近日，杭叉智能研发团队运用自动驾驶和视觉识别技术，形成3D视觉目标检测解决方案，实现高位无货架堆叠难题的突破。该方案用户可轻松获得各应用场景下的目标检测模型，直接用于生产部署，切实满足企业的实际产业需求。

随着3D视觉技术的不断成熟，在生活中的应用越来越多，杭叉智能也着手利用3D视觉技术对无人叉车的进行不断优化。而自动驾驶和视觉识别的结合，更是达到了“1+1＞2”效果，使得智能叉车的应用场景和精准性再次拓展提升。此次3D视觉目标检测解决方案的实现，创新提供高位无货架堆叠解决方案，助力杭叉智能无人叉车向灵活化、精准化、现代化迈进一大步！

该方案通过对3D视觉目标检测、目标检测网络和RT深度推理计算框架的核心技术的运用，实现了智能叉车对精度、灵活性、实时性的严格要求。

3D视觉目标检测

3D视觉目标检测技术具有测量精度高、更具灵活性的优点，破除了2D信息深度数据易丢失的局限性，能更加完整的表达真实目标，在实际应用中具有可靠性更高、安全性更强等诸多优点。

相较而言，3D模型比2D模型有更强的描述能力，目标检测识别准确率大大提升，同时还能满足更复杂的被测物体条件。

目标检测网络

目标检测网络支持小目标检测、准确性高，加强对小目标物体的检测效果，突破现有目标检测技术中的小目标检测瓶颈，达到工业级应用要求。大大降低最小目标像素下限，使最低八个像素的小目标都可以学习到特征，有效提高物体识别的准确性。

RT深度推理计算框架

RT深度推理计算负责模型的推理过程，大大提升物体检测速度，在GPU模式下可提供10X乃至100X的加速。经实际测试， 端口TensorRt加速后可至90帧左右，物体识别检测时间从4S提高到1-2S，有效提升AGV工作效率，完成满足工业实时性要求。