3D ToF智能相機能藉助飛時測距（Time of Flight；ToF）技術，在物流倉儲現場精準判斷貨物的擺放位置、方位、距離、角度等資料，確保人員、貨物與無人搬運車移動順暢，加速物流倉儲行業自動化。

2020年全球疫情爆發，隔離政策改變人們的消費模式與型態，導致電商與物流倉儲業出現爆炸性成長；於此同時，人員移動的管制，也間接造成人力不足產生缺工問題，加速物流倉儲行業自動化的進程，進而大量導入無人搬運車AGV（Automated Guided Vehicle）／AMR（Autonomous Mobile Robots），加以提升整體營運效率。

而如何精準判斷貨物擺放位置、偵測物體方位、距離、角度，提升倉儲運輸效率，同時確保人員、貨物與AGV/AMR在倉庫中移動順暢，避免碰撞導致意外發生，更是物流與倉儲行業自動化的重要課題。

物流倉儲業現行避障方案與其限制

一般的物流倉儲空間中，往往同時存放多樣的原物料、零件與成品，倉庫內也擺放不同種類、形式各異的棧板、貨架式儲運箱，以及不同高度的貨架。複雜的空間環境、AGV/AMR的運行以及與現場人員的行為，讓業者在進行物流倉儲管理時需考量更多的動態變化。

如何有效運用科技協助人員與AGV/AMR避開障礙物，維持場域運作順暢，是物流倉儲空間管理的重要環節。針對障礙物檢測、主動避障、防碰撞，現多採用磁條（magnetic tap）導引、雷射（laser scanner）、光達（LiDAR）、超音波（ultra-sonic）等技術，但由於倉儲場域的特殊環境條件，使上述技術在投入避障方案時依然有其限制；而傳統視覺系統則需要搭配其他深度測距工具，架構複雜無法簡化，安裝在自動叉車上也需要更多空間，實用也較為困難。

3D ToF智能相機技術與特色

針對前述行業現場的痛點，可透過深度感測技術產生3D影像，特別是飛時測距（Time of Flight；ToF）技術。其技術原理，是透過發射、接收紅外光譜中的特定頻率光，記錄其光從物體反射的時間與速度，藉此計算距離。有別於一般工業相機，3D ToF智能相機是由紅外線發射器、光學鏡頭、深度感光元件與運算控制系統所組成，光機一體式設計節省空間、易於安裝，適合對安裝空間有高度限制要求的應用。

台達3D ToF智能相機DMV-T系列（圖1）採用Sony DepthSense感光元件，拍攝距離可達6公尺，提供每秒60張廣角高速動態取像，並可在極短的時間內接收與更新3D影像資訊。內建高效低耗能ARM處理器，可於相機中先進行部分圖像運算，並以0.1秒的速度提供偏移校正與補償。該系列支援GenICam通用標準介面，使用者未來若有擴充整合需求時將更具相容性與彈性。

圖1 : 台達3D ToF智能相機 DMV-T系列適用於距離偵測與避障

軟硬整合實踐倉儲管理自動化與智能化

在物流倉儲實務上，自動叉車在搬運時順暢不停頓，是提高效率的重要指標。台達自主開發的視覺軟體DIAVision，內建視覺函式庫，支援多種架構模式，與DMV-T系列搭配使用，可進行進階之量測、定位、檢測、辨識比對等多種工作。

圖2、圖3顯示DMV-T安裝於自動叉車時，可藉由高速取像測距，取得棧板或貨架XYZ座標與中心位置，透過DIAVision軟體辨識叉取面與自動叉車相對的角度差，及時補正自動叉車叉取面位置，並引導自動叉車到棧板前方，補正兩者相對位置與高度，完成取料動作，達到動態拍攝、即時引導補正之運作。

圖2 : 多棧板點雲圖。未使用堆疊存放的棧板因為尺寸與材質各異，位置偏移，每層皆有不同視覺特徵，透過DMV-T搭配DIAVision取像辨識，讓叉車升高至正確位置。

圖3 : 貨架點雲圖。DMV-T系列清晰成像可加速DIAVision判斷貨物的有無、深度、位置偏移，快速校正叉車跟貨架的相對位置，保障取放物件順暢。

自動叉車行進間若遇到人員或是障礙物，可透過DMV-T內建的處理器搭配DIAVision預先設定的避障區域，即時比對與檢測辨識，適時讓自動叉車減速，做到主動避障。如圖4、圖5所示。

圖4 : DMV-T系列可搭配DIAVision，在6公尺範圍內設定避障區域，進行自動避障檢測。

圖5 : 一旦DMV-T在設定距離內發現障礙，即可觸發警報，AGV亦會減速或停止，待障礙離開或排除後再恢復正常運作。

DIAVision操作介面友善且直覺，讓倉儲現場操作人員無須具備程式編輯能力，即可透過拖放（drag & drop）的方式輕鬆編輯流程運行時之使用者畫面，並可透過電腦遠端管理、記錄與分析各項運行狀況，強化管理效率。DIAVision支援第三方程式整合開發，可讓使用者加入自行開發的應用項目，符合個別使用需求。

台達3D ToF智能相機DMV-T系列採用標準化通訊介面，能降低系統整合的門檻，易於快速導入與優化；強大的運算校正能力搭配DIAVision軟體可適應不同的應用場景；還可透過深度學習累積影像資訊，使量測定位更精準，提升整體方案的價值與效率，真正實現物流倉儲系統自動化的目標。