近年来机械手臂的发展日新月异,这也推动着自动化码头的建设,而锁销因其自身难以识别和拆卸的原因,一直是码头自动化发展道路上的一道瓶颈。本文研究了机械手臂相关的图像识别以及轨迹规划理论和方法,分别完成了锁销识别和拆装的工作。主要研究内容有:针对机械手臂的运动学方程推导问题,采用D-H(DenavitHartenberg)建模方法,建立正运动学模型,并运用代数法反推出其逆运动学模型,利用Matlab软件建立机械手臂的三维仿真模型,验证其正、逆运动学方程的准确性。针对锁销识别问题,将深度学习中的CNN应用到锁销识别上,用实验数据验证了CNN模型的有效性,后为了防止梯度因模型的加深而消失,在CNN的基础上加入残差连接,提出ResNet模型并引入LRN机制,进一步提高特征提取的效率,在相同的数据集上进行测试,验证ResNet模型比传统CNN模型,锁销图像识别率更高,误识别率更低。在机械手臂轨迹规划问题上选取了关节空间法作为研究对象,然后分别采用三次多项式和五次多项式方法在MATLAB软件中仿真,针对轨迹不平滑的问题先提出两断带中点三次多项式轨迹规划方法并验证其可行性,最后提出多段带中点的五次多项式提高轨迹的平滑性并减小冲击,仿真实验中给定约束条件后,6个关节的轨迹曲线都相对更加平滑。