CN115023735A - 用于对象识别的检测器 - Google Patents

用于对象识别的检测器 Download PDF

Info

Publication number
CN115023735A
CN115023735A CN202180011134.1A CN202180011134A CN115023735A CN 115023735 A CN115023735 A CN 115023735A CN 202180011134 A CN202180011134 A CN 202180011134A CN 115023735 A CN115023735 A CN 115023735A
Authority
CN
China
Prior art keywords
image
detector
beam profile
evaluation device
illumination
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.)
Pending
Application number
CN202180011134.1A
Other languages
English (en)
Inventor
B·莱因
P·辛德勒
F·希克
J·昂格尔
P·席伦
N·伯纳
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.)
TrinamiX GmbH
Original Assignee
TrinamiX GmbH
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 TrinamiX GmbH filed Critical TrinamiX GmbH
Publication of CN115023735A publication Critical patent/CN115023735A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • G01S17/06—Systems determining position data of a target
    • G01S17/46—Indirect determination of position data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/12—Acquisition of 3D measurements of objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

一种用于对象识别的检测器(110)，包括：‑至少一个照射源(114)，其被配置用于将包括多个照射特征的至少一个照射图案投影到包括至少一个对象(110)的至少一个区域(116)上；‑具有至少一个光敏区域(122)的光学传感器(120)，其中，光学传感器(120)被配置用于确定包括该区域的至少一个二维图像的至少一个第一图像，其中，光学传感器(120)被配置用于确定包括多个反射特征的至少一个第二图像，该多个反射特征由区域(116)响应于照射特征的照射而生成；‑至少一个评估装置(124)，其中，评估装置(124)被配置用于评估第一图像和第二图像，其中，反射特征中的每个反射特征包括至少一个束轮廓，其中，评估装置(124)被配置用于通过反射特征的束轮廓的分析来确定反射特征中的每个反射特征的束轮廓信息，其中，评估装置(124)被配置用于使用所确定的束轮廓信息来确定至少一个三维图像，其中，第一图像的评估包括识别至少一个预定义或预定的几何特征，其中，评估装置(124)被配置用于识别位于几何特征的图像区域内侧的反射特征和/或用于识别位于几何特征的图像区域外侧的反射特征，其中，评估装置(124)被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定至少一个深度水平，其中，评估装置(124)被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定对象的至少一种材料特性，其中，评估装置(124)被配置用于通过考虑深度水平和/或材料特性以及关于对象的形状和/或大小的预定或预定义的信息来确定对象的至少一个位置和/或取向。

