航空发动机的生产制造是航空工业中至关重要的部分,其生产质量直接决定着航天飞机的性能,因此对于航空发动机的精密生产制造一直都是国家研究的重点课题。航空发动机叶片约占发动机份额的四分之一,其生产质量对于发动机的性能有着重要的影响。本文将针对航空发动机叶片等复杂异形曲面的精密测量加工展开研究,主要是为了解决航空发动机叶片在测量加工过程中测量精度低、实时性差、鲁棒性不强的问题。重点研究航空发动机叶片在三维视觉测量过程中的点云配准等算法,并将其应用在高端智能制造生产线中,以此来解决精密加工的难题。本文研究的内容及成果主要由以下几部分构成:首先,介绍了高端智能制造生产线中机器人三维视觉精密测量系统软硬件组成及其安装方式、软件模块、测量加工流程。其中,硬件系统主要由工业机器人、工业相机、三维视觉传感器、光源以及对应的工业镜头。软件模块主要分为软件层、功能层、应用层;叶片的精密加工测量部分分为叶片点云的获取、预处理、配准、测量等流程。接着对采集到的航空发动机叶片点云进行点云预处理的研究。预处理的工程主要包括叶片点云的精简、滤波两个部分。经过康耐视三维视觉传感器获得的航空发动机叶片点云具有较大的环境噪声,且存在一些离群点和毛刺点,经过对滤波算法的实验对比和研究,本文采用统计滤波和双边滤波算法对点云进行降噪预处理,滤除了叶片点云的噪声,降低了噪声点对后续叶片点云配准精确性的干扰。叶片点云预处理是为了给叶片点云的配准提供良好的、没有冗余噪声的数据集,接着本文研究了叶片等复杂异形曲面点云的配准算法;调研发现,目前的点云配准算法并不能满足本实验平台对于叶片点云测量精度和快速性的要求,因此本文率先提出基于多尺度描述子的误配准筛除算法。根据复杂异形曲面点云的空间结构特征,构造多尺度描述子,从而获得能描述叶片点云特征的对应特征描述子点对,进一步提出基于空间夹角筛除误配准的算法,将其中的误配准对筛除,从而获得能精确描述点云型面特征的对应描述子点对,极大提高了叶片点云的配准效率和配准精确性。经实验表明,本文算法能够满足高端智能制造生产线中对于叶片测量加工精度的要求,且具有较强的鲁棒性。配准获得的测量数据,误差可由以往的几十微米减小到现在的十几微米（本实验平台获得的航空发动机叶片测量数据误差目前可减小到15um以下,配准测量精度达到97.6%,满足叶片的精密测量加工需求）,在航空发动机叶片等复杂异形曲面点云的精密三维测量中具有良好的实用性。