JP2018077089A - 認識装置、決定方法、および物品製造方法 - Google Patents

Abstract

【課題】認識される物体の照明および撮像のうち少なくとも一方の条件の決定に有利な認識装置を提供する。【解決手段】物体４の位置および姿勢のうち少なくとも一方を認識する認識装置は、物体の照明を行い、照明を行われた物体の撮像を行って物体の画像データを取得する取得部（１〜３、５、６）と、画像データと、当該少なくとも一方に関する基準データとの間の相関度としての第１相関度に基づいて、当該少なくとも一方を取得する処理部７と、を有する。処理部は、画像データと基準データとの間の相関度としての第２相関度に基づいて、照明および撮像のうち少なくとも一方の条件を決定する。【選択図】図１

Description

本発明は、認識装置、決定方法、および物品製造方法に関する。

物体を撮像して得られた画像に基づいて、物体の位置および姿勢を認識する認識装置が知られている。特許文献１の撮影システムは、生体認証に適した画像かどうかを示す指標（スコア）を画像中の生体部位の面積に基づいて算出する。そして、当該指標に基づき、認証生体情報としての画像の取得に用いる環境と、生体部位の姿勢を検出するための画像の取得に用いる環境とを切り替える。

特開２０１２−１５５４０５号公報

特許文献１の撮影システムは、生体認証に適した画像かどうかを判断するための指標を生体部位の面積に基づいて得ているに過ぎないため、物体の位置および姿勢の高精度な認識に十分であるとはいえない。認識装置においては、物体の照明の条件や物体の撮像の条件が物体の位置および姿勢の認識に大きな影響を与えうる。例えば、物体の輝度が適切でない場合、画像上の物体の輪郭や稜線（エッジ情報）が明確でないことから、物体の位置および姿勢の高精度な認識が困難となる。また、物体にピント（フォーカス）が合っていない場合なども、物体の位置および姿勢の高精度な認識が困難となる。

本発明は、例えば、物体の照明および撮像のうち少なくとも一方の条件であって、当該物体の位置および姿勢のうち少なくとも一方を認識するのに有利な条件を決定できる認識装置を提供することを目的とする。

本発明の一つの側面は、物体の位置および姿勢のうち少なくとも一方を認識する認識装置であって、
前記物体の照明を行い、前記照明を行われた前記物体の撮像を行って前記物体の画像データを取得する取得部と、
前記画像データと、前記位置および姿勢に関する基準データとの間の相関度としての第１相関度に基づいて、前記少なくとも一方を取得する処理部と、を有し、
前記処理部は、前記画像データと前記基準データとの間の相関度としての第２相関度に基づいて、前記照明および前記撮像のうち少なくとも一方の条件を決定することを特徴とする認識装置である。

本発明によれば、例えば、物体の照明および撮像のうち少なくとも一方の条件であって、当該物体の位置および姿勢のうち少なくとも一方を認識するのに有利な条件を決定できる認識装置を提供することができる。

認識装置の構成例を示す図 認識装置における処理の流れを例示する図 条件を決定する処理の流れを例示する図 物体の位置および姿勢の入力方法を例示する図 パターン光を例示する図 空間符号を例示する図 第１評価値および第２評価値が高い状態を例示する図 条件を決定する処理の流れの別の例を示す図 認識装置とロボットとを含むシステムを例示する図

以下、添付図面を参照して本発明の実施形態を説明する。なお、実施形態を説明するための全図を通して、原則として（断りのない限り）、同一の部材等には同一の符号を付し、その繰り返しの説明は省略する。

