激光跟踪仪是标定机器人空间定位精度的主要仪器。但是激光跟踪仪的结构复杂、价格昂贵,难以在企业生产中普及。因此,研发新的结构或方法,降低研发和制造成本,并普及到工业测量中是非常必要和迫切的。本课题组研制了一款结构简单、低成本的被动式空间位置跟踪测量系统,用于实现工业机器人空间位置测量。为了提升测量系统的测量精度,本文分析了测量系统的几何误差,提出了误差测量方法,建立了误差补偿模型,并通过验证实验证明了误差补偿模型的有效性。本文的研究内容主要有:（1）分析了被动式空间位置跟踪测量系统的几何误差,并建立了基于旋量理论的误差模型。采用位置相关误差和位置无关误差描述测量系统的几何误差项。刚体运动都可以描述为某个运动旋量,通过运动旋量的指数变换得到刚体运动的变换矩阵。基于上述旋量理论建立被动式空间位置跟踪测量系统的理想运动学模型和几何误差补偿模型。（2）设计实验测量和标定模型中的误差参数。使用多面棱体标定嵌入转台内部的圆光栅测角误差,并使用谐波函数拟合离散值进行测角误差的补偿。使用万分表测量竖直旋转轴与水平旋转轴之间的位置无关误差。采用激光准直和正倒镜相结合的方法标定伸缩轴与水平旋转轴之间的位置无关误差。（3）设计实验验证基于旋量理论误差建模的有效性。使用坐标测量机（CMM）作为标准比对仪器。在450×450×200mm的测量空间内,采集180个测量点的坐标数据。采用一种线性模型求解转换矩阵,实现从测量系统坐标系到坐标测量机坐标系的变换。最后,计算测量点的测量值与理论值之间的测量误差。经过基于旋量理论误差模型的补偿,其测量误差最大值从611.9μm减小到132.2μm,补偿率为78.4%。（4）建立遗传算法优化的BP神经网络误差模型并进行验证实验。经过基于旋量理论的误差模型补偿后,测量系统的测量误差仍然较大。采用遗传算法优化的BP神经网络模型进行残余误差的预测和补偿。建立BP神经网络模型,通过遗传算法优化模型中的参数。以被动式空间位置跟踪测量系统的球坐标参数作为输入,以残余误差作为输出,训练遗传算法优化的BP神经网络模型。训练完成后,遗传算法优化的BP神经网络预测模型成功建立。然后经遗传算法优化的BP神经网络模型补偿后,其测量误差最大值从132.2μm减小到57.7μm,补偿率为56.4%。