JP2008003793A - 画像処理装置及び画像処理プログラム - Google Patents

Abstract

【課題】 輪郭の特徴抽出において必要最小限の特徴量のみを取り出すことができる画像処理装置及び画像処理プログラムを提供する。
【解決手段】 画像上の輪郭の特徴量を抽出する場合、まず物体の輪郭に対して順番にインデックス番号を付ける。また、物体の輪郭に対して勾配を求め、更に複数の同一勾配点を求める。続いて、最も端に位置する勾配（端線）から他の各勾配までの距離（不変量）を求める。続いて、複数の同一勾配点の中から、端線と同一勾配点を通る勾配との距離が近い複数の点を選択し、その同一勾配点の中央値に対応するインデックス番号を記憶する。続いて、選択された同一勾配点の中から、同一勾配点に対応するインデックス番号と中央値に対応するインデックス番号との差が閾値以下である点を選択し、これらの同一勾配点を通る各勾配と端線との平均距離を求め、この平均距離を１つの不変量に設定する。
【選択図】 図５

Description

本発明は、画像から物体の輪郭を抽出し、その輪郭の特徴を抽出する画像処理装置及び画像処理プログラムに関するものである。

従来の画像処理装置としては、例えば非特許文献１に記載されているように、画像から物体の輪郭を抽出し、輪郭の同一勾配点を求め、この同一勾配点を利用して不変量（特徴量）を生成し、物体の認識を行うものが知られている。
Amit Sethi,et al."’Curve and Surface Duals and the Recognition ofCurved 3D Objects from their Silhouettes"’, International Journal of ComputerVision,vol.58,no.1,pp.73-86,June 2004.

しかしながら、上記従来技術においては、画像から物体の輪郭を抽出するときに、ノイズや照明条件の変動等の影響によって輪郭の直線部分が小さな波状となることがある。この場合には、その部分に多くの同一勾配点が存在することになるため、生成される特徴量の次元数が不必要に増大する。従って、その後の処理において、輪郭の特徴量に基づいて物体の認識を行う際に、計算量が増大するばかりでなく、認識精度の低下につながる可能性もある。

本発明の目的は、輪郭の特徴抽出において必要最小限の特徴量のみを取り出すことができる画像処理装置及び画像処理プログラムを提供することである。

本発明は、画像から対象物の輪郭を抽出し、輪郭の同一勾配点を複数求め、同一勾配点を利用して輪郭の特徴を抽出する画像処理装置であって、複数の同一勾配点の特徴量を求める特徴量生成手段と、特徴量生成手段により求められた複数の同一勾配点の特徴量のうち、任意の複数の同一勾配点における各特徴量の類似度が第１所定値よりも高いかどうかを判断する第１判断手段と、任意の複数の同一勾配点における各位置の近接度が第２所定値よりも高いかどうかを判断する第２判断手段と、第１判断手段により各特徴量の類似度が第１所定値よりも高いと判断されると共に第２判断手段により各位置の近接度が第２所定値よりも高いと判断されると、任意の複数の同一勾配点における各特徴量を１つの特徴量に統合する特徴量統合手段とを備えることを特徴とするものである。

このような画像処理装置において、画像から対象物の輪郭を抽出するときに、ノイズや照明条件の変動等が生じると、輪郭に存在する単純な直線部分が小さな波状となるため、その部分に複数の同一勾配点が存在するようになる。しかし、それらの同一勾配点は輪郭の同じ直線部分にあるため、特徴量生成手段により求められた各同一勾配点の特徴量が互いに類似し、また各同一勾配点の位置が近接することになる。従って、この場合には、第１判断手段により各同一勾配点の特徴量の類似度が第１所定値よりも高いと判断され、更に第２判断手段により各同一勾配点の位置の近接度が第２所定値よりも高いと判断されるため、特徴量統合手段によって各同一勾配点の特徴量が１つの特徴量に統合されるようになる。これにより、特徴量の次元数が不必要に増大することが抑制され、必要最小限の特徴量のみを取り出すことができる。

