本文主要针对工业生产中分拣机器人的目标识别及定位中遇到的具体问题:在外界干扰因素的影响下，目标的判断识别与定位精度容易受到光照、噪音等外界因素的干扰，而且目前只能对形状规则、特征明显、判定准则单一的简单目标进行识别与定位，对形状不规则的复杂目标则很难有效实现等问题进行了研究。　　首先对机器人的整体系统方案进行了设计，开发了手眼系统结合的四自由度机器人实验平台，对机器人进行了逆运动学求解和分析，并对其性能进行了实验调试，重复定位精度达到1mm。其次，建立了摄像机参数模型，并对视觉系统进行了标定研究，计算出摄像机内外参数，标定精度在0.2像素之内。推导出机器人手眼坐标关系变换矩阵，给出了由图像坐标系中的工件形心坐标向世界坐标系中机器人末端执行器位置转化的模型。为排除外界干扰因素的影响，获取高质量的工件目标图像，利用开发的图像处理技术目标图像进行图像预处理，通过多个边缘检测器对图像边缘检测效果的研究，提取出边缘明显、清晰地目标的轮廓。　　针对以上多目标识别及定位中遇到的问题，提出了SIFT和几何矩算法相融合的方法。利用SIFT算法和RANSAC策略对多种工件进行匹配识别，通过匹配识别的实验结果对比，表明RANSAC策略在消除误匹配点方面对SIFT算法进行了改进，提高了匹配率。在利用SIFT算法对多目标做出判断识别的基础上，通过几何矩算法计算出工件形心坐标，进而对目标进行精确定位。通过视觉系统标定和运动学逆解将工件形心坐标转化为机械手末端位置坐标，以利用基于位置的视觉控制方法对机械手进行柔性控制。开发了一套目标识别及定位系统，通过图像计算值和世界测量值对目标的定位结果进行了初步实验验证，实验表明定位精度为0.6mm。　　解决了二维平面中识别目标单一、识别对象简单规则、判定准则单一，对复杂工件的识别受局限，以及多目标定位困难的问题，排除了外界影响因素对多目标识别及定位的干扰，提高了机器人的柔性和自主性，增强了对外界环境的适应能力。