JP2022191000A - 寸法測定装置および寸法測定方法 - Google Patents

Abstract

【課題】ステレオカメラの死角に起因する測定誤差を抑制することが可能な寸法測定技術を提供する。【解決手段】寸法測定装置は、ステレオカメラにより測定対象物を撮像した第１画像および第２画像から得られた測定対象物の表面のポイントクラウドに基づき測定対象物の寸法を測定する。詳細には、寸法測定装置は、当該ポイントクラウドの中から選択された測定対象物の輪郭点の集合に基づき推定される推定輪郭を求め、ノイズ輪郭部（当該推定輪郭のうち、不正確な位置情報を有するノイズ点を所定程度以上含むと推定される部分であって第１画像には写っているものの第２画像には写っていない死角領域に隣接し或いは当該死角領域に包含される部分）を特定する。そして、寸法測定装置は、ノイズ輪郭部に含まれる点群に関して所定の処理を施してノイズ輪郭部を修正し（Ｓ３４等）、修正後のノイズ輪郭部を含む推定輪郭に基づいて、測定対象物の寸法を測定する。【選択図】図５

Description

本発明は、物体の寸法を測定する寸法測定装置およびそれに関連する技術に関する。

宅配業者の営業店舗あるいはコンビニエンスストア等において利用可能な寸法測定装置が存在する。

たとえば、特許文献１には、深度カメラ（ステレオカメラ等）から得られた荷物（物体）の距離画像を解析し、荷物の外観寸法を測定する寸法測定装置が記載されている。

特開２０２０－００８４４８号公報

ところで、ステレオカメラを用いたステレオ視方式により物体の距離情報を取得する際には、２台のカメラのうちの一方のカメラに死角が発生し、当該死角に起因して寸法の測定誤差が生じ得る。

たとえば、直方体形状の物体（測定対象物）の上方にて左右方向に離間して下向きに配置された２台のカメラ（ステレオカメラ）による２枚の撮影画像に基づき距離画像を生成する技術が存在する。このような技術において、当該距離画像に基づき当該物体表面のポイントクラウド（点群）の３次元位置情報を取得し、当該３次元位置情報に基づき当該物体の寸法を測定する際には、次のような死角が発生する。詳細には、直方体形状の物体の左辺に隣接する部分（物体載置面における物体の左側付近の特定領域）は、２台のカメラのうち左側のカメラ（左カメラ）には写っているものの右側のカメラ（右カメラ）には写らない。すなわち、右カメラの死角領域が発生している（図６のグレー領域等参照、後に詳述）。このような死角発生状態にて、左カメラによる撮影画像（左画像とも称する）に距離情報を埋め込む場合、左カメラには写っている当該特定領域内の各画素に関して、右カメラの撮影画像（右画像）内の画素との対応づけがうまくいかない。その結果、当該特定領域（詳細にはその各画素）に対応する３次元位置情報が不正確になる。換言すれば、当該特定領域には、いわゆる距離測定に関するノイズを有する画素（ノイズ点）が発生する。

このような状況において、たとえば、物体上面のポイントクラウド（点群）を抽出するとともに、当該点群（所定の射影平面に対して射影した点群）を包囲する外接四角形によって物体上面を近似し、当該物体上面の寸法（幅など）を測定することが考えられる。しかしながら、その場合、物体上面の左辺付近に発生したノイズ点をも囲むように外接四角形が形成される結果、幅などに関する測定寸法が実際の寸法（実寸）よりも大きくなってしまう。すなわち、測定誤差が生じる。測定寸法は配送料金に影響を与えるので、このような測定誤差は特に好ましくない。

そこで、この発明は、ステレオカメラの死角に起因する測定誤差を抑制することが可能な寸法測定装置およびそれに関連する技術を提供することを課題とする。

上記課題を解決すべく、本発明に係る寸法測定装置は、第１カメラと第２カメラとを有するステレオカメラと、前記第１カメラにより測定対象物を撮像した第１画像と前記第２カメラにより前記測定対象物を撮像した第２画像とに基づき、ステレオ視方式により前記ステレオカメラと前記測定対象物の各点との距離情報を算出し、前記距離情報を用いて得られた前記測定対象物の表面のポイントクラウドに基づき前記測定対象物の寸法を測定する制御手段と、を備え、前記制御手段は、前記測定対象物の表面の前記ポイントクラウドの中から前記測定対象物の輪郭点を選択するとともに、当該輪郭点の集合に基づき推定される推定輪郭を求め、前記測定対象物の前記推定輪郭のうち、不正確な位置情報を有するノイズ点を所定程度以上含むと推定される部分であって前記第１画像には写っているものの前記第２画像には写っていない死角領域に隣接し或いは前記死角領域に包含される部分であるノイズ輪郭部を特定し、前記ノイズ輪郭部に含まれる点群に関して所定の処理を施して前記ノイズ輪郭部を修正し、修正後の前記ノイズ輪郭部を含む前記測定対象物の前記推定輪郭に基づいて、前記測定対象物の寸法を測定することを特徴とする。

前記制御手段は、前記測定対象物の前記推定輪郭の形状が矩形である場合、前記矩形を構成する４辺のうちの一の辺であって前記ノイズ輪郭部ではない非ノイズ輪郭部として判定される辺である第１辺の位置および方向と、前記第１辺に対向する第２辺であって前記ノイズ輪郭部として判定される第２辺の位置および方向とを求め、前記第２辺の位置および方向を求める際には、前記測定対象物の輪郭点のうち前記第２辺に対応する部分に含まれる点群に基づき、前記第２辺が前記第１辺に平行であることを前提に前記第２辺の位置および方向を推定することによって、前記ノイズ輪郭部を修正してもよい。

前記制御手段は、前記測定対象物の前記推定輪郭の形状が矩形である場合、前記矩形を構成する４辺のうちの一の辺であって前記ノイズ輪郭部ではない非ノイズ輪郭部として判定される辺である第１辺の３次元空間内における位置および方向と、前記第１辺に対向する第２辺であって前記ノイズ輪郭部として判定される第２辺の３次元空間内における位置および方向とを求め、前記第２辺の位置および方向を求める際には、前記測定対象物の輪郭点のうち前記第２辺に対応する部分に含まれる点群の３次元情報に基づき、前記第２辺が前記第１辺に平行であることを前提に前記第２辺の３次元空間内における位置および方向を推定することによって、前記ノイズ輪郭部を修正してもよい。

前記制御手段は、３次元空間内における前記第２辺の位置および方向を推定する処理において、前記測定対象物の輪郭点のうち前記第２辺に対応する部分に含まれる点群を、前記第１辺に垂直な投影平面に対して投影する投影処理を実行し、前記投影平面を区分した複数の区分領域のうち、前記投影処理において最も多くの点が投影された特定区分領域を求め、前記特定区分領域に投影された点群に基づき、前記投影平面に垂直且つ前記第１辺に平行な前記第２辺の３次元空間内における位置および方向を求めてもよい。

前記制御手段は、前記測定対象物の前記推定輪郭の形状が矩形である場合、前記測定対象物の輪郭点のうち前記第２辺に対応する部分に含まれる点群に対して当該点群に含まれるノイズ点の影響を抑制するための特定の統計処理を施すことによって、前記第２辺の位置および方向を推定してもよい。

前記制御手段は、前記測定対象物の表面の前記ポイントクラウドを所定の射影平面に対して射影した射影画像を生成し、前記射影画像に基づいて前記測定対象物の前記推定輪郭の形状を判定してもよい。

前記制御手段は、前記第１画像の各画素付近の第１ウインドウ領域に対して最も適合する第２ウインドウ領域を前記第２画像内にて探索することにより、前記第１画像の各画素に関して前記第２画像内の対応画素を探索する対応画素探索処理を実行し、前記第１ウインドウ領域と前記対応画素探索処理にて探索された前記第２ウインドウ領域との類似の度合いを示す指標であって前記第１画像の前記各画素と前記第２画像の対応画素との対応度合いを示す指標でもある類似度を前記第１画像の特定範囲内の前記各画素についてそれぞれ算出するとともに、前記ノイズ輪郭部に含まれる各点に関する前記類似度を反映した統計処理に基づいて、前記ノイズ輪郭部を修正してもよい。

前記制御手段は、前記第１画像の各画素付近の第１ウインドウ領域に対して最も適合する第２ウインドウ領域を前記第２画像内にて探索することにより、前記第１画像の各画素に関して前記第２画像内の対応画素を探索する対応画素探索処理を実行し、前記第１ウインドウ領域と前記対応画素探索処理にて探索された前記第２ウインドウ領域との類似の度合いを示す指標であって前記第１画像の前記各画素と前記第２画像の対応画素との対応度合いを示す指標でもある類似度を前記第１画像の特定範囲内の前記各画素についてそれぞれ算出するとともに、前記ノイズ輪郭部に含まれる点群のうち、その類似度が所定値未満である画素に対応する点を除外した点群に基づいて、前記ノイズ輪郭部を修正してもよい。

上記課題を解決すべく、本発明に係る寸法測定方法は、ステレオカメラの第１カメラにより測定対象物を撮像した第１画像と前記ステレオカメラの第２カメラにより前記測定対象物を撮像した第２画像とに基づき、ステレオ視方式により前記ステレオカメラと前記測定対象物の各点との距離情報を算出し、前記距離情報を用いて得られた前記測定対象物の表面のポイントクラウドに基づき前記測定対象物の寸法を測定する寸法測定方法であって、ａ）前記測定対象物の表面の前記ポイントクラウドの中から前記測定対象物の輪郭点を選択するとともに、当該輪郭点の集合に基づき推定される推定輪郭を求めるステップと、ｂ）前記測定対象物の前記推定輪郭のうち、不正確な位置情報を有するノイズ点を所定程度以上含むと推定される部分であって前記第１画像には写っているものの前記第２画像には写っていない死角領域に隣接し或いは前記死角領域に包含される部分であるノイズ輪郭部を特定するステップと、ｃ）前記ノイズ輪郭部に含まれる点群に関して所定の処理を施して前記ノイズ輪郭部を修正するステップと、ｄ）修正後の前記ノイズ輪郭部を含む前記測定対象物の前記推定輪郭に基づいて、前記測定対象物の寸法を測定するステップと、を備えることを特徴とする。

本発明によれば、物体の推定輪郭のうちカメラの死角領域に関するノイズ輪郭部が特定され、当該ノイズ輪郭部に含まれる点群に関して所定の処理を施して前記ノイズ輪郭部が修正され、修正後のノイズ輪郭部を含む推定輪郭に基づいて、物体の寸法が測定される。したがって、ステレオカメラの死角に起因する測定誤差を抑制することが可能である。

寸法測定装置を示す概略外観図である。 寸法測定装置の機能ブロックを示す図である。 寸法算出装置等における処理を示すフローチャートである。 図３の一部の処理を示すフローチャートである。 図４の一部の処理を示すフローチャートである。 ステレオ視における死角の発生原理等について説明する図である。 ステレオ画像およびその死角領域等について説明する図である。 ステレオ画像およびその死角領域、ならびに距離画像等について説明する図である。 測定対象物のポイントクラウド等を示す図である。 ポイントクラウドの射影画像およびその推定輪郭等を示す図である。 推定輪郭の形状の判定処理を示す図である。 ノイズ輪郭部および非ノイズ輪郭部等を示す図である。 推定輪郭の修正処理を示す図である。 非矩形の推定輪郭に対する回転処理（傾き補正処理）を示す図である。 ハフ変換による直線推定処理（３次元空間における直線推定処理）を示す図である。 ステレオマッチング処理におけるウインドウ領域等を示す図である。 第５実施形態の処理を示すフローチャートである。 第５実施形態の処理の概要を示す概念図である。

以下、本発明の実施形態を図面に基づいて説明する。

＜１．第１実施形態＞
＜１－１．装置概要＞
図１は、第１実施形態に係る寸法測定装置１０（１０Ａとも称する）（詳細にはその一部）を示す概略外観図であり、図２は寸法測定装置１０の機能ブロックを示す図である。寸法測定装置１０は、測定対象物（荷物等）８０の表面の３次元位置情報等に基づき、測定対象物８０の寸法を算出する装置である。寸法測定装置１０は、３次元寸法測定装置あるいは３次元測定装置とも称される。

図１に示されるように、寸法測定装置１０は、測定対象物８０を保持する保持部５０と、当該保持部５０に保持された測定対象物８０の表面の３次元位置情報を取得するためのステレオカメラ（３次元カメラ）２０とを備える。また、寸法測定装置１０は、ステレオカメラ２０を用いて取得された３次元位置情報等に基づく寸法算出処理等を実行する寸法算出装置３０（図２参照）をも備える。寸法算出装置３０は、３次元位置情報に基づき測定対象物８０の寸法を算出する。さらに、寸法測定装置１０は、重量計（重量測定部）４０をも備えており、測定対象物８０の寸法のみならず、保持部５０に保持された測定対象物８０の重量をも測定することが可能である。

寸法測定装置１０は、たとえば、宅配センターあるいはコンビニエンスストア等に配置され、顧客により持ち込まれた配送対象物等（測定対象物８０）の寸法および重量等を測定する作業等に利用される。測定対象物８０としては、直方体形状を有する梱包物（ダンボール箱等）、あるいは直方体形状以外の立体形状を有する梱包物などが例示される。

