挑戰(zhan)：在(zai)大多數已經(jing)應用(yong)了(le)AGV的(de)(de)倉庫中，依然存在(zai)人工堆放(fang)物(wu)品的(de)(de)情況，這會(hui)導致(zhi)WMS系統無法實(shi)時(shi)判斷(duan)每個庫位(wei)的(de)(de)實(shi)際(ji)占用(yong)情況，進而造(zao)成(cheng)WMS提供(gong)給AGV的(de)(de)信(xin)息(xi)不(bu)準確。如(ru)果已經(jing)被(bei)(bei)占據的(de)(de)庫位(wei)不(bu)能(neng)及時(shi)被(bei)(bei)識別，AGV可能(neng)會(hui)收到錯誤(wu)指令，不(bu)僅降低了(le)運行效率(lv)，還容易碰撞其他貨物(wu)或設(she)備(bei)，嚴重時(shi)甚至可能(neng)引(yin)發安全事故，危(wei)及人員和(he)設(she)備(bei)的(de)(de)安全。

庫位狀態識別系統(tong)因此應運而生(sheng)，系統(tong)通過自動定位、數據實時(shi)同步、精確庫存(cun)控制等(deng)功能，優(you)化(hua)庫位資(zi)源配置，減少(shao)人為失誤，提升運營效率(lv)。

常見的兩(liang)種庫位狀態識別(bie)傳感器的痛點：

單點(dian)激光雷達(da)傳送的(de)庫位信息不夠(gou)準確，容易(yi)造成堆放事(shi)故

部分倉庫(ku)采用單點(dian)激(ji)光雷達進行庫(ku)位檢測(ce)，但(dan)這(zhe)種測(ce)距雷達一次只能(neng)發射(she)一束激(ji)光到物體表面形(xing)成一個點(dian)，可能(neng)會忽略紙(zhi)箱或托盤(pan)之間的縫(feng)隙，導(dao)致誤識(shi)別庫(ku)位狀態，進而引(yin)發堆(dui)放事故。

純RGB相機(ji)校(xiao)驗方法(fa)單一，存在誤判和信息(xi)缺(que)失(shi)風險

采用RGB相機進行庫位狀態判(pan)定時(shi)，存在以下弊端：

- 深(shen)度學習檢測目標時，訓練(lian)集外的物(wu)體進入庫位可(ke)能會導致誤(wu)(wu)檢，給出錯誤(wu)(wu)信息。

-缺少貨(huo)物高度信息(xi)，難以安(an)排堆疊任務(wu)。

-超廣(guang)角魚眼相機(ji)在庫位判定中存在邊緣畸變問題，影響模型(xing)訓練與預測(ce)的(de)準確性，并(bing)增加服(fu)務器成(cheng)本(ben)。

解決方案概述

邁(mai)爾微視采用(yong)RGB-D相機，提供庫(ku)位(wei)的三維(wei)數(shu)據(ju)與(yu)顏色信息，自動識(shi)別(bie)(bie)(bie)貨物有無、擺(bai)放(fang)規范及(ji)異常占用(yong)，也可以通(tong)過3D視覺智(zhi)能(neng)AI系(xi)統區分貨物類別(bie)(bie)(bie)，輸出(chu)到調度(du)系(xi)統，實現(xian)智(zhi)能(neng)出(chu)入庫(ku)檢測。相機內置算力，無需(xu)外(wai)部(bu)工控機。與(yu)此同時，邁(mai)爾微視提供庫(ku)位(wei)狀態識(shi)別(bie)(bie)(bie)軟硬件一體解(jie)決方案，及(ji)專業的模型訓練和部(bu)署指導等服務(wu)支持(chi)。

核心優勢

• 全(quan)面監測：通過三維數據(ju)和顏色信息采集，結合AI技術，精(jing)準(zhun)識別庫位狀態(tai)。

• 簡易部署：庫位(wei)狀態識別算法(fa)置于相機端，降低部署與(yu)維護(hu)成本。

• 靈活通訊(xun)：支持TCP/IP、UDP、HTTP等(deng)多種通訊(xun)方式(shi)，以JSON格式(shi)實時(shi)上報數據(ju)至控(kong)制系統。

• 提升效(xiao)率(lv)：實(shi)時傳遞(di)庫位信息，協助調度系統快(kuai)速、準確地分配任務(wu)。

3D視(shi)覺(jue)相(xiang)(xiang)機(ji)、視(shi)覺(jue)避障相(xiang)(xiang)機(ji)、視(shi)覺(jue)定位相(xiang)(xiang)機(ji)、視(shi)覺(jue)對接相(xiang)(xiang)機(ji)、視(shi)覺(jue)導航相(xiang)(xiang)機(ji)