KR20180081835A - 자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들 - Google Patents

자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들 Download PDF

Info

Publication number
KR20180081835A
KR20180081835A KR1020187019402A KR20187019402A KR20180081835A KR 20180081835 A KR20180081835 A KR 20180081835A KR 1020187019402 A KR1020187019402 A KR 1020187019402A KR 20187019402 A KR20187019402 A KR 20187019402A KR 20180081835 A KR20180081835 A KR 20180081835A
Authority
KR
South Korea
Prior art keywords
scaling factor
distance
material handling
handling vehicle
determining
Prior art date
Application number
KR1020187019402A
Other languages
English (en)
Other versions
KR101998561B1 (ko
Inventor
티모시 윌리엄 팬슬로우
저스틴 포브즈 토데
라이언 미셸즈 에스텝
Original Assignee
크라운 이큅먼트 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 크라운 이큅먼트 코포레이션 filed Critical 크라운 이큅먼트 코포레이션
Publication of KR20180081835A publication Critical patent/KR20180081835A/ko
Application granted granted Critical
Publication of KR101998561B1 publication Critical patent/KR101998561B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/02—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers by conversion into electric waveforms and subsequent integration, e.g. using tachometer generator
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/18—Distance travelled

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Navigation (AREA)
  • Measurement Of Distances Traversed On The Ground (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

자재 취급 차량의 오도메트리를 교정하기 위한 시스템들 및 방법들. 방법의 일 실시예는 자재 취급 차량의 현재 위치를 결정하는 단계, 휠의 둘레 및 휠의 결정된 회전 수의 산출에 기초하여 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하는 단계, 및 현재 위치로부터 목적지까지의 위치 결정 시스템 거리를 결정하는 단계를 포함한다. 몇몇 실시예들은 오도메트리 거리를 위치 결정 시스템 거리로부터의 데이터와 비교하여 스케일링 인자를 산출하는 단계, 스케일링 인자를 고속 알파 필터에 적용하여 고속 필터 결과를 얻는 단계, 및 스케일링 인자를 저속 알파 필터에 적용하여 저속 필터 결과를 얻는 단계를 포함한다. 유사하게, 몇몇 실시예들은 고속 알파 필터를 스케일링 인자에 적용하여 잡음을 제거하는 단계, 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하는 단계, 및 업데이트된 오도메트리 거리를 이용하는 단계를 포함한다.

