路径规划是移动机器人领域研究的重点之一。随着工业机器人的迅猛发展,人机协作已逐渐成为现代工业机器人的主要工作模式。在人机协作系统中,人类工作者与机器人的交互问题主要为面向安全的机器人动态路径规划问题。在障碍物移动随机性较强的环境下,要求机器人能够不但保持自身的主观能动性,又保证安全和高效到达目的地。鉴于上述分析,人机协作系统中的路径规划带来了如下挑战:准确地识别环境中的安全区域并转化为环境模型;在已知环境下以安全性和高效性为目标进行路径规划;当检测到潜在碰撞时,能够快速、有效地修正路径。为解决上述问题,本文主要研究了一种基于视觉的机器人柔性路径规划算法,具体内容如下。首先,选取几何模型作为本研究的环境模型。然后,提出了基于视觉的语义分割与边缘检测相结合的方法,对环境视频帧图像进行安全区域识别。使用卷积神经网络建立编码解码结构的语义分割模型。鉴于室内环境的独特性,采集图像数据建立训练集并对模型进行训练。最后,使用边缘检测技术对视频帧图像进行处理,将结果与语义分割结果相结合,使识别结果更加准确。最后,介绍了快速随机搜索树(Rapidly-exploring Random Trees,RRT)算法,以及由RRT算法扩展而得的一种具有渐进最优性算法RRT*算法,并针对其随机性强、路径含较多冗余节点等不足进行改进。然后,提出了改进RRT*与人工势场混合动态路径规划算法。该算法首先使用改进的RRT*算法得到初始路径,在检测到潜在碰撞时根据人工势场的斥力场原理快速修正路径得到下一段路径,并使用改进的RRT*得到剩余路径。设计实验在Anaconda环境下使用python语言进行实验。通过仿真实验验证了改进的RRT*与人工势场混合动态路径规划算法能够有效应对各种障碍物情况,能够使机器人在检测到潜在碰撞时,主动地避开障碍物。因此,改进RRT*与人工势场混合动态路径规划算法满足人机协作工厂对移动机器人的要求。