近年来,新冠疫情发展迅猛,在人之间的传播异常,这对物流的安全运输提出了很高的要求。无论是在智能工厂还是在运输物流领域都对工业自动化有很大的需求。在十四五规划中提出目标,要推动工业互联网的平台建设,新一代信息技术与制造业深度融合。这对航空物流领域的智能化发展提出了更高的要求。本文针对航空物流中的运输,检测,装箱的全链路环境,选用多传感器AGV自主导航进行运输,采用视觉等传感器进行货物三维尺寸的智能识别,采用装箱算法进行仿真堆叠优化。主要工作如下:先策划码垛机器人的系统整体方案。包括货物自动搬运子系统、货物三维检测子系统和货物堆叠子系统三部分,然后逐一展开设计研究。对于自动搬运子系统,采用激光雷达自主导航AGV,给出差速AGV的硬件结构,结合AGV几何结构和运行方式,考察转弯变向路段AGV的可通行,在此基础上提出当量膨胀地图障碍后将货物运输到指定堆垛地点的全局路径规划优化方案。对于货物三维检测子系统,给出检测平台的硬件结构,包括传送装置和检测传感器,通过对比分析各类传感器优缺点,选择采用RGBD传感器获取货物三维信息,通过图像分析软件进行三维物体的位姿和尺寸的识别,分别对RGB相机和红外深度相机进行标定和配准;采用双RGBD融合方式,通过侧面的补偿实现遮挡物体的信息提取。从软件多方面途径提高检测精度:通过有监督深度学习网络来提高物体三维尺寸的识别准确率。先采用传统的机器学习方法,进行聚类拟合进行识别;接着针对聚类拟合的单一性和适用范围小的缺点,采用Point Net网络作为底层特征识别网络,并利用Vote Net投票网络,通过建立现有数据集进行识别;再针对Vote Net对遮挡物体的识别率不足,通过引入距离系数和双RGBD融合数据集补偿,建立改进后的New Vote Net网络。对于货物堆叠子系统,针对物体信息是否全部已知,以及装箱顺序是否固定,将堆叠分为三种:在线、半在线、离线堆叠三种方式,分析各类码垛堆叠的三维装箱算法的合适度。根据前述检测已获得的货物三维信息,着重对货物进行半在线堆叠规划。在分析组合优化的基本方式的基础上,讨论半在线装箱的一般解决方法;建立半在线装箱问题模型,找出约束,给出启发式算法的设计流程。针对一般的启发式算法可能会丢失最优解的情况,提出采用混合遗传算法进行堆叠。在一般的遗传算法的流程中引入记忆因子,并给出实现混合免疫遗传算法的具体方式。实验证明,对于获取货物三维信息,双RGBD布置有最好的效果;Vote Net网络比传统目标匹配的识别精度高很多,而改进的New Votenet网络能够在货物间距离远和货物存在遮挡的环境下提高识别精度;采用混合遗传免疫算法进行半在线堆叠能使堆叠空间的使用率最高和堆叠成本最低。