JPH04293178A - 構成整合システム及びその方法 - Google Patents
構成整合システム及びその方法Info
- Publication number
- JPH04293178A JPH04293178A JP3331967A JP33196791A JPH04293178A JP H04293178 A JPH04293178 A JP H04293178A JP 3331967 A JP3331967 A JP 3331967A JP 33196791 A JP33196791 A JP 33196791A JP H04293178 A JPH04293178 A JP H04293178A
- Authority
- JP
- Japan
- Prior art keywords
- point
- matching
- points
- detected
- vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000013598 vector Substances 0.000 claims abstract description 86
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 50
- 230000014759 maintenance of location Effects 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 13
- 230000009466 transformation Effects 0.000 abstract description 10
- 238000013139 quantization Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101000582320 Homo sapiens Neurogenic differentiation factor 6 Proteins 0.000 description 1
- 102100030589 Neurogenic differentiation factor 6 Human genes 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【0001】
【産業上の利用分野】本発明はパターン整合(patt
ern matching)システム及び方法に関し、
特に一組の検出した点を一組の参照とする点にリアルタ
イムで整合させるシステム及びその方法に関する。
ern matching)システム及び方法に関し、
特に一組の検出した点を一組の参照とする点にリアルタ
イムで整合させるシステム及びその方法に関する。
【0002】
【従来の技術】パターン又は構成(constilla
tion) の整合問題は様々の状況で生じる。パター
ン整合問題の一例としては、レーダ探査システムがある
。このシステムで、情景内の検出された点により、既知
の点パターン又は点構成が形成される。ここで問題は新
たに検出された一組の点を既知の構成に整合させること
である。同様な問題は赤外線探査システム、及び目に見
える画像内のパターンを認識するシステムにも存在する
。代表的なパターン整合問題では、既知のパターン又は
一組の点が確立される。そして、新しい一組のデータを
参照パターンに整合させることが行われる。パターン整
合問題を解決する従来の方法は、複雑な情景認識アルゴ
リズムを含む。 これらのアルゴリズムは一般に長い処理時間、及び特別
な処理を必要とする。他のパターン整合方法では、ルー
プ内の幾つかの点で人間が介在する。この方法は処理速
度、信頼性などの問題を生じる。
tion) の整合問題は様々の状況で生じる。パター
ン整合問題の一例としては、レーダ探査システムがある
。このシステムで、情景内の検出された点により、既知
の点パターン又は点構成が形成される。ここで問題は新
たに検出された一組の点を既知の構成に整合させること
である。同様な問題は赤外線探査システム、及び目に見
える画像内のパターンを認識するシステムにも存在する
。代表的なパターン整合問題では、既知のパターン又は
一組の点が確立される。そして、新しい一組のデータを
参照パターンに整合させることが行われる。パターン整
合問題を解決する従来の方法は、複雑な情景認識アルゴ
リズムを含む。 これらのアルゴリズムは一般に長い処理時間、及び特別
な処理を必要とする。他のパターン整合方法では、ルー
プ内の幾つかの点で人間が介在する。この方法は処理速
度、信頼性などの問題を生じる。
【0003】従って、リアルタイムで実行できる構成整
合システムを提供することが望まれている。更に、必要
となる処理を最小限とし、特別なハードウエアを必要と
しないパターンマッチャー(pattern matc
her) を有しているのが望ましい。これにより、既
に導入された従来のプロセッサを使用できる。
合システムを提供することが望まれている。更に、必要
となる処理を最小限とし、特別なハードウエアを必要と
しないパターンマッチャー(pattern matc
her) を有しているのが望ましい。これにより、既
に導入された従来のプロセッサを使用できる。
【0004】
【課題を解決するための手段】この発明によれば、一組
の検出点を参照点パターンと整合させるシステムとその
方法が提供される。このシステムは、参照パターンから
参照点の座標値を格納するプログラマブルなプロセッサ
を含む。これらの参照座標値は参照フレーム内に定義さ
れる。更に、プロセッサは検出点の座標値を格納する。 検出された座標値は検出座標フレーム内に定義される。 次に、参照座標フレーム内の点は推測座標変換を使用し
て検出座標フレーム内に変換される。一致する可能性の
ある参照点と検出点の各々のベクトルテーブルが作成さ
れる。整合した参照ベクトルと検出されたベクトルの対
のリストが構成される。ベクトル整合に関する評価基準
は、参照及び検出されたベクトル対の間の差ベクトルの
大きさが所定スレショルドより小さいことである。
の検出点を参照点パターンと整合させるシステムとその
方法が提供される。このシステムは、参照パターンから
参照点の座標値を格納するプログラマブルなプロセッサ
を含む。これらの参照座標値は参照フレーム内に定義さ
れる。更に、プロセッサは検出点の座標値を格納する。 検出された座標値は検出座標フレーム内に定義される。 次に、参照座標フレーム内の点は推測座標変換を使用し
て検出座標フレーム内に変換される。一致する可能性の
ある参照点と検出点の各々のベクトルテーブルが作成さ
れる。整合した参照ベクトルと検出されたベクトルの対
のリストが構成される。ベクトル整合に関する評価基準
は、参照及び検出されたベクトル対の間の差ベクトルの
大きさが所定スレショルドより小さいことである。
【0005】整合マトリクス・ヒストグラムが作成され
、このヒストグラムは、整合した検出−参照ベクトル対
の各々支店と終点を関係付けることにより発生された各
検出−参照点の一致する数を計数するためのビン(bi
ns)を含んでいる。最後に、マトリクスのビン内の計
数値及び予想される点整合の幾何学的構成に基づき、整
合は可能性の少ない整合を排除することにより選択され
る。
、このヒストグラムは、整合した検出−参照ベクトル対
の各々支店と終点を関係付けることにより発生された各
検出−参照点の一致する数を計数するためのビン(bi
ns)を含んでいる。最後に、マトリクスのビン内の計
数値及び予想される点整合の幾何学的構成に基づき、整
合は可能性の少ない整合を排除することにより選択され
る。
【0006】
【実施例】本発明による構成整合システム(const
ellation matching system)
の基本的機能は、検出点の画像内で参照点のパターン
の位置を発見し、その一致情報を使用して、検出画像内
