BR102020017345A2

BR102020017345A2 - Método implementado por computador, veículo de trabalho automotriz, e, sistema compreendendo uma rede de servidor

Info

Publication number: BR102020017345A2
Application number: BR102020017345-6A
Authority: BR
Inventors: Stewart J. Moorehead; Mark J. Cherney
Original assignee: Deere & Company
Priority date: 2019-10-28
Filing date: 2020-08-25
Publication date: 2021-08-17
Also published as: US20210124364A1; DE102020211561A1; US11320830B2; CN112799392A

Abstract

método implementado por computador, veículo de trabalho automotriz, e, sistema compreendendo uma rede de servidor. sistemas e métodos descritos aqui proveem suporte de decisão probabilística relativa a obstáculos detectados em uma área de trabalho. conjuntos de dados em tempo real são coletados de sensores de obstáculo associados com pelo menos um veículo de trabalho autopropulsor, correspondente à presença/ausência detectada de obstáculos em dadas localizações na área de trabalho. os conjuntos de dados em tempo real recebidos são integrados em armazenamento de dados compreendendo conjuntos de dados a priori correspondentes à área de trabalho, para gerar um ou mais novos conjuntos de dados a priori. probabilidades são determinadas para a presença ou ausência detectada do obstáculo, e para cada uma dentre uma ou mais categorias de obstáculo, com base no conjunto de dados em tempo real recebidos e pelo menos um conjunto de dados a priori correspondentes à localização do veículo de trabalho. uma saída correspondente a pelo menos uma mais provável das probabilidades determinadas é gerada como realimentação a uma interface de usuário, e/ou unidades de controle de máquina relevantes.

Description

MÉTODO IMPLEMENTADO POR COMPUTADOR, VEÍCULO DE TRABALHO AUTOMOTRIZ, E, SISTEMA COMPREENDENDO UMA REDE DE SERVIDOR

CAMPO DA DESCRIÇÃO

[001] A presente descrição se refere a veículos autopropulsores tais como máquinas de trabalho tendo sistemas de detecção de obstáculo internos e, mais particularmente, a sistemas e métodos para suplementar detecção de obstáculo convencional com suporte de decisão probabilística baseado no desenvolvimento de conhecimento a priori e estimativa.

FUNDAMENTOS

[002] Máquinas de trabalho discutidas aqui podem, por exemplo, incluir máquinas escavadoras, carregadeiras, e outro equipamento que modifica o terreno ou ambiente de trabalho equivalente de alguma maneira. Essas máquinas podem ter unidades de engate no chão com esteiras ou rodas que apoiam a subestrutura na superfície do chão, e podem adicionalmente incluir um ou mais implementos de trabalho que são usados para modificar o terreno em coordenação com o movimento da máquina. Várias situações surgem com tais máquinas onde o operador humano precisa controlar os movimentos da posição da máquina e/ou as posições relativas dos implementos de trabalho com base em obstáculos detectados na área de trabalho, que podem ou não estar visíveis ao operador.

[003] Sistemas de detecção de obstáculo são convencionalmente conhecidos para prover realimentação ao operador relativa a obstáculos detectados na área de trabalho. Durante a criação de um sistema de detecção de obstáculo, é vantajoso ter um sistema que possa distinguir diferentes tipos de objetos (por exemplo, obstáculos móveis ou transientes tais como pessoas ou veículos, ou obstáculos fixos tais como estruturas ou material), uma vez que o sistema pode querer reagir diferentemente a diferentes tipos de objetos no ambiente. Dessa forma, é também desejável detectar precisamente essas diferentes classes de objeto, de maneira tal que o sistema não detecte um objeto que de fato não esteja presente, ou deixe de detectar o objeto presente, ou ainda adicionalmente atribuir uma classificação incorreta a um objeto que resulta em uma resposta inadequada pelo operador humano ou sistema de controle de máquina automático.

SUMÁRIO DA DESCRIÇÃO

[004] A presente descrição provê melhorias na coleta e implementação de dados correspondentes a ações de máquina de trabalho com o tempo para melhorar a detecção de obstáculo e resultados de classificação.

[005] Em uma modalidade, o método de suporte de decisão probabilística relativo a obstáculos detectados em uma área de trabalho compreende: prover armazenamento de dados compreendendo um ou mais conjuntos de dados a priori correspondentes à área de trabalho; receber conjuntos de dados em tempo real de um ou mais sensores de obstáculo associados com pelo menos um veículo de trabalho autopropulsor, os conjuntos de dados em tempo real correspondendo a uma presença ou ausência detectada de um obstáculo em uma dada localização na área de trabalho; determinar probabilidades para a presença ou ausência detectada do obstáculo, e, para cada um dentre uma ou mais categorias de obstáculo, com base no conjunto de dados em tempo real recebido e um conjunto de dados a priori correspondente à dada localização como um subconjunto de um ou mais conjuntos de dados a priori correspondentes à área de trabalho, e gerar uma saída correspondente a pelo menos à mais provável das probabilidades determinadas.

[006] Uma outra modalidade do método pode compreender adicionalmente integrar os conjuntos de dados em tempo real recebidos em armazenamento de dados compreendendo conjuntos de dados a priori correspondentes à área de trabalho, para gerar um ou mais novos conjuntos de dados a priori.

[007] Uma outra modalidade do método pode compreender adicionalmente monitorar movimentos de um ou mais componentes de veículo de trabalho móveis compreendendo pelo menos um dos implementos de trabalho, e atualizar um ou mais dentre um ou mais conjuntos de dados a priori com dados que categorizam um obstáculo na localização na área de trabalho com base na sequência predeterminada de movimento para um ou mais componentes de veículo de trabalho.

