目前我国民航业正处于快速发展时期,货物运输量在不断增长,但多数机场货运中心依旧使用人工的方式进行货物码放。为了提高机场物流智能化水平,降低人工成本,方便码垛机械臂识别。本文利用三维点云技术对行李垛型进行检测,提出了一种阶梯状垛型点云的快速边界提取方法,提升了垛型边界的提取速度,同时利用基于凹凸性的点云分割方法实现了垛型的点云分割,增加了码垛算法的工程实践性。首先,为了减少原始点云数据中非目标点云数量,降低噪点对后续算法的不良影响,使用多种滤波算法,滤除噪点数据,只保留边界提取和点云分割所需的点云数据。同时为了减少无序点云查找时间,对无序点云进行拓扑关系构建,实现近邻点的快速查找。其次,提出一种适用于阶梯垛型点云的快速边界提取算法。将边界提取算法分为粗提取和精提取两个部分。首先使Kd-tree对点云数据进行拓扑关系构建,然后使用优化的向量叠加算法,得到边界候选点,最后使用基于近邻点的最大夹角法,完成垛型边界的最终提取。再次,利用基于凹凸性的点云分割算法,实现垛型点云分割。该方法主要分为超体素聚类和空间凹凸性判断两个步骤。首先在特定的三维空间网格下,种子点依据特征距离进行聚类,得到超体素点云。然后在超体素的基础上,判断不同体素凹凸性关系,对超体素进行融合,最终得到分割结果。最后,使用Astra pro深度相机搭建垛型点云检测平台,采集复杂垛型的点云数据,并进行垛型边界提取和分割实验。实验结果表明,阶梯垛型点云的快速边界提取算法的能快速准确的提取出垛型点云边界。基于凹凸性的点云分割算法可以较好的实现垛型点云分割。