KR102304098B1 - 영상 기반 경로 인식 및 조향각 산출 기술을 지원하는 자율 주행 농기계 장치 및 그 동작 방법 - Google Patents
영상 기반 경로 인식 및 조향각 산출 기술을 지원하는 자율 주행 농기계 장치 및 그 동작 방법 Download PDFInfo
- Publication number
- KR102304098B1 KR102304098B1 KR1020190140396A KR20190140396A KR102304098B1 KR 102304098 B1 KR102304098 B1 KR 102304098B1 KR 1020190140396 A KR1020190140396 A KR 1020190140396A KR 20190140396 A KR20190140396 A KR 20190140396A KR 102304098 B1 KR102304098 B1 KR 102304098B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- autonomous driving
- agricultural machine
- area
- uncultivated
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 16
- 238000004364 calculation method Methods 0.000 title abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000013135 deep learning Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 239000000463 material Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000009313 farming Methods 0.000 abstract description 2
- 238000003971 tillage Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B69/00—Steering of agricultural machines or implements; Guiding agricultural machines or implements on a desired track
- A01B69/007—Steering or guiding of agricultural vehicles, e.g. steering of the tractor to keep the plough in the furrow
- A01B69/008—Steering or guiding of agricultural vehicles, e.g. steering of the tractor to keep the plough in the furrow automatic
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G06K9/46—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G05D2201/0201—
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Soil Sciences (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Environmental Sciences (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
본 발명은 자율 주행 농기계 장치으로, 좀 더 자세하게는 자율 주행 농기계를 위한 영상 기반 경로 인식 및 조향각 산출을 통해 자동으로 작업구역을 인식하여 주행 및 경작 작업을 수행 할 수 있도록 하는 기술이다. 자율 주행 농기계 장치는 적어도 하나 이상의 카메라로 영상을 촬영하는 영상 탐지부, 딥러닝(Deep Learning) 알고리즘에 기초하여 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 패턴 학습부, 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 기준 경로 결정부, 영역간의 경계에 기초하여 영역 정보를 결정하는 영역 결정부 및 기준 경로 및 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 조향각 정보에 기초하여 자율 주행 하도록 제어하는 자율 주행 제어부를 포함한다. 본 발명을 통해 자동으로 작업구역을 인식하여 주행 및 경작 작업을 수행 할 수 있다.
Description
본 발명은 자율 주행 농기계 장치로, 좀 더 자세하게는 자율 주행 농기계를 위한 영상 기반 경로 인식 및 조향각 산출을 통해 자동으로 작업구역을 인식하여 주행 및 경작 작업을 수행 할 수 있도록 하는 기술이다.
최근 국내 산업은 4차 산업혁명이란 슬로건을 통해 인공지능과 ICT 기술을 융합하여 미국, 독일, 일본과 같은 기술 선진국들의 수준에 견줄 산업시스템을 구축하고 있다. 이러한 산업 구조의 변화는 농업분야에도 영향을 미치게 되는데, 농업분야의 새로운 산업시스템의 대표적인 예로 스마트 팜이 손꼽히고 있다.
자율주행기술은 기본적으로 도로를 주행하는 자동차에 적용되고 있지만, 군사적인 목적이나 농업기술에도 많이 이용되고 있다. 구체적으로 자율주행기술을 적용된 농기계로서 자율주행 트랙터가 있다. 자율주행트랙터는 스스로 알아서 움직이는 트랙터로서, 경작지의 위치와 크기를 측정하여 경작지에 맞는 작업경로를 설정하면, 작업경로를 따라 이동하면서 작업을 수행하도록 구성된다.
한편, 자율주행 트랙터와 관련한 연구는 국내에서도 활발히 진행되어, 자동 경로 생성 등의 기술을 개발하였지만, 기술 선진국에 비해 측정 위치의 정확도, 노지 상태, 트랙터 주요 요소에 대한 모니터링을 크게 고려하지 않아 작업 안정성을 확보하는데 어려움이 있다, 또한, 트랙터 주행 시 조향과 속도로 인한 안정성 확보에 집중하여 작업자가 현 트랙터 위치별 작동 상황을 파악하기 어렵다.
다시 말해서, 대부분의 무인트랙터는 사람이 직접 운전하지 않기에 작업환경에 따른 변수가 발생하고 있으며, 변수들에 따라 주행 속도, 조향각이 변할 수 있고, 트랙터 부위별 장치들의 상태가 변할 수 있기 때문에 이로 인해 경로 이탈 혹은 트랙터 안정성에 문제가 생길 수 있다.
본 발명은 경작 여부를 인식하고 조향각을 산출하여, 자율적으로 경작 및 주행을 수행하도록 하는 자율주행 농기계 시스템을 제공하고자 한다.
본 발명의 일 실시예에 따른 자율 주행 농기계 장치는 적어도 하나 이상의 카메라로 영상을 촬영하는 영상 탐지부, 딥러닝(Deep Learning) 알고리즘에 기초하여 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 패턴 학습부, 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 기준 경로 결정부, 영역간의 경계에 기초하여 영역 정보를 결정하는 영역 결정부 및 기준 경로 및 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 조향각 정보에 기초하여 자율 주행 하도록 제어하는 자율 주행 제어부를 포함한다.
본 발명의 일 실시예에 있어서, 패턴 학습부는 딥러닝(Deep Learning) 알고리즘을 통해 색깔, 형태, 재질 또는 구조 중 적어도 하나를 포함하는 패턴 정보를 인식한다.
