KR20180046361A - 깊이 센서 기반의 적재 최적화 방법 및 시스템 - Google Patents

깊이 센서 기반의 적재 최적화 방법 및 시스템 Download PDF

Info

Publication number
KR20180046361A
KR20180046361A KR1020170133952A KR20170133952A KR20180046361A KR 20180046361 A KR20180046361 A KR 20180046361A KR 1020170133952 A KR1020170133952 A KR 1020170133952A KR 20170133952 A KR20170133952 A KR 20170133952A KR 20180046361 A KR20180046361 A KR 20180046361A
Authority
KR
South Korea
Prior art keywords
loaded
size
loading
plane
point cloud
Prior art date
Application number
KR1020170133952A
Other languages
English (en)
Inventor
김범진
박상준
장성호
박재영
조종윤
Original Assignee
삼성에스디에스 주식회사
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 삼성에스디에스 주식회사 filed Critical 삼성에스디에스 주식회사
Publication of KR20180046361A publication Critical patent/KR20180046361A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06F17/5009—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/204—Image signal generators using stereoscopic image cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

고가의 3차원 스캐너를 이용하지 않고, 저가의 깊이 센서를 이용하여 적재 대상 객체의 크기를 측정하고, 측정된 크기를 기초로 상기 적재 대상 객체에 대한 적재 최적화를 수행하는 방법이 제공된다. 컴퓨팅 장치에 의해 수행되는 본 발명의 일 실시예에 따른 깊이 센서 기반의 적재 최적화 방법은, 적재 대상 객체에 대한 깊이 영상을 획득하되, 상기 깊이 영상은 상기 깊이 센서를 통해 생성된 영상인 것인, 단계, 상기 깊이 영상을 기초로 상기 적재 대상 객체에 대한 3차원 점군을 생성하는 단계, 상기 3차원 점군을 기초로 상기 적재 대상 객체의 크기를 측정하는 단계 및 상기 측정된 크기 및 기 정의된 컨테이너의 크기를 기초로, 상기 적재 대상 객체를 상기 컨테이너에 모의 적재하는 단계를 포함할 수 있다.