の特定点、つまり対象とする点の位置を検出することで
ある。図1に、構成整合システム10の全体像を示す。 参照点格納手段12は、良く定義された座標システム内
に、参照点に関する座標を含む。更に、対象とする特定
点の座標も又、参照点格納手段12に供給されてる。参
照点及び特定点(目標点)の座標は、構成整合プロセッ
サ14に伝送される。
ellation matching system)
の基本的機能は、検出点の画像内で参照点のパターン
の位置を発見し、その一致情報を使用して、検出画像内
の特定点、つまり対象とする点の位置を検出することで
ある。図1に、構成整合システム10の全体像を示す。 参照点格納手段12は、良く定義された座標システム内
に、参照点に関する座標を含む。更に、対象とする特定
点の座標も又、参照点格納手段12に供給されてる。参
照点及び特定点(目標点)の座標は、構成整合プロセッ
サ14に伝送される。
【0007】全体として、本発明の基本的方法は4つの
基本ステップで処理される。即ち、初期化、検出、整合
、及び変更である。構成整合の初期化のときに、プロセ
ッサ14は、検出点の認識の前に実行できる全ての計算
を実行する。センサ16は(検出座標システム内の)検
出された点の座標を構成整合プロセッサ14に供給する
。センサ16は、検出された点の座標を生成するときに
、レーダ、IR、又は他の情報を収集できる。
基本ステップで処理される。即ち、初期化、検出、整合
、及び変更である。構成整合の初期化のときに、プロセ
ッサ14は、検出点の認識の前に実行できる全ての計算
を実行する。センサ16は(検出座標システム内の)検
出された点の座標を構成整合プロセッサ14に供給する
。センサ16は、検出された点の座標を生成するときに
、レーダ、IR、又は他の情報を収集できる。
【0008】単一検出点の情報に基づいて行われる全て
の計算は、時間の許すかぎり検出している期間中に、構
成整合プロセッサ14によって行われる。検出画像全体
に基づく他の計算は、周期的整合期間中に検出点が順次
検出画像に加算されるときに行われる。次に、”廃止(
extinct) ”検出点データの一掃、及び再初期
化が、更新期間中に失敗した整合が各々試みられた後に
実行される。点構成整合プロセッサ14により最終的整
合が一度得られたならば、整合した点の座標は検出され
た画像内の特定目標点の座標を決定するために使用され
る。目標点の座標は制御システム18に転送される。こ
のシステムは例えばミサイル誘導システム又は目標点情
報を利用する他の手段である。
の計算は、時間の許すかぎり検出している期間中に、構
成整合プロセッサ14によって行われる。検出画像全体
に基づく他の計算は、周期的整合期間中に検出点が順次
検出画像に加算されるときに行われる。次に、”廃止(
extinct) ”検出点データの一掃、及び再初期
化が、更新期間中に失敗した整合が各々試みられた後に
実行される。点構成整合プロセッサ14により最終的整
合が一度得られたならば、整合した点の座標は検出され
た画像内の特定目標点の座標を決定するために使用され
る。目標点の座標は制御システム18に転送される。こ
のシステムは例えばミサイル誘導システム又は目標点情
報を利用する他の手段である。
【0009】本発明は多くの一般的な場合に効果的に利
用できるが、以下に示す好適実施例は、参照及び検出画
像が2次元で、見える外観(回転及び曲り)又は拡大縮
小における最小限の参照のみを含む場合について示して
ある。これは簡単であるが有用な実際的モデルである。 1.初期化
用できるが、以下に示す好適実施例は、参照及び検出画
像が2次元で、見える外観(回転及び曲り)又は拡大縮
小における最小限の参照のみを含む場合について示して
ある。これは簡単であるが有用な実際的モデルである。 1.初期化
【0010】図2において、4つの参照点22によりな
る簡単な構成20を示す。目標点24は、構成20の方
向に関して、固定、既知の与えられた位置にある。各点
22及び目標点24の座標は特定参照座標システム内に
与えられる。図3は5つの検出された点28の一組26
を示す。検出された点28は検出された検出フレーム内
の座標により定義される。推定遭遇幾何学(aprio
ri encounter geometry)が特定
される。即ち、検出座標フレームの方位角は参照座標フ
レームに関して検知される。適切な座標変換が確立され
、供給された参照座標は推測検出座標フレームに変換さ
れる。これらの点は、参照点のREF座標と呼ばれる。 任意原点を有するX、Y方向の北及び東方向が使用され
る。又、推測遭遇方位(北に対する相対角度)により初
期のX軸方向が設定される。
る簡単な構成20を示す。目標点24は、構成20の方
向に関して、固定、既知の与えられた位置にある。各点
22及び目標点24の座標は特定参照座標システム内に
与えられる。図3は5つの検出された点28の一組26
を示す。検出された点28は検出された検出フレーム内
の座標により定義される。推定遭遇幾何学(aprio
ri encounter geometry)が特定
される。即ち、検出座標フレームの方位角は参照座標フ
レームに関して検知される。適切な座標変換が確立され
、供給された参照座標は推測検出座標フレームに変換さ
れる。これらの点は、参照点のREF座標と呼ばれる。 任意原点を有するX、Y方向の北及び東方向が使用され
る。又、推測遭遇方位(北に対する相対角度)により初
期のX軸方向が設定される。
【0011】次に、ベクトルの一組が一致する可能性の
ある一対の各参照点に関して設定される。ベクトルは一
点から他の点に進み、各点対は一般に2回使用される。 処理を改善するために、主に”後方”に向いた”非常に
長い”ベクトルは除かれる。なぜならば、それに対応す
る検出ベクトルはそれらが形成されるシーケンシャルな
方法のために、いずれにせよ整合しないからである。例
えば、所定値以上のマイナスのX成分を有するREFベ
クトルは保持される必要がない。
ある一対の各参照点に関して設定される。ベクトルは一
点から他の点に進み、各点対は一般に2回使用される。 処理を改善するために、主に”後方”に向いた”非常に
長い”ベクトルは除かれる。なぜならば、それに対応す
る検出ベクトルはそれらが形成されるシーケンシャルな
方法のために、いずれにせよ整合しないからである。例
えば、所定値以上のマイナスのX成分を有するREFベ
クトルは保持される必要がない。
【0012】次に、参照画像を包囲するために必要な(
X軸に関する)格納深さが計算され、そして”廃止”基
準が検出点に対して確立される。有望整合スレショルド
(potential match threshol
d) が確立され、このスレショルドは供給された参照
点の数及び点検出の推測的可能性に基づいて、有望整合
ヒストグラム内の計数値を定義する。
X軸に関する)格納深さが計算され、そして”廃止”基
準が検出点に対して確立される。有望整合スレショルド
(potential match threshol
d) が確立され、このスレショルドは供給された参照
点の数及び点検出の推測的可能性に基づいて、有望整合
ヒストグラム内の計数値を定義する。
【0013】図4において、有望整合マトリクス30は
、全て0に設定されているビンにより構成される。マト
リクス内の行32は検出された(DET)点に対応し、
マトリクス30内の列34は参照(REF)点に対応す
る。この期間に、様々な他の定数、表及び初期化に必要
な変数が確立され初期化される。又このとき、整合処理
の全ての結果に対して予め計算できる目標点の予想に必
要なデータが作られ格納される。 2.検出
、全て0に設定されているビンにより構成される。マト
リクス内の行32は検出された(DET)点に対応し、
マトリクス30内の列34は参照(REF)点に対応す
る。この期間に、様々な他の定数、表及び初期化に必要
な変数が確立され初期化される。又このとき、整合処理
