ES2642571T3 - Procedimiento y aparato para obtener datos fotogramétricos para estimar la gravedad de un impacto - Google Patents
Procedimiento y aparato para obtener datos fotogramétricos para estimar la gravedad de un impacto Download PDFInfo
- Publication number
- ES2642571T3 ES2642571T3 ES07809319.2T ES07809319T ES2642571T3 ES 2642571 T3 ES2642571 T3 ES 2642571T3 ES 07809319 T ES07809319 T ES 07809319T ES 2642571 T3 ES2642571 T3 ES 2642571T3
- Authority
- ES
- Spain
- Prior art keywords
- vehicle
- damage
- camera
- points
- crush
- 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
- 238000000034 method Methods 0.000 title claims description 66
- 230000008439 repair process Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 13
- 238000012550 audit Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 description 28
- 229920000291 Poly(9,9-dioctylfluorene) Polymers 0.000 description 23
- 230000006870 function Effects 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 16
- 239000013598 vector Substances 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000006073 displacement reaction Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000013016 damping Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 229910003460 diamond Inorganic materials 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000350052 Daniellia ogea Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/0078—Shock-testing of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Force Measurement Appropriate To Specific Purposes (AREA)
Description
5
10
15
20
25
30
35
40
45
50
55
60
65
DESCRIPCION
Procedimiento y aparato para obtener datos fotogrametricos para estimar la gravedad de un impacto Antecedentes
Las realizaciones de la presente invencion se refieren al analisis de accidentes vehiculares y espedficamente a la recopilacion y analisis de informacion para usar los principios de la fotogrametna para estimar el dano al veldculo y la gravedad del impacto.
Organizaciones tales como compares de seguros y otras se encargan de investigar accidentes para resolver las reclamaciones por danos a bienes y ffsicos. Parte de la investigacion es determinar la gravedad y la direccion del impacto. Generalmente se hace una revision de las estimaciones de la reparacion y de fotograffas para desarrollar una evaluacion cualitativa de la gravedad del impacto. Si hay danos mas alla del parachoques del o de los vehfculos (es decir, si hay dano por aplastamiento al vehfculo), a menudo el vehfculo recibe la evaluacion cualitativa de impacto significativo basado en una revision subjetiva de la informacion sobre danos. Hasta un 40 % de los accidentes de baja gravedad son subjetivamente analizados como impacto de alta gravedad, principalmente debido a los danos al o a los vehfculos.
Una solucion para determinar dano por aplastamiento es medir el aplastamiento cuando se examina el vetnculo al evaluar los danos y utilizar esa informacion para determinar la gravedad del impacto. La medicion del aplastamiento requiere una cierta formacion para entender los conceptos y asegurar la consonancia, y tambien requiere mucho tiempo. Con una alta rotacion en la industria de los seguros y el deseo de mejorar la eficiencia operativa, esto crea un esfuerzo continuo y potencialmente costoso.
Como alternativa, las organizaciones pueden contratar a expertos forenses, tales como ingenieros y reconstructores de accidentes para evaluar la informacion sobre accidentes, reconstruir el escenario del accidente y las caractensticas incluida la determinacion de la magnitud y la direccion del impacto. Esta es una solucion costosa y no oportuna para ser utilizada a gran escala.
La solucion actual para determinar los componentes y las operaciones necesarias para reparar un vehfculo danado es inspeccionar visualmente el vetnculo. Se crea una lista de componentes y se identifica cual debe ser reparado o reemplazado. Este procedimiento de inspeccion visual requiere frecuentemente una segunda inspeccion, o mas, para corregir errores en la primera inspeccion. Es un procedimiento laborioso e ineficiente. El procedimiento actual no aprovecha la informacion de impactos similares a vehnculos similares.
La direccion principal de la fuerza (PDOF, por sus siglas en ingles) es el eje principal a lo largo del cual actua la fuerza del impacto sobre el vetnculo. La PDOF es un factor tanto en la determinacion del potencial de dano del accidente como para determinar que componentes del vetnculo estan danados. El procedimiento actual para determinar la PDOf es examinar fotograffas, descripciones del accidente y posiblemente informacion de la escena para determinar las ubicaciones de parada final de los vetnculos. En los impactos de gravedad de baja a moderada, las ubicaciones de parada final de los vetnculos no son particularmente relevantes o no estan disponibles. La evaluacion actual de la PDOF se realiza por expertos forenses, por lo que es un procedimiento costoso y que requiere mucho tiempo.
Por el documento WO 2005/041071 A1 se conoce un procedimiento para identificar un vetnculo. Para la identificacion de un vetnculo se compara una metrica del vetnculo que ha de identificarse con una metrica almacenada.
Por el documento EP 1 338 883 A1 se conoce un procedimiento de analisis de simulaciones de prueba de choque (de coches) con varias secuencias de choque. Se analiza una distribucion de una ubicacion de interes para diferentes secuencias de choque.
Sumario
De acuerdo con un primer aspecto, la invencion proporciona un procedimiento implementado por ordenador de acuerdo con la reivindicacion independiente 1. De acuerdo con un segundo aspecto, la invencion proporciona un sistema de acuerdo con la reivindicacion independiente 11.
Otros aspectos de la invencion se exponen en las reivindicaciones dependientes, en los dibujos adjuntos y en la siguiente descripcion.
En un aspecto, la presente invencion incluye un procedimiento implementado por ordenador para recopilar informacion para determinar el dano al vetnculo por fotogrametna. Se utiliza un sistema informatico para enviar imagenes y ajustes de camara de un ordenador a otro para determinar dano por aplastamiento del vetnculo a traves de tecnicas fotogrametricas. Las camaras utilizadas para tomar imagenes para su uso en el programa pueden ser
5
10
15
20
25
30
35
40
45
50
55
60
65
identificadas y sus caractensticas almacenadas en una ubicacion central para su uso cuando las fotograffas tomadas por la camara se env^an a la ubicacion central. La camara y las imagenes pueden seleccionarse para transferirse de un ordenador a otro mediante una red informatica, una transmision inalambrica y similares.
En otro aspecto, una seleccion generada por ordenador de posiciones de vefffculos se presenta a traves del ordenador. La seleccion de la posicion determina el angulo en el que se tomo la fotograffa y establece el marco de referencia. La posicion tambien puede determinarse colocando marcadores opticos en el vefffculo en el momento de tomar las fotograffas. Los marcadores opticos pueden ayudar a detectar puntos en el vefffculo, tales como los neumaticos, y por lo tanto pueden ayudar a determinar la posicion automaticamente a traves del analisis informatico de las fotograffas.
En todavfa otro aspecto, una seleccion generada por ordenador de puntos de control se presenta a traves del ordenador. Unos puntos estandar en el vefffculo que no fueron danados en el accidente en cuestion son marcados en cada una de las fotograffas del vefffculo en cuestion. Estos puntos estandar pueden permitir la comparacion entre diferentes posiciones del vefffculo para permitir la triangulacion de los puntos entre las diferentes fotograffas. Los puntos de control tambien pueden determinarse colocando marcadores opticos en el vefffculo en el momento de tomar las fotograffas. Los marcadores opticos pueden ayudar a detectar puntos en el vefffculo, tales como el parabrisas, y refinar la posicion automaticamente a traves de analisis por ordenador de las fotograffas.
En otro aspecto, una rejilla generada por ordenador de puntos de dano al vefffculo se presenta y selecciona para el vefffculo en cuestion. Los puntos de dano permiten la comparacion entre diferentes posiciones del vefffculo para permitir la triangulacion de los puntos entre las diferentes fotograffas. Los puntos de dano tambien pueden determinarse colocando marcadores opticos en el vefffculo en el momento de tomar las fotograffas. Los marcadores opticos pueden ayudar a detectar puntos en el vefffculo, tales como los faros delanteros o traseros, y por lo tanto pueden ayudar a determinar el dano automaticamente a traves del analisis por ordenador de las fotograffas.
En otro aspecto, puede calcularse un perfil de dano por aplastamiento generado por ordenador para el vefffculo en cuestion utilizando tecnicas fotogrametricas y comparando los puntos del vefffculo danado generados por fotogrametna con un vefffculo no danado. Los resultados pueden mostrarse en una vista generada por ordenador del vefffculo en cuestion con un perfil de dano por aplastamiento y usarse para estimar la gravedad del impacto.
En otro aspecto, puede proporcionarse un procedimiento implementado en ordenador para determinar la direccion de desplazamiento de los componentes del vefffculo. Esta informacion puede combinarse con informacion sobre acciones previas al accidente y cuestiones relativas a la velocidad del vefffculo antes del accidente a traves del ordenador para estimar la direccion principal de la fuerza (PDOF) para los vefffculos implicados en la colision.
En otro aspecto, la profundidad del dano y la direccion de impacto al vefffculo pueden compararse con vefffculos similares de profundidad de dano y direccion de impacto similares con respecto a los componentes necesarios para reparar el vefffculo. La comparacion puede utilizarse para generar una lista de componentes que pueden necesitar ser reparados o reemplazados para reparar el vefffculo. La comparacion puede utilizarse alternativamente para auditar estimaciones de reparacion desarrolladas independientemente, en algunas implementaciones.
Breve descripcion de los dibujos
La Figura 1 es un diagrama de flujo de un procedimiento para capturar y almacenar caractensticas de calibracion de camara en una ubicacion central de acuerdo con una realizacion de la presente invencion.
La Figura 2 es un diagrama de flujo de un procedimiento de envfo de informacion de imagen y de la camara a una ubicacion central para llevar a cabo un analisis fotogrametrico de danos al vefffculo de acuerdo con una realizacion de la presente invencion.
La Figura 3 es un diagrama que define marcos de referencia de objeto, camara e imagen.
La Figura 4 es un diagrama que define la relacion entre el marco de referencia de camara y el plano de imagen. La Figura 5 muestra el desfase del punto principal.
La Figura 6 muestra un ejemplo de un patron de calibracion planar.
Las Figuras 7 A-C muestran ejemplos de una imagen no distorsionada y de imagenes distorsionadas por lente. La Figura 8 es un diagrama conceptual de la transformacion del espacio de objeto al espacio de camara.
La Figura 9 es un diagrama que define el error en el espacio de imagen y el espacio de objeto.
La Figura 10 es un diagrama de flujo de un procedimiento de evaluacion de fotograffas usando tecnicas de fotogrametna de acuerdo con una realizacion de la presente invencion.
La Figura 11 es un diagrama que muestra la triangulacion desde dos vistas.
La Figura 12 es un diagrama conceptual que representa los rayos que se retroproyectan desde puntos de imagen imperfectamente medidos.
La Figura 13 es un diagrama que muestra el concepto de ajuste de faces.
La Figura 14 es un diagrama que muestra el concepto de comparar un vefffculo danado con un vefffculo de ejemplo.
La Figura 15 es un diagrama de flujo de un procedimiento para crear un perfil de dano por aplastamiento usando tecnicas de fotogrametna de acuerdo con una realizacion de la presente invencion.
5
10
15
20
25
30
35
40
45
50
55
60
65
La Figura 16 es un diagrama de flujo de un procedimiento para determinar la PDOF a partir de un perfil de dano por aplastamiento generado mediante fotogrametna de acuerdo con una realizacion de la presente invencion.
La Figura 17 es un diagrama de flujo de un procedimiento para estimar danos a componentes para reparar un vehffculo a partir de un perfil de dano por aplastamiento generado mediante fotogrametna de acuerdo con una realizacion de la presente invencion.
La Figura 18 es un diagrama de bloques de un sistema de acuerdo con una realizacion de la presente invencion.
Descripcion detallada
Pueden tomarse fotograffas de vehffculos danados en una colision para determinar la magnitud del dano. Estas fotograffas pueden ser usadas entonces para estimar la cantidad de deformacion del vehffculo y determinar la gravedad del impacto para el vehffculo. La gravedad del impacto puede usarse para determinar el potencial de dano posible para el accidente o para determinar que componentes deben ser reparados o reemplazados para reparar el vetnculo.
La fotogrametna es una tecnologfa de medicion en la que se determinan las coordenadas tridimensionales de puntos en un objeto mediante mediciones realizadas en dos o mas imagenes fotograficas tomadas desde diferentes posiciones. Las realizaciones de la presente invencion utilizan un sistema fotogrametrico para medir el aplastamiento vehicular a partir de fotograffas. Este sistema puede dividirse en cuatro pasos: (1) calibracion de la camara; (2) estimacion de la posicion de la camara; (3) triangulacion; y (4) ajuste de haces.
