用于测定机动车的车轮或车轴几何形状的方法和测量装置

摘要

本发明涉及一种用于测定机动车（2）的车轮或车轴几何形状的方法，在该方法中设置了以下步骤：在至少一个车轮（3）和/或所述机动车（2）的运动（B）过程中用结构化的光线并且用非结构化的光线来照射车轮区域；在照射过程中采集所述车轮区域的多幅图像用于编制具有所检测的车轮区域的表面参数的三维的表面模型、具有所检测的车轮区域的结构参数的结构模型以及具有所检测的车轮区域的运动参数的运动模型；通过变分计算根据所采集的图像来计算用于所述表面参数、结构参数和运动参数的数值用于将三维的表面模型、结构模型和运动模型与所采集的图像的图像数据之间的偏差降低到最低限度；并且根据所计算的运动参数的数值来确定所述车轮（3）的旋转轴线和/或旋转中心。

权利要求

1.用于测定机动车（2）的车轮或车轴几何形状的方法，包括以下步骤：

在至少一个车轮（3）和/或所述机动车（2）的运动（B）过程中用结构化的光线并且用非结构化的光线来照射车轮区域；

在照射过程中采集所述车轮区域的多幅图像用于编制具有所检测的车轮区域的表面参数的三维的表面模型、具有所检测的车轮区域的结构参数的结构模型以及具有所检测的车轮区域的运动参数的运动模型；其中，从用结构化照射的图像中获得三维的表面模型并且从用非结构化照射的图像中获得二维的灰度值图像，所述二维的灰度值图像用于在表面模型的范围内测定表面结构,通过变分计算根据所采集的图像来计算用于所述表面参数、结构参数和运动参数的数值以用于将所述三维的表面模型、结构模型和运动模型与所采集的图像的图像数据之间的偏差降低到最低限度；并且根据所计算的运动参数的数值来确定所述车轮（3）的旋转轴线和/或旋转中心，其特征在于，通过将灰度值图像的灰度值信息分配给表面模型的表面点获得运动参数。

2.按权利要求1所述的方法，此外包括以下步骤：

在机动车（2）和/或车轮（3）静止时用结构化的光线并且用非结构化的光线来照射车轮区域；

在照射过程中采集所述车轮区域的多幅图像用于产生所述车轮（3）的测量图像数据；

在所述表面参数和结构参数的数值固定时通过变分计算来如此改变所述运动参数的数值，使得所述三维的表面模型、结构模型和运动模型与所述测量图像数据之间的偏差变得最小；并且根据所述运动参数的改变了的数值来测定所述车轮的轮距、车轮外倾、法向矢量和平移矢量。

3.按权利要求1所述的方法，其中所述车轮区域的图像在为了确定三维的散点图而用结构化的光线进行照射的过程中借助于三角测量作为图像数据或者测量图像数据由立体摄像机来采集。

4.按权利要求2所述的方法，其中所述车轮区域的图像在为了确定三维的散点图而用结构化的光线进行照射的过程中借助于三角测量作为图像数据或者测量图像数据由立体摄像机来采集。

5.按权利要求1-4中任一项所述的方法，其中所述车轮区域的图像在为了确定二维的灰度值图像而用非结构化的光线进行照射的过程中作为图像数据或者测量图像数据来采集。

6.按权利要求1-4中任一项所述的方法，其中所述结构化的光线包括有规律的光线图案。

7.按权利要求6所述的方法，其中所述光线图案是光点（18）或者光带。

8.按权利要求1-4中任一项所述的方法，其中从所述旋转轴线和旋转中心中检测车轮的轮辋跳动。

9.按权利要求1-4中任一项所述的方法，其中所述变分计算包括以下步骤：将由第一、第二和第三项构成的总和降低到最低限度，其中所述第一项包括所检测到的灰度值图像数据与经受所述运动模型的并且映射到所述三维的表面模型上的结构参数的投影之间的偏差尺寸，其中所述第二项包括从所采集的图像中确定的三维的散点图与经受所述运动模型的三维的表面参数之间的偏差尺寸，并且其中所述第三项包括所述运动模型的标准，该运动模型依赖于通过所述运动参数和运动学参数进行的几何变换。

10.按权利要求9所述的方法，其中所述第一、第二和第三项分别包括一个加权因数α、β、γ。

11.按权利要求1-4中任一项所述的方法，其中所述用于表面参数、结构参数和运动参数的数值的计算在考虑到所述机动车（2）的同一根车轴的多个不同的车轮（4、6）的图像数据的情况下进行。

12.按权利要求1-4中任一项所述的方法，其中此外对与所述车轮区域邻接的车身区域（17）进行检测并且关于所检测的像点相对于车轮（3）或者车身区域（17）的关系完成分割处理。