Description

用于对象识别的检测器
技术领域
本发明涉及一种检测器和一种用于对象识别的方法以及该检测器的各种用途。根据本发明的装置、方法和用途具体地可用于例如日常生活、安保技术、游戏、交通技术、生产技术、摄影(诸如用于艺术、文档或技术目的的数字摄影或视频摄影)、安全技术、信息技术、农业、作物保护、维护、化妆品、医疗技术或科学的各种领域。然而，其他应用也是可能的。
背景技术
金属对象的自动对象识别具有挑战性。取决于角度，金属对象不会或仅稀疏地反射来自照射源的光，使得不可能生成可靠的三维图像。为了允许金属对象的自动对象识别，即使3D测量不能提供可利用的数据，也已知结合3D和2D图像信息。2D图像可以包括不能经由3D测量记录的图像信息。然而，对于3D图像传感器，诸如3D飞行时间(ToF)相机，没有2D图像信息或只有分辨率非常有限的2D图像信息可用。此外，为了确保图像分析软件的正确分析，需要在图像捕获期间确定是否记录了2D或3D图像。由于缺少实时行为，因此仅使用相机的软件驱动器控制器是不可能的。在已知方法中，除了3D数据之外，还通过使用另外的相机记录高分辨率2D图像数据。但是除了3D相机之外，还需要校准其他相机的位置和视角。由于外部影响，诸如由于温度变化或机械应力导致的去校准，该校准增加了进一步的不确定性。此外，同步两个相机系统以记录2D和3D图像非常复杂。
其他技术(诸如结构光)原则上可以生成高分辨率的2D图像数据。但是没有执行2D成像，因为需要关闭激光器以记录2D图像，并且在红外波长范围内使用带通滤波器的情况下，可能需要附加的照射来进行图像记录。
US 2016/0238377 A1描述了一种用于对三维表面的形貌进行建模的建模布置。该布置包括：被布置成产生基本上单色和相干电磁辐射的光源；相机，其被布置为以光源发射的波长以及人眼检测到的波长对要建模的表面进行拍照；以及与第一光源连接设置的光栅。光源和与光源连接设置的光栅被共同布置以在要建模的表面上产生已知几何形状的衍射图案。
Chen Guo-Hua等人“Transparent object detection and location based onRGB-D cam-era”JOURNAL OF PHYSICS:CONFERENCE SERIES,vol.1183,1March 2019,page012011,XP055707266,GB ISSN:1742-6588,DOI:10.1088/1742-6596/1183/1/012011描述了一种利用深度图像、RGB图像和IR图像进行透明对象检测和定位的方法。在检测过程中，首先使用有源深度传感器(Re-alSense)从深度图像中取得透明候选，并且然后分别提取RGB图像和IR图像中的对应候选。随后提出了一种透明的候选分类算法，该算法使用SIFT特征从候选中识别出透明候选。在定位过程中，通过调节相机取向来使其光轴垂直于对象所在平面的法线方向，获得一组RGB图像和IR图像。然后分别提取RGB图像和IR图像中的对象轮廓。最后借助于两个轮廓的立体匹配来重构三维对象，并且最后计算出对象当前的位姿信息。
本发明解决的问题
因此，本发明的一个目的是提供面临已知装置和方法的上述技术挑战的装置和方法。具体地，本发明的目的是提供允许以较低的技术工作量并且在技术资源和成本方面的较低要求的可靠对象识别的装置和方法。
发明内容
本发明采用独立权利要求的特征解决了该问题。在从属权利要求和/或以下说明书和详细实施例中提出了可以单独或组合实现的本发明的有利发展。
如下面所使用的，术语“具有”、“包含”或“包括”或其任意语法变体以非排他性方式使用。因此，这些术语既可以指一种情况，其中除了由这些术语引入的特征之外，在该上下文中描述的实体中不存在其他特征，并且还可以指存在一个或多个其他特征的情况。作为示例，表达“A具有B”、“A包含B”和“A包括B”可以指一种情况：除B之外，A中不存在其他元素(即，其中A唯一且排他地由B组成的情况)，以及指这样的情况：除B之外，实体A中还存在一个或多个其他元素，诸如元素C、元素C和D或甚至其他元素。
此外，应注意，指示特征或元素可存在一次或多于一次的术语“至少一个”、“一个或多个”或类似表达通常在引入相应特征或元素时仅使用一次。在下面，在大多数情况下，当提及相应的特征或元素时，尽管相应的特征或元素可能只存在一次或多于一次，但不会重复“至少一个”或“一个或多个”的表达。
此外，如下面所使用的，术语“优选地”、“更优选地”、“特别地”、“更特别地”、“具体地”、“更具体地”或类似的术语与可选特征结合使用，而没有限制替代可能性。因此，由这些术语引入的特征是可选特征，并且不旨在以任何方式限制权利要求的范围。如本领域技术人员将认识到的，本发明可以通过使用替代特征来执行。类似地，由“在本发明的实施例中”引入的特征或类似表达旨在是可选特征，而对本发明的替代实施例没有任何限制，对本发明的范围没有任何限制，并且对关于以这种方式引入的特征与本发明的其他可选或非可选特征相结合的可能性没有任何限制。
在本发明的第一方面，公开了一种用于对象识别的检测器。
如在此所使用的，术语“检测器”通常可以指被配置用于确定和/或检测和/或感测至少一个对象的任意传感器装置。检测器可以是固定装置或移动装置。此外，检测器可以是独立装置或可以形成另一装置的一部分，诸如计算机、车辆或任何其他装置。此外，检测器可以是手持装置。检测器的其他实施例是可行的。
如在此所使用的，术语“对象”通常可以指要确定其取向和/或位置的任意物理体。该对象可以是至少一件物品。例如，该对象可以是选自由以下组成的组中的至少一个对象：盒子、瓶子、盘子、一张纸、袋子、螺丝钉、垫圈、机加工金属件、橡胶密封件、塑料件、包装纸、包装材料。如在此所使用的，术语“对象识别”通常可以指识别对象并确定关于对象的位置和/或取向的至少一个信息。如在此所使用的，术语“位置”可以指关于对象和/或对象的至少一部分在空间中的位置的至少一项信息。因此，至少一项信息可以暗示对象的至少一个点与至少一个检测器之间的至少一个距离。该距离可以是纵坐标或者可以有助于确定对象点的纵坐标。另外地或可替代地，可以确定关于对象和/或对象的至少一部分的位置的一项或多项其他信息。作为示例，另外，可以确定对象和/或对象的至少一部分的至少一个横坐标。因此，对象的位置可以暗示对象和/或对象的至少一部分的至少一个纵坐标。另外地或可替代地，对象的位置可以暗示对象和/或对象的至少一部分的至少一个横坐标。如在此所使用的，术语“取向”是指对象在空间中的角位置。取向可以由三个空间角给出。
检测器包括：
-至少一个照射源，其被配置用于将包括多个照射特征的至少一个照射图案投影到包括至少一个对象的至少一个区域上；
-具有至少一个光敏区域的光学传感器，其中，光学传感器被配置用于确定包括该区域的至少一个二维图像的至少一个第一图像，其中，光学传感器被配置用于确定包括多个反射特征的至少一个第二图像，该多个反射特征由该区域响应于照射特征的照射而生成；
-至少一个评估装置，其中，评估装置被配置用于评估第一图像和第二图像，其中，反射特征中的每个反射特征包括至少一个束轮廓，其中，评估装置被配置用于通过每个反射特征的束轮廓的分析来确定反射特征中的每个反射特征的束轮廓信息，其中，评估装置被配置用于使用所确定的束轮廓信息来确定至少一个三维图像，其中，第一图像的评估包括识别至少一个预定义或预定的几何特征，其中，评估装置被配置用于识别位于几何特征的图像区域内侧的反射特征和/或用于识别位于几何特征的图像区域外侧的反射特征，
其中，评估装置被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定至少一个深度水平，
其中，评估装置被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定对象的至少一种材料特性，
其中，评估装置被配置用于通过考虑深度水平和/或材料特性以及关于对象的形状和/或大小的预定或预定义的信息来确定对象的至少一个位置和/或取向。
对象可以位于场景内和/或可以具有周围环境。具体地，对象可以位于至少一个区域中。如在此所使用的，本文中的术语“区域”通常可以指至少一个表面和/或区域。如在此所使用的，术语“包括对象的区域”通常可以指对象所在的至少一个表面和/或对象所在的至少一个区域。该区域可以包括附加元素，诸如周围环境。
照射源被配置用于将包括多个照射特征的至少一个照射图案投影到包括至少一个对象的至少一个区域上。如在此所使用的，术语“照射源”通常可以指适于提供至少一个照射光束以用于照射对象的至少一个任意装置。照射源可适于直接或间接地照射对象，其中，照射图案被对象反射或散射，并且从而至少部分地被引向检测器。照射源可以适于例如通过将光束引向对象来照射对象，该对象反射光束。照射源可以被配置用于生成用于照射对象的照射光束。
照射源可以包括至少一个光源。照射源可以包括多个光源。照射源可以包括人工照射源，特别是至少一个激光源和/或至少一个白炽灯和/或至少一个半导体光源，例如至少一个发光二极管，特别是有机和/或无机发光二极管。作为示例，由照射源发射的光可以具有300至1100nm，特别是500至1100nm的波长。另外地或可替代地，可以使用红外光谱范围内(诸如780nm至3.0μm范围内)的光。具体地，可以使用硅光电二极管可应用的近红外区域部分中(具体地在700nm至1100nm的范围内)的光。照射源可以被配置用于在红外区域中生成至少一个照射图案。使用近红外区域中的光允许人眼不能或仅微弱地检测到光，并且仍然可以被硅传感器，特别是标准硅传感器检测到。
在此所使用的，术语“光线(ray)”通常是指垂直于光的波阵面的线，其指向能量流的方向。如在此所使用的，术语“束(beam)”通常是指光线的集合。在下面，术语“光线”和“束”将用作同义词。如在此进一步使用的，术语“光束”通常是指一定量的光，特别是基本上在相同方向上行进的一定量的光，包括光束具有发散角(spreading angle)或扩展角(widening angle)的可能性。光束可以具有空间延伸。具体地，光束可以具有非高斯束轮廓。束轮廓可以选自由如下组成的组：梯形束轮廓；三角束轮廓；锥形束轮廓。梯形束轮廓可以具有平台区域和至少一个边缘区域。如下面将更详细地概述，光束具体可以是高斯光束或高斯光束的线性组合。然而，其他实施例也是可行的。传递装置可以被配置用于调节、定义和确定束轮廓(特别是束轮廓的形状)中的一项或多项。
照射源可以被配置为发射单一波长的光。具体地，波长可以在近红外区域。使用近红外光可能是有利的，因为在近红外区域中，人体皮肤表现出独特的反射束轮廓以及显著的吸收和漫射，如下概述。在其他实施例中，照射可以适于发射具有多个波长的光，从而允许在其他波长通道中的附加测量。
照射源可以是或可以包括至少一个多束光源。例如，照射源可以包括至少一个激光源和一个或多个衍射光学元件(DOE)。具体地，照射源可以包括至少一种激光和/或激光源。可以使用各种类型的激光器，诸如半导体激光器、双异质结构激光器、外腔激光器、分离限制异质结构激光器、量子级联激光器、分布式布拉格反射器激光器、极化子激光器、混合硅激光器、扩展腔二极管激光器、量子点激光器、体布拉格光栅激光器、砷化铟激光器、晶体管激光器、二极管泵浦激光器、分布式反馈激光器、量子阱激光器、带间级联激光器、砷化镓激光器、半导体环形激光器、扩展腔二极管激光器或垂直腔面发射激光器。另外地或可替代地，可以使用非激光光源，诸如LED和/或灯泡。照射源可包括适于生成照射图案的一个或多个衍射光学元件(DOE)。例如，照射源可以适于生成和/或投影点云，例如照射源可以包括至少一个数字光处理投影仪、至少一个LCoS投影仪、至少一个光调制器；至少一个衍射光学元件；至少一个发光二极管阵列；至少一个激光光源阵列中的一种或多种。由于它们通常定义的束轮廓和其他可操作性的特性，使用至少一个激光源作为照射源是特别优选的。照射源可以集成到检测器的壳体中。
照射源可以是附接到或集成到诸如智能电话的移动装置中的一种。照射源可以用于可用于确定图像的其他功能，诸如自动对焦功能。照射装置可以集成在移动装置中或附接到移动装置，诸如通过使用诸如USB或诸如耳机插孔的电话连接器的连接器。
此外，照射源可以被配置用于发射调制或非调制光。在使用多个照射源的情况下，不同的照射源可以具有不同的调制频率，如下面进一步详细概述的，稍后可以将其用于区分光束。
由照射源生成的一个光束或多个光束通常可以平行于光轴传播或相对于光轴倾斜，例如包括与光轴的角度。检测器可以配置为使得一个光束或多个光束从检测器沿检测器的光轴朝向对象传播。为此目的，检测器可以包括至少一个反射元件，优选地至少一个棱镜，用于将照射光束偏转到光轴上。作为示例，诸如激光束的光束或多个光束与光轴可以包括小于10°、优选小于5°或甚至小于2°的角度。然而，其他实施例也是可行的。此外，一个光束或多个光束可以在光轴上或在光轴外。作为示例，一个光束或多个光束可以平行于光轴，具有距光轴小于10mm，优选地距光轴小于5mm，或者甚至距光轴小于1mm的距离，或甚至可能与光轴重合。
如在此所使用的，术语“至少一个照射图案”是指至少一种任意图案，其包括适于照射对象的至少一部分的至少一种照射特征。如在此所使用的，术语“照射特征”是指图案的至少一个至少部分延伸的特征。照射图案可以包括单个照射特征。照射图案可以包括多个照射特征。照射图案可以选自由以下组成的组：至少一种点图案；至少一种线图案；至少一个条纹图案；至少一个棋盘图案；包括周期性或非周期性特征的排列的至少一个图案。照射图案可以包括规则的和/或恒定的和/或周期性的图案，诸如三角形图案、矩形图案、六边形图案或包括另外的凸块的图案。照射图案可以表现出选自由以下组成的组的至少一种照射特征：至少一个点；至少一条线；至少两条线，诸如平行线或交叉线；至少一个点和一条线；周期性或非周期性特征的至少一种排列；至少一个任意形状的特征。照射图案可以包括选自由以下组成的组中的至少一个图案：至少一种点图案，特别是伪随机点图案；随机点图案或准随机图案；至少一种Sobol图案；至少一种准周期图案；包括至少一个已知特征的至少一个图案、至少一个规则图案；至少一个三角形图案；至少一个六边形图案；至少一个矩形图案；包括凸面均匀平铺的至少一个图案；包括至少一条线的至少一种线图案；包括至少两条线(诸如平行线或交叉线)的至少一种线图案。例如，照射源可以适于生成和/或投影点云。照射源可以包括适于生成点云的至少一个光投影仪，使得照射图案可以包括多个点图案。照射源可以包括至少一个掩模，该掩模适于从由照射源生成的至少一个光束中生成照射图案。
照射图案的两个特征之间的距离和/或至少一个照射特征的区域可以取决于图像中的弥散圆。如上所述，照射源可以包括被配置用于生成至少一个照射图案的至少一个光源。具体地，照射源包括被指定用于生成激光辐射的至少一个激光源和/或至少一个激光二极管。照射源可以包括至少一个衍射光学元件(DOE)。检测器可以包括适于投影至少一种点图案的至少一个点投影仪，诸如至少一个激光源和DOE。
如在此进一步使用的，术语“投影至少一个照射图案”是指提供用于照射至少一个对象的至少一个照射图案。
例如，投影的照射图案可以是周期性点图案。投影的照射图案可以具有低点密度。例如，照射图案可以包括具有低点密度的至少一个周期性点图案，其中，照射图案每个视野具有≤2500个点。与在55x38°的视野中通常具有10k-30k的点密度的结构光相比，根据本发明的照射图案可以不那么密集。这可以允许每点更多的功率，使得所提出的技术与结构光相比更少依赖环境光。
检测器可以包括至少一个另外的照射源。另外的照射源可以包括至少一个另外的光源(诸如至少一个发光二极管(LED)或至少一个垂直腔面发射激光器(VCSEL)阵列)中的一个或多个。另外的照射源可以包括至少一个光学元件，诸如至少一个漫射器或至少一个透镜。该另外的照射源可以被配置用于为第一图像的成像提供附加照射。例如，另外的照射源可以用于不可能或难以记录反射图案的情况，例如在高反射金属表面的情况下，以便确保良好的照射，并且从而确保二维图像的对比度使得二维图像识别成为可能。
检测器可以包括单个相机，该相机包括光学传感器。检测器可以包括多个相机，每个相机包括一个光学传感器或多个光学传感器。
光学传感器具有至少一个光敏区域。如在此所使用的，“光学传感器”通常是指用于检测光束的光敏装置，诸如用于检测由至少一个光束生成的照射和/或光斑。如在此进一步使用的，“光敏区域”通常是指可以由至少一个光束从外部照射的光学传感器的区域，响应于该照射生成至少一个传感器信号。光敏区域可以具体地位于相应的光学传感器的表面上。然而，其他实施例是可行的。检测器可包括各自具有光敏区域的多个光学传感器。如在此所使用的，术语“光学传感器，每个具有至少一个光敏区域”是指具有多个单个光学传感器的配置，每个具有一个光敏区域，以及指带有具有多个光敏区域的一个组合光学传感器的配置。术语“光学传感器”另外指被配置为生成一个输出信号的光敏装置。在检测器包括多个光学传感器的情况下，每个光学传感器可被体现为使得诸如通过响应于针对整个光学传感器而恰好生成一个均匀的传感器信号的照射而恰好提供可被照射的一个光敏区域，在相应的光学传感器中恰好存在一个光敏区域。因此，每个光学传感器可以是单区域光学传感器。然而，单区域光学传感器的使用使得检测器的设置特别简单和有效。因此，作为示例，可以在设置中使用可商购的光学传感器，诸如可商购的硅光电二极管，每个硅光电传感器恰好具有一个光敏区域。然而，其他实施方式是可行的。
优选地，光敏区域可以被取向为基本上垂直于检测器的光轴。光轴可以是直的光轴或可以弯曲或甚至分开，诸如通过使用一个或多个偏转元件和/或通过使用一个或多个分束器，其中在后一种情况下基本上垂直的取向可以指光学设置的相应分支或束路径中的局部光轴。
光学传感器具体可以是或可以包括至少一个光电检测器，优选无机光电检测器，更优选无机半导体光电检测器，最优选硅光电检测器。具体地，光学传感器可以在红外光谱范围内敏感。矩阵的所有像素或矩阵的至少一组光学传感器具体可以相同。具体可以为不同的光谱范围提供矩阵的相同像素组，或者所有像素在光谱灵敏度方面可以相同。此外，像素在大小和/或关于它们的电子或光电特性方面可以相同。具体地，光学传感器可以是或可以包括在红外光谱范围内(优选地在700nm至3.0微米的范围内)敏感的至少一种无机光电二极管。具体地，光学传感器可以在其中硅光电二极管可应用的近红外区域的部分中(具体地在700nm至1100nm的范围内)敏感。可用于光学传感器的红外光学传感器可以是可商购的红外光学传感器，诸如可从德国莱茵河畔路德维希港D-67056的trinamiXTM GmbH以商标名称Hertz-stueckTM可商购的红外光学传感器。因此，作为示例，光学传感器可以包括本征光伏类型的至少一个光学传感器，更优选地，选自由如下组成的组的至少一个半导体光电二极管：Ge光电二极管、InGaAs光电二极管、扩展型InGaAs光电二极管、InAs光电二极管、InSb光电二极管、HgCdTe光电二极管。另外地或可替代地，光学传感器可以包括掺杂光伏类型的至少一种光学传感器，更优选地，选自由如下组成的组的至少一种半导体光电二极管：Ge：Au光电二极管、Ge：Hg光电二极管、Ge：Cu光电二极管、Ge：Zn光电二极管、Si：Ga光电二极管、Si：As光电二极管。另外地或可替代地，光学传感器可以包括至少一个光电导传感器，诸如PbS或PbSe传感器、辐射热计，优选地是选自由VO辐射热计和非晶硅辐射热计组成的组的辐射热计。
光学传感器可以在紫外、可见或红外光谱范围中的一种或多种中敏感。具体地，光学传感器可以在从500nm到780nm，最优选在650nm到750nm或在690nm到700nm的可见光谱范围内敏感。具体地，光学传感器可以在近红外区域中敏感。具体地，光学传感器可以在硅光电二极管可应用的近红外区域的部分中(具体地在700nm至1000nm的范围内)敏感。具体地，光学传感器可以在红外光谱范围内，具体地在780nm至3.0微米的范围内敏感。例如，光学传感器各自独立地可以是或可以包括从由如光电二极管、光电池、光电导体、光电晶体管或其任何组合组成的组中选择的至少一个元件。例如，光学传感器可以是或可以包括选自由CCD传感器元件、CMOS传感器元件、光电二极管、光电池、光电导体、光电晶体管或它们的任何组合组成的组中的至少一种元件。可以使用任何其他类型的光敏元件。光敏元件通常可以全部或部分地由无机材料制成和/或可以全部或部分地由有机材料制成。最常见的是，可以使用一个或多个光电二极管，诸如可商购的光电二极管，例如无机半导体光电二极管。
光学传感器可以包括至少一个传感器元件，该传感器元件包括像素矩阵。因此，作为示例，光学传感器可以是像素化光学装置的一部分或构成像素化光学装置。例如，光学传感器可以是和/或可以包括至少一个CCD和/或CMOS装置。作为示例，光学传感器可以是具有像素矩阵的至少一个CCD和/或CMOS装置的一部分或构成至少一个CCD和/或CMOS装置，每个像素形成光敏区域。
如在此所使用的，术语“传感器元件”通常是指被配置用于感测至少一个参数的装置或多个装置的组合。在本例中，参数具体可以是光学参数，并且传感器元件具体可以是光学传感器元件。传感器元件可以形成为单一的单个装置或多个装置的组合。传感器元件包括光学传感器矩阵。传感器元件可以包括至少一个CMOS传感器。该矩阵可以由独立的像素组成，诸如独立的光学传感器。因此，可以组成无机光电二极管的矩阵。然而，可替代地，可以使用可商购矩阵，诸如CCD检测器(诸如CCD检测器芯片)和/或CMOS检测器(诸如CMOS检测器芯片)中的一个或多个。因此，通常，传感器元件可以是和/或可以包括至少一个CCD和/或CMOS装置和/或光学传感器可以形成传感器阵列或可以是传感器阵列的一部分，诸如以上提到的矩阵。因此，作为示例，传感器元件可以包括像素阵列，诸如具有m行和n列的矩形阵列，其中m、n独立地为正整数。优选地，给出多于一列和多于一行，即n>1，m>1。因此，作为示例，n可以为2至16或更高，并且m可以为2至16或更高。优选地，行数和列数的比率接近1。作为示例，可以选择n和m使得0.3≤m/n≤3，诸如通过选择m/n＝1:1、4:3、16:9等。作为示例，阵列可以是正方形阵列，具有相等数量的行和列，诸如通过选择m＝2、n＝2或m＝3、n＝3等。
该矩阵可以由独立的像素(诸如独立的光学传感器)组成。因此，可以组成无机光电二极管的矩阵。然而，可替代地，可以使用可商购矩阵，诸如CCD检测器(诸如CCD检测器芯片)和/或CMOS检测器(诸如CMOS检测器芯片)中的一个或多个。因此，通常，光学传感器可以是和/或可以包括至少一个CCD和/或CMOS装置和/或检测器的光学传感器可以形成传感器阵列或可以是传感器阵列的一部分，诸如以上提到的矩阵。
矩阵具体地可以是具有至少一行，优选多行，以及多列的矩形矩阵。作为示例，行和列可以基本上垂直取向。如在此所使用的，术语“基本上垂直”是指垂直取向的条件，具有例如±20°或更小的公差，优选±10°或更小的公差，更优选±5°或更小的公差。类似地，术语“基本上平行”是指平行取向的条件，具有例如±20°或更小的公差，优选±10°或更小的公差，更优选±5°或更小的公差。因此，作为示例，小于20°、具体地小于10°或甚至小于5°的公差是可以接受的。为了提供更广阔的视野，矩阵具体地可以具有至少10行，优选至少500行，更优选至少1000行。类似地，矩阵可以具有至少10列，优选至少500列，更优选至少1000列。该矩阵可以包括至少50个光学传感器，优选地至少100000个光学传感器，更优选地至少5000000个光学传感器。该矩阵可以包括数百万像素范围内的多个像素。然而，其他实施例也是可行的。因此，在预期轴向旋转对称的设置中，矩阵(也可称为像素)的光学传感器的圆形布置或同心布置可能是优选的。
因此，作为示例，传感器元件可以是像素化光学装置的一部分或构成像素化光学装置。例如，传感器元件可以是和/或可以包括至少一个CCD和/或CMOS装置。作为示例，传感器元件可以是具有像素矩阵的至少一个CCD和/或CMOS装置的一部分或构成至少一个CCD和/或CMOS装置，每个像素形成光敏区域。传感器元件可以采用滚动快门或全局快门方法来读出光学传感器的矩阵。
光学传感器被配置用于确定至少一个第一图像，该第一图像包括该区域的至少一个二维图像。
如在此所使用的，而不是限制，术语“图像”具体可以涉及通过使用光学传感器记录的数据，诸如来自成像装置的多个电子读数，诸如传感器元件的像素。因此，图像本身可以包括像素，图像的像素与传感器元件的矩阵的像素相关。因此，当提到“像素”时，要么参考由传感器元件的单个像素生成的图像信息的单位，要么直接参考传感器元件的单个像素。
如在此所使用的，术语“二维图像”通常可以指具有关于横坐标(诸如仅高度和宽度的维度)的信息的图像。如在此所使用的，术语“三维图像”通常可以指具有关于横坐标以及另外关于纵坐标(诸如高度、宽度和深度的维度)的信息的图像。
光学传感器被配置用于确定包括多个反射特征的至少一个第二图像，该多个反射特征由该区域响应于照射特征的照射而生成。如在此所使用的，术语“反射特征”可以指由对象响应于照射生成的图像平面中的特征，具体地，具有至少一个照射特征。
第一图像和第二图像可以在不同的时间点确定，特别是记录。第一图像和第二时间限制的记录可以通过时间偏移来执行。具体地，包括光学传感器的单个相机可以用时间偏移记录二维图像和投影图案的图像。在不同时间点记录第一图像和第二图像可以确保评估装置可区分第一图像和第二图像并且可以应用适当的评估例程。此外，如果需要并且特别是独立于第二图像的照射，可以调整第一图像的照射情况。检测器可以包括至少一个控制单元。如在此所使用的，术语“控制单元”可以指被配置用于控制检测器的一个或多个组件或元件的操作的任意装置。控制单元可以设计为检测器的硬件组件。特别地，控制单元可以包括至少一个微控制器。控制单元可以被配置用于控制光学传感器和/或照射源。控制单元可以被配置用于触发照射图案的投影和/或第二图像的成像。具体地，控制单元可以被配置用于经由触发信号控制光学传感器，特别是帧速率和/或照射时间。控制单元可以被配置为逐帧调整和/或调节照射时间。如在此所使用的，术语“帧”可以指用于确定一个图像的时间范围。这可以允许调整和/或调节第一图像的照射时间，例如以便在边缘具有对比度，并且同时调整和/或调节第二图像的照射时间以保持反射特征的对比度。此外，控制单元可以同时且独立地控制照射源和/或另外的照射源的元件。
具体地，控制单元可以被配置为调整投影照射图案的曝光时间。可以用不同的照射时间记录第二图像。与较亮区域相比，该区域的较暗区域可能需要更多的光，这可能导致较亮区域进入饱和状态。因此，检测器可以被配置用于记录反射图案的多个图像，其中可以用不同的照射时间记录图像。检测器可以被配置用于从所述图像生成和/或合成第二图像。评估装置可以被配置用于对以不同照射时间记录的所述图像执行至少一种算法。
