JP2001143072A - 物体形状識別装置 - Google Patents
物体形状識別装置Info
- Publication number
- JP2001143072A JP2001143072A JP31904999A JP31904999A JP2001143072A JP 2001143072 A JP2001143072 A JP 2001143072A JP 31904999 A JP31904999 A JP 31904999A JP 31904999 A JP31904999 A JP 31904999A JP 2001143072 A JP2001143072 A JP 2001143072A
- Authority
- JP
- Japan
- Prior art keywords
- distance image
- center
- image
- target object
- silhouette
- 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.)
- Pending
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 本発明は、微小曲面領域の曲率分布等による
認識とは異なり、物体形状を全体に捉えることができ、
かつノイズの影響を受けにくい識別を実現することを目
的としている。 【解決手段】 物体形状識別装置において、背景切り出
し装置とシルエット中心／奥行き平均計算装置と対象物
体領域平行移動装置と距離画像再合成装置とをへて得ら
れた距離画像を、辞書データベースと照合する。
認識とは異なり、物体形状を全体に捉えることができ、
かつノイズの影響を受けにくい識別を実現することを目
的としている。 【解決手段】 物体形状識別装置において、背景切り出
し装置とシルエット中心／奥行き平均計算装置と対象物
体領域平行移動装置と距離画像再合成装置とをへて得ら
れた距離画像を、辞書データベースと照合する。
Description
【０００１】
【発明の属する技術分野】本発明は、３次元形状計測装
置により入力される対象物体の距離画像から形状データ
ベースに基づいて認識・判別を行う物体形状識別装置に
関するものである。ここでいう距離画像とはそれぞれの
画素に対応する撮影対象物体上の１点の３次元座標が格
納されたデータセットのことを意味している。
置により入力される対象物体の距離画像から形状データ
ベースに基づいて認識・判別を行う物体形状識別装置に
関するものである。ここでいう距離画像とはそれぞれの
画素に対応する撮影対象物体上の１点の３次元座標が格
納されたデータセットのことを意味している。
【０００２】
【従来の技術】従来３次元形状計測装置により入力され
る距離画像を用いた物体認識手法としては、局所領域の
曲面形状に着目し、特定の曲率を持つ微小領域の分布状
態から辞書データ中で同一の曲率分布を持つモデルを認
識候補とする方法などが用いられている。
る距離画像を用いた物体認識手法としては、局所領域の
曲面形状に着目し、特定の曲率を持つ微小領域の分布状
態から辞書データ中で同一の曲率分布を持つモデルを認
識候補とする方法などが用いられている。
【０００３】
【発明が解決しようとする課題】しかしながら、形状デ
ータの微分操作に基づく認識方法はノイズの影響を受け
やすく、また、曲率ヒストグラムによる認識では同一の
曲率分布を持ちながら全体として異なる形状を持つ物体
には適用できないといった問題点が指摘されている。
ータの微分操作に基づく認識方法はノイズの影響を受け
やすく、また、曲率ヒストグラムによる認識では同一の
曲率分布を持ちながら全体として異なる形状を持つ物体
には適用できないといった問題点が指摘されている。
【０００４】本発明の目的は、上記従来技術の距離画像
に基づく物体識別の問題点を克服して、微小曲面領域の
曲率分布等による認識とは異なり、物体形状を全体に捉
えることができ、かつノイズの影響を受けにくい識別を
実現することにある。
に基づく物体識別の問題点を克服して、微小曲面領域の
曲率分布等による認識とは異なり、物体形状を全体に捉
えることができ、かつノイズの影響を受けにくい識別を
実現することにある。
【０００５】
【課題を解決するための手段】本発明の第１の物体形状
識別装置は、３次元形状計測装置により獲得される対象
物体の距離画像を入力として、物体モデル形状に関する
辞書データベースに基づいて識別する物体形状識別装置
において、距離画像から背景を除去し物体に関する距離
画像のみを切り出す背景切り出し装置と、切り出された
対象物体領域のシルエット中心と奥行き平均とを求める
シルエット中心／奥行き平均計算装置と、前記対象物体
領域の各画素の奥行き情報を前記奥行き平均を基準にし
た変位に変換し前記シルエット中心が画像中心となるよ
うに平行移動する対象物体領域平行移動装置と、前記画
像中心を基準に一定の間隔を持つよう新たに定義された
メッシュの各格子点上の奥行きを平行移動された前記対
象物体の距離画像データから補間することによって求め
て距離画像を再合成する距離画像再合成装置と、それぞ
れの物体モデルが平面上で安定姿勢にあるときに平面の
法線ベクトル回りの回転角と３次元形状計測装置の光軸
に対する前記平面法線ベクトルの角度とをパラメータに
して得られる距離画像を入力として、前記背景切り出し
装置と前記シルエット中心／奥行き平均計算装置と前記
対象物体領域平行移動装置と前記距離画像再合成装置と
を通じて生成される距離画像から成る辞書データベース
と、対象物体距離画像を入力として前記距離画像再合成
装置からの出力と前記辞書データベース情報と、を照合
することにより対象物体を識別する照合・判別装置とか
ら構成される。
識別装置は、３次元形状計測装置により獲得される対象
物体の距離画像を入力として、物体モデル形状に関する
辞書データベースに基づいて識別する物体形状識別装置
において、距離画像から背景を除去し物体に関する距離
画像のみを切り出す背景切り出し装置と、切り出された
対象物体領域のシルエット中心と奥行き平均とを求める
シルエット中心／奥行き平均計算装置と、前記対象物体
領域の各画素の奥行き情報を前記奥行き平均を基準にし
た変位に変換し前記シルエット中心が画像中心となるよ
うに平行移動する対象物体領域平行移動装置と、前記画
像中心を基準に一定の間隔を持つよう新たに定義された
メッシュの各格子点上の奥行きを平行移動された前記対
象物体の距離画像データから補間することによって求め
