知財求人 - 知財ポータルサイト「IP Force」
特開2024-16781ライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法、装置およびコンピュータプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024016781
(43)【公開日】2024-02-07
(54)【発明の名称】ライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法、装置およびコンピュータプログラム
(51)【国際特許分類】
G06T 7/11 20170101AFI20240131BHJP
G06T 7/521 20170101ALI20240131BHJP
G06T 7/62 20170101ALI20240131BHJP
G06Q 10/08 20240101ALI20240131BHJP
【ＦＩ】
G06T7/11
G06T7/521
G06T7/62
G06Q10/08
【審査請求】有
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2022156237
(22)【出願日】2022-09-29
(31)【優先権主張番号】10-2022-0092244
(32)【優先日】2022-07-26
(33)【優先権主張国・地域又は機関】KR
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＪＡＶＡ
(71)【出願人】
【識別番号】521286949
【氏名又は名称】ワタ インク
(71)【出願人】
【識別番号】522386046
【氏名又は名称】キム キョンシク
(74)【代理人】
【識別番号】100083138
【弁理士】
【氏名又は名称】相田 伸二
(74)【代理人】
【識別番号】100189625
【弁理士】
【氏名又は名称】鄭 元基
(74)【代理人】
【識別番号】100196139
【弁理士】
【氏名又は名称】相田 京子
(72)【発明者】
【氏名】キム キョンシク
(72)【発明者】
【氏名】ファン チョルヒョン
(72)【発明者】
【氏名】チュン ヒュンス
(72)【発明者】
【氏名】イ ダウォン
【テーマコード（参考）】
5L049
5L096
【Ｆターム（参考）】
5L049AA16
5L096AA06
5L096AA09
5L096BA08
5L096CA18
5L096CA24
5L096DA02
5L096FA06
5L096FA31
5L096FA59
5L096HA09
5L096HA11
5L096JA09
5L096JA11
(57)【要約】 （修正有）
【課題】より効率的に物流管理を遂行できるライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法、装置およびコンピュータプログラムを提供する。
【解決手段】物流管理ソリューション提供方法は、コンピューティング装置によって遂行される方法であって、所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階、前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階および前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含む。
【選択図】図３
【解決手段】物流管理ソリューション提供方法は、コンピューティング装置によって遂行される方法であって、所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階、前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階および前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含む。
【選択図】図３
【特許請求の範囲】
【請求項1】
コンピューティング装置によって遂行される方法において、
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含む、ライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含む、ライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項2】
前記３Ｄジオフェンスを設定する段階は、
ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを出力するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を提供する段階；
前記提供されたユーザインターフェースを通じて前記棚の外形に対応する３次元空間を定義するユーザ入力を獲得する段階；および
前記獲得されたユーザ入力に基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを出力するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を提供する段階；
前記提供されたユーザインターフェースを通じて前記棚の外形に対応する３次元空間を定義するユーザ入力を獲得する段階；および
前記獲得されたユーザ入力に基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項3】
前記３Ｄジオフェンスを設定する段階は、
ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記棚の外形に対応するベクトルを抽出する段階；および
前記抽出されたベクトルに基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記棚の外形に対応するベクトルを抽出する段階；および
前記抽出されたベクトルに基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項4】
前記物品積載情報を生成する段階は、
前記所定の領域に対するポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階；および
前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して客体を識別し、前記識別された客体を利用して前記棚に対する第１物品積載情報－前記第１物品積載情報は客体の識別の有無、客体の位置および客体の種類のうち少なくとも一つを含む－を生成する段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記所定の領域に対するポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階；および
前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して客体を識別し、前記識別された客体を利用して前記棚に対する第１物品積載情報－前記第１物品積載情報は客体の識別の有無、客体の位置および客体の種類のうち少なくとも一つを含む－を生成する段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項5】
前記物品積載情報を生成する段階は、
前記所定の領域に対するポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階；および
前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記棚の積載率を算出し、前記算出された積載率に関する情報を含む第２物品積載情報を生成する段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記所定の領域に対するポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階；および
前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記棚の積載率を算出し、前記算出された積載率に関する情報を含む第２物品積載情報を生成する段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項6】
前記第２物品積載情報を生成する段階は、
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記設定された３Ｄジオフェンス内に積載された客体を識別する段階；および
前記棚の積載率として、前記識別された３Ｄジオフェンスの面積対比前記識別された客体の面積の比率を算出する段階を含む、請求項５に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記設定された３Ｄジオフェンス内に積載された客体を識別する段階；および
前記棚の積載率として、前記識別された３Ｄジオフェンスの面積対比前記識別された客体の面積の比率を算出する段階を含む、請求項５に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項7】
前記第２物品積載情報を生成する段階は、
前記識別された３Ｄジオフェンスが複数の段を含む場合、前記複数の段それぞれに対応するポイントクラウドを分析して前記複数の段それぞれに積載された客体を識別する段階；
前記複数の段それぞれの積載率として、前記複数の段それぞれの高さ対比前記識別された客体の高さの比率を算出する段階；および
前記複数の段それぞれの積載率を合算して前記棚の積載率を算出する段階を含む、請求項５に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記識別された３Ｄジオフェンスが複数の段を含む場合、前記複数の段それぞれに対応するポイントクラウドを分析して前記複数の段それぞれに積載された客体を識別する段階；
前記複数の段それぞれの積載率として、前記複数の段それぞれの高さ対比前記識別された客体の高さの比率を算出する段階；および
前記複数の段それぞれの積載率を合算して前記棚の積載率を算出する段階を含む、請求項５に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項8】
前記物流管理ソリューションを提供する段階は、
前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供するものの、前記予め設定された条件は前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されるものである、段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供するものの、前記予め設定された条件は前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されるものである、段階を含む、請求項１に記載のライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項9】
プロセッサ；
ネットワークインターフェース；
メモリ；および
前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含むものの、
前記コンピュータプログラムは、
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定するインストラクション（ｉｎｓｔｒｕｃｔｉｏｎ）；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成するインストラクション；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供するインストラクションを含む、ライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供装置。
ネットワークインターフェース；
メモリ；および
前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含むものの、
前記コンピュータプログラムは、
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定するインストラクション（ｉｎｓｔｒｕｃｔｉｏｎ）；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成するインストラクション；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供するインストラクションを含む、ライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供装置。
【請求項10】
コンピューティング装置と結合されて、
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含むライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法を実行させるためにコンピューティング装置で読み取り可能な記録媒体に保存された、コンピュータプログラム。
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含むライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法を実行させるためにコンピューティング装置で読み取り可能な記録媒体に保存された、コンピュータプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の多様な実施例はライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法、装置およびコンピュータプログラムに関し、より具体的には、ライダセンサを通じて収集されたポイントクラウドに基づいて設定された３Ｄジオフェンスを利用してより効率的な物流管理を可能にさせるライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法、装置およびコンピュータプログラムに関する。
【背景技術】
【0002】
通常的に、工場で生産された物品が販売されてその物品を購入する消費者に伝達されるためには、多くの段階の物流処理過程を経なければならない。具体的な物流処理過程の場合、販売される物品の種類によって異なり得るが、生産工場で物品が生産されると、その物品は一定の数量別にコンテナなどに搭載された後、トラックなどの運送手段によって全国各地にある物流会社の物流センターに移送され、各物流センターではさらに各地域の代理店や集荷場などに物品を移送してから、最終的に小売店や消費者に伝達されながら販売がなされるのが一般的である。
【0003】
