CN111398968B - Tof精度检测系统及其精度检测方法 - Google Patents
Tof精度检测系统及其精度检测方法 Download PDFInfo
- Publication number
- CN111398968B CN111398968B CN201811617443.XA CN201811617443A CN111398968B CN 111398968 B CN111398968 B CN 111398968B CN 201811617443 A CN201811617443 A CN 201811617443A CN 111398968 B CN111398968 B CN 111398968B
- Authority
- CN
- China
- Prior art keywords
- precision
- tof
- data
- target
- depth measurement
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
-
- 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
Abstract
本涉及TOF精度检测系统及其精度检测方法,其中该精度检测系统,包括:材质属性检测系统,用于获取被测标板的材质属性数据;以及,精度测量系统,用于测量TOF摄像模组在距离所述被测标板不同距离时对应的深度测量精度,以基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,获得材质属性数据和在不同距离下深度测量精度的对应关系模型。
Description
技术领域
本发明涉及TOF精度检测领域,尤其涉及TOF精度检测系统及其精度检测方法。
背景技术
随着智能化浪潮的席卷而来,以及工业4.0,互联网+等战略的推出,产业智能化程度不断创出新高度。在这个过程中,基于飞行时间(Time of Flight,ToF)技术的产品也正在走入千家万户,例如,利用TOF技术实现对周围环境进行检测并进行清理工作的智能化的扫地机器人。然而,由于居住环境的正变得越来越多样化、个性化、复杂化,对电子消费品的要求与期待也变得越来越高,这就对TOF智能产品的TOF技术的检测带来了新的要求。
具体地体现在:第一,当基于TOF技术的智能产品应用于不同环境时,需要对其应用环境中的具有不同材质的各物体的属性数据指标进行检测衡量,例如,反射率(光泽度)、透射率、折射率、雾度等,以便于该TOF智能产品基于其应用环境的特征做出自适应的动作。不同材质对于TOF智能产品的检测精度的影响各不相同。因此,获取具有不同材质的物体对TOF检测精度的对应关系,以使该TOF智能产品能准确地识别出周围环境的物体的种类或者类型,并基于材质与TOF检测精度的对应关系做自适应调整,这对于防止该TOF智能产品因识别错误而导致无法正常工作或者危险工作如损坏家具甚至造成火灾等具有重要意义。
第二、除了材质因素外,TOF的检测精度也会受环境中温度、湿度等的影响。也就是说,即使TOF智能产品在不同的环境下对同一物体进行TOF精度检测,也有可能检测出不一样的精度结果,造成严重的检测错误。
第三、在不同距离下,材质对于TOF检测精度也会呈现出不同的变化规律。换言之,即使该TOF智能产品对同一物体进行精度检测,也有可能检测出不一样的精度结果,造成严重的检测错误,等。
举例地,例如当该智能TOF产品为扫地机器人时,室内家具的材质具有多样化、复杂化的特征,那么该扫地机器人对不同材质的家具、对不同环境下对于同一家具、对不同距离下针对同一家具的TOF精度检测精度均有可能不一致。如果没有将这些因素考虑在内,在应用扫地机器人在不同的室内环境中,就会导致该扫地机器人无法按照预定的作业程序对进行预设的作业甚至出现错误作业等。
因此,建立不同材质、不同环境下同一材质以及不同距离下同一材质的材质与TOF精度对应关系模型,为该类TOF智能产品提供合理的TOF精度检测基准,是目前急需解决的。
发明内容
本发明的一个目的在于提供一TOF精度检测系统及其精度检测方法,其有效地建立了不同材质、不同环境下同一材质和/或不同距离下同一材质的材质属性数据与一TOF摄像模组的深度测量精度的对应关系模型,从而为TOF智能产品提供合理的TOF深度测量精度检测基准。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,其能够通过大量测试数据获得被测标板的多维度的该属性数据与该深度测量精度的对应关系,计算得出所述材质与TOF深度测量精度的对应关系模型,进而为该TOF智能产品提高合理的TOF深度测量精度检测基准。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,基于该被测标板的不同环境作为单一变量,其能够获得不同环境下同一材质的属性数据与所述深度测量精度的对应关系,为计算获得所述材质属性数据与TOF深度测量精度的对应关系模型提供数据基础。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,基于该被测标板的不同材质为单一变量,其能够获得不同材质的属性数据与所述深度测量精度的对应关系,为计算获得所述材质属性数据与TOF深度测量精度的对应关系模型提供数据基础。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,基于该被测标板的测量距离作为单一变量,其能够获得不同距离下同一材质的属性数据与所述深度测量精度的对应关系,为计算获得所述材质属性数据与TOF深度测量精度的对应关系模型提供数据基础。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,其中所述被测标板包括市面上现有的多种材质,提高该TOF智能产品的应用范围。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,其采用现有的精度检测仪器或者自动化检测平台系统检测获取该被测标板的深度测量精度。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,其能够预先对该被测标板进行标板化处理,遵循单一变量原则,提高测量准确性和可靠性。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,其能够为不同材质的该被测标板的深度测量精度漂移提供数据支撑,为后续的算法校正提供必要的保障。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,其能够将新测量得到的数据存入一数据库,其中经过测量得到的新数据能够对数据库中的原数据起到补充或者修正的作业,提高对所述深度测量精度检测的准确性。