〔実施形態１〕
図１は、認識装置の構成例を示す図である。図１において、１は、光源であり、２は、光源からの光を変調して物体４に投影するパターン（光）を生成するパターン生成部である。３（３ａ、３ｂ）は、物体４にパターン光を投影するための光学素子（レンズ等）である。以上の１ないし３は、物体の照明を行う照明部を構成している。５（５ａ、５ｂ）は、物体４で反射されたパターン光を集光する光学素子（レンズ等）であり、６は、光学素子５からの光により、照明を行われた物体４の撮像を行う撮像素子である。以上の５および６は、撮像部を構成している。また、上述の照明部と撮像部とは、取得部を構成している。７は、処理部である。処理部７は、光源１の発光や、パターン生成部２によるパターン光の生成、撮像部（撮像素子６）による撮像（露光）の時間やゲイン（信号の増幅の度合い）を制御しうる。また、処理部７は、撮像部による撮像により得られた画像データに基づいて、物体４の位置および姿勢のうち少なくとも一方を認識（取得）しうる。なお、認識対象は、位置および姿勢のうち少なくとも一方としうるが、以下の説明では、位置および姿勢（の両方）として説明する。処理部７は、光源１の制御（例えば、発光強度および発光時間の少なくとも一方の制御）を行う光源制御部７ａを含みうる。また、処理部７は、パターン生成部２によるパターン光の生成の制御を行うパターン制御部７ｂを含みうる。また、処理部７は、撮像部の制御（例えば、撮像の時間およびゲインの少なくとも一方の制御）を行う撮像部制御部７ｃを含みうる。また、処理部７は、物体４の位置および姿勢を認識するのに用いる物体４の形状の情報を記憶する記憶部７ｅを含みうる。さらに、処理部７は、画像データおよび形状情報（基準データ）とに基づいて、物体の位置および姿勢を認識（取得）する解析部７ｄを含みうる。

ここで、本実施形態の認識装置は、概ね均一な光で照明された物体を撮像して得た画像データから抽出したエッジ情報を特徴量として用いる。また、認識装置は、空間符号化パターン光で照明された物体を撮像して得たパターン画像データから抽出した距離情報を特徴量として用いる。そして、認識装置は、当該エッジ情報および当該距離情報に基づいて物体の位置および姿勢を認識する。なお、当該距離情報を得るには、空間符号化パターン光での照明に限定されず、位相シフトパターン光での照明やスリット光での照明などを用いてもよい。また、認識装置は、当該エッジ情報および当該距離情報のうち一方のみに基づいて、物体の位置および姿勢の認識を行ってもよいし、また、画像データの他の特徴量に基づいて、物体の位置および姿勢の認識を行ってもよい。

光源１は、例えばＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）を含み、パターン生成部２に向けて光を発する。パターン生成部２は、例えば、明部と暗部とが格子状（周期的）に並ぶパターン光を生成する。パターン生成部２は、透光部と遮光部とが規則的に並んだマスクパターンを含みうる。また、パターン生成部２は、液晶素子またはデジタルミラーデバイス（ＤＭＤ）等を含むことにより、モノクロパターンまたは正弦波状パターン等、種々のパターンを生成することができる。

物体４は、パターン生成部２および光学素子３ａ、３ｂを介して、格子状のパターン光で照明される。照明された物体４は、光学素子５ａ、５ｂを介して、撮像素子６により撮像される。撮像素子６は、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）またはＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）センサ等の撮像素子を含みうる。処理部７は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）や、メモリ、ディスプレイ、ハードディスク等の外部記憶装置、入出力用の各種インターフェース等を具備する汎用のコンピュータにより構成されうる。ここで、光源制御部７ａは、光源の発光強度を制御する。パターン制御部７ｂは、物体４に投影されるパターン光が順次変更されるようにパターン生成部２を制御する。撮像部制御部７ｃは、撮像部による撮像の時間およびゲインのうちの少なくとも一方を、パターン光の変更に同期して制御する。このような制御により、物体の撮像を複数回行う。

記憶部７ｅは、物体４に関するＣＡＤ（Ｃｏｍｐｕｔｅｒ‐ａｉｄｅｄ Ｄｅｓｉｇｎ；コンピュータ支援設計）により得られた設計データまたは物体４に関する形状計測により得られた計測データ等の物体４の形状を表す形状データを予め記憶している。解析部７ｄは、当該形状データと取得部に含まれる光学系の特性とに基づいて、物体４を様々な位置および姿勢に配置した場合に観測される輪郭や稜線等に係るエッジ情報と、物体４の各部の距離情報を取得する。そして、それらを基準データのデータベースとして記憶部７ｅに記憶させておく。そして、解析部７ｄは、撮像部で取得された画像データ（概ね均一な照明に係る画像データ）からエッジ情報（特徴量）を抽出する。また、解析部７ｄは、撮像部で取得されたパターン画像データ（パターン投影法による照明に係る画像データ）から距離情報（特徴量）を抽出（取得）する。当該距離情報の抽出は、取得部における照明部と撮像部と間の幾何学的関係の情報にも基づいている。解析部７ｄは、画像データから抽出したエッジ情報とデータベース中のエッジ情報との間の相関度または一致度を算出（取得）する。また、解析部７ｄは、パターン画像データから抽出した距離情報とデータベース中の距離情報との間の相関度または一致度を算出（取得）する。そして、解析部７ｄは、これらの相関度に基づいて（例えば、各相関度が最も高くなる基準データを探索することにより）、物体４の位置および姿勢を認識する。このような処理により、例えば、バラ積みされた部品等の物体の位置および姿勢の認識を行いうる。