特に、物流処理過程において、物品が工場で出荷された後、小売店や消費者に最終的に伝達されるまで物流倉庫に積載されている場合が多いが、物流処理過程を経る間に物流倉庫に入庫されたり物流倉庫から出庫される物品の入出庫状況や、現在物流倉庫に積載されている在庫の現況を正確に把握することすなわち、物流倉庫内で遂行される物流管理が非常に重要な要素と言える。
一方、従来の物流倉庫での物品積載管理および在庫管理は、在庫現況を管理する作業者や管理者が各物流センターごとに備えられている倉庫のサーバーコンピュータなどから該当物品に対する現在の在庫現況を検索した後、検索された在庫現況を出力して直接倉庫の積載台に行って物品を確認するなどの手作業によって遂行されてきたという不都合な点があった。
一方、従来の物流倉庫での物品積載管理および在庫管理は、在庫現況を管理する作業者や管理者が各物流センターごとに備えられている倉庫のサーバーコンピュータなどから該当物品に対する現在の在庫現況を検索した後、検索された在庫現況を出力して直接倉庫の積載台に行って物品を確認するなどの手作業によって遂行されてきたという不都合な点があった。
【0004】
また、検索された在庫現況と積載台で確認した実際の物品積載現況が一致しない場合には、再び倉庫のサーバーコンピュータに戻って該当物品の在庫現況を修正するなど、在庫現況を把握するための過程を反復的にいちいち遂行しなければならないという点で、非常に非効率的であるという問題がある。
また、物品が積載される物流センターに備えられている倉庫は、全国各地から集まった物品や全国各地に送られる物品が一定期間の間積載されていなければならないため比較的規模が大きく形成され、このように大規模な倉庫を管理するためには多数の人員が必要であるという問題がある。
また、物品が積載される物流センターに備えられている倉庫は、全国各地から集まった物品や全国各地に送られる物品が一定期間の間積載されていなければならないため比較的規模が大きく形成され、このように大規模な倉庫を管理するためには多数の人員が必要であるという問題がある。
【発明の概要】
【発明が解決しようとする課題】
【0005】
本発明が解決しようとする課題は、前述された従来の問題を解消するための目的で、ライダセンサを通じて物品を積載するための棚をスキャンすることによって収集されたポイントクラウドを利用して棚に対応する３Ｄジオフェンスを設定し、３Ｄジオフェンスを利用して物品の積載の有無、物品の積載量などの物品の積載に関連した物品積載情報を生成し、生成された物品積載情報を利用して物流管理ソリューションを提供することによって、より効率的に物流管理を遂行できるようにするライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法、装置およびコンピュータプログラムを提供することである。
本発明が解決しようとする課題は以上で言及された課題に制限されず、言及されていないさらに他の課題は下記の記載から通常の技術者に明確に理解され得るであろう。
本発明が解決しようとする課題は以上で言及された課題に制限されず、言及されていないさらに他の課題は下記の記載から通常の技術者に明確に理解され得るであろう。
【課題を解決するための手段】
【0006】
前述した課題を解決するための本発明の一実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法は、コンピューティング装置によって遂行される方法において、所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階、前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階および前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含むことができる。
【0007】
多様な実施例において、前記３Ｄジオフェンスを設定する段階は、ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを出力するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を提供する段階、前記提供されたユーザインターフェースを通じて前記棚の外形に対応する３次元空間を定義するユーザ入力を獲得する段階および前記獲得されたユーザ入力に基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含むことができる。
【0008】
多様な実施例において、前記３Ｄジオフェンスを設定する段階は、ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを収集する段階、前記収集されたポイントクラウドを分析して前記棚の外形に対応するベクトルを抽出する段階および前記抽出されたベクトルに基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含むことができる。
【0009】
多様な実施例において、前記物品積載情報を生成する段階は、前記所定の領域に対するポイントクラウドを収集する段階、前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階および前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して客体を識別し、前記識別された客体を利用して前記棚に対する第１物品積載情報－前記第１物品積載情報は客体の識別の有無、客体の位置および客体の種類のうち少なくとも一つを含む－を生成する段階を含むことができる。
【0010】
多様な実施例において、前記物品積載情報を生成する段階は、前記所定の領域に対するポイントクラウドを収集する段階、前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階および前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記棚の積載率を算出し、前記算出された積載率に関する情報を含む第２物品積載情報を生成する段階を含むことができる。
【0011】
多様な実施例において、前記第２物品積載情報を生成する段階は、前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記設定された３Ｄジオフェンス内に積載された客体を識別する段階および前記棚の積載率として、前記識別された３Ｄジオフェンスの面積対比前記識別された客体の面積の比率を算出する段階を含むことができる。
多様な実施例において、前記第２物品積載情報を生成する段階は、前記識別された３Ｄジオフェンスが複数の段を含む場合、前記複数の段それぞれに対応するポイントクラウドを分析して前記複数の段それぞれに積載された客体を識別する段階、前記複数の段それぞれの積載率として、前記複数の段それぞれの高さ対比前記識別された客体の高さの比率を算出する段階および前記複数の段それぞれの積載率を合算して前記棚の積載率を算出する段階を含むことができる。
多様な実施例において、前記第２物品積載情報を生成する段階は、前記識別された３Ｄジオフェンスが複数の段を含む場合、前記複数の段それぞれに対応するポイントクラウドを分析して前記複数の段それぞれに積載された客体を識別する段階、前記複数の段それぞれの積載率として、前記複数の段それぞれの高さ対比前記識別された客体の高さの比率を算出する段階および前記複数の段それぞれの積載率を合算して前記棚の積載率を算出する段階を含むことができる。
【0012】
多様な実施例において、前記物流管理ソリューションを提供する段階は、前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供するものの、前記予め設定された条件は前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されることである、段階を含むことができる。
【0013】
前述した課題を解決するための本発明の他の実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供装置は、プロセッサ、ネットワークインターフェース、メモリおよび前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含むものの、前記コンピュータプログラムは、所定の領域に配置された棚に対応する３Ｄジオフェンスを設定するインストラクション（ｉｎｓｔｒｕｃｔｉｏｎ）、前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成するインストラクションおよび前記生成された物品積載情報を利用して物流管理ソリューションを提供するインストラクションを含むことができる。
【0014】
前述した課題を解決するための本発明のさらに他の実施例に係るコンピュータプログラムは、コンピューティング装置と結合され、所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階、前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階および前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含むライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法を実行させるためにコンピューティング装置で読み取り可能な記録媒体に保存され得る。
本発明のその他の具体的な事項は詳細な説明および図面に含まれている。
本発明のその他の具体的な事項は詳細な説明および図面に含まれている。
【発明の効果】
【0015】
本発明の多様な実施例によると、ライダセンサを通じて物品を積載するための棚をスキャンすることによって収集されたポイントクラウドを利用して棚に対応する３Ｄジオフェンスを設定し、３Ｄジオフェンスを利用して物品の積載の有無、物品の積載量などの物品の積載に関連した物品積載情報を生成し、生成された物品積載情報を利用して物流管理ソリューションを提供することによって、より効率的に物流管理を遂行できるようにするという利点がある。
本発明の効果は以上で言及された効果に制限されず、言及されていないさらに他の効果は下記の記載から通常の技術者に明確に理解され得るであろう。
本発明の効果は以上で言及された効果に制限されず、言及されていないさらに他の効果は下記の記載から通常の技術者に明確に理解され得るであろう。
【図面の簡単な説明】
【0016】
【図1】本発明の一実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供システムを図示した図面である。
【図2】本発明の他の実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供装置のハードウェア構成図である。
【図3】本発明のさらに他の実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法のフローチャートである。
【図4】多様な実施例において、棚に対応する３Ｄジオフェンスを例示的に図示した図面である。
【図5】多様な実施例において、ユーザ入力により３Ｄジオフェンスを設定する方法を説明するためのフローチャートである。
【図6】多様な実施例において、ユーザ入力により３Ｄジオフェンスの属性を決定する形態を例示的に図示した図面である。
【図7】多様な実施例において、ユーザ入力により３Ｄジオフェンスの属性を決定する形態を例示的に図示した図面である。
【図8】多様な実施例において、ポイントクラウドに基づいて３Ｄジオフェンスを自動設定する方法を説明するためのフローチャートである。
【図9】多様な実施例において、物品積載情報を生成する方法を説明するためのフローチャートである。
【図10】多様な実施例において、棚に対する積載率を算出する過程を説明するための図面である。
【図11】多様な実施例において、棚に対する積載率を算出する過程を説明するための図面である。
【図12】多様な実施例において、棚、棚に含まれた段およびマスそれぞれに対して条件を設定する形態を例示的に図示した図面である。
【図13】多様な実施例において、物流管理ソリューションを提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を例示的に図示した図面である。
【図14】多様な実施例において、物流管理ソリューションを提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を例示的に図示した図面である。
【図15】多様な実施例において、物流管理ソリューションを提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を例示的に図示した図面である。
【発明を実施するための形態】
【0017】
本発明の利点および特徴、そしてそれらを達成する方法は、添付される図面と共に詳細に後述されている実施例を参照すると明確となるであろう。しかし、本発明は以下で開示される実施例に制限されるものではなく、互いに異なる多様な形態で具現され得、ただし、本実施例は本発明の開示を完全なものとし、本発明が属する技術分野の通常の技術者に本発明の範疇を完全に知らせるために提供されるものであり、本発明は請求項の範疇によって定義されるのみである。
【0018】
本明細書で使われた用語は、実施例を説明するためのものであって、本発明を制限しようとするものではない。本明細書で、単数型は文面で特に言及しない限り複数型も含む。明細書で使われる「含む（ｃｏｍｐｒｉｓｅｓ）」および／または「含む（ｃｏｍｐｒｉｓｉｎｇ）」は言及された構成要素の他に一つ以上の他の構成要素の存在または追加を排除しない。明細書全体に亘って同一の図面符号は同一の構成要素を指し示し、「および／または」は言及された構成要素のそれぞれおよび一つ以上のすべての組み合わせを含む。たとえ「第１」、「第２」等が多様な構成要素を叙述するために使われるが、これらの構成要素はこれらの用語によって制限されないことは言うまでもない。これらの用語は単に一つの構成要素を他の構成要素と区別するために使うものである。したがって、以下で言及される第１構成要素は本発明の技術的思想内で第２構成要素であってもよいことは言うまでもない。
他の定義がない限り、本明細書で使われるすべての用語（技術および科学的用語を含む）は、本発明が属する技術分野の通常の技術者に共通して理解され得る意味で使われ得るであろう。また、一般的に使われる辞書に定義されている用語は明白に特に定義されていない限り理想的にまたは過度に解釈されない。
他の定義がない限り、本明細書で使われるすべての用語（技術および科学的用語を含む）は、本発明が属する技術分野の通常の技術者に共通して理解され得る意味で使われ得るであろう。また、一般的に使われる辞書に定義されている用語は明白に特に定義されていない限り理想的にまたは過度に解釈されない。
【0019】
