CN111397586B - 测量系统及利用其来验证预配置目标属性的方法 - Google Patents

Abstract

本发明涉及包括测量仪器和计算机系统的测量系统，测量仪器包括：基座单元；支撑单元；包括具有瞄准轴的测距仪的瞄准单元；被配置为测量支撑单元的水平角位置的第一角度编码器；被配置为测量瞄准单元的垂直角位置的第二角度编码器；具有与瞄准轴交叉的视场的摄像头；被配置为基于预配置目标属性来计算目标的位置的控制单元，计算机系统被配置为：从摄像头接收图像数据；执行分类器，分类器被配置为基于对图像数据的至少一部分进行分类来确定多个类中的至少一个类，其中，多个类中的每个类与类目标属性相关联；基于多个类中的所确定的至少一个类与其相关联的至少一个类目标属性来验证预配置目标属性；基于验证来生成结果数据；以及提供结果数据。

Description

测量系统及利用其来验证预配置目标属性的方法

技术领域

本发明涉及适于勘测和放样(stake-out)目的并且包括测量仪器和计算机系统的测量系统。本发明还涉及利用测量系统验证预配置目标属性的方法。因此，本发明属于大地测量学和计量学领域。

背景技术

在常见的测量或放样过程中，勘测员将测量仪器(特别是全站仪、视距仪或经纬仪)对准许多不同类型的目标之一，然后精确地测量到目标(例如棱镜、反射器、带、目标板)的距离或目标的位置。

同样，这种目标可以由激光跟踪仪或全站仪跟踪，其中通常也要考虑目标的类型。在跟踪过程中，目标的位置频繁地由测量仪器确定。

每种类型的目标通常具有至少一个属性，在测量、放样或跟踪时可以考虑该至少一个属性。例如，每个目标可能固有一个单独的距离偏移(目标加常数(target additiveconstant))，并且由于这种偏移在测量准确性方面最重要，因此在测量到目标的距离或目标的位置时应正确考虑。其他属性可能与测量仪器的设置(例如，操作参数)有关。

通常，这些属性可以在测量仪器上手动设置，为此勘测员必须判定存在哪种类型的目标和/或哪个(些)属性被分配给该目标。例如，由于勘测员与目标之间的距离通常相当长，因此这种决定和由此产生的设置容易出错，并且在用户未正确识别目标的情况下可能导致重大错误。

发明目的

因此，本发明提供了一种改进的测量系统，其通过验证预配置的属性来支持勘测员。就准确性和可靠性而言，根据本发明的测量系统允许进行更符合人体工程学、生产率更高和更鲁棒的测量。

发明内容

本发明涉及一种测量系统，该测量系统包括测量仪器和计算机系统，该测量仪器包括：被配置为对测量仪器进行定位的基座单元；安装在基座单元上并且被配置为相对于基座单元可水平旋转的支撑单元；包括测距仪的瞄准单元，该瞄准单元安装在支撑单元上并被配置为可相对于支撑单元垂直旋转，测距仪具有瞄准轴；被配置为测量支撑单元的水平角位置的第一角度编码器；被配置为测量瞄准单元的垂直角位置的第二角度编码器；具有与瞄准轴交叉的视场的摄像头，其中，该摄像头被配置为捕获图像数据；被配置为基于预配置目标属性来计算目标的位置的控制单元，所述计算机系统被配置为：从摄像头接收图像数据；执行分类器，该分类器被配置为基于对图像数据的至少一部分进行分类来确定多个类中的至少一个类，其中多个类中的每个类与类目标属性相关联；基于至少一个类目标属性来验证所述预配置目标属性，所确定的所述多个类中的至少一个类与该至少一个类目标属性相关联；基于所述验证来生成结果数据；以及提供所述结果数据。

预配置目标属性和每个类目标属性可以指示以下至少一项：图像数据是否包含目标的表示；图像数据表示哪种类型的目标；用于测量到由图像数据表示的目标的距离或该目标的位置的测量参数；以及用于跟踪由图像数据表示的目标的跟踪参数。

分类器可以被配置为针对每个确定的类生成概率值，该概率值指示分类器正确地确定了相应的类的概率，其中，生成结果数据还基于至少一个概率值。

计算机系统可以被配置为基于至少一个概率值自动选择测量参数或跟踪参数。

测量参数或跟踪参数可包括属于由图像数据表示的目标的目标加常数，并且计算机系统可被配置为将目标加常数自动添加到利用该测距仪测得的原始距离测量值，以提供校正的距离测量值。

