由于传统的焊接方式存在着环境恶劣、危害工人健康等问题,其逐渐被以焊接机器人为主的现代焊接方式所取代。焊接机器人一般采用“示教-再现”模式,该模式存在着装配误差、适应性差等不足,故较难符合焊接实际应用中高精度、高效率的要求。为此,在广东省自然科学基金面上项目“面向焊缝跟踪实时应用的焊缝特征点检测定位机理研究”（项目编号:2021A1515011736）和广州市应用基础研究计划项目“面向焊缝跟踪实时应用的激光视觉传感器测量机理研究”（项目编号:202102080351）的资助下,本文对激光视觉传感器标定、焊缝位姿检测技术进行了深入的研究,以实现智能化标定和更加精确的焊缝位姿计算。在智能焊接系统开始焊接之前,首先应该完成激光视觉传感器的标定。激光视觉传感器的标定精度和效率极大地影响机器人运动准确性和作业效率。因此提高标定效率和标定精度是实现高精度自动焊接的首要前提。为了提高标定效率,本文提出了一种高效智能的标定数据采集方法。相比于传统的标定数据采集方法,所提方法能够在相对较短的时间内采集到大量的无标签的标定数据和少量带标签的标定数据,标定效率大大提高。为了提高标定精度,本文提出了一种基于生成对抗网络的智能焊接系统标定优化方法。该方法首先完成相机内参数的标定;然后,本文设计了两个生成对抗网络结构并对两个网络进行训练和测试,最终得到精确的标定参数,进而提高了标定精度。在自动化焊接过程中,焊接位姿的准确性与焊接质量息息相关,因此,保证焊缝位姿检测的稳定性和精确性至关重要。然而,在强噪声干扰的焊接环境下,焊缝位姿的准确性难以保证。为此,本文提出了一种融合图像分类、焊缝跟踪和姿态估计的检测方法——分离噪声的焊缝位姿检测方法。首先,该方法通过支持向量机分离强噪声图像;其次,采用高效卷积滤波跟踪算法定位焊缝位置;最后,通过采集点云数据、建立动态工具坐标系、计算旋转角度,以实现焊缝姿态的估计。为验证所提算法的可行性与鲁棒性,本文搭建了一套基于激光视觉传感器的机器人焊缝位姿检测实验平台。其中,硬件部分主要由图像采集单元、视觉算法单元、运动定位单元以及焊接工件单元构成;软件部分在Microsoft Visual Studio 2015集成环境下开发,融合了标定优化、焊缝跟踪、图像分类、姿态估计算法和通讯程序。首先,本文进行了特征点定位实验、参考点定位实验、连续大幅度姿态变化的角铁跟踪实验和复杂平面曲线、空间曲线的焊缝跟踪实验一系列的标定实验,实验结果表明,参考点定位的不确定度在0.6mm以内,跟踪误差在0.6mm以内,标准差在0.4mm以内,验证了所提方法具有较低的不确定度和较高的标定精度;其次,本文进行了离线焊缝跟踪实验和自动焊接实验,实验结果表明,焊缝定位的平均误差在0.5mm以内,最大偏差在0.7mm以内,焊缝姿态的平均误差在1.4°以内,最大误差在2.1°以内,进一步验证了分离噪声的焊缝位姿检测方法能够有效地抑制跟踪模型的漂移,能在各种焊接工况完成焊接任务,实现了机器人位置和姿态实时调整的目标,进而提高了焊接精度和焊缝质量。