Bilgisayarlı Görüş AMR, AGV ve Otonom Forkliftleri Nasıl Yönlendirir

Bilgisayarlı görü; otonom mobil robotların, otomatik güdümlü araçların ve otonom forkliftlerin insanları, paletleri, rafları, yükleri, tabelaları, zemin alanlarını ve diğer araçları algılamasına yardımcı olur. Ultralytics YOLO, bu algılama yığını içinde tespit, bölütleme, poz ve takip gözlemleri sağlayabilir. Yerelleştirmeyi, rota planlamayı, araç kontrolünü veya onaylanmış bir güvenlik sistemini tek başına ikame etmez.

En iyi mimari genellikle sensör füzyonudur. Kameralar anlamsal anlayış ve zengin görünüm bilgisi katkısı sağlar. Lidar ve derinlik sensörleri geometri ile menzil sağlar. Kodlayıcılar ve atalet sensörleri ise harekete katkıda bulunur. Navigasyon sistemi bu girdileri araca, ortama ve risk değerlendirmesine göre birleştirir.

AMR, AGV ve otonom forklift gereksinimleri farklılık gösterir#

Bir AGV genellikle sabit veya yarı sabit rotaları izler ve işaretleyiciler, reflektörler veya haritalandırılmış yollar gibi altyapılara bağımlıdır. Bir AMR ise genel olarak haritalandırılmış bir ortamdaki değişen engellerin etrafından dolanarak planlama yapar. Otonom forklift; yük elleçleme, mast ve çatal geometrisi, yüksekteki yükler ve paletler ile raflar etrafındaki etkileşimleri sürece dâhil eder.

Etiketleri gereksinimlerin yerine kullanma. Şunları tanımla:

• Çalışma bölgeleri ve izin verilen rotalar.
• Araç hızı, durma davranışı ve yük aralığı.
• Algılanması gereken insanlar, araçlar ve nesne sınıfları.
• İç ve dış mekan aydınlatması, hava koşulları, toz ve zemin koşulları.
• Gerekli yerelleştirme ve harita davranışı.
• Araç ve yükün oluşturduğu kör noktalar.
• Ağ kullanılabilirliği ve araç içi bilişim sınırları.
• Geçerli makine, araç ve iş yeri güvenliği gereksinimleri.

Bilgisayarlı görü ne katkı sağlar?#

Navigasyon uygulaması açık, zaman damgalı gözlemleri tüketmelidir. Eski veya tutarsız verileri reddedebilmesi için her sonucun kamera karesini, model versiyonunu, güven skorunu ve yaşını bilmesi gerekir.

Kamera, lidar ve derinlik birbirini tamamlar#

Monoküler kameralar nispeten düşük donanım karmaşıklığıyla renk ve doku sunar ancak metrik derinliği doğrudan ölçmez. Stereo ve aktif derinlik kameraları, çalışma zarfları dahilinde menzili tahmin eder. Lidar doğrudan geometrik ölçümler sağlar ve görünümün değiştiği durumlarda faydalı olmaya devam edebilir, ancak malzeme, hava koşulları ve geometri yine de önemlidir.

Sensör seçimi arıza analizini izlemelidir. Tek bir sensörün engellenmesi, doyması, kirlenmesi veya kullanılamaz hale gelmesi durumunda hangi tehlikelerin veya navigasyon özelliklerinin kaçırılacağını sorun. Yedeklilik yalnızca arıza modları yeterince bağımsız olduğunda ve füzyon mantığı uyuşmazlıkları ele aldığında yardımcı olur.

Kamera yerleşimi dönüşü, geri vitesleri, çatal konumunu ve değişen yükleri hesaba katmalıdır. Görüş alanını izin verilen en büyük yük ve her mast durumuyla doğrulayın. Bakım prosedürlerine temizlik, inceleme ve hizalama kontrollerini ekleyin.

Algılama veri setini izole görüntülerden değil, rotalardan oluşturun#

Siteler, vardiyalar, koridor türleri, kavşaklar, rıhtım alanları, insan ve araç trafiği, yük durumları ve bakım koşulları genelinde eksiksiz rota koşullarını toplayın. Posterler, yansımalar, mankenler, istiflenmiş malzemeler ve hedef sınıflara benzeyen kısmi görünümler gibi zorlu negatif örnekleri dâhil edin.

Eğitim ve test aşamalarında neredeyse kopya olan video karelerinden kaçınmak için değerlendirme verilerini rotaya, zamana veya siteye göre bölün. Performansı mesafeye, örtülmeye, aydınlatmaya, harekete ve nesne türüne göre raporlayın. Tek bir ortalama, kavşaklarda veya rıhtım alanlarında en çok önem taşıyan durumları gizleyebilir.