て距離画像を再合成する距離画像再合成装置と、それぞ
れの物体モデルが平面上で安定姿勢にあるときに平面の
法線ベクトル回りの回転角と３次元形状計測装置の光軸
に対する前記平面法線ベクトルの角度とをパラメータに
して得られる距離画像を入力として、前記背景切り出し
装置と前記シルエット中心／奥行き平均計算装置と前記
対象物体領域平行移動装置と前記距離画像再合成装置と
を通じて生成される距離画像から成る辞書データベース
と、対象物体距離画像を入力として前記距離画像再合成
装置からの出力と前記辞書データベース情報と、を照合
することにより対象物体を識別する照合・判別装置とか
ら構成される。
【０００６】本発明の第２の物体形状識別装置は、３次
元形状計測装置により獲得される対象物体の距離画像を
入力として、物体モデル形状に関する辞書データベース
に基づいて識別する物体形状識別装置において、距離画
像から背景を除去し物体に関する距離画像のみを切り出
す背景切り出し装置と、切り出された対象物体領域のシ
ルエット中心と奥行き平均とを求め各画素の奥行き情報
を前記奥行き平均を基準にした変位に変換しこれを引数
とする重み関数に基づいた１次モーメントとして重心を
算出するシルエット中心／奥行き平均／重心計算装置
と、前記対象物体領域の前記シルエット中心または重心
が画像中心となるように平行移動し、かつ、シルエット
中心と重心を結ぶ直線が一定の方向を向くように画像を
回転する対象物体領域平行・回転移動装置と、前記画像
中心を基準に一定の間隔を持つよう新たに定義されたメ
ッシュの各格子点上の奥行きを平行・回転移動された前
記対象物体の距離画像データから補間することによって
求めて距離画像を再合成する距離画像再合成装置と、そ
れぞれの物体モデルに対して様々な観測方向から距離画
像を求めたときに前記背景切り出し装置と前記シルエッ
ト中心／奥行き平均／重心計算装置と前記対象物体領域
平行・回転移動装置と前記距離画像再合成装置とを通じ
て生成される距離画像から成る辞書データベースと、対
象物体距離画像を入力として前記距離画像再合成装置か
らの出力と前記辞書データベース情報と、を照合するこ
とにより対象物体を識別する照合・判別装置とから構成
される。
元形状計測装置により獲得される対象物体の距離画像を
入力として、物体モデル形状に関する辞書データベース
に基づいて識別する物体形状識別装置において、距離画
像から背景を除去し物体に関する距離画像のみを切り出
す背景切り出し装置と、切り出された対象物体領域のシ
ルエット中心と奥行き平均とを求め各画素の奥行き情報
を前記奥行き平均を基準にした変位に変換しこれを引数
とする重み関数に基づいた１次モーメントとして重心を
算出するシルエット中心／奥行き平均／重心計算装置
と、前記対象物体領域の前記シルエット中心または重心
が画像中心となるように平行移動し、かつ、シルエット
中心と重心を結ぶ直線が一定の方向を向くように画像を
回転する対象物体領域平行・回転移動装置と、前記画像
中心を基準に一定の間隔を持つよう新たに定義されたメ
ッシュの各格子点上の奥行きを平行・回転移動された前
記対象物体の距離画像データから補間することによって
求めて距離画像を再合成する距離画像再合成装置と、そ
れぞれの物体モデルに対して様々な観測方向から距離画
像を求めたときに前記背景切り出し装置と前記シルエッ
ト中心／奥行き平均／重心計算装置と前記対象物体領域
平行・回転移動装置と前記距離画像再合成装置とを通じ
て生成される距離画像から成る辞書データベースと、対
象物体距離画像を入力として前記距離画像再合成装置か
らの出力と前記辞書データベース情報と、を照合するこ
とにより対象物体を識別する照合・判別装置とから構成
される。
【０００７】本発明の第３の物体形状識別装置は、本発
明第１及び２に記載の辞書データベースにおいて、その
構成に用いた全てのモデル物体の全ての観測方向に対応
する距離画像の共分散行列の固有ベクトルにより距離画
像を圧縮して認識ベクトルとして保存するとともに、照
合・判別装置において距離画像再合成装置からの出力を
前記固有ベクトルを用いて圧縮して得た認識ベクトルと
前記辞書データベース中の認識ベクトルとを照合するこ
とにより対称物体を識別することを特徴とする。
明第１及び２に記載の辞書データベースにおいて、その
構成に用いた全てのモデル物体の全ての観測方向に対応
する距離画像の共分散行列の固有ベクトルにより距離画
像を圧縮して認識ベクトルとして保存するとともに、照
合・判別装置において距離画像再合成装置からの出力を
前記固有ベクトルを用いて圧縮して得た認識ベクトルと
前記辞書データベース中の認識ベクトルとを照合するこ
とにより対称物体を識別することを特徴とする。
【０００８】本発明の第４の物体形状識別装置は、本発
明第１及び第３に記載の辞書データベースにおいて、物
体の距離画像のシルエット中心と重心が一致する方向を
基準にして適当な間隔で緯度・経度を定義しその各格子
点方向からみた距離画像を辞書データ情報として登録す
ることを特徴とする。
明第１及び第３に記載の辞書データベースにおいて、物
体の距離画像のシルエット中心と重心が一致する方向を
基準にして適当な間隔で緯度・経度を定義しその各格子
点方向からみた距離画像を辞書データ情報として登録す
ることを特徴とする。
【０００９】物体モデルの形状と観測方向とから唯一に
定義される距離画像を固有ベクトルにより圧縮して認識
ベクトル辞書データとして登録しておくことにより、３
次元形状計測装置により入力された対称物体の距離画像
を認識空間へと写像して最もノルム誤差の小さいモデル
を抽出することにより物体種類と姿勢（観測方向）を同
時に認識することができる。
定義される距離画像を固有ベクトルにより圧縮して認識
ベクトル辞書データとして登録しておくことにより、３
次元形状計測装置により入力された対称物体の距離画像
を認識空間へと写像して最もノルム誤差の小さいモデル
を抽出することにより物体種類と姿勢（観測方向）を同
時に認識することができる。
【００１０】このようにすることによって、シルエット
中心や重心といった積分操作による画像処理を用いてい
るため耐ノイズ性に優れるとともに、物体形状を‘画
像’として全体的に捉えることが可能である。また、情
報圧縮により辞書データベース容量を小さくすることが
できる。
中心や重心といった積分操作による画像処理を用いてい
るため耐ノイズ性に優れるとともに、物体形状を‘画
像’として全体的に捉えることが可能である。また、情
報圧縮により辞書データベース容量を小さくすることが