好ましくは、輪郭上に順番にインデックス番号を付する手段を更に備え、第２判断手段は、任意の複数の同一勾配点間の距離と任意の複数の同一勾配点に対応する各インデックス番号とに基づいて、各位置の近接度が第２所定値よりも高いかどうかを判断する。インデックス番号は輪郭上に順番に付されるため、インデックス番号が近くなるほど、当該インデックス番号が付された同一勾配点間の距離が短くなる。従って、第２判断手段により各同一勾配点の位置の近接度を判断するときに、各同一勾配点間の距離だけでなく、各同一勾配点に対応する各インデックス番号も用いることにより、例えば輪郭の形状が複雑な場合であっても、各同一勾配点の位置の近接度を高精度に求めることができる。

また、好ましくは、特徴量生成手段は、同一勾配点を通る各勾配間の距離に基づいて、複数の同一勾配点の特徴量を求める。同一勾配点を通る各勾配間の距離は、位置、回転及び大きさに対して不変な量である。このような不変量を用いることにより、その後に輪郭のマッチング処理を行って対象物を認識する場合に、輪郭全体をパターンマッチングする場合に比べて処理が簡単になるだけでなく、画像上で対象物の一部が隠れていてもマッチングを行うことができる。

また、本発明は、画像から対象物の輪郭を抽出し、輪郭の同一勾配点を複数求め、同一勾配点を利用して輪郭の特徴を抽出する画像処理をコンピュータに実行させる画像処理プログラムであって、複数の同一勾配点の特徴量を求める特徴量生成手順と、特徴量生成手順で求められた複数の同一勾配点の特徴量のうち、任意の複数の同一勾配点における各特徴量の類似度が第１所定値よりも高いかどうかを判断する第１判断手順と、任意の複数の同一勾配点における各位置の近接度が第２所定値よりも高いかどうかを判断する第２判断手順と、第１判断手順で各特徴量の類似度が第１所定値よりも高いと判断されると共に第２判断手順で各位置の近接度が第２所定値よりも高いと判断されると、任意の複数の同一勾配点における各特徴量を１つの特徴量に統合する特徴量統合手順とをコンピュータに実行させることを特徴とするものである。

このような画像処理プログラムの実行において、画像から対象物の輪郭を抽出するときに、ノイズや照明条件の変動等が生じると、輪郭に存在する単純な直線部分が小さな波状となるため、その部分に複数の同一勾配点が存在するようになる。しかし、それらの同一勾配点は輪郭の同じ直線部分にあるため、特徴量生成手順で求められた各同一勾配点の特徴量が互いに類似し、また各同一勾配点の位置が近接することになる。従って、この場合には、第１判断手順で各同一勾配点の特徴量の類似度が第１所定値よりも高いと判断され、更に第２判断手順で各同一勾配点の位置の近接度が第２所定値よりも高いと判断されるため、特徴量統合手順において各同一勾配点の特徴量が１つの特徴量に統合されるようになる。これにより、特徴量の次元数が不必要に増大することが抑制され、必要最小限の特徴量のみを取り出すことができる。

好ましくは、輪郭上に順番にインデックス番号を付する手順を更にコンピュータに実行させ、第２判断手順では、任意の複数の同一勾配点間の距離と任意の複数の同一勾配点に対応する各インデックス番号とに基づいて、各位置の近接度が第２所定値よりも高いかどうかを判断する。インデックス番号は輪郭上に順番に付されるため、インデックス番号が近くなるほど、当該インデックス番号が付された同一勾配点間の距離が短くなる。従って、第２判断手順で各同一勾配点の位置の近接度を判断するときに、各同一勾配点間の距離だけでなく、各同一勾配点に対応する各インデックス番号も用いることにより、例えば輪郭の形状が複雑な場合であっても、各同一勾配点の位置の近接度を高精度に求めることができる。

また、好ましくは、特徴量生成手順では、同一勾配点を通る各勾配間の距離に基づいて、複数の同一勾配点の特徴量を求める。同一勾配点を通る各勾配間の距離は、位置、回転及び大きさに対して不変な量である。このような不変量を用いることにより、その後に輪郭のマッチング処理を行って対象物を認識する場合に、輪郭全体をパターンマッチングする場合に比べて処理が簡単になるだけでなく、画像上で対象物の一部が隠れていてもマッチングを行うことができる。

本発明によれば、対象物の輪郭の特徴抽出において、必要最小限の特徴量のみを取り出すことができる。これにより、その後に対象物の認識処理を行う場合に、計算量を減少させたり認識精度を向上させることが可能となる。

