定位,而且本文的研究对象是异形玻璃,中心不易获取,存在图像部分缺失非线性形变。本文针对工业需求提出了一种自标定方法以及一种识别定位算法,主要内容如下:(1)结合自标方法和主动视觉标定方法提出一种非固定视点(eye-in-hand)混合手眼标定系统自标定方法,该方法可以通过4个线性独立的平移运动,1个实际旋转运动与1个虚拟旋转运动并基于扩展焦点而不使用标定参照物的思想,便可以依次线性求解相机内部参数矩阵,手眼关系和特征点目标深度的相关数据。实验结果表明:该方法可行有效,简单选择特征点,在机器人本体位置不变的前提下,相关位置信息数据测量误差均可控制在0.40 mm以内,它可以满足工业领域的精度要求,对手眼系统在工业生产中的应用具有参考意义。(2)提出一种基于最小外接矩形和图像金字塔的轮廓识别定位算法,通过其提取轮廓段特征点结合粗匹配和精匹配均值计算的形状相似度,并以矩形中心坐标作为异形玻璃的中心坐标(x,y),旋转角度θ是矩形边缘相较图像原点坐标的角度差,从而获得异形玻璃的位置信息。通过实验证明,验证了该算法具有实时性、稳定性以及针对图像缺失非线性形变具有一定的鲁棒性。实验证明,本文提出的一种非固定视点(eye-in-hand)混合手眼系统自标定方法以及一种基于最小外接矩形和图像金字塔的识别定位算法能够满足一般工业生产应用的要求,可应用于面向机械手抓取异形玻璃的视觉引导系统。