我国水果产量高、国民需求量大,但水果供应链的采摘环节却仍然依靠人工作业,采摘成本高、效率低,无法满足市场的供应需求。为有效解决上述问题,利用水果采摘机器人代替人工作业必将成为果园现代化管理的发展趋势。视觉系统作为水果采摘机器人的核心部分,能够有效提高对目标果实的识别与定位性能,提升作业效率,降低采摘成本。本文以自然环境中的类球形果实为研究对象,基于Kinect机器视觉技术获取果实的彩色图像和深度图像,实现了果实的二维平面识别和三维空间定位。取得的主要研究成果和结论如下:(1)研究了图像的采集方式,分析了颜色空间模型的特点,利用R-G色差法得到果实彩色图的色差灰度图后,利用OTSU自动阈值分割算法从图像中提取出目标果实区域,针对表面与背景颜色相近的果实而言,提出了基于灰度共生矩阵提取纹理特征训练支持向量机的纹理分割方法,并运用数学形态学运算消除果实区域的内部孔洞和边缘毛刺,该方法对于光照具有一定的鲁棒性。(2)研究了自然环境下被树枝、树叶、果实遮挡的类球形果实的识别方法,引入空矩阵提取果实区域边缘和质心坐标,提出了一种利用目标区域边缘上相邻的人工标注点与质心的距离波动曲线求取最佳遮挡阈值判定果实边缘的数学方法,引入随机三点定圆法求取圆心点集,结合改进的凝聚层次聚类算法识别被遮挡果实的圆心和半径,能够识别出不同障碍物造成的不同遮挡程度下的类球形果实。(3)研究了Kinect相机标定流程,通过相机成像模型和标定技术获取的内外参数来进行彩色图与深度图的配准操作。根据图像像素坐标系、图像坐标系和相机坐标系三者间的映射关系得到红外相机坐标系下果实表面特征点的三维坐标,利用最小二乘法分别计算离散的点云数据各区间球面模型的拟合参数,并在各区间内利用球面极坐标公式以一定的点密度进行逐点插值计算,定位出果实质心的空间坐标,为采摘机器人机械臂的抓取动作提供一定的数据支持。