仙工智能解決AI結(jié)合機器人應用的關(guān)鍵點

隨著智能制造的不斷升級和落地，工廠內(nèi)的智能搬運和智慧物流也越來越被關(guān)注?，F(xiàn)階段如何將視覺技術(shù)更方便、實用、安全、穩(wěn)定地部署到應用中，將成為 AI 結(jié)合機器人應用的關(guān)鍵點。仙工智能（SEER）全感知 AI 物流系統(tǒng) RoboView 正在解決這些關(guān)鍵點。

全感知 AI 物流系統(tǒng) RoboView 的視覺應用

由于工業(yè)場景的復雜性，將前沿的視覺技術(shù)引入作業(yè)場景中并非易事，最關(guān)鍵的一點是如何將前沿的視覺技術(shù)方便地落實到實際應用中，并讓客戶快速掌握使用技能。尤其是在 3D 視覺應用中，要求精準定位并評估 3D 場景下的物體，但現(xiàn)階段因較高的研發(fā)和部署難度，它的應用往往不如 2D 技術(shù)普遍，可隨著科技技術(shù)的發(fā)展，3D 技術(shù)終將成為未來的趨勢，得到更多的應用。如下圖 RoboView 在一個典型的3D應用中的流程。

3D視覺在3D抓取任務(wù)中，需要識別目標的位姿

比如說，在AGV物流倉儲中，為了對貨物進行有效的管理，需要借助3D視覺技術(shù)來完成搬運、堆疊任務(wù)，但由于實際工廠環(huán)境差異大（光照條件差異），場景變化多，貨物本身的尺寸差異大（從幾百到幾千毫米）以及對搬運、堆疊任務(wù)的精度要求差異大（毫米級到厘米級）等原因，便需針對具體的客戶場景制定相對應的方案，這給研發(fā)和部署都帶來較大難度。

為使這類應用的部署更簡單、高效，仙工智能（SEER）將自己開發(fā)的視覺算法庫、相機庫和機器人庫融合到一整個視覺應用平臺中，這樣在部署時即可靈活地選擇與應用相對應的相機和方案。比如，從十幾家廠家中的上百種甚至更多種類中選擇真正符合應用的相機，并直接選擇對應的算法和機器人，真正做到“量體裁衣”。

這個視覺應用平臺就是仙工智能（SEER）全感知 AI 物流系統(tǒng)RoboView，在其強大的算法能力支撐下，通過一鍵部署，不僅可降低成本，還極大提高了部署效率。

RoboView 應用庫

就目前的車間或工廠而言，遇到最大的問題是庫位管理效率低，而 RoboView 能夠?qū)煳还芾砀爸腔邸钡厝诤系较到y(tǒng)中，比如 AGV 的調(diào)度系統(tǒng)等，不僅使自動化物流系統(tǒng)更流程化，還降低了管理成本，提高了管理效率。

實際上，RoboView 實現(xiàn)的庫位管理系統(tǒng)，只需要在需要進行庫位管理的倉庫里部署幾臺相機和一臺視覺服務(wù)器并運行 RoboView，即可完成庫位管理。此時 RoboView 將負責庫位管理的全部任務(wù)，并和調(diào)度系統(tǒng)對接，在“悄無聲息”間完成庫位管理任務(wù)，如庫滿/空、出/入庫、錯誤入庫及其他豐富的管理能力。

RoboView 實現(xiàn)的庫位管理系統(tǒng)示意圖

另外，在一些密集倉儲的區(qū)域，即使在自動叉車上安裝再多的傳感器也無法避免一些危險情形，比如下圖的情形：

密集倉儲的區(qū)域，可能遇到的一些危險情形

由上圖可以看到，在人員和自動叉車、AMR混用的場景中，在一些現(xiàn)場的設(shè)備、人員、貨物統(tǒng)一管理的難題，RoboView 便可為客戶解決這些難題。更多詳情邀您親臨 2021 ITES 深圳工業(yè)展 21-H41 展位。

全感知 AI 物流系統(tǒng) RoboView 的誕生

RoboView 的靈感來源于 RoboCup 小型組足球機器人比賽，作為RoboCup 中最強調(diào)團隊協(xié)作和對抗的組別，小型組采用了外部的視覺服務(wù)作為了機器人位置的主要感知方式，其典型場景如下：

RoboCup 小型組足球機器人位置的主要感知方式示意圖

通過外部視覺感知和統(tǒng)一的大腦對場景內(nèi)的機器人進行統(tǒng)一管理，從而實現(xiàn)各種復雜的協(xié)作與對抗。

世界小型機器人足球比賽 Robocup 比賽現(xiàn)場

由此出發(fā)，仙工智能（SEER）在基于 SLAM 導航的體系外，創(chuàng)新性地提出全感知 AI 物流系統(tǒng) RoboView。

1、RoboView 架構(gòu)

RoboView 由感知平臺和感知節(jié)點共同構(gòu)成，其中感知平臺作為系統(tǒng)的核心是提供所有的視覺服務(wù)、為智能工廠及物流系統(tǒng)提供必要信息（包括庫位管理信息、車隊跟蹤信息、設(shè)備運行狀態(tài)等）、小車作業(yè)視覺服務(wù)請求響應、系統(tǒng)安全監(jiān)控信息等四大部分；感知節(jié)點包括固定或移動式的圖像（2D）/點云（3D）采集設(shè)備及編組。