La calibracion de la camara es el procedimiento para identificar las caractensticas geometricas y opticas de una camara individual, de modo que pueda obtenerse la informacion metrica a partir de sus imagenes. Las caractensticas de una camara pueden dividirse en dos categonas: parametros extnnsecos y parametros intnnsecos. Los parametros extnnsecos se refieren a la relacion espacial entre la camara y el objeto de interes. Los parametros intnnsecos se refieren a las caractensticas opticas de la camara.
El procedimiento de determinar la posicion de una camara y orientar la direccion (u orientacion) a partir de las coordenadas XYZ conocidas del objeto se denomina reseccion. En la bibliograffa sobre vision por ordenador, esto tambien se conoce como el problema de la orientacion exterior o el problema de la estimacion de la posicion de la camara. Las coordenadas xYz conocidas del objeto se denominan puntos de control.
La fotogrametna utiliza un principio llamado triangulacion para determinar las coordenadas tridimensionales de un objeto a partir de multiples fotograffas. Los puntos se triangulan hallando la interseccion de ffneas de vision, o rayos, convergentes. Al tomar fotograffas del objeto desde al menos dos lugares diferentes y medir el mismo objetivo en cada fotograffa, las ffneas de vision se definen desde cada posicion de la camara hasta el objetivo. Si se conocen las posiciones y orientaciones de la camara, estos rayos pueden intersecarse para hallar la coordenada 3D en el espacio de objeto.
El ajuste de haces es el procedimiento de refinamiento de una reconstruccion visual para producir estructura (puntos de caractensticas 3D de un objeto) y movimiento (posicion de la camara) optimos de forma conjunta.
Diferentes tecnicas para obtener datos y analizar los datos obtenidos pueden utilizarse para emplear algoritmos fotogrametricos para determinar la magnitud del dano a un vehffculo. Con referencia ahora a la Figura 1, se muestra una realizacion de un procedimiento 100 de recopilacion de informacion de calibracion de camara. En una realizacion, la informacion puede proporcionarse desde la camara a una ubicacion central para determinar la informacion caractenstica y almacenar la informacion para su uso posterior. Como se muestra en la Figura 1, un objeto de calibracion conocido es fotografiado para determinar los errores intnnsecos en la propia camara, como se muestra en el bloque 105. Se pasa el control al rombo de decision 110 para determinar si los puntos de calibracion deben seleccionarse manualmente a partir de la fotograffa de calibracion. Si los puntos de calibracion han de seleccionarse manualmente a partir de la fotograffa de calibracion, el control se pasa entonces al bloque 115 para permitir que los puntos de calibracion se seleccionen manualmente. Una vez identificados los puntos de calibracion, se pasa el control al bloque 120 para enviar las fotograffas de calibracion para su evaluacion, por ejemplo, a una ubicacion central. A continuacion, el control pasa al bloque 125 para determinar las caractensticas internas de la camara y para la correccion. Si se va a utilizar la calibracion automatica, el control se pasa del rombo de decision 110 al bloque 120 para enviar las fotograffas para su evaluacion. A continuacion, se pasa el control al bloque 125 para determinar las caractensticas internas de la camara y factores de correccion. Una vez que se conocen las caractensticas opticas de la camara, puede identificarse la camara y almacenarse sus parametros para referencia futura, como se muestra en el bloque 130.
Con referencia ahora a la Figura 2, un diagrama de flujo muestra un procedimiento 200 de toma de fotograffas y envfo de una seleccion de camara a una ubicacion central como una realizacion de la presente invencion. Como se muestra en el bloque 205, las fotograffas pueden tomarse con marcadores para indicar puntos en el vehffculo danado o sin marcadores. Las fotograffas pueden ser enviadas por medios electronicos, tales como una comunicacion de ordenador a ordenador a una ubicacion central como se muestra en el bloque 210. Como se muestra en el bloque
5
10
15
20
25
30
35
40
45
215, la informacion relativa a la camara utilizada para tomar las fotograffas puede seleccionarse y enviarse a traves del ordenador a una ubicacion central. Una vez que las fotograffas se reciben en la ubicacion central, el control se pasa al rombo de decision 220 para evaluar el archivo de ajustes de la camara que acompana a las fotograffas. Si los ajustes con las fotograffas coinciden con los ajustes cuando se calibro la camara (por ejemplo, de acuerdo con el procedimiento de la figura 1), entonces se pasa el control al bloque 230 y se aceptan las fotograffas para una evaluacion posterior. Si los ajustes son diferentes, la persona que tomo las fotograffas es notificada por medios electronicos (por ejemplo, correo electronico) o por telefono para que recalibre su camara para reflejar los nuevos ajustes (bloque 225) o para que envfe nuevas fotograffas con una camara previamente calibrada e inalterada. El control se pasa al rombo de decision 240 para determinar si se han enviado nuevos ajustes de calibracion. Si se envfan nuevos ajustes de calibracion, el control pasa al bloque 235 y se almacenan las nuevas caractensticas de la camara. El control se pasa despues al bloque 230. Si no se envfan nuevos ajustes de recalibracion, el control pasa al rombo de decision 245 para evaluar si se han enviado nuevas imagenes. Si se han enviado nuevas imagenes, el control pasa al rombo de decision 220 para evaluar el archivo de configuracion de la camara que acompana a las fotograffas y el procedimiento de comparacion de ajustes de camara se repite como se ha explicado anteriormente. Si no se envfan nuevas imagenes, el control pasa al bloque 250 y las fotograffas no se aceptan para su evaluacion posterior.
La Figura 3 muestra los marcos de referencia de coordenadas del objeto, O, la camara, C, y la imagen, I. Los parametros extrmsecos correlacionan coordenadas 3D en el marco de referencia del objeto con coordenadas 3D en el marco de referencia de la camara. Del mismo modo, los parametros intrmsecos correlacionan las coordenadas 3D en el marco de referencia de la camara con las coordenadas 2D proyectadas en el plano de la imagen.
Dado un punto 3D, Po, en el marco de referencia del objeto, sus coordenadas en el marco de referencia de camara vienen dadas por:
donde R es una matriz de rotacion 3x3 y To es la posicion del marco de referencia de objeto con respecto a la camara. Esto tambien puede escribirse como:
donde Tc es la posicion del marco de referencia de camara con respecto al objeto.
La Figura 4 muestra la relacion entre el marco de referencia de camara y el plano de imagen. Por medio de triangulos similares, puede demostrarse que el punto, Pc, con coordenadas (X, Y, Z) en el marco de referencia de camara, se proyecta como (fX/Z, fY/Z) en el plano de imagen. Usando coordenadas homogeneas, esto puede expresarse como la multiplicacion matricial:
donde Pic indica que el punto proyectado se expresa con respecto al punto principal de la imagen. Normalmente, el sistema de coordenadas de imagen esta desfasado con respecto al punto principal como se muestra en la Figura 5.
En coordenadas no homogeneas, el punto de imagen es (fX/Z + Uo, fY/Z + Vo), que puede escribirse como una multiplicacion matricial usando coordenadas homogeneas, es decir,
5
10
15
20
25
30
35
Ahora, escribiendo
Uo
V0
1
Aqm, la matriz K se denomina matriz de calibracion de camara.
La correlacion completa del marco de referencia de objeto al plano de imagen puede escribirse como:
P,=[iC 0
O, mas concisamente, como:
Pt=K[R t]|^°| donde t = -RTc
Debe observarse que los parametros intrmsecos estan totalmente contenidos en la matriz de calibracion de la camara, K, mientras que los parametros extrmsecos son descritos por la matriz [R t].
El modelo de camara estenopeica asume que las coordenadas de imagen son euclidianas con escalas iguales en ambas direcciones. En el caso de las camaras digitales, es posible tener pfxeles no cuadrados. Tambien es posible, aunque poco probable, que los pfxeles no sean perpendiculares, es decir, que los pfxeles esten sesgados. En este caso, la matriz de calibracion de la camara, K, puede tener la forma mas general:
U0"
V0
1
Los terminos fx y fY representan pixeles no cuadrados y s es el parametro de sesgo. En la mayona de los casos, el termino del sesgo sera cero.
El procedimiento de calibracion puede comenzar tomando varias imagenes de un patron de calibracion planar con geometna conocida con precision. Por ejemplo, en una realizacion, un patron de calibracion puede ser un patron de tablero de ajedrez con rectangulos o cuadrados espaciados regularmente, tal como se muestra en la Figura 6.
Si se elige el marco de referencia de objeto de manera que el plano XY es el plano (Z = 0), entonces la relacion entre las coordenadas de imagen y las coordenadas de objeto puede expresarse como:
o
Aqm, la matriz 3x3, H, se denomina homograffa planar y correlaciona puntos del plano de calibracion con sus correspondientes coordenadas de imagen. Dada una imagen del patron de calibracion, esta homograffa puede ser estimada.
5 Al designar la homograffa como H = [hi h2 tb] se obtiene como resultado
Dado que ri y r2 son ortogonales, puede demostrarse que
10
h^K"TK_1h2 =0
h^K^K-'h, -h2K"TK"'h2 = 0
Definiendo w como w = K-TK-1 se obtiene como resultado
15
20
25
Aqm, w se conoce como la imagen de la conica absoluta.
En terminos de la matriz de calibracion, w puede expresarse como:
Puesto que w es simetrica, puede representarse por el vector 6
(0 = [<Dn CO
]2 (022 <D13 CO 23
CO
■3j
Utilizando la homograffa estimada de cada imagen de calibracion y las restricciones sobre la matriz de calibracion, puede escribirse un conjunto de ecuaciones lineales en es decir,
hJ'cohj^vjS
30
donde vy = Lhiihji,hiihj2+hi2hji,hi2hj2,hi3hji+hiihj3,hi3hj2+hi2hj3,hi3hj3_I Por lo tanto, las restricciones sobre cada homograffa dan como resultado en el siguiente sistema lineal
5
10
15
20
25
30
35
40
45
Para n imagenes, la matriz V es una matriz 2n x 6. Este sistema puede resolverse si hay al menos 3 imagenes del plano de calibracion.
El modelo de camara estenopeica es un modelo de camara idealizado. Las camaras reales tienen lentes imperfectas que producen efectos no lineales. Por ejemplo, cuando el aumento de una lente difiere en sus bordes y en su centro, la imagen de un objeto cuadrado se distorsiona. Si el aumento es menor en los bordes que en el centro, un objeto cuadrado aparecera con bordes redondeados. Este tipo de distorsion se denomina distorsion de "barril". Si el aumento es mayor en los bordes que en el centro, la imagen mostrara una distorsion de "cojm". Las Figuras 7 A-C ilustran ambos efectos de distorsion radial, junto con una imagen no distorsionada.
La distorsion radial puede corregirse utilizando un factor de distorsion no lineal. Los estudios han mostrado que la distorsion puede ser modelada como un polinomio con respecto a la distancia radial cuadrada, es decir,
5u
5v
L. ,
u(k,r2 +k2r4 + v(k,r2 + k2r4 + ...)
donde (6u, 6v) es el grado de distorsion en las direcciones x e y, respectivamente, (u, v) es un punto de imagen proyectado a traves del modelo de camara estenopeica, ki k2, ... son los coeficientes de distorsion,
yr = Vu + V- es el radio.
Por lo tanto, el modelo de camara estenopeica puede ampliarse para incluir la distorsion no lineal, es decir,
Se ha demostrado que la distorsion radial esta adecuadamente modelada por los dos primeros terminos polinomicos; por lo tanto, los terminos de orden superior han sido eliminados.
Para calcular los parametros optimos de calibracion de la camara, el problema se plantea como un problema de minimizacion no lineal. Dadas n imagenes de un objetivo de calibracion con m puntos, el objetivo es minimizar el error de reproyeccion, es decir,
donde m (K, Ki,K2,Ri,ti,Pj) es la proyeccion del punto Pj en la imagen i. Este problema de minimizacion no lineal se resuelve a traves del algoritmo de Levenberg-Marquardt.
De los algoritmos de mmimos cuadrados no lineales, el algoritmo de Levenberg-Marquardt (LM) ha sido el mas popular debido a su tolerancia a datos ausentes y a sus propiedades de convergencia. La base para el algoritmo LM es una aproximacion lineal de la funcion objetivo en la proximidad de las variables de control. Para una pequena perturbacion de las variables de control, 6p, una expansion en serie de Taylor da lugar a una aproximacion lineal para el residuo, es decir,
El gradiente de esta forma de la funcion objetivo viene dado por
5
10
15
20
25
30
35
Al ajustar el gradiente a cero se obtienen las denominadas ecuaciones normales, es dedr,
Resolver este sistema lineal da el 6p que es un minimizador local de la funcion objetivo.
