在智能制造和工業4.0的浪潮下,倉儲物流領域正經歷著前所未有的變革,裝卸、倉儲和搬運工作幾乎占據了過半的物流倉儲過程,托盤作為其中的關鍵基礎裝置發揮了巨大作用。
在傳統的物流和倉儲作業中,托盤的搬運與存儲通常依賴人工,但這種方式不僅成本較高,而且其效率深受工人體力、工作時間及疲勞程度的限制;同時,人工搬運過程中還潛藏著安全風險,如搬運時可能發生意外傷害。
許多企業紛紛引入自動化系統以減少對人工的依賴,如AGV、AMR、無人叉車等智能化設備通過自動識別托盤,可以實現快速、準確的貨物搬運,大幅提升物流和倉儲的效率。然而,在倉儲環境中,托盤識別面臨著復雜多變的光照條件、不規則的托盤擺放以及多樣化的托盤類型等挑戰。傳統的二維碼或條形碼識別方式,在強光、黑色托盤等特殊條件下,往往難以提供穩定的識別結果,這不僅影響了物流效率,還增加了作業難度和成本。
因此,洛微科技推出了基于ToF相機的托盤識別解決方案,為倉儲物流自動化解鎖新思路。相較于傳統視覺方案,ToF相機在托盤識別中展現出了顯著的優勢。它通過測量光的飛行時間來計算距離,能夠獲取物體的深度信息,從而構建出三維點云模型。這種技術不僅具有高精度、高穩定性的特點,還能在復雜環境中保持穩定的識別性能。在強光、黑色托盤等特殊條件下,ToF相機依然能夠提供準確的托盤識別結果,確保順暢運作。
·方案模塊配置·
為了滿足不同客戶的需求,洛微科技托盤識別解決方案提供了兩種方案模塊配置:工控機版解決方案和嵌入式版解決方案。
工控機版解決方案
方案配置:D3相機+LWI-Vision 深度學習托盤識別算法
適用場景:方案適用于自身工控機具有較強CPU及NPU資源的場景,提供托盤識別標準SDK并部署在工控機中,輸出托盤位姿信息。
嵌入式版解決方案
方案配置:DM相機(嵌入式托盤識別算法)
適用場景:方案適用于降本需求或無工控機的場景,DM相機內置RK3588核心板,擁有8核CPU+6TOPS算力,可以運行傳統算法+深度學習算法。
·方案流程·
在調度系統向叉車派發任務后,叉車隨即前往預設的托盤對接位置,此時,部署于兩個叉臂之間的3D相機實時采集托盤圖像并輸出深度圖、點云圖、IR圖等多種數據,算法基于深度數據中的點云特征,識別托盤的腿部和橫桿結構,確定托盤的位姿與叉車間的坐標關系,從而幫助叉車調整角度和左右偏差,確保對接作業既準確又高效。
·方案優勢·
高精度識別
支持對多種顏色(藍、黃、黑等)、材質(塑料、木質、金屬等)以及形狀(川字、田字等)托盤的精準識別。
多場景兼容
支持單托盤裝卸車場景、多托盤堆疊場景等,廣泛適用于橫梁貨架倉庫、地堆倉庫、高位貨架、產線配送等作業環節。
高防護等級
相機具備IP67防水防塵等級,有效抵御粉塵和液體的侵蝕,適用于各種惡劣的工業環境。
抗環境光干擾
相機支持半室外使用,支持環境光過濾,托盤識別穩定且準確。
3D圖像優化
相機內置HDR、降噪濾波算法、壞點、畸變矯正算法,有效提升識別效果和準確性。
多種SDK兼容
支持Windows/Linux等多種操作系統環境下的SDK適配,方便用戶在不同平臺上進行集成和應用。
·應用實例·
在某知名AGV廠家,洛微托盤識別解決方案成功應用于裝卸車場景,可在車廂內部黑暗環境下,穩定識別多組托盤并輸出多托盤坐標與位姿,同時,依托AI深度學習算法,能夠適配多種顏色、材質托盤,滿足客戶的多樣化需求。
識別距離:可達2.5米
高幀率:支持10幀/秒輸出托盤坐標,支持AGV運動中識別托盤
高識別準確率:常規歐標托盤,識別準確率高達99%
實際效果
洛微托盤識別解決方案以先進的技術和卓越的性能,為倉儲物流領域帶來了全新的智能化升級體驗。作為核心部件之一的洛微3D工業相機,憑借其毫米級測量精度、高質量點云成像、優異HDR性能、廣闊視場角等性能,更是廣泛拓展至罐口定位識別、軟包拆垛、工業安全防護、客流統計、貨物體積測量等多個應用領域,為企業提供經濟高效的感知解決方案,提升整體運營效率。
關于洛微科技
洛微科技(LuminWave)于2018年創立,專注于激光雷達與3D傳感器技術的研發、制造與銷售。憑借自主研發的硅光芯片技術、軟硬件以及感知算法開發能力,向市場推出了一系列高性能的FMCW激光雷達、3D工業相機以及經濟高效的感知解決方案。公司總部坐落于杭州,同時在西安、上海、深圳、洛杉磯等地均設有研發中心與銷售服務中心,形成了完善的研發與銷售網絡。我們的創始團隊匯聚了MIT光子學領域的專家和產業內的權威工程師,均來自世界頂尖的科研機構,擁有深厚的技術積累和豐富的行業實踐經驗。
-
工控機
+關注
關注
10文章
1726瀏覽量
50503 -
洛微科技
+關注
關注
0文章
34瀏覽量
79
原文標題:洛微科技托盤識別解決方案助力物流倉儲流暢作業
文章出處:【微信號:洛微科技LuminWave,微信公眾號:洛微科技LuminWave】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論