JP2012022518A - マーク読み取り装置、および方法 - Google Patents
マーク読み取り装置、および方法 Download PDFInfo
- Publication number
- JP2012022518A JP2012022518A JP2010159827A JP2010159827A JP2012022518A JP 2012022518 A JP2012022518 A JP 2012022518A JP 2010159827 A JP2010159827 A JP 2010159827A JP 2010159827 A JP2010159827 A JP 2010159827A JP 2012022518 A JP2012022518 A JP 2012022518A
- Authority
- JP
- Japan
- Prior art keywords
- image
- recognition feature
- lightness gradient
- lightness
- mark reading
- 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
【解決手段】布片Tを撮影するカメラ11と、撮影した布片画像を処理する画像処理装置とを備える。布片画像の明度勾配方向θを演算し、あらかじめ記憶された複数種類のテンプレート画像のうち、布片画像の明度勾配方向θに一番近似する明度勾配方向を有するテンプレート画像に対応する種類を、布片Tの種類と判断する。織り目により生じる細かい凹凸や、シワ等に起因するノイズが大量にある布片画像でも、そのノイズに惑わされることなく、精度の良い判断ができる。布マークを十分な精度で認識し、布片の種類や表裏を識別することで、その結果を基に布片のハンドリング方法を決定することができる。
【選択図】図1
Description
ランドリー工場では多種類の布片を処理するため、例えば回収した洗濯物の中に他のホテルのタオルが混じっている場合には取り除かなければならない等、布片を種類ごとに分別したり、種類ごとの数量等を管理したりする必要がある。また、例えばバスタオル等にホテルのマークが付けられている場合にはそのマークを表にして折畳まなければならない等、布片の表裏を認識する必要がある。そのため、布片の種類や表裏を識別し、その結果を基に布片のハンドリング方法を決定することが求められている。
しかし、この自動投入装置は、ロボットハンドの把持位置や把持姿勢を決定するために、布片の形や角部分の位置、方向を画像処理で認識するようにしているものの、布片の種類や表裏を識別するものではない。また、従来、布片に付されたマーク、中でも布片に織り込まれたマークを読み取って、布片の種類や表裏の識別を行おうとした例はなかった。
従来の文字認識方法は、正規化相関処理により、認識対象の画像と、あらかじめ登録されているテンプレート画像との相関値を演算し、認識対象を相関値の高いテンプレート画像の種類に分類する方法である。一般の工業製品の場合は、相関値は0.8〜1.0程度の高い値となるため、この文字認識方法により、十分な精度で識別することができる。
第2発明のマーク読み取り装置は、第1発明において、前記画像処理装置は、前記対象物画像中に複数の明度勾配演算ウィンドウを設定し、それぞれの前記明度勾配演算ウィンドウ内の明度勾配方向を演算し、該明度勾配方向の分布を認識特徴量とし、あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴量と一番近似する認識特徴量を有するテンプレート画像に対応する種類を、前記対象物の種類と判断するものであることを特徴とする。
第3発明のマーク読み取り装置は、第2発明において、前記画像処理装置は、前記明度勾配方向を、所定方向範囲ごとにコード化した明度勾配方向コードに割り当て、該明度勾配方向コードの分布を認識特徴量とするものであることを特徴とする。
第4発明のマーク読み取り装置は、第3発明において、前記画像処理装置は、それぞれの前記明度勾配演算ウィンドウ内の明度勾配強度を演算し、あらかじめ記憶された明度勾配強度閾値を超えない明度勾配強度を有する明度勾配演算ウィンドウ内の明度勾配方向を、前記明度勾配方向コードの一つである明度勾配無コードに割り当てるものであることを特徴とする。
第5発明のマーク読み取り装置は、第3または第4発明において、前記画像処理装置は、前記対象物画像中に複数の統計領域を設定し、該統計領域中に複数の明度勾配演算ウィンドウを設定し、前記統計領域ごとの前記明度勾配方向コードの出現頻度を認識特徴量とするものであることを特徴とする。
第6発明のマーク読み取り装置は、第5発明において、前記画像処理装置は、前記明度勾配無コードを除く、前記統計領域ごとの前記明度勾配方向コードの出現頻度を認識特徴量とするものであることを特徴とする。
第7発明のマーク読み取り装置は、第3,第4,第5または第6発明において、前記画像処理装置は、あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴量との相関値が一番大きい認識特徴量を有するテンプレート画像に対応する種類を、前記対象物の種類と判断するものであることを特徴とする。
第8発明のマーク読み取り装置は、第3,第4,第5または第6発明において、前記画像処理装置は、前記認識特徴量を特徴空間における認識特徴ベクトルとし、あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴ベクトルとの距離が一番近い認識特徴ベクトルを有するテンプレート画像に対応する種類を、前記対象物の種類と判断するものであることを特徴とする。
第9発明のマーク読み取り装置は、第8発明において、前記画像処理装置は、いずれの前記テンプレート画像の認識特徴ベクトルと前記対象物画像の認識特徴ベクトルとの距離も、あらかじめ記憶された距離閾値よりも遠い場合に、前記対象物を未登録の種類と判断するものであることを特徴とする。
第10発明のマーク読み取り装置は、第9発明において、前記テンプレート画像の認識特徴ベクトルは、同一種類の複数の対象物画像の認識特徴ベクトルの平均値であり、前記距離閾値は、前記テンプレート画像の認識特徴ベクトルと、同一種類の複数の対象物画像の認識特徴ベクトルとの距離の標準偏差に所定の定数を掛けた値であることを特徴とする。