明細書で使われる「部」または「モジュール」という用語は、ソフトウェア、ＦＰＧＡまたはＡＳＩＣのようなハードウェア構成要素を意味し、「部」または「モジュール」は何らかの役割を遂行する。しかし、「部」または「モジュール」はソフトウェアまたはハードウェアに限定される意味ではない。「部」または「モジュール」はアドレッシングできる保存媒体にあるように構成されてもよく、一つまたはそれ以上のプロセッサを再生させるように構成されてもよい。したがって、一例として、「部」または「モジュール」はソフトウェア構成要素、客体指向ソフトウェア構成要素、クラス構成要素およびタスク構成要素のような構成要素と、プロセス、関数、属性、プロシーザー、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイおよび変数を含む。構成要素と「部」または「モジュール」内で提供される機能はさらに小さい数の構成要素および「部」または「モジュール」に結合されるか追加的な構成要素と「部」または「モジュール」にさらに分離され得る。
空間的に相対的な用語である「下（ｂｅｌｏｗ）」、「下（ｂｅｎｅａｔｈ）」、「下部（ｌｏｗｅｒ）」、「上（ａｂｏｖｅ）」、「上部（ｕｐｐｅｒ）」などは、図面に図示されているように一つの構成要素と他の構成要素との相関関係を容易に記述するために使われ得る。空間的に相対的な用語は、図面に図示されている方向に加え、使用時または動作時の構成要素の互いに異なる方向を含む用語で理解されるべきである。例えば、図面に図示されている構成要素をひっくり返す場合、他の構成要素の「下（ｂｅｌｏｗ）」または「下（ｂｅｎｅａｔｈ）」と記述された構成要素は他の構成要素の「上（ａｂｏｖｅ）」に置かれ得る。したがって、例示的な用語である「下」は下と上の方向をすべて含むことができる。構成要素は他の方向にも配向され得、これに伴い、空間的に相対的な用語は配向により解釈され得る。
空間的に相対的な用語である「下（ｂｅｌｏｗ）」、「下（ｂｅｎｅａｔｈ）」、「下部（ｌｏｗｅｒ）」、「上（ａｂｏｖｅ）」、「上部（ｕｐｐｅｒ）」などは、図面に図示されているように一つの構成要素と他の構成要素との相関関係を容易に記述するために使われ得る。空間的に相対的な用語は、図面に図示されている方向に加え、使用時または動作時の構成要素の互いに異なる方向を含む用語で理解されるべきである。例えば、図面に図示されている構成要素をひっくり返す場合、他の構成要素の「下（ｂｅｌｏｗ）」または「下（ｂｅｎｅａｔｈ）」と記述された構成要素は他の構成要素の「上（ａｂｏｖｅ）」に置かれ得る。したがって、例示的な用語である「下」は下と上の方向をすべて含むことができる。構成要素は他の方向にも配向され得、これに伴い、空間的に相対的な用語は配向により解釈され得る。
【0020】
本明細書で、コンピュータは少なくとも一つのプロセッサを含むすべての種類のハードウェア装置を意味するものであり、実施例により該当ハードウェア装置で動作するソフトウェア的構成も包括する意味として理解され得る。例えば、コンピュータはスマートフォン、タブレットＰＣ、デスクトップ、ノートパソコンおよび各装置で駆動されるユーザクライアントおよびアプリケーションをすべて含む意味として理解され得、また、これに制限されるものではない。
【0021】
以下、添付された図面を参照して本発明の実施例を詳細に説明する。
本明細書で説明される各段階はコンピュータによって遂行されるものとして説明されるが、各段階の主体はこれに制限されるものではなく、実施例により各段階の少なくとも一部が互いに異なる装置で遂行されてもよい。
本明細書で説明される各段階はコンピュータによって遂行されるものとして説明されるが、各段階の主体はこれに制限されるものではなく、実施例により各段階の少なくとも一部が互いに異なる装置で遂行されてもよい。
【0022】
図１は、本発明の一実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供システムを図示した図面である。
図１を参照すると、本発明の一実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供システムは、物流管理ソリューション提供装置１００、ユーザ端末２００、外部サーバー３００およびネットワーク４００を含むことができる。
図１を参照すると、本発明の一実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供システムは、物流管理ソリューション提供装置１００、ユーザ端末２００、外部サーバー３００およびネットワーク４００を含むことができる。
【0023】
ここで、図１に図示されたライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供システムは一実施例によるものであり、その構成要素は図１に図示された実施例に限定されず、必要に応じて付加、変更または削除され得る。
一実施例において、物流管理ソリューション提供装置１００（以下、「コンピューティング装置１００」）はより効率的な物流管理のための目的で、物流管理を遂行するユーザに物流管理ソリューションを提供することができる。
一実施例において、物流管理ソリューション提供装置１００（以下、「コンピューティング装置１００」）はより効率的な物流管理のための目的で、物流管理を遂行するユーザに物流管理ソリューションを提供することができる。
【0024】
一例として、コンピューティング装置１００はユーザの要請により所定の領域（例えば、物流倉庫）内に配置された複数の棚それぞれに対する物品積載情報を生成し、これを通じて複数の棚それぞれに対する物品積載の有無、物品の積載率および積載された物品の種類に関する情報を提供する物流管理ソリューションを提供することができる。
他の例として、コンピューティング装置１００は複数の棚それぞれに対する物品積載情報に基づいてユーザに通知を提供する物流管理ソリューションを提供することができる。
他の例として、コンピューティング装置１００は複数の棚それぞれに対する物品積載情報に基づいてユーザに通知を提供する物流管理ソリューションを提供することができる。
【0025】
さらに他の例として、コンピューティング装置１００は所定期間の間の物品積載情報を統計化して提供する物流管理ソリューションを提供することができる。
さらに他の例として、コンピューティング装置１００は特定物品の種類、特定物品の積載位置、特定物品の移動履歴などを含むヒストリー情報を提供する物流管理ソリューションを提供することができる。しかし、これに限定されない。
さらに他の例として、コンピューティング装置１００は特定物品の種類、特定物品の積載位置、特定物品の移動履歴などを含むヒストリー情報を提供する物流管理ソリューションを提供することができる。しかし、これに限定されない。
【0026】
多様な実施例において、コンピューティング装置１００は特定の棚に対応する３Ｄジオフェンスを設定することができ、３Ｄジオフェンスを利用して特定の棚に対する物品積載情報を生成することができる。
【0027】
多様な実施例において、コンピューティング装置１００はネットワーク４００を通じてユーザ端末２００と連結され得、ユーザ端末２００に物流管理ソリューションを提供することができる。例えば、コンピューティング装置１００が提供する物流管理ソリューション提供サービスはウェブまたはアプリケーションの形態で具現され得、ユーザ端末２００を通じてウェブまたはアプリケーションを駆動することによってコンピューティング装置１００が提供する物流管理ソリューション提供サービスが実行され得る。
【0028】
ここで、ユーザ端末２００はウェブまたはアプリケーションの駆動が可能な運営体制を含み、ウェブまたはアプリケーションを実行することによって提供されるＵＩ（例：図１２～図１５）を出力するためのディスプレイが少なくとも一部の領域に備えられるスマートフォン（Ｓｍａｒｔｐｈｏｎｅ）であり得るが、これに限定されず、ユーザ端末２００は、携帯性と移動性が保障される無線通信装置であって、ナビゲーション、ＰＣＳ（Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）、ＧＳＭ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＰＤＣ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ｃｅｌｌｕｌａｒ）、ＰＨＳ（Ｐｅｒｓｏｎａｌ Ｈａｎｄｙｐｈｏｎｅ Ｓｙｓｔｅｍ）、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＩＭＴ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ）－２０００、ＣＤＭＡ（Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）－２０００、Ｗ－ＣＤＭＡ（Ｗ－Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）、Ｗｉｂｒｏ（Ｗｉｒｅｌｅｓｓ Ｂｒｏａｄｂａｎｄ Ｉｎｔｅｒｎｅｔ）端末、スマートパッド（Ｓｍａｒｔｐａｄ）、タブレットＰＣ（Ｔａｂｌｅｔ ＰＣ）などのようなすべての種類のハンドヘルド（Ｈａｎｄｈｅｌｄ）基盤の無線通信装置を含むことができるが、これに限定されない。
【0029】
一実施例において、外部サーバー３００はネットワーク４００を通じてコンピューティング装置１００と連結され得、コンピューティング装置１００がライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法を遂行するために必要な各種情報およびデータを保存および管理したり、ライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法を遂行することによって生成する各種情報およびデータを収集して保存および管理することができる。例えば、外部サーバー３００はコンピューティング装置１００の外部に別途に備えられる保存サーバーであり得るが、これに限定されない。以下、図２を参照してライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法を遂行するコンピューティング装置１００のハードウェア構成について説明することにする。
【0030】
図２は、本発明の他の実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供装置のハードウェア構成図である。
図２を参照すると、多様な実施例において、コンピューティング装置１００は一つ以上のプロセッサ１１０、プロセッサ１１０によって遂行されるコンピュータプログラム１５１をロード（Ｌｏａｄ）するメモリ１２０、バス１３０、通信インターフェース１４０およびコンピュータプログラム１５１を保存するストレージ１５０を含むことができる。ここで、図２には本発明の実施例と関連する構成要素のみ図示されている。したがって、本発明が属した技術分野の通常の技術者であれば、図２に図示された構成要素の他に他の汎用的な構成要素がさらに含まれ得ることが分かる。
図２を参照すると、多様な実施例において、コンピューティング装置１００は一つ以上のプロセッサ１１０、プロセッサ１１０によって遂行されるコンピュータプログラム１５１をロード（Ｌｏａｄ）するメモリ１２０、バス１３０、通信インターフェース１４０およびコンピュータプログラム１５１を保存するストレージ１５０を含むことができる。ここで、図２には本発明の実施例と関連する構成要素のみ図示されている。したがって、本発明が属した技術分野の通常の技術者であれば、図２に図示された構成要素の他に他の汎用的な構成要素がさらに含まれ得ることが分かる。
【0031】
プロセッサ１１０はコンピューティング装置１００の各構成の全般的な動作を制御する。プロセッサ１１０はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｏｒ Ｕｎｉｔ）、ＭＣＵ（Ｍｉｃｒｏ Ｃｏｎｔｒｏｌｌｅｒ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）または本発明の技術分野に広く知られている任意の形態のプロセッサを含んで構成され得る。
【0032】
また、プロセッサ１１０は本発明の実施例に係る方法を実行するための少なくとも一つのアプリケーションまたはプログラムに対する演算を遂行すことができ、コンピューティング装置１００は一つ以上のプロセッサを具備することができる。
【0033】
多様な実施例において、プロセッサ１１０はプロセッサ１１０内部で処理される信号（またはデータ）を一時的および／または永久的に保存するラム（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、図示されず）およびロム（ＲＯＭ：Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、図示されず）をさらに含むことができる。また、プロセッサ１１０はグラフィック処理部、ラムおよびロムのうち少なくとも一つを含むシステムオンチップ（ＳｏＣ：ｓｙｓｔｅｍ ｏｎ ｃｈｉｐ）の形態で具現され得る。
【0034】
メモリ１２０は各種データ、命令および／または情報を保存する。メモリ１２０は本発明の多様な実施例に係る方法／動作を実行するためにストレージ１５０からコンピュータプログラム１５１をロードすることができる。メモリ１２０にコンピュータプログラム１５１がロードされると、プロセッサ１１０はコンピュータプログラム１５１を構成する一つ以上のインストラクションを実行することによって前記方法／動作を遂行できる。メモリ１２０はＲＡＭのような揮発性メモリで具現され得るが、本開示の技術的範囲はこれに限定されるものではない。
【0035】
バス１３０はコンピューティング装置１００の構成要素間の通信機能を提供する。バス１３０はアドレスバス（ａｄｄｒｅｓｓ Ｂｕｓ）、データバス（Ｄａｔａ Ｂｕｓ）および制御バス（Ｃｏｎｔｒｏｌ Ｂｕｓ）などの多様な形態のバスで具現され得る。
通信インターフェース１４０はコンピューティング装置１００の有線／無線インターネット通信を支援する。また、通信インターフェース１４０はインターネット通信以外の多様な通信方式を支援してもよい。このために、通信インターフェース１４０は本発明の技術分野に広く知られている通信モジュールを含んで構成され得る。いくつかの実施例において、通信インターフェース１４０は省略されてもよい。
通信インターフェース１４０はコンピューティング装置１００の有線／無線インターネット通信を支援する。また、通信インターフェース１４０はインターネット通信以外の多様な通信方式を支援してもよい。このために、通信インターフェース１４０は本発明の技術分野に広く知られている通信モジュールを含んで構成され得る。いくつかの実施例において、通信インターフェース１４０は省略されてもよい。
【0036】