如上所述，检测器可以包括另外的照射源，该照射源被配置为照射用于确定第一图像的区域。控制单元可以被配置用于控制另外的照射源。控制单元可以被配置用于触发由另外的照射源生成的光对该区域的照射以及第一图像的成像。控制单元可以被配置用于调整曝光时间以用于照射图案的投影和由另外的照射源生成的光的照射。
检测器可以包括至少一个第一滤波器元件。如在此所使用的，术语“滤波器元件”可以指被配置为取决于波长选择性地阻挡和透射光的至少一个任意光学元件。第一滤波器元件可以被配置用于透射红外光谱范围内的光并且用于至少部分地阻挡其他光谱范围的光。第一滤波器元件可以是单色带通滤波器，其被配置为透射小光谱范围内的光。例如，光谱范围或带宽可以是±100nm，优选±50nm，最优选±35nm或甚至更小。例如，第一滤波器元件可以被配置为透射具有808nm、830nm、850nm、905nm或940nm的中心波长的光。例如，第一滤波器元件可以被配置用于透射具有带有70nm或更小的带宽的850nm的中心波长的光。第一滤波器元件可以具有最小的角度相关性，使得光谱范围可以很小。这可以导致对环境光的低相关性，其中同时可以防止增强的渐晕效果。例如，检测器可以包括具有光学传感器的单个相机以及另外的第一滤波器元件。第一滤波器元件可以确保即使在存在环境光的情况下也可以记录反射图案并且同时保持低激光输出功率，使得确保以激光等级1的眼睛安全操作。
作为第一滤波器元件的补充或替代，检测器可以包括至少一个偏振滤波器。偏振滤波器可以定位成相对于诸如激光器的照射源的偏振旋转90°。这可能允许削弱来自例如金属材料的背向反射，和/或可以允许从投影图案中检测点，即使它是直接反射的而不是漫散射的，也可以使用深度与光子比技术进行评估。用于确定二维图像的照射源可以是非偏振的，使得2D成像可以不受偏振滤波器影响，或者仅这样降低亮度。
另外地或可替代地，检测器可以包括至少一个第二滤波器元件。第二滤波器元件可以是带通滤波器。第二滤波器元件可以被配置用于透射可见光谱范围内的光并且用于至少部分地阻挡其他光谱范围的光。
照射源和/或另外的照射源的光谱可以取决于所使用的滤波器元件来选择。例如，在第一滤波器元件具有850nm的中心波长的情况下，照射源可以包括生成850nm的波长的至少一个光源，诸如至少一个红外(IR)-LED。
评估装置被配置用于评估第一图像和第二图像。如在此进一步使用的，术语“评估装置”通常是指适于执行指定操作的任意装置，优选地通过使用至少一个数据处理装置，并且更优选地，通过使用至少一个处理器和/或在至少一个专用集成电路。因此，作为示例，至少一个评估装置可以包括至少一个数据处理装置，该数据处理装置具有存储在其上的软件代码，该软件代码包括多个计算机命令。评估装置可以提供用于执行一个或多个指定操作的一个或多个硬件元件和/或可以提供一个或多个处理器，在其上运行用于执行一个或多个指定操作的软件。操作，包括评估图像。具体地，确定反射束轮廓和表面的指示可以由至少一个评估装置执行。因此，作为示例，可以在软件和/或硬件中实现一个或多个上述指令。因此，作为示例，评估装置可以包括一个或多个可编程装置，诸如一个或多个计算机、专用集成电路(ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)，它们被配置为进行上述评估。然而，另外地或可替代地，评估装置也可以完全或部分地由硬件实现。
评估装置和检测器可以完全或部分集成到单个装置中。因此，通常，评估装置也可以形成检测器的一部分。可替代地，评估装置和检测器可以完全或部分地体现为单独的装置。检测器可以包括另外的组件。
评估装置可以是或可以包括一个或多个集成电路，诸如一个或多个专用集成电路(ASIC)，和/或一个或多个数据处理装置，诸如一个或多个计算机，优选地一个或多个微型计算机和/或微控制器、现场可编程阵列或数字信号处理器。可以包括附加组件，诸如一个或多个预处理装置和/或数据采集装置，诸如用于传感器信号的接收和/或预处理的一个或多个装置，诸如一个或多个AD转换器和/或一个或多个滤波器。此外，评估装置可以包括一个或多个测量装置，诸如用于测量电流和/或电压的一个或多个测量装置。此外，评估装置可以包括一个或多个数据存储装置。此外，评估装置可以包括一个或多个接口，诸如一个或多个无线接口和/或一个或多个有线接口。
评估装置可以连接到或可以包括至少一个另外的数据处理装置，该数据处理装置可以用于信息的显示、可视化、分析、分发、通信或进一步处理中的一项或多项，该信息诸如是通过光学传感器和/或评估装置获得的信息。作为示例，数据处理装置可以连接或结合显示器、投影仪、监视器、LCD、TFT、扬声器、多声道音响系统、LED图案或进一步的可视化装置中的至少一个。它可以进一步连接或结合能够使用电子邮件、文本消息、电话、蓝牙、Wi-Fi、红外线或互联网接口、端口或连接中的一种或多种来发送加密或未加密的信息的通信装置或通信接口、连接器或端口中的至少一种。它可以进一步连接到或结合处理器、图形处理器、CPU、开放多媒体应用平台(OMAPTM)、集成电路、片上系统(诸如来自Apple A系列或三星S3C2系列的产品)、微控制器或微处理器、一个或多个存储器块(诸如ROM、RAM、EEPROM或闪存)、定时源(诸如振荡器或锁相环)、计数器定时器、实时定时器或开机复位发生器、稳压器、电源管理电路或DMA控制器。各个单元可以进一步通过诸如AMBA总线的总线连接或集成到物联网或工业4.0型网络中。
评估装置和/或数据处理装置可以通过另外的外部接口或端口(诸如串行或并行接口或端口、USB、Centronics端口、FireWire、HDMI、以太网、蓝牙、RFID、Wi-Fi、USART或SPI中的一个或多个)或模拟接口或端口(诸如一个或多个ADC或DAC)或标准化接口或端口连接到另外的装置(诸如使用RGB接口(诸如CameraLink)的2D相机装置)或具有它们。评估装置和/或数据处理装置可以进一步通过处理器间接口或端口、FPGA-FPGA-接口或串行或并行接口端口中的一个或多个连接。评估装置和数据处理装置可以进一步连接到光盘驱动器、CD-RW驱动器、DVD+RW驱动器、闪存驱动器、存储卡、磁盘驱动器、硬盘驱动器、固态盘或固态硬盘中的一种或多种。
评估装置和/或数据处理装置可以通过或一个或多个另外的外部连接器(诸如电话连接器、RCA连接器、VGA连接器、雌雄同体连接器、USB连接器、HDMI连接器、8P8C连接器、BCN连接器、IEC 60320 C14连接器、光纤连接器、D型超小型连接器、RF连接器、同轴连接器、SCART连接器、XLR连接器中的一个或多个)连接或具有它们，和/或可结合用于这些连接器中的一个或多个连接器的至少一个合适的插座。
第一图像的评估包括识别至少一个预定义或预定的几何特征。如在此所使用的，术语“几何特征”是指对象的至少一个特性元素。几何特征可以是选自由如下组成的组的对象的至少一个特性元素：形状、至少一个边缘的相对位置、至少一个钻孔、至少一个反射点、至少一条线、至少一个表面、至少一个圆、至少一个圆盘、整个对象、对象的一部分等。评估装置可以包括至少一个数据存储装置。数据存储装置可以包括关于对象的形状和/或大小的几何特征和/或预定或预定义的信息的至少一个表和/或至少一个查找表。另外地或可替代地，检测器可以包括至少一个用户界面，用户可以经由该用户界面输入至少一个几何特征。
评估装置可以被配置用于在第一步骤中评估第二图像。如将在下面更详细概述的，第二图像的评估可以提供反射特征的3D信息。评估装置可以被配置用于通过考虑反射特征的3D信息来估计第一图像中的几何特征的位置。这可以显著减少在第一图像中搜索几何特征的工作量。
评估装置可以被配置为通过使用至少一个图像处理过程来识别几何特征。图像处理过程可以包括以下中的一种或多种：至少一个模板匹配算法；至少一个霍夫变换；应用Canny边缘滤波器；应用Sobel滤波器；应用滤波器的组合。评估装置可以被配置用于执行至少一种似真性检查。似真性检查可以包括将所识别的几何特征与对象的至少一个已知几何特征进行比较。例如，用户可以经由用户界面输入已知的几何特征以进行合理性检查。
评估装置被配置用于评估第二图像。第二图像的评估可以包括生成三维图像。
反射特征中的每个反射特征包括至少一个束轮廓。如在此所使用的，术语反射特征的“束轮廓”通常可以指作为像素函数的反射特征(诸如光学传感器上的光斑)的至少一种强度分布。束轮廓可以选自由如下组成的组：梯形束轮廓；三角束轮廓；锥形束轮廓，和高斯束轮廓的线性组合。评估装置被配置用于通过每个反射特征的束轮廓的分析来确定反射特征中的每个反射特征的束轮廓信息。
评估装置可以被配置用于确定反射特征中的每个反射特征的束轮廓。如在此所使用的，术语“确定束轮廓”是指识别由光学传感器提供的至少一种反射特征和/或选择由光学传感器提供的至少一种反射特征并评估反射特征的至少一种强度分布。作为示例，矩阵的区域可以被使用和评估以确定强度分布，诸如三维强度分布或二维强度分布，诸如沿着穿过矩阵的轴或线。作为示例，可以确定光束的照射中心，诸如通过确定具有最高照射的至少一个像素，并且可以选择穿过照射中心的横截面轴。强度分布可以是作为沿着穿过照射中心的该横截面轴的坐标的函数的强度分布。其他评估算法是可行的。
评估装置可以被配置用于执行至少一种图像分析和/或图像处理以便识别反射特征。图像分析和/或图像处理可以使用至少一种特征检测算法。图像分析和/或图像处理可以包括以下一项或多项：过滤；选择至少一个关注区域；在由传感器信号创建的图像和至少一个偏移之间形成差异图像；通过反转由传感器信号创建的图像来反转传感器信号；在不同时间由传感器信号创建的图像之间形成差异图像；背景校正；分解成颜色通道；分解成色调；饱和；以及亮度通道；频率分解；奇异值分解；应用斑点检测器；应用角检测器；应用Hessian滤波器的行列式；应用基于主曲率的区域检测器；应用最大稳定极值区域检测器；应用广义霍夫变换；应用脊检测器；应用仿射不变特征检测器；应用仿射适应的兴趣点算子；应用哈里斯仿射区域检测器；应用Hessian仿射区域检测器；应用尺度不变特征变换；应用尺度空间极值检测器；应用局部特征检测器；应用加速鲁棒特征算法；应用梯度位置和取向直方图算法；应用取向梯度描述符的直方图；应用Deriche边缘检测器；应用差分边缘检测器；应用时空关注点检测器；应用Moravec角点检测器；应用Canny边缘检测器；应用高斯滤波器的拉普拉斯算子；应用高斯差分滤波器；应用Sobel算子；应用拉普拉斯算子；应用Scharr运算符；应用Prewitt算子；应用罗伯茨算子；应用Kirsch算子；应用高通滤波器；应用低通滤波器；应用傅立叶变换；应用Radon变换；应用霍夫变换；应用小波变换；阈值转换法；创建二进制图像。关注区域可以由用户手动确定或可以自动确定，诸如通过识别由光学传感器生成的图像内的对象。
例如，照射源可以被配置用于生成和/或投影点云，使得在光学传感器(例如CMOS检测器)上生成多个照射区域。此外，光学传感器上可能存在干扰，诸如由于散斑和/或外来光和/或多次反射引起的干扰。评估装置可适于确定至少一个关注区域，例如由光束照射的一个或多个像素，该像素用于确定对象的纵坐标。例如，评估装置可以适于执行过滤方法，例如斑点分析和/或边缘过滤和/或对象识别方法。
评估装置可以被配置用于执行至少一个图像校正。图像校正可以包括至少一个背景减除。评估装置可以适于从反射束轮廓中移除背景光的影响，例如，通过在没有进一步照射的情况下进行成像。
如在此所使用的，术语“束轮廓分析”通常可以指束轮廓的评估并且可以包括至少一种数学运算和/或至少一种比较和/或至少对称化和/或至少一种滤波和/或至少一种归一化。例如，束轮廓的分析可以包括直方图分析步骤、差异度量的计算、神经网络的应用、机器学习算法的应用中的至少一个。评估装置可以被配置用于对称化和/或用于归一化和/或用于过滤束轮廓，特别是从在较大角度、记录边缘等情况下的记录中移除噪声或不对称。评估装置可以通过移除高空间频率来过滤束轮廓，诸如通过空间频率分析和/或中值滤波等。可以通过光斑的强度中心和到中心相同距离处的所有强度的平均来执行汇总。评估装置可以被配置用于将束轮廓归一化为最大强度，特别是考虑到由于记录的距离引起的强度差异。评估装置可以被配置用于从反射束轮廓中移除背景光的影响，例如，通过在没有照射的情况下进行成像。
反射特征可以覆盖图像的至少一个像素或可以在图像的至少一个像素上延伸。例如，反射特征可以覆盖多个像素或可以在多个像素上延伸。评估装置可以被配置用于确定和/或选择连接到和/或属于反射特征(例如光斑)的所有像素。评估装置可以被配置为通过以下方式确定强度中心
Figure BDA0003764630820000201
其中，Rcoi是强度中心的位置，rpixel是像素位置，并且l＝∑jItotal，其中，j是与反射特征连接和/或属于反射特征的像素j的数量，并且Itotal是总强度。
评估装置被配置用于通过反射特征的束轮廓的分析来确定反射特征中的每个反射特征的束轮廓信息。如在此所使用的，术语“束轮廓信息”通常可以指关于光斑在光学传感器的光敏区域上的强度分布的信息。束轮廓信息可以包括关于已反射照射特征的表面点或区域的纵坐标的信息。此外，束轮廓信息可以包括关于已反射照射特征的所述表面点或区域的材料特性的信息。
束轮廓信息可以是已反射照射特征的表面点或区域的纵坐标。评估装置可以被配置为通过使用光子深度比技术来确定反射特征中的每个反射特征的束轮廓信息。关于光子深度比(DPR)技术，参考WO 2018/091649 A1、WO 2018/091638 A1和WO 2018/091640 A1，其全部内容通过引用包含在内。
反射特征中的一个反射特征的束轮廓的分析可以包括确定束轮廓的至少一个第一区域和至少一个第二区域。束轮廓的第一区域可以是区域A1并且束轮廓的第二区域可以是区域A2。评估装置可以被配置用于整合第一区域和第二区域。评估装置可以被配置用于通过以下中的一个或多个来得出组合信号，特别是商Q：划分整合的第一区域和整合的第二区域，划分多个整合的第一区域和整合的第二区域，划分整合的第一区域和整合的第二区域的线性组合。评估装置可以被配置用于确定束轮廓的至少两个区域和/或将束轮廓分割成包括束轮廓的不同区域的至少两个片段，其中这些区域的重叠是可能的，只要这些区域不一致。例如，评估装置可以被配置用于确定多个区域，诸如两个、三个、四个、五个或多达十个区域。评估装置可以被配置用于将光斑分割成束轮廓的至少两个区域和/或将束轮廓分割成包括束轮廓的不同区域的至少两个片段。评估装置可以被配置用于确定至少两个区域在相应区域上的束轮廓的积分。评估装置可以被配置用于比较至少两个确定的积分。具体地，评估装置可以被配置用于确定反射束轮廓的至少一个第一区域和至少一个第二区域。如在此所使用的，术语“束轮廓的区域”通常是指在用于确定商Q的光学传感器的位置处的束轮廓的任意区域。束轮廓的第一区域和反射束轮廓的第二区域可以是相邻或重叠区域之一或二者。束轮廓的第一区域和束轮廓的第二区域在面积上可能不一致。例如，评估装置可以被配置为将CMOS传感器的传感器区域划分为至少两个子区域，其中评估装置可以被配置用于将CMOS传感器的传感器区域划分为至少一个左侧部分和至少一个右侧部分，和/或至少一个上部和至少一个下部，和/或至少一个内部和至少一个外部。另外地或可替代地，检测器可以包括至少两个光学传感器，其中第一光学传感器和第二光学传感器的光敏区域可以布置成使得第一光学传感器适于确定反射特征的反射束轮廓的第一区域并且第二光学传感器适于确定反射特征的反射束轮廓的第二区域。评估装置可以适于整合第一区域和第二区域。评估装置可以被配置用于使用商Q和纵坐标之间的至少一种预定关系来确定纵坐标。预定关系可以是经验关系、半经验关系和分析得出关系中的一种或多种。评估装置可以包括用于存储预定关系(诸如查找列表或查找表)的至少一个数据存储装置。
束轮廓的第一区域可以包括束轮廓的基本上边缘的信息，并且束轮廓的第二区域包括束轮廓的基本上中心的信息，和/或束轮廓的第一区域可以基本上包括关于束轮廓的左侧部分的信息，并且束轮廓的第二区域基本上包括关于束轮廓的右侧部分的信息。束轮廓可以具有中心，即束轮廓的最大值和/或束轮廓的平台的中心点和/或光斑的几何中心，以及从中心延伸的下降边缘。第二区域可以包括横截面的内部区域并且第一区域可以包括横截面的外部区域。如在此所使用的，术语“基本上中心的信息”通常是指与中心信息的比例(即与中心对应的强度分布的比例)相比，边缘信息的低比例(即与边缘对应的强度分布的比例)。优选地，中心信息具有小于10％的边缘信息比例，更优选地小于5％，最优选地，中心信息不包括边缘内容。如在此所使用的，术语“基本上边缘的信息”通常是指与边缘信息的比例相比，中心信息的低比例。边缘信息可以包括整个束轮廓的信息，特别是来自中心和边缘区域的信息。边缘信息可以具有小于10％的中心信息比例，优选小于5％，更优选边缘信息不包括中心内容。如果束轮廓的至少一个区域靠近或围绕中心并且包括基本上中心的信息，则可以将束轮廓的至少一个区域确定和/或选择为束轮廓的第二区域。如果束轮廓的至少一个区域包括横截面的下降边缘的至少一部分，则可以将束轮廓的至少一个区域确定和/或选择为束轮廓的第一区域。例如，可以将横截面的整个区域确定为第一区域。
第一区域A1和第二区域A2的其他选择可能是可行的。例如，第一区域可以包括束轮廓的基本上外部的区域，而第二区域可以包括束轮廓的基本上内部的区域。例如，在二维束轮廓的情况下，束轮廓可以分为左侧部分和右侧部分，其中第一区域可以基本上包括束轮廓左侧部分的区域并且第二区域可以基本上包括束轮廓右侧部分的区域。
边缘信息可以包括与束轮廓的第一区域中的光子数量有关的信息，并且中心信息可以包括与束轮廓的第二区域中的光子数量有关的信息。评估装置可以被配置用于确定束轮廓的面积积分。评估装置可以被配置用于通过对第一区域进行积分和/或求和来确定边缘信息。评估装置可以被配置用于通过对第二区域进行积分和/或求和来确定中心信息。例如，束轮廓可以是梯形束轮廓并且评估装置可以被配置用于确定梯形的积分。此外，当可以假设梯形束轮廓时，边缘和中心信号的确定可以用等效评估来代替，该等效评估利用梯形束轮廓的特性，诸如确定边缘的斜率和位置以及中心平台的高度，以及通过几何考虑得出边缘和中心信号。
在一个实施例中，A1可以对应于光学传感器上特征点的全部或完整区域。A2可以是光学传感器上特征点的中心区域。中心区域可以是恒定值。与特征点的整个区域相比，中心区域可能更小。例如，在圆形特征点的情况下，中心区域可以具有特征点全半径的0.1到0.9的半径，优选地是全半径的0.4到0.6的半径。
在一个实施例中，照射图案可以包括至少一种线图案。A1可以对应于在光学传感器上，特别是在光学传感器的光敏区域上具有线图案的全线宽的区域。与照射图案的线图案相比，光学传感器上的线图案可以加宽和/或移位，使得光学传感器上的线宽增加。特别地，在光学传感器矩阵的情况下，光学传感器上的线图案的线宽可以从一列改变到另一列。A2可以是光学传感器上的线图案的中心区域。中心区域的线宽可以是恒定值，并且特别地可以对应于照射图案中的线宽。与全线宽相比，中心区域可以具有较小的线宽。例如，中心区域可以具有全线宽的0.1到0.9的线宽，优选地是全线宽的0.4到0.6的线宽。线图案可以在光学传感器上被分割。光学传感器矩阵的每一列可以包括线图案的中心区域中的强度中心信息和从中心区域进一步向外延伸到线图案的边缘区域的区域的强度的边缘信息。
在一个实施例中，照射图案可以至少包括点图案。A1可以对应于光学传感器上的点图案的点的全半径区域。A2可以是光学传感器上的点图案中的点的中心区域。中心区域可以是恒定值。与全半径相比，中心区域可以具有半径。例如，中心区域可以具有全半径的0.1到0.9的半径，优选地是全半径的0.4到0.6的半径。
照射图案可以包括至少一种点图案和至少一种线图案。除了线图案和点图案之外或替代线图案和点图案的其他实施例是可行的。
评估装置可以被配置用于通过划分第一区域和第二区域，划分多个第一区域和第二区域，划分第一区域和第二区域的线性组合中的一项或多项来得出商Q。评估装置可以被配置为通过以下方式得出商Q
Figure BDA0003764630820000241
其中x和y是横坐标，A1和A2分别是束轮廓的第一和第二区域，并且E(x,y)表示束轮廓。
另外地或可替代地，评估装置可以适于从光斑的至少一个切片或切口确定中心信息或边缘信息之一或二者。这可以例如通过将商Q中的面积积分替换为沿切片或切口的线积分来实现。为了提高准确度，可以使用和平均穿过光斑的几个切片或切口。在椭圆光斑轮廓的情况下，对几个切片或切口进行平均可导致改进的距离信息。
例如，在光学传感器具有像素矩阵的情况下，评估装置可以被配置用于评估束轮廓，通过如下方式
-确定具有最高传感器信号的像素并形成至少一个中心信号；
-评估矩阵的传感器信号并形成至少一个总和信号；
-通过组合中心信号和总和信号来确定商Q；以及
-通过评估商Q确定对象的至少一个纵坐标z。
如在此所使用的，“传感器信号”通常是指由光学传感器和/或光学传感器的至少一个像素响应于照射而生成的信号。具体地，传感器信号可以是或可以包括至少一种电信号，诸如至少一种模拟电信号和/或至少一种数字电信号。更具体地，传感器信号可以是或可以包括至少一种电压信号和/或至少一种电流信号。更具体地，传感器信号可以包括至少一个光电流。此外，可以使用原始传感器信号，或者检测器、光学传感器或任何其他元件可以适于处理或预处理传感器信号，从而生成也可以(诸如通过滤波等进行预处理)用作传感器信号的辅助传感器信号。术语“中心信号”通常是指包括束轮廓的基本上中心的信息的至少一个传感器信号。如在此所使用的，术语“最高传感器信号”是指关注区域中的局部最大值或最大值之一或二者。例如，中心信号可以是由整个矩阵或矩阵内的关注区域的像素生成的多个传感器信号中具有最高传感器信号的像素的信号，其中关注区域可以在由矩阵的像素生成的图像内预先确定或可确定。中心信号可以来自单个像素或来自一组光学传感器，其中，在后一种情况下，作为示例，可以将像素组的传感器信号相加、积分或平均，以便确定中心信号。产生中心信号的像素组可以是一组相邻像素，诸如具有距具有最高传感器信号的实际像素小于预定距离的像素，或者可以是生成处于距最高传感器信号的预定范围内的传感器信号的一组像素。可以尽可能大地选择产生中心信号的像素组，以便允许最大动态范围。评估装置可以适于通过对多个传感器信号(例如具有最高传感器信号的像素周围的多个像素)的积分来确定中心信号。例如，束轮廓可以是梯形束轮廓并且评估装置可以适于确定梯形(特别是梯形的平台)的积分。
如上概述，中心信号通常可以是单个传感器信号，诸如来自光斑中心像素的传感器信号，或者可以是多个传感器信号的组合，诸如由光斑中心的像素产生的传感器信号或通过处理由一种或多种上述可能性得出的传感器信号而得出的辅助传感器信号的组合。中心信号的确定可以以电子方式执行，因为传感器信号的比较通过传统的电子装置相当简单地实现，或者可以完全或部分地通过软件来执行。具体地，中心信号可以选自由以下组成的组：最高传感器信号；与最高传感器信号处于预定公差范围内的一组传感器信号的平均值；来自包含具有最高传感器信号的像素的一组像素和预定的一组相邻像素的传感器信号的平均值；来自包含具有最高传感器信号的像素的一组像素和预定的一组相邻像素的传感器信号之和；与最高传感器信号处于预定公差范围内的一组传感器信号的总和；高于预定阈值的一组传感器信号的平均值；高于预定阈值的一组传感器信号的总和；来自包含具有最高传感器信号的光学传感器的一组光学传感器和预定的一组相邻光学传感器的传感器信号的积分；与最高传感器信号处于预定公差范围内的一组传感器信号的积分；高于预定阈值的一组传感器信号的积分。
类似地，术语“总和信号”通常是指包括束轮廓的基本上边缘的信息的信号。例如，可以通过将传感器信号相加，对传感器信号进行积分或对整个矩阵或矩阵内关注区域的传感器信号求平均来得出总和信号，其中关注区域可以在由矩阵的光学传感器生成的图像内预定或可确定。当对传感器信号进行相加、积分或求平均时，可以从相加、积分或求平均中省去生成传感器信号的实际光学传感器，或可替代地可以将其包括在相加、积分或求平均中。评估装置可以适于通过对整个矩阵或矩阵内关注区域的信号进行积分来确定总和信号。例如，束轮廓可以是梯形束轮廓，并且评估装置可以适于确定整个梯形的积分。此外，当可以假设梯形束轮廓时，边缘和中心信号的确定可以用等效评估来代替，该等效评估利用梯形束轮廓的特性，诸如确定边缘的斜率和位置以及中心平台的高度，以及通过几何考虑得出边缘和中心信号。
类似地，中心信号和边缘信号也可以通过使用束轮廓的片段(诸如束轮廓的圆形片段)来确定。例如，束轮廓可以被不穿过束轮廓中心的割线或弦分成两个片段。因此，一个片段将包含基本上边缘的信息，而另一片段将包含基本上中心的信息。例如，为了进一步减少中心信号中的边缘信息量，可以进一步从中心信号中减去边缘信号。
商Q可以是通过组合中心信号和总和信号而生成的信号。具体地，确定可以包括以下一项或多项：形成中心信号与总和信号的商，反之亦然；形成多个中心信号与多个总和信号的商，反之亦然；形成中心信号的线性组合与总和信号的线性组合的商，反之亦然。另外地或可替代地，商Q可以包括任意信号或信号组合，其包含关于中心信号与总和信号之间的比较的至少一项信息。
如在此所使用的，术语“对象的纵坐标”是指光学传感器与对象之间的距离。评估装置可以被配置用于使用商Q和纵坐标之间的至少一个预定关系来确定纵坐标。预定关系可以是经验关系、半经验关系和分析得出关系中的一种或多种。评估装置可以包括用于存储预定关系(诸如查找列表或查找表)的至少一个数据存储装置。
评估装置可以被配置用于使用所确定的束轮廓信息来确定至少一个三维图像和/或3D数据。由相机记录的包括反射图案的一个或多个图像可以是一个二维图像或多个二维图像。如上概述，评估装置可以被配置用于为反射特征中的每个反射特征确定纵坐标。评估装置可以被配置用于通过将反射图案的一个或多个二维图像与相应反射特征的确定的纵坐标合并来生成3D数据和/或三维图像。
评估装置可以被配置用于合并和/或融合确定的3D数据和/或三维图像以及从第一图像确定的信息，即至少一个几何特征及其位置，以便识别场景中，特别是在该区域中的对象。
评估装置被配置用于识别位于几何特征的图像区域内侧的反射特征和/或用于识别位于几何特征的图像区域外侧的反射特征。评估装置可以被配置用于确定所识别的几何特征在第一图像中的图像位置。图像位置可以由几何特征的像素的像素坐标(例如x和y坐标)定义。评估装置可以被配置用于确定和/或分配和/或选择第一图像中的几何特征的至少一个边界和/或界限。边界和/或界限可以由几何特征的至少一个边缘或至少一个轮廓给出。评估装置可以被配置用于确定边界和/或界限内侧的第一图像的像素以及它们在第一图像中的图像位置。评估装置可以被配置用于通过识别与几何特征的边界和/或界限内侧的第一图像的像素对应的第二图像的像素来确定与第一图像中的几何特征对应的第二图像的至少一个图像区域。如在此所使用的，术语“图像区域”可以指例如由一定量的像素和/或像素坐标给出的图像的区域。如在此所使用的，术语“位于图像区域内侧”是指图像区域的像素和/或属于图像区域的像素。如在此所使用的，术语“位于图像区域外侧”可以指与图像区域内侧的像素不同的图像位置或区域处的像素。