El algoritmo LM utiliza una version ligeramente diferente de estas ecuaciones denominadas ecuaciones normales aumentadas, es decir,
Los elementos fuera de la diagonal de la matriz N son los mismos que los elementos correspondientes de la matriz JTJ, pero los elementos diagonales de N vienen dados por
n>0.
para algunos
Esta estrategia de alterar los elementos diagonales se denomina amortiguacion y el factor, p, se denomina termino de amortiguacion. Si la solucion de las ecuaciones normales da lugar a una nueva estimacion de parametros que reduce el valor de la funcion objetivo, se acepta la actualizacion y se repite el procedimiento con un termino de amortiguacion disminuido. De lo contrario, el termino de amortiguacion se incrementa y las ecuaciones normales se resuelven de nuevo hasta que se disminuya la funcion objetivo. En una sola iteracion del algoritmo LM, las ecuaciones normales se resuelven hasta que se halle una estimacion de parametros aceptable.
Las ecuaciones normales aumentadas tambien pueden escribirse como el siguiente sistema lineal:
donde H es la aproximacion de Gauss-Newton del hessiano, JTJ, e I es la matriz de identidad con el mismo tamano que H.
El algoritmo LM termina cuando se cumple uno de los tres criterios de parada: (1) La norma del gradiente del residuo, es decir, JTf(p), desciende por debajo de un umbral, ei; (2) El cambio relativo en el tamano de paso desciende por debajo de un umbral, e2; y (3) el numero de iteraciones de LM excede un cierto valor maximo, kmax.
La Tabla 1 muestra el pseudocodigo para un algoritmo LM de acuerdo con una realizacion de la presente invencion.
TABLA 1
iterations = 0; p = p&;
residual = x - f(p); error = ( residual |:
H = JTJ ; if Hessian (Gauss - Newton approximation)
g = JTresidual; // Gradient Converged = ( [Grad] < el );
p = maximum diagonal element of Hessian:
while (not converged) and (iterations < max_iterations)
accept_step = false:
while (not accept_step) and (not converged)
ft Solve normal equatlons step = solution of
(H + nl)5--8
1/ Check step against threshold if ( |stepj < e2|p| ) 1
■ converged = true; else
ft Check acceptability of step accept^step = error_new < error;
if (accept_step)
)t accept step.
II Update control variables, error.
// Hessian. Gradient, and damping parameter,
P = p_new;
error = errorjnew;
H - H_new; g = g~new; p = p / 10:
else
II Reject step and update damping parameter.
p = p * 10;
end;
end;
endwhile
fi Convergence test based on Gradient norm convergence = ( JGrad] < el)
If Update iteration count iterations = iterations + 1;
endwhile
Esta seccion describe una tecnica mediante la cual la estructura de la matriz jacobiana puede ser aprovechada para reducir la complejidad general de un sistema y mejorar en gran medida el rendimiento computacional.
A efectos ilustrativos, se aplicara lo siguiente al ajuste de haces; sin embargo, la tecnica puede aplicarse a la 10 calibracion de la camara, al problema de la estimacion de la posicion y a muchos otros problemas de vision por ordenador.
A
Supongamos que n puntos 3D son visibles en m imagenes. Sea xij la proyeccion del punto i en la imagen j. Sea aj
5
10
15
20
25
30
35
las variables de control de cada camara j y sea bi las variables de control para cada punto i 3D. Para n puntos en m imagenes, los puntos de imagen observados son
De manera similar, los puntos de imagen estimados (proyectados) de los n puntos 3D vienen dados por
J* fnT * T *T T - T *T V
* —JX2l>*">X2m » Xnl *
A
donde cada xij = Q(aj,bi) es un punto de imagen predicho a partir de un modelo de camara matematica, por ejemplo, modelo de proyeccion estenopeica. El vector de error o residual se define como
Las variables de control son divididas por el vector
P = (ajr,...1a^1 tbJ\.
Para simplificar, el jacobiano para n = 4 puntos en m = 3 vistas viene dado por
- An
- 0 0 0 0 0 ^
- 0
- Aj2 0 Bl2
- 0
- 0
- 0
- 0
- 0
- a13 Bu
- 0
- 0
- 0
- A2!
- 0 0 0 B2! 0 0
- 0
- A 22 0 0 B22
- 0
- 0
- 0
- 0
- A 23 0 B23
- 0
- 0
- A31
- 0 0 0 0 B3, 0
- 0
- A3 2 0 0 0 b32
- 0
- 0
- 0
- A33 0 0 B33
- 0
- A "‘Ml
- 0 0 0 0 0 B4I
- 0
- A 42 0 0 0 0 b42
- 0
- 0
- A43 0 0 0 bJ
donde
Las primeras m columnas del jacobiano son las derivadas parciales de los residuos de imagen con respecto a los parametros de la camara j. Dado que los parametros de la camara para una imagen no afectan a los puntos de imagen proyectados de otras imagenes, hay numerosos ceros en estas columnas. Del mismo modo, las ultimas n columnas del jacobiano son las derivadas parciales de los residuos de imagen con respecto a los parametros de estructura 3D. Estas columnas tambien tienen numerosos ceros debido a la falta de interaccion entre los parametros.
Reconsideremos las ecuaciones normales, es decir,
El lado izquierdo de las ecuaciones normales viene dado por
JTJ
- IXa,
- 0 0 ahB„ aLB21 aJ,b31 A4[B4|
- i 0
- SA^Ai2 0 A^B12 AjjBjj A3!®32 A42B42
- 0
- i 0 2>£A» a£B1s AJ3B„ aLb«
- ®T|Alt
- b*a,2 BT A ^13^13 0 0 0
- B21A2i
- BjjAjj bt a 1 0 IXB2j. 0 J 0 0
- Bl,A31
- ®32A3i 0 0
- B«A42 ®43A43 0 0 J 0 SbIjb
'♦j
y el lado derecho viene dado por
^Aj., and
Sustituyendo Uj, Vi, Wy, £aj y £bi por las ecuaciones normales pueden escribirse de una forma mas compacta, es decir,
respectivamente,
10
- 'u,
- 0 0 W„ W31 W31 w ^ "41 ro f£al>
- 0
- u2 0 w12 w22 W32 w "42 5d1 S02
- 0
- 0
- U3 W„ w3 W33 w "43 5al sa3
- wu
- w(t2 W* V, 0 0 0 5b, = £b.
- W2T>
- w2t2 WT "23 0 V2 0 0 S>2 Sb2
- WT "31
- w3t2 WT "33 0 0 0 5b3 Sb3
- WT v"41
- w4t2 WT "43 0 0 0 V v 4 y ^5b4> vSb4>
Las ecuaciones normales pueden escribirse de una forma aun mas compacta, es decir,
5
5
10
15
20
25
30
U* =
- u;
- 0 0
- 0
- u;
- 0
- 0
- 0
- u;
V* =
donde
v;
0
0
0
0
v;
0
0
- 0
- 0 ^
- 0
- 0
- v;
- 0
- 0
- v;,
El * indica que los elementos diagonales estan aumentados para el algoritmo LM. Multiplicando la forma compacta de las ecuaciones normales aumentadas por
f 0
I
wT
■ wv*-^ V*
se obtiene como resultado
- — WV*-1WT 0 ^
- ^-wvm£;
- , WT v',
- V. £b >
Dado que el bloque superior derecho de la matriz del lado izquierdo es cero, el vector 6a puede determinarse resolviendo el conjunto superior de ecuaciones j, es decir,
(u’ - WV^W'js, =£a - WV*-1el
Despues de resolver para 6a, 6b puede resolverse por sustitucion posterior en el conjunto de ecuaciones de abajo i.
Y-. - W-V*"1
Designando v 'J 1 , el conjunto superior de ecuaciones j se convierte en
- -£W
- -zvnws U* -EY«wu ' -2Xw,; "O 8o2 £al-ZYii-sbi £a2 ~ S Yi2 "" £bt
- V i
- -2Xw£ i j u;-Svx » / s.s-ZYn-« M ^ i J
que puede resolverse para 6a. Cada 6bi viene dado, entonces, por
La Tabla 2 resume la tecnica, que puede generalizarse a n puntos en m vistas.
y
5
10
15
20
25
30
TABLA 2
1. Calcular las matrices derivadas
2. Calcular las expresiones intermedias
Aa =
dx!;
_ B
da-
y el vector de error
sij =xij ■ xij
3. Multiplicar las diagonales de U y V por 1 + j
4. Calcular la inversa de V. Dado que V no se utiliza de nuevo, puede sustituirse por la inversa.
5. Hallar 5, resoMendo = a, - WV'S
3. Hallar 6b por sustitucion posterior.
y
La estimacion de la relacion espacial entre el objeto y la camara, o el problema de la estimacion de la posicion, es un tema central en aplicaciones de fotogrametria de cerca y de vision por ordenador. El objetivo es determinar la transformacion rigida que relaciona los marcos de referencia de objeto y camara. Tfpicamente, esta transformacion rigida esta parametrizada por una matriz de rotacion, R, y una traslacion, t. La Figura 8 ilustra esta transformacion.
Los datos utilizados para resolver este problema son un conjunto de correspondencias de puntos - coordenadas 3D del objeto, o "puntos de control" y sus proyecciones 2D en el plano de imagen. Tfpicamente, los puntos de control se expresan con respecto al marco de referencia del objeto y sus proyecciones se expresan con respecto al marco de referencia de la camara. El algoritmo descrito en la presente memoria se basa en el trabajo de Hager y col.
Dado un conjunto de al menos 3 puntos de control, {pi}, las correspondientes coordenadas del espacio de camara, {qi}, vienen dadas por:
El marco de referencia de la camara se elige de modo que el origen este en el centro de proyeccion y el eje optico este en la direccion z positiva. Los puntos de control se proyectan en el plano en el marco de referencia de la camara donde z = 1, el llamado plano de imagen normalizado. En el marco de referencia de la camara, los puntos de control vienen dados por:
donde riT, r2T y r3T son las filas de la matriz de rotacion, R. Si se dibuja un rayo desde el origen del marco de referencia de la camara al punto de control, este interseca el plano de imagen normalizado en el punto Vi = (ui, vi, 1). Esto puede expresarse como:
O
5
10
15
20
25
30
35
Esto se conoce como la ecuacion de colinealidad. En fotogrametna clasica, la ecuacion de colinealidad se utiliza a menudo como la base para resolver el problema de estimacion de la posicion. La posicion es refinada iterativamente de tal manera que la imagen residual se minimiza, es decir,
Aqm, (Ui, Vi) son las coordenadas del punto de control observado en el plano de imagen normalizado.
Este problema tambien puede expresarse en terminos de minimizar el residual total en el espacio del objeto, como se muestra en la Figura 9. La matriz de proyeccion de lmea de vision se define como:
Cuando un punto de escena se multiplica por esta matriz, proyecta el punto ortogonalmente a la lmea de vision
A
definida por el punto de imagen v En presencia de error, habra un vector residual entre el punto de escena, qi y su proyeccion ortogonal, es decir,
Por lo tanto, la posicion optima de camara es aquella que minimiza el residuo total en el espacio del objeto, es decir,
Si las coordenadas del espacio de la camara de los puntos de control pudieran obtenerse por otros medios, por ejemplo, digitalizados con un brazo FARO, entonces cada punto de control esta relacionado por la transformacion ngida:
Dados por lo menos 3 o mas puntos de control no colineales, R y t pueden obtenerse resolviendo el problema de los mmimos cuadrados:
minlljRPi+t-(i;ir rtr = i
' , sujeto a
Este tipo de problema de mmimos cuadrados restringido puede ser resuelto analfticamente usando la descomposicion en valores singulares (SVD). Definiendo los centroides de la camara y los puntos de escena como:
5
10
15
20
25
30
35
40
Y definiendo la posicion de la camara y los puntos de escena, en relacion con sus centroides como:
q| = q-qj
1 n -M M = q,«p,= Jq;p;T
La covarianza cruzada de la muestra es n , donde i=
Si R* y t* son la rotacion y la traslacion optimas, entonces deben cumplir
R* = arg maxR trace(i?rM) t* = q — /?* p
Sea (U, E, V) una SVD de M, entonces la solucion de R* viene dada por
Por lo tanto, los unicos datos necesarios para calcular la matriz de rotacion optima son las coordenadas 3D (en el espacio de la camara y del objeto) en relacion con sus centroides. La traslacion optima es entonces una simple funcion de la rotacion optima y de los centroides.
