机器人加工轨迹的提取和规划是机器人智能示教的核心技术,智能示教技术直接影响了机器人加工系统的速度和精度。工业机器人的传统示教方式都是点对点的,机器人按照固定的点位进行重复运动需要机器人操作人员校准加工点位并编写示教程序。传统示教方法虽然已经被广泛应用于工业领域,但当工件的种类或尺寸发生变化,就需要操作人员重新校准点位,所以传统示教方法的自动化和智能化程度较低。针对上述问题本文针对焊接和涂胶两个应用场景,利用线激光传感器对工件三维建模,实现机器人加工轨迹的自动提取和规划。具体工作包括以下几个方面:（1）设计并搭建了基于三维视觉的轨迹提取系统。该系统硬件部分包括机械臂、传感器、上位机和传送带。提出了基于阶梯型标定物的改进手眼标定算法,此标定算法标定过程简单且精度优于传统的标准球标定方法。该系统软件部分包括上位机软件的设计和开发,软件集成了常用的点云处理算法,可以实现线激光点云预处理、加工轨迹提取、点云数据的实时显示和机器人智能轨迹规划。（2）针对点云处理算法存在着实时性低和易受噪声干扰等问题,本文结合线激光传感器轮廓可分离的优势,提出了基于最大距离的线激光轮廓关键点提取算法,该算法对激光轮廓传感器的轮廓数据利用最大距离法进行关键点搜索,再将这些关键点转换到三维空间,实验表明此关键点提取算法在时间和精度上均优于传统点云关键点提取算法。（3）针对工件上料时会产生较多位置偏差导致加工质量不佳的问题,提出了基于点云配准的机器人加工轨迹修正算法,利用点云配准算法对两次扫描的工件点云配准计算出工件位置变化的齐次变换矩阵,利用该齐次变换矩阵重新计算示教点以达到修正机械臂轨迹的目的,实验表明,该算法基于点云配准在一定范围内准确修正了机器人的加工轨迹。（4）针对ICP和Fast ICP配准算法存在着配准时间长且配准精度不理想的问题,提出了融合轮廓特征的线激光点云配准算法。通过搜索线激光轮廓线的特征点,并将这些特征点用于配准算法的迭代,改进的配准算法减少了迭代次数且对源点云和目标点云的初始位置要求较低。实验对比了ICP、Fast ICP点云配准算法,结果表明改进的点云配准算法作用于线激光点云时在速度和配准成功率上均优于传统点云配准算法ICP和Fast ICP。本文提出的基于三维视觉的机器人加工轨迹规划方法在实际生产中可以实现机器人加工的智能示教,减少机器人示教的人工成本并提高生产效率,在自动化焊接和涂胶等领域具有广泛的应用前景。