随着人工智能的飞速发展和生产力水平的不断进步,工业机器人作为智能设备的代表被广泛应用到了生产生活的诸多领域,如餐饮服务、制造、医疗、航天等,并在一些高技术领域扮演着不可替代的角色。现如今,人们不仅需要机器人能完成一些简单的工作任务,更需要它们能够完成一些精细且复杂的工作。采用离线示教工作方式的机器人侧重于重复精度指标,难以满足高科技生产中对于绝对精度的要求。为了突破工业机器人绝对精度较低这一限制,因此进行机器人运动学标定显得日益重要。本文首先对刚体位姿和微分运动进行理论剖析,为后续KUKA机器人运动学模型的建立和运动学标定奠定理论基础。本文以工业机器人车身激光检测系统中最常用的KUKA工业机器人实际参数为基础,依据D-H方法建立运动学模型,然后对D-H模型在运动学标定中存在的不足和缺陷进行分析,采用修正后的5参数M-DH模型建立本文用于标定的运动学模型,并讨论运动学正、逆解问题。文章通过对机器人的误差进行综合分析,确定了误差主要来源为几何误差,并根据最终建立的M-DH模型建立机器人几何误差模型,即机器人定位误差与机器人连杆几何误差的关系式。鉴于代数法在求解机器人逆运动学问题上存在计算量大等缺点,本文选用神经网络来求解机器人逆解。该方法以运动学模型为基础计算出机器人正解,然后作为训练样本训练经微分进化算法优化的BP神经网络(DE-BP网络),实现机器人末端操作手位姿与各关节变量的非线性映射关系,从而避免了繁琐复杂的公式推导过程。本文讨论了点约束学标定方法及其原理。为辨识出更为准确的几何参数,在点约束标定方法的基础上提出了一种虚拟空间点约束的标定法,并详细分析和论证了该方法的原理。该方法通过激光束延长末端操作手的长度的方法将末端位置误差放大在观测平板上,以此能够获得更高精度的关节角的值。为了验证本文提出的虚拟空间点约束的标定方法的有效性和稳定性,本文以KUKA机器人为研究对象,利用有关数据进行了标定仿真和试验。