WO2023084116A1

WO2023084116A1 - Verfahren und vorrichtung zur klassifizierung von objekten, die auf einer oberfläche liegend gefördert werden

Info

Publication number: WO2023084116A1
Application number: PCT/EP2022/082002
Authority: WO
Inventors: Massoud Koshan; Anthony Ioan; Lino Gerlach
Original assignee: Koiotech UG (haftungsbeschränkt)
Priority date: 2021-11-15
Filing date: 2022-11-15
Publication date: 2023-05-19
Also published as: DE102021129673A1

Abstract

Zum Bestimmen des Werts mindestens eines Formparameters von Objekten (2), die in unbekannter Orientierung und Gruppierung auf einer Oberfläche (3) in einer längs der Oberfläche verlaufenden Förderrichtung gefördert werden, werden die Objekte (2) mit einem Messstrahl (9) eines LIDAR-Scanners (6) in einer quer zu der Förderrichtung verlaufenden Ebene wiederholt abgetastet. Eine Geschwindigkeit, mit der die Oberfläche (3) in der Förderrichtung durch die Ebene hindurchtritt, wird gemessen. Aus Signalen des LIDAR-Scanners (6) und der Geschwindigkeit wird ein originäres Höhenprofil der Objekte (2) auf der Oberfläche (3) punktweise bestimmt. Mit einem ersten neuronalen Netzwerk wird das originäre Höhenprofil segmentiert, wobei Segmente des originären Höhenprofils identifiziert werden, deren Punkte zu einem einzelnen Objekt (2) gehören. Ausschnitte des originären Höhenprofils, die jeweils ein identifiziertes Segment und dessen Umgebung dieses Segments umfassen, werden in kartesische Koordinaten transformiert und danach mit einem zweiten neuronalen Netzwerk bezüglich des Werts des mindestens einen Formparameters des einzelnen Objekts analysiert.

Description

VERFAHREN UND VORRICHTUNG ZUR KLASSIFIZIERUNG VON OBJEKTEN, DIE AUF EINER OBERFLÄCHE LIEGEND GEFÖRDERT WERDEN

TECHNISCHES GEBIET DER ERFINDUNG

Die Erfindung bezieht sich auf ein Verfahren zum Bestimmen des Werts mindestens eines Formparameters von Objekten, die in unbekannter Orientierung und Gruppierung auf einer Oberfläche liegend durch Bewegen der Oberfläche in einer längs der Oberfläche verlaufenden Förderrichtung gefördert werden. Insbesondere bezieht sich die Erfindung auf ein Verfahren mit den Merkmalen des Oberbegriffs des unabhängigen Patentanspruchs 1.

Weiterhin bezieht sich die Erfindung auf eine Vorrichtung zur Durchführung eines solchen Verfahrens, insbesondere mit den Merkmalen des Oberbegriffs des unabhängigen Patentanspruchs 12. Bei den Objekten kann es sich beispielsweise um Wurzelfrüchte wie Kartoffeln handeln, die auf ein Förderband geschüttet von dem Förderband transportiert werden. Der Formparameter dieser Objekte, deren Wert bestimmt wird, kann beispielsweise ein Quadratmaß der Kartoffeln oder die Anzahl von Stäben bestimmten Querschnitts und bestimmter Länge sein, die bei der Herstellung von Pommes Frites aus den Kartoffeln geschnitten werden können. STAND DER TECHNIK

Das Vermessen von einzeln auf einem Förderband geförderten Objekten mit Hilfe eines Laserscanners ist bekannt und kommt beispielsweise in der Produktionsüberwachung verschiedener Produkte zum Einsatz. Dabei angewandte Verfahren und eingesetzte Vorrichtungen sind jedoch für unregelmäßige Objekte, die in unbekannter Orientierung und Gruppierung, d. h. insbesondere auch auf- und übereinanderliegend, auf einem Förderband angeordnet sind, ungeeignet.

Aus der DE 101 34 714 A1 sind ein Verfahren und eine Anordnung zur berührungslosen Oberflächeninspektion von Produkten mit näherungsweise zylinderförmiger Gestalt, beispielsweise Kartoffeln, bekannt. Die Produkte werden vereinzelt, in ihrer Längsrichtung auf zwei eng benachbarte, sich mit der gleichen Geschwindigkeit in der gleichen Richtung drehende, ortsfeste Walzen übergeben, welche ebenfalls in Längsrichtung angeordnet sind. Die einzelnen Produkte werden gleichzeitig in Rotation und in eine Längsbewegung entlang der Längsrichtung der Walzen versetzt. Ein zeilenförmig abtastender, ebenfalls in Längsrichtung ausgerichteter Sensor erfasst den Bildbereich zwischen den Walzen und tastet die gesamte Abwicklung der Oberfläche jedes Produkts einmal oder mehrfach ab, während sich das Produkt rotierend und linear bewegend durch sein Bildfeld hindurchbewegt. Nach einer rechnergesteuerten Auswertung der Sensorsignale werden die Produkte in mehrere Klassen eingestuft und mechanisch sortiert. Dieses Verfahren ist nur für Produkte praktikabel, die in vergleichsweise geringer Anzahl je Zeiteinheit anfallen. Ansonsten kann nur eine Stichprobe von einem Produkthauptstrom abgesondert und in Klassen eingestuft werden.

Aus der WO 2020 / 120 702 A1 ist es bekannt, dreidimensionale Trainingsbilddaten und zugehörige Trainingsgewichtdaten einer Mehrzahl von Trainingsnahrungsmittelobjekten unter Verwendung einer 3D-Abbildungsvorrichtung und einer Waage zu bestimmen. Unter Verwendung dieser Trainingsbilddaten und zugehörigen Trainingsgewichtdaten wird ein neuronales Netzwerk trainiert. Dann werden dreidimensionale Bilddaten von Nahrungsmittelobjekten mit einer 3D- Abbildungsvorrichtung aufgenommen, und das trainierte neuronale Netzwerk und die aufgenommenen 3D-Bilder werden verwendet, um ein Gewicht für das jeweilige Nahrungsmittelprodukt zu ermitteln. Die Nahrungsmittelobjekte können auf einem Förderer gefördert und dabei mit Hilfe eines Laserscanners abgetastet werden, wobei der Auftreffpunkt des von dem Laserscanner kommenden Laserstrahl mit einer Kamera erfasst wird.