본 발명의 일 실시예에 있어서, 영역 정보는 제 1영역 내지 제 3영역 정보를 포함하한다. 제 1영역은 경작지이고, 제 2영역은 미경작지이며, 제 3영역은 미경작영이다.
본 발명의 일 실시예에 있어서, 자율 주행 제어부는 기준 경로의 기울기에 기초하여 기준 경로를 조향각 정보로 선형 변환하여 조향각 정보를 추출한다.
본 발명의 일 실시예에 있어서, 조향각 정보는 자율 주행 농기계가 방향을 바꿀 때, 조향 바퀴의 스핀들이 선회하는 각도인 것을 특징으로 한다.
본 발명의 일 실시예에 있어서, 자율 주행 제어부는 제 1경로 내지 제 3경로 정보를 포함하고 있으며, 제 1경로 정보는 경계와 미경작지만 존재할 때 자율 주행 농기계가 미경작지를 경작하는 정보이고, 제 2경로 정보는 자율 주행 농기계가 조향각 정보에 기초하여 회전하는 정보이며, 제 3경로 정보는 경작지와 미경작지가 존재할 때 자율 주행 농기계가 미경작지를 경작하는 제 3경로를 포함한다.
본 발명의 일 실시예에 있어서, 자율 주행 농기계는 미경작영역와 미경작지만 존재할 때, 제 1경로 정보에 기초하여 미경작영역에 따라 미경작지를 경작하고, 자율 주행 농기계는 미경작영역 인식 후, 제 2경로 정보에 기초하여 조향각 정보에 기초하여 회전하며, 자율 주행 농기계는 경작지와 미경작지가 존재할 때, 제 3경로 정보에 기초하여 미경작지를 경작한다.
본 발명의 일 실시예에 있어서, 자율 주행 제어부는 제 3경로에 기초하여 경작지와 미경작지의 일부가 겹치도록 경작한다.
본 발명의 일 실시예에 따른 자율 주행 농기계 장치의 동작 방법으로서, 영상 탐지부가 적어도 하나 이상의 카메라로 영상을 촬영하는 단계, 패턴 학습부가 딥러닝(Deep Learning) 알고리즘에 기초하여 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 단계, 기준 경로 결정부가 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 단계, 영역 결정부가 영역간의 경계에 기초하여 영역 정보를 결정하는 단계 및 자율 주행 제어부가 기준 경로 및 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 조향각 정보에 기초하여 자율 주행 하도록 제어하는 단계를 포함한다.
본 발명의 일 실시예에 있어서, 조향각 정보를 산출하는 단계는 자율 주행 농기계가 조향각 정보에 기초하여 자율 주행 하는 단계, 자율 주행 제어부가 기준 경로의 기울기를 산출하는 단계 및 기준 경로의 기울기에 기초하여 기준 경로를 조향각 정보로 선형 변환하여 추출하는 단계를 포함한다.
본 발명의 일 실시예에 따른 자율 주행 농기계 시스템은 자율 주행 농기계 장치 및 경작 영역을 촬영하기 위한 카메라를 포함하고, 자율 주행 농기계 장치는적어도 하나 이상의 카메라로 영상을 촬영하는 영상 탐지부, 딥러닝(Deep Learning) 알고리즘에 기초하여 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 패턴 학습부, 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 기준 경로 결정부, 영역간의 경계에 기초하여 영역 정보를 결정하는 영역 결정부 및 기준 경로 및 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 조향각 정보에 기초하여 자율 주행 하도록 제어하는 자율 주행 제어부를 포함한다.
본 발명의 일 실시예에 따른 자율 주행 농기계 장치를 실행하기 위한 프로그램을 포함하는 컴퓨터 판독가능 기록매체에 있어서, 자율 주행 농기계 장치 방법은 컴퓨터에 영상 탐지부가 적어도 하나 이상의 카메라로 영상을 촬영하는 단계, 패턴 학습부가 딥러닝(Deep Learning) 알고리즘에 기초하여 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 단계, 기준 경로 결정부가 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 단계, 영역 결정부가 영역간의 경계에 기초하여 영역 정보를 결정하는 단계 및 자율 주행 제어부가 기준 경로 및 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 조향각 정보에 기초하여 자율 주행 하도록 제어하는 단계를 포함한다.
본 발명을 통해 자동으로 작업구역을 인식하여 주행 및 경작 작업을 수행 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 자율 주행 농기계 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 자율 주행 농기계 시스템의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 경작 영역부의 경작 영역을 나타낸 도면이다.
도 4 내지 도 6은 본 발명의 일 실시예에 따른 자율 주행 제어부의 경로 정보에 따른 자율 주행 농기계의 주행하는 모습을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 있어서, 자율 주행 농기계 장치의 동작을 단계적으로 도시한 순서도이다.
도 2는 본 발명의 일 실시예에 따른 자율 주행 농기계 시스템의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 경작 영역부의 경작 영역을 나타낸 도면이다.
도 4 내지 도 6은 본 발명의 일 실시예에 따른 자율 주행 제어부의 경로 정보에 따른 자율 주행 농기계의 주행하는 모습을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 있어서, 자율 주행 농기계 장치의 동작을 단계적으로 도시한 순서도이다.
