1.一种用于确定至少一个障碍物(156)与监测装置(110)之间的距离的方法，所述方法包括：
2.根据前述权利要求所述的方法，其中所述方法进一步包括：
3.一种用于处理多个样品(160)的样品处理系统(112)，其中所述样品处理系统(112)被配置用于执行用于确定至少一个障碍物(156)与监测装置(110)之间的距离的所述方法，其中所述样品处理系统(112)包括：
4.根据前述权利要求所述的样品处理系统(112)，其中所述样品容器保持器(150)包括至少一个传送单元(114)和至少一个保持单元(164)，其中所述样品容器保持器(150)的所述传送单元(114)被体现为与所述监测装置(110)的所述传送单元(114)相同。
5.根据涉及样品处理系统(112)的前述权利要求中任一项所述的样品处理系统(112)，其中所述成像流式传输单元(120)附接和/或安装到所述传送单元(114)。
6.根据涉及样品处理系统(112)的前述权利要求中任一项所述的样品处理系统(112)，其中所述成像流式传输单元(120)的所述相机(122)包括以下至少一者：ip相机(140)；无线相机；网络相机；轻型相机；单视觉相机；广角相机；定焦镜头相机。
7.根据涉及样品处理系统(112)的前述权利要求中任一项所述的样品处理系统(112)，其中所述成像流式传输单元(120)的所述相机(122)包括至少一个彩色相机。
8.根据涉及样品处理系统(112)的前述权利要求中任一项所述的样品处理系统(112)，其中所述成像流式传输单元(120)包括至少四个相机，其中所述四个相机的视场相对于彼此旋转90°。
9.根据涉及样品处理系统(112)的前述权利要求中任一项所述的样品处理系统(112)，其中关于所述障碍物(156)的所述至少一个信息项包括以下至少一者：所述障碍物(156)的存在；所述障碍物(156)的分类；所述障碍物(156)在驱动表面(166)上的位置；所述障碍物(156)的移动状态；所述障碍物(156)的颜色；所述监测装置(110)与所述障碍物(156)之间的距离。
10.根据涉及样品处理系统(112)的前述权利要求中任一项所述的样品处理系统(112)，其中所述经过训练的对象分类和检测模型包括经过预训练的卷积神经网络，其中所述经过预训练的卷积神经网络包括选自由以下项组成的组的至少一个卷积神经网络：alexnet；视觉几何组网；残差神经网络；你只需看一次；快速的基于区域的卷积网络方法、基于区域的全卷积网络、单次检测器、空间金字塔池化，和/或其中所述经过训练的对象分类和检测模型包括经过预训练的经典分类机器学习算法，其包括k最近邻算法、支持向量机中的一者或多者。
11.根据涉及样品处理系统(112)的前述权利要求中任一项所述的样品处理系统(112)，其中所述传送控制系统(126)被配置用于控制样品容器保持器(150)在所述样品传送装置(118)上方的传送，其中所述传送控制系统(126)被配置用于控制所述监测装置(110)在所述样品传送装置(118)上方的传送。
12.一种计算机程序，其包括指令，所述指令在所述程序由计算机或计算机网络执行时使所述计算机或所述计算机网络执行根据涉及用于确定至少一个障碍物(156)与监测装置(110)之间的距离的方法的前述权利要求中任一项所述的用于确定至少一个障碍物(156)与监测装置(110)之间的距离的方法。