由于3C产品具有装配工艺复杂、变化频繁的特点,因此目前3C行业在后端装配、测试和包装环节仍基本全部由人工完成。为提高3C产品在装配过程中的自动化程度,如果针对不同的工序设计不同的机器人结构,一方面对设计人员专业要求过高,另一方面不利于机器人在3C装配中的灵活应用。本课题为了解决这些问题,设计了一套多传感器数据采集系统实现对装配现场工人手部动作的六维(位置+姿态)运动轨迹提取,为3C装配机器人实现自动化设计和动作复现奠定基础,有利于机器人在3C装配中的快速推广。针对自动采集3C生产现场工人实际装配动作,并满足轻巧、便携与非接触式测量的需求,本文提出基于Leap Motion的低成本3D传感器来实现对现场工人装配动作的六维(位置+姿态)运动轨迹跟踪,并通过多传感器数据融合以解决单一传感器在运动轨迹跟踪过程中的遮挡问题,同时提高对装配动作在目标视野范围内的跟踪精度。通过一组静态实验对Leap Motion传感器的性能进行了评价,采用了模拟人体手臂的塑料手臂模型,在控制器可视范围内选择了98个参考位置,以观测点的重复定位精度作为评价指标,静态测量中在传感器大部分可视空间内重复定位精度在1毫米以内,满足课题需求。通过对Leap Motion可视范围内进行圆形轨迹搜索,在Leap Motion可视范围内定义了一个正则的长方体空间作为单个传感器的最佳工作空间,满足装配需求。考虑到单个Leap Motion传感器识别性能的局限性,本文利用三个Leap Motion对多传感器数据采集系统进行布局设计,从而弥补因手掌遮挡或重叠情况下单一传感器识别率降低的缺点,并通过ICP算法对多个Leap Motion进行了分区域标定,在手掌上找到识别效果比较准确的5个关节点进行标定,最佳标定误差在1毫米之内。针对多传感器采样系统中数据的不确定性,采用基于主成分分析的多传感器数据融合算法,通过引入支持度矩阵同时加入手掌限定条件将传感器观测值中的无效数据在融合之前剔除,通过主成分分析得到各传感器的综合支持度评分将传感器的有效观测值进行融合,实验结果表明融合后的轨迹较单个传感器获得的手部轨迹更完整。