[008] Em uma outra modalidade exemplificativa do método, para atualizar um ou mais dentre um ou mais conjuntos de dados a priori, um primeiro obstáculo é categorizado com base em uma primeiro sequência predeterminada de movimento, um segundo obstáculo é categorizado com base na segunda sequência predeterminada de movimento, e a rota de veículo de trabalho é adicionalmente categorizada entre os primeiro e segundo obstáculos. Com base em uma tarefa de trabalho especificada, um ou mais dentre o primeiro obstáculo e o segundo obstáculo pode ser categorizado tanto como um obstáculo transiente quanto um obstáculo permanente.

[009] Uma outra modalidade do método pode compreender adicionalmente predizer a rota de veículo de trabalho com base em movimento de veículo monitorado. Uma área de detecção de obstáculo pode adicionalmente ser definida como um subconjunto da área de trabalho correspondente à rota de veículo de trabalho predita. Recuperação e processamento de dados a priori podem ser dinamicamente limitados com relação ao subconjunto do armazenamento de dados com base na área de detecção de obstáculo definida.

[0010] Uma outra modalidade do método pode compreender adicionalmente, para rotas de veículo de trabalho preditas e previamente percorridas que faltam a categorização de obstáculo permanente, restringir determinação subsequente de probabilidades da presença ou ausência detectada do obstáculo apenas a obstáculos transientes.

[0011] Em uma modalidade, a saída pode ser provida a uma interface de usuário localizada em ou sobre o veículo de trabalho; e/ou um dispositivo de computação de usuário. Um ou mais obstáculos preditos e categorias associadas na interface de usuário podem em algumas modalidades ser salientados com base na saída. Uma ou mais ferramentas de suporte de usuário ou controles manipuláveis pelo usuário podem em algumas modalidades ser salientadas com base na saída, para alertar ou facilitar a regulagem manual de componentes de veículo de trabalho como, por exemplo, pode compreender ou de outra forma ser integradas com um sistema de desvio ou transposição de colisão de obstáculo.

[0012] Em uma modalidade, a saída pode incluir pelo menos um sinal de controle provido à unidade de controle de direção de veículo, um veículo unidade de controle de posicionamento de implemento e/ou uma unidade de controle de acionamento de veículo, para regulagem automática de componentes de veículo de trabalho associados como, por exemplo, pode compreender ou senão ser integrado com um sistema de desvio ou transposição de colisão de obstáculo.

[0013] Controle de máquina de trabalho manual e automático com base em obstáculos detectados como aqui discutido é conhecido na técnica, e estrutura e metodologia de controle convencional pode ser implementada, mas não é necessariamente descrita adicionalmente no contexto da presente invenção. Os sistema e método descritos aqui suplementam, complementam ou senão proveem realimentação adicional e valiosa como parte de um sistema de detecção de obstáculo, quer para suporte de decisão de operador quer para transposição automático de obstáculo, ou, em outras palavras, independentemente da resposta de controle, a menos que de outra forma declarado. A geração e implementação de dados a priori permite que um sistema de detecção de obstáculo determinar mais seguramente probabilidades correspondentes, por exemplo, se um obstáculo está realmente presente e/ou qual tipo de obstáculo mais provavelmente estará presente onde aplicável, de maneira tal que a resposta pode ser adequada corretamente e não totalmente sujeita como na técnica anterior às incertezas inerentes ao aparelho de sensoreamento de obstáculo e condições operacionais particulares.

[0014] Em uma modalidade, qualquer um dos métodos supramencionados pode ser realizado por meio de um veículo de trabalho autopropulsor tendo um ou mais implementos de trabalho para trabalhar em um terreno, um ou mais sensores de obstáculo, armazenamento de dados compreendendo um ou mais conjuntos de dados a priori correspondentes à área de trabalho, e um controlador comunicativamente ligado a um ou mais implementos de trabalho, a um ou mais sensores de obstáculo, e ao armazenamento de dados.

[0015] Em uma modalidade, qualquer dos métodos supramencionados pode ser realizado por meio de um sistema compreendendo a rede de servidor comunicativamente ligada a uma pluralidade de veículos autopropulsores, cada um dos veículos autopropulsores compreendendo pelo menos um implemento de trabalho para trabalhar em um terreno e um ou mais sensores de obstáculo, e armazenamento de dados compreendendo um ou mais conjuntos de dados a priori correspondentes a uma área de trabalho, em que, por exemplo, o respectivo método é executado com relação a cada um dos veículos autopropulsores localizados na área de trabalho.

[0016] Inúmeros objetos, recursos e vantagens das modalidades apresentadas aqui ficarão facilmente aparentes aos versados na técnica mediante leitura da descrição seguinte quando considerada em combinação com os desenhos anexos.

BREVE DESCRIÇÃO DOS DESENHOS

[0017] A Fig. 1 é uma vista em elevação lateral do escavador de esteira como uma máquina de trabalho incorporando uma modalidade de um sistema como descrito aqui.

[0018] A Fig. 2 é um diagrama de blocos representando um sistema de controle exemplificativo para a máquina de trabalho da Fig. 1.

[0019] A Fig. 3 é uma vista esquemática de topo de uma área de trabalho exemplificativa incluindo obstáculos e uma máquina de trabalho.

[0020] A Fig. 4 é um diagrama gráfico representando uma modalidade de um sistema distribuído como descrito aqui.