以下、本発明に係わる画像処理装置及び画像処理プログラムの好適な実施形態について、図面を参照して詳細に説明する。

図１は、本発明に係わる画像処理装置の一実施形態の構成を示すブロック図である。本実施形態の画像処理装置１は、例えば認識対象物体として急須やマグカップ等の取っ手付き容器を把持するロボット（図示せず）に搭載されるものである。

同図において、画像処理装置１は、認識対象物体を撮像するカメラ２Ａ，２Ｂと、これらのカメラ２Ａ，２Ｂによる撮像画像を入力し、所定の画像処理を行い、認識対象物体の姿勢を推定する画像処理部３と、この画像処理部３の処理結果を表示するモニタ部４と、画像処理部３による画像処理に使用されるデータベースを蓄積記憶するデータ格納部５とを備えている。

カメラ２Ａ，２Ｂは、例えばＣＣＤカメラであり、ロボットの両眼部（図示せず）に設けられている。

画像処理部３は、物体認識処理に特化した専用のハードウェアとして構成されていても良いし、或いはＣＰＵ、メモリ（記憶媒体）、入力部及び出力部を有するパーソナルコンピュータ等の汎用コンピュータを用い、この汎用コンピュータにソフトウェアとしての画像処理プログラムを実行させても良い。このとき、画像処理プログラムは、例えばＣＤ−ＲＯＭ、ＤＶＤ、ＲＯＭ等の記憶媒体または半導体メモリによって提供される。また、画像処理プログラムは、搬送波に重畳されたコンピュータデータ信号としてネットワークを介して提供されるものであっても良い。

また、画像処理部３の処理結果は、把持制御処理部６に送られる。把持制御処理部６は、画像処理部３で推定された認識対象物体の姿勢に基づいて、認識対象物体を把持するようにロボットハンド（図示せず）を制御する。

図２は、画像処理部３による処理手順の概略を示すフローチャートである。同図において、まずカメラ２Ａ，２Ｂによる撮像画像を取得する（手順１１）。カメラ２Ａ，２Ｂによる撮像画像の一例を図３に示す。図３（ａ）は、ロボットの左眼部に配置されたカメラ２Ａによる撮像画像（左画像）を示し、図３（ｂ）は、ロボットの右眼部に配置されたカメラ２Ｂによる撮像画像（右画像）を示している。

続いて、手順１１で取得した左画像及び右画像について、濃度値が一様とみなせる物体毎の領域に分割する（手順１２）。例えば図３に示す画像では、枠で囲まれた領域Ｒが認識対象物体を含む領域となる。

また、手順１２の領域分割処理と並行して、２次元の左画像及び右画像から３次元画像を復元する（手順１３）。この３次元画像の復元は、例えば両眼視差の考え方を利用して、ある点の左画像及び右画像での位置座標とカメラ２Ａ，２Ｂ間の距離とから当該点の奥行きを計算することにより行う。

続いて、手順１２で領域分割された２次元画像と手順１３で復元された３次元画像とに基づいて、エッジ検出等により領域Ｒ内に存在する物体の輪郭を抽出する（手順１４）。例えば図３（ａ）に示す左画像における認識対象物体の輪郭Ｂは、図４に示すようなものとなる。

続いて、手順１４で得られた認識対象物体の輪郭Ｂの特徴量を抽出する（手順１５）。この特徴抽出処理は、左画像及び右画像の両方について行う。なお、特徴抽出処理の詳細については、後で詳述する。

続いて、手順１５で得られた認識対象物体の輪郭Ｂの特徴量を、データ格納部５にデータベースとして記憶されている特徴照合データとマッチングすることにより、特徴照合データに対する類似度を算出する（手順１６）。特徴照合データとしては、カメラにより認識対象物体をあらゆる角度（視点）から撮像した時の撮像画像から得られた多くのデータが登録されている。このマッチング処理は、左画像及び右画像の両方について行う。また、マッチング手法としては、例えばＤＰ（Dynamic Programming）マッチング等が採用される。

続いて、左画像及び右画像のうち、特徴照合データに対する類似度が高い方の画像を基準画像として選択する（手順１７）。そして、選択された基準画像において、特徴照合データに対する最大類似度を算出する（手順１８）。そして、その最大類似度となる特徴照合データに対応する輪郭の形状を認識対象物体の初期姿勢位置に設定する（手順１９）。

