机器人制孔作业时,通常通过视觉传感器检测、定位飞机结构件上预先钻制的基准孔来在线修正工件坐标系的原点,以矫正离线编程产生的孔位偏差。随着复合材料在飞机制造领域越来越广泛的使用,如何在复合材料纹理背景下实现圆孔快速检测和基准孔精确定位,已经成为机器人制孔技术中亟待解决的问题。针对这一问题,本文在对纹理描述、纹理分割、目标检测等技术进行研究后,提出了纹理边界引导的复合材料圆孔快速检测方法和复合材料基准孔精确定位方法。本文的主要研究内容和创新点如下:针对复合材料纹理对检测任务产生较强干扰的问题,使用纹理分割得到纹理边界来排除干扰。首先提出一种基于传统纹理特征的纹理分割方法,该方法将局部三进制模型(LTP)与灰度共生矩阵(GLCM)的对比度融合为纹理对比度,通过提取纹理对比度特征来实现圆孔内外纹理的快速分割。同时提出基于深度学习分割模型的纹理分割方法,该方法使用Unet++模型实现圆孔内外纹理的分割,并使用关键位置注意力增强、模型剪枝等技术提升模型的性价比。纹理对比度方法性价比高,适用于要求一般的应用场景和CPU计算环境,Unet++方法效果好、鲁棒性强,适用于要求较高的应用场景和GPU计算环境。针对复合材料圆孔检测的两大难点:纹理噪声和圆孔模糊变形,提出一种纹理边界引导的复合材料圆孔检测方法。该方法使用纹理边界的位置信息去除绝大多数非圆孔边界的图像边缘点,以排除纹理噪声对圆检测的干扰;使用纹理边界的连通信息对剩余图像边缘点进行分组,对每组边缘点分别检测得到一个最优圆,以增强对模糊变形圆孔的检测能力。该方法能够以较快的速度实现对复合材料圆孔全而准的检测,具备较高的工程应用价值。针对纹理边界引导的复合材料圆孔检测方法识别精度较低,不能完成基准孔精确定位的问题,提出一种多阶段由粗到精的基准孔定位方法。该方法将复合材料圆孔检测方法的检测过程扩展为多个阶段,每个阶段都在前一阶段圆孔检测结果的引导下进行新一轮的圆孔检测,使得每个阶段都能在前一阶段的精度基础上实现更高的精度,最终达到基准孔定位任务的精度要求。该方法有着较为出色的复合材料基准孔定位性能。