随着人们生活水平的提高以及人口老龄化的加重,服务机器人逐渐变成机器人发展的一个重要方向。由于服务机器人所处的家庭环境具有情景复杂、非结构化等特征,服务机器人的抓取路径规划面临着新的问题。本文以Baxter机器人为对象,基于Kinect深度相机提供的三维信息,设计了 Baxter机械臂无障碍抓取路径规划系统,实现了机器人在家庭环境中的抓取任务。首先,本文介绍了机器人操作系统(robot operating system, ROS)的基本原理,并基于ROS平台搭建了 Baxter机器人的仿真和实验系统。针对搭建的机器人系统的视觉传感器Kinect,分析了其工作原理,建立了 Kinect视觉坐标系统并进行了 Kinect参数标定。对Baxter机器人本体,以左手臂为实验对象,利用DH坐标法建立Baxter机器人的前向动力学,并运用基于奇异鲁棒性逆的Newton-Raphson迭代方法求解机器人的逆运动学。其次,针对Kinect获得的原始深度信息存在的噪声、空洞和物体边缘串扰等缺陷,在比较了常用的深度图像滤波方法的基础上,提出了改进的深度图像修复算法。针对边缘串扰错误信息,利用Canny边缘检测和形态学滤波方法标记出错误信息并去除。对可信区域的深度信息进行基于深度阈值的联合双边滤波进行噪声滤波。在彩色图像边界的引导下运用联合双边算法对深度值无效点(“空洞”和错误边缘)进行迭代修复,从而得到边缘清晰的高质量三维信息,并基于改善的三维信息生成八叉树地图(Octomap)用于机械臂路径规划。再次,针对Baxter机械臂自由度高的特点,在最优快速扩展随机树(optimalRapidly-exploringRandomTree,RRT*)算法的基础上,引入了懒惰碰撞检测策略、改进的最近点选择、路径优化以及智能采样等方法进行算法改进,提高了路径代价收敛的效率。将懒惰碰撞检测策略运用在最近节点和最优父节点选择过程中,有效降低碰撞检测次数。而改进的最近点选择充分利用现有的规划信息,在节点拓展和路径优化之间进行自适应权衡。经过路径优化的节点作为智能采样的偏置点,有助于节点在障碍物构型附近精细采样,从而进一步降低路径代价。实验证明改进的双向最优快速扩展随机树(Improved bidirectional RRT*,IB-RRT*)算法在保持较高的规划成功率的同时,能够更快地向最优路径收敛。最后,根据Kinect提供的三维空间信息,运用IB-RRT*算法在模拟的环境中分别进行仿真和实验,实验结果验证了本文提出的算法的有效性,能够实现机械臂在实际场景中的避障运动,完成抓取任务。