第11発明のマーク読み取り装置は、第1,第2,第3,第4,第5,第6,第7,第8,第9または第10発明において、前記画像処理装置は、前記カメラで撮影した対象物画像に平均化フィルタをかけるものであることを特徴とする。
第12発明のマーク読み取り装置は、第1,第2,第3,第4,第5,第6,第7,第8,第9,第10または第11発明において、前記対象物を規則性のある明度分布で照らす照明を備えることを特徴とする。
第13発明のマーク読み取り装置は、第1,第2,第3,第4,第5,第6,第7,第8,第9,第10,第11または第12発明において、前記対象物を斜方から照らす照明を備えることを特徴とする。
第14発明のマーク読み取り方法は、種類ごとに異なるマークが付された対象物をカメラで撮影して対象物画像を取得し、前記対象物画像中の複数箇所における明度勾配方向を演算し、あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の明度勾配方向の分布に一番近似する明度勾配方向の分布を有するテンプレート画像に対応する種類を、前記対象物の種類と判断することを特徴とする。
第15発明のマーク読み取り方法は、第14発明において、前記対象物画像中に複数の明度勾配演算ウィンドウを設定し、それぞれの前記明度勾配演算ウィンドウ内の明度勾配方向を演算し、該明度勾配方向の分布を認識特徴量とし、あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴量と一番近似する認識特徴量を有するテンプレート画像に対応する種類を、前記対象物の種類と判断することを特徴とする。
第16発明のマーク読み取り方法は、第15発明において、前記明度勾配方向を、所定方向範囲ごとにコード化した明度勾配方向コードに割り当て、該明度勾配方向コードの分布を認識特徴量とすることを特徴とする。
第17発明のマーク読み取り方法は、第16発明において、それぞれの前記明度勾配演算ウィンドウ内の明度勾配強度を演算し、あらかじめ記憶された明度勾配強度閾値を超えない明度勾配強度を有する明度勾配演算ウィンドウ内の明度勾配方向を、前記明度勾配方向コードの一つである明度勾配無コードに割り当てることを特徴とする。
第18発明のマーク読み取り方法は、第16または第17発明において、前記対象物画像中に複数の統計領域を設定し、該統計領域中に複数の明度勾配演算ウィンドウを設定し、前記統計領域ごとの前記明度勾配方向コードの出現頻度を認識特徴量とすることを特徴とする。
第19発明のマーク読み取り方法は、第18発明において、前記明度勾配無コードを除く、前記統計領域ごとの前記明度勾配方向コードの出現頻度を認識特徴量とすることを特徴とする。
第20発明のマーク読み取り方法は、第16,第17,第18または第19発明において、あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴量との相関値が一番大きい認識特徴量を有するテンプレート画像に対応する種類を、前記対象物の種類と判断することを特徴とする。
第21発明のマーク読み取り方法は、第16,第17,第18または第19発明において、前記認識特徴量を特徴空間における認識特徴ベクトルとし、あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴ベクトルとの距離が一番近い認識特徴ベクトルを有するテンプレート画像に対応する種類を、前記対象物の種類と判断することを特徴とする。
第22発明のマーク読み取り方法は、第21発明において、いずれの前記テンプレート画像の認識特徴ベクトルと前記対象物画像の認識特徴ベクトルとの距離も、あらかじめ記憶された距離閾値よりも遠い場合に、前記対象物を未登録の種類と判断することを特徴とする。
第23発明のマーク読み取り方法は、第22発明において、前記テンプレート画像の認識特徴ベクトルは、同一種類の複数の対象物画像の認識特徴ベクトルの平均値であり、前記距離閾値は、前記テンプレート画像の認識特徴ベクトルと、同一種類の複数の対象物画像の認識特徴ベクトルとの距離の標準偏差に所定の定数を掛けた値であることを特徴とする。
第24発明のマーク読み取り方法は、第14,第15,第16,第17,第18,第19,第20,第21,第22または第23発明において、前記カメラで撮影して取得した対象物画像に平均化フィルタをかけることを特徴とする。
第2発明によれば、明度勾配方向の分布である認識特徴量を基にテンプレート画像との比較を行うので、特に、織り目により生じる細かい凹凸や、シワ等に起因するノイズが大量にある布片画像でも、そのノイズに惑わされることなく、精度の良い判断ができる。
第3発明によれば、明度勾配方向をコード化することにより、テンプレート画像との比較を容易に行うことができる。
第4発明によれば、明度勾配強度閾値を超えない明度勾配強度を有する明度勾配演算ウィンドウ内の明度勾配方向を明度勾配無コードに割り当てるので、明度勾配演算ウィンドウ内にマークが付されていない場合に、ノイズの影響で明度勾配方向をいずれかの方向を示す明度勾配方向コードに割り当てることがなく、ノイズの影響を排除できるので、精度の良い判断ができる。
第5発明によれば、統計領域ごとの明度勾配方向コードの出現頻度を認識特徴量とするので、認識特徴量の要素数を少なくすることができ、広範囲にわたる対象物画像を用いたテンプレート画像との比較を、高速に行うことができる。
第6発明によれば、明度勾配無コードを除き、いずれかの方向を示す明度勾配方向コードのみでテンプレート画像との比較をすることにより、対象物の種類ごとの特徴が認識特徴量に顕著に表れるので、精度の良い判断ができる。
第7発明によれば、対象物画像とテンプレート画像との認識特徴量の相関値を用いることにより、対象物画像をテンプレート画像にマッチングすることができ、対象物の種類を判断することができる。
第8発明によれば、対象物画像とテンプレート画像との認識特徴ベクトルの距離を用いることにより、対象物画像をテンプレート画像にマッチングすることができ、対象物の種類を判断することができる。
第9発明によれば、距離閾値を用いて対象物を未登録の種類と判断することにより、未登録の対象物を登録済みの種類と誤って判断することを防止することができる。
第10発明によれば、距離閾値を距離の標準偏差で定めるので、認識特徴量の揺らぎが大きい種類であっても、対象物が未登録の種類と判断されることを防ぐことができる。