이하, 본 명세서에 개시된 실시 예들을 도면을 참조하여 상세하게 설명하고 자 한다. 본문에서 달리 명시하지 않는 한, 도면의 유사한 참조번호들은 유사한 구성요소들을 나타낸다. 상세한 설명, 도면들 및 청구항들에서 상술하는 예시적인 실시 예들은 한정을 위한 것이 아니며, 다른 실시 예들이 이용될 수 있으며, 여기서 개시되는 기술의 사상이나 범주를 벗어나지 않는 한 다른 변경들도 가능하다. 당업자는 본 개시의 구성요소들, 즉 여기서 일반적으로 기술되고, 도면에 기재되는 구성요소들을 다양하게 다른 구성으로 배열, 구성, 결합, 도안할 수 있으며, 이것들의 모두는 명백하게 고안 되어지며, 본 개시의 일부를 형성하고 있음을 용이하게 이해할 수 있을 것이다. 도면에서 여러 층(또는 막), 영역 및 형상을 명확하게 표현하기 위하여 구성요소의 폭, 길이, 두께 또는 형상 등은 과장되어 표현될 수도 있다.
개시된 기술에 관한 설명은 구조적 내지 기능적 설명을 위한 실시 예에 불과하므로, 개시된 기술의 권리범위는 본문에 설명된 실시 예에 의하여 제한되는 것으로 해석되어서는 아니된다. 즉, 실시 예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 개시된 기술의 권리범위는 기술적 사상을 실현할 수 있는 균등물을 포함하는 것으로 이해되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, “포함하다” 또는 “가지다” 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
여기서 사용된 모든 용어들은 다르게 정의되지 않는 한, 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 용어들은 관련기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석 될 수 없다.
도 1은 본 발명의 일 실시예에 따른 자율 주행 농기계 장치(100)의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 자율 주행 농기계 시스템(10)의 블록도이다.
도 1 및 도 2를 참조하면, 자율 주행 농기계 장치(100)는 영상 탐지부(110), 패턴 학습부(120), 기준 경로 결정부(130), 영역 결정부(140) 및 자율 주행 제어부(150)을 포함하고 있다. 자율 주행 농기계 시스템(10)은 자율 주행 농기계 장치(100), 카메라(20)를 포함하고 있다.
영상 탐지부(110)는 적어도 하나 이상의 카메라(20)로 경작 영역의 영상을 촬영한다. 이때, 카메라(20)는 RGB카메라, IP카메라, HD-SDI 카메라, 아날로그 카메라, 화재감지 컬러카메라, 열화상 카메라, SD(720x486, NTSC)급의 해상도에서 HD(1920x5080, HD5080p) 카메라, IP줌 스피드 카메라 또는 CCTV 카메라 중 적어도 어느 하나를 포함한다. RTK-GPS나 레이저 센서와 같은 고가의 장비를 사용하지 않고 카메라(20)만을 사용하여 자율 주행에 활용할 수 있는 기술을 통해 생산비용 및 추가적인 기술 개발 비용을 줄일 수 있다.
영상 탐지부(110)는 카메라(20)의 설치 높이가 높을수록 양호한 영상 품질을 확보할 수 있으며, 이와 같이 각 카메라(20)가 차량의 사각지대를 해소할 수 있는 위치의 선정과 합성된 주변 영상의 화질 저하를 최소화할 수 있는 설치 위치와 시야각 설정이 중요하며, 차종 및 차의 크기에 따라 각각 다르게 설정할 수 있는 것이므로, 본 발명은 여기에 한정되지 않는다.
또한, 카메라(20)를 자율 주행 차량의 전방, 후방, 좌측, 우측에 설치하였다면 4개의 카메라(20)를 통해 촬상된 영상을 보정처리 할 수 있으며, 자율 주행 농기계의 360°주변을 확인할 수 있다. 이때, 전방 카메라(20)와 후방 카메라(20)는 설치될 높이를 동일하게 하고, 좌, 우측 카메라(20)도 설치될 높이를 동일하게 하는 것이 영상들을 합성하여 주변의 경계를 추출하기 유리하다.
패턴 학습부(120)는 딥러닝(Deep Learning) 알고리즘에 기초하여 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식한다.
패턴 학습부(120)는 적어도 하나 이상의 카메라(20)로 촬영된 영상 정보로부터 영역간의 경계를 추출하고, 경계 간의 패턴을 식별한다. 경작 영역의 경계들과 자율 주행 농기계(30)와의 거리정보를 산출하는 기술을 포함 할 수도 있다.
패턴 학습부(120)는 일반적으로 비슷한 색깔과 형태에 기초하여 영상처리하게 되면 영역 간의 오차율이 높다는 문제점을 해결하기 위해, 딥러닝(Deep Learning) 알고리즘을 통해 패턴 정보를 학습시킨다.
이때, 딥러닝(Deep Learning) 알고리즘은 머신러닝에서의 전처리 과정을 신경망 아키텍처 내에 포함시켜 데이터 추출 자체도 스스로 학습하는 알고리즘이다. 또한 머신러닝 알고리즘은 각 특성에 관련된 값의 선형 조합을 계산하여 추론 결과를 도출하는 반면, 딥러능 알고리즘은 비선형 변환 기법의 조합을 통해 높은 수준의 추상화를 할 수 있다. 즉, 딥러닝 알고리즘은 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능 중 적어도 하나를 요약하는 작업을 전처리 과정 없이 자동으로 수행할 수 있다.
