目前,工业机器人领域普遍采用人工示教以及离线编程的方式实现运动规划,应用场景较为简单,难以适应复杂多障碍物场景以及经常变化的作业环境,面对高速发展的制造业,未来无人作业将成为主要趋势,对于堆垛机器人来说,堆垛必然要脱离防护围栏,实现人机交互,完成更加复杂的作业任务,因此堆垛机器人必须要具备一定的自主避障能力。本文以重点研发计划项目研制的200 kg重载六轴机器人为对象,紧密围绕堆垛机器人自主避障及运动规划策略展开研究,并提出新的见解,旨在为解决堆垛机器人自主避障涉及的若干关键技术问题提供新的思路和为工程产业化应用提供实践指导。根据改进DH参数法和机械臂结构参数建立堆垛机械臂连杆坐标系和DH参数表,推导出相邻连杆位姿变换矩阵,进而完成机械臂正向运动学的求解。在正向运动学的基础上,采用解析法求解堆垛机械臂逆解关节角度值;然后,在MATLAB中进行仿真分析,验证正逆运动学求解的正确性;其次,采用蒙特卡洛法建立机械臂工作空间点云,并通过多个维度的投影结果得到末端所能达到的空间范围。通过对Kinect采集到的原始点云进行预处理,去除分布于点云图像中的四类噪声点,预处理之后,采用区域生长的方法滤除场景中的机器人本体,然后利用欧式聚类以及AABB包围盒算法检测并构建障碍物模型。为了提高机械臂与障碍物之间碰撞检测的效率,降低单步迭代计算代价,同时兼顾测试精度,采用AABB层次包围盒技术构造碰撞检测对象模型,机械臂底层叶子节点采用圆柱包围盒简化处理,并叠加到障碍物底层包围盒,将连杆碰撞检测问题转化为直线段与长方体包围盒相交测试问题。为了验证所提方法的有效性,分别对相机标定、手眼标定、障碍物检测以及碰撞检测部分进行了一系列真实场景下的实验,并针对实验统计数据进行了分析,得出结论:虽然实验部分存在部分误检和漏检的情况,但总体上提出的方法能够满足检测及规划部分的性能要求。此外,嵌入式碰撞检测相比于外接第三方库更方便实际应用中的必要扩展。为了在复杂的障碍物环境中为机械手规划一条成功且实际可执行的路径,提出了改进RRT方法。采用混合约束采样代替随机采样,采样得到的节点分布逼近障碍物之间的通道,在采样过程中,前向搜索过程加快。在扩展策略中,提出了一种基于改进RRT＿Connect的规划方法。将RRT＿Connect与人工势场法相结合,同时,采用动态引力场、自适应步长以及新节点约束策略。在扩展过程中,算法利用环境和节点的信息在短时间内向目标区域扩展,减少了过度探索和碰撞区域扩展。针对复杂、多障碍物和动态环境下算法规划成功率低的问题,提出了局部极值处理和动态路径规划方法,分别在笛卡尔空间和构型空间中生成随机树,用于局部路径重规划。改进后的算法对机械臂奇异问题更加鲁棒,剪枝优化后路径更平滑。仿真结果表明,与其他算法相比,所提方法能有效规划出一条综合性能最佳的安全避障路径。设计并开发了堆垛机器人运动规划系统,将各个算法模块集成于上位机软件系统中,可视化展示检测和规划的结果。设置了无障碍、起点狭道、终点狭道以及混杂多障碍物实验场景,并通过四组场景下的规划实验进一步验证了本文所提方法的有效性。该论文有图61幅,表9个,参考文献116篇。