第11発明によれば、平均化フィルタによりカメラで撮影した対象物画像を圧縮することで、後の処理を高速に行うことができる。また、各画素の明度を平均化することで、微小ノイズの除去ができる。
第12発明によれば、対象物を規則性のある明度分布で照らすことにより、対象物にマークが付されていない場合でも、明度勾配方向に規則性を持たせることができ、マークが無いことを判断することができる。
第13発明によれば、対象物を斜方から照らすことにより、例えば、布片に織り込まれたマークの凹凸に影を付けてマークを浮き出させることができる。そのため、布片に織り込まれたマークの識別を精度よく行うことができる。
第14発明によれば、明度勾配方向の分布を基にテンプレート画像との比較を行うので、特に、織り目により生じる細かい凹凸や、シワ等に起因するノイズが大量にある布片画像でも、そのノイズに惑わされることなく、精度の良い判断ができる。そのため、布マークを十分な精度で認識し、布片の種類や表裏を識別することで、その結果を基に布片のハンドリング方法を決定することができる。
第15発明によれば、明度勾配方向の分布である認識特徴量を基にテンプレート画像との比較を行うので、特に、織り目により生じる細かい凹凸や、シワ等に起因するノイズが大量にある布片画像でも、そのノイズに惑わされることなく、精度の良い判断ができる。
第16発明によれば、明度勾配方向をコード化することにより、テンプレート画像との比較を容易に行うことができる。
第17発明によれば、明度勾配強度閾値を超えない明度勾配強度を有する明度勾配演算ウィンドウ内の明度勾配方向を明度勾配無コードに割り当てるので、明度勾配演算ウィンドウ内にマークが付されていない場合に、ノイズの影響で明度勾配方向をいずれかの方向を示す明度勾配方向コードに割り当てることがなく、ノイズの影響を排除できるので、精度の良い判断ができる。
第18発明によれば、統計領域ごとの明度勾配方向コードの出現頻度を認識特徴量とするので、認識特徴量の要素数を少なくすることができ、広範囲にわたる対象物画像を用いたテンプレート画像との比較を、高速に行うことができる。
第19発明によれば、明度勾配無コードを除き、いずれかの方向を示す明度勾配方向コードのみでテンプレート画像との比較をすることにより、対象物の種類ごとの特徴が認識特徴量に顕著に表れるので、精度の良い判断ができる。
第20発明によれば、対象物画像とテンプレート画像との認識特徴量の相関値を用いることにより、対象物画像をテンプレート画像にマッチングすることができ、対象物の種類を判断することができる。
第21発明によれば、対象物画像とテンプレート画像との認識特徴ベクトルの距離を用いることにより、対象物画像をテンプレート画像にマッチングすることができ、対象物の種類を判断することができる。
第22発明によれば、距離閾値を用いて対象物を未登録の種類と判断することにより、未登録の対象物を登録済みの種類と誤って判断することを防止することができる。
第23発明によれば、距離閾値を距離の標準偏差で定めるので、認識特徴量の揺らぎが大きい種類であっても、対象物が未登録の種類と判断されることを防ぐことができる。
第24発明によれば、平均化フィルタによりカメラで撮影した対象物画像を圧縮することで、後の処理を高速に行うことができる。また、各画素の明度を平均化することで、微小ノイズの除去ができる。
本発明の一実施形態に係るマーク読み取り装置は、例えば、図10に示すような自動投入装置Xに取り付けられる。
図10において、1は布片Tを取り込むための取上げロボット、2および3はコンベヤ、4は傾斜スライダ、5は布片Tを展開するための展開ロボット、6は排出コンベヤである。これら、取上げロボット1、傾斜スライダ4、展開ロボット5が協働し、コンベヤ2上に山積みされた布片Tを取り込み、これを1枚ずつ分離し、平たく展開をして、排出コンベヤ6でアイロナーや折畳み機等の次工程装置に投入する。
図11に示すように、排出コンベヤ6の上方には、排出コンベヤ6上に平たく展開されて搬送される布片Tを撮影するカメラ11が設けられている。カメラ11としては、エリアセンサや、ラインセンサを用いることができる。カメラ11は図示しない画像処理装置に接続されており、カメラ11で撮影した布片Tの画像(以下、「布片画像」という。)を画像処理することができるようになっている。
なお、「布片」は特許請求の範囲に記載の「対象物」に相当し、「布片画像」は特許請求の範囲に記載の「対象物画像」に相当する。
ところで、布片Tに付されるマークの多くは、インクなどを用いた印刷ではなく、ジャガード織り等で布地に織り込まれたマークであり、マークと布地との間に色の差がない。そのため、一般に行われるように布片Tを真上から照らすと、マークと布地との明度の差がほとんどなくなり、マークを読み取ることが困難になる。
そこで、図12に示すように、照明12を撮像位置の横の低い位置に設置し、布片Tを斜方から照らすようにする。このようにすれば、図13に示すように、布片Tに織り込まれたマークの凹凸に影を付けてマークを浮き出させることができる。そのため、布片Tに織り込まれたマークの識別を精度よく行うことができる。
この効果については、後述する。
さらに、図14に示すような一方向に明度が変化する明度分布に限らず、規則性さえあれば、どのような明度分布としてもよい。
まず、自動投入装置Xの動作により、布片Tが排出コンベヤ6上に平たく展開されて搬送されると、カメラ11でその布片Tを撮影して、布片画像を得る。
図13に示すように、布片画像には布片Tの織り目により生じる細かい凹凸や、シワ等に起因するノイズが大量にあるので、そのノイズに惑わされることなく、布マークを読み取る必要がある。そこで、大きく次の2つのステップで布マークの読み取りを行う。
(1)平均化フィルタによる微小ノイズ成分の除去
(2)明度勾配方向を用いたテンプレート画像とのマッチング
ここで、テンプレート画像とは、あらかじめ画像処理装置に記憶された布片の種類、表裏のごとの標準的な布片画像のことである。カメラ11で撮影した布片画像をいずれかのテンプレート画像にマッチングさせることで、布片Tの種類、表裏を判断するのである。なお、特許請求の範囲に記載の「種類」とは、布片の種類だけでなく、表裏も含む概念である。
ステップ(2)におけるマッチング方法には次の2種類がある。
(2.1)正規化相関処理を用いた方法
(2.2)ベクトル間距離を用いた方法
以下、それぞれについて詳説する。