En una realizacion, un algoritmo puede denominarse como el algoritmo de iteracion ortogonal (OI). Este enfoque consiste en utilizar el error de colinealidad en el espacio de objeto y reestructurar el problema para que se asemeje al problema de la orientacion absoluta. El primer paso es definir la funcion objetivo basandose en el error en el espacio de objeto, es decir,
Dado que la funcion objetivo es cuadratica en t, la traslacion optima puede calcularse de forma cerrada como:
Definiendo
Entonces la funcion objetivo puede ser reescrita de la siguiente forma:
5
10
15
20
25
30
35
40
45
E(-R)=Z#Rp.+‘(*)-q,W
i=l
Esta ecuacion tiene la misma forma que el problema de la orientacion absoluta; sin embargo, la SVD no puede usarse para resolver R porque la covarianza cruzada de la muestra es tambien una funcion de R, es dedr,
Pi=Pi-p qj(iE)=qj(iJ)-q(JR)
donde y En su lugar, se utiliza el siguiente enfoque iterativo. Dada la
estimacion k-esima R(k), t(k) = t(R(k)), y qk = R(k)pi + t(k), la estimacion (k+1)-esima de R, R(k+1) se obtiene resolviendo el siguiente problema de orientacion absoluta:
Entonces, la estimacion (k+1)-esima de t viene dada por
Este procedimiento se repite hasta que la estimacion de R cumpla:
dentro de una tolerancia especificada.
Con referencia ahora a la Figura 10, pueden analizarse fotograffas de un vehffculo implicado en un accidente. Como se muestra en la Figura 10, el procedimiento 300 puede comenzar recibiendo fotograffas en un sistema informatico en una ubicacion central y que pueden evaluarse para determinar si se tomaron con o sin marcadores en las fotograffas, como se muestra en el bloque 305. Mas espedficamente, en el rombo de decision 310, el ordenador evalua si se incluyeron marcadores, incluidos por ejemplo puntos de control y puntos de dano, en las fotograffas. Pueden usarse diversos marcadores.
Con referencia todavfa a la Figura 10, si las fotograffas se tomaron con marcadores, el control se pasa al bloque 370, y la ubicacion de la posicion, los puntos de control y los puntos de dano puede determinarse automaticamente hallando los puntos en las fotograffas mediante un algoritmo. El reconocimiento automatico de objetivos puede utilizarse en sistemas fotogrametricos para reducir la cantidad de interaccion del usuario y para aumentar la precision de la medicion. Los objetivos pueden detectarse automaticamente examinando variaciones en los niveles de intensidad de la imagen. Se usan a menudo objetivos de material retrorreflectante porque reflejan significativamente mas luz que una superficie normal de textura blanca. En algunas implementaciones, puede usarse un objetivo retrorreflectante circular. El primer paso para identificar la ubicacion del objetivo es hallar areas dentro de la imagen donde la intensidad de la imagen cambie rapidamente. En algunas realizaciones, el cambio de intensidad puede definirse por la inclinacion o pendiente de la intensidad de la imagen, que tambien se conoce como el gradiente de la imagen. Las imagenes de objetivos retrorreflectantes se caracterizan por grandes gradientes de imagen.
Despues de haber identificado regiones candidatas (es decir, areas con grandes gradientes de imagen), el siguiente paso es comprobar la geometna de la region. Para objetivos circulares, las regiones candidatas pueden ser verificadas comparandolas con una elipse. Los puntos en el penmetro de las regiones candidatas se utilizan para calcular el ajuste de mmimos cuadrados de una elipse. Las regiones espurias se eliminan si el penmetro de la region no se ajusta a la elipse dentro de alguna medida estadfstica.
5
10
15
20
25
30
35
40
45
50
55
Una vez que se han identificado las regiones candidatas, el paso final es localizar el centro del objetivo. Una estimacion comunmente utilizada para este centro son los centroides ponderados por intensidad, que se define por
donde Xi, yi son las coordenadas de pfxeles y gy son los niveles de intensidad dentro de una ventana (n x m) que cubre la region objetivo.
Observese que la posicion ayuda a establecer el marco de referencia con respecto a en que direccion se tomaron las imagenes en relacion con el vetffculo. Por ejemplo, la posicion determina si la fotograffa se tomo desde el lado del conductor o del pasajero del vetffculo. Una vez determinado el marco de referencia, entonces se identifican puntos de ubicacion conocida para ayudar a determinar la escala de la fotograffa a partir de las dimensiones conocidas del vetffculo. Estos puntos de control podnan incluir areas del vetffculo que probablemente no resulten danadas en un accidente como las cuatro esquinas del parabrisas, el centro del eye de la rueda, etc. Finalmente, pueden localizarse los puntos de dano potencial en cada imagen que se tome. Por ejemplo, un conjunto estandar de puntos en el capo, la calandra y el parachoques puede ser identificado en cada una de las diferentes vistas de la parte delantera de un vetffculo. El control se pasa entonces al bloque 375 para almacenar la estimacion de la posicion para cada una de las fotograffas utilizando los datos de posicion y puntos de control. Tales estimaciones de posicion almacenadas pueden ser usadas posteriormente para determinar un perfil de aplastamiento para el vetffculo asociado con las estimaciones.
Todavfa haciendo referencia a la Figura 10, si las fotograffas se tomaron sin marcadores, el control se pasa al bloque 315, para determinar las fotograffas de ejemplo de un vetffculo apropiado que mostrar, a fin de permitir la entrada manual de la posicion para cada fotograffa. El control se pasa al rombo de decision 320 para determinar si el dano fue en la parte trasera del vetffculo. Si el dano fue en la parte trasera del vetffculo, el control se pasa al bloque 325 para mostrar la parte trasera de un vetffculo apropiado para permitir seleccionar la posicion. Si el dano no fue en la parte trasera del vetffculo, entonces el control se pasa al rombo de decision 330 para determinar si el dano fue en la parte delantera del vetffculo. Si el dano fue en la parte delantera del vetffculo, el control se pasa al bloque 335 para mostrar la parte delantera de un vetffculo apropiado para permitir seleccionar la posicion. Si el dano no fue en la parte delantera del vetffculo, el control se pasa al bloque 350 para mostrar el lateral de un vetffculo apropiado para permitir seleccionar la posicion.
Todavfa tiaciendo referencia a la Figura 10, el control se pasa al bloque 340 para la seleccion manual por parte del usuario de la posicion para cada fotograffa. Una vez que se tia seleccionado la posicion, el control se pasa al bloque 345 para mostrar puntos de control para cada una de las fotograffas. Esto puede realizarse basandose en la ubicacion del dano al vetffculo, asf como en el tipo de vetffculo. Por ejemplo, pueden colocarse puntos de control en las cuatro esquinas del parabrisas trasero para un vetffculo implicado en una colision trasera. Una vez que se muestran los puntos de control, el control se pasa al bloque 355 donde los puntos de control son seleccionados por el usuario y colocados manualmente en cada imagen del vetffculo. El control se pasa al bloque 360 para mostrar los puntos de aplastamiento para el vetffculo, lo que tambien puede basarse en la ubicacion del dano y el tipo de vetffculo. El control se pasa entonces al bloque 365 en el que los puntos de aplastamiento se colocan manualmente en cada una de las fotograffas. El control se pasa al bloque 370 para evaluar las fotograffas en cuanto a la posicion, los puntos de control y los puntos de dano. El control se pasa despues al bloque 375, comentado anteriormente.
Una vez que la camara tia sido calibrada para determinar sus parametros intrmsecos y el problema de posicion de la camara tia sido resuelto para determinar los parametros extrmsecos, el siguiente paso en el procedimiento de reconstruccion es estimar la estructura 3D del objeto. La fotogrametna utiliza un principio llamado triangulacion para determinar las coordenadas tridimensionales de un objeto a partir de multiples fotograffas. Los puntos se triangulan tiallando la interseccion de ffneas de vision, o rayos, convergentes como se muestra en la Figura 11.
Dado que las posiciones y orientaciones de la camara solo se conocen aproximadamente y tiay errores en los puntos de imagen medidos, generalmente los rayos no se retroproyectaran en una interseccion comun mostrada en la Figura 12. Las tecnicas de esta seccion describen como estimar la estructura 3D del objeto. Esta estimacion de la estructura, al igual que las posiciones de la camara, se refinan mas tarde en un procedimiento llamado ajuste de tiaces.
En cada imagen, el punto 3D, X, se proyecta en un punto de imagen medido, es decir, x = PX y x' = P'X. Aqrn, P y P' son matrices de proyeccion 3x4 dadas por
5
10
15
20
25
30
35
donde K es la matriz de calibracion de la camara 3x3, R es la matriz de rotacion 3x3 del espacio de objeto al espacio de camara y C es la posicion de la camara con respecto al objeto.
La definicion de producto cruzado vectorial puede usarse para formar un sistema lineal. Por definicion, un producto cruzado de dos vectores identicos es un vector de todo ceros. Por lo tanto, para cada punto, el producto cruzado del punto de imagen medido y el punto 3D proyectado en esa imagen es cero, es decir,
Esto da como resultado el siguiente sistema lineal en X para cada imagen.
4>"x)-p,T =o y(p"x)-p’T=0 *(p2Tx)-r(p,Tx)=o
donde piT Es la i-esima fila de la matriz de proyeccion.
Usando ambas imagenes, puede componerse un sistema en la forma AX = 0, donde
Dado que solo dos de las tres ecuaciones de cada imagen son linealmente independientes, solo se incluyen dos ecuaciones de cada imagen. La solucion de este sistema se calcula a traves de descomposicion en valores singulares (SVD). El punto 3D viene dado entonces por el valor singular mas pequeno de A. Espedficamente, si UDVT es la descomposicion en valores singulares de A, entonces la solucion X es la ultima columna de V.
Una alternativa al procedimiento DLT es calcular la profundidad optima. En este procedimiento, primero se calcula un punto 3D retroproyectando un rayo a traves de uno de los puntos de imagen medidos una cierta distancia, d, es decir,
donde el punto medido es (x, y), el punto principal es (uo, vo) y las longitudes focales en la direccion x e y son (fx, fy). Este punto 3D se proyecta entonces en la otra imagen, es decir,
5
10
15
20
25
30
35
40
x' = P'X
La profundidad optima es entonces la profundidad que minimiza el error de reproyeccion en la otra imagen.
El paso final de la reconstruccion visual se conoce como ajuste de haces. En este paso, la reconstruccion visual se refina para producir una estructura (puntos de caractensticas 3D de un objeto) y movimiento (posicion de la camara) optimos de forma conjunta. El nombre se refiere a los "haces" de luz que son reflejados por las caractensticas del objeto en la lente de la camara, y son proyectados por la camara sobre la superficie de la imagen 2D. Los haces se “ajustan” de forma optima variando tanto las coordenadas de caractensticas 3d como los parametros de posicion de la camara, de tal manera que el error de reproyeccion total entre puntos de imagen observados y predichos se minimiza, como se muestra en la Figura 13. El ajuste de haces es robusto en la medida en que es tolerante a la falta de datos y proporciona una estimacion de maxima verosimilitud real. Dadas las estimaciones iniciales de las posiciones de la camara y la estructura 3D del objeto, el ajuste de haces se lleva a cabo utilizando una implementacion escasa del algoritmo de Levenberg-Marquardt. Numerosos problemas de fotometna y vision por ordenador se plantean como problemas de mmimos cuadrados no lineales. Los problemas de mmimos cuadrados no lineales tienen una funcion objetivo de forma
El vector f(p) se denomina residual y el vector p = [p1,...,pN] es el conjunto de variables de control. Cada elemento
A
del vector residual es la diferencia entre una observacion, Xi y una prediccion, Xi. Por ejemplo, en el caso del ajuste de haces, las variables de control son las coordenadas de caractensticas 3D y los parametros de posicion de la camara y el residuo es la diferencia entre los puntos de imagen observados y los puntos de imagen predichos. Los problemas de mmimos cuadrados no lineales pueden resolverse si estan sobredeterminados, es decir, si el numero de observaciones, M, es mayor que el numero de variables de control, N.
Como muchos otros problemas de optimizacion, las condiciones necesarias para la optimizacion se basan en las derivadas parciales de primer y segundo orden de la funcion objetivo con respecto a las variables de control. En un minimizador local, el gradiente de la funcion objetivo debe tender a cero y el hessiano debe ser semidefinido positivo.