図１に示されるように、保持部５０は、板状の透明部材５１を備えて構成される。透明部材５１は、たとえば、透明のアクリル樹脂で形成された板状部材（端的に言えば、透明アクリル板）である。透明部材５１は、所定値Ｇ以上（たとえば、１ｃｍ～数ｃｍ）の厚みを有する。透明部材５１の上面（平面）５１ａには測定対象物８０が載置される。当該上面５１ａは、測定対象物８０の載置面（載置平面）であるとも表現される。測定対象物８０は、透明部材５１の上面５１ａ（水平面）に載置されることによって、保持部５０に保持される。後述するように、測定対象物８０の高さＨは、載置面５１ａから測定対象物８０の最上部（上面等）までの大きさ（高さ）等として測定される。

また、図１に示されるように、透明部材５１は重量計４０の上に配置される。

ステレオカメラ２０は、測定対象物８０が保持部５０に保持されている状態（たとえば、透明部材５１の上面（載置面）５１ａに載置されている状態）において、当該測定対象物８０を上方から見た撮影画像を撮影することが可能である。具体的には、ステレオカメラ２０は、測定対象物８０の上面よりも更に上方に離間した位置において鉛直下向きに固定されている。ステレオカメラ２０は、カメラ固定部材２７，２８によって固定されている。カメラ固定部材２７は、床面に固定され鉛直方向に伸延する支柱部材であり、カメラ固定部材２８は、支柱部材２７の最上部付近から測定対象物８０の上方位置に向けて水平方向に伸延する梁（はり）部材である。ステレオカメラ２０は、カメラ固定部材２８の先端部付近（且つ測定対象物８０の上方且つ上面視中央付近）において鉛直下向きに固定されている。

なお、測定対象物が「保持される」状態は、測定対象物が把持される状態に限定されず、摩擦力の作用等によって測定対象物が透明部材５１（載置面）上の特定位置に存在し続ける状態（特定位置での存在が維持される状態）等をも含むものとする。

ステレオカメラ２０は、ステレオ視方式の３次元カメラであり、詳細には、赤外光（赤外線）照射を伴うステレオ視方式の３次元カメラである。ステレオカメラ２０は、深度情報（距離情報）付き撮影画像を取得する。詳細には、ステレオカメラ２０は、その赤外光照射部（赤外線投射器）から赤外光（より詳細には、パターン光）を測定対象物８０に照射し、当該測定対象物８０からの反射光（赤外光）を２つの赤外線画像センサで受光して２枚の赤外光画像（撮影画像）を撮像する。そして、ステレオカメラ２０は、当該２枚の赤外線画像センサの視差を利用して、一の赤外線画像（撮影画像）の各画素の深度情報（深度方向（カメラ光軸方向）の距離情報）を取得する。

深度情報（距離情報）の算出処理は、ここでは、ステレオカメラ２０内に組み込まれたコントローラ等によって実行される。当該コントローラは、コントローラ３１（後述）等と同様のハードウエア構成（ＣＰＵ等）を備える。

このようにして、ステレオカメラ２０は、被写体物体（測定対象物８０である荷物等）の撮影画像（赤外光画像）を撮像するとともに、当該撮影画像内の各画素の深度情報（距離情報）を取得する。なお、撮影画像内の各画素の深度情報は、撮影画像内の各画素に対応する被写体物体までの距離（ステレオカメラ２０からの距離）の情報であって当該撮影画像に垂直な方向における距離の情報である。換言すれば、当該深度情報は、撮影画像平面の法線方向（カメラ光軸方向）における距離情報である。

また、このステレオカメラ２０は、画像センサとして、２つの赤外線画像センサのみならず１つのＲＧＢカラー画像センサをも備えており、２枚の赤外光画像に加えて、可視光画像（カラー画像２３０（不図示）等）をも撮像する。可視光画像は、たとえば一の赤外線画像の撮影範囲に相当する範囲を撮影した画像である。可視光画像の各画素は当該一の赤外線画像の各画素に対応づけられ、可視光画像の各画素の深度情報もが取得される。なお、可視光画像として、カラー画像ではなく、グレースケール画像等が撮像されてもよい。

なお、ここでは、ステレオカメラ２０として、赤外光（測定光）を測定対象物に照射して赤外線画像センサーで取得された２つの赤外光画像を用いるステレオ視方式の３次元カメラを例示するが、これに限定されない。たとえば、ステレオカメラ２０は、測定光として可視光を用いるステレオ視方式の３次元カメラであってもよい。詳細には、当該３次元カメラは、測定対象物にて反射された可視光（自然光の反射光、あるいは白色光源等からの照射光の反射光）による光像を２つのＲＧＢカラー画像センサでそれぞれ撮像した２つのカラー画像（可視光画像）を取得する。そして、当該２つのＲＧＢカラー画像センサの視差を利用して、一の可視光画像（撮影画像）の各画素の深度情報（距離情報）が取得される。ステレオカメラ２０は、このような可視光画像を用いるステレオ視方式の３次元カメラであってもよい。

ステレオカメラ２０と寸法算出装置３０とは有線接続されており、ステレオカメラ２０で取得された情報（撮影画像情報および深度情報等）は、所定の接続ケーブルを介してステレオカメラ２０から寸法算出装置３０に送信される。なお、これに限定されず、ステレオカメラ２０と寸法算出装置３０とは無線接続されてもよい。

図２に示されるように、寸法算出装置３０は、コントローラ（制御部とも称する）３１と記憶部３２と操作部３５とを備える。

コントローラ３１は、寸法算出装置３０に内蔵される装置であり、ステレオカメラ２０、重量計４０、および寸法算出装置３０の動作を制御する装置である。

コントローラ３１は、１又は複数のハードウェアプロセッサ（例えば、ＣＰＵ（Central Processing Unit）およびＧＰＵ（Graphics Processing Unit））等を備えるコンピュータシステムとして構成される。コントローラ３１は、ＣＰＵ等において、記憶部（ＲＯＭおよび／またはハードディスクなどの不揮発性記憶部）３２内に格納されている所定のソフトウエアプログラム（以下、単にプログラムとも称する）を実行することによって、各種の処理を実現する。なお、当該プログラム（詳細にはプログラムモジュール群）は、ＵＳＢメモリなどの可搬性の記録媒体に記録され、当該記録媒体から読み出されて寸法算出装置３０にインストールされるようにしてもよい。あるいは、当該プログラムは、通信ネットワーク等を経由してダウンロードされて寸法算出装置３０にインストールされるようにしてもよい。

コントローラ３１は、測定対象物８０に関する撮影画像情報および深度情報をステレオカメラ２０から取得する。また、コントローラ３１は、撮影画像情報および深度情報に基づき、測定対象物８０の表面に関する３次元データ（３次元点群データ）（換言すれば、測定対象物８０の表面のポイントクラウド（点群）に関する３次元位置情報）を生成（取得）する。そして、コントローラ３１は、当該３次元位置情報に基づき、測定対象物８０の寸法（幅Ｗ、奥行きＤ、高さＨ）を算出（測定）する。

また、コントローラ３１は、重量計４０によって測定された測定対象物８０の重量を取得する。さらに、コントローラ３１は、測定対象物８０（配送対象物）を配送する際の配送料金等を算出する。

記憶部３２は、ハードディスクドライブ（ＨＤＤ）あるいはソリッドステートドライブ（ＳＳＤ）等の記憶装置で構成される。記憶部３２は、データベース３３等を有している。データベース３３には、配送サービスの種類、各配送サービスにおける配送対象物のサイズ区分、および当該サイズ区分に応じた料金等が登録されている。

操作部３５は、寸法算出装置３０に対する操作入力を受け付ける操作入力部３５ａと、各種情報の表示出力を行う表示部３５ｂとを備えている。たとえば、操作入力部３５ａ（受付部とも称される）は、配送サービスの種類等の情報の入力を受け付ける。また、表示部３５ｂは、配送対象物の寸法と重量とに関する測定結果、ならびに当該測定結果に基づいて算出された配送料金等を表示する。操作入力部３５ａとしてはマウス、キーボード等が用いられ、表示部３５ｂとしてはディスプレイ（液晶ディスプレイ等）が用いられる。また、操作入力部３５ａの一部としても機能し且つ表示部３５ｂの一部としても機能するタッチパネルが設けられてもよい。

なお、寸法算出装置３０は、撮影画像等に基づく処理を実行する装置であることから、画像処理装置であるとも表現される。

＜１－２．処理概略＞
図３は、寸法算出装置３０（詳細にはコントローラ３１）等における処理を示すフローチャートである。以下、図３を参照しつつ当該処理について説明する。なお、保持部５０に固定された座標系Σ２（後述）に関するキャリブレーション（透明部材５１の上面５１ａの３次元位置等に関するキャリブレーション）等は、図３の処理開始前において既に実行されている（完了している）ものとする。

ステップＳ１１において、寸法算出装置３０（コントローラ３１）は、測定対象物８０（ここでは、配送対象の荷物）の種類、および配送サービスの種類等の情報に関する操作入力（ユーザによる操作入力）を受け付ける。たとえば、一般荷物、精密機器、要冷蔵物、要冷凍物、ゴルフ用品、スキー用品などの荷物種類に関する情報、ならびに、片道配送、往復配送、冷蔵配送、冷凍配送などの配送サービス種類に関する情報が入力される。あるいは、荷物種類と配送サービス種類との一定の組み合わせに係る情報が入力されてもよい。

次に、ステップＳ１２において、ステレオカメラ２０は、保持部５０に保持された測定対象物８０に関する撮影画像および深度情報を生成し、コントローラ３１に受け渡す。コントローラ３１は、このような撮影画像および深度情報に基づいて、測定対象物８０の表面（ひょうめん）に関する３次元データ（ポイントクラウドデータ（点群データ））を生成する。換言すれば、コントローラ３１は、被写体物体（測定対象物８０）の各部分（各表面部分）の撮影画像内での平面位置に関する情報と当該各部分までの距離情報（奥行き情報）とに基づいて、各部分の３次元位置情報（実空間内での３次元位置情報）を取得する。

さらに、コントローラ３１は、測定対象物８０の表面のポイントクラウド（点群）に基づき、測定対象物８０（配送対象物）の寸法（サイズ情報）（Ｗ，Ｄ，Ｈ）を算出（測定）する。

ステップＳ１２の処理（寸法の算出処理等）については後に詳述する。

次のステップＳ１４において、コントローラ３１は、重量計４０による測定結果（測定対象物８０の重量）を取得する。

そして、ステップＳ１５において、コントローラ３１は、ステップＳ１１で入力された種類情報等とステップＳ１２で算出された寸法情報とステップＳ１４で取得された重量情報とに基づき、配送サービス料金を算出する。より具体的には、データベース３３内に記憶された料金情報（サービス種類および荷物種類ごとに、寸法および重量に応じて定められた料金情報）と測定対象物８０の寸法および重量等に基づき、配送サービス料金が算出される。

さらに、ステップＳ１６において、コントローラ３１は、配送サービス種類および荷物種類、測定対象物８０（配送対象物）の寸法情報（Ｗ，Ｈ，Ｄ）および重量、ならびに配送サービス料金等を表示部３５ｂに表示する。

＜１－３．ステレオ視における死角について＞
ここで、ステレオ視における死角について説明する。

図６は、当該死角の発生原理等について説明する図である。図６では、ステレオカメラ２０を構成する２台のカメラ２１，２２が、直方体形状の物体（測定対象物８０）の上方（＋Ｚ側）にて左右方向（Ｘ方向）に離間して下向き（－Ｚ方向）に設置されている。そして、当該２台のカメラ２１，２２による２枚の撮影画像２１１，２１２に基づき距離画像２２０（図８参照）が生成される。ここでは、左カメラ２１による左画像２１１の各画素位置に距離情報が埋め込まれて、距離画像２２０が生成される状況を想定する。なお、これに限定されず、たとえば、右カメラ２２による右画像２１２の各画素位置に距離情報が埋め込まれて、距離画像が生成されてもよい。

図６においては、ステレオカメラ２０（カメラ２１，２２）と測定対象物８０とのＸＺ平面における位置関係が主に示されている。ただし、図１と比較すると、特にＺ軸の向き（上下）が逆である。すなわち、図６（詳細には、その下部以外の部分）では、天地（上下）が逆転した状態で、ステレオカメラ２０と測定対象物８０との位置関係が示されている。

また、図６の下部（細破線で囲まれた２つの略矩形部分）においては、ステレオ画像２１０（カメラ２１による撮影画像２１１、およびカメラ２２による撮影画像２１２）が示されている。ただし、これらの撮影画像２１１，２１２におけるＹ方向は、図６の他の部分とは異なっている。図７は、図６の下部に示される撮影画像２１１，２１２を拡大して示す図である。なお、図６では、簡単化のため、直方体形状を有する測定対象物８０の４つの側面がＸＺ平面あるいはＹＺ平面に平行となるように、測定対象物８０が配置されている。

