JP5380792B2 - 物体認識方法および装置 - Google Patents
物体認識方法および装置 Download PDFInfo
- Publication number
- JP5380792B2 JP5380792B2 JP2007158282A JP2007158282A JP5380792B2 JP 5380792 B2 JP5380792 B2 JP 5380792B2 JP 2007158282 A JP2007158282 A JP 2007158282A JP 2007158282 A JP2007158282 A JP 2007158282A JP 5380792 B2 JP5380792 B2 JP 5380792B2
- Authority
- JP
- Japan
- Prior art keywords
- voxel
- measurement
- error
- error distribution
- new
- 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.)
- Expired - Fee Related
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Description
ただし、位置・姿勢の信頼度評価値は、二次元画像処理のエッジ抽出精度に依存するため、高い精度は得られない。また、信頼性評価に使用する特徴量を事前に設定しておく必要がある。
ただし、この場合は、距離データだけで物体の位置・姿勢を特定することはできず、二段構えであるためコストと時間がかかる。また、検出できる物体の形状的な制約が大きい。さらに、形状検査に適用するには精度が不十分である。
ただし、物体が一部隠れているような場合に対応が困難である。また、ビジョンセンサを用いるため、照明条件に依存する。さらに、大量の画像を予め教示しておく必要がる。また、形状検査に適用するには精度が不十分である。
さらに、このような距離センサは、一般に測定距離に例えば約20cm前後の誤差を有する。
従って、三次元レーザレーダのような距離センサを用いる場合、以下の制約条件A〜Cがある。
条件A:計測データに点数が少ない(例えば、1フレーム=166×50点)
条件B:計測データに誤差を含む(例えば、測定距離に約20cm前後)
条件C:計測データは同じ計測点を計るとは限らない。
すなわち、得られる距離データは横方向及び垂直方向に離散した点群であり、計測毎に位置が相違するため対応点がなく、測定距離に比較的大きな誤差を含んでいる。
ICPアルゴリズムは、対応点が既知でない場合の位置合わせ手段の1つであり、先の計測データに対するその後の計測データの最も近傍の点を求め、回転・並進を行いながらその距離の総和が最小になる状態を一致状態となるように解を求めるものである。
(1)誤差の蓄積
ICPアルゴリズムは、2つの距離データの重ね合わせ手段であり、先のデータとその後のデータとの比較を繰り返し、その差分を積分しても、対応点がほとんどないため、誤差が蓄積してしまう。
(2)計算量が多い
ICPアルゴリズムは、繰り返し計算であるため、計算量が膨大となる。すなわち、ICPアルゴリズムは、計測データの各データ点に対応するモデルデータを探索する必要があるため、モデルデータ点数および計測データ点数が増加すると計算量が増大する。具体的には、モデルデータの点数をM、計測データの点数をNとした場合、例えば全探索時の計算オーダは、O(M×N)となる。
(3)計測点が少ない場合を扱えない
ICPアルゴリズムは、密な距離データを対象としているため、離散した点群であり、空間的に疎である場合は、誤った結果に収束してしまう。
(1)メモリ効率の良い周囲環境のためのデータ構造
逐次得られる計測データを全て保存する方法では無尽蔵にメモリを必要とする。よって、周囲環境を計測した結果を効率良く格納するデータ構造が必要である。
(2)計測データの点数不足および誤差に対する安定性
計測データの点数が少ない場合、および、誤差を含む場合であっても、できるだけ位置同定精度が低下しない必要がある。
(3)位置同定のための計算の効率化
周囲環境を計測して獲得した環境情報と計測データの比較により、自己位置同定を行うが、この比較処理に多くの計算を必要とする。
(1)新たな計測位置から計測して得られた三次元形状上の座標値をコンピュータに入力するデータ入力ステップと、
(2)前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築ステップと、
(3)前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶する第1マッチングステップとを実施し、
(4−1)先の計測位置から計測して得られた前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
(4−2)先の計測位置から計測して得られた前記三次元形状のデータが存在する場合には、
(4−2−1)先の計測位置に対する環境モデルに対し、(A)新たな計測データおよび誤差分布を回転及び並進させ、または(B)新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値が最小になるように位置合わせする精密合わせステップと、
(4−2−2)前記精密合わせステップにおける回転量及び並進量から自己位置を同定する自己位置同定ステップとを実施し、
(5)更に複数の計測位置から計測された複数の計測データおよび複数の誤差分布を統合する統合ステップと、
(6)統合して得られた計測データおよび誤差分布に対し、モデルデータによって表される被計測物を回転および並進させ、前記統合して得られた計測データと前記モデルデータを構成する要素との距離に関する評価値が最小になるようにする位置合わせをする第2マッチングステップとを実施する、ことにある。
モデルデータの表現方法としては、例えば、多面体、自由曲面、ボクセルおよび代表点と誤差分布の集合などが挙げられる。
距離に関する評価値は、当該距離の総和、当該距離の平均値、当該距離の2乗の総和、または、当該距離の最大値であってもよく、他の適切な評価値であってもよい。
「座標値に対応するボクセル」とは、その座標値によって特定される点が内部に存在するボクセルという意味である。
「代表点」とは、統計処理の結果得られる、誤差分布の中心や最尤推定値等である。
「代表点とその誤差分布」を設定する方法、「誤差分布間の距離」を求める方法については後述する。
また、前記第1マッチングステップにおいて、ボクセルの内部に代表点とその誤差分布に加え、ボクセル内に物体の存在確率を表す確率値を設定し、記憶する、としても良い。
(1)新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセル間との距離の総和が最小になるように、または
(2)新たな計測位置に対する環境モデルを回転及び並進させ、代表点を有するボクセル間の距離の総和が最小になるように、
位置合わせする粗合わせステップを有する、としても良い。
(1)新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値の総和が最大になるように、または
(2)新たな計測位置に対する環境モデルを回転及び並進させ、近接するボクセルが持つ確率値の差の総和が最小になるように、
位置合わせする粗合わせステップを有する、としても良い。
