在传统的机器人电商物流箱体分拣和码垛领域,通常都只需要完成单一的任务,要么只完成箱体分拣任务,要么只完成箱体码垛任务,很少去考虑将箱体分拣和箱体码垛任务结合起来。但现在越来越多的工厂需要采用柔性生产模式,涉及不同尺寸的箱体,在分拣的同时还需要将分拣后的箱体直接进行码垛装箱打包,那么原来的单一箱体分拣或者码垛的生产模式就存在问题。本文针对以上问题,对电商物流场景中机器人箱体分拣与码垛相结合的相关问题进行了研究,具体研究内容如下:（1）提出了基于RGB-D的多尺寸箱体分拣方法。首先,选用Azure Kinect获取不同箱体的RGB-D信息,并进行了该相机的视觉标定;然后,利用点云实例分割标注工具easylabel构建深度学习模型训练所需的数据集,并选用高效简单的点云实例分割网络3D-Bo Net进行箱体分割;最后,通过基于不同箱体面元凹包近邻点合并的方法对部分误分割的箱体进行合并优化,提高箱体实例分割的准确率。（2）提出了利用基于多参数融合的打分分拣策略。在利用基于深度学习的点云分割方法获取不同箱体的实例后,在每个箱体中提取一个抓取箱体面元,通过对其六维姿态进行分析,获得该面元的抓取点位姿。接着,融合箱体抓取面元大小以及该面元法线与相机坐标系Z轴夹角、抓取点的中心位置、抓取点机械臂逆运动学解,设计多参数融合的打分策略。在实际箱体分拣过程中,优先分拣得分高的箱体。（3）提出了利用体积和面积双重寻优的码垛规划方法。在调研本文场景的常用码垛规划算法,复现了基于体积的多尺寸箱体码垛规划后,提出了利用体积和面积双重寻优的码垛规划方法。最后,设计了新的箱体尺寸数据集,在原有数据集和新数据集上验证了本文提出算法的有效性。（4）搭建了箱体分拣和码垛规划系统。将箱体点云分割算法、最优点抓取算法以及视觉伺服算法整合入分拣系统中,使用RTDE（Real-Time Data Exchange）软件包控制机械臂完成箱体分拣实验,并获取分拣箱体尺寸等相关数据;将码垛规划算法整合入码垛系统中,凭借箱体分拣得到的数据,利用码垛规划算法得到各箱体的码垛序列,最终利用UR10e机器人完成箱体的码垛实验。实验进一步验证了本文箱体分拣码垛一体化方案的可行性。