。
[0049]通过与每个尺寸估计值关联的误差量，确定每个估计的尺寸的准确性。进一步，不同的误差可以与每个估计的尺寸相关联。例如，可以存在与估计的长度关联的一个误差，与估计的宽度关联的另一误差，以及与估计的高度关联的又一误差。误差的差异可以由每个误差被估计的方式导致。例如，可使用高度-估计算法来估计高度尺寸，而可以使用宽度-估计算法来估计宽度尺寸。此外，每个算法可以把3D数据的不同部分用于其估计。然而在许多情况下，不同测量之间，特定尺寸(如，由特定的尺寸标注系统使用特定测量设置获得的)的估计值具有大体上相同的关联误差。
[0050]某些预测器变量(诸如前面描述的那些)可以和与尺寸测量值相关的误差关联的很好。理解该关联能帮助准确预测(即，估计)与未来的尺寸测量值相关联的误差。这种理解被表达为数学方程(即，误差模型)，其把一个或多个预测器变量与估计的误差关联。因此，可以创建误差模型，并且然后误差模型可以被用于去除(或减少)与尺寸标注系统测量相关联的误差。此外，由于不同的尺寸可以具有不同的误差模型，所以可创建误差模型库，并将其存储在存储器中以供未来使用。
[0051]图4中示出图示用于创建误差模型的方法的流程图。尺寸标注系统被设置为测量校准物体25 ο所述校准物体具有带有已知大小(如，具有已知长度、宽度和高度的盒体)的特征(或多个特征)。然后，尺寸标注系统收集该校准物体特征(如，盒体的高度)之一的重复的测量值30。应当注意的是，在各个测量之间不对尺寸标注系统的设置进行改变。然后，将特征的每个估计值(如，每个高度测量值)与特征大小的已知值进行比较32，以便创建误差的多个样本(如，与测量高度关联的误差的多个样本)。
[0052]定义用于描述测量的各方面(如，固有属性、物理关系等)的预测器变量33。所述预测器变量用于推导估计误差的数学方程(如，数学模型)34。所述数学模型包括预测器变量以及分配给每个预测器变量的预测器变量系数。该数学模型可以是预测器变量和预测器系数的线性组合(如，参见图6)，或者可以是使用预测器变量的非线性方程。
[0053]然后，将该数学模型拟合到与特征的测量值相关联的多个误差样本37。这里可以使用各种拟合算法，例如线性回归。另外，所述拟合可以需要多次迭代和细化(refinement)。
[0054]线性回归算法对所述预测器系数进行调整，使得该误差模型最好地匹配所观察误差的样本。这里，每个被调整的预测器系数值对应于那个预测器变量对误差估计值的影响的显著性。所述拟合的结果可以是:一些预测器系数被调整到高的绝对值，而一些预测器系数被调整到近似O值。
[0055]线性回归算法也可以返回关于误差模型的信息。例如，可返回每个系数的标准误差(SE) AE帮助确定系数的精确度。此外，可返回每个系数的p值。该p值帮助确定所述结果是否在统计上是显著的。
[0056]在拟合之后，可以使用各种方法对误差模型进行细化38。一种方法包括分析预测器系数以及由拟合算法返回的信息。例如，可从误差模型中去除不显著的预测器系数/变量。细化的另一方法包括将估计的误差(使用数学模型获得的)与测量的误差(多次测量中获得的)进行比较。该比较的结果包括残余误差(即，残差)集。然后，可以创建和分析残差的直方图。例如，该直方图的正态性(即，与正态分布的关联)可确定该误差模型是否满足使用需求。
[0057]拟合/细化38的一次或多次迭代的最终结果是误差模型39。误差模型39可存储在计算机可读介质中并可由处理器以后检索到，以用于计算与特征(如，高度)的未来测量值相关的误差。
[0058]图5中示出一流程图，该流程图图示用于使用误差模型来降低与尺寸标注测量相关联的误差的方法。该方法开始于设置尺寸标注系统测量40。该设置包括在环境42中(如，在地平面上)定位物体41，并且然后，布置尺寸标注系统26和/或物体，使得物体位于尺寸标注系统的视场中。然后，由尺寸标注系统感测该物体，以获得描述物体(以及环境)的3D数据45。然后选择一特定尺寸用于估计(S卩，测量)46。
[0059]这里，该方法分为两个分支。在一个分支中，3D数据用于创建所选择尺寸的大小(如，长度、宽度、高度等)的中间估计值47。另一分支中，从误差模型库检索所选择尺寸的误差模型48。获得在检索到的误差模型中使用的预测器变量的值(例如，从3D数据和/或从关于测量的固有/外在信息)49。然后，使用误差模型以及预测器变量的值，计算与测量值关联的误差的估计值50。