[0021] A Fig. 5 é um fluxograma representando uma modalidade exemplificativa de um método como descrito aqui.

DESCRIÇÃO DETALHADA

[0022] Referindo-se agora aos desenhos, e particularmente à Fig. 1, um veículo de trabalho representativo é mostrado e designado no geral pelo número 100. A Fig. 1 mostra a máquina escavadeira de esteira 100. Os sistemas descritos aqui são aplicáveis a veículos, máquinas escavadoras, carregadeiras similares ou senão equivalente, e outras máquinas de trabalho do tipo que tem um ou mais implementos de trabalho 102 para modificar o terreno próximo. Em certas modalidades, sistemas e métodos descritos aqui podem também ser aplicáveis a veículos que não têm implementos de trabalho explícitos. Veículos de trabalho como os discutidos aqui podem tipicamente ter unidades de engate no chão com esteiras ou rodas que suportam a subestrutura na superfície do chão.

[0023] A máquina de trabalho ilustrada e exemplificativa 100 inclui uma subestrutura 122 incluindo um ou mais unidades de engate no chão com esteira ou rodas 124 e pelo menos um motor de deslocamento para acionar as respectivas unidades de engate no chão. A armação principal 132 é suportada pela subestrutura 122 por meio de um mancal oscilante 134 de maneira tal que a armação principal 132 é pivotável em torno de um eixo geométrico pivô 136 em relação à subestrutura. O eixo geométrico pivô 136 é substancialmente vertical quando a superfície do chão 138 engatada pelas unidades de engate no chão 124 é substancialmente horizontal. Um motor oscilante é configurado para pivotar a armação principal 132 no mancal oscilante 134 em torno do eixo geométrico pivô 136 em relação à subestrutura 122.

[0024] Uma máquina de trabalho descrita aqui tipicamente inclui um ou mais implementos de trabalho 102 que, como ilustrado, por exemplo, na Figura 1, podem coletivamente definir um conjunto de lança incluindo uma lança 144, um braço 146 conectado a pivô à lança 144, e uma ferramenta de trabalho 148. A lança 144 no presente exemplo é afixada a pivô à armação principal 132 para pivotar em torno de um eixo geométrico no geral horizontal em relação à armação principal 132. A ferramenta de trabalho nessa modalidade é uma pá ou caçamba escavadora frontal 148 que é conectada a pivô ao braço 146. O conjunto de lança 102 se estende da armação principal 132 ao longo de uma direção de trabalho do conjunto de lança. A direção de trabalho pode também ser descrita como a direção de trabalho da lança.

[0025] Uma cabina de operador pode ser localizada na armação principal 132. A cabina de operador e um ou mais implementos de trabalho 102 podem ambos ser montados na armação principal de maneira que a cabina de operador fique voltada na direção de trabalho dos implementos de trabalho. Uma estação de controle incluindo uma interface de usuário 114 pode ser localizada na cabina de operador.

[0026] Como ilustrado esquematicamente na Fig. 2, a máquina de trabalho 100 inclui um sistema de controle incluindo um controlador 112. O controlador pode ser parte do sistema de controle de máquina da máquina de trabalho, ou pode ser um módulo de controle separado. O controlador pode incluir a interface de usuário 114 e opcionalmente ser montado na cabina do operador em um painel de controle.

[0027] O controlador 112 é configurado para receber sinais de entrada de alguns ou todos os vários sensores que definem coletivamente um sistema de sensor 104. Certos desses sensores podem ser providos para detectar condições operacionais ou posicionamento da máquina, incluindo, por exemplo, um sensor de orientação, sensores de sistema de posicionamento global (GPS), sensores de velocidade de veículo, sensores de posicionamento de implemento de veículo, e similares, e ao passo que um ou mais desses sensores podem ser de natureza discreta e o sistema de sensor pode referir adicionalmente a sinais providos pelo sistema de controle de máquina.

[0028] Outros sensores no sistema de sensor 104 mais particularmente se referem a um grupo de sensores referidos aqui como sensores de obstáculo 104. Vários exemplos de sensores de obstáculo são convencionalmente conhecidos e podem incluir escâneres laser, sensores térmicos, dispositivos de formação de imagem, sensores de luz estruturados, sensores ultrassônicos, e outros sensores ópticos. Os tipos e combinações de sensores de obstáculo podem variar de acordo com o tipo de máquina de trabalho, área de trabalho e/ou aplicação, mas no geral são providos e configurados para otimizar o reconhecimento de obstáculos em um trajeto de trabalho do veículo.

[0029] O controlador 112 pode tipicamente produzir uma saída relativa à detecção e classificação de obstáculo, como descrito adicionalmente a seguir, para a interface de usuário 114 para exibição ao operador humano. O controlador pode adicionalmente ou alternativamente gerar sinais de controle para controlar a operação dos respectivos acionadores, ou sinais para controle indireto por meio de unidades de controle intermediárias, associados com um sistema de controle de direção de máquina 126, um sistema de controle de implemento de máquina 128 e um sistema de controle de acionamento de máquina 130.

[0030] O controlador 112 inclui ou pode ser associado com um processador 150, uma mídia legível por computador 152, uma unidade de comunicação 154, armazenamento de dados 156 tal como, por exemplo, uma rede de base de dados, e a interface de usuário supramencionada 114 ou painel de controle 114 tendo um monitor 118. Um dispositivo de entrada/saída 116, tais como um teclado, manete de jogos ou outra ferramenta de interface de usuário, é provido de forma que o operador humano possa entrar com instruções no controlador. Deve-se entender que o controlador descrito aqui pode ser um único controlador tendo toda a funcionalidade descrita, ou pode incluir múltiplos controladores em que a funcionalidade descrita é distribuída dentre os múltiplos controladores.