Aus der WO 2019 / 089 825 A1 sind Systeme und Verfahren zur optischen Materialcharakterisierung von Abfallmaterialien unter Anwendung von Machine Learning bekannt. Ein solches System weist eine Abbildungseinrichtung zum Erzeugen von Bildern eines Bereichs und von Zielobjekten in dem Bereich auf. Ein Objektcharakterisierungsprozessor ist an die Abbildungseinrichtung angeschlossen und weist ein neuronales Netzwerk und gespeicherte Parameter zum Charakterisieren der Zielobjekte auf. Von dem neuronalen Netzwerk wird die Anwesenheit einer Mehrzahl von unterschiedlichen Materialien innerhalb der Bilder basierend auf einer Mehrzahl von unterschiedlichen Merkmalen detektiert und ausgegeben. Das neuronale Netzwerk wird konkret als Fully Convolutional Neural Network beschrieben und auch als Machine Learning Based Segmentation Algorithm bezeichnet. Dieses neuronale Netzwerk erzeugt materialspezifische Bilder für verschiedene Materialien, von denen eines beispielsweise das Vorhandensein von Aluminiumdosen, deren Größe und Orientierung anzeigen.

Aus der EP 3 816 857 A1 ist ein neuronales Netzwerk für das Sortieren von Objekten aus einer Masse bekannt. Das Sortierungssystem weist mindestens eine Strahlungsquelle, um die Objekte zu bestrahlen, und mindestens einen optischen Sensor, um Spektraldaten zu von den Objekten reflektierter Strahlung zu erfassen. Eine Verarbeitungsschaltung analysiert die reflektierte Strahlung der Objekte durch Eingeben der Spektraldaten in ein Convolutional Neural Network (CNN) mit mindestens zwei Faltungsschichten, um die Objekte in den Spektraldaten entweder zu erkennen und zu klassifizieren und/oder die Spektraldaten semantisch zu segmentieren. Ein mechanischer Sortierer ist vorgesehen, um die Objekte unter Verwendung der Analyse der Verarbeitungsschaltung zu sortieren.

Aus der US 2018 / 0 042 176 A1 sind Vorrichtungen und Verfahren zum Erfassen von Eigenschaften von geernteten Pflanzen bekannt, bei denen es sich insbesondere um Wurzelfrüchte handelt. Ein Höhensensor erfasst ein Höhenprofil der Pflanzen auf einem Förderer. Der Höhensensor kann ein LIDAR-Sensor sein. Das Höhenprofil wird in kartesischen Koordinaten bestimmt. Mit einem trainierten statistischen Modell wird das Höhenprofil analysiert, um den Wert eines Form- und/oder Qualitätsparameters der geernteten Pflanzen zu bestimmen.

AUFGABE DER ERFINDUNG

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren und eine Vorrichtung zum Bestimmen des Werts mindestens eines Formparameters von Objekten, die in unbekannter Orientierung und Gruppierung auf einer Oberfläche liegend durch Bewegen der Oberfläche in einer längs der Oberfläche verlaufenden Förderrichtung gefördert werden, aufzuzeigen, die auch in großer Stückzahl je Zeiteinheit anfallenden Objekten geeignet sind. LÖSUNG

Die Aufgabe der Erfindung wird durch ein Verfahren mit den Merkmalen des unabhängigen Patentanspruchs 1 und durch eine Vorrichtung mit den Merkmalen des unabhängigen Patentanspruchs 12 gelöst. Die abhängigen Patentansprüche sind auf bevorzugte Ausführungsformen des erfindungsgemäßen Verfahrens und der erfindungsgemäßen Vorrichtung gerichtet.

BESCHREIBUNG DER ERFINDUNG

In den Patentansprüchen und der Beschreibung ist die Richtungsangabe "quer" so zu verstehen, dass sie zwar vorzugsweise, aber nicht zwingend "senkrecht" bedeutet. Grundsätzlich soll die Richtungsangabe "quer" nur "im Wesentlichen senkrecht" bedeuten und eine Winkelabweichung zu "genau senkrecht" von bis zu 40° oder zumindest bis zu 20° zulassen.

Bei einem erfindungsgemäßen Verfahren zum Bestimmen des Werts mindestens eines Formparameters von Objekten, die in unbekannter Orientierung und Gruppierung auf einer Oberfläche liegend durch Bewegen der Oberfläche in einer längs der Oberfläche verlaufenden Förderrichtung gefördert werden, werden mit einem auf die Oberfläche gerichteten Messstrahl eines LIDAR-Scanners die auf der Oberfläche liegenden Objekten in einer quer zu der Förderrichtung verlaufenden Ebene wiederholt abgetastet. Eine Geschwindigkeit, mit der die Oberfläche in der Förderrichtung durch die Ebene hindurchtritt, wird erfasst, und aus Signalen des LIDAR-Scanners und der Geschwindigkeit der Oberfläche wird ein originäres Höhenprofil der Objekte auf der Oberfläche punktweise bestimmt. Das originäre Höhenprofil wird mit einem ersten neuronalen Netzwerk segmentiert, wobei Segmente des originären Höhenprofils identifiziert werden, deren Punkte jeweils zu einem einzelnen Objekt gehören. Ausschnitte des originären Höhenprofils, die jeweils ein identifiziertes Segment und eine Umgebung dieses einen identifizierten Segments umfassen, werden in kartesische Koordinaten transformiert und danach mit einem zweiten neuronalen Netzwerk bezüglich des Werts des mindestens einen Formparameters des jeweiligen einzelnen Objekts, zu denen die Punkte des Segments gehören, analysiert.

Ein LIDAR-Scanner erfasst die Laufzeit seines Messstrahls zu einem Messpunkt, auf den der Messstrahl auftrifft, und zurück zu dem LIDAR-Scanner. Aus dieser Laufzeit und der Lichtgeschwindigkeit ergibt sich die Entfernung des Messpunkts zu dem LIDAR-Scanner. Ein LIDAR- Scanner weist weiterhin Mittel zum Ausrichten des Messstrahls in unterschiedliche Richtungen, typischerweise einen oder mehrere Drehspiegel, auf. Die Stellung dieser Mittel wird der jeweiligen Laufzeit des Messstrahls bzw. der daraus abgeleiteten Entfernung des Messpunkts zugeordnet, um neben der Entfernung die Richtung festzuhalten, in der der Messpunkts von dem LIDAR- Scanner aus liegt. Bei dem erfindungsgemäßen Verfahren werden mit dem auf die Oberfläche gerichteten Messstrahl des LIDAR-Scanners die auf der Oberfläche liegenden Objekte in einer quer zu der Förderrichtung verlaufenden Ebene wiederholt abgetastet. Die Ebene kann derart leicht geneigt zu der Förderrichtung verlaufen, dass die Oberfläche in nahezu senkrecht zu der Förderrichtung verlaufenden Zeilen mit dem Messstrahl abgetastet wird. Die dafür einzustellende Neigung der Ebene hängt von der Geschwindigkeit ab, mit der die Oberfläche in der Förderrichtung durch die Ebene hindurchtritt. Wenn der Verlauf der Ebene signifikant von diesem idealen Verlauf abweicht, ist dies in den weiteren Schritten des erfindungsgemäßen Verfahrens zu berücksichtigen. In jedem Fall werden beim wiederholten Abtasten der auf der Oberfläche liegenden Objekte nicht immer dieselben sondern in der Förderrichtung aufeinander folgende Messpunkte der Objekte mit dem Messstrahl abgetastet.

