1.一种基于计算机视觉的激光切割方法，其特征在于，包括以下步骤：

步骤S1：获取激光切割流程信息，根据所述流程信息将激光切割过程划分为若干流程子序列，并获取各流程子序列的图像数据；

步骤S2：通过所述图像数据对当前流程子序列的切割路径进行初步分析，获取当前流程子序列的激光切割轨迹矩形灰度图的模糊切割区域和背景区域；

步骤S3：获取模糊切割区域的各个边界像素点以及各个边界像素点与中心像素点的欧几里得距离，根据模糊切割区域所有边界像素点的二维坐标和欧几里得距离将模糊切割区域划分为实际切割区域和边缘挂渣区域；

步骤S4：根据当前流程子序列中实际切割区域和边缘挂渣区域对激光切割过程进行实时监控及控制。

2.根据权利要求1所述的一种基于计算机视觉的激光切割方法，其特征在于，获取激光切割流程信息，根据所述流程信息将激光切割过程划分为若干流程子序列，并获取各流程子序列的图像数据的过程包括：根据套料软件生成的整板套料编程信息，获取当前激光切割设备的工艺流程特征，根据工艺流程特征提取流程信息，将激光切割流程按照流程信息进行拆分，划分为若干流程子序列；

获取各流程子序列中的位置特征，根据各流程子序列中的各工艺流程特征及位置特征获取各流程子序列的图像拍摄角度和图像采样频率；

根据所述图像拍摄角度和图像采样频率获取各流程子序列的图像数据。

3.根据权利要求2所述的一种基于计算机视觉的激光切割方法，其特征在于，通过所述图像数据对当前流程子序列的切割路径进行初步分析，获取当前流程子序列的激光切割轨迹矩形灰度图的模糊切割区域和背景区域的过程包括：根据整板套料编程信息获取当前流程子序列的关于激光预切割轨迹的矩形灰度图，将所述矩形灰度图左下角的像素点设为坐标原点，构建坐标系，将所述矩形灰度图中每个像素的坐标绘制到坐标系中，并将矩形灰度图中每个像素点的灰度值作为参数映射至坐标系中，并获取所述矩形灰度图中的标准切割区域；

获取当前流程子序列的已切割轨迹矩形灰度图，将所述已切割轨迹矩形灰度图映射至所述坐标系中，与所述矩形灰度图进行比较，获取所述激光已切割轨迹灰度图与背景灰度图对应位置像素点中的灰度差值，并将所述灰度差值转化为二值图像的像素值，产生二值图像；

设置两个像素点位遍历指针和预设像素阈值，从二值图像区域的第一个像素点位和最后一个像素点位同时开始遍历；将二值图像中像素值大于预设像素阈值的像素点位区域标记为模糊切割区域；将二值图像中像素值小于等于预设像素阈值的像素点位区域标记为背景区域。

4.根据权利要求3所述的一种基于计算机视觉的激光切割方法，其特征在于，根据模糊切割区域所有边界像素点的二维坐标和欧几里得距离将模糊切割区域划分为实际切割区域和边缘挂渣区域的过程包括：获取二值图像的模糊切割区域，并将所述模糊切割区域中心部位的像素点位设为中心像素，以中心像素为原点建立二维坐标系，获取模糊切割区域的各个边界像素点以及各个边界像素点与中心像素点的欧几里得距离；

构建单向链表，以模糊切割区域边缘的一个边界像素点为起点，顺时针将模糊切割区域边缘的所有边界像素点的二维坐标和与中心像素点欧几里得距离依次录入单向链表中；

获取边界像素点总数，设置实际切割区域的识别区间长度，根据所述边界像素点总数和识别区间长度将单向链表划分为若干个识别分割段；

获取识别分割段内边界像素点与中心像素点的平均欧几里得距离，获取识别分割段内欧几里得距离大于平均欧几里得距离的边界像素点，将所述边界像素点划分为一个集合，得到第一集合，设置第一检测倍数，根据所述第一检测倍数和识别区间长度获取边界像素点比较数，根据所述边界像素点比较数对第一集合进行筛选，获得第二集合，随后对第二集合中的边界像素点进行形态标准筛选，获得第三集合；