Description

깊이 센서 기반의 적재 최적화 방법 및 시스템{Method and System for loading optimization based on depth sensor}
본 발명은 깊이 센서 기반의 적재 최적화 방법 및 시스템에 관한 것이다. 보다 자세하게는, 깊이 센서를 통해 획득된 적재 대상 객체에 대한 깊이 영상을 이용하여 상기 적재 대상 객체의 크기를 측정하고, 측정된 크기를 이용하여 적재 시뮬레이션을 수행하며, 상기 적재 시뮬레이션의 결과를 기초로 최적의 적재 방법을 결정하는 방법 및 상기 방법을 수행하는 시스템에 관한 것이다.
제품의 길이, 면적, 체적 등의 크기 정보가 없는 경우에는, 적재를 최적화하는 시뮬레이션이 불가능하다. 특히, 이커머스(e-commerce) 창고의 경우, 다양한 제품을 취급하는 것이 일반적이기 때문에, 제품의 크기 정보가 없는 경우가 많다.
제품의 크기 정보를 획득하는 하나의 방편으로 3차원 스캐너가 이용될 수 있다. 3차원 스캐너는 스캔을 통해 생성된 제품의 3차원 공간 정보를 이용하여 제품의 크기를 측정하는 장치이다. 특히, 많이 이용되는 스캐너는 3차원 레이저 스캐너이다. 3차원 레이저 스캐너는 레이저를 해당 제품에 주사하고 반사되어 돌아오는 레이저를 수신하여 정밀한 3차원 공간 정보를 생성하기 때문에, 정확한 크기 측정이 가능하다. 따라서, 3차원 레이저 스캐너는 정밀 부품의 치수 분석, 공정 중 검사, 제품 역설계 등과 같이 정확한 크기 측정이 요구되는 산업 분야에서 폭넓게 활용되고 있다.
그러나, 상술한 3차원 레이저 스캐너는 측정 결과의 정확성에 장점이 있는 반면 제품의 크기 측정에 소요되는 측정 시간이 길고, 무엇보다 3차원 레이저 스캐너의 가격이 매우 고가라는 단점이 존재한다. 예를 들어, 일본의 ViBRA, 미국의 CubiScan 등 3차원 레이저 스캐너의 가격은 낮게는 3천만원 높게는 1억원 이상을 호가한다.
이에 따라, 저가의 측정 장비를 이용하여 복수의 제품에 대한 크기 정보를 실시간으로 측정하고, 측정된 크기 정보를 이용하여 복수의 제품에 대한 적재 효율성을 극대화할 수 있는 방법이 요구된다.
한국공개특허 제2011-0078566호 (2011.07.07 공개)
본 발명이 해결하고자 하는 기술적 과제는, 고가의 3차원 스캐너를 이용하지 않고 적재 대상 객체에 대한 적재 최적화를 수행하는 방법 및 그 방법을 수행하는 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는, 저가의 깊이 센서를 통해 생성된 깊이 영상을 이용하여 적재 대상 객체의 크기를 신속하고 정확하게 측정하는 방법 및 그 방법을 수행하는 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 적재 대상 객체의 크기 정보를 기초로 복수의 적재 대상 객체에 대한 최적의 적재 순서 및 배치 방향을 결정하는 방법 및 그 방법을 수행하는 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위한, 본 발명의 일 실시예에 따른 깊이 센서 기반의 적재 최적화 방법은, 컴퓨팅 장치에 의해 수행되는 깊이 센서 기반의 적재 최적화 방법에 있어서, 적재 대상 객체에 대한 깊이 영상을 획득하되, 상기 깊이 영상은 상기 깊이 센서를 통해 생성된 영상인 것인, 단계, 상기 깊이 영상을 기초로 상기 적재 대상 객체에 대한 3차원 점군을 생성하는 단계, 상기 3차원 점군을 기초로 상기 적재 대상 객체의 크기를 측정하는 단계 및 상기 측정된 크기 및 기 정의된 컨테이너의 크기를 기초로, 상기 적재 대상 객체를 상기 컨테이너에 모의 적재하는 단계를 포함할 수 있다.
일 실시예에서, 상기 적재 대상 객체는 제1 크기를 갖는 제1 적재 대상 객체 및 상기 제1 크기와 다른 제2 크기를 갖는 제2 적재 대상 객체를 포함하되, 상기 적재 대상 객체의 크기를 측정하는 단계는, 상기 제1 적재 대상 객체에 대한 3차원 점군을 기초로, 상기 제1 적재 대상 객체의 크기를 측정하는 단계 및 상기 제2 적재 대상 객체에 대한 3차원 점군을 기초로, 상기 제2 적재 대상 객체의 크기를 측정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 깊이 영상을 획득하는 단계는, 제1 각도로 상기 적재 대상 객체를 스캔하여 생성된 제1 깊이 영상을 획득하는 단계 및 상기 제1 각도와 다른 제2 각도로 상기 적재 대상 객체를 스캔하여 생성된 제2 깊이 영상을 획득하는 단계를 포함하고, 상기 3차원 점군을 생성하는 단계는, 상기 제1 깊이 영상을 기초로 제1 3차원 점군을 생성하고, 상기 제2 깊이 영상을 기초로 제2 3차원 점군을 생성하는 단계 및 상기 제1 3차원 점군 및 상기 제2 3차원 점군을 정합하여, 상기 3차원 점군을 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 적재 대상 객체는 복수이되, 상기 3차원 점군을 생성하는 단계는, 상기 복수의 적재 대상 객체 각각에 대한 3차원 점군을 생성하는 단계를 포함하며, 상기 적재 대상 객체의 크기를 측정하는 단계는, 상기 복수의 적재 대상 객체 중에서, 제1 개수의 적재 대상 객체를 제1 그룹으로 그룹핑하고, 제2 개수의 적재 대상 객체를 제2 그룹으로 그룹핑하는 단계, 상기 제1 그룹에 소속된 각각의 적재 대상 객체에 대한 3차원 점군을 병합하여 제1 3차원 점군을 생성하는 단계, 상기 제2 그룹에 소속된 각각의 적재 대상 객체에 대한 3차원 점군을 병합하여 제2 3차원 점군을 생성하는 단계 및 상기 제1 3차원 점군을 기초로 상기 제1 그룹에 소속된 적재 대상 객체의 전체 크기를 측정하고, 상기 제2 3차원 점군을 기초로 상기 제2 그룹에 소속된 적재 대상 객체의 전체 크기를 측정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 깊이 영상은 기준면으로부터 기 설정된 높이에 설치된 깊이 센서를 통해 생성된 영상이되, 상기 적재 대상 객체의 크기를 측정하는 단계는, 상기 적재 대상 객체가 위치하지 않은 상태의 상기 기준면에 대한 깊이 영상을 기초로 상기 기준면에 대한 3차원 점군을 생성하는 단계, 상기 기준면에 대한 3차원 점군에서 상기 기준면을 가리키는 제1 평면을 검출하는 단계, 상기 적재 대상 객체에 대한 3차원 점군에서 상기 제1 평면에 평행한 제2 평면을 검출하는 단계 및 상기 제1 평면과 상기 제2 평면과의 거리를 기초로 상기 적재 대상 객체의 높이를 결정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 적재 대상 객체의 크기를 측정하는 단계는, 상기 3차원 점군에서 상기 적재 대상 객체의 제1 단면에 대응되는 제1 평면을 추출하는 단계, 상기 제1 평면을 2차원 좌표평면 상으로 이동시키는 제1 회전변환을 수행하는 단계 및 상기 2차원 좌표평면 상에서 측정된 상기 제1 평면의 크기를 기초로 상기 적재 대상 객체의 크기를 결정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 적재 대상 객체는 적어도 일부는 크기가 서로 다른 복수의 객체를 포함하고, 상기 적재 대상 객체를 상기 컨테이너에 모의 적재하는 단계는, 상기 복수의 객체에 대한 적재 순서 및 배치 방향 중 적어도 하나를 변경해가며 제1 모의 적재 및 제2 모의 적재를 수행하는 단계를 포함하고, 상기 제1 모의 적재와 상기 제2 모의 적재의 비교 결과에 기초하여, 최적의 적재 순서 및 배치 방향을 결정하는 단계를 더 포함할 수 있다.
상기 기술적 과제를 해결하기 위한, 본 발명의 다른 실시예에 따른 깊이 센서 기반의 적재 최적화 시스템은, 적재 대상 객체에 대한 깊이 영상을 생성하는 깊이 센서, 상기 깊이 영상을 기초로 상기 적재 대상 객체에 대한 3차원 점군을 생성하고, 상기 3차원 점군을 기초로 상기 적재 대상 객체의 크기를 측정하는 3차원 계측 장치 및 상기 적재 대상 객체의 크기 및 컨테이너의 크기를 기초로 모의 적재를 수행하고, 상기 모의 적재의 결과로 상기 적재 대상 객체의 최적의 적재 순서 및 배치 방향을 결정하는 적재 최정화 장치를 포함할 수 있다.
상기 기술적 과제를 해결하기 위한, 본 발명의 또 다른 실시예에 따른 컴퓨터 프로그램은, 컴퓨팅 장치와 결합되어, 적재 대상 객체에 대한 깊이 영상을 획득하되, 상기 깊이 영상은 상기 깊이 센서를 통해 생성된 영상인 것인, 단계, 상기 깊이 영상을 기초로 상기 적재 대상 객체에 대한 3차원 점군을 생성하는 단계, 상기 3차원 점군을 기초로 상기 적재 대상 객체의 크기를 측정하는 단계 및 상기 측정된 크기 및 기 정의된 컨테이너의 크기를 기초로, 상기 적재 대상 객체를 상기 컨테이너에 모의 적재하는 단계를 실행시키기 위하여 기록 매체에 저장될 수 있다.
상술한 본 발명의 실시예에 따르면, 저가의 깊이 센서를 이용하여 다양한 제품의 크기가 측정된다. 또한, 측정된 크기에 기초한 적재 시뮬레이션을 통해 최적의 적재 방법이 제공된다. 이를 통해, 제품의 적재와 관련되어 요구되는 제반 비용이 크게 절감될 수 있다.
특히, 이-커머스 물류 관리 등의 비즈니스에 본 발명이 적용되는 경우, 적재/운반 효율이 향상됨에 따라, 제반 관리 비용이 크게 절감될 수 있다. 더욱이, 저가의 깊이 센서와 컴퓨팅 장치 외에 별도의 시스템 구축 비용이 요구되지 않는 바, 이-커머스 사업자들은 최소 비용 투자를 통해 최대의 효과를 얻을 수 있다.
또한, 깊이 센서는 3차원 스캐너에 비해 고속으로 깊이 영상을 제공할 수 있는 바, 신속하게 제품의 크기 측정이 가능하다. 이에 따라, 실시간으로 제품의 크기 측정 및 적재 시뮬레이션 기능이 제공될 수 있다.
또한, 3차원 점군 중에서 객체의 단면에 대응되는 일부 점군이 추출되고, 2차원 좌표평면 상에서 추출된 점군의 회전변환을 통해 객체의 크기가 측정된다. 즉, AABB(axis-aligned bounding box;), OBB (oriented bounding box)와 같이 객체 전체를 회전변환하지 않고, 특정 단면에 대응되는 점군만이 2차원 좌표평면 상에서 회전변환된다. 이에 따라, 축에 대한 정렬 오차, 방향성 오차에 따라 부정확한 측정 값이 산출되는 것이 방지될 수 있다.