El gradiente de la funcion objetivo es un vector cuyos elementos son las derivadas parciales de primer orden con respecto a las variables de control, es decir,
De forma similar, el hessiano de la funcion objetivo es una matriz cuyos elementos son las derivadas parciales de segundo orden con respecto a las variables de control, es decir,
5
10
15
20
25
30
35
40
45
La matriz jacobiana es una matriz de todas las derivadas parciales de primer orden de una funcion de valor vectorial. El jacobiano del residuo se define como
Basandose en la forma de la funcion objetivo, el gradiente puede expresarse en terminos del jacobiano del residuo, es decir,
De forma similar, el hessiano puede expresarse en terminos del jacobiano del residuo, es decir,
Cuando el residuo es pequeno, los terminos de orden superior son despreciables. Despreciar los terminos de orden superior da como resultado la aproximacion de Gauss-Newton del hessiano, es decir.,
Despues de completar el ajuste de haces, los puntos 3D reconstruidos del vefffculo en cuestion se comparan con la geometna de un vefffculo no danado. Para los vehffculos con dano frontal y trasero, la diferencia entre estos puntos en la direccion delante atras da lugar al aplastamiento residual mostrado en la Figura 14. Del mismo modo, para vehffculos con dano lateral, la diferencia en la direccion lateral da lugar al aplastamiento residual.
Con referencia ahora a la Figura 15, se muestra un diagrama de flujo de la determinacion de un perfil de danos al vefffculo a partir de una comparacion de las mediciones de danos con las mediciones de un vefffculo no danado de acuerdo con una realizacion de la presente invencion. Despues de estimar la posicion como se describe en el procedimiento 300, se pasa el control al procedimiento 400 para refinar la posicion y determinar los puntos de aplastamiento mediante triangulacion. El procedimiento 400 puede realizarse en un sistema informatico, por ejemplo, un sistema central en el que se reciben y procesan datos de imagen relativos a un vefffculo. La estimacion inicial de la posicion es refinada usando un ajuste de haces, como se describio anteriormente (bloque 405). El control se pasa al bloque 410 para determinar la ubicacion de los puntos de dano usando la triangulacion de los puntos en las diferentes fotograffas. El control se pasa al bloque 415 para comparar las ubicaciones de puntos de dano con los mismos puntos en un vefffculo no danado. Este vefffculo no danado puede ser un vefffculo de referencia o comparacion que sea igual que el vefffculo implicado en el accidente, o puede ser un vefffculo sustancialmente similar, tal como uno que tenga un tipo de carrocena comun. El control se pasa al bloque 420 para crear un perfil de dano por aplastamiento basandose en la comparacion del vefffculo danado con el no danado. El control se pasa al bloque 425 para mostrar un perfil de aplastamiento en un vefffculo representativo, por ejemplo, en una pantalla del sistema informatico. Asimismo, el perfil de aplastamiento puede almacenarse en el sistema para su uso posterior. Por ejemplo, usando la informacion del perfil de aplastamiento pueden determinarse diversas medidas de la gravedad del accidente, entre las que se incluyen potencial de dano, posible dano al vefffculo, etc. Asimismo, mediante la obtencion de la informacion del perfil de aplastamiento utilizando fotograffas del vefffculo mediante un analisis fotogrametrico, las realizaciones pueden utilizarse eficazmente y pueden agilizar un procedimiento de evaluacion, ya que las fotograffas pueden obtenerse mas facilmente que informacion adicional detallada con respecto al dano a un vefffculo. Esta informacion tambien puede usarse, por ejemplo, para auditar estimaciones de reclamacion para determinar si la estimacion de reparacion de la reclamacion es apropiada a la luz del perfil de aplastamiento y otra informacion obtenida a traves de un analisis fotogrametrico.
Una vez que se ha determinado el perfil de dano por aplastamiento, pueden desarrollarse varios datos de interes. Un elemento de informacion es estimar la gravedad del impacto de la colision calculando el cambio en la velocidad del
5
10
15
20
25
30
35
40
45
50
55
60
65
vetnculo a partir de la ene^a requerida para deformar el vetnculo. En una realizacion, la gravedad del impacto puede estimarse de acuerdo con los procedimientos descritos en el documento US No. 6.885.981 (en el presente documento, la patente '981), de titularidad compartida con la presente solicitud, cuyo contenido se incorpora por la presente como referencia. Otro elemento de informacion es la direccion principal de la fuerza o PDOF de la colision.
La Figura 16 muestra un diagrama de flujo de la determinacion de la PDOF a partir de un perfil de aplastamiento generado por analisis de fotogrametna de acuerdo con una realizacion de la presente invencion. Como se muestra en la Figura 16, el procedimiento 500, que puede llevarse a cabo en el mismo sistema utilizado para recibir informacion fotografica y procesarla para obtener datos de aplastamiento, comienza en el bloque 505, donde se evaluan componentes individuales del vetnculo (por ejemplo, capo, guardabarros, etc.) en cuanto a la direccion en la que se movieron en el accidente comparando la ubicacion danada del componente con respecto a la ubicacion no danada del componente, tal como esta presente en un vetnculo de referencia. Como ejemplo, el faro del lado del conductor y el capo pueden haber sido desplazados hacia el lado del pasajero como resultado del impacto. Este resultado se almacenana como un desplazamiento hacia la izquierda. El control se pasa al rombo de decision 510 para determinar si ha habido componentes desplazados. Si se han desplazado componentes, el control se pasa al bloque 515 y se almacena la direccion del desplazamiento de cada componente. El control se pasa al rombo de decision 520 para evaluar si todos los componentes que estan danados se han desplazado en la misma direccion. Si todos los componentes se han desplazado en la misma direccion que la evaluada por el rombo de decision 520, el control se pasa posteriormente al bloque 527 para almacenar la direccion de desplazamiento resultante. El control se pasa despues al bloque 535 para evaluar la informacion aportada sobre el accidente y el movimiento del vetnculo antes del accidente, a fin de determinar que vetnculo iba a mayor velocidad en el momento del impacto. Dicha informacion aportada puede corresponder al aporte de informacion facilitado por el usuario con respecto a la informacion asociada con el accidente, tal como la obtenida por los informes policiales, los informes de accidente, los datos del registrador de eventos (EDR) u otros medios de este tipo.
Si el rombo de decision 520 da lugar a componentes desplazados en direcciones diferentes, el control pasa a evaluar el desplazamiento del componente (rombo de decision 522). Si los componentes se han dispersado igualmente (por ejemplo, un punto de componente en el lado derecho se ha desplazado 2 pulgadas hacia la derecha y el punto de componente correspondiente se desplaza 2,5 pulgadas hacia la izquierda), entonces la PDOF se estimara sin aporte de informacion adicional y se pasara el control al bloque 527 para almacenar la direccion de cambio resultante y luego al bloque 535 como se ha comentado anteriormente. Si los componentes no se han dispersado igualmente (por ejemplo, un punto de componente en el lado derecho se desplaza 2 pulgadas hacia la derecha y el punto de componente correspondiente se desplaza 5 pulgadas hacia la izquierda), el control puede pasarse al bloque 525 para recopilar mas informacion sobre el desplazamiento del componente mediante la peticion de aporte de informacion a un usuario. Tal informacion puede incluir, por ejemplo, la naturaleza del impacto (por ejemplo, el impacto fue con un poste) o la naturaleza del desplazamiento del componente (por ejemplo, los componentes en la parte frontal del vehfculo se desplazaron mas hacia (a) el lado del conductor, (b) el lado del pasajero, o (c) ninguno de los lados). El control se pasa al bloque 540 para finalizar la estimacion del desplazamiento de componentes resultante recopilando los resultados del analisis de componentes y determinando el patron de desplazamiento de componentes general (por ejemplo, desplazamiento del lado del conductor, desplazamiento del lado del pasajero o desplazamiento neutro) y el control se pasa posteriormente al bloque 527 para almacenar la direccion de desplazamiento resultante. El control se pasa despues al bloque 535, comentado anteriormente. El control pasa entonces al bloque 530.
Si no se desplazaron componentes, tambien se pasa el control al bloque 530. En el bloque 530, la superposicion de los patrones de danos en los dos vetnculos puede optimizarse comparando y alineando los perfiles de danos en cada uno de los vetnculos. El control se pasa al bloque 545 para desarrollar una estimacion preliminar de la PDOF para el primer vetnculo. En una realizacion, tal determinacion puede realizarse examinando el patron de danos, el patron de desplazamiento de componentes global y la informacion aportada sobre el movimiento del vetnculo antes del impacto y determinando la direccion del impacto que este en consonancia con estos datos (por ejemplo, un vetnculo con desplazamiento de componentes significativo hacia el lado del pasajero y aplastamiento hacia el faro delantero y el guardabarros en el lado del conductor, y que se estaba moviendo mas despacio que el otro vetnculo podna ser compatible con una PDOF situada entre las 10 y las 11 en punto).
El control pasa entonces al bloque 550 para desarrollar una PDOF para el segundo vetnculo, lo que puede realizarse como se ha descrito previamente para el primer vetnculo. El control se pasa al rombo de decision 555 para evaluar la consonancia de la PDOF entre los dos vetnculos. Esta consonancia puede medirse, por ejemplo, basandose en la informacion de danos relativa a los vetnculos, las caractensticas del accidente, etc. Si la PDOF esta en consonancia entre los vetnculos, se pasa el control al bloque 565 para asignar una estimacion final de la PDOF para cada vetnculo, asf como generar un cambio en la velocidad (DV) para cada vetnculo usando las estimaciones iniciales para el dano por aplastamiento y la PDOF para estimar la gravedad del impacto, por ejemplo, de acuerdo con los procedimientos descritos en la patente '981. De lo contrario, si la PDOF no esta en consonancia segun la evaluacion en el rombo de decision 555, las estimaciones de la PDOF se revisan (como se muestra en el bloque 560) ajustando la estimacion de la PDOF y/o la optimizacion de la superposicion de danos al vetnculo dentro de parametros razonables en un procedimiento iterativo. El control se devuelve al rombo de decision 555 para una reevaluacion. Cuando se determinan PDOF consonantes, el control pasa al bloque 565, donde las PDOf y el cambio en los
5
10
15
20
25
30
35
40
45
50
55
60
65
valores de velocidad pueden finalizarse para los vetnculos usando las estimaciones iniciales de dano por aplastamiento y la PDOF para estimar la gravedad del impacto, de acuerdo con los procedimientos descritos en la patente '981. Estas estimaciones finales de ambas PDOF y del cambio en la velocidad pueden almacenarse en el sistema para un uso posterior. Asimismo, esta informacion puede ser notificada a un usuario, por ejemplo, mediante visualizacion otransmision a una ubicacion remota. Basandose en esta informacion estimada, un usuario puede usar la informacion para considerar si la informacion de la reclamacion, tal como danos a bienes, danos personales y demas, esta en consonancia con la PDOF y el cambio de velocidad. Esta informacion estimada puede usarse posiblemente en la determinacion de la responsabilidad por el accidente, asf como para determinar el punto y el angulo de impacto, las velocidades del vetnculo antes del impacto, etc.
Con referencia ahora a la Figura 17, se muestra un diagrama de flujo de un procedimiento para estimar componentes danados a partir de un perfil de aplastamiento de acuerdo con una realizacion de la presente invencion. El procedimiento 600 puede comenzar en el bloque 605, donde se produce una comparacion entre colisiones de gravedad similar (es decir, cambio de velocidad o DV) y direccion (es decir, direccion principal de la fuerza o PDOF) para el mismo vetnculos o similares en una base de datos y el vetnculo sometido a analisis. En algunas realizaciones, la base de datos puede estar organizada en grupos de archivos que agrupan tales vetnculos similares, gravedad y direccion. Como ejemplo, la base de datos puede ser de un sistema central, tal como una agencia de analisis de accidentes que recibe datos sobre accidentes de multiples fuentes de clientes, tales como compamas de seguros y otros, y compila la base de datos continuamente a medida que se reciben datos adicionales de accidentes, de manera que esa base de datos puede ser de naturaleza dinamica lo que puede ayudar a obtener informacion de estimacion precisa. Por consiguiente, el procedimiento 600 puede utilizarse en algunas realizaciones para actuar como una fuente de auditona para una reclamacion asociada con un accidente de vetnculo para determinar si un nivel de reclamacion afirmado es apropiado, por ejemplo, si entra dentro de un intervalo para accidentes similares en los que estuvieron implicados vetnculos similares. El control se pasa al bloque 610 para seleccionar y devolver todos los impactos similares, los componentes y las operaciones (es decir, reparar o reemplazar) para los componentes para las colisiones similares que implicaron al mismo o un vetnculo similar. El control se pasa al bloque 615 para crear una lista de componentes esperados y operaciones de componentes para el accidente actual. Esta lista puede ser creada identificando componentes de reparacion/reemplazo para los vetnculos danados de forma similar de la base de datos. En una realizacion, la lista puede crearse combinando o analizando los componentes de reparacion/remplazo de estos otros vetnculos de acuerdo con un analisis estadfstico, un analisis matematico u otro de tales medios. Aunque no se muestre en la Figura 17, esta lista puede usarse para determinar una lista de componentes de reparacion/reemplazo para el vetnculo y, en algunas realizaciones, un coste esperado para dicha reparacion/reemplazo.
