近年来，新疆作为中国的产棉大省，其棉花的总产量已占全国比重的五成左右。由于传统采棉方式需要消耗大量的劳动力，机械采棉对棉花的采摘效果的不理想，都很大程度上制约了新疆棉花产业的发展，因此，采棉机器人的研发是解决当前采摘困境的一个好的出路。采棉机器人的研发技术中，利用双目立体视觉系统对棉花目标进行识别定位，并将位置信息传给机械手进行采摘。本文对采棉机器人双目立体视觉系统的关键技术进行研究，分别从棉花图像分割、棉花成熟判定、图像匹配三方面提出了有效的算法。棉花图像的分割识别方面，本文提出在YCbCr颜色空间下使用PSO和K-means混和聚类的方法对棉花进行分割，能够有效的克服光照、阴影带来的影响，实现了全局解搜索能力与收敛速度的平衡，其分割稳定性、分割精度优于传统PSO聚类的分割方法，可以将各种复杂环境下的棉花图像准确有效的分割。棉花成熟判定方面，本文提出了基于形状特征的PSO优化SVM的棉花成熟度判别算法。该方法对分割后的棉花二值图像画出最小外接矩形，提取目标图像的形状特征参数，最后利用PSO算法优化SVM参数，建立了可以判别棉花成熟度的SVM模型。实验结果表明，该方法具有准确率高，判别时间短，满足采棉机器人对实时性的要求。图像匹配方面，本文提出了一种基于特征的棉花图像快速匹配算法。该方法先根据棉花的灰度像素特征使用FAST进行角点检测，SURF对特征点进行角度和向量描述，对经过描述的特征点采用改进的KD-Tree在另一幅图像中搜寻相应的匹配点，并采用极限约束和RANSAC进行误匹配剔除。实验表明，该方法解决了之前匹配算法速度慢、匹配点对少、边缘特性较弱的缺点，对旋转过的图像依然可以成功匹配。