の全ての結果に対して予め計算できる目標点の予想に必
要なデータが作られ格納される。 2.検出
【0014】新たな検出点に遭遇するごとに、マトリク
ス30内の新しい行32は、利用できる自由行のリスト
から選択され、その行は”使用中”として設定される。 一組のベクトルが、検出された可能性のある点対の各々
について確立される。ベクトルは旧い”廃止されてない
”各点から新しい点へ進む。新しい一組のDETベクト
ルが各々発生されるとき、ベクトル整合が、各DETベ
クトルと各REFベクトルの間で行われる。2つのベク
トル間の整合は、それらの差ベクトルが所定スレショル
ド以下のときに成立する。処理時間を減少するために、
整合作業の予備選別がルックアップ処理を用いて達成さ
れる。初期化のとき、DETベクトル空間は所定数の長
方形領域に分割される。そして各領域について、その領
域に入ったDETベクトルに整合する可能性のあるRE
Fベクトルのリストが表に格納される。検出期間に、数
少ない有望なREFからDETベクトル整合のみが試み
られる必要がある。更に、小さい許容基準を用いてXと
Yを別々にテストすることにより、及び初期の選別から
生き残っている有望な僅かな整合にについての長さをテ
ストすることによってのみ、必要な処理時間を減少でき
る。現在のベクトル整合のリストは新しい整合と共に検
討される。
ス30内の新しい行32は、利用できる自由行のリスト
から選択され、その行は”使用中”として設定される。 一組のベクトルが、検出された可能性のある点対の各々
について確立される。ベクトルは旧い”廃止されてない
”各点から新しい点へ進む。新しい一組のDETベクト
ルが各々発生されるとき、ベクトル整合が、各DETベ
クトルと各REFベクトルの間で行われる。2つのベク
トル間の整合は、それらの差ベクトルが所定スレショル
ド以下のときに成立する。処理時間を減少するために、
整合作業の予備選別がルックアップ処理を用いて達成さ
れる。初期化のとき、DETベクトル空間は所定数の長
方形領域に分割される。そして各領域について、その領
域に入ったDETベクトルに整合する可能性のあるRE
Fベクトルのリストが表に格納される。検出期間に、数
少ない有望なREFからDETベクトル整合のみが試み
られる必要がある。更に、小さい許容基準を用いてXと
Yを別々にテストすることにより、及び初期の選別から
生き残っている有望な僅かな整合にについての長さをテ
ストすることによってのみ、必要な処理時間を減少でき
る。現在のベクトル整合のリストは新しい整合と共に検
討される。
【0015】図5において、このベクトル整合のリスト
36が示される。説明の都合上、ベクトル整合のリスト
内の最初の記載事項は次のことを示す。即ち、図3の検
出点1で始まり検出点2で終わるベクトルは、図2の参
照点1で始まり参照点3で終わるベクトルに整合するこ
とが検知されたことを示す。目視により、これらのベク
トルはほぼ同一の長さ及び方向であることがわかる。
36が示される。説明の都合上、ベクトル整合のリスト
内の最初の記載事項は次のことを示す。即ち、図3の検
出点1で始まり検出点2で終わるベクトルは、図2の参
照点1で始まり参照点3で終わるベクトルに整合するこ
とが検知されたことを示す。目視により、これらのベク
トルはほぼ同一の長さ及び方向であることがわかる。
【0016】各ベクトル整合は2つの対応する点整合を
生じるので、ベクトル整合リスト36内の最初の記載事
項は検出点番号2及び参照点番号3の間の一つの整合を
生じ、又、検出点番号1及び参照点番号1の間の整合を
生じる。従って図4の整合マトリクス30は、インクリ
メントされることにより、これらの結果を示すビンを有
する。従って、検出点番号2に関する行と、参照点番号
3の列の交点に1が現れる。又、検出点番号1の行と参
照点番号1の列の交点のビン内に1が配置される。図4
において、ヒストグラム・マトリクス30は、ベクトル
整合表36内で発見された全ての整合を表にした結果を
示す。マトリクス30から、ある検出及び参照点につい
て整合は無く、幾つかの点について最大3つの整合があ
ることが判る。 3.整合
生じるので、ベクトル整合リスト36内の最初の記載事
項は検出点番号2及び参照点番号3の間の一つの整合を
生じ、又、検出点番号1及び参照点番号1の間の整合を
生じる。従って図4の整合マトリクス30は、インクリ
メントされることにより、これらの結果を示すビンを有
する。従って、検出点番号2に関する行と、参照点番号
3の列の交点に1が現れる。又、検出点番号1の行と参
照点番号1の列の交点のビン内に1が配置される。図4
において、ヒストグラム・マトリクス30は、ベクトル
整合表36内で発見された全ての整合を表にした結果を
示す。マトリクス30から、ある検出及び参照点につい
て整合は無く、幾つかの点について最大3つの整合があ
ることが判る。 3.整合
【0017】ここで整合マトリクス30はスキャンされ
、最大値(MAX)が判断される。前述のように、初期
化のとき、有望整合スレショルドが確立された。例えば
、図4に示すように、このスレショルド(THRESH
)は2.25に設定される。ここで、3に等しいMAX
は整合スレショルドと比較される。このMAXが有望整
合スレショルドより小さければ、整合処理は、参照パタ
ーンを発見することなく、この試みに関しては終結する
。そうでない場合、ビン保持スレショルドが確立され、
処理は続行する。図4に示すように、MAXはスレショ
ルドより大きく、ビン保持スレショルド(REQ)はM
AXの半分、つまり1.5として計算される。
、最大値(MAX)が判断される。前述のように、初期
化のとき、有望整合スレショルドが確立された。例えば
、図4に示すように、このスレショルド(THRESH
)は2.25に設定される。ここで、3に等しいMAX
は整合スレショルドと比較される。このMAXが有望整
合スレショルドより小さければ、整合処理は、参照パタ
ーンを発見することなく、この試みに関しては終結する
。そうでない場合、ビン保持スレショルドが確立され、
処理は続行する。図4に示すように、MAXはスレショ
ルドより大きく、ビン保持スレショルド(REQ)はM
AXの半分、つまり1.5として計算される。
【0018】次に整合マトリクス30は再びスキャンさ
れ、確立されたスレショルド以下のあらゆるビン計数値
は、図6に示される修正された有望整合マトリクス38
内に対応するビンを持っており、それらは−1に設定さ
れる(他のビンは0に設定される)。これは、ビンをイ
ンクリメントする”弱い”ベクトル整合を排除するため
のマトリクス修正処理を示す。従って1のみを有する図
4の各ビンは、1.5維持スレショルドに合致せず、下
線が引かれている。同様に、図5のベクトル整合表36
内で、これらの整合は列の下で”DROP”とラベル付
けされて認識される。
れ、確立されたスレショルド以下のあらゆるビン計数値
は、図6に示される修正された有望整合マトリクス38
内に対応するビンを持っており、それらは−1に設定さ
れる(他のビンは0に設定される)。これは、ビンをイ
ンクリメントする”弱い”ベクトル整合を排除するため
のマトリクス修正処理を示す。従って1のみを有する図
4の各ビンは、1.5維持スレショルドに合致せず、下
線が引かれている。同様に、図5のベクトル整合表36
内で、これらの整合は列の下で”DROP”とラベル付
けされて認識される。
【0019】修正された有望整合マトリクス38は、現
在のベクトル整合のリストをスキャンして、対応する2
つのビンを、インクリメントされる両方のビンがマイナ
スではないときにのみ、インクリメントすることにより
完成される。これは、整合マトリクス30内の下線のビ
ンを排除でき、他のビンの計数値及び修正された有望整
合マトリクス内の計数値を減少できる。ここで、BIN
の計数値は直接減少することはない。それらは修正処理
を介して間接的に減少する。排除される各ベクトル整合
