实时局部轨迹优化是果园机器人安全、稳定自主运行的重要保障。针对原始增广拉格朗日轨迹优化器算法存在迭代效率低下、易陷入数值病态及权重难以平衡等问题，该研究提出了一种基于改进ALTRO(augmented lagrangiantrajectory optimizer)的果园机器人实时局部轨迹优化算法。在获得机器人全局参考轨迹的前提下，首先采用加速增广拉格朗日算法，改进ALTRO算法中的乘子迭代策略，实现算法的加速收敛；其次，加入乘子可行域投影，保证每次迭代更新得到的乘子都在可行域范围内，避免迭代次数较多导致的算法数值病态现象，提高算法的稳定性。最后，引入基于轨迹时间步长的自适应缩放因子，调整原算法中的终点权重，保证算法具有更好的局部障碍响应能力。基于相同参考路径及配置参数，在多障碍仿真场景中本文算法相较于原始ALTRO算法的运算时间减少32.76%，而在实物试验中，本文算法运算耗时相较原算法降低67.80%，且本文算法优化得到轨迹改进后算法得到轨迹在曲率最大值、平均曲率及曲率标准差三项表现上相较原算法分别下降了10.59%、2.98%及10.17%，在其余状态量和控制量的最大变化率、平均变化率和变化率标准差上，改进算法相较原算法分别下降了14.19%、3.61%及10.69%，轨迹的曲率表现和控制量变化都更加平滑，能够为机器人提供良好的运行参考。