또한, 일부 점군에 대해서만 회전변환이 수행되므로, 제품의 크기 측정에 소요되는 시간 비용 및 컴퓨팅 비용이 절감될 수 있다.
또한, 최소 경계 박스(minimum bounding box), 회전변환 등을 이용하여 다양한 형태를 지닌 제2 형 객체의 크기까지 측정될 수 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 깊이 센서 기반의 적재 최적화 시스템의 구성도이다.
도 2는 본 발명이 적용될 수 있는 비즈니스 유스케이스를 설명하기 위한 예시도이다.
도 3은 상기 적재 최적화 시스템을 구성하는 3차원 계측 장치(100) 및/또는 적재 최적화 장치(300)의 구현에 이용될 수 있는 예시적인 컴퓨팅 장치(400)의 하드웨어 구성도이다.
도 4는 본 발명의 일 실시예에 따른 깊이 센서 기반의 적재 최적화 방법을 개략적으로 나타내는 흐름도이다.
도 5는 도 4에 도시된 단계(S400)의 상세 흐름도이다.
도 6은 도 5에 도시된 단계(S470)의 상세 흐름도이다.
도 7a 내지 도 7c는 본 발명의 일 실시예에 따른 회전변환 기반의 제1형 객체의 크기 측정 방법을 설명하기 위한 도면이다.
도 8 내지 도 10은 본 발명의 일 실시예에 따른 최소 경계 박스 기반의 제2 형 객체의 크기 측정 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 회전변환 기반의 제2 형 객체의 크기 측정 방법을 설명하기 위한 도면이다.
도 12는 도 4에 도시된 단계(S500)의 상세 흐름도이다.
도 13a 내지 도 13c는 본 발명의 몇몇 실시예에서 참조될 수 있는 모의 적재 결과의 예시도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
명세서에서 사용되는 "포함한다 (comprises)" 및/또는 "포함하는 (comprising)"은 언급된 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
본 명세서에 대한 설명에 앞서, 본 명세서에서 사용되는 몇몇 용어들에 대하여 명확하게 하기로 한다.
본 명세서에서, 객체(object)란, 계측 대상 또는 적재 대상이 되는 사물을 의미한다. 상기 객체는 직육면체와 같은 박스형 객체와 다양한 형태를 갖는 비-박스형 객체를 포함할 수 있다. 본 명세서에서, 상기 박스형 객체를 "제1 형 객체"로 명명하고, 상기 제1 형 객체에 포함되지 않는 객체를 "제2 형 객체"로 명명하도록 한다. 참고로, 복수의 팔레트가 컨테이너에 적재되는 경우, 상기 객체는 각각의 팔레트를 지칭할 수도 있다.
본 명세서에서, 3차원 점군(3D point cloud)이란, 3차원 객체의 공간 정보를 3차원 좌표공간 상의 점의 집합으로 표현한 것을 의미한다. 따라서, 상기 3차원 점군에 포함된 각각의 점은 3차원의 좌표를 포함하게 된다.
본 명세서에서, 크기는 측정 항목을 총칭하는 용어로 이용된다. 크기는 예를 들어 길이, 면적, 체적 등을 포함할 수 있다. 그러나, 열거된 예시에 한정되지 아니한다.
본 명세서에서, 기준면이란, 객체의 높이 측정의 기준이 되는 것으로, 객체가 지면에 위치한 상태에서 크기 측정이 수행되는 경우 상기 지면이 기준면이 될 수 있다.
본 명세서에서, 컨테이너(container)란, 객체가 적재되는 용기를 의미한다. 상기 컨테이너를 예를 들어 팔레트(palette)를 의미하는 것일 수 있으나, 이에 한정되는 것은 아니다. 또한, 복수의 객체가 팔레트에 적재되고, 복수의 팔레트가 다시 하나의 컨테이너에 적재될 수도 있다.
이하, 본 발명의 몇몇 실시예들에 대하여 첨부된 도면에 따라 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 깊이 센서 기반의 적재 최적화 시스템의 구성도이다. 특히, 도 1은 실시간으로 컨베이어 벨트를 통해 운반되는 적재 대상 객체(21, 23, 25)의 크기를 실시간으로 측정하고, 측정된 크기 정보를 기초로 적재 최적화를 위한 시뮬레이션을 수행하는 예를 도시하고 있다.
도 1을 참조하면 본 발명의 일 실시예에 따른 깊이 센서 기반의 적재 최적화 시스템은 3차원 계측 장치(100), 깊이 센서(200) 및 적재 최적화 장치(300)를 포함되도록 구성될 수 있다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일 뿐이며, 필요에 따라 일부 구성 요소가 추가되거나 삭제될 수 있음은 물론이다. 또한, 도 1에 도시된 적재 최적화 시스템의 각각의 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로서, 적어도 하나의 구성 요소가 실제 물리적 환경에서는 서로 통합되는 형태로 구현될 수도 있음에 유의한다. 예를 들어, 3차원 계측 장치(100)와 적재 최적화 장치(300)는 단일한 컴퓨팅 장치 내의 서로 다른 로직(logic)으로 구현될 수도 있다. 이하, 상기 적재 최적화 시스템의 각 구성 요소에 대하여 설명하도록 한다.
상기 적재 최적화 시스템에서, 3차원 계측 장치(100)는 깊이 센서(200)로부터 수신된 깊이 측정 정보를 기초로 적재 대상 객체(21, 23, 25)의 크기를 측정하는 컴퓨팅 장치이다. 상기 컴퓨팅 장치는, 노트북, 데스크톱(desktop), 랩탑(laptop) 등이 될 수 있으나, 이에 국한되는 것은 아니며 연산 수단 및 통신 수단이 구비된 모든 종류의 장치를 포함할 수 있다.
본 발명의 실시예에 따르면, 3차원 계측 장치(100)는 깊이 센서(200)로부터 수신된 깊이 측정 정보를 이용하여 3차원 점군(3D point cloud)을 생성하고, 상기 3차원 점군을 이용하여 적재 대상 객체(21, 23, 25)의 크기를 측정할 수 있다. 이때, 적재 대상 객체(21, 23, 25)는 서로 다른 크기를 갖는 객체일 수 있으나, 이에 한정되는 것은 아니다. 본 실시예에 따르면, 고가의 3차원 스캐너를 이용하지 않고 저가의 깊이 센서(200)를 이용하여 신속하게 적재 대상 객체(21, 23, 25)의 크기가 측정될 수 있다. 이에 따라, 계측에 소요되는 제반 비용이 절감될 수 있다. 본 실시예에 대한 자세한 설명은 도 5 내지 도 11의 도면을 참조하여 상세하게 설명하도록 한다.
상기 적재 최적화 시스템에서, 깊이 센서(200)는 적재 대상 객체(21, 23, 25)에 대한 깊이 측정 정보를 생성하고, 이를 3차원 계측 장치(100)로 제공하는 측정 장치이다. 도 1에서는 지지대를 이용하여 공중에 설치된 깊이 센서(200)가 아래 방향으로 적재 대상 객체(21, 23, 25)의 깊이 정보를 측정하는 것이 예로써 도시되었다. 이하에서는, 이해의 편의를 제공하기 위해, 적재 대상 객체(21, 23, 25)에 관한 깊이 정보는 도 1에 도시된 환경에서 측정된 정보라고 가정하여 설명하도록 한다. 다만, 본 발명의 범위가 이에 한정되는 것은 아니다.
본 발명의 실시예에 따르면, 깊이 센서(200)는 적재 대상 객체(21, 23, 25)가 위치하지 않은 상태에서 측정된 제1 깊이 측정 정보를 생성하고, 적재 대상 객체(21, 23, 25)가 기준면에 위치한 상태에서 측정된 제2 깊이 측정 정보를 생성하며, 상기 제1 깊이 측정 정보 및 상기 제2 깊이 측정 정보를 3차원 계측 장치(100)로 제공할 수 있다.
상기 제1 깊이 측정 정보는 기준면에 대한 3차원 점군을 생성하는 용도로 이용된다. 또한, 기준면에 대한 3차원 점군은 적재 대상 객체(21, 23, 25)의 정확한 높이 측정을 위해, 기준면을 검출하는 용도로 이용된다. 따라서, 기준면의 위치, 각도 등과 같이 계측 결과에 영향을 미치는 요인이 변동되지 않는다면, 상기 제1 깊이 측정 정보는 초기 1회만 측정되어도 무방하다.
깊이 센서(200)는 예를 들어 ToF(time of flight) 방식으로 깊이 정보가 포함된 적어도 하나의 깊이 영상 프레임을 생성하는 장치일 수 있으나, 상기 깊이 센서가 깊이 정보를 측정하는 방식이 상술한 예시에 한정되지는 것은 아니다.
상기 적재 최적화 시스템에서, 적재 최적화 장치(300)는 3차원 계측 장치(100)에 의해 제공받은 각 적재 대상 객체(21, 23, 25)의 크기 정보를 기초로 모의 적재를 수행하는 컴퓨팅 장치이다. 상기 컴퓨팅 장치는, 노트북, 데스크톱(desktop), 랩탑(laptop) 등이 될 수 있으나, 이에 국한되는 것은 아니며 연산 수단 및 통신 수단이 구비된 모든 종류의 장치를 포함할 수 있다.
본 발명의 실시예에 따르면, 적재 최적화 장치(300)는 적재 대상 객체(21, 23, 25)의 적재 순서 및 배치 방향을 변경해가며 모의 적재를 반복하여 수행하고, 복수의 모의 적재 결과를 비교하여 최적의 모의 적재 결과(30)를 결정할 수 있다. 이에 대한 자세한 설명은 도 12 내지 도 13c를 참조하여 후술하도록 한다.
도 1에 도시된 깊이 센서 기반의 적재 최적화 시스템의 각 구성 요소는 네트워크를 통해 통신할 수 있다. 여기서, 상기 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 이동 통신망(mobile radio communication network), Wibro(Wireless Broadband Internet) 등과 같은 모든 종류의 유/무선 네트워크로 구현될 수 있다.
지금까지 도 1을 참조하여, 본 발명의 일 실시예에 따른 적재 최적화 시스템에 대하여 설명하였다. 이하에서는, 보다 이해의 편의를 제공하기 위해, 상기 적재 최적화 시스템과 관련된 비즈니스 유스케이스(business use case)에 대하여 간략하게 살펴보도록 한다.
도 2는 본 발명의 실시예에 따른 적재 최적화 시스템이 이-커머스에 활용된 예를 도시하고 있다.
도 2를 참조하면, 이-커머스 물류 센터에 각종 제품이 피킹(picking)되면, 컨베이어 벨트 등의 자동화된 운반 수단을 통해 각종 제품이 운반될 수 있다. 이때, 상기 각종 제품은 소정의 목적지로 배송이 요구되는 제품일 수 있다.
