苹果营养丰富,深受人们喜爱。但是目前苹果采摘作业绝大多数都是以人工采摘为主,机械化程度低。因此研究苹果采摘机器人,实现苹果的自动化采摘具有重要意义。苹果在环境风或者采摘作业的影响下会产生晃动,传统苹果识别算法得到的位置只是某一瞬间的位置,无法精确指导苹果采摘机器人采摘,需要对苹果位置进行实时的跟踪。为了实现苹果采摘机器人在运动状态下对振荡果实的精确快速采摘,提出了一种苹果采摘机器人振荡苹果跟踪识别方法。本文主要研究内容和成果如下:(1)在实验室环境下模拟果园环境搭建了实验平台。本文首先对图像进行中值滤波,用于在减少噪声的同时,尽可能地保护苹果边缘。在对比了多种颜色特征后,提出使用2R-G-B颜色特征对原始图像进行处理,提高苹果与背景的区分度,同时将三通道RGB图像转化为单通道灰度图像。之后使用动态阈值法(OTSU)分割得到苹果二值图像。(2)提出了一种苹果快速识别算法。本文首先使用孔洞填充算法填补苹果果实尾部花萼形成的孔洞。然后使用半径为5个像素的圆形模板对图像进行开运算去除小的噪点。在去除非感兴趣连通区域后,针对拍摄角度不同、苹果形状各异和苹果存在遮挡重叠等等缺陷的情况,以及全局霍夫圆变换较为耗时的问题,使用局部参数自适应的霍夫变换法识别苹果。实验证明本文识别方法能够较快速准确地识别苹果。(3)提出了一种苹果快速跟踪算法。本文首先在2R-G-B图像中将目标果实所在矩形区域提取为模板图像,在灰度图像中提取Shi-Tomasi角点。由于前后图像之间存在信息关联,本文利用这种信息关联性,提出使用金字塔LK光流法跟踪Shi-Tomasi角点,然后使用正反向光流误差法去除跟踪不稳定的角点,之后基于随机采样一致性算法(RANSAC)计算仿射变换矩阵来预测苹果位置以及修正模板尺度,最后使用去均值归一化互相关模板匹配算法在预测区域1.2倍范围内搜索苹果最佳位置,实现目标苹果的跟踪。实验表明:没有矫正模板的情况下运行时间为25ms,跟踪误差大于8%;没有预判苹果位置的情况下运行时间为130ms,个别苹果跟踪出现错误;本文算法运行时间为25ms,跟踪误差小于4%,跟踪识别的速度和效率都得到了极大的提高。上述成果表明,本文提出的苹果采摘机器人振荡苹果跟踪识别方法能够在运动状态下较好的实现振荡苹果的跟踪识别,对苹果自动化采摘具有重要意义,该方法也可为其他振荡果实的跟踪识别提供参考。