随着机器人技术在焊接领域得到广泛应用,面向三维空间焊缝的机器人无示教智能焊接需求逐渐增多。其中,空间焊缝的准确感知和特征提取是实现机器人智能焊接的关键,其精度直接影响着最终的焊接质量。此外,面对复杂多样的焊接场景,往往需要由多个机器人同时进行协作焊接,因此多机器人之间的任务协调及规划问题也是提高作业效率的难点所在。以此为背景,本文针对复杂焊接作业应用场景中的三维空间焊缝特征提取与多机器人任务规划等问题进行了深入研究,具体内容如下:针对三维空间焊缝提取问题,提出一种基于三维点云投影映射结合图像处理技术的焊缝提取方法。首先将线结构光传感器与机器人结合实现三维感知,得到工件的三维点云并进行滤波去噪与ROI提取;其次构建了一种新的三维点云投影映射方法,在通过PCA主成分分析确定投影方向的基础上,应用栅格规则化压缩方法建立了点云与投影生成的深度图像之间的精确映射关系,从而提高了深度图像对点云空间信息的表示能力;然后基于Canny边缘检测算法提取焊缝特征;最后反投影到点云得到焊缝特征点。对多种空间焊缝曲线提取实验的结果表明本文所提出的基于三维点云投影映射的焊缝提取方法可实现约1Hz,亚毫米级精度的提取效果。为了提高焊缝提取算法的泛化学习能力与鲁棒性,本文探索研究了基于三维点云深度学习机制的焊缝特征提取方法。首先针对不同种类焊缝的几何特征构建Weld3D数据集;其次提出两种结合深度学习焊缝提取方法:1)基于FCN的深度投影图像焊缝提取方法,在三维点云投影映射基础上,通过FCN模型对投影映射深度图进行语义分割提取特征,并反投影到三维空间对焊缝特征点进行提取。2)基于Point Net的三维点云焊缝提取方法,通过Point Net网络直接对点云进行语义分割提取焊缝特征点;最后实验结果表明上述方法对空间焊缝的提取有较好的实时性和一定泛化能力。针对复杂焊接作业的多机器人任务规划问题,提出了一种基于分步优化的多机多站任务规划算法（SO-MRMSTA）。首先从整体上建立问题的优化模型,随后基于分步优化算法,将其由上至下分成三个层面的子问题:单机器人轨迹规划问题,多机器人任务规划问题与多工位任务分配问题。1)单机器人轨迹规划问题类比于TSP问题,将机器人作业时间作为优化目标,基于LKH求解器进行求解;2)针对多机器人任务规划问题提出一种区域分配方法,将问题转化为选取区域分割线的优化问题,并基于遗传算法进行求解;3)多工位任务分配问题基于任务均衡性原则规划任务。最后通过多个算例对本文方法与专家调优法和两种前沿的方法进行比较,其结果验证了本文方法的有效性。