随着生产智能化的发展,机器人在喷涂范畴下应用的研讨愈发热烈。然而即使将机器人应用于喷涂场景下,如今真正实现喷涂任务的规划还是以手动示范的方法为主,该方法缺点显著,作业质量严重依赖工人的熟练度,并且无法保证像机器一样的重复精度。本文课题的研究对象为家具,家具生产具有非大量、品种复杂易更换等特点,不可能给每个家具品种都设立专用生产线,当更换生产时必然进行重新规划。因而,研究去人工、全自动化的自适应喷涂路径信息获取,对于家具的喷涂是十分必要的。喷涂路径信息的全自动获取首先需要自动获取家具的几何特征,上位机根据工件的表面信息自动计算生成路径并将路径点信息传送给喷涂机器人。首先,对家具喷涂生产线的整体布局方案进行设计。首先对系统的结构以及运行流程进行规划。为了进行点云数据的采集,搭建了数据采集系统。并对系统软件平台进行设计,以便对获取到的点云数据进行计算,为后续试验验证做铺垫。其次,进行喷涂过程的模型化与参数化并结合实际条件来优化喷涂参数。在研究了喷涂过程的影响因素的基础上,选择适当的模型对喷涂时平面上一点的涂层厚度进行了建模,之后对曲面上一点的涂层厚度也进行了建模,然后计算喷枪直线动态喷涂模型,同时使用仿真模拟软件对油漆的分布进行分析。对家具喷涂作业中所有可能的情形进行抽象简化后,针对参数的优化建立了喷枪轨迹优化问题。对优化问题进行求解得到重要的喷涂参数。然后,研究本文选用的高精度激光传感器的数据采集与处理。首先讨论了该传感器获取数据的具体物理依据,对系统中的坐标系转换关系进行了介绍。之后对点云的数据优化进行了探讨。首先研究了基于统计滤波的离群点去除,去除工件边缘小的离群噪声。针对家具表面由于粗糙度产生的细微干扰,采用改进的双边滤波算法处理。由于激光传感器精度高,获取的数据点具有高密度的特点,难以进行实时运算,所以对原始点云进行下采样,同时保留了点云的边缘特征。最后,研究机器人喷涂路径的自动获取算法。提出基于位姿识别的点云切片算法自适应选取最有利于后续运算的切片平面方向,并对得到的切片点进行排序从而生成一条可以让机器人执行的路径。通过工件表面法向量的计算与偏置,得到末端喷枪工作时的预计位置姿态。针对家具边缘补漆的问题,提出相应算法使边缘油漆厚度满足课题要求。最后在搭建好的实验平台上对路径规划算法进行实验验证,从时间和喷涂效果上进行分析证明了本文算法的卓越性。