Description

자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들{SYSTEMS AND METHODS FOR MATERIALS HANDLING VEHICLE ODOMETRY CALIBRATION}
상호 참조
본 출원은, 2015년 5월 26일에 출원되고, 적응적 오도메트리 교정이라는 명칭의, 미국 가 특허 출원 일련 번호 제62/166,183호의 이득을 주장한다.
기술분야
여기에서 설명된 실시예들은 일반적으로 자재 취급 차량 교정에 관한 것이며, 보다 구체적으로, 지게차와 같은, 자재 취급 차량의 오도메트리 교정 및 카메라 교정에 관한 것이다.
지게차들과 같은, 자재 취급 차량들은 그것의 구동 또는 비-구동 휠들의 마모로 인해 오도메트리(odometry) 저하를 겪을 수 있다. 휠들이 마모를 초래함에 따라, 트레드가 저하되며 휠의 둘레는 감소한다. 그 결과, 오도미터(odometer) 결정들의 정확도는 오도미터가 미리 결정된 크기의 휠에 대해 교정될 수 있기 때문에 저하될 수 있다. 유사하게, 휠, 또는 그것의 일 부분이 변경될 때, 오도메트리 결정들은 유사한 이유들로 급격하게 변할 수 있다.
유사하게, 오버헤드 등들의 식별을 통해 자재 취급 차량의 위치 및 라우팅을 결정하는 지게차들과 같은 자재 취급 차량들이 많은 환경들에서 이용된다. 이들 차량들은 매우 신뢰 가능할 수 있지만, 위치 및/또는 라우팅 정확도는 설치 시 교정되지 않을 수 있거나 또는 자재 취급 차량의 확장된 사용을 통해 저하될 수 있다. 이와 같이, 비효율성들 및 에러들은 이미지 캡처 디바이스가 교정되지 않는다면 생성될 수 있다. 이와 같이, 요구가 산업에서 존재한다.
자재 취급 차량의 오도메트리를 교정하기 위한 시스템들 및 방법들. 방법의 일 실시예는 자재 취급 차량의 현재 위치를 결정하는 단계, 휠의 둘레 및 상기 휠의 결정된 회전 수의 산출에 기초하여 상기 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하는 단계, 및 상기 현재 위치로부터 상기 목적지까지의 위치 결정 시스템 거리를 결정하는 단계를 포함한다. 몇몇 실시예들은 상기 오도메트리 거리를 상기 위치 결정 시스템 거리로부터의 데이터와 비교하여 스케일링 인자를 산출하는 단계, 상기 스케일링 인자를 고속 알파 필터에 적용하여 고속 필터 결과를 얻는 단계, 및 상기 스케일링 인자를 저속 알파 필터에 적용하여 저속 필터 결과를 얻는 단계를 포함한다. 유사하게, 몇몇 실시예들은 상기 고속 알파 필터를 상기 스케일링 인자에 적용하여 잡음을 제거하는 단계, 상기 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하는 단계, 및 상기 업데이트된 오도메트리 거리를 이용하는 단계를 포함한다.
다른 실시예에서, 자재 취급 차량은 자재 취급 하드웨어, 휠, 오도미터, 위치 결정 시스템, 및 차량 컴퓨팅 디바이스를 포함한다. 상기 차량 컴퓨팅 디바이스는 로직을 저장하며, 상기 로직은 프로세서에 의해 실행될 때, 상기 자재 취급 차량이 창고 내에서 상기 자재 취급 차량의 현재 위치를 결정하게, 상기 오도미터를 통해, 상기 휠의 둘레 및 상기 휠의 결정된 회전 수의 산출에 기초하여 상기 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하게, 그리고 상기 위치 결정 시스템을 통해 상기 자재 취급 차량의 상기 현재 위치로부터 상기 목적지까지의 위치 결정 시스템 거리를 결정하게 한다. 몇몇 실시예들에서 상기 로직은 상기 자재 취급 차량이 상기 오도메트리 거리를 상기 위치 결정 시스템 거리와 비교하여 스케일링 인자를 산출하게, 상기 스케일링 인자를 저속 알파 필터에 적용하여 저속 필터 결과를 얻되, 상기 저속 알파 필터는 상기 휠의 마모에 기초하여, 상기 오도메트리 거리에 대한 저속 변화를 나타내는, 상기 저속 필터 결과를 얻게, 그리고 상기 스케일링 인자를 고속 알파 필터에 적용하여 고속 필터 결과를 얻는 것으로서, 상기 고속 알파 필터는 상기 휠의 변화에 기초하여, 상기 오도메트리 거리에 대한 고속 변화를 나타내는, 상기 고속 필터 결과를 얻게 할 수 있다. 몇몇 실시예들에서, 상기 로직은 상기 자재 취급 차량이 상기 저속 필터 결과를 상기 고속 필터 결과와 비교하게 한다. 상기 저속 필터 결과 및 상기 고속 필터 결과 간 차이가 미리 결정된 허용 오차 내에 있다고 결정하는 것에 응답하여, 상기 저속 필터 결과는 잡음을 제거하기 위해 상기 스케일링 인자에 적용될 수 있다. 상기 저속 필터 결과 및 상기 고속 필터 결과 간 차이가 미리 결정된 허용 오차 내에 있지 않다고 결정하는 것에 응답하여, 상기 고속 필터 결과가 잡음을 제거하기 위해 상기 스케일링 인자에 적용될 수 있다. 상기 로직의 몇몇 실시예들은 상기 자재 취급 차량이 상기 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하게 그리고 상기 업데이트된 오도메트리 거리를 이용하여 상기 위치 결정 시스템을 동작시키게 할 수 있다.
또 다른 실시예에서, 자재 취급 차량은 휠 및 차량 컴퓨팅 디바이스를 포함하는 자재 취급 차량을 포함한다. 상기 차량 컴퓨팅 디바이스는 로직을 저장할 수 있으며, 상기 로직은 프로세서에 의해 실행될 때, 상기 자재 취급 차량이 상기 자재 취급 차량의 현재 위치를 결정하게, 상기 휠의 둘레 및 상기 휠의 결정된 회전 수의 산출에 기초하여 상기 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하게, 상기 현재 위치로부터 상기 목적지까지의 위치 결정 시스템 거리를 결정하게 한다. 몇몇 실시예들에서, 상기 로직은 상기 자재 취급 차량이 상기 오도메트리 거리를 상기 위치 결정 시스템 거리와 비교하여 스케일링 인자를 산출하게, 상기 스케일링 인자를 저속 알파 필터에 적용하여 저속 필터 결과를 얻게, 그리고 상기 스케일링 인자를 고속 알파 필터에 적용하여 고속 필터 결과를 얻게 한다. 몇몇 실시예들에서, 상기 로직은 상기 자재 취급 차량이, 상기 저속 필터 결과가 상기 고속 필터 결과의 미리 결정된 허용 오차 내에 있다고 결정하는 것에 응답하여, 상기 저속 알파 필터를 상기 스케일링 인자에 적용하여 잡음을 제거하게, 상기 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하게, 그리고 상기 업데이트된 오도메트리 거리를 이용하여 위치 결정 시스템을 동작시키게 한다.
본 개시의 실시예들에 의해 제공된 이들 및 부가적인 특징들은 도면들과 함께, 다음의 상세한 설명을 고려하여 보다 완전하게 이해될 것이다.
도면들에 제시된 실시예들은 사실상 예시적이며 대표적이고 본 개시를 제한하도록 의도되지 않는다. 예시적인 실시예들의 다음의 상세한 설명은 다음의 도면들과 함께 판독될 때 이해될 수 있으며, 여기에서 유사한 구조는 유사한 참조 번호들을 갖고 표시된다.
도 1은 여기에서 설명된 실시예들에 따라, 위치 및 내비게이션 서비스들을 위한 오버헤드 조명을 이용하는 자재 취급 차량을 묘사한다;
도 2는 여기에서 설명된 실시예들에 따라, 자재 취급 차량의 오도메트리를 교정하기 위한 흐름도를 묘사한다;
도 3은 여기에서 설명된 실시예들에 따라, 오도메트리 교정에서 스케일링 인자를 변경하기 위한 흐름도를 묘사한다;
도 4는 자재 취급 차량 상에서 이미지 캡처 디바이스를 교정하기 위한 흐름도를 묘사한다;
도 5는 자재 취급 차량 상에서 이미지 캡처 디바이스 교정을 위한 또 다른 흐름도를 묘사한다; 및
도 6은 여기에서 설명된 실시예들에 따라, 자재 취급 차량을 위해 이용될 수 있는 컴퓨팅 기반시설을 묘사한다.
여기에서 개시된 실시예들은 자재 취급 차량 교정을 위한 시스템들 및 방법들을 포함한다. 몇몇 실시예들은 오도메트리 교정을 위해 구성되지만, 몇몇 실시예들은 차량 이미지 캡처 디바이스 교정에 관련된다.
구체적으로, 여기에서 설명된 실시예들은 차량 오도미터가 교정되는지를 결정하도록 구성될 수 있으며, 아니라면, 미리 결정된 허용 오차 내로 오도미터를 교정할 수 있다. 오도메트리 교정은 스티어 각 바이어스 및 스케일링 인자를 포함한다. 스티어 각 바이어스 교정의 실시예들은 자재 취급 차량이 직선으로 물리적으로 이동할 때 차량이 직선 주행을 보고하게 하도록 구성될 수 있다. 스케일링 인자 교정의 실시예들은 자재 취급 차량이 이동된 정확한 거리를 보고하게 하도록 구성될 수 있다. 스케일링 인자는 적정한 성과를 갖고 수동으로 측정될 수 있지만, 휠 마모 및 휠 또는 타이어 교체로 인해 시간에 걸쳐 변할 수 있다. 본 개시는 정상 동작 동안 스케일링 인자를 조정하기 위한 시스템 및 방법을 제공한다. 실시예들은 실제 스케일링 인자를 측정하며 그것에 대한 변화들을 매끄럽게 하도록 구성될 수 있다.
이미지 캡처 디바이스 교정은 자재 취급 차량의 위치 결정 및/또는 라우팅을 위한 오버헤드 등 검출을 이용하는 자재 취급 차량들에 유용할 수 있다. 이미지 캡처 디바이스 교정은 내적 교정 및 외적 교정을 포함할 수 있다. 내적 교정은 에러의 적절한 범위 내에서 이미지 캡처 디바이스 모델 자체의 파라미터들을 결정하는 것을 포함한다. 외적 이미지 캡처 디바이스 교정은 에러의 적절한 범위 내에서 자재 취급 차량 상에서의 이미지 캡처 디바이스의 위치를 결정하는 것을 포함할 수 있다. 여기에서 설명된 실시예들은 이미지 캡처 디바이스의 외적 교정에 초점을 맞춘다. 이를 통합한 차량 교정을 위한 시스템들 및 방법들이, 이하에서, 보다 상세히 설명될 것이다.