(1)現在の計測位置を過去の計測位置の変化から推定し、または
(2)現在の計測位置を取得可能なセンサにより取得し、または
(3)計測データの距離値だけでなく反射強度値を利用し、
照合する範囲を限定する探索範囲限定ステップを有する、としても良い。
分布の一致度から重みを求める方法については、後述する。
「必要最小限の分解能に相当する大きさ」とは、計測対象を包含することができる大きさである。
原点と被計測点の間に物体が存在しないものとして、その間に位置するボクセル内の代表点と誤差分布を再設定もしくは消去する、としても良い。
該ボクセル内に代表点がない場合に、前記座標値と誤差分布を代表点の座標値と誤差分布として設定する、としても良い。
前記ボクセル内に既に設定した代表点がある場合に、新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較し、
誤差分布が互いに重複する場合に、両誤差分布から新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、としても良い。
2つの誤差分布から新たな誤差分布と新たな代表点を再設定する方法については、後述する。
自己位置の誤差分布を同定する方法については、後述する。
該他のボクセル内に代表点がない場合に、該新たな誤差分布と該新たな代表点を該他のボクセルの内部に設定し、
該他のボクセル内に既に設定した代表点がある場合に、該新たな誤差分布と既に設定した該他のボクセル内の誤差分布とを比較し、(A)誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、(B)誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、としても良い。
該モデル更新ステップにおいて、新たに入力された被計測点の座標値およびその誤差分布と、既に設定したボクセル内の代表点およびその誤差分布とから、カルマンフィルタにより新たな代表点と誤差分布を取得して再設定する、としても良い。
(1)新たな計測データおよび誤差分布を回転及び並進させ、または
(2)新たな計測位置に対する環境モデルを回転及び並進させて位置合わせする、としても良い。
「計測点jと環境モデル上の代表点iとが対応付けられている」とは、計測点jに対応するボクセルにすでに代表点が存在する場合をいう。
前記ボクセル内に既に設定した代表点がある場合に、新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較し、
(1)誤差分布が互いに重複する場合に、両誤差分布から新たな誤差分布と新たな代表点を再設定し、
(2)誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことが好ましい。
(1)該他のボクセル内に代表点がない場合に、該新たな誤差分布と該新たな代表点を該他のボクセルの内部に設定し、
(2)該他のボクセル内に既に設定した代表点がある場合に、該新たな誤差分布と既に設定した該他のボクセル内の誤差分布とを比較し、(A)誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、(B)誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことが好ましい。
また、座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するので、ボクセルの分解能以上の情報を表現することができる。
従って、本発明のデータ構造により、複数視点の計測データを固定サイズに統合できる。
また、現在の計測位置を過去の計測位置の変化から推定し、もしくは現在の計測位置を取得可能なセンサにより取得し、もしくは計測データの距離値だけでなく反射強度を利用し、照合する範囲を制限するので、検索時間を抑えることができる。
もしくは新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値に関する評価値(例えば、当該確率値の総和)が最大になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接するボクセルが持つ確率値の差に関する評価値(例えば、当該確率値の差の総和)が最小になるように、位置合わせするので、誤差の蓄積を防ぎながら、短時間に代表点を有するボクセル同士の位置合わせができる。
従って、本発明による複数視点からのデータの統合処理により、誤差の蓄積を防ぎながら、高精度な形状取得を可能にできる。
従って、周囲環境と計測データの位置合わせ(ICPアルゴリズム)を行う際に探索対象となるデータ量が減少することから、計算を効率化できる。
特に、カルマンフィルタを用いたモデル更新ステップを繰り返すことで、誤差を含むデータであってもカルマンフィルタの効果により真値に収束した高精度な形状が得られる。
本発明のその他の目的及び有利な特徴は、添付図面を参照した以下の説明から明らかになろう。
本発明において、自己位置とは、計測位置を意味し、例えば、3Dセンサ41の外界における6自由度の位置と姿勢を意味する。
図示しないが、本発明において、距離センサ(3Dセンサ)以外のオドメータ、カメラ、GPS、姿勢センサを、必要に応じてオプションとして用いても良い。以下、距離センサを用いた例を説明する。
rは計測位置(レーダヘッド設置位置)を原点とする距離であり、r=c×t/2 の式で求められる。ここでcは光速である。
判定処理ユニット23は、信号処理ボードからの極座標データを、レーダヘッド設置位置を原点とした三次元空間データ(x,y,z)へ変換して、検出処理を行うようになっている。なおこの図で24はドライブユニットである。
また、計測データを各画素に対して奥行き方向の距離値を持った距離画像で表示する場合、1フレームの計測点数を、横方向166点、スキャン方向50点とすると、1フレームに166×50=8300点が表示される。この場合にフレームレートは、例えば約2フレーム/秒である。
図3に示すように、任意の計測位置を原点とする極座標値(r,θ,φ)を計測結果として計測する。距離センサによる計測結果には、図に示すような誤差分布が通常存在する。
この誤差分布は、誤差分布のrs,θs,φsでの存在確率をP(rs,θs,φs)とした場合、誤差分布は計測の軸r,θ,φ方向に正規分布しているとし、例えば[数2]の式で表すことができる。ここで、r,θ,φはセンサからの計測値、σr,σθ,σφは標準偏差、Aは規格化定数である。
図4に示すように、誤差分布は、通常r方向に長い切頭円錐形(左図)に内包される分布であるが、遠方においてaとbの差は小さい。従って、この誤差分布を直方体に包含される楕円体として安全サイドに近似することができる。
外部記憶装置33は、ハードディスク、フロッピー(登録商標)ディスク、磁気テープ、コンパクトディスク等である。外部記憶装置33は、環境モデルのサイズが大きく後述する内部記憶装置34に入力された三次元形状上の座標値、ボクセル位置、及び代表点とその誤差分布の全体を保持できない場合には、環境モデルの一部範囲または全体範囲に対する、入力された三次元形状上の座標値、ボクセル位置、及び代表点とその誤差分布の一部または全体を記憶し、かつ本発明の方法を実行するためのプログラムを記憶する。また、外部記憶装置33は、後述するCADモデルデータを記憶する。
