大型航空零部件的制造和装配过程中,需要通过测量来保证其精度、效率和可靠性。目前,针对大型航空零部件,视觉测量系统是将被测对象表征成点云的形式,通过对比点云与理论数模的差异,即可验证零部件的几何精度。由于高直线度和稳定性,线激光光源在视觉测量系统中得到了广泛的应用,用以增强目标图像的特征。作为视觉测量的关键技术,激光条纹图像处理的结果直接影响着系统的鲁棒性和准确性。过去,为了减少激光条纹图像处理的困难,技术人员通常会建立一个条件严苛、成本昂贵的理想检测场景,确保图像中激光条纹信息清楚且噪声极少。然而,搭建一个理想测量环境并不适合多种类、大尺寸的航空零部件测量,更无法满足在线、在机测量。由于无法构建适用于各种零部件的摄影检测环境,而且图像中包含了各种显著、复杂的背景噪声,造成图像处理非常困难。随着智能图像处理技术的不断发展,在特定工业环境下提取图像中的激光条纹特征变得切实可行。然而,由于光斑、背景物体、粉尘、环境光等噪声的干扰,而且激光条纹自身的性质和图像背景在扫描过程中会随时间和位置变化,导致无法准确提取目标。本文采用基于辅助激光扫描的双目立体视觉测量方法,实现大型航空构件形面的三维测量。针对测量过程中的激光条纹定位、分割、去噪和补偿等图像处理方法进行了深入研究,主要内容如下:(1)针对整幅测量图像的像素尺寸大、背景噪声复杂的问题,直接从图像中分离出激光条纹非常困难,速度也相当慢。因此,需要定位图像中激光条纹所在的区域,缩小处理的范围,滤除绝大多数的冗余背景噪声。为了识别并定位测量图像中激光条纹,提出了基于多特征聚类的激光条纹定位方法。在两组实验图像中进行了验证。实验结果表明:提出方法平均用时2.875秒/帧,能处理所有实验图像;基于Kalman滤波的定位法用时3.116秒/帧,且无法处理第二组实验图像。因此,提出的激光条纹定位方法处理速度更快,能应对激光条纹位置和尺寸突变的情况,适用范围更广,鲁棒性更优。(2)由于激光条纹周围背景噪声的干扰,直接计算激光条纹中心线将引入大量的误差。为了精确地分割激光条纹和背景噪声,在阈值分割经验的基础上,提出了一个快速可靠的分割方案:分类出最佳的激光条纹二值图像即为所需结果。进而,提出了基于有监督学习的阈值分割方法。在三种实验的激光条纹定位图像中进行了验证。实验结果表明:使用MSE、SSIM和IoU作为评价指标,分别与GLGM、Grabcut和FCN等图像分割方法进行对比,提出的激光条纹分割方法的分割精度和稳定性最优。(3)某些情况下,激光扫描测量图像中会有一些遮挡激光条纹的噪声,造成了关键测量信息的缺失。为了恢复丢失的信息,一方面需要识别出噪声,另一方面则在过滤噪声的同时保护激光条纹的信息。因此,研究了遮挡噪声滤除和缺损补偿的方法,根据形态将遮挡噪声分类为线型噪声和块状噪声,然后分别提出了线型噪声和激光条纹的识别方法、宽度条件约束的线型噪声补偿方法、基于形态学骨架的块状噪声检测及过滤方法。实验表明:基于提出的方法处理了几种包含典型线型噪声或块状噪声的实验图像,可以有效地过滤噪声、补偿缺损激光。(4)搭建了基于辅助激光扫描的双目立体视觉测量系统,实验拍摄了两组具有不同激光条纹、不同场景和复杂背景噪声的实验图像。首先验证了本文提出的激光条纹定位和分割方法,并与经典方法进行了对比。其次验证了遮挡噪声过滤及补偿方法。最后,在分割好的激光条纹图像上,基于灰度重心法或Steger法计算得到激光条纹的亚像素中心线,进一步得到被测目标的点云。