在建筑、石化、船舶等大型建造施工现场,机器人通常采用“车载机械臂”结构以适应不同区域的作业需求。由于机器人与作业对象相对位置关系不确定,作业环境是典型的非结构化场景,因此传统示教方法并不适用。本文针对机器人在非结构化场景的作业需求,研究了一种新型的智能示教方法,该方法通过操作人员手持标志物指示作业路径,机器人可据此自动识别目标路径并完成作业任务。首先通过RGB-D相机实时检测目标物位置得到粗略的作业路径,称为“示教路径”;其次利用RGB-D相机获取的点云信息对示教路径周边环境进行重建,通过特征提取得到包含期望作业路径的“点云特征集”;对“点云特征集”中与“示教路径”相匹配的点云特征进行坐标变换即可得到精确的“作业路径”,机械臂便可按照“作业路径”完成指定任务。论文主要工作内容如下:（1）针对非结构化场景下的智能示教作业需求,以复杂环境下实时准确获取操作人员示教路径为目的,提出一种基于Yolov5的目标检测改进算法。该算法目标检测帧率为50 FPS,检测精度为0.996,满足操作人员指示“示教路径”的实时检测要求。（2）基于智能示教实验,依次从点云的获取、去噪、精简、边界提取等方面开展研究,采用Alpha shapes方法得到点云的边界特征,进而准确高效的获取作业对象的“点云特征集”。（3）设计了一种跨维度路径匹配方法,在“点云特征集”中识别与“示教路径”相匹配的期望路径,进一步通过坐标变换得到精确的“作业路径”。并结合手眼标定完成了“作业路径”由相机坐标系到机器人坐标系的转换,为机器人精准高效的执行作业任务提供数据支撑。（4）设计开发了一套完整的智能示教系统,并以集装箱修补焊接为场景开展智能示教实验。结果表明,本文方法示教标志物的检测准确率为99.96%,实时检测帧率为50 FPS,真实作业路径的平均误差为2.07 mm。误差分析可知,该误差主要源于传感器本身的精度误差,相比传统示教方法,避免了工程师操作导致的人为示教误差,通过提升硬件精度可进一步提高作业轨迹识别精度。