패턴 학습부(120)는 학습된 패턴 정보에 기초하여 영상 탐지부(110)에서 촬영된 경작 영역의 패턴 정보를 인식한다. 이때, 패턴 정보는 색깔, 형태, 재질 또는 구조 중 적어도 하나를 포함한다.
기준 경로 결정부(130)는 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 경작 영역간의 경계에 기초하여 기준 경로를 결정한다.
기준 경로 결정부(130)는 카메라(20)를 통해 얻은 영상을 기설정된 패턴 정보에 기초하여 영역간의 경계를 구분한다. 구분된 경계에 기초하여 자율 주행 농기계(30)의 진행방향이 결정된다.
예를 들어, 경작 영역의 색깔에 따라 영역간의 경계를 결정할 때 색깔이 진한 영역과 진하지 않은 영역, 그리고 색이 다른 영역이 존재한다면, 색에 따라 제 1내지 제 3 영역 경계 정보가 존재한다고 판단한다. 이때, 제 1영역 경계 정보는 색이 진한 영역과 색이 진하지 않은 영역 간의 경계이고, 제 2영역 경계 정보는 색이 진하지 않은 영역과 색이 다른 영역간의 경계이고, 제 3영역 경계 정보는 색이 진한 영역과 색이 다른 영역간의 경계이다. 기준 경로 결정부(130)는 제 1내지 제 3 영역 경계 정보에 기초하여 기존 경로를 설정한다.
영역 결정부(140)는 영역간의 경계에 기초하여 영역 정보를 결정한다.
영역 정보는 영역간의 경계에 기초하여 결정할 수 있고, 영역간의 경계는 경작 영역의 패턴 정보에 기초하여 결정된다. 기설정된 패턴정보와 촬영된 영상을 비교하여 영역간의 경계를 결정하고, 결정된 영역간의 경계와 기설정된 영역 정보를 비교하여 영역을 결정한다. 이때, 기설정된 영역 정보는 패턴 정보에 의해 학습된 영역 정보이다.
영역 결정부(140)는 제 1영역 내지 제 3영역 정보를 포함한다. 제 1영역 내지 제 3영역 정보는 기준 경로 결정부(130)의 제 1내지 제 3 영역 경계 정보에 기초하여 구분된다. 이때, 색이 진한 영역이 제 1영역이고, 색이 진하지 않은 영역이 제 2영역이며, 색이 다른 영역이 제 3영역이라면, 제 1영역은 경작지(42)이고, 제 2영역은 미경작지(43)이고, 제 3영역은 경계일 수 있다.
영역 결정부(140)는 경작 영역을 적어도 하나이상의 영역으로 분류한다. 각각의 영역에 포함되는 주행로의 수가 서로 동일한 소정값이 되도록 경작 영역을 분류할 수 있다. 또한, 경작이 도중에 중단되었을 경우에도, 경작 영역에 있어서 경작지(42)와 미경작지(43)의 지점이 교대로 나타나는 부분을 작은 범위로 제어할 수 있다. 따라서 경작지(42)와 미경작지(43)의 구분이 명확하게 되기 쉽고, 원활하게 경작을 재개할 수 있다.
자율 주행 제어부(150)는 기준 경로 및 상기 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계(30)가 조향각 정보에 기초하여 자율 주행 하도록 제어한다.
자율 주행 제어부(150)는 기준 경로의 기울기에 기초하여 기준 경로를 조향각 정보로 선형 변환하여 조향각 정보를 추출한다. 이때, 조향각 정보는 자율 주행 농기계(30)가 방향을 바꿀 때, 조향 바퀴의 스핀들이 선회하는 각도이다.
자율 주행 제어부(150)가 작업경로를 생성할 때 가장 중요하게 고려해야 할 사항으로는 경작 구간 사이의 거리, 선회 방법과 선회 거리, 회행 작업 수 또는 주행 경로와 순서 중 적어도 하나이다. 작업 구간 사이의 거리는 자율 주행 농기계(30)와 경작기의 고유작업 폭을 고려해야 하기 때문이며, 이를 고려하지 않으면 경작이 중첩되는 현상이 발생한다.
또한, 자율 주행 농기계(30)의 구조상 작업 폭과 길이가 일반 차량보다 클 뿐만 아니라, 중량도 크고, 쉽게 후진, 회전을 할 수 없기 때문에, 최적의 선회 경로와 최적의 회행 작업 수를 고려해야 한다. 그리고 주행 경로와 순서가 계산이 부실할 경우에는, 작업이 겹치는 구간 혹은 작업을 못한 공간이 생기게 된다. 따라서, 이들 요인을 모두 고려하여 경작경로를 생성해야 한다.
자율 주행 제어부(150)는 제 1경로 내지 제 3경로 정보를 포함하고 있으며, 제 1경로 정보는 미경작영역(41)과 미경작지(43)만 존재할 때 자율 주향 농기계가 미경작지(43)를 경작하는 정보이다. 제 2경로 정보는 자율 주행 농기계(30)가 조향각 정보에 기초하여 회전하는 정보이고, 제 3경로는 경작지(42)와 미경작지(43)가 존재할 때 자율 주행 농기계(30)가 미경작지(43)를 경작하는 정보이다. 자율 주행 제어부(150)가 제 1경로 내지 제 3경로 정보에 기초하여 경작하는 방법에 대한 자세한 내용은 도 4 내지 도 6에서 후술될 것이다.
도 3은 본 발명의 일 실시예에 따른 경작 영역부의 경작 영역을 나타낸 도면이다.