本发明的另一个目的在于提供一TOF精度检测系统及其精度检测方法,其利用现有的各材质属性检测仪器分别实现对不同材质的被测标板的各项材质属性数据的数据检测获取,成本低,经济实用。
依本发明的一个方面,本发明进一步提供一TOF精度检测系统,其包括:
材质属性检测系统,用于获取被测标板的材质属性数据;以及
精度测量系统,用于测量TOF摄像模组在距离所述被测标板不同距离时对应的深度测量精度,以基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,获得材质属性数据和在不同距离下深度测量精度的对应关系模型。
在一些实施例中,其中,所述材质属性数据选自由反射率、透射率、折射率和雾度所组成的群组中的一种或几种的组合。
在一些实施例中,其中,所述材质属性检测系统,包括:
反射率检测仪,用于检测所述被测标板的反射率;
折射率检测仪,用于检测所述被测标板的折射率;
透射率检测仪,用于检测所述被测标板的透射率;以及
雾度检测仪,用于检测所述被测标板的雾度。
在一些实施例中,其还包括一处理中心,基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,所述处理中心拟合所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,并生成所述材质属性数据和在不同距离下深度测量精度的对应关系模型。
在一些实施例中,其中,所述被测标板由家装材料制备而成。
依本发明的一个方面,本发明进一步提供一TOF精度检测方法,其包括以下步骤:
获取一被测标板的材质属性数据;
获取一TOF摄像模组在距离所述被测标板不同距离时对应的深度测量精度;以及
基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,获得材质属性数据和在不同距离下深度测量精度的对应关系模型。
在一些实施例中,其中所述材质属性数据选自由反射率、透射率、折射率和雾度所组成的群组中的一种或几种的组合。
在一些实施例中,其中在所述获取所述被测标板的材质属性数据的步骤中,包括以下步骤:
检测所述被测标板的反射率,检测所述被测标板的折射率,检测所述被测标板的透射率以及检测所述被测标板的雾度。
在一些实施例中,其中在所述基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,获得材质属性数据和在不同距离下深度测量精度的对应关系模型的步骤中,包括:
拟合所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,以生成材质属性数据和在不同距离下深度测量精度的对应关系模型。
附图说明
图1是根据本发明的一个优选实施例的一TOF精度检测系统的模块示意图。
图2是根据本发明的一个优选实施例的一TOF精度检测系统的测量不同材质的方法示意图。
图3是根据本发明的一个优选实施例的一TOF精度检测系统的获取不同材质的数据的表格图。
图4是根据本发明的一个优选实施例的一TOF精度检测系统的不同环境和不同距离分别与深度测量精度的关系的坐标图。
图5是根据本发明的一个优选实施例的一TOF精度检测系统的材质属性数据与TOF深度测量精度的对应关系模型的坐标示意图。
图6是根据本发明的一个优选实施例的一TOF精度检测系统在一TOF智能产品中实际应用的流程示意图。
图7是根据本发明的一个优选实施例的一TOF精度检测系统的材质属性检测系统测试获得一标板白面的反射率与波长的部分实验数据。
图8是根据本发明的一个优选实施例的一TOF精度检测系统的材质属性检测系统测试获得一标板黑面的反射率与波长的部分实验数据。
图9是根据本发明的一个优选实施例的一TOF精度检测系统的材质属性检测系统测试获得一磁吸式标板的反射率与波长的部分实验数据。
图10是根据本发明的一个优选实施例的一TOF精度检测系统的材质属性检测系统测试获得一地毯的反射率与波长的部分实验数据。
图11是根据本发明的一个优选实施例的一TOF精度检测系统的材质属性检测系统测试获得一遮光泡棉的反射率与波长的部分实验数据。
图12是根据本发明的一个优选实施例的一TOF精度检测系统的材质属性检测系统测试获得一白地砖的反射率与波长的部分实验数据。
图13是根据本发明的一个优选实施例的一TOF精度检测系统的材质属性检测系统测试获得一黑地砖的反射率与波长的部分实验数据。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是,在本发明的揭露中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
如图1至图13所示为本优选实施例提供的一TOF精度检测系统100,其能够获得不同材质的被测标板200分别在不同环境或者不同距离下的属性数据与对应的深度测量精度,其中该被测标板200如各类不同材质的家具如各种木质、塑料、金属、皮质、布料、玻璃或者陶瓷等家具,并根据大量测试数据获得的多维度的该属性数据与该深度测量精度的对应关系,计算得出不同材质、不同环境下同一材质或者不同距离下同一材质的材质属性数据与TOF摄像模组的深度测量精度的对应关系模型,进而为一TOF智能产品如扫地机器人、智能机器人、无人送货机、智能识别机器、快递检货机等等提供合理的TOF深度测量精度检测基准。换句话说,该TOF精度检测系统100能够计算得到针对不同材质、不同环境下同一材质或者不同距离下同一材质的材质属性数据与TOF摄像模组的所述深度测量精度的对应关系模型,以供该TOF智能产品在作业时通过检测环境中的目标物体的深度测量精度数据,能够计算出该目标物体的属性数据,进而判断出该目标物体的种类或者类型,进而便于该TOF智能产品实施正常作业。
在本优选实施例中,所述TOF智能产品以一扫地机器人作为举例,其中所述TOF智能产品一般在室内进行扫地作业,在室内工作环境中包括不同材质的家具。即该TOF智能产品在作业时,按照规划路径的设定,该TOF智能产品需要利用一TOF摄像模组的检测技术不断地检测在该规划路径中遇到的这些不同材质的家具的精度,其中所述TOF智能产品基于所述材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型,检测出当前检测的该目标家具的该属性数据,进而使得该TOF智能产品能够以被检测出的该目标家具的属性数据识别出该目标家具的种类或者类型,进而便于该TOF智能产品在该室内工作环境中按照该规划路径的设定实施正常作业。
