航空发动机叶片类零件是军用和民用航空发动机中的重要零部件,其形状复杂,损伤后只能送往国外维修,存在维修周期长,成本高等问题。因此加快攻关航空发动机叶片类零件修复工艺中的感知、测量、修复、磨抛等关键技术研发,对我国航空事业的发展具有重大意义。基于3D视觉技术的叶片类零件三维重建和缺陷检测,是航空发动机叶片类零件修复及磨抛机器人系统中的关键工艺和首要环节,叶片类零件的三维重建精度、速度、缺陷识别准确率等指标是机器人修复及磨抛系统的关键指标,其中涉及到系统搭建、系统标定、点云拼接、缺陷检测等一系列关键技术。基于此,本课题从3D结构光视觉系统标定方法与实验、三维重建算法、3D结构光视觉系统设计以及三维点云拼接与缺陷检测四个方面对航空发动机叶片类零件三维重建与缺陷检测关键技术进行了深入研究,研究成果可为后续机器人自动修复以及磨抛提供理论基础与技术依据。本文主要工作如下:（1）通过对三维重建原理的研究,完成三维重建算法。基于航空发动机叶片类零件修复及磨抛机器人系统工艺流程和三维重建原理,设计3D结构光视觉系统,完成3D结构光视觉实验平台设计与搭建。基于Visual Studio 2017开发环境,Qt、OpenCV和PCL第三方库,使用C++编程语言,实现了系统标定、投影仪投射、三维重建与点云拼接和缺陷检测4个软件系统的功能模块。（2）通过对相机成像原理和投影仪成像原理的研究,采用张氏标定法完成了3D结构光视觉实验平台中相机、投影仪、相机-投影仪、双目相机和转台硬件设备的标定实验,获得各设备的内参矩阵和外参矩阵。使用标准球对该重建系统进行精度验证,得出系统重建偏差在30μm左右,并使用重建算法对真实航空发动机叶片进行三维重建实验。（3）通过研究粗拼接和精拼接算法,对转台4个视角和双目2个视角下点云进行拼接实验,验证该拼接算法的可靠性。通过对传统二维缺陷检测和三维缺陷检测方法的对比,提出了基于欧氏距离的缺陷检测方法,并使用不同颜色三维显示缺陷大小。使用该缺陷检测方法对凹坑缺陷和凸起缺陷进行实验验证。