用于利用学习过程检测邻近机器的物体的系统和方法与流程

本公开大体上涉及与机器关联的物体检测系统，且更具体地涉及用于机器的将检测到邻近机器具有已知存在的已知物体过滤掉的物体检测系统。

背景技术：

在各种作业行业中(例如，建筑、材料移动、开采、搬运等)，在工作场地上在机器附近或机器的路径内的物体可能破坏机器的作业操作。而且，如果物体与机器接触，此类物体可能对机器或在工作场地上运行的其它机器造成损坏。另外，不管机器是以手动、自主还是半自主模式操作，所述物体可能中断机器的先前计划的移动路径。

因此，物体检测通常用于确保在机器操作的工作场地上在机器附近存在物体对机器的一个或多个机载或远程操作员是已知的。物体检测系统和方法可利用定位于机器附近的各种传感器确定对于给定空间在机器附近存在物体。例如，诸如相机之类的视觉传感器可以提供关于机器的某个视角的馈送，其中操作员可以确定外物的存在。

在一些情况下，视觉传感器是不实际的；和/或操作员在工作操作过程中不能注意到此类视觉馈送。因此，其它感测技术和/或装置用于确定物体存在，例如检测传感器、radar(无线电检测和测距)传感器、lidar(光检测和测距)传感器等。通过利用例如雷达传感器，物体检测系统可扫描邻近机器的给定空间并且如果来自雷达传感器的数据指示在给定空间内存在物体则向操作员提供报警。

然而，来自例如雷达传感器的原始数据本身并不描绘在给定空间内检测到的物体是否是附接到机器或以其它方式与机器关联的物体或者机器本身(例如，地面接合装置、机器框架元件、机器工具以及有目的地附接到机器的任何物体)，或者本身并不描绘所述物体是否是外物(外物是在物体检测发生的时间不附接到机器或者另外与机器没有功能关联的任何物体)。在此类情况下，物体检测系统可能给操作员提供假阳性外物指示，原因是数据本身并不指示此类物体不是外来的，而是已知的机器关联的部件。

因此，物体检测系统可以过滤掉指示可能导致假阳性检测的如果未被过滤的某些物体的数据。举例来说，美国专利号9,260,059(“使用位置数据的假报警减少”)中描述的物体检测系统利用定位数据与关联各种位置的目标物体的数据库结合，在操作期间过滤掉假阳性物体指示。

然而，即使利用过滤，基于例如‘059专利的假报警数据库的过滤，过滤器数据也可能不足以过滤掉与机器关联的所有物体。尤其在作业机器的上下文中，与机器关联的非外物可以频繁地改变，并且很少有两个机器配置包括相同的机器部件，其中这些部件可能落在物体检测传感器的视野中。而且，此类机器相关物体，例如机器工具(例如，刀片、松土器、铲斗等)和机器结构(例如，床、箱、轮胎等)可以被移动到检测区域内的多种位置，并且这些工具的所有位置并非都是可以基于来自通用假检测数据库的信息过滤的。因此，期望有改进的物体检测系统和方法，其中假报警条件可以是针对操作员的具体机器配置(例如，配置，包括但不限于包括与机器结合使用的一个或多个工具、所述工具的位置、附接到机器框架的部件等)可定制的。

技术实现要素：

根据本公开的一个方面，公开了一种用于检测邻近机器的区域中的物体的系统。所述系统可包括与机器可操作地关联的检测传感器、输出装置以及与检测和输出装置可操作地关联的控制器。所述检测传感器可以被配置成如果所述检测传感器在区域内感测到物体，则生成检测信号，并且传输所述检测信号。所述输出装置可以被配置成如果物体存在于邻近机器的区域中，响应于报警信号，向机器的操作员提供报警。所述控制器可以包括处理器和存储器。所述控制器可以被配置成在邻近机器并且在区域内限定障碍区，从所述检测传感器接收检测信号，确定所述检测信号是否指示障碍区内存在物体，并基于学习障碍检测过程确定物体是否指示所述一个或多个机器部件中的机器部件，所述检测信号是否指示障碍区内存在物体。所述学习障碍检测过程可以被配置成通过将检测信号与部件关联的检测数据进行比较来确定物体是否指示机器部件，所述部件关联的检测数据指示在障碍区内检测到一个或多个机器部件中的一个或多个的发生率。所述控制器还可以被配置成在物体不指示一个或多个机器部件的机器部件时将报警信号提供到输出装置。

