随着精准农业概念在我国的进一步推广，农业生产对智能机器人的需求也变得更加的旺盛。在农业智能机器人领域，目标障碍物识别技术一直是关系到机器人能否自动行走避障的关键。本文提出了一种基于立体视觉的光谱聚类算法，并把该算法应用到农业智能机器人障碍物检测的研究中。
　　本文为了降低在伪目标存在的条件下，由于伪目标的干扰引起的算法误检概率，进而提高本系统在非结构化的复杂环境中对目标的有效识别能力，提出了一种基于立体视觉分析的光谱聚类算法，该算法能够考虑到待测目标的几何特性，并结合待测目标几何特性完成光谱聚类分析，把立体视觉作为边界条件，消除了伪目标的干扰。
　　本文采用TEL-2000型成像光谱仪采集目标区域图像，并把采集来的图像作为样本和待检测数据，对不同条件下实验得出的目标光谱特征值、非目标光谱特征值以及相关系数进行检测分析对比，得出目标与伪目标的识别效果差异。
　　实验结果表明，当目标光谱特征参数个数越多的时候，目标被检出的概率越大，但此时伪目标的误检概率也随之增大；非目标光谱特征参数越多的时候，伪目标被误检的概率就越小，但目标的检出概率也随之降低；当参数条件满足u=6，v=4，η=0.6时，目标识别效果最好。该算法能够在有效降低目标误检率值的同时保证目标的高检出率。