이제 도면들을 참조하면, 도 1은 여기에서 설명된 실시예들에 따라, 자재 취급 하드웨어(105)를 포함하며 위치 및 내비게이션 서비스들을 위한 오버헤드 조명을 이용하는 자재 취급 차량(100)을 묘사한다. 예시된 바와 같이, 자재 취급 차량(100)은 창고와 같은, 환경(110)을 통해 이동하도록 구성될 수 있다. 자재 취급 차량(100)은 예를 들면, 지게차 트럭, 리치(reach) 트럭, 터렛(turret) 트럭, 워키 스태커(walkie stacker) 트럭, 견인 트랙터, 파레트 트럭(pallet truck), 하이/로우, 스태커-트럭, 트레일러 로더, 사이드로더, 포크 호이스트 등과 같은 페이로드를 리프트하며 이동시키기 위한 산업용 차량으로서 구성될 수 있다. 자재 취급 차량(100)은 원하는 루트를 따라 환경(100)의 바닥(122)을 자동으로 및/또는 수동으로 이동하도록 구성될 수 있다. 따라서, 자재 취급 차량(100)은 하나 이상의 휠들(124)의 회전에 의해 앞으로 및 뒤로 향해질 수 있다. 부가적으로, 자재 취급 차량(100)은 하나 이상의 휠들(124)을 조종함으로써 방향을 변경할 수 있다. 자재 취급 차량(100)은 또한 이에 제한되지 않지만, 휠들(124)의 속도, 휠들(124)의 방위 등과 같은, 자재 취급 차량(100)의 기능들을 제어하기 위한 조작자 제어들(126)을 포함할 수 있다.
조작자 제어들(126)은 예를 들면, 스위치들, 버튼들, 레버들, 핸들들, 페달들, 교정 표시자들 등과 같은 자재 취급 차량(100)의 기능들에 할당되는 입력들 및 출력들을 포함할 수 있다. 조작자 제어들(126)은 부가적으로 자재 취급 차량(100)이 이동하는 거리를 결정하기 위한 오도미터, 출력(오디오 및/또는 시각적 출력과 같은)을 제공하며 사용자로부터 데이터 및/또는 입력을 수신하기 위한 사용자 인터페이스를 포함할 수 있다. 오도미터는, 휠들(124)의 미리 결정된 둘레에 기초하여, 휠들(124) 중 하나 이상의 결정된 회전 수를 결정하며 이동된 거리를 산출하도록 구성될 수 있다. 조작자 제어들(126)은 부가적으로 위치 결정 시스템, 국소화 시스템, 가속 장치, 브레이크, 자율 모드 옵션, 및/또는 수동으로, 반-자동으로, 및/또는 전-자동으로 자재 취급 차량(100)을 동작시키기 위한 다른 제어들, 출력들, 하드웨어, 및 소프트웨어를 포함할 수 있다.
자재 취급 차량(100)은 또한 디지털 스틸 카메라, 디지털 비디오 카메라, 아날로그 스틸 카메라, 아날로그 비디오 카메라, 및/또는 오버헤드 이미지를 캡처하기 위한 다른 디바이스와 같은 이미지 캡처 디바이스(102)를 포함할 수 있다. 캡처된 이미지는 JPEG, JPEG 2000, Exif, TIFF, 원 이미지 포맷들, GIF, BMP, PNG, Netpbm 포맷, WEBP, 래스터(raster) 포맷들, 벡터 포맷들, 및/또는 다른 유형의 포멧으로서 포맷팅될 수 있다. 따라서, 이미지 캡처 디바이스(102)는, 예를 들면, 전하 결합 디바이스(CCD), 상보적 금속-산화물-반도체 센서, 또는 그것의 기능적 등가물들과 같은 이미지 센서를 포함할 수 있다. 몇몇 실시예들에서, 자재 취급 차량(100)은 환경(110) 내에 위치될 수 있으며 환경(100)의 천장(112)의 오버헤드 이미지들을 캡처하도록 구성될 수 있다. 오버헤드 이미지들을 캡처하기 위해, 이미지 캡처 디바이스(102)는 자재 취급 차량(100)에 장착되며 천장(112)에 집중될 수 있다.
환경(110)의 천장(112)은, 이에 제한되지 않지만 천장(112)으로부터 또는 일반적으로 창고에서 동작하는 자재 취급 차량(100) 위로부터 조명을 제공하기 위한 천장 등들(114)과 같은, 오버헤드 등들을 포함할 수 있다. 천장 등들(114)은 예를 들면, 천창들(116a), 형광등들(116b), 및/또는 다른 유형들의 등들(116c)과 같은 실질적으로 직사각형 등들을 포함할 수 있으며; 상기로부터 조명을 제공하도록 천장(112) 또는 벽 구조들에 장착되거나 또는 그로부터 매달려질 수 있다. 도 1은 직사각형 등들을 묘사하지만, 천장 등들(114)은 임의의 형태, 크기, 또는 유형일 수 있다는 것이 이해되어야 한다. 예를 들면, 천장 등들(114)은 둥근형, 아치형, 벽걸이 LED 스트립 등, 돔형 천창 등일 수 있으며, 천장 등(114)의 유형은 하이 베이(high bay) 등들, 트랙 조명, 스트링 등들, 스트립 조명, 확산 조명 등일 수 있다.
부가적으로, 자재 취급 차량(100)은 차량 컴퓨팅 디바이스(103)를 포함하고 및/또는 그것과 결합될 수 있다. 차량 컴퓨팅 디바이스(103)는 이미지 캡처 디바이스(102)에 통신적으로 결합된 프로세서(104)(하나 이상의 프로세서들로서 구현될 수 있는)를 포함할 수 있다. 프로세서(104)는 여기에서 자동으로 설명된 방법들 또는 기능들 중 임의의 것을 구현하도록 로직을 실행하기 위해 구성될 수 있다. 메모리 구성요소(106)가 또한 포함될 수 있으며, 프로세서(104), 이미지 캡처 디바이스(102), 또는 그것의 임의의 조합에 통신적으로 결합될 수 있는 기계-판독 가능한 지시들을 포함한, 로직을 저장하기 위해 이용될 수 있다.
프로세서(104)는 기계-판독 가능한 지시들을 실행하는 것이 가능한 또는 기계 판독 가능한 지시들과 유사한 방식으로 기능들을 실행하도록 구성된 집적 회로, 마이크로칩, 및/또는 다른 디바이스를 포함할 수 있다. 메모리 구성요소(106)는 기계 판독 가능한 지시들과 같은, 로직을 저장하는 것이 가능한 RAM, ROM, 플래시 메모리, 하드 드라이브, 또는 임의의 비-일시적 디바이스를 포함할 수 있다. 이와 같이, 메모리 구성요소(106)는 지시들을 제공하며 여기에서 설명된 기능을 가능하게 하기 위한 이미지 캡처 로직(144a) 및 오도메트리 로직(144b)을 저장할 수 있다.
예를 들면, 오도메트리 로직(144b)은 자재 취급 차량(100)이 목적지로의 원하는 루트 상에서 환경(110)의 바닥(122)을 따라 이동하게 할 수 있다. 몇몇 실시예들에서, 이미지 캡처 로직(144a)은 자재 취급 차량(100)이 천장 등들(114)의 캡처된 이미지를 통해 환경에 대하여 자재 취급 차량(100)의 국소화된 위치를 결정하게 할 수 있다. 자재 취급 차량(100)의 국소화된 위치의 결정은 이미지 데이터를 환경(110)의 사이트 맵 데이터에 비교함으로써 수행될 수 있다. 사이트 맵은 천장 및 연관된 위치 좌표들의 영상을 나타낼 수 있으며 메모리 구성요소(106)에 국소적으로 저장되고 및/또는 원격 컴퓨팅 디바이스에 의해 제공될 수 있다. 국소화된 위치 및 목적지를 고려해볼 때, 루트는 자재 취급 차량(100)에 대해 결정될 수 있다. 루트가 결정되면, 자재 취급 차량(100)은 환경(110)의 바닥(122)을 돌아다니기 위해 루트를 따라 이동할 수 있다.
동작 시, 자재 취급 차량(100)은 사용자 입력을 통해 그것의 현재 위치를, 차량 컴퓨팅 디바이스(103)(위치 결정 시스템을 통해, 라디오 주파수 식별자를 교차하는 자재 취급 차량(100)과 같은)를 통해 결정을, 및/또는 원격 컴퓨팅 디바이스를 통해 결정을 결정할 수 있다. 몇몇 실시예들에서, 하나 이상의 천장 등들(114)을 포함할 수 있는, 천장(112)의 이미지를 캡처하기 위해 이미지 캡처 디바이스(102)를 이용하도록 구성될 수 있다. 몇몇 실시예들에서, 하나 이상의 천장 등들(114)은 고유 식별자를 포함하며 및/또는 이를 차량 컴퓨팅 디바이스(103)로 제공하도록 구성될 수 있다. 유사하게, 몇몇 실시예들은 이미지 캡처 디바이스(102)가 캡처하는 이미지가 그 외 현재 차량 위치를 결정하기 위해 사이트 맵에 비교될 수 있도록 구성된다.
자재 취급 차량(100)의 현재 위치가 결정되면, 자재 취급 차량(100)은 목적지로의 루트를 가로지를 수 있다. 루트를 따라, 이미지 캡처 디바이스(102)는 천장(112) 및 천장 등들(114)의 이미지 데이터를 캡처할 수 있다. 실시예에 의존하여, 이미지 데이터는 랜드마크, 조명 기구로부터의 신호 등과 같은, 위치 식별자를 포함할 수 있다. 천장 등들(114)의 이미지들이 캡처됨에 따라, 차량 컴퓨팅 디바이스(103)는 사이트 맵과 천장(112) 및/또는 천장 등들(114)의 이미지를 비교할 수 있다. 비교에 기초하여, 차량 컴퓨팅 디바이스(103)는 루트를 따라 자재 취급 차량(100)의 현재 위치를 결정할 수 있다.
상기 설명된 기반시설이 자재 취급 차량(100)의 위치를 결정하기 위해 이용될 수 있지만. 종종, 오도미터는, 통상적으로 팽창 가능한 또는 비-팽창 가능한 타이어들을 포함하는, 휠들(124)이 마모되며 둘레가 변하기 때문에 부정확해질 수 있다. 부가적으로, 오도미터는, 휠(124)의 유효 둘레를 즉시 변경하는, 마모된 휠, 또는 단지 휠의 마모된 타이어 부분만이 교체될 때 부정확해질 수 있다. 용어("휠")는 자재 취급 차량(100)을 지원하며 표면에 걸친 그것의 일시적인 움직임을 가능하게 하는 자재 취급 차량(100)의 휠들을 나타낸다는 것이 주의된다.
유사하게, 이미지 캡처 디바이스(102)가 자재 취급 차량(100)의 위치를 결정하기 위해 이용되는 영상을 캡처하도록 구성될 수 있지만, 이미지 캡처 디바이스(102)는 이러한 기능을 수행하기 위해 처음에 교정될 필요가 있을 수 있다. 구체적으로, 도 1에서의 묘사에도 불구하고, 이미지 캡처 디바이스(102)는 천장(112)에 대해 각지고, 경사지며, 및/또는 회전될 수 있다. 부가적으로, 자재 취급 차량(100) 및/또는 이미지 캡처 디바이스(102)의 사용은 이미지 캡처 디바이스(102)가 교정을 잃게 하며, 그에 따라 재교정을 요구할 수 있다.