根据本公开的另一方面，公开了一种用于确定物体检测系统的学习障碍检测过程的方法。所述学习物体检测过程可以与机器的一个或多个机器部件关联，并且可以被配置成在邻近机器的区域内使用。所述方法可包括在一段时间内从与所述机器操作地关联的检测传感器接收物体检测信号，所述物体检测信号中的每一个与所述机器的一个或多个部件中的至少一个关联。在所述一段时间内，在所述区域内的可检测物体仅包括所述一个或多个机器部件。所述区域可包括所述一个或多个机器部件所位于的障碍区。所述方法还可以包括在所述一段时间内将所接收的检测信号分类为部件关联的检测信号，并基于所述部件关联的检测信号来确定部件关联的检测数据。所述部件关联的检测数据可指示在所述障碍区内存在一个或多个机器部件中的一个或多个的发生率，且被配置成用于物体检测，其中在机器操作期间，此类物体检测将部件关联的检测数据与输入的检测信号进行比较，以确定由输入的检测信号识别的物体是否指示一个或多个部件中的一个。

根据本公开的又一方面，公开了一种机器。所述机器可包括机器框架、附接到框架的一个或多个机器部件、一个或多个地面接合装置、工具、检测传感器、输出装置以及与检测和输出装置可操作地关联的控制器。所述检测传感器可以被配置成如果所述检测传感器在区域内感测到物体，则生成检测信号，并且传输所述检测信号。所述输出装置可以被配置成如果物体存在于邻近机器的区域中，响应于报警信号，向机器的操作员提供报警。所述控制器可以包括处理器和存储器。所述控制器可以被配置成在邻近机器并且在区域内限定障碍区，从所述检测传感器接收检测信号，确定所述检测信号是否指示障碍区内存在物体，并基于学习障碍检测过程确定物体是否指示所述一个或多个机器部件中的机器部件，所述检测信号是否指示障碍区内存在物体。所述部件可以是所述一个或多个地面接合装置、所述一个或多个机器部件、所述工具及其任何组合中的一个。所述学习障碍检测过程可以被配置成通过将检测信号与部件关联的检测数据进行比较来确定物体是否指示机器部件，所述部件关联的检测数据指示在障碍区内检测到一个或多个机器部件中的一个或多个的发生率。所述控制器还可以被配置成在物体不指示机器部件时将报警信号提供到输出装置。

结合附图，在下文还将描述本公开的这些和其他方面以及特征。

附图说明

图1是根据本公开的实施例的用于检测邻近机器的区域中的物体的示例性机器和示例性系统的元件的侧视图。

图2是根据本公开和图1的实施例用于检测邻近机器的区域中的物体的示例性系统的示意性框图。

图3是根据图1-2和本公开的图1的机器和其关联部件的后部的俯视图，示出了图1-2的系统可以检测物体的邻近机器的区域以及区域内的障碍区。

图4是根据图1-3和本公开以虚拟俯视透视图示出的图3的区域和障碍区的虚拟近似，其可以由图1-2的系统的输出装置显示，其中虚拟近似用位于障碍区内的机器的一个或多个部件的位置相对的指示填充。

图5是根据图1-2和本公开的图1的机器和其关联部件的后部的俯视图，示出了在外物至少部分地位于障碍区的情形中，图1-2的系统可以检测物体的邻近机器的区域以及区域内的障碍区。

图6是根据图1-3、图5和本公开以虚拟俯视透视图示出的图5的区域和障碍区的虚拟近似，其可以由图1-2的系统的输出装置显示，其中虚拟近似用位于障碍区内的机器的一个或多个部件的位置相对的指示填充。

图7是示出根据本公开的实施例的用于检测邻近机器的区域中的物体的方法的示例性流程图。

图8是示出根据本公开的实施例和可选地结合图7的方法和/或图1和图2的系统的用于确定物体检测系统或方法的学习障碍检测过程的方法的示例性流程图。

虽然以下详细描述将关于某些说明性实施例给出，但应理解，附图未必按比例绘制，且所公开的实施例有时以图解方式并且在部分视图中示出。另外，在某些情况下，对所公开主题的理解可能不是必要的细节已经被省略。因此，应理解，本公开不限于所公开和本文中说明的特定实施例，而是限于对于整个公开和权利要求书的合理阅读以及其任何等同物。