[0031] Várias operações, etapas ou algoritmos descritos relativos ao controlador 112 podem ser concebidos diretamente em hardware, em um produto programa de computador tal como um módulo de software executado pelo processador 150, ou em uma combinação dos dois. O produto programa de computador pode residir em memória RAM, memória flash, memória ROM, memória EPROM, memória EEPROM, registros, disco rígido, um disco removível, ou qualquer outra forma de mídia legível por computador 152 conhecida na técnica. Uma mídia legível por computador exemplificativa pode ser acoplada ao processador de maneira tal que o processador possa ler informação, e gravar informação na memória/mídia de armazenamento. Na alternativa, a mídia pode ser integral com o processador. O processador e a mídia podem residir em um circuito integrado específico da aplicação (ASIC). O ASIC pode residir em um terminal de usuário. Na alternativa, o processador e a mídia podem residir como componentes discretos em um terminal de usuário.

[0032] O termo “processador” na forma aqui usada pode se referir a pelo menos dispositivos de processamento e/ou lógica de uso geral ou uso específico como pode ser entendido por versados na técnica, incluindo, mas não se limitando a um microprocessador, um microcontrolador, uma máquina de estado, e similares. Um processador pode também ser implementado como uma combinação de dispositivos de computação, por exemplo, uma combinação de um DSP e um microprocessador, uma pluralidade de microprocessadores, um ou mais microprocessadores em combinação com um núcleo de DSP, ou qualquer outra tal configuração.

[0033] A unidade de comunicação 154 pode suportar ou prover comunicações entre o controlador e sistemas ou dispositivos externos, e/ou suportar ou prover interface de comunicação com relação a componentes internos da máquina de trabalho. A unidade de comunicações pode incluir componentes de sistema de comunicação sem fio (por exemplo, por meio de modem celular, WiFi, Bluetooth ou similares) e/ou pode incluir um ou mais terminais de comunicações sem fio tais como portas de barramento serial universal.

[0034] O armazenamento de dados 156 adicionalmente descrito a seguir pode ser configurado para pelo menos receber e armazenar conjuntos de dados em tempo real 158 e conjuntos de dados a prior 160 em forma seletivamente recuperável. O armazenamento de dados como discutido aqui pode, a menos que de outra forma declarado, no geral englobar hardware tais como dispositivos de armazenamento voláteis ou não voláteis, unidades, memória, ou outras mídias de armazenamento, bem como uma ou mais bases de dados residentes no mesmo.

[0035] Referindo-se no geral às Figs. 1 a 4, modos de operação exemplificativos podem ser adicionalmente descritos com relação à máquina de trabalho supramencionada. Como previamente notado, sensores, algoritmos e controles detecção de obstáculo são convencionalmente conhecidos, mas pode frequentemente ser difícil distinguir confiavelmente um sinal de detecção de obstáculo apropriado do ruído característicos de operações de trabalho típicas. Um sistema de detecção de obstáculo ideal não apenas seria capaz de detectar precisamente a presença ou ausência de um objeto no trajeto de trabalho (real ou projetado) da máquina, mas também distinguir diferentes tipos de objetos (por exemplo, pessoas, veículos, estruturas) e prover realimentação apropriada.

[0036] Modalidades de um sistema e método de suporte de decisão como descrito aqui podem detectar mais precisamente a presença de um objeto e atribuir ao mesmo precisamente uma categoria ou classificação pelo uso desenvolvimento de conhecimento de “anterior” ou a priori. Um conjunto de dados a priori nesse contexto pode se referir no geral a informação que o sistema coletou, gerou e/ou derivou, antes de realizar a classificação, com relação à probabilidade de que um objeto de uma certa classe esteja presente em uma certa localização. Pode-se perceber que a melhoria da precisão desses anteriores com o tempo pode também melhorar significativamente o desempenho da classificação.

[0037] Conjuntos de dados a priori podem adicionalmente ser gerados como correspondentes a uma área de trabalho, ou ambiente operacional, para as máquinas de trabalho. A área de trabalho em um exemplo pode ser predeterminada, tal como, por exemplo, por meio de contornos, configurações e similares definidos. Alternativamente, a área de trabalho pode ser definida no geral com relação a uma localização de máquina de trabalho específica, tal como um área circundante e dentro de uma certa distância da máquina de trabalho. Em certas modalidades, o sistema pode correspondentemente gerar conjuntos de dados a priori com relação à área de trabalho específica que pode ser percorrida por múltiplas máquinas de trabalho, ou conjuntos de dados a priori podem ser gerados com relação à dada localização fixa que pode ser posteriormente classificada como uma área de trabalho para uma dada máquina de trabalho com base em sua posição detectada.

[0038] Como aqui notado, máquinas de trabalho podem tipicamente modificar seu ambiente de alguma maneira, por exemplo, em que carregadeiras podem mover pilhas de material em torno, ou escavadeiras podem escavar um furo em uma localização e empilhar sujeira em uma outra. Um sistema de detecção de obstáculo como descrito aqui é direcionado em parte para detectar e classificar esses objetos como furos ou pilhas, não apenas por questões de segurança, mas também para melhor automação da tarefa em que é importante prover realimentação relativa a onde a máquina deve carregar e descarregar material.

