实现自动化、智能化集装箱码头是未来海运的发展趋势,但是具体在岸桥起重机集装箱装卸上仍然缺乏稳定、高效的方法。因此,论文围绕自动化岸桥装卸作业时集装箱识别与定位问题,重点对集装箱角件粗定位与跟踪检测、集装箱角件精定位和集装箱定位模型等关键技术展开研究。论文的主要工作和成果如下:1.集装箱角件粗定位与跟踪检测是集装箱定位的基础。为解决角件粗定位的问题,提出了一种基于HOG特征和SVM分类器的检测算法,该算法在样本采集、图像特征选取、分类器训练和多尺度滑动窗口检测等方面给出了具体的策略,在不同类别集装箱图像中实现了95%左右准确率,即使是在光线干扰和阴影条件下也能获得较好的检测效果,同时考虑了角件检测和跟踪丢失的情形并给出相应的解决方案。2.基于迭代拟合的集装箱角件精定位的目的是为了获得角件两条边缘所在直线的交点,用于代替角件拐点,实现集装箱角件精确定位。具体算法为:首先扩大角件检测结果图像,其次预先设置已知前景、背景区域并进行图像分割,然后通过设置提取区域获得角件的部分边缘点集,最后使用直线迭代拟合方法去除错误的边缘点,实现准确的直线拟合结果并得到交点坐标。3.集装箱定位模型和误差建模的主要目的是矫正图像定位算法和双目立体视觉系统中的误差。为了充分计算定位过程中产生的偏差,对整个流程中的每一个步骤进行系统性的分析。在图像定位算法中,最容易产生误差的步骤是图像分割和直线拟合,本文对此进行了建模分析;在双目立体视觉系统中,误差产生于硬件制造、安装和各个平面之间的距离、角度偏差,最后对两者进行误差矫正,实现了集装箱的准确定位。