ストレージ１５０はコンピュータプログラム１５１を非臨時的に保存することができる。コンピューティング装置１００を通じてライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供プロセスを遂行する場合、ストレージ１５０はライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供プロセスを提供するために必要な各種情報を保存することができる。
【0037】
ストレージ１５０はＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、フラッシュメモリなどのような不揮発性メモリ、ハードディスク、着脱型ディスク、または本発明が属する技術分野で広く知られている任意の形態のコンピュータで読み取り可能な記録媒体を含んで構成され得る。
【0038】
コンピュータプログラム１５１はメモリ１２０にロードされる時、プロセッサ１１０に本発明の多様な実施例に係る方法／動作を遂行するようにさせる一つ以上のインストラクションを含むことができる。すなわち、プロセッサ１１０は前記一つ以上のインストラクションを実行することによって、本発明の多様な実施例に係る前記方法／動作を遂行できる。
一実施例において、コンピュータプログラム１５１は所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階、設定された３Ｄジオフェンスを利用して棚に対する物品積載情報を生成する段階および生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含むライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法を遂行するようにする一つ以上のインストラクションを含むことができる。
一実施例において、コンピュータプログラム１５１は所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階、設定された３Ｄジオフェンスを利用して棚に対する物品積載情報を生成する段階および生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含むライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法を遂行するようにする一つ以上のインストラクションを含むことができる。
【0039】
本発明の実施例と関連して説明された方法またはアルゴリズムの段階はハードウェアで直接具現されるか、ハードウェアによって実行されるソフトウェアモジュールで具現されるか、またはこれらの結合によって具現され得る。ソフトウェアモジュールはＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）、ハードディスク、着脱型ディスク、ＣＤ－ＲＯＭ。または本発明が属する技術分野で広く知られている任意の形態のコンピュータ読み取り可能記録媒体に常駐してもよい。
【0040】
本発明の構成要素はハードウェアであるコンピュータと結合されて実行されるために、プログラム（またはアプリケーション）で具現されて媒体に保存され得る。本発明の構成要素はソフトウェアプログラミングまたはソフトウェア要素で実行され得、これと同様に、実施例はデータ構造、プロセス、ルーチンまたは他のプログラミング構成の組み合わせで具現される多様なアルゴリズムを含み、Ｃ、Ｃ＋＋、ジャバ（Ｊａｖａ）、アセンブラ（ａｓｓｅｍｂｌｅｒ）などのようなプログラミングまたはスクリプト言語で具現され得る。機能的な側面は一つ以上のプロセッサで実行されるアルゴリズムで具現され得る。以下、図３～図１５を参照して、コンピューティング装置１００により実行されるライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法について説明することにする。
【0041】
図３は、本発明のさらに他の実施例に係るライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法のフローチャートである。
図３を参照すると、Ｓ１１０段階で、コンピューティング装置１００は所定の領域に配置された棚に対応する３Ｄジオフェンスを設定することができる。
多様な実施例において、コンピューティング装置１００はライダセンサを通じて所定の領域（例えば、物流倉庫内部領域）をスキャンすることによって収集されるポイントクラウド（Ｐｏｉｎｔ Ｃｌｏｕｄ）を利用して所定の領域に配置される複数の棚それぞれに対応する複数の３Ｄジオフェンスを設定することができる（例：図４）。
図３を参照すると、Ｓ１１０段階で、コンピューティング装置１００は所定の領域に配置された棚に対応する３Ｄジオフェンスを設定することができる。
多様な実施例において、コンピューティング装置１００はライダセンサを通じて所定の領域（例えば、物流倉庫内部領域）をスキャンすることによって収集されるポイントクラウド（Ｐｏｉｎｔ Ｃｌｏｕｄ）を利用して所定の領域に配置される複数の棚それぞれに対応する複数の３Ｄジオフェンスを設定することができる（例：図４）。
【0042】
ここで、ポイントクラウドはライダセンサを通じて収集された点群形態のライダセンサデータであるものとして説明しているが、これに限定されず、レーダーセンサ、カメラセンサ（例：Ｄｅｐｔｈ Ｃａｍｅｒａ）等の点群形態のセンサデータを収集可能な装置であればいかなる装置であっても適用が可能である。
【0043】
また、ここで、ポイントクラウドを収集するライダセンサは、物流倉庫の内部を移動しながら棚に物品を移送する車両（例えば、リフト車）に設置され得、ライダセンサが設置された車両が物流倉庫を走行する過程でリアルタイム／周期的にポイントクラウドを収集することができる。
【0044】
このように、ライダセンサが所定の領域（物流倉庫）内の特定位置に固定設置されるのではなくリフト車に設置される場合、リフト車が移動する過程で所定の領域内に配置された棚に対応するポイントクラウドを収集できるため、特定位置にライダセンサを固定的に設置する方式対比少ない個数のライダセンサのみを利用してより効率的にポイントクラウド収集が可能であるという利点がある。
【0045】
また、ライダセンサがリフト車に設置される場合、物流倉庫内の特定位置にライダセンサを固定的に設置する方式対比近距離で棚に対するポイントクラウドを収集できるため、棚および棚に積載された物品に対するポイントクラウドをより正確に収集することができるという利点がある。
【0046】
また、ライダセンサがリフト車に設置される場合、特定の棚に物品を積載したり、特定の棚に積載された物品を他の場所に移動する過程で特定の棚に対するポイントクラウドをリアルタイムで収集できるため、このようなポイントクラウドに基づいて特定の棚に対する物流積載情報をより迅速かつ正確に更新することができるという利点がある。
【0047】
また、ライダセンサがリフト車に設置される場合、リフト車を利用して物品を運んだり、特定の棚に積載された物品を他の棚に移動する過程に対するポイントクラウドを収集できるため、このようなポイントクラウドとリフト車の移動経路に基づいてリフト車を通じて運搬される物品に対する移動内訳などのヒストリー管理が容易であるという利点がある。
【0048】
ここで、所定の領域内に複数のリフト車が運用される場合、複数のリフト車それぞれにライダセンサが設置され得るが、場合により複数のリフト車のうち少なくとも一つのリフト車にのみ選択的にライダセンサが設置され得る。また、場合によりリフト車に設置されたライダセンサと所定の領域内に固定的に設置されるライダセンサを共に運用する形態でも具現され得る。
【0049】
多様な実施例において、コンピューティング装置１００はユーザ入力により３Ｄジオフェンスを設定したりまたはポイントクラウドに基づいて３Ｄジオフェンスを自動設定することができる。以下、図５～図８を参照してより具体的に説明することにする。
【0050】
図５は、多様な実施例において、ユーザ入力により３Ｄジオフェンスを設定する方法を説明するためのフローチャートである。
図５を参照すると、多様な実施例において、コンピューティング装置１００はポイントクラウドに基づいて獲得されたユーザ入力に基づいて、棚に対応する３Ｄジオフェンスを設定することができる。
図５を参照すると、多様な実施例において、コンピューティング装置１００はポイントクラウドに基づいて獲得されたユーザ入力に基づいて、棚に対応する３Ｄジオフェンスを設定することができる。
【0051】
Ｓ２１０段階で、コンピューティング装置１００は所定の領域に対するポイントクラウドを収集することができる。例えば、コンピューティング装置１００はリフト車に設置されたライダセンサを通じて所定の領域をスキャンすることによって生成されるポイントクラウドを収集することができるが、これに限定されない。
【0052】
Ｓ２２０段階で、コンピューティング装置１００はＳ２１０段階を経て収集されたポイントクラウドを出力するＵＩをユーザに提供することができる。
ここで、ユーザに提供するＵＩは、ポイントクラウドを出力するポイントクラウド出力フィールドとポイントクラウド上に３Ｄジオフェンスを設定するための入力道具を出力する入力道具フィールドを含むことができるが、これに限定されない。
ここで、ユーザに提供するＵＩは、ポイントクラウドを出力するポイントクラウド出力フィールドとポイントクラウド上に３Ｄジオフェンスを設定するための入力道具を出力する入力道具フィールドを含むことができるが、これに限定されない。
【0053】
Ｓ２３０段階で、コンピューティング装置１００はＳ２２０段階を経て提供されたＵＩを通じて、ユーザから特定の棚の外形に対応する３次元空間を定義するユーザ入力を獲得することができ、獲得したユーザ入力に基づいて特定の棚に対応する３Ｄジオフェンスを設定することができる。
【0054】
多様な実施例において、コンピューティング装置１００はＵＩの入力道具フィールドを通じて複数の入力道具（例えば、ポイントクラウド上に点、線および面を描くことによって３次元空間を定義する道具）を提供することができ、入力道具フィールドを通じて獲得されたユーザ入力とポイントクラウド出力フィールドを通じて獲得されたユーザ入力に基づいて特定の棚に対応する３Ｄジオフェンスを設定することができる。
【0055】
例えば、コンピューティング装置１００はユーザから複数の入力道具のうち「点」を選択するユーザ入力とポイントクラウド上の４個の点を選択するユーザ入力を獲得することによりポイントクラウド上に４個の点を設定することによって３Ｄジオフェンスの底面を設定することができ、４個の点それぞれに対する高さを設定するユーザ入力（例えば、４個のポイントそれぞれに対する高さ軸方向へのドラッグ入力など）を獲得することにより特定の棚に対応する３次元空間形態の３Ｄジオフェンスを設定することができる。
【0056】
多様な実施例において、コンピューティング装置１００は事前に設定されたプレセット（Ｐｒｅ－ｓｅｔ）（例えば、３Ｄジオフェンス設定のために事前に設定された３Ｄジオフェンステンプレートとして、例えば、互いに異なる大きさの正六面体、直六面体など）に基づいて特定の棚に対する３Ｄジオフェンスを設定することができる。
【0057】
例えば、コンピューティング装置１００はＵＩを通じて事前に設定された複数のプレセットを提供することができ、ユーザが特定のプレセットを選択することに対応してポイントクラウド上に特定のプレセットを出力することができ、特定のプレセットに対するユーザ入力（例えば、特定のプレセットの位置、大きさ、形態および角度のうち少なくとも一つを調節するユーザ入力）により特定のプレセットを加工することによって、特定の棚に対応する３Ｄジオフェンス領域を設定することができる。
この時、コンピューティング装置１００は所定期間の間ユーザの３Ｄジオフェンス設定履歴に基づいて、特定の属性（例えば、大きさ、形態、角度等）を有する３Ｄジオフェンスが予め設定された回数以上設定される場合、予め設定された回数以上設定された３Ｄジオフェンスをプレセットとして設定して保存すなわち、ユーザがよく使う形態の３Ｄジオフェンスをテンプレート化することによって、今後ユーザがより迅速かつ便利に３Ｄジオフェンスを設定できるようにする。
この時、コンピューティング装置１００は所定期間の間ユーザの３Ｄジオフェンス設定履歴に基づいて、特定の属性（例えば、大きさ、形態、角度等）を有する３Ｄジオフェンスが予め設定された回数以上設定される場合、予め設定された回数以上設定された３Ｄジオフェンスをプレセットとして設定して保存すなわち、ユーザがよく使う形態の３Ｄジオフェンスをテンプレート化することによって、今後ユーザがより迅速かつ便利に３Ｄジオフェンスを設定できるようにする。
【0058】
多様な実施例において、コンピューティング装置１００は特定の棚の大きさ値に基づいて特定の棚に対する３Ｄジオフェンスを設定することができる。例えば、コンピューティング装置１００はＵＩを通じて特定の棚に対する大きさ値（例えば、特定の棚の横、縦および高さ値）の入力を受けることができ、入力された大きさ値に基づいて３次元空間を生成および出力することができ、出力された３次元空間に対するユーザ入力（例えば、３次元空間の位置、大きさ、形態および角度を調節するユーザ入力）により特定の棚に対応する３Ｄジオフェンス領域を設定することができる。
【0059】
多様な実施例において、コンピューティング装置１００は予め学習された人工知能モデルを通じてポイントクラウドを分析することによって特定の棚の外形に関する一つ以上の特徴値を抽出することができ、抽出された一つ以上の特徴値を利用して特定の棚に対応する３次元空間を生成することができ、生成された３次元空間に対するユーザ入力（例えば、３次元空間の位置、大きさ、形態および角度を調節するユーザ入力）により特定の棚に対応する３Ｄジオフェンス領域を設定することができる。
【0060】
ここで、予め学習された人工知能モデルは複数の棚それぞれに対応するポイントクラウドを学習データとして予め学習されたモデルであり得る。
人工知能モデル（例：ニューラルネットワーク）は一つ以上のネットワーク関数で構成され、一つ以上のネットワーク関数は一般的に「ノード」と指称され得る互いに連結された計算単位の集合で構成され得る。このような「ノード」は「ニューロン（ｎｅｕｒｏｎ）」と指称されてもよい。一つ以上のネットワーク関数は少なくとも一つ以上のノードを含んで構成される。一つ以上のネットワーク関数を構成するノード（またはニューロン）は一つ以上の「リンク」により互いに連結され得る。
人工知能モデル（例：ニューラルネットワーク）は一つ以上のネットワーク関数で構成され、一つ以上のネットワーク関数は一般的に「ノード」と指称され得る互いに連結された計算単位の集合で構成され得る。このような「ノード」は「ニューロン（ｎｅｕｒｏｎ）」と指称されてもよい。一つ以上のネットワーク関数は少なくとも一つ以上のノードを含んで構成される。一つ以上のネットワーク関数を構成するノード（またはニューロン）は一つ以上の「リンク」により互いに連結され得る。
【0061】