[0039] Em certas modalidades, como descrito aqui, um sistema e método podem correspondentemente envolver analisar os movimentos da máquina de trabalho (por exemplo, os implementos de trabalho) e interferir dos mesmos na presença de furos e pilhas que a máquina está criando. Essa informação é adicionalmente implementada para estabelecer ou integrar conhecimento a priori previamente estabelecido e criar melhores anteriores para o classificador detectar e classificar esses elementos corretamente no ambiente.

[0040] Como um exemplo, o sistema pode ser configurado para lembrar lugares onde uma lança da carregadeira de rodas é levantada e a caçamba desce, interferindo adicionalmente em que o operador está descarregamento material nessa localização, e dessa forma aumentando o anterior para presença de uma “Pilha de Material” nessa localização. A pilha pode ser projetada como um certo tipo de localização ou “destino” fixo associado com as últimas iterações da rota de máquina de trabalho predita. Alternativamente, o sistema pode ter conhecimento anterior do projeto de máquina ou tarefar que inclui encher um caminhão basculante, em que o sistema é configurado para aumentar o anterior para o “Veículo” nessa localização particular. O veículo pode ser atribuído com um certo tipo de localização ou “destino” transiente nesse contexto com relação às últimas iterações de uma rota de máquina de trabalho predita.

[0041] Como um outro exemplo associado com uma escavadora de rodas ou esteira como a máquina de trabalho, o sistema pode ser configurado para monitorar e identificar posições onde a lança está abaixada e a caçamba está mais baixa que as esteiras e, dessa forma, aumentar o anterior para “Furo” nessa localização. O furo pode ser designado, por exemplo, como um outro certo tipo de localização ou “origem” fixa associada com as últimas iterações de uma rota de máquina de trabalho predita.

[0042] Versados na técnica podem perceber que várias combinações adicionais ou alternativas de movimentos de máquina e/ou implemento de máquina podem ser predeterminadas em associação com designações relevantes e implementada pelo sistema para melhorar anteriores e classificações associadas, dependendo, por exemplo, do tipo de máquina de trabalho, do tipo de área de trabalho, do tipo de projeto, etc.

[0043] Além de monitorar e analisar movimentos de implemento de máquina para melhorar anteriores, o sistema pode adicionalmente (ou na alternativa) considerar os trajetos de direção adotados pela máquina de trabalho para estabelecer ou desenvolver adicionalmente um conhecimento a priori para uma classe de “dirigibilidade”. Em um exemplo associado com uma carregadeira, a máquina de trabalho pode realizar uma série de movimentos tais como dirigir para uma pilha, coletar material, retroceder e então, durante virada, dirigir para frente para um caminhão basculante, descarregar, reverter enquanto vira, e então repetir os mesmos. O sistema como descrito aqui pode desenvolver um conhecimento a priori relativo à área de trabalho pelo monitoramento dos movimentos da máquina de trabalho por um curto período de tempo.

[0044] Por exemplo, o sistema pode determinar que as áreas sobre as quais a máquina de trabalho foi conduzida repetidamente são da classe “Dirigível” e que o sistema pode permissivelmente restringir a análise subsequente apenas aos objetos que poderiam mover para esses espaços (por exemplo, obstáculos “transientes” tais como pessoas e veículos, em vez de obstáculos “fixos” tais como edifícios ou estruturas equivalentes).

[0045] Adicionalmente, o sistema pode ser configurado para predizer precisamente uma rota ou trajeto de máquina de trabalho, com base no conhecimento de que a máquina de trabalho recentemente e com sucesso foi conduzida ao longo desse trajeto ou senão através de uma série de localizações. O sistema pode correspondentemente determinar uma porção mais provável (subconjunto) da área de trabalho a ser percorrida pela máquina de trabalho e restringir o foco do sistema de detecção de obstáculo no geral com relação a esse subconjunto da área de trabalho, ou ainda mais particularmente e sequencialmente com relação a localizações específicas ao longo da rota predita, em vez da maior área de trabalho como um todo. Isso pode em muitos casos reduzir substancialmente o espaço de busca e exigências de processamento de dados associadas do sistema, por meio disso permitindo que o sistema funcione de forma muito mais rápida e precisa.

[0046] Referindo-se, por exemplo, à Fig. 3, um sistema como aqui descrito pode ser configurado para detectar um primeiro obstáculo 302 em uma área de trabalho 300 e classificar o obstáculo com base em uma primeira combinação de um ou mais movimentos de máquina de trabalho monitorados como uma “origem” de carregamento de material e adicionalmente detectar um segundo obstáculo 304 na área de trabalho e classificar o obstáculo com base em uma segunda combinação de um ou mais movimentos de máquina de trabalho monitorados como “destino” de descarregamento de material. O sistema pode adicionalmente definir uma rota da máquina de trabalho 306 entre os primeiro e segundo obstáculos com base em uma travessia monitorada e rotineira da dita rota. Dessa forma, em uma modalidade de um método como discutido aqui, o sistema pode (dependendo, por exemplo, da tarefa particular ou de uma outra condição) predizer que a máquina de trabalho prosseguirá ao longo da rota definida e restringir a o processamento de dados de detecção de obstáculo, e a recuperação de dados a priori associada do armazenamento, apenas a uma porção da área de trabalho geral que corresponde à rota predita. Isso pode, por exemplo, isentar obstáculos previamente detectados e classificados como “permanente” (ou senão, por exemplo, “altamente prováveis” de ser permanentes) 308 que não correspondem ou se sobrepõem à rota predita. Isso pode adicionalmente assistir o sistema na classificação de um objeto 310 que é detectado ao longo da rota predita como sendo um obstáculo “transiente” (ou “altamente provável” de ser transiente) (por exemplo, ser humano ou veículo), e adicionalmente permitir realimentação otimizada e/ou resposta de controle com base na mesma.

