采摘机器人的核心技术便是视觉系统。在采摘机器人工作时，双目镜头采集图像时的镜头畸变、多果的重叠都会影响视觉系统采集数据的波动性，间接影响了采摘的效率。基于此，本文以成熟的苹果为研究对象，展开对苹果采摘机器人识别系统基础技术的研究。　　首先，对于多个重叠成熟果实的提取问题，本文提出一套适应果实图像提取的算法流程：该算法先使用统计学理论分析果实与枝叶的颜色分量的分布规律，针对这个规律提取果实；根据分水岭分割的方法提取前景目标；再使用最小二乘法拟合圆提取果实轮廓，得到苹果圆心和坐标。　　其次，针对视觉系统的镜头畸变问题，本文采用了改良的标定工具箱进行图像的标定。在标定工具箱对采集的畸变图像对标定时，先将畸变模型程序加入到标定工具箱中，然后对畸变模型参数进行校正并完成标定。该方法提高了视觉系统的标定精度。　　再次，在探索图像深度信息的影响因素的实验中，需重复进行双目标定。本文通过建立图像对的视差图解决该问题。先对图像进行预处理操作以及校正和匹配，得到视差图，并从中获取图像的深度信息。该视差图的建立降低了双目重复标定的工作量。　　最后，针对得出的果实的Z坐标误差较大的问题，本文为了获取精度更高的果实的空间坐标，搭建了关于双目摆放位置与深度信息相关性的实验平台，通过该实验平台分析误差的影响因素并确定误差补偿量。　　通过对双目视觉系统的研究，创建一个适应性强和稳定性高的视觉识别系统。能够大大的改善采摘机器人的精确度，推进了果实采摘机器人的实用进度。