できる。
【００１１】
【発明の実施の形態】以下、図面を参照して、本発明の
実施例について説明する。
実施例について説明する。
【００１２】図１は本発明に対応する一実施例である物
体形状識別装置のブロック図である。図２は物体の観測
方向の定義方法の一例を示している。図３は図２の物体
に対する距離画像の一例を示している。図４は図３の距
離画像をシルエット中心と重心を用いて変換し辞書デー
タの構成に用いる距離画像を示している。
体形状識別装置のブロック図である。図２は物体の観測
方向の定義方法の一例を示している。図３は図２の物体
に対する距離画像の一例を示している。図４は図３の距
離画像をシルエット中心と重心を用いて変換し辞書デー
タの構成に用いる距離画像を示している。
【００１３】図５は本発明の〔請求項３〕に含まれる物
体形状識別装置におけるシルエット中心と重心が一致す
る方向を基準にした観測方向の定義法の一例を示す。図
６は図５の観測方向の定義法に基づいて合成された辞書
データ用距離画像セットの一例を示す。図７は５００種
類の物体モデルに対して図５の観測方向定義法で合成さ
れた辞書データ用距離画像の平均距離画像を示す。図８
は図７に対応する辞書データ用距離画像から求められた
固有ベクトルの一部を画像表現したものである。
体形状識別装置におけるシルエット中心と重心が一致す
る方向を基準にした観測方向の定義法の一例を示す。図
６は図５の観測方向の定義法に基づいて合成された辞書
データ用距離画像セットの一例を示す。図７は５００種
類の物体モデルに対して図５の観測方向定義法で合成さ
れた辞書データ用距離画像の平均距離画像を示す。図８
は図７に対応する辞書データ用距離画像から求められた
固有ベクトルの一部を画像表現したものである。
【００１４】図９は物体識別シミュレーションに用いた
物体の距離画像サンプルである。図１０は図９のサンプ
ルで求められた認識ベクトルを用いて復元された距離画
像である。
物体の距離画像サンプルである。図１０は図９のサンプ
ルで求められた認識ベクトルを用いて復元された距離画
像である。
【００１５】最初に対象物体モデルの辞書データの構成
法について説明する。図２は左右対称な対象物体に対し
てｕ（緯度）とｖ（経度）とを用いて定義される観測座
標系を示している。図３はあるｕ，ｖにおける対象物体
の距離画像を示している。
法について説明する。図２は左右対称な対象物体に対し
てｕ（緯度）とｖ（経度）とを用いて定義される観測座
標系を示している。図３はあるｕ，ｖにおける対象物体
の距離画像を示している。
【００１６】いま、対象物体上の１点Ｐi に対応する距
離画像の１画素が観測座標系からみた位置ベクトルデー
タｒ（ベ）i ＝［ｘi ｙi ｚi ］T を有するとき、次式
で与えれらるｒ（ベ）i の幾何平均をｒ（ベ）m ＝［ｘ
m ｙm ｚm ］T で表す（T は転置行列を意味する）。
離画像の１画素が観測座標系からみた位置ベクトルデー
タｒ（ベ）i ＝［ｘi ｙi ｚi ］T を有するとき、次式
で与えれらるｒ（ベ）i の幾何平均をｒ（ベ）m ＝［ｘ
m ｙm ｚm ］T で表す（T は転置行列を意味する）。
【００１７】なおｒ（ベ）として示した（ベ）はｒがベ
クトル量であることを表している（以下同様）。
クトル量であることを表している（以下同様）。
【００１８】
【数１】
【００１９】ｎP は距離画像中の対象物体領域に含まれ
る画素の総数である。ｘm,ｙm は観測座標系からみた対
象物体のシルエット中心、ｚm は平均奥行きを表してい
る。ここで、｜ｚi −ｚm ｜に関する１次モーメントを
求めることにより次式で表される重心ｘy,ｙy を定義す
る。
る画素の総数である。ｘm,ｙm は観測座標系からみた対
象物体のシルエット中心、ｚm は平均奥行きを表してい
る。ここで、｜ｚi −ｚm ｜に関する１次モーメントを
求めることにより次式で表される重心ｘy,ｙy を定義す
る。
【００２０】
【数２】
【００２１】シルエット中心と重心とは例えば回転対称
な物体をその対称軸方向から観測した場合には一致す
る。この２点が重ならない場合を考えるとき、観測座標
系の投影面（ｘ−ｙ平面）上で例えばシルエット中心を
基準にして重心が一定方向を向くように距離画像を回転
し、投影面と平行で奥行き平均ｚm だけ離れた平面上に
一定の間隔を有するメッシュを定義して各格子点を基準
にして距離画像により定義される曲面までの高さを補間
演算により求めることによって新たに距離画像を得るこ
とができる。
な物体をその対称軸方向から観測した場合には一致す
る。この２点が重ならない場合を考えるとき、観測座標
系の投影面（ｘ−ｙ平面）上で例えばシルエット中心を
基準にして重心が一定方向を向くように距離画像を回転
し、投影面と平行で奥行き平均ｚm だけ離れた平面上に
一定の間隔を有するメッシュを定義して各格子点を基準
にして距離画像により定義される曲面までの高さを補間
演算により求めることによって新たに距離画像を得るこ
とができる。
【００２２】このようにして、観測方向ｕ，ｖに関して
唯一の距離画像が定義可能となり、認識対象となる各物
体毎に適当なｕ，ｖの組み合わせに対して用意すれば物
体認識のための辞書データとして利用できる。図４は図
３の距離画像に対してシルエット中心を原点とし重心が
ｘ軸方向へ向くよう回転して得た辞書データ（距離画
像）の一例を示している。
唯一の距離画像が定義可能となり、認識対象となる各物
体毎に適当なｕ，ｖの組み合わせに対して用意すれば物
体認識のための辞書データとして利用できる。図４は図
３の距離画像に対してシルエット中心を原点とし重心が
ｘ軸方向へ向くよう回転して得た辞書データ（距離画
像）の一例を示している。
【００２３】形状識別すべき物体が、机のような平面上
（以後基準平面と呼ぶ）で安定姿勢にあることが期待さ
れる場合、辞書データベースに登録する距離画像の生成
はもう少し簡略化することができる。すなわち、距離画
像カメラを、その光軸ベクトルと基準平面の法線ベクト
ルとを含む平面が一定角度間隔で基準平面の法線を軸と
して 360°回転するように動かして距離画像を取得し、
さらに距離画像カメラの光軸と基準平面法線との角度を
変化させて再び法線を 360°めぐって距離画像を取得す
る。
（以後基準平面と呼ぶ）で安定姿勢にあることが期待さ
れる場合、辞書データベースに登録する距離画像の生成
はもう少し簡略化することができる。すなわち、距離画
像カメラを、その光軸ベクトルと基準平面の法線ベクト
