La solution visuelle MRDVS de Lanxin relève le défi de localiser et de naviguer dans des éléments de chair dans les positions de stockage 3000+

Dec 03, 2024

Laisser un message

Le développement de robots mobiles a été une progression rapide de "Fin -}" à "intelligent", et de la "faible perception" à "une perception forte".

 

La vision machine détient un grand potentiel

Avec les progrès de la technologie LiDAR, la navigation au laser est devenue l'une des méthodes grand public de l'industrie. Des solutions AMR basées sur la navigation laser‍ slam ont été mises en œuvre dans diverses applications. Cependant, à mesure que la navigation au laser devient plus largement utilisée, ses limites sont également exposées, en particulier en termes de positionnement stable dans des environnements complexes.

Dans les environnements dynamiques où la position des marchandises change constamment et les points de référence fixes sont rares, les robots utilisant le slam laser luttent souvent avec un positionnement fiable. Les mouvements fréquents dans et hors des zones de stockage signifient que l'environnement change continuellement, ce qui rend difficile le positionnement cohérent et précis.

Dans de grands ateliers ouverts, où la distance entre les colonnes en acier est large, les robots LiDAR - sont confrontés à des problèmes en raison de nuages ​​de points clairsemés et d'un manque de points de référence fiables, réduisant la fiabilité de leur navigation.

Visual Slam, cependant, utilise des caméras de profondeur sur le robot pour capturer des images de l'environnement environnant et générer des nuages ​​de points denses. Ces riches données environnementales permettent aux robots de maintenir un positionnement stable même face aux changements locaux, offrant une adaptabilité supérieure à diverses scènes.

 

Le chemin difficile de la vision - Solutions basées

Malgré les avantages clairs du slam visuel en termes d'adaptabilité environnementale, peu d'entreprises sur le marché l'adoptent. La raison principale est la barrière technique élevée de la vision de la profondeur, que de nombreuses entreprises AMR ne peuvent pas développer dans la maison - en raison de l'absence d'une équipe de recherche et de développement visuelle et une expertise technologique pertinente.

La division MRDVS de Lanxin, bien qu'une jeune équipe, a près de 20 ans d'expérience en optique et en vision par ordinateur. Cette expertise leur a permis de créer une capacité de R&D complète combinant la vision informatique et la robotique mobile.

Par rapport à la technologie LiDAR plus mature, la vision en profondeur est un "chemin difficile" - celui que MRDVS a choisi de poursuivre. Après des années de développement technique, MRDVS a établi un système de vision profonde robuste et complet pour les robots mobiles, notamment le Self - a développé des capteurs de vision 3D et des algorithmes de perception. Lanxin est désormais la première entreprise en Chine à proposer une solution de matériel et de logiciel de vision 3D entièrement intégrée pour les robots mobiles.

Ce système permet aux robots d'effectuer une localisation visuelle, une évitement des obstacles et un amorçage de précision élevé -, améliorant considérablement la sécurité, la stabilité et l'intelligence, tout en répondant aux besoins d'environnements plus complexes.

Étude de cas: grande solution d'entrepôt d'échelle -

Prenez, par exemple, un grand entrepôt d'un fabricant de contrat avec plus de 3000 postes de stockage. Les marchandises entrent et sortent fréquemment, et la disposition des palettes et des articles change constamment, sans points de référence fixes. Le robot peut également rencontrer des travailleurs ou des obstacles comme des cartons laissés dans les allées. De plus, pour maintenir l'esthétique et la facilité de déploiement de l'entrepôt, le client a préféré ne pas utiliser les codes QR marqués de plancher -.

news-1-1

 

Dans ce scénario, les options disponibles étaient limitées aux slam laser ou à la vision slam - équipés de chariots élévateurs. Cependant, les robots utilisant le slam laser sont confrontés à des défis importants pour se localiser de manière fiable dans de tels environnements dynamiques. Le client a finalement choisi la solution Vision Slam de Lanxin.

MRDVS fournit des chariots élévateurs de lanxin avec une solution intégrée pour le positionnement visuel, l'amarrage des palettes et l'évitement des obstacles.

Pour la navigation, le chariot élévateur utilise un système 3D Vision Slam. Les caméras en profondeur capturent les données d'environnement 3D non marquées pour générer des nuages ​​de points denses et relient les données collectées à la position réelle du robot pour atteindre la localisation et la navigation autonomes. Les avantages comprennent:

Fiabilité et stabilité, non affectées par les personnes, les véhicules ou la logistique.

Adaptabilité aux environnements dynamiques, avec des changements dans les positions de mise en page ou de palette n'ayant aucun impact.

Haute précision, avec une précision de +/- 1 cm dans des environnements typiques.

MRDVS-3D-VISION-CAMERA.jpg

Pour l'amarrage des palettes, le chariot élévateur utilise un système d'amarrage de vision 3D. Une caméra conçue personnalisée - capture des images pour générer un nuage de points de la palette, et combinée avec les algorithmes de vision de Lanxin, le robot peut calculer les valeurs de désalignement et ajuster sa direction de pose et de fourche pour ramasser avec succès la palette.

news-1-1

De plus, le chariot élévateur est équipé d'un système d'évitement d'obstacles basé sur la vision 3D -, qui détecte les obstacles aéroportés et faibles - dans le champ de vision du robot, assurant un fonctionnement sûr.

 

Avec Deep Vision System de MRDVS, Lanxin a livré une solution de logistique d'entrepôt intelligente et sans pilote qui répond pleinement aux exigences du client.

 

Visitez Lanxin Robotics: Lanxin Robotics|Autonomiser les robots avec l'intelligence pour voir et servir l'humain

Visitez la technologie MRDVS: Caméra robot 3D|Rendoir les robots pour comprendre le monde

 

Envoyez demande