家具的喷涂作业作为整个家具制造行业中的重要环节,现阶段的主要生产方式依然采用大量人工进行,不仅效率低下且对工人损害较大。工业喷涂机器人的引入一定程度上解放了人工。但是现阶段喷涂机器人的作业能力依赖于人工示教水平,且主要应用于单品种的大批量喷涂,生产的柔性化水平不高。对于多品种家具的并行喷涂作业较难满足生产需求。本文主要针对小型板式家具柔性自动喷涂过程,对家具点云模型的获取以及预处理,多视角点云数据配准,家具表面特征提取和快速三维重建等展开研究。首先,结合实际生产需求,确定家具表面点云的测量采集方式。根据实际测量平台对测量原理进行分析并建立相对应的坐标系,推导确定坐标系间的相互关系,测量获取了板式家具的表面点云数据。对测量的数据,基于其中不同类型噪声点数据特点,运用统计学方法对离群杂乱噪声进行剔除。采用加权协方差矩阵求解家具表面点云法线信息,并结合邻域高斯均值对法线进行滚动修正。在修正后的法线基础上,结合邻域距离对表面小噪声点进行平滑处理,从而实现对原始测量数据的滤波预处理。其次,对点云配准进行研究,解决实际种多视角采集的家具数据的配准融合问题。采用粗配准与精配准递进的方式,利用关键点和局部FPFH特征进行初始粗配准,使用RANSAC方法对配准过程的特征匹配进行优化。在粗配准结果基础上,通过组合采样,并对传统ICP的匹配迭代过程进行优化,提高整个过程的效率。通过实际采集数据和标准数据进行了算法的有效性验证。再次,结合板式家具表面特点和后续的喷涂轨迹规划需求,对家具表面的不同待喷涂区域特征进行提取。采用结合法线的RANSAC对表面的主要待喷涂平面特征进行提取,对共面多平面和平面提取后的不同花纹特征分别进行聚类,获得独立的区域。采用切片投影的方法获取不同花纹区域的截面特征。对平面和花纹区域的边缘特征运用角度阈值进行提取,并结合边缘凹凸性进行区分。最后,对多视角配准后的家具表面点云重建进行研究。采用局部最小二乘对配准后家具点云进行平滑处理。通过降采样精简,筛减重建点数,提高重建效率。采用局部投影的方法,结合区域贪婪生长,对家具表面点云进行快速三角化重建,同时设置约束条件对生长点进行筛选以保证重建后表面三角网格质量。最后通过实验确定合适采样比例,并验证重建效果。