树果自动采摘技术是智慧农业领域的研究热点,而树果准确的位置信息是采摘机器人成功采集树果的前提,本文研究基于双目视觉的树果定位算法。目前用于树果定位的算法主要有基于特征点匹配的树果定位算法和基于区域匹配的树果定位算法。基于特征点匹配的定位算法具有实时性好的优点,但由于光线变化和背景遮挡等原因,会造成果实中心点深度值缺失,以致无法定位;基于区域匹配的定位算法,对果实区域进行全像素匹配,定位准确性好,但实时性差,另外受光线变化和背景遮挡的影响,部分区域视差值缺失,该区域定位精度低。针对上述问题,本文提出一种定位精度高实时性好的树果定位算法,该算法将能够有效匹配边缘和细节特征的AKAZE特征点匹配与支持倾斜区域和球形区域匹配的Patch Match Stereo区域匹配相结合,该算法首先对树果双目图片进行通道转换,然后根据颜色特征分割并提取图片中的果实区域,对左右视图所有果实区域进行AKAZE特征匹配,获取正确的特征点对用于计算果实区域的深度细节,并估算区域中果实数量,实现果实区域的特征点匹配定位,进而将特征点定位信息用于树果图像的Patch Match Stereo区域匹配定位中,提高了区域匹配定位算法的准确性和实时性,获得了果实区域的稠密视差图,最后在Patch Match Stereo算法的视差填充步骤中使用邻域四方向二次匹配的方法,从部分区域的视差缺失点邻域内四个方向有效点的视差值中为该点寻找正确视差值,改善算法所得视差图的质量。用本文算法对树果图片的十个区域进行定位,结果表明,该算法所得树果位置在X方向的最大相对误差为1.20%,在Y方向的最大相对误差为1.58%,在Z方向的最大相对误差为0.18%,相较于特征点匹配定位算法的深度值最大误差减小了1.06%;对于中心点深度值缺失的果实区域也能实现定位,其深度值最大相对误差为0.46%;另外该算法的运算效率高,相较于原始Patch Match Stereo区域定位算法耗时减小92.6%,能够满足树果定位实际应用要求。