随着机器人化智能制造的提出和发展,机器人与人共享工作空间的生产场景日渐增加,传统被动安全策略已经无法满足高效生产的需求。因此,研究机器人在非结构环境中如何进行自主避障规划并完成生产任务具有重要意义。本文针对人机共享工作空间的场景,研究了运动障碍物检测技术和机器人主动避障规划方法。本文的主要工作如下:首先,设计了一种基于混合高斯模型的运动障碍物检测方法。分析了相机模型,采用棋盘格法,完成了机器人的手眼标定,实现了像素坐标与机器人基座坐标的转换。设计了基于混合高斯模型的目标检测算法,测得运动障碍物的二维信息。在相机坐标系下,滤除机械臂深度信息且仅保留环境信息,并据此得到运动障碍物的包围盒信息。然后,提出了一种基于约束采样RRT的路径规划算法（DSSP-RRT）。提出了稀疏节点产生机制,通过减少重复性采样,提高了全局搜索效率;提出动态采样域策略,通过约束采样区域的范围,减少了无用节点的产生;同时,采用贪婪策略,提高节点的利用率,减少了迭代次数;剔除路径中的冗余节点,用B样条曲线进行轨迹平滑。之后,通过二维环境下的仿真实验、Robotic System Toolbox仿真实验及真机实验,验证了算法的可行性和有效性。接着,设计了一种机器人动态避障规划框架。建立了UR5机器人运动学模型,在关节空间下,规划出初始无碰撞路径,采用准均匀B样条曲线平滑轨迹。然后,根据重规划路径算法的判定结果,对原路径受遮挡部分进行重规划。最后,搭建了机器人实验平台。应用RealSense相机、气动夹爪、UR5机器人等硬件进行实验,实现了运动障碍物检测、自主避障规划等模块的集成。实验表明本文提出的动态避障方法,可以在人机共享空间的场景中保障人类的安全,当原始路径被遮挡时,规划新运动路径到达目标位姿。