画像処理装置は、カメラ11で撮影した布片画像に平均化フィルタをかけることによって、布片画像を圧縮し、微小ノイズを除去する。ここで、平均化フィルタとは、周知の画像処理方法であって、画素数が減少し、微小ノイズが除去されることが知られている。
具体的には、図15に示すように、カメラ11で撮影した撮像画像を2×2画素単位に分割し、その4画素の明度の平均値を1画素の明度とすることにより、全体で1/4の画素数となる布片画像を得る。同様の処理を2回行うことで、全体で1/16の画素数である布片画像が得られる。
平均化フィルタにより布片画像を圧縮することで、後のステップ(2)の処理を高速に行うことができる。また、各画素の明度を平均化することで、微小ノイズの除去ができる。
また、上記のように、処理を2回に分けて行う以外にも、1回で処理を完了するようにしてもよい。
つぎに、画像処理装置は、平均化フィルタ後の布片画像を用いて、テンプレート画像とのマッチングを行う。本発明では、布片画像のノイズの影響を排除するため、明度勾配方向をマッチングのために用いる。ここで、明度勾配方向とは、画像内において明度が明るく変化する方向を意味する。
まず、明度勾配方向の演算方法について説明する。
明度勾配演算ウィンドウW内の中心座標を(u,v)とし、明度勾配演算ウィンドウWの幅を定める画素数をnとすると、明度勾配演算ウィンドウWは、座標(u−n,v−n)、(u+n,v−n)、(u−n,v+n)、(u+n,v+n)で囲まれた領域である。
ここで、明度勾配演算ウィンドウWは1辺の画素数Nが2以上の正方形であり、nは、
なお、図2に示すように、Nが偶数の場合(A)は、明度勾配演算ウィンドウWの中心座標(u,v)は、画素の境界の交点に相当し、その交点に隣接する画素が(u−1,v−1)、(u+1,v−1)、(u−1,v+1)、(u+1,v+1)と定義される。一方、Nが奇数の場合(B)は、明度勾配演算ウィンドウWの中心座標(u,v)は、一つの画素に相当し、その画素の四隅に隣接する画素が(u−1,v−1)、(u+1,v−1)、(u−1,v+1)、(u+1,v+1)と定義される。
このように、明度勾配方向は、明度勾配演算ウィンドウW内の画素の明度を用いた簡易な演算により定まるので、演算速度が速い。
ただし、明度勾配演算ウィンドウWは任意の大きさとすることができる。しかし、小さすぎると明度勾配方向にノイズの影響が表れ、大きすぎると明度勾配方向に布マークによる明度変化を反映することができなくなる。そのため、テンプレート画像とのマッチング精度が最適となるように、明度勾配演算ウィンドウWの大きさを決定すればよい。
図3に示すように、明度勾配方向を8方向に分けて、それぞれ1〜8の明度勾配方向コードと定義する。したがって、π/4radごとの方向範囲に分けられている。明度勾配方向コード1は、−π/8〜+π/8radの範囲であり、明度勾配方向コード2以降は、π/4radずつずれている。例えば、明度勾配方向がx軸正方向であれば明度勾配方向コード1、y軸正方向であれば明度勾配方向コード3、x軸負方向であれば明度勾配方向コード5、y軸負方向であれば明度勾配方向コード7にそれぞれ割り当てられる。
明度勾配演算ウィンドウW内の明度勾強度m(u,v)は、
このように、明度勾強度は、明度勾配演算ウィンドウ内の画素の明度を用いた簡易な演算により定まるので、演算速度が速い。
明度勾配強度閾値は、布マークが付されていない場合に明度勾配無コード9に割り当てるように、最適な値に設定すればよい。
具体的には、図4に示すように、布片画像中の布マークが付されていると予想される領域に75×50画素の比較領域Cを設定し、その比較領域Cを5×5の統計領域Sに分割する。このとき、統計領域Sは、15×10画素となる。
この統計領域S中に明度勾配演算ウィンドウWを複数設定し、それぞれの明度勾配演算ウィンドウW内の明度勾配方向コードを演算する。具体的には、まず、統計領域S中の左上に明度勾配演算ウィンドウWを設定し、この明度勾配演算ウィンドウW内の明度勾配方向と明度勾強度を演算し、明度勾配方向コードに割り当てる。その後、明度勾配演算ウィンドウWを1画素単位、もしくは数画素単位にシフトさせながら、各位置で明度勾配方向コードを演算していく。したがって、1画素単位にシフトした場合では、1統計領域当たり、66個の明度勾配方向コードが演算されることになる。
統計領域ごとの明度勾配方向コードの出現頻度を認識特徴量とするので、各明度勾配演算ウィンドウW内の明度勾配方向コードを取り扱う場合に比べて要素数を少なくすることができ、広範囲にわたる布片画像を用いたテンプレート画像とのマッチングを、高速に行うことができる。
また、上記では比較領域Cを5×5の統計領域Sに分割したが、これよりも多く分割してもよいし、少なく分割してもよい。多く分割した場合には、認識特徴量の要素数が多くなり、少なく分割した場合には、認識特徴量の要素数が少なくなる。テンプレート画像とのマッチング精度が最適となるように、分割数を決定すればよい。
そのため、あらかじめ、自動投入装置Xで取り扱う布片Tの種類、表裏ごとに布片画像を撮影し、それをテンプレート画像として、そのテンプレート画像ごとの認識特徴量を演算し、画像処理装置に記憶しておく。
なお、テンプレート画像自体はマッチング処理に用いないので、認識特徴量と、その認識特徴量に対応する布片の種類、表裏を、画像処理装置に記憶しておけばよい。
したがって、無地の布片であってもテンプレート画像として記憶しておくことができ、対象とする布片Tが無地であるか判断することができる。
つぎに、布片画像とテンプレート画像とのマッチングを行う。まず、正規化相関処理を用いた方法について説明する。
布片画像から得られた認識特徴量と、各テンプレート画像の認識特徴量との相関値を順次演算していき、布片画像を相関値が一番大きいテンプレート画像にマッチングさせる。ここで、相関値の演算は、周知の正規化相関処理により演算することができる。
そして、布片Tが、マッチングしたテンプレート画像の種類、表裏であると判断する。
認識特徴量は、布片画像のノイズが排除されているので、相関値が高くなり、ノイズに惑わされることなく、精度の良い判断ができる。
統計領域S内に布マークが付されていない場合、あるいは、統計領域S内の一部にのみ布マークが付されている場合は、他の明度勾配コード1〜8に比べて、明度勾配無コード9の出現頻度が高くなる。そこで、明度勾配無コード9の出現頻度を除き、明度勾配コード1〜8のみとすると、布片の種類、表裏ごとの特徴が認識特徴量に顕著に表れる。そのため、他種類のテンプレート画像との分離が容易となり、テンプレート画像とのマッチングを精度よく行うことができる。
