随着我国人口老龄化和城镇化的加剧,劳动力缺乏的问题变得越来越明显。目前市场上茶叶收割的机械大多无选择性而且不能保证采摘到的茶叶的完整性,名优茶生产原料仍然依靠人工采摘获取。若能研制一款可自动识别嫩叶的采摘机器人,那么采摘效率会大大提高。用机器视觉技术对茶叶嫩芽进行识别定位是研制茶树嫩芽自主采摘机器人的关键前提。本文主要对自然光环境下茶叶图像的预处理、采摘剪切特征点的提取和基于双目视觉的嫩芽深度信息获取方法进行了研究,主要工作和研究成果如下:(1)开展了运用双边滤波进行图像去噪和点算子提高图像对比度的图像预处理方法的研究。对采集到的茶叶图像进行滤波去噪处理,通过比较不同滤波去噪的实验结果得出用双边滤波既能去除噪声又可以尽可能地保留图像中有用的特征信息。然后用点算子调整茶叶图像的亮度和对比度,处理速度快而且能够很好地提高茶叶嫩芽和老叶的对比度。(2)采用基于颜色阈值的图像分割算法,对茶叶图像嫩芽分割开展了理论和实验研究。分别采用基于K-means++聚类的图像分割方法、Otsu(大津法)阈值分割方法、基于颜色阈值的分割方法这三种图像分割方法对茶树嫩芽进行图像分割处理。最后通过对比这三种分割算法的分割效果,基于颜色阈值的分割方法能够较好地分割出茶树嫩芽区域。(3)针对茶叶嫩芽枝茎细小定位困难的问题,对剪切点的确定和坐标补偿方法进行了研究。分别用图像的几何矩求取嫩芽区域的质心和用嫩芽区域的最小外包矩形的中心这两种方法来求取茶叶嫩芽区域特征点。通过比较两种方法实现程序的时间复杂度和实验效果,选择图像的几何矩求取嫩芽区域的质心算法。最后根据茶叶鲜叶等级标准,当机械臂采摘茶叶嫩芽时末端执行器所在轴向外补偿25mm。(4)基于SGBM半全局匹配算法,对采用双目视觉实现获取茶叶深度信息的方法进行了研究。以经典的针孔相机模型和双目相机模型为理论基础,采用Matlab软件对双目相机进行标定。用SGBM半全局匹配算法求得了茶树的深度图,通过茶树嫩芽区域的质心坐标和深度图最终求取出了茶叶嫩芽的三维坐标。通过实验验证视觉测量误差在5mm以内,基本满足了茶树嫩芽的精度要求,将茶树嫩芽的三维坐标传递给自主采摘机器人可实现茶树嫩芽的采摘。本课题以自然光条件下采集的茶叶图像为研究对象,运用图像处理和机器视觉技术对茶叶嫩芽识别关键算法进行研究,基本实现了茶叶自主采摘机器人的自主识别和准确定位功能。本课题的研究对茶叶嫩芽自动化采摘机器人的研发具有一定的意义。