具体实施方式

现在转到图式且具体参考图1，根据本公开的教导图示了采用一个或多个工具12的机器10。虽然在图1中描绘了机器10，但大体上，作为推土机型机器，本公开的教导可涉及其它作业机械。如本文所使用的术语“机器”可以指执行与诸如建筑、开采、耕作、机车和/或铁路行业、运输之类的行业或本领域中已知的任何其它行业关联的某种类型的操作的任何机器。例如，机器10可以是施工机械，例如推土机、轮式装载机、挖掘机、自卸卡车、反铲挖土机、自动平地机、材料处理机、伸缩臂叉车等。此外，连接到机器的一个或多个工具12可用于多种任务，包括但不限于，断裂、撕裂、搬运、建造、装载、压实、提升、刷光及其它，且可以包括例如铲斗、松土器、挤压机、压实机、叉车提升装置、刷子、抓钩器、切割机、剪切机、刀片、粉碎机、锤、钻孔机等。机器10和工具12结合工作以在工作场地上执行任务。

机器10可以包括框架14，框架14可以包括或以其它方式连接到下托架16。为了提供用于推进或以其它方式移动机器10的动力，机器10可包括原动机20，原动机20可以是但不限于是发动机、电池、一个或多个燃料电池及其任何组合中的一个或多个。原动机20可以驱动地连接到一个或多个地面接合装置22，地面接合装置22利用原动机20的动力来移动机器10。如图所示，地面接合装置22由与下托架16关联的连续轨道24体现；不过，地面接合装置22不限于是连续轨道，且可另外或替代地包括其它地面接合装置，例如但不限于可旋转轮。

如上文所论述，机器10可以包括或另外与一个或多个工具12关联。在机器10的示例性描绘中，机器10包括两个工具12(刀片26和松土器28)，或者与两个工具12(刀片26和松土器28)关联。在一些实例中，刀片26可以用于在工作场地移动或破碎材料。松土器28可以用于接合工作场地上的材料，例如以松开致密的压紧材料。刀片26和松土器28两者可由机器10和/或机器10的任何控制系统(未示出)或与机器10关联的任何控制系统控制和/或提供动力。

为检测邻近机器10的物体和/或元件，机器10可包括系统30或另外与系统30关联，系统30用于检测邻近机器10的物体。系统30可至少包括一个或多个检测传感器32、一个或多个输出装置34以及控制器36。系统30的一些元件描绘于图1中，并且由在所述元件的标记上的虚线指示。另外，由图2所示，在系统30的示意性框图中示意性地描绘了系统30。

例如，通过将物体检测传感器32安装或以其它方式附接到机器10，检测传感器32可以与机器10可操作地关联。不过，检测传感器32不需要附接到机器10，且可以任何方式相对于机器10定位，其中检测传感器32在操作中可检测邻近机器10的区域38中的物体。如果检测传感器32在区域38内感测到物体，检测传感器32可以被配置成生成检测信号。另外，物体检测传感器32可接着被配置成将检测信号传输到例如控制器36；然而，物体检测传感器32肯定不限于仅将检测信号传输到控制器36，且可另外或替代地将所述信号传输到任何额外或替代控制器，所述额外或替代控制器包括于机器10上和/或相对于机器10被远程地定位。在一些实例中，物体检测传感器32可包括确定与物体检测关联的数据的控制器。

在一些实例中，检测传感器32中的一个或多个可以是被配置成在区域38内传输雷达信号的雷达传感器(如图2中所说明)，其中雷达信号被配置成反射区域38中的物体，例如但不限于，框架14、连续轨道24以及松土器28。在这些实例中，在区域38中反射物体时，检测传感器32可以检测发射的雷达信号的反射雷达信号。此外，在此类实例中，检测传感器32接着可基于反射的雷达信号生成检测信号。尽管描述了物体检测传感器中的一个或多个是雷达传感器的实例，但其它检测传感器当然也适合用作检测传感器32，例如但不限于一个或多个lidar传感器。

由检测传感器32产生的检测信号可由控制器36接收，控制器36至少包括处理器40。控制器36可以是任何电子控制器或包括处理器的计算系统，其操作以执行操作、执行算法、存储数据、检索数据、收集数据和/或所需的任何其它计算或监测任务。控制器36可以是单个控制器，或者可以包括设置成与一个或多个检测传感器32和输出装置34交互的多于一个的控制器。举例来说，控制器36可包括多个控制器，例如但不限于与检测传感器32功能上关联的额外控制器。