ルとを含む平面が一定角度間隔で基準平面の法線を軸と
して 360°回転するように動かして距離画像を取得し、
さらに距離画像カメラの光軸と基準平面法線との角度を
変化させて再び法線を 360°めぐって距離画像を取得す
る。
【００２４】図１において、100 は対象物体、101 は３
次元画像入力装置、102 は辞書データ、103 は認識結果
を表している。また201 は背景切り出し装置、202 はシ
ルエット中心／奥行き平均（シルエット中心／奥行き平
均／重心）計算装置、203 は対象物体領域平行（平行・
回転）移動装置、204 は距離画像再合成装置、205 は照
合・判別装置を表している。 ステップ（Ｓ１）：距離画像について背景を除去する。 ステップ（Ｓ２）：対象物体領域について、シルエット
中心や奥行き平均や重心を算出する。 ステップ（Ｓ３）：対象物体領域画像を平行移動や回転
移動を行う。 ステップ（Ｓ４）：対象物体距離画像を再合成する。 ステップ（Ｓ５）：照合・判別を行う。
次元画像入力装置、102 は辞書データ、103 は認識結果
を表している。また201 は背景切り出し装置、202 はシ
ルエット中心／奥行き平均（シルエット中心／奥行き平
均／重心）計算装置、203 は対象物体領域平行（平行・
回転）移動装置、204 は距離画像再合成装置、205 は照
合・判別装置を表している。 ステップ（Ｓ１）：距離画像について背景を除去する。 ステップ（Ｓ２）：対象物体領域について、シルエット
中心や奥行き平均や重心を算出する。 ステップ（Ｓ３）：対象物体領域画像を平行移動や回転
移動を行う。 ステップ（Ｓ４）：対象物体距離画像を再合成する。 ステップ（Ｓ５）：照合・判別を行う。
【００２５】こうして得られた距離画像について、背景
を除去し（Ｓ１）、シルエット中心／奥行き平均を求め
（Ｓ２）、シルエット中心が画像中心となるように平行
移動し（Ｓ３）、距離画像カメラの光軸を法線とする奥
行き平均値平面のメッシュ上に距離画像を再構成して
（Ｓ４）得られた画像群を辞書データとして登録する。
を除去し（Ｓ１）、シルエット中心／奥行き平均を求め
（Ｓ２）、シルエット中心が画像中心となるように平行
移動し（Ｓ３）、距離画像カメラの光軸を法線とする奥
行き平均値平面のメッシュ上に距離画像を再構成して
（Ｓ４）得られた画像群を辞書データとして登録する。
【００２６】次に、実際の距離画像を入力した時の物体
認識法について説明する。３次元形状計測装置により取
得された距離画像では背景に関する距離データを含んで
いる。このような場合、例えば物体が存在しないときの
距離画像を予めサンプリングしておき、これと一致する
距離画像データを背景データとして除去することによっ
て対象物体のみに関する距離画像を得ることができる。
認識法について説明する。３次元形状計測装置により取
得された距離画像では背景に関する距離データを含んで
いる。このような場合、例えば物体が存在しないときの
距離画像を予めサンプリングしておき、これと一致する
距離画像データを背景データとして除去することによっ
て対象物体のみに関する距離画像を得ることができる。
【００２７】物体認識は得られた距離画像の奥行き平
均、シルエット中心および重心を求め、辞書データを構
成した時と同じ処理を施して得た距離画像に最も近い距
離画像を持つ辞書データ中の物体とそのときの、ｕ，ｖ
とを求めることにより実行される（Ｓ５）。
均、シルエット中心および重心を求め、辞書データを構
成した時と同じ処理を施して得た距離画像に最も近い距
離画像を持つ辞書データ中の物体とそのときの、ｕ，ｖ
とを求めることにより実行される（Ｓ５）。
【００２８】２つの距離画像の類似度は例えば各格子点
上の高さの差分の絶対値の総和で定義できる。画像サイ
ズが異なる場合には小さい方の距離画像の周辺の格子点
を大きい方のサイズと同一になるように拡張し高さデー
タを０とすればよい。
上の高さの差分の絶対値の総和で定義できる。画像サイ
ズが異なる場合には小さい方の距離画像の周辺の格子点
を大きい方のサイズと同一になるように拡張し高さデー
タを０とすればよい。
【００２９】辞書データは対象となる物体毎にｕ，ｖの
組み合わせの数に相当する距離画像情報を含んでおり、
物体数の増加とともに辞書データの容量は増大し、ま
た、照合・認識に要する処理時間も増加することにな
る。これを回避するための手法として距離画像の集合に
対して部分空間法を適用する方法について説明する。
組み合わせの数に相当する距離画像情報を含んでおり、
物体数の増加とともに辞書データの容量は増大し、ま
た、照合・認識に要する処理時間も増加することにな
る。これを回避するための手法として距離画像の集合に
対して部分空間法を適用する方法について説明する。
【００３０】いま、それぞれの距離画像を１次元配列
（ベクトル）
（ベクトル）
【００３１】
【数３】
【００３２】で表し（なおＲmxn は実数のｍ×ｎ次元の
マトリクスを表す。以下同じ）、その平均を
マトリクスを表す。以下同じ）、その平均を
【００３３】
【数４】
【００３４】とする。ただし、Ｎ，ｎD はそれぞれ距離
画像ベクトルの次元、辞書データ中の距離画像の数であ
る。ここで、 Ｘ（ベ）＝［ｘ（ベ）1 −ｃ（ベ），ｘ（ベ）2 −ｃ（ベ），…，ｘ（ベ）nD −ｃ（ベ）］ （４） とおき、この共分散行列Ｑ（ベ）＝Ｘ（ベ）・Ｘ（ベ）
T の固有値λk とこれに対応する固有ベクトルｅ（ベ）
k を求めると、λk の最大値に対応する固有ベクトルｅ
（ベ）k はベクトル空間ｘ（ベ）i −ｃ（ベ）の主要成
分を表している。固有値を降順に並び替えたときλ1 ＞
λ2 ＞λ3 …＞λr ＞０に比べλr+1 以降の固有値が十
分小さければ、ｘ（ベ）i は次式で近似できる。
画像ベクトルの次元、辞書データ中の距離画像の数であ
る。ここで、 Ｘ（ベ）＝［ｘ（ベ）1 −ｃ（ベ），ｘ（ベ）2 −ｃ（ベ），…，ｘ（ベ）nD −ｃ（ベ）］ （４） とおき、この共分散行列Ｑ（ベ）＝Ｘ（ベ）・Ｘ（ベ）
T の固有値λk とこれに対応する固有ベクトルｅ（ベ）
k を求めると、λk の最大値に対応する固有ベクトルｅ
（ベ）k はベクトル空間ｘ（ベ）i −ｃ（ベ）の主要成
分を表している。固有値を降順に並び替えたときλ1 ＞
λ2 ＞λ3 …＞λr ＞０に比べλr+1 以降の固有値が十
分小さければ、ｘ（ベ）i は次式で近似できる。
【００３５】
【数５】
【００３６】ただし、 ｋ（ベ）i＝Ｅ（ベ）T r（ｘ（ベ）i−ｃ（ベ））, Ｅ（ベ）r＝［ｅ（ベ）1 ｅ（ベ）2…ｅ（ベ）r］ 通常Ｎ＞＞ｒであるため個々の距離画像ベクトルｘ
