我国是柑橘产量大国,在水果的种植及收获过程中,果实的采摘占用了大量人力,而柑橘作为一种季节性水果,其收获作业更是需要在短时间内密集的体力劳动,需要在短时间内找到大量劳动力,在老龄化日益严重的中国,劳动力的短缺正在越来越制约着柑橘产业的发展,越来越多的果园管理者寻求通过机械化、自动化、智能化的柑橘采摘设备来填补劳动力空白。随着深度学习、运动规划理论等人工智能学科的快速发展以及计算机计算速度的快速增长,采摘机器人有望替代人力劳动进行柑橘的采摘。在采摘过程中机械臂能否避开枝干到达柑橘位置决定着柑橘采摘机器人能否顺利完成采摘作业,所以对机械臂运动规划的研究具有重要意义。本文对机械臂的运动规划做了重点研究,对RRT、PRM、RRT-connect三种常用的机械臂运动规划算法以规划时间、特定时间阈值下的规划成功率为指标进行实验了对比,最终选用了RRT-connect作为柑橘采摘机器人的基本运动规划算法。在机械臂需要深入树冠内部作业时,众多枝干组成一个个封闭的多边形,在这种情况下,相比于只需避开单根枝干的情况RRT-connect的规划时间大大增加,针对这一情况,通过对这种情况下构型空间的分析,对RRT-connect算法进行改进,提出一种基于构型空间先验知识引导点的RRT-connect(IGPRRT-connect)算法。并且针对IGPRRT-connect只在障碍物组成封闭或近似封闭的情况下表现较好的情况,提出了RRT-connect与IGPRRT-connect并行规划的并行算法,解决了两种算法在不同环境下适应性较差的问题。作为机械臂避障运动规划的前提条件,本文亦对枝干障碍物信息的获取及建模进行了相关研究,本文采用深度学习卷积神经网络Mask R-CNN对枝干进行识别,将识别到的枝干段用最小外接矩框出,本文提出“两点+半径”的枝干表示方法:两点为枝干段两端的中点,半径为枝干半径。然后通过Kinect v2相机得到所识别出枝干段的“两点+半径”数据,为机械臂的避障运动规划提供了障碍物信息。搭建了柑橘采摘机器人仿真与控制系统,并进行了室内避障实验,实验说明柑橘采摘机器人已经具有初步的运动规划能力。