为了基于由控制器36提供的输出信号输出信息，输出装置34可包括多个输出装置34中的一个或多个，包括但不限于音频输出装置46、振动输出装置48以及视觉显示器50。音频输出装置46可以是能够向操作员56提供可听信号的任何音频装置。例如，音频输出装置可以是扬声器。此类可听信号可以是任何振幅的可听噪声，其被配置成响应于来自控制器36的报警信号而给操作员56报警。视觉显示器50可以是屏幕或任何视觉装置，其可以被配置成响应于来自控制器36的信号而向操作员56提供任何形式的视觉刺激或视觉馈送。虽然视觉显示器50在图1中描绘为在机器10内，但视觉显示器50可关于机器10在机外(例如，在远程操作员工作站处)或在适合由操作员56或任何其它用户看见的任何位置。另外，振动输出装置48可以是被配置成响应于来自控制器36的报警信号通过一个或多个振动给操作员56报警的任何振动和/或触觉装置。

控制器36的功能可以在硬件和/或软件中实现，并且可以依赖于一个或多个数据图。为此，控制器36可包括内部存储器42；和/或控制器36可以另外连接到外部存储器44，例如数据库或服务器。内部存储器42和/或外部存储器44可包括但不限于包括只读存储器(rom)、随机存取存储器(ram)、便携式存储器等中的一个或多个。此类存储器介质是非暂时性存储介质的实例。

控制器36可以被配置成执行指令，所述指令在执行时，检测在接近机器10的区域38内的物体。区域38可以是邻近机器10的任何三维空间，在该三维空间中检测传感器32能够检测物体。为了进一步说明区域38和任何外来或另外位于区域38内且可检测的物体，在图3中示出机器10的后部部分52的俯视图，包括位于区域38中的元件。在图1中描绘了在线a的左边作为机器10的部分的后部部分52。尽管如图所示将参考邻近后部部分52的区域38，但以下系统和方法可关于邻近机器10的任何替代区域38适用，其中一个或多个检测传感器32可检测物体。

在区域38内，可以由控制器36定义障碍区54，机器10的一个或多个部件部分或全部地可以位于障碍区54中(例如，框架14、松土器28、地面接合装置22)。障碍区54可以通过手动输入、通过基于输入数据确定、通过默认区域参数和/或通过设计障碍区54的任何技术来限定。因为位于障碍区54内的物体在检测传感器32的范围内，所以检测传感器32在操作时将检测到此类物体为区域38内的物体。然而，当希望利用检测传感器32检测外物时，在障碍区54内的此类物体可导致区域38内外物的假阳性读数。如本文定义的，“外物”可以指在发生物体检测时未附接到机器或以其它方式不与机器功能关联的任何物体；因此，外物可以是未附接到机器的任何物体，包括可能已经与机器或另一机器断开连接的机器部件。因此，通过减少或消除机器关联部件的假阳性检测来改善功能，使用控制器36，系统30可以被配置成利用学习障碍检测过程使得控制器36有效地知道机器关联部件不是外物，如下文更详细地描述的。如本文中定义的，“机器关联部件”可以是作为机器的一部分、附接到机器或者另外与机器可操作地关联的任何物体。例如，框架14、工具12以及地面接合装置22及在图1-3和图5中所示的其它元件是机器关联部件。

控制器36可确定从检测传感器32接收的检测信号中的一个或多个是否指示在障碍区54内存在物体。如图3所示，此类物体可包括但不限于包括框架14、地面接合装置22以及松土器28。如果检测信号指示检测到的物体存在于障碍区54内，则控制器36可以确定检测到的物体是否指示机器10的机器部件。如本文所定义，“机器部件”指作为机器的一部分、附接到机器或以其它方式与机器关联的任何物体。例如，框架14、工具12、地面接合装置22及在图1-3和图5中所示的其它元件是机器部件。

为了确定检测到的物体是否指示机器部件，控制器36可利用学习障碍检测过程。学习障碍检测过程可以被配置成通过将检测信号与部件关联的检测数据进行比较来确定检测到的物体是否指示机器部件。部件关联的检测数据可以是指示在障碍区54内存在或曾存在一个或多个机器部件的发生率的数据。如果控制器36确定检测到的物体是机器部件，则控制器36将不会向输出装置34提供报警信号；而如果障碍区54中的物体确定为不是机器部件，则控制器36将向输出装置34提供报警信号，所述报警信号随后将提供给机器10的操作员56。

