【摘要】随着机器视觉技术在工业生产中的应用变得愈加广泛，为了提高机器人工作时抓取目标工件的准确率并增强稳定性，在传统目标识别算法的基础上，提出了基于 SURF 和 RANSAC 的目标识别算法。首先，用 Hessian 矩阵提取特征点，其次，欧式距离进行双向匹配，最后，用随机抽样一致算法进行反向匹配。通过不同种类工件的匹配识别实验得知，算法的目标识别准确率和运算速度较传统算法均有提升；同时，提出基于 FLANN 结合 SURF 算法利用 K-d 树快速查找特征点，通过劳氏算法获取最优匹配点，实验物体在翻转、倾斜、遮挡、替换等不同条件下对于特征点识别和目标的实时匹配仍有较好的鲁棒性。