Ultralytics Platform, özel Ultralytics YOLO algılama modelleri için etiketleme, eğitim ve sürüm yönetimini destekleyebilir. Dışarı aktarılan modeller, aracın bilişim ve gecikme kısıtlamaları için seçilen desteklenen araç içi veya uç çalışma zamanlarında çalışabilir.

Algılamayı ROS 2 veya başka bir robotik yığınıyla entegre edin#

Bir robotik entegrasyonu tipik olarak zaman damgaları ve koordinat çerçesif bilgileriyle tespitleri veya maskeleri yayınlar. Bir dönüşüm katmanı kamera koordinatlarını araçla ilişkilendirir. Navigasyon veya davranış katmanı gözlemleri haritalar, mesafe sensörleri, odometri ve görev durumuyla birlikte kullanır.

Şunlar için tasarım yapın:

• Sensörler arasında zaman senkronizasyonu.
• Sınırlı gecikme ve eski mesaj reddi.
• Kamera sağlığı ve model sağlığı durumları.
• Sensörler anlaşamadığında açık davranış.
• Bir olayı yeniden üretecek kadar kaydedilmiş veri.
• Sürümlendirilmiş mesaj şemaları ve model çıktıları.
• Algılama, yerelleştirme ve planlama arasındaki kaynak çekişmesi.

Navigasyonu doğrudan belgelenmemiş model çıktısına bağlamaktan kaçının. Kararlı bir arayüz, algılamanın araç davranışını sessizce değiştirmeden gelişmesine olanak tanır.

Güvenlik sınırı#

Genel amaçlı bilgisayarlı görü farkındalığı ve operasyonel kararları destekleyebilir ancak sertifikalı bir koruyucu cihaz olarak tanımlanmamalıdır. Araç durdurma, koruyucu alanlar, acil durum işlevleri ve güvenlik doğrulaması geçerli güvenlik mimarisine ve yetkin mühendislik sürecine aittir.

Model, kamera, bilişim veya ağ arızalandığında ne olacağını belgelendirin. Güvenli bir durum; sistem tasarımına bağlı olarak azaltılmış hız, kontrollü duruş, rota kısıtlaması veya başka bir çalışma moduna geçiş gerektirebilir. Bu davranışları eksiksiz araç üzerinde doğrulayın.

Değerlendirme planı#

Algılamayı, navigasyonu ve operasyonları ayrı ayrı ve birlikte test edin.

Algılama testleri#

• Mesafe, yön, aydınlatma ve örtülmeye göre tespit ve yerelleştirme.
• Geçişler ve geçici engellemeler sırasında takip sürekliliği.
• Arka plan nesnelerinden ve yansımalardan kaynaklanan yanlış pozitifler.
• Kirli, kaymış, bulanık veya kısmen engellenmiş kameralarla performans.
• Uçtan uca gecikme ve hedef bilişim üzerindeki kaynak kullanımı.

Navigasyon testleri#

• Kavşaklar, dar koridorlar, birleşmeler, sollama, geri gitme ve yanaşma.
• Temsili hızlarda statik ve hareketli engeller.
• Harita değişiklikleri, geçici bariyerler ve rota kapanışları.
• Sensör uyuşmazlığı, mesaj gecikmesi ve eksik girdi.
• Yerelleştirme kaybından veya kullanılamayan bir algılama bileşeninden kurtulma.

Operasyonel testler#

• Palet varyantları genelinde yük alma, taşıma ve yerleştirme.
• Yüksekte duran veya görüşü engelleyen yüklerle davranış.
• Vardiya değişimleri, şarj etme, başlatma, kapatma ve bakım.
• Olay yeniden yapılandırması ve model geri alma.

Görev tamamlama, müdahaleler, rota gecikmeleri, kullanılamayan süre, algılama hataları ve kurtarma davranışını ölçün. Navigasyon güvenliğini yalnızca model doğruluğundan çıkarım yaparak belirlemeyin.

Dağıtım seçenekleri#

Araç içi çıkarım, ağ bağlantısına bağımlılığı en aza indirir ve yüksek oranlı sensör verilerini araç üzerinde tutabilir. Filo genelinde kontrollü yazılım güncellemeleri, kaynak izleme, depolama yönetimi ve donanım desteği gerektirir.

Merkezi hizmetler model yönetimini basitleştirebilir ve inceleme verilerini toplayabilir, ancak gerçek zamanlı araç davranışı ağ gecikmesini ve kaybını hesaba katmalıdır. Hibrit bir tasarım, onaylanmış model yapılarını, meta verileri ve seçilen inceleme örneklerini merkezî olarak yönetirken acil algılamayı araç üzerinde çalıştırabilir.

Kademeli sürümler kullanın. Geniş çaplı kullanımdan önce kayıtlı yeniden oynatma ile başlayın, ardından bir test alanı, gölge gözlemler, kısıtlı operasyonlar ve kontrollü bir filo alt kümesi kullanın. Geri alma için bilinen iyi bir model ve yapılandırmayı koruyun.