JPS6316383A - 形状認識方法 - Google Patents
形状認識方法Info
- Publication number
- JPS6316383A JPS6316383A JP61159849A JP15984986A JPS6316383A JP S6316383 A JPS6316383 A JP S6316383A JP 61159849 A JP61159849 A JP 61159849A JP 15984986 A JP15984986 A JP 15984986A JP S6316383 A JPS6316383 A JP S6316383A
- Authority
- JP
- Japan
- Prior art keywords
- shape
- feature
- point
- extracted
- contour
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 12
- 239000013598 vector Substances 0.000 claims abstract description 55
- 230000005484 gravity Effects 0.000 claims abstract description 20
- 239000000284 extract Substances 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Image Analysis (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
【発明の詳細な説明】
〔産業上の利用分野〕
本発明FisTVカメラ等を用いて対象物体の形状を撮
像し、その形状の認識および分類を行う方法に関する。
像し、その形状の認識および分類を行う方法に関する。
この種の形状認識装置の代表的なものとして、米国のS
R1(スタン7オード研究所)で開発されたVisio
n Moduleが広く知られている。これは、主とし
てロボットの目として開発されたもので、対象となる物
体の形状をテレビカメラで撮像し、4勺変換により2値
または多値のパターンに変換した後、連結性解析によシ
対象形状の輪郭を抽出すると\もに形状の特徴!(面積
2周9長、形状係数など。)を計測し、この特徴量をあ
らかじめ学習させておいた標準パターンの特徴量と比較
することによジ、形状の識別9分類(すなわち、その形
状があらかじめ憶えさせた形状のどれであるか、どのク
ラスに属するかなど。)およびその形状の視野内におけ
る位置ならびに方向を算出し、ロボットによる制御など
の情報を提供するものである。
R1(スタン7オード研究所)で開発されたVisio
n Moduleが広く知られている。これは、主とし
てロボットの目として開発されたもので、対象となる物
体の形状をテレビカメラで撮像し、4勺変換により2値
または多値のパターンに変換した後、連結性解析によシ
対象形状の輪郭を抽出すると\もに形状の特徴!(面積
2周9長、形状係数など。)を計測し、この特徴量をあ
らかじめ学習させておいた標準パターンの特徴量と比較
することによジ、形状の識別9分類(すなわち、その形
状があらかじめ憶えさせた形状のどれであるか、どのク
ラスに属するかなど。)およびその形状の視野内におけ
る位置ならびに方向を算出し、ロボットによる制御など
の情報を提供するものである。
第7図は一般的な形状認識装置を示す概要図である。同
図において、11はテレビカメラ等を含む入力装置、1
2は前処理回路、13は形状切出回路、14は連結性解
析部、15は特徴量計算部、16は形状認識部、17は
標準パターン記憶部、18は出力装置である。
図において、11はテレビカメラ等を含む入力装置、1
2は前処理回路、13は形状切出回路、14は連結性解
析部、15は特徴量計算部、16は形状認識部、17は
標準パターン記憶部、18は出力装置である。
テレビカメラ等により撮像された対象形状の撮像(Vi
d@o )信号は、前処理回路12にて馳変換、ノイズ
除去等の処理が施され、ディジタル画像信号に変換され