について、2つのBINの計数値が排除されるので、他
のBINの計数値も減少される。次に、修正された有望
整合マトリクス38はスキャンされて、包含さている最
大値(MAX)を決定する。各行についての最大値プラ
ス行記載項目の合計も、このスキャンで判断できる。そ
して各行の最大のビンに関する列インデックスが決定さ
れる。2つ以上の記載項目が行最大値であれば、列イン
デックスはマイナスに設定される。
在のベクトル整合のリストをスキャンして、対応する2
つのビンを、インクリメントされる両方のビンがマイナ
スではないときにのみ、インクリメントすることにより
完成される。これは、整合マトリクス30内の下線のビ
ンを排除でき、他のビンの計数値及び修正された有望整
合マトリクス内の計数値を減少できる。ここで、BIN
の計数値は直接減少することはない。それらは修正処理
を介して間接的に減少する。排除される各ベクトル整合
について、2つのBINの計数値が排除されるので、他
のBINの計数値も減少される。次に、修正された有望
整合マトリクス38はスキャンされて、包含さている最
大値(MAX)を決定する。各行についての最大値プラ
ス行記載項目の合計も、このスキャンで判断できる。そ
して各行の最大のビンに関する列インデックスが決定さ
れる。2つ以上の記載項目が行最大値であれば、列イン
デックスはマイナスに設定される。
【0020】次に、”高確度(high confid
ence) ”の点整合のリストが、次に示す選択が適
用される第1の基準に基づいて、修正された有望点整合
マトリクス38から発生される。
ence) ”の点整合のリストが、次に示す選択が適
用される第1の基準に基づいて、修正された有望点整合
マトリクス38から発生される。
【0021】1.マトリクス38内のどれかが、零では
ない一つの値を有し、その値がマトリクス最大値(MA
X)に等しければ、マトリクス内のそのような全ての点
整合を選択する。一行につき、一つまでできる。
ない一つの値を有し、その値がマトリクス最大値(MA
X)に等しければ、マトリクス内のそのような全ての点
整合を選択する。一行につき、一つまでできる。
【0022】2.マトリクス38内のある行が、マトリ
クス最大値(MAX)に等しい一つの値を有する場合、
マトリクス内のそのような全ての点整合を選択する。一
行につき、それらの中の一つまでにできる。 3.ビンの値がマトリクス最大値(MAX)に等しいマ
トリクス38内の全ての点整合を選択する。
クス最大値(MAX)に等しい一つの値を有する場合、
マトリクス内のそのような全ての点整合を選択する。一
行につき、それらの中の一つまでにできる。 3.ビンの値がマトリクス最大値(MAX)に等しいマ
トリクス38内の全ての点整合を選択する。
【0023】適切な予備REFからDETの変換計算は
この点に関して実行され、最終的な点整合選択処理が準
備される。ここで、中間オフセットベクトル(REFか
らDET)が、前述のように発生された高確度点整合か
ら得られる一組から確立される。X及びY中間値は別々
に決定される。前述の座標変換は、参照点から検出点フ
レームの正しい方位へ行われたが、参照及び検出点の間
のオフセットがまだ残っている。例えば図7は、修正さ
れたマトリクス38内の固定円形ビンにより示される高
確度整合(2、2)(3、3)及び(6、4)が、計算
された中間オフセットX、Yを有することを示す。
この点に関して実行され、最終的な点整合選択処理が準
備される。ここで、中間オフセットベクトル(REFか
らDET)が、前述のように発生された高確度点整合か
ら得られる一組から確立される。X及びY中間値は別々
に決定される。前述の座標変換は、参照点から検出点フ
レームの正しい方位へ行われたが、参照及び検出点の間
のオフセットがまだ残っている。例えば図7は、修正さ
れたマトリクス38内の固定円形ビンにより示される高
確度整合(2、2)(3、3)及び(6、4)が、計算
された中間オフセットX、Yを有することを示す。
【0024】最終の点整合は、前述の予備変換を使用し
て、有望な各REF整合点をDETフレームに変換する
ことによって、選択される。つまり、中間オフセットベ
クトルがREFの点座標に追加され、その予想されるD
ETフレームが概算される。対応するDET整合点は空
間構成(所定許容値内にある差ベクトル長さ)について
検査される。この最終段階でテストされる有望な整合は
、零ではないビンの値がそれらの行最大値に等しい整合
である。そして最終的点整合のリスト及び最終の整合計
数値が発生される。この処理を図8に示す。最終的点整
合の数が充分ではないとき、処理は終結する。その他の
場合、参照パターンは発見されたことになり、処理は以
下に示す目標点検知処理に進む。
て、有望な各REF整合点をDETフレームに変換する
ことによって、選択される。つまり、中間オフセットベ
クトルがREFの点座標に追加され、その予想されるD
ETフレームが概算される。対応するDET整合点は空
間構成(所定許容値内にある差ベクトル長さ)について
検査される。この最終段階でテストされる有望な整合は
、零ではないビンの値がそれらの行最大値に等しい整合
である。そして最終的点整合のリスト及び最終の整合計
数値が発生される。この処理を図8に示す。最終的点整
合の数が充分ではないとき、処理は終結する。その他の
場合、参照パターンは発見されたことになり、処理は以
下に示す目標点検知処理に進む。
【0025】REFからDETへの適切な変換計算は、
最終の点整合対を使用して実行される。更に進歩した変
換がこの段階で使用され、大きさ及び回転において検知
できる僅かの歪み及び差の全てが考慮される。変換はD
ET画像内の特定目標点の位置を検知するために使用さ
れる。 4.更新
最終の点整合対を使用して実行される。更に進歩した変
換がこの段階で使用され、大きさ及び回転において検知
できる僅かの歪み及び差の全てが考慮される。変換はD
ET画像内の特定目標点の位置を検知するために使用さ
れる。 4.更新
【0026】廃止されることになる(X座標が所定の最
小値より小さい)検出点は排除されなければならない。 これは、廃止点の結果として生じる、永続する有望整合
マトリクス内の適切なビンをデクリメントすることによ
り、そして、ベクトル整合リストから終点としての廃止
点を含む対応ベクトルを排除することにより、そして、
現在の検出点のリストからその点を除くことにより、排
除される。更に、マトリクスの行、及び点とベクトルの
リストは適当に圧縮されるのが望ましい。実際の圧縮は
鎖ポインタ(chain pointer) の修正に
よりできる。空の行は全て零を含む。
小値より小さい)検出点は排除されなければならない。 これは、廃止点の結果として生じる、永続する有望整合
マトリクス内の適切なビンをデクリメントすることによ
り、そして、ベクトル整合リストから終点としての廃止
点を含む対応ベクトルを排除することにより、そして、
現在の検出点のリストからその点を除くことにより、排
除される。更に、マトリクスの行、及び点とベクトルの
リストは適当に圧縮されるのが望ましい。実際の圧縮は
鎖ポインタ(chain pointer) の修正に
よりできる。空の行は全て零を含む。
【0027】図9から図13は、前述の処理を示すフロ
ーチャートである。特に、初期化期間は図9に概略示さ
れる。その検出処理は図10に概略示される。整合処理
は図11、12に示され、更新処理は図13のフローチ
ャートに概略示される。
ーチャートである。特に、初期化期間は図9に概略示さ
れる。その検出処理は図10に概略示される。整合処理
は図11、12に示され、更新処理は図13のフローチ
ャートに概略示される。
【0028】構成マッチャー14の簡単な目標点予想ロ
ジックの一例がこれより説明される。この場合、未知の
変換が仮定され、そして極僅かな両軸についての回転ま
たは拡大縮小係数が仮定されている。目標点の予想され