さて、ステレオ視による３次元位置測定においては、ステレオ画像２１０のうちの一の画像（ここでは左画像２１１）内の各画素に対応する画素（対応画素）を他の画像（ここでは右画像２１２）内にて探索する処理が実行される。２枚の画像２１１，２１２内で探索された両画素（或る画素とその対応画素）は、実空間にて同じ対象物の同じ位置に存在すると判定される。このような探索処理は、ステレオ画像における対応画素探索処理（対応点探索処理）、あるいはステレオマッチング処理などとも称される。また、当該一の画像は、ステレオマッチング処理における基準画像などとも称される。

このような探索処理により、左画像２１１内の各画素（各点）に対応する対応画素が画像２１２内にて探索されるとともに、当該各画素と当該各画素の対応画素との間の視差ｄ（画像２１２内での位置ずれ）がそれぞれ求められる。たとえば、或るＹ座標ｙ１を有する直線（水平ライン）に沿って各画素の対応画素を探索する際には、左画像２１１内の点Ｐ１１から点Ｐ１２までの各点には、右画像２１２内の各点Ｐ２１から点Ｐ２２までの各点がそれぞれ対応づけられる。そして、左画像２１１内の或る画素（ｘ１，ｙ１）に対して右画像２１２内の画素（ｘ１－ｄ，ｙ１）が対応することが判定されると、両画素間のＸ方向の視差ｄが求められる。なお、ここでは、レンズの歪み補正処理、ならびにステレオカメラ（およびステレオ画像）に関する平行化処理等は予め行われているものとする。

そして、画像２１１内の各画素と探索された対応画像との視差に基づき、三角測量の原理によって、画像２１１内の各画素（各点）に対応する各深度情報（距離情報）が算出される。具体的には、カメラとの距離ｚ（対象物とカメラとの光軸方向距離（深度情報））は、カメラの焦点距離Ｆ、２台のカメラの相互間距離Ｂ、および当該視差ｄに基づいて、式：ｚ＝Ｂ＊Ｆ／ｄ、などによって求められる。このような処理が画像２１１内の各画素について実行されることによって、各深度情報が画像２１１内の各画素位置にそれぞれ埋め込まれた画像（距離画像）２２０が生成される。

ところで、本来的には、ステレオマッチング処理における基準画像（左画像２１１等）内の全ての画素に関して、他方の画像（右画像２１２等）における対応画素が正確に求められることが好ましい。

しかしながら、図６に示すように、測定対象物８０がＺ方向に有意の大きさを有する場合、測定対象物８０による隠れ（オクル－ジョン）が発生する。詳細には、左カメラ２１には写っているものの右カメラ２２には写らない領域（ないし空間）、すなわち死角（詳細にはカメラ２２の死角）が発生する。図６では、直方体形状の測定対象物８０の左面（左辺）に隣接する部分（測定対象物８０の左側付近の特定空間）（図６の上部における三角形のグレー部分）が死角空間として示されている。このように、左画像２１１内の測定対象物８０の左側付近に、死角領域２１９（載置面５１ａ上の特定領域（図６の下部における矩形状のグレー部分））が存在する。当該死角領域２１９は、左カメラ２１には写っているものの右カメラ２２には写らない領域（右カメラ２２では撮影できない領域）であり、右カメラ２２の死角領域とも称される。換言すれば、死角領域２１９は、ステレオ画像２１０のうちの一方の画像（たとえば画像２１１）には写っているものの他方の画像（たとえば画像２１２）には写っていない領域である。

たとえば、或るＹ座標ｙ１を有する直線に沿って各画素の対応画素を探索する際には、左画像２１１内の点Ｐ１２から点Ｐ１５までの範囲（点Ｐ１４等を含む範囲）は、右カメラ２２の死角領域２１９内に存在する。当該範囲内の各点に（正確に）対応する画素は右画像２１２内には存在しない。

このような状況においては、左カメラ２１には写っている当該特定領域２１９内の各画素に関して、右カメラ２２の撮影画像（右画像）内の画素との対応づけがうまくいかない。その結果、視差ｄとして不正確な値が算出されること等が発生し、当該特定領域（詳細にはその各画素）に対応する３次元位置情報が不正確になる。換言すれば、当該特定領域には、いわゆる距離測定に関するノイズを有する画素（ノイズ点）が発生する。

これに対して、この実施形態においては、当該ノイズ点の影響を抑制する処理が実行される。当該ノイズ点の影響を抑制する処理については後述する。

＜１－４．寸法測定処理＞
次に、図３のステップＳ１２の処理について詳述する。

図４は、ステップＳ１２の処理の詳細を示すフローチャートである。以下、図４を参照しつつ当該処理について説明する。

まず、ステップＳ２１において、ステレオカメラ２０は、その２台のカメラによって２つの撮影画像（ステレオ画像２１０）を生成する。詳細には、ステレオカメラ２０のうちの一方のカメラ２１（たとえば左カメラ）により測定対象物８０を撮像した画像２１１と、他方のカメラ２２により測定対象物８０を撮像した画像２１２とが生成される（図６参照）。これらの画像２１１および画像２１２は、互いに略同一のタイミングで撮像される。

つぎに、ステレオカメラ２０は、ステレオ視方式によりステレオカメラ２０と測定対象物８０の表面上の各点との距離情報（深度情報）を算出する。たとえば、上述のように、まず、画像２１１内の各画素（各点）に対応する対応画素が画像２１２内にて探索される。つぎに、画像２１１内の各画素と探索された対応画像との視差ｄ（画像２１２内での位置ずれ）に基づき、三角測量の原理によって、画像２１１内の各画素（各点）に対応する各深度情報（距離情報）が算出される。そして、各深度情報が画像２１１内の各画素位置にそれぞれ埋め込まれた画像（距離画像）２２０が生成される。

そして、ステレオカメラ２０は、保持部５０に保持された測定対象物８０に関する撮影画像（ステレオ画像）、および当該ステレオ画像に基づく深度情報（距離画像２２０等）をコントローラ３１に受け渡す（ステップＳ２１）。

これに応じて、コントローラ３１は、測定対象物８０に関する撮影画像（ステレオ画像）２１０（２１１，２１２）および深度情報（距離画像２２０等）（図８参照）を取得する。図８は、ステレオ画像２１０（２つの画像２１１，２１２）と、当該２つの画像に基づいて生成された距離画像２２０とを示す図である。図８においては、直方体形状を有する測定対象物８０の４つの側面がＸＺ平面とＹＺ平面とのいずれに対しても平行ではない（傾いた）状態で測定対象物８０が撮影されている。測定対象物８０の上面および下面は、いずれもＸＹ平面に対して平行（ほぼ平行）である。図８の下段においては、距離画像２２０が示されている。図８の距離画像２２０においては、距離の大小が各画素の濃淡で表現されている。

そして、ステップＳ２２において、コントローラ３１は、当該ステレオ画像２１０および当該距離画像（距離情報）２２０に基づいて、測定対象物８０に関する測定対象物８０の表面のポイントクラウド３００を生成（取得）する。当該ポイントクラウド３００の各点は、３次元位置情報（距離情報等）を有している。

詳細には、コントローラ３１は、測定対象物８０の表面の各点（各部分）の３次元位置情報（実空間内での３次元位置情報）を、座標系Σ２で表現された情報として取得する。具体的には、コントローラ３１は、カメラ座標系Σ１での位置情報（撮影画像内での平面位置および撮影画像の法線方向における奥行き位置）を、作業空間（たとえば透明部材５１の上面５１ａ）に対して固定された座標系Σ２での３次元位置情報へと変換する。カメラ座標系Σ１は、たとえば、撮影画像平面に平行な直交２軸と当該撮影画像平面に垂直な方向に伸びる１軸との直交３軸を基準とする３次元直交座標系である。また、変換後の座標系Σ２は、たとえば、透明部材５１の上面５１ａに平行な直交２軸（Ｘ軸およびＹ軸）と当該直交２軸に垂直な方向（高さ方向）に伸びる１軸（Ｚ軸）との直交３軸を基準とする３次元直交座標系である。図１等においては、変換後の座標系Σ２の一例として、透明部材５１の上面５１ａに固定されたＸＹＺ直交座標系が示されている。当該座標系Σ２のＺ座標値は、当該上面５１ａ（測定対象物８０の載置面）からの高さに相当する。

このようにして、コントローラ３１は、測定対象物８０の各点（各部分）の３次元位置情報を取得（算出）する。具体的には、ポイントクラウドデータ（点群データ）における各微小領域（撮影画像の各画素に対応する微小部分（微小領域））の３次元位置の情報が取得される。

ステップＳ２３において、コントローラ３１は、測定対象物８０のポイントクラウド３００のうち、所定の高さ以上の点群（測定対象物８０の上面等の点群）を抽出する。詳細には、コントローラ３１は、測定対象物８０の表面のポイントクラウド（点群）３００の中から、測定対象物８０の載置面５１ａからカメラ光軸方向においてカメラ側に向けて所定程度以上離れた点を抽出する。たとえば、載置面５１ａから一定値（たとえば１～５ｃｍ（センチメートル）等）以上離れた点群が、測定対象物８０の表面のポイントクラウド３００（３１０）として抽出される。このようにして、測定対象物８０の周辺のポイントクラウド（載置面５１ａ等のポイントクラウド）３３０が除外されて、測定対象物８０の表面のポイントクラウド３００（３１０）が抽出される。

図９の上段においては、測定対象物８０のポイントクラウド３００および測定対象物８０の近傍領域のポイントクラウド３３０が示されている。一方、図９の下段においては、これらのポイントクラウド３００，３３０のうち、測定対象物８０のポイントクラウドであり且つ一定以上の高さを有するポイントクラウド３１０（ここでは測定対象物８０の上面のポイントクラウド）が示されている。なお、図９では、３次元位置情報を有するポイントクラウド３００（３１０），３３０の各点にカラー画像２３０の対応点の画素値（階調値）を付与することによって得られた立体画像が示されている。換言すれば、図９では、表面テクスチャが貼り付けられた状態で測定対象物８０（その表面のポイントクラウド３００）等が示されている。

さらに、ステップＳ２３においては、測定対象物８０の高さＨが算出される。具体的には、コントローラ３１は、ステップＳ２２（あるいはステップＳ２３）で取得された測定対象物８０のポイントクラウド３００（３１０）のうち、そのＺ座標（載置面５１ａからの高さに対応）が上位数％（たとえば５％）以内の点群を選択する。そして、コントローラ３１は、選択された当該点群のＺ座標値の平均値を高さＨとして算出する。あるいは、測定対象物８０のポイントクラウド３００（３１０等）のＺ座標値のうちの最大値（最大Ｚ座標値）が高さＨとして算出されてもよい。あるいは、ノイズを除去するため、そのＺ座標が上位１％以内等の点群を除外した上で、残りの点群のうちそのＺ座標が上位数％以内の点群の平均値あるいは最大値が算出されてもよい。

なお、測定対象物８０の高さＨは、ここではステップＳ２３にて算出されているが、これに限定されず、ステップＳ２８（Ｓ３５），Ｓ２９等にて算出されてもよい。

次のステップＳ２４において、コントローラ３１は、測定対象物８０の表面のポイントクラウド３１０を所定の射影平面に対して射影した射影画像２４０（図１０の上段参照）を生成する。ここでは、所定の射影平面として、ステレオカメラ２０の光軸方向に垂直な平面（詳細には水平平面（ＸＹ平面））を例示する。

この射影画像２４０においては、測定対象物８０のポイントクラウド３１０に関する射影点が存在する画素が白色で示されており、ポイントクラウド３１０に関する射影点が存在しない画素が黒色で示されている。端的に言えば、ポイントクラウド３１０の射影領域が白色（画素値「１」あるいは「２５５」等）で示され、その背景が黒色（画素値「０」等）で示されている。換言すれば、ポイントクラウド３１０の射影画像２４０が２値化された状態で示されている。

なお、ここでは、測定対象物８０の上面のポイントクラウド３００（３１０）の射影画像２４０が生成されているが、これに限定されず、測定対象物８０のほぼ全てのポイントクラウド３００の射影画像２４０が生成されてもよい。

ステップＳ２５において、コントローラ３１は、測定対象物８０の表面のポイントクラウドの中から、測定対象物８０の輪郭点を選択するとともに、当該輪郭点の集合に基づき推定される輪郭（推定輪郭あるいは暫定輪郭とも称する）を求める。

具体的には、コントローラ３１は、射影画像２４０に基づいて、測定対象物８０の輪郭点（たとえば、数百個から数千個の輪郭点）を抽出する。詳細には、射影画像２４０における白色画素のうち、黒色画素との境界に存在する点が抽出される。たとえば、射影画像２４０の白色領域内の或る画素（白色画素）の４近傍（上下左右の４つの位置）のいずれかに黒色画素が存在する場合、当該白色画素（詳細には、当該白色画素に対応する３次元空間内の点）が輪郭点として抽出される。逆に、当該４近傍のいずれにも黒色画素が存在しない場合、当該白色画素は輪郭点でないと判定される。このような処理を射影画像２４０の白色領域内の全ての画素について実行することによって、測定対象物８０の輪郭点が抽出される。なお、ここでは、４近傍画素を用いた輪郭抽出を例示しているが、これに限定されない。たとえば、８近傍画素（上記４近傍画素（上下左右の４画素）に斜めの近傍４画素（左上、右上、左下、右下の４画素）を加えた合計８画素）を用いた輪郭抽出などの他の手法によって輪郭点が抽出されてもよい。

