2. 仓储环境中的感知对象与需求分析

在智能仓储系统中，感知层并不是“装几个传感器”这么简单。它首先要回答一个基础问题：到底要感知什么。仓储现场同时存在托盘、料箱、货架、AGV/AMR、输送线、人员与叉车等多类对象，它们的材质、尺寸、运动方式、表面特征和检测目的差异很大。如果对象特征与检测需求没有对齐，就会出现“传感器选得很贵，但关键目标漏检”或“能检测到，但精度、节拍、环境适应性不满足”的问题。因此，本节从对象特征出发，逐类分析检测需求，并给出可落地的需求梳理方法。

一、按对象分类：先看“物理特征”，再看“检测目的”

仓储感知对象可以按三个维度快速归类：静态/动态、金属/非金属、规则/不规则。静态对象如货架、地面标识，主要关注位置与存在性；动态对象如AGV、叉车、人员，主要关注实时位置、速度与安全距离；规则对象如标准托盘、料箱，适合用几何特征做定位与识别；不规则对象如散件、软包，则更依赖轮廓或体积测量。

以托盘为例，常见木托盘、塑料托盘、金属托盘。木托盘表面粗糙、颜色不均，视觉检测时容易受纹理干扰；金属托盘反光强，激光雷达回波信号强但可能过曝。检测需求通常包括：托盘是否存在、托盘中心位置、托盘朝向、托盘上是否有货物、货物高度是否超限。若用于叉车自动插取，还需要检测托盘插孔位置，精度要求可达±10 mm以内。

料箱则更强调识别与定位。标准料箱尺寸固定，但堆叠后层间缝隙小，视觉容易混淆。检测需求包括：料箱编号识别（条码/二维码/RFID）、料箱在货架中的层位、料箱是否放偏、料箱内是否为空。对于高节拍输送线，料箱检测响应时间通常要求小于10 ms，否则会错过分拣窗口。

二、货架与输送线：结构感知与通过性检测

货架是仓储的“骨架”，感知需求集中在库位状态和结构安全。库位状态包括：有货/无货、货物是否超出库位边界、货物是否倾斜。结构安全包括：立柱是否被叉车碰撞变形、横梁是否移位。货架检测常用光电对射传感器做库位占用判断，用激光测距或视觉做货物轮廓检查。需要注意的是，货架金属结构对无线信号有遮挡，RFID在货架场景中容易串读，因此库位识别更推荐“光电+视觉”组合。

输送线是典型的连续流对象。检测需求包括：货物到达检测、货物排队检测、货物分拣触发、货物堵塞检测。输送线上常用漫反射光电、对射光电、光纤传感器和视觉相机。关键参数是检测距离、响应频率和最小可检测物。例如，输送线速度1.5 m/s，货物间距300 mm，则相邻货物到达时间间隔约200 ms，传感器响应时间必须远小于该值，否则会漏计。

三、AGV/AMR、人员与叉车：动态安全与协同感知

AGV/AMR的感知需求分为导航定位和安全避障。导航定位常用激光SLAM、二维码、反光板，精度要求±10 mm～±30 mm；安全避障常用激光雷达、超声波、3D相机，要求检测距离覆盖0～3 m，响应时间小于100 ms。AGV在货架通道内运行时，两侧余量可能只有100～200 mm，因此传感器视场角必须覆盖车身轮廓，不能有盲区。

人员和叉车属于高动态、高风险对象。人员检测需要区分“静止站立”和“行走穿越”，叉车则需要检测货叉高度、行驶方向、是否超速。安全区域通常划分为：警告区（减速）、危险区（停止）。以激光雷达为例，警告区可设为2 m，危险区设为0.8 m，响应时间小于50 ms。若现场有多个AGV和叉车混行，还需要考虑传感器互相干扰问题，例如多台激光雷达同时工作时，可通过时间同步或编码调制降低串扰。

四、从对象到需求：一张可填写的需求梳理表

实际项目中，建议用一张“对象—特征—检测量—精度—节拍—环境—输出”表来收敛需求。下面给出一个示例，参数为教学假设值，不是实测结果，可根据现场替换。

五、需求分析中的三个常见误区

误区一：只关注“能不能检测”，忽略“检测到什么程度”。例如，光电传感器能检测托盘有无，但无法给出托盘中心坐标；若后续需要自动插取，就必须补充视觉或激光测距。

误区二：忽略环境对感知的影响。仓库中常见粉尘、水汽、强光、金属反射、电磁干扰。木托盘在潮湿后颜色变深，视觉阈值需要动态调整；金属货架在激光雷达点云中会产生多路径反射，需要做滤波或限制安装角度。

误区三：把安全检测和过程检测混为一谈。安全检测必须满足安全等级（如PLd/Cat.3），响应时间、冗余和自诊断要求远高于普通过程检测。人员检测若用普通光电传感器，即使能触发，也不能替代安全激光扫描仪或安全雷达。

完成对象与需求分析后，下一步才是传感器选型与布点。本节的核心结论是：感知对象决定检测原理，检测需求决定性能指标，环境条件决定防护与融合策略。只有把这三者对齐，后续的系统设计才不会返工。