在非结构化的果园生态环境中,苹果的生长环境非常复杂,果实往往互相重叠或果实被树叶遮挡,导致苹果采摘机器人不能快速以及准确地识别和定位目标苹果,严重影响苹果采摘机器人的采摘效率。为了解决的这一个问题。本文针对苹果重叠和遮挡等问题,提出一种新的方法。主要研究内容和结论如下:本文具体介绍了K-means算法、OUST阈值分割、色差法三种分割算法,并且对三种算法进行了对比分析。经过实验得出,K-means分割算法的平均相似度为96.34%;平均分割误差为2.35%;平均运行时间为0.78s。除了运行时间,K-means算法的分割性能要高于其他两种算法,且该算法的运行时间不超过1秒,因此表明该算法能够较为稳定、快速,准确的将苹果图像中的目标提取出来,因此选择K-means分割算法对苹果图像进行分割。提出一种基于图论分割算法Nuct与三次样条插值算法结合使用的方法对重叠苹果进行识别与定位。该方法的步骤为:第一步,对K-means分割算法分割及预处理后的恢复彩色的图像使用图论分割算法Nuct进行2次分割,提取两个苹果的轮廓,第二步,使用边缘曲率提取出果实没有被遮挡的完整轮廓和被遮挡部分轮廓,最后,使用三样条插值算法对被遮挡部分轮廓进行拟合。实验结果表明对于重叠果实中没有被遮挡的果实部分,该算法的平均相似度96.08%。算法的平均误差为4.20%,对于重叠果实中被遮挡的果实部分,该算法平均相似度为94.71%,的平均误差为5.13%,因此证明了该方法可以稳定和准确的识别和定位重叠苹果目标。在自然环境下苹果目标往往被树枝遮挡,这将导致采摘机器人采摘效率受到影响。针对这一问题,本文首先使用K-means分割算法提取苹果目标的轮廓再用凸壳提取真实轮廓段,利用不在同一直线上的3点可以确定圆的方法。在真实轮廓段上随机选取三个点为了避免不同选取点带来的参数估计值差异较大的问题,进行多次选点再求取所有圆心和半径的平均值,用求出来的圆心和半径的平均值进行拟合定位遮挡苹果目标。实验结果得出,该算法的平均定位误差为7.80%,重叠系数为89.48%,证明了该算法可以稳定准确地定位遮挡苹果目标。使用GUI编辑工具箱在MATLAB中设计重叠和遮挡下识别和定位苹果目标软件系统。本系统有三种模块分别是分割方法的效果对比模块,重叠苹果目标分割与拟合模块和用于遮挡苹果目标定位模块。