人工知能モデル内で、リンクを通じて連結された一つ以上のノードは、相対的に入力ノードおよび出力ノードの関係を形成することができる。入力ノードおよび出力ノードの概念は相対的なものであり、一つのノードに対して出力ノード関係にある任意のノードは他のノードとの関係で入力ノード関係にあり得、その逆も成立できる。前述した通り、入力ノード対出力ノード関係はリンクを中心に生成され得る。一つの入力ノードに一つ以上の出力ノードがリンクを通じて連結され得、その逆も成立できる。
【0062】
一つのリンクを通じて連結された入力ノードおよび出力ノード関係で、出力ノードは入力ノードに入力されたデータに基づいてその値が決定され得る。ここで入力ノードと出力ノードを互いに連結するノードは加重値（ｗｅｉｇｈｔ）を有することができる。加重値は可変的であり得、人工知能モデルが望む機能を遂行するために、ユーザまたはアルゴリズムによって可変され得る。例えば、一つの出力ノードに一つ以上の入力ノードがそれぞれのリンクによって互いに連結された場合、出力ノードは前記出力ノードと連結された入力ノードに入力された値およびそれぞれの入力ノードに対応するリンクに設定された加重値に基づいて出力ノード値を決定することができる。
【0063】
前述した通り、人工知能モデルは一つ以上のノードが一つ以上のリンクを通じて互いに連結されて人工知能モデル内で入力ノードおよび出力ノード関係を形成する。人工知能モデル内でノードとリンクの個数およびノードとリンクの間の相関関係、リンクそれぞれに付与された加重値の値により、人工知能モデルの特性が決定され得る。例えば、同じ個数のノードおよびリンクが存在し、リンク間の加重値値が異なる二つの人工知能モデルが存在する場合、二つの人工知能モデルは互いに異なるものと認識され得る。
【0064】
人工知能モデルを構成するノードのうち一部は、最初入力ノードからの距離に基づいて、一つのレイヤ（ｌａｙｅｒ）を構成することができる。例えば、最初入力ノードから距離がｎであるノードの集合は、ｎレイヤを構成することができる。最初入力ノードから距離は、最初入力ノードから該当ノードまで到達するために経なければならないリンクの最小個数によって定義され得る。しかし、このようなレイヤの定義は説明のための任意的なものであって、人工知能モデル内でレイヤの次数は前述したものと異なる方法で定義され得る。例えば、ノードのレイヤは最終出力ノードから距離によって定義されてもよい。
【0065】
最初入力ノードは人工知能モデル内のノードのうち、他のノードとの関係でリンクを経ずにデータが直接入力される一つ以上のノードを意味し得る。または人工知能モデルネットワーク内で、リンクを基準としたノード間の関係において、リンクで連結された他の入力ノードを有さないノードを意味し得る。これと同様に、最終出力ノードは人工知能モデル内のノードのうち、他のノードとの関係で出力ノードを有さない一つ以上のノードを意味し得る。また、隠れノードは最初入力ノードおよび最後出力ノードでない人工知能モデルを構成するノードを意味し得る。本発明の一実施例に係る人工知能モデルは入力レイヤのノードが出力レイヤに近い隠れレイヤのノードより多くてもよく、入力レイヤから隠れレイヤに進行されるにつれてノードの数が減少する形態の人工知能モデルであり得る。
【0066】
人工知能モデルは一つ以上の隠れレイヤを含むことができる。隠れレイヤの隠れノードは、以前のレイヤの出力と周辺の隠れノードの出力を入力とすることができる。各隠れレイヤ別隠れノードの数は同一であってもよく、異なってもよい。入力レイヤのノードの数は入力データのデータフィールドの数に基づいて決定され得、隠れノードの数と同一であってもよく、異なってもよい。入力レイヤに入力された入力データは隠れレイヤの隠れノードによって演算され得、出力レイヤである完全連結レイヤ（ＦＣＬ：ｆｕｌｌｙ ｃｏｎｎｅｃｔｅｄ ｌａｙｅｒ）により出力され得る。
【0067】
多様な実施例において、人工知能モデルはディープラーニング（Ｄｅｅｐ ｌｅａｒｎｉｎｇ）モデルであり得る。
ディープラーニングモデル（例：ディープニューラルネットワーク（ＤＮＮ：ｄｅｅｐ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、深層ニューラルネットワーク）は入力レイヤと出力レイヤの他に複数の隠れレイヤを含む人工知能モデルを意味し得る。ディープニューラルネットワークを利用すればデータの潜在的な構造（ｌａｔｅｎｔ ｓｔｒｕｃｔｕｒｅｓ）を把握することができる。すなわち、写真、文章、ビデオ、音声、音楽の潜在的な構造（例えば、どの物体が写真にあるか、文章の内容と感情が何であるか、音声の内容と感情が何であるかなど）を把握することができる。
ディープラーニングモデル（例：ディープニューラルネットワーク（ＤＮＮ：ｄｅｅｐ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、深層ニューラルネットワーク）は入力レイヤと出力レイヤの他に複数の隠れレイヤを含む人工知能モデルを意味し得る。ディープニューラルネットワークを利用すればデータの潜在的な構造（ｌａｔｅｎｔ ｓｔｒｕｃｔｕｒｅｓ）を把握することができる。すなわち、写真、文章、ビデオ、音声、音楽の潜在的な構造（例えば、どの物体が写真にあるか、文章の内容と感情が何であるか、音声の内容と感情が何であるかなど）を把握することができる。
【0068】
ディープニューラルネットワークは畳み込みニューラルネットワーク（ＣＮＮ：ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）、リカレントニューラルネットワーク（ＲＮＮ：ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）、オートエンコーダ（ａｕｔｏ ｅｎｃｏｄｅｒ）、ＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋｓ）、制限ボルツマンマシン（ＲＢＭ：ｒｅｓｔｒｉｃｔｅｄ ｂｏｌｔｚｍａｎｎ ｍａｃｈｉｎｅ）、深層信頼ネットワーク（ＤＢＮ：ｄｅｅｐ ｂｅｌｉｅｆ ｎｅｔｗｏｒｋ）、Ｑネットワーク、Ｕネットワーク、シャムネットワークなどを含むことができるが、これに限定されない。
【0069】
多様な実施例において、ネットワーク関数はオートエンコーダを含んでもよい。ここで、オートエンコーダは入力データに類似する出力データを出力するための人工ニューラルネットワークの一種であり得る。
【0070】
オートエンコーダは少なくとも一つの隠れレイヤを含むことができ、奇数個の隠れレイヤが入出力レイヤの間に配置され得る。それぞれのレイヤのノードの数は、入力レイヤのノードの数からボトルネックレイヤ（エンコーディング）という中間レイヤに縮小されてから、ボトルネックレイヤから出力レイヤ（入力レイヤと対称）に縮小と対称して拡張されてもよい。次元減少レイヤと次元復元レイヤのノードは対称であってもよく対称でなくてもよい。また、オートエンコーダは非線形次元減少を遂行できる。入力レイヤおよび出力レイヤの数は入力データの前処理以後に残ったセンサの数と対応し得る。オートエンコーダ構造でエンコーダに含まれた隠れレイヤのノードの数は、入力レイヤから遠ざかるほど減少する構造を有し得る。ボトルネックレイヤ（エンコーダとデコーダの間に位置する最も少ないノードを有するレイヤ）のノードの数は、過度に小さい場合は十分な量の情報が伝達されない可能性があるので、特定数以上（例えば、入力レイヤの半分以上など）に維持されてもよい。
ニューラルネットワークは教師あり学習（ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、教師なし学習（ｕｎｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、および半教師あり学習（ｓｅｍｉ ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）のうち少なくとも一つの方式で学習され得る。ニューラルネットワークの学習は出力のエラーを最小化するためのものである。より具体的には、ニューラルネットワークの学習は反復的にデータをニューラルネットワークに入力させ、学習データに対するニューラルネットワークの出力とターゲットのエラーを計算し、エラーを減らすための方向にニューラルネットワークのエラーをニューラルネットワークの出力レイヤから入力レイヤ方向に逆伝播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）してニューラルネットワークの各ノードの加重値をアップデートする過程である。
ニューラルネットワークは教師あり学習（ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、教師なし学習（ｕｎｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、および半教師あり学習（ｓｅｍｉ ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）のうち少なくとも一つの方式で学習され得る。ニューラルネットワークの学習は出力のエラーを最小化するためのものである。より具体的には、ニューラルネットワークの学習は反復的にデータをニューラルネットワークに入力させ、学習データに対するニューラルネットワークの出力とターゲットのエラーを計算し、エラーを減らすための方向にニューラルネットワークのエラーをニューラルネットワークの出力レイヤから入力レイヤ方向に逆伝播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）してニューラルネットワークの各ノードの加重値をアップデートする過程である。
【0071】
まず、教師あり学習の場合、それぞれの学習データに正解がラベリングされている学習データを使用（すなわち、ラベリングされた学習データ）し、教師なし学習の場合はそれぞれの学習データに正解がラベリングされていない場合もある。すなわち、例えばデータ分類に関する教師あり学習の場合の学習データは、学習データそれぞれにカテゴリーがラベリングされたデータであり得る。ラベリングされた学習データがニューラルネットワークに入力され、ニューラルネットワークの出力（カテゴリー）と学習データのラベルを比較することによってエラー（ｅｒｒｏｒ）が計算され得る。
【0072】
次に、データ分類に関する教師なし学習の場合、入力である学習データがニューラルネットワーク出力と比較されることによってエラーが計算され得る。計算されたエラーは、ニューラルネットワークで逆方向（すなわち、出力レイヤから入力レイヤ方向）に逆伝播され、逆伝播によりニューラルネットワークの各レイヤの各ノードの連結加重値がアップデートされ得る。アップデートされる各ノードの連結加重値は学習率（ｌｅａｒｎｉｎｇ ｒａｔｅ）によって変化量が決定され得る。入力データに対するニューラルネットワークの計算とエラーの逆伝播は、学習サイクル（ｅｐｏｃｈ）を構成することができる。学習率はニューラルネットワークの学習サイクルの反復回数によって異なって適用され得る。例えば、ニューラルネットワークの学習初期には高い学習率を使ってニューラルネットワークが早く一定水準の性能を確保するようにして効率性を高め、学習後期には低い学習率を使って正確度を高めることができる。
【0073】
ニューラルネットワークの学習において、一般的に学習データは実際のデータ（すなわち、学習されたニューラルネットワークを利用して処理しようとするデータ）の部分集合であり得、したがって、学習データに対するエラーは減少するが実際のデータについてはエラーが増加する学習サイクルが存在し得る。過適合（ｏｖｅｒｆｉｔｔｉｎｇ）は、このように学習データに過度に学習して実際のデータに対するエラーが増加する現象である。例えば、黄色の猫を見せて猫を学習したニューラルネットワークが、黄色以外の猫を見ては猫であることを認識できない現象が過適合の一種であり得る。過適合はマシンラーニングアルゴリズムのエラーを増加させる原因として作用し得る。このような過適合を防ぐために多様な最適化方法が使われ得る。過適合を防ぐためには、学習データを増加させたり、正規化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）、学習の過程でネットワークのノードの一部を省略するドロップアウト（ｄｒｏｐｏｕｔ）等の方法が適用され得る。
【0074】
多様な実施例において、コンピューティング装置１００は特定の棚が複数の段、複数のマスを含む場合、ユーザ入力に基づいて特定の棚に対応する３Ｄジオフェンスを複数の段、複数のマスそれぞれに合わせて分割することによって複数のグリッドセルを生成することができる。
一例として、コンピューティング装置１００は図６に図示された通り、ＵＩを通じてユーザから特定の棚に対する段の個数とマスの個数が入力（例えば、ＮｘＭ）され得、入力された段の個数およびマスの個数により３Ｄジオフェンスを分割することによって、複数の段、複数のマスそれぞれに対応する複数のグリッドセルを生成することができる。しかし、これに限定されず、コンピューティング装置１００はユーザから３Ｄジオフェンスを分割するユーザ入力（例えば、３Ｄジオフェンスを複数のグリッドセルに分割する点、線、面を描くユーザ入力）により３Ｄジオフェンスを分割することによって、複数のグリッドセルを生成することができる。
一例として、コンピューティング装置１００は図６に図示された通り、ＵＩを通じてユーザから特定の棚に対する段の個数とマスの個数が入力（例えば、ＮｘＭ）され得、入力された段の個数およびマスの個数により３Ｄジオフェンスを分割することによって、複数の段、複数のマスそれぞれに対応する複数のグリッドセルを生成することができる。しかし、これに限定されず、コンピューティング装置１００はユーザから３Ｄジオフェンスを分割するユーザ入力（例えば、３Ｄジオフェンスを複数のグリッドセルに分割する点、線、面を描くユーザ入力）により３Ｄジオフェンスを分割することによって、複数のグリッドセルを生成することができる。
【0075】
この時、コンピューティング装置１００は図７に図示された通り、ＵＩを通じて複数のグリッドセルを出力することができ、ユーザ入力（例えば、複数のグリッドセルを区分する境界線を除去または追加したり、境界線の位置を移動させるユーザ入力）により複数のグリッドセルを補正することができる。
【0076】
図８は、多様な実施例において、ポイントクラウドに基づいて３Ｄジオフェンスを自動設定する方法を説明するためのフローチャートである。
図８を参照すると、多様な実施例において、コンピューティング装置１００はポイントクラウドを分析して棚に対応する３Ｄジオフェンスを自動で設定することができる。
Ｓ３１０段階で、コンピューティング装置１００は特定の棚をスキャンすることによって生成されたポイントクラウドを収集することができる。例えば、コンピューティング装置１００はリフト車に設置されたライダセンサを通じて所定の領域をスキャンすることによって生成されるポイントクラウドを収集でき、収集されたポイントクラウドで特定の棚に対応するポイントクラウドのみを抽出することができるが、これに限定されない。