도 2는 여기에서 설명된 실시예들에 따라, 자재 취급 차량(100)의 오도메트리를 교정하기 위한 흐름도를 묘사한다. 블록(250)에서 예시된 바와 같이, 자재 취급 차량(100)의 현재 위치가 결정될 수 있다. 상기 논의된 바와 같이, 이러한 차량 위치는 사용자 입력을 통해, 및/또는 다른 유사한 메커니즘을 통해, 자재 취급 차량(100) 상에서 위치 결정 시스템 및/또는 국소화 시스템으로부터 결정될 수 있다. 여하튼, 블록(252)에서, 목적지 위치가 결정될 수 있다. 목적지 위치는 사용자 입력을 통해, 과거 동작들의 결정을 통해, 및/또는 다른 메커니즘을 통해, 원격 컴퓨팅 디바이스로부터 결정될 수 있다(작업을 완료하도록 지시를 제공하기 위해서와 같은). 목적지는 자재 취급 차량(100)의 최종 목적지일 필요는 없다는 것이 또한 이해되어야 한다. 몇몇 실시예들에서, 목적지는 단지 루트를 따르는 포인트일 수 있다.
블록(254)에서, 자재 취급 차량(100)은 현재 차량 위치로부터 목적지로의 루트를 가로지를 수 있다. 상기 설명된 바와 같이, 자재 취급 차량(100)은 수동 동작 모드, 반-자율 모드를 통해, 및/또는 전 자율 모드를 통해 루트를 가로지를 수 있다. 블록(256)에서, 오도메트리 거리가 결정될 수 있으며 위치 결정 시스템 거리가 결정될 수 있다. 상기 논의된 바와 같이, 오도메트리 거리는 오도미터에 의해 결정될 수 있다. 위치 결정 시스템 거리는 상기 설명된 바와 같이, 위치 결정 시스템으로부터 및/또는 이미지 데이터의 캡처로부터 결정될 수 있다. 블록(258)에서, 오도메트리 거리는 위치 결정 시스템 거리와 비교될 수 있으며, 이것은 스케일링 인자의 결정을 포함할 수 있다. 실제 스케일링 인자는 차량 위치에서의 실제 변화에 원래 축적된 오도메트리 거리를 비교함으로써 측정될 수 있다. 축적된 오도메트리 거리는 오도메트리에 따른 이동의 시작 및 끝 사이에서 이동된 총 거리이다(스케일링 인자를 사용하지 않고). 이동된 실제 거리는, 위치 결정 시스템에 의해 결정된 바와 같이, 이동의 시작 및 끝에서의 위치들(x, y) 사이에서의 직선 거리이다.
Figure pat00001
블록(260)에서, 스케일링 인자는 차이에 따라 변경될 수 있다. 스케일링 인자가 변경되면, 오도메트리 산출은, 거리의 산출이 변경된 스케일링 인자를 포함할 것이므로, 보다 정확할 것이다. 따라서, 업데이트된 오도메트리 거리는 변경된 스케일링 인자를 이용하여 결정될 수 있다. 예로서, 오도미터가 회전들의 수를 카운팅하고 휠들의 미리 결정된 둘레로 상기 수를 곱하면, 스케일링 인자는 이동된 실제 오도메트리 거리를 결정하기 위해 상기 곱으로 곱하여질 수 있다.
도 3은 여기에서 설명된 실시예들에 따른, 오도메트리 교정에서의 스케일링 인자를 변경하기 위한 흐름도를 묘사한다. 블록(350)에서 예시된 바와 같이, 초기 위치, 오도메트리, 및 이미지 데이터가 결정될 수 있다. 상기 설명된 바와 같이, 초기 위치는 사용자 입력, 이미지 캡처 디바이스(102)로부터의 데이터, 및/또는 위치 결정 시스템으로부터의 데이터로부터 결정될 수 있다. 오도메트리 데이터는 오도미터로부터, 원격 컴퓨팅 디바이스로부터, 및/또는 사용자 입력으로부터 결정될 수 있다. 이미지 캡처 디바이스(102)는 이미지 데이터를 캡처하기 위해 구성될 수 있으며 캡처된 이미지 데이터를 차량 컴퓨팅 디바이스(103)로 전송할 수 있다. 블록(352)에서, 자재 취급 차량(100)은 현재 차량 위치로부터 목적지로 루트를 가로지를 수 있다.
블록(354)에서, 오도메트리 거리 및 위치 결정 시스템 거리가 결정될 수 있다. 상기 설명된 바와 같이, 오도미터는 오도메트리 데이터를 차량 컴퓨팅 디바이스(103)로 제공할 수 있다. 부가적으로, 자재 취급 차량(100)이 이동한 거리는 위치 결정 시스템에 의해 및/또는 이미지 캡처 디바이스(102)로부터 수신된 이미지 데이터로부터 결정될 수 있다. 위치 결정 시스템은 전역적 위치 결정 시스템, 이미지 캡처 디바이스(102), 원격 컴퓨팅 디바이스, 및/또는 자재 취급 차량(100)의 위치를 결정하기 위한 다른 하드웨어 및 소프트웨어를 포함할 수 있다. 블록(356)에서, 오도메트리 거리(스케일링 인자를 이용한)는 위치 결정 시스템 거리(및/또는 사이트 맵)와 비교될 수 있다. 이러한 비교는 스케일링 인자의 교정이 현재인지를 결정하기 위해 이루어질 수 있다. 오도메트리 거리 및 위치 결정 시스템 거리 사이에서의 차이가 미리 결정된 임계치를 초과하면, 스케일링 인자가 조정될 수 있다.
구체적으로, 실시예들은, 잡음을 없애며 타이어 변화 또는 휠 변화에 빠르게 응답하면서, 스케일링 인자가 가장 최근의 측정치들에 대체로 매칭되도록 업데이트되기 위해 구성될 수 있다. 일반적으로, 스케일링 인자는 휠 마모를 수용하기 위해 시간에 걸쳐 느리게 변할 것이다. 이것은 휠 변화들에 의해 중단될 것이며, 여기에서 스케일링 인자는 갑자기 증가할 것이다. 휠들의 점진적인 마모 및 휠 또는 타이어 교체로부터 경험된 빠른 변화를 가능하게 하기 위해, 실시예들은 복수의 알파 필터들을 이용할 수 있으며, 이것은 오도메트리 로직(144b)의 부분으로서 지수적 이동 평균 필터들로서 구체화될 수 있다. 제 1 알파 필터는 비교적 빠르게 응답하며 여기에서 고속 필터로 불리운다. 제 2 알파 필터는 비교적 느리게 응답하며 여기에서 저속 필터로 불리운다.
두 개의 필터들이 일치하지만(미리 결정된 허용 오차 내에서), 스케일링 인자는 저속 필터 출력으로부터의 값과 대체로 동일하도록 설정될 수 있다. 이것은 스케일링 인자 측정들에서의 에러들이 제거됨을 보장한다. 두 개의 필터들이 일치하지 않을 때, 스케일링 인자는 고속 필터 값 출력으로부터의 값과 동일하도록 설정된다. 이것은 스케일링 인자가 휠 변화에 빠르게 응답하도록 허용한다. 실시예들은 성공적인 결과가 획득될 때마다 사용 중인 스케일링 인자를 업데이트하도록 구성될 수 있다. 히스테리시스의 정도는 필터들 사이에서 빠른 스위칭을 방지하기 위해 부가될 수 있다.
필터들은 다음과 같이 동작하도록 구성될 수 있으며: FV1 = FV0(α) + MV(1-α), 여기에서 FV1은 새로운 필터 값이고, FV0은 이전 필터 값이고, MV는 측정된 값이며, α는 필터의 알파 값이다. 일 실시예에서, 다음의 알파 값들은 본 개시의 교정 루틴에서 구현된다: α= 0.99(제 1 알파 필터 값 및/또는 저속 알파 필터 값으로서 불리우는); 및 α= 0.9(여기에서 제 2 알파 필터 값 및/또는 고속 알파 필터 값으로서 불리우는). 이들 필터들은 따라서 저속 알파 필터에 대한 저속 필터 결과 및 고속 알파 필터에 대한 고속 필터 결과를 제공할 수 있다.
상기 주지된 바와 같이, 두 개의 필터들이, 허용 오차 내에서, 일치할 때, 스케일링 인자는 저속 필터 출력과 동일하도록 설정된다. 하나의 고려된 실시예에서, 이러한 허용 오차는 약 0.075와 같다. 필터들 사이에서의 빠른 스위칭을 방지하기 위해, 약 0.0025의 히스테리시스 값을 갖고 구성된 몇몇 실시예들이 구현될 수 있다. 이러한 실시예에서, 필터 차이는 저속 필터로 다시 스위칭하기 전에 히스테리시스 값보다 낮아야 한다.
몇몇 실시예들에서, 앞서 언급한 알파, 허용 오차, 및/또는 히스테리시스 값들은, 로깅된 데이터에서의 몇몇 포인트에서 적어도 하나의 휠 변화를 포함하여, 자재 취급 차량들의 무리에서의 적어도 하나의 자재 취급 차량(100)에 걸쳐 원 스케일링 인자 측정(또는 복수의 원 스케일링 인자 측정들)을 로깅함으로써 결정될 수 있다. 이러한 원 데이터를 고려해볼 때, 조합된 필터 신호는 원 데이터 상에서 구동될 수 있으며 파라미터들은 모든 로그들에 걸쳐 적정한 결과를 획득하기 위해 필요에 따라 조정될 수 있다.
여기에서 설명된 실시예들은 휠이 자재 취급 차량(100) 상에서 변경되었을 때를 검출하기 위해 구현될 수 있다는 것이 고려된다. 휠이 변경되었을 때, 스케일링 인자에서의 빠른 증가는 보통의 마모 하에서의 스케일링 인자에서 보통의, 점진적 감소와 강하게 대조된다. 예를 들면, 저속 알파 필터는 자재 취급 차량(100)의 동작 동안 휠(124) 마모를 고려하기 위해 사용될 수 있다. 새로운 휠(124)이 자재 취급 차량(100) 상에 장착될 때, 스케일링 인자는 허용 오차 값을 초과하기 위해 빠르게 증가할 수 있어서, 고속 알파 필터가 스케일링 인자를 결정하기 위해 사용되는 것을 야기한다. 고속 알파 필터는 필터 차이가, 저속 알파 필터가 그 후 스케일링 인자를 결정하기 위해 사용되는 히스테리시스 값 미만일 때까지 사용된다. 다시 말해서, 고속 알파 필터는 스케일링 인자가 새로운 휠(124) 둘레를 감안할 때까지 휠(124)이 스케일링 인자를 빠르게 조정하기 위해 변경될 때 사용된다. 그때, 저속 알파 필터는 새로운 휠(124)의 타이어 마모를 감안하기 위해 사용된다. 실시예들은 또한, 예방적 유지 보수의 적용을 위해, 휠들(124)에서의 변화가 요구됨을 결정하기 위해 스케일링 인자 데이터를 이용하도록 구성될 수 있다.
다시 도 3을 참조하면, 블록(358)에서, 스케일링 인자는 차이에 따라 변경될 수 있다. 블록(360)에서, 신뢰 인자가 결정될 수 있다. 구체적으로, 스케일링 인자는 자재 취급 차량(100)에서의 변화들에 적응하기 위한 값으로 설정될 수 있다. 부가적으로, 상기 스케일링 인자가 자재 취급 차량(100)에 대한 오도메트리 데이터를 정확하게 제공하기 위해 설정되는지에 관한 결정이 이루어질 수 있다. 블록(362)에서, 교정 신뢰도와 연관된 신뢰 인자가 디스플레이를 위해 제공될 수 있다. 교정이 완료되면, 업데이트된 오도메트리 거리가 위치 결정 시스템을 동작하기 위해 이용될 수 있다.