Grundsätzlich ergibt sich die flächige Abtastung der auf der Oberfläche liegenden Objekte bei dem erfindungsgemäßen Verfahren durch das Verschwenken des Messstrahls in der quer zu der Förderrichtung verlaufenden Ebene nur in einer längs der Oberfläche verlaufenden Raumrichtung; in der zweiten längs der Oberfläche verlaufenden Raumrichtung erfolgt das Abtasten durch das Bewegen der Oberfläche, auf der die Objekte liegen. Indem die Geschwindigkeit erfasst wird, mit der die Oberfläche in der Förderrichtung durch die Ebene hindurchtritt, kann die Lage jedes Messpunkts des LIDAR-Scanners einem Punkt der Oberfläche bzw. wenn es zwischen diesem Punkt und dem LIDAR-Scanner liegenden Objekts zugeordnet werden. Auf dieser Basis wird aus den Signalen des LIDAR-Scanners und der Geschwindigkeit der Oberfläche das originäre Höhenprofil der Objekte auf der Oberfläche punktweise bestimmt.

Dieses originäre Höhenprofil wird in einem ersten Auswerteschritt mit Hilfe des ersten neuronalen Netzwerks segmentiert. Das erste neuronale Netzwerk identifiziert Segmente des Höhenprofils derart, dass alle Punkte jedes identifizierten Segments zu einem einzelnen Objekt gehören und dass jedes identifizierte Segment alle Punkte des originären Höhenprofils umfasst, die zu dem jeweiligen einzelnen Objekt gehören.

Dann werden in einem zweiten Auswerteschritt die Ausschnitte des originären Höhenprofils, die jeweils nicht nur ein in dem ersten Auswerteschritt identifiziertes Segment, sondern auch eine begrenzte Umgebung dieses identifizierten Segments umfassen, in kartesische Koordinaten transformiert und danach mit Hilfe des zweiten neuronalen Netzwerks analysiert. Das zweite neuronale Netzwerk bestimmt den Wert des mindestens einen interessierenden Formparameters des jeweiligen einzelnen Objekts. Diese Bestimmung kann zum Inhalt haben, dass der genaue Wert des Formparameters ermittelt wird oder in welchen von mehreren Wertebereichen des Formparameters der jeweilige Wert fällt.

Die vorliegende Erfindung betrifft nicht den genauen Aufbau des ersten und des zweiten neuronalen Netzwerks, der unterschiedlich ausgeführt sein kann. Die Erfindung besteht vielmehr darin, die Auswertung in aufeinanderfolgenden Auswerteschritte durchzuführen, die derart definiert sind, dass mit zwei neuronalen Netzwerken problemlos zu bewältigen und dadurch voll automatisch ausführbar sind.

Die bei dem erfindungsgemäßen Verfahren aus den Signalen des LIDAR-Scanners und der Geschwindigkeit der Oberfläche resultierenden originären Koordinaten der Messpunkte der abgetasteten Objekte auf der Oberfläche sind Zylinderkoordinaten, bei denen die z-Koordinate in der Förderrichtung verläuft und der Winkel um eine Schwenkachse des Messstrahls des LIDAR- Scanners. Eine Transformation der originären Koordinaten aller Messpunkte in kartesische Koordinaten würde viel Rechenzeit erfordern. Diese Rechenzeit wird bei dem erfindungsgemäßen Verfahren erheblich dadurch reduziert, dass das Höhenprofil zunächst in den originären Zylinderkoordinaten oder jedenfalls noch nicht komplett transformierten Koordinaten bestimmt wird, dass auch das Segmentieren des Höhenprofils direkt in den originären Zylinderkoordinaten oder den jedenfalls noch nicht komplett transformierten Koordinaten erfolgt und dass das originäre Höhenprofil nur für die Ausschnitte in kartesische Koordinaten umgerechnet wird, die in dem zweiten Auswerteschritt analysiert werden.

Bei der Transformation in kartesische Koordinaten geht es nicht nur um eine Umrechnung der Punkte des originären Höhenprofils in kartesische Koordinaten, sondern auch um eine auf Basis von Extrapolationen zwischen den Messpunkten des LIDAR-Scanners durchzuführende Bestimmung des Höhenprofils in den kartesischen Koordinaten in Punkten, die über der bewegten Oberfläche in gleichen Abständen verteilt sind. Dies ist Voraussetzung dafür, dass die identifizierten Segmente unabhängig davon, wo sich das zugehörige Objekt auf der Oberfläche befand, miteinander vergleichbar sind. Dies ist wiederum Voraussetzung dafür, dass die zugehörigen Ausschnitte des Höhenprofils ohne Berücksichtigung weiterer Informationen analysiert werden können.

In dem ersten Auswerteschritt des erfindungsgemäßen Verfahrens kann eine Gruppe speziell solcher Segmente identifiziert werden, die jeweils zu einem einzelnen auf der Oberfläche oder auf anderen Objekten insoweit freiliegenden Objekten gehören, dass ihre Oberseiten auch nicht teilweise durch ein oder mehrere andere Objekte verdeckt sind. Wenn dann in dem zweiten Auswerteschritt nur Ausschnitte des Höhenprofils analysiert werden, die ein Segment aus dieser Gruppe umfassen, ist die Analyse in dem zweiten Verarbeitungsschritt besonders einfach. Auch das Identifizieren der Segmente dieser Gruppe ist eine Aufgabe, die mit Hilfe eines neuronalen Netzwerks ohne grundsätzliche Probleme zu bewältigen ist.

Es versteht sich, dass gerade bei dieser Ausführungsform des erfindungsgemäßen Verfahrens die Werte des mindestens einen Formparameters nur für einen T eil der Objekte bestimmt werden. Bei diesem T eil der Objekte handelt es sich jedoch um eine zufällige und damit auch grundsätzlich repräsentative Stichprobe, die nicht ausgesondert wird.

Konkret können die identifizierten Segmente dem zweiten neuronalen Netzwerk für den zweiten Auswerteschritt jeweils durch eine Maske für das Höhenprofil angezeigt werden. Die Fläche der jeweiligen Maske kann dann genutzt werden, um jeden Ausschnitt des Höhenprofils konzentrisch zu einer Grundfläche des zugehörigen Segments des Höhenprofils festzulegen. Die Konzentrizität kann speziell gegenüber einem Flächenschwerpunkt der Maske bzw. der Grundfläche festgelegt werden. Dabei weisen die Ausschnitte des Höhenprofils vorzugsweise feste absolute Abmessungen auf. Mit beiden Maßnahmen wird die Analyse der Ausschnitte bezüglich des Werts des interessierenden Formparameters durch das zweite neuronale Netzwerk in dem zweiten Auswerteschritt vereinfacht.