获取各识别分割段的第三集合中欧几里得距离最小的边界像素点和欧几里得距离最大的边界像素点，获取各识别分割段中所述最小的欧几里得距离的边界像素点与所述模糊切割区域中心部位的辅助连线，获取与所述辅助连线垂直的分别位于边界像素点与所述模糊切割区域中心部位的两个分割线段，将所述两个分割线段分别作为边界，获得各识别分割段的实际切割区域；

同理，获取各识别分割段的第三集合中所述欧几里得距离最大的边界像素点与所述模糊切割区域中心部位的辅助连线，获取与所述辅助连线垂直的位于欧几里得距离最大的边界像素点的分割线段，同时获得所述位于欧几里得距离最小的边界像素点的分割线段，将所述两个分割线段分别作为边界，获得各识别分割段的边缘挂渣区域；

将模糊切割区域内各识别分割段的实际切割区域和边缘挂渣区域连接，获取所述模糊切割区域内的实际切割区域和边缘挂渣区域。

5.根据权利要求4所述的一种基于计算机视觉的激光切割方法，其特征在于，根据所述边界像素点比较数对第一集合进行筛选，获得第二集合的过程包括：获取当前识别分割段内的边界像素点比较数k和平均欧几里得距离，获取第一集合中目标边界像素点左右相邻的k/2个相邻边界像素点的欧几里得距离，将所述相邻边界像素点的欧几里得距离与平均欧几里得距离进行比较；

若目标边界像素点的所述相邻边界像素点的欧几里得距离皆小于等于平均欧几里得距离，则将目标边界像素点划分为第二集合。

6.根据权利要求5所述的一种基于计算机视觉的激光切割方法，其特征在于，随后对第二集合中的边界像素点进行形态标准筛选，获得第三集合的过程包括：以第二集合中目标边界像素点的欧几里得距离为三角形的高，以目标边界像素点所在识别分割段内的所述边界像素点比较数k为三角形的底构建近似三角形，设置近似三角形的顶角半角正切阈值，获取所述近似三角形的顶角半角正切值，将所述顶角半角正切值与顶角半角正切阈值进行对比；

若所述顶角半角正切值大于顶角半角正切阈值，则将目标边界像素点划分为第三集合。

7.根据权利要求6所述的一种基于计算机视觉的激光切割方法，其特征在于，根据当前流程子序列中实际切割区域对激光切割过程进行实时监控及控制的过程包括：获取当前流程子序列的实际切割区域在所述坐标系中的实际区域坐标集，并获取所述矩形灰度图中的标准切割区域在所述坐标系中的标准区域坐标集，判断实际区域坐标集与标准区域坐标集的重合坐标数量，预设重合坐标阈值，将所述重合坐标数量与重合坐标阈值进行对比，若所述重合坐标数量大于等于重合坐标阈值，当前流程子序列切割完成的板材标记为质量合格，则将所述激光切割设备标记为正常状态；

若所述重合坐标数量小于重合坐标阈值，则将所述激光切割设备标记为故障状态，当前流程子序列切割完成的板材标记为质量不合格。

8.根据权利要求7所述的一种基于计算机视觉的激光切割方法，其特征在于，根据当前流程子序列中实际切割区域和边缘挂渣区域对激光切割过程进行实时监控及控制的过程包括：若当前流程子序列的切割完成的板材被标记为质量合格，则获取当前流程子序列的边缘挂渣区域在所述坐标系中的挂渣区域坐标集，同时获取下一流程子序列的标准切割区域的在所述坐标系中的标准区域坐标集，判断所述挂渣区域坐标集与标准区域坐标集是否存在交集，若存在交集，则将当前流程子序列边缘挂渣区域在所述坐标系中的挂渣区域坐标集反馈至套料软件，所述套料软件根据所述挂渣区域坐标集更新生成的整板套料编程信息。