焊接机器人凭借其焊接质量稳定、生产效率高、适应能力强等优点逐渐取代人工焊接而得到广泛运用。然而,对于形状复杂、加工误差大、装夹精度低及焊接热变形较大的工件,传统示教再现型焊接机器人不能高效、高质量地完成焊接。为提高焊接机器人的自适应能力,本文开展基于深度学习和线激光双目立体视觉的焊缝检测、三维定位以及焊接轨迹与姿态在线跟踪技术研究。主要研究内容如下:（1）搭建基于双目视觉的焊接机器人硬件平台并设计系统软件架构。阐明相机成像原理、双目立体视觉原理以及手眼标定原理,基于Open CV开展标定实验,完成双目相机内、外参数标定和手眼矩阵标定,通过重投影实验和双目测距实验验证相机标定精度,并由工具标定将工具坐标系建立于焊枪末端,最后基于标定所得参数建立视觉传感器及机器人系统关键坐标系间变换关系。（2）研究基于双目视觉的焊缝起点检测与定位方法。首先,基于Center Net框架设计焊缝起始向量检测算法,在此基础上提出焊缝起点处工件与焊枪位姿求解方法。在检测出焊缝起始向量和底板边线后,基于双目立体视觉原理实现三维焊缝起始向量和底板边线向量求解,进而求解焊缝起点处工件和焊枪位姿。实验表明,焊缝起始向量检测算法在检测精度和鲁棒性上有明显提升,焊缝起点检测与定位方法能够适应工件形状、姿态的变化,位置和姿态检测精度满足跟踪起点对准需求。（3）研究强噪声背景下的焊缝特征点检测方法。该方法在焊接开始前由传统方法确定焊缝特征点跟踪区域,在后续帧中由目标跟踪算法定位焊缝特征点。为解决噪音干扰和长期跟踪引起的跟踪漂移误差,利用激光条纹分割网络从跟踪确定的感兴趣区域中分割激光条纹,并由传统方法精确检测焊缝特征点和激光条纹骨架。实验表明,激光条纹分割网络能从焊接噪音中完整地分割激光条纹,焊缝特征点检测方法即使在强噪音环境中依然保持较高精度和鲁棒性。（4）研究基于感兴趣区域单像素骨架的匹配点搜索算法、焊接过程中稠密点云创建方法和基于点云的焊接路径与姿态求解方法。通过整合各个算法模块构建实时焊缝检测与跟踪系统,设计系统运行流程以及用户界面。焊接实验表明,在不同工况下,跟踪系统依然保持较高的轨迹跟踪精度和姿态跟踪精度,满足焊缝跟踪实时性和精度要求。