内部記憶装置34は、例えばRAM,ROM等であり、環境モデルの一部範囲または全体範囲に対する、入力された三次元形状上の座標値、ボクセル位置、及び代表点とその誤差分布の一部または全体を保管し、かつ演算情報を保管する。
中央処理装置35(CPU)は、モデル構築装置、マッチング装置、粗合わせと精密合わせの位置合わせ装置、モデル更新装置として機能し、演算や入出力等を集中的に処理し、内部記憶装置34と共に、プログラムを実行する。モデル構築装置は、後述のモデル構築ステップを行う装置であり、マッチング装置は、後述の環境モデルと点群とのマッチングステップおよび計測データとCADモデルデータとのマッチングステップを行う装置であり、位置合わせ装置は、後述の粗合わステップと精密合わせステップを行う装置であり、モデル更新装置は、後述のモデル更新ステップを行う装置である。
ロボット制御部45は、物体認識処理部42から受け取る被計測物の位置や姿勢に基づいてロボットのアームやハンドの動きを制御する。
なお、S4は初めて計測データが得られたときにだけ実施し、それ以外のS1〜S3及びS5〜S12は、計測データが得られる毎に実施する。
なお、このデータ入力ステップS1において、三次元レーザレーダ10を用いて、三次元形状上の座標値を、任意の計測位置を原点とする距離データとして、原点を移動しながら順次取得するのがよい。
距離データの補正処理では、孤立点の除去、統計的処理、等を行う。孤立点は、周囲の点から孤立して存在する点であり、計測データは複数の近接する点で構成されることから、孤立点は誤計測と仮定して除去することができる。統計的処理は、計測データが含む誤差分布を考慮して、複数回の計測を統計処理(例えば平均値等)することで、距離の補正を行う。
さらに、対象とする三次元形状が、直線近似又は平面近似できる場合にはこれらを行うのがよい。
探索範囲を限定せずに環境モデルに対する計測データのマッチング処理を行うと、複数の解(被計測点)が得られる可能性がある。そこで、(1)現在のセンサ位置を、過去のセンサ位置とその過去のセンサ位置からの変化量から推定し、センサ位置推定結果の近傍を探索する、(2)オドメータを用いてセンサ位置を推定し、探索範囲を限定する、(3)距離データのうち、距離値だけでなく、反射強度値も利用して探索結果を絞り込む、等を実施する。
モデル構築ステップS4では、この図に示すように、三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセル6に分割し、各ボクセル位置を記憶する環境モデルを構築する。
ボクセル6の形状は、各辺の長さが等しい立方体でも、各辺の長さが異なる直方体でもよい。
また、ボクセル6の各辺の長さは、最大のボクセル6を必要最小限の分解能に相当する大きさに設定するのがよい。以下、最大のボクセル6をレベル1のボクセルと呼ぶ。
また、単一のボクセル内に複数の被計測点が存在する場合には、単一のボクセル内に単一の被計測点のみが存在するように、例えば八分木を選んだ場合は、ボクセルを更に八分割して階層的に複数のボクセルに分割する。以下、最大のボクセル6の八分割を1回実施した空間領域をレベル2のボクセル、k回実施した空間領域をレベルk+1のボクセルと呼ぶ。
マッチングステップS5では、この図に示すように、三次元形状上の座標値に対応するボクセル6の内部に代表点7とその誤差分布8を設定し記憶する。末端のボクセルは計測値の代表点を1つだけ持つことができる。各ボクセルが計測値の代表点とその誤差分布を持つことで、物体の形状を表す。また、物体の存在確率を表す確率値をボクセルに持たせることもできる。
この図において、図9は、各ボクセルデータのメモリレイアウト例である。この図において、矢印はデータへのリンクを表し、値としてはデータへのポインタを保持する。
図10は、レベル2(1,1,0)のボクセルが代表点を持つ場合の例を示している。なおこの図において、nullは空集合を表す。
(1)内容:空間を複数の小直方体(ボクセル)で分割して各ボクセルに計測点の代表点と誤差分布を保持する。
(2)精度:ボクセル毎に持つ計測点の代表値相当である。
(3)存在:物体の存在の有無を表現できる。
(4)データ量:ボクセルの個数に比例してメモリを必要とするが、サイズ固定である。
(5)点群からの変換:適しており、計算量は少ない。
(6)アクセス速度:シンプルな構造をしているため、要素へのアクセスが高速である。
効果A:誤差を考慮した表現が可能である。
効果B:必要なメモリ量と計算量が一定量以下である。
効果C:物体の存在だけでなく、物体が存在しないことを表せる。
この同定は、逐次移動する移動体の初期位置において、既知の6自由度位置(例えばグローバル座標系の原点)で実施することが好ましい。また、この同定において、新たな計測位置の位置(3自由度)と姿勢(3自由度)を含む6自由度位置を同定することが好ましい。
図11は、粗合わせステップS8と精密合わせステップS9のデータ処理フロー図であり、図12は粗合わせステップS8の模式図、図13は精密合わせステップS9の模式図である。
(1−1)新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルとの距離に関する評価値(例えば、当該距離の総和)が最小になるように、もしくは
(1−2)新たな計測位置に対する環境モデル(新たな計測データから作成したボクセル)を回転及び並進させ、近接する代表点を有するボクセル間の距離に関する評価値(例えば、当該距離の総和)が最小になるように、もしくは、
(2−1)新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値に関する評価値(例えば、当該確率値の総和)が最大になるように、もしくは
(2−2)新たな計測位置に対する環境モデル(新たな計測データから作成したボクセルであって各ボクセルは確率値を有する)を回転及び並進させ、近接するボクセルが持つ確率値の差に関する評価値(例えば、当該確率値の差の総和)が最小になるように、位置合わせする。
一致度の算出には、例えば最短距離法を用いることができる。最短距離法を用いた場合のボクセル間の距離は、2つのボクセル空間をx(1)、x(2)、ボクセルの総数をI、ボクセルの値をxi (n)とすると、[数4]の式で定義できる。
計測データの最適な位置・姿勢は、位置(x,y,z)、姿勢(θ,φ,ψ)を変化させることによってεを最小にする最小自乗法によって算出できる。
また、環境モデルはボクセル空間上で、計測データは代表値と誤差分布表現した場合には、計測データの代表値、および誤差分布が近接する環境モデルのボクセルの確率値に関する評価値(例えば、当該確率値の総和)を用いることができる。この場合は一致度を最大にするように、計測データの最適な位置・姿勢を変化させる。
(1)新たな計測データおよび誤差分布を回転及び並進させ、もしくは
(2)新たな計測位置に対する環境モデルを回転及び並進させ、
近接する誤差分布間の距離に関する評価値(例えば、当該距離の総和)が最小になるように位置合わせする。
精密合わせステップS9における環境モデルと計測データの精密合わせ位置合わせには、点群と点群の位置合わせが可能なICPアルゴリズムに誤差分布を考慮した手法を利用する。位置合わせの初期値には、粗い位置合わせにより得られた位置・姿勢を利用する。
ICPアルゴリズムに利用する誤差分布間の距離の算出には、例えば誤差分布が交差する場合を同一計測点と考え、その場合の距離値に分布の一致度から求めた重みを掛け合わせて算出する。分布の一致には例えばマハラノビス距離のような距離尺度を利用できる。
