工业机器人能够替代工人在复杂、危险的环境下工作,在多个行业有着广泛的应用。喷涂机器人作为一种典型的工业机器人,已经覆盖了国民经济的多个领域。喷涂机器人的直接示教技术以手把手示教为代表,手把手示教由于机器人总体惯量较大,示教操作并不灵活,且劳动强度大,喷涂轨迹与运动参数难以优化,在实际应用中受到诸多限制,需探寻更改进的喷涂示教方法。为了能够再现操作者经验并且减轻操作者在示教过程中的负担,本文提出了手持工具示教方法:操作者进行示教时首先将喷枪从机器人末端拆下,或拿出专用的喷枪,然后进行正常的手工喷涂作业,完成后装回或放回。作业过程中,固定在喷枪上的测量装置实时记录喷涂过程中喷枪的运动参数和喷涂参数。喷涂结束后,系统根据记录的运动参数计算出示教过程的位姿轨迹,自动创成出机器人喷涂控制程序,完成示教编程。本文选择经济实用的惯性测量元件（Inertial Measurement Unit,IMU）作为测量装置,将其捷联固定在喷枪上。本文利用IMU的采样数据进行惯导解算,获得了基于机器人世界坐标系的姿态数据和三轴加速度。在对加速度数据进行滤波后,使用支持向量机（Support Vector Machine,SVM）对其进行运动状态识别,将识别结果转化为运动阶段边界点序列。使用上述序列进行消除累积误差的二次积分,计算出喷枪在机器人坐标系的、符合速度规划的运动轨迹。针对IMU累积误差大、室内定位精度低等问题,本文提出了使用外源定位传感器与IMU进行数据融合,开展IMU轨迹误差补偿的研究。本文在选择了激光线阵作为外源定位传感器、将激光感应传感器安装在喷枪上之后,根据激光线阵输出的表示形式,设计了数据的处理方法。按照提出的数据融合方法,使用激光线阵定位数据对积分获得的轨迹进行误差分段补偿,实现轨迹定位。在算法推导的基础上使用机器人进行了实验,数据表明该算法采样示教的直线轨迹和圆弧曲线轨迹的位置精度分别能达到5 mm和10 mm,能够解决IMU累积误差的问题。最后按照设计的示教流程,制作了能够显示算法轨迹和实时显示IMU采样数据的软件界面。同时使用模拟喷枪进行示教测试,将算法解算所得轨迹和模拟喷涂轨迹进行对比,发现算法在实际应用中能够减少IMU轨迹的累积误差,而且可以满足喷涂采样的需要。