在柑橘的生产作业中,收获采摘约占整个作业量的40-50%,由于采摘作业的复杂性,我国当前的采摘自动化程度还很低。为提高劳动生产率,保证果实的实时采收,研究和开发柑橘采摘机器人,具有重要的意义。而作为机器人的核心系统即立体视觉系统的研究已成为机器人研究的热点和焦点。机器视觉系统主要解决果实的正确识别和准确定位问题,它是实现采摘机器人自动、快速、准确采摘果实的关键,是收获机器人发展必须首先解决的问题。本文以树上相橘为研究对象,以柑橘果实的识别和定位为研究目的,结合双目立体视觉理论,对柑橘采摘机器人的视觉系统进行了研究。主要研究内容如下：(1)构建了双目立体视觉系统的硬件平台。根据试验场地和拍摄距离,选择基线距离为100～200mmm,测量深度范围为0.5～1.5m,两像机夹角为30。-45。的硬件平台系统参数。对平台中的摄像机进行了基于二维DLT方法的标定,获得像机内参(包括焦距.f、主点(u0,v0)、径向畸变K1,K2)和像机外参(包括摄像机相对世界参考坐标系的旋转矩阵R和平移向量71),通过内外参数,对部分典型的空间点坐标进行反投计算,反投结果与格网点提取结果的坐标分量之间的差值在0.03～0.41pixel之间,该结果表明像机标定结果具有较高的精度。(2)对柑橘图像的预处理方法进行了研究。通过试验发现,R-B色彩空间能较好的将柑橘图像背景和果实进行分离,因此,是柑橘图像处理的最佳色彩空间,在该空间上,图像的预处理过程还包括二值化处理、基于中值滤波和形态学方法的噪声、孔洞、毛刺等的去除、基于图像乘法运算的前景目标原始灰度信息的恢复以及对双目图像对进行的图像校正处理,校正后的图像对共面并平行于基线,其极线互相平行且平行于扫描线,同名点具有相等的垂直坐标值。(3)分析和研究了当前常规的分割方法、类圆目标分割方法、遮挡物体分割方法。对果实区域尤其是重叠区域的分割、果实目标的识别和提取进行了较为详细的算法分析和设计。在基于区域的分割算法上,提出了改进的K均值聚类算法,该算法自动计算聚类数并进行快速迭代,能对果实重叠区域进行较好分割,分割后区域间对比度、区域内部一致性以及目标计数一致性(即分割准确度)分别达到95%、98%、85%,均优于传统K均值算法。对一幅696×464像素图像进行处理的时间为109.85ms,适合实时性处理,但该算法不足之处是易产生过度分割。在基于边缘的分割算法上,提出了自适应Canny算法,该算法自动计算高斯尺度参数及高低阈值,边缘连结性能好,有一定的弱边缘检测能力,边缘检测误差为16.6%,其分割性能和效果优于经典的边缘检测算子。由于单一尺度边缘检测的局限性,设计了基于小波的多尺度边缘检测方法并将Canny算子与小波边缘检测相结合,进一步优化了分割结果,其边缘检测误差为7.79%。根据单一的基于区域和基于边缘的分割算法各自优缺点,将两种方法融合,设计了相应的融合算法,通过边缘检测结果限制区域的过度分割,通过区域分割结果改善边缘的完整性和果实重叠处弱边缘的检测能力,其区域分割准确度达到92%,边缘检测误差减少到7.06%,该方法在果实重叠处的分割上获得了较好的效果,分割得到的子区域接近真实的单个果实区域,检测到的果实边缘完整、连续且闭合。在果实分割的基础上,针对类圆果实本身的形状特性,设计了基于子图分解的RHT方法进行果实的识别和完整提取,其平均的正确识别率为83.3%,当图像中果实较多时更能体现该算法在时间效率和识别率上的优势。最后,首次提出基于视差图像的果实分割算法,将分割的依据和信息从二维图像的颜色、纹理等扩展到三维空间的深度值,其区域分割准确度达到90%,边缘检测误差为5.74%,试验表明,在重叠果实区域的分割上,该方法有较强的分割能力。(4)分析了现有的立体匹配算法,针对当前果实区域匹配方法的不足,设计了基于SURF算子和极线约束的立体匹配方法,通过对同名点对的匹配实现同名果实区域的匹配,完成果实的准确定位。当基线为105mm,目标离基线的距离深度为1500±150mmm,计算出来的距离与实际测量距离之间的误差均控制在3%以内,能满足机器采摘的精度要求。综上所述,本文搭建了适合柑橘果实采摘的双目立体视觉系统,研究了较为合理的树上柑橘图像预处理、柑橘果实区域分割、识别、提取及定位方法,这些方法能为采摘机器人视觉系统的识别和定位提供一定的参考,为采摘机器人的进一步研究打下了基础。