몇몇 실시예들은 측정된 움직임의 시작 및 종료에서 위치 고정들을 저장하도록 구성될 수 있다. 예를 들면, 오버헤드 등들이 내비게이션 시 사용되는 경우, 몇몇 실시예들은 차량 위치를 결정할 때 적어도 두 개의 등들이 가시적이며 두 개의 등들을 판독할 때 등 신뢰도가 비교적 높음을 보장한다. 유사하게, 몇몇 실시예들은 또한 차량 컴퓨팅 디바이스(103)가 측정된 움직임의 지속 기간 동안 위치 고정들을 유지함을 보장할 수 있다. 이것은 차량 컴퓨팅 디바이스(103)가 앨리어싱되지 않음을 보장하도록 도울 수 있으며, 이것은 이동된 실제 거리의 잘못된 측정을 제공할 수 있다. 몇몇 실시예들은 이동된 총 거리가 미리 결정된 임계치를 초과함을 보장하도록 구성된다. 예를 들면, 측정된 거리가 ±0.1 미터들 내로 정확하며, 1%의 오도메트리 정확도가 요구될 때, 적어도 (0.1+0.1)/1% = 20미터들의 이동 거리가 요구될 수 있다.
여기에서 설명된 실시예들은 또한 이미지 캡처 디바이스(102)의 교정을 위해 구성될 수 있다. 상기 논의된 바와 같이, 자재 취급 차량(100)이 이미지 캡처 디바이스(102)를 구비할 때, 이미지 캡처 디바이스(102)는 각지고, 돌려지며, 및/또는 회전될 수 있다. 그 결과, 이미지 캡처 디바이스(102)는 사용 전에 교정될 수 있다. 유사하게, 자재 취급 차량(100)의 사용은 이미지 캡처 디바이스(102)가 교정을 잃게 할 수 있다. 그 결과, 교정에 대한 업데이트들이 제공될 수 있다.
따라서, 자재 취급 차량(100)은 알려진 좌표들을 가진 위치에 배치될 수 있다. 좌표들은 사용자가 좌표들을 입력하는 것, 자재 취급 차량(100)이 알려진 위치를 가진 라디오 주파수 식별자를 전달하는 것에 의해, 및/또는 다른 메커니즘들을 통해 결정될 수 있다. 부가적으로, 시드 값은 이미지 캡처 디바이스(102)에 대한 차량 컴퓨팅 디바이스(103)(및/또는 원격 컴퓨팅 디바이스)로 제공될 수 있다. 시드 값은 이미지 캡처 디바이스(102)의 위치(예로서, 피치, 롤, 요)를 나타내는 하나 이상의 숫자들, 및/또는 외부 교정에 관련된 다른 값들을 포함할 수 있다. 시드 값은 이미지 캡처 디바이스(102)의 제조사에 의해 제공되고, 설치 시 추정되고, 차량 컴퓨팅 디바이스(103)로 사전 프로그램되며, 및/또는 다른 메커니즘들을 통해 제공될 수 있다.
여하튼, 자재 취급 차량(100)은 그 후 환경(110)을 통해 미리 결정된 루트에 따라 돌아다닐 수 있다. 자재 취급 차량(100)이 환경(110)을 통해 진행함에 따라, 이미지 캡처 디바이스(102)는 천장(112)의 이미지들을 캡처할 수 있다. 차량 컴퓨팅 디바이스(103)는 상기 이미지를 캡처할 때 자재 취급 차량(100)이 위치된 위치를 결정하기 위해 사이트 맵과 캡처된 이미지들을 비교할 수 있다. 교정 신뢰도가 그 후 이미지 캡처 디바이스(102)의 현재 교정에 관해 결정될 수 있다. 교정 신뢰도에 관련된 데이터는 자재 취급 차량(100) 상에서의 사용자 인터페이스를 통해서와 같은, 시각적 표시를 통해서와 같이, 사용자에게 제공될 수 있다. 교정 신뢰도는 루트를 따라 복수의 위치들에서 캡처된 이미지를 통해 예상된 이미지의 비교를 통해 결정될 수 있다. 구체적으로, 교정 값이 결정된 후, 이미지들을 캡처하고 이미지들을 사이트 맵과 비교하는 프로세스가 계속될 수 있다. 캡처된 이미지들의 정확도가 증가함에 따라, 교정 신뢰도가 또한 그렇다. 교정 신뢰도가 미리 결정된 임계치를 충족하면, 자재 취급 차량(100)은 이미 교정된 것으로 간주될 수 있다. 그러나, 교정 신뢰도가 임계치를 충족시키지 않는다면, 교정이 요구될 수 있다.
구체적으로 국소화 및 내비게이션을 위한 천장 등 관찰들을 이용하는 실시예들을 참조하면, 차량 컴퓨팅 디바이스(103)는 천장(112) 및/또는 천장 등들(114)의 이전 관찰들의 기록을 유지하면서, 차량 궤적의 추정치를 구성 및 유지하도록 구성될 수 있다. 차량 컴퓨팅 디바이스(103)는 부가적으로 이미지 캡처 디바이스(102)의 교정의 추정치를 유지할 수 있다. 이미지 캡처 디바이스(102)의 교정, 자재 취급 차량(100)의 경로, 및 상기 경로를 따르는 천장 등들(114)의 관찰들의 공동 추정을 고려해볼 때, 차량 컴퓨팅 디바이스(103)는 관찰들의 세트 및 사이트 맵 사이에서의 정확도를 나타내는 통계적 에러 값을 계산할 수 있다. 결과적으로, 이러한 에러 함수는 에러-최소화 최적화기에서의 피드백으로서 사용될 수 있다. 이러한 방식으로, 추정된 궤적은 관찰들이 제공된 맵과 실질적으로 일치하게 하기 위해 변경될 수 있다.
따라서, 이미지 캡처 디바이스(102)가 교정될 것이라는 결정에 응답하여, 차량 위치가 결정될 수 있다. 부가적으로, 이미지 캡처 디바이스(102) 교정은 시드 값을 추정함으로써 초기화될 수 있다. 차량 궤적 추정치는, 가장 최근의 오도메트리 측정들에 기초하여, 결정될 수 있다. 이미지 캡처 디바이스(102)로부터의 가장 최근의 프레임이 취해질 수 있으며 결정이 주어진 프레임에서의 특징들 대 사이트 맵에서의 특징들의 대응성에 관해 이루어질 수 있다. 구체적으로, 결정은 자재 취급 차량(100)의 궤적, 교정 및 사이트맵에 기초하여 예상된 관찰을 비교하며, 이미지로부터의 관찰된 특징들에 예상된 특징들을 매칭시킴으로써 이루어질 수 있다. 추정된 궤적은 사이트 맵 및 특징 관찰들을 고려해볼 때 궤적 및 교정의 공동으로 최적의 추정치를 결정하기 위해 조정될 수 있다. 교정 신뢰도는 계산되고 출력될 수 있다.
교정 프로세스를 정지시킬 때를 결정하기 위해, 차량 컴퓨팅 디바이스(103)는 현재 교정 추정치에서 교정 신뢰도의 통계 측정치를 계산한다. 이러한 측정치는 이미지 캡처 디바이스(102)의 사이트 맵, 오도메트리, 및 특징 관찰들을 고려해볼 때 교정 변수들에 걸친 한계 공분산에 기초하여 산출된다. 시간에 걸쳐, 점점 더 많은 특징들이 관찰들로서 제공됨에 따라, 교정 추정치에서의 교정 신뢰도가 올라간다. 이것은 각각의 연속적 특징 관찰이 이미지 캡처 디바이스(102)의 가능한 교정들에 대한 추가 제약을 제공하기 때문이다. 따라서, 시간이 흐름에 따라, 교정의 추정은 점점 더 제한된다. 이들 제약들의 합계의 최종적 결과는 자재 취급 차량(100)에서, 교정 신뢰도의 측정치이며, 이것은 실시간으로 보고된다. 교정 신뢰도가 미리 결정된 임계치, 또는 다른 값에 도달할 때, 교정 프로세스는 정지될 수 있다.
따라서, 도 4는 자재 취급 차량(100) 상에서 이미지 캡처 디바이스(102)를 교정하기 위한 흐름도를 묘사한다. 블록(450)에서 예시된 바와 같이, 자재 취급 차량(100)의 위치가 결정될 수 있다. 블록(452)에서, 자재 취급 차량(100)은 루트의 다음 증가 부분일 수 있다. 몇몇 실시예들에서, 이것은 미리 결정된 목적지로의 루트를 가로지르는 것을 포함할 수 있는 반면, 다른 실시예들은 최종 목적지를 결정하지 않을 수 있다.
특정한 실시예에 의존하여, 루트는 비교적 간단한 직선 경로들, 및/또는 스팟상에서 350도 회전들의 세트에 앞서, 유도 와이어를 따르는 짧은 주행을 포함하는 보다 복잡한 경로 계획들일 수 있다. 몇몇 실시예들에서, 교정 기법은 또한 교정 신뢰도가 미리 결정된 임계치 아래로 떨어질 때까지 자유롭게 운전하는 조작자를 갖고 잘 기능할 수 있다. 몇몇 실시예들에서, 운전자는 교정 불확실성의 현재 레벨에 기초하여 수행하기 위해 특정 조작들에 대한 제안들을 자재 취급 차량(100)에 제공할 수 있다.
여하튼, 블록(454)에서, 이미지 데이터는 이미지 캡처 디바이스(102)로부터 수신될 수 있다. 상기 설명된 바와 같이, 이미지 캡처 디바이스(102)는 환경(110)에서 천장 등들(114), 천장(112), 및/또는 다른 조명 기구의 이미지들을 캡처할 수 있다. 블록(456)에서, 이미지 데이터는 에러를 결정하기 위해 사이트 맵과 비교될 수 있다. 구체적으로, 자재 취급 차량(100)은 시작 위치, 시드 값을 결정할 수 있으며, 자재 취급 차량(100)이 이동하는 곳을 결정하기 위해 오도메트리 및 다른 데이터를 계속 파악하고 있을 것이다. 이러한 정보를 갖고, 차량 컴퓨팅 디바이스(103)는 사이트 맵으로부터의 예상 이미지를 이미지 캡처 디바이스(102)에 의해 캡처된 실제 이미지와 비교할 수 있다.
블록(458)에서, 교정 신뢰도는, 비교에 기초하여, 결정될 수 있다. 교정 신뢰도는 이미지 캡처 로직(144a)을 통해 결정될 수 있으며, 이것은 차량 컴퓨팅 디바이스(103)가 사이트 맵으로부터의 픽셀들(및/또는 세그먼트들)과 캡처된 이미지로부터의 픽셀(및/또는 세그먼트)을 비교하게 할 수 있다. 교정 신뢰도는 매칭되는 세그먼트들의 퍼센티지에 관련될 수 있다. 부가적으로, 몇몇 실시예들은 사이트 맵으로부터 캡처된 이미지에서의 세그먼트들의 오프셋을 결정하며 오프셋에 기초하여 교정 신뢰도를 제공할 수 있다. 다른 비교들이 또한 교정 신뢰도를 결정하기 위해 수행될 수 있다.
블록(460)에서, 교정 신뢰도가 디스플레이를 위해 제공될 수 있다. 예로서, 교정 신뢰도는 자재 취급 차량(100) 상에서 사용자 인터페이스를 통해 제공될 수 있다. 블록(462)에서, 결정은 결정된 교정 신뢰도가 임계치를 충족시키는지에 대하여 이루어질 수 있다. 그렇다면, 교정이 완료할 수 있다. 교정 신뢰도가 임계치를 충족시키지 않는다면, 최적화 문제가 구성될 수 있다. 구체적으로, 최적화 문제는 C++ 클래스들의 Georgia Technology 평활화 및 매핑(GTSAM) 라이브러리 또는 다른 평활화 및 매핑(SAM) 라이브러리들과 같은, 라이브러리를 이용하여 구성될 수 있다. GTSAM 라이브러리는, 희소 행렬들보다는 기본 컴퓨팅 패러다임으로서 인자 그래프들 및 베이즈(Bayes) 네트워크들을 사용하여, 로봇 공학 및 비전에서 평활화 및 매핑을 구현한다.
SAM 라이브러리, 및 다른 유사한 라이브러리들은 다양한 연관된 불확실성들을 갖고 다수의 공간 제약들을 만족시키는 것에 관련된 최적화 문제들(466)을 구성하기 위한 범용 프레임워크를 제공한다. 동시 국소화 및 매핑(SLAM)을 타겟팅하는 라이브러리의 부분들이 또한 이용될 수 있다는 것이 고려된다. SAM 라이브러리의 SLAM 부분은 구체적으로 기준 프레임 인자들을 사용하여 센서 외적 교정을 최적화하기 위한 기능을 제공한다.