[0047] Em algumas modalidades, um método de detecção de obstáculo incluindo geração de conjunto de dados a prior, recuperação e processamento de dados seletiva, e realimentação ou resposta de controle podem ser implementados a partir de um controlador ou sistema de controle de máquina associado com uma máquina de trabalho individual.

[0048] Em outras modalidades como ilustrado, por exemplo, na Fig. 4, um sistema de detecção de obstáculo distribuído 400 pode incluir um ou mais servidores remotos 402 ligados a máquinas de trabalho 100a, 100b, 100c em ou associados com a área de trabalho 300. O servidor pode ser configurado para comunicações bidirecionais com as máquinas de trabalho por meio de uma rede de comunicações 406 para receber conjuntos de dados de detecção de obstáculo das máquinas, e adicionalmente comunicar com o armazenamento de dados 404 para armazenar e seletivamente recuperar dados a priori com base pelo menos em parte nos dados brutos das máquinas.

[0049] A expressão “rede de comunicações” na forma aqui usada com relação a comunicação de dados entre duas ou mais entidades (por exemplo, servidor, controlador, dispositivo de computação de usuário) ou senão entre interfaces de rede de comunicações associadas com duas ou mais entidades pode se referir a qualquer uma de, ou a combinação de quaisquer duas ou mais de, redes de telecomunicações (quer por fio, sem fio, celular ou similares), uma rede global tal como a Internet, redes locais, ligações de rede, Provedores de Serviço de Internet (ISP's), e interfaces de comunicação intermediárias.

[0050] O sistema distribuído descrito aqui pode por meio disso gerar conjuntos de dados a priori para processamento e realimentação de dados coletivos com base em entradas de um número de máquinas de trabalho atribuídas à mesma área de trabalho. Em modalidades alternativas dessa estrutura, várias etapas de processamento de dados podem opcionalmente ser designadas para execução no nível de servidor, no nível de controlador de máquina de trabalho local, ou uma combinação dos dois.

[0051] A Fig. 5 representa uma modalidade exemplificativa do método de operação 500 como descrito aqui. A menos que de outra forma notado, várias etapas do método podem ser realizadas no nível de um controlador de máquina de trabalha local, no nível do dispositivo de computação associado com um operador da máquina de trabalho ou outro usuário, e/ou no nível de um ou mais servidores remotos comunicativamente ligados ao mesmo.

[0052] O método 500 pode começar na etapa 502 com a coleta de conjuntos de dados em tempo real de um ou mais sensores de obstáculo associados com a máquina de trabalho. Os conjuntos de dados coletados podem ser armazenados em armazenamento de dados, por exemplo, em localizações de base de dados predeterminadas para recuperação e processamento de dados seletivas em etapas posteriores.

[0053] Como previamente notado, os “sensores de obstáculo” disponíveis para implementação de sistema não são inerentemente limitados em escopo e podem englobar vários sensores convencionalmente conhecidos ou combinações de sensores para seu propósito visado, ou senão podem ser entendidos por um versado na técnica como aplicável para implementação na presente descrição.

[0054] Os conjuntos de dados em “tempo real” referidos aqui também não são inerentemente limitados em escopo a menos que de outra forma declarado, e podem englobar sinais de dados brutos que são transmitidos diretamente pelos sensores em tempo real para geração de conjuntos de dados no nível do controlador, conjuntos de sinais de dados brutos que são coletivamente transmitidos pelos sensores ao controlador após períodos de tempo predeterminados, em vez de instantaneamente, sinais de dados acionados por evento que são transmitidos pelos sensores ao controlador com base em eventos de detecção limiares ou não limiares, e similares.

[0055] O método 500 pode continuar na etapa 504 pela integração dos conjuntos de dados de detecção de obstáculo coletados para melhorar em relação a qualquer anterior conhecido, por meio disso gerando novos conjuntos de dados a priori em armazenamento de dados.

[0056] O método 500 pode opcionalmente continuar nas etapas 506 e 508 pelo monitoramento de movimentos da máquina de trabalho com o tempo, previsão do trajeto ou rota a ser percorrida pela máquina de trabalho, e adicionalmente definição de uma área de detecção de obstáculo para recuperação e processamento de dados a priori correspondente. Como precisamente notado, certas modalidades incluindo tais etapas podem diminuir substancialmente o tempo de processamento exigido pelo método, exigindo que apenas um subconjunto limitado da área de trabalho geral seja substancialmente revista em um dado momento.

[0057] O método 500 pode continuar na etapa 510 pela determinação da probabilidade de uma presença real (ou ausência) de um obstáculo em uma dada localização, e na etapa 512 pela determinação das respectivas probabilidades para categorias do dito obstáculo. Como um exemplo, sinais de dados recebidos de um sensor de obstáculo convencional (ou combinação de sensores de obstáculo) podem indicar que um obstáculo foi detectado. Recuperação e processamento de dados a priori, adicionalmente envolvendo, por exemplo, integração de novos sinais de dados, podem ser usadas para determinar uma probabilidade de que um obstáculo está realmente presente. Em contextos onde os sinais de dados brutos podem ser relativamente ruidosos por natureza, a implementação de anteriores pode confirmar que um obstáculo certamente está presente, ou, em vez disso, pode impedir (ou pelo menos amortecer ou atrasar) realimentação ou resposta de controle inapropriada pela determinação de que um obstáculo como esse é relativamente improvável.