続いて、まず基準画像のみを用いて、認識対象物体の姿勢を粗推定する（手順２０）。そして、その姿勢推定の妥当性を判断し（手順２１）、姿勢推定が正しく収束したと判断されたときは、引き続き左画像及び右画像の両方を用いて、認識対象物体の姿勢を詳細に推定する（手順２２）。手順２０，２２による姿勢推定処理は、例えば輪郭のＤＴ（Distance Transform）マップを作成して行う。そして、手順２２による姿勢推定の妥当性を判断し（手順２３）、姿勢推定が正しく収束したと判断されたときは、その推定結果を把持制御処理部６に送出すると共にモニタ部４に表示させる（手順２４）。

一方、手順２０，２２において姿勢推定が正しく収束されないと判断されたときは、認識対象物体を別の視点から撮像した時の撮像画像から得られた他の特徴照合データを用いて、認識対象物体の姿勢推定を行う。例えば、選択された基準画像において類似度が次に高くなるような特徴照合データを選択し、当該類似度となる特徴照合データに対応する輪郭の形状を認識対象物体の新たな初期姿勢位置に設定する（手順２５）。そして、上記の手順２０〜２４を実行する。

上記の手順１５の特徴抽出処理手順の詳細を図５に示す。同図において、まず図２に示す手順１４で抽出された物体の輪郭に対してインデックスポイントＣを設定し、このインデックスポイントＣにインデックス番号を付ける（手順３１）。インデックス番号は、物体の輪郭から抽出された勾配同一点Ｐ（後述）の位置関係を示す指標となるものである。

具体的には、図６に示すように、物体の輪郭Ｂ上に設定された各インデックスポイントＣに対して、右回りまたは左回りに沿って順番にインデックス番号（１，２，…，ｎ−１，ｎ）を付けていく。インデックスポイントＣは、輪郭Ｂ上に数百〜千個程度有し、例えば一定間隔毎に配置されている。

また、物体の輪郭Ｂに対して勾配（接線の傾き）Ｈを求める（手順３２）。そして、勾配Ｈの角度毎に複数の同一勾配点Ｐを求める（手順３３）。ここで、同一勾配点Ｐとは、図７に示すように、輪郭Ｂ上において勾配Ｈが同一となる点のことである。このため、輪郭Ｂ上において複数の同一勾配点Ｐに対応する各勾配Ｈは、互いに平行になる。

続いて、複数の勾配Ｈのうち最も端に位置する勾配（端線）Ｈ_０から他の各勾配Ｈ_ｎ（n=1,2…）までの距離ｄ_ｎを求める（手順３４）。この距離ｄ_ｎは、各勾配Ｈ_ｎに垂直な方向に沿った距離である。

このような端線Ｈ_０から各勾配Ｈ_ｎまでの距離ｄ_ｎは、輪郭Ｂの位置、回転及び大きさに対して不変な量である。この不変量を同一勾配点Ｐの特徴量として用いることにより、図２に示す手順１６のマッチング処理が簡単に行えるようになる。また、例えば輪郭全体をパターンマッチングする場合と異なり、認識対象物体の輪郭Ｂの一部が隠れている場合でも、精度良いマッチングを行うことが可能である。

なお、端線Ｈ_０から各勾配Ｈ_ｎまでの距離ｄ_ｎの算出は、輪郭Ｂの両端に位置する２つの勾配Ｈのいずれか一方のみを端線Ｈ_０として行っても良いし、輪郭Ｂの両端に位置する２つの勾配Ｈの両方を端線Ｈ_０として行っても良い。また、不変量としては、端線Ｈ_０から各勾配Ｈ_ｎまでの距離ｄ_ｎを直接用いる他、これらの距離ｄ_ｎの中の最長距離と各距離ｄ_ｎとの差分などを用いても良い。

続いて、輪郭Ｂ上に存在する複数の同一勾配点Ｐの中から、端線Ｈ_０と同一勾配点Ｐを通る勾配Ｈ_ｎとの距離ｄ_ｎが同等またはこれに近くなるような同一勾配点Ｐ_ｉ、つまり当該距離ｄ_ｎの差が閾値以上小さくなるような同一勾配点Ｐ_ｉを選択する（手順３５）。例えば図７に示すものでは、同一勾配点Ｐ_ｉとして、勾配Ｈ_１，Ｈ_３上の各同一勾配点Ｐが選択される。

