KR20160014585A - 복잡한 표면을 관찰하고 처리하기 위한 관리 자동 로봇 장치 - Google Patents

Abstract

본 명세서에 개시된 본 발명은 복잡한 삼차원 대상물의 표면을 정확히 모델링, 감시, 처리하도록 설계된 자율 감독 시스템을 설명한다. 이 시스템에 대한 현재 적용 내용은 비행기의 레이저 코팅 제거이지만, 본 발명은 또한 물리적 대상물의 전체 표면에 걸쳐 감시 또는 처리 툴을 거의 정확하게 배치하고 조정하는 것을 요구하는 다양한 범위의 적용에도 사용되기에 적합하다. 예를 들면, 이 시스템은 레이저 코팅 제거 외에도, 또한 새로운 코팅을 도포하고, 세립 또는 육안 검사 작업을 수행하고, 제조 공정 툴 또는 도구를 전달 및/또는 사용하고, 및/또는 다른 제조 공정, 비 제한적인 예로, 용접, 리벳 또는 다양한 표면 표시 또는 고정물의 배치의 결과를 확인할 수 있다.

Description

복잡한 표면을 관찰하고 처리하기 위한 관리 자동 로봇 장치{A SUPERVISED AUTONOMOUS ROBOTIC SYSTEM FOR COMPLEX SURFACE INSPECTION AND PROCESSING}

본 출원은 2013년 3월 15일에 출원된 미국 가출원 제61/852,310호에 우선권을 주장한다.

본 발명은 미국 공군 FA5320-09-D-5601과 미국 육군 W91ZLK-10-D-0005 부대의 정부 지원을 일부 받았다. 정부는 본 발명에 특정 권리를 갖는다. 본 발명은 3차원 대상물 표면 위에 표면 처리 장치를 움직이도록 로봇식 매니퓰레이터를 제어하는 것에 관한 것이다. 보다 구체적으로, 본 출원은 비행기의 기체와 날개와 조정면의 표면으로부터 페인트를 제거하는 장치를 포함한다.

로봇이 처리, 방문 또는 주어진 작업 공간 전체에 걸쳐 동작을 수행하도록 요구되는 계획 안에서 적용 범위(coverage)가 문제된다. 적용 범위 문제는 일반적인 예로, 잔디 깎기, 탐사 지도 매핑, 가정용 진공 청소기로 청소, 감시, 표면 페인팅과 페인트의 제거, 농약 살포, 그리고 많은 다른 문제를 포함한다. 이들 문제들은 상당히 공통점을 가지지만, 이들에 대한 해결책을 최적화하고 자동화하는데 사용되는 계획에 영향을 미치는 요인이 서로 다르다. 적용 범위 문제의 대분분에서, 적용 범위는 균일한 크기의 두 개 혹은 세 개의 분할 셀들로 구분되며, 각각의 셀은 적용 범위를 요구하는 영역 또는 부분을 나타낸다. 적합한 모델을 사용하여, 어떠한 셀이 "적용 범위"에 해당 될지는, 주변 상황(world state), 로봇 상태, 로봇 작동의 특정 조합에 의해 추정할 수 있다. 적용 범위 플래너는, 임의의 처리-지정 제한에 따르면서 적용 범위 요건을 효과적으로 만족하는 로봇 동작의 순서를 결정하기 위해 알고리즘의 계층 시스템과 함께 상기 추정을 사용한다.

이들 알고리즘의 특성은 환경의 불확실 수준, 로봇의 제한, 환경적 제약과 적용 범위 동작의 특성과 같은 기준에 의해 강하게 영향을 받는다. 탐험 지도 맵핑과 같은 동적인 환경에서 작동하는 것은 알려지지 않은 문제점들이 있다. 이들 문제점에서, 적용 범위 플래너는, 새로운 정보가 발견될 때 "옳은" 동작이 지속적으로 변하므로 실시간에 맞게 계획을 짜야한다. 잔디 깎기와 같은 준-정적인 환경에서 작동하는 것은 로봇 동작이 사전에 매우 앞서서 계획되어야 하는 다른 문제점을 가진다. 또한, 환경적 로봇 제한은 사용되는 알고리즘의 유형에 매우 큰 영향을 준다. 예를 들면, 낮은 속도의 전방위 잔디 깎는 기계는 일반적으로 논홀로노믹(nonholonomic) 조정식의 더 빠른 잔디 깎는 기계보다 일반적으로 다른 적용 범위 계획을 가질 것이다. 논홀로노믹 차량이 보다 복잡한 격자 플래너를 사용하는 경향이 있는 반면에, 전방위의 잔디 깎는 기계는 단순한 사각형 그래프 서치 알고리즘을 사용할 수 있다.

적용 범위 기준의 특성은 또한 고려되는 알고리즘의 유형에 강하게 영향을 미친다. 거의 무한개의 시점 중 임의의 하나로부터 어떤 위치를 카메라로 가리킴으로써 영역을 커버하는 감시 로봇은, 단순히 영역을 돌아다니면서 그 영역을 커버하는 청소 로봇과 다른 플래닝 기술을 요구할 것이다.

본 문헌에 개시되는 시스템은 3차원 대상의 표면 위에 표면 적용 범위 장치 및/또는 하나 이상의 기계 시각 부품(machine vision components)을 정확하게 움직인다. 시각 시스템은 표면 적용 범위를 알리는 데 사용되는 표면에 대한 데이터를 수집한다. 이들 데이터는, 거리의 정확한 측정과 함께 색, 질감, 또는 추상적인 분류 결과와 같은 표면의 본질적인 특성과, 처리 점에 대한 표면의 방향 모두를 포함한다. 이들 데이터는, 고품질의 결과를 효과적으로 얻기 위해 표면 적용 범위를 조절하고 정확한 계획을 세우기 위해 사용된다. 본 발명의 바람직한 실시예에서, 기계 시각 부품은, 페인트 층과 하부 기판을 식별할 수 있는 상응하는 광원을 구비한 다중-스펙트럼 카메라를 포함하며, 표면 적용 범위 장치는 비행기의 표면으로부터 코팅을 제거하기 위해 사용되는, 본래 레이저 용접을 위해 설계된 고출력 레이저 스캐너이다.

도 1: 코어 작동 원리. 표면 특성 분석기의 대칭은 표면 분류 데이터가, 표면 처리 과정 직전, 직후 모두에 생성될 수 있도록 한다.
도 2: 도 1에 설명되어 있는 모든 부품들과 표면 맵핑 유닛과 레이저 코팅 제거 처리를 위한 다른 지지 부품을 포함하는 레이저 코팅 제거용 말단 이펙터.
도 3: 자동화 표면 적용 범위를 위한 완전체 이동 시스템.
도 4: 비행기 구조의 예시로부터 날개-상부와 기체-상부 패치를 보여주기 위한, 전체 3D 서페이스 모델을 2D 표면 패치의 세트로 해체 작업. 이 모델은 다른 날개 상부와 세 개의 유사한 "하부"면을 커버하기 위해 네 개의 추가적인 패치(미도시)를 포함할 수 있다는 점에 주목해야 한다.
도 5: 시험용 말단 이펙터에 장착되어 있는 맵핑 센서(좌)와 관련 캐드 모델(삽입화). 관련 시야각 센서가 Sick LMS400을 위한 레이저 팬과 카메라를 위한 절두체로서 우측에 또한 도시되어 있다.
도 6: 1 내지 2cm 정도의 점 데이터 군(cloud) 두께를 출력하는 전형적인 소음 센서(noisy sensor) 출력(좌). 데이터 군을 각진 상자에 담고, 각각의 상자의 최빈 가능 범위를 계산하여 특정 방향의 실사 거리(actual range)를 얻는다. 출력된 거리 측정값을 3차원으로 다시 재-투사하여, 서브-밀리미터 데이터 군 두께를 제공하고, 데이터 용량을 상당히 감소시키며, 정확한 기하학적 재현을 유지한다(우).
도 7: 평면 패치 모델의 옥트리-기반 생성. 평면 구조체의 가장자리에서 모델 상세를 캡쳐하는 고 해상도 패치가 표면을 나타내는데 상당히 적은 데이터를 요구로 하는 것을 주목해야 한다.
도 8: 이 그림은, 센서의 자세(pose)의 불확실성에 대한 강한 제약을 제공하는 서페이스 모델의 양태를 식별하는데 사용되는 경험적 모델(heuristic)을 본질적으로 보여준다.
도 9: 표면 궤적 생성: (좌) "솔루션 매니폴드"가 주어진 현 베이스 위치와 암 운동 역학을 생성한다. (중앙) 적용 범위 열이 솔루션 매니폴드 위에 생성된다. (우) 이 적용 범위 열의 순서가 처리 규칙과 규제를 지키면서 실행 시간에 대하여 최적화된다.
도 10: 솔루션 매니폴드 생성. (좌) 표면 형상이 컴퓨터 역 운동학 솔루션을 계산하는 데 사용된다. (우) 기하학적으로 물리적으로 인접한 역 운동학 솔루션이 "솔루션 패치"를 형성하기 위해 성장한다,
도 11: 적용 범위 경로 생성. (좌) 솔루션 패치는 "적용 범위 경로"로 분할된다. (중앙) 적용 범위 경로는 이미 완성된 부분을 제거하기 위해 가지치기 된다. (우) 적용 범위 경로의 최종 최소 세트가 연장되어 말단 이펙터가 가속 및 감속되도록 한다.
도 12: 적용 범위 플랜 평활화.
도 13: SPA 처리 과정. (좌) 이미지 데이터가 표면 위에 맵핑된다. (중앙) 이 데이터는, 여기서 서로 다른 색의 서브-셀 경계로 나타난 개별적으로 분리되어 있는 서브-셀단위 영역 안으로 담겨진다. (우) 이들 서브-셀단위 영역은 설정가능한 정책에 따라서 셀-레벨 분류를 실행하기 위해 합쳐진다.
도 14: 이미지 데이터와 가우스 혼합 모델(Gausian Mixture Model) 분류 결과의 측면 대조.
도 15: 현 표면 특성 분석 하드웨어를 묘사한 기능 다이어그램. 좌측에서 백색광이 편광 필터를 통하여 발광되며 두 개의 RGB 카메라에 의해 수집된다. 우측에서 인접한 적외선이 발광되며 적합한 대역통과 필터를 구비한 제3 카메라에 의해 수집된다.
도 16: 표면 플래닝 처리: 현 시스템 상태와 계획된 암 궤적이, 처리되려고 하는 타겟 표면의 영역을 결정하는 데에 사용된다. 높은 설정가능한 정책에 따라 명령을 처리하기 위해, 관련 분류 정보가 서페이스 모델로부터 검색된다.
도 17: 레이저 코팅 제거를 위해 표면 적용 범위 모듈레이터의 블록 다이어그램.
도 18: 광역 자기 위치 인식: 잘 알려진(조사된) 장소와 함께 로봇 감시 가상 랜드 마크(흑 백 코드 사각형) 위에 카메라. 매니퓰레이터의 베이스에 대한 카메라 위치가 풀 6-DOF 자세를 제공한다.
도 19: 멀티-해상 충돌 모델 개략도. (좌) 매니퓰레이터와 말단 이펙터의 예시. (중앙) "충돌 캡슐과 오버레이된 매니퓰레이터 샘플. (우) 멀티-해상 충돌 모델에 대한 충돌 캡슐 평가의 이차원적 재현.
도 20: 점간 경로 플래닝 처리
도 21: 이동 기반 운동학: 휠 각도와 속도가 로봇의 좌표 프레임에서 선형 및 회전 속도로 감소될 수 있다.
도 22: 전방위 기반의 단순한 플래닝: 변형과 제자리 회전의 조합으로 분해.
도 23: 기체의 좌현을 커버하는 MBU 측점 순서의 예시.
도 24: 안전 시스템 상태 장치와 안전 리모컨의 예시.
도 25: 주요 말단 사용자 작업 모델. 파란색 화살표는 사용자-유발 상태 변화를 나타내고, 빨간색 화살표는 직무 모델로부터의 데이터 흐름을 나타낸다.
도 26: 협력 처리 패러다임: 메시지 라우터를 통한 계층적 메시지를 사용하여 호스트를 지나는 다중 처리 통신.
도 27: 시스템 사용자 인터페이스(UI) 메타포: 플러그인은 하나 이상의 영역을 위한 UI 요소를 제공하고, 그 UI 요소를 시스템 상태와 동기화한다.
도 28: 이 프로젝터를 위해 개발된 계층적 로봇 시스템 구성 모델: 우측에 전체 "로봇"은 베이스, 매니퓰레이터와 말단 이펙터로 구성된다. 좌측에 각각의 서브 부품의 특정 예시는 다른 매니퓰레이터의 모델 또는 다른 말단 이펙터 형상와 같은 다르지만 유사한 부품으로, 시스템의 어떠한 소프트웨어 변화 요구없이 대체될 수 있다.
도 29: 공업용 매니퓰레이터(암)가 작동시(좌), 높은 정확도 시뮬레이션(중앙), 낮은 정확도 시뮬레이션(우)으로 시뮬레이션되고 제어되는 경우에 모델-제어-시각(model-controller-view) 분리를 나타내는 기본 계층 구조.

일 실시예에서, 시스템은 3차원 대상의 표면 위에서 표면 적용 범위 장치와 두 개의 기계 시각 부품을 조정할 수 있다. 시각 시스템은 처리 측점 아래를 지나는 표면에 대한 충분한 데이터를 얻어 고품질의 결과를 효과적으로 생산하도록 표면 적용 범위를 조절하기 위함이다. 현 실시 시스템의 경우, 표면 적용 범위 장치는, 일 예로, 비행기의 표면으로부터 코팅을 제거하기 위해 사용되는, 본래 레이저 용접을 위해 설계된 고출력 레이저 스캐너이며, 시각 부품은 그 표면의 현 상태, 즉 코팅이 제거되지 않고 남아 있는지를 나타내며, 또한 상기 기재한 고출력 레이저 스캐너에 대한 표면의 방향과 거리를 나타낸다.

연속적인 표면 적용 범위의 중심부 사용이 도 1에 캡쳐되어 있으며, 다섯 개의 주요 시스템 부품과 타겟 사이에 주된 콜라보레션을 보여준다; 이들 다섯 개의 주요 부품은,

- 표면 특성 분석기,

- 서페이스 모델,

- 표면 적용 범위 플래너,

- 표면 적용 범위 모듈레이터,

- 표면 적용 범위 플래너;이며 아래에 상세하게 설명된다.

두 개의 표면 적용 범위 분석기는 동적 처리에 대한 분류 정보를 생성하기 위해, 측점을 처리한 이전과 이후 모두의 이미지 데이터를 처리한다. 레이저 코팅이 제거된 경우에 표면은 "탑코트", "프라이머" 또는 "기판" 중 하나로 분류될 수 있으며, 탑코트와 프라이머는 처리되어야할 잔여물이 남았다는 것을 암시하며, 기판은 처리가 끝났다는 것을 임사한다. 이들 표면 분석의 결과가 서페이스 모델 안에 저장되며, 처리 측점 "전"의 데이터는 표면 적용 범위 플래너에 의해 표면 적용 범위를 제어하는 데 사용되고, 처리 측점 "후"의 데이터는 추가적 이동이 요구되는지 여부를 결정하기 위해, 예를 들면 코팅 제거의 처리의 결과를 검사하는데 사용된다.

서페이스 모델은 물리적 대상 표면의 감시 또는 처리의 진행과 관련되어 있는 지속적인 데이터베이스 안의 타겟 표면의 분류 상태를 캐쉬(cache)하며 완성된 표면 형상을 캡쳐한다.

표면 적용 범위 플래너는 처리 동작의 순서를 계획하기 위해, 처리 툴의 궤적을 따라서 타겟 표면으로부터 가장 최근에 관찰된 SPA 데이터를 즉시 조회한다. 이 일련의 동작은 표면 적용 범위 모듈레이터로 넘어간다.