た後、形状切出回路13により所定の閾値にて2値また
は多値のパターンに変換される。以下の説明では2値の
パターンに変換される場合を示すが、必ずしも2値に限
定されるものではない。次に、対象形状の2値パターン
はマイクロコンピュータ等の演算処理装fK入力され、
その連結性解析部14により形状の輪郭抽出や分離を行
い、特徴量計算部15によジ形状の面積・周囲長・穴の
数・大面積・形状係数等の形状識別パラメータが計算さ
れると\もに、重心位置・慣性モーメントなどの位置・
方向識別パラメータが計算される。対象形状の識別は一
般KXあらかじめシヨウイング(ティーチング)と呼ば
れる形状の教示動作によシ作成され、記憶部17に格納
されている形状識別パラメータの標準パターンを用いて
形状識別部16により識別される。このシヨウイングに
おいては、あらかじめ識別させたい形状をくり返し撮像
し、前記形状識別パラメータを計算して統計処理等を施
すことにより、形状識別パラメータの標準パターンが作
成され、メモリ17に記憶されるものである。
d@o )信号は、前処理回路12にて馳変換、ノイズ
除去等の処理が施され、ディジタル画像信号に変換され
た後、形状切出回路13により所定の閾値にて2値また
は多値のパターンに変換される。以下の説明では2値の
パターンに変換される場合を示すが、必ずしも2値に限
定されるものではない。次に、対象形状の2値パターン
はマイクロコンピュータ等の演算処理装fK入力され、
その連結性解析部14により形状の輪郭抽出や分離を行
い、特徴量計算部15によジ形状の面積・周囲長・穴の
数・大面積・形状係数等の形状識別パラメータが計算さ
れると\もに、重心位置・慣性モーメントなどの位置・
方向識別パラメータが計算される。対象形状の識別は一
般KXあらかじめシヨウイング(ティーチング)と呼ば
れる形状の教示動作によシ作成され、記憶部17に格納
されている形状識別パラメータの標準パターンを用いて
形状識別部16により識別される。このシヨウイングに
おいては、あらかじめ識別させたい形状をくり返し撮像
し、前記形状識別パラメータを計算して統計処理等を施
すことにより、形状識別パラメータの標準パターンが作
成され、メモリ17に記憶されるものである。
また、形状識別部16ではその識別手法として、例えば
第8図に示すような判定水(Binary Decis
ionTree )を用いて、未知形状の形状識別パラ
メータとシヨウイングで記憶された形状識別パラメータ
の標準パターンとを比較することにより、シヨウイング
で憶えさせた形状のどれであるかを判別することができ
る。な訃、第8図は特徴量が■〜■までちゃ、各特徴量
の各々について設定値JL % fと比較して、形状1
〜7のいずれかを判定するものである。
第8図に示すような判定水(Binary Decis
ionTree )を用いて、未知形状の形状識別パラ
メータとシヨウイングで記憶された形状識別パラメータ
の標準パターンとを比較することにより、シヨウイング
で憶えさせた形状のどれであるかを判別することができ
る。な訃、第8図は特徴量が■〜■までちゃ、各特徴量
の各々について設定値JL % fと比較して、形状1
〜7のいずれかを判定するものである。
さて、このような形状識別装置においては、対象形状の
判別を撮像視野内における形状の位置。
判別を撮像視野内における形状の位置。
方向に関係なく行わせるための形状識別ノくラメータと
L−C1いわゆる5pace−1ndependent
7’!特微量、すなわちスカラ量を用いている。一般
に用いられている形状識別パラメータを次表に示す。
L−C1いわゆる5pace−1ndependent
7’!特微量、すなわちスカラ量を用いている。一般
に用いられている形状識別パラメータを次表に示す。
このような形状識別パラメータを用いて形状を判別する
には、前記のような判定木を用いて、標準パターン(標
準形状)と未知パターン(未知形状)とを各形状識別パ
ラメータの絶対量で比較して判別を行っているため、シ
ヨウイングの不足)てよる標準パターンの設定の不完全
さや、周囲条件(照明や位fi)の変動による入力形状
のばらつきなどKより、予め設定された標準パターンの
