随着机场旅客数量的不断增加,机场行李吞吐量也随之增加,这就对机场行李处理系统提出了更高的要求,机场行李由行李分拣口运送至飞机的过程中,行李必须按照先到先放的原则依次码放,并且行李尺寸各不相同,所以机场行李装箱问题与传统的装箱问题不同,不仅是一个NP-hard问题同时还是一个在线决策问题,针对此问题,本文提出空间离散的概念,将稀疏化理论与深度支持向量机模型结合搭建基于深度稀疏最小二乘支持向量机学习模型(Deep Sparse Least Squares Support Vector Machine,简称DSLSSVM),使行李装载系统具有学习能力,更加智能化,满足机场行李运输的要求。首先,根据机场行李装载系统的实现目标和工作要求,设计出一种针对机场行李码放方法的总体方案和系统基本构成。通过对行李和行李车进行空间离散化处理,将不同位置之间的关系进行参数化表示,制定机场行李码放策略。同时为了避免在实际装载过程中行李不能准确码放在预定位置,从而影响下一个行李码放的问题,提出行李干涉检查算法避免行李在装载时发生碰撞等不安全因素。其次,行李的码放装载问题还属于在线决策问题,要求算法在较短的时间做出正确的决策。因此,提出一种结合多层结构和深度稀疏最小二乘支持向量机的算法模型,该方法构建多层支持向量机模型,学习位置参数之间潜在的规律,同时为了解决因多层结构带来的计算复杂和运算时间增加等问题,使用最小二乘支持向量机技术代替传统的支持向量机,并对其进行稀疏化处理,有效解决算法运算效率问题。然后,研究装载机器人视觉系统,机场行李在装载过程中存在的行李尺寸不一,摆放位置角度随意等问题,提出了面向机场行李装载机器人的视觉识别定位方法通过深度相机获取图像信息,然后进行滤波、降噪等处理获取更明显的特征,建立基于轮廓Hu矩特征改进的模板匹配法对行李进行识别,同时对行李尺寸大小进行测量,完成对行李的抓取与码放。最后,通过计算机仿真和实验对机场行李装载系统进行验证,通过计算机编程验证行李码放策略的可行性,使用Dobot四自由度机器人模拟机场行李装载环境进行实验,实验结果表明该码放策略能有效提高行李车空间利用率,该机场行李装载系统能提高行李装载的效率。