El control se pasa al rombo de decision 620 para determinar si se ha creado una estimacion independiente. Si se ha desarrollado una evaluacion independiente de los componentes que necesitan ser reparados o reemplazados, por ejemplo, a traves de un perito de seguros, se pasa el control al bloque 625 para que esta nueva evaluacion pueda compararse con los componentes que se preve que necesitan reparacion o reemplazo. El control se pasa al rombo de decision 630 para identificar componentes en la estimacion que no estan en la lista esperada. Si hay componentes que no estan en la lista esperada, el control se pasa al bloque 635 para marcar una excepcion con respecto a la comparacion. Por ejemplo, cualquier elemento atfpico puede ser indicado para una revision adicional y un perito u otra entidad ajena puede ser notificado, por ejemplo, electronicamente (por ejemplo, correo electronico o al sistema informatico de la compama de seguros) o comunicacion similar. El control se pasa entonces al rombo de decision 645. Si ningun componente de la estimacion independiente es diferente de la lista esperada determinada en el rombo 630, el control tambien se pasa al rombo de decision 645 para determinar si hay componentes en la lista esperada pero no en la estimacion independiente. Si hay componentes en la lista esperada que no estan en la estimacion independiente, el control se pasa al bloque 640 con los elementos atfpicos indicados para una revision posterior. Si no hay componentes en la lista esperada que faltan en la estimacion independiente, entonces el control se pasa al bloque 650 y se determina que la estimacion ha superado la auditona. Tambien puede considerarse que la auditona se supera siempre y cuando el informe y la estimacion se encuentren dentro de una cantidad umbral (por ejemplo, por numero de componentes, puntuacion de concordancia u otras medidas) mutua. Tengase en cuenta tambien que los resultados de la auditona pueden almacenarse junto con una entrada en la base de datos para incluir informacion sobre el vetnculo y el accidente, para ayudar aun mas en el analisis de futuros accidentes. Aunque se muestre con esta implementacion particular en la realizacion de la Figura 17, debe entenderse que el alcance de la presente invencion no esta limitado a este respecto. Por ejemplo, en otras realizaciones, ademas de analizar la informacion del patron de aplastamiento, puede compararse informacion sobre el accidente de accidentes situados de forma similar con informacion sobre danos, por ejemplo, de una reclamacion para el presente accidente para determinar si el nivel de dano en conflicto esta en relacion sustancial con danos que se produjeron en estos accidentes situados de forma similar.
Con referencia ahora a la Figura 18, se muestra un diagrama de bloques de un sistema de acuerdo con una realizacion de la presente invencion. Como se muestra en la Figura 18, el sistema 700 puede ser un sistema informatico, tal como un ordenador personal, un ordenador servidor u otro sistema similar. El sistema 700 puede incluir un procesador 710, que puede ser un microprocesador tal como una unidad central de procesamiento. El procesador 710 esta acoplado a traves de un concentrador de control de memoria (MCH) 720 que a su vez esta acoplado a una memoria 730 y a una pantalla 740, que puede ser una pantalla plana, por ejemplo. Durante el
funcionamiento, la memoria 730 puede almacenar software de acuerdo con una realizacion de la presente invencion que incluye instrucciones para llevar a cabo las diversas tecnicas descritas en el presente documento.
Como se muestra adicionalmente en la Figura 18, el MCH 720 esta acoplado a un concentrador de controlador de 5 entrada/salida (ICH) 750. A su vez, el ICH 750 puede estar acoplado a diversos perifericos 760 y a un adaptador de red 770. El adaptador de red 770 puede utilizarse para la comunicacion entre el sistema 700 y uno o mas ordenadores a traves de una red informatica, tal como una red de area local (LAN), una red de area amplia (WAN) o una red inalambrica, tal como una LAN inalambrica (WLAN). Adicionalmente, el adaptador de red 770 puede comunicarse con sistemas remotos, tales como ordenadores de una comparMa de seguros u otro tercero que desee 10 enviar informacion de vehnculos y accidentes (por ejemplo, incluida informacion fotografica) al sistema 700 para analisis de acuerdo con una realizacion de la presente invencion. Tal comunicacion puede ser a traves de Internet u otra red informatica de este tipo. En algunas realizaciones, estas comunicaciones pueden hacerse seguras, por ejemplo, mediante cifrado o en otro formato seguro.
15 Aunque la presente invencion se ha descrito con respecto a un numero limitado de realizaciones, los expertos en la tecnica apreciaran numerosas modificaciones y variaciones de la misma, dentro del alcance de las reivindicaciones adjuntas.
Claims (15)
- 5101520253035404550556065REIVINDICACIONES1. Un procedimiento implementado por ordenador que comprende:recibir una pluralidad de imagenes de un vehnculo implicado en un accidente en un ordenador;determinar (410), en el ordenador, la ubicacion de puntos de dano para el vehnculo mediante triangulacionusando la pluralidad de imagenes; ygenerar (420) un perfil de dano por aplastamiento para el vehnculo basandose en una diferencia entre la ubicacion de puntos de dano para el vehnculo y puntos correspondientes para un vehnculo de referencia que tiene un tipo de carrocena comun con el vehnculo y que no esta danado, y almacenar el perfil de dano por aplastamiento en el ordenador para su uso posterior.
- 2. El procedimiento de la reivindicacion 1, que comprende adicionalmente evaluar (370) la pluralidad de imagenes para obtener informacion de estimacion de posicion.
- 3. El procedimiento de la reivindicacion 2, que comprende adicionalmente:recibir una entrada para seleccionar una posicion de referencia para que se corresponda con al menos una de la pluralidad de imagenes; yseleccionar (355, 365) puntos de control y puntos de aplastamiento para al menos una de la pluralidad de imagenes.
- 4. El procedimiento de la reivindicacion 1, que comprende adicionalmente:acceder al perfil de dano por aplastamiento y seleccionar una pluralidad de perfiles de dano por aplastamiento almacenados que tienen perfiles de dano por aplastamiento correspondientes dentro de un umbral predeterminado del perfil de dano por aplastamiento; yauditar una reclamacion asociada con el accidente basandose en una comparacion entre el perfil de dano por aplastamiento y la pluralidad de perfiles de dano por aplastamiento almacenados.
- 5. El procedimiento de la reivindicacion 1, que comprende adicionalmente:Determinar, en el ordenador, si un perfil de camara recibido con la pluralidad de imagenes corresponde a un perfil de camara presente en una base de datos de perfiles a la que accede el ordenador; y calibrar la pluralidad de imagenes basandose en el perfil de camara, si esta presente, o de lo contrario solicitar informacion adicional a un usuario de la camara.
- 6. El procedimiento de la reivindicacion 1, que comprende adicionalmente:determinar (510) si se ha desplazado al menos un componente del vehnculo implicado y, de ser asf, determinar una direccion de desplazamiento;optimizar (530) la superposicion de los perfiles de dano por aplastamiento entre el vehnculo y un segundo vehnculo implicado en el accidente; ydesarrollar (545, 550) una direccion principal de la fuerza para el vehnculo y el segundo vehnculo basandose en la superposicion optimizada de los perfiles de dano por aplastamiento y la direccion de desplazamiento para el vehnculo.
- 7. El procedimiento de la reivindicacion 6, que comprende adicionalmente obtener informacion de accidente con respecto al accidente y usar la informacion de accidente para desarrollar la direccion principal de la fuerza.
- 8. El procedimiento de la reivindicacion 7, que comprende adicionalmente determinar (555) si la direccion principal de la fuerza esta en consonancia con la informacion de danos con respecto al vehnculo y los segundos vehnculos y la informacion de accidente.
- 9. El procedimiento de la reivindicacion 8, que comprende adicionalmente:determinar un cambio en la velocidad para el vehnculo usando la superposicion optimizada de los perfiles de dano por aplastamiento ydeterminar un cambio en la velocidad para el segundo vehnculo usando la superposicion optimizada de perfiles de dano por aplastamiento.
- 10. El procedimiento de la reivindicacion 9, que comprende adicionalmente determinar el cambio de velocidad para el vehnculo usando informacion fotogrametrica obtenida con respecto al vehnculo y determinar el cambio de velocidad para el segundo vehnculo sin usar informacion fotogrametrica para el segundo vehfculo.
- 11. Un sistema que comprende:510152025un procesador (710) para ejecutar instrucciones para permitir que el sistema (700) determine un perfil de dano por aplastamiento de acuerdo con el procedimiento implementado por ordenador de la reivindicacion 1, y para comparar un perfil de dano por aplastamiento de un vefnculo implicado en un accidente con entradas en una base de datos que corresponden a perfiles de dano por aplastamiento de vefnculos de accidentes no relacionados, y seleccionar una o mas de las entradas basandose en la similitud con el perfil de dano por aplastamiento y una direccion de impacto, generar un informe de danos esperados de componentes del vefnculo para el vefnculo basandose en informacion de danos real para la o las entradas seleccionadas, incluida una lista de componentes de reparacion/reemplazo para el vefnculo y un coste esperado para la reparacion/remplazo, y almacenar el informe para su uso posterior; yuna memoria (730) acoplada al procesador para almacenar las instrucciones.
- 12. El sistema de la reivindicacion 11, en el que el procesador (710) permite adicionalmente que el sistema (700) determine al menos un componente del vefnculo que se ha de reparar o reemplazar.
- 13. El sistema de la reivindicacion 11, en el que el procesador (710) permite adicionalmente que el sistema (700) compare una estimacion de reparacion asociada con el vefnculo con el informe, y marque un componente listado para su reparacion o reemplazo en la estimacion de reparacion si el componente no se encuentra en el informe de danos esperados del vefnculo.
- 14. El sistema de la reivindicacion 13, en el que el procesador (710) permite adicionalmente que el sistema (700) marque un componente no listado para su reparacion o reemplazo en la estimacion de reparacion si el componente se encuentra en el informe de danos esperados de componentes del vefnculo.
- 15. El sistema de la reivindicacion 11, en el que el procesador (710) permite adicionalmente que el sistema (700) genere el patron de dano por aplastamiento del vefnculo basandose en datos de imagen del vefnculo recibidos por el sistema (700).