る座標は、次に示す変換により発見され、ここで、最終
的に整合した対に関する面積中心(centroid)
は次のように計算される。
ジックの一例がこれより説明される。この場合、未知の
変換が仮定され、そして極僅かな両軸についての回転ま
たは拡大縮小係数が仮定されている。目標点の予想され
る座標は、次に示す変換により発見され、ここで、最終
的に整合した対に関する面積中心(centroid)
は次のように計算される。
【0029】
【数1】
【0030】前述の例は簡単であるが、非常に仮定に依
存している。これより複雑ではあるが、更に適当な方法
がこれより説明される。この方法は、未知の変換、非常
に少い回転(≦5°)、Yの倍数は無く、及び非常に少
ないXの倍数(≦10%)の場合である。
存している。これより複雑ではあるが、更に適当な方法
がこれより説明される。この方法は、未知の変換、非常
に少い回転(≦5°)、Yの倍数は無く、及び非常に少
ないXの倍数(≦10%)の場合である。
【0031】
【数2】
次に示す変換が、以下の10のステップで計算される。
【0032】
【数3】
【0033】
【数4】
【0034】
【数5】
更に一般的な変換も使用できる。例えば、回転及び拡大
縮小及びシフト(外観と同様に)の最小2乗適合法(l
east squares fit estimate
)を使用できる。 リアルタイムの実施例
縮小及びシフト(外観と同様に)の最小2乗適合法(l
east squares fit estimate
)を使用できる。 リアルタイムの実施例
【0035】リアルタイムの構成整合に関する本発明の
一実施例がこれより検討される。この実施例は整合問題
を高速に解決するために、従来のコンピュータを使用し
てソフトウエアで簡単に実施できる。図14(A)にお
いて、この例は5つの参照点及び2つの目標点を示す。 図14(B)は回転後の90°方位角の座標軸回転を示
す。図15は回転したときの入力参照点の表の座標を示
し、座標は図16に示される参照点表座標になる。同様
に、図17は参照目標点表を示し、図18は90°だけ
回転したときの参照目標点表の座標を示す。図13から
27に示されるリアルタイムの実施例における全ての用
語は以下のように定義される。
一実施例がこれより検討される。この実施例は整合問題
を高速に解決するために、従来のコンピュータを使用し
てソフトウエアで簡単に実施できる。図14(A)にお
いて、この例は5つの参照点及び2つの目標点を示す。 図14(B)は回転後の90°方位角の座標軸回転を示
す。図15は回転したときの入力参照点の表の座標を示
し、座標は図16に示される参照点表座標になる。同様
に、図17は参照目標点表を示し、図18は90°だけ
回転したときの参照目標点表の座標を示す。図13から
27に示されるリアルタイムの実施例における全ての用
語は以下のように定義される。
【0036】
【表1】
【0037】
【表2】
【0038】
【表3】
【0039】
【表4】
【0040】
【表5】
【0041】
【表6】
【0042】
【表7】
【0043】
【表8】
【0044】
【表9】
【0045】
【表10】
【0046】
【表11】
【0047】
【表12】
【0048】ここで、ベクトル表が作成され、XVカッ
トオフ(cut−off) より小さいXVを有するベ
クトルを除外した後、この表は参照点のオーダされた全
ての対を含む。 ここで、XVカットオフは−75に等しい。特に図21
に示されるように、可能性のある8個のベクトルが排除
され、12個が残っている。
トオフ(cut−off) より小さいXVを有するベ
クトルを除外した後、この表は参照点のオーダされた全
ての対を含む。 ここで、XVカットオフは−75に等しい。特に図21
に示されるように、可能性のある8個のベクトルが排除
され、12個が残っている。
【0049】この例で、検出点(X)の格納深さは、D
ETDEPTH=900で、Y軸については、DETW
IDTH=1000であり、単一の検出スキャンの幅は
、SCANSIZE=75;XQSTEP=512、Y
QSTEP=512、NQXSTEPS=2及びNQY
STEPS=4。又、VMERRLIM=60、XDV
QOFF=75、及びYDVQOFF=1000。
ETDEPTH=900で、Y軸については、DETW
IDTH=1000であり、単一の検出スキャンの幅は
、SCANSIZE=75;XQSTEP=512、Y
QSTEP=512、NQXSTEPS=2及びNQY
STEPS=4。又、VMERRLIM=60、XDV
QOFF=75、及びYDVQOFF=1000。
【0050】図19、20は検出点/ベクトル/量子化
の座標定義表、及びこの例に使用される制限事項である
。量子化ポインタ表及び整合する参照ベクトル表は図2
2に示される。量子化の目的は処理速度を上げることで
ある。可能性のあるベクトル整合の全てが試されたなら
ば、試した回数はその組み合わせにより、非常に大きな
数になる。整合に近いベクトルは実際はごく僅かなので
、処理は量子化を用いて能率的に行われる。従って、参
照点の全ての組み合わせが参照ベクトルを作るのに使用
され、それらは量子化されたビンに分割される。各量子
化ビンに関して、そのビンに対応するあらゆるDETベ
クトルに整合する可能性のあるリストで、全てのREF
ベクトル関するインデックスのリストは表に格納される
。検出されたベクトルが決定されたならば、それは量子
化され、システムは、インデックスが一致する量子化ビ
ンに格納されたREFベクトルのみの整合を試みる。 従って、システムは、これまでにどれが整合に最も接近
していたかを認識し、そしてシステムはそれら全てを見
る必要はない。基本的に、量子化ポインタ表は、対象を
高速に見る方法を提供する。可能性のある整合全てを扱
えるほど充分なメモリ容量を与えるとすると、非常に大
量のメモリ格納空間が必要となる。
の座標定義表、及びこの例に使用される制限事項である
。量子化ポインタ表及び整合する参照ベクトル表は図2
2に示される。量子化の目的は処理速度を上げることで
ある。可能性のあるベクトル整合の全てが試されたなら
ば、試した回数はその組み合わせにより、非常に大きな
数になる。整合に近いベクトルは実際はごく僅かなので
、処理は量子化を用いて能率的に行われる。従って、参
照点の全ての組み合わせが参照ベクトルを作るのに使用
され、それらは量子化されたビンに分割される。各量子
化ビンに関して、そのビンに対応するあらゆるDETベ
クトルに整合する可能性のあるリストで、全てのREF
ベクトル関するインデックスのリストは表に格納される
。検出されたベクトルが決定されたならば、それは量子
化され、システムは、インデックスが一致する量子化ビ
ンに格納されたREFベクトルのみの整合を試みる。 従って、システムは、これまでにどれが整合に最も接近
していたかを認識し、そしてシステムはそれら全てを見
る必要はない。基本的に、量子化ポインタ表は、対象を
高速に見る方法を提供する。可能性のある整合全てを扱
えるほど充分なメモリ容量を与えるとすると、非常に大
量のメモリ格納空間が必要となる。
【0051】図23は検出点のリンクされたリストを示
す。図24はDET/REFベクトル整合のリンクされ
たリストを示し、このリストは充分に小さい差ベクトル
に基づいて整合された全てのベクトル対の一組である。 図25は有望整合マトリクスを示し、ビンMAXはMX
THRESHより大きい。又、BRTHRESH=.5
x4は、2に等しいので、図26に示される修正された
有望整合マトリクスを生成するために、2以下のビンは
除外される。図27は修正された有望整合マトリクスの
行統計を示る。この行統計はアクティブ行に使用され、
競合が存在する場所を判断する。図27はオフセットベ
クトル表をも示す。最後に図28は5つの整合が発見さ
れたことを示す最終の点整合表である。この簡単な例で
、検出フレーム目評点座標を予想するために、REFか