评估装置被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定至少一个深度水平。包括对象的区域可以包括处于不同深度水平的多个元素。如在此所使用的，术语“深度水平”可以指第二图像的像素的深度图的区间(bin)或步长。如上概述，评估装置可以被配置用于从反射特征的束轮廓确定反射特征中的每个反射特征的纵坐标。评估装置可以被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的纵坐标确定深度水平。金属对象通常无法在第二图像中被正确识别。然而，可以正确识别水平，这可以由所述金属对象的地面或覆盖物来定义，因为这些金属对象通常由纸板制成。评估装置可以被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的深度水平来确定对象所在的深度水平。
评估装置被配置用于通过考虑深度水平以及关于对象的形状和/或大小的预定或预定义的信息来确定对象的位置和/或取向。例如，关于形状和/或大小的信息可以由用户经由检测器的用户界面输入。例如，可以在附加测量中测量关于形状和大小的信息。如上概述，评估装置被配置用于确定对象所在的深度水平。此外，如果已知对象的形状和/或大小，则评估装置可以确定对象的位置和取向。
例如，在任务可能采用检测器检测和测量至少一个对象(诸如盒子中的瓶子)的情况下，检测器(特别是光学传感器)可以安装在机械臂上，使得检测器可以相对于盒子中的对象移动到不同的位置。任务可能是机器人应该移动到对象并将其从盒子中取出。此外，用户详细了解对象(在该示例中为瓶子)，使得大小、形式和形状也可以是已知的并且可以被编程到评估装置中。
光学传感器可以确定二维图像和得到的3d深度图。深度图可以估计检测器和对象的位置。深度图也可能被不同的效果扭曲，如闪亮的对象，例如金属，和/或3D深度图可能是稀疏的。本发明提出通过与3d深度图对应的2d图像来获得附加信息。在瓶子的示例中，任务是检测盒子里的瓶子。此外，众所周知，瓶子是旋转对称的。瓶子的某些特征可以帮助进行对象检测，例如圆形瓶盖。这可能会导致在2d图像中搜索圆形或椭圆体，以便采用图像处理算法进行对象检测。可以通过3d深度信息计算椭圆体的大小的粗略估计。对于详细的目标检测，在2d图像中检测到的椭圆体和已知的检测器与真实世界之间的投影关系可以用于确定真实世界中圆圈的大小和位置。检测器与真实世界之间的投影之间的关系可以用于通过使用至少一个方程组来确定大小、位置和取向。
评估装置被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息来确定对象的至少一种材料特性。关于确定材料特性的细节参见2019年3月15日提交的欧洲专利申请19 163 250.4，其全部内容通过引用包含在内。
束轮廓信息可以包括关于已反射照射特征的表面点或区域的材料特性的信息。对象可以包括至少一个表面，照射图案投影在该表面上。该表面可以适于至少部分地将照射图案反射回检测器。
如在此所使用的，术语“材料特性”是指被配置为表征和/或识别和/或分类材料的材料的至少一种任意特性。例如，材料特性可以是选自由以下各项组成的组中的特性：粗糙度、光进入材料的穿透深度、将材料表征为生物或非生物材料的特性、反射率、镜面反射率、漫射率、表面特性、半透明度的度量、散射，具体地是背向散射行为等。该至少一个材料特性可以是选自由以下各项组成的组中的特性：散射系数、半透明度、透明度、与朗伯表面反射的偏差、散斑等。
评估装置可以被配置用于确定已反射照射特征的表面点的材料特性。如在此所使用的，术语“确定材料特性”是指将材料特性分配给对象。检测器可以包括至少一个数据库，该数据库包括预定义和/或预定材料特性的列表和/或表，诸如查找列表或查找表。材料特性的列表和/或表可以通过使用根据本发明的检测器执行至少一种测试测量来确定和/或生成，例如通过使用具有已知材料特性的样品执行材料测试。材料特性的列表和/或表可以在制造商现场和/或由检测器的用户确定和/或生成。材料特性可以另外分配给材料分类器，诸如材料名称、材料组(诸如生物或非生物材料、半透明或非半透明材料、金属或非金属、皮肤或非皮肤、毛皮或非毛皮、地毯或非地毯、反射或非反射、镜面反射或非镜面反射、泡沫或非泡沫、毛发或非毛发)、粗糙度组等中的一个或多个。数据库可以包括包含材料特性和相关联的材料名称和/或材料组的列表和/或表。
具体地，检测器可以被配置为检测生物组织，特别是人类皮肤。如在此所使用的，术语“生物组织”通常是指包含活细胞的生物材料。检测器可以是用于检测，特别是光学检测生物组织(特别是人体皮肤)的装置。术语“生物组织的检测”是指确定和/或验证待检查或被测表面是否是或包括生物组织(特别是人类皮肤)和/或区分生物组织(特别是人类皮肤)与其他组织(特别是其他表面)和/或区分不同类型的生物组织(诸如区分不同类型的人体组织，例如肌肉、脂肪、器官等)。例如，生物组织可以是或可以包括人体组织或其部分，诸如皮肤、头发、肌肉、脂肪、器官等。例如，生物组织可以是或可以包括动物组织或其一部分，诸如皮肤、毛皮、肌肉、脂肪、器官等。例如，生物组织可以是或可以包括植物组织或其一部分。检测器可适于将动物组织或其部分与(例如农业机械或挤奶机的)无机组织、金属表面、塑料表面中的一种或多种相区分。检测器可适于将植物组织或其部分与(例如农业机械的)无机组织、金属表面、塑料表面中的一种或多种相区分。检测器可适于将食物和/或饮料与盘子和/或玻璃杯相区分。检测器可适于区分不同类型的食物，诸如水果、肉和鱼。检测器可适于将化妆品和/或涂抹的化妆品与人体皮肤相区分。检测器可适于将人体皮肤与泡沫、纸、木头、显示器、屏幕相区分。检测器可适于将人体皮肤和布料相区分。检测器可适于将维护产品和机器组件的材料(诸如金属组件等)相区分。检测器可适于将有机材料和无机材料相区分。检测器可适于将人体生物组织与人造或无生命对象的表面相区分。检测器特别可以用于非治疗和非诊断应用。
例如，材料特性可以是对象是否是或包括生物组织的信息。不希望受限于该理论，人体皮肤可以具有反射束轮廓，也表示为背向散射轮廓，包括由表面的背向反射生成的部分，其表示为表面反射，以及由穿透皮肤的光产生的非常漫射生成的部分，其表示为背向反射的漫射部分。关于人体皮肤的反射轮廓，参考“Lasertechnik in der Medizin:Grundlagen,Systeme,Anwendungen”,“Wirkung von Laserstrahlung auf Gewebe”,1991,pages171to 266,Jürgen Eichler,Theo Seiler,Springer Verlag,ISBN 0939-0979。皮肤的表面反射可能随着波长朝向近红外增加而增加。此外，穿透深度可以随着从可见光到近红外波长的增加而增加。背向反射的漫射部分可能随着光的穿透深度而增加。通过分析背向散射束轮廓，这些特性可用于将皮肤与其他材料区分开。在反射束轮廓满足至少一个预定或预定义的标准的情况下，该表面可以被确定为生物组织。至少一种预定或预定义的标准可以是适合于将生物组织，特别是人类皮肤，与其他材料区分开的至少一种特性和/或值。具体地，评估装置可以适于将束轮廓与至少一个预定的和/或预先记录的和/或预定义的束轮廓进行比较。预定的和/或预先记录的和/或预定义的束轮廓可以存储在表或查找表中，并且可以例如根据经验确定，并且可以作为示例存储在检测器的至少一个数据存储装置中。例如，可以在包括检测器的移动装置的初始启动期间确定预定的和/或预先记录的和/或预定义的束轮廓。例如，预定的和/或预先记录的和/或预定义的束轮廓可以存储在移动装置的至少一个数据存储装置中，例如，通过软件，特别是通过从应用商店等下载的应用软件。在束轮廓与预定的和/或预先记录的和/或预定义的束轮廓相同的情况下，该表面可以被指示为生物组织。该比较可以包括将反射束轮廓和预定或预定义的束轮廓重叠，使得它们的强度中心匹配。该比较可以包括确定偏差，例如束轮廓与预定的和/或预先记录的和/或预定义的束轮廓之间的点到点距离的平方和。评估装置可以适于将确定的偏差与至少一个阈值进行比较，其中在确定的偏差低于和/或等于阈值的情况下，表面被指示为生物组织和/或生物组织的检测被确认。阈值可以存储在表或查找表中，并且可以例如根据经验确定，并且可以作为示例存储在检测器的至少一个数据存储装置中。
另外地或可替代地，评估装置可以被配置用于将商Q与至少一个预定或预定义的商阈值进行比较，其中在商Q低于和/或等于商阈值的情况下，表面被指示为生物组织。商阈值可以存储在表或查找表中，并且可以例如根据经验确定，并且可以作为示例存储在检测器的至少一个数据存储装置中。例如，在选择A1和A2分别包括基本上边缘的信息和基本上中心的信息的情况下，表面反射可能主要对中心信号有贡献，而来自皮肤穿透的漫反射可能主要对边缘积分有贡献。
作为用于区分例如人类皮肤和非皮肤对象的进一步标准，束轮廓的峰值强度可以与检测器和对象之间的距离结合使用。束轮廓的峰值强度可能与距离相关。例如，束轮廓的峰值强度与对象和检测器之间的距离的平方的乘积可以用作标准。在使用该标准的情况下，可以监视照射源的输出光强度并且可以针对偏差校正该标准，诸如通过使用束轮廓的校正峰值强度，其是反射束轮廓的峰值强度除以照射源的输出光强度。如上概述，对象和检测器之间的距离可以通过使用深度与光子比来获得。
另外地或可替代地，评估装置可以被配置用于通过评估反射特征的相应束轮廓来确定材料特性m。如在此进一步使用的，术语“评估束轮廓”可以指将至少一种材料相关图像滤波器应用于束轮廓和/或束轮廓的至少一个特定区域。评估装置可以被配置用于通过将至少一个材料相关图像滤波器Ф2应用于反射特征来确定至少一个材料特征
Figure BDA0003764630820000321
如在此进一步使用的，术语“图像”是指二维函数f(x,y)，其中对于图像中的任何x、y位置给出亮度和/或颜色值。该位置可以对应于记录像素被离散化。亮度和/或颜色可以对应于光学传感器的位深度被离散化。如在此所使用的，术语“图像滤波器”是指应用于束轮廓和/或束轮廓的至少一个特定区域的至少一种数学运算。具体地，图像滤波器Ф将图像f或图像中的关注区域映射到实数上，
Figure BDA0003764630820000331
其中
Figure BDA0003764630820000332
表示一个特征，特别是在距离相关图像滤波器的情况下的距离特征和在材料相关图像滤波器的情况下的材料特征。图像可能会受到噪声影响，并且特征也是如此。因此，特征可能是随机变量。特征可以是正态分布的。如果特征不是正态分布的，则可以诸如通过Box-Cox-Transformation将它们变换为正态分布。
评估装置可以被配置用于通过评估材料特征
Figure BDA0003764630820000333
来确定材料特性m。如在此所使用的，术语“材料相关”图像滤波器是指具有材料相关输出的图像。材料相关图像滤波器的输出在此表示为“材料特征
Figure BDA0003764630820000334
”或“材料相关特征
Figure BDA0003764630820000335
”。材料特征可以是或可以包括关于对象的至少一个材料特性的至少一种信息。
材料相关图像滤波器可以是选自由以下各项组成的组中的至少一种滤波器：亮度滤波器；斑点状滤波器；平方范数梯度；标准差；平滑滤波器，诸如高斯滤波器或中值滤波器；基于灰度级发生的对比度滤波器；基于灰度级发生的能量滤波器；基于灰度级发生的同质性滤波器；基于灰度级发生的相异滤波器；劳氏能量滤波器；阈值区域滤波器；或其线性组合；或另外的材料相关图像滤波器Ф2other，其通过|ρФ2other,Фm|≥0.40与亮度滤波器；斑点状滤波器；平方范数梯度；标准差；平滑滤波器；基于灰度级发生的能量滤波器；基于灰度级发生的同质性滤波器；基于灰度级发生的相异滤波器；劳氏能量滤波器；或阈值区域滤波器；或其线性组合中的一个或多个相关，其中Фm是亮度滤波器；斑点状滤波器；平方范数梯度；标准差；平滑滤波器；基于灰度级发生的能量滤波器；基于灰度级发生的同质性滤波器；基于灰度级发生的相异滤波器；劳氏能量滤波器；或阈值区域滤波器；或其线性组合中的一个。另外的材料相关图像滤波器Ф2other通过|ρФ2other,Фm|≥0.60，优选地通过|ρФ2other,Фm|≥0.80与材料相关图像滤波器Фm中的一个或多个相关。
材料相关图像滤波器可以是通过假设检验的至少一个任意滤波器Φ。如在此所使用的，术语“通过假设检验”是指零假设H0被拒绝并且替代假设H1被接受的事实。假设检验可以包括通过将图像滤波器应用于预定义数据集来测试图像滤波器的材料相关性。数据集可以包括多个束轮廓图像。如在此所使用的，术语“束轮廓图像”是指NB高斯径向基函数的总和，
Figure BDA0003764630820000341
Figure BDA0003764630820000342
其中NB高斯径向基函数中的每一个由中心(xlk,ylk)、前置因子alk和指数因子α＝1/∈定义。所有图像中的所有高斯函数的指数因子都相同。所有图像
Figure BDA0003764630820000343
的中心位置xlk、ylk是相同的。数据集中的束轮廓图像中的每个束轮廓图像可以对应于材料分类器和距离。材料分类器可以是诸如“材料A”、“材料B”等的标签。可以使用上述fk(x,y)的公式结合以下参数表生成束轮廓图像：
Figure BDA0003764630820000344
x,y的值是对应于具有
Figure BDA0003764630820000345
的像素的整数。图像可以具有32x32的像素大小。可以通过结合参数集使用上述fk的公式获得对fk的连续描述，来生成束轮廓图像的数据集。32x32图像中每个像素的值可以通过在fk(x,y)中针对x,y插入0,…,31中的整数值来获得。例如，对于像素(6，9)，可以计算值fk(6,9)。
随后，对于每个图像fk，可以计算出与滤波器Φ对应的特征值
Figure BDA0003764630820000351
Figure BDA0003764630820000352
其中zk为与图像fk对应的距预定义数据集的距离值。这产生了具有对应生成特征值
Figure BDA0003764630820000353
的数据集。假设检验可以使用滤波器不区分材料分类器的零假设。零假设可由H0:μ1＝μ2＝…＝μJ给出：其中μm是与特征值
Figure BDA0003764630820000354
对应的每个材料组的期望值。指数m表示材料组。假设检验可以使用滤波器确实区分至少两个材料分类器的替代假设。替代假设可由H1:
Figure BDA0003764630820000355
给出。如在此所使用的，术语“不区分材料分类器”是指材料分类器的期望值相同。如在此所使用的，术语“区分材料分类器”是指材料分类器的至少两个期望值不同。如在此所使用的，“区分至少两种材料分类器”与“合适的材料分类器”同义使用。假设检验可以包括对生成的特征值的至少一种方差分析(ANOVA)。特别地，假设检验可以包括确定J个材料中的每一个材料的特征值的平均值，即总共J个平均值，
Figure BDA0003764630820000356
其中m∈[0,1,…,J-1]，其中Nm给出了预定义数据集中J个材料中每一个材料的特征值的数量。假设检验可以包括确定所有N个特征值的平均值
Figure BDA0003764630820000357
假设检验可以包括确定以下范围内的均方和：
Figure BDA0003764630820000358
假设检验可以包括确定以下之间的均方和，
Figure BDA0003764630820000359
假设检验可以包括执行F检验：
□
Figure BDA00037646308200003510
其中d1＝M-J,d2＝J-1，
□F(x)＝1–CDF(x)
□p＝F(mssb/mssw)
在此，Ix是正则化的不完全Beta-Function，
Figure BDA00037646308200003511
其中EulerBeta-Function
Figure BDA00037646308200003512
和
Figure BDA00037646308200003513
Figure BDA00037646308200003514
是不完整的Beta-Function。如果p值p小于或等于预定义的显着性水平，则图像滤波器可以通过假设检验。如果p≤0.075，优选p≤0.05，更优选p≤0.025，并且最优选p≤0.01，则滤波器可以通过假设检验。例如，在预定义的显着性水平为α＝0.075的情况下，如果p值小于α＝0.075，则图像滤波器可以通过假设检验。在该情况下，可以拒绝零假设H0，并且可以接受替代假设H1。图像滤波器因此区分至少两个材料分类器。因此，图像滤波器通过假设检验。
在下面，假设反射特征包括斑点图像来描述图像滤波器。斑点图像f可以由函数f:
Figure BDA0003764630820000361
给出，其中图像f的背景可能已经被减去。然而，其他反射特征也是可能的。
例如，材料相关图像滤波器可以是亮度滤波器。亮度滤波器可以返回斑点的亮度度量作为材料特征。材料特征可由下式确定
Figure BDA0003764630820000362
其中f是斑点图像。光斑的距离由z表示，其中z可以例如通过使用离焦深度或光子深度比技术和/或通过使用三角测量技术来获得。材料的表面法线由
Figure BDA0003764630820000363
给出，并且可以作为由至少三个测量点跨越的表面的法线获得。矢量
Figure BDA0003764630820000364
是光源的方向矢量。由于光斑的位置通过使用光子深度比技术，其中光源的位置被称为检测器系统的参数，dray是光斑和光源位置之间的差矢量。
例如，材料相关图像滤波器可以是具有取决于斑点形状的输出的滤波器。该材料相关图像滤波器可以返回与作为材料特征的材料的半透明度相关的值。材料的半透明度影响斑点的形状。材料特征可由下式给出
Figure BDA0003764630820000365
其中0<α，β<1是光斑高度h的权重，并且H表示Heavyside函数，即H(x)＝1∶x≥0，H(x)＝0∶x<0。光斑高度h可由下式确定
Figure BDA0003764630820000366
其中Br是半径为r的斑点的内圆。
例如，材料相关图像滤波器可以是平方范数梯度。该材料相关图像滤波器可以返回与作为材料特征的光斑的软和硬过渡和/或粗糙度的度量相关的值。材料特征可以由下式定义为
Figure BDA0003764630820000371
例如，材料相关图像滤波器可以是标准偏差。斑点的标准偏差可由下式确定
Figure BDA0003764630820000372
其中μ是由μ＝∫(f(x))dx给出的平均值。
例如，材料相关图像滤波器可以是诸如高斯滤波器或中值滤波器的平滑滤波器。在平滑滤波器的一个实施例中，该图像滤波器可以指与漫散射材料相比体积散射表现出更少散斑对比度的观察结果。该图像滤波器可以量化与作为材料特征的散斑对比度对应的光斑的平滑度。材料特征可由下式确定
Figure BDA0003764630820000373
其中
Figure BDA0003764630820000374
是平滑度函数，例如中值滤波器或高斯滤波器。该图像滤波器可以包括除以距离z，如以上公式中所述。距离z可以例如使用离焦深度或光子深度比技术和/或通过使用三角测量技术来确定。这可能允许滤波器对距离不敏感。在平滑滤波器的一个实施例中，平滑滤波器可以基于提取的散斑噪声图案的标准偏差。散斑噪声图案N可以通过下式用经验的方式描述
f(x)＝f0(x)·(N(X)+1)，
其中f0是去斑斑点的图像。N(X)是对散斑图案进行建模的噪声项。去斑图像的计算可能很困难。因此，去斑图像可以用f的平滑版本来近似，即
Figure BDA0003764630820000375
其中
Figure BDA0003764630820000376
是平滑度算子，类似高斯滤波器或中值滤波器。因此，散斑图案的近似值可以由下式给出
Figure BDA0003764630820000377
该滤波器的材料特征可由下式确定
Figure BDA0003764630820000381
其中Var表示方差函数。
例如，图像滤波器可以是基于灰度级发生的对比度滤波器。该材料滤波器可以基于灰度级发生矩阵Mf,ρ(g1g2)＝[pg1,g2]，而pg1,g2是灰度组合(g1，g2)＝[f(x1，y1)，f(x2，y2)]的发生率，并且关系ρ定义了(x1，y1)和(x2，y2)之间的距离，其是ρ(x，y)＝(x+a，y+b)，其中a和b选自0，1。
基于灰度级发生的对比度滤波器的材料特征可以由下式给出
Figure BDA0003764630820000382
例如，图像滤波器可以是基于灰度级发生的能量滤波器。该材料滤波器基于上面定义的灰度级发生矩阵。
基于灰度级发生的能量滤波器的材料特征可以由下式给出
Figure BDA0003764630820000383
例如，图像滤波器可以是基于灰度级发生的同质性滤波器。该材料滤波器基于上面定义的灰度级发生矩阵。
基于灰度级发生的同质性滤波器的材料特征可以由下式给出
Figure BDA0003764630820000384
例如，图像滤波器可以是基于灰度级发生的相异滤波器。该材料滤波器基于上面定义的灰度级发生矩阵。
基于灰度级发生的相异滤波器的材料特征可以由下式给出
Figure BDA0003764630820000385
例如，图像滤波器可能是劳氏(law)能量滤波器。该材料滤波器可以基于劳氏矢量L5＝[1，4，6，4，1]和E5＝[-1，-2，0，-2，-1]以及矩阵L5(E5)T和E5(L5)T。
图像fk与这些矩阵卷积：
Figure BDA0003764630820000391
以及
Figure BDA0003764630820000392
Figure BDA0003764630820000393
Figure BDA0003764630820000394
而劳氏能量滤波器的材料特征可由下式确定
Figure BDA0003764630820000395
例如，材料相关图像滤波器可以是阈值区域滤波器。该材料特征可能涉及图像平面中的两个区域。第一区域Ω1可以是其中函数f大于f的最大值的α倍的区域。第二区域Ω2可以是其中函数f小于f的最大值的α倍但大于f的最大值的ε阈值倍的区域。优选地，α可以是0.5并且ε可以是0.05。由于散斑或噪声，该区域可能不会简单地对应于光斑中心周围的内圆和外圆。作为示例，Ω1可以包括外圆中的散斑或未连接区域。材料特征可由下式确定
Figure BDA0003764630820000396
其中Ω1＝{x|f(x)>α·max(f(x))}并且Ω2＝{x|ε·max(f(x))<f(x)<α·max(f(x))}。
材料特性m可以通过使用
Figure BDA0003764630820000397
和m之间的预定关系和/或反射特征的纵坐标z来确定。评估装置可以被配置用于通过评估特征
Figure BDA0003764630820000398
来确定材料特性m。评估装置可以被配置用于使用材料特征
Figure BDA0003764630820000399
和对象的材料特性之间的至少一种预定关系来确定对象的材料特性。预定关系可以是经验关系、半经验关系和分析得出关系中的一种或多种。评估装置可以包括用于存储预定关系(诸如查找列表或查找表)的至少一个数据存储装置。例如，可以通过在确定纵坐标z之后随后评估
Figure BDA0003764630820000401
来确定材料特性，使得可以考虑关于纵坐标z的信息来评估
Figure BDA0003764630820000402
具体地，材料特性m由函数
Figure BDA0003764630820000403
表示。该函数可以是预定义的和/或预定的。例如，该函数可以是线性函数。
如上概述，检测器可以被配置为对包括对象的区域的元素的材料进行分类。与结构光相比，根据本发明的检测器可以被配置用于评估第二图像的反射特征中的每个反射特征，使得对于每个反射特征，可以确定关于其材料特性的信息。
评估装置被配置用于通过考虑材料特性和关于对象的形状和/或大小的预定或预定义的信息来确定对象的至少一个位置和/或取向。通常，可以仅使用2d图像信息或3D深度图来识别对象。然而，可以通过融合2d和3D信息来提高质量。对于光学3D测量，反射表面通常是有问题的。在反射表面的情况下，仅使用2d图像信息是可能的。在高度反射的对象的情况下，3d测量可能与错误的深度图有关。对于这种对象的识别，2d信息可能是必不可少的。
检测器可以完全或部分地集成到至少一个壳体中。
检测器可进一步包括一个或多个附加元件，诸如一个或多个附加光学元件。检测器可以包括选自由以下组成的组的至少一个光学元件：传递装置，诸如至少一个透镜和/或至少一个透镜系统，至少一个衍射光学元件。术语“传递装置”(也称为“传递系统”)通常可以指一个或多个光学元件，其适于诸如通过修改光束的束参数、光束的宽度或光束的方向中的一个或多个来修改光束。传递装置可以适于将光束引导到光学传感器上。传递装置具体地可以包括以下中的一种或多种：至少一个透镜，例如选自由至少一个聚焦可调透镜、至少一个非球面透镜、至少一个球面透镜、至少一个菲涅耳透镜组成的组中的至少一个透镜；至少一个衍射光学元件；至少一个凹面镜；至少一个束偏转元件，优选至少一个反射镜；至少一个分束元件，优选分束立方体或分束镜中的至少一个；至少一个多透镜系统。如在此所使用的，术语传递装置的“焦距”是指可能撞击传递装置的入射准直光线进入“焦点”的距离，该“焦点”也可以被称为“焦距点”。因此，焦距构成传递装置会聚撞击光束的能力的量度。因此，传递装置可以包括可以具有会聚透镜作用的一个或多个成像元件。举例来说，传递装置可具有一个或多个透镜，特别是一个或多个折射透镜，和/或一个或多个凸面镜。在该示例中，焦距可以被定义为从薄折射透镜的中心到薄透镜的主焦点的距离。对于会聚的薄折射透镜(诸如凸或双凸薄透镜)，焦距可以被视为正值，并且可以提供一个距离，在该距离处，撞击作为传递装置的薄透镜的准直光束可以聚焦到单个斑点中。另外，传递装置可包括至少一个波长选择元件，例如至少一个滤光器。另外地，传递装置可以设计为(例如，在传感器区域的位置处，并且特别是传感器区域中)将预定的束轮廓施加在电磁辐射上。原则上，传递装置的上述可选实施例可以单独地或以任何所需的组合来实现。