この場合の環境モデルと計測データの距離は、環境モデルデータをpMi、環境モデルデータの誤差分布をΣMi、計測データをPDi、計測データの誤差分布をΣDi、誤差分布の合成関数をw、計測データに対応する環境モデルデータの個数をNとすると、[数5]の式で定義できる。ここで、Tは転置を表す。誤差分布の合成関数wは、分布の一致度から求めた重みである。
計測データの最適な位置・姿勢は、計測データを計測した位置(x,y,z) 、姿勢(θ,φ,ψ)を変化させてPDiを移動することによりεを最小にする最小自乗法によって算出できる。
また、自己位置・姿勢の同定とともに、自己位置の誤差分布を同定し、現在の自己位置と誤差分布および同定した自己位置と誤差分布とからカルマンフィルタによって、自己位置と誤差分布を補正する。
また、このステップS23において、新しい計測位置(原点)と被計測点の間には、原理的に物体が存在しないはずである。従って新しい計測位置(原点)と被計測点の間に位置するボクセル内の代表点と誤差分布を再設定、もしくは消去する。
図14のステップS22で該当するボクセル内に既に設定した代表点がある場合には、ステップS24で新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較する(すなわち異なる点か同一点かを判断する)。
この比較で、誤差分布が互いに重複する場合(図15の(A))には、ステップS25で両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定する(すなわち誤差分布を合成する)。
またこの比較で、誤差分布が互いに重複しない場合(図15の(B))には、ステップS26、S27で単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に八分割して階層的に複数のボクセルに分割し新規に登録する。
分割と合成の基準は、例えば誤差分布の一致度から判断する。誤差分布の一致度には例えば、マハラノビス距離のような距離尺度を利用できる。また、2つの誤差分布に基づき、両者が同一点を表しているかを統計的検定によって判定してもよい。
なお、図16は、ステップS25で両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな誤差分布の中心を再設定した結果、新たな代表点が他のボクセル内へ移動する場合を示している。
図22は、計測データとCADモデルとのマッチングを説明するための二次元模式図である。この図に示すように、被計測物(例えば、ワーク)のCADモデルは、例えば三角形パッチで表現し、その頂点をw(j)で表す。CADモデルの位置をt、姿勢をR、とするとき、三角形パッチの頂点の座標はR・w(j)+tとなる。なお、tは3要素の並進ベクトル、Rは3×3の行列とする。
図24は、計測データとCADモデルとの一致度を説明するための図である。計測データとCADモデルの一致度E(R,t)は、マハラノビス距離を用いて図25に示す式によって定義できる。計測データから算出される被計測物の位置と姿勢は、E(R,t)を最小とするR,tにより与えられる。
また、被計測物の位置tと姿勢Rが算出できると、計測データの各誤差分布とCADモデルデータとが一致しない部分の位置やそのずれ量が算出できる。ずれ量が大きい場合、被計測物の表面に欠損部があることなどが分かる。つまり、被計測物の表面形状の検査が可能となる。
また、座標値に対応するボクセル6の内部に代表点7とその誤差分布8を設定し記憶するので、ボクセルの分解能以上の情報を表現することができる。
また、現在の計測位置を、
(1)「過去の計測位置」と「過去の計測位置からの予定されている変化量」に基づいて推定し、
(2)現在の計測位置を取得可能なセンサにより取得し、または
(3)計測データの距離値だけでなく反射強度を利用し、照合する範囲を制限するので、検索時間を抑えることができる。
(1−1)新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセル間との距離に関する評価値(例えば、当該距離の総和)が最小になるように、もしくは
(1−2)新たな計測位置に対する環境モデル(新たな計測データから作成したボクセル)を回転及び並進させ、近接する代表点を有するボクセル間の距離に関する評価値(例えば、当該距離の総和)が最小になるように、もしくは
(2−1)新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値に関する評価値(例えば、当該確率値の総和)が最大になるように、もしくは
(2−2)新たな計測位置に対する環境モデル(新たな計測データから作成したボクセルであって各ボクセルは確率値を有する)を回転及び並進させ、近接するボクセルが持つ確率値の差に関する評価値(例えば、当該確率値の差の総和)が最小になるように、位置合わせするので、誤差の蓄積を防ぎながら、短時間に代表点を有するボクセル同士の位置合わせができる。
従って、本発明による複数視点からのデータの統合処理により、誤差の蓄積を防ぎながら、高精度な形状取得を可能にできる。
誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に八分割して階層的に複数のボクセルに分割する、ことにより、誤差の蓄積を回避しながら高精度な形状に収束させることができる。
L(j)は、距離センサによる計測位置である。例えば、L(j)は、距離センサのセンサ座標系において三次元LRF(レーザレンジファインダ)の計測点j(j=1,...,N)の位置L(j)=(xL(j),yL(j),zL(j))tである。ここで、tは転置行列を示す(以下、同様)。
hm(Rr,tr,m(i))は、L(j)に対する観測系モデルである。
Rrは、距離センサを搭載した移動体(例えば移動ロボット)のワールド座標系に対する姿勢を表す回転行列Rr=R(θx,θy,θz)である。なお、θx,θy,θzは、それぞれx軸、y軸、z軸周りの回転角を示す(以下、同様)。
trは、上記移動体のワールド座標系に対する位置を表す並進ベクトルtr=(x,y,z)である。
vL(i)は、距離センサの計測値L(j)に加わる観測ノイズである。
Rsは、センサ座標系の移動体座標系に対する回転行列Rs=R(θx,θy,θz)である。
tsは、センサ座標系の移動体座標系に対する位置を表す併進ベクトルts=(x,y,z)である。
添え字kは、離散時刻kでの値であることを表す。
mk(i)について、m’k(i)はmk(i)の更新値(事後推定値)を示し、mk,k−1(i)はm’k−1(i)に基づいたmk(i)の予測値(事前推定値)を示す。なお、環境(測定対象物)は静止しているので、mk,k-1(i)=m’k-1(i)である。
Σmk(i)は、ボクセル内部の代表点mk(i)の誤差共分散行列(即ち、上述の誤差分布)である。また、Σmk(i)について、 Σ’mk(i)はΣmk(i)の更新値(事後推定値)を示し、Σmk,k−1(i)はΣ’mk−1(i)に基づいたΣmk(i)の予測値(事前推定値)を示す。センサ座標系において三次元LRFの計測点j(j=1,…,N)の位置をL(j)で表し、その誤差共分散行列をΣL(j)で表す。ここでNは、三次元LRFで得られた計測点の総数である。三次元LRFの誤差モデルとして計測距離に関係ない一定の正規分布を仮定する。センサ座標系のx軸方向にレーザを照射する場合の誤差共分散行列をΣSとする。レーザの照射方向に応じて誤差分布も姿勢を変える。ΣL(j)は、基準の方向に対するレーザ照射方向を回転行列RL(j)を用いてΣL(j)=RL(j)ΣSRL t(j)と表される。計測点jのワールド座標系における位置z(j)、およびその誤差共分散行列Σz(j)は、それぞれz(j)=Rr(RsL(j)+ts)+tr、Σz(j)=RrRsΣL(j)Rs tRr tと表すことができる。