可以理解的是,该TOF精度检测系统100提供的该不同材质的深度测量精度与材质属性数据的对应关系模型的数据越广泛、适用和可靠,该TOF智能产品识别出该目标物体的准确性就越高。因此,为保证该TOF精度检测系统100提供的该不同材质的深度测量精度与所述材质属性数据的对应关系模型的广泛性、适用性以及可靠性,该被测标板200优选地选取市面上现有的各种材质,比如标板白面、标板黑面、磁吸式标板、标准打印纸、地毯、遮光泡棉、白地砖(办公区)、黑地砖(办公区)、白地砖(电梯)、黑地砖(电梯)、木质、纸质、植物类、玻璃、塑料、金属、陶瓷、皮质、水泥类、布料或者图像等等材质的被测量对象。
如图1所示为本发明的优选实施例的TOF精度检测系统100,其包括一材质属性检测系统10、一精度测量系统20、一处理中心30、一数据储存单元40和一数据库50,其中所述材质属性检测系统10获取经标板化处理后的不同材质的该被测标板200的至少一材质属性数据M如反射率、透射率、折射率或者雾度等关键性属性数据指标,其中所述精度测量系统20获取该被测标板200的至少一精度数据L。所述处理中心30根据该材质属性数据与对应的该精度之间的关系并结合一数据库50的原数据计算得到不同材质的材质与所述TOF摄像模组的所述深度测量精度的对应关系模型,其中所述数据储存单元40将经检测得到的该被测标板200的该材质属性数据和该深度测量精度数据存储于该数据库50并对该数据库50中的原数据进行补充和修正。
进一步地,该被测标板200需要被预先地进行标板化处理,即需要对该被测标板200进行整平、尺寸裁剪等一系列的标准化操作,使得不同材质的该被测标板200的尺寸规格统一化、标准化,遵循单一变量原则,排除其他干扰,提高测量结果的准确性和可靠性。优选地,不同材质的各所述被测标板200均被制成统一化的标板。换句话说,所有的不同材质的该被测标板200均被预先进行标准化处理,使得所有的该被测标板200的尺寸规格保持统一、一致,即以不同材质作为单一变量,实现对不同材质的该被测标板的数据测量。同时,基于该被测标板200的标准化处理,相关的一些属性数据检测仪器对该被测标板200的各属性数据的检测获取也更加便利、精确,以及相应的精度检测仪器对该被测标板200的深度测量精度的检测获取也更加便利和精确。
如图2所示,此外,本优选实施例还提供了一TOF精度检测方法,其包括以下步骤:
S1、标板化处理被测标板200;
S2、获取该被测标板200的至少一所述材质属性数据;
S3、获取该被测标板200的至少一所述深度测量精度;
S4、存储所述材质属性数据与对应的所述深度测量精度于所述数据库50;
S5、对不同材质的被测标板执行上述步骤S1、步骤S2、步骤S3和步骤S4;以及
S6、基于各所述材质属性数据与对应的所述精度之间的关系和结合所述数据库50中存储的原数据,计算得到对应不同材质的所述材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型。
为便于对本发明实施的描述,不同材质的各该被测标板200包括一第一被测标板201、一第二被测标板202...一第M被测标板20m等等,以分别代表M个不同材质的该被测标板200。相对应地,所述精度测量系统20分别获取该第一被测标板201、该第二被测标板202...该第M被测标板20m的一组精度数据为Li(其中i为1.2.3...m),其中所述精度数据表示所述深度测量精度。
具体地,该材质属性检测系统10被优选实施为至少一属性数据检测仪器,其中包括一反射率检测仪器11、一透射率检测仪器12、一折射率检测仪器13和一雾度检测仪器14。相应地,所述反射率检测仪器11用于检测该被测标板200的反射率,其中所述透射率检测仪器12用于检测所述被测对象200的投射率,其中所述折射率检测仪器13用于检测该被测标板200的折射率,其中所述雾度检测仪器14用于检测该被测标板200的雾度。
上述TOF精度检测方法中,其中步骤S2中该材质属性数据包括反射率、透射率、折射率或雾度等等。
可以理解的是,每一种材质的各项该属性数据指标具有唯一性,或者说,可以通过这些属性数据指标计算出唯一对应的材质的类型或者种类。换句话说,所述TOF智能产品能够基于目标物体的各属性数据识别出该目标物体的种类或者类型,以完成预定的作业。
值得一提的是,所述反射率检测仪器11、所述透射率检测仪器12、所述折射率检测仪器13和所述雾度检测仪器14均可以被实施为市场中现有的属性数据检测仪器,成本降低,在此不做限制。
当然,在本优选实施例的第一种变形实施方式中,所述材质属性检测系统10本身不具备检测该被测标板的各该属性数据的功能,而是获取由其他厂商或者公司等第三方机构提供对不同材质的被标准化处理后的该被测标板的属性数据检测结果。换句话说,所述材质属性检测系统10被实施为一数据接收端,用于接收来自该第三方机构提供的不同材质的各该属性数据数据。可以理解的是,对于一些第三方机构本身是针对于专门制造或者加工某种材质而设立的,如木材厂专门制造或者加工多种材质的木质产品等。另外,这些该第三方机构提供的相应的材质的各属性数据的数据量大,更加贴合实际,更加可靠,更加有利于提高该TOF精度检测系统100计算得到的所述材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型的准确性和可靠性。
在实验测试中,所述材质属性检测系统10预先在不同测量波长下对一标准标板进行属性值测量,如反射率,其中所述材质属性检测系统10测量得到的所述标准标板的反射率被预设为100%。基于所述标准标板的反射率的对比,所述材质属性检测系统10在不同测量波长下测量得到所述被测标板的反射率。如图7所示,所述材质属性检测系统10在不同测量波长下测量一标板白面得到的波长与反射率的部分实验数据。如图8所示,所述材质属性检测系统10在不同测量波长下测量一标板黑面得到的波长与反射率的部分实验数据。如图9所示,所述材质属性检测系统10在不同测量波长下测量一磁吸式标板得到的波长与反射率的部分实验数据。如图10所示,所述材质属性检测系统10在不同测量波长下测量一地毯得到的波长与反射率的部分实验数据。如图11所示,所述材质属性检测系统10在不同测量波长下测量一遮光泡棉得到的波长与反射率的部分实验数据。如图12所示,所述材质属性检测系统10在不同测量波长下测量一白地砖得到的波长与反射率的部分实验数据。如图13所示,所述材质属性检测系统10在不同测量波长下测量一黑地砖得到的波长与反射率的部分实验数据。
进一步地,所述精度测量系统20具有一环境模拟器21,其能够模拟并切换该精度测量系统20在检测所述被测标板200的精度数据时的S种不同的检测环境,其中包括第一环境X、第二环境Y、第三环境Z...,如模拟温度环境、模拟湿度环境或者模拟光线环境等等。以基于该不同环境作为单一变量,所述精度测量系统20依次获取不同环境状态下对同一材质的该被测标板200在相同的测量距离的一组精度数据SLi(其中S为X、Y、Z...)。
