在番茄串产业链中,采收环节劳动强度大、季节性强、人工成本高,随着近年来番茄串种植面积的扩大以及传统劳动力的减少,应用农业机器人代替劳动者的智能采收作业已成为未来的发展方向。采收机器人的运动规划是番茄串智能采收作业的核心环节之一,也是实现高效、无损、适时采收的重要保证,研究番茄串收机器人的运动规划方法具有重要的理论意义与应用价值。本文以番茄串的采收为研究对象,分析番茄串采摘、回收的采收全过程,研究了番茄串无损、高效的采收策略,搭建了番茄串收机器人的硬件系统;针对“疏叶”农艺后的番茄串采收环境,提出了基于空间分割的运动规划算法:聚类枝条以简化障碍物地图,分割采收空间,引入评价函数优化筛选采收子空间,引导机械臂通过任务分解无碰地完成采收任务。针对枝叶遮挡严重的采收环境,提出了快速搜索随机树算法与3D卷积网络生成路径代价地图以及指导姿态值相结合的方法,即基于3D Convolutional Neural Network（CNN）的Position-Posture-Map-RRT（PPM-RRT）算法,综合考虑算法的有效性、搜索速度、路径成本以及机械臂的可操作度,并通过神经网络输出路径代价地图与指导姿态值来引导规划算法的拓展,大幅减少采样次数,提高了算法效率。在以上研究的基础上,搭建了基于ROS的软件系统,开发了适用于不同品种番茄串的运动规划系统软件平台,通过大量的现场采收试验验证了提出方法的可行性与高效性。研究和番茄串种植园实地试验表明:本文提出算法的单串番茄采收时间（从番茄串识别至将其回收至果实收纳箱内）平均为13s,与目前主流的运动规划算法RRT*-Connect相比,PPM-RRT的算法时间减少了70.0%以上,路径长度减少了40.0%以上,路径结点个数减少了87.0%以上,搜索次数减少了96.0%以上,且运动规划的成功率接近100.0%,机械臂的可操作度提升了38.9%,满足智能采摘的实时性要求。