近些年来,随着各国工业战略的提出,机械臂行业得到了快速发展。传统机械臂大多数还停留在第一代或第二代,需要人类手动进行路径规划,并且其大多数是低自由度,无法在复杂多变的环境下自主完成任务。因此,本文设计了一套基于机器视觉的七自由度机械臂自主抓取与避障方案,在ROS机器人系统下通过视觉获取目标物体与障碍物的位置与姿态,选取本文改进的RRT算法协助机械臂完成抓取任务,主要进行了如下研究:首先,利用连杆参数对机械臂进行建模,推导了机械臂的正、逆运动学方程,在求解机械臂逆运动学方程时提出了腕-肘-肩的简化模型,并且对机械臂的正、逆运动学方程进行了验证。接着,研究了碰撞检测算法与路径规划算法,分析了RRT、RRTconnect、RRT*算法的原理,提出了本文改进的RRT算法,对RRT算法加入了双向搜索、贪婪思想、动态步长和随机点产生的优化,大大减少了算法运行时间以及路径长度。其次,分析了针孔摄像机的模型,对Kinect相机进行了相机标定和手眼标定,求出相机坐标系与机械臂底座坐标系的变换矩阵,研究分析了点云去噪算法、分割算法、配准算法的原理与步骤。接着,搭建了ROS机器人软件平台,设计了抓取系统的整体框架,将RRT算法与本文改进的RRT算法插入到OMPL运动规划器中,完成了这两种算法的对比仿真实验,进一步验证本文改进RRT算法的优越性。然后,对抓取场景点云进行点云去噪,利用RANSAC算法与K均值聚类算法得到场景下物体的点云文件,通过SAC-IA粗配准算法成功找到目标物体的点云文件,对目标物体点云与模板点云进行ICP精准匹配,将配准得到的旋转平移矩阵用四元数来表示,计算出目标点云的质心,从而得到抓取场景下目标物体的位置与姿态。最后进行了抓取避障实验,成功规划出一条无碰撞的路径,完成目标物体的抓取。