Zu Beginn des erfindungsgemäßen Verfahrens kann sowohl das erste neuronale Netzwerk mit Höhenprofilen von realen und/oder simulierten Objekten auf der Oberfläche als auch das zweite neuronale Netzwerk mit Ausschnitten von Höhenprofilen um Segmente von realen und/oder simulierten Objekten auf der Oberfläche und gemessenen Werten des mindestens einen Formparameters der realen und/oder simulierten Objekte trainiert werden. Die Simulation von Objekten erlaubt es den Trainingsumfang für die neuronalen Netzwerke in begrenzter absoluter Zeit erheblich zu steigern. Zur Bestimmung von Formparametern von Wurzelfrüchten hat sich ein Abtasten der Oberfläche mit dem Messstrahl des LIDAR-Scanners mit einer Ortsauflösung von < 3 mm als ausreichend, von < 2 mm als vorteilhaft und von < 1 mm als bevorzugt ergeben.

Je stärker der Winkel des Messstrahls zu der Oberfläche beim Abtasten der Oberfläche von 90° abweicht, desto größer ist die resultierende Verzerrung des Höhenprofils in seinen originären Koordinaten gegenüber den kartesischen Koordinaten. Bei Winkeln kleiner als 45° ergeben sich zunehmend Artefakte durch Verschattungen, die nicht korrigierbar sind. Vorzugsweise bleibt der Winkel des Messstrahls zu der Oberfläche bei dem erfindungsgemäßen Verfahren daher bei mindestens 60°.

Bei dem erfindungsgemäßen Verfahren kann eine Nulllinie des originären Höhenprofils durch Abtasten der Oberfläche ohne aufliegende Objekte bestimmt werden. Die Messpunkte der auf der Oberfläche liegenden Objekte liegen über dieser Nulllinie. Alternativ oder zusätzlich kann eine Bezugshöhe des originären Höhenprofils durch Erfassen eines höchsten Punkts der auf der Oberfläche liegenden und während eines Erfassungszeitraums abgetasteten Objekte bestimmt werden. Der Erfassungszeitraum kann der Zeitraum sein, in dem die interessierenden Objekte oder eine Teilmenge davon durch die Ebene, in der der LIDAR-Scanner abtastet, hindurch gefördert wurden. Dann kann das originären Höhenprofil selektiv für solche Messpunkte bestimmt werden, die innerhalb eines Höhenbereichs unterhalb dieser Bezugshöhe liegen. Dieser Höhenbereich kann bis zu der Nulllinie reichen oder in geeigneter Weise so festgelegt werden, dass er etwas darüber endet. Konkret kann die Höhe der Messpunkte innerhalb des Höhenbereichs auf Werte zwischen 0 und 1 normiert werden und außerhalb des Höhenbereichs auf 0 oder 1 festgelegt werden, je nachdem auf welcher Seite des Höhenbereichs die Messpunkte liegen. Der Höhenbereich kann abhängig von einer typischen maximalen Schütthöhe der übereinander auf der Oberfläche liegenden Objekte festgelegt werden und kann dann in einer Größenordnung von einem bis ein paar dm, d. h. von 1 dm bis 5 dm, liegen. Bei Kartoffeln auf einem Förderband kann er beispielsweise konkret 3 dm betragen. Diese Vorgehensweise ist auch bei einer Durchbrechungen aufweisenden oder nicht glatten Oberfläche problemlos, die keine einfache Bestimmung der Nulllinie zulässt; und sie ist unempfindliche gegenüber Änderungen der relativen Höhe des LIDAR-Scanners über der Oberfläche. Wenn das Höhenprofil originär gegenüber einer solchen Nulllinie und/oder Bezugshöhe angegeben wird, sind seine Koordinaten auch ohne weitere Umrechnung an kartesische Koordinaten angenähert. Bei dem erfindungsgemäßen Verfahren kann die bewegte Oberfläche zwar eben sein; dies ist jedoch keinesfalls zwingend. Zum Beispiel kann die Oberfläche rinnenförmig gekrümmt oder strukturiert sein. Durch Bestimmen der Nulllinie des originären Höhenprofils wird eine Konturierung der bewegten Oberfläche, auf der die Objekte liegen und gefördert werden, berücksichtigt. Beim Ermitteln des originären Höhenprofils gegenüber der Bezugshöhe ist eine Konturierung der bewegten Oberfläche unerheblich, soweit sie außerhalb des vorgegebenen Höhenbereichs unter der Bezugshöhe bleibt.

Bei dem erfindungsgemäßen Verfahren kann von dem LIDAR-Scanner neben der Laufzeit seines Messstrahls ein Reflektionsgrad seines Messstrahls erfasst und dem originären Höhenprofil als weitere Koordinate hinzugefügt werden. Diese Koordinate wird vorzugsweise bei dem Segmentieren des originären Höhenprofils in dem ersten Auswerteschritt von dem ersten neuronalen Netzwerk berücksichtigt.

Der mindestens eine Formparameter, der durch das erfindungsgemäße Verfahren bestimmt wird, kann zum Beispiel ausgewählt werden aus Länge der Objekte, Quadratmaß der Objekte, Volumen der Objekte, Oberfläche der Objekte, Krümmung der Objekte und Anzahl durchgehender Stäbe bestimmter Abmessungen, in die die Objekte aufgeteilt werden können. Grundsätzlich können mit dem erfindungsgemäßen Verfahren Werte beliebiger Formparameter bestimmt werden.

Wie schon angedeutet wurde, können die Ausschnitte des Höhenprofils mit dem zweiten neuronalen Netzwerk dahingehend analysiert werden, in welche von mehreren Objektklassen das jeweilige Objekt aufgrund seines Werts des mindestens einen Formparameters fällt. Dabei muss der Wert des Formparameters für jedes einzelne Objekt zahlenmäßig nicht genauer bestimmt werden, als es zur Klassifizierung des Objekts nötig ist.

Die Objekte können zum Beispiel Wurzelfrüchte, konkret Kartoffeln oder Zuckerrüben sein.

