张 勤，刘丰溥，蒋先平，熊 征，徐 灿

（1. 华南理工大学机械与汽车工程学院，广州 510641；2. 广东省现代农业装备研究所，广州 510630）

0 引言

采摘作业是番茄生产链中最耗时、费力的环节，随着番茄种植面积的扩大，劳动成本的逐年提高，机械臂代替人类的智能采收作业是未来的发展方向[1]。机械臂的运动规划是智能采收的基础，也是实现高效、适时、无损采摘的重要保证。番茄串外皮脆弱，形状复杂，个体差异大；由于采摘目标周围果实、枝条、叶子等障碍物的存在，采摘运动规划的难度大大增加。为此国内外学者做了大量的研究工作。

在规划算法方面，应用于车辆导航的路径规划方法如人工势场法[2]、A*算法[3]等都被用于低自由度机械臂规划问题。Zhao 等[4]在传统蚁群算法的基础上，加入滑动窗口与遗忘因子，为机械臂规划了无碰撞的最优路径；Beom等[5]以能量最小为优化目标，通过Dijkstra算法为机械臂规划渐进最优的运动路径。但上述算法在规划空间和关节空间自由度数增加时，算法的计算时间会呈“指数级”增长，难以满足实时规划的需要。

针对高维空间多自由度机械臂的运动规划问题，基于采样的方法[6-8]被广泛地使用。为了使规划树在高维空间下更好地拓展，维持采样方法概率完备的特性，增强采样方法渐进最优的优势，多种基于采样的优化方法被开发。Li等[9]在Lazy-PRM算法的基础上，从给定环境点云的自由构型空间中构建机械臂的可行运动路径；Wei等[10]提出了一种基于梯度下降的RRT*-connect算法，大幅降低无效采样点的数量，并且通过剪枝操作优化路径，降低路线成本；……