随着我国技术,特别是激光雷达方面的发展,采用激光雷达测量的方式已经广泛应用在汽车、工业生产等领域。而对于工业领域内不易夹装、体积较大的工件,由于其构型复杂,曲面特征较多,人工测量打磨无法保证打磨精度。因此,为了提高生产效率,提升自动化高度,本文基于点云数据处理技术对打磨机器人的运动规划进行深入的研究。本文首先基于激光雷达设计了工件三维数据测量系统并通过机器人手眼标定建立了机器人和激光雷达之间的转换关系,采用D-H法建立了运动学模型以方便规划机器人的运动。为实现利用机器人对工件表面的精确打磨,本文采用将点云模型与标准工件模型进行点云配准的方式实现工件精确位姿的确立,对于工业打磨作业,本文提出基于双向阈值筛选的点云粗配准算法以快速获取优质的匹配点对,进而提高工件精确定位的效率和精度。由于点云模型无法很好的描述工件表面的复杂曲面特征,因此本文基于移动最小二乘法对点云模型进行点云平滑处理,然后采用贪婪投影三角化算法实现了工件复杂表面的重建。在重建模型的基础上,基于NURBS曲面提取了打磨路径点。由于点与点之间相互独立,并未形成轨迹,因此本文采用3-5-3分段多项式插值方法拟合打磨轨迹。为了提高工业打磨效率,本文采用基于动态学习因子改进的粒子群算法对轨迹进行了时间上的优化。最后本文搭建了实验平台,进行了基于点云配准的工件精确位姿获取实验和打磨轨迹规划仿真实验,实验结果显示了本文改进的点云配准算法无论是从精度方面还是效率方面都有较大的提升,从仿真实验结果可以得出采用改进粒子群算法可以实现时间上了优化,成功将运行时间缩短10.3秒,进而提高打磨效率。