焊接作为工业生产领域中的重要加工技术,被广泛应用于航天、船舶与车辆制造等领域中,提高焊接技术水平对我国从工业大国向工业强国转变具有重要意义。基于工业机器人的自动化焊接技术极大的提高了焊接生产效率,改善了工人的工作环境,但目前机器人焊接仍存在焊接轨迹固定,无法自适应调整焊接轨迹的问题。因此,本文构建了一种基于机器视觉的激光焊缝跟踪系统,利用深度学习与结构光传感技术在工业机器人上实现了焊缝跟踪功能。本文的主要研究内容如下:（1）对焊缝跟踪系统相关研究现状进行归纳总结,构建了基于主控机、六轴工业机器人、焊缝跟踪模块、激光器与送丝机的硬件平台。（2）研究了焊缝特征条纹提取算法,提出一种基于轻量化UNet的V型焊缝特征条纹提取方法。为解决标准卷积神经网络参数量大,实时语义分割网络分割精度不足的问题,引入了深度可分离卷积技术与通道注意力机制对UNet进行轻量化改进。实验结果表明,轻量化UNet在低算力平台上对640×640×3焊缝图像的分割速度可达到84.2fps,MIOU为0.94,相较于ERFNet、DFANet与原UNet具有更高的分割精度、更快的分割速度以及更小的体积。最后,结合动态灰度重心法与最小二乘法实现了对焊缝特征点像素坐标的提取。（3）构建了基于结构光的视觉传感系统,分析了针孔相机的内参模型,结合结构光平面方程建立了像素坐标系与相机坐标系的映射关系。进一步的,通过构建Eye＿in＿hand手眼模型,获得了相机坐标系与机器人工具坐标系变换矩阵。为计算相机内外参数、结构光平面方程与手眼矩阵,设计了传感标定实验,其中相机内外参数与结构光平面方程通过张氏棋盘格标定法计算得到,手眼矩阵通过Tsai两步法求解AX=XB方程获得。实验结果表明,基于手眼矩阵、结构光平面方程、相机内参矩阵与机器人位姿矩阵的视觉传感系统在机器人XYZ轴的平均绝对误差分别为0.35mm、0.2mm、0.57mm。（4）设计了基于MFC框架的焊缝跟踪系统软件平台,该平台集成了Python库、工业相机库与机器人运动控制库,可对跟踪系统进行整体控制。为实现实时焊缝跟踪,对激光三角法跟踪模型与线结构光传感模型的特点进行了分析,采用一种基于PID算法的跟踪补偿方法,实验结果表明,基于深度学习与线结构光传感的焊缝跟踪系统焊接质量良好,系统实时性较高,可以满足V型焊缝焊接需求。