본 발명의 실시예에 따른 적재 최적화 시스템은 상기 이-커머스 물류 센터에 구축되어 제품의 크기를 측정하고 자동으로 최적의 모의 적재 결과를 제공할 수 있다. 이-커머스 물류 센터의 작업자 또는 자동화된 설비는 상기 최적의 모의 적재 결과를 기초로 제품을 컨테이너에 적재할 수 있다.
상술한 활용예에 따르면, 최적의 모의 적재 결과를 기초로 신속하고 정확하게 적재가 이루어질 수 있고, 컨테이너 별로 적재되는 제품의 개수가 증가되는 등 적재/운반 효율 또한 향상될 수 있다. 이에 따라, 이-커머스 물류 관리에 소요되는 제반 관리 비용이 절감될 수 있다. 특히, 본 발명의 실시예에 따른 적재 최적화 시스템은 저가의 깊이 센서를 이용하는 바, 시스템 구축 비용이 거의 요구되지 않다. 따라서, 이-커머스 사업자들은 최소 비용 투자를 통해 최대의 비용 절감 효과를 얻을 수 있다.
지금까지 도 2를 참조하여, 본 발명이 적용될 수 있는 비즈니스 유스케이스와 본 발명의 적용에 따른 비즈니스 효과에 대하여 간략하게 살펴보았다. 이하에서는, 3차원 계측 장치(100) 및/또는 적재 최적화 장치(300)의 구현에 이용될 수 있는 예시적인 컴퓨팅 장치에 대하여 설명하도록 한다.
도 3은 본 발명의 실시예에 따른 3차원 계측 장치(100) 및 적재 최적화 장치(300)의 구현에 이용될 수 있는 예시적인 컴퓨팅 장치(400)의 하드웨어 구성도이다.
도 3을 참조하면, 컴퓨팅 장치(400)는 하나 이상의 프로세서(401), 버스(405), 네트워크 인터페이스(407), 프로세서(401)에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리(403)와, 깊이 센서 기반의 적재 최적화 소프트웨어(409a)를 저장하는 스토리지(409)를 포함할 수 있다. 다만, 도 3에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 3에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(401)는 컴퓨팅 장치(400)의 각 구성의 전반적인 동작을 제어한다. 프로세서(401)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(401)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 3차원 계측 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.
메모리(403)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(403)는 본 발명의 실시예들에 따른 깊이 센서 기반의 적재 최적화 방법을 실행하기 위하여 스토리지(409)로부터 하나 이상의 프로그램(409a)을 로드할 수 있다. 도 3에서 메모리(403)의 예시로 RAM이 도시되었다.
버스(405)는 컴퓨팅 장치(400)의 구성 요소 간 통신 기능을 제공한다. 버스(405)는 주소 버스(Address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
네트워크 인터페이스(407)는 컴퓨팅 장치(400)의 유무선 인터넷 통신을 지원한다. 또한, 네트워크 인터페이스(407)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 네트워크 인터페이스(407)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다.
스토리지(409)는 상기 하나 이상의 프로그램(409a)을 비임시적으로 저장할 수 있다.
스토리지(409)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
대상 소프트웨어(409a)는 이하에서 후술할 3차원 계측 방법 및/또는 모의 적재 방법을 수행할 수 있다. 즉, 대상 소프트웨어(409a)는 메모리(403)에 로드되어, 하나 이상의 프로세서(401)에 의해, 상기 3차원 계측 방법의 각 단계가 구현된 오퍼레이션 및/또는 상기 모의 적재 방법의 각 단계가 구현된 오퍼레이션을 실행할 수 있다.
예를 들어, 컴퓨팅 장치(400)가 3차원 계측 장치(100)의 구현에 이용되는 경우, 대상 소프트웨어(409a)는 도 5 내지 도 11을 참조하여 후술될 3차원 계측 방법을 수행하는 컴퓨터 프로그램일 수 있다. 다른 예를 들어, 컴퓨팅 장치(400)가 적재 최적화 장치(300)의 구현에 이용되는 경우, 대상 소프트웨어(409a)는 도 12 내지 도 13c를 참조하여 후술될 모의 적재 방법을 수행하는 컴퓨터 프로그램일 수 있다. 또는, 3차원 계측 장치(100)와 적재 최적화 장치(300)가 하나의 컴퓨팅 장치로 구현되는 경우, 대상 소프트웨어(409a)는 도 4 내지 도 13c를 참조하여 후술될 깊이 센서 기반의 적재 최적화 방법을 수행하는 컴퓨터 프로그램일 수 있다.
지금까지, 도 3을 참조하여 3차원 계측 장치(100) 및/또는 적재 최적화 장치(300)를 구현할 수 있는 예시적인 컴퓨팅 장치(400)에 대하여 설명하였다. 다음으로, 도 4 내지 도 13c를 참조하여 본 발명의 실시예에 따른 깊이 센서 기반의 적재 최적화 방법에 대하여 상세하게 설명한다.
이하에서 후술할 본 발명의 실시예에 따른 깊이 센서 기반의 적재 최적화 방법의 각 단계는, 컴퓨팅 장치에 의해 수행될 수 있다. 예를 들어, 상기 컴퓨팅 장치는 3차원 계측 장치(100) 또는 적재 최적화 장치(300)일 수 있다. 다만, 설명의 편의를 위해, 상기 깊이 센서 기반의 적재 최적화 방법에 포함되는 각 단계의 동작 주체는 그 기재가 생략될 수도 있다. 또한, 깊이 센서 기반의 적재 최적화 방법의 각 단계는 프로세서에 의해 실행되는 컴퓨터 프로그램의 각 오퍼레이션으로 구현될 수 있다.
도 4는 본 발명의 일 실시예에 따른 깊이 센서 기반의 적재 최적화 방법을 나타내는 개략적인 흐름도이다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일 뿐이며, 필요에 따라 일부 단계가 추가되거나 삭제될 수 있음은 물론이다.
도 4를 참조하면, 단계(S100)에서, 깊이 센서(200)가 적재 대상 객체에 대한 스캐닝(scanning)을 수행한다. 스캐닝 결과로 적재 대상 객체에 대한 깊이 영상이 생성된다.
본 발명의 실시예에 따르면, 깊이 센서(200)는 적재 대상 객체가 위치하지 않은 상태의 기준면에 대한 제1 스캐닝을 수행하여 제1 깊이 영상을 생성하고, 기준면에 적재 대상 객체가 위치한 상태에서 제2 스캐닝을 수행하여 제2 깊이 영상을 생성하며, 제1 깊이 영상 및 제2 깊이 영상을 각각 제공할 수 있다. 제1 깊이 영상을 기준면을 정확하게 검출하기 위한 용도로 이용되고, 기준면을 검출하는 이유는 적재 대상 객체의 높이를 정확하게 측정하기 위해서이다. 따라서, 제1 스캐닝은 기준면의 위치, 각도 등 적재 대상 객체의 높이 측정에 영향을 미치는 요인이 변경되지 않는 한 초기의 1회만 수행되어도 무방하다.
또한, 본 발명의 실시예에 따르면, 복수의 깊이 센서가 이용될 수도 있다. 예를 들어, 제1 각도로 적재 대상 객체를 스캔하여 제1 깊이 영상을 생성하는 제1 깊이 센서와 제1 각도와 다른 제2 각도로 적재 대상 객체를 스캔하여 제2 깊이 영상을 생성하는 제2 깊이 센서가 이용될 수 있다. 제1 깊이 영상 및 제2 깊이 영상은 적재 대상 객체의 3차원 점군을 정확하게 생성하기 위해 이용될 수 있다. 예를 들어, 제1 깊이 영상을 기초로 제1 3차원 점군이 생성되고, 제2 깊이 영상을 기초로 제2 3차원 점군이 생성되면, 제1 3차원 점군 및 제2 3차원 점군을 정합하여 계측에 이용되는 3차원 점군이 생성될 수 있다. 이하에서는, 다른 언급이 없는 한, "제1 깊이 영상"은 적재 대상 객체가 위치하지 않은 상태의 깊이 정보를 포함하는 영상을 지칭하고, "제2 깊이 영상"은 적재 대상 객체가 기준면에 위치한 상태의 깊이 정보를 포함하는 영상을 지칭하는 의미로 이용하도록 한다.
단계(S200)에서, 3차원 계측 장치(100)가 깊이 영상을 획득한다. 예를 들어, 3차원 계측 장치(100)는 깊이 센서(200)로부터 실시간으로 깊이 영상을 수신할 수 있다.
단계(S300)에서, 3차원 계측 장치(100)가 깊이 영상을 기초로 3차원 점군을 생성한다. 예를 들어, 3차원 계측 장치(100)는 기준면에 대한 제1 깊이 영상을 기초로 제1 3차원 점군을 생성하고, 적재 대상 객체에 대한 제2 깊이 영상을 기초로 제2 3차원 점군을 생성한다. 깊이 정보를 기초로 3차원 점군을 생성하는 방법은 당해 기술 분야의 종사자에게 자명한 사항이므로 이에 대한 설명은 생략하도록 한다. 이하에서는, 설명의 편의를 위해, "제1 3차원 점군"은 상기 제1 깊이 영상을 기초로 생성된 3차원 점군을 지칭하고, "제2 3차원 점군"은 상기 제2 깊이 영상을 기초로 생성된 3차원 점군을 지칭하는 의미로 사용하도록 한다.
단계(S400)에서, 3차원 계측 장치(100)가 상기 제1 3차원 점군 및/또는 상기 제2 3차원 점군을 이용하여 적재 대상 객체의 크기를 측정한다. 본 단계(S400)에 수행되는 3차원 계측 방법에 대한 자세한 설명은 도 5 내지 도 11을 참조하여 후술하도록 한다.
한편, 본 발명의 실시예에 따르면, 3차원 계측 장치(100)는 복수의 적재 대상 객체를 하나의 그룹으로 그룹핑하고, 그룹핑된 복수의 적재 대상 객체를 하나의 객체로 간주하여 크기 측정이 수행할 수도 있다. 구체적으로, 3차원 계측 장치(100)는 복수의 적재 대상 객체 중에서 제1 개수의 적재 대상 객체를 제1 그룹으로 그룹핑하고, 제2 개수의 적재 대상 객체를 제2 그룹으로 그룹핑할 수 있다. 또한, 3차원 계측 장치(100)는 단계(S300)에서 생성된 복수의 적재 대상 객체 각각에 대한 3차원 점군 중에서, 상기 제1 그룹에 소속된 적재 대상 객체 각각에 대한 3차원 점군을 병합하여 제1 그룹의 3차원 점군을 생성하고, 동일한 방식으로 제2 그룹의 3차원 점군을 생성할 수 있다. 다음으로, 3차원 계측 장치(100)는 제1 그룹의 3차원 점군을 기초로 제1 그룹에 소속된 적재 대상 객체의 전체 크기를 측정하고, 제2 그룹의 3차원 점군을 기초로 제2 그룹에 소속된 적재 대상 객체의 전체 크기를 측정하며, 측정된 전체 크기 정보를 적재 최적화 장치(300)로 제공할 수 있다.
