当今,砂型铸造工艺在机械部件的制造过程中发挥重大作用,利用铸造模板可以大量生产同类产品。然而,铸造过程中由于砂箱装配定位精度和变形等原因,导致铸件的周围存在飞边,需要进行加工打磨,将飞边去除。同时,由于飞边的位置、形状及厚度具有随机性,难以有效定位。因此,在现有的机器人打磨过程中,需要提前将刀具和零件的加工基准进行对齐,利用离线生成的加工路径对零件进行打磨。针对自动化铸件飞边打磨系统中存在的问题,如中小批量铸造离线编程时间长、夹具定位要求高、加工路径固定导致的效率低和飞边定位难等。本文提出一种基于三维视觉的铸件飞边识别技术,利用三维设备采集铸件飞边点云,构建点云语义分割网络,分割飞边和铸件本体的点云,带有语义信息的铸件点云可为后续加工打磨轨迹规划提供强有力的支撑。同时,为弥补网络训练过程中样本较少的缺陷,本文利用对抗生成网络技术生成飞边数据,增强训练数据的丰富度。本文的主要研究内容如下:（1）基于图注意力卷积,构造点云语义分割识别算法MSF-Net（最大化激活采样和特征融合网络）。该算法针对最远点降采样算法缺乏局部结构自适应的问题,提出一种基于最大化激活的最远点降采样算法MFPS。同时,针对图注意力卷积仅在一维进行的缺点,融合排列变换,将二维卷积融合进算法模型中。针对采用局部线性插值方式的上采样缺乏全局信息的缺点,引进全局和局部融合的上采样算法,扩大特征提取过程中的视野。通过构建铸件飞边分割虚拟仿真数据样本744份,包含31种不同的零件,探究了降采样、特征融合和上采样算法改进的效果。MSF-Net在测试集的分割交并比达到95.23%,比基准网络提升1.97%,改进效果明显。通过可视化MFPS,验证该算法可以根据铸件点云的局部结构进行自适应采样。MSF-Net的预测速度为587毫秒,满足机器人打磨要求。（2）基于对抗生成网络,构造飞边点云生成算法FPG-Net（飞边点云生成网络）。针对聚合多层感知机缺乏对局部特征提取的缺点,提出局部聚合多层感知机,加强局部特征提取能力。针对点云补齐与飞边点云生成任务的差异性,提出飞边漂移算法,将点云补齐应用于飞边生成任务中。在仿真实验中,生成的飞边与真实飞边之间的相对倒角距离仅0.01735,比基准网络降低了81.81%。生成的铸件飞边可用于扩充数据集,加强深度学习训练样本的多样性。（3）进行铸件飞边识别实验与探究。利用三维扫描仪,搭建铸件点云采集系统,构建实体数据样本252份,包含12种不同的零件,进行全局视角、局部视角和噪声点影响的点云分割实验。MSF-Net算法分别在三种实验任务中,分割交并比分别达到了87.80%、90.37%和87.25%,验证MSF-Net在不同铸件飞边识别任务中的实用性。通过融合仿真数据和飞边生成数据,引入迁移学习技术,在全局视角分割实验中,MSF-Net的分割交并比提升到了90.51%,验证FPG-Net生成样本的有效性。