在 OAK 上进行箱体尺寸测量:无需专用测量系统

箱体尺寸测量(Box Dimensioning)是 OAK Solutions 中的第二个应用------这是我们的批量应用级的视觉应用系统,可在 OAK 相机上做到开箱即用。与每一个解决方案一样,它在交付时就已经完成:神经网络预训练、Pipline调优、精度调优工作,均由我们团队在相机安装之前全部做好。

尺寸测量几乎比其他任何测量数据都更直接地影响着一家工厂的经济效益:它决定了运费、装车计划、库位分配和纸箱选型。而一旦测量出错,这些错误会悄悄累积,最终变成运费成本损失和空间浪费。然而在大多数工厂里,这些数据至今仍来自卷尺、凭经验猜测,或是一台贵得堪比一辆汽车的专业设备。

根据机器的「参数」来测量

专用测量系统确实测量准确,但问题恰恰出在它们提出的各种测量要求上------箱子必须被送到站点,或穿过一条隧道,而且往往要以受控的速度、在固定的测量范围内通过;传感器本身还需要校准和维护,而在满是灰尘的工厂里,这些设施会被悄悄侵蚀,直到测量漂移最终以运费损失的形式暴露出来。

这些限制归根结底源于传感方式本身。投射激光和结构光在一个狭窄、受控的窗口内表现良好,一旦超出这个窗口就会退化;而相机则没有这样的窗口限制。基于视觉的尺寸测量可以装在正在取货的叉车上、搬运周转箱的自主移动机器人(AMR)上,或是在同时校验标签的打包工位上。

专用测量系统永远做不到这些。它只能在安装位置、在其要求的环境条件下测量箱子,而在该点位上的其他需求,就需要再买一台设备来完成。

我们另辟蹊径的方案

箱体尺寸测量解决方案把任何一台 OAK 4 相机都变成了一套测量系统。把它装在场景上方,一次性标定地平面,当天就能开始测量------无需隧道、无需受控速度,也无需围绕传感器专门搭建场景。

神经网络会基于标定平面对每个箱子进行分割,跨帧跟踪,同时相机计算出长、宽、高和体积------在 20 FPS 下平均绝对误差约为 0.5 厘米,中位延迟约 80 毫秒。每个独立箱子恰好产生一个测量结果,因此下游不会出现重复计数;每一次测量都会连同预览图和视频片段一起存储,这样当某批货物产生争议时,你可以直接调出当时的录像。

可以俯视安装以获得最精确的数值,也可以在天花板条件受限时倾斜安装。检测模型出厂时已针对纸箱训练完毕,您也可以在你的手提袋、周转筐或产品上重新训练。

深度正是 OAK 拉开差距的地方

测量的精度取决于背后的深度数据,而深度正是 OAK 4 最难被比肩的地方。

大多数测量系统都被锁定在单一的传感方式上,而 OAK 4 可以同时运行多种。经典立体视觉提供快速、远距离的深度;神经网络深度模型在深色、光滑、低纹理的箱体上能产生更干净的边缘和更少的空洞------这种就打破了传统方案的限制;部分设备还加入了飞行时间(ToF)传感器,可以在低光照下提供精准的近距离深度。

正是算力让这一切成为可能。达到测量精度的神经网络深度估计,需要嵌入式测量硬件所不具备的处理余量,而 OAK 4 的 52 TOPS 算力让一台被动相机拥有了足够的处理能力,产生出足以用于测量的干净深度------无需向场景投射任何东西,也无需反复校准。

一台相机,覆盖整个点位

尺寸测量很少单独存在,因为产线上的同一个点位通常还需要读取条码、校验标签或标记破损;而使用专用测量系统时,其中的每一项任务都需要新增一台设备。

而在 OAK 上,它们可以跑在同一台设备上。箱体尺寸测量可以与条码读取(Barcode Reading)以及你自己的模型在同一路传感器画面上并行运行:收货台采集尺寸和 SKU 数据一次通过;叉车在取货过程中完成托盘测量,并在货物移动的同时把数据送入 WMS;码垛单元则由那台引导机械臂的相机,把尺寸直接发给规划系统。

与我们建设的一切一样开放

这个应用并非封闭的。和我们的 OAK 示例一样,你可以修改它、扩展它、围绕它进行构建------无论是换入一个针对你的产品训练好的模型、把测量数据接入你的 WMS,还是在一个更大的系统里把它裁剪成你需要的模块。我们的团队会一步步陪客户完成这类定制。

编码智能体让这项工作更加轻松。如果你在 Claude Code、Cursor 或 Codex 中描述你要构建的东西,我们的 Agent Skills 会引导智能体完成设备配置与集成,一个下午就能把应用接入你的技术栈,而精度相关的活儿依然由我们处理妥当。

在你的箱子上试试看

该应用已经交付到客户手中,评估它的最快方式,就是根据你的箱子、传送带和安装限制进行验证。

与我们团队取得联系,我们会远程技术评估,与您共同梳理您的场景,评估您的实际场景下的使用效果。

相关推荐
泯泷2 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考2 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI2 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具
程序员韩星2 小时前
OpenAI 兼容接口返回 404,先查请求地址,再查模型名
前端·人工智能·http
Cosolar2 小时前
2026 年 Java AI Agent 生态全景盘点:50+ Java 开源项目的分类、实测与选型判断
人工智能·架构·agent
花椒技术3 小时前
从“实时生成游戏”出发,我们用 AI 做了四次游戏开发尝试
人工智能·aigc·游戏开发
其实防守也摸鱼3 小时前
用 Claude Code 重构遗留系统:从评估到落地的完整指南
前端·网络·人工智能·chrome·安全·重构
泯泷3 小时前
当"孤独的开发者"成为常态,AI正在悄悄杀死那个我们熟悉的互联网
人工智能·chatgpt·llm
黑客笔记3 小时前
安全态势感知中的资产失陷排名思考
人工智能·算法·网络安全
用户2707059662594 小时前
Copilot平替方案怎么选:主流工具横向对比
人工智能