範囲に入らない未知形状の識別パラメータが発生しやす
い。このような場合、未知形状は正規な形状であっても
、容易に未識別となりやすい。
には、前記のような判定木を用いて、標準パターン(標
準形状)と未知パターン(未知形状)とを各形状識別パ
ラメータの絶対量で比較して判別を行っているため、シ
ヨウイングの不足)てよる標準パターンの設定の不完全
さや、周囲条件(照明や位fi)の変動による入力形状
のばらつきなどKより、予め設定された標準パターンの
範囲に入らない未知形状の識別パラメータが発生しやす
い。このような場合、未知形状は正規な形状であっても
、容易に未識別となりやすい。
この対策として、例えば未識別になるパラメータの発生
を回避するために、標準パターンの設定範囲を広げる、
いわゆるぼかし処理を施して正規形状の未識別を防ぐ方
法が考えられるが、この場合形状に応じて設定範囲をど
のくらいに広げるかがむずかしくなり、また広げがたに
よっては対象形状を別の形状に識別してしまう、いわゆ
る「誤識別」になる可能性が増大してくる。
を回避するために、標準パターンの設定範囲を広げる、
いわゆるぼかし処理を施して正規形状の未識別を防ぐ方
法が考えられるが、この場合形状に応じて設定範囲をど
のくらいに広げるかがむずかしくなり、また広げがたに
よっては対象形状を別の形状に識別してしまう、いわゆ
る「誤識別」になる可能性が増大してくる。
このように、従来技術では抽出した形状の各特徴量、特
徴点をそれぞれ独立した絶対値を持つスカラ量としてし
か用いておらず、それぞれの量の相関を考慮していない
ため識別動作が不安定になりやすく、iた安定させる念
めにはシヨウイングを多数回行わなければならないとい
う問題点があった。また、一旦安定させても周囲条件の
変動により容易に不安定になジやずいと云う問題もある
。
徴点をそれぞれ独立した絶対値を持つスカラ量としてし
か用いておらず、それぞれの量の相関を考慮していない
ため識別動作が不安定になりやすく、iた安定させる念
めにはシヨウイングを多数回行わなければならないとい
う問題点があった。また、一旦安定させても周囲条件の
変動により容易に不安定になジやずいと云う問題もある
。
したがって、本発明は形状特徴の相関を考慮した識別パ
ラメータを用いることにより、安定かつ高精度な識別が
可能な識別方法を提供することを目的とする。
ラメータを用いることにより、安定かつ高精度な識別が
可能な識別方法を提供することを目的とする。
入力された対象形状を連結性解析によp個々の形状を抽
出して形状の輪郭および特徴点〔形状の輪郭が変化する
点(凸点、凹点)および形状の重心(全体重心、穴重心
等)〕を抽出した後、その中から基準となる特徴点(基
準点と呼ぶ)全1つ選出し、その基準点から他の特徴点
(凸点、凹点。
出して形状の輪郭および特徴点〔形状の輪郭が変化する
点(凸点、凹点)および形状の重心(全体重心、穴重心
等)〕を抽出した後、その中から基準となる特徴点(基
準点と呼ぶ)全1つ選出し、その基準点から他の特徴点
(凸点、凹点。
重心)に至る「形状特徴ベクトル」を求め、その特徴ベ
クトル群間で積、和を含むベクトル演算を実施して得ら
れる特徴量を形状の判別に用いることにより、形状のも
つ相関性を形状識別にとり入れ、従来からの形状特徴量
(面積2周囲長、形状係数など)によるミクロ的絶対量
と、前記特徴ベクトルによるマクロ的相関量とを合わせ
て形状判別に用いることができるようKし、形状識別を
安定化させるものである。
クトル群間で積、和を含むベクトル演算を実施して得ら
れる特徴量を形状の判別に用いることにより、形状のも
つ相関性を形状識別にとり入れ、従来からの形状特徴量
(面積2周囲長、形状係数など)によるミクロ的絶対量
と、前記特徴ベクトルによるマクロ的相関量とを合わせ
て形状判別に用いることができるようKし、形状識別を
安定化させるものである。
すなわち、前述したように、従来からこの種の形状認識
装置に用いられてきた形状特徴量(面積。
装置に用いられてきた形状特徴量(面積。
周囲長、形状係数等)は、形状の位置や角度に依存しな
いスカラ量であるが、形状のすべての性質を代表してい
るわけではなく、また形状の細部の変動に影響を受けや
