随着人工智能与机器人技术的不断发展,农业装备将逐步向自动化、智能化方向发展。果实的识别与定位是智能采摘的关键。我国苹果果园环境复杂,苹果果树挂果率高,果实姿态各异,果实直径大,果实重叠、遮挡率高。如何在上述非结构化的场景下实现苹果的识别与定位是必须要解决的难题。针对这个问题,本文提出了基于信息融合的采摘机器人视觉识别与定位方法,论文主要研究内容如下:(1)建立苹果采摘机器人立体视觉识别系统。运用刚性配准的方法计算深度图与彩色图的映射矩阵,进而融合彩色与深度信息得到苹果特征向量P[x,y,z,r,g,b];研究了机器人手眼标定方法,对立体视觉系统中埃夫特四轴机械臂与Kinect设备进行手眼标定。(2)提出了一种适用于苹果果园的苹果特征提取方法。运用R-G、ExR、S分量(HSI空间)以及a*分量(L*a*b*空间)对所采集的苹果图像灰度化,运用otsu全局最优化阈值和k-means聚类对灰度特征图进行苹果图像粗分割;分析它们在不同环境下对背景噪声的抑制效果以及苹果特征提取效果,比较时间复杂度及特征提取效果,确定了苹果图片颜色特征提取所需的灰度算子及图像分割算法,提取目标苹果果实粗分割图像。(3)研究了果实姿态识别方法。运用二阶矩法、轮廓与质心距离最短法和轮廓与质心距离方差法对轮廓可视的单果苹果目标进行识别果轴方向,分析对比了各个方法的果轴识别效果;针对二阶矩法不适用于多对称轴果实的问题,提出了平行切线最大距离的改进的二阶矩法,并用多方法决策融合的方法对轮廓可视的单果苹果进行果实姿态识别。(4)针对重叠率较高的苹果图像,提出了一种基于规格特征概率分布统计与自适应区域生长的重叠苹果的细分割方法。对于重叠苹果目标,提取苹果特征向量P[x,y,z,r,g,b]中的深度信息,统计苹果规格特征概率分布,通过自适应阈值的区域生长分割方法完成重叠苹果的细分割。研究和实验结果表明,本文建立的采摘机器人立体视觉识别与定位系统,在复杂的果园环境下仍具有良好地适应性。提出的果实识别与定位算法,可以准确地识别和定位果实。运用信息融合的方法提取苹果特征,利用自适应区域生长完成重叠果实细分割,很好解决了大面积重叠苹果识别中的难点问题,为采摘机器人果实精确位姿定位提供有效的技术途径。