표면 적용 범위 모듈레이터는 고품질의 단부 결과와 전체적인 처리의 더 나은 제어를 시행하기 위해 실시간 피드백과, 표면 적용 범위 플래너로부터의 명령을 결합한다. 레이저 코팅 제거의 경우, 이전의 레이저 명령에 대한 표면의 반응에 기초하여 레이저 강도를 조절한다.

이 시스템의 실행은 이들 부품을 결합하고, 또한 도 2에 도시된 것처럼 예를 들면 타겟 표면에 대해 다듬는 동작과 정확한 위치 지정을 위해 산업상 매니퓰레이터에 장착되어 있는 커스텀(custom) 말단 이펙터와 결합한다.

대상물의 다양한 변형에 대한 일정한 동작을 가능하게 하기 위해, 이 시스템은 도 1에서 제안한 대로, 강력한 모델-중심적 프로그래핑 접근법, 계획 생산, 인지 결과의 저장, 그외 타겟 표면의 명시적 모델에 대한 시스템 동작의 지정을 취한다. 이와 같이, 시스템의 궁극의 정확성과 효율성은 타겟 표면 형상의 높은 정확성 모델의 유지와 구성, 모델의 현 상태, 및 가장 중요하게는 로봇에 대한 정확한 모델의 위치에 강하게 의존한다.

삼차원 대상의 표면의 정확한 기하학적 모델의 경우, 표면 적용 범위 플래너는 표면 적용 범위의 기하학적 제한 및 시간적 제약이 있는 경우에 전체 타겟 표면을 효율적으로 처리하는 공업적 암의 작동을 계획한다. 일제히, 상기 기재된 구성요소들은 단일 고정 매니퓰레이터 위치로부터 완전히 접근가능한 상대적으로 작은 타겟 대상의 전체 표면 영역을 처리할 수 있다. 접근가능한 표면 영역의 양은 예를 들면 도 3에 나타난 있는 이동 베이스 유닛에 매니퓰레이터를 장착함으로써 확장될 수 있으며, 이는 매니퓰레이터가 비행기와 같은 큰 대상 주변에, 가능한 경우 전체 표면에 도달하도록 다양한 위치에 재배치되도록 한다.

일 실시예에서, 서페이스 모델은 "표면 패치"라고 불리는 준동형 이차원 매니폴드의 세트로서의 삼차원 대상의 표면을 나타낸다. 준동형성, 즉 2D 매니폴드 맵에서의 거리가 3D 모델에서의 거리에서도 동일하며, 2D 매니폴드에서의 벡터값들 사이의 각도가 3D 차원으로 맵핑되었을 때도 유지되는 것이 유지되기 위해서는, 각 개별적인 표면 패치가 다양한 주요 기하학적 특성을 가지고 있어야만 한다:

- 패치는 국부적 연속 형상을 가져야만 한다. 다시 말해 패치는 적어도 제2 순서에서 연속적이어야 한다(C2를 통하는 경우에 불연속임).

- 모델에 곡선만 있는 경우에, 곡률의 일 "주된" 방향, 예를 들면 비행기 날개의 전방 방향, 또는 비행기 기체 둘레와 같은 방향이 있어야 한다.

- 이에 따라, 각 패치는 최소한의 국부 왜곡을 쉽게 "풀" 수 있을 것이며, 이에 따라 국부 준동형성을 보존할 수 있다.

도 4에 나타난 이들 기하학적 제약은 텍스쳐 맵핑의 컴퓨터 그래픽 컨셉과 매우 유사하다. 이들의 주요 차이점은 2D "텍스쳐"와 3D모델 간의 기하학적 준동형성의 중요성에 있다. 컴퓨터 그래픽 설정이 일반적일수록, 국부 텍스쳐 왜곡이 재능있는 기술자에 의해 보상될 수 있지만, 본 발명의 장치, "표면 적용 범위 플래너"는 국부 준동형성에 의존하여 3D를 2D 차원으로 효율적으로 변형하는 계획을 세운다.

각 개별적인 패치는 또한, 표면 영역의 물리적 유닛의 상세한 상태를 나타내지 않고, 임의의 기하학적 영역의 색을 나타내는 대신에 텍스쳐 이미지의 각 픽셀과 유사한 각 셀로 또한 이산화한다. 각 개별 셀은, 가까운 조사 또는 처리 업무와 관련된 표면의 상태를 표현하는 "표면 특성"의 유연한 세트와 함께 중심 위치 및 일반적, 크고, 작은 곡률 축을 포함하는 3D 형상을 인코드한다. 레이저 코팅 제거에 있어서, 관련 표면 특성은 예를 들면:

1. 표면의 특성이 가장 최근 및 가장 마지막에 "탑 코트", "프라이머", 또는 "(도장되지 않은) 기판" 중 어디에 분류되었는지;

2. 레이저 에너지에 노출되었던 가장 최근 시간 및, 그 레이저 에너지의 강도;

3. 예를 들면:

- 예민한 영역이 레이저 에너지에 노출되는 것을 방지하는 것과 같은, 영역 내의 표면 적용 범위 를 억제하는 "사실상 마스크됨(masked)"으로 특정 영역 마크;

- 표면 적용 범위 플래너가 말단 이펙터를 전체 영역에 걸쳐 배치하는 것을 방지하며, 표면 장애물을 보상하는 데 사용될 수 있는 "사실상 주의"로 특정 영역 마크; 또는

- 이례적인 페인트 색 또는 다른 이례적인 표면을 작동자가 볼 수 있는 경우에, "기판"으로서 잘못 분류된 영역을 무시할 수 있도록 "추가적 처리가 요구됨"으로 특정 영역 마크;에 대한 처리 플래닝을 무시할 수 있는 사용자 상호작용 마커의 배열.

이들 표면 데이터는 모두 전체 시스템에 접근할 수 있는 데이터 베이스에 저장되어, 타겟 표면의 상세 형상와 상태가 모든 시스템 구성 요소에 의해 언제라도 조회될 수 있다. 이는 관심 있는 좋은 모델-제어기-시야의 분리를 유지하면서, 넓은 범위의 인지, 플래닝, 분석 업무를 직접적으로 지원한다. 이 모델은, 다른 동일-유형의 비행기의 결과와 분석 결과를 비교하기 위해, 또는 동일한 비행기에서 처리 시설에 대한 후속 방문이 있는 경우에 오프라인 분석을 또한 보관할 수 있다.

본 발명의 일 실시예에서, 모델 생성은, 수동으로 생성할 수 있거나 현존하는 3D 모델로부터 얻을 수 있되, 그 구성에 몇 가지 제약이 있는 선행 모델의 구성으로부터 시작할 수 있다. 가장 단순한 경우, 선행 모델은 작업시 대상의 "외부 몰드 라인"을 나타내는 단일 폐쇄적 3D 형상을 포함할 수 있다. 다시 말해, 물리적으로 연속적인 표면은 언뜻 보기에 간단하면서, 가장 많은 현존하는 3D 모델의 구성에 반대되는 연속적 형상에 의해 나타나야 한다. 예를 들면, 날개에 부착된 조정 익면과 같은 인접한 또는 오버랩되는 물리적 구성요소는 제조, 조립 및 관련 관절(articulation)을 나타내기 위한 분리된 형상로서 종종 몰드된다. 일례로, 베이스 모델은, 시스템의 기하학적 요구를 만족하는 모델을 생성하기 위한 외부-몰드 문제의 이해와 인간의 직관에 의존하고, 표면 맵핑 처리로부터의 중간 결과와 기존의 3D 모델의 조합으로부터 수동적으로 생산된다. 정확한 표면 형상의 경우, 패치 세분화는 예를 들면, 전문적인 3D 모델링 툴에 내장된 텍스쳐 맵 "품" 기능을 사용하고, 텍스쳐 맵을 별도의 표면 패치로 할당하여, 결정될 수 있다.

일 실시예에서, 서페이스 모델 생성 및 국부화는 전통적인 라이더(LIDAR), 액티브 스테레오 프로젝션, 또는 플래쉬 라이더과 같은 3차원 센서를 사용하여 수행된다. 현 시스템은 2차원 평면 스캐너를, 도 5에 나타난 것과 같이 3차원을 통해 측정면을 스위프하는 맞춤식(custom) 틸트 장치에 장착함으로써 구성되는 3D 센서를 사용한다. 틸트 장치는, 표면 색과 텍스쳐 정보를 가진 최종 범위 데이터의 증대를 가능하게 하는 평면 라이더 스캐너의 수평 영역과 유사한 시야의 수평영역을 가진 칼라 카메라를 포함한다. 맵핑 센서는 도 2에 도시된 말단 이펙터를 포함하여, 다양한 시점으로부터 타겟 표면의 레인지 데이터를 얻기 위해 동일 산업상 매니퓰레이터를 조정할 수 있다.

일 실시예에서, "점 데이터군(point cloud)"으로 불리는 표면의 단일 스캔을 캡쳐하는 과정은 아래의 단계를 포함한다:

1. 아직 측정되지 않은 타겟 표면의 영역으로부터 데이터를 얻기 위해 맵핑 센서의 요구되는 시점을 선택하는 단계;

2. 상기 시점에 맵핑 센서를 놓도록 매니퓰레이터에 명령하는 단계;

3. 동작의 모든 동적 부작용을 해결하기 위한 작은 지연과 더불어 조정을 완료하기 위한 매니퓰레이터를 기다리는 단계;

4. 스위프 하는 동안에 라이더 데이터를 계속적으로 수집하며, 틸트 장치를 요구되는 레인지에서 매끄럽게 스위프 하도록 맵핑 센서에 명령하는 단계;

5. 틸트 장치에 스위프를 따르는 개별 위치를 상호 명령하고, 라이더 데이터로서 동일 각도 범위를 처리하는 칼라 이미지 데이터를 캡처하는 단계; 및

6. 공칭 "홈" 위치에 틸트 장치를 되돌리는 단계.

상기 처리는 다양한 시점에서, 다양한 이동 베이스 위치에서 여러 번 반복되어, 분리된 맵핑 센서의 일 자세에서 가능한 것보다 더 큰 표면으로부터 데이터를 캡처할 수 있다. 각 스캔 중에 전체 시스템 상태, 즉 이동 베이스의 자세와 산업상 매니퓰레이터 조인트 상태의 조인트 각도는 작업 환경의 기준 범위 내의 최종 점 데이터군을 등록하는 데 사용된다. 이들 상태의 변화는 상기 단계 3번 이후에 일정하여, "가공되지 않은" 점 데이터군의 수집의 전체 계산 복잡도를 단순하게 한다. 그러나, 임의의 물리적 시스템에 의해, 시스템적인 에러 및 랜덤 오차는 모두 맵핑 센서의 도출된 자세에 나타나며 관련 스캔의 차후 배열을 요구한다.

이들 점 데이터군 각각은 고유 센서 노이즈의 특정 수량을 또한 포함한다. 이와 같이, 점 데이터군은 도 6에 나타난 것과 같은 고유 센서 노이즈를 효과적으로 억제하며, 각도 비닝(binning) 컨텍스트 내의 높은-정확성 레인지 데이터를 측정하는 최대-가능한 접근법을 사용하여 후 처리된다. 이 후처리 단계는 표면의 더 매끄러우며, 더 정확한 표면을 나타내며, 또한 다운-스트림 처리 및 디스플레이의 중복 데이터를 상당히 감소시킨다. 이 알고리즘은 특정 라이더 스캐너와 현재 사용하는 틸트 장치의 노이즈 특성에 맞게 튜닝되나, 용이하게 조정되어 임의의 유사한 삼차원 점 측정 장치로부터의 데이터를 사용할 수 있다. 그러나, 라이더 스캐너의 고유 특성은 최종 결과의 질에 큰 영향을 주며, 그에 따른, 센서로부터의 증가하는 에러가 아래의 항목들 중 적어도 하나를 암시한다:

- 최종 생성 모델 및 국부화 오류의 비율적 증가;

- 통계적으로 오류를 감소시키기 위해, 오버랩된 스캔 데이터를 캡쳐하는 데에 더 많은 시간을 들일 필요성;

- 센서의 출력의 고유 노이즈를 보상 및 모델링하기 위한 더욱 개선된 알고리즘 개발.

상대적인 자세의 에러의 어느 정도 예상되는 점 데이터군의 세트의 경우, 각 클라우드 내의 데이터가 전체적인 데이터 세트를 전체적으로 일정하게 정렬하는데 사용하는 세분화 단계를 수행해야만 한다.

이는 동일한 물리적 표면의 측정과 충돌하는, 스캔 데이터의 오버랩핑 영역 내의 비 규칙적인 “두께”로 일반적으로 관찰 가능하다. 이 충돌은, 주어진 점 데이터 내의 각 점과 다른 점 데이터의 표면 간의 거리를 상당히 감소시키는 상호 스캔 매칭 기술을 사용하여, 타겟 표면을 더 잘 평가하는 단일 “얇은” 점 데 이터군을 결과적으로 통합하는 목적을 달성하며, 해결할 수 있다.

이들 스캔 매칭 알고리즘은 일반적으로 강한 기하학적 특성(예: 단단한 모서리, 가장자리 또는 직교면)에 따라, 매칭 처리 중에 표면들이 서로 실수로 “활주”되지 않게 한다. 그러나, 비행기의 코팅 제거의 경우, 기체 표면의 일반적으로 크고, 유연한 커브는 상대적으로, 상기 설명한 상당한 도전이 되는 “활주”를 야기하는 이러한 제약이 거의 없다. 일례로, 이러한 유연한 표면을 촬영한 점 데이터군의 매칭 결과를 개선시킨 신규한 제약-발견 알고리즘이 개발되어 왔다. 이 알고리즘은 고-질의 점 데이터군 매치를 하류 알고리즘에 대한 입력으로서 제공하여, 모델 생성 처리를 개선시킨다.

최종 세분화되고 정렬된 점 데이터군이, 전문적인 모델 편집 소프트웨어로 입력될 수 있으며, 예를 들면 수동 모델 생성으로 사용될 수 있는 다각형 망(mesh)으로 변경될 수 있다. 일례로, 망 변경 처리는 옥트리(octree) 데이터 구조를 사용하여, 주어진 셀 내의 점이 정확하게 측정되며 평면 패치로 대체될 수 있을 때까지 재귀적으로 점 데이터를 더 작고 작은 3D 셀로 세분한다. 현재, 최종 망은 생성된 서페이스 모델에 대한 요구사항을 만족하지 않으며, 따라서 직접적으로 사용될 수 없다. 구체적으로, 이 기술은 폐쇄적이며 연결된 삼차원 모델을 생산하지 못하며, 이는 오직 수동 모델링 처리에서 가이드로서만 사용될 수 있다. 그럼에도 불구하고, 이 처리는 몇 가지 주목할 가치가 있는 특성을 가진 타겟 표면의 최종 다각형 측정을 산출한다:

- 최종 다각형의 크기는 측정 표면의 특정 인접 곡선에 대하여 일반적으로 역으로 변화하되, 이는 밀도가 높고 크기가 작은 다각형이 특히 높은 곡률 또는 불분명한 영역 내에서만 생산되는 경우에 이점이 있다.

- 이 표면은 전통적인 복셀(voxel) 기반 점 데이터군 망 기술보다 아주 적은 수의 다각형에 의해, 표면의 더 나은 근사치를 제공한다.

- 상기 기재된 모델 조정의 수동 처리의 어려움을 감소시키며, 최종 모델의 면 수를 감소시킨다.