이때, 상기 제1 개수 및/또는 상기 제2 개수는 기 설정된 고정 값 또는 상황에 따라 변동되는 변동 값일 수 있다.
일 예에서, 상기 제1 개수 및/또는 상기 제2 개수는 3차원 계측 장치(100)의 컴퓨팅 성능에 따라 동적으로 설정될 수 있다. 보다 자세한 예를 들어, 3차원 계측 장치(100)의 컴퓨팅 성능이 낮을수록 상기 제1 개수 및/또는 상기 제2 개수는 높은 값으로 설정될 수 있다. 이에 따라, 복수개의 적재 대상 객체를 하나의 묶음으로 크기 측정을 함으로써, 크기 측정에 소요되는 컴퓨팅 비용을 최소화하고, 성능이 낮은 컴퓨팅 장치라도 실시간 크기 측정이 가능하도록 구현될 수 있다.
일 예에서, 상기 제1 개수 및/또는 상기 제2 개수는 2차원의 RGB 영상에 포함된 전경 영역의 크기를 기초로 동적으로 결정될 수 있다. 본 예에서, 깊이 영상 외에 적재 대상 객체에 대한 2차원 영상 또는 깊이 정보가 추가된 3차원 영상이 함께 제공된다고 가정한다. 또는, 전경 영역의 크기를 구할 수 있다면 깊이 영상이 그대로 이용되더라도 무방하다. 보다 구체적으로 설명하면, 적재 대상 객체가 포함된 2차원 영상에서 적재 대상 객체 각각에 대응되는 전경 영역의 크기가 산출될 수 있다. 상기 전경 영역의 크기는 개략적인 또는 상대적인 적재 대상 객체의 크기와 대응되므로, 상기 전경 영역의 크기를 기초로 상기 제1 개수 및/또는 상기 제2 개수가 동적으로 결정될 수 있다. 구체적인 예를 들어, 소정의 임계치가 정의되어 있다고 가정하면, 각 전경 영역의 크기의 합이 상기 임계치가 될 때까지 합해진 개수가 상기 제1 개수 및/또는 상기 제2 개수로 설정될 수 있다. 특히, 이-커머스 환경에서 적재 대상 객체의 크기는 다양할 것이므로, 상기 제1 개수 및/또는 상기 제2 개수는 계속해서 변동되는 값이 될 수 있다.
참고로, 상기 제1 개수 및/또는 상기 제2 개수를 동적으로 결정하는 작업은 별도의 컴퓨팅 장치에서 병렬적으로 수행될 수도 있다. 이와 같은 경우, 별도의 컴퓨팅 장치가 영상 분석을 통해 제1 개수 및/또는 제2 개수를 실시간으로 결정하여 3차원 계측 장치(100)로 제공하면, 3차원 계측 장치(100)는 제공받은 개수를 기초로 적재 대상 객체를 그룹핑하고 그룹핑된 복수의 객체에 대한 전체 크기를 측정하도록 동작할 수 있다.
단계(S500)에서, 적재 최적화 장치(300)가 적재 대상 객체에 대한 모의 적재를 수행하고, 최적의 모의 적재 결과를 제공한다. 이때, 상기 적재 대상 객체는 복수이고, 적어도 일부의 객체는 서로 다른 크기를 갖는 객체일 수 있다. 본 단계(S500)에 대한 자세한 설명은 도 12 내지 도 13c를 참조하여 후술하도록 한다.
지금까지 도 4를 참조하여, 본 발명의 실시예에 따른 깊이 센서 기반의 적재 최적화 방법에 대하여 설명하였다. 상술한 방법에 따르면, 저가의 깊이 센서를 이용하여 다양한 제품의 크기가 측정된다. 또한, 측정된 크기에 기초한 적재 시뮬레이션을 통해 최적의 적재 방법이 제공된다. 이를 통해, 제품의 적재와 관련되어 요구되는 제반 비용이 크게 절감될 수 있다.
이하에서는, 도 5 내지 도 10을 참조하여 단계(S400)에서 수행되는 3차원 계측 방법에 대하여 상세하게 설명하도록 한다.
도 5는 도 4에 도시된 단계(S400)의 상세 흐름도이다.
도 5를 참조하면, 단계(S410)에서, 기준면에 대한 제1 3차원 점군에서 기준면에 대응되는 제1 평면이 검출된다. 보다 자세하게는, 상기 제1 3차원 점군에서, 기준면에 대응되는 제1 평면이 검출되고, 제1 평면에 포함된 점군을 기초로 기준면에 대한 평면 방정식이 결정된다. 상기 평면 방정식은 추후 적재 대상 객체의 높이를 측정하는데 이용된다.
단계(S430)에서, 적재 대상 객체에 대한 제2 3차원 점군에서 적재 대상 객체의 상단면에 대응되는 제2 평면이 검출된다.
단계(S450)에서, 단계(S410)에서 검출된 제1 평면과 단계(S430)에서 검출된 제2 평면이 평행한지 여부가 판정된다. 상기 판정은 예를 들어 각 평면의 노말 벡터(normal vector)가 평행한지 여부를 기초로 수행될 수 있다. 그러나, 이에 한정되는 것은 아니다.
판정 결과, 두 평면이 서로 평행한 경우, 적재 대상 객체는 직육면체 등과 같이 제1 형 객체에 해당할 확률이 높다. 이와 같은 경우, 단계(S470)에서 회전 변환을 이용하여 적재 대상 객체의 크기가 측정된다. 본 단계(S470)에 대한 자세한 설명은 도 6 내지 도 7c를 참조하여 후술하도록 한다.
판정 결과, 두 평면이 서로 평행하지 않은 경우, 적재 대상 객체는 원형, 서로 다른 크기를 갖는 복수의 제1 형 객체들 등과 같이 제2 형 객체에 해당할 확률이 높다. 이와 같은 경우, 단계(S450)에서, 최소 경계 박스를 이용하여 적재 대상 객체의 크기가 측정된다. 본 단계(S500)에 대한 자세한 설명은 도 8 내지 도 10을 참조하여 후술하도록 한다
지금까지 도 5를 참조하여 본 발명의 실시예에 따른 3차원 계측 방법에 대하여 설명하였다. 다음으로, 도 6 내지 도 7c를 참조하여, 적재 대상 객체가 제1 형 객체로 판정된 경우, 단계(S470)에서 수행되는 회전변환 기반의 크기 측정 방법에 대하여 상세하게 설명하도록 한다.
도 6은 도 5에 도시된 단계(S470)의 상세 흐름도이다.
도 6을 참조하면, 단계(S471)에서, 적재 대상 객체에 대한 3차원 점군 중에서 적재 대상 객체의 상단면에 대응되는 점군이 추출된다. 이하, 본 실시예에 한하여, 설명의 편의를 위해, 상기 상단면에 대응되는 점군을 "제1 점군"으로 명명하도록 한다.
본 발명의 실시예에 따르면, 상단면에 대응되는 제1 점군을 정확하게 추출하기 위해, 상기 상단면의 경계선에 위치한 점군을 기준으로 확장 탐색이 수행될 수 있다. 이는, 깊이 센서로부터 제공받은 깊이 정보는 통상적으로 노이즈를 포함하고 있고, 이를 기초로 생성된 3차원 점군에도 노이즈가 포함되어 있기 때문에, 적재 대상 객체의 상단면에 대응되는 평면이 정확하게 검출되지 않을 수 있기 때문이다. 이와 같은 문제를 해결하기 위한 본 발명의 실시예에 따르면, 상기 제1 점군 중에서 경계선 상에 위치한 점군을 기준으로 주변 점군에 대한 탐색이 수행될 수 있다. 구체적으로, 경계선 상에 위치한 점군을 기준으로 3차원 공간 상에서 기 설정된 거리 이내에 위치한 주변 점군이 탐색되고, 탐색된 주변 점군까지 적재 대상 객체의 상단면에 대응되는 제1 점군(또는 평면)으로 추출되게 된다. 본 실시예에 따르면, 적재 대상 객체의 상단면에 대응되는 영역이 보다 정확하게 추출될 수 있기 때문에, 계측 결과의 정확도 및 신뢰도가 향상될 수 있다.
단계(S473)에서, 단계(S471)를 통해 추출된 평면을 이용하여 적재 대상 객체의 높이가 측정된다. 보다 자세하게는, 기준면을 가리키는 평면 방정식과 상기 추출된 평면을 구성하는 제1 점군 중에서 적어도 하나의 점과의 거리가 산출되고, 상기 산출된 거리가 상기 적재 대상 객체의 높이로 결정된다. 기준면을 기초로 적재 대상 객체의 높이가 측정되므로, 적재 대상 객체가 경사진 곳에 놓여 있는 경우에도 정확하게 높이가 측정될 수 있다.
일 예에서, 적재 대상 객체의 높이는 상기 점군 중에서 임의로 결정된 한 점과 상기 평면 방정식과의 거리로 결정될 수 있다. 다른 일 예에서, 상기 적재 대상 객체의 높이는 상기 점군에 포함된 복수의 점 각각과 상기 평면 방정식과의 거리의 평균으로 결정될 수 있다. 또 다른 일 예에서, 상기 적재 대상 객체의 높이는 상기 평면 방정식과 상기 점군에 포함된 점과의 거리 중 최대 값 또는 최소 값으로 결정될 수 있다. 다만, 상기 적재 대상 객체의 높이가 결정되는 방식은 열거된 예시에 한정되는 것은 아니다.
단계(S475)에서, 단계(S471)를 통해 추출된 평면을 2차원 좌표평면으로 회전변환하여 적재 대상 객체의 가로 및 세로 길이가 측정된다. 즉, 본 발명의 실시예에 따르면, AABB(axis-aligned bounding box;), OBB (oriented bounding box)와 같이 적재 대상 객체 전체를 회전변환하는 방식이 아니라, 단계(S471)에서 추출된 평면을 2차원 좌표평면 상에서 회전변환하는 방식이 이용된다. 이에 따라, 축에 대한 정렬 오차, 방향성 오차에 따라 부정확한 치수가 측정되는 것이 방지되고, 계측의 정확도가 향상될 수 있다. 이하에서는, 도 7a 내지 도 7c를 참조하여 단계(S475)에서 대하여 부연 설명하도록 한다.
구체적으로, 단계(S450)에서, 2단계의 회전 변환이 수행된다. 도 7a는 첫번째 단계에서 수행되는 제1 회전변환을 도시하고, 도 7b는 두번째 단계에서 수행되는 제2 회전변환을 도시하고 있다.
도 7a를 참조하면, 3차원 좌표공간에 존재하는 평면(510)이 2차원 좌표평면 상으로 이동되는 제1 회전변환이 수행된다. 특히, 도 7a는 평면(510)이 xy 평면으로 이동된 것을 도시하고 있다. 상기 제1 회전변환은 평면(510)의 노말 벡터(a, b, c)와 xy 평면의 노말 벡터(0, 0, 1)에 기초하여 수행될 수 있다.
다음으로, 도 7b를 참조하면, 2차원 좌표평면 상에서 회전각을 변경해가며 제2 회전변환이 수행된다. 구체적으로, xy평면으로 이동된 평면(530)의 (x, y) 성분에 대하여 회전각(rotangle)을 변경해가며 반복적으로 회전시키고, 특정 축(e.g. x축, y축)을 기준으로 최소 좌표 값(xmin)과 최대 좌표 값(xmax)의 차이 값(wi)이 매 회전마다 산출된다. 예를 들어, 제1 회전된 점군(530)에 대하여 차이 값(wi)이 연산되고, 제2 회전된 점군(550)에 대해서도 차이 값(wi)이 연산된다. 도 7b는 x축을 기준으로 상기 차이 값(wi)이 연산되는 것을 예로써 도시하였으나, y축을 기준으로 상기 차이 값(wi)이 연산되더라도 무방하다.
