随着以智能制造为核心的新型制造体系的构建,工业机器人在人类工业生产环节中扮演着越来越重要的角色,现代工业生产对于机器人的智能化要求也日渐提高。实现机器人的自主避障运动是机器人智能化进程中的重要内容,虽然很多学者对机器人的避障规划进行了探索和研究,但仍有很多问题亟待解决。本文结合现今日益完善的机器视觉技术,基于双目立体匹配原理对机器人动态避障方面的问题进行了以下几个方面的研究:一、阐述了课题的研究背景和研究意义,对工业机器人技术、机器视觉技术和路径规划技术在国内外的发展历史和发展进程做了一定的调研学习。二、基于双目视觉原理重构了机器人的工作环境。通过极线约束的双目立体匹配算法获取机器人工作空间的深度图,实现了工作空间的重构。三、对于三维环境中的碰撞检测算法的原理以及存在的优劣势进行了简单分析。分析了A-star算法在机器人路径规划中的应用原理,通过优化节点的存储方式提高了算法的迭代效率;引入动态权重系数,降低规划路径与障碍物的碰撞概率;提出了基于A-star算法的动态避障策略。四、针对快速随机扩展树（RRT）算法存在的偏离最优解、没有目的性和路径不平滑问题,将RRT算法与A-star算法相结合,引入启发式函数,引导扩展树朝目标节点快速扩展;针对启发式函数存在的局部极小值陷阱,添加回归约束,增强算法向未知空间探索的能力,通过缓存初始树、剪枝和重归化的动态避障策略规避移动障碍物。对最终路径应用贝塞尔拟合,进一步减少机器人运行过程中的抖动情况。五、对于机器视觉的机器人三维运动避障系统的要求和目标进行了简单分析,搭建硬件和软件平台:硬件平台包括机器视觉平台和机器人实验平台;软件平台在MATLAB上编写了上位GUI控制界面。最后在实物平台上验证了本文方法的可行性。