らDETの中間フレームオフセットが使用される。これ
により、目標点座標が図29に示される。
す。図24はDET/REFベクトル整合のリンクされ
たリストを示し、このリストは充分に小さい差ベクトル
に基づいて整合された全てのベクトル対の一組である。 図25は有望整合マトリクスを示し、ビンMAXはMX
THRESHより大きい。又、BRTHRESH=.5
x4は、2に等しいので、図26に示される修正された
有望整合マトリクスを生成するために、2以下のビンは
除外される。図27は修正された有望整合マトリクスの
行統計を示る。この行統計はアクティブ行に使用され、
競合が存在する場所を判断する。図27はオフセットベ
クトル表をも示す。最後に図28は5つの整合が発見さ
れたことを示す最終の点整合表である。この簡単な例で
、検出フレーム目評点座標を予想するために、REFか
らDETの中間フレームオフセットが使用される。これ
により、目標点座標が図29に示される。
【0052】構成整合システム10は、様々の設定条件
の一組の第2の検出点を有する一組の参照点を整合する
ために使用できることが判る。又、本発明はリアルタイ
ムで広範な応用に利用できる。以上の説明は本発明の好
適実施例について行われたが、特許請求の範囲に示され
る適切な範囲及び意味を逸脱することなく、修正、変更
、及び変化をこの発明に施すことができるのは明らかで
ある。
の一組の第2の検出点を有する一組の参照点を整合する
ために使用できることが判る。又、本発明はリアルタイ
ムで広範な応用に利用できる。以上の説明は本発明の好
適実施例について行われたが、特許請求の範囲に示され
る適切な範囲及び意味を逸脱することなく、修正、変更
、及び変化をこの発明に施すことができるのは明らかで
ある。
【図面の簡単な説明】
【図1】本発明により構成整合システムの全体的構成を
示すブロック図。
示すブロック図。
【図2】参照点構成を形成する参照点の一組を示す略図
。
。
【図3】図2に示した参照点に整合する検出点の一組を
示す略図。
示す略図。
【図4】図1の点構成マッチャーに使用される整合マト
リクスヒストグラムの第1段階。
リクスヒストグラムの第1段階。
【図5】本発明による整合したベクトルの表。
【図6】図4に示される整合マトリクス・ヒストグラム
の修正された形式。
の修正された形式。
【図7】本発明による中間オフセットの点構成を示す略
図。
図。
【図8】構成に関する行MAX 整合を検査する中間オ
フセットを示す略図。
フセットを示す略図。
【図9】本発明の初期化ルーチンを示すフローチャート
。
。
【図10】本発明の検出ルーチンを示すフローチャート
。
。
【図11】本発明の整合ルーチンを示すフローチャート
。
。
【図12】本発明の整合ルーチンを示すフローチャート
。
。
【図13】本発明の更新ルーチンを示すフローチャート
。
。
【図14】(A)は本発明による参照及び検出点のリア
ルタイムの例を示す図。(B)は入力フレームをREF
フレームに変換する座標システムを示す図。
ルタイムの例を示す図。(B)は入力フレームをREF
フレームに変換する座標システムを示す図。
【図15】本発明による入力参照点の表を示す図。
【図16】図15の入力参照点の表から得られる参照点
の表。
の表。
【図17】本発明による入力参照目標点の表。
【図18】図17の入力参照目標点の表から得られる参
照目標点表
照目標点表
【図19】検出点/ベクトル量子化座標の定義を示す一
連の表。
連の表。
【図20】実施例に適用される制限事項。
【図21】本発明による参照ベクトルの表。
【図22】本発明による量子化ポインタ。
【図23】本発明による検出点でリンクされたリスト。
【図24】本発明によるDET/REFベクトル整合で
リンクされたリスト。
リンクされたリスト。
【図25】本発明による有望整合マトリクス。
【図26】図23の有望整合マトリクスから得られる定
義差dr得たポテンシャル整合マトリクス。
義差dr得たポテンシャル整合マトリクス。
【図27】本発明による修正された有望整合マトリクス
今日統計及びREF/DETオフセットベクトル。
今日統計及びREF/DETオフセットベクトル。
【図28】本発明による最終点整合表を示す。
【図29】本発明による確立されたDETフレーム目標
点表。
点表。
10…構成整合システム、12…参照点格納手段、16
…センサ、18…制御システム、20…参照点の一構成
、22…参照点、24…目標点、28…検出点、30…
ヒストグラム・マトリクス、38…有望整合マトリクス
、36…ベクトル整合表。
…センサ、18…制御システム、20…参照点の一構成
、22…参照点、24…目標点、28…検出点、30…
ヒストグラム・マトリクス、38…有望整合マトリクス
、36…ベクトル整合表。
Claims (11)
- 【請求項1】 一組の検出点を参照パターンに整合す
る構成整合システムであって、前記システムは、参照パ
ターンから参照点の座標を格納する手段と、ここで前記
座標は参照フレーム内に定義され、検出点の座標を格納
する手段と、ここで前記座標は検出された座標フレーム
内に定義され、前記参照座標フレーム内の前記点を前記
検出された座標フレームに変換する手段と、可能な参照
点対の各々のベクトル表を作成する手段と、整合した参
照ベクトルと検出ベクトルの対のリストを作成する手段
と、ここで前記二つのベクトルは所定スレショルド以下
の差ベクトルを有し、検出点と参照点の間の整合数を計
数するビンを含む整合マトリクスヒストグラムを作成す
る手段と、及び前記ビンの計数値に基づいて可能性の少
ない整合を除外することにより、前記マトリクス内の整
合を選択する手段と、を具備することを特徴とするシス
テム。 - 【請求項2】 前記参照点対のベクトル表を作成する
手段は、主に後方に向かう比較的長いベクトルを除外す
る手段を更に具備することを特徴とする請求項1記載の
システム。 - 【請求項3】 前記ビン内の最大計数値が所定整合ス
レショルド以下であるか判断する手段と、ここで前記所
定整合スレショルドは、前記参照点の数及び点の検出可
能性に基づいて計算され、前記ビン内の計数値が保持ス
レショルド以下であるか判断する手段と、ここで前記保
持スレショルドは前記整合スレショルドに比例し、及び
前記保持スレショルド以下のビン内の整合を排除する手
段と、を具備することを特徴とする請求項1記載のシス
テム。 - 【請求項4】 前記整合したマトリクス内に行に関す
る混乱があるか否か判断し、このような混乱の相対的欠
如に基づいて高確度の整合を選択する手段を更に具備す
ることを特徴とする請求項1記載のシステム。 - 【請求項5】 前記高確度の整合における参照点と検
出点のオフセットを計算する手段と、比較的大きなオフ
セットを有する整合して点を排除することにより、最終
的に整合して表を作成する手段を更に具備することを特
徴とする請求項4記載のシステム。 - 【請求項6】 一組の検出点を参照点パターンに整合
する方法であって、前記方法は、(a)前記参照パター
ンから参照点の座標を格納するステップと、ここで前記
座標は参照フレーム内に定義され、(b)前記検出点の
座標を格納する手段と、ここで前記座標は検出された座
標フレームに定義され、(c)前記参照座標フレーム内
の前記点を前記検出された座標フレームに変換するステ
ップと、(d)前記可能な参照点対の各々についてベク
トル表を作成するステップと、(e)前記可能な検出点
対の各々についてベクトル表を作成するステップと、(
f)整合した参照ベクトル及び検出したベクトルの対の
リストを作成するステップと、ここで前記ベクトルは所
定スレショルド以下の差ベクトルを有し、(g)検出点
及び参照点の間の整合の数を計数するためのビンを含む
整合マトリクスヒストグラムを作成するステップと、及
び(h)前記計数値を基に、可能性の少ない整合を排除
することにより、前記マトリクス内のっ整合を選択する
