在植株病虫害防治过程中,传统施药方式普遍采用大容量淋洗式喷雾技术,易造成农药浪费,带来环境污染问题。精细化对靶喷雾逐渐成为农林植保领域的研究热点,对植保作业中节省农药和保护环境有重要意义。针对喷雾机器人定位过程中轨迹偏离误差以及靶标检测无法精确区分冠层和树干等问题,本文将轨迹优化方法和植株冠层分割方法运用于喷雾机器人系统精确定位与变量喷雾靶标检测,有利于提高喷雾施药的精确性和精细化程度,具体研究内容如下:(1)针对果园、林道等环境下植株精细化对靶喷雾,设计了机器人喷雾系统。该系统主要由数据采集单元、运动控制单元和喷雾控制单元三部分组成。数据采集单元采用RGB-D传感器获取目标植株的彩色信息和深度信息,由嵌入式主处理器对其进行处理分析;运动控制单元采用陀螺仪获取喷雾机器人姿态数据,通过CAN总线由辅控制器控制轮毂电机进而实现对机器人的运动控制;喷雾控制单元采用隔膜泵和PWM控制电磁阀进行精细化对靶喷雾。(2)针对传统的轨迹优化方法存在定位精度差、浮点漂移、深度信息易丢失等问题,本文提出了一种融合深度信息的全局非线性轨迹优化方法。该方法在喷雾机器人行驶过程中,由RealSense传感器采集植株的彩色信息和深度信息,通过提取特征点、计算描述子、匹配特征点对,结合对极约束原理获得重投影误差,并融合深度信息迭代重投影误差获取精确的喷雾机器人行驶轨迹。试验结果表明,本文方法有效减少了喷雾机器人轨迹优化过程中对单一深度信息的依赖,使拟合的喷雾机器人行驶轨迹偏离真实轨迹的误差均值下降了1.07cm,方差减少了2.14cm,超调量降低了3.13cm,极大提高了喷雾机器人轨迹估计的准确性。(3)针对植株检测分割中传统超体聚类方法存在过分割率高、实时性差等问题,本文提出了融合显著性点云的超体聚类方法。该方法将Kinect 2.0传感器获得的彩色信息转换为显著性特征图,并同步对齐深度信息后得到显著性点云,再由改进的超体聚类方法和LCCP算法两次聚类得到完整的分割图像。试验结果表明,改进的显著性点云超体聚类方法有效克服了背景噪声和离群点对分割的影响,其过分割率低于传统超体聚类方法1%~3%,在对5000个超体素进行聚类时耗时降低了3.43s,提高了喷雾目标植株冠层与树干分割的准确性和快速性。