农业劳动力匮乏正成为发达国家和发展中国家共同面对的问题,自主收获机器人的研究已经成为近年来的热门课题。自主收获机器人首先需要感知周围环境,然后根据周围环境信息做出综合决策,并对自己的运动做出合理的规划,即路径规划问题。与工业机器人特定的工作环境不同,自主收获机器人主要在自然环境下工作,要面对更为复杂多变的情况,有更多的问题需要解决。本课题围绕自主收获机器人中基于双目视觉的环境感知和路径规划等关键技术展开研究,主要完成了如下工作：1.为实现自主收获机器人对环境的感知,研究了障碍物的识别与定位方法,提出了一种基于支持向量机的树枝识别方法。采用归一化互相关(NCC)的匹配算法对树枝区域进行立体匹配,实践证明该算法简单省时、对光照不敏感。经立体匹配的树枝区域,结合多线段逼近树枝骨架的方式计算得到树枝三维坐标,根据二维半径信息及相机标定参数计算出树枝的实际半径,进而对物体进行三维重建,最后用OpenGL可视化输出。2.针对动态非结构化环境下的柑橘收获机器人实时路径规划问题,采用单次查询、双向采样与延迟碰撞检测相结合的SBL-PRM (Single-query, Bi-directional, Lazy collision checking, Probabilistic Roadmap Method)算法进行实时路径规划。通过一次单目标定建立摄像机坐标系与世界坐标系的转换关系,完成了机器人的自定位。在路径规划的搜索过程中,以位姿点密度作为权重使路径向自由空间扩散,避免过度采样。为提高路径规划速度,采用延迟碰撞检测策略,可有效降低计算量。碰撞检测采用有向包围盒进行。对无遮挡和遮挡两种场景下的柑橘采摘情况进行仿真试验,分析最大采样点数S、邻域阈值ρ、局部路径检测阈值ε、路径平滑次数N等参数对规划时间和成功率的影响。仿真试验证明了SBL-PRM算法在自主收获机器人实时路径规划中的有效性。通过研究,在障碍物识别、定位、三维重建以及路径规划方面取得较大进展。本文的研究内容对我国开展自主收获机器人的研究具有参考价值,为进一步的研究打下了基础。