すいので、上記の如き形状特徴ベクトルを抽出する。こ
れら形状特徴ベクトルは、画像全体からみると5pac
@−1ndependentであるが、形状の各特徴点
の相対的関係において5pace −dependen
t ’fl jiiであり、形状自身の(内部の)位置
関係を表現することができるので、このベクトル量によ
り従来からの形状特徴量の不充分な点を補なうようにす
る。
いスカラ量であるが、形状のすべての性質を代表してい
るわけではなく、また形状の細部の変動に影響を受けや
すいので、上記の如き形状特徴ベクトルを抽出する。こ
れら形状特徴ベクトルは、画像全体からみると5pac
@−1ndependentであるが、形状の各特徴点
の相対的関係において5pace −dependen
t ’fl jiiであり、形状自身の(内部の)位置
関係を表現することができるので、このベクトル量によ
り従来からの形状特徴量の不充分な点を補なうようにす
る。
実施例を説明する前に、第2図ないし第4図を参照して
その概念を説明する。なお、第2図は本発明の詳細な説
明するための説明図、第3図は小突起部が充分に安定し
ている場合の例を説明するための説明図、第4図は真円
の場合の特徴量抽出方法を説明するための説明図である
。
その概念を説明する。なお、第2図は本発明の詳細な説
明するための説明図、第3図は小突起部が充分に安定し
ている場合の例を説明するための説明図、第4図は真円
の場合の特徴量抽出方法を説明するための説明図である
。
まず、最初に良く知られている連結性解析により、形状
のもつ連結取分が抽出され、次に輪郭追跡により形状の
輪郭点が抽出される。その結果、第2図(()の如き形
状1、輪郭2、穴3、線要素4等が抽出される。このと
き、輪郭点の各方向コードの変化を検出することにより
、形状の凸点Pl(i=1 、2−、 n ) 、’凹
点Nj(j=1.2−、n)を抽出する。実際のディジ
タル1悸は、ノイズや量子化誤差あるいは照明のばらつ
きなどがあるので、凸点、凹点などの端点の検出には平
均化または平滑化処理が必要であるが、これについては
後述することとする。仄に、形状を構成する各線要素4
から、形状の重心Gk(k=0 、1 、・・・n)を
算出する。重心には形状全体の重心と穴の重心などがあ
る。
のもつ連結取分が抽出され、次に輪郭追跡により形状の
輪郭点が抽出される。その結果、第2図(()の如き形
状1、輪郭2、穴3、線要素4等が抽出される。このと
き、輪郭点の各方向コードの変化を検出することにより
、形状の凸点Pl(i=1 、2−、 n ) 、’凹
点Nj(j=1.2−、n)を抽出する。実際のディジ
タル1悸は、ノイズや量子化誤差あるいは照明のばらつ
きなどがあるので、凸点、凹点などの端点の検出には平
均化または平滑化処理が必要であるが、これについては
後述することとする。仄に、形状を構成する各線要素4
から、形状の重心Gk(k=0 、1 、・・・n)を
算出する。重心には形状全体の重心と穴の重心などがあ
る。
さて、本発明においては、形状の中での前記各特徴点の
相対的位置関係が重要なので、Pi、 Nj。
相対的位置関係が重要なので、Pi、 Nj。
Gkの各特徴点への番号のふジ方は任意であってはなら
ない。このとき、形状の位置や姿勢に関係なく一定にP
it”j+Gkを5pace −dependent
Kラベリングする方法はいくつかあるが、ここでは例え
ば、Pi 、 Njについては形状を構成する辺のうち
最大の辺長のものの左端をP、とじ、以下反時計まわり
にPR+ p、 l・・・Pnをラベリングし、凹点が
あられれたら項にN、 、 N、 、・・・Nnをラベ
リングするものとする。また、重心(4cKついては全
体重心をG。
ない。このとき、形状の位置や姿勢に関係なく一定にP
it”j+Gkを5pace −dependent
Kラベリングする方法はいくつかあるが、ここでは例え
ば、Pi 、 Njについては形状を構成する辺のうち
最大の辺長のものの左端をP、とじ、以下反時計まわり
にPR+ p、 l・・・Pnをラベリングし、凹点が
あられれたら項にN、 、 N、 、・・・Nnをラベ