以上のようにして物体の認識を行うにあたり、予め記憶した基準データと、位置および姿勢の認識を行いたい物体の画像データとが著しく相違する場合、当該認識は困難である。例えば、認識対象が山積みされた部品等の物体である場合、物体の表面での光の反射特性が光の入射角により異なりうるため、認識装置から観測される物体の形や明るさ等の状態は様々である。そのため、特許文献１のように物体の面積のみで画像データの適性を判断しても、物体の位置および姿勢の認識を高精度に行えるようになるとは限らない。そこで、当該認識を高精度に行えるような画像データを取得する条件の決定方法を以下に説明する。

図２は、本実施形態に係る認識装置における処理の流れを例示する図である。当該処理は、処理部７により実行される。まず、ステップＳ１０１では、エッジ情報を得るための第１画像データの第１評価値が許容条件を満たす条件、および距離情報を得るための第２画像データの第２評価値が許容条件を満たす条件を探索する。例えば、条件ごとに第１画像データ（または第２画像データ）を取得し、各画像に関して第１評価値（または第２評価値）を取得（算出）し、第１評価値（または第２評価値）が許容条件を満たす（例えば最大となる）条件を探索する。なお、画像データを取得する条件は、それには限定されないが、ここでは、認識される物体の照明および撮像のうち少なくとも一方の条件とする。

当該条件を決定するための具体的な手順を図３に示す。ここで、図３は、条件を決定する処理の流れを例示する図である。まず、ステップＳ１０１−１では、物体の形状情報を入力する。当該形状情報は、例えば、３次元ＣＡＤデータであるのが望ましいが、３次元計測器等で物体を計測して得た計測データであってもよい。

次に、ステップＳ１０１−２では、認識対象としての物体（例えば山積みにされた物体）の画像データを取得する。ここで、画像を取得する条件は、照明（光）の強度、撮像の時間、および撮像における信号の増幅（ゲイン）のうち少なくとも１つを選択しうるが、それには限定されない。例えば、撮像部のフォーカスやズームに関する条件を選択してもよい。なお、選択した条件における設定値の範囲は、例えば、画像データから人間が物体を判別できるような範囲としうる。なお、本ステップ以下のステップは、物体の山積みの状態が大きく変化した場合に行うのが効果的である。そのような場合とは、例えば、ピッキングロボット等が物体をピッキングすることにより山積みされた物体が崩れた場合や、当該ピッキングを繰り返すことにより物体の山積みの高さが大きく変化した場合である。

次に、ステップＳ１０１−３では、ステップＳ１０１−２で取得した画像データに写っている（含まれている）物体の位置および姿勢の情報を、認識装置のユーザ（操作者）による入力部の操作を介して入力する。当該情報は、後のステップＳ１０１−５での第１評価値および第２評価値の取得に必要である。位置および姿勢の情報を入力する対象となる物体の数は、最低１つである。より高精度に位置および姿勢を認識するのに有利な条件を決定するためには、画像データ中のできる限り多くの物体に対して位置および姿勢の情報を入力することが望ましい。なお、位置および姿勢の情報を入力するには、ステップＳ１０１−１で入力された物体の形状情報に基づいて、物体の位置および姿勢を認識するのに使用する形状モデルを生成しておくのがよい。ここで、図４は、物体の位置および姿勢の入力方法を例示する図である。図４において、ステップＳ１０１−２で取得された画像に、当該形状モデルにより生成される画像を重畳して表示している。そして、生成される画像は、その形状が、取得された画像中の物体の形状に概ね等しくなるように、調整する。当該調整は、処理部７に含まれるユーザ・インタフェース（入力部）を介して行いうる。形状モデルによる調整後の画像の形状から物体の位置および姿勢を取得することにより、本ステップでの入力を自動または手動で行いうる。