図８を参照すると、多様な実施例において、コンピューティング装置１００はポイントクラウドを分析して棚に対応する３Ｄジオフェンスを自動で設定することができる。
Ｓ３１０段階で、コンピューティング装置１００は特定の棚をスキャンすることによって生成されたポイントクラウドを収集することができる。例えば、コンピューティング装置１００はリフト車に設置されたライダセンサを通じて所定の領域をスキャンすることによって生成されるポイントクラウドを収集でき、収集されたポイントクラウドで特定の棚に対応するポイントクラウドのみを抽出することができるが、これに限定されない。
【0077】
Ｓ３２０段階で、コンピューティング装置１００はポイントクラウドを分析して特定の棚の外形に対応するベクトルを抽出することができる。例えば、コンピューティング装置１００は特定の棚に対応するポイントクラウドを分析して特定の棚に対する横軸ベクトル（例えば、特定の棚の幅方向（Ｘ軸）ベクトル）、縦軸ベクトル（例えば、特定の棚の深さ方向（Ｙ軸）ベクトル）および高さ軸ベクトル（例えば、特定の棚の高さ方向（Ｚ軸）ベクトル）を抽出することができる。
【0078】
ここで、コンピューティング装置１００は特定の棚が正六面体または直六面体の形状を有するという点を考慮して、特定の棚に対する４個の横軸ベクトル、４個の縦軸ベクトルおよび４個の高さ軸ベクトルを抽出することができるが、これに限定されない。
また、コンピューティング装置１００は特定の棚が複数の段および複数のマスを含む場合、複数の段それぞれに対するベクトルと複数のマスそれぞれに対するベクトルを抽出することができるが、これに限定されない。
また、コンピューティング装置１００は特定の棚が複数の段および複数のマスを含む場合、複数の段それぞれに対するベクトルと複数のマスそれぞれに対するベクトルを抽出することができるが、これに限定されない。
【0079】
Ｓ３３０段階で、コンピューティング装置１００はＳ３２０段階で抽出されたベクトルを利用して特定の棚に対する３Ｄジオフェンスを設定することができる。
多様な実施例において、コンピューティング装置１００はポイントクラウドに含まれた複数のポイントのうち、抽出されたベクトルに対応するポイントをグループ化することによって、特定の棚に対する３Ｄジオフェンスを設定することができる。
多様な実施例において、コンピューティング装置１００はポイントクラウドに含まれた複数のポイントのうち、抽出されたベクトルに対応するポイントをグループ化することによって、特定の棚に対する３Ｄジオフェンスを設定することができる。
【0080】
例えば、コンピューティング装置１００は複数のポイントのうち横軸ベクトルに対応するポイントをグループ化してグループ化されたポイントを連結することによって３Ｄジオフェンスの横軸を設定することができ、縦軸ベクトルに対応するポイントをグループ化してグループ化されたポイントを連結することによって３Ｄジオフェンスの縦軸を設定することができ、高さ軸ベクトルに対応するポイントをグループ化してグループ化されたポイントを連結することによってジオフェンスの高さ軸を設定することができ、これを利用して最終的に３次元空間形態の３Ｄジオフェンスを設定することができる。
【0081】
多様な実施例において、コンピューティング装置１００は予め学習された人工知能モデルを通じてポイントクラウドを分析することによって、特定の棚に対応する３次元空間形態の３Ｄジオフェンスを設定することができる。例えば、コンピューティング装置１００は予め学習された人工知能モデルを通じてポイントクラウドを分析することによって特定の棚の外形に関する一つ以上の特徴値を抽出することができ、抽出された一つ以上の特徴値を利用して特定の棚に対応する３Ｄジオフェンスを設定することができる。
【0082】
この時、特定の棚に一つ以上の物品が積載された場合、積載された物品に対応するポイントによって特定の棚の外形に対する特徴値が正確に抽出され難いこともあるところ、コンピューティング装置１００は予め学習された人工知能モデルを通じてポイントクラウドを分析することによって客体（物品）を識別することができ、ポイントクラウドに含まれた複数のポイントのうち客体に対応するポイントを除去することができ、客体に対応するポイントが除去されたポイントクラウドを分析して特定の棚に対応する３次元空間形態の３Ｄジオフェンスを設定することができる。
再び、図３を参照すると、多様な実施例において、コンピューティング装置１００はＳ１１０段階を経て設定された３Ｄジオフェンスに対する検証を遂行できる。
再び、図３を参照すると、多様な実施例において、コンピューティング装置１００はＳ１１０段階を経て設定された３Ｄジオフェンスに対する検証を遂行できる。
【0083】
一例として、リフト車にはライダセンサの他にカメラセンサをさらに含むことができ、コンピューティング装置１００はカメラセンサを通じて特定の棚を撮影することによって生成された棚イメージと特定の棚に対応する３Ｄジオフェンスに対する類似度を算出することができ、算出された類似度に基づいて特定の棚に対応する３Ｄジオフェンスが適切に設定されたかどうかを判断することができる。
【0084】
他の例として、コンピューティング装置１００はＳ１１０段階を経て特定の棚に対する３Ｄジオフェンスが設定された場合、所定の領域内に配置された複数の棚のうち特定の棚と類似度が予め設定された値以上の少なくとも一つの棚を選択し、選択された少なくとも一つの棚に対応する３Ｄジオフェンスと特定の棚に対応する３Ｄジオフェンス間の類似度を算出することができ、算出された類似度に基づいて特定の棚に対応する３Ｄジオフェンスが適切に設定されたかどうかを判断することができる。
【0085】
多様な実施例において、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析して棚を識別することができ、識別された棚に対応して予め設定された３Ｄジオフェンスを呼び出すことができる。例えば、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析して特定の棚が識別される場合、特定の棚が識別された位置に対応して予め設定された３Ｄジオフェンスを呼び出すことができるが、これに限定されない。
【0086】
この時、コンピューティング装置１００は識別された棚に対応する３Ｄジオフェンスが呼び出されない場合（例えば、識別された棚に対して３Ｄジオフェンスがまだ設定されていないか、識別された棚が所定の領域内に新規配置された場合）、識別された棚に対する３Ｄジオフェンス設定動作を遂行できる。
一例として、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析して識別された棚に対応する３Ｄジオフェンスが呼び出されない場合、ユーザが直接識別された棚に対応する３Ｄジオフェンスを設定（例：図５）できるように識別された棚に対応するポイントクラウドを出力するＵＩをユーザに提供することができる。
例えば、コンピューティング装置１００はポイントクラウド分析を通じて識別された棚に対して３Ｄジオフェンスが設定されていないものと判断される場合、該当棚に対する３Ｄジオフェンスを設定することを案内する通知と共に、該当棚に対応するポイントクラウドを出力するＵＩをユーザに提供することができるが、３Ｄジオフェンスが設定されていない棚をリスト化して保存しておいて、ユーザが特定の棚に対する３Ｄジオフェンス設定のためにＵＩを出力する場合、保存されたリストをＵＩ上に出力することができる。
一例として、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析して識別された棚に対応する３Ｄジオフェンスが呼び出されない場合、ユーザが直接識別された棚に対応する３Ｄジオフェンスを設定（例：図５）できるように識別された棚に対応するポイントクラウドを出力するＵＩをユーザに提供することができる。
例えば、コンピューティング装置１００はポイントクラウド分析を通じて識別された棚に対して３Ｄジオフェンスが設定されていないものと判断される場合、該当棚に対する３Ｄジオフェンスを設定することを案内する通知と共に、該当棚に対応するポイントクラウドを出力するＵＩをユーザに提供することができるが、３Ｄジオフェンスが設定されていない棚をリスト化して保存しておいて、ユーザが特定の棚に対する３Ｄジオフェンス設定のためにＵＩを出力する場合、保存されたリストをＵＩ上に出力することができる。
【0087】
他の例として、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析して識別された棚に対応する３Ｄジオフェンスが呼び出されない場合、識別された棚に対応するポイントクラウドを分析して識別された棚に対する３Ｄジオフェンスを自動で設定（例：図８）することができる。
すなわち、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析することによって識別された棚に対応する３Ｄジオフェンスが呼び出されない場合、該当棚に対する３Ｄジオフェンス設定動作を遂行すことができ、所定の領域に対するポイントクラウドを分析することによって識別された棚に対応する３Ｄジオフェンスが呼び出される場合、後述されるＳ１２０段階を繰り返し遂行して該当棚に対する物品積載情報を生成およびアップデートすることができる。
すなわち、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析することによって識別された棚に対応する３Ｄジオフェンスが呼び出されない場合、該当棚に対する３Ｄジオフェンス設定動作を遂行すことができ、所定の領域に対するポイントクラウドを分析することによって識別された棚に対応する３Ｄジオフェンスが呼び出される場合、後述されるＳ１２０段階を繰り返し遂行して該当棚に対する物品積載情報を生成およびアップデートすることができる。
【0088】
多様な実施例において、コンピューティング装置１００は所定の領域に対するポイントクラウドに基づいて、３Ｄジオフェンスが設定された位置に対応するポイントクラウドで３Ｄジオフェンスに対応する棚が識別されない場合、３Ｄジオフェンスを除去することができる。
コンピューティング装置１００は前述された方法により所定の領域内に配置された複数の棚それぞれに対する３Ｄジオフェンスが設定された以後、より効率的な物流管理ソリューションを提供するための目的で所定の領域に対する物流管理システムを構築することができる。
コンピューティング装置１００は前述された方法により所定の領域内に配置された複数の棚それぞれに対する３Ｄジオフェンスが設定された以後、より効率的な物流管理ソリューションを提供するための目的で所定の領域に対する物流管理システムを構築することができる。
【0089】
まず、コンピューティング装置１００は前述された方法により生成された複数の３Ｄジオフェンスをグループ化することができる。
一例として、コンピューティング装置１００はユーザ入力に基づいて二つ以上の３Ｄジオフェンスをグループ化することができる。例えば、ユーザから二つ以上の３Ｄジオフェンスが選択されることによって二つ以上の３Ｄジオフェンスを一つのジオフェンスグループにグループ化することができる。また、コンピューティング装置１００はユーザから二つ以上のジオフェンスグループが選択されることによって二つ以上のジオフェンスグループを一つのストレージにグループ化することができ、二つ以上のストレージが選択されることによって二つ以上のストレージを一つのストレージグループにグループ化することができる。
他の例として、コンピューティング装置１００は事前に定義された基準により二つ以上の３Ｄジオフェンスをグループ化することができる。例えば、コンピューティング装置１００は複数の３Ｄジオフェンスを層別にグループ化したり、物流倉庫別にグループ化することができる。また、コンピューティング装置１００は複数の３Ｄジオフェンスのうち同じ属性（例えば、大きさ、位置、方向など）を有する二つ以上の３Ｄジオフェンスをグループ化することができる。また、コンピューティング装置１００は複数の３Ｄジオフェンスのうち同じ物品が積載された棚に対応する３Ｄジオフェンス同士でグループ化することができる。また、コンピューティング装置１００は複数の３Ｄジオフェンスのうち相互の離隔距離が予め設定された値以内である３Ｄジオフェンス同士でしグループ化することができる。
次に、コンピューティング装置１００は複数の棚それぞれに積載された物品に関する情報を記録、保存することができる。例えば、コンピューティング装置１００は複数の棚それぞれに対して、物品の積載の有無、物品の積載率（積載量）、物品の積載位置、物品の種類、物品の移動履歴など、物品に関連した各種情報を複数の棚それぞれに対応する３Ｄジオフェンスとマッチングして保存することができる。
一例として、コンピューティング装置１００はユーザ入力に基づいて二つ以上の３Ｄジオフェンスをグループ化することができる。例えば、ユーザから二つ以上の３Ｄジオフェンスが選択されることによって二つ以上の３Ｄジオフェンスを一つのジオフェンスグループにグループ化することができる。また、コンピューティング装置１００はユーザから二つ以上のジオフェンスグループが選択されることによって二つ以上のジオフェンスグループを一つのストレージにグループ化することができ、二つ以上のストレージが選択されることによって二つ以上のストレージを一つのストレージグループにグループ化することができる。
他の例として、コンピューティング装置１００は事前に定義された基準により二つ以上の３Ｄジオフェンスをグループ化することができる。例えば、コンピューティング装置１００は複数の３Ｄジオフェンスを層別にグループ化したり、物流倉庫別にグループ化することができる。また、コンピューティング装置１００は複数の３Ｄジオフェンスのうち同じ属性（例えば、大きさ、位置、方向など）を有する二つ以上の３Ｄジオフェンスをグループ化することができる。また、コンピューティング装置１００は複数の３Ｄジオフェンスのうち同じ物品が積載された棚に対応する３Ｄジオフェンス同士でグループ化することができる。また、コンピューティング装置１００は複数の３Ｄジオフェンスのうち相互の離隔距離が予め設定された値以内である３Ｄジオフェンス同士でしグループ化することができる。
次に、コンピューティング装置１００は複数の棚それぞれに積載された物品に関する情報を記録、保存することができる。例えば、コンピューティング装置１００は複数の棚それぞれに対して、物品の積載の有無、物品の積載率（積載量）、物品の積載位置、物品の種類、物品の移動履歴など、物品に関連した各種情報を複数の棚それぞれに対応する３Ｄジオフェンスとマッチングして保存することができる。
【0090】
次に、コンピューティング装置１００は所定の領域に対する物流管理マップを生成することができる。例えば、コンピューティング装置１００は所定の領域に対する地図データ上に複数の棚それぞれに対応して設定された複数の３Ｄジオフェンスを表示し、複数の３Ｄジオフェンスそれぞれに対する情報と複数の３Ｄジオフェンスそれぞれに対して予めマッチングされた情報（例えば複数の棚それぞれに積載された物品に関する情報）を記録することによって、物流管理マップを生成することができる。