在一些实例中，控制器36可以被配置成至少部分地确定学习障碍检测过程。因而，在一些实例中，控制器36可以被配置成确定部件关联的检测数据，并将部件关联的检测数据存储在内部存储器42和外部存储器44中的一个或两个上。在一些此类实例中，控制器36可以被配置成在给定时间段内从检测传感器32接收检测信号。在给定的时间段期间，障碍区54内的唯一可检测物体是机器部件。在图3中示出唯一可检测物体是机器部件的一个这样的示例场景，其中障碍区54内的唯一物体是机器部件(例如，松土器28、地面接合装置22、框架14)。在给定时间段期间，控制器36可以将接收到的所述检测信号分类为部件关联检测信号，部件关联检测数据可以基于部件关联检测信号。在一些实例中，控制器36结合物体检测传感器32可在所述时间段内收集障碍区54内的检测信号，且保持发生的检测数目的计数。在此类实例中，在所述时间段期间，如果并且当出现的所述检测数目超过用户定义的阈值时，则物体被“学会”，并且因此所述检测信号被分类为部件关联检测信号。如本文中所定义，“部件关联检测信号”可以是从检测传感器32接收的和/或由从检测传感器32接收的信号导出的任何信号，在检测传感器32的给定范围内检测到机器部件时，所述信号被接收或被导出。

如图4中所示，在输出装置34为或包括视觉显示器50的一些实例中，视觉显示器50可以被配置成响应于来自控制器36的指令显示障碍区54的虚拟近似60以及通过学习障碍检测过程存在于其中的任何机器部件。如本文定义的“虚拟近似”可指空间和/或区域以及存在于其中的任何物体的任何不同程度的准确度和/或真实性的任何虚拟再创造或图形表示。例如，虚拟近似60可以是邻近机器10的空间和/或区域的虚拟再创造，如图示为在视觉上再创造的。障碍区54的虚拟近似60还可以示出区域38内空间的虚拟近似。如图所示，障碍区54的虚拟近似60可以用障碍区54内的一个或多个机器部件的位置相对指示62填充。使用并基于部件关联的检测数据生成位置相对指示62。位置相对指示62为“位置相对的”，因为它们在在由控制器36近似的区域38和/或障碍区54内在相对于障碍区54的虚拟近似的虚拟位置显示在视觉显示器50上。

图4示出了位置相对指示62，如图所描绘并且与图3中区域38的图示并置，并且此类位置相对指示62可包括但不限于包括分别与区域38中存在的松土器28、地面接合装置22和框架14关联的虚拟松土器指示64、虚拟地面接合装置指示66和虚拟框架指示68。如果将图3中的描绘有效地认为是在确定了学习障碍检测过程的时间段内的采样时间后部部分52的图像样本，则图4的虚拟近似60表示在所述时间段内的该相同采样时间障碍区54的虚拟近似60。虽然在图4中虚拟近似60的描绘表示为网格，其中机器部件的位置相对指示62由虚拟机部件所占据的虚拟空间内的黑色方块表示，但基于部件关联的检测数据指示机器部件的相对存在和/或定位的任何适当的视觉表示可以由视觉显示器50显示。

现在转到图5，在外物70至少部分地存在于障碍区54内的时刻，描绘了后部52、区域38以及其中的障碍区54。图6描绘了障碍区54的虚拟近似72以及区域54的相邻部分。如果在某一时间点将图5中的描绘作为样本图像考虑，则在系统30正在执行物体检测的机器操作期间获取所述样本图像。因此，图6的描绘是在同一时间点获取的虚拟近似72，并且，在所述时间点，外物70至少部分地存在于障碍区54内。在此类实例中，外物70的位置相对指示74可显示为虚拟近似72的一部分。虽然虚拟近似72的描绘表示为网格，其中机器部件的位置相对指示62由虚拟机部件所占据的虚拟空间内的黑色方块表示，并且外物70的位置相对指示74由交叉阴影线方框表示，但指示机器部件的相对存在和/或定位(基于部件关联的检测数据)和外物70的相对存在和/或定位(基于所接收的检测信号)的任何适合的视觉表示可以由视觉显示器50显示。

