随着农业生产的飞速发展和农业劳动力成本的迅速上升,农业劳动力的匮乏将成为许多发达国家和发展中国家共同面对的问题。目前机器人技术在农业上应用研究越来越成为热门课题,与工业机器人特定的工作环境不同,农业机器人主要在自然场景下工作,要面对更为复杂多变的情况,有更多的问题需要解决。本研究作为柑橘采摘机器人研究的一部分,利用双目立体视觉技术,研究自然场景下的成熟柑橘的识别和定位方法、障碍物(树枝)的检测方法,为未来开发收获机器人采摘柑橘进行前期视觉系统方面的准备工作,这部分相关的研究也是水果收获机器人实用化的关键。本研究的主要内容和方法如下:1.成熟果实定位果实定位主要通过识别和匹配等步骤完成。识别的目的是把成熟柑橘从背景中识别出来,为空间定位做准备。本研究利用对RGB颜色系统中的色差分量2R-G-B值进行迭代,自动寻找阈值的方法分割柑橘图像;将区域分割后的彩色图像转化为二值图像;经过形态学运算消除噪声;对图像进行区域标记,根据区域面积和区域最小外接矩形长宽比设定阈值,去除小块及非类圆形干扰区域;进行区域填充、轮廓提取,并采用优化圆形Hough变换拟合出成熟果实图像中的圆心坐标、半径等特征值;然后以单个柑橘为匹配对象,采用基于特征的立体匹配方法,加入柑橘的区域重心、外接矩形尺寸等特征值作为匹配约束来实现左右两幅图像中对应果实的唯一匹配,研究结果显示正确匹配率达80%以上。最后在对摄像机内外部参数进行了标定的情况下,求得柑橘的空间三维坐标,并利用激光测距仪进行了对比验证,当测量距离小于等于1.5m时,平均误差不超过1%。2.障碍物检测为保持算法的可执行性,障碍物检测的步骤和果实定位基本相同,采用对图像2R-G-B和2G-R-B色差分量值进行迭代,并结合图像灰度阈值法能快速有效的分割出图像树枝区域,通过图像二值化、形态学运算、区域标记、空洞填充提取出图像树枝区域;通过区域细线化提取树枝骨架,并进行骨架修剪、恢复遮挡骨架等处理;然后找出骨架中端点、分支点等特征点并记录它们的连接关系;最后通过对特征点的立体匹配恢复障碍物的三维信息。试验表明障碍物的正确识别率为67.3%,当障碍物实际距离大于1.5m时,识别误差增大。通过研究,在成熟水果识别、匹配和定位方面取得了较大进展,提出了一种果实收获机器人的障碍物检测方法。本文的研究内容对我国开展农业收获机器人视觉识别技术领域的研究具有参考价值,为进一步的研究打下了基础,对提高我国农业的国际竞争力有重要的经济意义。