汽车车身顶盖-侧围的连接多采用激光钎焊工艺,其焊缝表面质量直接关系到车身连接强度、连接密封性、外表面是否美观等问题,而且汽车生产具有高阶拍、高稳定性要求等特点,实现焊缝表面质量的在线检测具有重要意义。然而目前其焊缝质量检测仍是以人工检查为主,存在着检测效率低、检测结果主观性强、数据可追溯性差等问题。机器视觉技术广泛应用于制造工艺质量的自动检测,具有速度快、精度高、灵活性强的优点。与传统平板焊缝相比,汽车车身顶盖-侧围的激光钎焊焊缝具有高反光、窄间隙、中心线呈空间自由曲线等特点,这给工厂强干扰环境下的视觉检测带来诸多挑战。目前关于焊缝质量视觉检测的研究是以二维图像为主,其对缺陷尺寸特别是深度特征的信息获取有限,而对焊缝三维测量及缺陷检测的研究较少,均无法有效指导车身激光钎焊焊缝的在线检测。针对此现状,本文采用线结构光视觉对车身激光钎焊焊缝实地采集数据,以焊缝表面建模分析为基础,围绕在线缺陷检测和缺陷识别两个方面展开研究,取得的主要研究成果如下:（1）研究了车身焊缝表面建模特点,提出了焊缝表面动态理想曲面（Dynamic Ideal Surface,DIS）模型。DIS模型由一系列动态理想轮廓（Dynamic Ideal Contour,DIC）模型构成,其中,DIC模型是通过优化后的期望最大（Expectation-Maximization,EM）算法快速准确地从实际焊缝轮廓中选取有效点,再由加权后的三次样条回归模型拟合得到。实验结果表明,该方法对缺陷轮廓的分割精度能达到0.1mm、模型收敛速度提升到三个迭代周期。（2）提出了一种基于DIC模型的焊缝表面缺陷在线检测与尺寸测量方法,进而开发了一套焊缝表面质量在线检测系统。该检测方法通过综合分析缺陷的三维特征,对基于DIC模型分割得到的结果进行诊断,能有效判断缺陷有无、进行缺陷定位和尺寸测量。基于所开发的检测系统的重复性测试实验结果表明,提出的缺陷检测算法能实现对多种类型缺陷的准确检测,检测速度为100mm/s时检测精度可达0.1mm,查准率为100%,查全率为98%;提出的焊缝尺寸自适应测量算法基于对模板特征点的识别,同时也考虑了缺陷有无对测量的影响,大大提高了在自动测量过程中的稳定性和鲁棒性。开发的检测系统稳定可靠,且实现了数据的可视化,提高了数据的可追溯性。（3）研究了线阵数据形式下的焊缝表面缺陷三维特征提取与识别方法。分别从基于数据驱动的机器学习和基于动态时间规整（Dynamic Time Warping,DTW）算法的模板匹配两方面对焊缝缺陷识别进行了分析和研究。实验结果表明,前者可实现97%以上的整体分类精度,平均单帧分类耗时不超过0.15ms,其中SVM分类器（单帧分类耗时不足0.04ms）更有利于实现焊缝表面缺陷在线检测与识别;后者通过DTW算法综合考虑了缺陷轮廓特征和序列连续性特征,进一步增强了凹、凸缺陷轮廓类内差异,甚至线性可分,整个特征提取和分类过程的准确性和鲁棒性更强,很适合本文的研究场景。