分类可以包括基于图像数据的强度值将图像数据的至少一部分映射到相应的类上，或者从图像数据的至少一部分提取特征并将所提取的特征映射到相应的类上。

计算机系统的至少一部分可以包括(comprised by)：远程计算机，其中，测量仪器被配置为连接到远程计算机；控制器装置，其中，测量仪器被配置为连接到控制器装置；或者所述测量仪器。

测量系统可以包括用户界面单元，该用户界面单元被配置为从计算机系统接收结果数据，并响应于该结果数据输出信号。

信号可以表示至少一个类目标属性的选项(choice)，多个类中的所确定的至少一个类与该至少一个类目标属性相关联。

用户界面单元可以被配置为接收用户输入，该用户输入基于：对至少一个类目标属性的选项中的一种的选择(select)；或者与至少一个类目标属性的选项中的任一选项不同的否决目标属性。

计算机系统可以被配置为利用机器学习算法来重新训练分类器，该机器学习算法基于图像数据、所述选择和否决目标属性中的至少一项。

本发明还涉及一种利用所述测量系统来验证预配置目标属性的方法，该方法包括以下步骤：向控制单元提供预配置目标属性；利用摄像头捕获图像数据；利用计算机系统接收图像数据；利用计算机系统执行分类器；利用分类器，基于对图像数据的至少一部分进行分类，确定多个类中的至少一个类，其中多个类中的每个类与类目标属性相关联；利用所述计算机系统，基于至少一个类目标属性来验证所述预配置目标属性，多个类中的所确定的至少一个类与该至少一个类目标属性相关联；基于所述验证利用计算机系统来生成结果数据；以及利用计算机系统来提供结果数据。

该方法可以进一步包括：利用分类器针对每个确定的类生成概率值，该概率值指示分类器正确地确定了相应的类的概率，其中，生成结果数据还基于该至少一个概率值。

假设预配置目标属性和每个类目标属性指示以下至少一项：用于测量到由图像数据表示的目标的距离或该目标的位置的测量参数；以及用于跟踪由图像数据表示的目标的跟踪参数，则该方法可以进一步包括利用计算机系统基于至少一个概率值自动选择测量参数或跟踪参数。

假设预配置目标属性和每个类目标属性指示测量参数，该测量参数包括属于由图像数据表示的目标的目标加常数，则该方法可以进一步包括利用计算机系统将目标加常数自动添加到利用测距仪测得的原始距离测量值，以提供校正的距离测量值。

附图说明

以下将参照附图、仅通过示例的方式更全面地描述本发明的优选实施方式，附图中：

图1示出了勘测系统的第一实施方式的使用，其中，勘测员执行放样，并且利用全站仪的同轴RGB-摄像头检测回射器，并且当利用全站仪测量到回射器的距离时考虑与所述回射器相关联的测量参数；

图2示出了在如图1所示的情形中由全站仪的同轴摄像头捕获的图像；

图3示出了勘测系统的第二实施方式的使用，其中，勘测员执行放样，并且利用全站仪的自动目标识别(ATR)摄像头来跟踪回射器，并且考虑与所述回射器相关联的跟踪参数；

图4示出了在如图3所示的情形中由全站仪的ATR摄像头捕获的图像。

具体实施方式

图1示出了具有具体实施为全站仪1的示例性测量仪器以及具体实施为回射器2的目标的测量情形。全站仪1具有摄像头，该摄像头例如内置在瞄准单元中，使得摄像头的光轴与瞄准单元所包括的测距仪的瞄准轴基本对准。因此，摄像头被配置为捕获瞄准单元所瞄准的图像数据。图像数据可以是一个或更多个单个图像、来自视频流的序列或摘录(excerpt)、或基于图像的数据(例如对图像进行某种预处理后的提取)。瞄准单元可以垂直枢转并且还借助于支撑单元(瞄准单元安装在该支撑单元中)水平枢转。垂直角度和水平角度分别由相应的角度编码器确定。因此，通过确定垂直角位置、水平角位置以及测得的距离，测量仪器充当坐标测量装置。

根据图2(其中描绘了目标2)，在所示的情况下，瞄准轴已经瞄准了回射器2，并且因此，摄像头正在捕获图像。摄像头可以具有提供彩色图像的颜色传感器。在其他实施方式中，摄像头可以具有灰度传感器或任何其他类似的传感器。