（ベ）i を辞書データとして保存する代わりに認識ベク
トル
（ベ）i を辞書データとして保存する代わりに認識ベク
トル
【００３７】
【数６】
【００３８】を用いることによりデータ容量の圧縮と照
合・認識とに要する処理時間の大幅な短縮が可能とな
る。物体認識は３次元形状入力装置で得られた距離画像
からシルエット中心と重心とに基づいて新たに求められ
る距離画像ｘ（ベ）を認識空間へ ｋ（ベ）＝Ｅ（ベ）r（ｘ（ベ）−ｃ（ベ）） により写像し、 ｋ（ベ）−ｋ（ベ）i のノルムを最小化するｋ（ベ）i を見つけることにより
行うことができる。
合・認識とに要する処理時間の大幅な短縮が可能とな
る。物体認識は３次元形状入力装置で得られた距離画像
からシルエット中心と重心とに基づいて新たに求められ
る距離画像ｘ（ベ）を認識空間へ ｋ（ベ）＝Ｅ（ベ）r（ｘ（ベ）−ｃ（ベ）） により写像し、 ｋ（ベ）−ｋ（ベ）i のノルムを最小化するｋ（ベ）i を見つけることにより
行うことができる。
【００３９】次に、本発明の〔請求項４〕に対応する物
体形状識別装置について説明する。〔請求項２〕に記載
の対象物体距離画像のシルエット中心と重心に基づく前
処理では、２点が重なる観測方向ｕc,ｖc 近傍での距離
画像が大きく変化する。その際、辞書データ距離画像を
生成するためのｕ，ｖの組み合わせ数を無際限に増やす
（ｕ，ｖのサンプリング間隔を限りなく小さくする）こ
とはデータ容量と認識・照合時間との観点から望ましく
ない。
体形状識別装置について説明する。〔請求項２〕に記載
の対象物体距離画像のシルエット中心と重心に基づく前
処理では、２点が重なる観測方向ｕc,ｖc 近傍での距離
画像が大きく変化する。その際、辞書データ距離画像を
生成するためのｕ，ｖの組み合わせ数を無際限に増やす
（ｕ，ｖのサンプリング間隔を限りなく小さくする）こ
とはデータ容量と認識・照合時間との観点から望ましく
ない。
【００４０】そこで、図５に示すようにｕc,ｖc を中心
に新たに緯度Ｕ、経度Ｖを定義し、その格子点に対応す
るｕ，ｖで距離画像を求めれば格子点間で均等に変化す
る距離画像のセットを辞書データとして得ることが期待
できる。図２の物体に関してランダムに選んだｕ，ｖの
組み合わせに対しシルエット中心と重心との距離の分布
を求めた場合その極小点が２つの重なる観測方向と考え
てｕc ＝69［deg］，ｖc ＝75［deg］を得た。
に新たに緯度Ｕ、経度Ｖを定義し、その格子点に対応す
るｕ，ｖで距離画像を求めれば格子点間で均等に変化す
る距離画像のセットを辞書データとして得ることが期待
できる。図２の物体に関してランダムに選んだｕ，ｖの
組み合わせに対しシルエット中心と重心との距離の分布
を求めた場合その極小点が２つの重なる観測方向と考え
てｕc ＝69［deg］，ｖc ＝75［deg］を得た。
【００４１】図６はこれを中心にＵ，Ｖをそれぞれ20
［deg］，10［deg］間隔でメッシュを切ったときの各格
子点に対応する距離画像を示す。
［deg］，10［deg］間隔でメッシュを切ったときの各格
子点に対応する距離画像を示す。
【００４２】それぞれの距離画像はシルエット中心と重
心とを用いて変換した後のものであり、隣り合う距離画
像どうしはほぼ均等な変化を示していることが分かる。
ｕ，ｖをそれぞれ20［deg］，10［deg］の間隔で定義し
たメッシュの場合、各格子点で得られる距離画像はｕc,
ｖc 近辺で大きく変化しそれ以外ではほとんど変化せ
ず、辞書データの構成には適さなくなる。
心とを用いて変換した後のものであり、隣り合う距離画
像どうしはほぼ均等な変化を示していることが分かる。
ｕ，ｖをそれぞれ20［deg］，10［deg］の間隔で定義し
たメッシュの場合、各格子点で得られる距離画像はｕc,
ｖc 近辺で大きく変化しそれ以外ではほとんど変化せ
ず、辞書データの構成には適さなくなる。
【００４３】物体識別のための辞書データとして使用す
る際には、ｕc,ｖc 方向から観測される距離画像につい
てはシルエット中心（＝重心）回りにＵの刻み幅と同じ
間隔で回転させた距離画像を用意しておけばよい。
る際には、ｕc,ｖc 方向から観測される距離画像につい
てはシルエット中心（＝重心）回りにＵの刻み幅と同じ
間隔で回転させた距離画像を用意しておけばよい。
【００４４】また、図５のような左右対称な物体の識別
を行う場合には左右対称な観測点に関して距離画像が上
下対称の関係になることを利用できる。このことは、あ
る視点からみた距離画像をＲ（ベ）1 ＝ｘ＋ｙi （ｉは
虚数単位）、これに対応する左右対称な距離画像をＲ
（ベ）2 ＝−ｘ＋ｙi ，Ｒ（ベ）1 のシルエット中心か
ら見た重心方向をθとすると、Ｒ（ベ）2 における重心
方向はπ−θであり、従って辞書データに登録すべき距
離画像はそれぞれ、
を行う場合には左右対称な観測点に関して距離画像が上
下対称の関係になることを利用できる。このことは、あ
る視点からみた距離画像をＲ（ベ）1 ＝ｘ＋ｙi （ｉは
虚数単位）、これに対応する左右対称な距離画像をＲ
（ベ）2 ＝−ｘ＋ｙi ，Ｒ（ベ）1 のシルエット中心か
ら見た重心方向をθとすると、Ｒ（ベ）2 における重心
方向はπ−θであり、従って辞書データに登録すべき距
離画像はそれぞれ、
【００４５】
【数７】
【００４６】で表されるが、Ｄ（ベ）1 ＝Ｄ（ベ）* 2
となることから明らかである。なおＤ（ベ）* 2 はＤ
（ベ）2 の共役転置を表す。
となることから明らかである。なおＤ（ベ）* 2 はＤ
（ベ）2 の共役転置を表す。
【００４７】次に物体識別法の具体例としてシミュレー
ションによる説明を行う。図７は図２の物体に類似した
左右対称な５００種類の物体モデルそれぞれに対して図
６のような距離画像の集合（ｘ（ベ）i）を求めたとき
の平均距離画像（ｃ（ベ））、図８はｘ（ベ）i に対応
する共分散行列の最大固有値以下４つの固有値に対応し
た固有ベクトルを画像表現したものである。辞書データ
はすべてのモデルのすべてのｕ，ｖの組み合わせで得ら
れる距離画像を認識空間へ写像したｋ（ベ）iの集合と
して構成しておく。ここでは、上位１５個の固有値に対
応する固有ベクトルで構成される変換行列Ｅ（ベ）r ＝
Ｅ（ベ）15を用いている。
ションによる説明を行う。図７は図２の物体に類似した
左右対称な５００種類の物体モデルそれぞれに対して図
６のような距離画像の集合（ｘ（ベ）i）を求めたとき
の平均距離画像（ｃ（ベ））、図８はｘ（ベ）i に対応
