自然环境下种植的苹果在成熟期需要进行集中采摘,工作量大,在目前农业劳动力短缺的大背景下,急需研发智能化农业采摘装备,因此,苹果采摘机器人的研究具有重要意义。目前制约苹果采摘机器人性能提升的技术瓶颈,主要集中在复杂环境下图像信息获取、苹果目标识别跟踪、定位与控制等方面。据此,本文的研究重点放在机器人采摘过程中图像去雾、动态苹果的跟踪识别和伺服控制等方面,取得的主要研究成果如下:（1）针对雾霾条件下苹果采摘机器人获取图像信息困难的问题,提出了一种基于边界约束和引导滤波的去雾算法。首先,将边界约束与上下文正则化相结合,求解图像的透射率。然后,将透射率通过引导滤波优化处理。之后采用伽马变化对图像的颜色进行矫正。最后,运用暗通道理论模型对雾图进行复原。通过与He算法和Meng算法进行对比,表明本文算法恢复的无雾图像整体质量更高,对受光照影响的图像进行去雾效果也良好,适用场景更加广泛。（2）为了准确高效的跟踪识别苹果,在归一化互相关模板匹配的基础上,提出了一种结合SURF特征仿射变换的跟踪识别方法。首先,采用基于R-G颜色特征的大津阈值法分割初始图像,识别出目标果实（即获得模板图像）;其次,将模板图像与下一帧图像进行SURF特征提取匹配,剔除误匹配角点,通过仿射变换对模板进行矫正,同时预测目标位置。最后,在预测位置的1.2倍范围内,利用NCC匹配搜寻果实最佳匹配位置。测试结果表明,在没有模板校正和苹果位置预测的情况下,每帧运行时间分别为0.59s和5.17s,而本文方法的运行时间为0.41s,同时,其跟踪误差减小。该方法可以显著提高跟踪速度和效率,也为其他振荡水果的跟踪识别提供了参考。（3）为了消除苹果采摘机器人定位和运动控制中存在的空间定位误差,设计实现了一种基于视觉伺服的苹果采摘机器人微操控制方法。首先进行相机标定,采用眼在手上控制系统,构建基于图像的视觉伺服控制器;对机器人眼手关系模型雅可比矩阵进行推导;最后对控制理论进行仿真验证,结果表明,末端执行器可以准确移动到期望位置,保证苹果采摘机器人顺利完成采摘作业。