传递装置可具有光轴。特别地，检测器和传递装置具有公共光轴。如在此所使用的，术语“传递装置的光轴”通常是指透镜或透镜系统的镜面对称或旋转对称的轴。检测器的光轴可以是检测器的光学装置的对称线。该检测器包括至少一个传递装置，优选地包括具有至少一个透镜的至少一个传递系统。作为示例，传递系统可以包括至少一个束路径，其中束路径中的传递系统的元件以关于光轴旋转对称的方式定位。仍然，如还将在下面更详细地概述的，位于束路径内的一个或多个光学元件也可以关于光轴偏心或倾斜。然而在该情况下可以顺序地定义光轴，诸如通过互连束路径中的光学元件的中心，例如通过互连透镜的中心，其中在该情况下，光学传感器不算作光学元件。光轴通常可以表示束路径。其中，检测器可以具有光束可以沿着该束路径从对象行进到光学传感器的单个束路径，或者可以具有多个束路径。作为示例，可以给出单个束路径，或者可以将束路径分成两个或更多个部分束路径。在后一种情况下，每个部分束路径可以具有其自己的光轴。光学传感器可以位于一个且相同的束路径或部分束路径中。然而可替代地，光学传感器也可以位于不同的部分束路径中。
传递装置可以构成坐标系，其中纵坐标是沿着光轴的坐标，并且其中d是距光轴的空间偏移。坐标系可以是极坐标系，其中传递装置的光轴形成z轴，并且其中距z轴的距离和极角可以用作附加坐标。平行于或反平行于z轴的方向可以被认为是纵向方向，并且沿着z轴的坐标可以被认为是纵坐标。垂直于z轴的任何方向都可以被认为是横向方向，并且极坐标和/或极角可以被认为是横坐标。
关于用于确定对象位置的坐标系(其可以是检测器的坐标系)，检测器可以构成如下坐标系，其中检测器的光轴形成z轴，并且其中另外可以提供垂直于z轴并且彼此垂直的x轴和y轴。作为示例，检测器和/或检测器的一部分可以停留在该坐标系中的特定点处，诸如在该坐标系的原点处。在该坐标系中，可以将与z轴平行或反平行的方向视为纵向方向，并且将沿z轴的坐标视为纵坐标。垂直于纵向方向的任意方向可以被认为是横向方向，并且x-坐标和/或y-坐标可以被认为是横坐标。
可替代地，可以使用其他类型的坐标系。因此作为示例，可以使用极坐标系，其中光轴形成z轴并且其中距z轴的距离和极角可以用作附加坐标。同样，平行或反平行于z轴的方向可以被认为是纵向方向，并且沿着z轴的坐标可以被认为是纵坐标。垂直于z轴的任何方向都可以被认为是横向方向，并且极坐标和/或极角可以被认为是横坐标。
如上概述，可以使检测器能够确定对象的至少一个纵坐标，包括确定整个对象或其一个或多个部分的纵坐标的选项。例如，检测器可以被配置为通过使用如上概述的深度与光子比技术来确定对象的纵坐标。然而此外，对象的其他坐标(包括一个或多个横坐标和/或旋转坐标)可以由检测器确定，具体是由评估装置确定。因此作为示例，一个或多个横向传感器可用于确定对象的至少一个横坐标。光学传感器中的至少一个光学传感器可以确定中心信号从哪个产生。这可以提供关于对象的至少一个横坐标的信息，其中作为示例，简单的透镜方程可以用于光学变换和用于得出横坐标。另外地或可替代地，可以使用一个或多个附加横向传感器并且可以包括在检测器中。各种横向传感器在本领域中通常是已知的，诸如在WO2014/097181A1中公开的横向传感器和/或其他位置敏感装置(PSD)，诸如象限二极管、CCD或CMOS芯片等。另外地或可替代地，作为示例，根据本发明的检测器可以包括在R.A.Street(Ed.):Technology and Applications of Amorphous Silicon,Springer-Verlag Heidel-berg,2010,pp.346-349中公开的一个或多个PSD。其他实施例是可行的。这些装置通常也可以实现到根据本发明的检测器中。作为示例，光束的一部分可以在检测器内被至少一个分束元件分离。作为示例，分离部分可以被导向横向传感器，诸如CCD或CMOS芯片或相机传感器，以及由分离部分生成的光斑在横向传感器上的横向位置可以确定，从而确定对象的至少一个横坐标。因此，根据本发明的检测器可以是一维检测器，诸如简单的距离测量装置，或者可以体现为二维检测器或甚至是三维检测器。此外，如上概述或下面更详细地概述，通过以一维方式扫描风景或环境，还可以创建三维图像。因此，根据本发明的检测器具体可以是一维检测器、二维检测器或三维检测器中的一种。评估装置可进一步被配置用于确定对象的至少一个横坐标x、y。评估装置可适于组合纵坐标和横坐标的信息并确定对象在空间中的位置。
光学传感器矩阵的使用提供了多个优点和益处。因此，由光束在传感器元件上(诸如在传感器元件矩阵的光学传感器的光敏区域的公共平面上)生成的光斑的中心可以随着对象的横向位置而变化。因此，光学传感器矩阵的使用在对象的位置方面(具体地在对象的横向位置方面)提供了显著的灵活性。光斑在光学传感器矩阵上的横向位置(诸如生成传感器信号的至少一个光学传感器的横向位置)可以用作附加信息项，从该信息项中可以导出关于对象的横向位置的至少一项信息，如例如在WO 2014/198629A1中公开。另外地或可替代地，根据本发明的检测器可以包含至少一个附加横向检测器，用于除了至少一个纵坐标之外还检测对象的至少一个横坐标。
在另一方面，本发明公开了一种用于对象识别的方法，其中使用了根据本发明的检测器。该方法包括以下步骤：
a)将包括多个照射特征的至少一个照射图案投影到包括至少一个对象的至少一个区域上；
b)使用光学传感器确定包括区域的至少一个二维图像的至少一个第一图像，其中，光学传感器具有至少一个光敏区域；
c)通过使用光学传感器确定包括多个反射特征的至少一个第二图像，该多个反射特征由区域响应于照射特征的照射生成；
d)通过使用至少一个评估装置评估第一图像，其中，第一图像的评估包括识别至少一个预定义或预定的几何特征；
e)通过使用评估装置评估第二图像，其中，反射特征中的每个反射特征包括至少一个束轮廓，其中，第二图像的评估包括通过反射特征的束轮廓的分析来确定反射特征中的每个反射特征的束轮廓信息，以及使用所确定的束轮廓信息来确定至少一个三维图像；
f)通过使用评估装置识别位于几何特征内侧的反射特征和/或用于识别位于几何特征外侧的反射特征；
g)通过使用评估装置从位于几何特征内侧和/或外侧的反射特征的束轮廓信息确定至少一个深度水平；
h)通过使用评估装置从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定对象的至少一种材料特性；
i)通过使用评估装置通过考虑深度水平和/或材料特性以及关于对象的形状和/或大小的预定或预定义的信息来确定对象的至少一个位置和/或取向。
方法步骤可以以给定的顺序执行或可以以不同的顺序执行。此外，可能存在未列出的一个或多个附加方法步骤。此外，可以重复执行一个、多于一个或甚至所有的方法步骤。关于细节、选项和定义，可以参考上面讨论的检测器。因此，具体地如上所述，该方法可以包括使用根据本发明，诸如根据上面给出的或下面更详细给出的实施例中的一个或多个实施例的检测器。
至少一个评估装置可以被配置用于执行至少一个计算机程序，诸如被配置为执行或支持根据本发明的方法的一个或多个或甚至所有的方法步骤的至少一个计算机程序。作为示例，可以实现一种或多种算法，其可以确定对象的位置。
在本发明的另一方面，为了使用目的，提出了根据本发明，诸如根据上面给出的或下面进一步详细给出的实施例中的一个或多个实施例的检测器的用途，该用途选自由以下各项组成的组：交通技术中的位置测量；娱乐应用；安保应用；监视应用；安全应用；人机界面应用；跟踪应用；摄影应用；成像应用或相机应用；用于生成至少一个空间的地图的地图绘制应用；车辆的归位或跟踪信标检测器；户外应用；移动应用；通信应用；机器视觉应用；机器人应用；质量控制应用；制造应用。
关于本发明的检测器和装置的进一步用途，参见WO 2018/091649 A1、WO 2018/091638 A1和WO 2018/091640 A1，其内容以引用的方式包含在内。
具体地，本发明可以应用于机器控制领域，诸如机器人应用。例如，本发明可应用于控制机械臂的至少一个夹持器。如上概述，检测器可以被配置用于确定特别是金属对象的对象的位置，其可以用于控制夹持器或真空夹持器。
总的来说，在本发明的上下文中，以下实施例被认为是优选的：
实施例1：一种用于对象识别的检测器，包括
-至少一个照射源，其被配置用于将包括多个照射特征的至少一个照射图案投影到包括至少一个对象的至少一个区域上；
-具有至少一个光敏区域的光学传感器，其中，光学传感器被配置用于确定包括该区域的至少一个二维图像的至少一个第一图像，其中，光学传感器被配置用于确定包括多个反射特征的至少一个第二图像，该多个反射特征由该区域响应于照射特征的照射而生成；
-至少一个评估装置，其中，评估装置被配置用于评估第一图像和第二图像，其中，反射特征中的每个反射特征包括至少一个束轮廓，其中，评估装置被配置用于通过反射特征的束轮廓的分析来确定反射特征中的每个反射特征的束轮廓信息，其中，评估装置被配置用于使用确定的束轮廓信息来确定至少一个三维图像，其中，第一图像的评估包括识别至少一个预定义的或预定的几何特征，其中，评估装置被配置用于识别位于几何特征的图像区域内侧的反射特征和/或用于识别位于几何特征的图像区域外侧的反射特征，
其中，评估装置被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定至少一个深度水平，
其中，评估装置被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定对象的至少一种材料特性，
其中，评估装置被配置用于通过考虑深度水平和/或材料特性以及关于对象的形状和/或大小的预定或预定义的信息来确定对象的至少一个位置和/或取向。
实施例2：根据前述实施例的检测器，其中，第一图像和第二图像在不同的时间点确定。
实施例3：根据前述实施例中任一项所述的检测器，其中，几何特征是对象的至少一个特性元素，该特性元素选自由以下各项组成的组：形状、至少一个边缘的相对位置、至少一个钻孔、至少一个反射点、至少一条线、至少一个表面、至少一个圆、至少一个圆盘、整个对象、对象的一部分等。
实施例4：根据前述实施例中任一项所述的检测器，其中，评估装置包括至少一个数据存储装置，其中，数据存储装置包括几何特征和/或关于对象的形状和/或大小的预定或预定义的信息的至少一个表和/或至少一个查找表。
实施例5：根据前述实施例中任一项所述的检测器，其中，评估装置被配置用于通过使用至少一个图像处理过程来识别几何特征，其中，图像处理过程包括如下中的一个或多个：至少一个模板匹配算法；至少一个霍夫变换；应用Canny边缘滤波器；应用Sobel滤波器；应用滤波器的组合。
实施例6：根据前述实施例中任一项所述的检测器，其中，评估装置被配置用于执行至少一种似真性检查，其中，将识别的几何特征与对象的至少一种已知几何特征进行比较。
实施例7：根据前述实施例中任一项所述的检测器，其中，照射源被配置用于在红外区域中生成至少一个照射图案。
实施例8：根据前述实施例中任一项所述的检测器，其中，检测器包括至少一个第一滤波器元件，其中，第一滤波器元件被配置用于透射红外光谱范围内的光并且至少部分地阻挡其他光谱范围的光。
实施例9：根据前述实施例所述的检测器，其中，第一滤波器元件是单色带通滤波器，其被配置用于透射小光谱范围内的光，其中，光谱范围是±100nm，优选±50nm，最优选±35nm。
实施例10：根据前述实施例中任一项所述的检测器，其中，检测器包括至少一个第二滤波器元件，其中，第二滤波器元件被配置用于透射可见光谱范围内的光并且用于至少部分地阻挡其他光谱范围的光。
实施例11：根据前述实施例中任一项所述的检测器，其中，照射图案包括具有低点密度的至少一个周期性点图案，其中，照射图案每个视野具有≤2500个点。
实施例12：根据前述实施例中任一项所述的检测器，其中，检测器包括至少一个控制单元，其中，控制单元被配置用于控制光学传感器和/或照射源。
实施例13：根据前述实施例所述的检测器，其中，控制单元被配置用于触发照射图案的投影和/或第二图像的成像。
实施例14：根据前述两个实施例中任一项所述的检测器，其中，控制单元被配置为调整投影照射图案的曝光时间。
实施例15：根据前述两个实施例中任一项所述的检测器，其中，检测器包括至少一个另外的照射源，其被配置用于照射区域以确定第一图像，其中，控制单元被配置用于控制另外的照射源，其中，控制单元被配置用于触发由另外的照射源生成的光对区域的照射以及对第一图像的成像。
实施例16：根据前述实施例所述的检测器，其中，另外的照射源包括诸如至少一个发光二极管(LED)或至少一个VCSEL阵列的至少一个光源中的一个或多个，其中，另外的照射源包括至少一个光学元件，诸如至少一个漫射器或至少一个透镜。
实施例17：根据前述两个实施例中任一项所述的检测器，其中，控制单元被配置为调整曝光时间以用于照射图案的投影和由另外的照射源生成的光的照射。
实施例18：根据前述实施例中任一项所述的检测器，其中，评估装置被配置用于通过使用光子深度比技术来确定反射特征中的每个反射特征的束轮廓信息。
实施例19：根据前述实施例中任一项所述的检测器，其中，光学传感器包括至少一个CMOS传感器。
实施例20：一种用于对象识别的方法，其中，使用根据前述实施例所述的至少一个检测器，其中，该方法包括以下步骤：
a)将包括多个照射特征的至少一个照射图案投影到包括至少一个对象的至少一个区域上；
b)使用光学传感器确定包括区域的至少一个二维图像的至少一个第一图像，其中，光学传感器具有至少一个光敏区域；
c)通过使用光学传感器确定包括多个反射特征的至少一个第二图像，该多个反射特征包括由区域响应于照射特征的照射生成的多个反射特征；
d)通过使用至少一个评估装置评估第一图像，其中，第一图像的评估包括识别至少一个预定义或预定的几何特征；
e)通过使用评估装置评估第二图像，其中，反射特征中的每个反射特征包括至少一个束轮廓，其中，第二图像的评估包括通过反射特征的束轮廓的分析来确定反射特征中的每个反射特征的束轮廓信息，以及使用所确定的束轮廓信息来确定至少一个三维图像；
f)通过使用评估装置识别位于几何特征内侧的反射特征和/或用于识别位于几何特征外侧的反射特征；
g)通过使用评估装置从位于几何特征内侧和/或外侧的反射特征的束轮廓信息确定至少一个深度水平；
h)通过使用评估装置从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定对象的至少一种材料特性；
i)通过使用评估装置通过考虑深度水平和/或材料特性以及关于对象的形状和/或大小的预定或预定义的信息来确定对象的至少一个位置和/或取向。
实施例21：为了使用的目的的根据涉及检测器的前述实施例中任一项的检测器的用途，该用途选自由以下组成的组：交通技术中的位置测量；娱乐应用；安保应用；监视应用；安全应用；人机界面应用；跟踪应用；摄影应用；成像应用或相机应用；用于生成至少一个空间的地图的地图绘制应用；车辆的归位或跟踪信标检测器；户外应用；移动应用；通信应用；机器视觉应用；机器人应用；质量控制应用；制造应用。
附图说明
本发明的其他可选细节和特征从下面结合从属权利要求的优选示例性实施例的描述中显而易见。在该上下文中，特定特征可以以孤立的方式或与其他特征结合来实现。本发明不限于示例性实施例。示例性实施例在图中示意性地示出。各个图中相同的附图标记表示相同的元件或具有相同功能的元件，或在其功能方面彼此对应的元件。
具体地，在附图中：
图1示出根据本发明的检测器的实施例。
具体实施方式
图1以高度示意的方式示出用于对象识别的检测器的实施例。对象112通常可以指要确定其取向和/或位置的任意物理体。对象112可以是至少一件物品。例如，该对象可以是选自由以下组成的组中的至少一个对象：盒子、瓶子、盘子、一张纸、袋子、螺丝钉、垫圈、机加工金属件、橡胶密封件、塑料件、包装纸、包装材料。
检测器110包括至少一个照射源114，该照射源114被配置用于将包括多个照射特征的至少一个照射图案投影到包括至少一个对象112的至少一个区域116上。对象112可以位于场景内和/或可以具有周围环境。具体地，对象112可以位于至少一个区域116中。区域116可以是至少一个表面和/或区域。区域116可以包括附加元素，诸如周围环境。
照射源114可适于直接或间接照射对象112，其中，照射图案被对象112反射或散射，并且从而至少部分地被引向检测器110。照射源114可适于例如通过将光束引向对象112来照射对象112，该对象112反射光束。照射源114可被配置用于生成照射光束以照射对象112。
照射源114可以包括至少一个光源。照射源114可以包括多个光源。照射源可以包括人工照射源，特别是至少一个激光源和/或至少一个白炽灯和/或至少一个半导体光源，例如至少一个发光二极管，特别是有机和/或无机发光二极管。作为示例，由照射源114发出的光可以具有300至1100nm的波长，特别是500至1100nm的波长。另外地或可替代地，可以使用红外光谱范围内(诸如780nm至3.0μm范围内)的光。具体地，可以使用硅光电二极管可应用的近红外区域部分中(具体地在700nm至1100nm的范围内)的光。照射源114可以被配置用于在红外区域中生成至少一个照射图案。使用近红外区域中的光允许人眼不能或仅微弱地检测到光，并且仍然可以被硅传感器，特别是标准硅传感器检测到。
照射源114可以是或可以包括至少一个多光束光源。例如，照射源114可以包括至少一个激光源和一个或多个衍射光学元件(DOE)。具体地，照射源114可以包括至少一个激光器和/或激光源。可以使用各种类型的激光器，诸如半导体激光器、双异质结构激光器、外腔激光器、分离限制异质结构激光器、量子级联激光器、分布式布拉格反射器激光器、极化子激光器、混合硅激光器、扩展腔二极管激光器、量子点激光器、体布拉格光栅激光器、砷化铟激光器、晶体管激光器、二极管泵浦激光器、分布式反馈激光器、量子阱激光器、带间级联激光器、砷化镓激光器、半导体环形激光器、扩展腔二极管激光器或垂直腔面发射激光器。另外地或可替代地，可以使用非激光光源，诸如LED和/或灯泡。照射源114可以包括适于生成照射图案的一个或多个衍射光学元件(DOE)。例如，照射源114可以适于生成和/或投影点云，例如，照射源可以包括如下中的一个或多个：至少一个数字光处理投影仪、至少一个LCoS投影仪、至少一个空间光调制器；至少一个衍射光学元件；至少一个发光二极管阵列；至少一个激光光源阵列。由于它们通常定义的束轮廓和其他可操作特性，使用至少一个激光源作为照射源是特别优选的。照射源114可以集成到检测器110的壳体中。
照射图案可以包括多个照射特征。照射图案可以选自由以下组成的组：至少一种点图案；至少一种线图案；至少一种条纹图案；至少一种棋盘图案；包括周期性或非周期性特征的排列的至少一个图案。照射图案可以包括规则的和/或恒定的和/或周期性的图案，诸如三角形图案、矩形图案、六边形图案或包括另外的凸块的图案。照射图案可以表现出选自由以下组成的组的至少一种照射特征：至少一个点；至少一条线；至少两条线，诸如平行线或交叉线；至少一个点和一条线；周期性或非周期性特征的至少一种排列；至少一个任意形状的特征。照射图案可以包括选自由以下组成的组中的至少一种图案：至少一种点图案，特别是伪随机点图案；随机点图案或准随机图案；至少一种Sobol图案；至少一种准周期图案；包括至少一个已知特征的至少一个图案、至少一个规则图案；至少一个三角形图案；至少一个六边形图案；至少一个矩形图案；包括凸面均匀平铺的至少一个图案；包括至少一条线的至少一种线图案；包括至少两条线(诸如平行线或交叉线)的至少一种线图案。例如，照射源114可以适于生成和/或投影点云。照射源114可以包括至少一个光投影仪，其适于生成点云，使得照射图案可以包括多个点图案。照射源114可以包括至少一个掩模，该掩模适于从由照射源114生成的至少一个光束生成照射图案。
具体地，照射源114包括至少一个激光源和/或被指定用于生成激光辐射的至少一个激光二极管。照射源114可以包括至少一个衍射光学元件(DOE)。检测器110可以包括适于投影至少一种点图案的至少一个点投影仪，诸如至少一个激光源和DOE。
例如，投影的照射图案可以是周期性点图案。投影的照射图案可以具有低点密度。例如，照射图案可以包括具有低点密度的至少一个周期性点图案，其中，照射图案每个视野具有≤2500个点。与在55x38°的视野中通常具有10k-30k的点密度的结构光相比，根据本发明的照射图案可以不那么密集。这可以允许每点更多的功率，使得所提出的技术与结构光相比更少取决于环境光。
检测器110可以包括至少一个另外的照射源118。另外的照射源118可以包括至少一个另外的光源中的一个或多个，诸如至少一个发光二极管(LED)或至少一个垂直腔面发射激光器(VCSEL)阵列。另外的照射源118可以包括至少一个光学元件，诸如至少一个漫射器或至少一个透镜。另外的照射源118可以被配置为提供用于第一图像的成像的附加照射。例如，另外的照射源118可以用在不可能或难以记录反射图案的情况下，例如，在高反射金属表面的情况下，以便确保良好的照射，并且从而确保二维图像的对比度使得二维图像识别成为可能。
检测器110包括具有至少一个光敏区域122的光学传感器120。光学传感器120被配置用于确定包括区域116的至少一个二维图像的至少一个第一图像。光学传感器120被配置用于确定至少一个第二图像，该第二图像包括由区域116响应于照射特征的照射而生成的多个反射特征。检测器110可以包括单个相机，该相机包括光学传感器120。检测器110可以包括多个相机，每个相机包括一个光学传感器120或多个光学传感器120。
光学传感器120具体地可以是或可以包括至少一个光电检测器，优选无机光电检测器，更优选无机半导体光电检测器，最优选硅光电检测器。具体地，光学传感器120可以在红外光谱范围内敏感。矩阵的所有像素或矩阵的至少一组光学传感器具体可以相同。矩阵的相同像素组具体可以针对不同的光谱范围提供，或者所有像素在光谱灵敏度方面可以相同。此外，像素在大小和/或关于它们的电子或光电特性方面可以相同。具体地，光学传感器120可以是或可以包括在红外光谱范围内(优选地在700nm至3.0微米的范围内)敏感的至少一个无机光电二极管。具体地，光学传感器120可以在其中硅光电二极管可应用的近红外区域的部分中(具体地在700nm至1100nm的范围内)敏感。可用于光学传感器的红外光学传感器可以是可商购的红外光学传感器，诸如可从德国莱茵河畔路德维希港D-67056的trinamiXTM GmbH以商标名称Hertz-stueckTM可商购的红外光学传感器。因此作为示例，光学传感器120可以包括至少一个本征光伏类型的光学传感器，更优选地，选自由如下组成的组的至少一个半导体光电二极管：Ge光电二极管、InGaAs光电二极管、扩展InGaAs光电二极管、InAs光电二极管、InSb光电二极管、HgCdTe光电二极管。另外地或可替代地，光学传感器120可以包括外在光伏类型的至少一个光学传感器，更优选地，选自由如下组成的组的至少一个半导体光电二极管：Ge:Au光电二极管、Ge:Hg光电二极管、Ge:Cu光电二极管、Ge:Zn光电二极管、Si:Ga光电二极管、Si:As光电二极管。另外地或可替代地，光学传感器120可以包括至少一个光电导传感器，诸如PbS或PbSe传感器、辐射热计，优选地是从由VO辐射热计和非晶硅辐射热计组成的组中选择的辐射热计。
光学传感器120可以在紫外、可见或红外光谱范围中的一种或多种中敏感。具体地，光学传感器可以在从500nm到780nm，最优选在650nm到750nm或在690nm到700nm的可见光谱范围内敏感。具体地，光学传感器可能在近红外区域中敏感。具体地，光学传感器120可以在硅光电二极管可应用的近红外区域的部分中(具体地在700nm至1000nm的范围内)敏感。具体地，光学传感器120可以在红外光谱范围内，具体地在780nm到3.0微米的范围内敏感。例如，光学传感器各自独立地可以是或可以包括选自由光电二极管、光电池、光电导体、光电晶体管或其任何组合组成的组中的至少一种元件。例如，光学传感器120可以是或可以包括选自由CCD传感器元件、CMOS传感器元件、光电二极管、光电池、光电导体、光电晶体管或其任意组合组成的组中的至少一种元件。可以使用任何其他类型的光敏元件。光敏元件通常可以全部或部分由无机材料制成和/或可以全部或部分由有机材料制成。最常见的是，可以使用一个或多个光电二极管，诸如可商购的光电二极管，例如无机半导体光电二极管。
光学传感器120可以包括至少一个传感器元件，该传感器元件包括像素矩阵。因此，作为示例，光学传感器120可以是像素化光学装置的一部分或构成像素化光学装置。例如，光学传感器120可以是和/或可以包括至少一个CCD和/或CMOS装置。作为示例，光学传感器120可以是具有像素矩阵的至少一个CCD和/或CMOS装置的一部分或构成至少一个CCD和/或CMOS装置，每个像素形成光敏区域。传感器元件可以形成为单一的单个装置或多个装置的组合。该矩阵具体可以是或者可以包括具有一行或多行和一列或多列的矩形矩阵。行和列具体地可以以矩形方式排列。然而，其他布置也是可行的，诸如非矩形布置。作为示例，圆形布置也是可行的，其中元件围绕中心点布置成同心圆或椭圆。例如，矩阵可以是单行像素。其他布置也是可行的。
矩阵的像素具体可以在大小、灵敏度和其他光学、电学和机械特性中的一项或多项上相等。矩阵的所有光学传感器120的光敏区域122具体可以位于公共平面中，该公共平面优选地面向对象112，使得从对象传播到检测器110的光束可以在公共平面上生成光斑。光敏区域122可以具体地位于相应光学传感器120的表面上。然而，其他实施例也是可行的。光学传感器120可以包括例如至少一个CCD和/或CMOS装置。作为示例，光学传感器120可以是像素化光学装置的一部分或构成像素化光学装置。作为示例，光学传感器120可以是具有像素矩阵的至少一个CCD和/或CMOS装置的一部分或构成至少一个CCD和/或CMOS装置，每个像素形成光敏区域122。
光学传感器120被配置用于确定包括区域116的至少一个二维图像的至少一个第一图像。因此，图像本身可以包括像素，图像的像素与传感器元件的矩阵的像素相关。光学传感器120被配置用于确定包括多个反射特征的至少一个第二图像，该多个反射特征由区域116响应于照射特征的照射而生成。