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US81196406P | 2006-06-08 | 2006-06-08 | |
| US811964P | 2006-06-08 | ||
| US11/519,560 US8239220B2 (en) | 2006-06-08 | 2006-09-12 | Method and apparatus for obtaining photogrammetric data to estimate impact severity |
| US519560 | 2006-09-12 | ||
| PCT/US2007/013215 WO2007145931A2 (en) | 2006-06-08 | 2007-06-05 | Method and apparatus for obtaining photogrammetric data to estimate impact severity |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2642571T3 true ES2642571T3 (es) | 2017-11-16 |
Family
ID=38822927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES07809319.2T Active ES2642571T3 (es) | 2006-06-08 | 2007-06-05 | Procedimiento y aparato para obtener datos fotogramétricos para estimar la gravedad de un impacto |
Country Status (8)
| Country | Link |
|---|---|
| US (2) | US8239220B2 (es) |
| EP (1) | EP2030139B1 (es) |
| CN (1) | CN101467153B (es) |
| AU (1) | AU2007258684B2 (es) |
| CA (1) | CA2653385C (es) |
| ES (1) | ES2642571T3 (es) |
| PL (1) | PL2030139T3 (es) |
| WO (1) | WO2007145931A2 (es) |
Families Citing this family (101)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7502772B2 (en) | 2006-02-27 | 2009-03-10 | Injury Sciences Llc | Method and apparatus for obtaining and using impact severity triage data |
| DE102006048578B4 (de) * | 2006-10-13 | 2010-06-17 | Gerhard Witte | Verfahren und Vorrichtung zum Bestimmen der Veränderung der Form eines dreidimensionalen Objektes |
| US8121753B2 (en) * | 2008-07-07 | 2012-02-21 | International Business Machines Corporation | System and method for gathering and submitting data to a third party in response to a vehicle being involved in an accident |
| US9691189B1 (en) * | 2008-09-29 | 2017-06-27 | United Services Automobile Association | Accident assessment and reconstruction systems and applications |
| DE102009035840B4 (de) * | 2009-08-01 | 2021-01-28 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren zum Positionieren und/oder Einstellen von Hochgeschwindigkeitskameras |
| US9087362B2 (en) * | 2010-11-08 | 2015-07-21 | International Business Machines Corporation | Traffic collision incident visualization with location context |
| US20150294419A1 (en) * | 2011-02-25 | 2015-10-15 | Jorge Fernando Gonzalez Miranda | System and method for estimating collision damage to a car |
| US9396577B2 (en) | 2012-02-16 | 2016-07-19 | Google Inc. | Using embedded camera parameters to determine a position for a three-dimensional model |
| US9453786B2 (en) * | 2012-04-05 | 2016-09-27 | Biodynamic Research Corporation | System force-deformation modeling apparatuses and methods |
| CN102663767B (zh) * | 2012-05-08 | 2014-08-06 | 北京信息科技大学 | 视觉测量系统的相机参数标定优化方法 |
| US10387960B2 (en) * | 2012-05-24 | 2019-08-20 | State Farm Mutual Automobile Insurance Company | System and method for real-time accident documentation and claim submission |
| CN102750697B (zh) * | 2012-06-08 | 2014-08-20 | 华为技术有限公司 | 一种参数标定方法及装置 |
| US9672567B2 (en) * | 2012-06-29 | 2017-06-06 | Estimatics In The Fourth Dimensions, Llc | Damage assessment and reporting system |
| US8712893B1 (en) | 2012-08-16 | 2014-04-29 | Allstate Insurance Company | Enhanced claims damage estimation using aggregate display |
| US10580075B1 (en) | 2012-08-16 | 2020-03-03 | Allstate Insurance Company | Application facilitated claims damage estimation |
| US10572944B1 (en) | 2012-08-16 | 2020-02-25 | Allstate Insurance Company | Claims damage estimation using enhanced display |
| US11455691B2 (en) | 2012-08-16 | 2022-09-27 | Allstate Insurance Company | Processing insured items holistically with mobile damage assessment and claims processing |
| US11532048B2 (en) | 2012-08-16 | 2022-12-20 | Allstate Insurance Company | User interactions in mobile damage assessment and claims processing |
| US10430885B1 (en) | 2012-08-16 | 2019-10-01 | Allstate Insurance Company | Processing insured items holistically with mobile damage assessment and claims processing |
| US8510196B1 (en) | 2012-08-16 | 2013-08-13 | Allstate Insurance Company | Feedback loop in mobile damage assessment and claims processing |
| US12175540B2 (en) | 2012-08-16 | 2024-12-24 | Allstate Insurance Company | Processing insured items holistically with mobile damage assessment and claims processing |
| US20220036463A1 (en) | 2012-08-16 | 2022-02-03 | Allstate Insurance Company | User devices in claims damage estimation |
| US10783585B1 (en) | 2012-08-16 | 2020-09-22 | Allstate Insurance Company | Agent-facilitated claims damage estimation |
| US11086196B2 (en) * | 2012-08-31 | 2021-08-10 | Audatex North America, Llc | Photo guide for vehicle |
| US9002719B2 (en) * | 2012-10-08 | 2015-04-07 | State Farm Mutual Automobile Insurance Company | Device and method for building claim assessment |
| US8799034B1 (en) | 2013-03-08 | 2014-08-05 | Allstate University Company | Automated accident detection, fault attribution, and claims processing |
| US10963966B1 (en) | 2013-09-27 | 2021-03-30 | Allstate Insurance Company | Electronic exchange of insurance information |
| US10032226B1 (en) | 2013-03-08 | 2018-07-24 | Allstate Insurance Company | Automatic exchange of information in response to a collision event |
| US9595019B1 (en) | 2013-03-13 | 2017-03-14 | Allstate Insurance Company | Parts inventory management |
| US9654679B1 (en) | 2013-03-13 | 2017-05-16 | Liberty Mutual Insurance Company | Imagery quantification of damage |
| US8788301B1 (en) | 2013-03-13 | 2014-07-22 | Allstate Insurance Company | Parts valuation and use |
| US8872818B2 (en) | 2013-03-15 | 2014-10-28 | State Farm Mutual Automobile Insurance Company | Methods and systems for capturing the condition of a physical structure |
| US20140316825A1 (en) * | 2013-04-18 | 2014-10-23 | Audatex North America, Inc. | Image based damage recognition and repair cost estimation |
| DE102013211005A1 (de) * | 2013-06-13 | 2014-12-18 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Ermitteln eines Zustands eines Fahrzeugs nach einer Benutzung des Fahrzeugs und entsprechendes System |
| US9721304B1 (en) * | 2013-07-15 | 2017-08-01 | Liberty Mutual Insurance Company | Vehicle damage assessment using 3D scanning |
| US20150029346A1 (en) * | 2013-07-23 | 2015-01-29 | Insurance Auto Auctions, Inc. | Photo inspection guide for vehicle auction |
| US9443270B1 (en) | 2013-09-17 | 2016-09-13 | Allstate Insurance Company | Obtaining insurance information in response to optical input |
| FR3011369B1 (fr) * | 2013-09-30 | 2016-12-16 | Rizze Sarl | Systeme de reconstitution de scene en 3d |
| CN103595935B (zh) * | 2013-10-15 | 2017-02-15 | 深圳市掌网科技股份有限公司 | 一种三维视频图像坏点的动态补偿方法及系统 |
| US10269074B1 (en) | 2013-10-23 | 2019-04-23 | Allstate Insurance Company | Communication schemes for property claims adjustments |
| US9824397B1 (en) | 2013-10-23 | 2017-11-21 | Allstate Insurance Company | Creating a scene for property claims adjustment |
| CA2928006A1 (en) * | 2013-11-14 | 2015-05-21 | The Uab Research Foundation | Systems and methods for analyzing sports impacts |
| CN103761764A (zh) * | 2013-12-18 | 2014-04-30 | 西安交通大学 | 一种基于视觉测量的雕塑截面层加工方法 |
| US9754324B1 (en) | 2014-02-18 | 2017-09-05 | United Services Automobile Association (Usaa) | Methods and systems for assessing comparative negligence |
| US10373260B1 (en) | 2014-03-18 | 2019-08-06 | Ccc Information Services Inc. | Imaging processing system for identifying parts for repairing a vehicle |
| US10373262B1 (en) | 2014-03-18 | 2019-08-06 | Ccc Information Services Inc. | Image processing system for vehicle damage |
| US10380696B1 (en) | 2014-03-18 | 2019-08-13 | Ccc Information Services Inc. | Image processing system for vehicle damage |
| GB2526270B (en) * | 2014-05-16 | 2018-08-22 | Pre Chasm Res Ltd | Examining vehicle glass defects |
| US10535103B1 (en) | 2014-09-22 | 2020-01-14 | State Farm Mutual Automobile Insurance Company | Systems and methods of utilizing unmanned vehicles to detect insurance claim buildup |
| US20160104241A1 (en) * | 2014-10-14 | 2016-04-14 | Linwood Ma | Mobile Securities Trading Platform |
| US10832329B1 (en) | 2014-12-11 | 2020-11-10 | State Farm Mutual Automobile Insurance Company | Search tool for improved workflow efficiency for insurance claim associates |
| US10832328B1 (en) | 2014-12-11 | 2020-11-10 | State Farm Mutual Automobile Insurance Company | Smart notepad for improved workflow efficiency for insurance claim associates |
| US10896469B1 (en) * | 2014-12-11 | 2021-01-19 | State Farm Mutual Automobile Insurance Company | Automated caller identification for improved workflow efficiency for insurance claim associates |
| US9846093B2 (en) | 2014-12-23 | 2017-12-19 | Ccc Information Services Inc. | Analyzing a collision with a vehicle having unknown damage |
| US10713717B1 (en) | 2015-01-22 | 2020-07-14 | Allstate Insurance Company | Total loss evaluation and handling system and method |
| US9218626B1 (en) | 2015-02-25 | 2015-12-22 | Ccc Information Services Inc. | Automatic prediction and recommendation of parts, materials, and services for vehicle insurance claim estimates and supplements |
| GB201517462D0 (en) * | 2015-10-02 | 2015-11-18 | Tractable Ltd | Semi-automatic labelling of datasets |
| US10410439B1 (en) * | 2015-10-09 | 2019-09-10 | United Services Automobile Association (Usaa) | Determining and assessing post-accident vehicle damage |
| US9824453B1 (en) * | 2015-10-14 | 2017-11-21 | Allstate Insurance Company | Three dimensional image scan for vehicle |
| US11037245B1 (en) * | 2015-10-15 | 2021-06-15 | Allstate Insurance Company | Generating insurance quotes |
| CN105719188B (zh) | 2016-01-22 | 2017-12-26 | 平安科技（深圳）有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 |
| US12106213B2 (en) | 2016-02-01 | 2024-10-01 | Mitchell International, Inc. | Systems and methods for automatically determining adjacent panel dependencies during damage appraisal |
| US12190358B2 (en) | 2016-02-01 | 2025-01-07 | Mitchell International, Inc. | Systems and methods for automatically determining associations between damaged parts and repair estimate information during damage appraisal |
| US10657547B2 (en) | 2016-03-28 | 2020-05-19 | International Business Machines Corporation | Forecast model calibration |
| CN107292394A (zh) * | 2016-04-11 | 2017-10-24 | 富泰华工业（深圳）有限公司 | 车辆损伤定价系统及方法 |
| US10176527B1 (en) | 2016-04-27 | 2019-01-08 | State Farm Mutual Automobile Insurance Company | Providing shade for optical detection of structural features |
| GB2554361B8 (en) | 2016-09-21 | 2022-07-06 | Emergent Network Intelligence Ltd | Automatic image based object damage assessment |
| CN106840695A (zh) * | 2017-01-13 | 2017-06-13 | 南安市永腾技术咨询有限公司 | 一种基于vr技术的汽车零件检测系统 |
| US10628890B2 (en) * | 2017-02-23 | 2020-04-21 | International Business Machines Corporation | Visual analytics based vehicle insurance anti-fraud detection |
| US10937103B1 (en) | 2017-04-21 | 2021-03-02 | Allstate Insurance Company | Machine learning based accident assessment |
| FR3068460B1 (fr) * | 2017-06-29 | 2019-08-09 | Techniques Topo | Procede d'etablissement d'un plan de recolement d'un reseau souterrain. |
| WO2019039997A1 (en) * | 2017-08-25 | 2019-02-28 | Maker Trading Pte Ltd | GENERAL SYSTEM FOR MONOCULAR ARTIFICIAL VISION AND METHOD FOR IDENTIFYING LOCATIONS OF TARGET ELEMENTS |