そして、コントローラ３１は、このような処理によって抽出された複数の輪郭点（輪郭点の集合体）に基づいて推定される輪郭（射影画像２４０内における測定対象物８０の輪郭）を、推定輪郭３５０として求める。たとえば、互いに隣接する当該輪郭点を接続して得られる曲線が推定輪郭３５０として求められる。換言すれば、推定輪郭３５０は、当該輪郭点の集合体に基づいて構成される。図１０の下段には、図１０の上段の射影画像２４０（２４０ａ）に基づいて求められた推定輪郭３５０（３５０ａ）等が示されている。

ステップＳ２６において、コントローラ３１は、射影画像２４０に基づいて、測定対象物の推定輪郭３５０の形状（測定対象物８０を上方から見た輪郭形状（測定対象物８０の上面の輪郭形状）等）を判定する。詳細には、推定輪郭３５０が矩形であるか否かが判定される。

具体的には、コントローラ３１は、射影画像２４０内の射影領域（白色領域）（換言すれば、推定輪郭３５０）に外接する外接矩形（外接長方形）４１０を求める（図１１参照）。そして、当該外接矩形４１０（４１０ａ等）の面積が当該白色領域の面積にほぼ一致する場合（外接矩形４１０（４１０ａ等）に対する白色領域の面積比が所定値以上の場合等）には、推定輪郭３５０の形状が矩形であると判定される。一方、そうでない場合（外接矩形４１０（４１０ｂ等）に対する白色領域の面積比が所定値未満である場合等）には、推定輪郭３５０の形状が矩形ではないと判定される。たとえば、当該白色領域の面積を外接矩形４１０の面積で除した算出値が、１（１００％）に近い場合（所定値（たとえば、０．９５（９５％））以上である場合）、推定輪郭３５０（３５０ａ）の形状が矩形であると判定される。一方、当該算出値が当該所定値未満である場合、推定輪郭３５０（３５０ｂ）の形状は矩形ではない（非矩形である）と判定される。

図１１は、推定輪郭３５０の形状（概略形状）の判定例を示す図である。図１１の左下においては、推定輪郭３５０（３５０ａ）の形状が矩形である（射影画像２４０（２４０ａ）内の白色領域が矩形である）と判定される場合が示されている。一方、図１１の右下においては、推定輪郭３５０（３５０ｂ）の形状が矩形でない（射影画像２４０（２４０ｂ）内の白色領域が矩形でない）と判定される場合が示されている。

ここにおいて、推定輪郭３５０の形状判定は、概略形状を判定するものであれば十分であり、厳密な形状（厳密な矩形であるか否か等）を判定することを要しない。

推定輪郭３５０の形状が矩形である場合には、ステップＳ２７からステップＳ２８に進む。一方、推定輪郭３５０の形状が矩形でない場合には、ステップＳ２７からステップＳ２９に進む。

以下、まずステップＳ２８について説明する。

ステップＳ２８においては、推定輪郭３５０（３５０ａ）のうち少なくともノイズ輪郭部３５５（後述）に含まれる点群に関して所定の処理が施されることにより、当該推定輪郭３５０（特にノイズ輪郭部３５５）が修正される。当該矩形を構成する４辺Ｌ１～Ｌ４（図１３の下段参照）の少なくとも一部は、外接矩形４１０の４辺Ｍ１～Ｍ４（図１３の上段参照）とは異なる線分として決定される。ここでは、辺Ｌ１，Ｌ３は、外接矩形４１０の辺Ｍ１，Ｍ２としてそれぞれ決定され、辺Ｌ２，Ｌ４は、外接矩形４１０の辺Ｍ２，Ｍ４とは異なる線分として決定される。なお、図１３の下段においては、推定輪郭３５０を構成する輪郭点（幾つかの輪郭点）が丸印で示されている。

詳細には、推定輪郭３５０を構成する４辺Ｌ１～Ｌ４のうちノイズ輪郭部３５５に対応する辺Ｌ２，Ｌ４（詳細にはその位置および方向）が、ノイズ輪郭部３５５のうち当該辺Ｌ２，Ｌ４に対応する部分に含まれる点群（輪郭点群）に基づいて修正される。より詳細には、当該点群に関して所定の処理（ノイズ点の影響を抑制する統計処理（ロバスト推定処理、あるいはハフ変換処理等））が施されることにより、当該点群を近似する近似直線が求められる。

図５は、ステップＳ２８の詳細動作を示すフローチャートである。

図５に示されるように、ステップＳ３１においてコントローラ３１は推定輪郭３５０のうち、非ノイズ輪郭部３５３とノイズ輪郭部３５５とを特定する。

ノイズ輪郭部３５５は、推定輪郭３５０のうち、不正確な位置情報を有するノイズ点を所定程度以上（所定数以上）含むと推定される部分である。ノイズ輪郭部３５５は、たとえば、推定輪郭３５０のうち、カメラ２２の死角領域（画像２１２には写っていない死角領域）２１９に隣接し或いは当該死角領域２１９に包含される部分である。詳細には、推定輪郭３５０のうち、カメラ２２の死角領域２１９に隣接する部分（死角領域２１９と非死角領域との境界線２１８付近の輪郭点等）は、ノイズ輪郭部３５５であると判定される（図７および図８参照）。また、推定輪郭３５０のうち、カメラ２２の死角領域２１９に包含される部分（グレー領域内の輪郭点）も、ノイズ輪郭部３５５であると判定される（図７および図８参照）。換言すれば、ノイズ輪郭部３５５は、推定輪郭３５０のうち死角領域２１９に隣接する部分（境界線２１８付近）と、推定輪郭３５０のうち当該死角領域２１９に包含される部分（グレー領域内の部分）との和領域（ＯＲ領域）である。

たとえば、カメラ２２の死角領域に隣接する点Ｐ１２，Ｐ６１（図７、図８および図１３参照）が、推定輪郭３５０を構成する輪郭点である場合、当該点Ｐ１２，Ｐ６１は、ノイズ輪郭部３５５を構成する輪郭点であると判定される。また、カメラ２２の死角領域に包含される点Ｐ１４，Ｐ１５，Ｐ６２，Ｐ６３（図７、図８および図１３参照）が、推定輪郭３５０を構成する輪郭点である場合、点Ｐ１４，Ｐ１５，Ｐ６２，Ｐ６３は、ノイズ輪郭部３５５を構成する輪郭点であると判定される。このように、ノイズ輪郭部３５５は、推定輪郭３５０の輪郭点のうち、カメラ２２の死角領域に隣接し或いは当該死角領域に包含される部分に存在する輪郭点の集合に基づいて生成される。

一方、非ノイズ輪郭部３５３は、推定輪郭３５０のうち、ノイズ輪郭部３５５ではない部分（所定程度よりも正確な輪郭部分）である。換言すれば、非ノイズ輪郭部３５３は、不正確な位置情報を有するノイズ点の包含量が所定程度未満（所定数未満）であると推定される輪郭部分である。たとえば、推定輪郭３５０のうち、カメラ２２の死角領域２１９から大きく離れた輪郭点（点Ｐ１１，Ｐ５１等）（図７、図８および図１３参照）で構成される輪郭部分は、所定程度未満（所定個数未満）のノイズ点包含量を有する輪郭部分であると判定（推定）される。すなわち、当該輪郭部分は、非ノイズ輪郭部３５３であると判定される。

図８の上段においては撮影画像２１１，２１２が示されており、図８の中段においては、当該撮影画像２１１，２１２が模式的に示されている。当該中段においては、左画像２１１において、右カメラ２２の死角領域２１９（グレー部分）が模式的に示されている。

たとえば、或るＹ座標を有する直線（水平ライン）に沿って左画像２１１内の右端側から左端側に向けて測定対象物８０の存在場所を横断するように走査する状況を想定する。この場合、当該中段に示されるように、測定対象物８０の一方端からの横断が、或る点（Ｐ１１等）にて開始され、その後、当該横断は、測定対象物８０の他方端に対応する他の点（Ｐ１２等）にて終了する。そして、当該他方端の左側に、カメラ２２の死角領域（点Ｐ１２から点Ｐ１５までの範囲）が存在する。他のＹ座標を有する直線に沿って左画像２１１内の右端側から左端側に向けて測定対象物８０の存在場所を横断するように走査する際も同様である。

このように、不正確な位置情報を有するノイズ点は、画像２１１において本来の輪郭（境界線２１８参照）よりも左側のグレー部分（死角領域２１９）に存在する。

ここにおいて、推定輪郭３５０の形状が矩形である場合、当該矩形を構成する４辺Ｌ１～Ｌ４のうち、画像内の右端に近い２辺付近の点は、２つの画像（ステレオ画像）の相互間の対応関係が正確に把握できる点であると考えられる。一方、矩形を構成する４辺のうち、画像内の右端に近い２辺以外の２辺（すなわち、画像内の左端に近い２辺）付近には、２つのステレオ画像の相互間の対応関係が正確に把握できない点（ひいては、不正確な位置情報を有するノイズ点）が比較的多く存在すると考えられる。

そこで、この実施形態では、推定輪郭３５０のうち、画像内の左端に近い２辺（詳細には、当該２辺付近）の輪郭がノイズ輪郭部３５５として判定される。また、推定輪郭３５０のうち、画像内の右端に近い２辺（詳細には、当該２辺付近）の輪郭が非ノイズ輪郭部３５３として判定される。換言すれば、推定輪郭３５０を構成する４辺Ｌ１～Ｌ４のうち、画像内の左端に近い当該２辺がノイズ輪郭部３５５として判定され、画像内の右端に近い当該２辺が非ノイズ輪郭部３５３として判定される。

より具体的には、形状判定に用いた外接矩形４１０の４つの頂点Ｑ１～Ｑ４のうち、そのＸ座標が最も大きな点Ｑ１と、そのＸ座標がその次に大きな点Ｑ２と、そのＸ座標が更にその次に大きな点Ｑ３との３つの点が選択される（図１２上段参照）。そして、上記４辺Ｌ１～Ｌ４のうち、点Ｑ１と点Ｑ２とを結ぶ線分Ｍ１（辺）に対応する辺Ｌ１と、点Ｑ１と点Ｑ３とを結ぶ線分Ｍ３（辺）に対応する辺Ｌ３とが、非ノイズ輪郭部３５３として特定（判定）される（図１２中段および図１３参照）。換言すれば、推定輪郭３５０のうち、２つの辺Ｌ１，Ｌ３に対応する輪郭部分が、非ノイズ輪郭部３５３として特定される。一方、点Ｑ４と点Ｑ３とを結ぶ線分Ｍ２（辺）に対応する辺Ｌ２と、点Ｑ４と点Ｑ２とを結ぶ線分Ｍ４（辺）に対応する辺Ｌ４とが、ノイズ輪郭部３５５として特定（判定）される。換言すれば、推定輪郭３５０のうち、２つの辺Ｌ２，Ｌ４に対応する輪郭部分が、ノイズ輪郭部３５５として特定される。

なお、点Ｑ１と点Ｑ２とが同じＸ座標である場合（外接矩形４１０がＹ軸（およびＸ軸）に平行な場合）、他の２点のうち何れの点が点Ｑ３であると判定されてもよい。また、その場合、上記４辺Ｌ１～Ｌ４のうち、点Ｑ３と点Ｑ４とを結ぶ辺（線分）Ｍ２に対応する辺Ｌ４のみがノイズ輪郭部３５５として判定（特定）されてもよい。

ステップＳ３２において、コントローラ３１は、外接矩形４１０がＹ軸（およびＸ軸）に平行になるように、当該外接矩形４１０、射影画像２４０および推定輪郭３５０を（Ｚ軸に平行な軸周りに）回転する。これにより、当該外接矩形４１０、射影画像２４０および推定輪郭３５０の傾きが補正される（図１２の最下段、および図３の上段参照）。

ステップＳ３３において、コントローラ３１は、矩形として推定（判定）される推定輪郭３５０の４辺Ｌ１～Ｌ４のうち非ノイズ輪郭部３５３として判定される辺Ｌ１，Ｌ３の位置および方向を求める。具体的には、コントローラ３１は、非ノイズ輪郭部３５３（２辺）の輪郭（各辺）を直線近似する。

ここでは、コントローラ３１は、外接矩形４１０の４辺のうちの辺Ｍ１，Ｍ３自体を、非ノイズ輪郭部３５３の辺Ｌ１，Ｌ３を示す線分としてそのまま決定する。

つぎに、ステップＳ３４において、コントローラ３１は、矩形として推定（判定）される推定輪郭３５０の４辺Ｌ１～Ｌ４のうち、ノイズ輪郭部３５５として判定される辺Ｌ２，Ｌ４の位置および方向を求める。具体的には、コントローラ３１は、ノイズ輪郭部３５５（２つの辺Ｌ２，Ｌ４）の輪郭部分（各辺）を直線近似する。辺Ｌ２は、辺Ｌ１に対向する辺であり、辺Ｌ４は、辺Ｌ３に対向する辺である。

