随着智能制造技术的不断发展,越来越多的领域需要提高机械臂的智能化。本文以RBT-6T/S03S型六自由度串联机械臂为研究对象,进行了在未知环境下障碍物检测及机械臂避障路径规划的研究。本文的主要内容包括六自由度机械臂模型建立、运动学分析、通过双目相机确定障碍物在环境中的位置、机械臂与双目相机间的手眼标定、传统RRT算法与改进RRT算法的避障路径规划研究。具体内容如下:本文首先介绍了RBT-6T/S03S型机器人的结构,根据该机械臂结构简图,建立DH坐标系。针对逆运动学计算复杂问题,本文采用BP神经网络来对逆运动学解进行分析,输入为末端抓手位姿矩阵中的参数,输出为各个关节角度值,训练样本和测试样本利用记录机械臂的复位运动来获取。通过与实际角度值的对比可知,预测结果与实际角度值较为接近。为了得到更精确的结果,采用遗传算法对BP神经网络进行优化,给出了算法的流程与实现方法,结果显示预测的精度明显提高。其次,本文阐述了相机成像的原理,相机的标定使用MATLAB中的相机标定工具箱来完成。然后采用运动恢复结构(Structure from Motion,SFM)算法流程来求解出障碍物特征点的三维坐标,从而确定出障碍物所在位置。SFM算法的主要步骤为:1.提取特征点并进行特征匹配。2.计算基础矩阵,进而求取本质矩阵。3.计算摄像机的运动参数,求解旋转和平移矩阵。4.根据内参数和旋转平移矩阵,求得投影矩阵,从而确定空间点三维坐标。之后,为了得到相机坐标系与机械臂的基坐标系之间的变换关系,本文又介绍了“Eye-to-hand”情况下的手眼标定并进行了手眼标定的实验。最后,本文对机械臂的避障算法进行了研究,分析了机械臂与障碍物之间的碰撞检测方法,采用快速扩展随机树(RRT)算法进行避障路径规划。针对笛卡尔空间计算复杂问题,本文选择在关节空间规划无碰撞路径。传统的RRT算法中,规划的路径过于随机,本文引入目标偏向的方法,并动态改变路径搜索时步长来实现RRT算法。通过仿真的结果可以看出,改进的RRT在规划的时间和路径上都优于传统算法。之后,结合机械臂本体进行实验,验证了改进RRT算法的可行性。