基于合成数据的 pallet 检测与定位
计算机视觉与模式识别
2025-04-01 v1
摘要
全球仓储业正快速增长，市场规模预计将以年均 8.1% 的速度从 2024 年增长至 2030 年 [Grand View Research, 2021]。这一扩张导致对高效 pallet 检测与定位系统需求激增。尽管自动化可以显著简化仓储操作，但开发此类系统通常需要大量手动数据标注，典型计算机视觉项目平均需要 35 秒/图像。本文提出一种新方法，通过纯合成数据和从 pallet 侧脸中推导的几何特征来增强 pallet 检测与定位。通过在 Unity 中实现域随机化引擎，消除了耗时的手动标注需求，同时实现了高性能结果。该方法在真实世界数据集上实现了 0.995 的单 pallet 检测 mAP50。此外，在 5 米范围内，针对正面朝向的 pallet，实现了平均位置精度小于 4.2 cm 和平均旋转精度为 8.2{\deg}。
引用
@article{arxiv.2503.22965,
title = {Pallet Detection And Localisation From Synthetic Data},
author = {Henri Mueller and Yechan Kim and Trevor Gee and Mahla Nejati},
journal= {arXiv preprint arXiv:2503.22965},
year = {2025}
}
备注
10 pages, 9 images, 4 tables, submitted and accepted to ACRA 2024 (https://www.araa.asn.au/conference/acra-2024/)