도 1내지 도 3을 참조하면, 경작 영역은 기준 경로 결정부(130)에서 결정된 영역간의 경계에 기초하여 영역 결정부(140)에서 영역 정보를 결정한다.
영역 정보는 영역간의 경계에 기초하여 결정할 수 있고, 영역간의 경계는 경작 영역의 패턴 정보에 기초하여 결정된다. 기설정된 패턴정보와 촬영된 영상을 비교하여 영역간의 경계를 결정하고, 결정된 영역간의 경계와 기설정된 영역 정보를 비교하여 영역을 결정한다. 이때, 기설정된 영역 정보는 패턴 정보에 의해 학습된 영역 정보이다.
영역 결정부(140)는 제 1영역 내지 제 3영역 정보를 포함한다. 제 1영역 내지 제 3영역 정보는 기준 경로 결정부(130)의 제 1내지 제 3 영역 경계 정보에 기초하여 구분된다. 예를 들어, 색이 진한 영역이 제 1영역이고, 색이 진하지 않은 영역이 제 2영역이며, 색이 다른 영역이 제 3영역이라면, 제 1영역은 경작지(42)이고, 제 2영역은 미경작지(43)이고, 제 3영역은 미경작영역(41)일 수 있다.
이때, 제 3영역은 기설정된 지형 패턴에 기초하여 자율 주행 농기계(30)가 경작 영역을 주행하며 제 3영역을 인지할 수 있다. 기설정된 지형 패턴에 기초하여 먼저 제 3영역을 인지함으로써, 경작 영역을 확립할 수 있고, 확립된 경작 영역은 제 1영역과 제 2영역으로 구분될 수 있다.
도 4 내지 도 6은 본 발명의 일 실시예에 따른 자율 주행 제어부(150)의 경로 정보에 따른 자율 주행 농기계(30)의 주행하는 모습을 나타낸 도면이다.
도 4내지 도 6을 참조하면 도 4는 자율 주행 제어부(150)의 제 1경로 정보에 따른 자율 주행 농기계(30)의 주행하는 모습이고, 도 5는 자율 주행 제어부(150)의 제 2경로 정보에 따른 자율 주행 농기계(30)의 주행하는 모습이며, 도 6은 자율 주행 제어부(150)의 제 3경로 정보에 따른 자율 주행 농기계(30)의 주행하는 모습이다.
도 4를 참조하면, 제 1경로 정보는 미경작영역(41)과 미경작지(43)만 존재할 때 자율 주향 농기계가 미경작지(43)를 경작하는 정보이다.
제 1경로 정보는 일반적으로 경작 영역의 첫 경작을 진행할 경우로, 미경작지(43)와 미경작영역(41)이 존재하는 구간에서 자율 주행 농기계(30)의 진행방향을 미경작영역(41)에 따르는 것으로 결정하고, 진행방향에 기초하여 자율 주행 농기계(30)가 진행하며 미경작지(43)의 경작을 진행하게 된다.
도 5를 참조하면, 제 2경로 정보는 자율 주행 농기계(30)가 조향각 정보에 기초하여 회전하는 정보이다.
제 2경로 정보는 경작 진행 중 미경작영역(41)을 인식했을 때, 미경작지(43)를 경작하기 위해 조향각 정보에 기초하여, 회전하고 미경작지(43)의 경작을 진행하게 된다. 이때, 조향각 정보는 자율 주행 농기계(30)가 방향을 바꿀 때 조향 바퀴의 스핀들이 선회하는 각도인 것을 특징으로 한다. 조향각 정보는 기준 경로 결정부(130)에서 결정된 영역간 경계의 기울기에 기초하여 기준 경로를 조향각으로 선형 변환하여 조향각 정보를 추출한다.
예를 들어, 직진주행을 하던 자율 주행 차량이 좌측으로 돌아가는 코너로 돌아야할 경우에 기준 경로, 영역 정보 및 조향각 정보에 기초하여 자율 주행 차량의 바퀴의 우측에 대한 조향각을 제한하면서, 좌측의 조향각 제한 각도를 설정하게 된다.
또한, 자율 주행 농기계(30)의 속도와 조향각 정보에 기초하여 자율 주행 자동차의 주행방향을 산출하면 얼마 후에 자율 주행 농기계(30)가 미경작영역(41)과 접촉될 것인지 유추가 가능하다.
도 6을 참조하면, 제 3경로 정보는 경작지(42)와 미경작지(43)가 존재할 때 자율 주행 농기계(30)가 미경작지(43)를 경작하는 정보이다.
제 3경로 정보는 제 1경로 정보로 경작을 진행하고 미경작영역(41)을 만나 제 2경로 정보에 기초하여 회전을 한 후에 경작지(42)와 미경작지(43)의 미경작영역(41)에서 미경작지(43)의 경작을 진행하게 된다. 제 3경로 정보에 기초하여 경작을 진행할 때는 경작지(42)와 미경작지(43)가 겹치도록 경로를 설정하여 보정인식을 할 수 있도록 한다. 보정인식을 통해 정확한 경작을 진행할 수 있다.
도 7은 본 발명의 일 실시예에 있어서, 자율 주행 농기계 장치(100)의 동작을 단계적으로 도시한 순서도이다.
도 7을 참조하면, S21단계에서 영상탐지부가 경작을 진행할 경작 영역을 촬영한다.
