焊接是工业生产中的一种常见而重要的技术手段。随着工业自动化、智能化的推进,基于视觉传感器的工业焊接机器可以更好地应对焊接过程中工件发生焊接热变形或非标工件宽松尺寸等情况,提高生产效率。如何在强噪声干扰下基于视觉测量的手段在焊接过程中有效识别焊缝,指引机器人完成高精度焊接工作,成为了研究视觉焊接的核心问题。同时,由于焊接过程中焊接气体供给间断、焊接工艺不合理和焊接位置不精确等因素,不可避免地会出现焊接缺陷,比如咬边、气孔、焊瘤、夹渣、飞溅等等。这些焊接缺陷不仅会影响焊接工件的美观,更会影响焊接位置的应力承受能力,进而影响焊接质量。因此,本文主要从视觉检测的原理出发,搭建了一个可以用来同时进行焊接纠偏与焊缝表面质量检测的结构光视觉传感系统,并研究了基于结构光的焊缝识别纠偏算法与基于三维重建的焊缝表面缺陷检测算法。首先,通过对相机成像原理、结构光视觉测量原理的分析,设计了一台可以同时用来焊缝识别与焊缝缺陷检测的结构光视觉传感器。完成了传感器光学部件的选型和传感器机械结构的设计。该传感器包含一个激光器,经过内部的光路设计,可以投射出两条激光线,降低成本的同时,也使得结构更加紧凑。搭建了弧焊机器人视觉系统,完成该系统的标定。然后,本文提出了一种基于仿真信息和迭代最近点配准的焊缝识别算法,并完成焊接纠偏工作。该方法首先建立焊接机器人与待焊接工件的视觉仿真模型,得到没有噪声干扰的仿真激光线。接着基于迭代最近点配准的思想,通过模板匹配法、一维高斯拉普拉斯算子与主动轮廓模型依次获得源点集和目标点集。通过迭代最近点配准,将两个点集进行配准,得到焊缝位置。基于迭代最近点配准的思想,用焊缝检测轨迹更新焊缝示教轨迹,完成焊接纠偏。最后,在使用线结构光扫描焊缝,重建焊缝的三维点云信息后,对焊偏、焊接不完整、焊瘤、咬边和气孔进行焊接缺陷的检测与分类。基于标定原理,将Steger算法提取到的结构光中心线转换成三维点云。并基于区域增长法对扫描得到的点云进行焊缝与母材的点云分割。通过将焊缝点云和焊缝轨迹投影到一个平面上,根据增材部分点集的分布,完成对焊偏与焊接不完整的检测;基于神经网络的点云分割算法,对焊瘤、咬边和气孔进行分割与分类。