汽车生产行业中轿车车身尺寸不断变化,以及人们对车身外观的要求不断提高,使得汽车生产线上车身激光检测系统得到了广泛应用。检测精度和轿车的生产质量紧密相关,而激光检测工业机器人的定位精度将影响系统检测精度,因此工业机器人定位精度研究具有非常重要的工程意义。本文以激光检测系统中最常见的KUKA机器人为例,对其运动学问题进行了详细分析,根据KUKA通用机器人的实际结构建立了相应的运动模型,给出了正向运动学解和逆向运动学解的求取方法。并对常用的逆运动学求解方法和基于神经网络的求解方法进行了分析比较,并进行了仿真验证。在建立运动学模型的基础上,本文综合考虑了实际生产应用中,车身定位精度对机器人定位精度的耦合影响,引入车身坐标系,将车身定位误差对激光检测工业机器人定位精度的影响转换为坐标系之间的微分变换,在几何误差的基础上,建立了基于激光检测系统的KUKA机器人定位误差模型,并对该误差模型进行了仿真验证,证明了模型的正确性。最后,考虑到KUKA机器人定位误差补偿的实时性和环境温度的影响,采用RBF神经网络和空间插值算法对KUKA机器人的定位误差进行了补偿,并做了仿真验证,通过和牛顿拉夫逊迭代法作比较,证明综合补偿法补偿精度更高。