机器人示教是实现机器人轨迹再现的主要方式,其工作原理决定了机器人作业的复杂程度。而采用人体运动跟踪技术,可以简化机器人的示教程序,提高工作安全性。本文研究了基于MEMS的人体运动跟踪方法,选取包含加速计、陀螺仪、磁力计的九轴传感器来检测人体手臂的运动情况,采用传感器间的互补融合与空间关节位置叠加的方法,获得较高精度的末端位置数据,并通过固定方向运动与空间连续运动的实验来检测传感器对手臂运动捕捉的效果。实验结果表明,融合计算出的数据轨迹能正确反映人体手部的空间运动,可以用于机器人的轨迹示教。本文首先介绍了机器人示教的研究背景与研究现状,然后阐述了用人体捕捉的五种常用方法。在相互分析、比较各种方法的特点后,解释了选择MEMS技术的人体捕捉方法优势与挑战,再重点介绍了MEMS技术在人体运动捕捉中的研究现状。其次,在进行姿态解算之前,先通过对人体手臂运动学分析,建立人体手臂运动学模型。再针对MEMS加速度传感器、陀螺仪、磁传感器不同的工作特性,建立了各自的误差模型,并分别通过六姿态标定、零漂校正、椭圆校正的方法,对三种传感器分别标定,以提高数据精度。然后,分别描述了采用MEMS传感器进行姿态解算的基本原理,并介绍了姿态解算中方向余弦、欧拉角、四元数三种表示方法,在综合比较各种方法的优缺点之后,采用了欧拉角与四元数相结合的表示方法。在处理姿态解算的问题上,本文采用了基于互补滤波的方法,通过融合不同传感器的数据,来提高姿态解算的精度。再通过三维球坐标中的空间数据叠加,获得最终的手部运动轨迹。最后,通过传感器的单向运动与空间连续运动的实验,获得最终的运动轨迹数据。在对运动轨迹进行分析可以发现,采用本文的方法可以获得一条较为准确的运动轨迹线路,而将本文的姿态融合解算的算法与传统机器人示教器相结合,完全可以应用在跟踪人体手臂的机器人示教方式中。