続いて、選択された同一勾配点Ｐ_ｉの座標（ｘ_ｉ，ｙ_ｉ）の分散σ_ｉ ^２を求める（手順３６）。ここで、各同一勾配点Ｐ_ｉの座標値をＸ_１、Ｘ_２、…、Ｘ_Ｎとし、各同一勾配点Ｐ_ｉの座標値の平均値をＭとしたときに、分散σ_ｉ ^２は下記式で表される。

また、選択された同一勾配点Ｐ_ｉの座標（ｘ_ｉ，ｙ_ｉ）の中央値ｍを求め、この中央値ｍに対応するインデックス番号Ｉ_ｍを記憶する（手順３７）。

続いて、手順３５で選択された同一勾配点Ｐ_ｉの中から、中央値ｍからの距離が閾値（σ_ｉ＊α）以下である同一勾配点Ｐ_ｊを求める（手順３８）。このとき、例えば輪郭Ｂの大小によって閾値を変化させるべく、標準偏差σ_ｉに比例した閾値を用いているが、閾値としては標準偏差σ_ｉによらない一定値を用いても良い。閾値として一定値を用いる場合には、手順３６の処理を省略することができる。

続いて、手順３８で得られた同一勾配点Ｐ_ｊの中から、同一勾配点Ｐ_ｊに対応するインデックス番号Ｉ_ｊと中央値ｍに対応するインデックス番号Ｉ_ｍとの差が閾値以下である同一勾配点Ｐ_ｋを選択する（手順３９）。この時の閾値としては、インデックスポイントの総数に応じた値や一定値を用いる。

続いて、選択された各同一勾配点Ｐ_ｋを通る各勾配Ｈ_ｎと端線Ｈ_０との距離ｄ_ｎの平均値（平均距離）を求め、この平均距離を不変量に設定する（手順４０）。つまり、各同一勾配点Ｐ_ｋを通る各勾配Ｈ_ｎと端線Ｈ_０との距離ｄ_ｎの全てを不変量として設定するのではなく、これらを統合して１つの不変量とする。

その後、輪郭Ｂに存在する全ての同一勾配点Ｐについて、不変量の統合の可否を判断したときは、特徴抽出処理を終了し、そうでないときは手順３５に戻り、未判断の同一勾配点Ｐについて手順３５〜４０を繰り返し実行する（手順４１）。

なお、手順３１のインデックス番号付け処理を実行するタイミングは、特に上記のものには限られず、手順３７の処理が実行される前であれば、いつでも構わない。

このような特徴抽出処理において、手順３１は、輪郭上に順番にインデックス番号を付する手段（手順）を構成している。手順３２〜３４は、複数の同一勾配点の特徴量を求める特徴量生成手段（特徴量生成手順）を構成している。手順３５は、特徴量生成手段により求められた複数の同一勾配点の特徴量のうち、任意の複数の同一勾配点における各特徴量の類似度が第１所定値よりも高いかどうかを判断する第１判断手段（第１判断手順）を構成している。手順３６〜３９は、任意の複数の同一勾配点における各位置の近接度が第２所定値よりも高いかどうかを判断する第２判断手段（第２判断手順）を構成している。手順４０は、第１判断手段により各特徴量の類似度が第１所定値よりも高いと判断されると共に第２判断手段により各位置の近接度が第２所定値よりも高いと判断されると、任意の複数の同一勾配点における各特徴量を１つの特徴量に統合する特徴量統合手段（特徴量統合手順）を構成している。

ところで、カメラ２Ａ，２Ｂによる撮像画像を取得する際に、ノイズや照明状態の変動等の外乱が発生すると、図８に示すように、画像上における物体の輪郭Ｂに多少のうねりが生じ、輪郭Ｂの直線部分が完全な直線にならないことがある。この場合には、当該直線部分だけで数多くの同一勾配点Ｐが存在することとなる。このとき、各同一勾配点Ｐを通る各勾配Ｈについて、勾配Ｈの１つである端線Ｈ_０との距離（不変量）をそれぞれ求めると、下記式の例で示されるように、非常に値の近い不変量の次元数が多くなってしまう。なお、下記式において、数値０は、端線Ｈ_０上の同一勾配点Ｐの不変量を表し、他の数値は、端線Ｈ_０以外の勾配Ｈ上の同一勾配点Ｐの不変量を表している。
Ｄ＝［0 179.95 180.00 180.01 180.02 180.10 … 180.20］ …（Ａ）