Kmk(i) は、 mk(i)に対するカルマンゲインである。
hmk(Rrk,trk,mk,k−1(i))は、Lk(j)、i=pk(j)に対する観測系モデルである。i=pk(j)は、計測点jに対応付けられた環境地図(即ち、環境モデル)上の点である。
Hmkは、Lk(j)、i=pk(j)に対する観測系モデルのヤコビアン行列であり、次の[数8]の式で表わされる。
(1)これら更新値m’k(i)、Σ’mk(i)を、新たな代表点、誤差分布として再設定する。
(2)上述(1)の結果、代表点の位置が別のボクセル内に移動した場合、移動先のボクセルが代表点を保持していないときは、移動後の代表点とその誤差共分散行列を移動先のボクセルに保持させ、移動元のボクセルからは代表点等を取り除く。移動先のボクセルが既に代表点を保持しているときには、2つの代表点において、これらの両誤差分布が重複するかを判断する(上述のS24における判断と同様)。その後の処理は、図14のS24以降の処理と同じであってよい。
(3)モデル点群上の代表点m(i)と対応付けが行われなかった距離センサによる計測点について、当該計測点が含まれるボクセルが代表点を持たない場合は、計測点とその誤差分布をそのボクセルの代表点と誤差分布として追加し保持する。もし、ボクセル内に既に代表点が存在する場合には、ボクセル内にある対応付けが行われなかった他の複数の計測点を含め、既存の代表点と各計測点とが全て異なるボクセルに含まれるように、ボクセルを分割した上で分割後のボクセルに代表点等を継承させる。
図19は、カルマンフィルタを用いたモデル更新ステップにより得られた結果を示す。図20は図19の一部拡大図である。これら図において、初期のボクセルの1辺の長さを100cmとし、再分割数を6分割まで許している。対象が存在している領域では、ボクセルの再分割を繰り返した結果、計測対象を精度良く表現している。対象が存在しない領域ではボクセルの再分割は行われず、必要十分なデータ量で環境を表現できることがわかる。また、各ボクセル内の代表点の誤差分布も小さく、環境地図を高精度で表現できている。このように、誤差を含むデータであってもカルマンフィルタの効果により、真値に収束した結果が得られる。さらに、この方法では計測データ数を増加させることによって標準偏差が小さくなり、精度のさらなる向上が期待できる。
この場合について詳しく説明する。
具体的には、計測点jに対応付けられた環境地図上の点i=p(j)の位置が、平均値(代表点)m(i)、誤差共分散行列Σm(i)の正規分布に従うと仮定した上で、三次元LRFで計測した結果、L(j)なる計測データが得られる確率値Pr(L(j)|m(i),Σm(i))を点iと点jとの評価関数EM(i,j)とし、その総乗が最大となるように次の[数9]の式で評価関数を定める。[数9]の式によって誤差分布間に基づく最尤推定値によって定めた一致度を算出することができる。
ここで、Pr(L(j)|q)を環境地図の点がqの位置にある場合にL(j)なる計測データが得られる確率値を表すものとし、Pr(q|m(i),Σm(i))を平均値m(i)、誤差共分散行列Σm(i)の正規分布に従うと仮定した上で環境地図の点がqの位置にある確率値を表すものとすると、[数10]の式が成り立つ。
(1)対象とする計測点jの誤差共分散行列ΣL(j)の範囲(例えば標準偏差の3倍の範囲)と交わる最上位のボクセルとそのボクセルに隣接している最上位のボクセルを求め、下層のボクセルも含めこれらのボクセル内に存在する代表点を対応点の候補とする。ボクセルが階層構造となっているため、この候補点の探索には計算コストはほとんどかからない。このとき、候補となる代表点がない場合には、対応点がないものとみなす。隣接するボクセルも候補に加える理由は、ボクセル内の代表点の位置によっては、誤差共分散行列の範囲が隣接するボクセルまではみ出すことがあるからである。
(2)候補となるボクセルの代表点iと誤差共分散行列を用いて、評価関数EM(i,j)の値を求める。
(3)評価関数EM(i,j)の値が最も大きい代表点iを対応点とする。ただし、最も大きい評価関数の値がある閾値未満の場合には、対応点がないものとみなす。
本実施例では、対応付けの評価関数EM(i,j)として、尤度に基づいた式を採用しており、対応点の有無に関して統計的に明確な判断尺度があるため、対応点が存在しないと考えられる場合においても無理に対応付けを行うようなことはない。なお、対応点がない場合には、対象となる計測点はこれまで未計測の部分に相当する点であると解釈し、環境地図に追加する。
41 3Dセンサ
42 物体認識処理部
43 モデルデータベース部
45 ロボット制御部
46 ロボット
Claims (20)
- 物体の位置及び姿勢を認識する物体認識方法であって、
新たな計測位置から計測して得られた三次元形状上の座標値をコンピュータに入力するデータ入力ステップと、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築ステップと、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶する第1マッチングステップとを実施し、
先の計測位置から計測して得られた前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
先の計測位置から計測して得られた前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、
新たな計測データおよび誤差分布を回転及び並進させ、または
新たな計測位置に対する環境モデルを回転及び並進させ、
近接する誤差分布間の距離に関する評価値が最小になるように位置合わせする精密合わせステップと、
前記精密合わせステップにおける回転量及び並進量から自己位置を同定する自己位置同定ステップとを実施し、
更に複数の計測位置から計測された複数の計測データおよび複数の誤差分布を統合する統合ステップと、
統合して得られた計測データおよび誤差分布に対し、モデルデータによって表される被計測物を回転および並進させ、前記統合して得られた計測データと前記モデルデータを構成する要素との距離に関する評価値が最小になるようにする位置合わせをする第2マッチングステップとを実施する、ことを特徴とする物体認識方法。 - 前記第2マッチングステップにおいて、計測データとモデルデータを構成する要素との距離を用いて、計測データとモデルデータの差異を判断することにより、物体の検査を可能とする、ことを特徴とする請求項1に記載の物体認識方法。
- 前記第1マッチングステップにおいて、ボクセルの内部に代表点とその誤差分布に加え、ボクセル内に物体の存在確率を表す確率値を設定し、記憶する、ことを特徴とする請求項1に記載の物体認識方法。
- 前記精密合わせステップの前に、先の計測位置に対する環境モデルに対し、
新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセル間との距離の総和が最小になるように、または
