目前，由于汽车车灯工件批量少、种类繁多，车灯喷涂机器人离线编程系统尚无法满足喷涂效果和效率要求，因此车灯喷涂主要还是靠人工喷涂，费时费力、涂料浪费严重且污染环境。本文在国家自然科学基金项目(61503162，51505193)和江苏省自然科学基金项目(BK20150473)支持下，研究了基于点云数据的汽车车灯喷涂机器人轨迹优化方法，主要内容如下：
　　(1)研究了基于三维点云数据的灯模型获取方法。本文为了获取高质量的车灯点云数据，利用双边滤波算法和统计滤波算法去除点云数据离散点，平滑车灯点云数据噪声；根据车灯点云模型在获取的过程中存在的问题，运用最近点迭代法对车灯点云模型进行配准，从而获得车灯点云模型，为实现车灯喷涂机器人轨迹优化做好前期准备。
　　(2)研究了车灯表面上喷涂路径规划方法。首先根据喷枪喷漆的形状和测量，建立了车灯表面涂层累积速率模型；然后运用分片技术对喷涂机器人空间路径进行规划，将车灯表面按照分片的原则表进行优化后，并通过哈密尔顿图形分片算法，建立每一片喷涂路径评价函数，并以此为依据来采用Z型喷涂路径，从而为车灯曲面喷涂轨迹优化奠定基础。
　　(3)研究了车灯表面喷涂轨迹优化方法。首先在获取每一片上的喷涂路径后，以离散点涂层厚度与理想涂层厚度的方差作为涂层厚度均匀性的判断标准，建立涂层厚度目标函数；然后在两片交界处，根据Z型空间路径方向分为平行-平行、平行-垂直、垂直-垂直三种情况研究了车灯曲面两片交界处的涂层厚度均匀性情况；最后将各个片上的轨迹优化组合转化为哈密尔顿图，运用改进的粒子群算法求得最短路径，以此进行喷涂轨迹优化。
　　(4)对基于点云数据的车灯喷涂机器人轨迹优化进行仿真和实验。首先通过点云数据处理算法对车灯点云数据进行识别配准，获取车灯点云模型；然后通过RobotStudio软件搭建车灯喷涂机器人工作站，对车灯喷涂路径规划进行仿真；接着，建立车灯涂层累积厚度模型，验证片与片交界处轨迹优化方案，对基于收缩因子的粒子群算法和基本粒子群算法进行仿真并且进行比较，验证了该算法的优越性。最后，在实验平台上进行了喷涂实验，并对结果进行了分析和讨论。