随着劳动力成本的增加,工业微特电机的自动化装配问题是电机行业的一个难题,而其中导线的识别与装配是一个核心问题,与刚性材料不同,导线（易变形导线）在装配过程中会产生较大幅度的形变,这给装配带来了巨大的困难。本文主要研究微特电机装配过程中易变形导线的识别问题。以微特电机的导线装配为研究对象,首先对易变形导线在装配过程产生的一系列形变问题进行深入分析;其次对于易变形导线点云数据存在的数据冗余问题,提出基于关键点的点云预处理算法;最后根据点云数据的特点,设计提出了空间边界Transformer点云分割算法。该论文主要研究内容如下:1.介绍了本课题的研究背景和意义,介绍三维视觉技术的发展历程,总结了点云分割发展状况,对国内外发展现状作出分析。2.通过对微特电机定子装配工业生产中的装配工艺以及系统设计进行分析,得出工序中的核心关键在于易变形导线的识别,同时根据易变形导线的识别工序在工艺中的需求,确定三维装配视觉系统的设计和硬件设备。3.针对点云数据数量多,噪点离群点多,而且重要点云占总体点云少的问题,提出了一种新的基于关键点的数据预处理方法,与传统方法相比,基于关键点的预处理方法增加了点云辨识度,提高易变形导线点云数量与整体点云数量的比值,同时能够最大程度上减少边界特征的丢失。4.通过微特电机生产过程中的装配工序分析,针对易变形导线遮挡,缠绕等问题,提出采用三维相机采集点云,并使用针对三维点云数据改进的空间边界Transformer方法,将二维深度学习网络中的Transformer网络结构结合到三维深度学习中,最后通过网络学习分割出定子点云中的易变形导线材料部分。最后,是实验部分,对本文提出的易变形导线预处理算法与点云分割算法实验结果进行分析,结果表明预处理算法的能够减少约90%的点云数量,也增加了易变形导线点云占总体点云的比值,减少了算法学习难度,对于后续算法的精度提升具有一定的帮助,而空间边界Transformer分割算法识别率能够达到87%。