Kamera MRDVS řady S pro vyhýbání se překážkám: Ověřený výkon v náročných skladových prostředích

Spolehlivá detekce překážek ve skladu vyžaduje více než jen měření vzdálenosti. Mobilní roboti musí detekovat objekty s různou výškou, tvarem, barvou, texturou a odrazivostí za měnících se světelných podmínek.

Hloubkové kamery MRDVS řady S využívají přímé snímání doby letu (dToF) ke generování 3D hloubkových informací pro vysokozdvižné vozíky AGV a AMR. V testu výkonu v červenci 2026 společnost MRDVS vyhodnotila, jak se kamera S11 vypořádala s černými, reflexními, překrývajícími se a silně protisvětlovými cíli.

Proč je detekce překážek ve skladu obtížná?

Spolehlivá detekce překážek v fungujícím skladu není jen otázkou měření vzdálenosti.

Zatížení skladu je zřídka rovnoměrné. Palety, klece a zásoby mohou být matně černé, zabalené v reflexní fólii nebo opotřebované do beztexturované šedé. Kterýkoli z těchto povrchů může být pro senzor naladěný na laboratorní testovací cíl náročný.

Pracovní prostředí zavádí další proměnné:

  • Uličky se mění po každém doplnění zásob.
  • V určitých denních dobách může do nakládacích prostor vnikat přímé sluneční světlo.
  • Zatížení se může překrývat nebo částečně blokovat.
  • AGV a AMR musí během pohybu detekovat překážky.
  • Slepý bod, který se objeví pouze za určitých světelných podmínek, může stále představovat provozní riziko.

Praktickým požadavkem je tedy nejen měření vzdálenosti, ale také produkce použitelných 3D informací napříč měnícími se cíli a podmínkami prostředí.

Jak funguje snímání hloubky dToF?

Technologie přímého měření doby letu vyzařuje ultrakrátké pulzy infračerveného světla – obvykle v nanosekundovém měřítku – a zaznamenává interval (Δt) mezi vyzařováním a návratem odraženého signálu. Vzdálenost se odvozuje přímo:

Vzdálenost = (Rychlost světla × Δt) / 2

Protože měření je přímým načasováním vráceného impulsu, každý pixel v zorném poli může vrátit hodnotu hloubky do značné míry nezávisle na barvě nebo textuře cíle. Aktivní stereo naopak promítá vzor a trianguluje hloubku z toho, jak se tento vzor deformuje napříč dvěma čočkami – proces, který závisí na dostatečných vizuálních informacích pro porovnání prvků.

Řada S implementuje tento princip se třemi hardwarovými možnostmi, které jsou v praxi důležité:

  • Jádro pro měření vzdálenosti v subnanosekundách: Vysoce rozlišovací časově-digitální převodník (TDC) a přesná zpožďovací linka minimalizují chyby kvantování v časové doméně a podporují stabilní přesnost měření v dynamickém provozu.
  • Podsvícený SPAD senzor: Vysoká citlivost na fotony podporuje detekci na površích s nízkou odrazivostí, včetně černých objektů, a za náročného osvětlení.
  • VCSEL s vysokým PCE 940 nm: Vysoký špičkový optický výkon při nízké spotřebě energie a minimálním tepelném driftu pro konzistentní výstup po dlouhou dobu provozu.

MRDVS připisuje výsledky pozorované v níže uvedených testech této základní metodě snímání.

Co test hodnotil?

Kamera použitá během testu:

  • Hloubková kamera MRDVS S11 dToF

Testovací program zkoumal čtyři typy cílů a scén:

  1. Černé předměty umístěné blízko bílé zdi
  2. Reflexní sloup
  3. Více naskládaných vnitřních objektů v různých hloubkách
  4. Čtyři objekty proti silnému protisvětlu

Test se zaměřil na úplnost hloubkového obrazu, definici hran, chování v okolí překrývajících se objektů, chybějící data z mračna bodů a šum.

Test 1: Černé objekty proti bílé zdi

černý
Černé předměty proti bílé zdi

První test umístil černý předmět blízko bílé zdi.