【0091】
Ｓ１２０段階で、コンピューティング装置１００はＳ１１０段階を経て設定された３Ｄジオフェンスを利用して３Ｄジオフェンスに対応する棚に対する物品積載情報を生成することができる。例えば、コンピューティング装置１００は３Ｄジオフェンスに基づいて所定の領域に対するポイントクラウドを分析することによって、棚内部に対する分析結果（例：棚に含まれたそれぞれの段およびマスに物品が積載されてあるかどうか、物品の積載率など）を含む物品積載情報を生成することができる。以下、図９を参照して説明することにする。
【0092】
図９は、多様な実施例において、物品積載情報を生成する方法を説明するためのフローチャートである。
図９を参照すると、Ｓ４１０段階で、コンピューティング装置１００は所定の領域に対するポイントクラウドを収集することができる。例えば、コンピューティング装置１００はリフト車に設置されたライダセンサを通じて所定の領域をスキャンすることによって生成されるポイントクラウドを収集することができるが、これに限定されない。
図９を参照すると、Ｓ４１０段階で、コンピューティング装置１００は所定の領域に対するポイントクラウドを収集することができる。例えば、コンピューティング装置１００はリフト車に設置されたライダセンサを通じて所定の領域をスキャンすることによって生成されるポイントクラウドを収集することができるが、これに限定されない。
【0093】
Ｓ４２０段階で、コンピューティング装置１００はＳ４１０段階を経て収集されたポイントクラウドを分析して第１物品積載情報を生成することができる。
多様な実施例において、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析して特定の棚に対応する３Ｄジオフェンスを識別することができ、所定の領域に対するポイントクラウドのうち、３Ｄジオフェンスに対応するポイントクラウドを分析して客体（物品）を識別することができ、識別された客体に基づいて特定の棚に対する第１物品積載情報を生成することができる。
多様な実施例において、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析して特定の棚に対応する３Ｄジオフェンスを識別することができ、所定の領域に対するポイントクラウドのうち、３Ｄジオフェンスに対応するポイントクラウドを分析して客体（物品）を識別することができ、識別された客体に基づいて特定の棚に対する第１物品積載情報を生成することができる。
【0094】
例えば、コンピューティング装置１００は３Ｄジオフェンスに対応するポイントクラウドを分析して客体の識別の有無（特定の棚に物品が積載されてあるかどうか）、客体の位置（客体が特定の棚のどの段／マスに積載されているかに関する情報で、客体が識別された場合に限る）および客体の種類（物品の種類に関する情報であって、客体が識別された場合に限る）を判断することができ、判断結果を含む第１物品積載情報を生成することができる。
Ｓ４３０段階で、コンピューティング装置１００はＳ４１０段階を経て収集されたポイントクラウドを分析して第２物品積載情報を生成することができる。
Ｓ４３０段階で、コンピューティング装置１００はＳ４１０段階を経て収集されたポイントクラウドを分析して第２物品積載情報を生成することができる。
【0095】
多様な実施例において、コンピューティング装置１００は所定の領域に対するポイントクラウドを分析して特定の棚に対応する３Ｄジオフェンスを識別することができ、所定の領域に対するポイントクラウドのうち、３Ｄジオフェンスに対応するポイントクラウドを分析して棚の積載率を算出することができ、算出された積載率に関する情報を含む第２物品積載情報を生成することができる。
【0096】
多様な実施例において、コンピューティング装置１００は３Ｄジオフェンスに対応するポイントクラウドを分析して３Ｄジオフェンス内に積載された客体を識別することができ、３Ｄジオフェンス面積対比客体の面積の比率を棚の積載率として算出することができる。この時、コンピューティング装置１００は特定の棚が複数の段および複数のマスを含む場合、複数の段および複数のマスそれぞれに対する積載率を個別的に算出することができ、算出された積載率を合算して最終的な棚の積載率を算出することができる。
【0097】
例えば、コンピューティング装置１００は図１０に図示された通り、特定の棚が二つの段を含む場合、各段の面積Ｓ１対比客体の面積Ｓ２の比率を算出することによって、各段の積載率を算出することができ、算出された各段の積載率を合算することによって二つの段を含む特定の棚に対する積載率を算出することができる。
【0098】
多様な実施例において、コンピューティング装置１００は３Ｄジオフェンスに対応するポイントクラウドを分析して３Ｄジオフェンス内に積載された客体を識別することができ、３Ｄジオフェンスの高さ対比客体の高さの比率を棚の積載率として算出することができる。この時、コンピューティング装置１００は特定の棚が複数の段および複数のマスを含む場合、複数の段および複数のマスそれぞれに対する積載率を個別的に算出することができ、算出された積載率を合算して最終的な棚の積載率を算出することができる。
【0099】
例えば、コンピューティング装置１００は図１１に図示された通り、特定の棚が二つの段を含む場合、各段の高さＨ１対比客体の高さＨ２の比率を算出することによって、各段の積載率を算出することができ、算出された各段の積載率を合算することによって二つの段を含む特定の棚に対する積載率を算出することができる。
【0100】
多様な実施例において、コンピューティング装置１００は３Ｄジオフェンスに対応するポイントクラウドを分析して３Ｄジオフェンス内に積載された客体を識別することができ、３Ｄジオフェンスの体積対比客体の体積の比率を棚の積載率として算出することができる。この時、コンピューティング装置１００は特定の棚が複数の段および複数のマスを含む場合、複数の段および複数のマスそれぞれに対する積載率を個別的に算出することができ、算出された積載率を合算して最終的な棚の積載率を算出することができる。
例えば、コンピューティング装置１００は特定の棚が二つの段を含む場合、特定の棚をスキャンすることによって収集されたポイントクラウドを利用して各段の体積Ｖ１と各段に積載された物品の体積Ｖ２を算出することができ、算出された各段の体積Ｖ１と各段に積載された物品の体積Ｖ２の比率を算出することによって、各段の積載率を算出することができ、算出された各段の積載率を合算することによって二つの段を含む特定の棚に対する積載率を算出することができる。
この時、特定の棚をスキャンすることによって収集されたポイントクラウドには棚に対応する複数のポイントと棚に積載された物品に対応する複数のポイントをすべて含んでいるので、棚に対応する複数のポイントによって物品に対する体積を算出する過程で誤差が発生し得る。
例えば、コンピューティング装置１００は特定の棚が二つの段を含む場合、特定の棚をスキャンすることによって収集されたポイントクラウドを利用して各段の体積Ｖ１と各段に積載された物品の体積Ｖ２を算出することができ、算出された各段の体積Ｖ１と各段に積載された物品の体積Ｖ２の比率を算出することによって、各段の積載率を算出することができ、算出された各段の積載率を合算することによって二つの段を含む特定の棚に対する積載率を算出することができる。
この時、特定の棚をスキャンすることによって収集されたポイントクラウドには棚に対応する複数のポイントと棚に積載された物品に対応する複数のポイントをすべて含んでいるので、棚に対応する複数のポイントによって物品に対する体積を算出する過程で誤差が発生し得る。
【0101】
このような点を考慮して、コンピューティング装置１００は特定の棚をスキャンすることによって収集されたポイントクラウドに基づいて物品に対する体積Ｖ２を算出し、算出された物品の体積Ｖ２から棚に対応する複数のポイントによって追加された体積値を差し引く補正を遂行することによって、物品に対する実際的な体積を算出することができる。しかし、これに限定されず、コンピューティング装置１００はポイントクラウドで、棚に対応する複数のポイントを除去したりまたは物品に対する複数のポイントのみを選択して物品に対する体積Ｖ２を算出することができる。
【0102】
再び図３を参照すると、Ｓ１３０段階で、コンピューティング装置１００はＳ１２０段階を経て生成された物品積載情報に基づいて物流管理ソリューションを提供することができる。
多様な実施例において、コンピューティング装置１００は物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供する物流管理ソリューションを提供することができる。
ここで、予め設定された条件はユーザに通知を提供するための条件を意味するものであり、所定の領域に配置される複数の棚、複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されてもよい。
多様な実施例において、コンピューティング装置１００は物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供する物流管理ソリューションを提供することができる。
ここで、予め設定された条件はユーザに通知を提供するための条件を意味するものであり、所定の領域に配置される複数の棚、複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されてもよい。
【0103】
まず、コンピューティング装置１００は図１２の（Ａ）に図示された通り、ユーザにＵＩを提供して、ＵＩを通じてのユーザ入力により複数の棚（棚Ａ、ＢおよびＣ）、複数の棚に含まれた複数の段（棚ＡのＡ－１～Ａ－３、棚ＢのＢ－１～Ｂ－３、棚ＣのＣ－１～Ｃ－３）それぞれに対して積載通知条件（ＹまたはＮ）を設定することができる。
【0104】
以後、コンピューティング装置１００は第１物品積載情報に基づいて、特定の棚に物品が積載されたものと判断される場合、予め設定された条件により物品積載に関する通知を提供することができる。例えば、コンピューティング装置１００は積載通知条件が「Ｙ」に設定された棚ＣのＣ－１段に物品が積載されたものと判断される場合、ユーザにＣ－１段に物品が積載されたことを案内する通知を提供することができる。一方、コンピューティング装置１００は積載通知条件が「Ｎ」に設定された棚ＡのＡ－２段に物品が積載されたものと判断される場合、物品の積載の有無にかかわらず、ユーザに通知を提供しなくてもよい。
【0105】
次に、コンピューティング装置１００は図１２の（Ｂ）に図示された通り、ユーザにＵＩを提供して、ＵＩを通じてのユーザ入力により複数の棚（棚Ａ、ＢおよびＣ）、複数の棚に含まれた複数の段（棚ＡのＡ－１～Ａ－３、棚ＢのＢ－１～Ｂ－３、棚ＣのＣ－１～Ｃ－３）それぞれに対して積載率通知条件（％）を設定することができる。
【0106】
以後、コンピューティング装置１００は第２物品積載情報に基づいて特定の棚に対する積載率が予め設定された条件を超過する場合、物品の過積載に関する通知を提供することができる。例えば、コンピューティング装置１００は積載率アラーム条件が７０％に設定された棚ＢのＢ－１段の積載率が７０％を超過した場合、ユーザにＢ－２段が過積載されたことを案内する通知を提供することができる。一方、コンピューティング装置１００は積載率アラーム条件が８０％に設定された棚ＡのＡ－１段の積載率が８０％以下である場合、ユーザに通知を提供しなくてもよい。
【0107】
多様な実施例において、コンピューティング装置１００は一緒に物流管理ソリューションであって、所定の領域に対する３Ｄジオフェンスマップを提供することができる。例えば、コンピューティング装置１００は図１３に図示された通り、所定の領域に配置された複数の棚それぞれに対して設定された３Ｄジオフェンスの位置、大きさ、形態が表示された地図を出力するＵＩを提供することができる。
【0108】
また、コンピューティング装置１００は図１４に図示された通り、ＵＩを通じて特定３Ｄジオフェンスまたは特定３Ｄジオフェンスグループ（ストレージグループまたはストレージグループに含まれた特定ストレージ）を選択する場合、選択した３Ｄジオフェンスまたは３Ｄジオフェンスグループとマッチングされて記録、保存された情報（例えば、物品の積載の有無、棚の積載率などを含む物品積載情報、物品に関連した情報（移動内訳、積載内訳など））を提供することができる。
【0109】
また、コンピューティング装置１００は図１５に図示された通り、特定の棚または特定の棚に含まれた特定の段／マスが選択される場合、選択された棚または選択された段／マスに対する積載率情報を提供するだけでなく、特定の棚の積載率統計、特定の棚に含まれた段／マスそれぞれに対する積載率統計情報を提供することができる。
【0110】
前述したライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法は、図面に図示されたフローチャートを参照して説明した。簡単な説明のためにライダポイントクラウド基盤の３Ｄジオフェンスを利用した物流管理ソリューション提供方法は一連のブロックで図示して説明したが、本発明は前記ブロックの順序に限定されず、いくつかのブロックは本明細書に図示し、叙述されたものと異なる順序で遂行されるかまたは同時に遂行され得る。また、本明細書および図面に記載されていない新しいブロックが追加されたり、一部のブロックが削除または変更された状態で遂行されてもよい。
以上、添付された図面を参照して本発明の実施例を説明したが、本発明が属する技術分野の通常の技術者は本発明がその技術的思想や必須の特徴を変更することなく他の具体的な形態で実施できることが理解できるであろう。したがって、以上で記述した実施例はすべての面で例示的なものであって、制限的ではないものと理解されるべきである。
以上、添付された図面を参照して本発明の実施例を説明したが、本発明が属する技術分野の通常の技術者は本発明がその技術的思想や必須の特徴を変更することなく他の具体的な形態で実施できることが理解できるであろう。したがって、以上で記述した実施例はすべての面で例示的なものであって、制限的ではないものと理解されるべきである。
【符号の説明】
【0111】
１００：物流管理ソリューション提供装置（コンピューティング装置）
２００：ユーザ端末
３００：外部サーバー
４００：ネットワーク
２００：ユーザ端末
３００：外部サーバー
４００：ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【手続補正書】
【提出日】2023-09-20
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
コンピューティング装置によって遂行される方法において、
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含み、
前記物流管理ソリューションを提供する段階は、
