1.一种基于颜色信息和三维轮廓信息的树上水果自动识别方法，其特征在于，所述方法包括：利用RGB-D相机获取果树的三维点云数据并利用色差法从所述三维点云数据中提取出水果点云数据，所述水果点云数据是水果所在的区域的三维点云数据；

利用各个所述水果点云数据的位置信息和颜色信息对所述水果点云数据进行条件欧式聚类为若干个点云团，每个所述点云团中都包括水果；

对于每个所述点云团，根据所述点云团中的水果点云数据的位置信息确定所述点云团在空间三个方向上的最大长度，根据所述点云团在空间三个方向上的最大长度预估所述点云团为多水果点云团或单水果点云团，所述多水果点云团是预估包含至少两个水果的点云团，所述单水果点云团是预估仅包含一个水果的点云团；

对于每个所述多水果点云团，利用随机采样一致性算法基于所述多水果点云团中的水果点云数据的位置信息对所述多水果点云团进行球形分割提取得到所述多水果点云团中的各个水果；

对于每个所述单水果点云团，将所述单水果点云团中的水果点云数据投影到二维平面并提取出边界点云数据，利用渐近采样一致性算法基于所述边界点云数据的位置信息对所述单水果点云团进行圆形分割提取得到所述单水果点云团中的水果。

2.根据权利要求1所述的方法，其特征在于，所述利用色差法从所述三维点云数据中提取出水果点云数据，包括对于每一个三维点云数据：利用伽马变换图像增强方法对所述三维点云数据的颜色信息的R通道颜色灰度值进行变换：R′＝A·Rγ，R表示所述三维点云数据的颜色信息的R通道颜色灰度值，R′表示变换后的R通道颜色灰度值，A为增益系数，γ为伽马系数，γ略大于1；

当R′-G≥0时确定所述三维点云数据属于所述水果点云数据，G表示所述三维点云数据的颜色信息的G通道颜色灰度值。

3.根据权利要求1所述的方法，其特征在于，所述利用各个所述水果点云数据的位置信息和颜色信息对所述水果点云数据进行条件欧式聚类为若干个点云团，包括：对于任意一个所述水果点云数据及其邻近点，计算所述水果点云数据与所述邻近点之间的欧式距离D为： (x1,y1,z1)是所述水果点云数据的位置信息，(x2,y2,z2)是所述邻近点的位置信息；

计算所述水果点云数据与所述邻近点之间的颜色差异CD为

(R1,G1,B1)是所述水果点云数据的颜色信息，(R2,

G2,B2)是所述邻近点的颜色信息；

若所述水果点云数据与所述邻近点之间的欧式距离小于距离阈值，且所述水果点云数据与所述邻近点之间的颜色差异小于颜色差异阈值，则确定所述水果点云数据与所述邻近点属于同一个点云团，否则确定所述水果点云数据与所述邻近点属于不同的点云团；

遍历空间内所有水果点云数据完成聚类，将所有水果点云数据划分为若干个点云团。

4.根据权利要求1所述的方法，其特征在于，所述利用随机采样一致性算法基于所述多水果点云团中的水果点云数据的位置信息对所述多水果点云团进行球形分割提取得到所述多水果点云团中的各个水果，包括：将所述多水果点云团中的水果点云数据作为采样数据集，通过对所述采样数据集进行随机采样迭代得到球形模型，利用所述球形模型分割得到所述多水果点云团中的一个水果；

将所述球形模型对应的水果点云数据从所述采样数据集中去除，并检测剩余的水果点云数据的数量是否达到数量最低阈值，若是，则结束流程；

若剩余的水果点云数据的数量未达到所述数量最低阈值，则将所述采样数据集更新为剩余的水果点云数据，并再次执行所述对所述采样数据集进行随机采样的步骤。

5.根据权利要求1所述的方法，其特征在于，所述提取出边界点云数据，利用渐近采样一致性算法基于所述边界点云数据的位置信息对所述单水果点云团进行圆形分割提取得到所述单水果点云团中的水果，包括：对于所述单水果点云团中的任意一个水果点云数据，确定所述水果点云数据及其所有邻近点组成的角度集合为θ＝{θ1,θ2,L,θn}，其中，θi表示所述水果点云数据与其第i个邻近点之间的角度，i为参数且1≤i≤n；

若max(θi+1-θi)≥αth，则确定所述水果点云数据属于所述边界点云数据，其中，αth为角度阈值；

将所述边界点云数据作为采样数据集，通过对所述采样数据集进行渐近采样迭代得到圆形模型，利用所述圆形模型分割得到所述单水果点云团中的水果。