在中国制造2025、工业4.0的背景下，随着智能制造、高端制造以及高精密加工等技术的发展，许多行业对非接触式缺陷检测方法提出了更高的要求。涂胶工艺作为制造业中的关键程序，其质量好坏，直接决定了产品的性能、质量和外观，还可能影响到生产设备的使用寿命，甚至影响到使用者的人身安全。传统的人工检测法和基于二维图像的视觉检测方法具有一定的局限性，而基于线激光的三维视觉检测方法因具有速度快、精度高、稳定性好、防干扰能力强等特点已成为一种技术潮流。本文基于线激光的三维视觉检测方法，针对涂胶工艺中的质量缺陷检测问题展开了深入的研究。
　　针对获取高质量三维点云数据的问题，本文搭建了以线激光传感器为核心的三维扫描系统，设计了软硬件结构，并详细分析了点云数据中噪声产生的可能原因。针对散乱点云处理效率低的问题，基于KD树和Octree建立了点云的拓扑结构，研究了点云邻域搜索方法，为点云微分信息的估计以及点云特征描述等相关算法奠定了基础。
　　针对点云数据中存在的噪声问题，本文提出了一种基于组合优化的点云滤波算法。该算法首先将点云噪声划分为大范围噪声和小范围噪声，然后综合利用统计滤波、半径滤波和双边滤波算法，实现了对点云噪声的高效去除。针对点云数据量大的问题，本文提出了一种融合空间划分与法向量的体素下采样算法，该算法利用体素与法向量夹角之间的约束关系来对点云进行下采样。为进一步减少点云的数据量，本文基于RANSAC算法对点云中的平面背景点云数据进行了去除。实验结果表明，在尽量保持点云表面特征的前提下，本文算法能大幅减少点云的数量。最后在点云预处理和改进点云配准算法的基础上，本文深入研究了基于点对偏差的涂胶质量缺陷检测方法和基于曲线拟合的涂胶质量缺陷检测方法，实现了对涂胶缺陷中常见的凸胶、凹胶和断胶的检测，对比实验结果进一步验证了本文算法的可行性和有效性。