반복적으로 연산된 차이 값(wi) 중에서 최소 값(wmin)이 적재 대상 객체의 가로 또는 세로 길이로 결정된다. 도 7c에 도시된 바와 같이, 차이 값(wi)이 최소인 경우는 적재 대상 객체의 상단면에 대응되는 평면(590)이 각 축에 정확하게 정렬된 경우를 가리키기 때문이다. 따라서, 특정 회전각에 대하여 x축 상의 최소 값(wmin)이 가로 길이로 결정되었다면, 동일한 회전각에 대한 y축 상의 최소 값(lmin)이 적재 대상 객체의 세로 길이로 결정된다.
지금까지, 도 6 내지 도 7c를 참조하여, 본 발명의 실시예에 따른 회전 변환 기반의 크기 측정 방법에 대하여 설명하였다. 이하에서는, 도 8 내지 도 10을 참조하여, 적재 대상 객체가 제2 형 객체로 판정된 경우, 단계(S500)에서 수행되는 최소 경계 박스 기반의 크기 측정 방법에 대하여 설명하도록 한다.
도 8은 도 5에 도시된 단계(S490)의 상세 흐름도이다.
도 8을 참조하면, 단계(S491)에서, 상기 제2 3차원 점군 중에서, 기준면에 대응되는 점군의 제외 처리가 수행된다. 또한, 상기 제외 처리의 결과로 적재 대상 객체를 가리키는 제1 점군이 획득된다. 이하, 설명의 편의를 위해, 3차원 점군 중에서 기준면에 대응되는 점군이 제외된 점군을 "제1 점군"으로 계속하여 명명하도록 한다.
본 발명의 실시예에 따르면, 상기 제1 점군 중에서 상기 적재 대상 객체의 외곽선에 대응되는 점군을 기준으로 노이즈 보정이 수행되고, 상기 노이즈 보정의 결과로 상기 제1 점군과 적어도 일부는 상이한 제2 점군이 획득될 수 있다. 이하, 상기 노이즈 보정의 결과를 가리키는 점군을 "제2 점군"으로 계속하여 명명하도록 한다.
상기 노이즈 보정은 3차원 공간 상에서 상기 적재 대상 객체의 외곽선에 대응되는 점들을 기준으로 수행된다. 구체적으로, 상기 외곽선에 대응되는 점들을 기준으로 지정된 거리 이내에 위치한 주변 점군의 밀도가 산출되고, 산출된 밀도가 임계 값 이상인 점군까지 제2 점군에 포함되게 된다.
단계(S493)에서, 기준면과 제2 점군(또는 제1 점군)과의 최대 거리를 기초로 적재 대상 객체의 높이가 측정된다. 구체적으로, 도 9에 도시된 바와 같이 적재 대상 객체가 복수의 객체(610, 630, 650)로 구성된 객체인 경우, 도 10에 도시된 바와 같이 제2 점군(710, 730, 750)이 결정되었다고 가정하자. 그러면, 기준면과 제2 점군(710, 730, 750) 중에서 각 객체를 가리키는 점군(710, 730, 750)과의 최대 거리가 측정되고, 측정된 최대 거리가 적재 대상 객체의 높이로 결정될 수 있다. 단, 적재 대상 객체의 높이를 측정하는 방법이 상술한 예시에 한정되는 것은 아니다.
단계(S495)에서, 도 10에 도시된 바와 같은 최소 경계 박스(810)를 이용하여 적재 대상 객체의 크기가 측정된다. 이때, 최소 경계 박스의 높이(810)는 단계(S493)에서 측정된 높이가 될 수 있다. 또한, 최소 경계 박스(810)의 가로 및 세로 길이가 상기 적재 대상 객체의 가로 및 세로 길이가 될 수 있다. 최소 경계 박스를 구하는 방법은 당해 기술 분야의 종사자에게 이미 자명한 사항인 바 이에 대한 자세한 설명은 생략하도록 한다.
한편, 본 발명의 다른 실시예에 따르면, 최소 경계 박스를 이용하지 않고, 전술한 회전변환 기반으로 상기 적재 대상 객체의 크기가 측정될 수도 있다. 예를 들어, 단계(S491)의 수행 결과로 획득된 상기 제2 점군 중에서 상기 적재 대상 객체의 특정 단면에 대응되는 점군이 추출되고, 추출된 점군을 회전변환하여 상기 적재 대상 객체의 크기가 측정될 수 있다. 이에 대한 예는 도 11을 참조하도록 한다.
3차원 공간에서 적재 대상 객체의 특정 단면에 대응되는 점군을 추출하는 방법은 예를 들어 각 점의 좌표 중에서 어느 한 축에 대응되는 좌표를 제거하는 방법이 이용될 수 있으나, 이에 한정되는 것은 아니다. 참고로, 도 11은 각 점의 좌표 중에서 z축의 좌표가 제거된 것을 예로써 도시하고 있다. 회전변환을 이용하여 객체의 크기를 측정하는 방법은 전술한 바와 같으므로 중복된 설명을 배제하기 위해 생략하도록 한다.
지금까지 도 8 내지 도 11을 참조하여, 본 발명의 실시예에 따른 제2 형 객체의 크기 측정 방법에 대하여 설명하였다. 상술한 방법에 따르면, 최소 경계 박스, 회전변환 등을 이용하여 다양한 형태를 가질 수 있는 제2 형 객체의 크기 또한 측정될 수 있다.
지금까지 도 5 내지 도 11을 참조하여 도 4에 도시된 단계(S400)에서 수행되는 3차원 계측 방법에 대하여 설명하였다. 이하에서는, 도 12 내지 도 13c를 참조하여, 단계(S500)에서 수행되는 모의 적재 방법에 대하여 설명하도록 한다.
도 12는 도 4에 도시된 단계(S500)의 상세 흐름도이다.
도 12를 참조하면, 단계(S510)에서, 적재 순서 및 배치 방향 중 적어도 하나를 변경해가며 복수의 모의 적재가 수행된다. 구체적으로, 기 정의된 컨테이너의 크기와 적재 대상 객체의 크기를 기초로 모의 적재가 수행되며, 적재 대상 객체의 적재 순서 및 배치 방향 중 적어도 하나를 변경해가며 모의 적재가 수행된다. 모의 적재의 결과에 대해서는 도 13a 내지 도 13c에 도시된 모의 적재 예시(1010, 1030, 1050)를 참조하도록 한다.
단계(S530)에서, 모의 적재의 결과를 기초로 적재 점수가 산출된다. 예를 들어, 제1 모의 적재의 결과를 기초로 제1 적재 점수를 산출하고, 제2 모의 적재의 결과를 기초로 제2 적재 점수가 산출된다.
일 예에서, 상기 적재 점수는 적재 효율 점수에 기초하여 결정될 수 있다. 또한, 적재 효율 점수는 컨테이너에 적재된 객체의 수를 기초로 결정된 제1 점수, 적재 후 컨테이너의 잔여 공간을 기초로 결정된 제2 점수 및 컨테이너에 적재된 객체의 무게 중심을 기초로 결정된 제3 점수 중 적어도 하나의 점수와의 가중치 합(weighted sum)으로 결정될 수 있다. 상기 제1 점수는 컨테이너에 적재된 객체의 수가 많을수록 높은 점수로 결정될 수 있다. 상기 제2 점수는 컨테이너의 잔여 공간이 적을수록 높은 점수로 결정될 수 있다. 다만, 경우에 따라, 객체의 종류에 따라 컨테이너의 잔여 공간이 필요한 제품인 경우, 잔여 공간이 많을수록 높은 점수로 결정될 수도 있다. 상기 제3 점수는 무게 중심이 낮을수록 높은 점수로 결정될 수 있다.
일 예에서, 컨테이너에 적재된 객체의 배송지를 기초로 결정된 운송 효율 점수를 더 고려하여 적재 점수가 결정될 수 있다. 구체적으로, 적재 점수는 상기 적재 효율 점수와 상기 운송 효율 점수의 가중치 합으로 결정될 수 있다. 일 예에서, 상기 운송 효율 점수는 컨테이너에 적재된 객체의 서로 다른 배송지의 개수에 기초하여 결정될 수 있다. 즉, 서로 다른 배송지의 개수가 많을수록 운송 효율 점수는 낮은 점수로 결정될 수 있다. 일 예에서, 상기 운송 효율 점수는 서로 다른 배송지 간의 거리의 합에 기초하여 결정될 수 있다. 보다 구체적인 예를 들어, 서로 다른 배송지 간에 최단 거리의 합(e.g. traveling salesman problem)을 산출하고, 거리가 길수록 운송 효율 점수는 낮은 점수로 결정될 수 있다. 다만, 적재 점수를 구하는 방법이 열거된 예시에 한정되는 것은 아니다.
단계(S550)에서, 단계(S530)에 산출된 적재 점수를 기초로 최적의 적재 순서 및 배치 방향 결정된다. 구체적으로, 적재 점수의 비교 결과를 기초로, 가장 높은 적재 점수를 갖는 모의 적재의 적재 순서 및 배치 방향이 최적의 적재 순서 및 배치 방향으로 결정된다.
실시예에 따라, 적재 점수가 아니라 적재 효율 점수는 운송 효율 점수 중 어느 하나의 점수를 기초로 최적의 적재 순서 및 배치 방향이 결정될 수도 있다.
지금까지, 도 12 내지 도 13c를 참조하여, 본 발명의 실시예에 따른 모의 적재 방법에 대하여 설명하였다. 상술한 방법에 따르면, 각 컨테이너 별로 적재 대상 객체를 적재하는 순서, 적재 대상 객체의 배치 방향 등이 제공될 수 있다. 이에 따라, 적재 효율 및 운송 효율이 크게 향상되고, 물류에 관한 제반 관리 비용이 절감될 수 있다.
지금까지 도 4 내지 도 13c를 참조하여 본 발명의 실시예에 따른 깊이 센서 기반의 적재 최적화 방법에 대하여 설명하였다. 특히, 이-커머스 물류 관리 등의 비즈니스에 본 발명이 적용되는 경우, 적재/운반 효율이 향상됨에 따라, 제반 관리 비용이 크게 절감될 수 있다. 더욱이, 저가의 깊이 센서와 컴퓨팅 장치 외에 별도의 시스템 구축 비용이 요구되지 않는 바, 이-커머스 사업자들은 최소 비용 투자를 통해 최대의 효과를 얻을 수 있다.
지금까지 도 1 내지 도 13c를 참조하여 설명된 본 발명의 개념은 컴퓨터가 읽을 수 있는 매체 상에 컴퓨터가 읽을 수 있는 코드로 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체는, 예를 들어 이동형 기록 매체(CD, DVD, 블루레이 디스크, USB 저장 장치, 이동식 하드 디스크)이거나, 고정식 기록 매체(ROM, RAM, 컴퓨터 구비 형 하드 디스크)일 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체에 기록된 상기 컴퓨터 프로그램은 인터넷 등의 네트워크를 통하여 다른 컴퓨팅 장치에 전송되어 상기 다른 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 다른 컴퓨팅 장치에서 사용될 수 있다.
도면에서 동작들이 특정한 순서로 도시되어 있지만, 반드시 동작들이 도시된 특정한 순서로 또는 순차적 순서로 실행되어야만 하거나 또는 모든 도시 된 동작들이 실행되어야만 원하는 결과를 얻을 수 있는 것으로 이해되어서는 안 된다. 특정 상황에서는, 멀티태스킹 및 병렬 처리가 유리할 수도 있다. 더욱이, 위에 설명한 실시예들에서 다양한 구성들의 분리는 그러한 분리가 반드시 필요한 것으로 이해되어서는 안 되고, 설명된 프로그램 컴포넌트들 및 시스템들은 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품으로 패키지 될 수 있음을 이해하여야 한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다.