次に、ステップＳ１０１−４では、各条件で評価用画像を取得する。評価用画像は、エッジ情報を抽出するための画像と距離情報（物体までの距離の情報）を抽出（取得）するための画像とを含む。エッジ情報を抽出するための画像データ（第１画像データ）は、計測対象領域全体を（概ね均一な光で）照明して撮像することにより得られた画像データである。また、距離情報を抽出するための画像データ（第２画像データ）は、本実施形態では、空間符号化パターン投影法に係るパターン光で照明して撮像することにより得られた画像データである。空間符号化パターン投影法は、例えば、図５の（ａ）ないし（ｊ）に示すような強度パターンの光（パターン光）で物体を照明する。ここで、図５は、パターン光を例示する図である。この例では、空間符号化パターン投影法に係る４ビットのグレイコードパターンを用いている（図６参照）。条件の変更は、例えば、撮像時間をより長くしていくことにより、取得される画像がより明るくなるようにしてもよいし、その逆にしてもよい。また、ステップＳ１０１−２での条件を初期条件として、最急勾配法等の最大値探索アルゴリズムに基づいて条件を変更してもよい。なお、条件の変更は、それには限定されないが、照明の強度、撮像の時間、および撮像のゲインのうち少なくとも１つの変更としうる。

次に、ステップＳ１０１−５では、ステップＳ１０１−４で取得されたエッジ情報抽出用の各画像データから抽出したエッジ情報（第２画像データ）と、予め記憶しておいた物体のエッジ情報（第２基準データ）との間の相関度（第２相関度）を取得する。また、距離情報抽出用の各画像データから抽出した距離情報（第２画像データ）と、予め記憶しておいた物体の距離情報（第２基準データ）との間の相関度（第２相関度）を取得する。ここで、相関度は、一致度ともいう。また、エッジ情報の抽出は、それには限定されないが、Ｃａｎｎｙフィルタを用いて行いうる。エッジ情報に関する評価値（第１評価値）は、例えば、次のようなものである。すなわち、各画像から抽出されたエッジ情報（第２画像データ）と、ステップＳ１０１−３で入力された位置および姿勢の情報に基づいて上記の形状モデルから得られたエッジ情報（第２基準データ）との間の相関度Ｌ_１、・・・、Ｌ_ｎの平均値である。ここで、ｎは、ステップＳ１０１−３で位置および姿勢を入力された物体の数である。当該評価値は、相関度Ｌ_１、・・・、Ｌ_ｎの最小値または総和であってもよい。距離情報に関する評価値（第２評価値）は、例えば、次のようなものである。すなわち、Ｄｒｅｆ_１、・・・、Ｄｒｅｆ_ｎと、Ｄｍｅｓ_１、・・・、Ｄｍｅｓ_ｎとの差Δ_１、・・・、Δ_ｎの逆数（第２相関度）の平均値である。ここで、Ｄｒｅｆ_１ないしＤｒｅｆ_ｎは、ステップＳ１０１−３で入力された各物体の位置および姿勢の情報に基づいて上記の形状モデルから得られた認識装置から各物体までの距離（第２基準データ）である。また、Ｄｍｅｓ_１ないしＤｍｅｓ_ｎは、ステップＳ１０１−４で取得された各画像から抽出された物体までの距離である。ここで、Δ_ｉは以下の式で表わされる。
Δ_ｉ＝ａｂｓ（Ｄｍｅｓ_ｉ−Ｄｒｅｆ_ｉ）・・・（１）

なお、本ステップで用いられる相関度（第２相関度）は、後述のステップＳ１０５で物体の位置および姿勢を認識するのに用いられる相関度（第１相関度）とは、互いに異なりうるが、互いに同一の相関度であるのが好ましい。また、式（１）におけるａｂｓ（）は、括弧内の数値の絶対値を出力する関数である。また、距離情報に関する第２評価値は、Δ_１、・・・、Δ_ｎの逆数の最小値または総和であってもよい。