서페이스 모델이 생성 및/또는 세분화된 이후에, 원래의 전반적인-등록된 스캔 데이터는, 상기 언급한 스캔-투-스캔 매칭 기술과 유사하되, 이와 달리 스캔을 생성된 모델에 매칭시켜 작업 환경 내의 모델 위치를 세분화하여, 국부화 단계에서 한번 이상 사용된다. 이는 시스템이 처리되어야할 대상의 형상과 위치의 더욱 정확한 측정 하에 타겟 표면에 더 가까이 근접하도록 더욱 안정하게 작동하게 한다.

일례로, 점 데이터군을 타겟 표면의 화상(representation)으로 세분화하는 처리 내의 수동 상호작용의 역할은, 모델 생성의 지원에 의해 서페이스 모델 그 자체의 구성 요소로서 표면을 나타내는데 사용되는 가우스 확률 밀도 분포를 통해 감소된다. 예를 들어, 표면 형상의 남아있는 불확실성은 표면 적용 범위 플래너에 의해 사용되는 안전 이격 거리에 영향을 주어 표면과 충돌하는 것을 방지하는 데에 사용된다.

모델 형성의 범위를 넘어, 이동 베이스와 매니퓰레이터의 자세 측정에 작은 오류가 또한, 표면 적용 범위 조정의 실행 및 계획을 상당히 곤란하게 할 것이다. 다시 말해, 표면 처리의 이격과 직교 조건이, 말단 이펙터가 타겟 표면과 매우 가까운 거리에서 조정될 것을 요구하며, 표면에 대한 암의 자세의 비정확성이, 표면의 의도하지 않은 접촉, 비-이상적인 코팅 제거, 또는 오버 번(over burn)을 포함하는 다수의 문제점을 야기할 수 있다. 이에 따라, 표면 적용 범위 명령을 계획하고 실행하기 직전에, 이동 베이스의 자세는 처리되어야 할 타겟 표면 영역의 몇 번의 스캔과 상기 기재된 동일한 스캔-매칭 기술을 적용하여 세분화된다.

일례로, 센서 자세는, 가능한 스캔이 타겟 표에 대한 매니퓰레이터의 베이스의 자세에 대한 가장 신규한 정보를 더하는 경우에 그에 기초한 차선 스캔을 선택하는, 신규한 차선의 스캔 기술을 사용하여 계획된다. 일례로, 체험적으로 얻어지는 정보는 점들의 충분한 밀도를 가진 완성된 타겟 표면 형상의 적용 범위에 주로 기초하되, 이러한 체험적 정보는 타겟 표면에 대한 매니퓰레이터의 베이스의 자세의 측정된 불확실성의 감소의 더욱 명시적인 평가를 포함하기 위해 또한 확장될 수 있다. 따라서, 차선의 스캔 선택은 매니퓰레이터의 베이스 자세를 제한하는 시점을 동시에 강조할 수 있으며, 또한 처리되어야 할 표면의 전체 오버랩핑 적용 범위를 제공한다. 이 상호적인 정보 획득 표면-제한 점은 타원으로 나타난다. 서페이스 모델 상의 각 점에 있어서, 야코비안(Jacobian)은 측정된 범위의 최종 섭동(perturbation)에 대한 자세의 측정된 관련 작은 섭동이다. 센서의 자세의 불확실성을 가진 표면 측정에 의해 제공되는 제약을 교차함으로써, 표면의 다양한 측정에 의해 제공되는 자세 제약이 예측된다. 이는 표면의 특정 부분을 측정함으로써 추가적인 정보를 얻을 수 있음을 암시하며, 센서 자세의 불확실성의 감소를 극대화하는 것에 기초하여 차선의 스캔을 제공함을 암시한다.

일례로, 이들 최종 스캔은 이전에 지어진 모델과 매치되어 스캔 획득 중에 매니퓰레이터의 베이스의 자세를 측정한다. 이 세분화된 자세는, 타겟 표면을 처리하기 위한 요구되는 조인트 조정을 결정할 때, 표면 적용 범위 플래너를 사용하기 위해 개시된다. 이 “적시의” 표면 국부화 기술이 자세 측정 불확실성과 서페이스 모델 불확실성 간의 경계를 흐리게 하여, 최종 자세가 양 오류의 원인의 조합에 대한 보상으로 알 수 있다.

일례로, 차선 스캔 선택 컨셉은, 초기 풀-표면 맵핑 처리에 사용되기 위한 이동 베이스 지역 또는 “측점(station)”을 계획하고 선택하는 단계의 더 큰 문제점에 적용될 수 있다. 차선의 스캔 선택의 최상의 목적에 더하여, 상기 기재된 알고리즘은, 측점 선택 처리를 자동화하며, 각 측점에서 수집된 다수의 스캔을 따라 이동 베이스 동작을 최소화하여 초기 모델-설립 맵핑 스캔을 위해 요구되는 시간을 최적화하는 베이스 측점 플래너를 위한 명도 함수(value function)를 또한 나타낸다.

다른 예에서, 서페이스 모델의 수동 조정을 위한 요구사항은, 모델 구성 중이든 특정 표면 인스턴스(instance) 상에 사용을 위한 세분화 중이든, 비-전문적 최종 사용자가 모델 건설 및 조정을 하기 위해 사용하는 툴의 세트에 의해 완전히 제거되지 않는 이상, 완화된다. 본질적으로, 삼차원 대상의 총 형상을 캡쳐하는 초기 셀 모델이, 사용자에게 관찰되며 정렬된 데이터의 형상을 맞추기 위해 자동적으로 조정될 수 있으며, 사용자에게 필요한 모든 비-3차원 조정을 위한 수동 조정을 알리며 요구한다. 베이스 모델을 위한 표면 정상(normal)을 정의함으로써, 상기 기재된 방향을 정확하게 얻을 수 있으며, 표면은 어느 정도 조정될 수 있다. 데이터 습득과 표면을 나타내는 가능한 밀도 함수의 결정의 상기 언급한 단계 이후에, 수치 회귀 알고리즘이 가능한 표면의 최대 확률을 가진 표면 형상을 매치하는데 사용될 수 있다. 이는 사용자가 대상의 주변 또는 근처와 상호작용하는 단계 전에 확인하기 위한 “최대-가능한” 표면을 야기할 수 있다. 이에 대한 자연스러운 확장은 가까운-근처 표면 처리에 앞서, 사용자 상호작용을 요구하는 허용되는 자동화 조정 상의 작은 한계값을 가진, 작은 크기로 유사한 자동화 표면 조정을 수행할 수 있다.

적용 범위의 문제점 중 가장 주된 문제점은, 작업 공간이 일정한 사이즈의 2D 또는 3D 셀로 세분화되며, 각 셀은 적용 범위를 요구하는 영역 또는 부분을 나타낸다는 점이다. 적절한 모델을 사용함으로써, 주변 상태(world state)와 로봇 상태와 로봇 동작의 특정 조합에 의해 커버될 셀이 무엇인지를 추정하는 것이 가능하다. 적용 범위 플래너는 알고리즘의 계층적 시스템과 함께 이를 사용하여, 모든 처리-특정 제약을 지키면서 적용 범위 요건을 효과적으로 만족시키는 로봇 동작의 시퀀서를 결정할 수 있다. 이들 알고리즘의 특성은 환경의 불확실성, 환경의 제약 및 로봇의 제약, 및 적용 범위 동작의 특성과 같은 기준에 의해 강하게 영향받는다. 탐사 지도 맵핑과 같은 일부 문제점은 다수의 알려지지 않은 것들과 함께 변화하는 환경에서 작동한다. 이들 문제점에 있어서, 적용 범위 플래너는 실시간으로 계획을 짜서, 새로운 정보가 발견되는 것에 맞춰 "올바른" 동작이 지속적으로 변한다. 잔디 깎기와 같은 다른 문제점은 로봇 동작이 미리 계획을 짜도록 하는 준정적 환경에서 작동한다. 환경적 제약 및 로봇의 제약은 또한 사용되는 알고리즘의 유형에 상당히 영향을 준다. 예를 들면, 느린 단일방향성 잔디깎기는 논홀로노믹 조정되는 빠른 잔디깎기와는 다른 적용범위 계획을 일반적으로 선택할 것이다. 단일방향성 잔디깎기는 단순한 사각형 그래프 서치 알고리즘을 사용할 수 있는 반면, 논홀로노믹 차량은 플래너에 기초한 더욱 복잡한 격자를 사용하고자 하는 경향이 있다. 적용 범위 기준의 특성은 또한 고려되는 알고리즘의 유형에 강하게 영향을 미친다. 거의 무한 개의 시점 중 어느 시점으로부터 위치에 있는 카메라를 가리켜 영역을 커버하는 감시로봇은, 단지 영역에서 단순히 움직이는 진공청소 로봇과는 다른 플래닝 기술을 요구할 것이다.

표면 적용범위 플래너는, 코팅 제거용 레이저와 같은 기구가 삼차원 대상의 표면 위에 놓여야만 한다는 준-정적 적용범위 문제점을 고려한다. 상기에 기재한 대로, 표면은, 후에 일정한 그리드를 따라서 상대적으로 작은 셀로 세분화되는 준동형 2D 매니폴드의 세트 위에 맵핑된다. 각 셀은, 형상, 색, 및, "가상 마스크" 또는 "접근 금지"와 같은 적용범위의 요건을 억제할 수 있는 다른 마커와 같은 분류 데이터를 포함하는 표면의 각 영역의 상태를 모델링할 수 있다. 적용 범위는, 이들 표면 셀이 코팅이 제거된 경우에 "프라이머" 또는 "기판"과 같은 특정 상태에 도달할 때 완료되도록 한정될 수 있다.

이들 셀의 상태를 바꾸기 위해, 시스템은 동적 표면 처리를 통제하는 규정에 의해 각각 결정되는 방향, 이격 거리, 및 속도에서 표면 위에서 말단 이펙터를 움직인다. 레이저 코팅 제거의 경우에, 도 2 내의 말단 이펙터의 단부에서 셀의 일차원적 자취(swath)가 임의의 일 시스템 자세에 의해 영향을 받으며, 처리 규정은, 받아들일 수 있는 결과를 내기 위해, 동일 표면 셀에 대한 연속적인 방문들 사이에서 관찰되어야만 하는 최소 "냉각 시간"과 특정 표면 횡단 속도를 특정한다. 셀은, 셀이 요구되는 상태에 도달하기 전에 다중 시간 동안 일반적으로 커버되어야만 하고, 이 숫자의 측정은 표면 적용 범위 플래너에 활용될 수 있으며, 완성도는 표면 처리점 "이후"의 표면 특성 분석기에 의해 감지되어 주로 결정된다.

표면 위에서 말단 이펙터를 움직이기 위해, 시스템은 잘 알려진 베이스 위치로부터 작동하는 다중 축 상업용 매니퓰레이터를 사용한다. 이 상업용 매니퓰레이터는, 개별적 축 위치와 말단 이펙터 자세 사이에 움직이는 전방 및 후방 운동의 세트에 의해 한정된다. 이러한 매니퓰레이터의 대부분이 적어도 일부 운동학적으로 불필요하다는 점에 주목해야된다. 다시 말해, 주어진 축 위치의 세트가 분명한 말단 이펙터 자세로 변경된다고 하면, 주어진 말단 이펙터 자세는 복수의 축 위치에 의해 일반적으로 달성된다. 유연한 말단 이펙터 동작을 계획하는 경우, 이 일-대-다 역 맵핑은 운동 공간 내의 특이점에 의해 더욱 복잡해질 것이며, 매니퓰레이터 내의 조인트는 하나 이상의 방향으로의 말단 이펙터의 즉흥적인 움직임이 더 이상 불가능하도록 정렬된다. 말단 이펙터의 동작을 본절적으로 제한하는 것을 넘어서, 이러한 특이점 근방의 축 구성이 또한 수치와 동적 불안정성에 영향을 받으며, 점근적으로 무한 조인트 속도는 말단 이펙터에서의 상대적으로 작은 속도를 유지하는데 필요하다.

이들 동작은 매니퓰레이터의 갯수, 환경적 제약, 및 처리 제약의 영향을 받는다. 예를 들면, 상업용 매니퓰레이터는 고유 축 위치, 속도, 및 가속도 한계를 가지며, 이들은 의도하지 않은 진동에 의한 처리 소음을 감소시키며 안전한 작동을 보장하기 위해 설정가능한 한계에 의해 감소된다. 매니퓰레이터 자체-충돌 및 테더 랩핑 한계는 축 위치의 하위설정의 복잡한 기능으로서 모델링된 한계를 야기한다. 환경적 제약은 베이스를 나타내는 준동형 장애물 맵과 같이 비행기, 자켓-스탠드, 빌딩 상부 구조, 바닥, 천장 및 벽 위치 내에 위치하는 모든 대상을 나타내는 정적 장애물 맵을 포함한다. 처리 제약은 말단 이펙터 이격 거리, 장애물 이격 거리, 이상적 적용 범위 속도, 최대 비=적용범위 표면 횡단 속도 및 그외 다른 것들을 포함한다.

표면 적용 범위 플래너는, 모든 로봇, 처리, 및 환경적 제약을 조건으로 주어진 이동 베이스 위치로부터 가능한 빠르게, 가능한 많은 타겟 표면 패치를 커버하는 로봇 상태의 정기 시퀀스를 생산한다. 이 플래너의 가장 중요한 고려 사항은 동적 처리 시간의 극대화가며, 또한 최상의 동기로서 완벽성과 안정성과 견고함을 고려한다.

적용 범위 문제는 모든 일반적인 틀에서 상호작용하는 경향이 있으며, 하위 문제점을 보다 쉽게 해결하는 계층적 세트 내부로 주된 문제점의 세분화를 허용하는 가정을 단순화하여 일반적으로 해소된다. 일례로 표면 처리 범위 플래너는 연속하는 이차원적 "솔루션 매니폴드"로 타겟 표면을 변환하는 위치 기반 제약의 신규한 적용을 통해 이를 실시하며, 솔루션 매니폴드는 관련 매니퓰레이터 상태를 포함하며 기하학적으로 인접한 표면 셀이 또한 조인트-공간-인접 매니퓰레이터 상태를 갖는 제약에 영향을 받는다. 이 공식은, 여섯 개의 축 매니퓰레이터를 가진 삼차원적 표면의 적용 범위 문제를, 주어진 솔루션 매니폴드 내의 임의의 두 개의 인접한 셀들 간에 이동할 수 있는 단일 방향성 "가상 로봇"이 가진 이차원적 적용 범위 문제점으로 단순화한다.

이러한 화상을 사용하여, 적용 범위 경로가 단순한 시퀀스의 이 차원적 조정에 의해 단순화될 수 있으며, 이들 경로는 솔루션 매니폴드의 요구되는 부분을 효과적으로 커버하도록 쉽게 생성된다. 도 9에 나타난 것과 같이, 이는 단일 솔루션 매니폴드의 전체를 커버하는 표면 처리 규정과 상응하는 오프셋을 가진 평행 선 세그먼트의 세트를 특정하는 것만큼 단순할 수 있다. 그 다음, 최적화기가 이들 적용 범위 경로의 순서를 정하며, 이동 방향(즉, 전방 또는 후방)을 선택하고, 이상적인 운동 세그먼트로 단부 포인트를 연결할 수 있다.

이들 이차원적 경로는 그 다음, 유연하고, 혼합되며, 표면 처리 규정에 의해 정해지는 속도 제약에 따른 시간-기초 매니퓰레이터 상태 궤적으로 변환된다. 고유 매니퓰레이터 속도 및 가속도 제약은, 그 다음 모든 제약이 만족될 때까지 두 개의 궤적 포인트 사이에서 시간을 "확장"하는 신규한 알고리즘에 의해 최종 궤적과 중첩된다.

일 실시예에서, 표면 적용 범위 플래너는, 주어진 표면 경로를 효과적이며 안정적으로 커버하는 복잡한 조인트-공간 매니퓰레이터 궤적을 생산하도록 상호작용하는 계층적이며, 모듈라이즈된 다수의 소프트웨어 구성 요소를 포함한다.