新たな計測位置に対する環境モデルを回転及び並進させ、代表点を有するボクセル間の距離の総和が最小になるように、
位置合わせする粗合わせステップを有する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記精密合わせステップの前に、先の計測位置に対する環境モデルに対し、
新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値の総和が最大になるように、または
新たな計測位置に対する環境モデルを回転及び並進させ、近接するボクセルが持つ確率値の差の総和が最小になるように、
位置合わせする粗合わせステップを有する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記データ入力ステップの後に、
現在の計測位置を過去の計測位置の変化から推定し、または
現在の計測位置を取得可能なセンサにより取得し、または
計測データの距離値だけでなく反射強度値を利用し、
照合する範囲を限定する探索範囲限定ステップを有する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記自己位置同定ステップにおいて、先の計測位置における位置及び姿勢から新たな計測位置の6自由度位置を同定する、ことを特徴とする請求項1に記載の物体認識方法。
- 前記精密合わせステップにおいて、誤差分布が交差する場合を同一計測点とし、その場合の距離値に分布の一致度から求めた重みを掛け合わせて誤差分布間の距離を算出する、ことを特徴とする請求項1に記載の物体認識方法。
- 前記モデル構築ステップにおいて、最大のボクセルを必要最小限の分解能に相当する大きさに設定し、かつ単一のボクセル内に複数の被計測点が存在する場合に、単一のボクセル内に単一の被計測点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項1に記載の物体認識方法。
- 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
原点と被計測点の間に物体が存在しないものとして、その間に位置するボクセル内の代表点と誤差分布を再設定もしくは消去する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
該ボクセル内に代表点がない場合に、前記座標値と誤差分布を代表点の座標値と誤差分布として設定する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
前記ボクセル内に既に設定した代表点がある場合に、新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較し、
誤差分布が互いに重複する場合に、両誤差分布から新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記自己位置同定ステップにおいて、自己位置の同定とともに、自己位置の誤差分布を同定し、現在の自己位置と誤差分布および同定した自己位置と誤差分布とからカルマンフィルタによって、自己位置と誤差分布を補正する、ことを特徴とする請求項1に記載の物体認識方法。
- 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、前記新たに取得した誤差分布と前記既に設定したボクセル内の誤差分布とを比較し、誤差分布が互いに重複する場合に、両誤差分布から新たな誤差分布と新たな代表点を再設定した結果、新たな代表点が他のボクセル内へ移動したとき、
該他のボクセル内に代表点がない場合に、該新たな誤差分布と該新たな代表点を該他のボクセルの内部に設定し、
該他のボクセル内に既に設定した代表点がある場合に、該新たな誤差分布と既に設定した該他のボクセル内の誤差分布とを比較し、(A)誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、(B)誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、
該モデル更新ステップにおいて、新たに入力された被計測点の座標値およびその誤差分布と、既に設定したボクセル内の代表点およびその誤差分布とから、カルマンフィルタにより新たな代表点と誤差分布を取得して再設定する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記精密合わせステップにおいて、前記近接する誤差分布間の距離に関する評価値が最小になるように位置合わせする代わりに、前記近接する誤差分布間に基づく最尤推定値によって定めた一致度に関する評価値が最大となるように、先の計測位置に対する環境モデルに対し、
新たな計測データおよび誤差分布を回転及び並進させ、または
新たな計測位置に対する環境モデルを回転及び並進させて位置合わせする、ことを特徴とする請求項1に記載の物体認識方法。 - 前記精密合わせステップにおける前記一致度に関する評価値の算出式が次の[数1]の式で表わされ、
- 前記統合ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
前記ボクセル内に既に設定した代表点がある場合に、新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較し、
誤差分布が互いに重複する場合に、両誤差分布から新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項1に記載の物体認識方法。 - 前記統合ステップにおいて、両誤差分布から新たな誤差分布と新たな代表点を再設定した結果、新たな代表点が他のボクセル内へ移動したとき、
該他のボクセル内に代表点がない場合に、該新たな誤差分布と該新たな代表点を該他のボクセルの内部に設定し、
該他のボクセル内に既に設定した代表点がある場合に、該新たな誤差分布と既に設定した該他のボクセル内の誤差分布とを比較し、(A)誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、(B)誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項18に記載の物体認識方法。 - 物体の位置及び姿勢を認識する物体認識装置であって、
新たな計測位置から計測して得られた三次元形状上の座標値をコンピュータに入力するデータ入力部と、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築部と、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶する第1マッチング部と、
先の計測位置から計測して得られた前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
先の計測位置から計測して得られた前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、(A)新たな計測データおよび誤差分布を回転及び並進させ、または(B)新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値が最小になるように位置合わせし、位置合わせに必要な回転量及び並進量から自己位置を同定する自己位置同定部と、
複数の計測位置から計測された複数の計測データおよび複数の誤差分布を統合する統合部と、
