20、仓库盲角处借助基础设施传感器实现安全交互

仓库盲角处借助基础设施传感器实现安全交互

非视距物体检测技术现状

目前正在研究多种技术，以使仓库内的驾驶员或自动机器，甚至道路上的相关设备，能够检测到非视距（NLOS）物体，例如盲角周围的物体。以下是一些典型技术：
- 监控摄像头信号转换：可将监控摄像头的信号进行转换，创建虚拟镜子来辅助观察。
- 移动阴影观测：通过观察移动的阴影来推断非视距物体的存在。
- 雷达检测：利用雷达检测角落周围的移动物体，可能还会借助无源反射器增强检测效果。
- NLOS 成像：借助激光源多次散射的光线来重建隐藏物体。

然而，这些技术要达到足够的性能和可靠性水平，以支持与安全相关的决策，所需的计算能力是一个难题，因此它们目前更多是未来的研究方向。

基础设施及传感器的作用

通过引入基础设施和基于基础设施的传感器，可以避免上述技术面临的问题。例如：
- 人员定位：利用摄像头数据或超宽带（UWB）技术，能以至少 15 厘米的精度定位仓库内的人员。
- 路径预测：实时定位系统（RTLS）还可用于预测工人的路径。
- 安全检测：在盲角处安装类似于自动叉车安全设备的传感器，确保可靠检测人类工人。
- 数据分析：收集人员的移动数据，有助于创建意大利面条图，进一步分析和提高安全性。

即便基础设施能够可靠地识别工人，还需将这些信息传输给自动叉车。目前存在多种集中协调车辆、避免碰撞的方法，但这些方法要么在无连接时默认拒绝车辆进入交叉路口，要么需要稳定的连接。虽然可以通过使用多个链路提高连接的可靠性，但这也需要更多资源。

基础设施协同自主控制架构

为实现仓库