Claims (11)

  1. 컴퓨팅 장치에 의해 수행되는 깊이 센서 기반의 적재 최적화 방법에 있어서,
    적재 대상 객체에 대한 깊이 영상을 획득하되, 상기 깊이 영상은 상기 깊이 센서를 통해 생성된 영상인 것인, 단계;
    상기 깊이 영상을 기초로 상기 적재 대상 객체에 대한 3차원 점군을 생성하는 단계;
    상기 3차원 점군을 기초로 상기 적재 대상 객체의 크기를 측정하는 단계; 및
    상기 측정된 크기 및 기 정의된 컨테이너의 크기를 기초로, 상기 적재 대상 객체를 상기 컨테이너에 모의 적재하는 단계를 포함하는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  2. 제1 항에 있어서,
    상기 적재 대상 객체는 제1 크기를 갖는 제1 적재 대상 객체 및 상기 제1 크기와 다른 제2 크기를 갖는 제2 적재 대상 객체를 포함하되,
    상기 적재 대상 객체의 크기를 측정하는 단계는,
    상기 제1 적재 대상 객체에 대한 3차원 점군을 기초로, 상기 제1 적재 대상 객체의 크기를 측정하는 단계; 및
    상기 제2 적재 대상 객체에 대한 3차원 점군을 기초로, 상기 제2 적재 대상 객체의 크기를 측정하는 단계를 포함하는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  3. 제1 항에 있어서,
    상기 깊이 영상을 획득하는 단계는,
    제1 각도로 상기 적재 대상 객체를 스캔하여 생성된 제1 깊이 영상을 획득하는 단계; 및
    상기 제1 각도와 다른 제2 각도로 상기 적재 대상 객체를 스캔하여 생성된 제2 깊이 영상을 획득하는 단계를 포함하고,
    상기 3차원 점군을 생성하는 단계는,
    상기 제1 깊이 영상을 기초로 제1 3차원 점군을 생성하고, 상기 제2 깊이 영상을 기초로 제2 3차원 점군을 생성하는 단계; 및
    상기 제1 3차원 점군 및 상기 제2 3차원 점군을 정합하여, 상기 3차원 점군을 생성하는 단계를 포함하는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  4. 제1 항에 있어서,
    상기 적재 대상 객체는 복수이되,
    상기 3차원 점군을 생성하는 단계는,
    상기 복수의 적재 대상 객체 각각에 대한 3차원 점군을 생성하는 단계를 포함하며,
    상기 적재 대상 객체의 크기를 측정하는 단계는,
    상기 복수의 적재 대상 객체 중에서, 제1 개수의 적재 대상 객체를 제1 그룹으로 그룹핑하고, 제2 개수의 적재 대상 객체를 제2 그룹으로 그룹핑하는 단계;
    상기 제1 그룹에 소속된 각각의 적재 대상 객체에 대한 3차원 점군을 병합하여 제1 3차원 점군을 생성하는 단계;
    상기 제2 그룹에 소속된 각각의 적재 대상 객체에 대한 3차원 점군을 병합하여 제2 3차원 점군을 생성하는 단계; 및
    상기 제1 3차원 점군을 기초로 상기 제1 그룹에 소속된 적재 대상 객체의 전체 크기를 측정하고, 상기 제2 3차원 점군을 기초로 상기 제2 그룹에 소속된 적재 대상 객체의 전체 크기를 측정하는 단계를 포함하는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  5. 제4 항에 있어서,
    상기 복수의 적재 대상 객체 각각이 포함된 2차원 영상을 획득하는 단계; 및
    상기 2차원 영상에서 상기 복수의 적재 대상 객체 각각에 대응되는 영역의 크기를 산출하는 단계를 더 포함하되,
    상기 제1 개수 및 상기 제2 개수는 상기 영역의 크기를 기초로 동적으로 결정되는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  6. 제1 항에 있어서,
    상기 깊이 영상은 기준면으로부터 기 설정된 높이에 설치된 깊이 센서를 통해 생성된 영상이되,
    상기 적재 대상 객체의 크기를 측정하는 단계는,
    상기 적재 대상 객체가 위치하지 않은 상태의 상기 기준면에 대한 깊이 영상을 기초로 상기 기준면에 대한 3차원 점군을 생성하는 단계;
    상기 기준면에 대한 3차원 점군에서 상기 기준면을 가리키는 제1 평면을 검출하는 단계;
    상기 적재 대상 객체에 대한 3차원 점군에서 상기 제1 평면에 평행한 제2 평면을 검출하는 단계; 및
    상기 제1 평면과 상기 제2 평면과의 거리를 기초로 상기 적재 대상 객체의 높이를 결정하는 단계를 포함하는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  7. 제1 항에 있어서,
    상기 적재 대상 객체의 크기를 측정하는 단계는,
    상기 3차원 점군에서 상기 적재 대상 객체의 제1 단면에 대응되는 제1 평면을 추출하는 단계;
    상기 제1 평면을 2차원 좌표평면 상으로 이동시키는 제1 회전변환을 수행하는 단계; 및
    상기 2차원 좌표평면 상에서 측정된 상기 제1 평면의 크기를 기초로 상기 적재 대상 객체의 크기를 결정하는 단계를 포함하는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  8. 제7 항에 있어서,
    상기 제1 평면의 크기를 기초로 상기 적재 대상 객체의 크기를 결정하는 단계는,
    상기 2차원의 좌표평면 상에서, 제2 평면을 회전시키는 제2 회전변환을 수행하되, 상기 제2 평면은 상기 제1 회전변환 된 제1 평면을 가리키는 것인, 제1 단계;
    상기 2차원의 좌표평면을 구성하는 가로축 또는 세로축을 기준으로, 상기 제2 회전변환 된 제2 평면의 최대 좌표 값과 최소 좌표 값과의 차이 값을 산출하는 제2 단계;
    회전각을 변경해가며, 상기 제1 단계 및 상기 제2 단계를 반복하여 수행하는 제3 단계; 및
    상기 제1 단계 내지 상기 제3 단계를 통해 산출된 복수의 차이 값 중에서 어느 하나의 값을 상기 적재 대상 객체의 크기로 결정하는 단계를 포함하는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  9. 제8 항에 있어서,
    상기 어느 하나의 값은,
    상기 제1 단계 내지 상기 제3 단계를 통해 산출된 복수의 차이 값 중에서 최소 값인 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  10. 제1 항에 있어서,
    상기 적재 대상 객체는 적어도 일부는 크기가 서로 다른 복수의 객체를 포함하고,
    상기 적재 대상 객체를 상기 컨테이너에 모의 적재하는 단계는,
    상기 복수의 객체에 대한 적재 순서 및 배치 방향 중 적어도 하나를 변경해가며 제1 모의 적재 및 제2 모의 적재를 수행하는 단계를 포함하고,
    상기 제1 모의 적재와 상기 제2 모의 적재의 비교 결과에 기초하여, 최적의 적재 순서 및 배치 방향을 결정하는 단계를 더 포함하는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
  11. 제10 항에 있어서,
    상기 최적의 적재 순서 및 배치 방향을 결정하는 단계는,
    상기 제1 모의 적재의 결과를 기초로 제1 적재 점수를 산출하고, 상기 제2 모의 적재의 결과를 기초로 제2 적재 점수를 산출하는 단계; 및
    상기 제1 적재 점수 및 상기 제2 적재 점수의 비교 결과를 기초로, 상기 최적의 적재 순서 및 배치 방향을 결정하는 단계를 포함하되,
    상기 제1 적재 점수 및 상기 제2 적재 점수는,
    컨테이너에 적재된 객체의 수, 적재 후 컨테이너의 잔여 공간 및 컨테이너에 적재된 객체의 무게 중심을 기초로 결정된 적재 효율 점수와 컨테이너에 적재된 객체의 배송지를 기초로 결정된 운송 효율 점수의 가중치 합(weighted sum)으로 결정되는 것을 특징으로 하는,
    깊이 센서 기반의 적재 최적화 방법.
KR1020170133952A 2016-10-27 2017-10-16 깊이 센서 기반의 적재 최적화 방법 및 시스템 KR20180046361A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20160140894 2016-10-27
KR1020160140894 2016-10-27