リングするものとする。また、重心(4cKついては全
体重心をG。
トシ、以下G6 K最4 近イGkA、t Gt トL
、順次G2゜Gs・・・Gnとラベリングして行くもの
とする。こうして、各特徴点(Ps 、Nj、Gk)が
第2図(ロ)の如く抽出される。次に、上記のようにし
て抽出された各特徴点(Ps−Nj−Gk)の中から、
形状特徴ベクトルの始点となるべき「形状基應点」を決
めるわけであるが、前述したように%像点(Plt N
j。
、順次G2゜Gs・・・Gnとラベリングして行くもの
とする。こうして、各特徴点(Ps 、Nj、Gk)が
第2図(ロ)の如く抽出される。次に、上記のようにし
て抽出された各特徴点(Ps−Nj−Gk)の中から、
形状特徴ベクトルの始点となるべき「形状基應点」を決
めるわけであるが、前述したように%像点(Plt N
j。
Gk)は形状の内部においては5pace −depe
ndentなラベリングがなされているので、どの点を
選んでもよい。すなわち、P、ならPtと固定しておい
てもよいし、またユーザプログラマブル【して、対象形
状毎に可変にしてもよい。以下の説明では、仮に形状基
準点を馬としておく。次して、第1図(ハ)に示すよう
に点P、から各特徴点に至る形状特徴ベクトルμlおよ
びνjを求める。形状特徴ベクトルも形状特徴点と同様
に5pace −dependentなtであるべきな
ので、P2より形状の輪郭を反時計まわりに回ったとき
の最初の特徴点(第2図(ハ)でf′1ps)とで形成
する形状特徴ベクトルτμ、とし、以下順次(反時計ま
わりに)μ1.μ、・・・9μmとする。また、特徴点
と重心とが形成する特徴ベクトルについては、例えばP
2と00が形成する特徴ベクトルをν、とし、以下P、
とG、が形成するものをν、とし、同様にν3.・・・
、ynとする。ただし、ここで示した特徴ベクトルの決
め方は、1例であってこれに限定されるものではない。
ndentなラベリングがなされているので、どの点を
選んでもよい。すなわち、P、ならPtと固定しておい
てもよいし、またユーザプログラマブル【して、対象形
状毎に可変にしてもよい。以下の説明では、仮に形状基
準点を馬としておく。次して、第1図(ハ)に示すよう
に点P、から各特徴点に至る形状特徴ベクトルμlおよ
びνjを求める。形状特徴ベクトルも形状特徴点と同様
に5pace −dependentなtであるべきな
ので、P2より形状の輪郭を反時計まわりに回ったとき
の最初の特徴点(第2図(ハ)でf′1ps)とで形成
する形状特徴ベクトルτμ、とし、以下順次(反時計ま
わりに)μ1.μ、・・・9μmとする。また、特徴点
と重心とが形成する特徴ベクトルについては、例えばP
2と00が形成する特徴ベクトルをν、とし、以下P、
とG、が形成するものをν、とし、同様にν3.・・・
、ynとする。ただし、ここで示した特徴ベクトルの決
め方は、1例であってこれに限定されるものではない。
以上のようにして求められた形状特徴ベクトルの相互関
係を求めるための基本ベクトル演算として、以下のもの
を定義する。
係を求めるための基本ベクトル演算として、以下のもの
を定義する。
(1)特徴ベクトル間ベクトル積
凸凹点間 町」=μi×μj ・・・■重心
間 n1j:′ニジl×νj °°°■
凸凹点・重心間 11j=μl×νj ・・・
■(2)%徴ベクトル和 M=Jμl+Σνj ・・・■
(3)特徴ベクトル間絶対値の比 凸凹点間 si」=lμ11/1μj1 ・・・
■重心間 tlj= lシ11/1シj1 ・
・・■凸凹点・重心間 Jj= Iμ11/1νj1
・・・■上記ベクトル演算の形状的意味は、以下の
通りである。すなわち、特徴ベクトル間ベクトル積は、
形状特徴点の中の任意の3点で構成する部分の面積およ
び向き(角度)であり、特徴ベクトル間絶対値の比は、
形状特徴点の中の任意の3点で硝酸する部分の辺長比で
ある。また、特徴ベクトル和は、形状の%徴を示すと同
時に1形状の姿勢も示すものである。このほか、形状の
複雑性または特異性に応じていくつかの特徴ベクトルの
演算を定義することができるが、本説明においては基本
的なものとして、上記(1)〜(3)のみを示した。
