近几年来,随着制鞋业的快速发展,制造运动鞋的企业越来越多。传统制鞋工艺大部分依靠人工,对工人的技术要求很高,生产的运动鞋质量不稳定。鞋底涂胶在制鞋流程中,占用工人最多,且胶水对工人的身体有害。因此,将机器视觉和机器人技术引入运动鞋自动化生产中具有十分重要的意义。首先,结合冷粘运动鞋工艺要求,对其中鞋底喷胶工艺的机器人自动化方案进行了详细的设计。基于面阵相机、线结构光传感器搭建了鞋底三维信息重建机器视觉系统。基于线结构光三维重建原理,以共面靶标法为基础,采用线面相交的方法提取光条中心在相机坐标系下的三维坐标,并利用最小二乘拟合光平面。设计了鞋底视觉重建系统标定的实验,验证本文提出的光平面标定法在减少计算量的同时仍有较高的精度。对标准块物体进行点云重建,重建结果表明本文设计的鞋底视觉重建系统的精度满足工厂实际需求,Z方向的精度可达到0.06 mm。其次,分析了线结构光条在运动鞋底表面的特性。针对光条在粗糙表面形成的光斑、鞋底内仁面侧面宽度剧变的问题,提出了一种适用于运动鞋底表面光条中心的提取算法。在最大类间差法（Otsu）的基础上引入了模板内像素灰度均值和其他像素灰度的差值阈值,从而有效分割出光条的光斑区域。采用Canny算子提取了光条的边缘和宽度,并根据光条的宽度来改变Steger算法中高斯滤波核的大小,解决了因光条宽度变化而带来光条的中心提取缺失的问题。通过对比实验验证了光条中心提取算法的有效性,为鞋底点云重建奠定了基础。随后,分析了点云的数据结构以及求解点云法线和曲率的方法。针对传统鞋底边界提取算法中,抗噪声能力弱、细节丢失严重的问题。提出了一种基于点云的鞋底喷胶预点位提取方法。对鞋底点云进行背景底面去除、离散点滤波,将鞋底点云做平面投影,提取平面外轮廓。结合平面外轮廓的重心向内缩减提取裁减内轮廓,结合内外轮廓提取Ro I（Region of Interest）点云,实验表明Ro I点云数量仅为原来点云数量的10%。对随机采样一致算法（RANSAC）求解曲率做了优化。引入点云法线方向来减少二次曲面模型参数估计的次数,同时设计了自适应的采样方法,减少算法的迭代。引入曲率阈值进行判断,得到鞋底的模口线点云。利用模口线构造管道曲面,通过半径搜索目标范围的点云区域,基于向量之间的夹角关系,求得最终的喷胶预点位。并设计了实验验证了本文算法较传统的RANSAC求解曲率的速度更快,且在25%高斯噪声下,依然可以较好的提取鞋底边缘,具有很好的抗噪性。最后,完成了基于3D视觉的运动鞋底信息提取系统的软件设计,实现了运动鞋底的三维重建及基于鞋底点云的喷胶预点位提取的功能。结合机器人的手眼标定对本文提取的鞋底喷胶预点位进行实验,通过对比点云喷胶预点位的距离和真实喷胶预点位之间的距离的误差,验证了本文提取的鞋底喷胶预点位的准确性。