迈尔微视托盘识别系统PalletPro: 破解托盘识别自动化难题
2024-11-14 16:33:48
By: 迈尔微视
随着工业4.0和智能制造的快速推进，自动化仓储已成为企业提升效率、降低成本的关键手段。
自动化技术不仅解决了传统仓储管理中人工效率低下的问题，还大幅提升了操作安全性，尤其在面对高强度、重复性任务时表现出显著优势。
根据德勤发布的《中国智慧物流发展报告》，智慧物流市场正在快速增长，预计到2025年市场规模将突破万亿元。这一市场的迅速扩展表明，企业对自动化技术的需求日益增加，尤其是在仓储和物流环节中，越来越多的企业开始引入无人叉车与各种自主移动机器人，以实现全天候、高效、精准的搬运作业。
自主移动机器人(AMR)作为自动化仓储的核心设备不仅减少了人工干预，降低了人力成本，还显著减少了因人为操作导致的安全事故。
无人叉车托盘识别的重要性
随着越来越多企业效仿行业巨头，自动化设备的应用从分拣逐渐扩展到搬运。无人叉车（AGV）作为仓储自动化中的核心设备，承担着托盘搬运的重要任务。然而，托盘在仓储中的位置和角度往往存在不确定性，通常由于人为干预或摆放误差。这对无人叉车的导航精度提出了严峻挑战，尤其是在快速、精准作业需求日益增长的背景下，托盘识别的精度直接影响到整个仓储系统的效率和安全性。因此，精准的托盘视觉识别技术成为保障无人叉车高效、准确作业的关键。
为了应对这些不确定性，自动化托盘识别技术通过先进的视觉传感器和图像处理技术，能够实时提供托盘的精确位置和姿态信息，大大提高了无人叉车的导航与搬运效率。通过这项技术，无人叉车能够克服托盘位置不稳定、角度不规则等难题，在复杂环境中依然可以精确对接，实现智能化和高效化的仓储管理。
托盘识别实际应用中遇到的挑战与解决方案
尽管托盘识别技术已经取得了显著进展，但在实际应用中，无人叉车仍然面临一系列挑战。仓储环境中的复杂性，例如光照不均、托盘摆放偏差，以及多种托盘规格，都会对托盘识别的准确性产生影响。传统的二维码或条形码识别依赖于明确的标签和规则的摆放角度，虽然在结构化环境中效果较好，但在复杂环境下容易失效，从而影响搬运的准确性。
相比之下，基于3D ToF（飞行时间）相机的托盘识别技术展现出了更高的鲁棒性，在应对复杂的托盘形态和环境变化方面有着更强的适应能力。此外，2D激光雷达虽然也被应用于托盘识别，但由于对托盘底部复杂结构的敏感性，常常会误判障碍物，影响无人叉车与托盘的顺利对接。因此，针对这些挑战，结合3D视觉和多传感器融合的托盘识别解决方案，正在成为行业的主流选择。
迈尔微视托盘识别系统PalletPro：破解托盘识别自动化难题
迈尔微视的PalletPro托盘识别系统基于3D ToF（飞行时间）视觉技术，专为应对复杂仓储环境中的托盘识别需求而设计。该系统将3D相机与智能算法结合，不仅能够精准识别托盘的位置和姿态，还具备出色的环境适应能力，确保无人叉车在复杂条件下高效实现自动化搬运。
集成与效率提升
通过将识别算法集成至相机内部，PalletPro系统能够实时处理深度数据，大幅提升了计算效率和响应速度。该系统可以在每秒10帧（10FPS）的处理速度下，实时提供托盘识别结果，确保无人叉车能够快速、精准地进行托盘抓取和搬运作业。
部署与智能对接
通过将3D相机部署于叉车的两个叉臂之间，PalletPro系统利用自动标定技术确定托盘的位姿与叉车间的坐标关系，实现快速、智能的对接操作。算法基于深度数据中的点云特征，识别托盘的腿部和横杆结构，支持标准的两腿托盘、四腿托盘以及多托盘堆叠的识别需求，同时可定制适用于无腿或异形托盘的识别方案。PalletPro系统无需采集额外的数据进行模型训练，即可适配市面上90%以上的托盘类型。
易用性与兼容性PalletPro易于部署，用户无需算法开发经验即可通过入门教程快速上手。该系统兼容欧标托盘，适用于高位存储、复杂堆垛等场景，提供实时的托盘识别结果，并能够在各种仓储环境中稳定运行，确保无人叉车在多样化的托盘条件下高效作业。
多条件适应性与鲁棒性针对光照强烈的室外场景，迈尔微视的托盘识别解决方案采用了配备940nm红外发射器的ToF深度相机M系列，能够有效应对复杂的光照条件。940nm波长属于近红外光，在强光环境下抗干扰能力更强，不容易受到可见光影响，确保深度数据的稳定性和准确性。
针对反射率低的黑色托盘，M系列深度相机在距离托盘2.5米范围内依然能够提供精准的深度数据，确保系统的鲁棒性和兼容性。
识别与对接
将迈尔微视M系列相机安装在叉车的两个叉臂之间，通过捕捉托盘的深度信息，并利用深度识别算法实现对托盘的精确识别。
当叉车接收到调度系统的任务时，它会移动到托盘前方的对接点，距离托盘前沿大约2米。在这个位置，叉车进行初步定位，3D视觉系统会输出位姿信息，帮助叉车调整角度偏差。然后，叉车继续前进至1.5米的位置进行精确定位，3D视觉系统再次输出托盘位姿信息，帮助叉车调整左右偏差，确保对接过程的精准度。
方案支持两种对接模式：两次对接与实时对接，以满足不同应用场景的需求。
1.两次对接模式
两次对接模式分为远端定位、近端校验和盲走叉取三个步骤：
远端定位：叉车接收到调度任务后，移动至对接点，启用相机识别托盘数据。通过运动控制系统，叉车在距离托盘1800mm至2800mm范围内进行角度与横向偏移的调整。
近端校验：当叉尖距离托盘前沿约200mm时，再次获取相机识别数据，校验对接精度是否符合叉取要求。如果精度满足要求，叉车进行叉取；若不满足，则原地调整后再进行叉取操作。
2.实时对接模式
实时对接模式通过连续获取相机识别数据，实现动态调整位姿。当叉车移动到距离托盘前沿约200mm时，系统进行微调并完成叉取操作。该模式依赖数据的时间戳进行更新，以避免延迟导致的错误调整。
通讯方式
为了给用户提供更加易于集成的产品，该解决方案支持TCP、UDP、CAN、485、API等接口，并可在识别算法和避障算法之间进行切换，实现高效、准确、通用的托盘识别自动化。
迈尔微视托盘识别白皮书完整内容，请点击下载：
https://zcnt5g3o2989.feishu.cn/share/base/form/shrcnirokuIW3KV2Vqki7ygoc7g
