随着计算机视觉与机器人智能控制学科的飞速发展，在汽车工业中，结合视觉测量和机器人控制技术，采用激光拼焊方式加工汽车车身零部件显示出愈来愈重要的作用。在国外汽车板材激光拼焊技术已获得广泛应用，而在国内还只是处于研发和试生产阶段。应用工业机器人进行激光拼焊，不仅能充分发挥工业机器人灵活性、智能性等特点，而且还能代替大型激光拼焊装备进行生产，降低成本，提高效益。本课题以激光拼焊为背景，以搭建的工业机器人激光拼焊试验系统为研究平台，对基于视觉的激光焊接机器人焊缝位置信息获取及路径规划技术进行了研究。　　 在众多的信息获取方法中，立体视觉是一种有效的三维信息获取技术。一个完整的立体视觉过程包括：图像获取、特征提取、摄像机标定、立体匹配、深度信息计算和插值六个部分。单个摄像机获取的图像是二维的，图像的深度信息丢失。采用两个相同的摄像机在不同位置对被测物件取像，通过立体视觉匹配能计算出图像的深度信息。为避免立体匹配的困难，采用结构光代替其中一个摄像机是行之有效的方法。基于视觉的激光焊接机器人焊缝位置信息获取是立体视觉技术在激光焊接机器人焊接作业中的典型应用。对由CCD摄像机拍摄到工件图像进行算法处理提取出焊缝特征信息，是基于视觉的激光焊接机器人系统中关键技术之一。　　 图像处理的精度直接影响到整个视觉测量系统的精度，获取的焊缝位置信息的准确性直接决定着焊接任务的成败。焊缝在图像上表现为两条边缘，在成像条件较好的情况下，可以采用边缘特征提取的方法来获取工件焊缝的位置信息。亚像素边缘检测是近年来较为流行的边缘检测算法，检测的边缘精度可以达到亚像素级别。基于Zernike矩的亚像素边缘检测算法具有很好的抗噪性，适用于激光焊缝信息的提取，但检测出的边缘较粗，本文针对Zernike矩亚像素边缘检测存在的不足进行了算法改进，推导出7×7模板系数，并提出了新的边缘判断依据。试验验证了改进算法的有效性。改进的算法能获取焊缝位置精确信息。　　 阐述了Tsai两步法和Zhang的基于平面靶标标定的原理和标定过程。提出双线结构光视觉测量系统，建立了用于跟踪曲线焊缝的双线结构光视觉系统的数学模型，并给出标定方法。该方法首先采用Zhang的标定方法对摄像机进行标定，然后基于交比不变性原理，对结构光平面进行拟合。双线结构光视觉系统在跟踪曲线焊缝时，在一帧图像中可以同时检测出焊缝转角偏差和位置偏差，应用在机器人激光焊接焊缝跟踪上可获得比单线结构光更加丰富的信息。　　 激光焊接机器人焊枪的位姿直接影响着焊接质量的好坏。本文研究了机器人末端执行器位姿表达方法，建立了焊枪位姿和焊缝坐标系的数学模型。在激光焊接机器人焊接之前需要对焊缝编程，阐述了焊接机器人编程原理。针对在圆弧焊缝曲率变化较大的地方采用视觉测量方法存在较大的测量误差，提出偏转角的概念，对偏转角提前进行补偿，能明显提高焊接质量。　　 设计了测量焊接机器人轨迹误差的试验，对激光焊接机器人在高速焊接或焊接曲率较大的圆弧时轨迹误差进行了测量和分析。归纳了焊接机器人轨迹误差的来源及其产生的原因。给出了一种补偿机器人轨迹误差的方法。该方法的基本思想是先由结构光视觉系统测量出焊接机器人的重复轨迹误差，然后由视觉伺服系统补偿。实验证明，该方法应用在长焊缝和曲线焊缝焊接时，能有效补偿焊接机器人的轨迹误差。