예를 들어, 카메라(20)를 자율 주행 농기계(30)의 전방, 후방, 좌측, 우측에 설치하였다면 4개의 카메라(20)를 통해 촬상된 영상을 보정처리 할 수 있으며, 자율 주행 농기계(30)의 360°주변을 확인할 수 있다.
S22단계에서 패턴 학습부(120)가 촬영된 영상에 기초하여 패턴을 학습한다.
예를 들어, 패턴 학습부(120)는 딥러닝(Deep Learning) 알고리즘에 기초하여 적어도 하나 이상의 카메라(20)로 촬영된 영상 정보를 학습한다.
S23단계에서 기준 경로 결정부(130)가 촬영된 영상을 기설정된 패턴에 기초하여 영역간의 경계를 구분한다.
예를 들어, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하고, 인식된 패턴 정보에 기초하여 경작 영역의 영역간의 경계를 추출한다. 이때, 패턴 정보는 색깔, 형태, 재질 또는 구조 중 적어도 하나를 포함한다.
S24단계에서 기준 경로 결정부(130)가 영역간의 경계에 기초하여 기존 경로를 설정한다.
예를 들어, 기준 경로 결정부(130)가 경작 영역의 색깔에 따라 영역간의 경계를 결정할 때 색깔이 진한 영역과 진하지 않은 영역, 그리고 색이 다른 영역이 존재한다면, 색에 따라 제 1내지 제 3 영역 경계 정보가 존재한다고 판단한다. 기준 경로 결정부(130)는 제 1내지 제 3 영역 경계 정보에 기초하여 기존 경로를 설정한다.
S25단계에서 영역 결정부(140)가 영역간의 경계에 기초하여 영역 정보를 결정한다.
예를 들어, 제 1영역 내지 제 3영역 정보를 포함하고 제 1영역 내지 제 3영역 정보는 기준 경로 결정부(130)의 제 1내지 제 3 영역 경계 정보에 기초하여 구분된다. 이때, 제 1영역은 경작지(42)이고, 제 2영역은 미경작지(43)이고, 제 3영역은 미경작영역(41)일 수 있다.
S26단계에서 자율 주행 제어부(150)가 경로 정보에 기초하여 경작 영역을 주행한다.
예를 들어, 자율 주행 제어부(150)는 기준 경로의 기울기에 기초하여 기준 경로를 조향각 정보로 선형 변환하여 조향각 정보를 추출한다. 이때, 조향각 정보는 자율 주행 농기계(30)가 방향을 바꿀 때, 조향 바퀴의 스핀들이 선회하는 각도이다. 자율 주행 제어부(150)는 제 1경로 내지 제 3경로 정보를 포함하고 있고 경작 영역 주행시에 필요한 조향각 정보에 기초하여 자율 주행 농기계(30)의 바퀴의 스핀 정보를 제어한다.
본 출원은 컴퓨터에 자율 주행 농기계 장치의 동작 방법으로서, 영상 탐지부가 적어도 하나 이상의 카메라로 영상을 촬영하는 단계, 패턴 학습부가 딥러닝(Deep Learning) 알고리즘에 기초하여 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 단계, 기준 경로 결정부가 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 단계, 영역 결정부가 영역간의 경계에 기초하여 영역 정보를 결정하는 단계 및 자율 주행 제어부가 기준 경로 및 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 조향각 정보에 기초하여 자율 주행 하도록 제어하는 단계를 실행시키기 위하여 매체에 저장된 컴퓨터프로그램을 제공한다.
10 : 자율 주행 농기계 시스템
20 : 카메라
30 : 자율 주행 농기계
41 : 미경작영역
42 : 경작지
43 : 미경작지
100 : 자율 주행 농기계 장치
110 : 영상 탐지부
120 : 패턴 학습부
130 : 기준 경로 결정부
140 : 영역 결정부
150 : 자율 주행 제어부
20 : 카메라
30 : 자율 주행 농기계
41 : 미경작영역
42 : 경작지
43 : 미경작지
100 : 자율 주행 농기계 장치
110 : 영상 탐지부
120 : 패턴 학습부
130 : 기준 경로 결정부
140 : 영역 결정부
150 : 자율 주행 제어부
Claims (12)
- 적어도 하나 이상의 카메라로 영상을 촬영하는 영상 탐지부;
딥러닝(Deep Learning) 알고리즘에 기초하여 상기 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 패턴 학습부;
상기 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 상기 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 기준 경로 결정부;
상기 영역간의 경계에 기초하여 영역 정보를 결정하는 영역 결정부; 및
상기 기준 경로 및 상기 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 상기 조향각 정보에 기초하여 자율 주행 하도록 제어하는 자율 주행 제어부를 포함하고,
상기 자율 주행 제어부는 제 1경로 정보 내지 제 3경로 정보를 포함하고 있으며,
상기 제 1경로 정보는 미경작영역와 미경작지만 존재할 때 상기 자율 주행 농기계가 미경작지를 경작하는 정보이고,
상기 제 2경로 정보는 상기 자율 주행 농기계가 상기 조향각 정보에 기초하여 회전하는 정보이며,
상기 제 3경로 정보는 경작지와 미경작지가 존재할 때 상기 자율 주행 농기계가 미경작지를 경작하는 정보를 포함하는, 자율 주행 농기계 장치. - 제 1항에 있어서,
상기 패턴 학습부는 상기 딥러닝(Deep Learning) 알고리즘을 통해 색깔, 형태, 재질 또는 구조 중 적어도 하나를 포함하는 패턴 정보를 인식하는 자율 주행 농기계 장치. - 제1항에 있어서,
상기 영역 정보는 제 1영역 내지 제 3영역 정보를 포함하고,
상기 제 1영역은 경작지이고,
상기 제 2영역은 미경작지이며,
상기 제 3영역은 미경작영역인 자율 주행 농기계 장치. - 제1항에 있어서,
상기 자율 주행 제어부는,
상기 기준 경로의 기울기에 기초하여 상기 기준 경로를 상기 조향각 정보로 선형 변환하여 상기 조향각 정보를 추출하는 자율 주행 농기계 장치. - 제4항에 있어서,
상기 조향각 정보는 상기 자율 주행 농기계가 방향을 바꿀 때, 조향 바퀴의 스핀들이 선회하는 각도인 것을 특징으로 하는 자율 주행 농기계 장치. - 삭제
- 제1항에 있어서,
상기 자율 주행 농기계는 상기 미경작영역와 상기 미경작지만 존재할 때, 상기 제 1경로 정보에 기초하여 상기 미경작영역에 따라 상기 미경작지를 경작하고,