つぎに、ベクトル間距離を用いた方法について説明する。
本方法では、認識特徴量をその要素数の次元(225次元)のベクトル(以下、「認識特徴ベクトル」という。)として扱う。
図6に示すように、225次元の特徴空間を定めると、布片画像から得られた認識特徴ベクトルV0、およびテンプレート画像の認識特徴ベクトルVn、Vm、・・・は、その特徴空間におけるベクトルとして表される。
画像処理装置は、布片画像から得られた認識特徴ベクトルV0と、各テンプレート画像の認識特徴ベクトルVn、Vm、・・・との距離dを順次演算していき、布片画像をベクトル間距離dが一番近いテンプレート画像にマッチングさせる。
そして、布片Tが、マッチングしたテンプレート画像の種類、表裏であると判断する。
ここで、認識特徴ベクトルV0と、認識特徴ベクトルVnとの距離dは、
認識特徴ベクトルは、布片画像のノイズが排除されているので、ノイズに惑わされることなく、精度の良い判断ができる。
そこで図7に示すように、上記方法で認識特徴ベクトルV0と認識特徴ベクトルVnとの距離dを演算した後に、dが距離閾値lより大きければ、マッチングしないと判断する。最終的に、いずれのテンプレート画像にもマッチングしない場合に、布片Tを未登録の種類と判断するようにする。
このようにすれば、未登録の布片Tを登録済みの種類と誤って判断することを防止することができる。
そのためには、あらかじめテンプレート画像を画像処理装置に記憶する際に、同一種類、表裏の布片画像を複数枚(10枚程度)撮影しておき、それぞれの布片画像で得られる認識特徴量の要素ごとの平均値を、そのテンプレート画像の認識特徴量とする。そして、そのテンプレート画像の認識特徴量から得られる認識特徴ベクトルと、それぞれの布片画像の認識特徴量から得られる認識特徴ベクトルとの距離を演算し、その距離の標準偏差σを得ておく。この標準偏差σに定数kを掛けた値kσをそのテンプレート画像の距離閾値lとする。なお、定数kは未登録種類の判断が最適となるように決定すればよい。
布片の種類、表裏によっては、得られる認識特徴量の揺らぎが大きい場合があるが、このように、距離の標準偏差σで距離閾値lを定めれば、揺らぎの大きい種類、表裏であっても、布片Tが未登録の種類と判断されることを防ぐことができる。
この場合、布片の種類、表裏ごとの特徴が認識特徴ベクトルに顕著に表れるため、他種類のテンプレート画像との分離が容易となり、テンプレート画像とのマッチングを精度よく行うことができる。
つぎに、本発明のマーク読み取り精度の試験について説明する。
(1)従来方法
まず、従来方法によるマーク読み取りの精度について説明する。従来方法は、正規化相関処理により、布片画像とテンプレート画像との相関値を演算し、布片を相関値の高いテンプレート画像の種類に分類する方法である。
試験は、あらかじめ、ある1種類のタオルの表面と裏面の布片画像をテンプレート画像として画像処理装置に記憶させておき、同一種類のタオルの表面を試験対象として、その試験対象の布片画像と各テンプレート画像との相関値を演算した。これを複数回試行した。
その結果、相関値の分布は図8に示すようになった。図8における実線で示すように、試験対象の布片画像(表面)と、同一種類の表面のテンプレート画像との相関値は、0.25〜0.5に分布した。すなわち、従来方法の場合、高い相関値が得られず十分な精度で識別することができないことが分かる。
また、図8における破線で示すように、試験対象の布片画像(表面)と、同一種類の裏面のテンプレート画像との相関値は、0.25〜0.45に分布した。すなわち、表面のテンプレート画像との相関値の分布との重なりが多いため、表裏の識別が不可能であることが分かる。
つぎに、本発明のステップ(2)において正規化相関処理を用いた場合のマーク読み取りの精度について説明する。
試験は、あらかじめ、5種類のタオルA〜Eの表裏の布片画像を10種類のテンプレート画像として画像処理装置に記憶させておき、同一の5種類のタオルA〜Eを順次試験対象として、その試験対象の布片画像と各テンプレート画像との相関値を演算した。すなわち、表裏あわせて10種類の布片画像と、10種類のテンプレート画像との100通りの組合せの相関値を演算した。布片画像の撮影は、1種類ごとに5回行い、それぞれについて相関値を演算した。
その結果、図9に示す表が得られた。表は、試験対象ごとに、各テンプレート画像との相関値が表されており、その相関値は、1つの組合せ毎に5回試行して得られた平均値である。
これによれば、同じ種類同士である対角線上(図9における太枠内)の相関値は十分高い値を示しており、それ以外の組み合わせの相関値は低い値であるので、布片の種類の判断が可能であることが分かる。
本発明に係るマーク読み取り装置は、上述の布マークに限らず、あらゆる対象物に印刷されたマーク、おるいは凹凸で形成されたマークの読み取りに用いることができる。この場合にも、布マークの識別の場合と同様に、マーク読み取り精度を高める効果が得られる。
T 布片
1 取上げロボット
2、3 コンベヤ
4 傾斜スライダ
5 展開ロボット
6 排出コンベヤ
11 カメラ
12 照明
W 明度勾配演算ウィンドウ
C 比較領域
S 統計領域
Claims (24)
- 種類ごとに異なるマークが付された対象物を撮影するカメラと、該カメラで撮影した対象物画像を処理する画像処理装置とを備えるマーク読み取り装置であって、
前記画像処理装置は、
前記対象物画像中の複数箇所における明度勾配方向を演算し、
あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の明度勾配方向の分布に一番近似する明度勾配方向の分布を有するテンプレート画像に対応する種類を、前記対象物の種類と判断するものである
ことを特徴とするマーク読み取り装置。 - 前記画像処理装置は、
前記対象物画像中に複数の明度勾配演算ウィンドウを設定し、
それぞれの前記明度勾配演算ウィンドウ内の明度勾配方向を演算し、
該明度勾配方向の分布を認識特徴量とし、
あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴量と一番近似する認識特徴量を有するテンプレート画像に対応する種類を、前記対象物の種類と判断するものである
ことを特徴とする請求項1記載のマーク読み取り装置。 - 前記画像処理装置は、
前記明度勾配方向を、所定方向範囲ごとにコード化した明度勾配方向コードに割り当て、