(也由全站仪包括的)测距仪可以通过发射和接收测量光束(例如激光)来利用飞行时间原理。在基于激光的测距仪的情况下，该测距仪的光束轴(＝瞄准轴)至少部分穿过摄像头的视场，使得摄像头捕获测距仪当前瞄准的点。因此，摄像头的光轴相对于瞄准轴也可以不重合，只要瞄准轴在某一点“进入”摄像头的视场。测距仪也可以是绝对测距仪，和/或使用干涉法、声波、红外线或其他技术。

在测距仪发射的测量光束(即，瞄准轴)指向回射器2的情况下，可以利用全站仪1测量回射器2相对于全站仪1的位置，其中，到回射器2的距离利用测距仪确定，并且测量光束对准的水平和垂直角度利用角度编码器来确定。所述测得的距离和两个角度可以给出球坐标系中的位置。在目标是回射器2的特定情况下，目标精确地将测量光束反射回它来自的地方(即，朝向测距仪)。

瞄准单元可以包括望远镜，该望远镜可以被设计为允许用户借助于目镜进行观察，或者可以将其设计为具有同轴摄像头的数字望远镜，以利用电子取景器(EVF)和/或在外部显示屏上(例如在平板电脑或智能手机的显示屏上)提供当前视图。同轴摄像头的光轴基本上与望远镜的光轴同轴。所述同轴摄像头可以是此处提到的摄像头，或者是专用于EVF的单独的摄像头。

根据本发明的测量系统可以包括作为测量仪器的全站仪或激光跟踪仪，以及计算机系统。可选地，测量系统还包括用户界面单元。一种选择是，计算机系统包括测量仪器。然而，计算机系统或计算机系统的一部分也可以位于测量仪器外部。用户界面单元也是如此，其可以集成到测量仪器中或位于外部装置中。例如，用户界面单元可以包括控制器装置、智能手机或平板电脑，它们中的每一个均通过因特网、无线局域网(WLAN)、蓝牙或无线电链路与测量仪器连接。计算机系统还可以(至少部分地)集成在这种装置中，或者计算机可以是远程计算机(例如，位于通过因特网、WLAN、蓝牙或无线电链路连接到全站仪的服务器上的远程计算机)。

计算机系统可以执行分类器。特别地，计算机系统不是仅连接到一个测量仪器，而是连接到多个测量仪器，从而能够收集许多现场数据。分类器是这样一种算法：其可以处理大量的类，并且针对变化的环境条件(例如背景结构/颜色)具有鲁棒性。分类输入(图像的至少一部分或从图像的至少一部分提取的特征)到输出(属性，例如目标加常数或跟踪参数)的映射，特别是具有一定的置信度，即，正确的可能性。可以通过示例来学习映射。对于每个类，可以提供一定量的图像(或从图像得到的一定量的特征)，其中对于每个类，图像示出具有相同属性的目标。

这样的属性可以指示捕获的图像是否完全描绘了目标。如果图像被映射到属性为“非目标”的类，那么这可能是由于要分类的图像不包含目标的事实，并且分类器意识到了这一点，因为它从多个不包含目标的随机图像学习到要分类的当前图像未示出目标。相反，分类可以将图像映射到具有属性“目标”的类，其中它已从多个包含目标的图像中学习到要分类的当前图像确实也示出了目标。

当然，该原理可以扩展到更高的细节水平，其中提供了不同的类，由此可以利用分类器识别出目标的类型。例如，分类器可以识别目标是反射器还是棱镜还是目标板。更具体地，分类器可以识别出确切的目标的类型，使得图像可以得出这样的结论，即，哪个目标属性是所描绘的目标固有的。在可能具有不同配置的每种情况下，存在不同类型的反射器板、不同类型的棱镜等，这例如导致要添加到距离测量中的不同的目标加常数，即，距离偏移值。

另一目标属性可以包括一个或更多个跟踪参数，其中，基于分类的图像，可以对测量仪器(例如具体实施为激光跟踪仪或能够跟踪的全站仪)的设置进行调整，使得图像中描绘的目标的跟踪更鲁棒或更精确。

在许多情况下，分类不是一个明确的过程，这就是为什么不是仅可以基于对图像的至少一部分进行分类来确定一个类，而是可以确定(建议)不止一个类。然而，可以将分类器配置为：为每个所确定的类指定可能性。因此，在每种情况下，可以生成指示分类器正确地确定相应类的概率的概率值。计算机系统提供的结果数据(其仅在本发明的最基本实施方式中是基于对预配置目标属性的验证)可以相应地进一步基于这种至少一个概率值。在非常具体的示例中，计算机系统提供了不同目标类型的选项，例如，作为关于可能性的排序(1.目标类型X 98％，2.目标类型Y 74％，3.目标类型Z 14％，等)。