상기 자율 주행 농기계는 상기 미경작영역 인식 후, 상기 제 2경로 정보에 기초하여 조향각 정보에 기초하여 회전하며,
상기 자율 주행 농기계는 상기 경작지와 상기 미경작지가 존재할 때, 상기 제 3경로 정보에 기초하여 상기 미경작지를 경작하는 자율 주행 농기계 장치. - 제7항에 있어서,
상기 자율 주행 제어부는 상기 제 3경로 정보에 기초하여 상기 경작지와 미경작지의 일부가 겹치도록 경작하는 자율 주행 농기계 장치. - 자율 주행 농기계 장치의 동작 방법에 있어서,
영상 탐지부가 적어도 하나 이상의 카메라로 영상을 촬영하는 단계;
패턴 학습부가 딥러닝(Deep Learning) 알고리즘에 기초하여 상기 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 단계;
기준 경로 결정부가 상기 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 상기 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 단계;
영역 결정부가 상기 영역간의 경계에 기초하여 영역 정보를 결정하는 단계; 및
자율 주행 제어부가 상기 기준 경로 및 상기 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 상기 조향각 정보에 기초하여 자율 주행 하도록 제어하는 단계를 포함하고,
상기 자율 주행 하도록 제어하는 단계는 제 1경로 정보 내지 제 3경로 정보에 따라 경작하는 단계를 포함하고 있으며,
상기 제 1경로 정보는 미경작영역와 미경작지만 존재할 때 상기 자율 주행 농기계가 미경작지를 경작하는 정보이고,
상기 제 2경로 정보는 상기 자율 주행 농기계가 상기 조향각 정보에 기초하여 회전하는 정보이며,
상기 제 3경로 정보는 경작지와 미경작지가 존재할 때 상기 자율 주행 농기계가 미경작지를 경작하는 정보인, 자율 주행 농기계 장치의 동작 방법. - 제 9항에 있어서,
조향각 정보를 산출하는 단계는,
자율 주행 농기계가 조향각 정보에 기초하여 자율 주행 하는 단계;
상기 자율 주행 제어부가 상기 기준 경로의 기울기를 산출하는 단계; 및
상기 기준 경로의 기울기에 기초하여 상기 기준 경로를 조향각 정보로 선형 변환하여 추출하는 단계를 포함하는 자율 주행 농기계 장치의 동작 방법. - 자율 주행 농기계 장치; 및
경작 영역을 촬영하기 위한 카메라를 포함하고,
상기 자율 주행 농기계 장치는,
적어도 하나 이상의 카메라로 영상을 촬영하는 영상 탐지부;
딥러닝(Deep Learning) 알고리즘에 기초하여 상기 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 패턴 학습부;
상기 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 상기 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 기준 경로 결정부;
상기 영역간의 경계에 기초하여 영역 정보를 결정하는 영역 결정부; 및
상기 기준 경로 및 상기 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 상기 조향각 정보에 기초하여 자율 주행 하도록 제어하는 자율 주행 제어부를 포함하고,
상기 자율 주행 제어부는 제 1경로 정보 내지 제 3경로 정보를 포함하고 있으며,
상기 제 1경로 정보는 미경작영역와 미경작지만 존재할 때 상기 자율 주행 농기계가 미경작지를 경작하는 정보이고,
상기 제 2경로 정보는 상기 자율 주행 농기계가 상기 조향각 정보에 기초하여 회전하는 정보이며,
상기 제 3경로 정보는 경작지와 미경작지가 존재할 때 상기 자율 주행 농기계가 미경작지를 경작하는 정보를 포함하는, 자율 주행 농기계 시스템. - 컴퓨터에
영상 탐지부가 적어도 하나 이상의 카메라로 영상을 촬영하는 단계,
패턴 학습부가 딥러닝(Deep Learning) 알고리즘에 기초하여 상기 영상을 학습하고, 학습된 영상에 기초하여 경작 영역의 패턴 정보를 인식하는 단계,
기준 경로 결정부가 상기 경작 영역의 패턴 정보에 기초하여 영역간의 경계를 결정하고, 상기 경작 영역간의 경계에 기초하여 기준 경로를 결정하는 단계,
영역 결정부가 상기 영역간의 경계에 기초하여 영역 정보를 결정하는 단계 및
자율 주행 제어부가 제 1경로 정보 내지 제 3경로 정보에 따라 경작하도록 상기 기준 경로 및 상기 영역 정보에 기초하여 조향각 정보를 산출하고, 자율 주행 농기계가 상기 조향각 정보에 기초하여 자율 주행 하도록 제어하는 단계를 실행시키기 위하여 매체에 저장된 컴퓨터프로그램으로,
상기 제 1경로 정보는 미경작영역와 미경작지만 존재할 때 상기 자율 주행 농기계가 미경작지를 경작하는 정보이고,
상기 제 2경로 정보에 따라 경작하는 단계는 상기 자율 주행 농기계가 상기 조향각 정보에 기초하여 회전하는 정보이며,
상기 제 3경로 정보에 따라 경작하는 단계는 경작지와 미경작지가 존재할 때 상기 자율 주행 농기계가 미경작지를 경작하는 정보인, 매체에 저장된 컴퓨터프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190140396A KR102304098B1 (ko) | 2019-11-05 | 2019-11-05 | 영상 기반 경로 인식 및 조향각 산출 기술을 지원하는 자율 주행 농기계 장치 및 그 동작 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190140396A KR102304098B1 (ko) | 2019-11-05 | 2019-11-05 | 영상 기반 경로 인식 및 조향각 산출 기술을 지원하는 자율 주행 농기계 장치 및 그 동작 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210054347A KR20210054347A (ko) | 2021-05-13 |
| KR102304098B1 true KR102304098B1 (ko) | 2021-09-23 |
Family