外接矩形４１０の４辺のうちの辺Ｍ３，Ｍ４は、ノイズ輪郭部３５５の近似直線（辺Ｌ３，Ｌ４）としては決定されない。コントローラ３１は、ノイズ輪郭部３５５に含まれる点群に関して所定の処理（点群に含まれるノイズ点の影響を抑制するための特定の統計処理）を施して当該ノイズ輪郭部３５５を修正する。より詳細には、コントローラ３１は、推定輪郭３５０のうち当該辺Ｌ２に対応する部分に含まれる点群を用いた特定の統計処理（ノイズに対してロバストな統計処理）を伴う直線推定処理によって、ノイズ輪郭部３５５として判定される辺（線分）Ｌ２，Ｌ４の位置および方向を推定する。このような直線推定処理によって、当該各辺Ｌ２，Ｌ４に係るノイズ輪郭部３５５が修正される。なお、当該特定の統計処理としては、後述するように、ハフ変換処理、ロバスト推定処理、中央値求解処理等が例示される。

推定輪郭３５０のうち、辺Ｍ２の右側に隣接する所定幅ΔＸ２（たとえば、３ｃｍ）の矩形範囲Ｒ２（細い破線で示される）内に存在する輪郭点が、推定輪郭３５０のうち辺Ｌ２に対応する部分に含まれる点群として利用される（図１３参照）。なお、矩形範囲Ｒ２内の点のうち、辺Ｍ３，Ｍ４に近い部分（上端側および下端側）に存在する点群は、利用されなくてもよい。

ここにおいて、辺Ｌ１に対向する辺Ｌ２は、辺Ｌ１に平行である、との幾何学的条件が存在する。そこで、この実施形態では、当該幾何学的条件を利用して、辺Ｌ２が辺Ｌ１に平行であることを前提（条件）に、辺Ｌ２の直線が推定される。すなわち、辺Ｌ２の直線の方向は、辺Ｌ１の直線の方向と同一である、と判定する。そして、実質的に辺Ｌ２の位置のみが推定される。

たとえば、式：ｘ＝ａ＊ｙ＋ｂ、で推定される直線の傾きａ（直線の方向を表す値）は、辺Ｌ２と辺Ｌ１とで共通（同じ）（たとえば、図１３のような傾き補正後においては、いずれも同じ傾きａ（且つａ＝０（ゼロ））である。そして、値ｂのみが、各種の手法によって算出されればよい。なお、辺Ｌ４（，Ｌ３）の直線推定においては、式：ｙ＝ａ＊ｘ＋ｂ、等が利用されればよい。

あるいは、上記（（ａ，ｂ）等）以外のパラメータセットが用いられてもよい。たとえば、直線を式：ρ＝ｘ＊cosθ＋ｙ＊sinθ、で表現することにより得られる他のパラメータセット（ρ，θ）が用いられてもよい。上記の幾何学的条件を利用する場合、傾き補正後の辺Ｌ１，Ｌ２（θ＝０度）は、式：ρ＝ｘで表現され、パラメータρのみが各種の手法によって算出されればよい。また、傾き補正後の辺Ｌ３，Ｌ４（θ＝９０度）は、式：ρ＝ｙで表現され、パラメータρのみが各種の手法によって算出されればよい。

ノイズ点の影響を抑制するための所定の処理としては、ハフ変換処理（詳細には、ハフ変換を用いた直線推定処理）が例示される。ハフ変換は、画像から特定図形（直線、円等）を検出する手法である。具体的には、ハフ変換においては、画像内の特定図形（輪郭）上の複数の点のそれぞれについて、当該特定図形を構成し得るパラメータの組（パラメータセット）が求められる。そして、パラメータ空間を離散的に区分した複数の区分領域のうち、最も多くのパラメータセットの存在する区分領域（特定区分領域）が（多数決に基づき）求められ、当該特定区分領域に対応するパラメータセットに基づいて特定図形が求められる。

一般的には、２次元空間（２次元平面）において直線を表すパラメータセットの構成要素は、２個（２次元）である。一方、辺Ｌ１と辺Ｌ２とが平行である旨の幾何学的条件を用いることによって、パラメータセットの次元数を実質的に「１」に低減することが可能である。特に、推定輪郭３５０の傾きが補正される場合、傾き補正後の直線は、Ｙ方向あるいはＸ方向に平行な直線であるので、パラメータセットの構成要素を判りやすい１個に低減し、算出処理を簡略化することが可能である。この場合、次のようなハフ変換処理が行われればよい。

具体的には、まず、画像内の輪郭点のそれぞれに対応するパラメータ（たとえばρ）が各輪郭点について求められ、各輪郭点を当該パラメーラに関する投影平面（次元数＝１の場合、投影直線）に投影する投影処理が実行される。投影直線としては、推定直線（辺Ｌ２）が基準直線（辺Ｌ１）に平行であることに基づき、たとえば基準直線（辺Ｌ１）に垂直な直線が用いられればよい。つぎに、投影平面（投影直線）を区分した複数の区分領域（区分範囲）のうち、投影処理において最も多くの点が投影された特定区分領域（特定区分範囲）が（多数決に基づき）求められる。そして、当該特定区分領域に投影された点群に基づき、辺Ｌ２の位置（たとえば、ｘ＝ρ＝ρ２）が求められる。たとえば、辺Ｌ２は、辺Ｌ１に平行であり且つρ＝ρ２に対応する位置に設けられた直線：ｘ＝ρ２として求められる。このようにして、辺Ｌ２を表す直線、換言すれば、辺Ｌ２の位置および方向が求められる。なお、辺Ｌ１と辺Ｌ２との距離が求められれば十分であるので、辺Ｌ２の位置のうち、辺Ｌ１に対して垂直な方向における位置（Ｘ方向位置）が特定されれば十分である。すなわち、辺Ｌ２の位置のうち、辺Ｌ２の伸延方向における当該辺Ｌ２の位置（Ｙ方向位置）は特定されることを要しない。

このようなハフ変換処理においては、輪郭点のうちのノイズ点（輪郭点として一旦抽出されるものの実際にはノイズである点）は、様々な特定区分領域に散在するように投影される。その結果、当該ノイズ点は多数決において排除され得る。したがって、様々な特定区分領域に散在して投影されるノイズ点の影響を受けにくくなるので、ノイズに対してロバストな直線推定処理を実現することが可能である。

また、当該所定の処理としては、ロバスト推定処理（たとえば、Ｍ推定法（TukeyのBiweight推定法）等）に基づく直線推定処理も例示される。当該Ｍ推定法に基づく直線推定処理は、点群の近似直線を最小二乗法を用いて推定する直線推定処理であって、最小二乗法の誤差に関する重み付け処理（推定近似直線との各点との誤差が大きいほど最小二乗法への影響を低減する重み付け処理）を反映した直線推定処理）である。これによれば、近似直線との各点との誤差が大きなノイズ点の影響を抑制することができるので、ノイズに対してロバストな直線推定処理を実現することが可能である。

また、当該所定の処理としては、中央値を用いた直線推定処理（詳細には、所定方向（基準直線の伸延方向に垂直な方向）における推定対象直線（近似直線）の位置を輪郭点の点群の当該所定方向位置に関する中央値を用いて求める処理）も例示される。たとえば、９９９個の輪郭点が存在する場合、そのＸ座標に基づいて当該輪郭点がソーティングされ（並べ替えられ）、５００番目の順位の輪郭点のＸ座標（中央値）が値ｂとして決定されればよい。これによれば、ソーティング後の順位における最上位付近あるいは最下位付近の輪郭点の影響が排除されるので、ノイズ点の影響を抑制することが可能である。すなわち、ノイズに対してロバストな直線推定処理を実現することが可能である。

このようにして、ノイズ輪郭部３５５として判定される辺Ｌ２（辺Ｌ１に対向する辺Ｌ２）の位置および方向が、測定対象物８０の輪郭点のうち辺Ｌ２に対応する部分に含まれる点群に基づき、辺Ｌ２が辺Ｌ１に平行であることを前提に推定される。より詳細には、辺Ｌ２（ノイズ輪郭部３５５）が辺Ｌ１（非ノイズ輪郭部３５３）に平行であることを前提に、ノイズ点の影響を抑制する特定の統計処理が施されて、辺Ｌ２（ノイズ輪郭部３５５）が修正される。なお、上記の手法においては、測定対象物８０の輪郭点のうち辺Ｌ２に対応する部分に含まれる全ての点群が利用されてもよく、当該辺Ｌ２に対応する部分に含まれる一部の点群のみ（数点おきに間引かれた点群等）が利用されてもよい。

辺Ｌ４についても同様である。具体的には、ノイズ輪郭部３５５として判定される辺Ｌ４（辺Ｌ３に対向する辺Ｌ４）の位置および方向が、測定対象物８０の輪郭点のうち辺Ｌ４に対応する部分に含まれる点群に基づき、辺Ｌ４が辺Ｌ３に平行であることを前提に推定される。より詳細には、辺Ｌ４（ノイズ輪郭部３５５）が辺Ｌ３（非ノイズ輪郭部３５３）に平行であることを前提に、ノイズ点の影響を抑制する特定の統計処理が施されて、辺Ｌ４（ノイズ輪郭部３５５）が修正される。また、測定対象物８０の輪郭点のうち辺Ｌ４に対応する部分に含まれる全ての点群が利用されてもよく、当該辺Ｌ４に対応する部分に含まれる一部の点群のみが利用されてもよい。

このようにして、推定輪郭３５０が修正される。詳細には、推定輪郭３５０のうちのノイズ輪郭部３５５（辺Ｌ２，Ｌ４）が推定輪郭３５０のうちの非ノイズ輪郭部３５３（辺Ｌ１，Ｌ３）に平行であることに基づき、ノイズ輪郭部３５５（辺Ｌ２，Ｌ４）が修正される。なお、修正後の推定輪郭３５０は確定輪郭（ないし修正輪郭）等とも称される。

そして、ステップＳ３５において、測定対象物８０の寸法（幅Ｗ、奥行きＤ、高さＨ）が算出（測定）される。ただし、測定対象物８０の高さＨ（Ｚ方向の大きさ）は、上述のように既に算出されており、既に算出された値がそのまま用いられればよい。

測定対象物８０の幅Ｗ（Ｘ方向の大きさ）は、辺Ｌ１と辺Ｌ２との距離（辺Ｌ１のＸ座標値Ｘ１と辺Ｌ２のＸ座標値Ｘ２との差分値（Ｘ２－Ｘ１））として算出される（図１３下段参照）。

また、測定対象物８０の奥行きＤ（Ｙ方向の大きさ）は、辺Ｌ３と辺Ｌ４との距離（辺Ｌ３のＹ座標値Ｙ１と辺Ｌ２のＹ座標値Ｙ２との差分値（Ｙ２－Ｙ１））として算出される。

つぎに、ステップＳ２９について説明する。推定輪郭３５０の形状が矩形でない場合、ステップＳ２７からステップＳ２９に進む。なお、ステップＳ２９の前のステップＳ２７（図４）にて推定輪郭３５０が矩形でないと判定される場合、推定輪郭３５０（３５０ｂ）の形状は不明である。図１４では、推定輪郭３５０が略楕円形状（測定対象物８０が略楕円柱形状）を有している状況が例示されている。

ステップＳ２９では、ステップＳ２８とは異なり、ノイズ輪郭部３５５の特定処理、および当該ノイズ輪郭部３５５の修正処理（推定輪郭３５０に関する直線推定処理等）は行われない。コントローラ３１は、外接矩形４１０に基づく傾き補正処理を実行した後（図１４参照）、寸法測定処理を実行する。

具体的には、推定輪郭３５０（３５０ｂ）に含まれる輪郭点のうち最も右側の点のＸ座標Ｘmaxと最も左側の点のＸ座標Ｘminとの差分値（Ｘmax－Ｘmin）が、測定対象物８０の幅Ｗ）として算出される（図１４参照）。また、推定輪郭３５０に含まれる輪郭点のうち最も上側の点のＹ座標Ｙmaxと最も下側の点のＹ座標Ｙminとの差分値（Ｙmax－Ｙmin）が、測定対象物８０の奥行きＤとして算出される。

測定対象物８０の高さＨについては、上述の通りである。なお、推定輪郭３５０が矩形でない場合（測定対象物８０が直方体でない場合）には、測定対象物８０のポイントクラウド３００（３１０等）のＺ座標値に関する平均値ではなく最大値（最大Ｚ座標値）等が高さＨとして算出されることが好ましい。

以上のような処理によれば、物体の推定輪郭３５０のうちカメラの死角領域２１９に関するノイズ輪郭部３５５が特定され（ステップＳ３１）、当該ノイズ輪郭部３５５に含まれる点群に関して所定の処理を施してノイズ輪郭部３５５が修正される（ステップＳ３４）。そして、修正後のノイズ輪郭部３５５を含む推定輪郭３５０に基づいて、物体の寸法が測定される（ステップＳ３５）。したがって、ステレオカメラの死角に起因する測定誤差を抑制することが可能である。