前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供する段階を含み、前記予め設定された条件は、前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されるものであり、積載通知条件及び積載率通知条件を含み、
前記ユーザに通知を提供する段階は、
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載通知条件が設定された第１段に物品が積載されたと判断された場合、前記ユーザに前記第１段に物品が積載されたことを案内する通知を提供する段階;と
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載率通知条件が設定された第２段の積載率が予め設定された値を超える場合、前記ユーザに前記第２段が過積載されたことを案内する通知を提供する段階を含む、
ライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含み、
前記物流管理ソリューションを提供する段階は、
前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供する段階を含み、前記予め設定された条件は、前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されるものであり、積載通知条件及び積載率通知条件を含み、
前記ユーザに通知を提供する段階は、
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載通知条件が設定された第１段に物品が積載されたと判断された場合、前記ユーザに前記第１段に物品が積載されたことを案内する通知を提供する段階;と
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載率通知条件が設定された第２段の積載率が予め設定された値を超える場合、前記ユーザに前記第２段が過積載されたことを案内する通知を提供する段階を含む、
ライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項2】
前記３Ｄジオフェンスを設定する段階は、
ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを出力するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を提供する段階；
前記提供されたユーザインターフェースを通じて前記棚の外形に対応する３次元空間を定義するユーザ入力を獲得する段階；および
前記獲得されたユーザ入力に基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含む、請求項１に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを出力するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を提供する段階；
前記提供されたユーザインターフェースを通じて前記棚の外形に対応する３次元空間を定義するユーザ入力を獲得する段階；および
前記獲得されたユーザ入力に基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含む、請求項１に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項3】
前記３Ｄジオフェンスを設定する段階は、
ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記棚の外形に対応するベクトルを抽出する段階；および
前記抽出されたベクトルに基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含む、請求項１に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
ライダセンサを通じて前記棚をスキャンすることによって生成されたポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記棚の外形に対応するベクトルを抽出する段階；および
前記抽出されたベクトルに基づいて前記棚に対応する３Ｄジオフェンスを設定する段階を含む、請求項１に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項4】
前記物品積載情報を生成する段階は、
前記所定の領域に対するポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階；および
前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して客体を識別し、前記識別された客体を利用して前記棚に対する第１物品積載情報－前記第１物品積載情報は客体の識別の有無、客体の位置および客体の種類のうち少なくとも一つを含む－を生成する段階を含む、請求項１に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記所定の領域に対するポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階；および
前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して客体を識別し、前記識別された客体を利用して前記棚に対する第１物品積載情報－前記第１物品積載情報は客体の識別の有無、客体の位置および客体の種類のうち少なくとも一つを含む－を生成する段階を含む、請求項１に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項5】
前記物品積載情報を生成する段階は、
前記所定の領域に対するポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階；および
前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記棚の積載率を算出し、前記算出された積載率に関する情報を含む第２物品積載情報を生成する段階を含む、請求項１に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記所定の領域に対するポイントクラウドを収集する段階；
前記収集されたポイントクラウドを分析して前記設定された３Ｄジオフェンスを識別する段階；および
前記収集されたポイントクラウドのうち前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記棚の積載率を算出し、前記算出された積載率に関する情報を含む第２物品積載情報を生成する段階を含む、請求項１に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項6】
前記第２物品積載情報を生成する段階は、
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記設定された３Ｄジオフェンス内に積載された客体を識別する段階；および
前記棚の積載率として、前記識別された３Ｄジオフェンスの面積と前記識別された客体の面積の比率を算出する段階を含む、請求項５に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して前記設定された３Ｄジオフェンス内に積載された客体を識別する段階；および
前記棚の積載率として、前記識別された３Ｄジオフェンスの面積と前記識別された客体の面積の比率を算出する段階を含む、請求項５に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項7】
前記第２物品積載情報を生成する段階は、
前記識別された３Ｄジオフェンスが複数の段を含む場合、前記複数の段それぞれに対応するポイントクラウドを分析して前記複数の段それぞれに積載された客体を識別する段階；
前記複数の段それぞれの積載率として、前記複数の段それぞれの高さと前記識別された客体の高さの比率を算出する段階；および
前記複数の段それぞれの積載率を合算して前記棚の積載率を算出する段階を含む、請求項５に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
前記識別された３Ｄジオフェンスが複数の段を含む場合、前記複数の段それぞれに対応するポイントクラウドを分析して前記複数の段それぞれに積載された客体を識別する段階；
前記複数の段それぞれの積載率として、前記複数の段それぞれの高さと前記識別された客体の高さの比率を算出する段階；および
前記複数の段それぞれの積載率を合算して前記棚の積載率を算出する段階を含む、請求項５に記載のライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法。
【請求項8】
プロセッサ；
ネットワークインターフェース；
メモリ；および
前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含み、
前記コンピュータプログラムは、
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を実行させるためのものであり、
前記物流管理ソリューションを提供する段階は、
前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供する段階を含み、
前記予め設定された条件は前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されるものであり、積載通知条件及び積載率通知条件を含み、
ユーザに通知を提供する段階は、
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載通知条件が設定された第１段に物品が積載されたと判断された場合、前記ユーザに前記第１段に物品が積載されたことを案内する通知を提供する段階;と
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載率通知条件が設定された第２段の積載率が予め設定された値を超える場合、前記ユーザに前記第２段が過積載されたことを案内する通知を提供する段階を含む、
ライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供装置。
ネットワークインターフェース；
メモリ；および
前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含み、
前記コンピュータプログラムは、
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を実行させるためのものであり、
前記物流管理ソリューションを提供する段階は、
前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供する段階を含み、
前記予め設定された条件は前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されるものであり、積載通知条件及び積載率通知条件を含み、
ユーザに通知を提供する段階は、
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載通知条件が設定された第１段に物品が積載されたと判断された場合、前記ユーザに前記第１段に物品が積載されたことを案内する通知を提供する段階;と
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載率通知条件が設定された第２段の積載率が予め設定された値を超える場合、前記ユーザに前記第２段が過積載されたことを案内する通知を提供する段階を含む、
ライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供装置。
【請求項9】
コンピューティング装置と結合されて、
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含み、
前記物流管理ソリューションを提供する段階は、
前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供する段階を含み、
前記予め設定された条件は
前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されるものであり、積載通知条件及び積載率通知条件を含み、
前記ユーザに通知を提供する段階は、
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載通知条件が設定された第１段に物品が積載されたと判断された場合、前記ユーザに前記第１段に物品が積載されたことを案内する通知を提供する段階;と
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載率通知条件が設定された第２段の積載率が予め設定された値を超える場合、前記ユーザに前記第２段が過積載されたことを案内する通知を提供する段階を含む、
ライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法を実行させるためにコンピューティング装置で読み取り可能な記録媒体に保存された、コンピュータプログラム。
所定の領域に配置された棚に対応する３Ｄジオフェンスを設定する段階；
前記設定された３Ｄジオフェンスを利用して前記棚に対する物品積載情報を生成する段階；および
前記生成された物品積載情報を利用して物流管理ソリューションを提供する段階を含み、
前記物流管理ソリューションを提供する段階は、
前記生成された物品積載情報に基づいて予め設定された条件が満足されるかどうかを判断し、前記予め設定された条件が満足されるものと判断される場合、ユーザに通知を提供する段階を含み、
前記予め設定された条件は
前記所定の領域に配置される複数の棚、前記複数の棚それぞれに含まれた複数の段およびマスそれぞれに個別的に設定されるものであり、積載通知条件及び積載率通知条件を含み、
前記ユーザに通知を提供する段階は、
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載通知条件が設定された第１段に物品が積載されたと判断された場合、前記ユーザに前記第１段に物品が積載されたことを案内する通知を提供する段階;と
前記識別された３Ｄジオフェンスに対応するポイントクラウドを分析して、前記積載率通知条件が設定された第２段の積載率が予め設定された値を超える場合、前記ユーザに前記第２段が過積載されたことを案内する通知を提供する段階を含む、
ライダポイントクラウドの３Ｄジオフェンスを利用した物流管理ソリューション提供方法を実行させるためにコンピューティング装置で読み取り可能な記録媒体に保存された、コンピュータプログラム。