該明度勾配方向コードの分布を認識特徴量とするものである
ことを特徴とする請求項2記載のマーク読み取り装置。 - 前記画像処理装置は、
それぞれの前記明度勾配演算ウィンドウ内の明度勾配強度を演算し、
あらかじめ記憶された明度勾配強度閾値を超えない明度勾配強度を有する明度勾配演算ウィンドウ内の明度勾配方向を、前記明度勾配方向コードの一つである明度勾配無コードに割り当てるものである
ことを特徴とする請求項3記載のマーク読み取り装置。 - 前記画像処理装置は、
前記対象物画像中に複数の統計領域を設定し、該統計領域中に複数の明度勾配演算ウィンドウを設定し、
前記統計領域ごとの前記明度勾配方向コードの出現頻度を認識特徴量とするものである
ことを特徴とする請求項3または4記載のマーク読み取り装置。 - 前記画像処理装置は、
前記明度勾配無コードを除く、前記統計領域ごとの前記明度勾配方向コードの出現頻度を認識特徴量とするものである
ことを特徴とする請求項5記載のマーク読み取り装置。 - 前記画像処理装置は、
あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴量との相関値が一番大きい認識特徴量を有するテンプレート画像に対応する種類を、前記対象物の種類と判断するものである
ことを特徴とする請求項3,4,5または6記載のマーク読み取り装置。 - 前記画像処理装置は、
前記認識特徴量を特徴空間における認識特徴ベクトルとし、
あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴ベクトルとの距離が一番近い認識特徴ベクトルを有するテンプレート画像に対応する種類を、前記対象物の種類と判断するものである
ことを特徴とする請求項3,4,5または6記載のマーク読み取り装置。 - 前記画像処理装置は、
いずれの前記テンプレート画像の認識特徴ベクトルと前記対象物画像の認識特徴ベクトルとの距離も、あらかじめ記憶された距離閾値よりも遠い場合に、前記対象物を未登録の種類と判断するものである
ことを特徴とする請求項8記載のマーク読み取り装置。 - 前記テンプレート画像の認識特徴ベクトルは、同一種類の複数の対象物画像の認識特徴ベクトルの平均値であり、
前記距離閾値は、前記テンプレート画像の認識特徴ベクトルと、同一種類の複数の対象物画像の認識特徴ベクトルとの距離の標準偏差に所定の定数を掛けた値である
ことを特徴とする請求項9記載のマーク読み取り装置。 - 前記画像処理装置は、
前記カメラで撮影した対象物画像に平均化フィルタをかけるものである
ことを特徴とする請求項1,2,3,4,5,6,7,8,9または10記載のマーク読み取り装置。 - 前記対象物を規則性のある明度分布で照らす照明を備える
ことを特徴とする請求項1,2,3,4,5,6,7,8,9,10または11記載のマーク読み取り装置。 - 前記対象物を斜方から照らす照明を備える
ことを特徴とする請求項1,2,3,4,5,6,7,8,9,10,11または12記載のマーク読み取り装置。 - 種類ごとに異なるマークが付された対象物をカメラで撮影して対象物画像を取得し、
前記対象物画像中の複数箇所における明度勾配方向を演算し、
あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の明度勾配方向の分布に一番近似する明度勾配方向の分布を有するテンプレート画像に対応する種類を、前記対象物の種類と判断する
ことを特徴とするマーク読み取り方法。 - 前記対象物画像中に複数の明度勾配演算ウィンドウを設定し、
それぞれの前記明度勾配演算ウィンドウ内の明度勾配方向を演算し、
該明度勾配方向の分布を認識特徴量とし、
あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴量と一番近似する認識特徴量を有するテンプレート画像に対応する種類を、前記対象物の種類と判断する
ことを特徴とする請求項14記載のマーク読み取り方法。 - 前記明度勾配方向を、所定方向範囲ごとにコード化した明度勾配方向コードに割り当て、
該明度勾配方向コードの分布を認識特徴量とする
ことを特徴とする請求項15記載のマーク読み取り方法。 - それぞれの前記明度勾配演算ウィンドウ内の明度勾配強度を演算し、
あらかじめ記憶された明度勾配強度閾値を超えない明度勾配強度を有する明度勾配演算ウィンドウ内の明度勾配方向を、前記明度勾配方向コードの一つである明度勾配無コードに割り当てる
ことを特徴とする請求項16記載のマーク読み取り方法。 - 前記対象物画像中に複数の統計領域を設定し、該統計領域中に複数の明度勾配演算ウィンドウを設定し、
前記統計領域ごとの前記明度勾配方向コードの出現頻度を認識特徴量とする
ことを特徴とする請求項16または17記載のマーク読み取り方法。 - 前記明度勾配無コードを除く、前記統計領域ごとの前記明度勾配方向コードの出現頻度を認識特徴量とする
ことを特徴とする請求項18記載のマーク読み取り方法。 - あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴量との相関値が一番大きい認識特徴量を有するテンプレート画像に対応する種類を、前記対象物の種類と判断する
ことを特徴とする請求項16,17,18または19記載のマーク読み取り方法。 - 前記認識特徴量を特徴空間における認識特徴ベクトルとし、
あらかじめ記憶された複数種類のテンプレート画像のうち、前記対象物画像の認識特徴ベクトルとの距離が一番近い認識特徴ベクトルを有するテンプレート画像に対応する種類を、前記対象物の種類と判断する
ことを特徴とする請求項16,17,18または19記載のマーク読み取り方法。 - いずれの前記テンプレート画像の認識特徴ベクトルと前記対象物画像の認識特徴ベクトルとの距離も、あらかじめ記憶された距離閾値よりも遠い場合に、前記対象物を未登録の種類と判断する
ことを特徴とする請求項21記載のマーク読み取り方法。 - 前記テンプレート画像の認識特徴ベクトルは、同一種類の複数の対象物画像の認識特徴ベクトルの平均値であり、
前記距離閾値は、前記テンプレート画像の認識特徴ベクトルと、同一種類の複数の対象物画像の認識特徴ベクトルとの距離の標準偏差に所定の定数を掛けた値である
ことを特徴とする請求項22記載のマーク読み取り方法。 - 前記カメラで撮影して取得した対象物画像に平均化フィルタをかける