在一些实例中，控制器36还可以被配置成基于部件关联的检测数据在区域38内限定障碍区54。例如，控制器36可以基于在确定学习障碍检测过程确定期间确定的机器部件的定位来配置障碍区54的边界和/或阈值，所述边界被配置成进一步减少假阳性检测。当然，在一些其他示例中，障碍区54可以由手动输入、通过基于附加数据的确定、通过默认或通过用于设计障碍区54的任何技术来定义。

在一些实例中，控制器36还可以被配置成确定障碍区54的障碍阈值76，其可以在确定学习障碍检测过程的确定期间和在系统30操作以用于检测物体期间限制障碍区54的尺寸。在一些实例中，障碍阈值76可被配置为具有公差以考虑区域38内机器部件的机械波动(mechanicalfluxuation)。例如，机械波动可以是机器部件响应于机器10的机械振动、部件自身振动和/或由环境因素(例如，天气、其它机器等)引起的振动的任何移动。此类机械波动可包括或由以下引起，但不限于部件振动、工具移动和/或任何机器部件移动中的一个或多个。因此，当利用障碍阈值76时，所述障碍阈值被配置为具有此类公差，如果在操作期间部件略微移位，则控制器36将不会做出假阳性检测，控制器36的物体检测也不会被其它因素影响。

另外，在一些实例中，例如图1、图3以及图5的实例，其中机器10在障碍区54内包括至少一个工具12，此类工具12可能能够定位在多个工具位置。在此类实例中，控制器36还可以被配置成当确定学习物体检测过程时，确定用于多个工具位置的部件关联的检测数据。因此，在此类实例中，部件关联的检测数据可包括指示在位于障碍区54中同时工具12被定位在多个工具位置中的每一个的数据。

在系统30的一些实例中，控制器36可以被配置成确定机器部件(例如，工具12)是否从机器10拆卸，同时将接收的检测信号与部件关联的检测数据进行比较。举例来说，如果机器10最初具有附接的工具12，且相应地，在学习障碍检测过程的配置期间存在工具12，则如果所述工具12在物体检测期间从机器10脱离，则控制器36可通过将接收到的检测信号与部件关联的检测数据进行比较确定工具12与机器10分离。因为控制器36可以识别不存在任何输入的检测信号，而这些信号原本会从部件关联的检测数据指示工具12所位于的部件区54的区域过滤掉，所以控制器36可以确定工具12已经被移除。因此，在此类实例中，控制器36还可以被配置成如果控制器36确定工具12或任何其它机器部件从机器10拆卸，则通过例如输出装置34向操作员56提供报警或其它指示。

工业适用性

一般来说，前述公开内容在采用机器、采用物体检测的系统和方法的各种行业中具有实用性。虽然本公开的教导呈现为与图1、图3和图5中所描绘的机器10关联，但是本公开的教导可涉及执行与诸如建筑、开采、耕作、运输之类的行业或本领域已知的任何其他行业关联的一些类型的操作的任何其他作业机械。例如，本公开的教导可以适用于或与任何施工机械结合使用，施工机械例如推土机、轮式装载机、挖掘机、自卸卡车、反铲挖土机、自动平地机、材料处理机、伸缩臂叉车等。

通过利用本文中公开的系统和方法，在物体检测期间可以实现更大的外物检测的准确度和假阳性检测的一般降低。因此，利用上文所描述的学习障碍检测过程可通过减少或消除机器关联部件的假阳性检测来改善物体检测系统的功能。本文中所公开的系统和方法可允许物体检测用于以其它方式将不能够有效利用过去的物体检测的机器，原因是由先前物体检测系统做出的假阳性使得物体检测对于包括工具和其它干扰机器结构的机器是不合要求的。事实上，利用此类学习障碍检测过程允许系统和/或总体检测方法知道机器关联部件不是外物。另外，因为本文中所公开的系统和方法提供用于确定学习物体检测过程的过程，所以使用此类系统和方法确定的学习物体检测过程对于与机器关联的任何机器部件组合是无限的或无限可定制的。

为了实现这些优点，除了用于检测在机器10附近的区域38中的物体的方法100之外或结合用于检测在机器10附近的区域38中的物体的方法100，可使用用于物体检测的系统30，这描绘为图7中的流程图。尽管以下呈现的方法100的描述引用系统30的参考元件，但可使用替代元件执行方法100和任何关联子方法，且方法100和任何关联子方法不应被解释为通过系统30和/或其部件执行。