第一图像和第二图像可以在不同的时间点被确定，特别是被记录。第一图像和第二时间限制的记录可以通过时间偏移来执行。具体地，包括光学传感器120的单个相机可以采用时间偏移记录二维图像和投影图案的图像。在不同时间点记录第一图像和第二图像可以确保评估装置124可以区分第一图像和第二图像并且可以应用适当的评估例程。此外，如果需要可以调整第一图像的照射情况，并且特别是可以独立于第二图像的照射调整第一图像的照射情况。检测器110可以包括至少一个控制单元126。控制单元126可以设计为检测器110的硬件组件。特别是控制单元126可以包括至少一个微控制器。控制单元126可以被配置用于控制光学传感器120和/或照射源114。控制单元126可以被配置用于触发照射图案的投影和/或第二图像的成像。具体地，控制单元126可以被配置用于经由触发信号控制光学传感器120，特别是帧速率和/或照射时间。控制单元126可以被配置为逐帧调整和/或调节照射时间。这可以允许调整和/或调节第一图像的照射时间，例如以便在边缘具有对比度，并且同时调整和/或调节第二图像的照射时间以保持反射特征的对比度。另外，控制单元126可以同时且独立地控制照射源114和/或另外的照射源118的元件。
具体地，控制单元126可以被配置为调整用于投影照射图案的曝光时间。可以采用不同的照射时间记录第二图像。与较亮区域相比，区域116的较暗区域可能需要更多的光，这可能导致较亮区域进入饱和状态。因此，检测器110可以被配置用于记录反射图案的多个图像，其中可以以不同的照射时间记录图像。检测器110可以被配置用于从所述图像生成和/或合成第二图像。评估装置124可以被配置用于对采用不同照射时间记录的所述图像执行至少一种算法。
控制单元126可以被配置用于控制另外的照射源118。控制单元126可以被配置用于触发由另外的照射源118生成的光对该区域的照射和第一图像的成像。控制单元126可以被配置用于调整曝光时间以用于照射图案的投影和由另外的照射源118生成的光的照射。
检测器110可以包括至少一个第一滤波器元件128。第一滤波器元件128可以被配置用于透射红外光谱范围内的光并且用于至少部分地阻挡其他光谱范围的光。第一滤波器元件128可以是单色带通滤波器，其被配置用于透射小光谱范围内的光。例如，光谱范围或带宽可以是±100nm，优选±50nm，最优选±35nm或甚至更小。例如，第一滤波器元件128可以被配置用于透射具有808nm、830nm、850nm、905nm或940nm的中心波长的光。例如，第一滤波器元件128可以被配置用于透射具有70nm或更小的带宽的中心波长为850nm的光。第一滤波器元件128可以具有最小的角度相关性，使得光谱范围可以很小。这可以导致对环境光的低相关性，其中同时可以防止增强的渐晕效果。例如，检测器110可以包括具有光学传感器120的单个相机，并且另外包括第一滤波器元件128。第一滤波器元件128可以确保即使在存在环境光的情况下也可以记录反射图案并且同时保持低激光输出功率，使得确保以激光等级1的眼睛安全操作。
另外地或可替代地，检测器110可以包括此处未示出的至少一个第二滤波器元件。第二滤波器元件可以是带通滤波器。例如，第一滤波器元件可以是长通滤波器，其被配置用于阻挡可见光并让780nm波长以上的光通过。带通滤波器可以位于例如CMOS芯片的光敏区域122和传递装置129之间。
照射源114和/或另外的照射源118的光谱可以取决于所使用的滤波器元件来选择。例如，在第一滤波器元件128具有850nm的中心波长的情况下，照射源114可以包括生成850nm波长的至少一个光源，诸如至少一个红外(IR)-LED。
检测器110可以包括至少一个传递装置129，该传递装置129包括以下中的一种或多种：至少一个透镜，例如选自由至少一个聚焦可调透镜、至少一个非球面透镜、至少一个球面透镜、至少一个菲涅耳透镜组成的组中的至少一个透镜；至少一个衍射光学元件；至少一个凹面镜；至少一个束偏转元件，优选至少一个反射镜；至少一个分束元件，优选分束立方体或分束镜中的至少一种；至少一个多镜头系统。特别地，传递装置129可以包括至少一个准直透镜，该准直透镜适于将至少一个对象点聚焦在像平面中。
评估装置124被配置用于评估第一图像和第二图像。
第一图像的评估包括识别至少一个预定义或预定的几何特征。几何特征可以是选自由以下组成的组中的对象112的至少一个特性元素：形状、至少一个边缘的相对位置、至少一个钻孔、至少一个反射点、至少一条线、至少一个表面、至少一个圆、至少一个圆盘、整个对象、对象的一部分等。评估装置124可以包括至少一个数据存储装置130。数据存储装置130可以包括几何特征和/或关于对象112的形状和/或大小的预定或预定义的信息的至少一个表和/或至少一个查找表。另外地或可替代地，检测器110可以包括至少一个用户界面132，用户可以经由该用户界面132输入至少一个几何特征。
评估装置124可以被配置为在第一步骤中评估第二图像。如下面将更详细地概述，第二图像的评估可以提供反射特征的3D信息。评估装置124可以被配置为通过考虑反射特征的3D信息来估计第一图像中的几何特征的位置。这可以显著减少在第一图像中搜索几何特征的工作量。
评估装置124可以被配置用于通过使用至少一个图像处理过程来识别几何特征。图像处理过程可以包括如下中的一种或多种：至少一种模板匹配算法；至少一个霍夫变换；应用Canny边缘滤波器；应用Sobel滤波器；应用滤波器的组合。评估装置可以被配置用于执行至少一种似真性检查。似真性检查可以包括将所识别的几何特征与对象的至少一个已知几何特征进行比较。例如，用户可以经由用户界面输入已知的几何特征以进行似真性检查。
评估装置124被配置用于评估第二图像。第二图像的评估可以包括生成三维图像。
反射特征中的每个反射特征包括至少一个束轮廓。束轮廓可以选自由如下组成的组；梯形束轮廓；三角束轮廓；锥形束轮廓，以及高斯束轮廓的线性组合。评估装置124被配置为通过反射特征的束轮廓的分析来确定每个反射特征的束轮廓信息。
评估装置124可以被配置用于确定反射特征中的每个反射特征的束轮廓。确定束轮廓可以包括识别由光学传感器120提供的至少一种反射特征和/或选择由光学传感器120提供的至少一种反射特征和评估反射特征的至少一种强度分布。作为示例，矩阵的区域可以被使用和评估以确定强度分布，诸如三维强度分布或二维强度分布，诸如沿着穿过矩阵的轴或线。作为示例，可以确定光束的照射中心，诸如通过确定具有最高照射的至少一个像素，并且可以选择穿过照射中心的横截面轴。强度分布可以是作为沿着穿过照射中心的该横截面轴的坐标的函数的强度分布。其他评估算法是可行的。
评估装置124可以被配置用于执行至少一种图像分析和/或图像处理以便识别反射特征。图像分析和/或图像处理可以使用至少一种特征检测算法。图像分析和/或图像处理可以包括以下一项或多项：过滤；选择至少一个关注区域；在由传感器信号创建的图像和至少一个偏移之间形成差异图像；通过反转由传感器信号创建的图像来反转传感器信号；在不同时间由传感器信号创建的图像之间形成差异图像；背景校正；分解成颜色通道；分解成色调；饱和；以及亮度通道；频率分解；奇异值分解；应用斑点检测器；应用角检测器；应用Hessian滤波器的行列式；应用基于主曲率的区域检测器；应用最大稳定极值区域检测器；应用广义霍夫变换；应用脊检测器；应用仿射不变特征检测器；应用仿射适应的兴趣点算子；应用哈里斯仿射区域检测器；应用Hessian仿射区域检测器；应用尺度不变特征变换；应用尺度空间极值检测器；应用局部特征检测器；应用加速鲁棒特征算法；应用梯度位置和取向直方图算法；应用取向梯度描述符的直方图；应用Deriche边缘检测器；应用差分边缘检测器；应用时空关注点检测器；应用Moravec角点检测器；应用Canny边缘检测器；应用高斯滤波器的拉普拉斯算子；应用高斯差分滤波器；应用Sobel算子；应用拉普拉斯算子；应用Scharr算子；应用Prewitt算子；应用罗伯茨算子；应用Kirsch算子；应用高通滤波器；应用低通滤波器；应用傅立叶变换；应用Radon变换；应用霍夫变换；应用小波变换；阈值转换法；创建二进制图像。关注区域可以由用户手动确定或可以自动确定，诸如通过识别由光学传感器120生成的图像内的对象。
例如，照射源114可以被配置用于生成和/或投影点云，使得在光学传感器(例如CMOS检测器)上生成多个照射区域。此外，光学传感器上可能存在干扰，诸如由于散斑和/或外来光和/或多次反射引起的干扰。评估装置124可适于确定至少一个关注区域，例如由光束照射的一个或多个像素，其用于确定对象112的纵坐标。例如，评估装置124可以适于执行过滤方法，例如斑点分析和/或边缘过滤和/或对象识别方法。
评估装置124可以被配置用于执行至少一个图像校正。图像校正可以包括至少一个背景减除。例如，通过在没有进一步照射的情况下进行成像，评估装置124可以适于从反射束轮廓中移除背景光的影响。
束轮廓的分析可以包括束轮廓的评估。束轮廓的分析可以包括至少一种数学运算和/或至少一种比较和/或至少一种对称化和/或至少一种滤波和/或至少一种归一化。例如，束轮廓的分析可以包括直方图分析步骤、差异度量的计算、神经网络的应用、机器学习算法的应用中的至少一个。评估装置124可以被配置用于对称化和/或归一化和/或过滤束轮廓，特别是从更大角度、记录边缘等下的记录中移除噪声或不对称。评估装置124可以通过移除高空间频率来过滤束轮廓，诸如通过空间频率分析和/或中值滤波等。可以通过光斑的强度中心和到中心相同距离处的所有强度的平均来执行汇总。评估装置124可以被配置为将束轮廓归一化为最大强度，特别是考虑到由于记录的距离引起的强度差异。例如，通过在没有照射的情况下进行成像，评估装置124可以被配置用于从反射束轮廓中移除来自背景光的影响。
反射特征可以覆盖或可以延伸超过图像的至少一个像素。例如，反射特征可以覆盖或可以延伸超过多个像素。评估装置124可以被配置用于确定和/或选择连接到和/或属于反射特征(例如光斑)的所有像素。评估装置124可以被配置为通过以下方式确定强度中心
Figure BDA0003764630820000601
其中，Rcoi是强度中心的位置，rpixel是像素位置，并且l＝∑jItotal，其中，j是与反射特征连接和/或属于反射特征的像素j的数量，并且Itotal是总强度。
评估装置124被配置用于通过反射特征的束轮廓的分析来确定每个反射特征的束轮廓信息。束轮廓信息可以包括关于已反射照射特征的表面点或区域的纵坐标的信息。此外，束轮廓信息可以包括关于已反射照射特征的所述表面点或区域的材料特性的信息。
束轮廓信息可以是已反射照射特征的表面点或区域的纵坐标。评估装置124可以被配置为通过使用光子深度比技术来确定每个反射特征的束轮廓信息。关于光子深度比(DPR)技术，参考WO 2018/091649 A1、WO 2018/091638 A1和WO 2018/091640 A1，其全部内容通过引用包含在内。
反射特征中的一个反射特征的束轮廓的分析可以包括确定束轮廓的至少一个第一区域和至少一个第二区域。束轮廓的第一区域可以是区域A1并且束轮廓的第二区域可以是区域A2。评估装置124可以被配置为整合第一区域和第二区域。评估装置124可以被配置为通过以下中的一个或多个来得出组合信号，特别是商Q：划分整合的第一区域和整合的第二区域，划分多个整合的第一区域和整合的第二区域，划分整合的第一区域和整合的第二区域的线性组合。评估装置124可以被配置用于确定束轮廓的至少两个区域和/或将束轮廓分割成包括束轮廓的不同区域的至少两个片段，其中这些区域的重叠是可能的，只要这些区域不一致。例如，评估装置124可以被配置用于确定多个区域，诸如两个、三个、四个、五个或多达十个区域。评估装置124可以被配置用于将光斑分割成束轮廓的至少两个区域和/或将束轮廓分割成包括束轮廓的不同区域的至少两个片段。评估装置124可以被配置用于确定至少两个区域在相应区域上的束轮廓的积分。评估装置124可以被配置用于比较至少两个确定的积分。具体地，评估装置124可以被配置用于确定反射束轮廓的至少一个第一区域和至少一个第二区域。束轮廓的第一区域和反射束轮廓的第二区域可以是相邻或重叠区域中的一个或二者。束轮廓的第一区域和束轮廓的第二区域在面积上可能不一致。例如，评估装置124可以被配置为将CMOS传感器的传感器区域划分为至少两个子区域，其中评估装置可以被配置为将CMOS传感器的传感器区域划分为至少一个左侧部分和至少一个右侧部分，和/或至少一个上部和至少一个下部，和/或至少一个内部和至少一个外部。另外地或可替代地，检测器110可以包括至少两个光学传感器120，其中第一光学传感器和第二光学传感器的光敏区域122可以布置成使得第一光学传感器适于确定反射特征的反射束轮廓的第一区域并且第二光学传感器适于确定反射特征的反射束轮廓的第二区域。评估装置124可适于整合第一区域和第二区域。评估装置124可以被配置用于使用商Q和纵坐标之间的至少一种预定关系来确定纵坐标。预定关系可以是经验关系、半经验关系和分析得出关系中的一种或多种。评估装置124可以包括用于存储预定关系(诸如查找列表或查找表)的至少一个数据存储装置。
束轮廓的第一区域可以包括束轮廓的基本上边缘的信息，并且束轮廓的第二区域包括束轮廓的基本上中心的信息，和/或束轮廓的第一区域可以基本上包括关于束轮廓的左侧部分的信息，并且束轮廓的第二区域基本上包括关于束轮廓的右侧部分的信息。束轮廓可以具有中心，即束轮廓的最大值和/或束轮廓的平台的中心点和/或光斑的几何中心，以及从中心延伸的下降边缘。第二区域可以包括横截面的内部区域并且第一区域可以包括横截面的外部区域。优选地，中心信息具有小于10％的边缘信息比例，更优选地小于5％，最优选地，中心信息不包括边缘内容。边缘信息可以包括整个束轮廓的信息，特别是来自中心和边缘区域的信息。边缘信息可以具有小于10％的中心信息比例，优选小于5％，更优选边缘信息不包括中心内容。如果束轮廓的至少一个区域靠近或围绕中心并且包括基本上中心的信息，则可以将束轮廓的至少一个区域确定和/或选择为束轮廓的第二区域。如果束轮廓的至少一个区域包括横截面的下降边缘的至少一部分，则可以将束轮廓的至少一个区域确定和/或选择为束轮廓的第一区域。例如，可以将横截面的整个区域确定为第一区域。
第一区域A1和第二区域A2的其他选择可能是可行的。例如，第一区域可以包括束轮廓的基本上外部的区域，而第二区域可以包括束轮廓的基本上内部的区域。例如，在二维束轮廓的情况下，束轮廓可以分为左侧部分和右侧部分，其中第一区域可以基本上包括束轮廓左侧部分的区域并且第二区域可以基本上包括束轮廓右侧部分的区域。
评估装置124可以被配置用于通过划分第一区域和第二区域，划分多个第一区域和第二区域，划分第一区域和第二区域的线性组合中的一项或多项来得出商Q。评估装置124可以被配置为通过以下方式得出商Q
Figure BDA0003764630820000621
其中x和y是横坐标，A1和A2分别是束轮廓的第一和第二区域，并且E(x,y)表示束轮廓。
评估装置124可以被配置为使用所确定的束轮廓信息来确定至少一个三维图像和/或3D数据。由相机记录的包括反射图案的一个或多个图像可以是一个二维图像或多个二维图像。如上概述，评估装置124可以被配置用于为反射特征中的每个反射特征确定纵坐标。评估装置124可以被配置用于通过将反射图案的一个二维图像或多个二维图像与相应反射特征的确定的纵坐标合并来生成3D数据和/或三维图像。
评估装置124可以被配置用于合并和/或融合确定的3D数据和/或三维图像以及从第一图像确定的信息，即至少一个几何特征及其位置，以便识别场景中的对象，特别是区域中的对象。
评估装置124被配置用于识别位于几何特征的图像区域内侧的反射特征和/或用于识别位于几何特征的图像区域外侧的反射特征。评估装置124可以被配置用于确定所识别的几何特征在第一图像中的图像位置。图像位置可以由几何特征的像素的像素坐标(例如x和y坐标)定义。评估装置124可以被配置用于确定和/或分配和/或选择第一图像中的几何特征的至少一个边界和/或界限。边界和/或界限可以由几何特征的至少一个边缘或至少一个轮廓给出。评估装置124可以被配置用于确定边界和/或界限内侧的第一图像的像素以及它们在第一图像中的图像位置。评估装置124可以被配置用于通过识别与几何特征的边界和/或界限内侧的第一图像的像素对应的第二图像的像素来确定与第一图像中的几何特征对应的第二图像的至少一个图像区域。
评估装置124被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定至少一个深度水平。包括对象的区域可以包括处于不同深度水平的多个元素。深度水平可以是第二图像的像素的深度图的区间或步长。如上概述，评估装置124可以被配置用于从反射特征的束轮廓确定反射特征中的每个反射特征的纵坐标。评估装置124可以被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的纵坐标确定深度水平。金属对象通常无法在第二图像中正确识别。然而，可以正确识别水平，这可以由所述金属对象的地面或覆盖物来定义，因为这些金属对象通常由纸板制成。图1示出一个示例，其中区域116包括对象112位于其上的表面134。评估装置124可以被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的深度水平来确定对象112所在的深度水平。
评估装置124被配置用于通过考虑深度水平和关于对象112的形状和/或大小的预定或预定义的信息来确定对象的位置和/或取向。例如，关于形状和/或大小的信息可以由用户经由用户界面132输入。例如，关于形状和大小的信息可以在附加测量中测量。如上概述，评估装置124被配置用于确定对象112所在的深度水平。此外，如果已知对象112的形状和/或大小，则评估装置124可以确定对象的位置和取向。
例如，在任务可能采用检测器110检测和测量至少一个对象112(诸如盒子中的瓶子)的情况下，检测器110(特别是光学传感器120)可以安装在机械臂142上，使得检测器110可以相对于盒子中的对象移动到不同的位置。任务可能是机器人应该移动到对象112并将其从盒子中取出。此外，用户详细了解对象112，在该示例中为瓶子，使得大小、形式和形状也可以是已知的并且可以被编程到评估装置124中。
光学传感器120可以确定二维图像和得到的3d深度图。深度图可以估计检测器110和对象112的位置。深度图也可能被不同的效果扭曲，如闪亮的对象，例如金属，和/或3D深度图可能是稀疏的。本发明提出通过与3d深度图对应的2d图像来获得附加信息。在瓶子的示例中，任务是检测盒子里的瓶子。此外，众所周知瓶子是旋转对称的。瓶子的某些特征可以帮助进行对象检测，例如圆形瓶盖。这可能会导致在2d图像中搜索圆形或椭圆体，以便采用图像处理算法进行对象检测。可以通过3d深度信息计算椭圆体的大小的粗略估计。对于详细的目标检测，在2d图像中检测到的椭圆体和检测器110与真实世界之间的已知投影关系可以用于确定真实世界中圆圈的大小和位置。检测器110与真实世界之间的投影之间的关系可以用于通过使用至少一个方程组来确定大小、位置和取向。
评估装置124被配置用于从位于几何特征的图像区域内侧和/或外侧的反射特征的束轮廓信息确定对象的至少一种材料特性。束轮廓信息可以包括关于已经反射照射特征的表面点或区域的材料特性的信息。对象112可以包括至少一个表面，照射图案投影在该表面上。该表面可以适于至少部分地将照射图案反射回检测器110。例如，材料特性可以是从由以下各项组成的组中选择的特性：粗糙度、光进入材料的穿透深度、将材料表征为生物或非生物材料的特性、反射率、镜面反射率、漫射率、表面特性、半透明度的度量、具体地是背向散射行为的散射等。该至少一个材料特性可以是选自由以下各项组成的组中的特性：散射系数、半透明度、透明度、与朗伯表面反射的偏差、散斑等。
评估装置124可以被配置用于确定已经反射照射特征的表面点的材料特性。检测器110可以包括至少一个数据库136，该数据库136包括预定义和/或预定材料特性的列表和/或表，诸如查找列表或查找表。材料特性的列表和/或表可以通过使用根据本发明的检测器110执行至少一种测试测量来确定和/或生成，例如通过使用具有已知材料特性的样品执行材料测试。材料特性的列表和/或表可以在制造商现场和/或由检测器110的用户确定和/或生成。材料特性可以另外分配给材料分类器，诸如材料名称、材料组(诸如生物或非生物材料、半透明或非半透明材料、金属或非金属、皮肤或非皮肤、毛皮或非毛皮、地毯或非地毯、反射或非反射、镜面反射或非镜面反射、泡沫或非泡沫、毛发或非毛发)、粗糙度组等中的一个或多个。数据库136可以包括包含材料特性和相关联的材料名称和/或材料组的列表和/或表。
评估装置124可以被配置用于通过评估反射特征的相应束轮廓来确定材料特性m。评估装置124可以被配置用于通过将至少一个材料相关图像滤波器Ф2应用于反射特征来确定至少一个材料特征
Figure BDA0003764630820000651
图像可以是二维函数f(x,y)，其中对于图像中的任何x、y位置给出亮度和/或颜色值。该位置可以对应于记录像素被离散化。亮度和/或颜色可以对应于光学传感器的位深度被离散化。图像滤波器可以是应用于束轮廓和/或束轮廓的至少一个特定区域的至少一种数学运算。具体地，图像滤波器Ф将图像f或图像中的关注区域映射到实数上，
Figure BDA0003764630820000652
其中
Figure BDA0003764630820000653
表示一个特征，特别是在距离相关图像滤波器的情况下的距离特征和在材料相关图像滤波器的情况下的材料特征。图像可能会受到噪声影响，并且特征也是如此。因此，特征可能是随机变量。特征可以是正态分布的。如果特征不是正态分布的，则可以诸如通过Box-Cox-Transformation将它们变换为正态分布。评估装置124可以被配置用于通过评估材料特征
Figure BDA0003764630820000654
来确定材料特性m。材料特征可以是或可以包括关于对象112的至少一种材料特性的至少一种信息。
材料相关图像滤波器可以是选自由以下各项组成的组中的至少一种滤波器：亮度滤波器；斑点状滤波器；平方范数梯度；标准差；平滑滤波器，诸如高斯滤波器或中值滤波器；基于灰度级发生的对比度滤波器；基于灰度级发生的能量滤波器；基于灰度级发生的同质性滤波器；基于灰度级发生的相异滤波器；劳氏能量滤波器；阈值区域滤波器；或其线性组合；或另外的材料相关图像滤波器Ф2other，其通过|ρФ2other,Фm|≥0.40与亮度滤波器；斑点状滤波器；平方范数梯度；标准差；平滑滤波器；基于灰度级发生的能量滤波器；基于灰度级发生的同质性滤波器；基于灰度级发生的相异滤波器；劳氏能量滤波器；或阈值区域滤波器；或其线性组合中的一个或多个相关，其中Фm是亮度滤波器；斑点状滤波器；平方范数梯度；标准差；平滑滤波器；基于灰度级发生的能量滤波器；基于灰度级发生的同质性滤波器；基于灰度级发生的相异滤波器；劳氏能量滤波器；或阈值区域滤波器；或其线性组合中的一个。另外的材料相关图像滤波器Ф2other通过|ρФ2other,Фm|≥0.60，优选地通过|ρФ2other,Фm|≥0.80与材料相关图像滤波器Фm中的一个或多个相关。
如上概述，检测器110可以被配置用于对包括对象112的区域116的元素的材料进行分类。与结构化光相比，根据本发明的检测器110可以被配置用于评估第二图像的反射特征中的每个反射特征，使得对于每个反射特征，可以确定关于其材料特性的信息。
评估装置124被配置用于通过考虑材料特性和关于对象的形状和/或大小的预定或预定义的信息来确定对象的至少一个位置和/或取向。通常，对象112的识别可能仅使用2d图像信息或3D深度图是可能的。然而，可以通过融合2d和3D信息来提高质量。对于光学3D测量，反射表面通常是有问题的。在反射表面的情况下，仅使用2d图像信息是可能的。在高度反射的对象的情况下，3d测量可能与错误的深度图有关。对于这种对象的识别，二维信息可能是必不可少的。
检测器110可以完全或部分集成到至少一个壳体138中。
关于用于确定对象112的位置的坐标系(其可以是检测器110的坐标系)，检测器可以构成坐标系140，其中检测器110的光轴形成z轴，并且其中另外可以提供垂直于z轴并且彼此垂直的x轴和y轴。作为示例，检测器110和/或检测器的一部分可以停留在该坐标系中的特定点处，诸如在该坐标系的原点处。在该坐标系中，可以将与z轴平行或反平行的方向视为纵向方向，并且将沿z轴的坐标视为纵坐标。垂直于纵向方向的任意方向可以被认为是横向方向，并且x-和/或y-坐标可以被认为是横坐标。
本发明可以应用于诸如机器人应用的机器控制领域。例如，如图1中所示，本发明可用于控制机械臂142的至少一个夹持器。如上概述，检测器110可被配置用于确定可以用于控制机械臂142的对象的位置，特别是金属对象的位置。例如，对象112可以是至少一件物品。例如，对象112可以是选自由以下组成的组中的至少一个对象：盒子、瓶子、盘子、一张纸、袋子、螺丝钉、垫圈、机加工金属件、橡胶密封件、塑料件、包装纸、包装材料。
参考编号列表
110 检测器
112 对象
114 照射源
116 区域
118 另外的照射源
120 光学传感器
122 光敏区域
124 评估装置
126 控制单元
128 第一滤波器元件
129 传递装置
130 数据存储装置
132 用户界面
134 表面
136 数据库
138 检测系统
140 坐标系
142 机械臂
引用的参考文献
US 2016/0238377 A1
WO 2018/091649 A1
WO 2018/091638 A1
WO 2018/091640 A1
“Lasertechnik in der Medizin:Grundlagen,Systeme,Anwendungen”,“Wirkungvon Laserstrahlung auf Gewebe”,1991,pages 171 to 266,Jürgen Eichler,TheoSeiler,Springer Verlag,ISBN 0939-097
R.A.Street(Ed.):Technology and Applications of Amorphous Silicon,Springer-Verlag Heidel-berg,2010,pp.346-349
WO 2014/198629 A1
Chen Guo-Hua et al.“Transparent object detection and location basedon RGB-D cam-era”,JOURNAL OF PHYSICS:CONFERENCE SERIES,vol.1183,1 March 2019,page 012011,XP055707266,GB ISSN:1742-6588,DOI:10.1088/1742-6596/1183/1/012011

