随着计算机与机器人技术的快速发展,智能叉车在物流行业中的广泛应用,标志着仓储物流技术向自动化和智能化发展。但在非结构化仓库的复杂环境中,受到作业流程、设备精度、人工作业等因素影响,托盘码放的位置和姿态存在着较大的不确定性。不准确的目标位置和姿态信息,对智能叉车柔性拾取托盘的能力,提出较高的技术要求。现需对以下三个问题进行研究:1)托盘拾取问题建模,并通过状态变量描述托盘位置姿态,提高系统自由度与灵活性;2)非结构化环境下的托盘识别与拾取方法研究,减少方法约束条件,拓展应用场景;3)托盘探测精度研究,结合传感器特性,对影响托盘位姿估计精度的因素进行分析与研究。本文以仓储叉车为研究对象,搭建仓储智能叉车平台,建立仓库拾取模型,提出了托盘识别与拾取系统的实现方法。对基于RGB-D传感器和2D激光雷达融合的托盘位姿估计方法进行研究,实现托盘位姿估计,提高仓储智能叉车灵活性及适用性,降低智能物流仓储装备产业化应用门槛。主要研究内容如下:（1）智能叉车平台的设计与搭建。通过模拟器控制原车驱动器,实现对叉车运动和属具的控制。设计叉车控制系统硬件结构和分层软件框架,通过软硬件框架结合实现叉车的托盘识别、拾取、定位、避障和自动驾驶等功能,为自动拾取作业提供硬件基础。（2）仓库拾取模型建立,仓库内物体和传感器间的空间关系的确立。将位姿不确定托盘估计问题转换为坐标系转化矩阵的估计问题。提出拾取模型的标定方法,标定仓库内各坐标系间的转换矩阵。（3）基于单传感器托盘估计方法研究。1)基于RGB-D传感器托盘位姿方法算法研究。提出基于类别模板的托盘识别方法,用模板的尺寸和类别表示托盘形状和空间信息;提出一种网格压缩匹配算法,提高算法抗干扰能力和匹配速度。在1m～4m探测距离,托盘角度在±25°范围内,托盘的探测精度为±101mm,角度精度为±6.07°。2)基于2D激光雷达的托盘位姿估计算法研究。建立托盘探测范围模型,确立算法有效探测范围与激光点数量（分布于托盘支架正面）、托盘支架宽度和激光雷达分辨率的函数关系;通过改进的增量式直线提取算法,获取托盘姿态。在探测范围内,托盘探测算法估计精度为±60mm,托盘角度精度为±6°。（4）基于RGB-D传感器和激光雷达的托盘位姿估计方法研究。1)基于视觉和激光融合的托盘位姿估计算法研究。基于类别和图像识别结果,对激光数据筛选,通过自适应直线提取方法估计托盘位姿,实现拾取系统对远距离、大偏移的托盘位姿估计。算法最大横向探测距离为4000m,最远探测距离为7500mm,位置估计精度为±180mm,角度估计精度为±6°。2)研究基于RGB-D传感器和激光雷达的托盘识别方法的融合策略。通过多线程算法及后端优化线程,进行探测范围滤波、结果滤波、空间重投影融合,实现对估计结果的滤波融合。（5）智能叉车的托盘识别和拾取系统综合试验研究。试验表明:仓库拾取模型与模型标定方法,适用于真实仓库场景;托盘识别与拾取系统的对前方托盘位姿估计精度为±60mm,角度精度为±3°;托盘识别拾取系统,可实现托盘位姿估计-路径规划-路径跟踪-货物拾取的作业流程,符合仓库内作业的要求。