方法100可包括确定学习障碍检测过程，如框110中所描绘。为了确定学习障碍检测过程，可以执行用于框110的子方法，其由图8中的框111-119示出。用于确定学习障碍检测过程的框110的子方法可通过在一段时间内从物体检测传感器32接收物体检测信号开始，在所述时间段期间，区域38内的唯一可检测物体是机器10的一个或多个机器部件，如框111中所描绘。

当检测传感器32生成指示障碍区54中的物体的检测信号时，可递增计数器，其中计数器的每个“计数”指示采样信号，每个采样信号指示障碍区54内存在机器部件，如框112中所描绘。框110的子方法可具有计数器的计数器阈值，其中指示障碍区54中的机器部件的特定数目的计数必须在障碍区54内的相同位置被接收，以便障碍被视为部件关联检测数据。因此，框110的子方法可以评估当前计数是否超过计数器阈值，如框113中所描绘的。如果计数超过计数器阈值，则框110的子方法继续到框115。然而，如判断114所描绘的，如果它不超过计数器阈值，则框110的子方法可以终止学习过程，这将由框110的子方法确定的数据返回方法100，否则，在框111处，框110的子方法可继续从检测传感器32接收检测信号。

一旦接收到所述检测信号，它们可被分类为部件关联检测信号，如框115中所示。框110的子方法接着可基于部件关联的检测信号确定部件关联的检测数据，其中部件关联的检测数据指示在障碍区54内存在一个或多个机器部件的发生率，如还在框115中描绘的。部件关联的检测数据可以被配置成在例如系统30和/或方法100的物体检测系统和方法中使用或结合所述物体检测系统和方法使用。因此，部件关联的检测数据可用于物体检测系统和方法，其中系统和/或方法将在工作场地的机器10的操作期间部件关联的检测数据与输入的检测信号比较，以确定由输入检测信号指示的物体是否指示一个或多个机器部件。

在一些实例中，框110的子方法可包括基于部件关联的检测数据确定障碍阈值76，障碍阈值76具有公差以考虑至少一个机器部件的机械波动，如框119中所描绘。另外，在一些额外或替代实例中，框110的子方法可以确定障碍区54的虚拟近似60，如框117中所描绘，并且基于部件关联的检测数据，用位于障碍区54内的一个或多个机器部件的位置相对指示62填充障碍区54的虚拟近似60，如框118中所描绘的。

现在返回到图7的方法100，方法100可以包括限定障碍区54，其可以通过利用部件关联的检测数据来被可选地执行，如框120中所描绘的。

在一些实例中，在物体检测之前或期间，方法100可包括使用视觉显示器50显示障碍区54的虚拟近似60，如框130中所描绘的。

方法100可开始在框135处检测工作场地上和区域38(区域38可随机器10在工作场地的运动而运动)内的物体，其中控制器36开始从检测传感器32接收检测信号。根据检测信号的分析，控制器36可确定检测信号是否指示物体在障碍区54中，如在决策框140处所描绘的。如果检测信号的分析指示物体不在障碍区54中，但存在于区域38内，则方法100可继续到框170，且任选地，其也可返回到框135，其中方法100可继续接收物体检测信号，如由决策145所示的。

如果确定障碍区54中存在物体，则方法可继续到框150，其中将检测信号与部件关联的检测数据进行比较，否则方法100可返回到框130以继续监测来自检测传感器32的检测信号。在决策框160处，方法100可基于框150的比较确定所接收的检测信号是否指示机器10的机器部件。如果检测信号指示机器部件，则不采取任何动作，且方法返回到框130；然而，如果确定检测信号不指示机器部件，则使用例如输出装置34来给机器10的操作员56报警。在输出装置34包括视觉显示器50的一些实例中，可以通过显示作为虚拟近似72的一部分的外物70的位置相对指示74来实施报警。

应了解，本公开提供用于物体检测的系统和方法，其利用学习物体检测过程以及用于确定此学习物体检测过程的方法。虽然仅阐述了某些实施例，但从上文描述替代方案和修改将对所属领域的技术人员是显而易见的。这些和其它替代方案被视为等同物且在本公开以及所附权利要求书的精神和范围内。