| US10791265B1 (en) | 2017-10-13 | 2020-09-29 | State Farm Mutual Automobile Insurance Company | Systems and methods for model-based analysis of damage to a vehicle |
| US11587046B1 (en) | 2017-10-25 | 2023-02-21 | State Farm Mutual Automobile Insurance Company | Systems and methods for performing repairs to a vehicle |
| CN108364253B (zh) * | 2018-03-15 | 2022-04-15 | 北京威远图易数字科技有限公司 | 车辆定损方法、系统以及电子设备 |
| CN110567728B (zh) * | 2018-09-03 | 2021-08-20 | 创新先进技术有限公司 | 用户拍摄意图的识别方法、装置及设备 |
| US11935129B2 (en) * | 2018-09-14 | 2024-03-19 | Mitchell International, Inc. | Methods for automatically determining injury treatment relation to a motor vehicle accident and devices thereof |
| US11640581B2 (en) * | 2018-09-14 | 2023-05-02 | Mitchell International, Inc. | Methods for improved delta velocity determination using machine learning and devices thereof |
| EP3629257A1 (en) | 2018-09-28 | 2020-04-01 | Mitchell International, Inc. | Methods for estimating repair data utilizing artificial intelligence and devices thereof |
| CN109632329A (zh) * | 2018-12-07 | 2019-04-16 | 中国汽车技术研究中心有限公司 | 一种基于23度角的实车平台翻滚测试方法 |
| US10773671B2 (en) | 2019-01-10 | 2020-09-15 | Snap-On Incorporated | Method and system for reporting diagnostic trouble code set in vehicle is collision-related |
| CN110775094B (zh) * | 2019-11-08 | 2020-09-29 | 中车长春轨道客车股份有限公司 | 列车踏面随车修形方法 |
| US11915479B1 (en) * | 2019-12-30 | 2024-02-27 | Scope Technologies Holdings Limited | Systems and methods for automatedly identifying, documenting and reporting vehicle damage |
| US11341525B1 (en) | 2020-01-24 | 2022-05-24 | BlueOwl, LLC | Systems and methods for telematics data marketplace |
| CN111457896B (zh) * | 2020-04-20 | 2021-09-14 | 中国人民解放军空军航空大学 | 一种单像空间后方交会非迭代方法 |
| CN115552468A (zh) * | 2020-05-11 | 2022-12-30 | 奇跃公司 | 用于计算3d环境的合成表示的计算高效方法 |
| WO2022010787A1 (en) | 2020-07-07 | 2022-01-13 | BlueOwl, LLC | Managing vehicle operator profiles based on primary and secondary telematics inferences via a telematics marketplace |
| US11669590B2 (en) | 2020-07-15 | 2023-06-06 | Mitchell International, Inc. | Managing predictions for vehicle repair estimates |
| US11544256B2 (en) | 2020-07-30 | 2023-01-03 | Mitchell International, Inc. | Systems and methods for automating mapping of repair procedures to repair information |
| DE102020133654B3 (de) * | 2020-12-16 | 2022-03-10 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Computerimplementiertes Verfahren zur Modifizierung einer Komponente eines computergenerierten Modells eines Kraftfahrzeugs |
| US20240403837A1 (en) * | 2021-07-23 | 2024-12-05 | Data Enlighten Technology (Beijing) Co., Ltd | Vehicle accident loss assessment method and apparatus |
| US12056722B1 (en) | 2021-10-04 | 2024-08-06 | Quanata, Llc | Systems and methods for managing vehicle operator profiles based on relative telematics inferences via a telematics marketplace |
| US12026729B1 (en) | 2021-10-04 | 2024-07-02 | BlueOwl, LLC | Systems and methods for match evaluation based on change in telematics inferences via a telematics marketplace |
| US12307509B1 (en) | 2021-10-04 | 2025-05-20 | Quanata, Llc | Systems and methods for managing vehicle operator profiles based on telematics inferences via an auction telematics marketplace with conditional bidding |
| US12373853B2 (en) | 2021-10-04 | 2025-07-29 | Quanata, Llc | Systems and methods for managing vehicle operator profiles based on telematics inferences via an auction telematics marketplace with a bid profit predictive model |
| US12566900B2 (en) | 2021-10-25 | 2026-03-03 | Ford Global Technologies, Llc | Systems, methods, and computer program products for severity classifications of simulated collisions |
| US12361092B2 (en) * | 2022-06-21 | 2025-07-15 | Deepen AI, Inc. | Sensor calibration optimization system and method |
| CN114896710B (zh) * | 2022-07-15 | 2022-10-28 | 中国飞机强度研究所 | 用于航空结构冲击分析的接触碰撞分析方法 |
| US20250078285A1 (en) * | 2023-08-30 | 2025-03-06 | Ccc Intelligent Solutions Inc. | Estimating deltav from images |
| US20260050713A1 (en) * | 2024-08-19 | 2026-02-19 | Assured Insurance Technologies, Inc. | Collision reconstruction engine |
| US20260050986A1 (en) | 2024-08-19 | 2026-02-19 | Assured Insurance Technologies, Inc. | Injury assistance model |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61218323A (ja) | 1985-03-20 | 1986-09-27 | 株式会社東芝 | 事故判定方法 |
| US4794262A (en) * | 1985-12-03 | 1988-12-27 | Yukio Sato | Method and apparatus for measuring profile of three-dimensional object |
| CA2025201C (en) | 1990-09-12 | 1992-09-01 | Dominic Carbone | Electronic accident estimating system |
| US5317503A (en) * | 1992-03-27 | 1994-05-31 | Isao Inoue | Apparatus for calculating a repair cost of a damaged car |
| DE19615246A1 (de) * | 1996-04-18 | 1997-10-23 | Krupp Foerdertechnik Gmbh | Photogrammetrie-Verfahren zur dreidimensionalen Verfolgung von bewegten Objekten |
| US6470303B2 (en) * | 1998-02-04 | 2002-10-22 | Injury Sciences Llc | System and method for acquiring and quantifying vehicular damage information |
| WO1999040529A1 (en) * | 1998-02-04 | 1999-08-12 | Biodynamic Research Corp. | System and method for acquiring and quantifying vehicular damage information |
| US6950013B2 (en) | 1998-06-01 | 2005-09-27 | Robert Jeffery Scaman | Incident recording secure database |
| JP2001076012A (ja) | 1999-08-31 | 2001-03-23 | Hitachi Ltd | 車両情報収集方法および装置 |
| JP2001283216A (ja) * | 2000-04-03 | 2001-10-12 | Nec Corp | 画像照合装置、画像照合方法、及びそのプログラムを記録した記録媒体 |
| US20020055861A1 (en) | 2000-11-08 | 2002-05-09 | King Daniel A. | Claiming system and method |
| JP2002326569A (ja) | 2001-05-02 | 2002-11-12 | Eac:Kk | 事故車の損傷部認識システム及び認識方法 |
| CN1458886A (zh) * | 2001-05-18 | 2003-11-26 | 白京一 | 用于汽车上的交通事故照相装置 |
| US7509241B2 (en) * | 2001-07-06 | 2009-03-24 | Sarnoff Corporation | Method and apparatus for automatically generating a site model |
| DE10144998A1 (de) | 2001-09-12 | 2003-05-08 | Kluft Werner | Ereignisdatenrekorder für Kollisions- bzw. Überlastsituationen an Werkzeugmaschinen |
| US20030200123A1 (en) * | 2001-10-18 | 2003-10-23 | Burge John R. | Injury analysis system and method for insurance claims |
| EP1338883B1 (de) | 2002-02-22 | 2006-04-26 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zur Analyse von Streuungen der Ergebnisse von Crash-Vorgängen |
| US7359821B1 (en) | 2002-06-11 | 2008-04-15 | Injury Sciences Llc | Methods and apparatus for using black box data to analyze vehicular accidents |
| JP3763476B2 (ja) | 2003-05-29 | 2006-04-05 | 三菱電機株式会社 | 車両及び運転者の挙動解析システム |
| US20040243423A1 (en) * | 2003-05-30 | 2004-12-02 | Decision Support Services | Automotive collision estimate audit system |
| US20060030985A1 (en) | 2003-10-24 | 2006-02-09 | Active Recognition Technologies Inc., | Vehicle recognition using multiple metrics |
| US7376492B2 (en) | 2003-12-04 | 2008-05-20 | Matrix Electronic Measuring, L.P. | System for measuring points on a vehicle during damage repair |
| US7689321B2 (en) * | 2004-02-13 | 2010-03-30 | Evolution Robotics, Inc. | Robust sensor fusion for mapping and localization in a simultaneous localization and mapping (SLAM) system |
| IT1337796B1 (it) | 2004-05-11 | 2007-02-20 | Fausto Siri | Procedimento per il riconoscimento, l'analisi e la valutazione delle deformazioni in particolare in automezzi |
| US20070061155A1 (en) * | 2005-09-13 | 2007-03-15 | Yiming Ji | Universal Vehicle Communication & Management System |
| US8224024B2 (en) * | 2005-10-04 | 2012-07-17 | InterSense, LLC | Tracking objects with markers |
| US7502772B2 (en) * | 2006-02-27 | 2009-03-10 | Injury Sciences Llc | Method and apparatus for obtaining and using impact severity triage data |
| DE102006048578B4 (de) * | 2006-10-13 | 2010-06-17 | Gerhard Witte | Verfahren und Vorrichtung zum Bestimmen der Veränderung der Form eines dreidimensionalen Objektes |
| US8326022B2 (en) * | 2008-05-22 | 2012-12-04 | Matrix Electronic Measuring Properties, Llc | Stereoscopic measurement system and method |
-
2006
- 2006-09-12 US US11/519,560 patent/US8239220B2/en not_active Expired - Fee Related
-
2007
- 2007-06-05 WO PCT/US2007/013215 patent/WO2007145931A2/en not_active Ceased
- 2007-06-05 CN CN2007800212253A patent/CN101467153B/zh not_active Expired - Fee Related
- 2007-06-05 CA CA2653385A patent/CA2653385C/en active Active
- 2007-06-05 AU AU2007258684A patent/AU2007258684B2/en not_active Ceased
- 2007-06-05 ES ES07809319.2T patent/ES2642571T3/es active Active
- 2007-06-05 PL PL07809319T patent/PL2030139T3/pl unknown
- 2007-06-05 EP EP07809319.2A patent/EP2030139B1/en not_active Not-in-force
-
2012
- 2012-06-29 US US13/537,353 patent/US9228834B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| AU2007258684A1 (en) | 2007-12-21 |
| CN101467153A (zh) | 2009-06-24 |
| WO2007145931A2 (en) | 2007-12-21 |
| CA2653385C (en) | 2017-11-07 |
| US9228834B2 (en) | 2016-01-05 |
| CN101467153B (zh) | 2013-09-25 |
| US8239220B2 (en) | 2012-08-07 |
| US20120265698A1 (en) | 2012-10-18 |
| CA2653385A1 (en) | 2007-12-21 |
| AU2007258684B2 (en) | 2011-03-10 |
| PL2030139T3 (pl) | 2017-12-29 |
| EP2030139A4 (en) | 2009-10-14 |
| EP2030139B1 (en) | 2017-07-19 |
| EP2030139A2 (en) | 2009-03-04 |
| WO2007145931A3 (en) | 2008-04-10 |
| US20070288135A1 (en) | 2007-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2642571T3 (es) | Procedimiento y aparato para obtener datos fotogramétricos para estimar la gravedad de un impacto | |
| Abraham et al. | Fish-eye-stereo calibration and epipolar rectification | |
| Mallon et al. | Which pattern? Biasing aspects of planar calibration patterns and detection methods | |
| Ai et al. | An automated sign retroreflectivity condition evaluation methodology using mobile LIDAR and computer vision | |
| EP3293701B1 (en) | Method and apparatus for the compensation of static image distortions introduced by a windshield onto an adas camera | |
| Erickson et al. | The accuracy of photo-based three-dimensional scanning for collision reconstruction using 123D catch | |
| CN110135396B (zh) | 地面标志的识别方法、装置、设备及介质 | |
| CA2942258A1 (en) | Underwater 3d image reconstruction utilizing triple wavelength dispersion and camera system thereof | |
| US11557089B1 (en) | System and method for determining a viewpoint of a traffic camera | |
| CN119991928B (zh) | 一种基于无人机的三维实景建模方法及系统 | |
| Krüger et al. | Accurate chequerboard corner localisation for camera calibration | |
| CN112668461B (zh) | 一种具有野生动物识别的智能监管系统 | |
| CN119338920A (zh) | 车载相机的标定方法、装置、设备、存储介质和程序产品 | |
| Tóth et al. | A minimal solution for image-based sphere estimation | |
| Gerke | Using horizontal and vertical building structure to constrain indirect sensor orientation | |
| van Ruitenbeek et al. | Multi-view damage inspection using single-view damage projection: RE van Ruitenbeek, S. Bhulai | |
| CN117197132B (zh) | 类镜面缺陷投影方法、装置、电子设备及存储介质 | |
| CN118379543A (zh) | 基于融合点级与体素特征的3d目标检测方法 | |
| JP2018088228A (ja) | 交点検出装置、カメラ校正システム、交点検出方法、カメラ校正方法、プログラムおよび記録媒体 | |
| CN119290004B (zh) | 一种基于地铁隧道巡检的路线规划方法及装置 | |
| Liu et al. | LiDAR-Camera Fusion Methods for Long-Distance Rail Transit Perception | |
| CN118823117B (zh) | 面向管道场景的单目视觉方法及处理设备 | |
| Isaksson et al. | Camera pose estimation with moving Aruco-board.: Retrieving camera pose in a stereo camera tolling system application. | |
| JP2020190509A (ja) | 光学配置生成装置、光学配置生成プログラム、光学配置生成方法、及び外観検査システム | |
| Xiao et al. | Accurate feature extraction and control point correction for camera calibration with a mono-plane target |