최적화 문제가 인자 그래프로서 SAM에 표현되면, 블록(468)에서, SAM은 다수의 범용 최적화기들 중 임의의 것을 사용하여 최적화를 수행할 수 있다. 예를 들면, 리벤버그-마카드(Levenberg-Marquardt)는 여기에서 설명된 실시예들의 최적화에 잘 맞는다. 이미지 캡처 디바이스(102)의 교정을 결정하기 위해, 센서 측정치들의 스트림은 별개의 SAM 인자들로서 표현될 수 있으며 이들 인자들은 최적화된 교정 추정치를 획득하기 위해 SAM 최적화기로 전달된다.
도 5는 자재 취급 차량(100) 상에서 이미지 캡처 디바이스(102)의 교정을 위한 또 다른 흐름도를 묘사한다. 블록(550)에서 예시된 바와 같이, 자재 취급 차량(100)의 위치가 결정될 수 있다. 위치는 자재 취급 차량(100)의 좌표, 뿐만 아니라 자재 취급 차량(100)의 방향을 포함할 수 있다. 블록(552)에서, 이미지 캡처 디바이스(102)의 교정은 시드 값을 추정함으로써 초기화될 수 있다. 시드 값은 피치, 롤, 요, 줌, 및/또는 이미지 캡처 디바이스(102)에 관련된 다른 데이터를 나타낼 수 있으며 이미지 캡처 디바이스(102)의 제조사에 의해 제공된 데이터로부터, 초기 사용자 추측으로부터, 이미지 캡처 디바이스(102)의 위치의 추정치 등으로부터 추정될 수 있다. 블록(554)에서, 자재 취급 차량(100)은 루트를 가로지를 수 있다. 실시예에 의존하여, 루트는 와이어 유도되고, 자율적으로 유도되며, 및/또는 사용자 유도되는 미리 결정된 루트일 수 있다. 유사하게, 몇몇 실시예들은 미리 결정된 목적지 또는 루트 없이 사용자가 간단히 자재 취급 차량(100)을 운전하는 것을 포함할 수 있다.
여하튼, 블록(556)에서, 자재 취급 차량(100)이 루트를 가로지르는 동안, 이미지 캡처 디바이스(102)는 천장(112)의 적어도 하나의 이미지를 캡처할 수 있다. 몇몇 실시예들에서, 차량 컴퓨팅 디바이스(103)는 부가적으로 루트 상에서의 하나 이상의 포인트들에서 자재 취급 차량(100)의 근사 위치를 추정하기 위해 오도메트리 데이터 및 시드 값을 수신할 수 있다. 블록(558)에서, 캡처된 이미지 데이터는, 루트를 따라 자재 취급 차량(100)의 예상 위치에 기초하여, 사이트 맵으로부터의 예상 이미지 데이터와 비교될 수 있다. 블록(560)에서, 차량 컴퓨팅 디바이스(103)는 사이트 맵, 시드 값, 및 추정된 오도메트리 데이터와 이미지 데이터의 비교를 통해 교정 값을 결정할 수 있다. 교정 값은 자재 취급 차량(100)의 새로운 위치를 결정하기 위해 이용될 수 있다.
블록(562)에서, 교정 값의 교정 신뢰도가 결정될 수 있다. 블록(564)에서, 결정은 교정 신뢰도가 미리 결정된 임계치를 충족시키는지에 대하여 이루어질 수 있다. 그렇다면, 블록(566)에서, 교정이 완료된다. 블록(564)에서, 임계치가 충족되지 않는다면, 프로세스는 교정을 재시작하기 위해 블록(550)으로 되돌아갈 수 있다.
도 6은 여기에서 설명된 실시예들에 따라, 자재 취급 차량(100)을 위해 이용될 수 있는 컴퓨팅 기반시설을 묘사한다. 예시된 바와 같이, 차량 컴퓨팅 디바이스(103)는 프로세서(104), 입력/출력 하드웨어(632), 네트워크 인터페이스 하드웨어(634), 데이터 저장 구성요소(636)(최적화 데이터(638a), 사이트 맵 데이터(638b), 및/또는 다른 데이터를 저장할 수 있는), 및 메모리 구성요소(106)를 포함한다. 메모리 구성요소(106)는 휘발성 및/또는 비휘발성 메모리로서 구성될 수 있으며, 이와 같이, 랜덤 액세스 메모리(SRAM, DRAM, 및/또는 다른 유형들의 RAM), 플래시 메모리, 보안 디지털(SD) 메모리, 레지스터들, 컴팩트 디스크들(CD), 디지털 다목적 디스크들(DVD), 및/또는 다른 유형들의 비-일시적 컴퓨터-판독 가능한 매체들을 포함할 수 있다. 특정한 실시예에 의존하여, 이들 비-일시적 컴퓨터-판독 가능한 매체들은 차량 컴퓨팅 디바이스(103) 내에 및/또는 차량 컴퓨팅 디바이스(103)의 외부에 존재할 수 있다.
메모리 구성요소(106)는 운영 시스템 로직(642), 이미지 캡처 로직(144a) 및 오도메트리 로직(144b)을 저장할 수 있다. 이미지 캡처 로직(144c) 및 오도메트리 로직(144d)은 각각 복수의 상이한 조각들의 로직을 포함할 수 있으며, 그 각각은 예로서, 컴퓨터 프로그램, 펌웨어, 및/또는 하드웨어로서 구체화될 수 있다. 로컬 통신 인터페이스(646)는 또한 도 6에 포함되며 차량 컴퓨팅 디바이스(103)의 구성요소들 간에 통신을 가능하게 하기 위해 버스 또는 다른 통신 인터페이스로서 구현될 수 있다.
프로세서(104)는 지시들(데이터 저장 구성요소(636) 및/또는 메모리 구성요소(106b)로부터와 같은)을 수신 및 실행하도록 동작 가능한 임의의 프로세싱 구성요소를 포함할 수 있다. 상기 설명된 바와 같이, 입력/출력 하드웨어(632)는 이미지 캡처 디바이스(102), 오도미터 등을 포함하는 도 1의 구성요소들을 포함하고 및/또는 그것과 인터페이스하도록 구성될 수 있다. 네트워크 인터페이스 하드웨어(634)는 안테나, 모뎀, LAN 포트, 무선 충실도(Wi-Fi) 카드, WiMax 카드, Bluetooth™ 모듈, 이동 통신 하드웨어, 및/또는 다른 네트워크들 및/또는 디바이스들과 통신하기 위한 다른 하드웨어를 포함하여, 임의의 유선 또는 무선 네트워킹 하드웨어를 포함하며 및/또는 그것과 통신하기 위해 구성될 수 있다. 이러한 연결로부터, 통신은 차량 컴퓨팅 디바이스(103) 및 다른 컴퓨팅 디바이스들(원격 컴퓨팅 디바이스와 같은) 사이에서 가능하게 될 수 있다.
운영 시스템 로직(642)은 차량 컴퓨팅 디바이스(103)의 구성요소들을 관리하기 위한 운영 시스템 및/또는 다른 소프트웨어를 포함할 수 있다. 상기 논의된 바와 같이, 이미지 캡처 로직(144a)은 메모리 구성요소(106)에 존재할 수 있으며 프로세서(104)가 여기에서 설명된 바와 같이 이미지 캡처 디바이스(102)를 동작시키며 및/또는 교정하게 하도록 구성될 수 있다. 유사하게, 오도메트리 로직(144d)은 여기에서 설명된 바와 같이, 오도메트리 데이터를 이용하며 교정하기 위해 이용될 수 있다.
도 6에서의 구성요소들은 차량 컴퓨팅 디바이스(103) 내에 존재하는 것으로 예시되지만, 이것은 단지 예라는 것이 이해되어야 한다. 몇몇 실시예들에서, 구성요소들 중 하나 이상은 차량 컴퓨팅 디바이스(103)의 외부에 존재할 수 있다. 차량 컴퓨팅 디바이스(103)가 단일 디바이스로서 예시되지만, 이것은 또한 단지 예라는 것이 또한 이해되어야 한다. 몇몇 실시예들에서, 이미지 캡처 로직(144a) 및 오도메트리 로직(144b)은 상이한 컴퓨팅 디바이스들 상에 존재할 수 있다. 예로서, 여기에서 설명된 기능들 및/또는 구성요소들 중 하나 이상은 원격 컴퓨팅 디바이스 및/또는 다른 디바이스들에 의해 제공될 수 있으며, 이것은 차량 컴퓨팅 디바이스(103)에 통신적으로 결합될 수 있다. 이들 컴퓨팅 디바이스들은 또한 여기에서 설명된 기능을 수행하기 위한 하드웨어 및/또는 소프트웨어(도 6에 묘사된 것과 같은)를 포함할 수 있다.
부가적으로, 차량 컴퓨팅 디바이스(103)는 별개의 로직 구성요소들로서 이미지 캡처 로직(144a) 및 오도메트리 로직(144b)을 갖고 예시되지만, 이것은 또한 예이다. 몇몇 실시예들에서, 로직의 단일 조각은 차량 컴퓨팅 디바이스(103)가 설명된 기능을 제공하게 할 수 있다.
본 개시의 이미지 캡처 디바이스 교정 기술들은 고객 사이트들에서, 전문화된 또는 일반 창고 구성들에서 잘 맞는다. 최적화 및 통계 기술들을 사용하여, 이미지 캡처 디바이스 교정은, 자재 취급 차량(100)이 사이트를 통해 주행됨에 따라, 온라인으로 추정된다. 이러한 추정에서 교정 신뢰도가 또한 산출되며 교정의 진행 시 실시간 피드백으로서 시운전 엔지니어에 제공되어, 그들이 교정 프로세스를 완료할 때를 알도록 허용한다.
본 개시의 주제가 상세히 및 그것의 특정 실시예들을 참조하여 설명되었지만, 여기에서 개시된 다양한 세부사항들은, 특정한 요소가 본 설명을 수반하는 도면들의 각각에서 예시되는 경우들에도, 이들 세부사항들이 여기에서 설명된 다양한 실시예들의 필수적 구성요소들인 요소들에 관한 것임을 의미하기 위해 취해져서는 안된다는 것이 주의된다. 뿐만 아니라, 수정들 및 변화들이, 이에 제한되지 않지만, 첨부된 청구항들에서 정의된 실시예들을 포함하여, 본 개시의 범위로부터 벗어나지 않고 가능하다는 것이 명백할 것이다. 보다 구체적으로, 본 개시의 몇몇 양상들은 선호되거나 또는 특히 유리한 것으로 여기에서 식별되지만, 본 개시는 반드시 이들 양상들에 제한되는 것은 아니라는 것이 고려된다.
본 개시의 특정한 실시예들 및 양상들이 여기에서 예시되고 설명되었지만, 다양한 다른 변화들 및 수정들이 본 개시의 사상 및 범위로부터 벗어나지 않고 이루어질 수 있다. 게다가, 다양한 양상들이 여기에서 설명되었지만, 이러한 양상들은 조합하여 이용될 필요는 없다. 따라서, 그러므로, 첨부된 청구항들은 여기에서 도시되고 설명된 실시예들의 범위 내에 있는 모든 이러한 변화들 및 수정들을 커버하도록 의도된다.
여기에서 개시된 실시예들은 설명된 자재 취급 차량을 교정하기 위한 시스템들, 방법들, 및 비-일시적 컴퓨터-판독 가능한 매체들을 포함한다는 것이 이제 이해되어야 한다. 이들 실시예들은 단지 대표적이며 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 또한 이해되어야 한다.