[0058] Tais etapas podem, por exemplo, incluir gerar vetores de estado correspondentes a uma condição ou categoria (por exemplo, a presença ou ausência de um obstáculo), em que funções de transição ou similares podem ser usadas para gerar e atualizar com o tempo os valores de probabilidade associados com os respectivos vetores. Com travessia repetida de uma dada rota de máquina de trabalho, os sistema e método para reforçar os anteriores associados com obstáculo não fixo ao longo da dada rota, sem eliminar expressamente, por exemplo, a possiblidade de um obstáculo transiente entrando na rota. Dessa forma, os valores de probabilidade associados com os vetores de estado podem refletir essas distinções relativas e, se um obstáculo for posteriormente indicado por meio de sinais de sensores de detecção de obstáculo, o sistema pode inferir uma baixa probabilidade de que um obstáculo fixo está presente, mas pode haver uma possibilidade de um obstáculo transiente ao longo da rota.

[0059] De maneira geral, um desenvolvimento e implementação de conhecimento a priori como aqui discutido podem ser principalmente baseados em movimentos detectados do veículo de trabalho e/ou implementos de trabalho associados, e portanto não se baseando em informação dos próprios sensores de obstáculo para classificar as probabilidades que, por exemplo, um obstáculo de um certo tipo esteja presente. Entretanto, dados dos sensores de detecção de obstáculo podem ainda ser integrados em várias modalidades e/ou contextos de aprendizagem de máquina, tal como, por exemplo, onde o sistema pode reconhecer indicações falso positivas com o tempo a partir de um sensor de obstáculo particular em uma localização particular. O sistema pode adicionalmente aprender com o tempo a tratar sinais de certos sensores de detecção de obstáculo como sendo mais ou menos confiáveis no contexto, tal como, por exemplo, em localizações particulares na área de trabalho, ou em proximidade a uma rota de veículo previamente percorrida, etc.

[0060] Em certas modalidades, os conjuntos de dados a priori correspondentes à área de trabalho podem ser gerados somente ou primariamente com base em informação aprendida com o tempo com relação a movimentos detectados dos veículos de trabalhos e/ou implementos.

[0061] Alternativamente, os conjuntos de dados a priori podem integrar informação predeterminada relativa à área de trabalho tal como, por exemplo, informação topográfica mapeada, ou tal informação predeterminada pode ser separadamente provida em armazenamento de dados para integração pelo controlador de máquina ou servidor com relação aos dados de sensor de detecção de obstáculo e aos dados a priori.

[0062] O método 500 pode continuar na etapa 514 pela geração de uma ou mais saídas para uma interface de usuário (por exemplo, painel de controle na cabina do operador, dispositivo de computação móvel, exibição remota) e/ou às unidades de controle associadas com a máquina de trabalho. As saídas podem ser associadas com a mais alta probabilidade com relação a vetores de estado em um dado relacionamento, tal como, por exemplo, se um obstáculo está presente ou ausente (ou se o sistema é incerto com relação ao mesmo) em proximidade imediata com a máquina de trabalho, ou se o obstáculo detectado é fixo ou transiente, humano ou máquina, etc.

[0063] Em um contexto, as saídas são apenas para efeitos de exibição, e são apresentadas ao operador humano como suporte de decisão para a resposta de controle manual com base em uma representação mais precisa de obstáculos potenciais no trajeto da máquina de trabalho.

[0064] Em um outro contexto, a saídas podem ser providas para resposta de controle automática, e mais particularmente para habilitar, desabilitar, amortecer, etc., uma resposta de controle que pode de outra forma ser automaticamente provida com base em sinais brutos de detecção de obstáculo. Por exemplo, sinais ou comandos de controle podem ser gerados para regular o desvio de obstáculo para um sistema de direção de veículo, um sistema de acionamento de veículo (por exemplo, para frenagem e/ou propulsão), ou similares.

[0065] A incerteza nos valores de probabilidade gerados pelo sistema pode ser refletida nas saídas igualmente, tal como, por exemplo, onde as saídas são ponderadas como parte de um algoritmo separado para efeitos de controle, ou onde o operador pode ser apresentado com resultados exibidos que indicam um obstáculo potencial, mas refletem a incerteza relativa ou falta de confiança. Por exemplo, uma certa saída pode ser provida para regular o controle do veículo de trabalho se o sistema determinar que um obstáculo é altamente provável de estar presente no trajeto do veículo, ao passo que uma saída separada pode ser provida se o sistema for incerto com relação ao estado de um obstáculo detectado, de maneira tal que uma resposta de controle diferente é prudente ou senão exigida pelo veículo de trabalho.

[0066] Dessa forma, vê-se que o aparelho e métodos da presente descrição facilmente alcançam as finalidades e vantagens mencionadas, bem como as inerentes às mesmas. Embora certas modalidades preferidas da descrição tenham sido ilustradas e descritas para os presentes propósitos, inúmeras mudanças no arranjo de construção de partes e etapas podem ser feitas pelos versados na técnica, mudanças essas que são englobadas no espírito e escopo da presente descrição na forma definida pelas reivindicações anexas. Cada recurso ou modalidade descrita pode ser combinado com qualquer um dos outros recursos ou modalidades descritos.

