基于激光结构光视觉传感的焊缝跟踪技术将焊缝定位转化为结构光条纹特征点的定位，具有较强的普适性。然而，实时焊缝跟踪中弧光（焊接电弧产生的强烈可见光）、飞溅（溅射焊渣）、烟尘等噪声对结构光图像造成了严重的污染，从而影响了焊缝定位的精度和鲁棒性。滤除结构光图像中的噪声对于提升焊缝定位的精度和鲁棒性具有重要作用。为滤除焊缝结构光图像中的噪声，本文提出了一种基于轻量化DeepLab v3+语义分割网络的焊缝结构光图像分割方法，通过分割出结构光条纹的前景图像来达到噪声滤除的目的。采用浅层Resnet-18网络替代DeepLab v3+的原始深层骨干网络，以提高分割效率；以像素占比的补数为权重设计了加权交叉熵损失函数，以提高结构光条纹分割的像素准确率。实验结果表明：所提方法的平均单张图像推理时间为15.9 ms，结构光条纹的像素准确率为96.47%，结构光条纹的平均交并比为89.04%，可以实现高效、精确、鲁棒的结构光图像分割，从而达到焊缝结构光图像中弧光、飞溅、烟尘等噪声滤除的目的。

基于激光结构光的视觉传感技术是实现焊接坡口检测、焊缝跟踪和焊接机器人路径规划等的主要技术手段和基础。介绍了基于激光结构光的视觉传感技术应用于焊接领域的优势, 分析了其基本检测原理, 归纳总结了该技术在焊接领域的研究热点和发展方向。通过探讨各种激光结构光视觉传感器的原理和特征, 对其进行了全面的总结和全新的分类, 并详细介绍了它们各自的技术特点及研究进展。最后, 对基于激光结构光的视觉传感技术存在的问题进行了探讨, 以期促进该技术的进一步研究和应用。