Claims (26)

  1. 휠 및 차량 컴퓨팅 디바이스를 포함하는 자재 취급 차량으로서, 상기 차량 컴퓨팅 디바이스는 로직을 저장하며, 상기 로직은 프로세서에 의해 실행될 때, 상기 자재 취급 차량이 적어도:
    창고 내에서 상기 자재 취급 차량의 현재 위치를 결정하는 것;
    상기 휠의 둘레 및 상기 휠의 결정된 회전 수의 산출에 기초하여 상기 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하는 것;
    상기 현재 위치로부터 상기 목적지까지의 위치 결정 시스템 거리를 결정하는 것;
    상기 오도메트리 거리를 상기 위치 결정 시스템 거리와 비교하여 스케일링 인자를 산출하는 것;
    상기 스케일링 인자를 저속 알파 필터에 적용하여 저속 필터 결과를 얻는 것;
    상기 스케일링 인자를 고속 알파 필터에 적용하여 고속 필터 결과를 얻는 것;
    상기 저속 필터 결과가 상기 고속 필터 결과의 미리 결정된 허용 오차 내에 있다고 결정하는 것에 응답하여, 상기 저속 알파 필터를 상기 스케일링 인자에 적용하여 잡음을 제거하는 것;
    상기 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하는 것; 및
    상기 업데이트된 오도메트리 거리를 이용하여 상기 위치 결정 시스템을 동작시키는 것을 수행하게 하는, 자재 취급 차량.
  2. 제 1 항에 있어서, 상기 스케일링 인자를 산출하는 것은 상기 위치 결정 시스템 거리를 상기 오도메트리 거리로 나누는 것을 포함하는, 자재 취급 차량.
  3. 제 1 항에 있어서, 상기 저속 필터 결과가 상기 고속 필터 결과의 상기 미리 결정된 허용 오차 내에 있지 않다고 결정하는 것에 응답하여, 상기 로직은 또한 상기 자재 취급 차량이 상기 고속 알파 필터를 상기 스케일링 인자에 적용하여 잡음을 제거하게 하는, 자재 취급 차량.
  4. 자재 취급 차량의 오도메트리를 교정하기 위한 방법으로서,
    창고 내의 상기 자재 취급 차량의 현재 위치를 결정하는 단계;
    휠의 둘레 및 상기 휠의 결정된 회전 수의 산출에 기초하여 상기 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하는 단계;
    상기 현재 위치로부터 상기 목적지까지의 위치 결정 시스템 거리를 결정하는 단계;
    상기 오도메트리 거리를 상기 위치 결정 시스템 거리로부터의 데이터와 비교하여 스케일링 인자를 산출하는 단계로서, 상기 위치 결정 시스템 거리를 상기 오도메트리 거리로 나누는 단계를 포함하는, 상기 스케일링 인자를 산출하는 단계;
    상기 스케일링 인자를 고속 알파 필터에 적용하여 고속 필터 결과를 얻는 단계;
    상기 스케일링 인자를 저속 알파 필터에 적용하여 저속 필터 결과를 얻는 단계;
    상기 저속 필터 결과가 상기 고속 필터 결과의 미리 결정된 허용 오차 내에 있지 않다고 결정하는 것에 응답하여, 상기 고속 알파 필터를 상기 스케일링 인자에 적용하여 잡음을 제거하는 단계;
    상기 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하는 단계; 및
    상기 업데이트된 오도메트리 거리를 이용하여 위치 결정 시스템을 동작시키는 단계를 포함하는, 방법.
  5. 제 4 항에 있어서, 상기 저속 필터 결과가 상기 고속 필터 결과의 미리 결정된 허용 오차 내에 있다고 결정하는 것에 응답하여, 상기 저속 알파 필터를 상기 스케일링 인자에 적용하여 잡음을 제거하는 단계를 더 포함하는, 방법.
  6. 제 4 항에 있어서, 상기 스케일링 인자를 상기 저속 알파 필터에 적용하는 단계는 FV1 = FV0(α) + MV(1-α)를 산출하는 단계를 포함하며, 상기 식에서 FV1은 새로운 필터 값이고, FV0은 이전 필터 값이고, MV는 측정된 값이고, α는 상기 저속 알파 필터의 알파 값이고, 상기 알파 값은 약 0.99와 동일하며,
    상기 스케일링 인자를 상기 고속 알파 필터에 적용하는 단계는 FV1 = FV0(α) + MV(1-α)를 산출하는 단계를 포함하며, 상기 식에서 FV1은 새로운 필터 값이고, FV0은 이전 필터 값이고, MV는 상기 측정된 값이며, α는 상기 고속 알파 필터의 알파 값이고, 상기 알파 값은 약 0.9와 동일한, 방법.
  7. 휠 및 차량 컴퓨팅 디바이스를 포함하는 자재 취급 차량으로서, 상기 차량 컴퓨팅 디바이스는 로직을 저장하며, 상기 로직은 프로세서에 의해 실행될 때, 상기 자재 취급 차량이 적어도:
    상기 자재 취급 차량의 현재 위치를 결정하는 것;
    상기 휠의 둘레 및 상기 휠의 결정된 회전 수의 산출에 기초하여 상기 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하는 것;
    상기 현재 위치로부터 상기 목적지까지의 위치 결정 시스템 거리를 결정하는 것;
    상기 오도메트리 거리를 상기 위치 결정 시스템 거리와 비교하여 스케일링 인자를 산출하는 것;
    상기 스케일링 인자를 이용하여 상기 휠의 변화에 기초하여 상기 오도메트리 거리에 대한 고속 변화를 나타내는 고속 변화 값을 결정하는 것;
    상기 고속 변화 값과 대략 동일하게 되도록 상기 스케일링 인자를 설정함으로써 상기 스케일링 인자를 업데이트하여 잡음을 제거하는 것;
    상기 업데이트된 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하는 것; 및
    상기 업데이트된 오도메트리 거리를 이용하여 위치 결정 시스템을 동작시키는 것을 수행하게 하는, 자재 취급 차량.
  8. 제 7 항에 있어서, 상기 스케일링 인자를 산출하는 것은 상기 위치 결정 시스템 거리를 상기 오도메트리 거리로 나누는 것을 포함하고,
    상기 로직은 또한 상기 자재 취급 차량이 상기 스케일링 인자를 이용하여 상기 휠의 마모에 기초하여 상기 오도메트리 거리에 대한 저속 변화를 나타내는 저속 변화 값을 결정하게 하는, 자재 취급 차량.
  9. 자재 취급 차량의 오도메트리를 교정하기 위한 방법으로서,
    상기 자재 취급 차량의 현재 위치를 결정하는 단계;
    휠의 둘레 및 상기 휠의 결정된 회전 수의 산출에 기초하여 상기 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하는 단계;
    상기 현재 위치로부터 상기 목적지까지의 위치 결정 시스템 거리를 결정하는 단계;
    상기 오도메트리 거리를 상기 위치 결정 시스템 거리로부터의 데이터와 비교하여 스케일링 인자를 산출하는 단계로서, 상기 위치 결정 시스템 거리를 상기 오도메트리 거리로 나누는 단계를 포함하는, 상기 스케일링 인자를 산출하는 단계;
    상기 스케일링 인자를 이용하여 상기 휠의 마모에 기초하여 상기 오도메트리 거리에 대한 저속 변화를 나타내는 저속 변화 값을 결정하는 단계;
    상기 저속 변화 값과 대략 동일하게 되도록 상기 스케일링 인자를 설정함으로써 상기 스케일링 인자를 업데이트하여 잡음을 제거하는 단계;
    상기 업데이트된 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하는 단계; 및
    상기 업데이트된 오도메트리 거리를 이용하여 위치 결정 시스템을 동작시키는 단계를 포함하는, 방법.
  10. 제 9 항에 있어서, 상기 스케일링 인자를 이용하여 상기 휠의 변화에 기초하여 상기 오도메트리 거리에 대한 고속 변화를 나타내는 고속 변화 값을 결정하는 단계를 더 포함하는, 방법.
  11. 제 10 항에 있어서, 상기 스케일링 인자를 이용하여 상기 저속 변화 값을 결정하는 단계는 FV1 = FV0(α) + MV(1-α)를 산출하는 단계를 포함하며, 상기 식에서 FV1은 새로운 값이고, FV0는 이전 값이고, MV는 측정된 값이고, α는 약 0.99와 동일하며,
    상기 스케일링 인자를 이용하여 상기 고속 변화 값을 결정하는 단계는 FV1 = FV0(α) + MV(1-α)를 포함하며, 상기 식에서 FV1은 새로운 값이고, FV0는 이전 값이고, MV는 측정된 값이고, α는 약 0.9와 동일한, 방법.
  12. 자재 취급 하드웨어, 휠, 오도미터, 위치 결정 시스템, 및 차량 컴퓨팅 디바이스를 포함하는 자재 취급 차량으로서, 상기 차량 컴퓨팅 디바이스는 로직을 저장하며, 상기 로직은 프로세서에 의해 실행될 때, 상기 자재 취급 차량이 적어도:
    창고 내에서 상기 자재 취급 차량의 현재 위치를 결정하는 것;
    상기 오도미터를 통해, 상기 휠의 둘레 및 상기 휠의 결정된 회전 수의 산출에 기초하여 상기 현재 위치로부터 목적지까지의 오도메트리 거리를 결정하는 것;
    상기 위치 결정 시스템을 통해 상기 자재 취급 차량의 현재 위치로부터 상기 목적지까지의 위치 결정 시스템 거리를 결정하는 것;
    상기 오도메트리 거리를 상기 위치 결정 시스템 거리와 비교하여 차이를 결정하고 상기 오도메트리 거리 및 상기 위치 결정 시스템 거리에 기초하여 스케일링 인자를 산출하는 것;
    지수적 이동 평균 필터를 이용하여 필터 출력으로부터의 값을 결정하는 것;
    상기 차이가 임계치를 초과할 때 상기 스케일링 인자를 상기 값으로 조정하는 것;
    상기 업데이트된 스케일링 인자를 이용하여 업데이트된 오도메트리 거리를 산출하는 것; 및
    상기 업데이트된 오도메트리 거리를 이용하여 상기 위치 결정 시스템을 동작시키는 것을 수행하게 하는, 자재 취급 차량.
  13. 제 12 항에 있어서, 상기 로직은 또한 자재 취급 차량이:
    상기 스케일링 인자를 이용하여 상기 휠의 마모에 기초하여 상기 오도메트리 거리에 대한 저속 변화 값을 결정하는 것;
    상기 스케일링 인자를 이용하여 상기 휠의 변화에 기초하여 상기 오도메트리 거리에 대한 고속 변화 값을 결정하는 것;
    상기 저속 변화 값을 상기 고속 변화 값과 비교하는 것;
    상기 저속 변화와 상기 고속 변화 값 사이의 차이가 미리 결정된 허용 오차 내에 있다고 결정하는 것에 응답하여, 상기 저속 변화 값에 대략 동일하게 되도록 상기 스케일링 인자를 설정함으로써 상기 스케일링 인자를 업데이트하여 잡음을 제거하는 것;
    상기 저속 변화 값과 상기 고속 변화 값 사이의 차이가 미리 결정된 허용 오차 내에 있지 않다고 결정하는 것에 응답하여, 상기 고속 변화 값에 대략 동일하게 되도록 상기 스케일링 인자를 설정함으로써 상기 스케일링 인자를 업데이트하여 잡음을 제거하게 하는, 자재 취급 차량.
  14. 제 13 항에 있어서, 상기 스케일링 인자를 이용하여 저속 변화 값을 결정하는 것은 FV1 = FV0(α) + MV(1-α)를 산출하는 것을 포함하며, 상기 식에서 FV1은 새로운 값이고, FV0는 이전 값이고, MV는 측정된 값이며, α는 알파 값인, 자재 취급 차량.
  15. 제 13 항에 있어서, 상기 스케일링 인자를 이용하여 고속 변화 값을 결정하는 것은 FV1 = FV0(α) + MV(1-α)를 산출하는 것을 포함하며, 상기 식에서 FV1은 새로운 값이고, FV0는 이전 값이고, MV는 측정된 값이며, α는 알파 값인, 자재 취급 차량.
  16. 제 13 항에 있어서, 상기 스케일링 인자를 이용하여 저속 변화 값을 결정하는 것은 FV1 = FV0(α) + MV(1-α)를 산출하는 것을 포함하며, 상기 식에서 FV1은 새로운 값이고, FV0는 이전 값이고, MV는 측정된 값이며, α는 약 0.99와 동일한, 자재 취급 차량.
  17. 제 13 항에 있어서, 상기 스케일링 인자를 이용하여 고속 변화 값을 결정하는 것은 FV1 = FV0(α) + MV(1-α)를 산출하는 것을 포함하며, 상기 식에서 FV1은 새로운 값이고, FV0는 이전 값이고, MV는 측정된 값이며, α는 약 0.9와 동일한, 자재 취급 차량.
  18. 제 13 항에 있어서, 상기 미리 결정된 허용 오차는 약 0.075와 동일한, 자재 취급 차량.
  19. 제 12 항에 있어서, 상기 로직은 또한 상기 자재 취급 차량이 상기 자재 취급 차량 상에 원 스케일링 인자 측정(raw scaling factor measurement)을 로그(log)하게 하는, 자재 취급 차량.
  20. 제 12 항에 있어서, 상기 로직은 또한 상기 자재 취급 차량이 상기 스케일링 인자의 변화가 휠 마모 및 휠 변화 중 적어도 하나의 결과인지 여부를 결정하게 하는, 자재 취급 차량.
  21. 제 12 항에 있어서, 상기 자재 취급 차량의 상기 현재 위치는 사용자 입력 및 센서의 트리거링 중 적어도 하나로부터 수신되는, 자재 취급 차량.
  22. 제 12 항에 있어서, 상기 차량 컴퓨팅 디바이스에 결합되는 이미지 캡처 디바이스를 더 포함하며, 상기 이미지 캡처 디바이스는 상기 위치 결정 시스템 거리를 식별하기 위한 이미지들을 캡처하는, 자재 취급 차량.
  23. 제 12 항에 있어서, 상기 로직은 상기 자재 취급 차량이 미리 결정된 루트를 가로질러 상기 목적지에 도달하게 하는, 자재 취급 차량.
  24. 제 12 항에 있어서, 상기 스케일링 인자를 산출하는 것은 상기 위치 결정 시스템 거리를 상기 오도메트리 거리로 나누는 것을 포함하는, 자재 취급 차량.
  25. 제 12 항에 있어서, 상기 로직은 상기 자재 취급 차량이 상기 오도메트리 거리와 상기 위치 결정 시스템 거리 사이의 차이에 따른 이동 거리를 정의하게 하는, 자재 취급 차량.
  26. 제 12 항에 있어서, 상기 차량 컴퓨팅 디바이스는 원격 컴퓨팅 디바이스로부터의 차량 위치에 관한 데이터를 수신하도록 구성되는, 자재 취급 차량.