Claims

Método implementado por computador (500) de suporte de decisão probabilística com relação a obstáculos detectados em uma área de trabalho, o método caracterizado pelo fato de que compreende:
prover armazenamento de dados (156) compreendendo um ou mais conjuntos de dados a priori (160) correspondentes a uma área de trabalho;
receber conjuntos de dados em tempo real (158) de um ou mais sensores de obstáculo associados com pelo menos um veículo de trabalho autopropulsor (502), os conjuntos de dados em tempo real correspondendo à presença ou ausência detectada de um obstáculo em uma dada localização na área de trabalho;
determinar probabilidades para a presença ou ausência detectada do obstáculo (510) e, para cada uma dentre uma ou mais categorias de obstáculo (512), com base no conjunto de dados em tempo real recebido e um conjunto de dados a priori correspondentes à dada localização como um subconjunto de um ou mais conjuntos de dados a priori correspondentes à área de trabalho, e
gerar uma saída correspondente a pelo menos uma mais provável das probabilidades determinadas (514).
Método de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente:
integrar os conjuntos de dados em tempo real recebidos em armazenamento de dados compreendendo conjuntos de dados a priori correspondentes à área de trabalho, para gerar um ou mais novos conjuntos de dados a priori (504).
Método de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de que compreende adicionalmente:
monitorar movimentos de um ou mais componentes de veículo de trabalho móveis compreendendo pelo menos um dos implementos de trabalho; e
atualizar um ou mais dentre um ou mais conjuntos de dados a priori com dados que categorizam um obstáculo em uma localização na área de trabalho com base em uma sequência predeterminada de movimento para um ou mais componentes de veículo de trabalho.
Método de acordo com a reivindicação 3, caracterizado pelo fato de que, para atualizar um ou mais dentre um ou mais conjuntos de dados a priori:
um primeiro obstáculo (302) é categorizado com base em uma primeira sequência predeterminada de movimento,
um segundo obstáculo (304) é categorizado com base em uma segunda sequência predeterminada de movimento, e
uma rota de veículo de trabalho (306) é adicionalmente categorizada entre os primeiro e segundo obstáculos.
Método de acordo com a reivindicação 4, caracterizado pelo fato de que:
com base em uma tarefa de trabalho especificada, um ou mais dentre o primeiro obstáculo e o segundo obstáculo são categorizados tanto como um obstáculo transiente quanto um obstáculo permanente.
Método de acordo com qualquer uma das reivindicações 1 a 5, caracterizado pelo fato de que compreende adicionalmente:
predizer uma rota de veículo de trabalho com base em movimento de veículo monitorado (506).
Método de acordo com a reivindicação 6, caracterizado pelo fato de que compreende adicionalmente:
definir uma área de detecção de obstáculo como um subconjunto da área de trabalho correspondente à rota de veículo de trabalho predita (508).
Método de acordo com a reivindicação 7, caracterizado pelo fato de que compreende adicionalmente:
limitar dinamicamente a recuperação e processamento de dados a priori com relação a um subconjunto do armazenamento de dados com base na área de detecção de obstáculo definida.
Método de acordo com a reivindicação 6, caracterizado pelo fato de que compreende adicionalmente:
para rotas de veículo de trabalho preditas e previamente percorridas que faltam um obstáculo permanente categorizado, restringir a determinação subsequente de probabilidades da presença ou ausência detectada do obstáculo apenas a obstáculos transientes.
Método de acordo com qualquer uma das reivindicações 1 a 9, caracterizado pelo fato de que:
a saída é provida a uma interface de usuário (114) localizada em ou sobre o veículo de trabalho e/ou um dispositivo de computação de usuário.
Método de acordo com a reivindicação 10, caracterizado pelo fato de que compreende adicionalmente:
realçar um ou mais obstáculos preditos e categorias associadas na interface de usuário com base na saída.
Método de acordo com a reivindicação 11, caracterizado pelo fato de que compreende adicionalmente:
realçar uma ou mais ferramentas de suporte de usuário ou controles manipuláveis pelo usuário com base na saída.
Método de acordo com qualquer uma das reivindicações 1 a 12, caracterizado pelo fato de que:
a saída inclui pelo menos um sinal de controle provido a uma unidade de controle de direção de veículo (126), uma unidade de controle de posicionamento de implemento de veículo (128) e/ou uma unidade de controle de acionamento de veículo (130), para regulagem de componentes de veículo de trabalho associados.
Veículo de trabalho autopropulsor (100), tendo um ou mais implementos de trabalho (102), para trabalhar um terreno, e um ou mais sensores de obstáculo (104);
o veículo de trabalho caracterizado pelo fato de que compreende adicionalmente:
armazenamento de dados (156) compreendendo um ou mais conjuntos de dados a priori (160) correspondentes a uma área de trabalho (300), e
um controlador (112) comunicativamente ligado a um ou mais implementos de trabalho, um ou mais sensores de obstáculo, e os armazenamento de dados, e configurado para executar um método como definido em qualquer uma das reivindicações 1 a 13.
Sistema (400) compreendendo uma rede de servidor (402) comunicativamente ligada a uma pluralidade de veículos autopropulsores (100a, 100b, 100c), cada um dos veículos autopropulsores compreendendo pelo menos um implemento de trabalho (102) para trabalhar um terreno e um ou mais sensores de obstáculo (104);
o sistema caracterizado pelo fato de que compreende adicionalmente armazenamento de dados compreendendo um ou mais conjuntos de dados a priori (160) correspondentes a uma área de trabalho (300); e
em que o servidor é configurado para executar um método como definido em qualquer uma das reivindicações 1 a 13, com relação a cada um dos veículos autopropulsores localizados na área de trabalho.