ステップと、を有することを特徴とする方法。 - 【請求項7】 参照点対のベクトル表を作成するステ
ップは、主に後方に向いている比較的長いベクトルを排
除するステップを更に有することを特徴とする請求項6
記載の方法。 - 【請求項8】 マトリクス内の最大計数値が所定整合
スレショルド以下であるか判断するステップと、ここで
前記所定整合スレショルドは参照点の数及び点検出の可
能性に基づいて計算され、ビン内の計数値が保持スレシ
ョルド以下であるか判断するステップと、ここで前記保
持スレショルドは前記整合スレショルドに比例し、及び
前記保持スレショルド以下のビン内の整合を排除するス
テップと、を更に有することを特徴をする請求項6記載
の方法。 - 【請求項9】 前記整合したマトリクス内に行の混乱
があるか否か判断し、そのような混乱の欠如に基づいて
高確度整合を選択する手段を更に有することを特徴とす
る請求項6記載の方法。 - 【請求項10】 前記高確度整合の中の前記参照点と
検出点のオフセットを計算し、比較的大きなオフセット
を有する整合点をはいじょすることにより、最終整合表
を作成するステップを更に有することを特徴とする請求
項9記載の方法。 - 【請求項11】 一組の検出点を参照点パターンに整
合できるミサイル誘導装置のパターン整合システムであ
って、前記システムは、参照ポイントの座標を前記参照
パターンから格納する手段と、ここで前記座標は参照フ
レーム内に定義され、前記検出点の座標を格納する手段
と、ここで前記座標は検出点座標フレーム内に定義され
、前記参照座標フレーム内の前記点を前記検出座標触れ
j々無に変換する手段と、参照点の可能な対について各
々ベクトル表を作成する手段と、前記検出点の可能な対
について各々ベクトルテーブルを作成する手段と、それ
らの差ベクトルが所定スレショルド以下である、整合し
た参照ベクトルと検出ベクトルの対のリストを作成する
手段と、検出点と参照点の間の整合の数を計数するため
おビンを有する整合マトリクスヒストグラムを作成する
手段と、前記ビンの計数値に基づいて可能性の少ない整
合を排除することにより前記マトリクス内の整合を選択
する手段と、及び前記検出点の前記参照点に対する整合
に基づいて、前記ミサイルを正誤刷る手段と、を具備す
ることを特徴とするシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US07/628,963 US5218648A (en) | 1990-12-17 | 1990-12-17 | Constellation matching system and method |
US628963 | 1990-12-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH04293178A true JPH04293178A (ja) | 1992-10-16 |
Family
ID=24521028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3331967A Pending JPH04293178A (ja) | 1990-12-17 | 1991-12-16 | 構成整合システム及びその方法 |
Country Status (10)
Country | Link |
---|---|
US (1) | US5218648A (ja) |
EP (1) | EP0495182A3 (ja) |
JP (1) | JPH04293178A (ja) |
KR (1) | KR940011329B1 (ja) |
AU (1) | AU640839B2 (ja) |
CA (1) | CA2055073C (ja) |
IL (1) | IL100027A0 (ja) |
NO (1) | NO914656L (ja) |
TR (1) | TR26172A (ja) |
TW (1) | TW200584B (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5954583A (en) * | 1992-11-05 | 1999-09-21 | Com21 Limited | Secure access control system |
US6104828A (en) * | 1994-03-24 | 2000-08-15 | Kabushiki Kaisha Topcon | Ophthalmologic image processor |
US6405036B1 (en) * | 1997-09-29 | 2002-06-11 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and arrangement in a telecommunication system |
US5999117A (en) * | 1998-06-16 | 1999-12-07 | Northrop Grumman Corporation | Method for tracking and detecting turns of maneuvering targets |
US6323776B1 (en) * | 1999-12-21 | 2001-11-27 | Snap-On Technologies, Inc. | Method and apparatus of automatically identifying faults in a machine vision measuring system |
EP1402400A2 (en) * | 2001-05-23 | 2004-03-31 | City University London | Method for pattern discovery in a multidimensional numerical dataset |
US8620083B2 (en) * | 2004-12-03 | 2013-12-31 | Google Inc. | Method and system for character recognition |
US20080049863A1 (en) * | 2006-08-28 | 2008-02-28 | Nokia Corporation | Apparatus, method and computer program product providing soft decision generation with lattice reduction aided MIMO detection |
GB201020530D0 (en) | 2010-12-03 | 2011-01-19 | Optos Plc | Method of identifying anomalies in images |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE411400B (sv) * | 1977-11-02 | 1979-12-17 | Saab Scania Ab | For foljning av ett objekt avsedd korrelationsfoljare |
DE2914693C2 (de) * | 1979-04-11 | 1982-05-27 | Messerschmitt-Bölkow-Blohm GmbH, 8000 München | Vorrichtung zur Präzisionsnavigation |
US4736437A (en) * | 1982-11-22 | 1988-04-05 | View Engineering, Inc. | High speed pattern recognizer |
GB8710737D0 (en) * | 1987-05-06 | 1987-06-10 | British Telecomm | Video image encoding |