特别地，为了使这种结果数据可供勘测员使用，测量系统可以进一步配备有用户界面单元，该用户界面单元被配置为从计算机系统接收结果数据并响应于该结果数据输出信号。结果数据不一定是高度详细的数据(例如上述列表或排序)，而是也可以是单纯的确认，并且相应地，信号可以是绿灯或声音信号，以向勘测员指示预配置目标属性与当前图像中捕获的目标一致。同样，类似地，结果数据可能是单纯的否认(图像未示出具有预配置属性的目标)，并且信号可以是红灯/不同的声音。

结果数据还可以包含或基于类目标属性。特别地，结果数据可以包括分类器已识别出的目标的图形表示，特别是连同目标的名称和/或技术细节，这些全部可显示在用户界面单元上。结果数据还可以包括类的对应概率值。

在另一实施方式中，分类器被配置为对单个图像内的几个不同的目标进行分类。

摄像头捕获的图像可以被认为是强度值的矩阵，因此，可以直接完成将图像映射(分类)到类，即，从强度值到类标签(属性)。另选地，可以首先从图像中提取特征。之后，可以将所提取的特征映射到类标签。

可以利用机器学习算法来训练映射/分类，例如基于来自勘测员的反馈。这样的反馈可以被测量系统的可选地提供的用户界面单元包括在内。为此，用户界面单元将进一步被配置为接收用户输入，例如经由触摸屏、键盘或语音识别应用。所述用户输入将基于对目标的选择，即，用户将点击在显示屏上示出的图标或文本，或者经由用户界面单元的控制元件选择图标或文本，以确认在现场使用了相应的目标。类目标属性的选项可以包括一个或更多个类目标属性。类目标属性可以是对应的目标的名称、对应的目标的几个名称(因为不止一个目标可以与一个类相关联)、对应的目标的图形表示、对应的目标的类型、测量参数(例如目标加常数)、跟踪参数(例如具有跟踪能力的激光跟踪仪或全站仪的设置)、当前没有捕获任何目标的指示。

在另外的实施方式中，计算机系统可以带来手动功能或模式以及自动功能或模式中的至少一种。在手动模式下，如上所述，可以将结果数据提供给勘测员，以便让他有机会确认目标或基于图像的分类选择建议的目标的选项之一。在自动模式下，这些决定可以由计算机系统自动做出。优选地，选择具有最高概率值的属性(例如测量参数或跟踪参数)。具体地，如果目标属性是目标加常数，则可以将该目标加常数自动添加到由测距仪执行的“原始”距离测量值，以得出“校正的”距离测量值。同样，当然，可以自动考虑作为位置偏移或跟踪参数的目标属性。

即使当通过自动模式确认或交换了预配置目标属性时，仍可以提供手动否决的可能性，例如，通过在用户界面单元上向勘测员提供另选属性。同样，自动模式可以为勘测员提供用于否决的时间窗口，如果时间到了而没有勘测员介入，则可以应用自动选择。

换句话说，计算机系统还被配置为接收用户对类目标属性之一的选择。然而，类目标属性也可以由计算机系统自动选择，例如通过选择具有最高概率值的类目标属性。用户界面单元可以按概率值的顺序显示类目标属性的排序(列表)，并将其提供给用户以选择一个类目标属性或在目标未被识别的情况下拒绝所有类目标属性。可以通过示出一个或更多个目标属性(例如它们的名称或对应的目标图像)来列出目标。

计算机可以被配置为向利用测距仪测得的(距当前瞄准的目标的)距离添加偏移，其中目标属性可以是或包括被分配给所确定的类的所述偏移。具有相同偏移的目标(例如，由于其几何形状相似性)可以在同一类中。目标可以是棱镜、目标板、反射带或板、或者猫眼，并且目标加常数(偏移)可以是距离值，也可以是零。

可选地，测量仪器还可包括在遇到迄今为止未知的目标(即，其没有可用的合适的类)时的学习功能。这可能从非常低的概率值中显示出来。例如，在相似性值低于某个阈值的情况下，可以确定状态为“未知”。测量仪器然后可以借助于用户界面单元向用户提供以存储所述未知目标的图像并将其添加到新的类。此外，勘测员可以手动输入属于未知目标的偏移和/或输入任何其他属性，例如名称或其他参数。

