随着现代物流技术的不断发展,以自动叉车为代表的仓储机器人在智能仓储中发挥着越来越重要的作用。仓储托盘检测是指从复杂场景中检测出仓储托盘并测量其位置和姿态,是自动叉车实现全自动、柔性化工作的关键环节。现有的仓储托盘检测研究主要采用基于激光雷达、基于视觉或两者结合的检测方法,但是激光雷达数据稀疏且价格昂贵;视觉传感器成本低廉、特征丰富,更适合实际应用,但相关算法光照鲁棒性差、易受目标位姿影响,需要进行改进。更重要地,现有研究大多仅适用于搬运场景,应用范围相当有限。综上所述,本文针对不同场景下的仓储托盘,提出鲁棒、精准、低成本的视觉检测方法,主要工作包括:1.分析不同场景下的仓储托盘检测需求,根据仓储托盘与自动叉车之间的相对距离,将应用场景分为对光照鲁棒性、检测范围需求较高的远距离场景和对测量误差要求严格的近距离场景两类。2.针对远距离场景,提出基于ToF(Time-of-Flight)相机的托盘检测算法,该算法使用ToF相机采集三维点云,经滤波、分割等预处理后,分别使用三维全局特征和局部特征进行粗检测和精检测。实验表明该方法检测精准、光照鲁棒性好、受目标位姿影响小,但算法性能低、测量误差较大。因此提出一种基于栅格图的改进算法,将预处理后的点云集合进一步分割成平面,分别沿各平面主法线方向投影生成栅格图,并提取其轮廓与模板轮廓进行相似度匹配。实验表明,该算法能够在保证精准性和鲁棒性基础上,有效提升算法性能、减小测量误差,满足远距离场景检测需求。3.针对近距离场景,提出基于视觉标签的仓储托盘检测方法,使用单目相机检测敷设在仓储托盘立柱表面中心的AprilTag视觉标签,以实现对仓储托盘的检测。实验证明,该方法对仓储托盘具有较高的正确识别率,但测量误差较大。为降低测量误差,提出基于Multi-Cam的检测算法,使用三个单目相机分别检测敷设在仓储托盘不同位置的视觉标签,将各标签位姿信息融合得到仓储托盘位姿信息。实验证明,改进后的方法测量误差有明显降低,满足近距离场景检测需求。