統合して得られた計測データおよび誤差分布に対し、モデルデータによって多面体として表される被計測物を回転および並進させ、前記統合して得られた計測データと前記多面体を構成する平面との距離に関する評価値が最小になるようにする位置合わせをする第2マッチング部とを具備する、ことを特徴とする物体認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007158282A JP5380792B2 (ja) | 2007-06-15 | 2007-06-15 | 物体認識方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007158282A JP5380792B2 (ja) | 2007-06-15 | 2007-06-15 | 物体認識方法および装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008309671A JP2008309671A (ja) | 2008-12-25 |
JP5380792B2 true JP5380792B2 (ja) | 2014-01-08 |
Family
ID=40237402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007158282A Expired - Fee Related JP5380792B2 (ja) | 2007-06-15 | 2007-06-15 | 物体認識方法および装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5380792B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5332873B2 (ja) * | 2009-04-27 | 2013-11-06 | 株式会社Ihi | 袋状ワーク認識装置および方法 |
JP5839671B2 (ja) * | 2011-09-20 | 2016-01-06 | 株式会社Screenホールディングス | 三次元位置・姿勢認識装置、産業用ロボット、三次元位置・姿勢認識方法、プログラム、記録媒体 |
JP5965293B2 (ja) * | 2012-11-07 | 2016-08-03 | 日本電信電話株式会社 | カメラポーズ推定装置、及びカメラポーズ推定プログラム |
JP6415291B2 (ja) | 2014-12-09 | 2018-10-31 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
DE112017006839T5 (de) | 2017-01-16 | 2019-09-26 | Fujitsu Limited | Informationsverarbeitungsvorrichtung, Datenbankerzeugungsvorrichtung, Verfahren, Programm und Speichermedium |
JP6438512B2 (ja) | 2017-03-13 | 2018-12-12 | ファナック株式会社 | 機械学習により補正した計測データでワークの取り出しを行うロボットシステム、計測データ処理装置および計測データ処理方法 |
JP7099052B2 (ja) * | 2018-05-29 | 2022-07-12 | オムロン株式会社 | シミュレーション装置、シミュレーション方法およびプログラム |
JP7205181B2 (ja) * | 2018-11-19 | 2023-01-17 | 株式会社Ihi | 監視システム及び処理装置 |
CN113330277B (zh) | 2019-03-14 | 2022-04-29 | 株式会社东京精密 | 三维测量***和三维测量方法 |
JP7300930B2 (ja) * | 2019-08-26 | 2023-06-30 | 株式会社トプコン | 測量データ処理装置、測量データ処理方法および測量データ処理用プログラム |
WO2022180790A1 (ja) * | 2021-02-26 | 2022-09-01 | パイオニア株式会社 | 情報処理装置、制御方法、プログラム及び記憶媒体 |
CN117115487B (zh) * | 2023-10-23 | 2024-03-08 | 睿励科学仪器(上海)有限公司 | 模板匹配方法、模板匹配***及存储介质 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0778406B2 (ja) * | 1991-03-11 | 1995-08-23 | 工業技術院長 | 多視点距離データの統合方法 |
JPH09229648A (ja) * | 1996-02-21 | 1997-09-05 | Canon Inc | 画像情報入出力装置及び画像情報入出力方法 |
JPH09231370A (ja) * | 1996-02-21 | 1997-09-05 | Canon Inc | 画像情報入力装置 |
JP3740865B2 (ja) * | 1998-10-08 | 2006-02-01 | コニカミノルタホールディングス株式会社 | 多視点3次元データの合成方法および記録媒体 |
JP3514373B2 (ja) * | 1999-07-12 | 2004-03-31 | 日本電信電話株式会社 | 3次元情報抽出方法、装置、および3次元情報抽出プログラムを記録した記録媒体 |
GB9929957D0 (en) * | 1999-12-17 | 2000-02-09 | Canon Kk | Image processing apparatus |
JP3938872B2 (ja) * | 2001-02-02 | 2007-06-27 | 松下電器産業株式会社 | データ分類装置および物体認識装置 |
KR20030001483A (ko) * | 2001-03-12 | 2003-01-06 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 옥트리를 이용한 복수의 영상으로부터의 3차원 표현의 발생 |
EP1321894B1 (en) * | 2001-11-27 | 2011-11-09 | Samsung Electronics Co., Ltd. | Apparatus and method for representing 3-dimensional objects using depth images |
CA2413058C (en) * | 2001-11-27 | 2012-01-17 | Samsung Electronics Co., Ltd. | Node structure for representing 3-dimensional objects using depth image |
JP2004132944A (ja) * | 2002-08-16 | 2004-04-30 | Foundation For The Promotion Of Industrial Science | 製造誤差評価システム及び方法並びにプログラム |
JP2005037379A (ja) * | 2003-06-30 | 2005-02-10 | Sanyo Electric Co Ltd | 三次元モデリング方法と装置 |