感知平臺為獨立運行的視覺服務(wù)器，其主要提供視覺 AI 感知能力，通過 2D/3D 視覺的技術(shù)實現(xiàn)對感知區(qū)域內(nèi)的目標進行識別、定位和檢測。感知平臺只需要一份輸入，以及一個輸出定義（DOO， Definition Of Output），即可完成一次感知服務(wù)，因此它是多任務(wù)的，相互獨立的信息感知平臺。

感知節(jié)點是分布式部署的，分為固定節(jié)點和移動節(jié)點。固定節(jié)點是指固定安裝的圖像（2D）/點云（3D）采集設(shè)備，如普通的監(jiān)控攝像頭、ToF 相機、3D 激光雷達等都可以作為感知節(jié)點接入；移動節(jié)點指這些安裝在移動機器人上的各類視覺圖像（2D）/點云（3D）采集設(shè)備，通過仙工智能（SEER）的 SRC 核心控制器可以實現(xiàn)與 RoboView 的無縫對接。

感知節(jié)點可以通過 Roboshop 一站式布署軟件加入 SLAM 地圖中，并配置相應的工作流，從而實現(xiàn)節(jié)點的快速設(shè)置布署。同時，全感知 AI 物流系統(tǒng) RoboView 與仙工智能企業(yè)數(shù)字化中臺 SEED 配合，可以實現(xiàn)對場所內(nèi)的各個系統(tǒng)的部署、規(guī)劃和監(jiān)控，并實現(xiàn)對 AMR 及無人叉車的安全監(jiān)控及作業(yè)規(guī)劃。

仙工智能（SEER）全感知物流系統(tǒng)解決方案

2、AI 全感知技術(shù)

AI 全感知平臺融合了多項關(guān)鍵技術(shù)，為物流管理系統(tǒng)提供了豐富的信息。

【增強顯示】通過數(shù)個固定感知節(jié)點全方位“觀察”，結(jié)合多點視覺的配準、拼接、融合技術(shù)，將整個倉庫的實時狀態(tài)盡收眼底，在原有監(jiān)控視頻的基礎(chǔ)上加入了 AR 增強信息，讓現(xiàn)場人員對設(shè)備狀態(tài)更加直觀清晰。

【車輛監(jiān)控】結(jié)合車輛自身信息，對場景內(nèi)的每一輛 AMR 及自動叉車進行實時定位和追蹤，捕獲并預測車輛的運行軌跡，結(jié)合仙工智能企業(yè)數(shù)字化中臺 SEED，對偏離作業(yè)任務(wù)的車輛及時發(fā)出調(diào)整指令并向平臺發(fā)出警告。

【目標識別定位】RoboView 不僅僅包含常規(guī)的視覺感知算法，還包含了先進的深度學習算法，大大地提高了系統(tǒng)的抗干擾性。目標檢測技術(shù)，能夠?qū)崟r從視頻流中檢測出目標物體，如小車或人；3D 點云的分割技術(shù)，能夠直接從點云中提取目標物體，并給出尺寸、位置等重要信息，使算法更加穩(wěn)定、可靠。另外，通過圖像語義分割技術(shù)，還可以為倉庫的管制標記、道路標識和作業(yè)車等進行一次性分割、提取，為控制平臺提供了另一項重要信息。

【庫位管理】通過部署在場景中的多臺固定感知節(jié)點，感知平臺能夠?qū)崟r獲取場景里的所有庫位信息，并通過 2D 識別技術(shù)，識別&定位出庫位的有效信息，包括但不限于有無貨物、有無小車、有無異物侵入等信息，并將這些信息發(fā)布出去（根據(jù)物流系統(tǒng)的配置，可能發(fā)送給物流系統(tǒng)和小車），物流系統(tǒng)或小車能夠根據(jù)這些信息做有效的決策，大大提升了倉庫管理效率。

【安全監(jiān)控】主要涉及場景內(nèi)的所有狀態(tài)實時監(jiān)控，其內(nèi)容包括：外來異物（非作業(yè)人員、作業(yè)人員進入非安全區(qū)域、小車脫離預設(shè)任務(wù)軌跡、非作業(yè)小車等）侵入監(jiān)控、貨物狀態(tài)監(jiān)控、小車路線障礙物檢測、其他聯(lián)動設(shè)備的監(jiān)控（如大型貨架，升降電梯等）。

機器人在場景內(nèi)的所有狀態(tài)實時監(jiān)控

新的智能化時代已經(jīng)到來，如何打造高度智能化、數(shù)字化的制造平臺，以標準化產(chǎn)品支撐非標應用，敬請關(guān)注仙工智能（SEER），2021 年 03 月 30 日至 04 月 02 日，在 2021 ITES 深圳工業(yè)展 12-H41 展位。

原文標題：【本潤諧波 | 聚焦】如何利用視覺技術(shù)解鎖車廠協(xié)同新模式

文章出處：【微信公眾號：高工機器人】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責任編輯：haq