随着智能制造的提出,工业机器人在工业生产中扮演着越来越重要的角色。其中,具备可以与人交互并协同工作的协作机器人在市场中大量涌现。然而由于传统的机器人示教技术存在着工作效率低下和较高的专业门槛,已经越来越难以满足现今的工作生产需求。虽然国内外的研究人员开发出了许多交互性较好的示教技术,但是由于各自传感器存在的局限性,都未能十分理想地实现协作机器人的示教控制。因此,本文提出一种融合体感设备Leap Motion和加速度传感器、磁力计、陀螺仪等惯性测量单元的协作机器人示教技术,来获取操作者手部运动,从而实现对机器人的直观控制。首先,提出总体的示教控制方案。对体感设备Leap Motion和三种传感器进行初步的开发,通过对上述四种传感器进行数据的读取和解析,从而获取其自身固有的坐标系,并通过对加速度传感器、磁力计和陀螺仪的数据整合获得其载体的姿态。建立本文所用的协作机器人的运动学模型,并构建人手、传感器、机器人之间的映射关系。其次,构建传感器融合模型。针对单一传感器测量手部运动存在的精度不高、测量范围受限和环境噪声影响等问题,构建多传感数据融合模型。在对现有的主要传感器数据融合算法进行总结的基础上,结合本课题的具体需求,构建基于反向传播神经网络（BP神经网络）的算法融合模型。通过对各神经元权值的不断调整以及采用梯度下降法最终使该神经网络达到最优。最后,构建完善的机器人示教系统。针对体感设备Leap Motion和惯性测量单元在检测过程中存在的噪声问题和操作者手部生理抖动等问题,采用卡尔曼滤波对其进行消除。并借鉴力控领域的导纳模型理论,构建基于加速度信息观测的在可变比例因子的算法,实现示教控制过程中的速度映射关系的调节。利用C#语言编写示教软件以及人机交互界面,将上述的所有功能进行整合,使其具备在线实时控制和离线速度复现的功能。最后通过实验来验证该系统的可行性和实用性。