このように不変量の次元数が不必要に多くなると、特徴照合データに対する類似度を算出する際に、計算量が増大して計算時間が長くなる。また、輪郭Ｂから物体の種類等を認識するときに、認識精度が低下することもある。

これに対し本実施形態では、輪郭Ｂ上に存在する複数の同一勾配点Ｐのうち、端線Ｈ_０との距離が同等またはこれに近い複数の勾配Ｈ上の同一勾配点Ｐ_ｉ、つまり不変量の類似度が高い複数の同一勾配点Ｐ_ｉを選択する（図５の手順３４，３５参照）と共に、各同一勾配点Ｐ_ｉ間の距離と各同一勾配点Ｐ_ｉに対応するインデックス番号Ｉ_ｍとを用いて、各同一勾配点Ｐ_ｉの位置の近接度が高い複数の同一勾配点Ｐ_ｋを選択する（図５の手順３６〜３９参照）。そして、端線Ｈ_０から各同一勾配点Ｐ_ｋを通る各勾配Ｈまでの平均距離を求め、この平均距離を１つの不変量として設定する（図５の手順４０参照）。従って、上記の（Ａ）式における複数の不変量が下記式のように１つの不変量に統合されることとなる。
Ｈ＝［0 180.00］ …（Ｂ）

比較として、図７に示す輪郭Ｂにおいては、端線Ｈ_０から勾配Ｈ_１，Ｈ_３までの距離ｄ_ｎの差が小さいため、勾配Ｈ_１，Ｈ_３上の各同一勾配点Ｐの不変量の類似度は高くなるが、勾配Ｈ_１，Ｈ_３上の各同一勾配点Ｐ同士は近接せずに離れている。このため、これらの同一勾配点Ｐの不変量は、いずれも特徴抽出に必要であると判断され、統合されること無く抽出されることになる。

以上のように本実施形態によれば、物体の輪郭Ｂ上に存在する複数の同一勾配点Ｐの不変量（特徴量）が類似し且つ各同一勾配点Ｐの位置が近接しているときには、各同一勾配点Ｐの不変量を１つに統合するので、ノイズや照明状態の変動等によって輪郭Ｂの直線部分に多少のうねりが生じても、不変量の次元数が不必要に増大することは無く、必要最小限の不変量のみを生成することができる。これにより、その後のマッチング処理（図２の手順１６参照）において特徴照合データに対する類似度を算出する際に、計算量が少なくて済むため計算時間が短くなる。また、姿勢推定処理（図２の手順２１，２３参照）を実施するときに、物体の認識精度を向上させることが可能となる。

このとき、例えば輪郭Ｂの形状が複雑である場合には、各同一勾配点Ｐ間の距離が短くても、輪郭Ｂに沿った各同一勾配点Ｐの位置関係としては離れていることがあるが、輪郭Ｂ上に沿って順番に付されるインデックス番号を用いることで、そのような場合でも、各同一勾配点Ｐの位置が近接しているかどうかを正確に求めることができる。

また、輪郭Ｂの直線部分に存在するうねりを除去するために輪郭Ｂを平滑化した場合には、詳細な情報が損失され、輪郭Ｂの特徴抽出が困難になることがあるが、本実施形態では、輪郭Ｂの特徴を消すこと無く、必要最小限の不変量のみを生成することができる。

なお、本発明は、上記実施形態に限定されるものではない。例えば上記実施形態では、輪郭Ｂ上に存在する各同一勾配点Ｐの位置関係を、各同一勾配点Ｐ間の距離と各同一勾配点Ｐに対応する各インデックス番号Ｉ_ｍとに基づいて求めるようにしたが、認識対象物体の輪郭Ｂの形状が比較的単純な場合には、各同一勾配点Ｐ間の距離のみに基づいて各同一勾配点Ｐの位置関係を求めても良い。

また、上記実施形態では、輪郭Ｂの各勾配Ｈ間の距離に関するパラメータを各同一勾配点Ｐの特徴量として用いたが、特徴量としては、輪郭Ｂの位置、回転及び大きさに対して不変な不変量であれば、特にこれには限られず、例えば曲率、色情報、ヒストグラム等を用いても良い。

