> ## Documentation Index
> Fetch the complete documentation index at: https://docs.mrdvs.cn/llms.txt
> Use this file to discover all available pages before exploring further.
# 库位状态识别
> 挑战：在大多数已经应用了AGV的仓库中，依然存在人工堆放物品的情况，这会导致WMS系统无法实时判断每个库位的实际占用情况，进而造成WMS提供给AGV的信息不准确。如果已经被占据的库位不能及时被识别，AGV可能会收到错误指令，不仅降低了运行效率，还容易碰撞其他货物或设备，严重时甚至可能引发安全事…
## 背景介绍
挑战：在大多数已经应用了AGV的仓库中，依然存在人工堆放物品的情况，这会导致WMS系统无法实时判断每个库位的实际占用情况，进而造成WMS提供给AGV的信息不准确。如果已经被占据的库位不能及时被识别，AGV可能会收到错误指令，不仅降低了运行效率，还容易碰撞其他货物或设备，严重时甚至可能引发安全事故，危及人员和设备的安全。
库位状态识别系统因此应运而生，系统通过自动定位、数据实时同步、精确库存控制等功能，优化库位资源配置，减少人为失误，提升运营效率。
***
**常见的两种库位状态识别传感器的痛点：**
* 单点激光雷达传送的库位信息不够准确，容易造成堆放事故
部分仓库采用单点激光雷达进行库位检测，但这种测距雷达一次只能发射一束激光到物体表面形成一个点，可能会忽略纸箱或托盘之间的缝隙，导致误识别库位状态，进而引发堆放事故。
* 纯RGB相机校验方法单一，存在误判和信息缺失风险
采用RGB相机进行库位状态判定时，存在以下弊端：
* 深度学习检测目标时，训练集外的物体进入库位可能会导致误检，给出错误信息。
* 缺少货物高度信息，难以安排堆叠任务。
* 超广角鱼眼相机在库位判定中存在边缘畸变问题，影响模型训练与预测的准确性，并增加服务器成本。
***
## 解决方案概述
迈尔微视采用**RGB-D相机**，提供库位的三维数据与颜色信息，自动识别货物有无、摆放规范及异常占用，也可以通过3D视觉智能AI系统区分货物类别，输出到调度系统，实现智能出入库检测。相机内置算力，无需外部工控机。与此同时，迈尔微视提供库位状态识别软硬件一体解决方案，及专业的模型训练和部署指导等服务支持。
## 核心优势
* 全面监测：通过三维数据和颜色信息采集，结合AI技术，精准识别库位状态。
* 简易部署：库位状态识别算法置于相机端，降低部署与维护成本。
* 灵活通讯：支持TCP/IP、UDP、HTTP等多种通讯方式，以JSON格式实时上报数据至控制系统。
* 提升效率：实时传递库位信息，协助调度系统快速、准确地分配任务。
## 场景演示
库位状态识别场景演示
## 工作说明
> **相机选型建议：S10Pro**
> **相机安装方式**
固定式安装：相机安装到立柱或者顶棚上建议安装至需监控库位的正上方。
> **具体工作流程**
Step1：上层控制系统发送任务指令，3D视觉相机采集图像并准确获取指定的库位状态；
Step2：库位检测结果通过JSON上报上层系统，协助调度系统实现智能出入库管理。
通讯方式：TCP、UDP、 HTTP
> **部署注意事项**
应用环境：需要避免扬尘严重、会产生凝结水的恶劣环境；
安装要求：确保相机安装支架刚性及稳定性；
[库位检测部署手册](/developers/deployment/algorithm-detection "库位检测部署手册")
***