Eine erfindungsgemäße Vorrichtung ist zum erfindungsgemäßen Bestimmen des Werts mindestens eines Formparameters von Objekten, die in unbekannter Orientierung und Gruppierung auf einer Oberfläche eines Förderers liegend durch Bewegen der Oberfläche einer längs der Oberfläche verlaufenden Förderrichtung gefördert werden, geeignet. Sie weist dazu einen einen Messstrahl in unterschiedlichen Richtungen in einer Ebene aussendenden LIDAR-Scanner, eine Positioniereinrichtung, die ausgebildet ist, den LIDAR-Scanner so gegenüber dem Förderer zu positionieren, dass diese Ebene quer zu der Förderrichtung verläuft, einen Geschwindigkeitssensor, der dazu ausgebildet ist, eine Geschwindigkeit zu erfassen, mit der die Oberfläche in der Förderrichtung durch die Ebene hindurchtritt, und eine erste Auswerteeinrichtung auf, die dazu ausgebildet ist, aus Signalen des LIDAR-Scanners und der Geschwindigkeit der Oberfläche ein Höhenprofil der Objekte auf der Oberfläche punktweise zu bestimmen. Eine zweite Auswerteeinrichtung der erfindungsgemäßen Vorrichtung weist ein erstes neuronales Netzwerk auf und ist dazu ausgebildet, das Höhenprofil mit dem ersten neuronalen Netzwerk zu segmentieren, wobei Segmente des Höhenprofils identifiziert werden, deren Punkte jeweils zu einem einzelnen Objekt gehören. Weiterhin weist die erfindungsgemäße Vorrichtung eine dritte Auswerteeinrichtung auf, die ein zweites neuronales Netzwerk umfasst und dazu ausgebildet ist, Ausschnitte des Höhenprofils, die jeweils ein Segment und eine Umgebung des einen Segments umfassen, in kartesische Koordinaten zu transformieren und danach mit dem zweiten neuronalen Netzwerk bezüglich des Werts des mindestens einen Formparameters des jeweiligen einzelnen Objekts zu analysieren. Weiterhin ist die dritte Auswerteeinrichtung dazu ausgebildet, beim Transformieren der Ausschnitte des originären Höhenprofils in die kartesischen Koordinaten das Höhenprofil in den kartesischen Koordinaten auf Basis von Extrapolationen in Punkten zu bestimmen, die in gleichen Abständen über der bewegten Oberfläche verteilt sind.

Die zweite Auswerteeinrichtung ist insbesondere dazu ausgebildet, eine Gruppe solcher Segmente zu identifizieren, die jeweils zu einem einzelnen, auf der Oberfläche oder auf anderen Objekten frei liegenden Objekt gehören, dessen Oberfläche nicht durch ein oder mehrere andere Objekte verdeckt ist. Dabei ist die dritte Auswerteeinrichtung dann insbesondere dazu ausgebildet, nur solche Ausschnitte des Höhenprofils zu analysieren, die jeweils ein Segment aus dieser Gruppe umfassen. Diese und weitere bevorzugte Ausführungsformen der erfindungsgemäßen Vorrichtung entsprechend bevorzugten Ausführungsformen des erfindungsgemäßen Verfahrens, wie sie bereits erläutert wurden.

Vorteilhafte Weiterbildungen der Erfindung ergeben sich aus den Patentansprüchen, der Beschreibung und den Zeichnungen.

Die in der Beschreibung genannten Vorteile von Merkmalen und von Kombinationen mehrerer Merkmale sind lediglich beispielhaft und können alternativ oder kumulativ zur Wirkung kommen, ohne dass die Vorteile zwingend von erfindungsgemäßen Ausführungsformen erzielt werden müssen.

Hinsichtlich des Offenbarungsgehalts - nicht des Schutzbereichs - der ursprünglichen Anmeldungsunterlagen und des Patents gilt Folgendes: Weitere Merkmale sind den Zeichnungen - insbesondere den dargestellten Geometrien und den relativen Abmessungen mehrerer Bauteile zueinander sowie deren relativer Anordnung und Wirkverbindung - zu entnehmen. Die Kombination von Merkmalen unterschiedlicher Ausführungsformen der Erfindung oder von Merkmalen unterschiedlicher Patentansprüche ist ebenfalls abweichend von den gewählten Rückbeziehungen der Patentansprüche möglich und wird hiermit angeregt. Dies betrifft auch solche Merkmale, die in separaten Zeichnungen dargestellt sind oder bei deren Beschreibung genannt werden. Diese Merkmale können auch mit Merkmalen unterschiedlicher Patentansprüche kombiniert werden. Ebenso können in den Patentansprüchen aufgeführte Merkmale für weitere Ausführungsformen der Erfindung entfallen, was aber nicht für die unabhängigen Patentansprüche des erteilten Patents gilt.

Die in den Patentansprüchen und der Beschreibung genannten Merkmale sind bezüglich ihrer Anzahl so zu verstehen, dass genau diese Anzahl oder eine größere Anzahl als die genannte Anzahl vorhanden ist, ohne dass es einer expliziten Verwendung des Adverbs "mindestens" bedarf. Wenn also beispielsweise von einem Geschwindigkeitssensor die Rede ist, ist dies so zu verstehen, dass genau ein Geschwindigkeitssensor, zwei Geschwindigkeitssensoren oder mehr Geschwindigkeitssensoren vorhanden sind. Die in den Patentansprüchen angeführten Merkmale können durch weitere Merkmale ergänzt werden oder die einzigen Merkmale sein, die der Gegenstand des jeweiligen Patentanspruchs aufweist.

Die in den Patentansprüchen enthaltenen Bezugszeichen stellen keine Beschränkung des Umfangs der durch die Patentansprüche geschützten Gegenstände dar. Sie dienen lediglich dem Zweck, die Patentansprüche leichter verständlich zu machen.

KURZBESCHREIBUNG DER FIGUREN

Im Folgenden wird die Erfindung anhand in den Figuren dargestellter bevorzugter Ausführungsbeispiele weiter erläutert und beschrieben. Fig. 1 ist eine schematische Ansicht einer erfindungsgemäßen Vorrichtung mit Blickrichtung in Förderrichtung.

Fig. 2 ist eine perspektivische Darstellung eines Details der Vorrichtung gemäß Fig. 1.

Fig. 3 ist ein Ablaufdiagramm des erfindungsgemäßen Verfahrens.

Fig. 4 zeigt ein Höhenprofil, wie es im Laufe des erfindungsgemäßen Verfahrens gemäß Fig. 3 bestimmt wird.

Fig. 5 erläutert eine Segmentierung eines Bereichs des Höhenprofils gemäß Fig. 4.

Fig. 6 illustriert eine Maske für das Höhenprofil gemäß Fig. 4 zur Anzeige eines einzelnen identifizierten Segments.