13.按权利要求9所述的方法，其中所述总和具有第四项，该第四项包括分割项的标准，所述分割项依赖于经受所述运动模型的并且映射到所述三维的表面模型上的结构参数并且依赖于经受所述运动模型的三维的表面参数。

14.按权利要求12所述的方法，其中根据所述分割情况来检测用于确定所述机动车（2）的高度水平h的车轮罩上棱边（19）。

说明书

用于测定机动车的车轮或车轴几何形状的方法和测量装置

技术领域

[0001] 本发明涉及用于测定机动车的车轮或车轴几何形状的一种方法和一种测量装置。比如这在用于测定机动车上的轮矩或车轮外倾的三维的底盘测量中可以通过光学的测量技术并且尤其根据以数字方法采集的机动车的图像来进行。

背景技术

[0002] 在过去，在大多数情况下使用光学方法来进行底盘测量，对于这些光学方法来说必须将具有光学的信号指示或者标记的专用测量适配器（Messadapter）固定在相应的车轮上并且随后用图像技术对其进行分析。相应的方法比如在DE 197 57 760中得到公开。因为相应的辅助器件在机动车或者车身上的安装十分耗时，所以开发了其它的测量方法，所述测量方法能够在机动车上不进行安装或改动的情况下进行测量。

[0003] 在EP 280941中比如将激光线投影到车轮上，该车轮局部地在滚轮组中旋转。在该文献中所解释的用于所得到的测量值的分析方法明确要求车轮仅仅局部旋转。光点或者光带的形式的结构化的照射以及随后对所得到的图像数据进行的分析也在EP 1 505 367 A2并且也在DE 10 2006 048 725.7中得到解释。

[0004] 不利的是，传统的用于进行车轴测量的方法要么必须使用安置在机动车上的动态地通过图序来跟踪的特征。在此人工安置的特征应该通过维修厂很麻烦地安置在机动车上。此外，已知的图像处理及分析方法经常要求车轮仅仅局部地旋转并且比如不使机动车运动。对于使用结构投影的分析及检测方法来说，一般无法识别车轮转动。尤其即使在机动车从旁边驶过时也只能以较低的精确度确定轮辋跳动（Felgenschlag）。

发明内容

[0005] 因此，值得追求的是，提供一种得到改进的用于测定机动车的车轴或车轮几何形状的方法。

[0006] 由此公开一种用于测定或计算车轴几何形状的方法，对于该方法来说在至少一个车轮和/或所述机动车的运动过程中用结构化的光线并且用非结构化的光线来照射车轮区域；在照射过程中产生所述车轮区域的多幅图像用于编制具有所述车轮区域的表面参数的三维的表面模型、具有所述车轮区域的结构参数的结构模型以及具有所述车轮区域的运动参数的运动模型。通过变分计算根据所采集的图像来计算用于所述表面参数、结构参数和运动参数的数值用于将三维的表面模型、结构模型和运动模型与所采集的图像的图像数据之间的偏差降低到最低限度。最后根据所计算的运动参数的数值来测定所述车轮的旋转轴线和/或旋转中心。

[0007] 由此借助于比如光带、光点可者其它有规律的图案的形式的结构化的照射，在一定程度上采集到滚动的车轮的立体图。这能够比如通过三角测量或者至少通过三维的散点图的编制来编制表面模型。所述结构参数比如相应于在用非结构化的或者散射的光线进行照射时产生的二维的灰梯值。通过对运动模型的额外的考虑，获得车轮以及比如机动车的部件比如挡泥板或车轮罩的特别稳定而广泛的三维的模型。从点测量中也就是说在机动车从旁边驶过的过程中进行结构化的照射时来测定相应的车轮的旋转轴线，由此可以作为运动模型进行运动学的建模。运动模型与表面模型及结构模型的组合提供一种特别可靠的能够继续使用的三维模型。

[0008] 此外，在扩展所述方法时设置了以下方法步骤：在机动车和/或车轮静止时用结构化的光线并且用非结构化的光线来照射车轮区域；在照射过程中采集所述车轮区域的多幅图像用于产生车轮的测量图像数据；在表面参数和结构参数的数值固定时通过变分计算来如此改变所述运动参数的数值，从而将三维的表面模型、结构模型和运动模型与所述测量图像数据之间的偏差降低到最低限度；并且根据所述运动参数的改变了的数值来测定所述车轮的轮矩、车轮外倾以及法向矢量和/或平移矢量。

[0009] 因而在首先为了编制用于运动的车轮或者机动车的三维的模型而实施校准过程时，在单个测量过程中比如在机动车停止时在实际上测定车轴几何形状。车轴几何形状的测定可以在动用变分法的情况下或者在优化任务的范围内再度进行，据此作为结果求得相应的用于模型参数的数值。而后根据所述模型参数可以推导出对于车轮几何形状或者车轴几何形状来说重要的参量。