ことを特徴とする請求項14,15,16,17,18,19,20,21,22または23記載のマーク読み取り方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010159827A JP2012022518A (ja) | 2010-07-14 | 2010-07-14 | マーク読み取り装置、および方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010159827A JP2012022518A (ja) | 2010-07-14 | 2010-07-14 | マーク読み取り装置、および方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2012022518A true JP2012022518A (ja) | 2012-02-02 |
Family
ID=45776761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010159827A Pending JP2012022518A (ja) | 2010-07-14 | 2010-07-14 | マーク読み取り装置、および方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2012022518A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109371644A (zh) * | 2018-09-28 | 2019-02-22 | 珠海格力电器股份有限公司 | 一种降低衣物褶皱的方法、***及洗衣机 |
CN109477281A (zh) * | 2016-07-15 | 2019-03-15 | 汉高股份有限及两合公司 | 用于确定特别是清洁策略的方法和装置 |
CN111079802A (zh) * | 2019-12-02 | 2020-04-28 | 易思维(杭州)科技有限公司 | 一种基于梯度信息的匹配方法 |
JP2020069204A (ja) * | 2018-11-01 | 2020-05-07 | 株式会社プレックス | 布類の姿勢判別装置、姿勢判別方法、および布類 |
JP2021097857A (ja) * | 2019-12-20 | 2021-07-01 | 株式会社プレックス | 布類の折り畳み装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08161423A (ja) * | 1994-12-06 | 1996-06-21 | Dainippon Printing Co Ltd | 照明装置および文字読取装置 |
JPH10171989A (ja) * | 1996-12-09 | 1998-06-26 | Omron Corp | パターン読取装置 |
JP2000134609A (ja) * | 1998-10-22 | 2000-05-12 | Nec Corp | 画像処理方法及び該方法を用いたナンバープレートのサーチ方法 |
JP2004153405A (ja) * | 2002-10-29 | 2004-05-27 | Fuji Xerox Co Ltd | 書類確認方法及び装置 |
JP2008175587A (ja) * | 2007-01-16 | 2008-07-31 | Keiji Iimura | 応力発光材料を用いた対象物の表面特性の測定方法、測定装置、セキュリティー物品の真偽、種類識別装置、人体の表面特性の測定装置および応力発光センサ |
JP2008184177A (ja) * | 2007-01-29 | 2008-08-14 | Dainippon Printing Co Ltd | パウチ |
JP2008254747A (ja) * | 2007-04-02 | 2008-10-23 | Dainippon Printing Co Ltd | パウチ |
JP2009163682A (ja) * | 2008-01-10 | 2009-07-23 | Toyota Central R&D Labs Inc | 画像識別装置及びプログラム |
JP2010067102A (ja) * | 2008-09-12 | 2010-03-25 | Sony Corp | 物体検出装置、撮像装置、物体検出方法およびプログラム |
-
2010
- 2010-07-14 JP JP2010159827A patent/JP2012022518A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08161423A (ja) * | 1994-12-06 | 1996-06-21 | Dainippon Printing Co Ltd | 照明装置および文字読取装置 |
JPH10171989A (ja) * | 1996-12-09 | 1998-06-26 | Omron Corp | パターン読取装置 |
JP2000134609A (ja) * | 1998-10-22 | 2000-05-12 | Nec Corp | 画像処理方法及び該方法を用いたナンバープレートのサーチ方法 |
JP2004153405A (ja) * | 2002-10-29 | 2004-05-27 | Fuji Xerox Co Ltd | 書類確認方法及び装置 |
JP2008175587A (ja) * | 2007-01-16 | 2008-07-31 | Keiji Iimura | 応力発光材料を用いた対象物の表面特性の測定方法、測定装置、セキュリティー物品の真偽、種類識別装置、人体の表面特性の測定装置および応力発光センサ |
JP2008184177A (ja) * | 2007-01-29 | 2008-08-14 | Dainippon Printing Co Ltd | パウチ |
JP2008254747A (ja) * | 2007-04-02 | 2008-10-23 | Dainippon Printing Co Ltd | パウチ |
JP2009163682A (ja) * | 2008-01-10 | 2009-07-23 | Toyota Central R&D Labs Inc | 画像識別装置及びプログラム |