솔루션 매니폴드 생성기는, 인접 조인트 상태를 사용하여 말단 이펙터에 의해 연속적으로 "횡단"될 수 있는 표면의 이차원적 화상을 생성하는 역할을 한다. 아래의 조건을 보장하며, 주어진 표면 셀에서의 삼차원 표면 형상을 상응하는 매니퓰레이터 조인트 상태로 효율적으로 변경한다:

- 각 매니퓰레이터 상태는 광범위하게 실시가능하고, 장애물과 자체-충돌이 없으며, 동적이며 수치적인 도전을 피하기 위해 상기 언급한 특이점으로부터 충분히 멀리 있다;

- 인접한 솔루션 매니폴드 셀은 인접한 매니퓰레이터 상태를 가지며, 적용 범위 문제를 이차원적 서치 공간으로 단순화한다.

상기에서 설명한 바와 같은 운동의 불필요성을 나타내기 위해, 솔루션 매니폴드에 대한 몇몇의 후보가 베이스 위치와 표면 패치의 주어진 임의의 조합을 계산한다.

후속하는 것(what follows)은 이러한 각 후보에 적용되며, 전체적인 적용범위 기준에 가장 잘 맞는 매니폴드가 실시를 위해 선택된다.

솔루션 매니폴드의 생성은 세 개의 주된 구성 요소로 나뉜다: 역 운동학 해결기(solver), 알고리즘을 성장시키는 가장 인접한 솔루션 패치에 기반한 주된 큐(queue), 그리고 솔루션 패치 가중치와 선택 알고리즘. 역 운동 해결기는, 주어진 조인트 구성 내의 암의 크기에 의해 적용되는 토크에 의해 야기되는 이동 베이스 유닛 상에 장착되는 매니퓰레이터의 꺾임(reflection)과 같은 물리적 효과를 보상하는 것을 포함하는 적용 범위 요건을 만족시키기 위한 말단 이펙터 자세를 생산하는 모든 유효한 매니퓰레이터 조인트 상태를 산출한다.

우선, 시스템은 표면 패치 내의 각 셀을 위한 적용 범위 기준을 만족하는 표면 자세의 세트를 결정한다. 코팅을 벗기는 과정에서, 이들은 표면에 대한 고-출력 레이저 스캐너의 이격 거리에 대한 허용 오차로서 나타나며, 표면 처리 장치를 위한 법선 자세의 작은 세트를 제공하는 표면에 대한 방향에 대한 허용 오차로 나타난다. 허용가능한 오차 범위 내에서, 이 초기 설정은, 보다 복잡한 표면 형상의 다른 접근 불가능한 영역으로 접근하기 위해, 표면 이격 거리 또는 자세의 작은 오차를 허용하는 것과 같은, 작은 정도는 동요할 수 있다. 이들 후보 표면 자세는, 상기에 언급한 표면 패치 화상과 같은 세분화 모델 내에서 자연스럽게 발생하는 양자화 인공물의 다수를 제거하는 수치상으로 안정되고, 정확하며 매끈한 표면을 제공하는 셀 위치와 평균값에 대해 편중된 이차원적 표면 회귀를 사용하여 산출된다.

후보 표면 자세가 주어진 셀을 위해 산출되면, 이들 자세는 처리 장치의 참조 프레임으로부터 산업상 매니퓰레이터 용 본래 말단 자용체 프레임으로 변형된다. 주문 제작된 역 운동 해결기는 그 다음, 주어진 매니퓰레이터 상태에 의해 야기되는 측정된 베이스 편차와 장애물, 자체-충돌을 확인하는 최종 말단 이펙터 자세 각각을 만족시키는 가능한 매니퓰레이터 상태의 세트를 산출한다. 적용 범위 규칙에 의해 허용되는 복수의 말단 이펙터 자세의 조합 내의 현재 매니퓰레이터의 불필요한 중복의 경우, 주어진 표면 셀에 대한 열 여섯개 이상의 역 운동 솔루션을 갖는 것이 일반적이다.

솔루션 패치 생성 알고리즘은 그 다음, 각 셀을 위한 실시가능한 역 운동 솔루션의 세트를 상기 언급한 솔루션 매니폴드의 세트로 분할한다. 이는 본질적으로, 표면 패치의 중심으로부터 시작하여 매니퓰레이터 상태에서 충분히 가까운 모든 이웃 셀을 연결하여, 각 솔루션 매니폴드를 형성하는 플러드-필(flood-fill) 알고리즘이다. 조인트 공간 내에서 "충분한" 근접성의 결정은 주어진 매니퓰레이터 축에 의해 달성가능한 속도에 따라 한정된다. 이 플러드-필은 주어진 매니폴드 안으로 통합할 때 각 후보 역-운동 솔루션을 "소모"하며, 이 처리는 모든 후보가 매니폴드에 할당될 때까지 각 잔여 역-운동 솔루션을 위해 반복된다. 최종 결과는, 매니퓰레이터의 운동 작업공간의 특성과 표면 형상의 복잡성에 따라, 임의적으로 커질 수 있는 타겟 표면 위의 솔루션 매니폴드의 수집이다. 최종 솔루션 매니폴드는 사이즈에 의해 분리되며, 가장 큰 사이즈의 선택은 아래의 내용을 통합하는 평가 알고리즘에 따라 처리된다.

- 추가적인 처리를 요구하는 셀의 적용 범위를 본질적으로 보상하는, 도달가능한 각 셀의 현 처리 조건.

- 관련없는 암 동작을 요구하는 솔루션으로부터 멀어지도록 매니폴드 선택 처리를 편향시키는 초기 매니퓰레이터 상태에 대한 근접성.

가장 높은 점수를 가진 솔루션 매니폴드는 그 다음 추가 처리를 위해 선택된다. 일례로, 이 "최상"의 매니폴드는 분리되어 처리되나, 일 패스로 커버되는 표면의 양을 증가시키기 위해, 더 큰 단일 표면 매니폴드로 여러 매니폴드가 효율적으로 결합하며, 오버랩핑 매니폴드들 사이에 이송점을 한정하는 것도 가능하다.

적용 범위 경로 생성기-이상적인 솔루션 매니폴드는 그 다음 표면 처리 규정의 동적인 제약과 형상을 만족시키는 양방향성 경로의 세트로 추가적으로 분할된다. 레이저 코팅 제거를 위해, 주어진 자세에서 레이저에 의해 영향을 받는 표면 영역의 결정을 요구하는 방문들 간의 "냉각" 기간과 함께 주어진 표면 유닛에 적용되는 레이저 에너지의 양을 제한하는 정상(norminal) 표면 횡단 속도와, 설정가능한 시간 내에 레이저 에너지를 동일 영역에 노출시키지 않는 적용 범위 경로의 선택을 포함한다. 이들 제약은 아래의 항목을 통해 현재 수용된다:

- 고정 오프셋을 가진 솔루션 매니폴드를 따라 일정하게 이격된 평행한 "열"을 생성하며, 이를 통해, 예를 들면 임의의 일 열을 위한 레이저 에너지에 노출된 표면 영역은 인접한 열의 레이저 에너지와 중첩되지 않는다. 그러나,

- 총부분으로, 이들 모든 열에 의해 커버되는 표면 영역이 솔루션 매니폴드의 전체 도달가능 영역을 커버한다. 그리고,

- 주어진 임의의 열의 운동 방향에 있어서, 솔루션 매니폴드를 포함하는 역-운동 솔루션은 매니폴드를 생성하는 데에 원래 사용되는 근접 룰의 더 제한된 변화를 만족시키며, 그에 따라 요구되는 횡단 속도를 달성할 확률이 높아진다.

먼저, 두 개의 요건은, 솔루션 매니폴ㄷ르의 최대 적용 범위를 보장하며 적용 범위 문제에 대한 해결책을 직접적으로 제시하고, 세 번째 요건은 표면 위의 매끄러운 선형 운동을 보장하는 것이다. 전체 솔루션 매니폴드를 커버하는 양 방향성 적용 범위 경로의 최종 세트는 그 다음 도 11에 도시된 것과 같이 효율성을 위해 가지치기 된다. 표면 처리 규정에 따라 이미 "완성"된 표면 셀을 커버하는 섹션이 제거되며, 미완성된 영역을 커버하는 경로만을 남겨둔다. 이 최적화 단계는, 동적 처리를 위한 다른 경로를 사용하는 것보다 더욱 빨리 인접 열에 대한 지름길 또는 표면을 횡단하는 경로에 연결되는 동적 열의 말단 점을 허용함으로써, 동적 처리 시간을 증가시킨다.

적용 범위 플랜 생성기- 최적화된 적용 범위 경로의 세트는 그 다음 전통적인 그래프 서치 알고리즘과 신규한 그래프 서치 알고리즘의 조합에 의해 단일 적용 범위 조정과 결합한다. 제1, 더욱 전통적인 장치는 솔루션 매니폴드 상의 임의의 두 점 사이의 최적 경로와 비용을 계산하기 위한, 직사각형 연결 그래프에 대한 Djikstra 알고리즘의 표준 장치이다.

"적용 범위 경로 최적기"로 불리는 제2 구성요소는, 이항식의 일반화된 여행하는 외판원 문제(binomial generalized traveling salesman problem)와 같은 문제를 나타냄으로써 각 적용 범위 경로의 횡단 방향과 거의-최선의 순서를 결정하는 최적기이다. 각 경로는 따라서, 각 횡단 방향을 위한 두 개의 "도시"의 세트로 나타나며, 둘 중 하나를 방문한 경우에 "방문함"이라고 전체 경로를 마크한다.

초기 도시에서 도시로의 비용은 상기 언급한 그래프 서치 플래너로부터 최적 경로 비용을 사용하여 생성되며, 순차적으로 표면 처리의 임의의 임시 파라미터에 의해 조정된다. 레이저 코팅 제거에 있어서, 이 조정은 "너무 가까운", 그리고 레이저 처리의 열(thermal) 냉각 요건을 위배하는, 인접 열(row)의 횡단의 비용에 대한 인위적 증가를 포함한다.

적용 경로의 순서와 방향이 최적화된 이후에, 이들 경로는 상기 기재된 전통적인 그래프-서치 기술에 의해 연결되며, 도 9와 같이 "횡단" 또는 "적용 범위"로서 나타나는 표면 매니폴드의 좌표의 연속적은 세트를 도출한다. 이 경우, 말단 이펙터는 솔루션 매니폴드의 요구되는 부분을 완전히 덮도록 따라야한다.

로봇 상태 궤적 생성기- 로봇 상태 궤적 생성기는 최적화된 적용 경로 플랜을, 이차원적 표면 좌표의 리스트로부터, 표면 처리 속도 요건과 고유 매니퓰레이터 속도 및 가속도 제약을 모두 만족시키는 매니퓰레이터 상태의 시간적 시퀀스로 변환한다. 이 단계에서, 최종 궤적은 또한 세분화된 표면 위의 그래프 서치 때문에 엘리어싱(aliasing)을 감소시키도록, 또한 원치않는 시스템 진동을 최소화 시키면서 동적 처리 시간을 극대화하는 매끄러운 변환을 가진 운동 세그먼트와 적용 범위 간의 변환 내의 "하드(hard)" 코너를 대체하기 위해 또한 대체된다.

제1 두 개의 이들 필터링 단계는, 상기 언급한 표면 공간 내의 엘리어싱 효과를 억제하기 위해, 표면 궤적의 롤링 윈도우에 적응 이차(quadratic) 회귀를 적용하는 표면-공간 알고리즘을 포함한다. 이 알고리즘은, "접근 금지" 영역의 관찰 또는 매니퓰레이터 자기-충돌과 같은 근본적인 시스템 제약을 여전히 따르면서, 매끄러움이 발생하도록 하는 적응 매게변수를 포함한다.

이들 매끄러운 영역은 그 다음, 도 12에 나타난 대로 스플라인-형 최종 표면 궤적을 생성하며, 적용 범위와 이동 경로 간의 연결 점을 마무리짓는 사인곡선 가중 곡선(scheme)을 사용하는 적응 혼합 알고리즘(bleding algorithm)을 통과한다. 이 단계는, 표면 상의 횡단 경로를 바꾸기 위해 정지할 때까지 속도를 늦추기 위해 요건을 (제거하지 않는 다면) 감소시키는 완전한 동적 궤적으로, 적용 범위와 운동 경로 간의 준-동적 교차점을 대체함으로써 동적 처리 시간을 증가시킨다.

매끄러운 표면 플랜이 2D 표면 좌표 내에서 생성된 경우에, 이는 상응하는 역 운동 솔루션을 회수하기(retrieve) 위해 솔루션 매니폴트를 통해 표시(index)함으로써 유효한 매니퓰레이터 조인트-공간 궤적으로 변환된다. 이차원적 이차 회수의 추가적 형태는 이 단계에서, 수치적 정확성 또는 표면 세분화에 의해 원치않는 진동을 억제하는 데 사용되며, 각 매니퓰레이터 상태 같은 시간 간격은 현재 표면 처리 규정의 함수로 타겟 말단 이펙터 속도를 수치화함으로써 얻어진다.

최종 처리 단계에서, 최종 조인트-공간 궤적은, 아래의 사항을 강화하기 위한 표면 적용 범위 조정 내의 인접 상태들 간의 시간을 상호 소모하는 제약-기반 시간 팽창(time dilation) 알고리즘의 묶음(suite)의 대상이 된다:

- 현 실시예에서 500mm/s로 설정되는 안전-필수 최대 말단 이펙터 속도

- 매니퓰레이터의 설정가능한 조인트-공간 속도 한계

- 매니퓰레이터의 설정가능한 조인트-공간 가속도 한계

이 순서에서 이들 제약의 적용은 임의의 주어진 순간에서의 말단 이펙터 표면 속도를 극대화하며, 이는 결과적으로 이 시스템의 주요 성능 파라미터인 동적 처리 시간을 극대화한다,.

표면 진입/퇴출(ingres/egress) 플래너- 전체 표면 적용 범위를 만드는 최종 단계는 매니퓰레이터의 최초 상태를 표면상 궤적 내의 적절한 점으로 연결시키고, 표면 처리가 완료되었을 때 유사하게 매니퓰레이터를 그의 최초 위치로 회귀시키는 경로를 생성하는 것이다. "진입"과 "퇴출" 조정으로 불리는 이들 조정은, 플래닝 실패의 특별한 예외를 제외하면 일반화된 암 운동과 같은 동일한 방식으로 계획된다. 이러한 경우, 별도의 진입 및 퇴출 점은, 양 계획이 성공할 때까지 대체되며, 이동 경로는 본래 적용 범위 플랜에 연결할 필요성에 따라 표면상 궤적에 더해진다. 추가적인 안전 장치로, 상기 기재된 시간 행창 알고리즘은 표면의 근처의 말단 이펙터의 속도를 늦추는 "연착륙" 규칙에 의해 확장되어, 표면 충돌을 막을 수 있는 "급락(plunging)" 진동 위험의 완화시키고시스템의 작동과 최종 사용자의 편안함을 일반적으로 증가시킨다.

플랜 검증 및 메트릭스 묶음- 매니퓰레이터 제어 업무가 알려지기 이전에, 적용 범위 경로 생성 내의 알고리즘 또는 수치적 오류가 표면과 충돌할 수 있는 경로를 생성하는 위험의 완화로서, 장애물 탐지 장치의 높은 보수적 변화를 사용하여, 궤적은 하나의 최종 유효 단계를 경험하였다. 이는 잠재적으로 유효한 타겟 표면의 센치미터 범위 내에서 산업상 매니퓰레이터가 작동할 때 특히 신중하다.