图3示出了与基于图1所解释的类似的示例。然而，全站仪3具有用作摄像头的自动目标识别(ATR)-摄像头。另选地，该摄像头也可以是PowerSearch(PS)-摄像头。图3中的摄像头的光轴至少大致平行于由测距仪限定的瞄准轴。

PowerSearch是集成在测量仪器中的一维目标搜索系统，其由徕卡测量系统(Leica Geosystems)开发，并且包括PS-摄像头、被设计用于发射扇形光束的目标搜索灯以及用于促使测量仪器的瞄准单元水平或垂直枢转的配置。PS-摄像头被设计用于检测扇形光束的反射；因此，PS-摄像头的传感器可以是线形的。利用角度编码器，可以确定检测到反射的位置的垂直和水平方向之一。

徕卡测量系统还开发了ATR(自动目标识别)，该ATR为二维目标搜索系统。它也被集成在测量仪器中，并且包括ATR-摄像头和被设计用于发出闪光的目标搜索灯。通常，ATR-系统还具有用于促使测量仪器的望远镜水平和/或垂直枢转的配置，以使光束轴瞄准检测(“跟踪”)到目标的位置。通过ATR-摄像头实现检测，该ATR-摄像头具有被设计为检测ATR-闪光的传感器。取决于传感器内ATR-光线反射的位置，瞄准单元枢转到将测距仪光束指向目标。可以连续重复此过程，以提供移动目标的跟踪。

在图3所示的示例中，摄像头是ATR-系统的ATR-摄像头。勘测仪器3正在借助ATR-系统跟踪反射器。由于ATR摄像头的传感器仅对或主要对目标搜索灯的光(与波长有关)敏感，因此由ATR-摄像头捕获的作为结果的图像如图4所示。回射器的虚线轮廓并未真正描绘出来，但此处示出是为了阐明反射的ATR-闪光的来源。现在，分类是基于所反射的ATR-光线的此形状。因此可以确定所属的类，这不是因为目标本身的不同物理外观，而是因为目标反射光的不同方式。例如，检测到的闪光形状的特征将不同的目标彼此区分开，并且与环境中的其他反射表面区分开。

不同的目标可能进一步或另选地导致不同强度和/或不同颜色的反射。连接到全站仪3的计算机系统被配置为运行分类器，以确定与已经检测到反射的目标相对应的类。根据与所确定的类相关联的目标属性，验证预配置目标属性并生成和提供结果数据。

伪(false)反射可以具有自己的类，使得分类器可以识别它们。伪反射的处理方式与如本文已经描述的“非目标”类似，因为伪反射是由ATR-闪光的反射的强反射表面(非目标)引起的。

尽管上面部分地参照一些优选实施方式例示了本发明，但是必须理解，可以对实施方式进行多种修改和不同特征的组合。所有这些修改都在所附权利要求的范围之内。

在本说明书中，诸如第一和第二、左和右、顶部和底部等的形容词可仅用于将一个要素或动作与另一要素或动作区分开，而不必要求或暗示任何实际的这种关系或顺序。在上下文允许的情况下，对整数或组件或步骤(或类似内容)的引用不应解释为仅限于该整数、组件或步骤之一，而可以是该整数、组件或步骤等中的一个或更多个。

Claims (14)

