我国是水果种植与生产的大国,水果采摘是水果生产环节中十分重要的一部分,通过采摘机器人实现水果的自动化采摘对于加速农业现代化进程有着极其重要的历史意义。水果采摘多在果园中进行,具有障碍物多、结构复杂的的特点。因此,要顺利的完成采摘工作任务,不仅需要对采摘目标准确定位,还需要对采摘机器人的运动轨迹进行合理规划。为了不损伤果树与果实,需要进行路径规划,使机器人避开障碍,准确到达目标点;为了提高采摘效率和维持机器人的平稳运动,需要进行机械臂的轨迹规划,使机器人快速、平稳到达目标点。采摘机器人的运动规划效果直接影响到水果采摘的效率。因此,为了实现无损、高效的采摘作业,需要研究采摘机器人的路径规划和轨迹规划问题。本文提出一种改进的快速扩展随机树算法（RRT）作为采摘机械臂路径规划算法,并通过三维虚拟仿真场景试验和实际采摘试验进行验证。采用B样条曲线和粒子群优化算法（PSO）获得机械臂的运动轨迹,并深入研究了多目标、多约束情况下机械臂的轨迹优化问题,得到了机械臂运动轨迹Pareto最优解集,为采摘机器人的运动控制提供了基础。主要研究内容与工作如下:（1）对采摘机械臂运动学建模和动力学建模进行研究,基于D-H参数法建立采摘机械臂的运动学模型,并使用代数法和模拟退火法分别求取机械臂的运动学逆解;基于拉格朗日法推导采摘机器人的动力学方程,作为研究机械臂无碰撞路径规划和轨迹规划的基础。（2）针对动态非结构化环境下的水果采摘机器人的路径规划难题,提出了一种改进RRT机器人避障路径规划算法。该算法通过建立机械臂与障碍物的碰撞检测模型,进行避障路径规划;引入目标引力思想,加快路径搜索速度,优化最佳步长参数;结合遗传算法与平滑处理等改进方式,对路径进行平滑优化。为了验证算法的有效性,采用MATLAB与Unity 3D建立了虚拟环境,并在虚拟环境中进行路径规划试验,仿真结果表明,最优路径搜索步长组合为:步长1为1.6°,步长2为2°,搜索一条路径的时间为0.477s,成功率100%;改进的规划路径长度比基本RRT算法所得路径长度缩短20%,路径规划成功率为100%。以六自由度视觉采摘机器人为试验对象,采用改进的RRT算法进行了实际荔枝采摘试验,结果表明,该算法规划的避障路径能够使采摘机械臂避开工作空间内的障碍物,顺利到达目标点。为水果采摘机器人采摘路径规划的提供了理论参考。（3）针对采摘机械臂关节空间的轨迹规划问题,采用B样条曲线和粒子群优化算法进行轨迹的规划和优化。首先,以机械臂的无碰撞路径为基础,利用B样条曲线对路径进行插值,得到光滑、连续的机械臂运动轨迹。然后,针对采摘作业高效、平稳的要求,采用PSO算法对运动轨迹进行优化。仿真结果表明,采用PSO算法优化后的运动轨迹均满足机械臂的运动学和动力学约束,以时间最优为优化目标,得到的优化运动轨迹运动时间为7.87 s,脉动指标为1586.87o/s3;以脉动最优为优化目标,得到的优化运动轨迹脉动指标为65.08o/s3,运动时间为41.82 s。时间性能最优的运动轨迹,脉动较大,造成的机械臂关节冲击较大,容易造成关节损伤;脉动性能最优的运动轨迹,运动十分平稳,但是运动时间较长,导致工作效率较低。（4）针对机械臂运动轨迹单一目标优化存在目标之间彼此冲突的问题,研究机械臂多目标轨迹优化算法。以运动时间最短、能耗最小和脉动最小为优化目标,采用改进的多目标粒子群算法（MOPSO）对三个目标同时进行寻优。该算法采用在外部档案集中增加变异算子和种群更新时添加退火因子的方法,保持种群多样性,逃离局部最优;采用Pareto约束支配的方法对粒子进行优劣比较,获得不同粒子之间的支配关系;采用反馈机制,淘汰不良个体,补充优秀粒子至种群中,提高了种群的收敛速度。采用经典测试函数验证本文所改进的MOPSO算法,并与MOPSO算法和NSGA-II算法所得结果进行对比,仿真试验结果表明,本文改进的MOPSO算法获得的Pareto最优解集具有较好的收敛性、分布性和稳定性。最后,采用改进的MOPSO算法对机械臂多目标问题进行优化,得到了贴近真实Pareto前沿的最优解集,为机械臂轨迹规划提供了基础。（5）以荔枝和苹果为采摘对象,采用本文提出的运动规划算法,结合视觉系统,在不同型号采摘机械臂上进行采摘试验。以视觉系统获取障碍物和目标位置信息作为运动规划算法的输入,以关节运动轨迹为输出,将运动轨迹输入给机械臂,指导机械臂的运动。试验结果表明:采摘机械臂顺利采摘到目标果实,且运动平稳,采摘效率高,验证了本文运动规划算法的有效性和实用性。