为满足我国近年来航空航天事业的发展需要,对大型构件的高效高精加工提出了新的要求,而数字化测量技术是保证加工过程高精、高效、高鲁棒的关键。目前,国内外航空航天业已经对工业生产中的测量技术进行了大量研究,其中视觉测量作为一种非接触式测量方法,具有数据采集快速、高精高效、便于移动、能够三维测量等优点,受到了工业界的充分研究和重视。本文主要研究了基于双目视觉的大型航空航天构件加工过程中局部加工定位点的高精测量方法,同时分析了加工现场的复杂光源干扰和构件金属表面的高反光特性给视觉测量带来的难点,并提供了基于卷积神经网络的解决方案。同时研究了基于公共标志点和基于机器人控制信息的测量数据拼接方法。本文主要研究内容如下:（1）介绍了双目视觉测量原理并分析了视觉标志点特征,研究了视觉标志点的高精提取、匹配和三维重建方法。针对视觉测量过程中由于现场复杂光源环境干扰,构件表面局部高反光等因素造成视觉标志点的误提取,误匹配问题,提出了基于卷积神经网络的视觉标志点目标检测方法和基于孪生神经网络的视觉标志点匹配方法,该方法在传统形态学和光学几何基础上融入了深度学习方法,经过现场和实验室环境下测试,表明该方法可以有效减少视觉标志点的误提取、误匹配现象,提高整个视觉测量过程的鲁棒性。（2）针对大型构件局部特征加工定位点测量,需要将多位姿下的视觉测量数据进行拼接。本文采用一种双目相机和工业机器人结合的视觉测量方法,该方法将双目相机固定在工业机器人末端,通过控制机器人运动使双目相机测量视野以滑动窗口的方式扫过构件表面,最后基于公共标志点的方法将机器人不同姿态下视觉标志点的测量结果拼接到同一坐标系下,并以三维点云的形式将结果输出显示。同时针对跨区域测量过程中无法通过公共标志点实现数据拼接的问题,采用了一种基于机器人控制信息的测量数据拼接方法。通过建立机器人运动模型并对其参数进行标定,和计算机器人末端执行器和相机间的手眼关系,实现了多位姿下的视觉测量数据到机器人基座坐标系的统一转换。（3）搭建双目视觉测量系统,并在实验室和加工现场进行了精度验证,实验结果表明:针对大型航天器构件测量,在1.5m×1m范围内采用基于公共标志点的方法拼接十个位姿后,视觉测量误差RMS可达0.120mm。针对跨区域视觉测量,采用基于机器人控制信息的方法拼接3个区域测量数据后,视觉测量误差RMS可达0.749mm。