具体地,当所述精度测量系统20在任一测量距离D对任一所述被测标板200进行深度测量精度检测时,所述环境模拟器21依次模拟并切换该检测环境,其中所述精度测量系统20依次检测在不同的该检测环境下的一组精度数据。换句话说,在同一测量距离,所述精度测量系统20分别检测获取在多种该检测环境下的同一材质的一组精度数据。
在上述TOF精度检测方法的步骤S3包括步骤,基于该被测标板的测量环境作为单一变量,获取该被测标板在不同测量环境下的一组精度数据。
进一步地,所述精度测量系统20被实施为一精度检测工具如激光测距仪,其能够检测获取一测量距离D的该被测标板200的精度数据如第一被测标板201的精度数据,并且所述精度测量系统20分别在N个测量距离D1、D2、D3、...、Dn依次检测获取该被测标板200的N个精度数据Lij(其中i为1.2.3...m,其中j为1.2.3...n),其中各所述测量距离与各所述精度数据一一对应。换句话说,所述精度测量系统20能够分别获取同一该被测标板200依次在不同的测量距离D对应的各所述精度数据,即在不同测量距离下,获取同一材质的对应的各精度数据。
值得一提的是,所述精度测量系统20以所述TOF摄像模组在距离所述被测标板200不同距离时对应的深度图像的像素深度值作为测量值,以所述TOF摄像模组与所述被测标板之间的距离真值作为真实值,计算得出所述深度测量精度,即所述精度数据。所述距离真值可以由所述激光测距仪测量获得,或者带有距离标识的仪器测量获得,在此不受限制。
也就是说,基于不同测量距离作为单一变量,所述精度测量系统20能够分别获取不同测量距离的同一材质的被测标板的各精度数据。
在上述TOF精度检测方法的步骤S3中包括,基于该被测标板的测量距离作为单一变量,获取该被测标板200在不同测量距离下的一组精度数据。
因此,所述精度测量系统20分别获取对应同一材质的该被测标板200在不同环境和不同测量距离下的一组精度数据SLj(其中S为X、Y、Z...,其中j为1,2,3...n),即该组精度数据SLj对应于一种材质的属性数据。换句话说,该种属性数据的材质分别在不同环境和不同测量距离下对应地表现为的该组精度数据。因此,所述处理中心30基于针对该种材质的被测标板200的属性数据与对应的该组精度数据,计算得到对应于该种属性数据的材质与不同环境的一环境与精度关系图和对应于该种属性数据的材质与不同测量距离的一距离与精度关系图,即该环境与精度关系图和该距离与精度关系图可分别表现出该种材质在不同环境下和不同测量距离下所表现出的材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型。
在本优选实施例中,所述TOF精度检测方法的所述步骤S3中包括以下步骤:S31、所述精度测量系统20的所述环境模拟器21预先模拟该检测环境为第一环境X;S32、所述精度测量系统20在该第一环境X下依次检测在该测量距离D1、D2、D3...Dn的该组精度数据XL11、XL12...XL1n;和S33、所述环境模拟器21改变该检测环境为第二环境Y,并执行该步骤S32,直到所述环境模拟器21依次将预设的各所述的检测环境模拟完毕为止。
在本优选实施例的第二种变形实施方式中,所述TOF精度检测方法的所述步骤S3中包括以下步骤:S31A、保持该测量距离不变,所述环境模拟器21依次模拟改变该检测环境;S32A、每模拟改变一次该检测环境,所述精度测量系统20检测获取一次该测量距离下的该精度数据,直至该环境模拟器21依次模拟改变该检测环境完毕为止;和S33A、改变该测量距离,然后执行S31A和S32A,直至经过所有的该测量距离为止。
如图3所示,进一步地,所述精度测量系统20始终保持在该N个测量距离D1、D2、D3、...、Dn依次检测获取不同材质的该被测标板200的一组精度数据。也就是说,所述精度测量系统20分别在该N各测量距离D1、D2、D3...Dn检测获取N个该精度数据SL11、SL21、SL31...SLm1,其中所述精度测量系统20同样地分别在该N个测量距离D1、D2、D3、...、Dn检测获取该第二被测标板202的N个精度数据SL12、SL22、SL32...SLm2,...,其中所述精度测量系统20同样地分别在该N个测量距离D1、D2、D3...Dn检测获取该第M被测标板20m的N个精度数据SL1n、SL2n、SL3n...SLmn。换句话说,所述精度测量系统20能够在同样的该N个测量距离D1、D2、D3、...、Dn分别检测获取M个不同材质的该被测标板200的对应的n乘m个精度数据。
也就是说,基于不同材质作为单一变量,所述精度测量系统20能够分别获取不同材质的各该被测标板在相同的测量距离和相同检测环境中的各精度数据。
综上可以看出,对应于不同材质的该被测标板200在不同环境和在不同的测量距离下,所述精度测量系统20获取的对应的该精度数据的格式为SLij(其中S代表不同检测环境且分别为X、Y、Z...,其中i代表不同材质且分别为1,2,3...m,其中j代表不同测量距离且分别为1,2,3...n),一共获取S乘以M乘以N个该精度数据。
如图3所示,也就是说,对应于该第一被测标板201的属性数据,在第一环境X下在测量距离D1、D2、D3...Dn的一组精度数据分别为XL11、XL12、XL13...XL1n,在第二环境Y下在测量距离D1、D2、D3...Dn的一组精度数据分别为YL11、YL12、YL13...YL1n,在第三环境Z下在测量距离D1、D2、D3...Dn的一组精度数据分别为ZL11、ZL12、ZL13...ZL1n,...,等等。同时,所述处理中心30基于该第一被测标板201在不同环境和不同距离下的各该精度数据,分别计算得到对应于该第一被测标板201的属性数据的一第一环境与精度关系图和一第一距离与精度关系图,其中该第一环境与精度关系图和该第一距离与所述深度测量精度的关系图分别包括该第一被测标板201在不同环境和不同测量距离下的材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型。