1.一种测量系统，该测量系统包括测量仪器和计算机系统，

所述测量仪器包括：

-基座单元，其被配置为对所述测量仪器进行定位；

-支撑单元，其安装在所述基座单元上并被配置为能够相对于所述基座单元水平旋转；

-瞄准单元，其包括测距仪，所述瞄准单元安装在所述支撑单元上，并且被配置为能够相对于所述支撑单元垂直旋转，所述测距仪具有瞄准轴；

-第一角度编码器，其被配置为测量所述支撑单元的水平角位置；

-第二角度编码器，其被配置为测量所述瞄准单元的垂直角位置；

-摄像头，其具有与所述瞄准轴交叉的视场，其中，所述摄像头被配置为捕获图像数据；

-控制单元，其被配置为基于预配置目标属性来计算目标的位置，

所述计算机系统被配置为：

-从所述摄像头接收所述图像数据；

-执行分类器，所述分类器被配置为基于对所述图像数据的至少一部分进行分类来确定多个类中的至少一个类，其中，所述多个类中的每一个与类目标属性相关联；

-基于至少一个类目标属性来验证所述预配置目标属性，所述多个类中的所确定的所述至少一个类与该至少一个类目标属性相关联；

-基于所述验证来生成结果数据；以及

-提供所述结果数据，

其中，所述预配置目标属性和每个类目标属性指示以下至少一项：

-用于测量到由所述图像数据表示的目标的距离或该目标的位置的测量参数；以及

-用于跟踪由所述图像数据表示的目标的跟踪参数。

2.根据权利要求1所述的测量系统，其中，

所述分类器被配置为针对每个确定的类生成概率值，所述概率值指示所述分类器正确地确定了相应的类的概率，其中，生成所述结果数据还基于至少一个概率值。

3.根据权利要求2所述的测量系统，其中，

所述计算机系统被配置为基于所述至少一个概率值来自动选择测量参数或跟踪参数。

4.根据权利要求1至3中的任一项所述的测量系统，其中，

所述测量参数或所述跟踪参数包括属于由所述图像数据表示的目标的目标加常数，并且所述计算机系统被配置为将所述目标加常数自动添加到利用所述测距仪测得的原始距离测量值，以提供校正的距离测量值。

5.根据权利要求1至3中任一项所述的测量系统，其中，

所述分类包括：

-基于所述图像数据的强度值，将所述图像数据的所述至少一部分映射到相应的类上；或者

-从所述图像数据的所述至少一部分提取特征，并将所提取的特征映射到相应的类上。

6.根据权利要求1至3中任一项所述的测量系统，其中，

所述计算机系统的至少一部分包括：

-远程计算机，其中，所述测量仪器被配置为连接到所述远程计算机；

-控制器装置，其中，所述测量仪器被配置为连接到所述控制器装置；或者

-所述测量仪器。

7.根据权利要求1至3中任一项所述的测量系统，其中，

所述测量系统包括用户界面单元，所述用户界面单元被配置为：

-从所述计算机系统接收所述结果数据；以及

-响应于所述结果数据输出信号。

8.根据权利要求7所述的测量系统，其中，

所述信号表示至少一个类目标属性的选项，多个类中的所确定的至少一个类与该至少一个类目标属性相关联。

9.根据权利要求8所述的测量系统，其中，

所述用户界面单元被配置为接收用户输入，所述用户输入基于：

-对至少一个类目标属性的选项中的一个的选择；或者

-与至少一个类目标属性的选项中的任一选项不同的否决目标属性。

10.根据权利要求9所述的测量系统，其中，

所述计算机系统被配置为利用机器学习算法来重新训练所述分类器，所述机器学习算法基于以下至少一项：

-所述图像数据；

-所述选择；以及

-所述否决目标属性。

11.一种利用根据前述权利要求中任一项所述的测量系统来验证预配置目标属性的方法，该方法包括以下步骤：

-向所述控制单元提供所述预配置目标属性；

-利用所述摄像头捕获图像数据；

-利用所述计算机系统接收所述图像数据；

-利用所述计算机系统执行所述分类器；

-利用所述分类器，基于对所述图像数据的至少一部分进行分类，确定多个类中的至少一个类，其中，所述多个类中的每一个与类目标属性相关联；

-利用所述计算机系统，基于至少一个类目标属性来验证所述预配置目标属性，多个类中的所确定的至少一个类与该至少一个类目标属性相关联；

-利用所述计算机系统，基于所述验证来生成结果数据；以及

-利用所述计算机系统提供所述结果数据，

其中，所述预配置目标属性和每个类目标属性指示以下至少一项：

-用于测量到由所述图像数据表示的目标的距离或该目标的位置的测量参数；以及

-用于跟踪由所述图像数据表示的目标的跟踪参数。

12.根据权利要求11所述的方法，所述方法包括：

-利用所述分类器针对每个确定的类生成概率值，所述概率值指示所述分类器正确地确定了相应的类的概率，其中，生成所述结果数据还基于至少一个概率值。

13.根据权利要求12所述的方法，所述方法包括：

-利用所述计算机系统，基于所述至少一个概率值来自动选择测量参数或跟踪参数。

14.根据权利要求11至13中任一项所述的方法，所述方法包括

所述预配置目标属性和每个类目标属性指示测量参数，所述测量参数包括属于由所述图像数据表示的目标的目标加常数，

所述方法进一步包括：

-利用所述计算机系统将所述目标加常数自动添加到利用所述测距仪测得的原始距离测量值，以提供校正的距离测量值。

Images