다양한 성능 메트릭스는 또한, 비효율적인 모든 소스의 상세 조사와 함께 최종 플랜이 동적 처리 시간을 최소화하는 범위를 캡쳐하는 플랜 검증 공장의 부작용으로 계산되며, 전체 시스템의 주된 비효율성과 현 기능의 진행중 엔지니어링 노력과 최종 사용을 알린다.

고장 회복- 장기간 산업상 배치를 궁극적으로 목적으로 삼는 시스템에 있어서, 고장의 견고한 탐지와 처리는 주된 설계 쟁점이다. 고 보수적 표면 안전 규칙과 직결된 표면 처리 범위 플래너의 복잡성에 있어서, 베이스 자세, 표면 형상, 기계적 강성 등의 오류의 감지하기 힘든 집합에 의해 간헐적인 오류의 예외가 있다. 감독되는 자율 패러다임의 일부로서, 이들 오류를 상호작용 해결을 위한 작동기에 제시할 필요가 있으나, 또한 오류를 처리하기 위해 필요한 수동 간섭의 정도를 최소화하는 것도 필요하다. 표면 처리 범위 플래닝의 경우, 최종 사용자는 일반적 오류 케이스를 극복하기 위해 설계되는 추가 전략의 세트를 가진 표면 적용 범위 명령을 재구동하기 위해 옵션을 제안받는다. 이러한 전략의 일례는, 국부화 시스템 내의 순간적인 에러의 인공물인 위정(false-positive) "충돌"로부터 로봇을 해방시키기 위해, 규칙을 저지하는 장애물에 적용되는 보존성의 정도를 일시적으로 감소시킬 수 있다. 이들 조정은 작동기 감독의 증가된 예상을 가지며, 정상 작동이 재개될 수 있을 때까지 낮은 속도에서 일반적으로 실행된다

본 발명이 가능한한 많은 타겟 표면 패치를 커버하는 로봇 상태의 일시적 시퀀스를 생산하기 위해 표면 적용범위 플래너를 사용하는 실시예를 주로 설명했지만, 당업자들은 본 발명의 방법이 하기의 다른 기술을 위해 사용될 수 있다는 것을 인지할 것이다. 예를 들면:

- 적용 범위 경로를 표면 패치를 가로지르는 일반적인 각도로 연장(현재는 이들 경로는 오직 운동 방향임).

- 열 적용 범위 플래너가 단일 플랜 내에서 다중 적용 범위 매니폴드를 사용하도록 함.

- 다양한 주 기능 파라미터(KPP)(특히 레이저-온 시간)을 최적화함.

- 오프라인 베이스 위치 플래닝을 지원.

- 제약(예: 열 손실)에 기초하여, 열 적용 범위 플래너 최적기에 직접적으로 순차적으로 통합.

- 벗기는 처리 중에, 코팅 두께와 같은 새로운 정보가 발견됨에 따라 적용 범위 경로를 수정하는, 실 시간 적응 경로 플래닝을 완성.

표면 적용 범위 플랜을 구동하는 동안, 모든 표면 특성 분석기(SPA) 입력 장치는 연속적으로 표면 이미지 데이터를 캡쳐하고, 표면 분류 정보를 업데이트 한다. 본 실시예에서, 단일 SPA 장치는, 도 15에 도시된 것처럼 7-채널 멀티-스펙트럼 이미지 센서를 실시하기 위한 적절한 필터와 광선과 함께, 두 개의 RGB 칼라 카메라와 하나의 근적외선 카메라를 포함한다. 이들 센서로부터 얻어진 분류 결과는 서페이스 모델에 하기의 내용을 통합하여 저장된다:

- 데이터 획득 시간에서의 말단 이펙터의 순간적인 자세, 및

- 시야 내의 타겟 표면의 영역을 결정하기 위해, 서페이스 모델 내에 내장되는 형상와 현존하는 분류 정보.

표면 이미지 데이터는, 분류되어야 할 상응하는 표면 셀과 각 이미지 픽셀을 결합시키기 위해, 타겟 표면 영역 위에 투사된다. 이들 픽셀은 그 다음, 각 셀의 하위 영역 안으로 보이고, 더 작은 크기로 개별적으로 분류되고, 그 다음 도 13에 도시된 것과 같이 최종 셀 안으로 집합된다. 도 13(중앙)에 도시된 셀 크기의 세분화는 4 X 4 그리드, 각 표면 셀의 16 하위-셀로 나타난다. 현 시스템은, 본질적인 모델 복잡성과 아주 관련없는 비율로 입력 데이터를 분류하는 능력에 의해 선택되는 지원 벡터 장치(SVM) 분류 알고리즘을 사용한다. SVM은 비-확률적 이차 선형 분류를 위해 일반적으로 사용되나, 표준 알고리즘이 다중-계층 또는 확률적 결과를 이행하도록 일반적으로 확장된다. 현 실시예에서, SPA 알고리즘은 각 이미지 영역을 위해, 예를 들면 탑코트 대 프라이머 대 기판과 같은 영역의 각 잠재적 분류에 상응하는 확률을 생산하기 위해 이러한 확장을 사용한다.

이들 하위-셀 분류를 도 13(우)에 도시된 셀-레벨 분류로 변환하는 것은, 기판 유형과 같은 타겟 표면의 부수적인 특성에 따라 달라지도록 예를 들면 구성될 수 있는 높은 설정가능한 집한 규칙에 따라 달라진다. 보통의 경우, 가중된 투표 방식(voting scheme)이 구성 하위-셀 크기와 이들의 상대적 분류에 근거하여 사용된다.

이 집합 단계는, 표면 분류의 하위-셀 분배에 대한 일부 정보를 유지하기 위해 가우시안 혼합 모델(GMM)을 또한 생산한다. 이는, 분배의 수준과 관계없이 주어진 표면 셀이 복수의 표면 계층을 일반적으로 포함한다는 아이디어와, 이들 계층의 근사한 분배가 하류 소비자에게 유용한 정보가 될 것이라는 아이디어의 명시적 표현이라는 명시적인 장점을 갖는다. 도 14에 나타난 GMM 데이터의 예시는 셀-엘리아싱과 양자화 문제를 극복하기 위해 이 화상을 사용하는 잠재적인 이점을 보여준다. 이와 같이, 표면 처리 플래너는 하위-셀 레벨에서의 고-정확성 처리 명령을 생산하기 위해 이 별도의 화상을 이용한다.

표면 특성 분석기의 알고리즘이, SPA 이미지 데이터의 단일 세트로부터의 분류 정보를 나타내기 위해 가우시안 혼합 모델의 사용 측면에서 주로 설명되었으나, 당업자는 예를 들면 하기의 다른 기술 분야에도 본 발명의 방법이 사용될 수 있음을 인지할 것이다:

- 다른 SPA 이미지 데이터 세트의 오버랩핑 영역을 사용함으로써 GMM 생성의 정확도를 개선;

- 예를 들면 이미지 데이터 내의 감지된 특성에 따른 명시적 기하학적 형상을 생성하기 위한, 하위-셀 단위 영역을 생성하는 비-가우시안 기본 기능을 사용하는 대안적인 하위-셀단위 세그먼트 알고리즘의 적용.

- 그외 분류 알고리즘(다시 말해, SVM과 다른 알고리즘)의 도입, 또는 높은-품질의 결과를 생산하기 위한 복수의 분류기들 사이의 가중된 투표 방식을 사용하는 방법.

SVM 분류기의 사용은 다양한 범위의 센서 데이터가 분류 문제에 적용되도록 하며, SPA 가 상이한 표면 처리 업무, 충분히 구별되는 센서의 세트와 관련 트레이닝 데이터를 분류하도록 쉽게 재구성되도록 한다. 레이저 코팅 제거에 있어서, 현 실시는 도 15에 나타난 것과 같이 상기 기재한 대로 세 개의 카메라와 관련 동적 광원을 사용한다. 이들 각각의 카메라로부터의 개별적인 칼라 채널은 분류 알고리즘 내에 직접 사용되며, SVM: 동일선상의 편광을 가진 RGB, 직교 편광을 가진 RGB, 850nm의 적외선을 위한 7 차원적 특성 공간을 제공한다:

도 15에 도시된 카메라와 광원은, 동일한 시간과 동일한 시점을 나타내는 세 대의 카메라의 각각의 이미지를 보장하기 위해 동기화 된다. 반드시 필요한 것은 아니지만, 이는 SPA 알고리즘의 초기 단계 내의 모든 세 대의 카메라의 이미지 데이터를 합하는 계산의 복잡성을 감소시킨다. 또한, 카메라와 광원은 레이저 코팅 제거 처리의 보완에서 발생된다. 다시 말해, 레이저 처리에서 빛 손실의 효과를 감소시키기 위해, 레이저가 꺼진 경우에 이미지가 촬영된다.

표준 오프라인 SVM 트레이닝 기술에 부가적으로, SPA 분류 파라미터가 실시시간 에서 상호적으로 업데이트될 수 있다. 이에 따라, 작동기는 도 13에 나타난 것과 유사한 데이터를 제시하며, 이들 셀의 새로운 요구되는 분류를 선택하는 GUI 내의 표면 셀을 선택한다. 이들 셀로부터의 현 이미지 데이터는 그 다음 업데이트된 모델을 생산하기 위해 현 분류 모델에 부가된다. 그 다음 사용자는 예를 들면, 아래와 같은 업데이트된 모델을 위한 여러 옵션들을 선택할 수 있다:

- 현재 패치 내의 현존하는 이미지 데이터 상의 새로운 모델에 대한 분류 결과를 프리뷰,

- 새로운 모델을 라이브(live) SPA 분류 엔진에 적용, 및/또는

- 예를 들면 오프라인 대조를 위한 후에 사용을 위한 새로운 모델의 저장.

이는, 사용자가, 현존하는 SPA 모델에 의해 올바르게 분류되지 않은 색소 침착을 가진 코팅과 같은 새로운 표면 상에 작용하는 적절한 동작을 식별하도록 하기 때문에, 최종 시스템에서의 중요한 특성이다. 이에 따라, 개선된 GUI 툴와 알림 장치가 사용되며, SPA가 주어진 셀의 올바른 분류에 불확실한 경우에, 자동화 처리 작동의 감독이 리트레이닝 보조를 지정할 수 있다.

표면 처리 플래너는 도 16 내에 나타난 것처럼, 아래의 항목들을 결합하여 표면 처리 동작의 규칙적이며, 시간-분배 시퀀스를 생성한다:

- SPA에 의해 결졍되며 서페이스 모델 내에 인코딩된 유닛 영역 당 현재 분류 상태,

- 표면 처리 범위 플래너에 의해 의도된 산업상 매니퓰레이터의 예상 동작,

- 말단 이펙터가 표면에 근접하게 있는 경우에, 지공 거리와 자세 측정을 제공하는 국부-프레임 피드백 센서, 및

- 효과적인 표면 처리를 위한 다양한 요건, 특히 표면 분류 당 가해지는 적절한 동작에 대한 요건인, 고도로 설정가능한 표면 처리 규정의 세트.

표면 분류를, 상기 예시에 나열된 레이저 강도와 같은 처리 명령으로 변환하는 상세 알고리즘을 넘어, 처리 규정이 또한 아래의 사항을 인코딩한다:

- 레이저 코팅 제거에 특히 중요한 처리 툴로부터의 이격 거리 또는 표면 자세와 같은, 효율적인 처리를 위한 기하학적 요건, 및

- 모든(또는 적어도 거의 대부분의) 표면이 "프라이머" 또는 "기판"으로 분류된 경우에 처리의 종료를 암시하는 "탑코트 만을 제거"와 같은 표면 처리의 성공적인 완료의 종료 조건.

일반적으로, 표면 처리 규정은, 추가적인 방문을 요구하는 상태("처리해야할 작업이 남아있음" 상태)에서 상기 방문을 요구하지 않는 상태("작업 완료" 상태)로 표면 분류를 변경시키는, 표면에 가해지는 처리 명령을 생성하도록 예상된다. 타겟 적용에 의존하여, 명령 생성 알고리즘과 주위 규칙은 임의적으로 복잡해질 수 있다. 레이저 코팅 제거에 있어서, 예시 규칙은 적용될 요구되는 레이저 강도를 포함하여, 레이저 초점과, 코팅 제거 처리에 내재된 다른 파라미터를 따라 주어진 표면 분류에 적용된다. 처리 규칙은, 상기에 기재된 표면 처리 플래너의 행동에 영향을 주는 냉각 시간 및 말단 이펙터의 횡단 속도와 같은 시간적 고려와 기하학적 고려를 또한 인코딩할 수 있다.

표면 적용 범위 플래너에 의해 생상되는 말단 이펙터의 예상 궤적이 주어진 경우, 표면 처리 플래너는 수초에 걸쳐서 처리 장치의 위치, 속도 및 방향을 예상한다. 이들 예상을 통해, 동일한 시간 선상을 따라, 표면 처리 플래너는 공간적 및 시간적 계산을 수행하여, 다양한 처리 기준이 단기에 만족될 것인지 여부, 언제 만족될 것인지를 결정한다. 그 다음, 처리 기준이 만족되는 이들 시간에 있어서, 서페이스 모델의 어떤 영역에 작동될 것인지를 계산한다. 차례로, 이들 영역과 결합한 현재 표면 특성이 표면 처리 규정에 의해, 말단 이펙터가 표면을 횡단함에 따라 실시되어야 하는 처리 명령을 결정하는데 사용된다.

이는 주로 기하학적 추론 문제이지만, 표면 처리 플래너는 작동기-명시 마스킹 제약에 대한 사용자 상호작용, 또는 SPA에 의해 잘못 분류된 영역 내의 코팅 제거 패스를 강제하는 것과 같이 일시적 규칙 기각을 수용하는 사용자 상호작용의 특정 수량을 또한 지원해야만 한다. 일례로, 이들 특성은 최종-사용자가 상기 언급한 표면 속도 또는 레이저 강도와 같은, 전체적인 처리에 걸쳐 더욱 제어하기 위한 표면 처리 규칙의 더욱 중요한 양태를 수정하도록 확장된다.

일례로, SPA 유닛과 표면 처리 유닛 같은 느슨한 피드백 루프에 더해져서, 본 시스템은 표면 처리를 위한 더 타이트한, 국부-프레임 피드백 제어 장치를 또한 수용한다. 이 피드백 제어 루프는 장치 시각 시스템 보다 낮은 잠재(latency)와 높은 비율로 작동하며, 처리의 실-시간 모듈화를 허용한다. 레이저 코팅 제거의 경우, 이 "표면 처리 매니퓰레이터"(SPM)는 아래의 여러 주요 구성 요소를 포함한다:

- 전자 제품을 제어하는 아날로그 신호를 가진 최적화 센서의 배열,

- 아날로그-디지털 변환기,

- 높은 속도의 디지털 통신 버스,

- 매립된 마이크로제어기 상에 구동되는 처리 모듈화 알고리즘, 및

- 고 출력 레이저에 출력 명령을 작동시키는 디지털-아날로그 변환기.

도 17은 레이저 코팅 제거에 사용되는 표면 처리 매니퓰레이터의 블록 다이어그램을 도시한다. 센서 장치는 말단 이펙터 내에 장착되어, 광학 센서는 레어저가 표면과 교차하는 측점을 관찰할 수 있으며 이에 따라 코팅 제거 처리에 의해 발하는 빛을 직접 관찰할 수 있다. 이 센서는, 빛의 특정 파장에 예민하며, 입사 광의 강도에 비례하는 전압을 생산하는 아날로그 회로와 결합된 각각의 광다이오드이다. 이 회로의 조정(gain)은 소프트웨어-제어 분압기(potentiometer)를 통해 기체(fly) 위에서 조정될 수 있다. 이는 회로가 표면 처리로부터 빛 강도의 완전한 동적 범위를 캡쳐하도록 용이하게 튜닝되게 한다. 각 센서에 의해 생성되는 아날로그 신호는, 일례로 250 KHz를 초과하는 비율로 각 센서의 12-비트 샘플링을 가능하게 하는 고속 아날로그-디지털 변환기에 연결된다. 이 장치는 유사한 선행 기술과 아래의 점이 다르다:

1. 본 발명의 장치는, 결합된 시각 영역이 현 레이저 코팅 제거 처리의 즉각적인 작업 공간과 매치되는 광학 센서의 배열을 사용한다.

