杭叉高位無貨架堆疊機新技術（自動駕駛+視覺識別）

高位無貨架堆疊機新技術（自動駕駛+視覺識別）

杭叉智能秉承“成為國際頂尖智能物流解決方案供應商”的經營理念，緊緊圍繞經營目標，聚焦戰略定位，對現有無人叉車不斷創新，緊跟世界技術潮流，開發出具備機器深度學習與大數據管理能力的3D視覺目標檢測解決方案，助力企業建立工業4.0智能化工廠，鞏固行業領跑者的地位！

近日，杭叉智能研發團隊運用自動駕駛和視覺識別技術，形成3D視覺目標檢測解決方案，實現高位無貨架堆疊難題的突破。該方案用戶可輕松獲得各應用場景下的目標檢測模型，直接用于生產部署，切實滿足企業的實際產業需求。

隨著3D視覺技術的不斷成熟，在生活中的應用越來越多，杭叉智能也著手利用3D視覺技術對無人叉車的進行不斷優化。而自動駕駛和視覺識別的結合，更是達到了“1+1＞2”效果，使得智能叉車的應用場景和精準性再次拓展提升。此次3D視覺目標檢測解決方案的實現，創新提供高位無貨架堆疊解決方案，助力杭叉智能無人叉車向靈活化、精準化、現代化邁進一大步！

該方案通過對3D視覺目標檢測、目標檢測網絡和RT深度推理計算框架的核心技術的運用，實現了智能叉車對精度、靈活性、實時性的嚴格要求。

3D視覺目標檢測

3D視覺目標檢測技術具有測量精度高、更具靈活性的優點，破除了2D信息深度數據易丟失的局限性，能更加完整的表達真實目標，在實際應用中具有可靠性更高、安全性更強等諸多優點。
相較而言，3D模型比2D模型有更強的描述能力，目標檢測識別準確率大大提升，同時還能滿足更復雜的被測物體條件。

目標檢測網絡

目標檢測網絡支持小目標檢測、準確性高，加強對小目標物體的檢測效果，突破現有目標檢測技術中的小目標檢測瓶頸，達到工業級應用要求。大大降低最小目標像素下限，使最低八個像素的小目標都可以學習到特征，有效提高物體識別的準確性。

RT深度推理計算框架

RT深度推理計算負責模型的推理過程，大大提升物體檢測速度，在GPU模式下可提供10X乃至100X的加速。經實際測試， 端口TensorRt加速后可至90幀左右，物體識別檢測時間從4S提高到1-2S，有效提升AGV工作效率，完成滿足工業實時性要求