する共分散行列の最大固有値以下４つの固有値に対応し
た固有ベクトルを画像表現したものである。辞書データ
はすべてのモデルのすべてのｕ，ｖの組み合わせで得ら
れる距離画像を認識空間へ写像したｋ（ベ）iの集合と
して構成しておく。ここでは、上位１５個の固有値に対
応する固有ベクトルで構成される変換行列Ｅ（ベ）r ＝
Ｅ（ベ）15を用いている。
【００４８】図９は物体モデルの中の１つをｕ＝20［de
g］，ｖ＝70［deg］の方向から得た距離サンプルｘ
（ベ）を示す。これをｋ（ベ）＝Ｅ（ベ）T r（ｘ（ベ）
−ｃ（ベ））により認識空間へ写像し、これと最もノル
ム誤差の小さいｋ（ベ）i を選んだ結果、図９のモデル
に対応するｋ（ベ）i が選ばれ、このときの観測方向も
ｕ＝19.2［deg］, ｖ＝68.5［deg］であり図９で与えた
値とほぼ一致していることが分かる。図１０はｋ（ベ）
と固有ベクトルから復元した距離画像を示す。
g］，ｖ＝70［deg］の方向から得た距離サンプルｘ
（ベ）を示す。これをｋ（ベ）＝Ｅ（ベ）T r（ｘ（ベ）
−ｃ（ベ））により認識空間へ写像し、これと最もノル
ム誤差の小さいｋ（ベ）i を選んだ結果、図９のモデル
に対応するｋ（ベ）i が選ばれ、このときの観測方向も
ｕ＝19.2［deg］, ｖ＝68.5［deg］であり図９で与えた
値とほぼ一致していることが分かる。図１０はｋ（ベ）
と固有ベクトルから復元した距離画像を示す。
【００４９】
【発明の効果】以上説明したように本発明によれば、物
体モデルの形状と観測方向から唯一に定義される距離画
像を固有ベクトルにより圧縮して辞書データとして登録
しておくことにより、３次元形状計測装置により入力さ
れた対称物体の距離画像を認識空間へと写像して最もノ
ルム誤差の小さいモデルを抽出することにより物体種類
と姿勢（観測方向）が識別可能となる。本手法では、シ
ルエット中心や重心といった積分操作によるプロセスを
用いているため微小領域の曲率といった微分操作による
認識方法に比べ耐ノイズ性に優れるとともに、物体形状
を‘画像’として捉えているため例えば曲率ヒストグラ
ムを用いる方法とくらべ適用範囲が広がるという効果が
ある。また、距離画像の情報圧縮により辞書データ容量
を小さく抑えることが可能となる。
体モデルの形状と観測方向から唯一に定義される距離画
像を固有ベクトルにより圧縮して辞書データとして登録
しておくことにより、３次元形状計測装置により入力さ
れた対称物体の距離画像を認識空間へと写像して最もノ
ルム誤差の小さいモデルを抽出することにより物体種類
と姿勢（観測方向）が識別可能となる。本手法では、シ
ルエット中心や重心といった積分操作によるプロセスを
用いているため微小領域の曲率といった微分操作による
認識方法に比べ耐ノイズ性に優れるとともに、物体形状
を‘画像’として捉えているため例えば曲率ヒストグラ
ムを用いる方法とくらべ適用範囲が広がるという効果が
ある。また、距離画像の情報圧縮により辞書データ容量
を小さく抑えることが可能となる。
【図１】本発明に対応する一実施例である物体形状識別
装置のブロック図である。
装置のブロック図である。
【図２】物体の観測方向の定義方法の一例を示してい
る。
る。
【図３】図２の物体に対する距離画像の一例を示してい
る。
る。
【図４】図３の距離画像をシルエット中心と重心を用い
て変換し辞書データの構成に用いる距離画像を示してい
る。
て変換し辞書データの構成に用いる距離画像を示してい
る。
【図５】本発明の〔請求項３〕に含まれる物体形状識別
装置におけるシルエット中心と重心が一致する方向を基
準にした観測方向の定義法の一例を示す。
装置におけるシルエット中心と重心が一致する方向を基
準にした観測方向の定義法の一例を示す。
【図６】図５の観測方向の定義法に基づいて合成された
辞書データ用距離画像セットの一例を示す。
辞書データ用距離画像セットの一例を示す。
【図７】５００種類の物体モデルに対して図５の観測方
向定義法で合成された辞書データ用距離画像の平均距離
画像を示す。
向定義法で合成された辞書データ用距離画像の平均距離
画像を示す。
【図８】図７に対応する辞書データ用距離画像から求め
られた固有ベクトルの一部を画像表現したものである。
られた固有ベクトルの一部を画像表現したものである。
【図９】物体識別シミュレーションに用いた物体の距離
画像サンプルである。
画像サンプルである。
【図１０】図９のサンプルで求められた認識ベクトルを
用いて復元された距離画像である。
用いて復元された距離画像である。
102：辞書データ 201：背景切り出し装置 202：シルエット中心／奥行き平均（シルエット中心／
奥行き平均／重心）計算装置 203：対象物体領域平行（平行・回転）移動装置 204：距離画像再合成装置 205：照合・判別装置
奥行き平均／重心）計算装置 203：対象物体領域平行（平行・回転）移動装置 204：距離画像再合成装置 205：照合・判別装置
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｔ 7/60 Ｇ０６Ｆ 15/70 ３５０Ｊ ４６０Ｅ ４６５Ｚ Ｆターム(参考） 2F065 AA06 AA35 AA37 AA53 AA61 BB05 CC11 DD04 DD06 FF04 QQ00 QQ01 QQ13 QQ21 QQ23 QQ25 QQ26 QQ27 QQ28 QQ32 QQ38 QQ41 QQ42 5B057 CA13 CB13 CD02 CD06 CE08 CE09 CH01 DA11 DB03 DC06 DC33 DC39 5L096 AA09 EA15 EA33 EA35 EA37 FA57 FA60 FA62 FA66 FA69 HA07 KA13
Claims (4)
- 【請求項１】 ３次元形状計測装置により獲得される対
象物体の距離画像を入力として、物体モデル形状に関す
る辞書データベースに基づいて識別する物体形状識別装
置において、 距離画像から背景を除去し物体に関する距離画像のみを
切り出す背景切り出し装置と、 切り出された対象物体領域のシルエット中心と奥行き平
均とを求めるシルエット中心／奥行き平均計算装置と、 前記シルエット中心が画像中心となるように平行移動す
る対象物体領域平行移動装置と、 距離画像投影面と平行で前記奥行き平均だけ離れた平面
上に一定の間隔を有するメッシュを定義したときの各格
子点からみて前記平行移動を行った距離画像により定義
される曲面までの高さを補間演算により求めて新たに距
