智能制造的发展促进了机器人的发展,在制造业的后端,产品的智能三维检测也显得越来越重要。随着机器人技术和视觉测量技术的发展,使用机器人搭载视觉传感器对物体进行三维测量的技术得到广泛研究。然而传统的三维视觉方法主要依靠工人示教的方式,比较依赖工人的经验,检测的方法难以标准化。因此研究一种不依靠先验的待测物体的三维模型而能够根据物体形状智能规划机器人的扫描路径对物体进行检测的测量系统具有十分必要的意义。根据以上背景,本文提出了两级协同测量方法,先通过多Kinect采集物体点云进行一级粗测,得到机械臂的扫描路径后,再使用搭载线结构光传感器的机械臂对物体进行二级精密测量。对于测量模型建立、多Kinect点云配准、扫描路径规划和机械臂运动规划等关键问题进行了研究。以下是主要研究内容。建立了六自由度机械臂的正向运动学模型和线结构光传感器的测量模型,建立了三维测量系统的测量模型;Kinect测量范围广但精度达不到最终测量精度,单个Kinect的视角限制无法采集物体完整三维信息,因此使用三个Kinect布置在工作空间周围得到三个角度的工作空间点云再将其使用ICP算法配准,根据待测物的大小和传感器测量范围将待测物点云分片,根据分片确定机械臂的扫描路径,计算扫描路径上点云的法向量,根据线结构光传感器测量时传感器与被测物的高度和传感器相对于被测物姿态的约束,确定机械臂的扫描位姿。基于NURBS曲线描述自由曲线的良好性能,使用NURBS曲线插补算法对离散的机械臂位置进行插值;基于四元数描述旋转的唯一性与插值的线性性质,使用四元数球型线性插值对机械臂的姿态进行插值;得到机械臂平滑的运动轨迹。使用UR5协作机器人和线结构光传感器建立测量系统硬件平台;利用ROS软件平台编写了传感器数据和机械臂关节角数据同步采集程序、传感器测量的三维点云实时显示程序,实现了多Kinect深度相机粗测进而得到机械臂扫描路径的功能。对机械臂位姿进行了插值并在ROS系统中仿真实现了机械臂扫描的运动规划,验证了插值算法的有效性。