さらに、上記実施形態は、物体を把持するロボットに適用されるものであるが、本発明の画像処理装置及び画像処理プログラムは、物体を認識して物体の姿勢を推定する他の装置やシステム等にも適用可能である。

本発明に係わる画像処理装置の一実施形態の構成を示すブロック図である。 図１に示す画像処理部による処理手順の概略を示すフローチャートである。 図１に示す２つのカメラで撮像して得られた左画像及び右画像の一例を示す図である。 図３（ａ）に示す左画像から抽出された物体の輪郭を示す図である。 図２に示す特徴量抽出処理の手順の詳細を示すフローチャートである。 輪郭上にインデックス番号を付した様子を示す概念図である。 輪郭に対して複数の同一勾配点を求め、各同一勾配点の不変量（特徴量）を抽出する様子を示す概念図である。 輪郭の直線部分に存在する複数の同一勾配点の一例を示す図である。

符号の説明

１…画像処理装置、３…画像処理部（特徴量生成手段、第１判断手段、第２判断手段、特徴量統合手段）。

Claims (6)

1. 画像から対象物の輪郭を抽出し、前記輪郭の同一勾配点を複数求め、前記同一勾配点を利用して前記輪郭の特徴を抽出する画像処理装置であって、
   前記複数の同一勾配点の特徴量を求める特徴量生成手段と、
   前記特徴量生成手段により求められた複数の同一勾配点の特徴量のうち、任意の複数の同一勾配点における各特徴量の類似度が第１所定値よりも高いかどうかを判断する第１判断手段と、
   前記任意の複数の同一勾配点における各位置の近接度が第２所定値よりも高いかどうかを判断する第２判断手段と、
   前記第１判断手段により前記各特徴量の類似度が前記第１所定値よりも高いと判断されると共に前記第２判断手段により前記各位置の近接度が前記第２所定値よりも高いと判断されると、前記任意の複数の同一勾配点における各特徴量を１つの特徴量に統合する特徴量統合手段とを備えることを特徴とする画像処理装置。
2. 前記輪郭上に順番にインデックス番号を付する手段を更に備え、
   前記第２判断手段は、前記任意の複数の同一勾配点間の距離と前記任意の複数の同一勾配点に対応する前記各インデックス番号とに基づいて、前記各位置の近接度が前記第２所定値よりも高いかどうかを判断することを特徴とする請求項１記載の画像処理装置。
3. 前記特徴量生成手段は、前記同一勾配点を通る各勾配間の距離に基づいて、前記複数の同一勾配点の特徴量を求めることを特徴とする請求項１または２記載の画像処理装置。
4. 画像から対象物の輪郭を抽出し、前記輪郭の同一勾配点を複数求め、前記同一勾配点を利用して前記輪郭の特徴を抽出する画像処理をコンピュータに実行させる画像処理プログラムであって、
   前記複数の同一勾配点の特徴量を求める特徴量生成手順と、
   前記特徴量生成手順で求められた複数の同一勾配点の特徴量のうち、任意の複数の同一勾配点における各特徴量の類似度が第１所定値よりも高いかどうかを判断する第１判断手順と、
   前記任意の複数の同一勾配点における各位置の近接度が第２所定値よりも高いかどうかを判断する第２判断手順と、
   前記第１判断手順で前記各特徴量の類似度が前記第１所定値よりも高いと判断されると共に前記第２判断手順で前記各位置の近接度が前記第２所定値よりも高いと判断されると、前記任意の複数の同一勾配点における各特徴量を１つの特徴量に統合する特徴量統合手順とを前記コンピュータに実行させることを特徴とする画像処理プログラム。
5. 前記輪郭上に順番にインデックス番号を付する手順を更に前記コンピュータに実行させ、
   前記第２判断手順では、前記任意の複数の同一勾配点間の距離と前記任意の複数の同一勾配点に対応する前記各インデックス番号とに基づいて、前記各位置の近接度が前記第２所定値よりも高いかどうかを判断することを特徴とする請求項４記載の画像処理プログラム。
6. 前記特徴量生成手順では、前記同一勾配点を通る各勾配間の距離に基づいて、前記複数の同一勾配点の特徴量を求めることを特徴とする請求項４または５記載の画像処理プログラム。

Images