FIGURENBESCHREIBUNG

Die in Fig. 1 schematisch dargestellte Vorrichtung 1 dient zum Bestimmen des Werts mindestens eines Formparameters von Objekten 2, die in unbekannter Orientierung und Gruppierung auf der Oberfläche 3 eines Förderers 4 liegen. Durch Bewegen des Förderers 4 mit der Oberfläche 3 in einer längs der Oberfläche verlaufenden Förderrichtung, die der Blickrichtung von Fig. 1 entspricht, werden die Objekte 2 zwischen ortsfesten Seitenwänden 5 hindurch gefördert. Über dem Förderer 4 ist ein LIDAR-Scanner 6 angeordnet und wird dort von einer Positioniereinrichtung 7 in Form eines Stativs 8 so positioniert und gehalten, dass ein Messstrahl 9, den der LIDAR-Scanner 6 aussendet und um eine Schwenkachse 10 verschwenkt, immer in einer Ebene verläuft, die quer zu der Förderrichtung ausgerichtet ist und hier mit der Zeichenebene von Fig. 1 zusammenfällt. Mit dem Messstrahl 9 tastet der LIDAR-Scanner 6 die Oberfläche 3 mit den darauf liegenden Objekten 2 wiederholt ab. Dabei registriert der LIDAR- Scanner 6 aufgrund der Laufzeit seines Messstrahls 9 einen Abstand zwischen dem jeweiligen Messpunkt 11 auf der Oberfläche 3 oder dem Objekt und einem Bezugspunkt, beispielsweise der Schwenkachse 10. Durch die Bewegung der Oberfläche 3 mit den Objekten 2 in der Förderrichtung liegen die Messpunkte 11 in in der Förderrichtung zueinander versetzten Zeilen. Der Abstand dieser Zeilen in der Förderrichtung hängt von einer Geschwindigkeit ab, mit der die Oberfläche 3 in der Förderrichtung bewegt wird und damit durch die Ebene hindurchtritt, in der die Objekte 2 mit dem Messstrahl 9 abgetastet werden. Diese Geschwindigkeit wird mit einem Geschwindigkeitssensor 12 erfasst. Eine Auswerteeinheit 13 ist vorgesehen, um aus Signalen 14 des LIDAR-Scanners 6, zu denen auch ein Reflektionsgrad des Messstrahls 9 an dem jeweiligen Messpunkt 11 zählen kann, und der Geschwindigkeit von dem Geschwindigkeitssensor 12 ein originäres Höhenprofil der Objekte 2 auf der Oberfläche 3 punktweise zu bestimmen und dann in Bezug auf die Werte der interessierenden Formparameter der Objekte 2 auszuwerten.

Fig. 2 ist eine perspektivische Darstellung der Oberfläche 3 des Förderers 4 gemäß Fig. 1 , die sich in der Förderrichtung 16 mit den auf ihr angeordneten Objekten 2 durch die Ebene 17 bewegt, in der der Messstrahl 9 verschwenkt wird, um die Objekte 2 auf der Oberfläche 3 Messpunkt 11 für Messpunkt 11 abzutasten. Einige der Messpunkte 11 liegen dabei auf der Oberfläche 3 neben den Objekten 2. Aus diesen Messpunkten kann eine Nulllinie für das zu bestimmende Höhenprofil bestimmt werden. Vorzugsweise wird diese Nulllinie unter Abtasten der Oberfläche 3 ohne darauf liegende Objekte 2 bestimmt. Alternativ oder zusätzlich wird eine Bezugshöhe für das zu bestimmende Höhenprofil durch Erfassen eines höchsten Punkts der auf der Oberfläche 3 liegenden und während eines Erfassungszeitraums abgetasteten Objekte 2 bestimmt. Der Erfassungszeitraum kann der Zeitraum sein, in dem die interessierenden Objekte

2 oder eine Teilmenge davon durch die Ebene 17 hindurch gefördert wurden/wurde. Alternativ kann der Erfassungszeitraum von diesem Zeitraum abweichen, also beispielsweise davor liegen. Auch dann kann der Erfassungszeitraum so lang sein, dass in ihm eine gleiche Menge wie die Menge der interessierenden Objekte 2 auf der Oberfläche 3 durch die Ebene 17 hindurch gefördert wird. Bei einer Fördergeschwindigkeit im Bereich von 1 m/s kann der Erfassungszeitraum konkret einige Sekunden lang sein.

Eine in Fig. 3 ein Form eines Ablaufdiagramms dargestellte Ausführungsform des erfindungsgemäßen Verfahrens beginnt mit diesem Bestimmen 18 der Nulllinie. Nach einem anschließenden Abtasten der Objekte 2 mit dem LIDAR-Scanner 6 und einem zeitgleichen Erfassen der Geschwindigkeit 15 der Oberfläche 3 mit dem Geschwindigkeitssensor 12 in einem Schritt 19 erfolgt zunächst ein Bestimmen 20 des originären Höhenprofils Messpunkt 11 für Messpunkt 11. Ein solches originäres Höhenprofil 21 ist in Fig. 4 als Graustufenbild gezeigt. Die Helligkeit der Objekte 2 auf dem Förderband 3 gibt die Höhe der Objekte 2 über der Nulllinie des Förderbands

3 wieder. Das Bestimmen 20 des originären Höhenprofils erfolgt in einer ersten Auswerteeinrichtung 31 der Auswerteeinheit 13 auf Basis des Signals 14 von dem LIDAR- Scanner 6 und der Geschwindigkeit 15 von dem Geschwindigkeitssensor 12. Das originäre Höhenprofil 21 wird dann an eine zweite Auswerteeinrichtung 32 der Auswerteeinheit 13 weitergegeben, die ein erstes neuronales Netzwerk aufweist. Mit Hilfe dieses ersten neuronalen Netzwerks erfolgt ein Segmentieren 22 des originären Höhenprofils 21. Bei diesem Segmentieren 22 werden Segmente des originären Höhenprofils 21 bestimmt, die vollständig einzelnen Objekten 2 auf der Oberfläche 3 zuzuordnen sind und die diese einzelnen Objekte 2 vollständig abdecken. Fig. 5 zeigt mehrere solcher Segmente 23 und 24. Dabei gehören die Segmente 23 zu einer Gruppe von Segmenten, die derart direkt auf der Oberfläche 3 oder auf anderen Objekten 2 liegen, dass ihre Oberseite vollständig frei ist, während die anderen Segmente 24 zu Objekten 2 gehören, deren Oberseiten teilweise durch andere Objekte

2 verdeckt sind. Die zweite Auswerteeinrichtung der Auswerteeinheit 13 identifiziert speziell die Segmente 23 und gibt diese jeweils in Form einer Maske 25 zusammen mit dem Höhenprofil 21 an eine dritte Auswerteeinrichtung 33 der Auswerteinheit 13 weiter.

Fig. 6 zeigt die Anwendung einer solchen Maske 25 auf einen Ausschnitt 26 des Höhenprofils 21. Die Maske 25 lässt nur das eine Segment 23 des Höhenprofils 21 hindurchtreten.

In der dritten Auswerteeinrichtung 33 erfolgt ein Transformieren 27 der Koordinaten des originären Höhenprofils 21 , die originär Zylinderkoordinaten sind, aber durch die Berücksichtigung der Nulllinie von reinen Zylinderkoordinaten abweichen, in über der Oberfläche

3 gleichmäßig verteilte Punkte in kartesischen Koordinaten. Diese Koordinatentransformation wird nur für die Segmente 23 der freiliegenden Objekte 2 und begrenzt Umgebungen derselben durchgeführt, um in den kartesischen Koordinaten Ausschnitte 26 gleicher absoluter Abmessungen in Bezug auf die Oberfläche 3 Ausschnitte festlegen 28 zu können, in denen jeweils eines der Segmente 23 zentriert ist. Der in Fig. 6 gezeigte Ausschnitt 26 ist ein solcher Ausschnitt, der hier 100x100 Punkte des Höhenprofils in den kartesischen Koordinaten umfasst. Während aber Fig. 6 die Anwendung der Maske 25 auf den Ausschnitt 26 zeigt, werden die gesamten Ausschnitte 26 des Höhenprofils, die auch die Umgebung des jeweiligen Segments 23 abdecken, zusätzlich zu der Maske 25 einem anschließenden Analysieren 29 der Ausschnitte 26 zugeführt. Dieses Analysieren 29 erfolgt in der dritten Auswerteeinrichtung 33 mit Hilfe eines zweiten neuronalen Netzwerks, um die Werte 30 der interessierenden Formparameter zu bestimmen.

