近年来,中国快递物流业飞速发展,中国每年的快递量约占全球总量的42%,对于快递物流的智能化改革势在必行。运输这些包裹需要调配大量的车辆,因此为了防止车辆资源的浪费,计算车辆装载率显得十分重要。在计算车辆装载率时,则需要计算出包裹的体积信息。目前的包裹体积测量算法仅能测量单个、规则包裹的体积。不同于其他快递公司,中国邮政及各地邮区中心局日常运输的包裹中,大多数包裹都是非规则的。传统的计算方法存在较大误差,无法保证计算的准确率。因此针对上述问题,本文进行了如下研究:首先,本文提出一种基于深度相机的体积计算方法,以此来适应邮政特殊的实际环境。本算法需要通过深度相机获取到深度图像,然后把深度图像经过形态学处理来消除部分噪声,求出深度图像中包裹每一个像素点所对应的深度值,利用深度值与体积的关系,将像素点的体积进行累加,最终的结果即视为该包裹的体积。本算法最大的优点是不需要像传统体积计算方法那样,对包裹在相机下进行三维重建,然后计算出包裹的长、宽、高,依此得出相应的体积,而是采用一种新的计算思想,这样才能最大程度的逼近异形件的真实体积。同时,按照本算法的思想,利用本算法计算规则包裹时,准确率依然保持在97%以上,因此,利用本算法进行包裹的体积计算,精度能够满足实际物流环境的要求。针对邮局特殊的快递情况,本文还提出了基于本算法的两种不同的体积计算方法,分别是“单个体积计算”以及“多个体积计算”,以此来匹配邮局实际场景中不同的运输情况。当包裹在传送带上的间距较大时采用“单个体积计算”算法,将每个包裹看作一个连通块,当连通块的中心线经过检测区域内的检测线时计算其体积。此算法优势是计算结果精确,但必须保证每一帧图像中至多只有一个包裹,否则算法精确度会下降。当传送带上的包裹比较密集,包裹之间的距离较小时采用“多个体积计算”算法。本算法思想是不考虑物体,只考虑像素点,即在相机视野下只计算经过的像素点体积的累加和,而不是计算某个物体的体积。另外,在此算法中提出“动态检测”,避免实际环境中出现的传送带停止时体积依然在累加的情况。本算法可以适应邮局中任何情况,但用此算法来计算距离较大的情况下的包裹体积,精确度不如“单个体积计算”算法。本文提出的算法在青岛邮区中心局以及威海邮政公司进行了大量测试实验,实验结果表明,利用本算法在计算规则包裹以及异形件的体积时计算精度均达到97%以上,可以准确、快速地解决邮局中大量异形件体积计算的问题,具有很好的计算精度和鲁棒性。