复杂曲面零部件被广泛应用在汽车、航空航天、船舶等诸多领域中，这类零件通常对表面质量要求较高，表面存在的毛刺、焊缝残高、粗糙度不达标等问题，极易影响零件的空气动力学性能和服役表现，通常需要高精度打磨来保证其表面质量。然而其中存在机器人自身精度不足、点云数据处理复杂、打磨轨迹生成困难等一系列难题。对此，本项目基于六轴工业机器人及点云数据，开展机器人误差识别、复杂曲面打磨轨迹优化等研究，实现在无模型场景下对复杂曲面的高精度打磨路径规划。

本项目的总体目标是基于六轴工业机器人及点云数据，实现在无模型场景下对复杂曲面的高精度打磨路径规划。具体包括：基于工业机器人结构建立多种运动学模型；进行误差模型及参数冗余性的分析；实现误差参数的识别与补偿；对原始点云数据进行噪声点去除和下采样；对复杂曲面进行点云重构；完成高精度打磨路径规划。

根据工业机器人构型，使用DH、指数积建立运动学模型，完成了正逆运动学的求解；根据运动学模型建立相应的误差模型，并完成了误差参数冗余性的分析；分别使用MDH、指数积的误差模型完成仿真环境的误差参数分步补偿，并将补偿结果可视化。

基于目标工件原始点云数据，完成边界及特征孔位识别，优化了点云数据的噪声点去除和下采样算法；通过B样条曲面实现对复杂曲面点云的高精度重构，实现对目标工件任意点点位信息及法向量信息的获取；基于栅格路径和等参数法，实现对复杂曲面的打磨路径规划。