CN101331379B (zh) * | 2005-12-16 | 2012-04-11 | 株式会社Ihi | 自身位置辨认方法和装置以及三维形状的计测方法和装置 |
DE112006003361T5 (de) * | 2005-12-16 | 2008-10-16 | Ihi Corporation | Verfahren und Vorrichtung für das Aufzeichnen/Anzeigen von dreidimensionalen Formdaten und Verfahren und Vorrichtung für das Messen einer dreidimensionalen Form |
WO2007069724A1 (ja) * | 2005-12-16 | 2007-06-21 | Ihi Corporation | 三次元形状データの位置合わせ方法と装置 |
JP5303873B2 (ja) * | 2007-06-13 | 2013-10-02 | 株式会社Ihi | 車両形状計測方法と装置 |
JP5218723B2 (ja) * | 2007-06-14 | 2013-06-26 | 株式会社Ihi | 蛍光探傷方法および蛍光探傷装置 |
JP5251080B2 (ja) * | 2007-11-20 | 2013-07-31 | 株式会社Ihi | 物体認識方法 |
JP5246468B2 (ja) * | 2007-11-21 | 2013-07-24 | 株式会社Ihi | バリまたは欠損認識方法と装置およびバリ取り方法と装置 |
JP5104248B2 (ja) * | 2007-11-22 | 2012-12-19 | 株式会社Ihi | 物体認識装置およびロボット装置 |
JP4900204B2 (ja) * | 2007-11-22 | 2012-03-21 | 株式会社Ihi | 物体認識方法 |
-
2007
- 2007-06-15 JP JP2007158282A patent/JP5380792B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2008309671A (ja) | 2008-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4650752B2 (ja) | 自己位置同定方法と装置および三次元形状の計測方法と装置 | |
JP5380792B2 (ja) | 物体認識方法および装置 | |
JP4650751B2 (ja) | 三次元形状データの位置合わせ方法と装置 | |
JP4650750B2 (ja) | 三次元形状データの記憶・表示方法と装置および三次元形状の計測方法と装置 | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
JP5303873B2 (ja) | 車両形状計測方法と装置 | |
US8792726B2 (en) | Geometric feature extracting device, geometric feature extracting method, storage medium, three-dimensional measurement apparatus, and object recognition apparatus | |
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 | |
US11568559B2 (en) | Localization of a surveying instrument | |
JP6736257B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
EP3078935A1 (en) | Method and device for real-time mapping and localization | |
CN113052908B (zh) | 一种基于多传感器数据融合的移动机器人位姿估计算法 | |
US20130114886A1 (en) | Position and orientation measurement apparatus, position and orientation measurement method, and storage medium | |
JP5246468B2 (ja) | バリまたは欠損認識方法と装置およびバリ取り方法と装置 | |
JP6673504B2 (ja) | 情報処理装置、データベース生成装置、方法、プログラム、及び記憶媒体 | |
US11867818B2 (en) | Capturing environmental scans using landmarks based on semantic features | |
US20230316567A1 (en) | Localization of a surveying instrument | |
Sohn et al. | A robust localization algorithm for mobile robots with laser range finders | |
US20220406005A1 (en) | Targetless tracking of measurement device during capture of surrounding data | |
JP7464134B2 (ja) | 形状モデリング装置及び形状モデリング方法 | |
US11669988B1 (en) | System and method for three-dimensional box segmentation and measurement | |
Hu et al. | Efficient Visual-Inertial navigation with point-plane map | |
Mützel et al. | Geometric features for robust registration of point clouds | |
Forsman et al. | Feature based registration of range images for mapping of natural outdoor environments | |
Akca et al. | Fast quality control of 3D city models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100426 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130521 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130719 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130903 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130916 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5380792 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |