隨著人工智能行業以及電子制造技術的發展為焊接行業提供了新思路和新技術，人工智能將會為實現焊接自動化、智能化提供更強有力的技術支撐，能夠解決新時代焊接需求，而焊縫檢測技術是實現焊接自動化與智能化的關鍵技術。高效****的焊縫識別與檢測對于實現第三代自主式智能焊接機器人具有極大的工程實際意義。
隨著人口老齡化，焊接工人逐年減少，焊接需求卻在逐年增加，傳統的人工焊接無法承擔當前社會的需求。隨著鋼格板制造行業自動化進程的迅速發展，金屬焊接成為生產過程中必不可少的環節。鋼格板作為一種需求量較大，使用范圍較廣的一種特定類鋼構件，其焊縫檢測技術，也更加被社會所需要。
針對現有技術中的不足與難題，介紹一種基于點云的鋼格板焊縫自動檢測方法，針對鋼格板設計的焊縫檢測方法能夠實現高精度的檢測，對鋼格板焊縫進行檢測時精度高，在強烈弧光、飛濺和電弧噪聲等干擾下****地提取出焊縫位置，特征點位置，具有抗干擾能力強、識別****等優點。
基于點云分析的鋼格板焊縫自動檢測方法，具體包括以下步驟：步驟S1，獲取焊縫數據；步驟S2，點云降采樣；步驟S3，分割出框面點云集；步驟S4，分割出焊面點云集；步驟S5，確定框面；步驟S6,確定焊面和焊縫起始端；步驟S7，確定起始焊點、中間焊點、結束焊點和安全點；步驟S8，坐標轉換。
步驟S1，獲取焊縫數據，利用工業相機和紅外激光線對鋼格板進行掃描，獲得焊縫數據；
步驟S2，點云降采樣；讀取數據，使用VoxelGrid體素濾波器對讀取的點云數據進行降采樣，以便提高后續操作計算速度；
步驟S3，分割出框面點云集； 使用SACMODEL PLANE模型，利用隨機采樣一致性算法（RANSAC）算法提取點云中較大的平面，RANSAC通過反復選擇數據中一組隨機子集來達到目標，所以并不能保證結果一定正確；步驟S1獲得了足夠多的數據，且鋼格板的規格基本一致，獲取的數據也較為典型，在不過千的迭代次數中，足以提取出****點云平面，通過Segmentation不斷對點云數據進行提取分割，并獲取平面的參數數據；在剩余不到60%點云數據時，則不再使用基于隨機采樣的分割方法；
步驟S4，分割出焊面點云集：對步驟S3中余下的不到60%的點云數據進行濾波，去除離群點；濾波后對剩下的點云進行歐式聚類分割，同時使用模型估計分割出的點云平面模型參數；
步驟S5，確定框面：基于平面方程系數，確定所要焊的一面的平面的集合；依據平面中的極值點與S3步驟中分割的較大平面的距離，確定所要焊的另一面；
步驟S6,確定焊面和焊縫起始端；
步驟S7，確定起始焊點、中間焊點、結束焊點和安全點；
步驟S8，坐標轉換：將點云數據和焊點和安全點，經過坐標轉換，建立根據以前進方向為X，焊接方向為Z的坐標系。
鋼格板焊縫自動檢測方法能夠在強烈弧光、飛濺和電弧噪聲等干擾下，****地提取出鋼格板焊縫位置，該方法極大地提升了抗干擾能力，保證了焊接質量，提高了自動焊接系統的自適應能力。