对应于该第二被测标板202的属性数据,在第一环境X下在测量距离D1、D2、D3...Dn的一组精度数据分别为XL21、XL22、XL23...XL2n,在第二环境Y下在测量距离D1、D2、D3...Dn的一组精度数据分别为YL21、YL22、YL23...YL2n,在第三环境Z下在测量距离D1、D2、D3...Dn的一组精度数据分别为ZL21、ZL22、ZL23...ZL2n,...,等等。同时,所述处理中心30基于该第二被测标板202在不同环境和不同距离下的各该精度数据,分别计算得到对应于该第二被测标板202的属性数据的一第二环境与所述深度测量精度的关系图和一第二距离与所述深度测量精度的关系图,其中该第二环境与所述深度测量精度的关系图和该第二距离与所述深度测量精度的关系图分别包括该第而被测标板202在不同环境和不同测量距离下的材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型。
...
对应于该第M被测标板20m的属性数据,在第一环境X下在测量距离D1、D2、D3...Dn的一组精度数据分别为XLm1、XLm2、XLm3...XLmn,在第二环境Y下在测量距离D1、D2、D3...Dn的一组精度数据分别为YLm1、YLm2、YLm3...YLmn,在第三环境Z下在测量距离D1、D2、D3...Dn的一组精度数据分别为ZLm1、ZLm2、ZLm3...ZLmn,...,等等。同时,所述处理中心30基于该第M被测标板20m在不同环境和不同距离下的各该精度数据,分别计算得到对应于该第M被测标板20m的属性数据的一第M环境与精度关系图和一第M距离与所述深度测量精度关系图,其中该第M环境与所述深度测量精度的关系图和该第M距离与所述深度测量精度的关系图分别包括该第M被测标板20m在不同环境和不同测量距离下的材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型。
也就是说,对应M个该被测标板,所述处理中心30分别计算得到相对应的2M个该精度关系图,其中各该精度关系图分别对应于不同属性数据的材质。所述处理中心30基于对应于不同材质的各该精度关系图,计算得到不同材质的材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型。
值得一提的是,所述精度测量系统20能够被实施为现有的精度检测仪器或者自动化精度测试实验平台等,在此不做限制。
优选地,所述处理中心30包括一同一材质精度计算模块31和一不同材质精度计算模块32,其中所述同一材质精度计算模块31基于同一材质在不同环境和不同测量距离下的各该精度数据,计算得到分别对应于各材质的该组环境与精度关系图和距离与精度关系图,其中所述不同材质计算模块32基于对应于不同材质的各该精度关系图,计算得出不同材质的材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型。
如图4所示,具体地,所述同一材质精度计算模块31以同一材质的该组精度数据为基础绘制平面坐标轴,其中以精度数据L为X轴坐标,以距离D为Y轴坐标,以环境S为Y轴坐标,建立该环境与精度关系图,分别计算得到环境与所述深度测量精度的函数关系式为S=F(L),和得到距离与所述深度测量精度的函数关系为D=H(L)。
进一步地,所述同一材质精度计算模块31被实施为一数据计算软件,其利用数学计算方法计算对应于每个不同材质的该被测标板200在不同环境下或者不同测量距离下被检测获取的每组该精度数据,进而得到该环境与精度之间的关系或者该测量距离与所述深度测量精度之间的关系。具体地,该同一材质精度计算模块31采用的数据计算方法可以包括误差计算、单一变量计算、方差计算等等但不限于此,在此不做限制。
上述TOF精度检测方法的步骤S3与步骤S4之间还包括以下步骤:
X1、将所述材质属性检测系统10获取的该被测标板200的各该属性数据和该精度测量系统20获取的相应的各该精度数据输入一统计表,即统计该被测标板200的该属性数据与相应的各该精度数据;
其中步骤X1的一种实施方式包括以下步骤X11、将所述材质属性检测系统10获取的该被测标板200的各该属性数据输入或者填入该统计表,等待执行该步骤X2;和X12、将所述精度测量系统20每次检测获取的该精度数据依次输入或填入该统计表,直到该种材质的该被测标板在不同环境和不同测量距离下的各该精度数据被检测获取完毕后执行该步骤X2。
X2、所述同一材质精度计算模块31计算得出该种材质的该被测标板200的各该属性数据分别与不同环境下的各该精度数据之间的关系以及与不同测量距离下的各该精度数据之间的关系。
如图5所示,所述不同材质精度计算模块32以不同材质的属性数据M为X轴坐标,以该环境作为Y轴坐标,以该测量距离D作为Z轴坐标,以该精度L作为Q轴坐标,绘制四维度的材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型图。所述不同材质精度计算模块32计算得到不同材质的属性数据M与所述深度测量精度L的函数关系为M=G(L,S,D),分别代入所述环境与所述深度测量精度的函数关系式S=F(L)和代入所述距离与所述深度测量精度的函数关系式D=H(L)得到不同材质的属性数据M与所述深度测量精度L的函数关系式为M=G(L,F(L),H(L))。也就是说,该不同材质精度计算模块32基于分别对应该不同材质、不同环境和不同距离的该组精度数据SLij,计算得到不同材质的所述材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型的函数关系式为M=G(L,F(L),H(L))。或者说,该不同材质精度计算模块32基于该材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型的该函数关系式M=G(L,F(L),H(L))在该多维度的坐标系中绘制出一材质属性数据与所述TOF摄像模组的所述深度测量精度对应关系模型图,以该材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型图的图形,来识别该TOF智能产品实际检测的周围物体的种类或者类型。
因此,根据所述材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型的该函数关系式M=G(L,F(L),H(L)),所述TOF智能产品基于实际检测该目标物体的深度测量精度值L0输入该M=G(L,F(L),H(L))中得到一材质属性数据M0,识别出该目标物体的种类或者类型。
需要理解的是,由于不同材质的该被测标板的该属性数据M具有唯一性,因此,一种材质的属性数据M对应于该函数关系式M=G(L,F(L),H(L))的一定的函数值范围。换句话说,一种材质的属性数据M对应于该函数关系式的一或者多个函数值区域。比如该第一被测对象201的材质属性数据M1对应于该函数关系式M=G(L,F(L),H(L))的函数值区域为Ma<M1<Mb和Mc<M1<Md,即该第一被测对象201的该属性数据M1的有效函数值区间为(Ma,Mb)U(Mc,Md),当所述TOF智能产品输入该函数关系式M=G(L,F(L),H(L))的该深度测量精度值L0得到的该材质属性数据M0落入该材质属性数据M1的有效函数值区间(Ma,Mb)U(Mc,Md)内,即或判断Ma<M0<Mb?或Mc<M0<Md?中的任一一个判断式成立时,即判定该目标物体属于与该第一被测标板201相同材质的该材质属性数据M1,进而确认出该目标物体的种类或者类型。