Claims (12)

1.一种用于对象识别的检测器(110)，包括
-至少一个照射源(114)，其被配置用于将包括多个照射特征的至少一个照射图案投影到包括至少一个对象(110)的至少一个区域(116)上；
-具有至少一个光敏区域(122)的光学传感器(120)，其中，所述光学传感器(120)被配置用于确定包括所述区域的至少一个二维图像的至少一个第一图像，其中，所述光学传感器(120)被配置用于确定包括多个反射特征的至少一个第二图像，所述多个反射特征包括由所述区域(116)响应于所述照射特征的照射而生成；
-至少一个评估装置(124)，其中，所述评估装置(124)被配置用于评估所述第一图像和所述第二图像，其中，所述反射特征中的每个反射特征包括至少一个束轮廓，其中，所述评估装置(124)被配置用于通过反射特征的束轮廓的分析来确定所述反射特征中的每个反射特征的束轮廓信息，其中，所述束轮廓信息是关于所述光学传感器(120)的所述光敏区域(122)上的光斑的强度分布的信息，其中，所述评估装置(124)被配置用于使用所确定的束轮廓信息来确定至少一个三维图像，其中，所述第一图像的所述评估包括识别至少一个预定义或预定的几何特征，其中，所述评估装置(124)被配置用于识别位于所述几何特征的图像区域内侧的所述反射特征和/或用于识别位于所述几何特征的所述图像区域外侧的所述反射特征，
其中，所述评估装置(124)被配置用于从位于所述几何特征的所述图像区域内侧和/或外侧的所述反射特征的所述束轮廓信息确定至少一个深度水平，
其中，所述评估装置(124)被配置用于从位于所述几何特征的所述图像区域内侧和/或外侧的所述反射特征的所述束轮廓信息确定所述对象的至少一种材料特性，
其中，所述评估装置(124)被配置用于通过考虑所述深度水平和/或所述材料特性以及关于所述对象的形状和/或大小的预定或预定义的信息来确定所述对象的至少一个位置和/或取向。
2.根据前述权利要求所述的检测器(110)，其中，所述第一图像和所述第二图像在不同时间点被确定。
3.根据前述权利要求中任一项所述的检测器(110)，其中，所述几何特征是选自由以下各项组成的组的所述对象(112)的至少一个特性元素：形状、至少一个边缘的相对位置、至少一个钻孔、至少一个反射点、至少一条线、至少一个表面、至少一个圆、至少一个圆盘、整个对象(112)、所述对象(112)的一部分。
4.根据前述权利要求中任一项所述的检测器(110)，其中，所述评估装置(124)包括至少一个数据存储装置(130)，其中，所述数据存储装置(130)包括几何特征和/或关于所述对象(112)的形状和/或大小的预定或预定义的信息的至少一个表和/或至少一个查找表。
5.根据前述权利要求中任一项所述的检测器(110)，其中，所述检测器(110)包括至少一个第一滤波器元件(128)，其中，所述第一滤波器元件(128)被配置用于透射红外光谱范围中的光和用于至少部分地阻挡其他光谱范围的光。
6.根据前述权利要求中任一项所述的检测器(110)，其中，所述照射图案包括具有低点密度的至少一个周期性点图案，其中，所述照射图案每个视野具有≤2500个点。
7.根据前述权利要求中任一项所述的检测器(110)，其中，所述检测器(110)包括至少一个控制单元(126)，其中，所述控制单元(126)被配置用于控制所述光学传感器(120)和/或所述照射源(114)，其中，所述控制单元(126)被配置用于触发所述照射图案的投影和/或所述第二图像的成像。
8.根据前述权利要求所述的检测器(110)，其中，所述控制单元被配置用于调整投影所述照射图案的曝光时间。
9.根据前述权利要求中任一项所述的检测器(110)，其中，所述评估装置(124)被配置用于通过使用光子深度比技术来确定所述反射特征中的每个反射特征的所述束轮廓信息。
10.根据前述权利要求中任一项所述的检测器(110)，其中，所述光学传感器(120)包括至少一个CMOS传感器。
11.一种用于对象识别的方法，其中，使用根据前述权利要求所述的至少一个检测器(110)，其中，所述方法包括以下步骤：
a)将包括多个照射特征的至少一个照射图案投影到包括至少一个对象(112)的至少一个区域(116)上；
b)使用光学传感器(116)确定包括所述区域(116)的至少一个二维图像的至少一个第一图像，其中，所述光学传感器(120)具有至少一个光敏区域(122)；
c)通过使用所述光学传感器(120)确定包括多个反射特征的至少一个第二图像，所述多个反射特征包括由所述区域(116)响应于所述照射特征的照射生成的多个反射特征；
d)通过使用至少一个评估装置(124)评估所述第一图像，其中，所述第一图像的所述评估包括识别至少一个预定义或预定的几何特征；
e)通过使用所述评估装置(124)评估所述第二图像，其中，所述反射特征中的每个反射特征包括至少一个束轮廓，其中，所述第二图像的所述评估包括通过反射特征的束轮廓的分析来确定所述反射特征中的每个反射特征的束轮廓信息，以及使用所确定的束轮廓信息来确定至少一个三维图像；
f)通过使用所述评估装置(124)识别位于所述几何特征内侧的所述反射特征和/或用于识别位于所述几何特征外侧的所述反射特征；
g)通过使用所述评估装置(124)从位于所述几何特征内侧和/或外侧的所述反射特征的所述束轮廓信息确定至少一个深度水平；
h)通过使用所述评估装置(124)从位于所述几何特征的所述图像区域内侧和/或外侧的所述反射特征的所述束轮廓信息确定所述对象(112)的至少一种材料特性；
i)通过使用所述评估装置(124)通过考虑所述深度水平和/或所述材料特性以及关于所述对象(112)的形状和/或大小的预定或预定义的信息来确定所述对象(112)的至少一个位置和/或取向。
12.根据涉及检测器的前述权利要求中任一项所述的检测器(110)的用途，为了使用的目的，所述用途选自由以下组成的组：交通技术中的位置测量；娱乐应用；安保应用；监视应用；安全应用；人机界面应用；跟踪应用；摄影应用；成像应用或相机应用；用于生成至少一个空间的地图的地图绘制应用；车辆的归位或跟踪信标检测器；户外应用；移动应用；通信应用；机器视觉应用；机器人应用；质量控制应用；制造应用。
CN202180011134.1A 2020-01-31 2021-01-29 用于对象识别的检测器 Pending CN115023735A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20154961 2020-01-31
EP20154961.5 2020-01-31
PCT/EP2021/052075 WO2021152070A1 (en) 2020-01-31 2021-01-29 Detector for object recognition