[0010] 在相应的变分计算中，可以将由第一项、第二项和第三项构成的总和减小到最低限度。所述第一项比如相应于所检测到的灰度值图像数据与经受所述运动模型的且映射到三维的表面模形上的结构参数的投影之间的偏差尺寸。所述第二项可以包括从所采集到的图像中确定的三维的散点图与经受所述运动模型的三维的表面参数之间的偏差尺寸。所述第三项比如相应于所述运动模型的标准，该运动模型依赖于通过运动参数和运动学参数的几何变换。此外，所述这些项可以设有加权因数。所述三项分别相应于表面模型、结构模型和运动模型。

[0011] 也可以设想，将同一车轴上的不同的车轮用作用于计算用于表面参数、结构参数和运动参数的数值的基础。而后获得比在仅仅考虑到仅仅一个唯一的车轮时多的支撑点。

[0012] 此外，在所述方法的一种变型方案中，对一个与所述车轮区域邻接的车身区域进行检测，并且关于所检测到的像点相对于车轮或者车身区域之间的关系完成分割处理（Segmentierung）。

[0013] 相应地，变分计算中的总和可以包括第四项，该第四项相应于分割项的标准。所述分割项通常依赖于经受所述运动模型的并且映射到三维的表面模型上的结构参数以及经受所述运动模型的三维的表面参数。所述分割比如可以用于测定机动车的高度水平。

[0014] 此外，公开了一种测量装置，该测量装置适合于实施相应的用于测定车轮或车轮几何形状的方法。该测量装置拥有一个用于用结构化的光线并且用非结构化的光线对机动车的至少一个车轮区域进行照射的照射装置、至少一个用于采集车轮区域的图像数据或者测量图像数据的摄像装置以及一个控制及分析装置，所述控制及分析装置如此构成，从而实施前面所说明的方法。测量装置比如可以设置在维修厂中或者设置为测量地点。

[0015] 此外，本发明涉及一种计算机程序产品，该计算机程序产品促使在程序控制的计算机或控制装置上实施相应的方法。作为程序控制的计算机或控制装置比如考虑使用用于控制和调节所述测量装置的个人电脑或者操纵台的计算机，在所述个人电脑或计算机上安装了相应的软件。所述计算机程序产品比如可以以数据载体比如USB记忙棒、软盘、CD-ROM、DVD的方式来实现或者也可以作为能够下载的程序文件在服务器装置上来实现。

[0016] 本发明的其它设计方案是从属权利要求以及本发明的在下面所说明的实施例的主题。

附图说明

[0017] 下面借助于实施例参照附图对本发明进行详细解释。其中：

[0018] 图1是用于测定车轴几何形状的方法的流程图；

[0019] 图2是用于测定车轴几何形状的测量装置的示意图；

[0020] 图3是非结构化的和结构化的照射的示意图；

[0021] 图4是用于校准过程的方法步骤的次序；

[0022] 图5是用于测量过程的方法步骤的次序；

[0023] 图6是用于对车身的高度水平进行解释的示意图；并且

[0024] 图7是用于对分割进行解释的示意图。

[0025] 在附图中相同的或者功能相同的元件，只要未作其它说明都配有相同的附图标记。

具体实施方式

[0026] 在图1中示出了用于一种用于测定机动车的车轮或车轴几何形状的方法的流程图。在此方法步骤S1和S2说明了用于确定机动车的车轮区域的三维模型的校准过程。步骤S3和S4表示在机动车上进行的单个测量，所述单个测量用于测定车轮或车轴几何形状的相应的参量。在步骤S5中说明结果，比如车轮的轮距或者外倾。

[0027] 在步骤S1中由此在比如交替地进行结构化的或者非结构化的照射时采集车轮区域的多幅单张图像。所述结构化的照射和摄影要么可以用立体摄影机要么可以用单片摄影机（Monokamera）来进行。这能够对表面进行三维检测，而在进行非结构化的照射时比如在使用散射的光线时所摄影的图像则产生用于各个像点的二维的灰度值刻度。机动车在校准过程中进行运动，从而也可以检测车轮旋转。比如可以在有待测量的机动车从设置在维修厂中的测量装置旁边驶过时进行所述校准过程。

[0028] 在后续步骤S2中，借助于表面模型、结构模型和运动模型来编制用于所检测的车轮区域的三维的模型。所述三维模型的分量在此具有表面参数、结构参数和运动参数。用于所述参数的相应的数值从变分计算中获得，其中作为支撑点可以使用来自所述结构化的和非结构化的照射的图像数据。通过在步骤S2中的建模，可以从所述运动参数的数值中检测车轮的旋转轴线或者旋转中心。