ここで、物体までの距離Ｄｍｅｓ_１ないしＤｍｅｓ_ｎは、ステップＳ１０１−３で取得した各ｂｉｔのパターン画像データから取得する。そのためには、まず、画像データの輝度情報から明暗判定を行い、画像データの領域毎に空間符号を付与する。例えば、図５（ａ）の全明パターン画像データと図５（ｆ）の全暗パターン画像データとの間で対応する各画素において、行画像データの画素値の平均値を閾値として空間符号を付与する。すなわち、当該閾値より明るい画素を１、暗い画素を０として各ｂｉｔのパターン画像データに対して２値化を行えば、図６に示すように空間符号を生成することができる。このようにして得られた空間符号と、照明部と撮像部との間の幾何学的関係とに基づいて、認識装置から物体までの距離Ｄｍｅｓ_１ないしＤｍｅｓ_ｎを取得することができる。なお、輝度が正弦波状に変化する正弦波パターンを、その位相をシフトさせながら投影する位相シフトパターン投影法に従う場合は、各画素における位相を算出することにより、当該距離を取得することができる。

図７は、第１評価値および第２評価値が高い状態を例示する図である。図７（ａ）は、バラ積み状態の物体（部品等）を示す。図７（ｂ）は、当該物体を撮像して取得したエッジ抽出用の画像データを示す。図７（ｃ）は、図７（ｂ）に示す画像データから抽出したエッジ情報を示す。また、図７（ｄ）は、パターン画像データから抽出（取得）した距離情報を示す。ここで、第１評価値が高くなる状態は、次のような状態である。すなわち、エッジ抽出用の画像データから抽出されたエッジ情報と、ステップＳ１０１−３で入力された位置および姿勢の情報に基づいて、予め記憶された形状情報（図７（ｅ））から取得された物体のエッジ情報とがよく一致している状態である。例えば、図７（ｇ）に示されているような状態である。また、第２評価値が高くなる状態は、次のような状態である。すなわち、距離抽出用の画像データから抽出された距離情報と、ステップＳ１０１−３で入力された位置および姿勢の情報に基づいて、予め記憶された形状情報（図７（ｆ））から取得された物体の距離情報とがよく一致している状態である。例えば、図７（ｈ）に示されているような状態である。

次に、ステップＳ１０１−６で、第１評価値が許容条件を満たす（例えば最大となる）条件および第２評価値が許容条件を満たす（例えば最大となる）条件が見つけられたか判断を行う。見つけられた場合は、ステップＳ１０１−７で、各条件を記憶して本探索を終了する。見つけられなかった場合は、第１評価値が許容条件を満たす条件および第２評価値が許容条件を満たす条件が見つかるまで、ステップＳ１０１−４およびステップＳ１０１−５を繰り返す。

ここで、図２に戻って、認識装置における処理の流れのつづきを説明する。ステップＳ１０２では、ステップＳ１０１での探索により得られた第１評価値が許容条件を満たす条件および第２評価値が許容条件を満たす条件に、認識装置が画像を取得する条件を設定する。なお、当該条件は、上述のように、例えば、照明の強度ならびに撮像の時間およびゲインのうちの少なくとも一つとしうる。なお、ステップＳ１０３でエッジ情報を抽出するための画像データを取得する場合は、第１評価値が許容条件を満たす条件に設定し、距離情報を抽出するための画像データを取得する場合は、第２評価値が許容条件を満たす条件に設定する。

次に、ステップＳ１０３では、ステップＳ１０２で設定した条件にしたがって、物体を撮像して画像データを取得する。ステップＳ１０４では、後述のステップＳ１０５でエッジ情報および距離情報を取得するのに必要な画像データが揃ったか判断を行う。そうなった場合は、処理をステップＳ１０５に進め、そうならなかった場合は、ステップＳ１０２とステップＳ１０３とを繰り返す。

ステップＳ１０５では、ステップＳ１０３で取得されたエッジ抽出用の画像データからＣａｎｎｙフィルタ等のエッジ抽出フィルタを用いてエッジ情報を抽出する。また、距離抽出用の画像データから、上述のように、空間符号の付与を介して距離情報を抽出する。

つづくステップＳ１０６では、工程Ｓ１０５で取得したエッジ情報および距離情報に基づいて、物体の位置および姿勢を認識する。こうして処理は終了する。

以上のように、本実施形態は、物体の位置および姿勢のうち少なくとも一方を認識するのに用いる基準データ（の特徴量）と画像データ（の特徴量）との間の相関度（第２相関度）に基づいて、当該物体の照明および撮像のうち少なくとも一方の条件を決定する。そのため、本実施形態によれば、例えば、物体の照明および撮像のうち少なくとも一方の条件であって、当該物体の位置および姿勢のうち少なくとも一方を認識するのに有利な条件を決定できる認識装置を提供することができる。

