我国是一个农业大国,农业是国民经济发展的基础,也是国民经济发展的命脉。在传统的农资仓储物流行业中,作业环境恶劣,劳动强度大,特别是在一些保存化肥、农药的仓库,工人在工作时需要准备大量的防护措施。为降低企业运行成本,提高劳动效率,急需一些智能设备来减轻甚至取代工人。运行在农资仓储物流行业的机器人运行场景的复杂性和多变性远远超过结构化环境。想要在这些复杂环境下让农业机器人实现自主移动、精准作业的同时保证作业效率和安全性,需要农业机器人具备较强的环境感知能力和应急能力。本文主要研究内容是在智能叉车平台上进行基于激光定位与立体视觉融合的三维地图构建,通过重构智能叉车工作环境,为智能叉车在仓储环境运行时的路径规划和避障提供基础环境信息。主要研究和工作内容如下:根据试验场景确定双目相机型号和激光传感器型号,在智能叉车平台上搭建三维重建系统。首先研究相机的成像原理和成像模型,分析相机产生畸变的原因。相机成像模型分为线性成像模型、非线性成像模型,深入探究立体视觉成像模型,推导求解像素三维坐标的公式;标定是视觉重建系统的首要环节,相机标定结果对后续三维重建精度有着直接影响。本文介绍了两种常用的相机标定算法和分析其标定原理,选择更为简单准确的张正友棋盘格标定法对相机标定,获得相机的内参和外参,用标定的相机内外参数对图像去畸变处理和双目校正,为本文后续工作展开奠定基础。研究图像特征点提取算法,对比几种特征点提取算法优缺点,选取特征点提取速度最快的FAST算法提取特征点;分析基于图像区域相关匹配和基于图像特征点匹配的立体匹配算法,结合两种立体匹配算法的优势,提出一种改进的立体匹配算法:基于图像特征点区域相关的立体匹配算法。该算法的主要原理如下:采用FAST算法在左目图像提取图像特征点,计算特征点在右目图像中的匹配点。并对计算方法进行了加速:采用SSD算法快速计算得到特征点的候选匹配点,再采用NCC算法从候选匹配点中精确计算得到特征点的最佳匹配点,改进的立体匹配算法不仅提高了立体匹配的精度,还提高了立体匹配的效率。在智能叉车平台上进行数据采集工作,将激光传感器采集的定位信息转化为可直接用于计算的相机外参矩阵,采用本研究提出的改进的特征点提取和改进的立体匹配算法对图像进行处理,最后,将相机外参矩阵与图像特征点数据融合,计算得到特征点世界坐标系坐标,将其投影在同一个世界坐标系下,完成仓库的点云三维重建,由于三维点云地图不适用于导航,将其转化仓库为八叉树地图,为叉车路径规划和导航奠定基础。