如图6所示,进一步地,所述TOF精度检测系统100在所述TOF智能产品中的实际应用的流程方法如下:
开始;
输入该目标物体的深度测量精度值L0;
计算所述材质属性数据M0=G(L0,F(L0),H(L0));
调用所述数据库50中储存的数据,计算所述材质属性数据M0所在的有效函数值区间;
确认该目标物体的种类或类型;
输出结果;
结束。
进一步地,每当所述材质属性检测系统10和所述精度测量系统20均获取同一种材质的该被测标板201的材质属性数据和该被测标板200在不同环境和不同距离下的多组精度数据后,所述数据储存单元40即储存同一材质的该被测标板200的该多组精度数据于所述数据库50。换句话说,当所述材质属性检测系统10获取该第一被测标板201的属性数据和该精度测量系统20分别获取该第一被测标板201在不同环境和不同测量距离下的各该精度数据后,该数据储存单元40储存对应于该第一被测标板201的属性数据的各该精度数据于该数据库50,然后,当对该第二被测标板202执行获取属性数据与分别获取不同环境和不同测量距离下的各该精度数据后,所述数据储存单元40再次储存对应于该第二被测标板202的属性数据的各该精度数据于该数据库50,以此类推,进而防止数据错乱,有利于所述处理中心30计算得到该材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型。
值得一提的是,所述数据储存单元40每将一种材质的各该精度数据储存于该数据库50,就会对该数据库50中原本存在的原数据或者经验数据进行补充和修正,在补充和修正完毕后,所述处理中心30的该不同材质精度计算模块32基于该数据库50中的所有数据,计算得到该材质属性值与所述TOF摄像模组的所述深度测量精度的对应关系模型的该函数关系式或图形。
也就是说,在所述TOF精度检测方法的步骤E中,在所述步骤X2中的所述同一材质精度计算模块31对该种材质的各该材质属性数据与各该深度测量精度之间的关系计算完毕后,所述数据储存单元40即储存该种材质的各该属性数据与各该精度数据于所述数据库,并对该数据库中的原数据或者经验数据进行补充和修正。
当然,熟知本领域的人员可以理解的是,基于所述不同材质精度计算模块32计算得到的代表该材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型的多维度的该材质属性数据与所述深度测量精度的对应关系模型图,所述对应关系模型图呈现了不同材质的各该被测标板在不同测量距离或者不同环境下的所述材质属性数据与所述TOF摄像模组的所述深度测量精度的对应关系模型,进而能够为不同材质的该被测标板200的精度漂移提供数据支撑,为后续的算法校正提供必要的保障,在此不做限制。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
Claims (10)
1.一种TOF(Time of Flight,时间飞行法)精度检测系统,其特征在于,包括:
材质属性检测系统,用于获取被测标板的材质属性数据;以及
精度测量系统,用于测量TOF摄像模组在距离所述被测标板不同距离时对应的深度测量精度,以基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,获得材质属性数据和在不同距离下深度测量精度的对应关系模型,以使得应用所述TOF精度检测系统的TOF智能产品能够通过检测环境中的目标物体的深度测量精度数据和所述对应关系模型计算出所述目标物体的材质属性数据,进而判断出该目标物体的种类。
2.如权利要求1所述的TOF精度检测系统,其中,所述材质属性数据选自由反射率、透射率、折射率和雾度所组成的群组中的一种或几种的组合。
3.如权利要求2所述的TOF精度检测系统,其中,所述材质属性检测系统,包括:
反射率检测仪,用于检测所述被测标板的反射率;
折射率检测仪,用于检测所述被测标板的折射率;
透射率检测仪,用于检测所述被测标板的透射率;以及
雾度检测仪,用于检测所述被测标板的雾度。
4.如权利要求1所述的TOF精度检测系统,其还包括一处理中心,基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,所述处理中心拟合所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,并生成所述材质属性数据和在不同距离下深度测量精度的对应关系模型。
5.如权利要求1-4任一所述的TOF精度检测系统,其中,所述被测标板由家装材料制备而成。
6.一种TOF(Time of Flight,时间飞行法)精度检测方法,其特征在于,包括以下步骤:
获取一被测标板的材质属性数据;
获取一TOF摄像模组在距离所述被测标板不同距离时对应的深度测量精度;以及
基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,获得材质属性数据和在不同距离下深度测量精度的对应关系模型,以使得应用所述TOF精度检测系统的TOF智能产品能够通过检测环境中的目标物体的深度测量精度数据和所述对应关系模型计算出所述目标物体的材质属性数据,进而判断出该目标物体的种类。
7.根据权利要求6所述TOF精度检测方法,其中所述材质属性数据选自由反射率、透射率、折射率和雾度所组成的群组中的一种或几种的组合。
8.根据权利要求7所述TOF精度检测方法,其中在所述获取所述被测标板的材质属性数据的步骤中,包括以下步骤:
检测所述被测标板的反射率,检测所述被测标板的折射率,检测所述被测标板的透射率以及检测所述被测标板的雾度。
9.根据权利要求6所述TOF精度检测方法,其中在所述基于所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,获得材质属性数据和在不同距离下深度测量精度的对应关系模型的步骤中,包括:
拟合所述被测标板的材质属性数据和在不同距离下所述TOF摄像模组的所述深度测量精度,以生成材质属性数据和在不同距离下深度测量精度的对应关系模型。