2. 본 발명의 장치는 센서 헤드에서 센서 데이터를 디지털화하며, 고속 디지털 데이터 링크에 걸쳐 마이크로매니퓰레이터로 데이터를 전송한다.

3. 본 발명의 장치는 레이저 디코팅 처리의 전체 폭을 가로지르는 각 센서의 응답을 특징짓고, 설정가능한 아날로그 조정 및 디지털 정상화 기능을 신호 응답을 보장하는데 적용한다.

4. 본 발명의 장치는 다수의 산업상-기준 광학 필터가 특정 적용에 대한 센서 응답을 추가로 튜닝하도록 설치되도록 한다

5. 본 발명의 장치는 센서 응답의 연속적인 모니터링, 아날로그 회로 조정과 처리 파라미터의 온라인 조정, 및 지정된 TCP/IP 네트워크 링크에 걸친 계산된 명령 출력의 연속적은 디스플레이를 고려한다.

ADC에 의해 생성된 디지털 데이터는 IEEE 802.3u 100BASE-TX 물리적 층 장치를 통해 전성되며, 표준 네트워크 케이블을 이용하여 최대 100m만큼 거리가 떨어진 최대 100Mbit/s의 오류 없는 데이터를 수용한다. 매니퓰레이터에서, 디지털 센서 데이터는, 레이저 출력의 양을 표면에 적용하기 위해 미세-조정하기 위해, 외부적으로 명시된 처리 명령과 함께 신호를 결합하는 ARM Cortex M4F 마이크로 매니퓰레이터에 의해, 디지털 센서 데이터가 수신되고 처리된다. 마이크로매니퓰레이터는 그 다음 최종 디지털-아날로그 변환기를 통해 희망하는 레이저 출력을 명령한다.

센서 리딩에 기초한 표면에 적용될 레이저 출력의 올바른 수량을 결정하는 데 사용되는 알고리즘은 상당히 설정가능하며, 두 개의 주된 알고리즘이 SPM 시스템 내에서 곧 실시된다. 제1 알고리즘은, 개발 중에 정상적으로 사용되는, 고정 레이저 출력을 표면에 적용하는 단순한 일정한-출력 알고리즘이다. 제2 알고리즘은 완전한 센서의 조합으로부터 도출된 단일 신호의 응답에 적용되는 한계치의 세트를 사용하여, 레이저 출력의 양을 결정하고 명령한다. 당업자는 본 발명의 방법을, 예를 들면 배열 내의 물리적 위치와 설치된 광학 필터의 조합에 기초하여, 각 센서를 다르게 처리하는 더욱 복잡한 처리 알고리즙으로 쉽게 연장할 수 있을 것이다.

이들 알고리즘과 이들 파라미터는 전용 TCP/IP 통신을 통해 검사되고, 선택되며, 조정될 것이다. 이들 작업 파라미터의 온라인 조정은 시스템이 작동중인 경우에 즉시 효과를 나타내며, 이들은 또한 비-휘발성(volatile) EEPROM 내에 저장될 수 있으며, 장치가 전워이 켜진 희망하는 구성 요소를 자동으로 로드하고 유지하도록 한다. TCP/IP 링크는 또한 표면 센서로부터 라이브 데이터를 전송하는 데 사용될 수 있으며, 사용자가 작동 중에 실시간으로 센서 리딩을 볼 수 있도록 한다.

도 1에 도시된 기본적인 업무 흐름이 단일 고정 위치에서부터 상당히 기민한 산업상 매니퓰레이터에 의해 수행될 수 있으며, 고정 베이스 위치의 일반적인 사용은 매니퓰레이터의 고유 능력에 대한 도달가능한 작업 공간의 크기를 제한한다. 큰-스케일의 작업 표면을 처리할 수 있도록, 이 시스템은 타겟 표면에 대한 암의 고정된 베이스를 재배치하는 데 사용되는 이동 베이스 유닛(MBU)에 이러한 매니퓰레이터를 장착한다. 이는 전통적인 이동 로봇 항해와 관련된 다수의 요건과, 아래에 설명되는 시스템에 결합되는 솔루션을 제시한다:

- 고정된 외부 참조 프레임 내에서 로봇의 자세를 국부화 또는 결정;

- 전반적 장애물 제약 하에 매니퓰레이터 경로 플래닝;

- 전반적 장애물 제약 하에 이동 로봇 경로 플래닝 및 추적;

- 이동 로봇의 근처의 작동자 안전에 관한 증대된 안전 장치와 연동 장치, MBU-암 시스템의 동적 안정성, 및 장애물 모델 확인.

센서와 기술의 조합은, 특적 작동 내용에 맞게 각각 튜닝된 작업 환경 내의 각 로봇을 국부화하기 위해 사용된다. 우선, 가장 중요한 그 환경 내의 로봇의 전체적인 전반적 자세는 도 18에 나타난 가상 랜드마크-기반 국부화 기술을 사용하여 얻어지며, 카메라의 배열은 기준선(fiducials)으로 불리는 실측 랜드마크를 관찰한다. 기준선 기초 기술에 부가하여, 표면 추적 및 등록 기술이, 가장 높은 정확도가 처리를 수행하기 위해 필요한 경우에 사용된다.

일례로, 도 18에 도시된 환경 마커, "애이프릴태그(AprilTags)"는 네 번의 회전을 통을 통해 독특한 픽셀 인코딩을 사용하여 이미지 내에서 용이하며 독특하게 식별화될 수 있도록 설계된다. 다시 말해, 관찰 시점과 관계없이, 일 태그는 방향이 서로 다른 태그와 서로 혼동될 수 없다. 국부화 시스템의 초기 설정은 아래를 포함한다:

1. 로봇의 주어진 자세가 각 카메라의 시야 내에서 복수의 태그를 포함하도록, 환경 내의 기준선의 무리(constellation)를 고정;

2. 환경 내의 전체 6-DOF 자세를 가진 독특한 ID를 결합시키는 방식으로 각 기준선을 조사;

3. 복수의 카메라를 (예를 들면, 매니퓰레이터의 베이스에서) 로봇에 부착하고, 높은 정확성으로 로봇에 대한 카메라의 명시적 형상을 결정.

이들 전제조건이 정해진 경우, 국부화 알고리즘의 온라인 부분은 국부화 카메라로부터 이미지 데이터의 각 세트를 위해, 아래의 항목을 포함한다:

1. 현장 내에 시각적 기준선을 식별하고 독특한 ID를 도출.

2. 각 식별화 된 기준선의 실측 자세를 도출하고, 그 자세를 관찰 카메라의 좌표 프레임으로 변환.

3. 알려진 카메라와 기준선 형상의 조합으로 컴퓨터 시야의 기초 기하학적 원리를 사용하여 여러 후보 자세를 배정.

4. 수치 최적화 알고리즘을 통해 멀티-카메라 시스템을 위한 후보 자세를 세분화:

4.1 각 식별화된 기준선을 관찰 카메라의 이미지 평면으로 투사하기 위해 현 자세 측정을 사용(즉, 기준선이 이미지 내에 어디에 있어야 하는지를 결정).

4.2. 예상 기준선 코너와 탐지된 코너 간의 이미지-공간의 오류 벡터를 결정.

4.3. 이들 에러 벡터를, 관찰 카메라와 같은 오류와 경사도 함수를 위한 자세-이미지-공간 야코비안 매트릭스에 따라, 오류-최소화 알고리즘에 제공.

이 기술은, 매우 정확한 방향 측정 능력, 잠재적으로 매우 큰 작업 엔빌로프, 및 복수의 카메라를 무빙 베이스에 연결하는 장치의 구조적 편향 관찰 능력에 의해, 현존하는 내부 국부화 시스템에 걸쳐 선택된다. 이 접근법은 또한, 상대적으로 적은 비용으로, 환경 랜드마크의 측정 내의 작은 오류에 대한 견고성, 및 단순히 랜드마크를 추가함으로써 교합을 보상하는 능력을 보인다. 시각적 국부화 시스템으로부터의 결론은 내용-의존 방식으로 다른 센서 및 국부화 기술과 결합하여, 시스템의 순간적인 자세를 결정한다. 국부화의 다른 주된 소스는 다음을 포함한다:

- 이동 베이스 유닛 상의 주행 기록(Odometric)의, 관성의, 및 다른 고유반사(propriceptive) 센서.

- 맵핑 하위 시스템으로부터의 표면 국부화 결과.

시스템의 전체적 상태 상의 이들 센서 각각의 영향의 정도는 아래의 표 1에 요약되어 있는 대로, 시스템의 작동 내용에 따라 달라진다.

로봇의 전체적 상태의 국부화 소스의 상황적 영향

작동 내용	시각적 국부화	MBU 자기 수용	표면 추적 및 등록
베이스 정지 상태 (비 적용범위)	1차	2차	해당 없음
베이스 정지 상태 (적용범위)	없음	2차	1차
베이스 동작 상태	2차	1차	해당 없음

이 가중치 계획 이면의 일반적 아이디어는 아래와 같다:

1. 베이스가 동작 중일 때, 시각 국부화 솔루션은, 카메라 동기화 이슈 및/또는 모션 블러(motion blur)에 의해 격하될 수 있으며, 이에 따라 이동 베이스 유닛의 고유 반사 센서(즉, 휠 인코더와 관성 센서를 통한 추측 항법)는 시스템 상태에 더욱 강하게 영향을 준다. 그러나,

2. 베이스가 정지해 있을 때, 시각 국부화 솔루션은 더욱 안정적이어서, 시스템 상태는 그의 결과에 의해 가장 직접적으로 영향을 받는다. 그러나, 아래의 사항은 제외된다.

3. 표면 처리 범위 조정을 계획하는 것에 선행하여, 시스템은 표면의 형상을 추적하면서, 최대 정확성의 작업 표면에 대한 로봇의 "실시간" 국부화를 수행해야만 한다.

일례로, 국부화 하위 시스템은 평면 레이저 스캐너 또는 테더 기기 장치와 같은 다른 자세 소스로부터의 데이터에 의해 확장되어, 중요한 기준점 교합이 회피되지 못하는 작업 공간, 예를 들면 큰 카고 또는 승객용 비행기의 날개 아래의 작업 공간을 보상한다.

매니퓰레이터 플래너는, 모든 로봇, 처리, 및 환경 제약을 지키면서, 주어진 현 상태에서 특정 상태로 매니퓰레이터를 안전하게 변환시키는 로봇 상태의 시간적 시퀀스를 생성한다. 이들은 매니퓰레이터-고유 위치, 속도 및 가속도 한계, 로봇 자체-충돌 제약, 및 보상적 환경 충돌 모델을 포함한다. 이 플래너는 두 개의 주요 구성요소, 멀티-해상도 충돌 모델, 및 점간 경로 플래닝 모음으로 세분된다.

멀티-해상도 충돌 모델- 일례로, 장애물 회피는 두 파트의 멀티-해상도 충돌 모델을 사용하여 실시된다. 이는 환경 내의 장애물의 이산화된 부분 화상으로부터 시작되나, 장애물 위치뿐 아니라, 각 비-장해물 "복셀"로부터 가장 가까운 장해물까지의 거리를 인코딩하기 위해 화상까지 연장된다. 이 모델은 도 19에 도시된 매니퓰레이터, 케이블 테더, 및 말단 이펙터의 단순화된 "밀봉 캡슐" 화상을 처리하는 데 사용된다.

다수의 알고리즘은 이 충돌 모델을 생성하고 확장시키는 데 사용된다. 아래의 항목을 포함하나, 이에 제한되지는 않는다:

- 가장 가까운 장애물 셀에 대한 각 복셀의 최소 거리를 결정하는 우선-큐-기반 자유 셀(priority-queue-based free cell) 확장 알고리즘.

- 재귀적 이산화, 복셀 기반의 삼차원적 장애물 맵,

- 장애물 맵을 통해 라인을 따라 스캔하여, 그 라인을 따라 최소 장애물 거리를 결정하며 주어진 한계치 하의 거리와 복셀을 수집하는 래스터(raster) 서치 알고리즘.

- 주어진 로봇 상태가 장애물과 교차하는 지를 효율적이고 정확하게 결정하기 위해, 주어진 라인을 재귀적으로 이등분하는 이분화 장애물 서치 알고리즘.

- 이분화 처리 내의 앨리어싱 효과를 억제하며, 장애물 거리 측정을 개선하기 위해 인접한 복셀을 사용하는 준-보간(quasi-interpolation) 알고리즘.

점간 플래너(poin to point planner)- 다른 예시에서, 점간 플래닝은 도 20에 나나탄 것과 같이 배치된, 구성 요소의 위계적 세트를 사용하여 실행된다. 이 묶음은 "현재" "명령받은" 상태로 불리며 조인트 좌표 내에 특정되고 연결되는 두 개의 매니퓰레이터 상태로부터 시작된다. 이들 상태가 주어진 경우, 단순한 동기화 조인트-상태 플래너가 매니퓰레이터-고유 속도 및 가속도 한계를 사용하여, 이들 상태 사이의 가장 빠른 가능한 경로를 생성한다. 최종 플랜은 그 다음, 상기 기재된 다양한 속도, 가속도, 자기-충돌 및 환경-충돌 규칙을 강화하는 플랜 확인 모듈을 사용하여 검사된다. 초기의 단순한 동작이 이러한 검사를 통과하면, 추가적인 작업이 수행되지 않으며, 계획이 실행을 위해 선택된다.

로봇의 작업 공간이, 관련없는 외부 장애물로부터 일반적으로 자유롭다는 사실과, 로봇의 작업 공간의 크기는, 이 단순한 플래너가, 예를 들면 일반적인 사용에 있어서 대략 35 내지 40% 정도의 적지 않은 수의 케이스에서 성공하도록 한다. 그러나, 단순한 계획이 실패한 경우에, 제어가, 목표에 대한 보다 복잡한 충돌-자유 경로를 생성하는 개선된 격자-기반 플래너로 이동된다. 이는, 원 시작점과 종료 상태의 다양한 미세-동요를 제공할 수 있는 시작점 및 종료점 선택 모듈과 함께 시작한다. 이 모듈은 두 개의 주된 기능을 갖는다:

1. 효율성을 위한 매니퓰레이터의 조인트 공간을 이분화하며, 충돌하지 않은 "실제" 시작점과 종료점이 이웃하는 상태로 이분화될 수 있는 문제점을 야기하는 격자 플래너 내의 앨리어싱 효과를 억제한다.

2. 이와 관련하여, 특히 타겟 표면의 근처에 있는 올바르게 계획된 로봇 동장의 갯수는, 국부화 시스템 내의 센서 노이즈 및/또는 작은 매니퓰레이터 추적 오류에 의해 이들의 종료 상태에서 약간 충돌이 나타날 수 있다.

자동화 오류 발견 시나리오를 일부 포함하는 이러한 경우에, 여러 가지 초기 및 최종 상태는, 참 초기 상태로부터 작게 "넛지(nudge)"되는 각각의 격자 플래너에 의해 사용을 위해 생성될 수 있다., 시작과 종료 구성의 각 조합은, 이러한 조합이 성공되거나, 이러한 선택이 소모될 때까지 격자 플래너를 통과하며, 안전한 경로의 계획에 대한 실패는 작동기에 보고된다.