ID=75913514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190140396A KR102304098B1 (ko) | 2019-11-05 | 2019-11-05 | 영상 기반 경로 인식 및 조향각 산출 기술을 지원하는 자율 주행 농기계 장치 및 그 동작 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102304098B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240008423A (ko) | 2022-07-04 | 2024-01-19 | 주식회사 대동 | 자율 주행 트랙터의 정지 작업 경로 설정 방법 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102543649B1 (ko) * | 2022-07-19 | 2023-07-06 | 주식회사 넷에이블 | 태양광 구조물 및 농기계를 이용한 영농 자동화 시스템 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2944774B2 (ja) * | 1991-03-20 | 1999-09-06 | ヤンマー農機株式会社 | 自動走行作業機における画像処理方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101407508B1 (ko) * | 2007-12-21 | 2014-06-17 | 재단법인 포항산업과학연구원 | 지면 형상 인식 알고리즘을 이용한 이동로봇의 이동경로추출 시스템 및 방법 |
| KR20200075029A (ko) * | 2016-05-10 | 2020-06-25 | 얀마 파워 테크놀로지 가부시키가이샤 | 자율 주행 경로 생성 시스템 |
-
2019
- 2019-11-05 KR KR1020190140396A patent/KR102304098B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2944774B2 (ja) * | 1991-03-20 | 1999-09-06 | ヤンマー農機株式会社 | 自動走行作業機における画像処理方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240008423A (ko) | 2022-07-04 | 2024-01-19 | 주식회사 대동 | 자율 주행 트랙터의 정지 작업 경로 설정 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210054347A (ko) | 2021-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109720340B (zh) | 一种基于视觉识别的自动泊车系统及方法 | |
| Fang et al. | A vision-based self-tuning fuzzy controller for fillet weld seam tracking | |
| KR102304098B1 (ko) | 영상 기반 경로 인식 및 조향각 산출 기술을 지원하는 자율 주행 농기계 장치 및 그 동작 방법 | |
| US10845810B2 (en) | Method for autonomous detection of crop location based on tool depth and location | |
| KR102017965B1 (ko) | 작업 차량 | |
| KR101618030B1 (ko) | 이동 로봇의 위치 인식 및 주행 제어 방법과 이를 이용한 이동 로봇 | |
| LU101680A1 (en) | Active Laser Vision Robust Weld Tracking System and Weld Position Detection Method | |
| EP2766872B1 (fr) | Procede d'etalonnage d'un systeme de vision par ordinateur embarque sur un mobile | |
| CN110083157B (zh) | 一种避障方法及装置 | |
| CN101667294B (zh) | 目标检测与跟踪装置 | |
| Blas et al. | Stereo vision with texture learning for fault-tolerant automatic baling | |
| JP2015146748A (ja) | 電動作業車両 | |
| Cherubini et al. | A position-based visual servoing scheme for following paths with nonholonomic mobile robots | |
| KR102340543B1 (ko) | 부착형 농작업 경로 인식 장치 | |
| KR102445673B1 (ko) | 자율 주행 경로의 인식율을 높이기 위한 자율 주행 농기계 장치 및 그 동작 방법 | |
| CN105550676A (zh) | 基于线性ccd的物流运载车线迹跟踪方法 | |
| Bakken et al. | Robot-supervised learning of crop row segmentation | |
| Peng et al. | A combined visual navigation method for greenhouse spray robot | |
| Ma et al. | Selection of observation position and orientation in visual servoing with eye-in-vehicle configuration for manipulator | |
| Yamashita et al. | Autonomous Traveling Control of Agricultural Mobile Robot Using Depth Camera in Greenhouse | |
| Polic et al. | Soft robotics approach to autonomous plastering | |
| JP2583584B2 (ja) | 農作業機における自動操舵制御装置 | |
| Ahmad et al. | Simplified vision based automatic navigation for wheat harvesting in low income economies | |
| Murrieri et al. | Visual-servoed parking with limited view angle | |
| NL2028357B1 (en) | Method for training a neural network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |