CN107449459A - 自动调试系统和方法 - Google Patents

自动调试系统和方法 Download PDF

Info

Publication number
CN107449459A
CN107449459A CN201710248877.6A CN201710248877A CN107449459A CN 107449459 A CN107449459 A CN 107449459A CN 201710248877 A CN201710248877 A CN 201710248877A CN 107449459 A CN107449459 A CN 107449459A
Authority
CN
China
Prior art keywords
sensors
pitching
sensor
coordinate system
determining
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
CN201710248877.6A
Other languages
English (en)
Other versions
CN107449459B (zh
Inventor
阿兰.马修.费因
方慧
阿瑟.徐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Otis Elevator Co
Original Assignee
Otis Elevator Co
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 Otis Elevator Co filed Critical Otis Elevator Co
Publication of CN107449459A publication Critical patent/CN107449459A/zh
Application granted granted Critical
Publication of CN107449459B publication Critical patent/CN107449459B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H04N13/246—Calibration of cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G01D18/002—Automatic recalibration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G01S7/4972—Alignment of sensor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Manufacturing & Machinery (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种用于与乘客运输系统相关联的传感器的安装方法，所述方法包括通过校准矩阵将传感器坐标系至少部分地自动校准到世界坐标系，其中所述传感器坐标系至少部分地是使用深度图获得的。

Description

自动调试系统和方法
背景技术
本公开总体涉及3D传感器的校准，并且更具体地，涉及乘客运输工具应用中的3D传感器安装。
乘客运输工具(诸如电梯系统)的安装可能在人工、时间、测试夹具、测量装置以及数据输入方面导致相当大的费用和不便。当一个或多个3D深度传感器用于诸如确定乘客预计到达时间(ETA)的附加功能时，这种情况可能加剧。
3D深度感测系统通常采用以传感器为中心的坐标系，其中一个维度(深度)是径向远离传感器，并且另外两个维度(u,v)彼此正交并垂直于与(u,v)平面的中心相对应的深度维度。这种以传感器为中心的坐标系通常不以公制单位计，并且通常不与世界坐标系(x,y,z)对准，其中x、y和z是相互正交的，(x,y)平面是建筑物或结构的地板，并且z维度是垂直的。在这种上下文中，公制单位不限于国际单位制(SI)(也称为公制)中的单位，而是表示易于转换为公制单位的任何测量单位。类似地，世界坐标系是与固有的以传感器为中心的坐标系不同的任何坐标系，并且通常是笛卡尔坐标系。
将已安装的3D深度感测系统以公制单位校准到世界坐标可采用在不同的、独立的、所测量的(x,y,z)世界坐标处的4个独立的位置。所述4个位置可能是恰好在视场(FoV)中的‘找到’的对象。然而，对于专业安装，便携式3D校准夹具可仔细地安置在所测量的世界坐标处，并且这个夹具的校准数据可由3D深度传感器获取。利用世界坐标(xi,yi,zi)和对应3D深度传感器观察到的坐标(ui,vi,di),i＝1,..4的数据，可以求解变换矩阵以实现校准。可以使用最小二乘法技术来测量多于4个点以获得更可靠的解。
使用单个图像传感器的常规2D系统没有足够的信息来将所感测的对象映射到世界坐标系(将3D转化为2D投影)。此类系统可以利用某个运动对象的多个视图来计算校准参数，但是由于不存在绝对的尺寸参考，这种校准在标度上是模糊的。由于一些移动对象以非均一的方式移动并且在移动期间变形，这种方法进一步复杂化。
单个传感器校准通常包括确定用于计算变换矩阵(有时也称为投影、平移和旋转矩阵，或其逆矩阵)的6个外部传感器参数。6个外部参数是从世界坐标系的原点的x、y、z偏移量以及相对于世界坐标轴的俯仰角、偏航角和横滚角。完整的校准可包括确定6个外部参数以及另外的5个内部参数。众所周知，5个内部参数是fx和fy(焦距)、x0和y0(主点偏移量)以及s(轴偏斜量)。这可以被认为是2D平移量、2D剪切量以及2D缩放量。内部参数例如根据制造商的数据通常是已知的，或者可在安装传感器之前通过已知技术确定。
然而，存在相对较少的关于3D传感器自动校准的经验，特别是在一些或所有外部校准参数已知为先验的情况下。通常，繁琐的校准方法教导手动地将许多可检测的对象放置在3D传感器的视场(FOV)中，使对象在其位置处保持静止，并且测量在世界坐标和传感器坐标两者中的位置。可以使用具有已知尺寸的特殊3D校准目标或夹具来简化这个过程。
利用足够数量的唯一测量值，可以求解数学等式以确定变换矩阵。通常使用超过最少数量的测量值(以甚至进一步的努力和可能的错误为代价)来计算更可靠的解。
数学等式可以用公式表示为
Txs＝xw
其中xs＝(u,v,d)是传感器坐标系中的点的坐标，xw＝(x,y,z)是世界坐标系中的同一点的坐标，并且T是期望的变换矩阵，其以齐次坐标表示为：
这可以重新用公式表示为
A*M＝B (1)
其中
应当理解，变换矩阵或等效地校准矩阵是在一个坐标系中的点与在另一个坐标系中的同一点之间的一致关系的方便、简洁的表示。本文所教导的校准不受这种矩阵表示的限制，并且本文公开了其他等效的几何表示和分析表示以示出这一点。
M是T的列中前12个元素，A包含传感器坐标中的n个测量点到世界坐标系中的投影，并且B包含世界坐标中的n个点的坐标。这里，cij是传感器图像和深度(u,v,d)通过传感器内部参数到传感器坐标的投影。通过最小二乘法针对M求解等式(1)产生用于期望的变换矩阵的值。
尽管是有效的，但是现有方法可能需要特殊的校准目标和显著的安装者努力。
发明内容
根据本公开的一个公开的非限制性实施方案，一种用于3D传感器的安装方法可包括通过校准矩阵将传感器坐标系至少部分地自动校准到世界坐标系，其中所述世界坐标系至少部分是使用深度图获得的。
本公开的另一个实施方案可包括：确定3D传感器的高度；以及响应于3D传感器的高度，通过校准矩阵将传感器坐标系至少部分地自动校准到世界坐标系。
本公开的另一个实施方案可包括：确定3D传感器的俯仰；以及响应于3D传感器的俯仰，通过校准矩阵将传感器坐标系至少部分地自动校准到世界坐标系。
本公开的另一个实施方案可包括：其中确定3D传感器的俯仰包括参照由3D传感器生成的基准标记在X方向上放置目标。
本公开的另一个实施方案可包括：其中确定3D传感器的俯仰包括使用在X方向上的距离和3D传感器的高度来计算3D传感器的俯仰。
本公开的另一个实施方案可包括确定地板平面作为世界坐标系的参照系。
本公开的另一个实施方案可包括：其中确定3D传感器的俯仰包括利用倾斜仪。
本公开的另一个实施方案可包括：其中确定3D传感器的俯仰包括直接测量。
本公开的另一个实施方案可包括：其中确定3D传感器的俯仰包括利用投影仪。
本公开的另一个实施方案可包括：其中投影仪发射相干光束。
本公开的另一个实施方案可包括：其中确定3D传感器的俯仰包括利用激光器。
本公开的另一个实施方案可包括：其中投影仪发射非相干光束。
本公开的另一个实施方案可包括：其中确定3D传感器的俯仰包括投影电磁辐射。
本公开的另一个实施方案可包括：其中确定3D传感器的俯仰包括投影图案。
根据本公开的一个公开的非限制性实施方案，一种自动校准系统可包括：深度感测传感器；以及处理器，所述处理器与深度感测传感器通信，所述处理器可操作用于通过校准矩阵将传感器坐标系至少部分地自动校准到世界坐标系，其中所述世界坐标系至少部分是使用深度图获得的。
本公开的另一个实施方案可包括：其中深度感测传感器包括结构光、相移、飞行时间、立体三角测量、光片三角测量、光场相机、编码孔径相机、计算成像技术、同时定位与绘图(SLAM)、成像雷达、成像声纳、扫描LIDAR以及闪光LIDAR中的至少一个。
本公开的另一个实施方案可包括可操作来确定传感器的俯仰的装置。
本公开的另一个实施方案可包括：其中处理器可操作来确定地板平面作为世界坐标系的参照系。
本公开的另一个实施方案可包括：其中所述装置包括倾斜仪、投影仪以及显示器中的至少一个。
本公开的另一个实施方案可包括：其中自动校准系统可操作用于乘客运输系统。
前述特征和元件可组合成各种组合而不具排他性，除非另外明确地指示。这些特征和元件以及其操作将根据以下描述和附图变得更显而易见。然而，应理解，以下描述和附图在本质上意图为示例性的而非限制性的。
附图说明
各种特征将从以下所公开的非限制性实施方案的详细描述中对本领域技术人员变得显而易见。随附于详细描述的附图可简要描述如下：
图1是根据一个公开的非限制性实施方案的电梯系统的示意图；
图2是根据另一个公开的非限制性实施方案的电梯系统的框图；
图3是根据另一个公开的非限制性实施方案的电梯系统的透视图；
图4-6是3D传感器安装的视图；
图7是3D传感器安装的透视图；
图8是根据另一个公开的非限制性实施方案的3D传感器安装的透视图；
图9是根据另一个公开的非限制性实施方案的3D传感器安装的透视图；并且
图10是根据另一个公开的非限制性实施方案的3D传感器安装过程图的框图。
具体实施方式
图1示意性地示出诸如电梯系统的乘客运输系统20。系统20可包括电梯轿厢22、电梯门24、门厅呼梯26、轿厢操作面板(COP)28、传感器系统30以及控制系统32。应理解，尽管本文将电梯系统作为实例公开和示出，但是诸如大型运输车辆的其他乘客运输系统以及其他非乘客运输系统也将从本文中受益。应进一步理解，尽管特定的系统被单独定义，但是每个系统或任何系统可以通过硬件和/或软件以其他方式组合或分离。
各种电梯系统可利用乘客发起的输入来标志对电梯服务的需要。例如，来自门厅呼梯26的输入可包括按下例如向上、向下、期望目的地的按钮或任何其他期望的交互，以请求电梯服务。乘客发起的输入(例如，通过呼叫按钮)可通知控制系统32存在等待电梯服务的乘客。作为响应，控制系统32可将电梯轿厢22调度到适当的楼层。任选地，一旦在电梯轿厢22内，乘客就可以按下轿厢操作面板(COP)28上的指定期望的目的地、方向等的按钮，并且然后控制系统32可以将电梯轿厢22调度到那个目的地。
控制系统32可包括具有处理器42、存储器44以及接口46的控制模块40。控制模块40可以是用于电梯系统的中央控件的一部分、独立单元或其他系统(诸如基于云的系统)。处理器42可包括任何类型的微处理器或具有期望的性能特性的其他处理装置。存储器44可包括存储本文所公开的数据和控制过程的任何类型的计算机可读介质。也就是说，存储器44是示例性计算机存储介质，其可具有体现在其上的计算机可用指令(诸如过程)，所述指令在执行时，可执行期望的方法。控制模块40的接口46可有利于控制模块40与其他系统之间的通信。
参考图2，基于深度传感器的乘客感测系统60可包括与数据捕获模块64和处理模块66通信的传感器62。基于深度传感器的乘客感测系统60可以是控制系统32的一部分、独立单元或与控制系统32通信的其他系统(基于云的系统)。数据捕获模块64和处理模块66可特定于传感器62，以获得并处理来自传感器62的数据。在一个实例中，通过数据捕获模块64和处理模块66，传感器62可操作来获得深度图数据，并且使用这种深度图数据来检测门厅H中乘客的存在、乘客到电梯的估计到达时间(ETA)、门厅H中乘客的数量以及其他有用信息。
根据一个公开的非限制性实施方案，传感器62可安装在门厅H的墙壁W中(图3)。在这个公开的非限制性实施方案中，传感器62包括深度感测传感器。应理解，贯穿本公开使用的术语“传感器”是指任何1D、2D或3D深度传感器或其组合。这种传感器可在能够产生对应维度的深度图(也被称为点云或占用网格)的电磁波谱或声谱中进行操作。各种深度感测传感器技术和装置包括但不限于：结构光测量、相移测量、飞行时间测量、立体三角测量装置、光片三角测量装置、光场相机、编码孔径相机、计算成像技术、同时定位与绘图(SLAM)、成像雷达、成像声纳、扫描LIDAR以及闪光LIDAR，或包括前述中的至少一个的组合。不同的技术可包括主动型(发送和接收信号)或被动型(仅接收信号)，并且可在诸如可见、红外、超声等的电磁波谱或声谱的频带中操作。深度感测的使用可具有胜过常规2D成像的特殊优点。在一个实施方案中，红外感测的使用可具有胜过可见光谱成像的特殊益处，以使得可替代地或另外，传感器可以是具有一个或多个像素的空间分辨率的红外传感器，例如无源红外(PIR)传感器或小型IR焦平面阵列(FPA)。
值得注意的是，2D成像传感器(例如，常规安全摄像机)与1D、2D或3D深度感测传感器之间可能存在定性和定量差异，从这个意义上来说，深度感测提供许多优点。在2D成像中，捕获来自第一对象的在从成像器的每个径向方向上的反射颜色(波长的混合物)。那么，2D图像是场景中的源照明和对象的光谱反射率的组合光谱。源照明通常是环境照明，其与2D传感器没有明确关联或不是专门针对2D传感器设计的。2D图像可被人们解释为图片。在1D、2D或3D深度感测传感器中，不存在颜色(光谱)信息；相反地，捕获在一个(1D)或多个(2D、3D)径向方向上从传感器到第一反射对象的距离(深度、范围)。1D、2D和3D技术可具有固有的最大可检测范围极限，并且可具有比典型的2D成像器相对更低的空间分辨率。与常规的2D成像相比，1D、2D或3D深度感测的使用通常可有利地提供改善的操作，诸如对环境照明问题的相对抗扰性、更好的遮挡对象分离以及更好的隐私保护。此外，红外线感测的使用通常具有胜过可见光谱成像的特殊益处。2D图像不可转换成深度图，深度图也不可转换成2D图像。人为地将连续颜色或灰度指定为连续深度可允许人们在某种程度上将深度图粗略地解释为类似于人们看到的2D图像的情形，但是这种指定不会产生常规意义上的图像。不能将深度图转换成图像可能似乎是一种缺陷，但在本文公开的某些分析应用中这可以是有利的。
在一个实例中，传感器62可以是护眼性扫描LIDAR，其中视场(FOV)可以是例如水平约180度乘垂直90度，所述视场可覆盖门厅的整个区域或与电梯门24(图3)相邻的其他区域。在替代实施方案中，传感器62可以是如本文其他地方所公开的闪光LIDAR、飞行时间传感器、结构光传感器等。对于发射信号以便检测范围的有源传感器，每个数据点表示FOV中的物理对象点的反射，可以获得从所述数据点到那个对象点的范围和角度。LIDAR的扫描速率可以是例如每次扫描50ms，这有利于可靠地跟踪乘客。也就是说，在通过处理模块66应用分析过程之前，LIDAR扫描数据可被转换成占用网格表示。每个网格表示小区，例如5cm x5cm x 5cm。网格的状态可用数字方式(例如1或0)指示，以便指示每个网格立方体是否被占用。因此，每次数据扫描可被转换成二进制图，并且然后使用这些图来认识门厅的背景模型，例如通过使用针对深度数据设计或修改的过程，诸如高斯混合模型(GMM)过程、主成分分析(PCA)过程、码本过程或包括前述中的至少一个的组合。
处理模块66可利用各种3D检测和跟踪过程，诸如背景减除、帧差分、贝叶斯滤波器跟踪和/或伪数据舍弃。可以计算深度背景，所述深度背景可用于通过码本模型、高斯混合模型、非高斯混合模型、PCA等来将前景对象(例如，潜在的乘客)与背景(例如，墙壁和地板)分割开。可从当前深度数据(帧)中减除背景模型(也被称为“帧”)以确定前景检测。在背景减除和前景检测之前和/或之后，可以使用(本文其他地方公开的)伪数据舍弃来去除隔离的小前景区(也被称为“噪声”)并且分割被称为斑点的移动对象以用于进一步分析。然后，可基于深度不连续性在3D中分割所述斑点。乘客定位或跟踪可基于所分割的斑点、使用贝叶斯滤波器法(诸如卡尔曼滤波器或粒子滤波器)。应理解，这些操作是对3D数据进行的，并且具有相似名称的2D算法必须经过适当地修改以对3D数据进行操作。
伪数据可以是深度感测固有的，并且可以随着所采用的具体技术而改变。对于主动型技术(例如，结构光、飞行时间、LIDAR等)，其中发射特定信号并且随后检测特定信号以便确定深度，高度反射表面可产生伪深度数据，例如不是反射表面本身的深度，而是漫反射表面在以下深度处的深度：所述深度是反射表面的深度加上从反射表面到某个漫反射表面的深度。高度漫反射表面不能反映足够量的发射信号以确定深度，因此导致深度图中的伪间隙。更进一步地，环境照明的变化、其他有源深度传感器造成的干扰或信号处理中的不准确性可导致伪数据。
可以通过形态学操作去除隔离的小前景区(例如，也可能是“噪声”的那些区)来舍弃伪数据。3D数据在占用网格中可具有自遮挡，例如，“阴影”。用于伪数据舍弃的方法可包括2D连接成分过程的扩展，以便在占用网格中包括“未知”类别以用于3D形态学滤波。接下来，可根据范围的变化执行尺寸滤波，这可以去除在预定尺寸以下的对象。然后，可基于深度不连续性在3D中分割所述对象。可能的是，一些对象在深度不连续分割之后将变得相对较小，例如，几乎完全被另一个人遮挡的某个人将呈现为小斑点。这种方法可用来检测、定位或跟踪这类小对象，所以此类小对象可被分类，而不是过滤掉它们。如果所选择的特性，诸如高度、宽度、纵横比、体积、加速度、速度和/或其他时空特性超出检测阈值(例如，动态地计算的阈值、静态阈值等)，可以使用形态学滤波来去除斑点。另外，可应用几何滤波来进一步去除超出场景边界的伪斑点。深度背景限定环境的3D场景边界。表示真实对象的“斑点”应在3D边界之内。也就是说，如果斑点的深度大于深度背景的对应位置的深度，那么斑点超出3D边界并且可以去除，例如，从诸如镜子的反射表面检测到的斑点。
参考图4-7，世界坐标系(x,y,z)和传感器坐标系(u,v,d)被定义用于随后的参考。在图4中，示出正偏航θ。在随后的讨论中，偏航按照定义将为零，也就是说，当传感器安装在+z方向上并且基本上瞄准世界坐标系的地板时，世界+x方向将被定义为与传感器(u,v)FoV中间的-v方向对准(图7)。图5示出在地板(x,y)平面上方h>0处的传感器更多地向下瞄准世界坐标系的地板的情况下的负俯仰ρ。图6示出负横滚Φ。虽然图4-7描绘安装在世界坐标系原点正上方的传感器，其中所述世界坐标系原点基本上位于乘客运输门的基部，但是应理解，本文所教导的校准既不依赖于传感器与特定世界坐标系的特殊关系，也不依赖于世界坐标系与乘客运输门的关系。
3D传感器的内部参数通常由制造商确定并且可以假设为已知的。然而，如果不是已知的，所述内部参数可容易地通过众所周知的技术确定。其余的校准所需参数是世界坐标系与传感器坐标系之间的(x,y,z)平移量以及世界坐标系与传感器坐标系之间的(ρ,θ,Φ)俯仰、偏航和横滚旋转量。
假设传感器与世界坐标的起点和缩放比例一致，那么世界坐标中的点相对于传感器坐标的旋转量是
T(u,v,d)＝(x,y,z)或等效地(u,v,d)＝TT(x,y,z) (1)
其中T是具有3个独立参数(ρ,θ,Φ)的旋转矩阵，上标T表示转置矩阵，并且众所周知，旋转矩阵的逆矩阵是其转置矩阵。这种旋转矩阵T可被分解为T＝Tx Ty Tz，即，被分解成围绕每个坐标轴的旋转量，如围绕x轴的旋转量Tx、y轴的Ty以及围绕z轴的Tz：
在一个实施方案中，可以针对指定的设计条件，例如，高度h、俯仰ρ和横滚Φ(通常为零)，通过任何已知方法(包括本文所公开的那些方法)对3D传感器和相关联的T矩阵进行预校准。如果传感器安装在设计高度、俯仰和横滚处，那么可以使用预校准的T矩阵，并且不需要另外的校准。
在替代实施方案中，将描述全自动校准过程。在这个实施方案中，一些安装条件可使得将传感器62安装在设计的操作高度处是不可能的或不合乎期望的。在这些条件下，可能需要将传感器62安装在不同的高度h’处并且将俯仰改变成某个值ρ'，以使得传感器62看到大致相同的视场(FOV)，就像传感器62被安装在设计的操作高度和俯仰处。在这个实施方案中，如所设计的，假设横滚为零。新的高度h'是从传感器到世界坐标系地板平面的正交距离。
可以根据传感器数据直接确定地板平面。首先，获得地板平面面积。平面是2D表面z＝mx+py+b，其中m、p和b是平面的参数。可通过针对n个平面点求解等式(5)来找到平面的参数：
任何三个点限定一个平面，并且使用n＝3将可能导致非常多的平面，它们中的大部分不是期望的地板平面。可使用随机样本一致性(RANSAC)算法来找到一致的n3个平面点的集合。然后，可通过在某个小的噪声容限内添加位于平面上的点来扩展这个点集合以涵盖整个地板平面区域。可使用另外的逻辑来从以这种方式找到的所有平面中区分哪个平面是地板。所述另外的逻辑可包括确定哪个平面具有最大范围，哪个平面包括最低高程点，哪个平面与任何移动对象的最低末端接触等。按照定义，在(u,v,d)传感器坐标系中的地板平面区域是世界坐标系中的按照定义z为零的地板平面区域。
为了获知地板平面，可以进行以下假设：地板是平坦的，并且因此传感器视野中的某个区域看到地板平面，例如传感器视野的下部1/3或底部-中间区段，其中假设底部三分之一区段看到地板平面。换句话讲，安装者必须确保这些假设得以满足，否则必须移开在那个预定义区域中的地板平面上的对象或移动传感器。可替代地，安装者输入关于地板平面的位置的信息(例如，安装者看到深度图并且使用用户接口标记出深度图(或类似的RGB图像)中的与地板平面相对应的区域，同时避开花盆、柱子等)。
将传感器坐标中的地板平面区域变换为世界坐标中的地板平面区域可以被认为是在围绕坐标轴旋转Tx、Ty和Tz之后平移-h'以便与坐标系的原点对准。然后，可以将用于平移和旋转的参数h’、ρ’、θ’和Φ’的计算用公式表示为非线性优化，以找出针对给定的ρ’、θ’、Φ’和h’的投影地板平面与实际地板平面(其中z同样为零)之间的最小误差，例如，其他问题公式和标准也可用来针对相同的参数进行求解。然而，一般来说，并且例如但不限于此，x和y将不是已知的，并且这个公式必须限于已知数据。
由于偏航被定义为零，世界坐标系中唯一的已知值是对于平面并且旋转矩阵的逆矩阵是其转置矩阵，因此计算可被简化为
针对已知在地板平面上的点(u，v，d)求解等式(6)将产生安装的高度、俯仰以及横滚。如果偏航不是同样取零，等式(6)可以更一般地进行，并且如果另外横滚同样取零，等式(6)可以更简单地进行。例如，如果俯仰和高度两者是未知的，但横滚和偏航已知为零，那么可通过使用用于垂直FoV和垂直分辨率V的已知内部参数来简化求解。也就是说，利用FoV的顶部与底部之间的已知垂直角度和到地板平面的距离(暂时假设这两个点在地板面上)，形成边角边三角形，并且根据余弦定理和正弦定理可以计算每条边的距离和三角形的夹角。如其他地方所解释的，那么俯仰为与传感器相对的角度的负数，并且高度通过切线计算出。如果FoV的顶部和底部不在地板平面上，那么位于地板平面上的沿相同垂直列(常数u)的任何两个点v1和v2可以与根据垂直间距缩放的角度一起使用。为了获得更可靠的解，可以在最小二乘解中使用更多对的点。
参考图8，在替代实施方案中，3D传感器62安装在已知形状和安装方式的外壳65中。在这种情况下，(ρ,θ,Φ)相对于外壳(并且因此根据外壳形状和安装方式相对于世界坐标系)已知为先验的。此外，世界坐标系的原点可位于安装在已知高度h处的传感器62的正下方。在这个实施方案中，可以使用预先计算的校准矩阵，因为所有6个“测量值”(x,y,z)和(ρ,θ,Φ)都是已知的。
在另一个实施方案中，一些安装条件可以使得将3D传感器安装在设计的操作高度处是不可能的或不合乎期望的。在这些条件下，可能需要将3D传感器安装在不同的高度h’处并且将俯仰改变成某个值ρ’，以使得3D传感器看到大致相同的视场(FOV)。此外，可能不方便在安装位置处简单地重复预校准过程或先前描述的自动校准过程。在这种情况下，虽然可以测量实际高度h’，但是在没有另外的设备的情况下，更难以直接测量或精确测量实际俯仰ρ’。
在这个实施方案中，俯仰更难以测量，并且因此这个实施方案包括具有一个或多个预定义的基准标记70的显示器68，一个基准标记优先地位于传感器轴上。安装者仅需要测量与一个基准标记相对应的一个地板位置，输入数据，并且通过三角法自动执行角度计算。
如果需要的话，用户接口进一步为基准标记的用户提供可视化，并且一旦系统被校准，就可以提供定位或跟踪准确度的视觉反馈。反馈可包括提供跟踪对象的边界框或其他指示以便用户对正确定位或跟踪进行视觉确认。这种视觉反馈是确定校准质量的手动方法。在替代实施方案中，系统可以自动计算校准质量的量度。例如，T矩阵(左上3x3子矩阵)的旋转部分应具有全部等于1的三个奇异值。类似地，T矩阵的平移量和缩放比例可以由特定应用界定，并且超出这些界限的值指示差的校准。
显示器68可以是现有的霍尔位置指示器或其他显示器(诸如膝上型计算机)，其中所显示的基准标记70位于已知的(u,v)显示坐标处，例如显示为在屏幕中心的十字光标。安装者仅需要将任何可见的对象(例如卷尺的主体)沿x方向放置在地板上，以使得所述对象与基准标记70对准。系统可以使用测量的距离x和测量的高度h’来执行简单的三角计算，以提供俯仰角ρ’，即，ρ’＝-tan-1(h’/x)。
然后，可以将这些新的测量值与先前描述的预定义校准矩阵级联使用，其中δh是h’与预先确定的安装高度h之间的差，并且δρ是原始预定义的俯角与新俯角之间的俯角变化，即，
使用δh和δρ允许将校准级联，也就是说，新的T矩阵是原始旋转矩阵T和新矩阵T’的乘积。在替代实施方案中，实际安装高度和新俯角ρ与新校准矩阵的直接计算一起使用。
参考图9，另外的设备诸如倾斜仪72或投影仪74相对于3D传感器的外壳65是对准的，并且从而以已知的方式与3D传感器62本身对准。倾斜仪72可包括但不限于：测角仪、量角器、六分仪、倾斜计、倾斜指示器、斜度计、测斜仪、梯度计、水准仪、水平仪、磁偏计、测斜器或能够直接测量俯仰角的其他类似装置。
在另一个替代方案中，投影仪74可以任何波长(s)发射相干光(例如激光)或非相干光，例如作为多个波长的某种组合，以提供能够检测的1D、2D或3D图案。在这个实施方案中，距离x和h’可以由任何常用装置(例如卷尺)测量，并且与之前相同的计算ρ’＝-tan-1(h’/x)提供俯仰角。可替代地，安装者可以暂时提供另外的设备。
参考图10，示意性地示出安装过程100。首先，安装者将3D传感器以预先指定的设计高度(诸如2.3m)和俯仰角(诸如-40°)优选地安装在电梯门的正上方(步骤102)。如果这是可能的，那么过程立即终止(步骤104)，并且预校准T矩阵将用于潜在乘客的定位或跟踪。如果优选的安装位置是不可能的，那么3D传感器可以安装在不同高度处，不居中位于门上方，或两者。
如果3D传感器并未以预先指定的设计高度安装在门上方，那么安装者可以测量从期望安装位置的偏移量，或者可以测量在世界坐标系中的新位置(步骤106)，输入数据(步骤108)，并且如先前所述，将计算对T矩阵的校正(步骤110)。如先前所述，过程继续计算校准质量并将其传递给安装者(步骤112)，并且过程终止(步骤104)。
如果3D传感器并未安装在设计高度处，那么可以向上(如果安装得比设计高度低)或向下(如果安装得比设计高度高)调节俯仰以实现期望的FOV(步骤114)。应理解，以某个取向/位置而不是“设计”取向/位置调节传感器的FoV可以不仅仅是设计高度。偏斜传感器，即安装在门上方但有目的地成一定角度以便向下更多地看到长廊的传感器，将通过本文其他地方公开的全自动过程进行适当地处理。现在有四个示例性替代方案。
在第一替代方案中，测量安装高度和到基准标记的距离(步骤116)。将测量的高度和距离输入到系统中(步骤118)，并且如先前所述，将计算对T矩阵的校正(步骤110)。如先前所述，过程继续计算校准质量并将其传递给安装者(步骤112)，并且过程终止(步骤104)。
在第二替代方案中，测量安装的俯仰或高度或横滚(步骤120)，并且如先前所述，系统计算高度或俯仰或横滚(步骤122)。在这个实施方案中，可以更容易地实现俯仰的测量。如先前所述，将计算对T矩阵的校正(步骤110)。如先前所述，过程继续计算校准质量并将其传递给安装者(步骤112)，并且过程终止(步骤104)。
在第三替代方案中，(步骤124)如先前所述，测量安装高度和俯仰(步骤124)，并且输入到系统中(步骤126)如先前所述，将计算对T矩阵的校正(步骤110)。如先前所述，过程继续计算校准质量并将其传递给安装者(步骤112)，并且过程终止(步骤104)。可替代地，测量俯仰但是自动校准所有其他项。
在第四替代方案中，如先前所述，通过找到地平面来计算全自动T矩阵校正(步骤128)，并且如先前所述，系统计算高度和俯仰(步骤130)。如先前所述，过程可以继续，即，如先前所述，将计算对T矩阵的校正(步骤110)。如先前所述，过程继续计算校准质量并将其传递给安装者(步骤112)，并且过程终止(步骤104)。可替代地，任选的横滚角的计算(步骤132)可以先于计算对T矩阵的校正(步骤110)、如先前所述的计算校准质量并将其传递给安装者(步骤112)以及过程终止(步骤104)。
所述过程以最小的安装人员努力或在无需安装人员努力的情况下提供3D传感器校准。也就是说，安装者既不需要特殊的校准目标，也不需要在传感器坐标系和世界坐标系两者中进行测量。
本文公开和描绘的元件，包括贯穿附图的流程图和框图，暗示元件之间的逻辑边界。然而，根据软件或硬件工程实践，所描绘的元件和其功能可通过具有能够执行存储在其上的程序指令的处理器的计算机可执行介质在机器上被实现为整体软件结构，为独立软件模块或为采用外部例程、代码、服务等的模块或者这些的任何组合，并且所有此类实现可在本公开的范围内。
应了解，诸如“向前(forward)”、“向后(aft)”、“上部(upper)”、“下部(lower)”、“高于(above)”、“低于(below)”“底部(bottom)”和“顶部(top)”以及此类的相对位置术语参考正常的操作姿势并另外不应该被认为是限制性的。
应理解，贯穿若干附图，相同参考数字识别对应或相似元件。还应理解，尽管在所示出的实施方案中公开了特定的部件布置，但其他布置将从此受益。
尽管不同的非限制性实施方案具有具体示出的部件，但本发明的实施方案不局限于那些特定组合。使用来自非限制性实施方案中的任一个的部件或特征结构中的一些与来自其他非限制性实施方案中的任一个的特征结构和部件组合是可能的。
尽管示出、公开和要求保护特定的步骤顺序，但应理解，除非另外指示，否则步骤可以任何次序、单独或组合执行，并且将仍然从本公开受益。
前述描述是示例性的而不是由其中的限制所限定。本文中公开了各种非限制性实施方案，然而，本领域普通技术人员将意识到，根据以上教义的各种修改和变化将落入随附权利要求书的范围内。因此，应理解，在附属权利要求书的范围内，本公开可以按不同于本文具体公开的方式来实践。因此，应研习随附权利要求书来确定真实范围和内容。

Claims (20)

1.一种用于3D传感器的安装方法，所述方法包括：
通过校准矩阵将传感器坐标系至少部分地自动校准到世界坐标系，其中所述世界坐标系至少部分是使用深度图获得的。
2.如权利要求1所述的方法，其还包括：
确定所述3D传感器的高度；以及
响应于所述3D传感器的所述高度，通过所述校准矩阵将所述传感器坐标系至少部分地自动校准到所述世界坐标系。
3.如权利要求1所述的方法，其还包括：
确定所述3D传感器的俯仰；以及
响应于所述3D传感器的所述俯仰，通过所述校准矩阵将所述传感器坐标系至少部分地自动校准到所述世界坐标系。
4.如权利要求3所述的方法，其中确定所述3D传感器的所述俯仰包括参照由所述3D传感器生成的基准标记在X方向上放置目标。
5.如权利要求3所述的方法，其中确定所述3D传感器的所述俯仰包括使用在所述X方向上的距离和所述3D传感器的所述高度来计算所述3D传感器的所述俯仰。
6.如权利要求1所述的方法，其还包括确定地板平面作为所述世界坐标系的参照系。
7.如权利要求3所述的方法，其中确定所述3D传感器的所述俯仰包括利用倾斜仪。
8.如权利要求6所述的方法，其中确定所述3D传感器的所述俯仰包括直接测量。
9.如权利要求6所述的方法，其中确定所述3D传感器的所述俯仰包括利用投影仪。
10.如权利要求9所述的方法，其中所述投影仪发射相干光束。
11.如权利要求10所述的方法，其中确定所述3D传感器的所述俯仰包括利用激光器。
12.如权利要求9所述的方法，其中所述投影仪发射非相干光束。
13.如权利要求12所述的方法，其中确定所述3D传感器的所述俯仰包括投影电磁辐射。
14.如权利要求12所述的方法，其中确定所述3D传感器的所述俯仰包括投影图案。
15.一种自动校准系统，其包括：
深度感测传感器；
以及
处理器，所述处理器与所述深度感测传感器通信，所述处理器可操作用于通过校准矩阵将传感器坐标系至少部分地自动校准到世界坐标系，其中所述世界坐标系至少部分是使用深度图获得的。
16.如权利要求15所述的系统，其中所述深度感测传感器包括结构光、相移、飞行时间、立体三角测量、光片三角测量、光场相机、编码孔径相机、计算成像技术、同时定位与绘图(SLAM)、成像雷达、成像声纳、扫描LIDAR以及闪光LIDAR中的至少一个。
17.如权利要求15所述的系统，其还包括可操作来确定传感器的所述俯仰的装置。
18.如权利要求15所述的系统，其中所述处理器可操作来确定地板平面作为所述世界坐标系的参照系。
19.如权利要求17所述的系统，其中所述装置包括倾斜仪、投影仪以及显示器中的至少一个。
20.如权利要求15所述的系统，其中所述自动校准系统可操作用于乘客运输系统。
CN201710248877.6A 2016-04-18 2017-04-17 自动调试系统和方法 Active CN107449459B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662323864P 2016-04-18 2016-04-18
US62/323864 2016-04-18

Publications (2)

Publication Number Publication Date
CN107449459A true CN107449459A (zh) 2017-12-08
CN107449459B CN107449459B (zh) 2022-02-25

Family

ID=58714893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710248877.6A Active CN107449459B (zh) 2016-04-18 2017-04-17 自动调试系统和方法

Country Status (3)

Country Link
US (1) US10291904B2 (zh)
EP (1) EP3236286B1 (zh)
CN (1) CN107449459B (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106144801B (zh) * 2015-04-03 2021-05-18 奥的斯电梯公司 用于特殊乘客运输工具负载状况的基于深度传感器的感测
CN112850406A (zh) 2015-04-03 2021-05-28 奥的斯电梯公司 用于乘客运输的通行列表产生
CN106144862B (zh) * 2015-04-03 2020-04-10 奥的斯电梯公司 用于乘客运输门控制的基于深度传感器的乘客感测
CN106144861B (zh) * 2015-04-03 2020-07-24 奥的斯电梯公司 用于乘客运输控制的基于深度传感器的乘客感测
CN106144795B (zh) * 2015-04-03 2020-01-31 奥的斯电梯公司 通过识别用户操作用于乘客运输控制和安全的系统和方法
DE102016201741A1 (de) * 2016-02-04 2017-08-10 Hella Kgaa Hueck & Co. Verfahren zur Höhenerkennung
US10179717B2 (en) * 2016-11-07 2019-01-15 Otis Elevator Company Destination dispatch passenger detection
CN108489513B (zh) * 2018-03-13 2020-08-28 北京麦格天宝科技股份有限公司 用于地下空间扫描点云方位校准系统及方法
JP6926021B2 (ja) * 2018-03-29 2021-08-25 ヤンマーパワーテクノロジー株式会社 作業車両
US11035943B2 (en) * 2018-07-19 2021-06-15 Aptiv Technologies Limited Radar based tracking of slow moving objects
CN113486797B (zh) * 2018-09-07 2023-08-11 百度在线网络技术（北京）有限公司 无人车位置检测方法、装置、设备、存储介质及车辆
CN110909088B (zh) * 2018-09-14 2023-01-13 阿里巴巴（中国）有限公司 激光坐标系和惯导坐标系的标定方法和装置以及存储介质
CN111428643A (zh) * 2020-03-25 2020-07-17 智慧眼科技股份有限公司 指静脉图像识别方法、装置、计算机设备及存储介质
US20210403284A1 (en) * 2020-06-27 2021-12-30 Otis Elevator Company Sensor orientation indicator for condition based maintenance (cbm) sensing
EP4179357A1 (en) * 2020-07-08 2023-05-17 Crown Equipment Corporation Industrial vehicle distance and range measurement device calibration
US12000932B2 (en) * 2020-07-31 2024-06-04 Uatc, Llc Light detection and ranging (LIDAR) system having rotatable prism disk for beam steering of lasers
US11656326B2 (en) 2020-09-21 2023-05-23 Argo AI, LLC Radar elevation angle measurement
CN112325735B (zh) * 2020-11-05 2021-08-03 吉林大学 一种苗床土块三维空间分布可视化的测量装置和方法
CN112462350B (zh) * 2020-12-10 2023-04-04 苏州一径科技有限公司 雷达标定方法及装置、电子设备及存储介质
CN114413887B (zh) * 2021-12-24 2024-04-02 北京理工大学前沿技术研究院 一种传感器外部参数标定方法、设备及介质
CN115014252B (zh) * 2022-08-05 2022-11-29 西安德普赛科计量设备有限责任公司 一种实现多工位测量元素计算的方法

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020118113A1 (en) * 2001-02-27 2002-08-29 Oku Shin-Ichi Object detection sensor
US20030080979A1 (en) * 2001-10-26 2003-05-01 Canon Kabushiki Kaisha Image display apparatus and method, and storage medium
JP2003269913A (ja) * 2002-03-19 2003-09-25 Canon Inc センサ較正装置、センサ較正方法、プログラム、記憶媒体
US20040045339A1 (en) * 2002-09-05 2004-03-11 Sanjay Nichani Stereo door sensor
US20080100438A1 (en) * 2002-09-05 2008-05-01 Marrion Cyril C Multi-Zone Passageway Monitoring System and Method
CN101249914A (zh) * 2008-04-17 2008-08-27 西子奥的斯电梯有限公司 电梯操纵系统、方法以及电梯操纵信息显示系统
CN101476882A (zh) * 2009-01-08 2009-07-08 上海交通大学 基于单应性矩阵的结构光三维检测方法
US20100246897A1 (en) * 2009-03-24 2010-09-30 Michael Lehning Method for Producing a Known Fixed Spatial Relationship Between a Laser Scanner and a Digital Camera for Traffic Monitoring
US20110060556A1 (en) * 2009-06-30 2011-03-10 Srikumar Ramalingam Method for Registering 3D Points with 3D Planes
CN102794763A (zh) * 2012-08-31 2012-11-28 江南大学 基于线结构光视觉传感器引导的焊接机器人系统标定方法
US20130169759A1 (en) * 2010-06-11 2013-07-04 The Florida International University Board Of Trustees Second Generation Hand Held Optical Imager
EP2615580A1 (en) * 2012-01-13 2013-07-17 Softkinetic Software Automatic scene calibration
CN103337066A (zh) * 2013-05-27 2013-10-02 清华大学 3d获取系统的校准方法
CN103455141A (zh) * 2013-08-15 2013-12-18 无锡触角科技有限公司 互动投影系统及其深度传感器和投影仪的校准方法
CN104335005A (zh) * 2012-07-04 2015-02-04 形创有限公司 3d扫描以及定位系统
CN104828664A (zh) * 2015-04-03 2015-08-12 奥的斯电梯公司 自动调试系统和方法
US20150254857A1 (en) * 2014-03-10 2015-09-10 Sony Corporation Image processing system with registration mechanism and method of operation thereof
CN105027562A (zh) * 2012-12-28 2015-11-04 Metaio有限公司 用于将数字信息投影到真实环境中的真实对象上的方法和系统
CN105320271A (zh) * 2014-07-10 2016-02-10 精工爱普生株式会社 利用直接几何建模的头戴式显示器校准
CN105379264A (zh) * 2013-07-02 2016-03-02 盖伊·马丁 用于成像设备建模与校准的系统和方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6009359A (en) 1996-09-18 1999-12-28 National Research Council Of Canada Mobile system for indoor 3-D mapping and creating virtual environments
TW561241B (en) 2002-08-22 2003-11-11 Ind Tech Res Inst Method and apparatus for calibrating laser three-dimensional digitizing sensor
US7777761B2 (en) 2005-02-11 2010-08-17 Deltasphere, Inc. Method and apparatus for specifying and displaying measurements within a 3D rangefinder data set
WO2006084385A1 (en) 2005-02-11 2006-08-17 Macdonald Dettwiler & Associates Inc. 3d imaging system
US7275008B2 (en) 2005-09-02 2007-09-25 Nokia Corporation Calibration of 3D field sensors
US7728264B2 (en) * 2005-10-05 2010-06-01 Raytheon Company Precision targeting
WO2008005516A2 (en) 2006-07-06 2008-01-10 Canesta, Inc. Method and system for fast calibration of three-dimensional (3d) sensors
US8766212B2 (en) * 2006-07-19 2014-07-01 Asml Netherlands B.V. Correction of spatial instability of an EUV source by laser beam steering
WO2009023044A2 (en) 2007-04-24 2009-02-19 21 Ct, Inc. Method and system for fast dense stereoscopic ranging
US8929645B2 (en) 2007-04-24 2015-01-06 21 Ct, Inc. Method and system for fast dense stereoscopic ranging
DE102007042963A1 (de) 2007-09-10 2009-03-12 Steinbichler Optotechnik Gmbh Verfahren und Vorrichtung zur dreidimensionalen Digitalisierung von Objekten
US8587771B2 (en) 2010-07-16 2013-11-19 Microsoft Corporation Method and system for multi-phase dynamic calibration of three-dimensional (3D) sensors in a time-of-flight system
US8797387B2 (en) 2011-04-27 2014-08-05 Aptina Imaging Corporation Self calibrating stereo camera
CN108345006B (zh) 2012-09-10 2022-04-08 广稹阿马斯公司 捕捉运动场景的设备、装置和系统
CN104427324A (zh) 2013-09-02 2015-03-18 联咏科技股份有限公司 视差计算方法及其立体匹配装置