일례로, 격자 플래너는, 주어진 구성 공간을 통해 복잡한 충돌-자유 경로를 생성하기 위해, 위계적-가이드된 격자 기반 서치 알고리즘을 사용하는, 오픈-소스 서치 기반 플래닝 라이브러리(SBPL)에 기초한다. 격자 플래너와 같이, SBPL은 조인트 공간으로 이분화하며, 로봇에 의해 실시되기 전에 매끄러워져야 하는 궤적을 생성한다. 격자 계획 평활화(smoothing) 알고리즘은 상기 언급한 단순한 조인트-공간 플래너의 변형예를 사용하여, 로봇과 환경 충돌 제약을 지키면서, 격자 플래너의 가능한 많은 이산화 계획 세그먼트를 매끄러운 암 동작으로 대체한다. 다른 모든 계획 생성 시퀀스와 함께, 최종 계획은, 계획을 실시를 위한 조정 업무로 넘기기 전에, 최종독립 충돌 모델 유효성 검사를 통과한다.

일례로, 이동 베이스 동작 플래너의 목적은 이동 베이스 유닛을 안전하게 조정하여, 환경 내의 특정 자세에서 산업상 매니퓰레이터의 베이스를 배치하는 것이다. 일반적으로, 이 자세는 자유도의 전체 6개의 지표를 사용하여 특정된다: 작업 환경 참조 프레임 내의 3 개의 데카르트 좌표(cartesian coordinates)와 세 개의 오일러 각(Euler angles). 그러나, 현 실시에서, MBU는 수직 축으로 위계적 작동기를 가진 평면이동 로봇이다. 이는 모든 세 개의 데카르트 축의 완전한 제어를 허용하나, 매니퓰레이터 베이스의 요 각(수직 축을 중심으로 회전)만이 명시적으로 제어될 수 있다. 매니퓰레이터 베이스의 높이가 위계적 마스트(mast)에 의해 전체적이며 명시적으로 제어되는 경우에, MBU 동작 플래닝 문제는위상 이동 로봇 플래닝 문제가 주가 된다.

도 21에 나타난 것처럼, MBU는 가-전방향성(pseudo-omnidirectional) 플랫폼이고, 그 동작은 휠의 앵글에 의해 순간적으로 제한되고(다시 말해, 논홀로노믹), 휠은 개별적으로 조정되어 플랫폼이 임의적인 헤딩과 주어진 충분한 조정 시간의 만곡률을 얻을 수 있도록 한다. 이는 상대적으로 단순한 운동 플래닝을 허용하여, 동작 계획이 대부분인 선형 변환과 같은, 제자리에서 회전하는 해체 조정의 작은 세트를 사용하며, 도 22에 도시된 것처럼 최종 목표 자세를 얻는다.

비행기 날개를 둘러싸는 경로를 허용하는 안전한 중간 상태의 시퀀스와 같은 내용-특정 발견으로 연장되는 베이직 알고리즘은 이 글을 쓰는 시점에서 사용되는 알고리즘이다. 이는 매니퓰레이터 동작 플래닝에 사용되는 동일한 충돌 모델을 사용하여 명시적으로 각각 검사되는 조작의 작은 조합 공간을 제공한다. 모든 장애물 검사를 통과하는 제1 조작의 조합은 선택되고 MBU 경로 추적에 넘겨지고, 또는 이러한 경로가 모두 충돌 검사를 실패하는 경우에 사용자는 수동 개입의 필요성을 알아차린다.

일례로, 동작 플래너는 이 시스템의 초기 개발과 검사에 충분한 것으로 증명되나, 현 플래너는 플래너 실패를 회피하기 위해 MBU 조작의 안전한 시퀀서의 수동 선택에 매우 의존한다. 다른 예로, 더욱 명시적인 서치-기반 플래너는, 매니퓰레이터 플래너에 의해 사용되는 것과 같이 동일한 근본적인 플래닝 라이브러리를 사용하여 통합되어, 환경을 통해 더욱 일반적인 경로를 계획한다. 중간 상태의 수동 선택의 의존도를 감소시키는 것 외에, 이는 또한 MBU 측점 플래닝 내의 평행 발전을 지원하는데 도움이 된다.

MBU를 위한 안전한 점간 조작을 계획하는 능력 외에, 이 시스템은, MBU 가 시스템의 표면 처리 목표를 달성하기 위해 나아가야할 곳을 계획해야할 필요성이 있다. 이러한 "MBU 측점"의 선택에 있어서 고려해야하는 교환 조건(tradeoff)이 있으며, 특히 MBU 동작은 모든 비용-효율 분석의 핵심에 영향을 주는 표면을 동적으로 처리하지 않는 시간을 나타낸다는 점에 주목해야 한다. 문제의 핵심은 전체 표면이 최소한의 시간에 처리될 수 있도록 하는 MBU 자세의 시퀀스(예를 들면 도 23에 도시된 추상적 비행기의 반쪽을 나타남)의 선택이다.

개시된 시스템은 고-출력 레이저 시스템을 가진 큰-스케일의 자동화 차량 내에 나타난 위험을 다루는 여러 개의 안전 특성을 통합한다. 안전 시스템의 목적은 (우선 순위대로) 아래와 같다:

- (1) 고 출력 레이저와(2) 차량과의 원치않는 접촉으로 인해 작동자가 다치는 것을 방지.

- (1) 레이저출력에 대한 원치 않는 노출과(2) 차량과표면 간의 원치않는 접촉으로 인해 처리되는 표면이 손상되는 것을 방지.

- (1) 환경적 요소와의 원치않는 접촉과 (2) 로봇의 일부와 다른 부분 간의 간섭과(3) 동적 조정에 의해 야기된 불안정성으로 인해 로봇이 손상되는 것을 방지.

안전 시스템의 코어는, 레이저 출력을 종료시키고 방지하며, 자동 안전 장치의 고-신뢰방식으로 외부 차량 동작을모두 종료시키고 방지하도록 설계된 긴급 정지 장치다. 이 안전 시스템은 작업 환경 내에서 로봇 상에서, 작동기 제어 측점에서 빛에 의해 작동기를 명확히 나타내는 시스템의 현 작동 상태에 따라, 기본 상태 장치를 따라간다. 이들 상태 및 영향은 아래의 표 2에서 요약한다.

로봇식 안전 시스템의 주된 상태

시스템 상태	설명
E-정지	외부 로봇 동작 또는 레이저 방출이 불가능하며, 작동자가 작업 영역으로 진입하고 로봇으로 접근하는 것이 안전함.
수동	숙련된 작동자가 COTS 펜던트를 사용하는 매니퓰레이터 또는 MBU를 움직일 수 있음. 액티브 장치는 본 명세서에서 설명되는 안전 원격 제어기로부터 선택되며, 다른 장치는 움직이지 않음. 레이저 방출이 불가능함.
자동 (레이저 없음)	소프트웨어가 차량을 제어함. 소프트웨어가 MBU 또는 암을 작동하도록 선택할 수 있음. 안전 시스템은 다른 구성의 동작을 방지함. 레이저 방출은 불가능함.
자동 (레이저 있음)	레이저 방출이 가능하다는 점을 제외하고 상기와 같음. 이 상태는 작동자 제어 스테이션에서 키 스위치에 의해 관리되며, 상기 키는 안전 원격 제어기에 부착되어 있음.

이들 상태의 변환은 도 24에 나타난다. 일반적으로 말해, 모든 안전 센서의 개시는, 작동 상태를 회복하기 위한 안전 원격 제어를 사용하는 작동기 간섭을 요구하는 E-스탑 상태를 직접적으로 야기한다. 이 시스템에서 사용되는 다양한 안전 센서는 다음을 포함한다:

- 시스템을 정지시키기 위한 작동기의 충분한 기회를 제공할 필요성에 따라, 작업 환경을 통해 분산되는 명시적 긴급 정지 버튼.

- 작업 영역의 사용 내의 변화를 잠재적으로 탐지하는데 사용되는 도어 스위치. 작업 공간으로 임의의 도어를 개방하는 것은, 작업 영역에 진입하려는 작업자 의도가 있다는 가정 하에, 시스템이 레이저 모드의 자동화에 있는 경우, E-스탑을 개시할 것이다.

- 로봇이 업무 환경 내에 존재하는 것을 방지하거나, 테더의 영역 범위에 로봇이 다가갈 때, E-정지를 시작해서 테더를 손상시키는 것을 방지하는MBU 테더 한계 스위치.

- MBU가 기-설정된 속도 한계를 초과하는 경우에, E-정지를 시작함으로써, MBU를 낮은 속도로 효율적으로 조정하는 동적 안전 모니터. 예를 들면, 초당 수 미터를 초과하는 속도를 낼 수 있는 현 시스템에서 MBU는, 100mm/s의 속도 보다 낮은 속도로 제한되어, 통합 시스템의 안정성을 보장한다.

- 말단이펙터 내에 내장되며, 임의의 장애물과의 접촉을 탐지하도록 설계된 말단 이펙터 한계 스위치. 이들 스위치는, 충분한 힘이 임의의 방향으로 말단 이펙터의 처리 점에 적용되는 경우에 활성화될 수 있다. 이들 임의의 스위치가 활성화되는 경우, 안전 시스템이 M-정지 모드에 진입하며, 말단 이펙터가 장애물로부터 수동 분리될 때까지 자동화 작동을 방지한다.

도 25에 도시된 이 시스템의 최종-사용자 선택 모델은, 처리 환경, 처리를 수행하는 로봇 시스템의 세트, 및 처리되어야 하는 대상물의 상태를 명시적으로 나타내는 단일의, 일관성 있는 "업무 모형"대로 순환한다.

업무 모형은, 상호작용 마법사(wizard)를 통해, 주어진 작업 환경내의 특정 디폴트 구성 내의 다양한 범위의 원형적 표면의 처리에서 사용가능한 템플릿 업무와 함께 구성될 수 있다. 그 다음, 업무는 아래의 동작의 시퀀스를 통해 진행된다:

1. 자율 감독기는, GUI 내에 존재하는 선행 모델과 작업 환경 내의 물리적 표면을 비교함으로써, 타겟 표면의 대략적인 형상과 위치를 확인한다.

2. 확인을 기반으로, 시스템은, 측점 플래닝을 조정하고, 표면 맵핑 대상물과 함께 환경 내의 하나 이상의 로봇식 시스템의 활성화 순서를 정하여, 타겟 표면을 맵핑하도록 진행한다.

3. 모든 데이터 수집이 완료되면, 로봇은 소정 정상" 홈" 구성으로 회귀되며, 타겟 표면 원형의 선행 모델은, 임의의 변칙적인 표면 형상에 대해 신속하게 적절한 동작을 취하는 자동화 감동자와 함께, 측정된 타겟 표면에 매치하도록 세분화된다.

4. 모델 세분화 처리가 완료될 때, 작동자는 실시되었던 배치와 변형을 리뷰하고 승인하여야만 하며, 레이저 제거에 있어서 "모든 코팅을 제거" 또는 "탑 코트만을 제거"와 같은 타겟 표면을 위한 요구되는 최종 상태를 선택한다.

5. 시스템은 측점 플래닝과 하나 이상의 로봇식 시스템의 활성화 순서를 조정하고, 그외, 전체 도달가능한 표면 영역이 타겟 상태 안으로 변형될 때까지 적절한 표면 적용 범위 명령과 MBU 조정을나타낸다.

5.1. 표면 적용 범위 명령의 실행 중에, 자율 감독기는 SPA에 의해 명백하게 식별화되지 못하는 표면 상의 처리 제안을 제공하기 위해, 조회될 수 있다.

5.2. 로봇이 임의의 주어진 표면 처리 측점을 떠나기 전에, 자율 감독기는 최종 결과를 검사하고, 선택적으로는 코팅 제거를 위한"하나 초과의 청소 패스"를 강요하도록, 영역의 하위 세트 위에서 완료되는 추가적인 작업을 지정하는 기회를 제공받을 수 있다.

6. 각 측점을 위한 표면 처리를 완료한 경우, 표면 형상과 상태를 포함하는 모든 데이터 제품은 오프라인 분석을 위해 저장된다.

상기에 기재된 주된 상호작용에 부가하여, 시스템 작동 중에 어떤 시간에서도 발생할 수 있는 감독된 자율 패러다임의 일부로, 몇몇 중요한 작동기 상호작용이 있다. 광범위하게 말해, 이들은 고장 회복과 안전 문제와 관련되며, 이들 중 가장 중요한 것은 아래와 같다:

1. 예상치못한 긍정적인 장애물 탐지, 각 로봇의 다양한 센서는 계속적으로 주변 환경을 측정하며, 시스템의 나머지에 의해 사용되는 장애물 맵에 의해 설명되지 않는 솔리드 대상물의 증거를 찾는다. 이러한 변칙적인 장애물이 탐지되는 경우에, 이 시스템은 아래와 같다:

- 시스템 상의 모든 활성화 작업을 중단시키는, 장애물을 탐지하는 로봇의 소프트웨어 긴급 정지 공표.

- 사용자가 아래와 같은 적절한 동작을 하게 하기 위한, GUI 내의 예상치못한 장해물을 강조:

(a) 가짜 장애물을 제거하기 위해, 사용자가 환경 내로 진입하도록 하기 위해, 모든 활성화 처리를 중단.

(b) 장애물을 충돌 모델과 결합시키고, 모든 로봇이 새로운 데이터와 결합하는 새로운 계획을 생성하도록 강요함.

2. 시스템 안전 사건. 상기에 설명된 하나 이상의 안전 센서가 하드웨어 긴급 정지를 야기한다. 이 경우, 작동기가 사건의 원인을 순서대로 정보 제공받으며, 적절한 회복 동작에 대한 지시를 제공받을 수 있다. 이는 MBU 또는 매니퓰레이터를 위한 COTS 펜던트를 사용하는 것을 포함하여, 수동 작동을 재개하기 전에 한계 스위치를 분리시킨다.

시스템에서 아용되는 상호작용의 기본적인 패턴은 협동 처리이며, 여러 물리적 시스템을 가로질러 분배되는 여러 독립적인 프로그램들은 메시징을 통해 협동하여 전체적 시스템 목표를 달성한다. 이와 같이, 이 작업에서 사용되는 지원 소프트웨어는 데이터 구조, 알고리즘, 시스템 서비스, 코드 템플렛, 및 도 26에 도시된 협동을 지원하는 디자인 메타포(추상적 인터페이스 형태)를 포함한다.

상기 패러다임을 직접 지원하는 것 외에도, 이 작업에서 사용되는 코어 인프라가 또한 인터-프로세스 메시지 트래픽의 광범위한 로깅(logging), 이들 로그의 시간 제한 재생, 및 복잡한 소프트웨어 시스템 내의 오류 진단 및 성과 분석에 중요한 오프라인 분석 툴을 지원한다.

이 시스템은 또한, 시스템에 대한 또한 시스템으로부터의 다양한 데이터를 시각화하는 일관성 있는 메타포를 제공하는, 특성이 풍부한 그래픽 사용자 인터페이스를 포함한다. 도 27에 도시된 것처럼, GUI는, 시스템 상태의 풍부한 삼차원 뷰와 함께, 버튼 또는 텍스트 박스와 같은 표준 윈도우 메타포를 사용하여, 텍스쳐 정보를 개시하는 장치를 제공한다.

데이터는, 액티브 플러그인의 목록에 더해지거나 그 목록을 제거함으로써 특정 GUI 예에 기능을 더하거나 제거하는 "플러그인" 메타포를 통해 GUI 내에서 시각화된다. 강한 모델-제어기-뷰의 분리를 고려하면, 각 플러그인은, 모델에 제공되는 시스템 메세지 트래픽과 동기화 되는, 상기 도면에 설명된 각 영역 내의 하나 이상의 GUI 또는 시각 요소의 내용을 관리하는 제어기로서 동작한다. 예를 들면, 이러한 일 플러그인은, 내부 데이터를 사용하여 도 27의 중앙의 시스템의 3D 모델을 업데이트하고, 또한 측 패널 내의 텍스쳐 정보를 업데이트하며, 또한 툴바 위의 버튼을 통해 시스템으로 소정 기본 명령이 발행될수 있게 하는 전체적인 시스템 상태 메시지를 받을 수 있다.