KR1020187019402A 2015-05-26 2016-05-19 자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들 KR101998561B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562166183P 2015-05-26 2015-05-26
US62/166,183 2015-05-26
PCT/US2016/033199 WO2016191182A1 (en) 2015-05-26 2016-05-19 Systems and methods for materials handling vehicle odometry calibration

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020177035570A Division KR101878649B1 (ko) 2015-05-26 2016-05-19 자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들

Publications (2)

Publication Number Publication Date
KR20180081835A true KR20180081835A (ko) 2018-07-17
KR101998561B1 KR101998561B1 (ko) 2019-07-10

Family

ID=56121169

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020177035570A KR101878649B1 (ko) 2015-05-26 2016-05-19 자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들
KR1020187019402A KR101998561B1 (ko) 2015-05-26 2016-05-19 자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020177035570A KR101878649B1 (ko) 2015-05-26 2016-05-19 자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들

Country Status (9)

Country Link
US (3) US9921067B2 (ko)
EP (2) EP3304002B1 (ko)
KR (2) KR101878649B1 (ko)
CN (1) CN107667274B (ko)
AU (3) AU2016268034B2 (ko)
BR (1) BR112017025109A2 (ko)
CA (1) CA2987318C (ko)
MX (2) MX2017015064A (ko)
WO (1) WO2016191182A1 (ko)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11370422B2 (en) * 2015-02-12 2022-06-28 Honda Research Institute Europe Gmbh Method and system in a vehicle for improving prediction results of an advantageous driver assistant system
JP6671506B2 (ja) * 2016-01-04 2020-03-25 浙江立▲ビアオ▼机器人有限公司Ｚｈｅｊｉａｎｇ Ｌｉｂｉａｏ Ｒｏｂｏｔｓ Ｃｏ．， Ｌｔｄ． ロボットホイール径補完方法及び装置
US10546385B2 (en) * 2016-02-25 2020-01-28 Technion Research & Development Foundation Limited System and method for image capture device pose estimation
EP3409629B2 (en) * 2017-06-01 2024-02-28 Otis Elevator Company Image analytics for elevator maintenance
US10870556B2 (en) * 2017-12-12 2020-12-22 Otis Elevator Company Method and system for detecting elevator car operating panel condition
US10961082B2 (en) 2018-01-02 2021-03-30 Otis Elevator Company Elevator inspection using automated sequencing of camera presets
US10941018B2 (en) * 2018-01-04 2021-03-09 Otis Elevator Company Elevator auto-positioning for validating maintenance
FR3083607A1 (fr) * 2018-07-06 2020-01-10 Balyo Procede et dispositif de positionnement pour vehicule, et vehicule comportant un tel dispositif
CN112424721A (zh) 2018-07-17 2021-02-26 克朗设备公司 使用机架腿标识进行车辆位置校准的系统和方法
DE102018117660A1 (de) * 2018-07-20 2020-01-23 Man Truck & Bus Se Verfahren und system zum bestimmen einer position eines fahrzeugs
CN109556630A (zh) * 2018-10-31 2019-04-02 惠州华阳通用电子有限公司 一种车辆里程修正方法及装置
CN113544616B (zh) 2019-02-06 2024-05-28 克朗设备公司 使用货架支柱标识的通道末端保护和车辆位置校准的系统和方法
AU2020225213B2 (en) * 2019-02-19 2023-11-16 Crown Equipment Corporation Systems and methods for calibration of a pose of a sensor relative to a materials handling vehicle
CN110723484B (zh) * 2019-09-26 2020-12-15 兰剑智能科技股份有限公司 穿梭车行走自动纠偏方法、装置、计算机设备及存储介质
DE102019134925A1 (de) * 2019-12-18 2021-06-24 Valeo Schalter Und Sensoren Gmbh Verfahren zum Kalibrieren von Odometriedaten für ein Fahrzeug
CN113124896B (zh) * 2019-12-30 2023-03-28 上海智远慧智能技术股份有限公司 一种agv里程计在线精确校准的控制方法
CN112013843B (zh) * 2020-09-18 2023-11-17 中国人民解放军32202部队 一种惯导与车辆中央充放气系统融合的里程因数修正方法
KR102667649B1 (ko) * 2021-11-11 2024-05-21 한라대학교 산학협력단 자율 주행 이동 로봇의 기구학적 파라미터 오차 보정 장치 및 그 방법
CN114136232A (zh) * 2021-11-19 2022-03-04 中国神华能源股份有限公司哈尔乌素露天煤矿 一种物料堆积形态测量方法及系统
CN114659539B (zh) * 2022-03-28 2024-08-13 安徽博泰微电子有限公司 一种汽车电子计量设备失准判断方法
US11875615B2 (en) 2022-04-29 2024-01-16 Toyota Research Institute, Inc. Odometry noise model fitting from fleet-scale datasets
CN114935347B (zh) * 2022-07-25 2022-11-08 季华实验室 一种轮式机器人的里程计校正方法、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980079232A (ko) * 1996-05-15 1998-11-25 가나이쯔도무 교통량 감시장치
KR20040031871A (ko) * 2002-10-07 2004-04-14 엘지전자 주식회사 차량 항법 유도 시스템 및 이를 이용한 차량 항법 유도방법
KR20100073190A (ko) * 2008-12-22 2010-07-01 한국전자통신연구원 이동체의 위치 및 방향 인식 장치 및 그 방법
KR20110121129A (ko) * 2010-04-30 2011-11-07 고려대학교 산학협력단 4-륜 차량의 오도메트리 오차 보정 방법
KR20150028412A (ko) * 2013-09-06 2015-03-16 현대모비스 주식회사 조향 휠 제어 방법 및 이를 위한 위한 시스템

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4939659A (en) 1988-01-15 1990-07-03 Allied-Signal, Inc. Speed/rpm transmitting device
US5155684A (en) * 1988-10-25 1992-10-13 Tennant Company Guiding an unmanned vehicle by reference to overhead features
EP0366350A3 (en) * 1988-10-25 1991-05-22 Tennant Company Guiding an unmanned vehicle by reference to overhead features
US5020008A (en) 1989-06-05 1991-05-28 Allied-Signal Inc. Method of calibrating vehicle speed signals
JP3378360B2 (ja) * 1994-06-30 2003-02-17 松下電器産業株式会社 速度センサ係数算出装置
DE4430462A1 (de) * 1994-08-27 1996-02-29 Teves Gmbh Alfred Verfahren zum schnellen Erkennen eines Notrades
IT1285866B1 (it) * 1996-05-09 1998-06-24 Magneti Marelli Spa Sistema di navigazione per un autoveicolo, con calibrazione automatica dei sensori di bordo.
DE19637616A1 (de) * 1996-09-16 1998-03-19 Bosch Gmbh Robert Verfahren zum automatischen Kalibrieren eines Wegsensors und Vorrichtung
DE19945119C2 (de) * 1999-09-21 2001-12-06 Mannesmann Vdo Ag Verfahren zum Navigieren eines bodengebundenen Fahrzeugs
GB2377538B (en) 2001-03-28 2004-12-29 Citysync Ltd An automatic number plate recognition system
EP1500907B1 (en) * 2003-07-21 2014-11-12 LG Electronics, Inc. Apparatus and method for detecting vehicle location in navigation system
US7405834B1 (en) 2006-02-15 2008-07-29 Lockheed Martin Corporation Compensated coherent imaging for improved imaging and directed energy weapons applications
DE112008002434B4 (de) * 2007-09-10 2013-07-11 Mitsubishi Electric Corp. Navigationsausrüstung
CN101911130B (zh) * 2008-01-15 2016-03-23 泰利特汽车解决方案公司 道路收费系统
WO2010116640A1 (ja) * 2009-03-30 2010-10-14 株式会社エクォス・リサーチ 車両
MX2010005149A (es) 2009-05-08 2012-10-11 Sistemas de seguridad.
JP5609073B2 (ja) * 2009-06-16 2014-10-22 カシオ計算機株式会社 測位装置、測位方法およびプログラム
US9170518B2 (en) 2010-08-26 2015-10-27 Xerox Corporation Method and system for closed-loop control of nip width and image transfer field uniformity for an image transfer system
US8548671B2 (en) * 2011-06-06 2013-10-01 Crown Equipment Limited Method and apparatus for automatically calibrating vehicle parameters
US8594923B2 (en) * 2011-06-14 2013-11-26 Crown Equipment Limited Method and apparatus for sharing map data associated with automated industrial vehicles
US8589012B2 (en) 2011-06-14 2013-11-19 Crown Equipment Limited Method and apparatus for facilitating map data processing for industrial vehicle navigation
EP2555017B1 (en) * 2011-08-03 2017-10-04 Harman Becker Automotive Systems GmbH Vehicle navigation on the basis of satellite positioning data and vehicle sensor data
GB2503460B (en) 2012-06-26 2014-08-13 Siemens Plc Method and apparatus for reduction of gradient coil vibration in MRI systems
US9922423B2 (en) 2012-07-12 2018-03-20 Nec Corporation Image angle variation detection device, image angle variation detection method and image angle variation detection program
US20140204083A1 (en) 2013-01-23 2014-07-24 Brent Thomson Systems and methods for real-time distortion processing
US9170581B2 (en) 2013-09-30 2015-10-27 Crown Equipment Limited Industrial vehicles with overhead light based localization
US9354070B2 (en) 2013-10-31 2016-05-31 Crown Equipment Corporation Systems, methods, and industrial vehicles for determining the visibility of features
WO2015199553A2 (en) 2014-06-27 2015-12-30 Crown Equipment Limited Lost vehicle recovery utilizing associated feature pairs
GB2533090A (en) 2014-12-08 2016-06-15 Skf Ab Sensor device with mounting means

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980079232A (ko) * 1996-05-15 1998-11-25 가나이쯔도무 교통량 감시장치
KR20040031871A (ko) * 2002-10-07 2004-04-14 엘지전자 주식회사 차량 항법 유도 시스템 및 이를 이용한 차량 항법 유도방법
KR20100073190A (ko) * 2008-12-22 2010-07-01 한국전자통신연구원 이동체의 위치 및 방향 인식 장치 및 그 방법
KR20110121129A (ko) * 2010-04-30 2011-11-07 고려대학교 산학협력단 4-륜 차량의 오도메트리 오차 보정 방법
KR20150028412A (ko) * 2013-09-06 2015-03-16 현대모비스 주식회사 조향 휠 제어 방법 및 이를 위한 위한 시스템

Also Published As

Publication number Publication date
KR20180002853A (ko) 2018-01-08
CA2987318A1 (en) 2016-12-01
BR112017025109A2 (pt) 2018-03-20
CN107667274A (zh) 2018-02-06
AU2016268034B2 (en) 2018-02-08
US10458799B2 (en) 2019-10-29
EP3304002B1 (en) 2019-02-06
AU2018203195A1 (en) 2018-05-24
US9921067B2 (en) 2018-03-20
US20160349061A1 (en) 2016-12-01
MX2020004611A (es) 2020-08-06
US11060872B2 (en) 2021-07-13
WO2016191182A1 (en) 2016-12-01
US20200011674A1 (en) 2020-01-09
CN107667274B (zh) 2021-09-21
CA2987318C (en) 2019-01-15
EP3511678B1 (en) 2023-02-22
AU2018203195B2 (en) 2020-02-27
AU2016268034A1 (en) 2017-12-14
MX2017015064A (es) 2018-05-07
AU2020203481B2 (en) 2022-07-21
EP3511678A1 (en) 2019-07-17
KR101998561B1 (ko) 2019-07-10
AU2020203481A1 (en) 2020-06-18
KR101878649B1 (ko) 2018-07-16
EP3304002A1 (en) 2018-04-11
US20180164104A1 (en) 2018-06-14

Similar Documents

Publication Publication Date Title
KR101998561B1 (ko) 자재 취급 차량 오도메트리 교정을 위한 시스템들 및 방법들
KR102490138B1 (ko) 자재 취급 차량을 위한 이미지 캡처 디바이스 교정을 위한 시스템들 및 방법들
US20200264625A1 (en) Systems and methods for calibration of a pose of a sensor relative to a materials handling vehicle
US20130173109A1 (en) Vehicle model calibration system for a mobile machine
AU2012203690B2 (en) Vehicle model calibration system for a mobile machine
JPWO2019180765A1 (ja) 自律走行作業機
CN114822080B (zh) 行驶轨迹推定系统、推定程序的记录介质以及推定方法
KR101143892B1 (ko) 자율주행 장치 및 그 제어 방법
KR101967315B1 (ko) 차량의 전방 객체 검출 장치 및 방법
CN111231959A (zh) 车辆及控制车辆的方法

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant