RRT算法是一种路径规划算法。路径规划,是在采样空间中,需要在尽可能短的时间内找到一条从起点到目标点的可行路径,连接起点位置和终点位置的节点或者曲线称之为路径,构成路径的策略则称之为路径规划,凡是可以拓扑为点线网络的规划问题基本上都可以采用路径规划的方法解决。相较于传统的路径规划算法,如Dijkstra算法、A*算法、PRM算法和人工势场法等,RRT算法因其简单高效的搜索策略,在二维和三维空间都具有很强的搜索能力,因此得以广泛的应用,但其缺点也较为明显,RRT算法得到的路径质量一般不是很高,不够光滑,通常也远离最优路径。为提高搜索效率和提高路径质量,本文在研究传统RRT算法的基础上,针对传统RRT算法在复杂环境下收敛速度慢和规划的路径质量不高的问题,提出一种贪婪搜索和目标导向的RRT算法（RRT-D）,在传统的RRT算法的基础上,改进节点的采样方式和选取父节点的策略来提高算法的搜索能力和降低路径代价,用动态减少重复搜索区域的方式减少无效搜索,通过采样点重构图重新规划最短路径,最后对路径进行平滑处理,结合摄像头和机械臂设计完成一个机械臂视觉抓取系统。本文从减少采样点数量和运行时间的角度设计和实现了整个系统,主要内容包括:（1）改进了RRT算法的采样方式。从RRT算法采样点的生长方式入手,通过贪婪式的搜索方式一次生长十个候选节点,选取符合条件的且距离目标点最近的候选点作为子节点生长到树中,减少了总节点的数量,增加了算法的搜索能力;（2）设计了一种动态减少重复搜索区域的方法。预设采样范围,将候选采样点周围障碍物与采样范围的比值作为环境复杂度,由环境复杂度动态调整采样范围的大小,通过舍弃采样范围内的采样点来减少重复搜索的区域,提高算法的搜索能力,加快了算法的收敛速度;（3）结合Dijkstra算法,将搜索树的所有节点重构成无向图,并由Dijkstra算法重新搜索代价最小的路径,再用分段三次Hermite插值函数对路径进行平滑处理,最后结合摄像头和机械臂设计实现一个视觉抓取系统。本文以改进RRT算法为主线,设计实现了一个视觉抓取系统,整个抓取逻辑是摄像头对目标物体进行识别与定位,将目标物体信息传给上位机,机械臂规划出路径后,沿着路径抓取并放置目标物体,视觉抓取系统涉及到几个方面,一是目标物体的位姿描述;二是路径规划;三是机械臂与摄像头的标定;四是目标的识别与定位,本文的研究内容也由此展开。