Publications (1)

Publication Number Publication Date
CN115023735A true CN115023735A (zh) 2022-09-06

Family

ID=69423219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180011134.1A Pending CN115023735A (zh) 2020-01-31 2021-01-29 用于对象识别的检测器

Country Status (6)

Country Link
US (1) US20230078604A1 (zh)
EP (1) EP4097640A1 (zh)
JP (1) JP2023512280A (zh)
KR (1) KR20220134753A (zh)
CN (1) CN115023735A (zh)
WO (1) WO2021152070A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11860292B2 (en) 2016-11-17 2024-01-02 Trinamix Gmbh Detector and methods for authenticating at least one object
CN117836806A (zh) * 2021-08-23 2024-04-05 特里纳米克斯股份有限公司 从明暗恢复形状
WO2023139254A1 (en) 2022-01-24 2023-07-27 Trinamix Gmbh Enhanced material detection by stereo beam profile analysis
WO2023156460A1 (en) * 2022-02-15 2023-08-24 Trinamix Gmbh Method and device for characterizing an object for authentication
WO2023156469A1 (en) * 2022-02-15 2023-08-24 Trinamix Gmbh System and method for determining a material of an object
WO2023170129A1 (en) 2022-03-09 2023-09-14 Trinamix Gmbh 8bit conversion

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9389315B2 (en) 2012-12-19 2016-07-12 Basf Se Detector comprising a transversal optical sensor for detecting a transversal position of a light beam from an object and a longitudinal optical sensor sensing a beam cross-section of the light beam in a sensor region
JP2016529473A (ja) 2013-06-13 2016-09-23 ビーエーエスエフ ソシエタス・ヨーロピアＢａｓｆ Ｓｅ 少なくとも１つの物体を光学的に検出する検出器
FI20135961A (fi) 2013-09-25 2015-03-26 Aalto Korkeakoulusäätiö Mallinnusjärjestely ja menetelmät ja järjestelmä kolmiulotteisen pinnan topografian mallintamiseksi
EP3571522B1 (en) 2016-11-17 2023-05-10 trinamiX GmbH Detector for optically detecting at least one object

Also Published As

Publication number Publication date
WO2021152070A1 (en) 2021-08-05
JP2023512280A (ja) 2023-03-24
US20230078604A1 (en) 2023-03-16
KR20220134753A (ko) 2022-10-05
EP4097640A1 (en) 2022-12-07

Similar Documents

Publication Publication Date Title
US11989896B2 (en) Depth measurement through display
US20230078604A1 (en) Detector for object recognition
CN113574406A (zh) 用于识别至少一种材料特性的检测器
US20230081742A1 (en) Gesture recognition
US20230403906A1 (en) Depth measurement through display
US11906421B2 (en) Enhanced material detection by stereo beam profile analysis
US20240037201A1 (en) Optical skin detection for face unlock
US20240027188A1 (en) 8bit conversion
US11995857B2 (en) Shape-from-shading
CN118159870A (zh) 涉及多波长投影仪的扩展材料检测
US11920918B2 (en) One shot calibration
WO2023072905A1 (en) Extended material detection involving a multi wavelength projector
WO2023041761A1 (en) Emitter array with two or more independently driven areas
WO2023083784A1 (en) Recalibration of a 3d detector based on structured light

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