표준 비디오카메라를 기반으로 한 필링 시스템 프로토타입은 거리를 정확히 측정하거나 다른 트레일러의 형태 또는 크기를 감지할 수 없고 먼지, 밝은 태양 빛, 어둠과 같은 환경적 요인을 처리할 수 없기 때문에 비효율적인 것으로 드러났습니다. 3D 근적외선 카메라로 거리 측정을 향상시킬 수 있지만 실제 조건에서 테스트 및 디버그를 수행하려면 수확기에 대한 많은 양의 개발 작업을 필요로 했습니다. 따라서 신속히 변경 사항을 적용하고 실제 하드웨어로 설계를 다시 테스트하는 것이 중요했습니다.

엔지니어링 팀에게는 제한된 테스트 시간을 최대한 활용하기 위해 3D 카메라와 수확기의 CAN 버스에 대한 직접 연결을 지원하는 개발 환경이 필요했습니다. 그러면 수확기의 임베디드 프로세서 중 하나에 대한 검증된 설계를 빠르게 구현할 수 있습니다.

CNH는 모델 기반 설계를 사용하여 New Holland IntelliFill™ 시스템의 개발과 구현을 가속했습니다.

팀은 수확기 분출구에 장착된 3D 카메라로부터 데이터를 수집했습니다. MATLAB^®을 사용하여 이러한 포인트 클라우드를 분석하고 3D 처리 기술을 평가했습니다.

후보 알고리즘이 Simulink^® 컨트롤러 모델의 구성 요소로서 구현되었습니다. 컨트롤러는 카메라로부터 3D 데이터를 수신하여 분출구의 횡이동, 분출구에서 나가는 흐름의 방향, 카메라의 각도는 물론 운전자에 대한 시각 및 청각 경고를 제어하는 신호를 생성합니다.

시스템의 데이터 처리 모듈은 Simulink and DSP System Toolbox™를 사용하여 개발되었습니다. Computer Vision Toolbox™를 통해 3D 비디오 스트림에 디버깅을 위한 주석을 추가할 수 있었습니다.

팀은 Stateflow^®를 사용하여 시스템의 아키텍처를 관리하고 입력 데이터부터 출력 신호까지 제어 흐름을 조정하는 컨트롤러 상태를 정의했습니다.

Simulink에서 기본 플랜트 모델을 개발한 후 트레일러 필링 프로세스의 폐루프 시뮬레이션을 수행했습니다.

팀은 차량 내 테스트 준비를 위해 Vehicle Network Toolbox™를 사용하여 컨트롤러 모델에 대한 CAN 버스 인터페이스를 개발하고 Instrument Control Toolbox™를 사용하여 3D 카메라에 대한 이더넷 인터페이스를 개발했습니다.

필드 테스트 중에 수확기 조종석 내부의 랩탑에서 실행되는 Simulink 컨트롤러 모델은 카메라에서 초당 20장의 이미지를 처리하고 CAN 버스를 통해 시스템 컨트롤러로 명령을 전달했습니다.

팀은 필드에서 Simulink 모델을 미세 조정하여 제어 알고리즘을 개선하고 최적화했습니다.

Embedded Coder^®를 사용하여 컨트롤러 모델로부터 생산 C 코드를 생성하고 이것을 수확기의 디스플레이 패널 소프트웨어를 실행하는 ARM^®9 프로세서에 적용했습니다.

New Holland IntelliFill™ 시스템은 FR9000 시리즈 목초수확기용으로 생산 중입니다. CNH는 모델 기반 설계를 사용하여 농경 장비를 위한 새로운 기능을 개발하고 있습니다.