詳細には、測定対象物の輪郭点のうち辺Ｌ２，Ｌ４（ノイズ輪郭部３５５）に対応する部分に含まれる点群に対して当該点群に含まれるノイズ点の影響を抑制するための特定の統計処理を施すことによって、当該辺Ｌ２，Ｌ４の位置および方向が推定される。より詳細には、ノイズ点の影響を抑制するための特定の統計処理を利用した直線推定処理が実行される。これにより、推定輪郭３５０を構成する輪郭点のうちのノイズ点の影響が抑制され、辺Ｌ２が辺Ｍ２よりも本来の外形線に近い位置に描画される。たとえば、辺Ｌ２と辺Ｌ１との距離（すなわち、修正後の幅Ｗ）は、辺Ｍ２と辺Ｍ１との距離（すなわち、修正前の幅：Ｗ０＝Ｘmax－Ｘmin）よりも小さくなる（図１３参照）。同様に、辺Ｌ４と辺Ｌ３との距離（すなわち、修正後の奥行きＤ）は、辺Ｍ４と辺Ｍ３との距離（すなわち、修正前の奥行き：Ｄ０＝Ｙmax－Ｙmin）よりも小さくなる。端的に言えば、大き過ぎた推定輪郭３５０が、一回り小さな輪郭（より正確な輪郭）へと修正される。したがって、外接矩形によって物体上面の輪郭を近似して当該物体上面の寸法（幅など）を測定する場合に比べて、より正確に寸法を測定することが可能である。

特に、上記実施形態においては、推定輪郭３５０の形状が矩形である場合、ノイズ輪郭部３５５として判定される辺Ｌ２の位置等は、非ノイズ輪郭部３５３として判定される辺Ｌ１（辺Ｌ２に対向する辺Ｌ１）に平行であることを前提に、推定される。したがって、所定程度以上正確な非ノイズ輪郭部３５３である辺Ｌ１の方向情報と、両辺Ｌ１，Ｌ２が互いに平行である旨の幾何学的特性とを利用して、ノイズ輪郭部３５５の辺Ｌ２の位置等を正確に求めることが可能である。ひいては、測定対象物８０の寸法の測定誤差をさらに抑制することが可能である。

＜２．第２実施形態＞
第２実施形態は、第１実施形態の変形例である。以下では、第１実施形態との相違点を中心に説明する。

上記第１実施形態においては、射影画像２４０に基づき測定対象物８０の輪郭点が抽出されて推定輪郭３５０が求められた後、当該推定輪郭３５０の２次元座標を用いて推定輪郭３５０の（２次元空間内における）直線が推定されている。

第２実施形態においては、当該推定輪郭３５０の３次元座標を用いて推定輪郭３５０の（３次元空間内における）直線が推定される態様について説明する。

なお、第１実施形態における推定輪郭３５０は、測定対象物８０表面のポイントクラウドの所定の射影平面（ＸＹ平面等）への射影画像の輪郭である２次元輪郭である、とも表現される。また、第２実施形態における推定輪郭３５０は、当該２次元輪郭を３次元に戻した（Ｚ座標も加えた）３次元輪郭である、とも表現される。

第２実施形態では、ステップＳ２８（図４および図５参照）の処理、特にステップＳ３４（図５参照）の処理が第１実施形態とは異なっている。

第２実施形態では、ステップＳ３２までの処理が第１実施形態と同様にして実行された後、ステップＳ３３以降において次のような処理が実行される。

第２実施形態においては、抽出（特定）された推定輪郭３５０に関する３次元情報が利用される。

ステップＳ３３，Ｓ３４では、推定輪郭３５０の３次元情報に基づき、３次元空間内の直線（近似直線）が推定される。

推定輪郭３５０に含まれる点群は、本来的には３次元座標値（Ｘ，Ｙ，Ｚ）を有するものの、第１実施形態では、当該点群の主に２次元座標値（Ｘ，Ｙ）を利用した。一方、この第２実施形態では、当該点群の３次元座標値（Ｘ，Ｙ，Ｚ）を利用する。すなわち、当該点群のＺ座標値をも利用する。

具体的には、ステップＳ３３において、３次元空間内での基準直線Ｌ１，Ｌ３を特定する処理が実行される。たとえば、非ノイズ輪郭部３５３として判定される辺Ｌ１は、外接矩形４１０の辺Ｍ１と同じ２次元情報（平面内位置および平面内方向）を有し、載置面５１ａに平行であり且つ高さＨに存在する直線（線分）として特定されればよい。辺Ｌ３についても同様である。辺Ｌ３は、外接矩形４１０の辺Ｍ３と同じ２次元情報（平面内位置および平面内方向）を有し、載置面５１ａに平行であり且つ高さＨに存在する直線（線分）として特定されればよい。

また、ステップＳ３４において、ノイズ点の影響を抑制するための所定の処理として、推定輪郭３５０に含まれる輪郭点（点群）の３次元座標値に基づき３次元空間内での直線を推定する直線推定処理が実行される。より詳細には、ノイズ点の影響を抑制する特定の統計処理を伴う直線推定処理が実行される。

ステップＳ３４においては、辺Ｌ１に対向する辺Ｌ２（ノイズ輪郭部３５５として判定される辺Ｌ２）の３次元空間内における位置および方向が、測定対象物８０の輪郭点のうち辺Ｌ２に対応する部分に含まれる点群の３次元情報に基づき推定される。同様に、辺Ｌ３に対向する辺Ｌ４（ノイズ輪郭部３５５として判定される辺Ｌ４）の３次元空間内における位置および方向が、測定対象物８０の輪郭点のうち辺Ｌ４に対応する部分に含まれる点群の３次元情報に基づき推定される。このように、推定対象の直線（辺Ｌ２）が、対向する基準直線（辺Ｌ１）に対して平行であることを前提に推定される。辺Ｌ４についても同様である。具体的には、推定対象の直線（辺Ｌ４）が、対向する基準直線（辺Ｌ３）に対して平行であることを前提に推定される。

一般的には、２次元空間内の直線は２つのパラメータで表現され、３次元空間内の直線は３つのパラメータで表現される。ただし、この第２実施形態においても、推定対象の直線が別の所定の直線（辺Ｌ１，Ｌ３等）に平行であることを利用して、パラメータ（次元）を１つ削減する。たとえば、辺Ｌ２は、辺Ｌ１に平行であることを前提に推定され、辺Ｌ４は、辺Ｌ３に平行であることを前提に推定される。これにより、実質的なパラメータ数が３から２に低減される。

たとえば、ノイズ点の影響を抑制するための所定の処理としてロバスト推定処理（たとえば、Ｍ推定法（TukeyのBiweight推定法）等）に基づく直線推定処理が実行される場合、３次元空間内での直線が推定される。詳細には、点群の近似直線を最小二乗法を用いて推定する直線推定処理であって、最小二乗法の誤差（Ｚ方向の誤差を含む）に関する重み付け処理が行われればよい。より詳細には、推定近似直線との各点との誤差（Ｚ方向の誤差を含む）が大きいほど最小二乗法への影響を低減する重み付け処理を反映した直線推定処理が行われればよい。当該ロバスト推定処理によれば、推定近似直線との各点との誤差が大きなノイズ点の影響を抑制することができるので、ノイズに対してロバストな直線推定処理（３次元空間内での直線を推定する処理）を実現することが可能である。

また、当該所定の処理として中央値を用いた直線推定処理が利用される場合、たとえば、Ｘ方向とＺ方向とにおいてそれぞれ個別に中央値Ｘｄ，Ｚｄが求められればよい。そして、Ｘ方向の中央値ＸｄとＺ方向の中央値Ｚｄとに基づく直線（ｘ＝Ｘｄ，ｚ＝Ｚｄ）が３次元空間内にて求められればよい。これによれば、ソーティング後の順位における最上位付近あるいは最下位付近の輪郭点の影響が排除されるので、ノイズ点の影響を抑制することが可能である。すなわち、ノイズに対してロバストな直線推定処理を実現することが可能である。

また、当該所定の処理として、ハフ変換処理（詳細には、ハフ変換を用いた直線推定処理）も例示される。

上述のように、一般的には、３次元空間（３次元平面）において直線を表すパラメータセットの構成要素は、３個（３次元）である。これに対して、推定直線（辺Ｌ２等）と基準直線（辺Ｌ１等）とが平行である旨の幾何学的条件を利用すると、次元数を１つ減らして「２」（２次元）にすることが可能である。

たとえば、辺Ｌ２の直線推定処理は次のようにして行われる。ここでは、推定直線（辺Ｌ２）が基準直線（辺Ｌ１）に対して平行である旨の条件を利用する。

図１５は、ハフ変換処理を利用して、辺Ｌ２の３次元情報を求める手法について説明する図である。

まず、推定輪郭３５０（測定対象物８０の輪郭点）のうち辺Ｌ２に対応する部分に含まれる輪郭点（点群）のそれぞれを、基準直線（辺Ｌ１）に対して垂直な投影平面５１０（たとえば、ＸＺ平面）に投影する投影処理が実行される。図１５においては、推定輪郭３５０（測定対象物８０の輪郭点）のうち辺Ｌ２に対応する部分に含まれる複数の輪郭点（丸印で示される）が、投影平面５１０（ＸＺ平面）に投影されている。当該投影処理の結果、投影平面５１０上への投影点のＸ方向位置とＺ方向位置とに関する２つのパラメータが各輪郭点について求められる。

投影平面５１０上の黒点は、当該複数の輪郭点の投影後の位置（投影点の位置）を示している。図１５に示されるように、投影平面５１０内においては、本来の辺Ｌ２の投影位置付近に多数の点が集中し、その他の位置に幾つかの点（ノイズ点）が散在する。

つぎに、投影平面５１０を２つの方向（Ｘ方向およびＺ方向）に区分した複数の区分領域のうち、当該投影処理において最も多くの点が投影された特定区分領域が（多数決に基づき）求められる。

そして、当該特定区分領域に投影された点群に基づき、辺Ｌ２の位置（たとえば、ｘ＝Ｘ２，ｚ＝Ｚ２）が求められる。さらに、辺Ｌ２は、辺Ｌ１に平行であり且つ投影平面５１０に対して垂直な直線（たとえば、ｘ＝Ｘ２，ｚ＝Ｚ２）として求められる。このようにして、辺Ｌ２を表す直線、換言すれば、辺Ｌ２の位置および方向が求められる。なお、辺Ｌ１と辺Ｌ２との距離が求められれば十分であるので、辺Ｌ２の位置のうち、辺Ｌ１に対して垂直な方向における位置（Ｘ方向位置およびＺ方向位置）が特定されれば十分である。すなわち、辺Ｌ２の位置のうち、辺Ｌ２の伸延方向における当該辺Ｌ２の位置（Ｙ方向位置）は特定されることを要しない。

辺Ｌ４についても同様である。

このようなハフ変換処理においては、輪郭点のうちのノイズ点（輪郭点として抽出されるものの実際にはノイズである点）は、様々な特定区分領域に散在するように投影される。その結果、当該ノイズ点は多数決において良好に排除され得る。ここにおいて、ノイズ点は（Ｘ方向よりも）特にＺ方向に散在している傾向が強い。複数の輪郭点で構成される３次元直線の推定にハフ変換処理を用いることによれば、そのようなノイズ点の分布傾向を利用して、当該ノイズ点（特にＺ方向に散在するノイズ点）の影響を非常に有効に排除することが可能である。したがって、ノイズに対して非常にロバストな直線推定処理を実現することが可能である。

以上のように、上記第２実施形態においては、推定輪郭３５０の形状が矩形である場合、ノイズ輪郭部３５５として判定される辺Ｌ２の３次元空間内における位置および方向が、非ノイズ輪郭部３５３として判定される辺Ｌ１（辺Ｌ２に対向する辺Ｌ１）に平行であることを前提に、推定される。したがって、所定程度以上正確な非ノイズ輪郭部３５３である辺Ｌ１の方向情報と、両辺Ｌ１，Ｌ２が互いに平行である旨の幾何学的特性とを利用して、ノイズ輪郭部３５５の辺Ｌ２の位置等を比較的正確に求めることが可能である。ひいては、測定対象物８０の寸法の測定誤差をさらに抑制することが可能である。

特に、輪郭点に関する３次元情報（カメラの光軸方向（Ｚ方向）の位置情報をも含む）を用いてハフ変換処理が実行される場合には、光軸方向の誤差を含むノイズ点の影響を特に抑制することが可能である。ひいては、測定誤差をさらに抑制することが可能である。

また、第２実施形態に係る思想は、たとえば辺Ｌ２のＺ方向位置と辺Ｌ１のＺ方向位置とが同じでない場合（測定対象物８０の上面（矩形形状を有する）の対向２辺Ｌ１，Ｌ２が異なる高さを有する場合）にも適用可能である。換言すれば、その上面（辺Ｌ１～Ｌ４を含む）が下面に対して傾斜している測定対象物８０（台形形状の側面を有する測定対象物８０）に関しても第２実施形態に係る思想を適用することが可能である。具体的には、上述の各種の所定の処理によって辺Ｌ２のＸ方向位置のみならず辺Ｌ２のＺ方向位置も特定される。特に、辺Ｌ２のＺ方向位置は、辺Ｌ１のＺ方向位置とは独立して特定される。したがって、辺Ｌ１と辺Ｌ２とが平行であり且つ辺Ｌ１のＺ方向位置と辺Ｌ２のＺ方向位置とが互いに異なる場合にも、辺Ｌ２の位置を適切に求めることが可能である。

