别以为标定就是拍个棋盘格——我给物流机器人做视觉控制，栽在了这个“简单”步骤上
“不就是个分拣吗？”——我接手这个烂摊子时也这么想 上周，一个做中型物流分拣的老客户找到我，说他们新上的机器人分拣线“眼神不好”，抓取成功率只有可怜的67%，而且一到下午光线变化，机器就“瞎”得更厉害，效率直接掉一半。他们之前找的外包团队交了个半成品就跑了，留下一个跑在树莓派上、用OpenCV DN…
机器人视觉
机器人视觉系统部署与优化指南：2026年我把识别准确率从78%干到96%的五个关键步骤
上周差点因为78%的识别准确率丢掉物流大客户。经过两个月优化，我们最终将准确率提升到96%。这篇文章分享五个关键改进：从光照补偿的细节技巧，到RT-DETR模型选型，再到Jetson Orin的深度优化。每个方案都经过产线实战检验，包含可复用的代码片段和性能数据。
机器人视觉系统部署实战：2026年我把识别延迟从120ms干到28ms的七次迭代
给仓储分拣机器人做视觉系统升级时，客户要求把识别延迟从120ms压到25ms。经过七轮优化包括INT8量化、CUDA预处理、模型剪枝和多线程改造，最终稳定在28ms。过程中踩过的坑比成果更有价值：量化校准集必须包含极端光照、OpenCV的resize居然是性能黑洞、TensorRT多线程的内存泄漏…