Sowohl das beim Segmentieren 22 zum Einsatz kommende erste neuronale Netzwerk als auch das beim Analysieren 29 zum Einsatz kommende zweite neuronale Netzwerk ist zu trainieren, bevor das Verfahren gemäß Fig. 3 die Werte 30 der Formparameterzuverlässig bestimmen kann. Dabei können sowohl reale Objekte 2, bei denen die Werte 30 der Formparameter beispielsweise mit Hilfe mechanischer Messinstrumente bestimmt werden, als auch simulierte Objekte 2 zum Einsatz kommen. Bei den simulierten Objekten 2 kann der jeweilige Wert 30 des Formparameters berechnet oder durch Simulation seiner mechanischen Bestimmung bestimmt werden.

BEZUGSZEICHENLISTE

Vorrichtung

Objekt

Oberfläche

Förderer

Seitenwand

LIDAR-Scanner

Positioniereinrichtung

Stativ

Messstrahl

Schwenkachse

Messpunkt

Geschwindigkeitssensor

Auswerteeinheit

Signale des LIDAR-Scanners 6

Geschwindigkeit

Förderrichtung

Ebene

Nulllinie bestimmen

Schritt

Höhenprofil Bestimmen

Höhenprofil

Höhenprofil Segmentieren

Segment

Maske

Ausschnitt

Koordinaten Transformieren

Ausschnitte Festlegen

Ausschnitte Analysieren

Werte Formparameter erste Auswerteinrichtung zweite Auswerteeinrichtung dritte Auswerteeinrichtung

Claims

PATENTANSPRÜCHE

1 . Verfahren zum Bestimmen des Werts mindestens eines Formparameters von Objekten (2), die in unbekannter Orientierung und Gruppierung auf einer Oberfläche (3) liegend durch Bewegen der Oberfläche (3) in einer längs der Oberfläche (3) verlaufenden Förderrichtung (16) gefördert werden, wobei mit einem auf die Oberfläche (3) gerichteten Messstrahl (9) eines LIDAR-Scanners (6) die auf der Oberfläche (3) liegenden Objekte (2) in einer quer zu der Förderrichtung (16) verlaufenden Ebene (17) wiederholt abgetastet werden, wobei eine Geschwindigkeit (15) erfasst wird, mit der die Oberfläche (3) in der Förderrichtung (16) durch die Ebene (17) hindurchtritt, wobei aus Signalen (14) des LIDAR-Scanners und der Geschwindigkeit (15) der Oberfläche (3) ein originäres Höhenprofil (21) der Objekte (2) auf der Oberfläche (3) punktweise bestimmt wird und wobei das originäre Höhenprofil (21) mit einem ersten neuronalen Netzwerk segmentiert wird, wobei Segmente (23, 24) des originären Höhenprofils (21) identifiziert werden, wobei die Punkte jedes identifizierten Segments (23, 24) zu einem einzelnen Objekt (2) gehören, dadurch gekennzeichnet, dass Ausschnitte (26) des originären Höhenprofils (21), die jeweils ein identifiziertes Segment (23, 24) und eine Umgebung dieses einen identifizierten Segments (23, 24) umfassen, in kartesische Koordinaten transformiert und danach mit einem zweiten neuronalen Netzwerk bezüglich des Werts des mindestens einen Formparameters des jeweiligen einzelnen Objekts (2) analysiert werden, wobei beim Transformieren der Ausschnitte (26) des originären Höhenprofils (21) in die kartesischen Koordinaten das Höhenprofil (21) in den kartesischen Koordinaten auf Basis von Extrapolationen in Punkten bestimmt wird, die in gleichen Abständen über der bewegten Oberfläche (3) verteilt sind.

2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass eine Gruppe solcher Segmente (23) identifiziert wird, die zu einem einzelnen, auf der Oberfläche (3) oder auf anderen Objekten (2) liegenden Objekt (2) gehört, dessen Oberseite nicht durch ein oder mehrere andere Objekte (2) verdeckt ist, und dass nur solche Ausschnitte (26) des Höhenprofils (21) analysiert werden, die ein Segment (23) aus dieser Gruppe umfassen.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die identifizierten Segmente (23, 24) durch eine Maske (25) für das Höhenprofil (21) angezeigt werden.

4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Ausschnitte (26) des Höhenprofils (21) feste absolute Abmessungen aufweisen und dass jeder Ausschnitt (26) konzentrisch zu einer Grundfläche des zugehörigen Segments (23, 24) festgelegt wird.

5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das erste neuronale Netzwerk mit Höhenprofilen (21) von realen und/oder simulierten Objekten (2) auf der Oberfläche (3) trainiert wird und/oder das zweite neuronale Netzwerk mit Ausschnitten (26) von Höhenprofilen (21) um Segmente (23, 24) von realen und/oder simulierten Objekten (2) auf der Oberfläche (3) und gemessenen Werten des mindestens einen Formparameters der realen und/oder simulierten Objekte (2) trainiert wird.

6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die auf der Oberfläche (3) liegenden Objekte (2) mit einer Ortsauflösung von < 3 mm, vorzugsweise von < 2 mm und mehr bevorzugt von < 1 mm abgetastet werden.

7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein Winkel des Messstrahls (9) zu der Oberfläche (3) nicht kleiner als 45°, vorzugsweise nicht kleiner als 60° ist.

8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Nulllinie des originären Höhenprofils (21) durch Abtasten der Oberfläche (3) ohne aufliegende Objekte (2) bestimmt wird und/oder dass eine Bezugshöhe des originären Höhenprofils (21) durch Erfassen eines höchsten Punkts der auf der Oberfläche (3) liegenden und während eines Erfassungszeitraums abgetasteten Objekte (2) bestimmt wird wobei das originäre Höhenprofil (21) der Objekte (2) auf der Oberfläche (3) punktweise gegenüber der Nulllinie und/oder der Bezugshöhe bestimmt wird. - 19 -

9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein Reflektionsgrad des Messstrahls (9) von dem LIDAR-Scanner (6) erfasst und dem originären Höhenprofil (21) als weitere Koordinate hinzugefügt wird, die vorzugsweise beim Segmentieren (22) des Höhenprofils (21) berücksichtigt wird.

