在航空制造领域中,器件模型往往具有形态多样、曲率多变的特点,其涂装工艺的质量评估指标多、标准高,引入机器人进行喷涂作业符合目前航空工业的实际需求和发展趋势。现阶段,机器人人工示教的方式对于此类工件的喷涂存在操作耗时、精度不够、漆膜质量受工人经验影响等问题,制约了喷涂机器人的广泛应用。离线编程的方式能够借助于虚拟仿真系统自动生成喷涂轨迹,但会面临工件数模存在自身偏差和工件布局测量不精确的问题。有鉴于此,本文使用线结构光原理的高精度感知设备,基于点云处理技术对喷涂机器人的高精度工件重构、位姿标定及轨迹规划问题展开研究,构建了面向复杂结构化航空部件的喷涂自动编程系统,具体研究内容如下:针对航空工件模型精度不足、安装位置不确定的问题,提出了一种结合局部描述子与聚簇逆向ICP匹配的粗到精点云配准方法,用于工件重构与位姿标定。首先引入线结构光传感器扫描场景获取测量点云,并使用直通滤波、体素采样、统计滤波等方式预处理,以实现对测量点云的去噪和压缩;同时对已有的STL工件模型基于Poisson-Disk分布进行两阶段采样,以获取间距均匀的参考点云;然后将参考点云和测量点云分别提取FPFH描述子,结合自定义的截断误差评价函数解算工件的初始位姿;考虑到参考点云与测量点云的集合包含关系,构建一种聚簇分割的逆向ICP精配准算法获取工件重构与位姿估计的结果,最终表面重构精度达到亚毫米级,标定平移误差在1.6mm以内,旋转误差在0.2度以内,能够满足后续喷涂轨迹规划的要求。针对航空工件构型复杂、整体喷涂规划难以满足工艺需求的问题,提出了基于几何特征学习的规则化分割方法。为了将结构化工件分割为面积适中、规则性显著的子片（平面、柱面、锥面和球面）,本文提出了两种不同的思路:（1）基于表面融合特征的无监督聚类算法,将深度残差和法线偏离角构造为描述性良好的融合直方图特征,使用改进扩展生长算法将相似度较高的三维点聚类成簇,实现工件点云的结构分割;（2）基于Point Net++的实例分割算法,结合二分图最优匹配理论对常规的Point Net++拓展,使其能对点云中每一个三维点进行四种规则面的分类（语义分割）,并实现端到端（End-to-End）的实例分割。基于此两种分割方法,本文使用RANSAC算法完成了规则子片的几何参数估计（如主轴、半径等）。在上述研究的基础上,本文沿循分而治之的处理方法,分别提出了四类规则子片点云的模板化轨迹规划方法。首先基于高斯和分布建立喷枪平/曲面涂层累积速率模型,并使用映射图预缓存来优化计算;然后基于点云切片的单行程路径生成方法,依据四类规则面的形态及对称性,设计具有针对性的全覆盖路径;为了满足期望膜厚和涂层均匀性的工艺需求,通过离散点采样的微元方式分析建模,对四种规则曲面的行进速度和行程间距进行优化;接着在蚁群算法优化连接子片路径的基础上改进,结合就近过渡的操作经验,加入翻转路径的动态因素;最后本文对简单规则点云和航空工件点云进行仿真实验和涂层质量分析,验证了相关算法的有效性和实用性。