Jedná se o jednoduchou, ale poučnou scénu, protože kamera musí rozlišit dva sousední povrchy pouze na základě jejich hloubkového rozdílu, i když černý objekt poskytuje jen omezenou vizuální texturu.

Výsledky ukazují, že S11 vytvořil kompletní hloubkový obraz, který byl následně transformován do 3D obrazu mračna bodů s jasně definovanými hranami oddělujícími objekty od zdi, jak je znázorněno výše.

Test 2: Reflexní sloup

Reflexní sloup
Reflexní sloup

Druhý test hodnotil reflexní sloup.

MRDVS uvádí, že S11 vytvořil kompletní hloubkový obraz, který byl následně transformován do obrazu mračna bodů bez chybějících nebo rozptýlených dat kolem okrajů sloupce.

Tento test měl za cíl prozkoumat, jak si kamera dToF poradí s cílem, který by mohl produkovat náročné odrazy – což je běžný stav, kdy jsou zátěže zabaleny ve smršťovací fólii nebo uloženy v kovových klecích.

Test 3: Překrývající se objekty v různých hloubkách

Překrývající se objekty v různých hloubkách (4)
Překrývající se objekty v různých hloubkách

Třetí test použil vnitřní scénu obsahující několik naskládaných objektů umístěných v různých hloubkách.

MRDVS uvádí, že S11 si zachovala detaily v celé scéně.

Pro detekci překážek ve skladu je důležité uchovávat informace o hloubce kolem překrývajících se objektů, protože palety, náklady, regály a mobilní zařízení se mohou navzájem částečně blokovat. Mezera v mračnu bodů na hranici překrytí je přesně tam, kde robot potřebuje data k rozhodnutí, zda je mezera průchodná.

Test 4: Přímé světlo

Přímé světlo
Čtyři objekty proti silnému protisvětlu

Čtvrtý test izoloval proměnnou osvětlení. Čtyři objekty s normálním odrazem byly umístěny za silným zdrojem světla namířeným na kameru a přibližně 4 m od ní, takže osvětlení dopadalo na objektiv, nikoli na cíle.

Podsvícení tohoto druhu reprodukuje jednu z nejčastějších příčin selhání hloubky v reálných nasazeních. Vysokozdvižný vozík AGV projíždějící přes vrata rampy se v rámci jedné délky vozidla pohybuje z přibližně 200 luxů v interiéru na desítky tisíc luxů venku, často přitom směřuje přímo do světla a senzor nemá možnost se mezi těmito dvěma podmínkami přeladit.

MRDVS uvádí, že za těchto podmínek S11 vytvořil kompletní hloubkový obraz v celém zorném poli, který byl následně transformován do 3D obrazu mračna bodů, kde jsou všechny čtyři objekty jasně odděleny od sebe navzájem a od pozadí.

Výsledky testů v kostce

Testovací scénaMRDVS S11 (dToF)
Černé předměty blízko bílé zdiKompletní obraz mračna bodů s dobře definovaným oddělením mezi povrchy
Reflexní sloupKompletní obraz mračna bodů bez chybějících nebo rozptýlených dat o hranách
Naskládané objekty v různých hloubkáchDetail zachován v celé scéně
Čtyři objekty proti silnému protisvětluKompletní obraz mračna bodů, kde jsou všechny čtyři objekty jasně odděleny

Hlášená latence a minimální pracovní vzdálenost

Kvalita detekce se promítá do bezpečnosti pouze tehdy, pokud se výsledek včas dostane k řídicí jednotce vozidla.

MRDVS uvádí typickou latenci mezi konci 70 až 100 milisekund pro S11 za standardních provozních podmínek a minimální pracovní vzdálenost přibližně 10 cm (4 palce).

Minimální pracovní vzdálenost je relevantní, když je třeba detekovat překážky v blízkosti dráhy vysokozdvižného vozíku AGV – například nohu palety nebo obrubník bezprostředně před vidlicemi. Skutečný výkon nasazení závisí také na umístění senzoru, geometrii vozidla, konfiguraci detekční zóny a provozní rychlosti.

Od hloubkových dat k akci vozidla: Vestavěné vyhýbání se překážkám

Detekce překážek je pouze jednou součástí kompletního bezpečnostního a řídicího systému mobilních robotů. Řada S je dodávána s algoritmem pro vyhýbání se překážkám v reálném čase, který běží přímo na kameře, bez nutnosti externího průmyslového počítače.