이 시스템을 위한 지원 소프트웨어는 또한, 로봇 시스템의 구성 피스, 그 구성 피스들이 전체 로봇에 어떻게 조립되는 지, 및 더 높은 레벨의 목적을 달성하기 위해서 이들 로봇이 환경에서 어떻게 상호작용하는지를 설명하기 위한 명시적 소프트웨어 부품과 구성요소 메타포를 포함한다. 이 소위 "애셋 모델"은 매니퓰레이터 운동, 수정된 말단 이펙터 형상, 또는 이동식 베이스 능력과 같은 각 개별 로봇의 상세가, 도 28에 도시된 것과 같이 분리되어 나타나면서도 높은 수준으로 "로봇"에 결합되도록 한다.

명시적 모델 내의 로봇 시스템의 집합군(constituency)과 구성을 이러한 방식으로 나타내는 것은, 상기 기재된 다양한 인지 시스템과 플래너와 같은 높은-레벨의 소프트웨어 구성이, 의미상으로는 유사하나 상세히 보면 이질적인 시스템을 제어하게 한다. 또한 이는 시스템의 분리된 뷰가, 예를 들면 상기 설명된 GUI를 위해 생성될 수 있게 하며, 또한 예를 들면 다른 시스템 구성과 간섭하지 않는 시스템 상태의 참 화상을 보장하는 동종 변형을 야기하는 충돌 모델을 나타낸다.

모델-제어기-뷰 디자인 패턴의 다른 적절한적용과 함께 모델 패러다임의 광범위한 사용은, 또한 시스템이다양한 수준의 충실도(fidelity)와 완전히 시뮬레이션되도록 한다. 예를 들면, 도 29에 도시된 바와 같이, 플래닝 및 제어 소프트웨어는, "실제"암 제어및 상호작용 처리를 다양한 수준의 충실도의 모조품으로 대체함으로써, 개발되고 오프라인 테스트된다.

이 다이어그램 내에 표현되는 중요한 컨셉은 구성요소 대체품에 의한 동작 변화에 대한 것이다: 높은-레벨의 구성요소는 낮은-레벨의 구성요소가 진짜인지 모조품인지를 "알" 필요가 전혀 없다.

유사한 시뮬레이션 능력이 이 명세서 내에 제시된 로봇 시스템의 모든 중요한 하위시스템, 특히 이동식 베이스 유닛, 맵핑 센서, 및매니퓰레이션 외에 전역 국부화 시스템에도 일정 범위를 포함하는 시스템을 위해 개발되어 왔다. 이 전반적인 시뮬레이션 능력은 모든 높은-레벨의 플래닝 소프트웨어가 오프라인에서 개발되고 테스트되며 오류검출하도록 한다. 결과적으로, 이는 문제점이 해소되게 하거나, 또는 새로운 특성이 실제 로봇에 테스트하는 시간을 소비하지 않고도, 실제 로봇내의 예상하지 못한 위험이나 오류 동작의 위험을 줄이면서, 시스템에 더해질 수 있도록 한다. 일례로, 시뮬레이션 능력은 표면 처리를 시뮬레이션 하는 범위까지 마찬가지로 확장될 수 있다. 이는, 레이저 코팅 제거에 있어서 페인트 제거의 다양성과 같은, 표면 처리 내의 다양성으로부터 발생되는 시스템동작을 실험하고 최적화하는 것을 지원할 수 있다.

Claims (36)

1. 작업 환경 내에서, 고정 베이스 또는 이동 베이스를 가진 로봇식 매니퓰레이터를 사용하여, 삼차원 대상물 위를 표면 처리하는 방법으로,
   상기 삼차원 대상물의 기본 모델을 획득하는 단계;
   상기 삼차원 대상물의 표면을 스캔하여 상기 기본 모델로부터 서페이스 모델을 생성하고, 상기 스캔으로부터 얻어진 영역 데이터와 표면 특성 데이터로 기본 모델을 부여하는 단계;
   상기 삼차원 대상의 표면 처리를 극대화하기 위해 상기 로봇식 매니퓰레이터의 상태의 시간적 시퀀스를 계획하는 단계;
   상기 표면을 처리하기 전에, 상기 로봇식 매니퓰레이터에 연결된 처리 툴을 제어 또는 조절하기 위해, 삼차원 모델의 표면을 스캔하는 단계;
   상기 처리 툴로 상기 표면을 처리하는 단계;
   상기 표면을 처리하면서 상기 삼차원 모델의 표면을 스캔하여, 상기 서페이스 모델을 새로운 표면 특성 데이터로 업데이트 하는 단계;
   업데이트 된 서페이스 모델에 근거하여 상기 로봇식 매니퓰레이터의 위치와 자세의 세트를 조정하는 단계; 및
   상기 표면이 요구되는 상태에 도달할 때까지, 계속적으로 상기 서페이스 모델의 처리와 업데이트를 하는 단계;를 포함하는 것을 특징으로 하는 표면 처리 방법.
2. 청구항 1에 있어서,
   상기 작업 환경 내의 상기 서페이스 모델의 위치를 세분화하는 단계; 및
   상기 작업 환경 내의 상기 로봇식 매니퓰레이터의 위치를 세분화하는 단계를 또한 포함하는 것을 특징으로 하는 표면 처리 방법.
3. 청구항 1에 있어서,
   상기 로봇식 매니퓰레이터가 표면 상에서 이동할 수 있는 이동 베이스 위에 장착되는 것을 특징으로 하는 표면 처리 방법.
4. 청구항 1에 있어서,
   상기 로봇식 매니퓰레이터는, 레일을 따라 상기 로봇식 매니퓰레이터를 움직일 수 있는 레일 베이스 상에 장착되는 것을 특징으로 하는 표면 처리 방법.
5. 청구항 1에 있어서,
   상기 기본 모델은 하위 표면 특성을 가진 기존의 3D 모델로부터 얻어진 것을 특징으로 하는 표면 처리 방법.
6. 청구항 1에 있어서,
   상기 기본 모델은 상기 삼차원 대상물의 형상을 캡쳐할 수 있는 광학 센서를 사용하는 삼차원 스캐닝에 의해 생성되는 것을 특징으로 하는 표면 처리 방법.
7. 청구항 1에 있어서,
   상기 기본 모델을 상기 표면의 처리에 대한 처리 규칙에 의해 부여하는 단계를 추가로 포함하는 것을 특징으로 하는 표면 처리 방법.
8. 청구항 7에 있어서,
   사용자가 상기 서페이스 모델과 상호작용하는 단계를 추가로 포함하는 것을 특징으로 하는 표면 처리 방법.
9. 청구항 8에 있어서,
   상기 사용자 상호작용 단계는, 가상 마스크의 사양이 상기 표면 부분이 처리되지 않도록 하는 단계를 포함하는 것을 특징으로 하는 표면 처리 방법.
10. 청구항 8에 있어서,
    상기 사용자 상호작용 단계는, 가상 접근 금지 영역 또는 부분의 사양이 상기 로봇식 매니퓰레이터가 지정된 영역 위에 또는 지정된 부분 내부에 배치되는 것을 방지하는 단계를 포함하는 것을 특징으로 하는 표면 처리 방법.
11. 청구항 8에 있어서,
    상기 사용자 상호작용 단계는, 추가 처리를 요구하는 영역을 마킹하는 단계를 포함하는 것을 특징으로 하는 표면 처리 방법.
12. 청구항 8에 있어서,
    상기 사용자 상호작용 단계는, 상기 처리 규칙을 무시하는 것을 특징으로 하는 표면 처리 방법.
13. 청구항 1에 있어서,
    상기 로봇식 매니퓰레이터는 LIDAR 장치를 포함하며, 상기 영역 데이터는 상기 LIDAR 장치에 의해 또한 생산되는 것을 특징으로 하는 표면 처리 방법.
14. 청구항 1에 있어서,
    상기 로봇식 매니퓰레이터는 하나 이상의 센서를 포함하며, 상기 표면 특성 데이터는 상기 하나 이상의 센서에 의해 또한 생산되는 것을 특징으로 하는 표면 처리 방법.
15. 청구항 14에 있어서,
    상기 하나 이상의 센서는, 다중-스펙트럼 카메라, 칼라 카메라, 모노크롬 카메라, 특정 파장 감도 카메라를 포함하는 그룹에서 선택되는 것을 특징으로 하는 표면 처리 방법.
16. 청구항 14에 있어서,
    상기 하나 이상의 센서는, 비-파괴 검사 센서, 초음파 센서, 와전류 기초 탐지 센서를 포함하는 감시 센서를 포함하는 그룹에서 선택되는 것을 특징으로 하는 표면 처리 방법.
17. 청구항 1에 있어서,
    상기 로봇식 매니퓰레이터의 상태의 시간적 시퀀스는 위치와 자세의 세트를 포함하는 것을 특징으로 하는 표면 처리 방법.
18. 청구항 1에 있어서,
    상기 로봇식 매니퓰레이터의 상태의 시간적 시퀀스를 계획하는 단계는, 상기 삼차원 대상물과 작업 공간 내의 다른 물체가 서로 충돌하는 것을 피하면서, 상기 표면의 처리를 극대화하는 것을 포함하는 것을 특징으로 하는 표면 처리 방법.
19. 청구항 1에 있어서,
    상기 로봇식 매니퓰레이터의 상태의 시간적 시퀀스를 계획하는 단계는, 기설정된 최소 기간 내에 상기 표면의 동일 영역이 한번보다 많이 처리되는 것을 방지하는 것을 특징으로 하는 표면 처리 방법.
20. 청구항 1에 있어서,
    상기 서페이스 모델은 이차원 매니폴드의 세트를 포함하고, 각 매니폴드는 복수의 셀을 포함하며, 각 셀은 표면 영역의 물리적 유닛을 나타내며, 그 셀과 관련된 특성의 세트를 갖는 것을 특징으로 하는 표면 처리 방법.
21. 청구항 20에 있어서,
    상기 셀과 관련된 특성은 재료의 유형과 코팅 특성을 포함하는 것을 특징으로 하는 표면 처리 방법.
22. 청구항 1에 있어서,
    상기 처리 툴는 표면으로부터 페인트를 제거하는 것을 특징으로 하는 표면 처리 방법.
23. 청구항 1에 있어서,
    상기 처리 툴의 궤적을 따라, 상기 표면의 가장 최근 관찰 상태를 조회하는 단계; 및
    상기 관찰 상태에 근거하여 상기 처리 툴에 의해 실행될 파라미터와 처리 동작의 시퀀스를 계획하는 것을 특징으로 하는 표면 처리 방법.
24. 청구항 1에 있어서,
    상기 표면의 어떤 부분에 추가 처리가 필요한지 여부를 결정하기 위해, 처리된 표면을 분석하는 단계를 추가로 포함하는 것을 특징으로 하는 표면 처리 방법.
25. 청구항 1에 있어서,
    상기 로봇식 매니퓰레이터는 말단 이펙터를 포함하고,
    작업 공간 내의 기준선을 조망하는 광학 위치 지정 카메라를 사용하는 작업 공간에 대한, 상기 말단 이펙터의 3D 위치와 방향을 측정하는 단계를 또한 포함하며, 상기 광학 위치 지정 카메라는, 광학 기반 위치 지정 카메라와 상기 로봇식 매니퓰레이터 간의 상대 운동으로 인한 자세 오류를 최소화하기 위해 상기 말단 이펙터에 가깝게 장착되는 것을 특징으로 하는 표면 처리 방법.
26. 청구항 1에 있어서,
    상기 로봇식 매니퓰레이터는 말단 이펙터를 포함하고,
    상기 말단 이펙터와 표면 간의 상대 운동을 측정하기 위해, 상기 표면을 보는 광학 위치 지정 카메라를 사용하는 상기 말단 이펙터의 3D 위치와 방향을 측정하는 단계를 또한 포함하는 것을 특징으로 하는 표면 처리 방법.
27. 작업 환경 내의 삼차원 대상물 위에서 표면 처리를 수행하는 시스템으로,
    표면 처리 툴, 거리 센서, 및 말단 이펙터에 부착되어 있는 하나 이상의 표면 특성 센서를 각각 포함하는 말단 이펙터; 및
    하나 이상의 로봇식 매니퓰레이터를 제어하는 컴퓨터 구동 소프트웨어를 포함하며,
    상기 소프트웨어는,
    표면의 현 상태를 분류하기 위해 처리 툴의 처리 점 이전 또는 이후의 표면 특성 센서 데이터를 처리하기 위한 표면 특성 분석기;
    상기 표면의 형상과 상기 표면의 현 상태를 저장하기 위한 서페이스 모델;
    상기 서페이스 모델에 저장되는 관찰된 표면 상태에 기초하여, 표면 처리 툴에 의해 수행되는 처리 동작의 시퀀스를 계획하는 표면 처리 플래너;
    거리 센서와 하나 이상의 표면 특성 센서로부터의 실시간 피드백에 근거하여 계획된 처리 동작의 시퀀스를 수정하는 표면 처리 매니퓰레이터; 및
    상기 표면의 적용 범위를 최소화하기 위해 하나 이상의 로봇식 매니퓰레이터의 움직임과 자세를 계획하는 표면 적용 범위 플래너;를 포함하는 것을 특징으로 하는 표면 처리 시스템.
28. 청구항 27에 있어서,
    상기 처리 툴는 상기 표면으로부터 페인트를 제거할 수 있는 레이저인 것을 특징으로 하는 표면 처리 시스템.
29. 청구항 27에 있어서,
    상기 시스템을 둘러싸는 대상물을 탐지하고 위치시키는 하나 이상의 센서를 포함하여, 상기 대상물이 충돌하는 것을 방지하는 것을 특징으로 하는 표면 처리 시스템.
30. 청구항 27에 있어서,
    상기 하나 이상의 로봇식 매니퓰레이터는 표면 위에서 움직일 수 있는 이동 베이스 상에 장착되는 것을 특징으로 하는 표면 처리 시스템.
31. 청구항 27에 있어서,
    상기 하나 이상의 로봇식 매니퓰레이터는, 상기 로봇식 매니퓰레이터를 레일을 따라서 움직일 수 있는 레일 베이스 상에 장착되는 것을 특징으로 하는 표면 처리 시스템.
32. 청구항 27에 있어서,
    상기 거리 센서는, 스캐닝 레이저 거리 측정계, 스테레오 카메라, 거리 카메라, 및 거리 캡쳐 측정 센서를 포함하는 그룹에서 선택되는 것을 특징으로 하는 표면 처리 시스템.
33. 청구항 27에 있어서,
    상기 하나 이상의 표면 특성 센서는, 비디오 카메라와 감시 센서를 포함하는 그룹에서 선택되는 것을 특징으로 하는 표면 처리 시스템.
34. 청구항 27에 있어서,
    상기 하나 이상의 표면 특성 센서에 의해 보여지는 영역을 비추는 활성 조명을 또한 포함하는 것을 특징으로 하는 표면 처리 시스템.
35. 청구항 27에 있어서,
    상기 소프트웨어는 처리 동작의 시퀀스 내의 변화에 영향을 주기 위해, 서페이스 모델이 사용자에 의해 수동 편집되도록 하는 것을 특징으로 하는 표면 처리 시스템.
36. 청구항 27에 있어서,
    상기 표면은, 비행기의 기체, 날개 및 제어 표면이며, 상기 표면 처리는 상기 표면으로부터 코팅층을 제거인 것을 특징으로 하는 표면 처리 시스템.

Images