航空发动机是飞机的核心部件,其精准安装对飞机的飞行安全有重要意义。为改变当前航空发动机安装效率低下、劳动强度大的现状,在对比研究多特征提取算法与SSD（Single Shot Multibox Detector）算法的基础上,提出一种基R-D SSD（Res Net-Dilated SSD）改进算法的安装工位检测方法,实现了航空发动机在自动化安装过程中安装工位的准确、快速检测;提出一种基于双目立体视觉的定心-定轴算法,实现了航空发动机在自动化安装过程中运输安装车的准确、快速定位。通过提取安装工位的灰度特征、面积特征和方向梯度直方图特征,利用形态学分析和支持向量机分类相结合的方法,实现了基于多特征提取的安装工位检测。针对数据集包含不同尺寸大小的安装工位的特点,基于卷积神经网络中多尺度预测的思想,通过对网络模型的训练和测试,实现了基于SSD算法的安装工位检测。通过对比两种方法的检测效果,选择SSD算法作为研究航空发动机安装工位检测的基础算法进行优化改进。为解决SSD算法对小目标安装工位检测精度低的缺陷,提出基于R-D SSD改进算法的安装工位检测方法,融合了替换主干网络、增加输出特征图的预选框数量和引入膨胀因子三个改进措施,可有效解决SSD算法对小目标安装工位检测不敏感的问题,满足航空发动机自动化安装过程中安装工位的检测精度需求和检测速度需求。为实现航空发动机自动化安装过程中运输安装车的准确、快速定位,在基于R-D SSD算法的安装工位检测成果的基础上,提出基于双目立体视觉的定心-定轴算法。利用霍夫变换圆孔检测完成对安装工位上安装孔的检测,获取空间坐标信息,通过最小二乘法拟合出安装工位的中心点坐标,即“定心”;连接前、后安装工位的中心点形成拟合中轴线,作为运输安装车前进的引导,即“定轴”。设计定心误差参数和定轴误差参数作为衡量定心-定轴算法定位精度的指标。仿真验证结果表明,基于双目立体视觉的定心-定轴算法满足定心需求和定轴需求,能够实现航空发动机自动化安装过程中运输安装车的准确、快速定位。