[0029] 为了随后在步骤S3中进行单个测量，使机动车在停止时同样经受结构化的和非结构化的照射，其中相应地进行摄影。随后在步骤S4中调整已经存在的三维模型，但是其中改变所述运动参数。

[0030] 从所述运动参数中可以求得车轮的轮矩、车轮外倾、法向矢量及平移矢量，在车轮或者说车轴测量步骤S5中输出这些矢量。

[0031] 图2示出了适合于实施所述方法的测量装置。该测量装置1比如在机动车2的车轮3、4、5、6的大概可能的位置上拥有照射装置7、8、9、10以及检测装置或者摄像机11、12、13、14。在图2中示意性地示出了机动车2连同四个车轮3、4、5、6，该机动车2比如在校准过程中沿着照射装置和摄像机运动，这通过箭头B来示出。在运动之后存在的位置用附图标记2’、3’、4’、5’、6’来表示。

[0032] 所述照射装置7、8、9、10适合于产生结构化的和非结构化的照射效果，如光带、光栅或者有规律的光点布置结构。摄像机11、12、13、14将相应的控制或图像信号CT提供给控制及分析计算机15。该控制及分析计算机15也对测量过程进行协调，从而比如实施在图1中示出的方法流程。

[0033] 在校准过程中，用交替地结构化的和非结构化的照射来摄影多幅单张图像。这用于产生一个共同的3D模型并且用于确定旋转轴线和车轮中心。对于每次接下来的单个测量也就是真正的用于求得车轴或车轮几何形状的测量过程来说，用在图2中示出的摄像机系统来摄影车轮。图3示出了具有结构化的光线（图3A和3C）和非结构化的光线（图3B和3D）的照射或者说摄影状况的次序。在此示范性地示出了在相应的照射下处于有待测量的车轮3的附近的车身部件17。为了示出车轮3的运动，绘出了标记16。图3A、3B、3C和3D的次序相应于时间曲线T=1、2、3和4。相应地，所述标记16根据车轮3的旋转来运动。

[0034] 为了摄像并且求得三维的表面模型，可以使用立体摄影机装置。对于在时刻T=1和T=3的每张结构化地照射的单张图像来说，用合适的分割方法（比如阈值方法）来将所投影的用附图标记18来表示的测量点从立体图像对中与背景分开。而后，借助于随后的三角测量来将来自于立体摄像机的相应的右边及左边的图像的测量点分配给彼此。接着，从分配关系中得到的不匹配性确定测量点18的深度值（Tiefenwert），由此三维的测量点作为测量目标或者说车轮3的分散的表面点Sj来获得。这些表面点比如可以作为三维的表面网O（pOM）来示出。

[0035] 在时间上先后相随的受到结构化的照射的摄影过程中，继续移动测量目标（比如按照从旁边驶过的进入到维修车间中的机动车）。由此，测量点18在后来的时刻落在测量目标表面的与在此前摄影图像的时刻不同的部位上。运动学模型在使用受到结构化照射的图像的情况下可以确定测量目标或者说机动车和车轮的平移。这比如可以通过合适的分配方法来进行，对于所述合适的分配方法来说可以使来自于不同的时刻的图像的高度数值在空间上彼此相关联。

[0036] 通常仅仅根据受到结构化照射的图像无法编制也对旋转和局部的变形加以考虑的运动学模型。对于最后的情况来说，额外地需要关于灰度值的信息。

[0037] 对以非结构化的照射来摄影的灰度值图像（图3B和3C）进行处理并且将灰度值信息分配给从以结构化的照射拍摄的图像中（图3A和3C）产生的表面点Sj，由此可以在总坐标系中描绘欧几里德运动Mj（pOM），其中pOM代表着相应的表面模型参数。结构化的照射与非结构化的照射的摄影之间的时间优选较小，用于避免移动。此外，相应的照射时间优选选择得如此之短，从而不出现图像的拖尾，而是对于随后的图像处理来说存在着足够分辨的和清晰的图像。

[0038] 这里将结构化的/非结构化的照射或者说以结构化的/非结构化的照射进行的摄影这些表述用作同义词。

[0039] 受到结构化和非结构化的照射的图像的组合的示意图相应于用三角测量的表面连同映射或者说描绘到其上面的结构。相应的示意图比如可以在已知的用于几乎每种操作系统的软件OpenGL下面获得。基础的OpenGL标准在此提供数百条指令，这些指令允许复杂的3D场景的实时显示并且直接通过所使用的计算机的显卡来执行。就这一点而言，相应的计算能够有效且快速地实施。

