随着网球赛事在我国的大力推行,我国出现了越来越多的专业网球运动员和网球爱好者。网球运动员每天都需要大量的训练,不断重复拾取散落在地上的网球,大大加重了运动员的负担。图像识别和路径规划技术在不断高速发展,而目前却鲜有将这些智能技术应用于网球的拾取,人们捡网球大部分仍是依靠机械化的手动辅助捡球装置。为了解决运动员在训练过程中拾取网球费时费力这一问题,实现智能化捡球,本文针对智能捡球机器人的目标识别定位与路径规划技术进行了研究。首先,本文采用了基于hsv颜色空间的网球识别算法识别网球,同时利用Mask-RCNN训练自己的数据集来识别网球和障碍物。进行实验对比两种算法的识别效果,最终因为基于颜色空间的识别算法受到天气、光照、网球密集程度等因素的影响较大而选择了利用CNN的识别算法。通过双目相机标定、三维重建,获取网球和障碍物的坐标,并实时输出。其次,由于网球场存在网球的同时存在障碍物。蚁群算法优秀的全局规划能力以及人工势场算法良好的避障性能较为符合捡网球机器人的实际工作需要,即在捡网球的同时避开障碍物。因此本文将传统的蚁群算法和人工势场法结合形成势场蚁群算法,并对其种群规模和信息素分配方式进行改进,实现了基于改进后的势场蚁群算法的多目标路径规划,并在Matlab仿真软件上进行仿真对比实验。结果表明本文算法在最优路径的选择上和收敛速度上表现都更为优秀,验证了该算法的可行性。最后,本文设计了控制系统,包括硬件选型以及上位机基于c#的人机交互程序和下位机基于STM32单片机的驱动程序,控制机器人拾取网球。