10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der mindestens eine Formparameter ausgewählt wird aus Länge der Objekte (2), Quadratmaß der Objekte (2), Volumen der Objekte (2), Oberflächenfläche der Objekte (2), Krümmung der Objekte (2) und Anzahl durchgehender Stäbe bestimmter Abmessungen, in die die Objekte (2) aufgeteilt werden können.

11 . Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Ausschnitte des Höhenprofils (21) mit dem zweiten neuronalen Netzwerk dahingehend analysiert werden, in welche von mehreren Objektklassen das jeweilige Objekt (2) aufgrund seines Werts des mindestens einen Formparameters fällt, wobei die Objekte (2 vorzugsweise Wurzelfrüchte, mehr bevorzugt Kartoffeln oder Zuckerrüben sind.

12. Vorrichtung (1) zum Bestimmen des Werts mindestens eines Formparameters von Objekten (2), die in unbekannter Orientierung und Gruppierung auf einer Oberfläche (3) eines Förderers (4) liegend durch Bewegen der Oberfläche (3) in einer längs der Oberfläche (3) verlaufenden Förderrichtung (16) gefördert werden, nach einem der vorhergehenden Ansprüche, mit einem einen Messstrahl (9) in unterschiedlichen Richtungen in einer Ebene (17) aussendenden LIDAR-Scanners (6), mit einer Positioniereinrichtung (7), die dazu ausgebildet ist, den LIDAR-Scanner (6) so gegenüber dem Förderer (4) zu positionieren, dass die Ebene (17) quer zu der Förderrichtung (16) verläuft, mit einem Geschwindigkeitssensor (12), der dazu ausgebildet ist, eine Geschwindigkeit (15) zu erfassen, mit der die Oberfläche (3) in der Förderrichtung (16) durch die Ebene (17) hindurchtritt, mit einer ersten Auswerteeinrichtung (31), die dazu ausgebildet ist, aus Signalen (14) des LIDAR-Scanners (6) und der Geschwindigkeit (15) der Oberfläche ein originäres Höhenprofil (21) der Objekte (2) auf der Oberfläche (3) punktweise zu bestimmen, und - 20 - mit einer zweiten Auswerteeinrichtung (32), die ein erstes neuronales Netzwerk umfasst und dazu ausgebildet ist, das originäre Höhenprofil (21) mit dem ersten neuronalen Netzwerk zu segmentieren, wobei Segmente (23, 24) des originären Höhenprofils (21) identifiziert werden, wobei die Punkte jedes identifizierten Segments (23, 24) zu einem einzelnen Objekt (2) gehören, gekennzeichnet durch eine dritten Auswerteeinrichtung (33), die ein zweites neuronales Netzwerk umfasst und dazu ausgebildet ist, Ausschnitte (26) des Höhenprofils (21), die jeweils ein Segment (23, 24) und eine Umgebung des einen Segments (23, 24) umfassen, in kartesische Koordinaten zu transformieren und danach mit dem zweiten neuronalen Netzwerk bezüglich des Werts des mindestens einen Formparameters des jeweiligen einzelnen Objekts (2) zu analysieren, wobei die dritte Auswerteeinrichtung (33) dazu ausgebildet ist, beim Transformieren der Ausschnitte (26) des originären Höhenprofils (21) in die kartesischen Koordinaten das Höhenprofil (21) in den kartesischen Koordinaten auf Basis von Extrapolationen in Punkten zu bestimmen, die in gleichen Abständen über der bewegten Oberfläche (3) verteilt sind.

13. Vorrichtung (1) nach Anspruch 12, dadurch gekennzeichnet, dass die zweite Auswerteeinrichtung (32) dazu ausgebildet ist, eine Gruppe solcher Segmente (23) zu identifizieren, die zu einem einzelnen, auf der Oberfläche (3) oder auf anderen Objekten (2) liegenden Objekt (2) gehört, dessen Oberseite nicht durch ein oder mehrere andere Objekte (2) verdeckt ist, und dass die dritte Auswerteeinrichtung (33) dazu ausgebildet ist, solche Ausschnitte des Höhenprofils (21) zu analysieren, die jeweils ein Segment (23, 24) aus dieser Gruppe umfassen.

14. Vorrichtung (1) nach Anspruch 12 oder 13, dadurch gekennzeichnet, dass die zweite Auswerteeinrichtung (32) dazu ausgebildet ist, der dritten Auswertweinrichtung (33) die identifizierten Segmente (23, 24) durch eine Maske (25) für das Höhenprofil (21) anzuzeigen.

15. Vorrichtung (1) nach einem der Ansprüche 12 bis 14, dadurch gekennzeichnet, dass die dritte Auswerteeinrichtung (33) dazu ausgebildet ist, die Ausschnitte (26) des Höhenprofils (21) mit festen absoluten Abmessungen konzentrisch zu einer Grundfläche des jeweiligen Segments (23, 24) festzulegen.

16. Vorrichtung (1) nach einem der Ansprüche 12 bis 15, dadurch gekennzeichnet, dass der LIDAR-Scanner (6) dazu ausgebildet ist, die auf der Oberfläche (3) liegenden Objekte (2) mit einer Ortsauflösung < 2 mm, vorzugsweise mit einer Ortsauflösung < 1 mm abzutasten. - 21 -

17. Vorrichtung (1) nach einem der Ansprüche 12 bis 16, dadurch gekennzeichnet, dass ein Winkel des Messstrahls (9) zu der Oberfläche (3) nicht kleiner als 45°, vorzugsweise nicht kleiner als 60° ist.

18. Vorrichtung (1) nach einem der Ansprüche 12 bis 17, dadurch gekennzeichnet, dass der LIDAR-Scanner (6) dazu ausgebildet ist, einen Reflektionsgrad des Messstrahls (9) zu erfassen, und dass die erste Auswerteeinrichtung (31) dazu ausgebildet ist, den Reflektionsgrad dem Höhenprofil (21) als weitere Koordinate hinzuzufügen, wobei die zweite Auswerteeinrichtung (32) vorzugsweise dazu ausgebildet ist, diese weitere Koordinate beim Segmentieren (22) des Höhenprofils (21) zu berücksichtigen.

19. Vorrichtung (1) nach einem der Ansprüche 12 bis 18, dadurch gekennzeichnet, dass der mindestens eine Formparameter ausgewählt ist aus Länge der Objekte (2), Quadratmaß der Objekte (2), Volumen der Objekte (2), Oberfläche der Objekte (2), Krümmung der Objekte (2) und Anzahl durchgehender Stäbe bestimmter Abmessungen, in die die Objekte (2) aufgeteilt werden können.

20. Vorrichtung (1) nach einem der Ansprüche 12 bis 19, dadurch gekennzeichnet, dass die dritte Auswerteeinrichtung (33) dazu ausgebildet ist, die Segmente (23, 24) des Höhenprofils (21) mit dem zweiten neuronalen Netzwerk dahingehend zu analysieren, in welche von mehreren Objektklassen das jeweilige Objekt (2) aufgrund seines Werts des mindestens einen Formparameters fällt.