> ## Documentation Index > Fetch the complete documentation index at: https://docs.mrdvs.com/llms.txt > Use this file to discover all available pages before exploring further. # 智能叉车托盘识别 > 使用 ToF 深度相机和托盘识别算法输出托盘的三维位置与姿态，辅助智能叉车完成对接。 SmartDocking 托盘对接算法识别托盘入叉面，输出入叉参考位置、姿态和定位状态，为无人叉车取放货提供视觉信息。通过 [AW3 应用算法平台](https://docs.mrdvs.com/solutions/aw3.md)完成设备接入、授权、配置和通信，车辆控制系统负责目标选择、运动与安全控制。 **仓储托盘取放** ![仓储托盘取放 · 中文白皮书场景图](https://mintcdn.com/mrdvs/cqU6KT8A2O5IAc3w/images/optimized/algorithms/whitepapers/pallet-warehouse-scene-zh.webp?fit=max\&auto=format\&n=cqU6KT8A2O5IAc3w\&q=85\&s=38e2bd8a7aeb3be2bd69a5ccb3ea2da6) 仓储托盘取放 · 中文白皮书场景图 **产线托盘交接** ![产线托盘交接 · 中文白皮书场景图](https://mintcdn.com/mrdvs/cqU6KT8A2O5IAc3w/images/optimized/algorithms/whitepapers/pallet-production-scene-zh.webp?fit=max\&auto=format\&n=cqU6KT8A2O5IAc3w\&q=85\&s=15e6d442a839f6aa7a090e4e5921ec2d) 产线托盘交接 · 中文白皮书场景图 **潜伏式叉车搬运** ![潜伏式叉车搬运 · 中文白皮书场景图](https://mintcdn.com/mrdvs/cqU6KT8A2O5IAc3w/images/optimized/algorithms/whitepapers/pallet-under-ride-scene-zh.webp?fit=max\&auto=format\&n=cqU6KT8A2O5IAc3w\&q=85\&s=868afd1e31aa9817fc09c39e776b2993) 潜伏式叉车搬运 · 中文白皮书场景图 ## 适用用户与场景 面向无人叉车厂商、移动机器人开发团队和仓储自动化集成商，用于托盘取放前的视觉定位。 ![仓储取放、产线交接与潜伏式叉车搬运 · 中文白皮书 V0.1](https://mintcdn.com/mrdvs/cqU6KT8A2O5IAc3w/images/optimized/algorithms/whitepapers/pallet-applications-zh.webp?fit=max\&auto=format\&n=cqU6KT8A2O5IAc3w\&q=85\&s=80ef7b3c50a7ca466b1dc6bad6a22ecf) 仓储取放、产线交接与潜伏式叉车搬运 · 中文白皮书 V0.1 ## 工作方式 ![两种识别方式与共同的三维定位输出 · 中文白皮书 V0.1](https://mintcdn.com/mrdvs/cqU6KT8A2O5IAc3w/images/optimized/algorithms/whitepapers/pallet-principle-zh.webp?fit=max\&auto=format\&n=cqU6KT8A2O5IAc3w\&q=85\&s=b64e58a0e145262c2e7bb7eeb21aea00) 两种识别方式与共同的三维定位输出 · 中文白皮书 V0.1 | 方式 | 配置重点 | 适用能力 | | - | - | - | | 2D 图像模型结合深度 | 采集现场样本，训练并验证模型 | 通过深度点云定位；支持入叉面下横梁 Closed / Open 分类 | | 纯 3D | 配置托盘模板，完成近远标定 | 按腿数、尺寸与结构定位；可按配置判断空载或有载 | 两种方式分别配置和验证，2D 失败后不会自动切换至纯 3D。负载判断不提供重量结果。 ### 输出结果 | 字段 | 含义 | | - | - | | X、Y、Z | 入叉参考点位置，单位 mm | | Roll、Yaw | 有效姿态角，单位度；Pitch 固定为零，不是有效测量结果 | | 定位状态与数量 | 确认当前结果有效后，再由车辆系统选择和使用目标 | ## 性能与适用条件 ![识别距离上限，适用于 2D 与纯 3D · 中文白皮书 V0.1](https://mintcdn.com/mrdvs/cqU6KT8A2O5IAc3w/images/optimized/algorithms/whitepapers/pallet-performance-zh.webp?fit=max\&auto=format\&n=cqU6KT8A2O5IAc3w\&q=85\&s=6deb1074908826804df0ba4fd63b99ca) 识别距离上限，适用于 2D 与纯 3D · 中文白皮书 V0.1 | 配置或条件 | 使用要求 | | - | - | | S11 + 外置 RK3588 | 白皮书列出的识别距离上限为 1.8 m | | M4 Mega 内置算力 | 白皮书列出的识别距离上限为 3.0 m | | 托盘结构 | 按模型或模板支持两腿、三腿、四腿；纯 3D 近远标定使用三腿托盘 | | 材质与视野 | 反光表面不适用；黑色托盘需实物测试；最近距离取决于托盘尺寸、类型和视野 | | 项目验收 | 验证定位误差、重复性、识别效果和完整检测节拍，覆盖载荷、背景与偏角变化 | > [!NOTE] > > 以上距离是方案上限，实际可用范围需现场验证。识别存在处理延迟，不用于实时运动反馈；车辆端需检查状态与时效，超时不沿用旧结果。 ## 使用流程 安装 **AW3 前端**，不勾选 AW3 后端；按设备交付配置安装 SmartDocking 设备端固件包。随后按所选定位方式完成配置。 ![2D 与纯 3D 的部署步骤 · 中文白皮书 V0.1](https://mintcdn.com/mrdvs/cqU6KT8A2O5IAc3w/images/optimized/algorithms/whitepapers/pallet-workflow-zh.webp?fit=max\&auto=format\&n=cqU6KT8A2O5IAc3w\&q=85\&s=2d221b91256f44dc0b950cab2191eb2e) 2D 与纯 3D 的部署步骤 · 中文白皮书 V0.1 联调时核对 XYZ、Roll、Yaw、单位、目标数量和结果更新；同时验证无托盘、无效结果、断线与恢复时的车辆处理逻辑。 ## 识别效果与应用演示 以下保留原知识社区的 PalletPro 图片与视频，用于了解应用形式；界面和测试结果不代表当前 AW3 版本的通用性能。 ![双托盘识别深度图](https://mintcdn.com/mrdvs/TdShDuTINUEOVCXn/images/solutions/warehouse-pallet-recognition-recognize-image.avif?fit=max\&auto=format\&n=TdShDuTINUEOVCXn\&q=85\&s=49f1dff2099b215a1b1baa4488ee8a38) ![多托盘识别点云图](https://mintcdn.com/mrdvs/TdShDuTINUEOVCXn/images/solutions/warehouse-pallet-recognition-related-to-recognition-image-2.avif?fit=max\&auto=format\&n=TdShDuTINUEOVCXn\&q=85\&s=27c604f3f8ff98c02252fb0122a0d8fe) ![PalletPro 托盘识别结果](https://mintcdn.com/mrdvs/TdShDuTINUEOVCXn/images/solutions/warehouse-pallet-recognition-recognition-image-3.avif?fit=max\&auto=format\&n=TdShDuTINUEOVCXn\&q=85\&s=31042318a3f76a70a88090a51920fee0) ### 演示与测试视频