[0040] 现代的比如可以用在图2的分析计算机15中的显卡配有图像和结构存储器。图像在此可以作为Bitmap存放在显卡的存储器中。为将所检测到的结构转换或者映射到所检测的表面点上，比如在准标准OpenGL下面合适的指令可供使用。由此数字的彩色图像可以与 3D高度信息相结合，用于产生真实场景的虚拟显示。这些机构优选用于编制用于有待检查的机动车的车轮区域的三维模型。然后从所述虚拟的（数学的）示意图中可以在单个测量过程中推导出车轴几何或车轮几何的数值如车轮外倾或轮距，下面还要详细地对单个测量过程进行详细解释。

[0041] 将所检测的可以用所使用的运动学模型K以所采集的图序通过旋转来说明的表面点识别或者说确定为车轮的表面点。相应地所述车身部件如挡泥板或车轮罩上的表面点也可以通过运动学的运动模型来描绘。因为通常在进行无接触的测量时也就是仅仅借助于图像采集来进行测量时车身上较少的灰度值特征可供使用，所以这些表面点可以在校准过程中额外地用于确定当前的平移。在关于全部的关于图4中的流程得到详细解释的图序的优化中，通过3D表面模型对车轮上的表面点进行配合处理（fitten）。作为3D模型比如可以使用三角测量术（Dreiecksvermaschung）、多项式或者B-样条函数。通过校准过程（图1中的步骤S1和S2）提供的图像越多，在通过所述模型进行优化时就越接近所述表面点。在校准时车轮的法向矢量而后如比如在DE 102006048725.7中所解释的一样提供用于确定轮辋跳动的测量值。随着校准过程而结束车轮的轮辋跳动的确定过程，车轮的轮辋跳动对于借助于随后的单个测量来精确求取轮矩值和车轮外倾值这个过程来说是必要的。

[0042] 也可以取代上面提到的立体摄像机而使用单片摄像机装置。基本上如上面所说明的一样用相应经过校准的照射装置来进行用于单一摄像机系统的校准过程。但是差别在于相对于摄像机对光源进行的校准。表面的在摄影的每个时刻的3D测量点Sj通过而后已知的校准参数借助于三角测量来算出。为此必要的方法为人所知。如上面所说明的一样，从在没有结构照射的情况下拍摄的图像中又编制3D表面模型并且为其配设结构（Textur）。

[0043] 在图4中示出了用于校准过程的更为详细的方法步骤。在此原则上进行摄影（步骤T1），对所得到的图像数据进行预处理（步骤T2）并且随后实施有待作为基础的三维模型的优化。从中在使用相应的运动参数或者说通过所述优化得到的用于运动参数的数值的情况下得到暂时的车轴几何形状（步骤T4）。

[0044] 下面作为实例对运动模型、表面模型和结构模型的可能的实施方式进行详细解释。在图4的右边，在方框BL中示出了交替的结构化的和非结构化的照射T7、T8、T9。在此示范性地说明的时间轴线从左往右延伸。由于机动车从旁边行驶而产生行驶运动或者滚动运动，在这过程中用时间上和/或空间上交替的结构化的照射来拍摄图序并且比如通过在图2中示出的摄像机11-14来拍摄目标的固有结构。可选可以实施在下面得到说明的分割T9、T9’、T9’’。以结构化的照射T7、T7’采集的图像能够实现摄影对象的三维的再现，也就是相应的车轮以及可选车身的额外的部件的三维的再现。散射的或者非结构化的照射T8用于求得二维的灰度值图像，所述二维的灰度值图像用于在用于摄影对象的表面模型的范围内测定表面结构。为改进灰度值图像，可以进行滤波T10’。

[0045] 为构建车轮以及可选车身的相应的3D表面模型，可以对车轮表面进行三角测量并且此外将其分配给结构信息。在数学上可以测定三维建模的以下示范性的元素。

[0046] O（pOM）是关于模型参数pOM的表面模型的3D描绘。对于经过三角测量的表面来说，pOM比如在车轮或者车身的局部的模型坐标系中是三角测量术的点坐标的相应的矢量，其中pOM=（x1、y1、z1、……XN、YN、zN），其也可以称为表面模型的表面参数。

[0047] 表面模型上的结构的参数化描述比如通过矢量T(O(pOM))来进行。这比如可以通过来自于通过非结构化的照射推导出来的图像数据的灰度值信息的点状的分配来进行。表面模型的三角形上的所推导的信息如梯度或者棱边结构可以用作相应的结构参数。

