面向工业仓库环境的半自动叉车学习式视觉系统
计算机视觉与模式识别
2025-11-11 v1
摘要
仓库物料搬运的自动化日益依赖于为叉车和自动导引车 (AGV) 提供稳健、低成本的感知系统。本文提出一种基于单摄像机的 pallet 与 pallet 孔检测及映射框架。我们利用 YOLOv8 和 YOLOv11 架构，并通过 Optuna 驱动的超参数优化和空间后处理进行增强。一种创新的pallet 孔映射模块将检测结果转换为可操作的空间表征，实现对叉车操作中 pallet 与 pallet 孔的精准关联。实验在包含真实仓库图像的自定义数据集上进行，结果表明YOLOv8 能实现高精度的 pallet 与 pallet 孔检测，而YOLOv11 在优化配置下尤其在精度和收敛稳定性方面表现更佳。该研究证明了一种低成本、可 retrofit 的叉车视觉感知模块的可行性。本study 提出了一种推广的方法，推动仓库自动化进程，促进更安全、经济且智能的物流运营。
引用
@article{arxiv.2511.06295,
title = {Learning-Based Vision Systems for Semi-Autonomous Forklift Operation in Industrial Warehouse Environments},
author = {Vamshika Sutar and Mahek Maheshwari and Archak Mittal},
journal= {arXiv preprint arXiv:2511.06295},
year = {2025}
}