航空发动机的研制是中国航空工业发展的关键问题,位居我国十三五规划纲要“百大工程”之首,在国防建设和军事科学等领域都具有十分重大的意义。叶片是航空发动机中的重要组成部分,是典型的三维自由扭曲面零件,需要能够在高速状态下稳定、持续地运行。这对叶片的测量加工制造提出了极其严格的要求。因此,亟需一种高精度的叶片测量和评定方法以确保其质量,研究一种叶片三维测量以及型面参数评定方法在航空发动机研制领域具有十分重要的意义。针对以上问题,本论文提出一种基于机器人线激光扫描的航空发动机叶片三维测量方法。通过六自由度机器人带动线激光传感器实现对叶片测量,并对叶片型面特征参数评定算法进行深入研究,以解决叶片加工精度评定问题,主要研究内容如下:首先,本论文提出由六自由度机器人带动线激光传感器对叶片进行扫描的系统测量模型。该模型通过Denavit-Hartenberg矩阵(D-H矩阵)建立机器人各个连杆之间的坐标转换关系;基于线激光传感器的测量原理设计加工了将线激光传感器固定在机器人末端的转接件。研究Eye-in-hand手眼标定方法,计算传感器坐标系到机器连杆坐标系的坐标转换矩阵,将线激光传感器测量的二维轮廓数据转换成基坐标系下的叶片三维点云数据。为了实现叶片的三维重构,基于PCL点云库实现点云数据处理与三维重构。通过基于统计分析技术的噪声滤除方法剔除点云中的噪声数据;再通过基于体素栅格的下采样算法对点云数据进行精简,以提高算法运行速度,完成点云数据的预处理。基于KD树结构建立点云数据索引,实现点云数据法向量的计算,并分别使用贪婪投影三角法和泊松曲面重建算法对叶片进行三维重构。为了实现对叶片加工精度的评定,开展了叶片型面参数评定算法研究。利用主成分分析法从测量点云中截取叶片型面点云数据,利用中折线二分法对型面点云进行排序,利用曲线检查法对型面点云进行去噪处理,通过最小包容区域直线逼近法提取近似弦线并对叶片型面点云进行分区;研究了基于最小二乘椭圆拟合法的前后缘特征提取算法并精确提取前后缘点,利用投影法提取弦长参数,利用改进的基于半径相等原理的中弧线提取方法提取中弧线,并提取最大厚度。最后,为了验证本论文所提出点云处理算法的有效性,开展了叶片测量点云三维重构与型面参数评定的实验研究。通过PCL点云库对测量点云数据进行三维重构,并与点云三维处理软件进行对比;从测量点云数据中截取不同高度处的型面点云,利用本文提出的算法计算其型面参数,并与CAD模型进行比较,验证本论文所提出的叶片型面参数评定算法的有效性。