[0048] 所述表面模型的相对于相应的摄影时刻j的运动可以通过几何的变换M（j pOM）来说明。这比如可以作为欧几里德运动Mj=[Rj,tj]来进行，其中Rj、tj分别是模型坐标pOM=（x1、y1、z1、……XN、YN、zN）在总坐标系中的比如相对于行车道平面的旋转和平移。在所有时刻j=1…M的相应的运动参数合并在矢量M=（M1、M2、…MM）中。

[0049] 运动学的建模K用运动学参数pK来进行。这个动力学的建模能够以一般的形式作为具有K（pK、M）=0的函数来示出。车身的假想的直线的运动比如可以表达为 。也可以假设车轮模型的以指定的相对于车身的关系进行的运动。

[0050] 将在时刻j对结构点或者线条进行的3D测量合并在矢量Sj中。这比如可以是结构化的点测量的3D坐标（xij、yij、zij），也就是说Sj=（x1j、y1j、z1j、x2j、y2j、z2j…）。类似的散点示意图也在DE 102006048725.7中得到公开和解释。

[0051] 现在通过所述图序对3D表面模型的模型参数pOM、结构参数T(O(pOM))和运动参数Mj(pOM)进行优化，使得测量与建模之间的误差变得最小。这在图4中作为步骤T3或者说步骤T11-T14来示出。为确定所述运动参数、运动学参数、表面参数和结构参数的数值，在考虑到表面模型T11、结构模型T12和运动及运动学模型T14的情况下进行优化。为了作为结果来编制完整的三维模型T13，应该解决优化任务：

[0052] （1）

[0053] 所产生的最小化问题具有以下部分：第一项代表着在摄影时刻j结构化的3D模型进入到图像平面中的3D投影P与所测量的和必要时经过滤波的图像信号gj之间的差异：

[0054] （2）

[0055] 在此，通过将用于所述结构和投影的运动模型Mj（pOM）考虑在内的方法能够较好地接近于二维的灰度图像数据gj。可以将所述第一项理解为所检测到的灰度值数据与经受所述运动模型的投影的且映射到所述三维的表面模型上的结构参数之间的偏差尺寸。距离或者偏差的计算通过被投影P所遮盖的图像区域G来进行。相应的处理方式比如在新西兰Akaroa的Landcare Research Ltd的B. Rosenhanh、H. Ho和B. Klette的Image and Vision Computing 2004第309-314页2004年的“Block matching based on 2D-3D pose estimation”中得到详细说明。

[0056] 方程式（1）中的第二项相应于所述3D表面模型O(Mj(pOM))与在相应的时刻j结构投影的测量Sj之间的间距或偏差并且可以表达为：

[0057] （3）

[0058] 在此通过区域O进行积分，该区域O以可见方式用在相应的图像中。在此考虑到所述结构投影的所有测量Sj。所述第二项可以理解为从所采集的图像中确定的三维的散点图与经受运动模型的三维的表面参数之间的偏差尺寸。

[0059] 最后，所述第三项包括相应的运动学的运动建模：

[0060] （4）

[0061] 该第三项可以理解为运动模型的标准，所述运动模型依赖于通过所述运动参数和运动学参数进行的几何上的变换。

[0062] 加权系数α、β和γ是用于在优化过程中对各个分量进行加权的因数并且比如从模拟或者说检验测量（Testmessungen）的结果中来选择。

[0063] 参数的真正的优化优选用已知的变分法来进行。这方面的实例在Int. Journal of Computer Vision第67卷第2期第141-158页2006年4月的papenberg et al.“Highly accurate optic flow computation with theoretically justified warping”中得到说明。其它已知的变分法在Numerical. Recipes in C/C++;the Art of Scientific Computing, Cambridge University Press 2002中得到解释。为了进行相应的模型参数的初始化，比如可以使用在DE 102006048725.7中说明的方法。

[0064] 对所述运动参数M的数值的了解允许关于总坐标系来计算旋转轴线或者说旋转中心（步骤T4或者说T15）。由此比如可以计算底盘几何形状，比如轮距和车轮外倾。比如在DE 10 2006 035 924 A1中说明了相应的计算方法。

[0065] 作为校准过程的最后用于接下来在机动车静止时的测量的结果，在此得到所述模型pOM的参数的数值、用于所述模型的表面结构参数的数值并且此外得到所使用的运动学模型pk的所选择的参数比如旋转中心和旋转轴线的关于模型描绘的位置。

[0066] 在所述校准过程的一种变型方案中，也可以取代用于每个车轮区域的相应的三维的模型来编制用于一根车轴的车轮的共同的3D模型。因为通常在一根轴上安装了相同的轮辋和轮胎，所以可以借助于两个车轮的测量数据来编制相应的3D模型。在这种处理方式中，在优化时为3D模型的编制提供更多支撑点。