US4891762A (en) * | 1988-02-09 | 1990-01-02 | Chotiros Nicholas P | Method and apparatus for tracking, mapping and recognition of spatial patterns |
AU651678B2 (en) * | 1991-04-08 | 1994-07-28 | Commonwealth Of Australia, The | Ray tracing technique for coordinate registration |
-
1990
- 1990-12-17 US US07/628,963 patent/US5218648A/en not_active Expired - Lifetime
-
1991
- 1991-11-06 CA CA002055073A patent/CA2055073C/en not_active Expired - Fee Related
- 1991-11-11 IL IL100027A patent/IL100027A0/xx unknown
- 1991-11-22 EP EP19910119967 patent/EP0495182A3/en not_active Withdrawn
- 1991-11-23 TW TW080109223A patent/TW200584B/zh active
- 1991-11-27 NO NO91914656A patent/NO914656L/no unknown
- 1991-12-13 AU AU89721/91A patent/AU640839B2/en not_active Ceased
- 1991-12-16 JP JP3331967A patent/JPH04293178A/ja active Pending
- 1991-12-16 KR KR1019910023101A patent/KR940011329B1/ko not_active IP Right Cessation
- 1991-12-17 TR TR91/1181A patent/TR26172A/xx unknown
Non-Patent Citations (1)
Title |
---|
UEEE TRANSACTIONS ON SYSTEMS,MAN,AND CYBERNETICS=1980 * |
Also Published As
Publication number | Publication date |
---|---|
AU640839B2 (en) | 1993-09-02 |
NO914656L (no) | 1992-06-18 |
TR26172A (tr) | 1995-02-15 |
CA2055073A1 (en) | 1992-06-18 |
KR920012944A (ko) | 1992-07-28 |
EP0495182A2 (en) | 1992-07-22 |
KR940011329B1 (ko) | 1994-12-05 |
IL100027A0 (en) | 1992-08-18 |
NO914656D0 (no) | 1991-11-27 |
CA2055073C (en) | 1994-09-20 |
US5218648A (en) | 1993-06-08 |
TW200584B (ja) | 1993-02-21 |
EP0495182A3 (en) | 1993-09-15 |
AU8972191A (en) | 1992-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0864134B1 (en) | Vector correlation system for automatically locating patterns in an image | |
Chen | Robust regression with projection based m-estimators | |
US5245674A (en) | Image processing using distance as a function of direction | |
US20020181780A1 (en) | Geometic hashing method for model-based recognition of an object | |
CN110782531A (zh) | 处理三维点云数据的方法和计算设备 | |
JPH04293178A (ja) | 構成整合システム及びその方法 | |
Kahaki et al. | Deformation invariant image matching based on dissimilarity of spatial features | |
CN111123242A (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
CN113168729A (zh) | 一种基于局部参考坐标系的3d形状匹配方法及装置 | |
US6278796B1 (en) | Image processing system and method using subsampling with constraints such as time and uncertainty constraints | |
US5220619A (en) | Method of matching a variable two-dimensional image of a known three-dimensional object with a desired two-dimensional image of the object, and device for carrying out the method | |
CN114080626A (zh) | 确定第一图像区域在对应图像中的位置的方法、执行该方法的SoC和控制设备和***以及计算机程序 | |
EP0862137A1 (en) | Multidimensional close neighbour search | |
WO2000058686A2 (en) | Minimum-gradient-path phase unwrapping | |
Cuisenaire | Region growing Euclidean distance transforms | |
JP2637764B2 (ja) | 指紋中心検出方式 | |
JP4133246B2 (ja) | 画像変形情報生成装置、画像変形情報生成方法及び画像変形情報生成プログラム | |
Molgaonkar et al. | Understanding object configurations using range images | |
CN110399892B (zh) | 环境特征提取方法和装置 | |
Joseph | Fast optimal pose estimation for matching in two dimensions | |
US20040013299A1 (en) | System and method for contrast enhanced registration with complex polynomial interpolation | |
JPH09119982A (ja) | 飛しょう体誘導装置 | |
JPH04295973A (ja) | ハフ変換によるパターン曲線当てはめ方法 | |
CN116863176B (zh) | 一种数字智能制造用图像模板匹配方法 | |
Markiewicz et al. | THE COMPARISON OF 2D AND 3D DETECTORS FOR TLS DATA REGISTRATION–PRELIMINARY RESULTS |