離画像を再合成する距離画像再合成装置と、 それぞれの物体モデルが平面上で安定姿勢にあるときに
平面の法線ベクトル回りの回転角と３次元形状計測装置
の光軸に対する前記平面法線ベクトルの角度とをパラメ
ータにして得られる距離画像を入力として、前記背景切
り出し装置と前記シルエット中心／奥行き平均計算装置
と前記対象物体領域平行移動装置と前記距離画像再合成
装置とを通じて生成される距離画像から成る辞書データ
ベースと、対象物体距離画像を入力として前記距離画像
再合成装置からの出力と前記辞書データベース情報と、
を照合することにより対象物体を識別する照合・判別装
置とから構成されることを特徴とする物体形状識別装
置。 - 【請求項２】 ３次元形状計測装置により獲得される対
象物体の距離画像を入力として、物体モデル形状に関す
る辞書データベースに基づいて識別する物体形状識別装
置において、 距離画像から背景を除去し物体に関する距離画像のみを
切り出す背景切り出し装置と、 切り出された対象物体領域のシルエット中心と奥行き平
均とを求め各画素の奥行き情報を前記奥行き平均を基準
にした変位に変換しこれを引数とする重み関数に基づい
た１次モーメントとして重心を算出するシルエット中心
／奥行き平均／重心計算装置と、 前記対象物体領域の前記シルエット中心または重心が画
像中心となるように平行移動し、かつ、シルエット中心
と重心を結ぶ直線が一定の方向を向くように画像を回転
する対象物体領域平行・回転移動装置と、 距離画像投影面と平行で前記奥行き平均だけ離れた平面
上に一定の間隔を有するメッシュを定義したときの各格
子点からみて前記平行・回転移動を行った距離画像によ
り定義される曲面までの高さを補間演算により求めて新
たに距離画像を再合成する距離画像再合成装置と、 それぞれの物体モデルに対して様々な観測方向から距離
画像を求めたときに前記背景切り出し装置と前記シルエ
ット中心／奥行き平均／重心計算装置と前記対象物体領
域平行・回転移動装置と前記距離画像再合成装置とを通
じて生成される距離画像から成る辞書データベースと、
対象物体距離画像を入力として前記距離画像再合成装置
からの出力と前記辞書データベース情報と、を照合する
ことにより対象物体を識別する照合・判別装置とから構
成されることを特徴とする物体形状識別装置。 - 【請求項３】 請求項１及び２に記載の辞書データベー
スにおいて、 その構成に用いた全てのモデル物体の全ての観測方向に
対応する距離画像の共分散行列の固有ベクトルにより距
離画像を圧縮して認識ベクトルとして保存するととも
に、照合・判別装置において距離画像再合成装置からの
出力を前記固有ベクトルを用いて圧縮して得た認識ベク
トルと前記辞書データベース中の認識ベクトルとを照合
することにより対称物体を識別することを特徴とする物
体形状識別装置。 - 【請求項４】 請求項１及び請求項３に記載の辞書デー
タベースにおいて、 物体の距離画像のシルエット中心と重心が一致する方向
を基準にして適当な間隔で緯度・経度を定義しその各格
子点方向からみた距離画像を辞書データ情報として登録
することを特徴とする物体形状識別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31904999A JP2001143072A (ja) | 1999-11-10 | 1999-11-10 | 物体形状識別装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31904999A JP2001143072A (ja) | 1999-11-10 | 1999-11-10 | 物体形状識別装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001143072A true JP2001143072A (ja) | 2001-05-25 |
Family
ID=18105946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP31904999A Pending JP2001143072A (ja) | 1999-11-10 | 1999-11-10 | 物体形状識別装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2001143072A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007148663A (ja) * | 2005-11-25 | 2007-06-14 | Sony Corp | オブジェクト追跡装置及びオブジェクト追跡方法、並びにプログラム |
| JP2007148809A (ja) * | 2005-11-28 | 2007-06-14 | Fujitsu Ltd | 画像解析プログラム、該プログラムを記録した記録媒体、画像解析装置、および画像解析方法 |
| KR100785339B1 (ko) * | 2006-11-16 | 2007-12-17 | 중앙대학교 산학협력단 | 형상인식장치 및 방법 |
| US7545975B2 (en) | 2004-06-01 | 2009-06-09 | Fuji Jukogyo Kabushiki Kaisha | Three-dimensional object recognizing system |
| JP2014516187A (ja) * | 2011-06-06 | 2014-07-07 | マイクロソフト コーポレーション | 奥行きに基づく質量の中心からの頭部回転のトラッキング |
| US8774512B2 (en) | 2009-02-11 | 2014-07-08 | Thomson Licensing | Filling holes in depth maps |
| DE102014212304B4 (de) * | 2013-06-28 | 2016-05-12 | Canon K.K. | Informationsverarbeitungsvorrichtung, Informationsverarbeitungsverfahren und Speichermedium |
| WO2017073520A1 (ja) * | 2015-10-26 | 2017-05-04 | 三郎 山内 | 対象認識システム、対象認識方法、プログラム及びコンピュータ記憶媒体 |
-
1999