Publications (1)

Publication Number Publication Date
KR20180046361A true KR20180046361A (ko) 2018-05-08

Family

ID=62187628

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170133952A KR20180046361A (ko) 2016-10-27 2017-10-16 깊이 센서 기반의 적재 최적화 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20180046361A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110414119A (zh) * 2019-07-23 2019-11-05 武汉科技大学 一种基于改进演化算法的港口船舶贝位优化方法
KR20200136432A (ko) * 2018-05-18 2020-12-07 이베이 인크. 물리적 객체 경계 검출 기술들 및 시스템들
CN112631379A (zh) * 2021-01-06 2021-04-09 Oppo广东移动通信有限公司 盖板装配方法及电子设备
KR20220009745A (ko) * 2020-07-16 2022-01-25 삼성에스디에스 주식회사 적재 공간의 크기 결정 방법 및 장치
WO2023158047A1 (ko) * 2022-02-18 2023-08-24 주식회사엔에스이 비정형 3차원 객체의 컨테이너 최적 배치 설계 방법
KR102634025B1 (ko) * 2022-11-24 2024-02-07 한국철도기술연구원 최적의 공간 활용 및 안정성을 위한 적재 시뮬레이션 제공 방법 및 장치

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200136432A (ko) * 2018-05-18 2020-12-07 이베이 인크. 물리적 객체 경계 검출 기술들 및 시스템들
US11830199B2 (en) 2018-05-18 2023-11-28 Ebay Inc. Physical object boundary detection techniques and systems
CN110414119A (zh) * 2019-07-23 2019-11-05 武汉科技大学 一种基于改进演化算法的港口船舶贝位优化方法
CN110414119B (zh) * 2019-07-23 2023-04-18 武汉科技大学 一种基于改进演化算法的港口船舶贝位优化方法
KR20220009745A (ko) * 2020-07-16 2022-01-25 삼성에스디에스 주식회사 적재 공간의 크기 결정 방법 및 장치
CN112631379A (zh) * 2021-01-06 2021-04-09 Oppo广东移动通信有限公司 盖板装配方法及电子设备
WO2023158047A1 (ko) * 2022-02-18 2023-08-24 주식회사엔에스이 비정형 3차원 객체의 컨테이너 최적 배치 설계 방법
KR102634025B1 (ko) * 2022-11-24 2024-02-07 한국철도기술연구원 최적의 공간 활용 및 안정성을 위한 적재 시뮬레이션 제공 방법 및 장치

Similar Documents

Publication Publication Date Title
KR20180046361A (ko) 깊이 센서 기반의 적재 최적화 방법 및 시스템
US11189033B2 (en) Robotic system with automated package registration mechanism and auto-detection pipeline
JP6729953B1 (ja) エラー検出および動的パッキング機構を有するロボットシステム
US11488323B2 (en) Robotic system with dynamic packing mechanism
KR102325417B1 (ko) 패킹 메커니즘을 구비한 로봇 시스템
US20230150134A1 (en) Robotic system with dynamic pack adjustment mechanism and methods of operating same
KR101918168B1 (ko) 3차원 계측 방법 및 그 장치
KR102400028B1 (ko) 비순서적으로 도착하는 패키지를 처리하기 위한 로봇 시스템
CN113253737B (zh) 货架检测方法及装置、电子设备、存储介质
JP2021051721A (ja) 物体識別のための方法および計算システム
CN111498212B (zh) 用于处理失序到达的包裹的机器人***
CN111498213B (zh) 具有动态打包机制的机器人***
TWI843363B (zh) 搬運裝置的貨架定位方法及可定位貨架的搬運裝置
US20240219915A1 (en) Shelf positioning method of a transporting device and transporting device capable of positioning a shelf
CN117474892A (zh) 货架识别方法、移动机器人及存储介质
CN117630966A (zh) 一种货架检测、货架对接方法、机器人及计算机存储介质
CN111559544A (zh) 具有错误检测和动态打包机制的机器人***

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right