航空托运行李自动化处理技术作为智慧机场建设中智慧航站楼侧的重要组成部分,在提高航空托运行李处理效率,降低行李错置、损坏数量,提升旅客出行体验等方面发挥着重要作用。因此,对典型航空行李自动处理系统中关键技术的研究对于推进智慧机场建设进程,提升旅客出行体验有着十分重要的意义。论文对航空托运行李自动处理系统架构及相关关键技术进行研究如下:首先对航空托运行李二、三维数据采集和处理技术进行研究。对RGB-D图像中提取的行李点云和图像数据进行分离和处理,以获取行李的主体区域点云和图像数据,并通过实验验证提取效果和效率。其次,以Mobile Net V3为基础模型研究了用于行李分类的深度卷积神经网络模型结构和搜索方案,在模型前端增设特征提取器以使其接受点云和图像特征输入,并通过结构搜索方式得到了最优模型结构。通过行李分类实验对所设计的模型性能进行评估。再次,研究了利用预处理后的行李点云和图像数据对典型航空行李的形位测量方法,利用包围框包围质量选择图像和点云数据中所包含的最优的行李旋转方向,并利用该行李旋转方向对行李尺寸和位置进行测量。通过行李形位测量实验对所涉及的测量方法精度进行验证。最后,研究了典型航空行李的接放轨迹规划和优化方案,按轨迹功能将行李接放轨迹分为接取段和放置段两段,根据每段轨迹的特点使用不同方案对其进行规划。根据轨迹运动仿真中的各轴运动参数表现确定轨迹的优化目标,利用多目标粒子群（MOPSO）算法对行李接放轨迹进行优化,并在航空行李自动码垛实验平台上通过行李接放实验对轨迹优化结果进行验证。