[0067] 在图5中示出了在校准过程中确定有待继续用作基础的三维的模型之后用于在静止的机动车上进行单个测量过程的可能的方法步骤。在此原则上进行摄影（步骤T5）、对所得到的图像数据进行预处理（步骤T6）并且随后在来自于基础的三维的模型的步骤T5的图像的基础上实施进一步的优化。在使用相应的运动参数或者说通过优化在步骤T3’中得到的用于运动参数的数值的情况下获得机动车的车轴几何形状（步骤T4’）。

[0068] 下面追溯到关于所述运动模型、表面模型和结构模型的方程式（1）的关于图4所解释的模型项。在图5的右边，在方框BL中示出了结构化的和非结构化的照射T7’’、T8’。所述两幅图像在此可以以任意的顺序来拍摄。在机动车停止时，由此进行对车轮区域的三维表面进行检测的以结构化的照射实施的摄影并且以非结构化的照射来拍摄目标的固有结构。比如分别在使用并且不使用结构投影的情况下拍摄各张图像j。比如使用在图2中示出的摄像机11-14。可选可以进行分割T9’’、T9’’’。以结构化的照射T7’’采集的图像如上面所说明的一样能够实现摄影对象也就是相应的车轮以及可选车身的额外的部件的三维的再现。所述散射的或者非结构化的照射T8’用于求得二维的灰度值图像，所述二维的灰度值图像用于在用于摄影对象的表面模型的范围内测定表面结构。为了改进灰度图像，可以进行滤波T10’’’’。

[0069] 在校准过程中（比较图4）产生的具有用于表面参数pOM和结构参数T（pOM）的得到优化的数值的3D模型用于比如用于调整底盘的单个测量。

[0070] 在按方程式（1）的重复的优化方法中，在步骤T3’或者说T16和T17中还仅仅改变车身和车轮的运动参数Mj，从而从校准过程中存在的3D模型最佳地适应当前测量的结构图gj和结构投影Sj的3D数据。在此可以运用已知的优化方法和变分法。

[0071] 因为从校准过程中知道旋转轴线和旋转中心的关于表面模型pOM的位置，所以所述运动参数Mj的确定也允许将旋转轴线和旋转中心变换到比如升降台或者说测量台的总坐标系中。由此在步骤T4’中仅仅通过对机动车的无接触扫描以有效的方式来得到关于车轴几何形状、旋转轴线和旋转中心的所期望的数据（步骤T4’和T18）。

[0072] 一种用于使已知的3D表面模型与灰度值图像相适应的变型方案比如在新西兰Akaroa的Landcare Research Ltd的B. Rosenhahn、H. Ho和B. Klette的Proc. Image and Vision Computing 2004，第309-314页，2004年的“Block matching based an 2D-3D pose estimation”得到描述。在所提出的方法中，除了结构特征以外也额外地将所述3D-测量Sj的相对于表面模型O(pOM)的间距或偏差降低到最低限度。对于经过三角测量的表面来说，在此如上面关于图4所解释的一样求得测量点Sji的相对于下一个三角形的间距。

[0073] 对于单个测量来说，从受到结构化照射的图像中不仅确定车轮的轮距值和/或车轮外倾值而且确定其相应的平移矢量和法向矢量。所述平移矢量描述车轮坐标系与摄像机坐标系之间的关联。然后用来自于校准过程的已知的轮辋跳动（Felgenschlag）来对所测量的轮矩值和/或车轮外倾值进行校正。因此也考虑到车轮轴线和旋转轴线在空间中的不同位置。在校准过程中，通过来自于表面数据和灰度值数据的整个图序来构建3D模型，该3D模型最佳地描绘车轮表面上的所得到的测量数据。现在将这个3D模型用于单个测量。在此可以通过测量数据借助于非线性的优化（比如用Levenberg-Marquardt方法）用位置和/或定位的评估（法向矢量）进行3D模型的适应处理（Fittting）。

[0074] 如果轮矩和车轮外倾的通过前面所说明的步骤来测量的数值处于预先给定的公差之外，则比如相应地以机械方式对车轮悬架进行校正，直到所述数值处于额定范围内。该处理方式不仅对于立体摄像机装置而且对于单片摄像机装置来说是相同的。

[0075] 作为在编制模型时考虑到的因数（表面、结构和运动）的补充，在所介绍的方法的另一种变型方案中将车身运动和车轮罩下棱边的定位考虑在内。在车轮截取部分的环境（比如车轮罩）中构建车身的3D表面描绘时，而后同时完成车轮转动的分割。分割通常是指按照均匀性标准在一张图中产生相关联的区域。在这里的应用情况中，将相应采集的图像的像素分割或者说分配到一个相应于车轮罩的区域中这种做法可以进一步改进车轴几何形状的测量效果。

