增强现实技术能够将复杂的装配工艺信息转换为3D数字空间的可视化信息进行呈现,引导操作人员进行装配作业,能够有效降低操作人员的记忆负担、提高装配效率。随着增强现实辅助装配作业的装配场景和装配对象的复杂性提高,增强现实辅助装配时信息的组织和管理难度加大,虚实融合过程中出现注册和遮挡算法适应性下降,可视化引导的有效性降低等问题。为此,本文针对增强现实辅助装配过程中涉及的复杂多源异构信息的组织管理、可视化内容的虚实注册和虚实遮挡,以及装配结果的检测反馈进行研究。针对增强装配作业中多源异构复杂信息缺乏有效组织和管理,导致数据获取及共享困难的问题,本文从增强现实辅助装配作业的信息需求出发,对增强现实应用于辅助装配作业各阶段涉及的多源异构数据进行分析,提出了表达装配工艺信息的可视化元素的形式。构建了增强现实辅助装配作业领域本体,利用领域本体对各阶段的多源异构数据进行实例抽取。采用知识图谱技术对抽取的实例进行组织和管理,建立了增强装配知识图谱作为增强现实辅助装配作业系统的数据支撑。针对增强装配作业引导过程中基于自然特征的无标识注册方法存在时效性差、精确度低的问题,本文采用基于全卷积神经网络的方法进行面向装配场景的增强现实虚实注册。提出了装配场景视频与虚拟模型合成自动生成神经网络训练数据集图片和标注的方法,设计了浅层轻量化的全卷积神经网络模型,采用亚像素级精度的关键点图像坐标作为神经网络的输出。利用关键点的图像坐标和空间坐标,采用透视投影原理求解相机的实时位姿信息,实现了面向装配场景的增强现实无标识注册。针对单目图像作为视觉信息输入时、无法获取装配场景深度进行虚实遮挡处理的问题,提出了基于稀疏深度扩展的单目图像增强现实虚实遮挡渲染方法,本文分析了运动相机的单目图像稀疏深度重建方法,构建了装配场景的稀疏深度图。提出了基于单目图像灰度信息的稀疏深度图像稠密化扩展方法,计算装配场景稠密深度图。将稠密深度图与装配对象三维模型的深度信息进行融合,得到了真实装配场景的深度图。利用真实场景与虚拟场景的深度图像中对应像素点的深度关系,对增强现实虚实融合时遮挡问题进行判断,实现了可视化内容的虚实遮挡渲染。针对增强装配作业过程中零件漏装错装依赖人工检测、无法进行实时反馈和质量追溯的问题,本文采用基于图像特征匹配的漏装、错装集成检测方法进行装配结果检测。构建了适应装配对象检测的卷积神经网络模型,通过多尺度网络分支对装配场景图像中的漏装问题进行判断。提出了基于装配对象局部几何特征的直线描述和匹配算法,结合神经网络得到的装配对象位置信息进行装配场景图像中的错装问题判断。通过漏装、错装检测反馈,降低了增强现实引导装配作业时出现装配质量问题的风险。综合以上研究成果,构建了增强现实辅助装配作业引导系统。实现了知识图谱、虚实注册、虚实遮挡和装配检测等功能模块的集成,进行了系统在典型产品增强现实辅助装配作业的引导实验,实现了装配工艺的可视化呈现。对系统的精度和时效性进行分析,验证了系统的有效性。