＜３．第３実施形態＞
第３実施形態は、第１実施形態および第２実施形態の変形例である。以下では、第１実施形態等との相違点を中心に説明する。

第３実施形態では、ステレオ画像２１０における対応画素検索処理（ステレオマッチング処理）に関連して算出される「類似度」を利用して、測定対象物８０の推定輪郭３５０の各直線（各辺）をさらに正確に推定する技術について説明する。より具体的には、ノイズ点の影響を抑制するための所定の処理として、類似度を反映した統計処理を利用して処理（直線推定処理）が行われ、当該処理によってノイズ輪郭部３５５が修正される。

まず、「類似度」について説明する。

ステップＳ２１（図４参照）等にて説明したように、ステレオ視による３次元位置測定においては、第１画像（たとえば左画像）２１１の各画素に関して第２画像（たとえば右画像）２１２内の対応画素を探索する対応画素探索処理（マッチング処理）が実行される。当該マッチング処理においては、たとえば、図１６に示すように、第１画像２１１の各画素付近の第１ウインドウ領域２５１に対して最も高い適合する（最も高い相関度を有する）同サイズの第２ウインドウ領域２５２が第２画像２１２内にて探索される。なお、図１６は、ステレオマッチング処理におけるウインドウ領域２５１，２５２等を示す図である。

詳細には、第１画像２１１内の探索元画素を中心とする第１ウインドウ領域２５１内の複数の画素と第２画像２１２内の探索先画素を中心とする第２ウインドウ領域２５２内の複数の画素との差分絶対値（対応位置相互間での差分値の絶対値）の和が算出される。当該和が小さいほど、両ウインドウ領域２５１，２５２内の部分画像相互間の類似性（相関度）が高いこと（両部分画像が互いに類似していること）、換言すれば、第１画像２１１内の探索元画素と第２画像２１２内の探索先画素との対応度合いが高いことを示す。

そして、両画像２１１，２１２内の同じ水平ラインに沿って探索先画素を変更しつつ当該算出処理を繰り返し、当該和を最も小さくする（探索元画像に対して最も適合する）探索先画素が、当該探索元画像に対応する対応画素として決定される。たとえば、第１画像２１１内の探索先画素を中心とする第１ウインドウ領域２５１内の複数の画素と、第２画像２１２内の対応画素を中心とする第２ウインドウ領域２５２内の複数の画素との差分絶対値の和の逆数を正規化した値等が「類似度」として算出される。

さらに、このような類似度算出処理が繰り返され、第１画像２１１（換言すれば、距離画像２２０）の特定範囲（推定輪郭３５０の近傍領域のみでもよく全範囲でもよい）内の各画素（各探索元画素）について類似度が算出される。

ここにおいて、「類似度」は、第１ウインドウ領域２５１と、対応画素探索処理にて探索された第２ウインドウ領域２５２との類似の度合いを示す指標である。詳細には、「類似度」は、第１ウインドウ領域２５１内の画像（部分画像）と、対応画素探索処理にて探索された第２ウインドウ領域２５２内の画像（部分画像）との類似の度合いを示す指標である。また、当該類似度は、第１画像２１１の各画素と第２画像２１２の対応画素との対応度合いを示す指標でもある。なお、ここでは、差分絶対値の和に基づいて「類似度」が算出されているが、これに限定されず、その他の値に基づいて類似度が算出されてもよい。

なお、このような類似度は、ステップＳ２１でステレオカメラ２０内のコントローラによって算出され、コントローラ３１に受け渡されてもよい。ただし、これに限定されず、類似度は、その他のタイミングで算出されてもよく、コントローラ３１等によって算出されてもよい。

第３実施形態のステップＳ３４においては、ノイズ輪郭部３５５に含まれる各点に関する類似度（各点に対応する画素に関して算出された類似度）を反映した統計処理（ハフ変換処理、ロバスト推定処理、中央値求解処理等）に基づいて、ノイズ輪郭部３５５が修正される。

たとえば、ロバスト推定処理において、ノイズ輪郭部３５５に含まれる各輪郭点の類似度が当該各輪郭点の個数に変換されて統計処理が施される。仮に類似度が０．００～１．００の範囲の値である場合、類似度０．０１あたり１個の輪郭点が存在すると考えてロバスト推定（統計処理）が行われればよい。たとえば、類似度０．１を有する輪郭点は、当該輪郭点と同じ位置（２次元位置あるいは３次元位置）に存在する１０個の輪郭点に変換される。また、類似度０．８を有する輪郭点は、当該輪郭点と同じ位置に存在する８０個の輪郭点に変換される。そして、変換後の個数の輪郭点に基づいてロバスト推定処理が行われ、直線（矩形である推定輪郭３５０の辺）が推定される。このような類似度に基づく輪郭点個数の変更処理は、類似度による重み付け処理に相当する。このような類似度による（各輪郭点の）重み付けが行われた上で、ロバスト推定処理が施される。なお、他の種類の統計処理（ハフ変換処理および中央値求解処理等）に関しても同様である。類似度による（各輪郭点の）重み付けを伴う各種の統計処理がそれぞれ実行されればよい。

このような処理によって、辺Ｌ２，Ｌ４（ノイズ輪郭部３５５）が修正されて求められる。

これによれば、ノイズ輪郭部３５５に含まれる各輪郭点の類似度を利用すること（詳細には、当該類似度を利用した統計処理を実行すること）によって、ノイズ輪郭部３５５の各輪郭点の不正確性を考慮してノイズ輪郭部３５５を適切に修正することが可能である。換言すれば、直線推定処理を更に正確に行うことが可能である。ひいては、測定誤差をさらに抑制することが可能である。

＜４．第４実施形態＞
第４実施形態は、第１実施形態～第３実施形態の変形例である。以下では、第１実施形態等との相違点を中心に説明する。

第４実施形態においては、「類似度」を第３実施形態とは異なる態様で利用する。この第４実施形態では、ノイズ点の影響を抑制するための所定の処理として、類似度に基づくノイズ点の除外処理が行われ、当該処理によってノイズ輪郭部３５５が修正される。より具体的には、或る輪郭点の類似度が所定値未満である場合、当該輪郭点はノイズ点である可能性が一定程度よりも高いと判定され、当該輪郭点を除外した上で、上述のような各種の特定の統計処理（ハフ変換処理等）を利用した直線推定処理が実行される。端的に言えば、類似度に基づき外れ点（ノイズ点）が除外され、ノイズ輪郭部３５５が修正される。

第１実施形態等では、ステップＳ３４（図５）の直線推定処理にて、推定輪郭３５０のうち辺Ｍ２の右側に隣接する所定幅ΔＸ２の矩形範囲Ｒ２に存在する輪郭点が、推定輪郭３５０のうち辺Ｌ２に対応する部分に含まれる点群として利用される（図１３参照）。

第４実施形態では、ステップＳ３４にて、このような輪郭点のうち、その類似度が所定値未満の輪郭点（その類似度が所定値未満である画素に対応する点）が除外された上で、特定の統計処理（ハフ変換処理等）を利用した直線推定処理が実行され、辺Ｌ２，Ｌ４等が推定される。

このような直線推定処理においては、ノイズ輪郭部３５５に含まれる点群のうち、その類似度が所定値未満である点が除外される。したがって、ノイズ輪郭部３５５の各輪郭点の不正確性を考慮してノイズ輪郭部を適切に修正すること（適正な直線を推定すること）が可能である。ひいては、測定誤差をさらに抑制することが可能である。

＜５．第５実施形態＞
第５実施形態は、第４実施形態の変形例である。以下では、第４実施形態との相違点を中心に説明する。

第５実施形態においては、推定輪郭３５０の形状が矩形でない場合（ステップＳ２９）においても、所定値未満の類似度を有する輪郭点が除外される。換言すれば、推定輪郭３５０の形状が矩形である場合のみならず推定輪郭３５０の形状が他の形状（曲線で構成される形状）である場合等にも適用可能な技術について説明する。第５実施形態のステップＳ２９では、その類似度が所定値未満である輪郭点がノイズ輪郭部３５５から除外され、残りの輪郭点を用いた処理（直線推定処理以外の処理）によって寸法が測定される。

図１７は、第５実施形態に係るステップＳ２９（Ｓ２９Ｅ）の処理を示すフローチャートであり、図１８は、ステップＳ２９Ｅの処理の概要を示す概念図である。以下、図１７および図１８を参照しながら、ステップＳ２９Ｅの処理について説明する。

まず、ステップＳ５１（図１７）において、コントローラ３１は、推定輪郭３５０の中から非ノイズ輪郭部３５３とノイズ輪郭部３５５とを特定する。なお、ステップＳ２９の前のステップＳ２７（図４）にて推定輪郭３５０が矩形でないと判定されており、推定輪郭３５０の形状は不明である。図１８では、推定輪郭３５０が略楕円形状（測定対象物８０が略楕円柱形状）を有している状況が例示されている。

図１８（特に最上段参照）においても、図８と同様、或るＹ座標を有する直線（水平ライン）に沿って左画像２１１内の右端側から左端側に向けて測定対象物８０の存在場所を横断するように走査する状況を想定する。この場合、測定対象物８０の右端側からの横断が、或る点（Ｐ１１等）にて開始され、その後、当該横断は、測定対象物８０の他方端に対応する他の点（Ｐ１２等）にて終了する。そして、当該他方端の左側に、カメラ２２の死角領域（点Ｐ１２から点Ｐ１５までの範囲）が存在する。他のＹ座標を有する直線に沿って左画像２１１内の右端側から左端側に向けて測定対象物８０の存在場所を横断するように走査する際も同様である。

そこで、この第５実施形態では、測定対象物８０の輪郭点と水平ラインの輪郭点との２交点（たとえば、点Ｐ１１，Ｐ１５）のうち、右側の点（たとえば点Ｐ１１）を非ノイズ輪郭部３５３に属する点であると判定する。一方、当該２交点のうち左側の点（たとえば点Ｐ１５）をノイズ輪郭部３５５に属する点であると判定する。このような判定を全ての水平ラインについて実行する。これにより、図１８の上段に示されるように、推定輪郭３５０において、その概ね右側にて非ノイズ輪郭部３５３が特定され、その概ね左側にてノイズ輪郭部３５５（太い破線参照）が特定される。

次にステップＳ５２において、コントローラ３１は、推定輪郭３５０に外接する外接矩形４１０がＹ軸（およびＸ軸）に平行になるように、当該外接矩形４１０、射影画像２４０および推定輪郭３５０を回転する。これにより、当該外接矩形４１０、射影画像２４０および推定輪郭３５０の傾きを補正する（図１８の下段参照）。

そして、ステップＳ５３において、測定対象物８０の寸法を測定する。

ステップＳ５３では、まず、ノイズ輪郭部３５５のうち所定値未満の類似度を有する輪郭点Ｐｅが除外される。図１８では、２つの輪郭点Ｐｅのそれぞれの類似度が所定値未満であり、当該２つの輪郭点Ｐｅが利用対象から除外される。そして、ノイズ輪郭部３５５の輪郭点（点群）から当該２つの輪郭点Ｐｅを除外した残りの輪郭点（点群）が利用される。より詳細には、当該残りの輪郭点のうち最小のＸ座標（Ｘｓ）を有する輪郭点が、ノイズ輪郭部３５５のうち最も左側に存在する有効な輪郭点（左端輪郭点）である、と判定される。

そして、推定輪郭３５０のうち最も右側に存在する輪郭点（右端輪郭点）のＸ座標（Ｘmax）と左端輪郭点のＸ座標（Ｘｓ）との差分値（Ｘmax－Ｘs）が、測定対象物８０の幅Ｗとして算出される。

このような算出処理によれば、測定対象物８０の幅Ｗの寸法測定値（Ｘmax－Ｘs）が、類似度による除外処理を行わない場合の寸法測定値（Ｘmax－Ｘmin）（図１４参照）と比べて、より正確な値（より小さな値）として算出される。

測定対象物８０の奥行きＤについても同様にして算出されればよい。具体的には、傾き補正後のノイズ輪郭部３５５から、所定値未満の類似度を有する輪郭点Ｐｅが除外された残りの輪郭点のうち最小のＹ座標（Ｙｓ）を有する輪郭点が、ノイズ輪郭部３５５のうち最も下側に存在する有効な輪郭点（下端輪郭点）である、と判定される。そして、推定輪郭３５０のうち最も上側に存在する輪郭点（上端輪郭点）のＹ座標（Ｙmax）と下端輪郭点のＹ座標（Ｙｓ）との差分値（Ｙmax－Ｙs）が、測定対象物８０の奥行きＤとして算出されればよい。なお、傾き補正が図１４とは逆向きの回転によって行われる場合には、（下端輪郭点ではなく）上端輪郭点の導出において、所定値未満の類似度を有する輪郭点Ｐｅをノイズ輪郭部３５５から除外する処理が実行されればよい。