[0076] 与关于图4的解释相类似，又在机动车从旁边驶过时在校准过程中构建所述3D表面描绘。从所述结构化的和非结构化的照射的测量中在包含运动学的建模的情况下产生3D表面描绘，所述3D表面描绘额外地包含关于表面上的结构化的信息。除此以外，也在从车轮罩到车轮的过渡棱边上分割所述3D表面。过渡区域的分割后来用于机动车的高度水平的定位。

[0077] 在图6中示出了高度水平的测定情况。在此看出处于车轮罩或者车身17中的车轮3。车轮罩上棱边用19来表示。所述车轮罩上棱边19与车轮3的中心之间的间距可以称为机动车的高度水平h。所述高度水平比如可以用于调节底盘。在此可以求得机动车的弹簧挠度跳动状态并且必要时在依赖于弹簧挠度跳动的情况下对用于轮距调节和/或车轮外倾调节的额定值进行校正。

[0078] 分割为车轮和车轮罩这个过程借助于所述灰度值的二维的图像信息与来自于结构化的照射的深度信息的组合来进行。总的优化函数根据按方程式（1）的普遍的公式来产生，其中作为分割项加上第四项：

[0079] （5）

[0080] 在此分割项

[0081] （6）

[0082] 用于关系函数的分割的成本。可以使用如在T. F. Chan和L.A.Vese在IEEE Transactions on Image Processing，第10卷，第2期，第266-277页的“Active Contours Without Edges”中所说明的一样的蛇函数（Snake-Funktion），或者可以使用按J.A. Sethian的Cambridge University Press 1999的 “Level Set Methodes and Fast Marching Methodes:Evolving Interfaces in Computational Geometry,Fluid Mechanics,Computer Vision and Material Science”的Level-Set-Verfahren（水平集方法）。相应的产生的用于所述分割的能量复合函数通过这个项Zj(Mj(pOM,T(Mj(pOM)))用符号来表示。

[0083] 在图7中示意性地示出了三维建模的部分。相应地示出了作为图像拍摄的车轮3和车轮罩17。此外，在图7C中标记了车轮罩上棱边19。在图7A中是深度图O(pOM)，该深度图O(pOM)关于局部坐标系比如通过有限元来描绘车身和车轮的表面。在图7B中示出了具有无线电测量参数（比如灰度值）的结构T(x,y)。在图7C中是分割图L(x,y)，该分割图L(x,y)描绘所述深度图和无线电测量图的相应的分量相对于车身的关系。所述关系函数比如规定，所有具有L(x,y)>0的坐标x,y都属于车身。优选车身表面在此直至车轮截取部分的开始也就是直至车轮罩的棱边通过具有受限制的弯曲度的表面来建模。关于区域Z的积分由此是关于所有具有L(x,y)>0的元素的积分。

[0084] 表面模型的初始化比如可以作为垂直于车行道的3D平面并且以无线电测量的数值（比如灰度值）的均匀分布来进行。车轮罩上棱边19而后可以从分割的极限中推导出来。

[0085] 在所解释的用于进行测量数据检测并对其进行分析的方法中，可以容易且可靠地确定机动车的车轴几何形状。在机动车的行驶运动或滚动运动中时间上的图序的拍摄在此包括相应地用摄影传感器如合适的摄像机对机动车的相应的车轮截取部分进行的检测。额外地将结构化的照射施加到场景上。首先在机动车从旁边驶过时进行动态的测量。从所检测到的数据中产生车轮和/或将该车轮包围的车身的三维的模型描绘。对于三维的模型描绘来说，考虑到借助于结构投影或者说结构化的照射来进行的3D测量、具有在测量目标（车轮+车身）上存在的并且与测量目标固定地相连接的特征的2D图像测量以及车轮与车身之间的且关于机动车运动的运动学的或者动力学的建模。将用于运动学的建模的参数的数值比如车轮的旋转轴线和旋转中心用于确定车轴几何形状。

[0086] 除此以外，可以将所检测的模型参数用于其它测量任务比如减震器的检验、关节间隙试验器或者车身测量。此外，可以从3D模型描绘中确定车轮罩下棱边，如果比如借助于所检测到的灰度值和3D测量来进行分割。由此能够进行高度水平的测量，有些机动车制造商可能期望这样用于校正到预先给定的额定值。

[0087] 尤其在车轮和车身上不需要专门的目标或者光学的测量标记。在将多种测量方式考虑在内的情况下在通过3D模型的构建来检测车轮运动和车身运动方面获得很高的稳定性。一方面进行结构化的照射，用于比如借助于立体摄像机产生三维的用于车轮表面或者车身表面的散点图。

[0088] 另一方面通过车轮区域的灰梯图来检测车轮结构。可以额外地进行运动学的/动力学的建模。