人工智能已经改变了物流业的游戏规则，优化了包裹分类和分拣等关键操作。这些曾经需要大量人工的任务，现在都通过人工智能的实时分析、决策和行动能力实现了自动化。
目录
然而，人工智能能否在这些复杂的环境中取得成功取决于一个关键因素：它所处理的数据质量。这就是3D视觉技术的作用所在，它为人工智能提供了解释物理世界并与之互动所需的精确视觉数据。
在物流领域，包裹分拣和物品拣选等任务需要处理成千上万形状、尺寸和材料各异、难以预测的物品，而3D视觉技术可为人工智能提供其有效运作所需的丰富、精确数据。
点云由数百万个单独的数据点组成，每个数据点代表场景中某个点的精确 X、Y 和 Z 坐标。工业 3D 相机生成的点云可捕获物体的空间尺寸，而不考虑表面属性，如纹理、反射率和颜色。
注：您可以使用 Zivid SDK 和图形用户界面（Zivid Studio）对感兴趣区域进行降采样和限制，这样处理所需的时间会更短。
在物流包裹处理和分拣中，有不同的物体识别和分割方法。有些方法使用高分辨率的2D数据来识别物体，而3D点云则用于姿态估计和拣选策略。有些方法还选择混合2D和3D数据。还有一种方法是使用法线数据来识别物体的表面、边缘和位置角度。
不同的策略适合不同的使用情况。能够以连贯的像素方式提供所有数据（XYZ、2D、法线、深度图）的3D相机是非常有益的，例如 Zivid 2+。这意味着所有这些数据都是可用的，并与每个点相关联，因此使用来自单一设备的单一数据集来采用不同的方法要简单得多，也可靠得多。
3D 相机捕获到点云后，就会将这些数据输入人工智能视觉软件。该软件的首要任务是解释密集数据云的全部或部分数据，以理解场景。这通常涉及几个步骤：
1.点云预处理和物体分割
软件首先会过滤掉噪音和无关的数据点。然后，软件会将点云分割成不同的区域或对象。这包括将距离较近、可能属于同一对象的点进行分组。这一步对于人工智能需要在杂乱的环境中区分不同物品的分拣等应用来说至关重要。
2.物体检测和分类
分割后，人工智能会分析分割区域的形状和特征，以识别它们。这可能涉及将形状与已知物体数据库进行比较，或者使用深度学习模型根据物体的三维形状和纹理对其进行分类。例如，在包裹分拣中心，人工智能可能会根据大小、形状和材料对不同的包裹进行分类，从而确定处理每个物品的最佳方法。
3.姿势估计
一旦识别出物体，软件就会确定其在空间中的位置和方向，这就是所谓的姿态估计。此时，Zivid 相机的高精度就变得至关重要。准确的姿态估计可以让人工智能确定物体的准确位置和角度，这对于引导机器人正确拾取或操作物体，避免在拾取操作过程中偏离或偏离过多至关重要。
4.决策和行动触发
人工智能可以根据收集到的所有信息--物体特征、位置、方向和其他相关数据--做出明智的决策。例如，在拾取物品的场景中，人工智能可以决定机械臂拾取物品的最佳接近角度和抓取力。然后，人工智能会触发适当的动作，如指示机器人移动到特定位置、用吸力抓手拾取物品或将其放入料箱。
Zivid的3D相机旨在生成最高质量、最完整的点云，并将噪点和失真降到最低。与任何人工智能系统一样，其性能通常取决于推理过程中使用的数据集的质量。相机捕获透明或闪亮物体边缘等精细细节的能力可确保人工智能获得最佳数据，从而做出精确可靠的决策。
此外，Zivid 的宽视场和高空间分辨率意味着，即使是大场景也能在单帧中捕捉到，而不会丢失细节。这对于人工智能需要快速评估整个场景的应用至关重要，例如在料箱拣选场景中处理多个物品时。
在制造业中，工件通常是完全相同且可预测的，而物流和电子商务环境则不同，它们需要处理成千上万个不同的 SKU（库存单位），其中许多项目可能会因包装的不同而有很大差异。这些物品需要分拣、分类和包装。要实现这一过程的自动化，机器人必须比人类更快、更精确。机器人需要大脑和眼睛。
自从推出Zivid 2+ 系列产品以来，我们已经与多家物流解决方案提供商合作，他们都拥有令人惊叹的人工智能解决方案，但却苦于找不到合适的 3D 摄像头来配合他们的软件。只是没有一款相机能够提供包装物品、透明或闪亮消费品的数据。
我们的Omni Engine改变了游戏规则，引入了革命性的视觉技术，使人工智能有足够的数据进行解读。让我们来看看 Zivid 摄像机将人工智能应用于物流自动化的案例。
包裹分拣中的包裹在大小、形状和材质上千差万别，给自动化系统带来了巨大挑战。Fizyr 是物流深度学习领域的领先企业，他们很早就意识到传统方法无法满足需求。他们需要一个能够快速学习和适应的系统，以处理普通仓库中千差万别的包裹。
该解决方案的演示在 2024 年Automate上进行了展示
Fizyr的软件与Zivid的高质量3D点云相结合，恰好可以实现这一点。Zivid 3D像机提供精确的数据，Fizyr 的人工智能利用这些数据来检测和分割物体，识别最佳的拾取姿势，并轻松地浏览复杂的环境。
系统集成商 AWL 认可这种合作关系，将其集成到机器人单体单元中。该解决方案可在 300 毫秒内做出准确决策，从而实现更快、更可靠的包裹分拣。它为仓库自动化的速度、准确性和可靠性设定了新标准。
西门子开发了 SIMATIC Robot Pick AI，这是一款基于深度学习的视觉软件，在此类环境中表现出色。通过集成Zivid的3D相机，西门子增强了其系统对拣选点进行实时决策的能力，而无需依赖预先存在的CAD模型。Zivid的相机提供了高分辨率的精确点云，西门子的人工智能利用这些点云来理解和处理各种物品，从而确保了精确可靠的性能。
在最近的一次演示中，西门子使用 Zivid 像机和 UR 20 机械臂展示了这一解决方案。演示强调了高精度 3D 摄像头的集成如何增强了人工智能执行复杂分拣任务的能力，使其成为物流作业的理想选择。
您可以免费观看有关该解决方案的整个网络研讨会！
人工智能与 3D 视觉的融合不仅增强了当前的物流操作，还为未来的进步铺平了道路。随着人工智能的不断发展，对精确、高质量视觉数据的需求只会越来越大。如今投资于先进 3D 视觉技术的公司将处于有利地位，可充分利用物流领域的下一波创新浪潮。
Zivid的三维相机处于这一变革的前沿，为人工智能系统提供所需的关键视觉数据，使其在物流应用中表现出色。通过将人工智能和3D视觉的优势结合起来，物流操作的效率、准确性和可靠性可以达到新的水平。
想了解更多信息？请联系我们的销售代表！