焊接技术在现代制造业中有着广泛的应用,是决定产品质量的重要工艺之一,成为影响制造业发展不可或缺的因素。传统焊接质量控制主要依靠焊前焊接参数设计和焊后检测,不能根据实际焊接过程实时调控,已经不能满足现代制造业的需求。由于熟练焊工都是根据观察熔池表面信息和依托长期工作中积累的经验调控焊接参数以及焊枪空间位置,这表明熔池表面包含了重要的焊接信息,可供熟练焊工控制焊接过程。基于以上事实,如果能够使用相机与机器人对熔池表面形貌进行三维重建,并代替人工实现焊接过程智能控制,无疑能将工人从繁重的工作中解放出来,大幅度提高焊接效率与质量,推动焊接智能控制的发展。目前,双目视觉测量方法拥有设备结构简单、测量效率高、重建精度高等优点,是目前非接触实时检测与质量控制等领域发展最快的视觉传感检测技术之一。但焊接过程中存在着电磁、飞溅、烟尘和弧光的干扰,此外熔池具有尺寸小、温度高、动态变化快的特点,观测难度高。因此,提高双目立体视觉算法的抗干扰能力,精确重现电弧下方熔池表面三维形貌,对于实现焊接智能化生产具有重要的理论意义和工程实用价值。本文基于双目视觉系统,拍摄清晰的电弧下方熔池图像;设计图像预处理算法,通过RGB色彩空间到HSV色彩空间转换以及双边滤波算法对熔池图像滤波处理;改进Canny算法,消除焊接中的电磁、弧光、飞溅等各种噪声干扰,为后续特征提取和匹配提供图像基础。提出了改进SURF-BRISK-KAZE特征提取和匹配算法。针对单一特征检测方法检测到的特征点稀少的问题,提取SURF、BRISK、KAZE三种特征点,实现了斑点特征和角点特征、线性尺度空间和非线性尺度空间的结合,得到了丰富的熔池特征点。改进传统SURF特征描述符,加入带有色彩信息方差和均值信息,构成70维改进特征描述向量。实验结果表明,改进特征点提取和匹配算法可以得到最多的特征匹配对,算法鲁棒性强。针对传统算法迭代次数多、耗时长、不能满足实时检测等问题,提出了基于斜率和欧氏距离的数据预处理模型以及预检验模型,改进传统RANSAC算法,快速可靠剔除误匹配特征匹配对。利用标准数据库图像和熔池图像对改进RANSAC算法和传统算法进行比较,实验结果表明,改进算法比传统算法的效率百分比提高了至少160%。基于预设坐标系的标定系统,构建出熔池图像特征匹配对的像素坐标与熔池实际世界坐标之间的算法关系,得到熔池点云图像,利用LOWESS拟合算法对点云图像进行处理,实现了电弧下方熔池表面形貌的三维重建。通过示踪粒子来检验特征匹配及误匹配消除算法和重建结果的可靠性。