본 연구는 비정형 물류 환경에서 자동 적재 시스템 고도화를 위해 RGB-Depth 융합 기반 3D 비전 기술과 AI 객체 인식 모델을 결합한 프로토타입을 실증하는 데 목적이 있다. 이를 위해 CNN 기반 YOLOv11, Transformer 기반 Swin Transformer, 그리고 Point Cloud 기반 PointNet++ 모델을 동일 조건하에 실험하여 객체 인식정확도, 상단인식률, 자세추정 오차(RPY), 연산 속도(FPS) 등 주요 성능지표를 비교·분석하였다. 실험 결과, YOLOv11은 mAP50 99.5%, 상단 인식률 96.4%, RPY 오차 ±4.2°, 52.1 FPS로 전체적으로 가장 우수한 성능을 보여 실시간 산업 환경 적용 가능성이 입증되었다. 이 밖에도 Swin Transformer는 Occlusion 환경에서의 견고성, PointNet++는 자세 인식 정밀도에서 강점을 보였으며, 본 연구의 결과는 협동로봇 기반 팔레타이징 시스템에 적용 가능한 통합 인식-제어 구조 개발의 기초 자료로 활용될 수 있다.