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020118113A1 (en) * 2001-02-27 2002-08-29 Oku Shin-Ichi Object detection sensor
US20030080979A1 (en) * 2001-10-26 2003-05-01 Canon Kabushiki Kaisha Image display apparatus and method, and storage medium
JP2003269913A (ja) * 2002-03-19 2003-09-25 Canon Inc センサ較正装置、センサ較正方法、プログラム、記憶媒体
US20040045339A1 (en) * 2002-09-05 2004-03-11 Sanjay Nichani Stereo door sensor
US20080100438A1 (en) * 2002-09-05 2008-05-01 Marrion Cyril C Multi-Zone Passageway Monitoring System and Method
CN101249914A (zh) * 2008-04-17 2008-08-27 西子奥的斯电梯有限公司 电梯操纵系统、方法以及电梯操纵信息显示系统
CN101476882A (zh) * 2009-01-08 2009-07-08 上海交通大学 基于单应性矩阵的结构光三维检测方法
US20100246897A1 (en) * 2009-03-24 2010-09-30 Michael Lehning Method for Producing a Known Fixed Spatial Relationship Between a Laser Scanner and a Digital Camera for Traffic Monitoring
US20110060556A1 (en) * 2009-06-30 2011-03-10 Srikumar Ramalingam Method for Registering 3D Points with 3D Planes
US20130169759A1 (en) * 2010-06-11 2013-07-04 The Florida International University Board Of Trustees Second Generation Hand Held Optical Imager
EP2615580A1 (en) * 2012-01-13 2013-07-17 Softkinetic Software Automatic scene calibration
US20150181198A1 (en) * 2012-01-13 2015-06-25 Softkinetic Software Automatic Scene Calibration
CN104335005A (zh) * 2012-07-04 2015-02-04 形创有限公司 3d扫描以及定位系统
CN102794763A (zh) * 2012-08-31 2012-11-28 江南大学 基于线结构光视觉传感器引导的焊接机器人系统标定方法
CN105027562A (zh) * 2012-12-28 2015-11-04 Metaio有限公司 用于将数字信息投影到真实环境中的真实对象上的方法和系统
CN103337066A (zh) * 2013-05-27 2013-10-02 清华大学 3d获取系统的校准方法
CN105379264A (zh) * 2013-07-02 2016-03-02 盖伊·马丁 用于成像设备建模与校准的系统和方法
CN103455141A (zh) * 2013-08-15 2013-12-18 无锡触角科技有限公司 互动投影系统及其深度传感器和投影仪的校准方法
US20150254857A1 (en) * 2014-03-10 2015-09-10 Sony Corporation Image processing system with registration mechanism and method of operation thereof
CN105320271A (zh) * 2014-07-10 2016-02-10 精工爱普生株式会社 利用直接几何建模的头戴式显示器校准
CN104828664A (zh) * 2015-04-03 2015-08-12 奥的斯电梯公司 自动调试系统和方法

Also Published As

Publication number Publication date
EP3236286A1 (en) 2017-10-25
US20170302909A1 (en) 2017-10-19
EP3236286B1 (en) 2023-01-25
US10291904B2 (en) 2019-05-14
CN107449459B (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN107449459A (zh) 自动调试系统和方法
US11604065B2 (en) Fully automatic position and alignment determination method for a terrestrial laser scanner and method for ascertaining the suitability of a position for a deployment for surveying
US10795006B2 (en) 3D time-of-flight camera system and position/orientation calibration method therefor
CN107265221A (zh) 用于多个3d传感器校准的方法和系统
Pandey et al. Extrinsic calibration of a 3d laser scanner and an omnidirectional camera
CN101068344B (zh) 物体检测装置
EP1715455A1 (en) Method and system for transforming 2D image domain data into a 3D dense range map
JP4885584B2 (ja) レンジファインダ校正方法及び装置
US20190164310A1 (en) Camera registration in a multi-camera system
CN107025663A (zh) 视觉系统中用于3d点云匹配的杂波评分系统及方法
CN103294886A (zh) 用于再生虚拟物体的系统
CN103649674A (zh) 测量设备以及信息处理设备
US9857232B2 (en) Device for non-contact temperature measurement and temperature measurement method
CN111243029A (zh) 视觉传感器的标定方法以及装置
WO2022217988A1 (zh) 传感器配置方案确定方法、装置、计算机设备、存储介质及程序
US20170278268A1 (en) Systems, Methods, and Devices for Generating Three-Dimensional Models
JP2015010911A (ja) 空撮測量方法および装置
JP2007303828A (ja) 断面データ取得方法、システム、及び断面検査方法
Bok et al. Extrinsic calibration of a camera and a 2D laser without overlap
Neumann et al. A rotating platform for swift acquisition of dense 3D point clouds
US11595638B2 (en) Calibration unit for a monitoring device, monitoring device for man-overboard monitoring, and method for calibration
US20230027236A1 (en) Dimensional calibration of the field-of-view of a single camera
CN114879168A (zh) 一种激光雷达与imu标定方法及系统
JP7170234B2 (ja) 検査装置及び検査方法
Johnston et al. Estimating building floor plans from exterior using laser scanners

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant