Launch HN: Transload (YC P26) – 通过监控摄像头自动测量货运物品尺寸

Hi HN — 我们是 Julius、Jago 和 Nils，正在打造 Transload（transload.io）。<p>Transload 帮助零担（LTL）卡车公司利用其仓库中已有的安防摄像头测量货物尺寸。不需要将货物送到专用的测量站，我们可以在它们正常经过卸货作业流程时自动完成测量。<p>我们在这里准备了一个 HN 专属的演示站点：<a href="https:&#x2F;&#x2F;hn.transload.io&#x2F;">https:&#x2F;&#x2F;hn.transload.io&#x2F;</a><p>在零担运输领域，尺寸至关重要，因为它影响定价、货物分类和挂车利用率。如果货物实际尺寸比发货方申报的大，承运商可能在付出相同挂车空间的同时少收费用。明显的解决办法是测量每一件货物，但在繁忙的货运站中这却出奇地困难。专用测量系统可以测量经过它的货物，但会增加叉车行驶距离、造成卸货口拥堵，并改变正常的工作流。实际操作中，许多转运站只对部分货物进行抽样测量。<p>Jago 通过其家族的零担运输和交叉转运业务，对这个行业非常熟悉。我们并非一开始就做货物尺寸测量。我们的第一个想法是开发一个 AI 系统，用于优化交叉转运站内的叉车路线。但在与客户交流并与 50 多家卡车公司沟通后，我们发现人们反复提到的问题并不是叉车路线，而是货物尺寸。<p>与此同时，我们也看到空间 AI 正在快速进步。单目度量深度估计已经变得极其准确，使得仅凭普通摄像头画面就能恢复精确的 3D 结构，而无需昂贵的 LiDAR 传感器。MapAnything（<a href="https:&#x2F;&#x2F;github.com&#x2F;facebookresearch&#x2F;map-anything" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;facebookresearch&#x2F;map-anything</a>）和 MoGe（<a href="https:&#x2F;&#x2F;github.com&#x2F;microsoft&#x2F;moge" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;microsoft&#x2F;moge</a>）就是两个例子。<p>货运站还具备一些有利结构：固定的摄像头、重复的工作流程、条码扫描时间戳以及已知的布局。几乎每个仓库都已经安装了监控系统。这引出了我们一个简单的问题：如果可以利用现有的安防摄像头在后台自动测量货物尺寸，会怎样？这样一来，承运商就能在不改变卸货流程的情况下测量每一件货物。<p>我们的系统主要有两步：将条码扫描结果与视频中的正确物体关联起来，然后估计该物体在现实世界中的尺寸。<p>卸货工人作为正常工作流程的一部分，已经会扫描货物。每次扫描都会给我们一个时间戳和一个处理单元 ID。围绕这个时间戳，我们分析视频，推断哪位工人进行了扫描以及扫描的是哪件货物。我们曾期望通过视觉语言模型（VLM）来处理，但它们过于不可靠。于是我们训练了自己的模型，利用目光、身体朝向和运动等线索在 3D 空间中进行推理。<p>这个关联步骤至关重要。一帧画面里可能包含数十个托盘、几名工人、叉车以及部分遮挡的货物。如果扫描结果关联到了错误的物体，测量就毫无意义。<p>一旦我们确定了目标货物，就将其分割出来，并从单目摄像头视角估计出一个度量的 3D 边界框。框拟合完成后，尺寸就一目了然：长、宽、高和体积可以直接得出。<p>难点在于仅凭一个普通安防摄像头精确拟合出这个边界框。一张 2D 图像并不能直接告诉你物体的形状或尺度，而且许多不同的 3D 盒子都可以解释类似的图像证据。我们利用物体掩膜、可见边缘、地面接触点、摄像头几何以及转运站的约束条件，来找到与场景最匹配的 3D 盒子。<p>我们目前正与几家零担承运商合作。对一家客户而言，约 10% 的已检货物存在尺寸误差。首要应用场景是营收恢复：识别尺寸偏小的货物，附着视觉证据，帮助承运商修正计费或分类。长远来看，同样的数据还能帮助承运商更好地了解挂车利用率。<p>零担货运是一个不太常见的计算机视觉应用场景，我们每周都能学到新东西。如果您在单目重建、3D 物体检测、仓库感知或混乱的真实世界计算机视觉方面有经验，我们非常希望听听您的见解。关于货运、零担转运站或技术方法的问题也非常欢迎。