智能机器人是指能够自主完成特定任务的机器人,而对环境感知和运动规划的研究则有助于提高机器人的自主性,使其更加智能化。环境感知主要是通过各类视觉传感器采集点云或图像数据,并由计算机进行分析处理后,使机器人系统能够获得环境中物体的各类信息。运动规划则是在环境感知的基础上,通过规划出一条无碰轨迹来实现机器人的运动控制。本文首先介绍各类传感器的标定方法,用以实现不同数据在坐标系下的统一。在分析现有标定算法的基础上,利用Navy手眼标定法优化计算最小二乘解,从而使标定精度达到毫米级;而基于两步法的单线激光传感器标定方法则是在保证精度足够的前提下,有效地减少了计算量,从而提高了算法效率。点云作为一种常用的三维物体表面描述方式,其在环境感知中优势明显。本文使用区域生长、RASANC、聚类分析等多种点云分割算法实现了机器人工作空间中各物体的识别与分割,并以构建有向包围盒的方式计算它们的大小和位姿。此外,由激光传感器获得的高精度点云还可以重建出物体的表面模型。图像相较于点云要少一个维度,因而在数据处理上更加方便,且卷积神经网络的提出使得图像在应用上更加广泛。本文为完成机器人的自动抓取任务,设计了一种七层的神经网络用以快速识别图像中物体的抓取点。此外,基于MobileNet的SSD网络也被用于多目标物体的识别与定位,而最终的识别率能够达到80%,网络运行速度则只有17ms。机器人的运动规划是机器人执行各类任务的基础,而传统的示教规划方法存在诸多缺陷,所以本文设计了一种自主规划方案。首先,碰撞检测将决定机器人的自由位形空间,而对PRM算法的使用将在该空间中规划出一系列路径点。最后,利用多点规划方法将由路径点规划一条无碰的运动轨迹。这一规划方案能够让机器人在运动时有效地避开障碍物,减少碰撞损坏。总之,本文在研究现有方法的基础上,设计出了一整套机器人环境感知与运动规划方法,且具有稳定性好和算法效率高等特点。同时,本文提出的算法基本能够让机器人自主完成扫描和抓取等任务。