[0060]然后，通过从中间估计值减去误差估计值51，降低或去除与所选择尺寸的大小的中间估计值相关联的误差。所得的结果是该所选择的尺寸的最终估计值52。
[0061]应当注意的是，所收集45的3D数据允许对多个尺寸的测量(S卩，估计)，并且虽然图5中所示的方法示出了获得这些尺寸之一的最终估计值的过程，但可对该方法进行迭代以便测量该物体的其他尺寸。
[0062]如前述的，误差模型库可存储每个尺寸的误差模型。为扩展该方法的可用性，所述库还可存储误差模型的集合(即，分类)以适应各种操作条件。例如，可创建误差模型的一个类别以容纳特定操作环境和/或物体的特征集(如，盒体、圆柱体等)。该方法可改善误差的估计并允许更大的灵活性。
[0063]图6以图形方式描绘了从误差模型库61检索误差模型62。检索过程开始于选择误差模型60的特定分类。然后，根据选择的供测量的尺寸，可以从误差模型60的分类中选择特定误差模型62。
[0064]图6也图示了示例性误差模型。在该示例中，特定尺寸的误差估计值等于预测器变量和预测器系数的线性组合。所述预测器系数在模型创建过程(如，参见图4)中被推导出，并作为模型的部分被存储。在测量期间(例如，参见图5)获得所述预测器变量值。预测器变量的值不与模型一起存储，并且通常随测量不同而改变。
[0065]为了补充本公开，本申请通过引用的方式完全合并下述普通转让的专利、专利申请公开以及专利申请:美国专利号6，832，725;美国专利号7，128,266;美国专利号7 ,159,783;美国专利号7 ,413,127;美国专利号7,726,575;美国专利号8,294,969;美国专利号8,317,105;美国专利号8,322,622;美国专利号8,366,005;美国专利号8,371,507;美国专利号8,376,233;美国专利号8,381,979;美国专利号8,390,909;美国专利号8,408,464;美国专利号8,408,468;美国专利号8,408,469;美国专利号8,424,768;美国专利号8,448,863;美国专利号8,457,013;美国专利号8,459,557;美国专利号8,469,272;美国专利号8,474,712;美国专利号8,479,992;美国专利号8,490,877;美国专利号8,517,271;美国专利号8,523,076;美国专利号8,528,818;美国专利号8,544,737;美国专利号8，548，242;美国专利号8，548，420 ；美国专利号8,550,335;美国专利号8,550,354;美国专利号8,550,357;美国专利号8,556,174;美国专利号8,556,176;美国专利号8,556,177;美国专利号8,559,767;美国专利号8,599,957;美国专利号8,561,895;美国专利号8,561,903;美国专利号8,561,905;美国专利号8,565,107;美国专利号8,571,307;美国专利号8,579,200;美国专利号8,583,924;美国专利号8,584,945;美国专利号8,587,595;美国专利号8,587,697;美国专利号8，588，869;美国专利号8，590，789 ；美国专利号8，596，539;美国专利号8，596，542 ；美国专利号8,596,543;美国专利号8,599 ,271;美国专利号8,599,957;美国专利号8,600,158;美国专利号8,600,167;美国专利号8,602,309;美国专利号8,608,053;美国专利号8,608,071;美国专利号8,611,309;美国专利号8,615,487;美国专利号8,616,454;美国专利号8,621,123;美国专利号8,622,303;美国专利号8,628,013;美国专利号8,628,015;美国专利号8,628,016;美国专利号8,629,926;美国专利号8,630,491;美国专利号8,635,309;美国专利号8,636,200;美国专利号8,636,212;美国专利号8,636,215;美国专利号8,636,224;美国专利号8,638,806;美国专利号8,640,958;美国专利号8,640,960;美国专利号8,643,717;美国专利号8,646,692;美国专利号8,646,694;美国专利号8,657,200;美国专利号8,659,397;美国专利号8,668,149;美国专利号8,678,285;美国专利号8,678,286;美国专利号8,682,077;美国专利号8,687,282;美国专利号8,692,927;美国专利号8,695,880;美国专利号8,698,949;美国专利号8,717,494;美国专利号8,717,494;美国专利号8,720,783;美国专利号8,723,804;美国专利号8,723,904;美国专利号8,727,223;美国专利号D702，237;美国专利号8,740,082;美国专利号8,740,085;美国专利号8,746,563;美国专利号8,750,445;美国专利号8,752,766;美国专利号8,756,059;美国专利号8,757 ,495;美国专利号8,760 ,563;美国专利号8,763,909;美国专利号8,777,108;美国专利号8,777,109;美国专利号8,779,898;美国专利号8,781,520;美国专利号8,783,573;美国专利号8,789,757;美国专利号8,789,758;美国专利号8，789，759;美国专利号8，794，520 ；美国专利号8,794,522;美国专利号8,794,525;美国专利号8,794,526;美国专利号8,798,367;美国专利号8,807,431;美国专利号8,807,432;美国专利号8,820,630;美国专利号8,822,848;美国专利号8,824,692;美国专利号8,824,696;美国专利号8,842,849;美国专利号8,844,822;美国专利号8,844,823;美国专利号8,849,019;美国专利号8,851,383;美国专利号8,854,633;美国专利号8,866,963;美国专利号8,868,421;美国专利号8,868,519;美国专利号8,868,802;美国专利号8,868,803;美国专利号8,870,074;美国专利号8,879,639;美国专利号8,880,426;美国专利号8,881,983;美国专利号8,881,987;美国专利号8,903,172;美国专利号8,908,995;美国专利号8 ,910 ,870 ?，美国专利号8 ,910 ,875 ；美国专利号8,914,290;美国专利号8,914,788;美国专利号8,915,439;美国专利号8,915,444;美国专利号8,916,789;美国专利号8,918,250;美国专利号8,918,564;美国专利号8,925,818;美国专利号8,939,374;美国专利号8,942,480;美国专利号8,944,313;美国专利号8,944,327;美国专利号8,944,332;美国专利号8,950,678;美国专利号8,967,468;美国专利号8,971,346;美国专利号8,976,030;美国专利号8,976,368;美国专利号8,978,981;美国专利号8,978,983;美国专利号8,978,984;美国专利号8,985,456;美国专利号8,985,457;美国专利号8,985,459;美国专利号8,985,461;美国专利号8,988,578;美国专利号8,988,590;美国专利号8,991,704;美国专利号8,996,194;美国专利号8,996,384;美国专利号9,002,641;美国专利号9,007,368;美国专利号9,010,641;美国专利号9,015,513;美国专利号9,016,576;美国专利号9,022,288;美国专利号9,030,964;美国专利号9,033,240;美国专利号9,033,242;美国专利号9,036,054;美国专利号9,037,344;美国专利号9,038,911;美国专利号9,038,915;美国专利号9,047,098;美国专利号9,047,359;美国专利号9,047,420;美国专利号9,047,525;美国专利号9,047,531;美国专利号9,053,055;美国专利号9,053,378;美国专利号9,053,380;美国专利号9,058,526;美国专利号9,064,165;美国专利号9,064,167;美国专利号9,064,168;美国专利号9,064,254;美国专利号9,066,032;美国专利号9,070,032;美国设计专利号D716，285;
美国设计专利号D723，560;
美国设计专利号D730，357;
美国设计专利号D730，901;
美国设计专利号D730，902美国设计专利号D733，112;
美国设计专利号D734，339;