Proyek akhir ini adalah mengenai robot grasping trajectory berdasarkan posisi suatu objek dengan 3D image. Dimana dalam suatu gambar 3D terdapat suatu informasi yang lebih mengenali objek tertentu dalam suatu ruangan baik dari segi bentuk maupun posisi benda sehingga robot mampu mengenali posisi benda untuk proses Grasping Trajectory, khususnya dalam studi kasus ini adalah Healthcare Robotic. Metode yang digunakan untuk 3D image segmentation adalah RANSAC Algorithm, Feature Matching menggunakan Correspondence Grouping serta untuk persamaan forward kinematic full-arm robot berdasarkan frame global dari robot yang digunakan. Hasil sementara dari proyek akhir ini adalah deteksi objek dengan Correspondence Grouping dengan akurasi keberhasilan 90 %. Objek yang terdeteksi selanjutnya menggunakan metode centroid untuk mendapatkan posisi objek sebagai posisi end of effector pada kinematika lengan robot 7 DoF dengan metode coordinate transform untuk menyamakan pose frame antara objek dengan base lengan robot. Posisi objek sebagai input inverse kinematic dengan metode geometri dan forward kinematic yang digunakan persamaan homogeneous transformation sebagai pengenalan model robot lengan dan tangan. Terdapat 2 macam trajectory planning yang digunakan yaitu workspace untuk lengan robot dan joint space untuk tangan robot. Tingkat akurasi keberhasilan persamaan inverse kinematic antara persamaan matematika full-arm robot dan model full-arm robot sebesar 99,5 %.