Hlavní vlastnosti vestavěného řešení pro vyhýbání se překážkám

  • Třístupňové bezpečnostní vzdálenosti: Nastavte přesné zóny Varování (zpomalení), Poplach (úplné zastavení) a Ochranné zóny (ignorování) kdekoli podél dráhy robota, aby vozidlo mohlo zpomalit dříve, než bude muset zastavit.
  • Až 20 předdefinovaných zón: Uživatelé mohou dynamicky přepínat mezi zónami pomocí API během pohybu AMR, což umožňuje kontextově orientované bezpečnostní zásady v různých oblastech provozu – úzká ulička a otevřená pracovní plocha nepotřebují stejný profil.
  • Nastavitelné detekční pole: Definujte horizontální pokrytí (levé a pravé hranice) a vertikální dosah detekce (horní a dolní výškové limity) tak, aby odpovídaly vašemu specifickému prostředí a profilům překážek.
  • Souřadnice vztažené k vozidlu: Nezpracovaný mračno bodů je transformováno do souřadnicového systému vozidla pomocí kalibrovaných vnějších parametrů. Detekční zóna tak zůstává pevná vzhledem k AGV nebo AMR, bez ohledu na to, kde je kamera na podvozku namontována.
  • Jasné výstupní signály: Systém vysílá intuitivní stavové kódy (0 / 1 / 2) odpovídající stavům Vymazat, Varování nebo Alarm přes Ethernet nebo přizpůsobitelné I/O, což umožňuje snadnou integraci se stávajícím řídicím systémem robota.

Protože geometrii zóny lze konfigurovat jako obdélníkový nebo kuželovitý objem, může detekční oblast sledovat směr jízdy vozidla, místo aby se spoléhala na jeden pevný poloměr snímání.

Pokročilé vnímání pro složité operační scénáře

Kromě vyhýbání se rušení na základě klíčových zón podporuje řada S vnímání na vyšší úrovni v přeplněných a kolaborativních prostředích.

  • Víceobjektová analýza: Přesně měří vzdálenost mezi sousedními překážkami a poskytuje strukturovaná data, což umožňuje inteligentní plánování trasy a navigaci v přeplněném prostředí namísto pouhého rozhodování typu „zastav nebo jeď“.
  • Detekce osob pomocí umělé inteligence: Specializovaný algoritmus spolehlivě rozlišuje lidi od neživých objektů, což umožňuje uplatňovat zvýšená bezpečnostní opatření v kolaborativních pracovních prostorech.
  • Synchronizace více kamer: Řada S je navržena pro pracoviště, kde současně pracuje více automatických magnetických relé (AMR). Udržuje kamery v celém vozovém parku synchronizované a bez rušení, čímž zabraňuje přeslechům a kolizím dat v rušných skladech.
  • Vysoce věrné RGB-D streamy: Synchronizovaná, kalibrovaná RGB a hloubková data poskytují vývojářům spolehlivý materiál pro vytváření vlastních algoritmů sémantického porozumění, jako je klasifikace objektů a segmentace scén.
  • Služby vývoje na míru: MRDVS poskytuje vývoj algoritmů na míru v plném cyklu, včetně rozpoznávání a segmentace objektů na míru, specializované logiky pro porozumění scéně a přizpůsobených konfigurací I/O a datových výstupů.

Závěr

Detekce překážek ve skladu musí zohledňovat více než jen vzdálenost. Barva cíle, textura, odrazivost, překrytí, osvětlení, umístění senzorů a pohyb vozidla ovlivňují informace o hloubce dostupné pro AGV nebo AMR.

Test z července 2026 popsaný zde ukazuje, jak si MRDVS S11 poradil se čtyřmi záměrně obtížnými scénami – černými objekty na bílé zdi, reflexním sloupem, překrývajícími se naskládanými břemeny a čtyřmi objekty na pozadí silného protisvětla. Ve všech čtyřech scénách S11 vrátil obraz s úplnou hloubkou a jasně definovanými okraji.

Sdílet s: