目前物流中越来越多采用混合码垛组成混合垛来分配合适的劳动力,降低供应链成本和运输成本。对混合垛的拆垛任务作为物流中一个必不可少的环节,由于混合垛多箱型较为随机摆放的组成结构特点,对传统的拆垛技术的灵活性和准确性提出了更高的要求。本课题结合三维视觉技术,提出基于三角激光测量的混合垛中目标拆垛分析与定位方法,解决了在混合垛中存在多种不同大小的箱型相互无序叠放所带来的问题,同时消除实际混合垛中含有的强反光材质对三维重建产生的干扰。本课题首先对三角激光测量系统的组成和原理进行研究,建立三维重建计算模型。根据混合垛特性,确定视觉系统的基本参数以及硬件布局,完成视觉系统的硬件选型与参数标定,最后分析了配置完成的视觉系统三维重建的深度分辨率和景深与工作高度之间的关系,完成视觉系统实验平台的硬件设计。针对实际混合垛中存在的胶带等具有强反光的材质,使用滤光片以及滤波方法对激光线图像进行预处理,结合形态学处理填补激光线区域,该方法能够有效抑制或消除强反光对三维重建视觉系统产生的干扰,为激光三角测量提供高质量的激光线图像并完成三维重建。针对重建后的三维点云数据中出现的非目标数据和点云密度很大的问题,使用直通滤波和体素网格降采样方法进行预处理,保留目标点云并减少数量。对混合垛表面三维数据使用基于区域生长的点云分割方法,利用混合垛表面三维点云数据的几何特点以及点云局部法向量之间的角度与弯曲程度作为相似性度量准则完成分割。然后提出一种不依赖模板匹配的目标可拆性分析方法,其中充分利用三维重建后的点云空间遮挡关系,使用聚类后的各个目标点云的边界的接近程度来判断相互之间是否存在遮挡。对于比较接近的目标,按照相互之间边界上的临近点的深度值区分相互之间的遮挡关系。最后在ubuntu14.04 LTS系统下,集成HALCON机器视觉库,完成基于ROS的软件功能包的开发,通过对多种测试样例进行实验验证。视觉拆垛方法在混合垛的可拆性分析以及目标位姿计算上有较好的效果,在混合垛拆垛应用中有一定的适应性。