JP2010067102A (ja) * | 2008-09-12 | 2010-03-25 | Sony Corp | 物体検出装置、撮像装置、物体検出方法およびプログラム |
Non-Patent Citations (1)
Title |
---|
長橋宏: "知的画像処理(3)", [ONLINE], JPN7014000789, 2009, pages 39 - 41, ISSN: 0002765357 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109477281A (zh) * | 2016-07-15 | 2019-03-15 | 汉高股份有限及两合公司 | 用于确定特别是清洁策略的方法和装置 |
CN109371644A (zh) * | 2018-09-28 | 2019-02-22 | 珠海格力电器股份有限公司 | 一种降低衣物褶皱的方法、***及洗衣机 |
JP2020069204A (ja) * | 2018-11-01 | 2020-05-07 | 株式会社プレックス | 布類の姿勢判別装置、姿勢判別方法、および布類 |
JP7137438B2 (ja) | 2018-11-01 | 2022-09-14 | 株式会社プレックス | 布類の姿勢判別装置、姿勢判別方法、および布類 |
CN111079802A (zh) * | 2019-12-02 | 2020-04-28 | 易思维(杭州)科技有限公司 | 一种基于梯度信息的匹配方法 |
CN111079802B (zh) * | 2019-12-02 | 2023-04-07 | 易思维(杭州)科技有限公司 | 一种基于梯度信息的匹配方法 |
JP2021097857A (ja) * | 2019-12-20 | 2021-07-01 | 株式会社プレックス | 布類の折り畳み装置 |
JP7348057B2 (ja) | 2019-12-20 | 2023-09-20 | 株式会社プレックス | 布類の折り畳み装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Çelik et al. | Development of a machine vision system: real-time fabric defect detection and classification with neural networks | |
JP7049983B2 (ja) | 物体認識装置および物体認識方法 | |
Sakhare et al. | Spectral and spatial domain approach for fabric defect detection and classification | |
JP2012022518A (ja) | マーク読み取り装置、および方法 | |
JP6864267B2 (ja) | 照合システム、照合装置、照合方法及びプログラム | |
US10181202B2 (en) | Control apparatus, robot, and control method | |
US8610770B2 (en) | Image sensing apparatus and method for sensing target that has defective portion region | |
CN111062934A (zh) | 一种织物图像缺陷实时检测方法 | |
WO2017071406A1 (zh) | 金针类元件的引脚检测方法和*** | |
CN111929327A (zh) | 布匹缺陷检测方法和装置 | |
WO2009085173A1 (en) | System and method for performing multi-image training for pattern recognition and registration | |
JP2020067308A (ja) | 画像処理方法および画像処理装置 | |
JP2015232482A (ja) | 検査装置、検査方法およびプログラム | |
US9628659B2 (en) | Method and apparatus for inspecting an object employing machine vision | |
CN110596118A (zh) | 印刷图案检测方法及印刷图案检测装置 | |
CN106959301B (zh) | 无纺布污点检测***、无纺布污点检测方法 | |
CN105389818B (zh) | 元件的定位方法和*** | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
TW201504591A (zh) | 孔洞檢查裝置 | |
JP4355479B2 (ja) | 欠陥布片検出装置における欠陥レベル情報設定方法 | |
Mishra et al. | Surface defects detection for ceramic tiles using image processing and morphological techniques | |
Shreya et al. | Design of machine vision system for high speed manufacturing environments | |
Das et al. | Defect detection of jute fabric using image processing | |
JPH06500395A (ja) | 衣服の検査 | |
KR102203441B1 (ko) | 전자부품 분류장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130618 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20130618 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130822 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140311 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140423 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20140520 |