国家发展纲要《中国制造2025》中要求在农业生产过程中提高信息收集、智能决策和精准作业的能力。采摘农机设备实现智能化会促进我国农业进一步向智能农业迈进。面对复杂的自然环境,现有的技术不能使采摘机器人精确实时的对果实进行检测和定位。本文针对以上问题,以奇异果为研究对象,对采摘机器人的目标检测及定位技术进行研究,主要贡献如下:首先,由于目前相机标定的步骤较为繁琐,不利于工程团队批量快速操作,因此基于相关理论和Opencv封装得到ViEye相机标定工具,通过标定得到双目相机的内部参数、畸变参数和外部参数,将左、右相机得到的图像校正到同一平面,标定误差小于0.05%。其次,针对目前奇异果检测方法识别精度低且用时长,建立了基于Retina-Net的奇异果检测模型:在Pytorch的框架下,以ResNet-50作为特征提取网络,通过制作数据集、选用适当的优化函数和调参策略,使用Retina-Net来检测自然环境下的奇异果。识别平均精度达到了 91.35%，单幅图像识别时间为0.08s,检测精度和速度都得到了很大的提升,能够为果实的三维定位提供数据支持。然后,针对在自然环境下提取奇异果的特征点比较困难，使用YUV直方图均衡化和SURF算法对图像的特征点进行增强和提取,并使用极线约束剔除误匹配点,基于以上研究提出了一种自然环境下奇异果立体匹配算法,完成奇异果采摘区域的立体匹配,匹配的准确率为89.39%。最后,对奇异果采摘中心点进行三维定位实验,定位的误差低于3.5%。满足奇异果采摘机器人的三维定位要求。综上所述,本文以自然环境下的奇异果为研究对象,基于双目立体视觉及深度学习对采摘机器人的目标检测及定位技术进行研究,实现了对奇异果果实的有效检测和三维空间定位。