随着人工智能行业以及电子制造技术的发展为焊接行业提供了新思路和新技术，人工智能将会为实现焊接自动化、智能化提供更强有力的技术支撑，能够解决新时代焊接需求，而焊缝检测技术是实现焊接自动化与智能化的关键技术。高效****的焊缝识别与检测对于实现第三代自主式智能焊接机器人具有极大的工程实际意义。
随着人口老龄化，焊接工人逐年减少，焊接需求却在逐年增加，传统的人工焊接无法承担当前社会的需求。随着钢格板制造行业自动化进程的迅速发展，金属焊接成为生产过程中必不可少的环节。钢格板作为一种需求量较大，使用范围较广的一种特定类钢构件，其焊缝检测技术，也更加被社会所需要。
针对现有技术中的不足与难题，介绍一种基于点云的钢格板焊缝自动检测方法，针对钢格板设计的焊缝检测方法能够实现高精度的检测，对钢格板焊缝进行检测时精度高，在强烈弧光、飞溅和电弧噪声等干扰下****地提取出焊缝位置，特征点位置，具有抗干扰能力强、识别****等优点。
基于点云分析的钢格板焊缝自动检测方法，具体包括以下步骤：步骤S1，获取焊缝数据；步骤S2，点云降采样；步骤S3，分割出框面点云集；步骤S4，分割出焊面点云集；步骤S5，确定框面；步骤S6,确定焊面和焊缝起始端；步骤S7，确定起始焊点、中间焊点、结束焊点和安全点；步骤S8，坐标转换。
步骤S1，获取焊缝数据，利用工业相机和红外激光线对钢格板进行扫描，获得焊缝数据；
步骤S2，点云降采样；读取数据，使用VoxelGrid体素滤波器对读取的点云数据进行降采样，以便提高后续操作计算速度；
步骤S3，分割出框面点云集； 使用SACMODEL PLANE模型，利用随机采样一致性算法（RANSAC）算法提取点云中较大的平面，RANSAC通过反复选择数据中一组随机子集来达到目标，所以并不能保证结果一定正确；步骤S1获得了足够多的数据，且钢格板的规格基本一致，获取的数据也较为典型，在不过千的迭代次数中，足以提取出****点云平面，通过Segmentation不断对点云数据进行提取分割，并获取平面的参数数据；在剩余不到60%点云数据时，则不再使用基于随机采样的分割方法；
步骤S4，分割出焊面点云集：对步骤S3中余下的不到60%的点云数据进行滤波，去除离群点；滤波后对剩下的点云进行欧式聚类分割，同时使用模型估计分割出的点云平面模型参数；
步骤S5，确定框面：基于平面方程系数，确定所要焊的一面的平面的集合；依据平面中的极值点与S3步骤中分割的较大平面的距离，确定所要焊的另一面；
步骤S6,确定焊面和焊缝起始端；
步骤S7，确定起始焊点、中间焊点、结束焊点和安全点；
步骤S8，坐标转换：将点云数据和焊点和安全点，经过坐标转换，建立根据以前进方向为X，焊接方向为Z的坐标系。
钢格板焊缝自动检测方法能够在强烈弧光、飞溅和电弧噪声等干扰下，****地提取出钢格板焊缝位置，该方法极大地提升了抗干扰能力，保证了焊接质量，提高了自动焊接系统的自适应能力。
