随着社会的发展,旅客的出行需求日益旺盛,如何提高机场的出行效率是国内外不断研究的课题。机场行李自助托运服务作为能大大提高出行效率、节约旅客出行时间的服务,其中关键的技术便是旅客需要托运的行李外形的自动化精确检测。课题主要研究了大视野范围下的行李自动分类检测,涉及三维点云采集处理、点云融合、外观检测和行李分类检测算法的研究。首先,本文对机场行李自助托运技术的发展以及解决方案进行了概述,并对现有的方案中的不足进行分析,提出了基于深度相机进行行李检测的机器视觉方案。此方案可省去大量的人工成本以及人工检测的不足,具有很高的实际应用价值。其次,对行李检测需求进行了分析,以此为基础详细描述了检测系统的整体技术方案,包括光学平台、软件设计和算法设计。从实际应用场景出发,针对自助托运行李系统的高度不能太高同时满足较大视场范围的要求,提出采用两台深度相机提取行李三维点云信息并采用三维点云自动融合的方案。接下来详细分析了三维点云拼接算法的原理和流程。本文采用的三维点云融合技术包含了三维尺度不变特征变换(3D-SIFT)关键点检测、快速点特征直方图(FPFH)特征求解、k-means特征点匹配等初始配准技术和正态分布变换(NDT)精确配准技术。此外采用加速版NDT精确配准技术,提高了拼接算法的效率。然后,结合获取到的点云数据和深度图像,从形态学和图像的深度信息出发,利用机器学习等技术,对行李托运的实际场景进行了研究,针对有无行李框的场景、单件行李与多件行李、软包与硬包的识别以及行李尺寸分别设计了相应的算法进行判别。待所有的检测项检测完毕后,再判断行李是否符合托运标准。最后,基于上述基础理论的研究,收集了大量不同形态的行李物品作为样本,分别以不同的位姿摆放在行李传送带上以模拟实际检测场景,然后采集点云信息进行分类检测算法的验证。大量的实验验证了课题方案的可行性,以及检测算法的有效性和稳定性。本文提出的行李检测方案的行李框识别准确率为95%,软硬包识别准确率为93.5%,多行李识别准确率为85.6%,尺寸检测误判率为6%。整个检测流程的耗时在30~40秒左右。本文从硬件、软件、算法三个方面对自助行李托运系统进行了研究,所用方案在国内未见报道。对自助行李托运系统这一课题的研究上具有较高的参考价值。