〔実施形態２〕
本実施形態は、物体の位置および姿勢の入力を、ユーザによる入力部の操作を介することなく行う点が実施形態１とは異なっている。すなわち、実施形態１とは図２におけるステップＳ１０１（すなわち図３）における処理の内容が異なっている。当該内容について、図８を参照して説明する。ここで、図８は、条件を決定する処理の流れの別の例を示す図である。図８において、図３（実施形態１）と異なっているのは、ステップＳ１０１−２´、ステップＳ１０１−３´およびステップＳ１０１−５´のみであるため、それらのステップについて説明する。

ステップＳ１０１−２´では、認識対象としての物体（例えば山積みにされた物体）の画像データを取得する。ここで、画像を取得する条件は、照明（光）の強度、撮像の時間、および撮像における信号の増幅（ゲイン）のうち少なくとも１つを選択しうるが、それには限定されない。例えば、撮像部のフォーカスやズームに関する条件を選択してもよい。当該条件は、例えば、画像データにおける物体の領域が飽和しない範囲で出来る限り明るく取得される条件であることが望ましい。また、取得する画像データの数は、１つとしてもよいし、次のステップで生成するデータベースによる位置および姿勢の認識のロバスト性を高めるためには、複数としてもよい。複数とする場合、画像データを取得するたびに物体の山積み状態を変化させると、よりロバスト性の高いデータベースを作成しうる。

次に、ステップＳ１０１−３´では、位置および姿勢認識用のデータベースを生成する。ここで、当該データベースは、実施形態１において記憶部７ｅに記憶させておくものとして上述した基準データのデータベースに相当するものである。当該データベースは、ステップＳ１０１−１で入力された物体の形状情報に基づいて、幾何学的原理により、物体の位置および姿勢ごとに画像上でのエッジ情報または距離情報として生成しうる。このデータベースは、ステップＳ１０５において物体の位置および姿勢を認識するのに使用されうるものである。また、後述のステップＳ１０１−５´において第２相関度Ｌ_１ないしＬ_ｎを取得するための物体のエッジ情報（第２基準データ）は、ステップＳ１０５における抽出と同等の抽出により、ここで特定して記憶しておく。同様に、後述のステップＳ１０１−５´において第２相関度Δ_１の逆数ないしΔ_ｎの逆数を取得するための物体の距離情報（第２基準データ）は、ステップＳ１０５における抽出と同等の抽出により、ここで特定して記憶しておく。

ステップＳ１０１−５´では、ステップＳ１０１−４で取得されたエッジ情報または距離情報（第２画像データ）と、ステップＳ１０１−３´で記憶しておいた物体のエッジ情報または距離情報（第２基準データ）との間の相関度（第２相関度）を取得する。本ステップにおいて第１評価値および第２評価値を取得する処理は、実施形態１のステップＳ１０１−５におけるものと同等としうる。

本実施形態は、物体の位置および姿勢のうち少なくとも一方の入力を、ユーザによる入力部の操作を介することなく行えるため、実施形態１の効果に加えて、ユーザの負担を軽減できるという効果を有する。

〔実施形態３〕
上述の認識装置は、ある支持部材に支持された状態で使用されうる。本実施形態は、一例として、図９のように、ロボットアーム３００（単にロボットまたは把持装置ともいう）と、ロボットアーム３００に支持された（備え付けられた）認識装置１００とを含むシステムを説明する。認識装置１００は、支持台３５０に置かれた物体２１０に照明を行って撮像し、画像データを取得する。そして、認識装置１００の処理部、または認識装置１００の処理部から画像データを取得した制御部３１０が、物体２１０の位置および姿勢のうち少なくとも一方を取得（認識）し、当該少なくとも一方の情報を制御部３１０が取得する。制御部３１０は、当該情報（認識結果）に基づいて、ロボットアーム３００に駆動指令を送ってロボットアーム３００を制御する。ロボットアーム３００は、その先端のロボットハンドなど（把持部）で物体２１０を保持して、並進や回転などの移動を行う。さらに、ロボットアーム３００によって物体２１０を他の物体（部品等）に組み付けることにより、複数の物体（部品等）で構成された物品、例えば電子回路基板や機械などを製造することができる。また、ロボットアーム３００により移動された物体２１０を処理することにより、物品を製造することができる。当該処理は、例えば、加工、切断、搬送、組立（組付）、検査、および選別のうちの少なくともいずれか一つを含みうる。制御部３１０は、ＣＰＵなどの演算装置やメモリなどの記憶装置を含みうる。なお、ロボットを制御する制御部を制御部３１０の外部に設けてもよい。また、認識装置１００により得られた画像データや認識されたデータをディスプレイなどの表示部３２０に表示してもよい。本実施形態の物品製造方法は、従来の方法に比べて、物品の性能・品質・生産性・生産コストのうちの少なくとも１つにおいて有利である。