なお、上記第５実施形態においては、所定値未満の類似度を有する輪郭点Ｐｅをノイズ輪郭部３５５から除外しているが、これに限定されない。たとえば、非ノイズ輪郭部３５３とノイズ輪郭部３５５とを特定することなく（区別することなく）、所定値未満の類似度を有する輪郭点Ｐｅを推定輪郭３５０から除外し、推定輪郭３５０のうち残りの輪郭点を利用して寸法が測定されてもよい。より詳細には、当該残りの輪郭点のうちの最も右側の輪郭点（右端輪郭点）のＸ座標と当該残りの輪郭点のうちの最も左側の輪郭点（左端輪郭点）のＸ座標との差分値が測定対象物８０の幅Ｗとして算出されればよい。また、当該残りの輪郭点のうちの最も上側の輪郭点（上端輪郭点）のＹ座標と当該残りの輪郭点のうちの最も下側の輪郭点（下端輪郭点）のＹ座標との差分値が測定対象物８０の奥行きＤとして算出されればよい。

＜６．変形例等＞
以上、この発明の実施の形態について説明したが、この発明は上記説明した内容のものに限定されるものではない。

たとえば、上記各実施形態においては、深度情報（距離情報）の算出処理は、ステレオカメラ２０の内部のコントローラ等によって実行されている。ただし、これに限定されず、ステレオカメラ２０内部の当該コントローラではなく、ステレオカメラ２０の外部のコントローラ３１（図２）等が、２枚の撮影画像に基づいて距離情報等を算出してもよい。

また、寸法算出処理等は、寸法算出装置３０内のコントローラ３１によって実行されている。ただし、これに限定されず、これらの寸法算出処理もステレオカメラ２０に内蔵される上記コントローラ等によって実行されてもよい。

換言すれば、制御手段は、ステレオカメラ２０に内蔵されてもよく、ステレオカメラ２０とは別体として設けられてもよい。また、制御手段による各種処理は、ステレオカメラ２０の内部および／または外部に設けられた幾つかのコントローラによって実行されてもよい。あるいは、制御手段による各種処理は、ステレオカメラ２０の内部あるいは外部に設けられた単一のコントローラによって実行されてもよい。

また、上記各実施形態においては、測定対象物８０の載置面５１ａが水平平面に対して平行である態様が例示されているが、これに限定されない。たとえば、測定対象物８０の載置面５１ａが水平平面に対して傾斜していてもよい。

また、上記各実施形態においては、ポイントクラウド３００を水平平面に射影した射影画像２４０が求められているが、これに限定されない。たとえば、ポイントクラウド３００を水平平面以外の面（たとえば、水平平面に対して傾いた面）に射影した射影画像２４０が求められてもよい。特に、測定対象物８０の載置面が水平平面に対して傾いている場合、当該載置面に平行な平面を射影平面とし、当該射影平面に対してポイントクラウド３００の各点を射影した射影画像２４０が求められてもよい。

また、上記各実施形態においては、ステップＳ３３（図５参照）において、外接矩形４１０の４辺のうちの辺Ｍ１，Ｍ３が推定輪郭３５０の辺Ｌ１，Ｌ３としてそのまま利用されているが、これに限定されない。たとえば、ステップＳ３３において、コントローラ３１は、推定輪郭３５０の辺Ｌ１，Ｌ３に関しても、ステップＳ３４と同様の処理（ノイズ点の影響を抑制する特定の統計処理）を実行することによって、非ノイズ輪郭部３５３に対応する線分を求めてもよい。

具体的には、非ノイズ輪郭部３５３として判定される辺Ｌ１の２次元空間内（あるいは３次元空間内）における位置および方向が、測定対象物８０の輪郭点のうち辺Ｌ１に対応する部分に含まれる点群の２次元情報（あるいは３次元情報）に基づいて推定されてもよい。詳細には、測定対象物８０の輪郭点のうち辺Ｌ１に対応する部分に含まれる点群の２次元座標（あるいは３次元座標）等に関して、ノイズ点の影響を抑制する特定の統計処理が施されればよい。この場合、推定輪郭３５０のうち辺Ｍ１の左側に隣接する所定幅ΔＸ１（たとえば、１ｃｍ）の矩形範囲Ｒ１（図１３内の右側にて細い破線で示される部分）に存在する輪郭点が、推定輪郭３５０のうち辺Ｌ１に対応する部分に含まれる点群として利用されればよい。当該所定幅ΔＸ１は、所定幅ΔＸ２よりも小さく設定されることが好ましい。

これによれば、測定対象物８０の輪郭点のうち辺Ｌ１に対応する部分に含まれていたノイズ点の影響が抑制され、辺Ｌ１は、辺Ｍ１よりも本来の輪郭位置にさらに近づくように修正されて求められる。具体的には、傾き補正後において、Ｘ方向において、辺Ｌ１は、辺Ｍ１よりも若干左側の位置に存在する辺として求められる。たとえば、推定輪郭３５０の右辺Ｌ１のＸ位置は、外接矩形４１０の右辺Ｍ１のＸ位置（Ｘmax）よりも小さな値（より正確な値）として得られる。すなわち、推定輪郭３５０の右辺Ｌ１の位置をより正確に求めることが可能である。その結果、修正後の幅Ｗを、さらに小さな値（さらに正確な値）として求めることが可能である。

辺Ｌ３についても同様である。これによれば、修正後の奥行きＤを、さらに小さな値（さらに正確な値）として求めることが可能である。

また、上記各実施形態においては、射影画像における物体の推定輪郭の形状が矩形であるか否かが判定され、その判定結果に基づく分岐処理が行われている。しかしながら、本発明はこれに限定されない。たとえば、射影画像における物体の推定輪郭の形状が矩形であるか否かを判定せずに、常に当該形状が矩形であることを前提に処理（ステップＳ２８と同様の処理等）が行われてもよい。あるいは逆に、常に当該形状が矩形でないことを前提に処理ステップＳ２９（Ｓ２９Ｅ）等）が行われてもよい。

１０ 寸法測定装置
２１，２２ （ステレオカメラの）各カメラ
３０ 寸法算出装置
５１ａ 載置面
８０ 測定対象物
２１１，２１２ （ステレオ画像の）各撮影画像
２１９ 死角領域
２４０ 射影画像
２５１，２５２ ウインドウ領域
３００，３１０，３３０ ポイントクラウド
３５０ 推定輪郭
３５３ 非ノイズ輪郭部
３５５ ノイズ輪郭部
５１０ 投影平面
Ｌ１～Ｌ４ 矩形形状を有する推定輪郭の各辺
Ｍ１～Ｍ４ 外接矩形の各辺

Claims (9)

1. 第１カメラと第２カメラとを有するステレオカメラと、
   前記第１カメラにより測定対象物を撮像した第１画像と前記第２カメラにより前記測定対象物を撮像した第２画像とに基づき、ステレオ視方式により前記ステレオカメラと前記測定対象物の各点との距離情報を算出し、前記距離情報を用いて得られた前記測定対象物の表面のポイントクラウドに基づき前記測定対象物の寸法を測定する制御手段と、
   を備え、
   前記制御手段は、
   前記測定対象物の表面の前記ポイントクラウドの中から前記測定対象物の輪郭点を選択するとともに、当該輪郭点の集合に基づき推定される推定輪郭を求め、
   前記測定対象物の前記推定輪郭のうち、不正確な位置情報を有するノイズ点を所定程度以上含むと推定される部分であって前記第１画像には写っているものの前記第２画像には写っていない死角領域に隣接し或いは前記死角領域に包含される部分であるノイズ輪郭部を特定し、
   前記ノイズ輪郭部に含まれる点群に関して所定の処理を施して前記ノイズ輪郭部を修正し、
   修正後の前記ノイズ輪郭部を含む前記測定対象物の前記推定輪郭に基づいて、前記測定対象物の寸法を測定することを特徴とする寸法測定装置。
2. 前記制御手段は、
   前記測定対象物の前記推定輪郭の形状が矩形である場合、
   前記矩形を構成する４辺のうちの一の辺であって前記ノイズ輪郭部ではない非ノイズ輪郭部として判定される辺である第１辺の位置および方向と、前記第１辺に対向する第２辺であって前記ノイズ輪郭部として判定される第２辺の位置および方向とを求め、
   前記第２辺の位置および方向を求める際には、前記測定対象物の輪郭点のうち前記第２辺に対応する部分に含まれる点群に基づき、前記第２辺が前記第１辺に平行であることを前提に前記第２辺の位置および方向を推定することによって、前記ノイズ輪郭部を修正することを特徴とする、請求項１に記載の寸法測定装置。
3. 前記制御手段は、
   前記測定対象物の前記推定輪郭の形状が矩形である場合、
   前記矩形を構成する４辺のうちの一の辺であって前記ノイズ輪郭部ではない非ノイズ輪郭部として判定される辺である第１辺の３次元空間内における位置および方向と、前記第１辺に対向する第２辺であって前記ノイズ輪郭部として判定される第２辺の３次元空間内における位置および方向とを求め、
   前記第２辺の位置および方向を求める際には、前記測定対象物の輪郭点のうち前記第２辺に対応する部分に含まれる点群の３次元情報に基づき、前記第２辺が前記第１辺に平行であることを前提に前記第２辺の３次元空間内における位置および方向を推定することによって、前記ノイズ輪郭部を修正することを特徴とする、請求項１に記載の寸法測定装置。
4. 前記制御手段は、３次元空間内における前記第２辺の位置および方向を推定する処理において、
   前記測定対象物の輪郭点のうち前記第２辺に対応する部分に含まれる点群を、前記第１辺に垂直な投影平面に対して投影する投影処理を実行し、前記投影平面を区分した複数の区分領域のうち、前記投影処理において最も多くの点が投影された特定区分領域を求め、前記特定区分領域に投影された点群に基づき、前記投影平面に垂直且つ前記第１辺に平行な前記第２辺の３次元空間内における位置および方向を求めることを特徴とする、請求項３に記載の寸法測定装置。
5. 前記制御手段は、前記測定対象物の前記推定輪郭の形状が矩形である場合、前記測定対象物の輪郭点のうち前記第２辺に対応する部分に含まれる点群に対して当該点群に含まれるノイズ点の影響を抑制するための特定の統計処理を施すことによって、前記第２辺の位置および方向を推定することを特徴とする、請求項２から請求項４のいずれかに記載の寸法測定装置。
6. 前記制御手段は、
   前記測定対象物の表面の前記ポイントクラウドを所定の射影平面に対して射影した射影画像を生成し、
   前記射影画像に基づいて前記測定対象物の前記推定輪郭の形状を判定することを特徴とする、請求項１から請求項５のいずれかに記載の寸法測定装置。
7. 前記制御手段は、
   前記第１画像の各画素付近の第１ウインドウ領域に対して最も適合する第２ウインドウ領域を前記第２画像内にて探索することにより、前記第１画像の各画素に関して前記第２画像内の対応画素を探索する対応画素探索処理を実行し、
   前記第１ウインドウ領域と前記対応画素探索処理にて探索された前記第２ウインドウ領域との類似の度合いを示す指標であって前記第１画像の前記各画素と前記第２画像の対応画素との対応度合いを示す指標でもある類似度を前記第１画像の特定範囲内の前記各画素についてそれぞれ算出するとともに、
   前記ノイズ輪郭部に含まれる各点に関する前記類似度を反映した統計処理に基づいて、前記ノイズ輪郭部を修正することを特徴とする、請求項１から請求項６のいずれかに記載の寸法測定装置。
8. 前記制御手段は、
   前記第１画像の各画素付近の第１ウインドウ領域に対して最も適合する第２ウインドウ領域を前記第２画像内にて探索することにより、前記第１画像の各画素に関して前記第２画像内の対応画素を探索する対応画素探索処理を実行し、
   前記第１ウインドウ領域と前記対応画素探索処理にて探索された前記第２ウインドウ領域との類似の度合いを示す指標であって前記第１画像の前記各画素と前記第２画像の対応画素との対応度合いを示す指標でもある類似度を前記第１画像の特定範囲内の前記各画素についてそれぞれ算出するとともに、
   前記ノイズ輪郭部に含まれる点群のうち、その類似度が所定値未満である画素に対応する点を除外した点群に基づいて、前記ノイズ輪郭部を修正することを特徴とする、請求項１から請求項７のいずれかに記載の寸法測定装置。
9. ステレオカメラの第１カメラにより測定対象物を撮像した第１画像と前記ステレオカメラの第２カメラにより前記測定対象物を撮像した第２画像とに基づき、ステレオ視方式により前記ステレオカメラと前記測定対象物の各点との距離情報を算出し、前記距離情報を用いて得られた前記測定対象物の表面のポイントクラウドに基づき前記測定対象物の寸法を測定する寸法測定方法であって、
   ａ）前記測定対象物の表面の前記ポイントクラウドの中から前記測定対象物の輪郭点を選択するとともに、当該輪郭点の集合に基づき推定される推定輪郭を求めるステップと、
   ｂ）前記測定対象物の前記推定輪郭のうち、不正確な位置情報を有するノイズ点を所定程度以上含むと推定される部分であって前記第１画像には写っているものの前記第２画像には写っていない死角領域に隣接し或いは前記死角領域に包含される部分であるノイズ輪郭部を特定するステップと、
   ｃ）前記ノイズ輪郭部に含まれる点群に関して所定の処理を施して前記ノイズ輪郭部を修正するステップと、
   ｄ）修正後の前記ノイズ輪郭部を含む前記測定対象物の前記推定輪郭に基づいて、前記測定対象物の寸法を測定するステップと、
   を備えることを特徴とする寸法測定方法。

Images