10.根据权利要求6至9任一所述TOF精度检测方法,其中所述被测标板由家装材料制备而成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811617443.XA CN111398968B (zh) | 2018-12-28 | 2018-12-28 | Tof精度检测系统及其精度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811617443.XA CN111398968B (zh) | 2018-12-28 | 2018-12-28 | Tof精度检测系统及其精度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111398968A CN111398968A (zh) | 2020-07-10 |
CN111398968B true CN111398968B (zh) | 2022-10-18 |
Family
ID=71435889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811617443.XA Active CN111398968B (zh) | 2018-12-28 | 2018-12-28 | Tof精度检测系统及其精度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111398968B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1512136A (zh) * | 2002-12-26 | 2004-07-14 | 株式会社拓普康 | 测距装置 |
CN201749187U (zh) * | 2010-07-22 | 2011-02-16 | 首都师范大学 | 一种激光扫描仪的检校系统 |
CN103048356A (zh) * | 2012-12-15 | 2013-04-17 | 华南理工大学 | 基于超宽带相控阵逐层聚焦的多材质联合识别方法及装置 |
CN104134074A (zh) * | 2014-07-31 | 2014-11-05 | 中国矿业大学 | 一种基于激光扫描的煤岩识别方法 |
CN105841675A (zh) * | 2016-05-03 | 2016-08-10 | 北京光年无限科技有限公司 | 一种用于智能机器人的测距方法及系统 |
CN106126637A (zh) * | 2016-06-23 | 2016-11-16 | 东软集团股份有限公司 | 一种交通工具类别识别方法及装置 |
CN106896355A (zh) * | 2016-12-29 | 2017-06-27 | 湖北工业大学 | 基于uwb时间反演的障碍物材质识别及测距误差校正方法 |
CN107169469A (zh) * | 2017-06-02 | 2017-09-15 | 南京理工大学 | 一种基于机器学习的mimo雷达的材料识别方法 |
CN107522104A (zh) * | 2017-10-25 | 2017-12-29 | 浙江德清华杨科技有限公司 | 可识别货物材料类别的塔吊及控制方法 |
TW201808197A (zh) * | 2016-05-17 | 2018-03-16 | Lg電子股份有限公司 | 行動機器人及其控制方法 |
CN107944338A (zh) * | 2017-10-13 | 2018-04-20 | 西北大学 | 一种目标识别方法 |
WO2018097574A1 (ko) * | 2016-11-24 | 2018-05-31 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
CN108229522A (zh) * | 2017-03-07 | 2018-06-29 | 北京市商汤科技开发有限公司 | 神经网络的训练方法、属性检测方法、装置及电子设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0756082A (ja) * | 1993-08-17 | 1995-03-03 | Chinon Ind Inc | 距離検出方法およびその装置 |
US9182221B2 (en) * | 2011-06-13 | 2015-11-10 | Canon Kabushiki Kaisha | Information processing apparatus and information processing method |
CN203037313U (zh) * | 2012-11-28 | 2013-07-03 | 湖南沄辉科技股份有限公司 | 高精度容器物料距离测量系统 |
US9823352B2 (en) * | 2014-10-31 | 2017-11-21 | Rockwell Automation Safety Ag | Absolute distance measurement for time-of-flight sensors |
CN106815867B (zh) * | 2015-11-30 | 2020-10-30 | 宁波舜宇光电信息有限公司 | Tof相机标定与校正系统及其设备与方法 |
CN106959075B (zh) * | 2017-02-10 | 2019-12-13 | 深圳奥比中光科技有限公司 | 利用深度相机进行精确测量的方法和系统 |
CN106707290A (zh) * | 2017-03-08 | 2017-05-24 | 深圳市芯盛传感科技有限公司 | 一种光学测距模组 |
CN108966402A (zh) * | 2017-05-19 | 2018-12-07 | 浙江舜宇智能光学技术有限公司 | Tof摄像模组和tof电路及其散热方法和制造方法以及应用 |
-
2018
- 2018-12-28 CN CN201811617443.XA patent/CN111398968B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1512136A (zh) * | 2002-12-26 | 2004-07-14 | 株式会社拓普康 | 测距装置 |
CN201749187U (zh) * | 2010-07-22 | 2011-02-16 | 首都师范大学 | 一种激光扫描仪的检校系统 |
CN103048356A (zh) * | 2012-12-15 | 2013-04-17 | 华南理工大学 | 基于超宽带相控阵逐层聚焦的多材质联合识别方法及装置 |
CN104134074A (zh) * | 2014-07-31 | 2014-11-05 | 中国矿业大学 | 一种基于激光扫描的煤岩识别方法 |