〔その他の実施形態〕
本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータ（またはＣＰＵやＭＰＵ等）がソフトウェアを読み出して実行する処理である。

以上、本発明の好ましい実施形態について説明したが、本発明はこれらの実施形態に限定されないことはいうまでもなく、その要旨の範囲内で種々の変形及び変更が可能である。

１−３、５、６ 取得部
７ 処理部

Claims (13)

1. 物体の位置および姿勢のうち少なくとも一方を認識する認識装置であって、
   前記物体の照明を行い、前記照明を行われた前記物体の撮像を行って前記物体の画像データを取得する取得部と、
   前記画像データと、前記少なくとも一方に関する基準データとの間の相関度としての第１相関度に基づいて、前記少なくとも一方を取得する処理部と、を有し、
   前記処理部は、前記画像データと前記基準データとの間の相関度としての第２相関度に基づいて、前記照明および前記撮像のうち少なくとも一方の条件を決定することを特徴とする認識装置。
2. 前記位置および前記姿勢のうち少なくとも一方に関する情報を入力するための入力部を有し、
   前記処理部は、前記入力部により入力された前記情報に基づいて、前記基準データを生成することを特徴とする請求項１に記載の認識装置。
3. 前記処理部により用いられる前記第１相関度と前記第２相関度とは互いに同一の相関度であることを特徴とする請求項１に記載の認識装置。
4. 前記処理部は、前記第２相関度として、前記画像データに含まれるエッジ情報に関する相関度を得ることを特徴とする請求項１ないし請求項３のうちいずれか１項に記載の認識装置。
5. 前記処理部は、前記第２相関度として、前記画像データに含まれる距離情報に関する相関度を得ることを特徴とする請求項１ないし請求項３のうちいずれか１項に記載の認識装置。
6. 前記処理部は、前記画像データの特徴量と前記基準データの特徴量とに基づいて前記第２相関度を得ることを特徴とする請求項１ないし請求項５のうちいずれか１項に記載の認識装置。
7. 前記処理部は、前記画像データの特徴量と前記基準データの特徴量との間の差に基づいて前記第２相関度を得ることを特徴とする請求項６に記載の認識装置。
8. 前記処理部は、前記物体の形状を表す形状データを取得し、前記形状データに基づいて前記基準データを生成することを特徴とする請求項１ないし請求項７のうちいずれか１項に記載の認識装置。
9. 前記処理部は、前記物体に関するコンピュータ支援設計または形状計測により得られた形状データを取得し、前記形状データに基づいて前記基準データを生成することを特徴とする請求項１ないし請求項７のうちいずれか１項に記載の認識装置。
10. 前記処理部は、前記条件として、前記照明の強度、前記撮像の時間、および前記撮像における信号の増幅のうち少なくとも一つに関する条件を決定することを特徴とする請求項１ないし請求項９のうちいずれか１項に記載の認識装置。
11. 物体の位置および姿勢のうち少なくとも一方を認識する請求項１ないし請求項１０のうちいずれか１項に記載の認識装置と、
    前記認識装置による認識結果に基づいて前記物体を保持して移動するロボットと、
    を有することを特徴とするシステム。
12. 請求項１ないし請求項１０のうちいずれか１項に記載の認識装置を用いて物体を認識する工程と、
    前記工程で認識された前記物体を処理する工程と、
    を含むことを特徴とする物品製造方法。
13. 物体の照明を行い、前記照明を行われた前記物体の撮像を行って前記物体の画像データを取得し、前記画像データと、前記物体の位置および姿勢のうち少なくとも一方に関する基準データとの間の相関度としての第１相関度に基づいて前記少なくとも一方を認識するための、前記照明および前記撮像のうち少なくとも一方の条件を決定する決定方法であって、
    前記画像データと前記基準データとの間の相関度としての第２相関度に基づいて、前記条件を決定することを特徴とする決定方法。

Images