- 1999-11-10 JP JP31904999A patent/JP2001143072A/ja active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7545975B2 (en) | 2004-06-01 | 2009-06-09 | Fuji Jukogyo Kabushiki Kaisha | Three-dimensional object recognizing system |
| JP2007148663A (ja) * | 2005-11-25 | 2007-06-14 | Sony Corp | オブジェクト追跡装置及びオブジェクト追跡方法、並びにプログラム |
| JP4682820B2 (ja) * | 2005-11-25 | 2011-05-11 | ソニー株式会社 | オブジェクト追跡装置及びオブジェクト追跡方法、並びにプログラム |
| JP2007148809A (ja) * | 2005-11-28 | 2007-06-14 | Fujitsu Ltd | 画像解析プログラム、該プログラムを記録した記録媒体、画像解析装置、および画像解析方法 |
| JP4740723B2 (ja) * | 2005-11-28 | 2011-08-03 | 富士通株式会社 | 画像解析プログラム、該プログラムを記録した記録媒体、画像解析装置、および画像解析方法 |
| US8194912B2 (en) | 2005-11-28 | 2012-06-05 | Fujitsu Limited | Method and apparatus for analyzing image, and computer product |
| KR100785339B1 (ko) * | 2006-11-16 | 2007-12-17 | 중앙대학교 산학협력단 | 형상인식장치 및 방법 |
| US8774512B2 (en) | 2009-02-11 | 2014-07-08 | Thomson Licensing | Filling holes in depth maps |
| JP2014516187A (ja) * | 2011-06-06 | 2014-07-07 | マイクロソフト コーポレーション | 奥行きに基づく質量の中心からの頭部回転のトラッキング |
| KR101932788B1 (ko) | 2011-06-06 | 2018-12-27 | 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 | 깊이-기반 질량의 중심으로부터의 머리 회전 추적 기법 |
| DE102014212304B4 (de) * | 2013-06-28 | 2016-05-12 | Canon K.K. | Informationsverarbeitungsvorrichtung, Informationsverarbeitungsverfahren und Speichermedium |
| WO2017073520A1 (ja) * | 2015-10-26 | 2017-05-04 | 三郎 山内 | 対象認識システム、対象認識方法、プログラム及びコンピュータ記憶媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5705147B2 (ja) | 記述子を用いて３ｄオブジェクトまたはオブジェクトを表す方法 | |
| JP5677798B2 (ja) | ３次元シーンにおける３次元物体の認識及び位置姿勢決定方法 | |
| JP6216508B2 (ja) | ３ｄシーンにおける３ｄ物体の認識および姿勢決定のための方法 | |
| US9807365B2 (en) | System and method for hybrid simultaneous localization and mapping of 2D and 3D data acquired by sensors from a 3D scene | |
| JP6091560B2 (ja) | 画像解析方法 | |
| US9633281B2 (en) | Point cloud matching method | |
| JP5759161B2 (ja) | 物体認識装置、物体認識方法、学習装置、学習方法、プログラム、および情報処理システム | |
| CN114677418B (zh) | 一种基于点云特征点提取的配准方法 | |
| CN112651944A (zh) | 基于cad模型的3c部件高精度六维位姿估计方法及*** | |
| CN108388902A (zh) | 结合全局框架点与局部shot特征的复合3d描述子构建方法 | |
| EP2054835A1 (en) | Target orientation | |
| CN116862960A (zh) | 工件形貌点云配准方法、装置、设备及存储介质 | |
| CN105139013B (zh) | 一种融合形状特征和兴趣点的物体识别方法 | |
| CN111798453A (zh) | 用于无人驾驶辅助定位的点云配准方法及其*** | |
| JP2001143072A (ja) | 物体形状識別装置 | |
| JPH09237342A (ja) | 注視点を用いた頑健な認識装置 | |
| JP2018136642A (ja) | 三次元形状検索方法及び三次元形状検索システム | |
| CN110458177B (zh) | 图像深度信息的获取方法、图像处理装置以及存储介质 | |
| CN115205558B (zh) | 一种具有旋转和尺度不变性的多模态影像匹配方法及装置 | |
| Jørgensen et al. | Geometric Edge Description and Classification in Point Cloud Data with Application to 3D Object Recognition. | |
| CN114119952A (zh) | 一种基于边缘信息的图像匹配方法及装置 | |
| JP7234378B2 (ja) | 回転仮説を決定することによって画像を処理する方法及びシステム | |
| JP2004178210A (ja) | 画像処理方法及び画像認識方法並びにこれらの方法をコンピュータにより実行させるプログラム | |
| CN110580451A (zh) | 一种基于三维优化子曲面的人脸识别方法及*** | |
| CN113838051B (zh) | 一种基于三维点云的机器人闭环检测方法 |