CN105841675A (zh) * | 2016-05-03 | 2016-08-10 | 北京光年无限科技有限公司 | 一种用于智能机器人的测距方法及系统 |
TW201808197A (zh) * | 2016-05-17 | 2018-03-16 | Lg電子股份有限公司 | 行動機器人及其控制方法 |
CN106126637A (zh) * | 2016-06-23 | 2016-11-16 | 东软集团股份有限公司 | 一种交通工具类别识别方法及装置 |
WO2018097574A1 (ko) * | 2016-11-24 | 2018-05-31 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
TW201825037A (zh) * | 2016-11-24 | 2018-07-16 | 南韓商Lg電子股份有限公司 | 移動式清掃機器人及其控制方法 |
CN106896355A (zh) * | 2016-12-29 | 2017-06-27 | 湖北工业大学 | 基于uwb时间反演的障碍物材质识别及测距误差校正方法 |
CN108229522A (zh) * | 2017-03-07 | 2018-06-29 | 北京市商汤科技开发有限公司 | 神经网络的训练方法、属性检测方法、装置及电子设备 |
CN107169469A (zh) * | 2017-06-02 | 2017-09-15 | 南京理工大学 | 一种基于机器学习的mimo雷达的材料识别方法 |
CN107944338A (zh) * | 2017-10-13 | 2018-04-20 | 西北大学 | 一种目标识别方法 |
CN107522104A (zh) * | 2017-10-25 | 2017-12-29 | 浙江德清华杨科技有限公司 | 可识别货物材料类别的塔吊及控制方法 |
Non-Patent Citations (1)
Title |
---|
Optical simulation of time-of-flight sensor accuracy in rain;Baumgart, M;《2017 Conference on Lasers and Electro-Optics Europe & European Quantum Electronics Conference (CLEO/Europe-EQEC)》;20171206;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111398968A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4235293B2 (ja) | 塗料関連プロセスステップを調整するためコンピュータにより実装された装置 | |
JP2014044203A (ja) | 加工対象物検査のための方法及びシステム | |
CN105538313B (zh) | 一种工业机器人激光轨迹检测装置 | |
CN105444696B (zh) | 一种基于透视投影直线测量模型的双目匹配方法及其应用 | |
CN108896092B (zh) | 一种测量方法、测量系统及存储装置 | |
US10854015B2 (en) | Real-time quality control during manufacturing using augmented reality | |
CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
Dhanish et al. | Effect of CMM point coordinate uncertainty on uncertainties in determination of circular features | |
CN113267180B (zh) | 一种基于3d深度视觉的agv叉车托盘定位及叉取方法 | |
CN108151649A (zh) | 一种利用点激光对工件特定位置参数进行测量的方法 | |
Trenk et al. | The “Virtual CMM” a software tool for uncertainty evaluation–practical application in an accredited calibration lab | |
CN110146017A (zh) | 工业机器人重复定位精度测量方法 | |
CN111398968B (zh) | Tof精度检测系统及其精度检测方法 | |
Bachmann et al. | Aide in decision-making: contribution to uncertainties in three-dimensional measurement | |
CN113532341A (zh) | 用于确定测量测量物体的测量策略的方法和设备及程序 | |
JP2017033374A (ja) | データ照合装置、設計データ修正装置、形状測定装置、データ照合方法、およびプログラム | |
CN110095427A (zh) | 水分仪测量误差自校准方法、装置和系统、存储介质 | |
EP1882894B1 (en) | Optical measuring machine | |
US11481971B2 (en) | Information processing method, information processing system, and program | |
CN106123808B (zh) | 一种用于汽车后视镜镜面角度偏转测量的方法 | |
Weißensee et al. | Knowledge-based uncertainty estimation of dimensional measurements using visual sensors | |
CN112415455A (zh) | 数字式万用表自动化校准装置 | |
CN117314262B (zh) | 一种木门多工序自动化集成加工生产线检测方法及系统 | |
Härtig et al. | Recommendations for unified rules for key comparison evaluation | |
CN205843606U (zh) | 一种半自动多角度机器视觉检测仪 |
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 |