1.一种机器人焊缝铣削轨迹的提取方法，其特征在于，包括以下步骤：

步骤1、将焊缝二值化掩码图像细化使多个像素宽度减少到单位像素宽度；

步骤2、对细化后的焊缝二值化掩码图像进行降采样得到有序的焊缝轨迹点；

步骤3、使用焊缝轨迹点中靠近焊缝首尾部分的点拟合直线，求出拟合直线与焊缝掩码的交点作为焊缝轨迹起点和终点，将所述焊缝轨迹点和起点以及终点合并得到焊缝轨迹点集合；

步骤4、对焊缝二值化掩码进行矩形核膨胀操作得到膨胀掩码，遍历焊缝二值化掩码图像的每个点，在该点的焊缝二值化掩码为背景值并且为膨胀掩码为前景值时，将该点加入到距离该点最近的焊缝轨迹点集合中的点所对应的邻近工件平面2D点集中；

步骤5、针对每个焊缝轨迹点集合中的点，在焊缝3D点云集合中寻找与邻近工件平面2D点集中每个点的对应点云构成焊缝轨迹点集合中的点所对应的邻近工作平面点云集合，计算每个焊缝轨迹点集合中的点所对应的邻近工作平面点云集合的质心构成平面质心坐标的集合，计算每个焊缝轨迹点集合中的点所对应的邻近工作平面点云集合的协方差矩阵的特征向量构成焊缝轨迹点邻近工件局部平面法向量的集合；

步骤6、针对每个焊缝轨迹点集合中每个点，由所述平面质心坐标的集合和邻近工件局部平面法向量的集合得到该点邻近工件局部平面方程，计算该点对应的点云的 3D坐标表示的3D点在该点邻近工件局部平面方程的投影坐标，由所述投影坐标和所述焊缝轨迹点邻近工件局部平面法向量的集合构成焊缝铣削轨迹的6D参数。

2.根据权利要求1所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述步骤1中将焊缝二值化掩码图像细化时使用Zhang‑Suen细化算法。

3.根据权利要求1所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述步骤2包括：将每个Mask[i, j]=1的坐标{ i, j }加入到集合A，对集合A中的坐标点进行K次第一搜索，每次第一搜索包括进行d次第二搜索，并将d次第二搜索后的当前坐标点加入到集合S，每次第二搜索时将当前坐标点设为已访问，然后在当前坐标点的8‑领域内寻找未标记为已访问且在细化后的焊缝二值化掩码图像为前景的点作为当前坐标点，其中Mask[i, j]表示坐标为{ i, j }的细化后的焊缝二值化掩码图像点的值，K为设定的降采样分段数，d为细化后的焊缝二值化掩码图像属于前景的像素点数量与K的比值并取整。

4.根据权利要求3所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述K不小于

16。

5.根据权利要求1所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述使用焊缝轨迹点中靠近焊缝首尾部分的点拟合直线是搜索在细化后的焊缝二值化掩码图像为前景的点的前、后各N个点，然后对前N个点和后N个点分别使用最小二乘法拟合直线。

6.根据权利要求5所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述N不小于

10。

7.根据权利要求1所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述计算每个焊缝轨迹点集合中的点所对应的邻近工作平面点云集合的协方差矩阵的特征向量是计算每个焊缝轨迹点集合中的点所对应的邻近工作平面点云集合的协方差矩阵的特征值λ1、λ2和 λ3，其中λ1≥λ2≥λ3，得到特征值λ3所对应的特征向量 。

8.根据权利要求1所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述步骤6中该点对应的点云的 3D坐标表示的3D点的确定方式是当该点对应的点云不是无效值时，则把该点云的 3D坐标加入焊缝轨迹点 3D坐标集合中；当该点对应的点云是无效值时，则寻找该点对应的点云附近为非无效值的点云的3D坐标加入焊缝轨迹点 3D坐标集合中。

9.根据权利要求8所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述寻找该点对应的点云附近为非无效值的点云是在点云坐标为[x‑m～x+m，y‑m～y+m]范围内逐个寻找至找到第一个非无效值的点云，其中m从1至无穷大逐渐增大，[x,y]为该点对应的点云的坐标。

10.根据权利要求1所述的机器人焊缝铣削轨迹的提取方法，其特征在于，所述邻近工件局部平面方程为，

其中k表示焊缝轨迹点集合中的第k个点，SC为平面质心坐标的集合，SN为邻近工件局部平面法向量的集合。