官金炫，林桂潮，张世昂，朱立学

（仲恺农业工程学院机电工程学院，广东 广州 510220）

0 引言

相关研究表明，水果种植生产过程中采摘环节需要耗费的劳动力占总体成本的35%～45%[1]。为了节省劳动力，提高水果生产效率，国内外对采摘机器人的研究日益增多。水果采摘环境比较复杂，采摘机器人作业时经常遇到树枝、藤条等障碍物，在自主采摘过程中，常因为障碍物的存在导致采摘不精准或采摘效率低，为了解决这一难题，国内外众多学者在避障运动规划算法上做了大量的相关研究，主要包含基于图搜索算法的A*算法、基于最优化理论的人工势场法和蚁群算法、快速随机树搜索算法（Rapidly-exploring Random Tree，简称RRT）和深度强化学习算法以及基于上述算法的改进算法。

1 A＊算法

A*算法继承了Dijkstra 算法可以在静态网络中利用图形遍历方法求解最短路径的优点[2]，首先在图向量中生成一个状态空间，并对每个需要搜索的位置进行评估，以获取最优位置点，再从该位置向目标点进行搜索路径的评估，采用最优评估的方法可以提高算法的搜索效率。位置和路径的评估常采用曼哈顿估价函数估计其曼哈顿距离。蔡健荣等[3]在水果采摘机器人机械臂的路径避障规划研究中引用了A*算法，通过使用机器人的位姿点密度作为算法的参数权重进行最优路径搜索，在图向量空间中，计算机器人的位姿并向目标点自由扩散，采用延迟碰撞检测的策略，降低了计算量，达到实时规划；陈善峰等[4]基于A*算法，提出一种适用于关节型机械手多关节角度计算和路径规划的方法，该方法首先需获取果实空间位置坐标和竖直类障碍物空间的位姿状态，进而求解出机械手的避障关节角度，并规划出机械手的路径。……