一般而言,大型复杂曲面三维形貌测量系统往往要求自身具有较高的在线柔性和实效性。但目前已问世的部分商品化测量系统,在使用的过程中,通常需要进行贴点处理或者基于机器人基坐标系进行点云的全局拼接,这很大程度地降低了测量精度和测量效率,且影响了产品三维信息的完整表达。因此,针对以上问题,本文尝试构建出一个在线柔性测量系统,该系统将形貌传感器与机器人相结合,借助i GPS对形貌传感器进行全局跟踪定位,实现了非贴点测量下点云数据的高效配准。本文主要的研究工作如下:首先,使用ATOS扫描仪、安川HP20、Robodk离线编程软件以及i GPS定位跟踪系统,构建出测量系统数学模型,并基于CAD数模信息提出了一种自适应测量方法。与传统的等步长测量方法相比,该方法具有更高的测量精度和效率。另外,基于测量系统数学模型,提出了一种融合5特征点的手眼标定方法,并对各坐标系间的转换关系进行理论推导。其次,对HP20机器人运动学正逆解算法进行推导和仿真验证。同时,对几种常用轨迹规划方法进行分析,通过Matlab软件在关节空间和笛卡尔空间进行仿真对比,验证了机器人运动过程的稳定性和实用性。然后,对常用的特征点检测算子进行分析比较,提出了一种基于八叉-KD索引结构的改进SIFT算法。该方法通过八叉-KD结构索引,加快了最近邻域点的定位,缩短了算法的搜索时间。同时,采用改进RANSAC算法和法向量余弦夹角对特征点对进行双重筛选,提高了配准的精度。最后,通过采用Visual Studio软件并借助第三方工具开源点云库PCL,实现车门和车前盖等实例的自动配准。实验表明:(1)点云数据的每一笔配准误差都控制在±mm1.0之内;(2)配准时间比原有算法减少%30。