荔枝、柑橘采摘效率的提高是提升岭南地区特色水果质量、降低成本的重要途径。农业采收机器人的应用是提高水果采摘效率的有效途径之一。但由于荔枝、柑橘果实形态、颜色、纹理及生长环境的复杂性等因素，目前我国荔枝、柑橘的采摘无法实现真正的机械化采摘，特别是在自然场景下水果采摘点的识别定位问题一直难以解决，尤其是荔枝。因此，基于本课题组研制的多果型果蔬采摘机器人，利用机器视觉和图像处理技术解决荔枝、柑橘采摘点的识别定位问题，是解决荔枝、柑橘采摘点识别定位的有效方法之一。针对本课题组研制的多果型果蔬采摘机器人，本文对双目视觉理论展开了研究，使其能够识别出不同种类的水果，实现采摘机器人的准确定位。　　本文以具有明显差异特征的荔枝、柑橘水果为例，对荔枝、柑橘彩色图像的分割、识别、匹配和三维空间定位算法进行了研究，创新性地提出了深度误差补偿方案和建立了误差补偿机制，并开发了一个水果识别定位系统RLSF(Recognition and LocationSystem of Fruits)，本文的主要研究工作如下：　　(1)摄像机参数标定。利用toolbox_calib工具箱，采用四步法完成了摄像机内外参数的标定。标定结果表明摄像机的焦距是11.2439mm。　　(2)提出了一个通过旋转H分量(HSI模型)实现渐变颜色在数值上连续、渐变分布的方法。提出了一个适于荔枝彩色图像分割方法(两次分割：粗分割和细分割)。从算法的分割质量(正确分割率)、运行时间、稳定性三方面考虑，确定了H65分量和Cr分量为分割荔枝彩色图像的颜色表示分量和确定了Cb分量(YCbCr模型)为分割柑橘彩色图像的颜色表示分量。　　(3)确定了分割荔枝、柑橘彩色图像的最佳颜色分量和最佳分割算法。　　在荔枝彩色图像分割研究中，首先，采用Otsu、K-Means、FCM(Fuzzy ClusterMean)算法对H65分量进行了分割：1)对比分割结果，分析并给出导致K-Means、FCM算法分割失败的原因；2)提出了两种结合Otsu、K-Means和Otsu、FCM的分割算法，这两种结合算法能够很好地分割出果梗、果实；3)比较5种算法的运行时间，分析并给出导致算法运行时间长、不稳定的原因；4)从算法的分割质量(正确分割率)、运行时间、稳定性三方面考虑，确定Otsu双次分割方法为彩色荔枝图像在H65分量的最佳分割算法。其次，采用Otsu、K-Means、FCM算法对Cr分量进行分割，并比较分割结果和运行时间。最后，确定Otsu双次分割方法为彩色荔枝图像在H65分量的最佳分割算法，其正确分割率达94.33％，运行时间控制在0.29s之内。　　在柑橘色彩图像分割研究中，采用Otsu、K-Means、FCM算法对Cb分量进行分割，这三种算法的分割结果均较为理想，进一步考虑算法运行时间和算法的稳定性，确定了Otsu自适应阈值分割算法为彩色柑橘图像在Cb分量的最佳分割算法，其正确分割率达92.33％，运行时间控制在0.17s之内。　　(4)提出了深度误差补偿方案。对30组(210个图像对)实验室环境拍摄的荔枝图像组进行了匹配实验和采摘点三维重建实验，分析了深度误差的分布情况，总结出误差值分布特点，并提出了一个误差补偿方案。最后，探讨了由成像系统和计算机识别系统引起定位误差的来源。　　(5)开发了水果识别定位系统。基于上述算法，以Matlab R2008a为开发平台，创新地开发了一个水果识别定位系统RLSF，实现了对自然环境和实验室环境的荔枝、柑橘图像的图像预处理、图像分割、图像识别、图像匹配、计算采摘点空间三维坐标等功能。为多果型采摘机器人的实际应用打下了良好基础。