我国是柑橘种植和生产大国,柑橘采摘是柑橘生产过程中非常重要的环节。柑橘采摘季节性用工突出,目前以人工为主的采收模式存在生产成本大、劳动强度高等突出问题。随着我国人口红利的逐渐减少和人口老龄化问题日益加重,柑橘采摘机器人已成为农业现代化进程的现实需求。自然环境下,柑橘果实生长位置随机,树枝、树叶等障碍物分布杂乱,给柑橘采摘机械臂的运动规划造成很大的困难。为使机械臂准确到达指定位置并且不损伤果实和果树,需要对采摘机械臂运动规划避障算法进行深入研究。本文深入研究了非结构环境下柑橘采摘机械臂的运动规划算法。针对柑橘采摘环境,在渐进最优Informed-RRT*算法的基础上,提出一种基于预采摘引导点的采摘运动规划算法——PGI-RRT*算法（Pre-harvesting-guide Informed—RRT*）,在Informed—RRT*算法基础上添加P概率采样策略、自适应动态步长、启发式节点优化策略等改进措施,并通过仿真环境和室内外环境采摘运动规划试验对PGI-RRT*算法进行验证。主要研究内容和结论如下:（1）通过对柑橘果园采摘环境进行调研,定义了采摘坐标系和采摘平面,对果实周围障碍物进行描述。通过对采摘环境的分析,归纳出非结构环境下柑橘果实与障碍物的分布模型:柑橘果实周围多个方向存在枝干障碍物,障碍物在采摘平面内与果实的平均距离约为15cm,超过采摘平面的平均距离约14cm。搭建了基于ROS的采摘机器人仿真试验平台,并实现柑橘采摘环境重建。（2）对现有常用的机械臂运动规划算法进行研究,针对柑橘采摘环境,使用常用的基于随机采样的机械臂运动规划算法进行仿真采摘试验,试验表明:现有常用算法在非结构柑橘的采摘环境中运动规划困难,成功率低。针对非结构环境下果实与障碍物的分布模型,提出了一种基于先验知识采摘引导点的两段采摘运动规划方法,通过仿真试验验证表明:该采摘方法能有效的提高非结构环境下采摘机械臂运动规划的成功率;相较于单次采摘运动规划该方法可提升20-60%的成功率。进而提出了一种基于预采摘引导点的采摘运动规划算法——PGIRRT*算法。PGI-RRT*算法在构型空间中引入预采摘引导点,引导算法对复杂采摘环境的探索。并在初始点、预采摘引导点和目标点之间实现了四随机树并行拓展,引入P概率采样取代随机采样改善了算法采样的盲目性;添加自适应动态步长调节函数拓展新节点,提高了算法探索未知空间的灵活性和速度;引入了启发性的节点优化策略函数,提高了算法路径优化效率。（3）在二维和三维仿真环境中进行了PGI-RRT*算法的运动规划试验。算法的二维仿真规划试验表明:相较于使用基于采摘引导点的两次Informed-RRT*规划与单次Informed-RRT*规划,PGI-RRT*算法找到初始路径的时间减少了约75%-86%,成功率提高了22-32%。在基于ROS的机器人控制系统上,实现了PGI-RRT*算法的编程实现。研究了不同水平预采摘引导点位置设置对规划成功率和路径成本的影响,得到了最佳的水平预采摘引导点位置。在8种不同的柑橘采摘仿真环境中对PGI-RRT*算法进行验证试验,试验表明PGI-RRT*可以高效的完成采摘机械臂的运动规划,规划成功率提升至96%,验证了PGI-RRT*算法的可行性。（4）结合真实机械臂和视觉系统,进行了室内外的柑橘采摘运动规划试验。试验表明:PGI-RRT*算法可以显著减少规划时间,提高规划成功率。与其他算法相比,PGI-RRT*算法能更好的完成非结构环境下采摘机器人的运动规划任务。在户外果园环境下,单次RRT-connect算法的规划成功率仅为28%,而PGI-RRT*算法的总体成功率为95%;与RRT-connect算法和Informed-RRT*算法通过采摘引导点进行两次运动规划相比,PGI-RRT*算法可以将运动规划时间缩短40%-60%,规划成功率提升了6-15%,缩短约8s机械臂的执行时间。