間 n1j:′ニジl×νj °°°■
凸凹点・重心間 11j=μl×νj ・・・
■(2)%徴ベクトル和 M=Jμl+Σνj ・・・■
(3)特徴ベクトル間絶対値の比 凸凹点間 si」=lμ11/1μj1 ・・・
■重心間 tlj= lシ11/1シj1 ・
・・■凸凹点・重心間 Jj= Iμ11/1νj1
・・・■上記ベクトル演算の形状的意味は、以下の
通りである。すなわち、特徴ベクトル間ベクトル積は、
形状特徴点の中の任意の3点で構成する部分の面積およ
び向き(角度)であり、特徴ベクトル間絶対値の比は、
形状特徴点の中の任意の3点で硝酸する部分の辺長比で
ある。また、特徴ベクトル和は、形状の%徴を示すと同
時に1形状の姿勢も示すものである。このほか、形状の
複雑性または特異性に応じていくつかの特徴ベクトルの
演算を定義することができるが、本説明においては基本
的なものとして、上記(1)〜(3)のみを示した。
欠く、このような形状特徴ベクトルによる形状特徴量と
、従来から用いられている形状特徴量との関係について
、以下に示す。
、従来から用いられている形状特徴量との関係について
、以下に示す。
本発明において示した形状特徴ベクトルは、形状の骨格
をなす部分についての形状の情報抽出であり、形状のミ
クロな誤差は見ないで形状が形状として成り立っている
ことの本質を抽出しようとするものである。ただし、形
状のミクロな部分についてもその部分が形状の本質をな
す場合で、かつその部分が形状として安定している場合
にはその部分の端点を抽出して、形状特徴ベクトル群の
中に加えることができる。第3図はか\る場合を説明す
るためのもので、P3が抽出芒れる廃点でお、る。
をなす部分についての形状の情報抽出であり、形状のミ
クロな誤差は見ないで形状が形状として成り立っている
ことの本質を抽出しようとするものである。ただし、形
状のミクロな部分についてもその部分が形状の本質をな
す場合で、かつその部分が形状として安定している場合
にはその部分の端点を抽出して、形状特徴ベクトル群の
中に加えることができる。第3図はか\る場合を説明す
るためのもので、P3が抽出芒れる廃点でお、る。
一方、従来からある形状特徴量(面積2周囲長。
形状係数など)は、形状のもつ性質を表現しているもの
ではあるが、胎対量でのパラメータであるため、形状か
らの情報抽出がミクロ的になりやすく、シたがって細か
い部分の変動の影響をうけやすい。しかし、前記の形状
特徴ベクトルでは抽出しにくい部分の特徴を抽出できる
場合も多く、いわば形状に応じて相補的に用いていく必
要がある。
ではあるが、胎対量でのパラメータであるため、形状か
らの情報抽出がミクロ的になりやすく、シたがって細か
い部分の変動の影響をうけやすい。しかし、前記の形状
特徴ベクトルでは抽出しにくい部分の特徴を抽出できる
場合も多く、いわば形状に応じて相補的に用いていく必
要がある。
相補的に用いる例を第4図に示す。これは、形状が真円
の円弧5のみで構成されている例であり、このような場
合は円弧を直線近似して形状特徴ベクトルを抽出する方
法も考えられるが、真円であればある程直線近似がむず
かしくなるため、むしろ形状特徴ベクトルは円弧間の相
対的位置関係を抽出し、円弧部分の大きさ等については
面積9周囲長、形状係数等にて判別するべきである。
の円弧5のみで構成されている例であり、このような場
合は円弧を直線近似して形状特徴ベクトルを抽出する方
法も考えられるが、真円であればある程直線近似がむず
かしくなるため、むしろ形状特徴ベクトルは円弧間の相
対的位置関係を抽出し、円弧部分の大きさ等については
面積9周囲長、形状係数等にて判別するべきである。
以上、述べてきた本発明による形状識別の概略をフロー
にしたものを、第1図に示す。
にしたものを、第1図に示す。
すなわち、今まで述べてきたように、対象形状をとシ込
んだ後、連結性解析2輪郭追跡を経て、本方式による形
状特徴点(Pi、Nj−Gk)を抽出する(■、■、■
参照)。次に、対象形状の輪郭追跡による方向コードデ
ータをもとに形状輪郭の直線性を解析し、円弧部分の有
無を調べる(■。
んだ後、連結性解析2輪郭追跡を経て、本方式による形
状特徴点(Pi、Nj−Gk)を抽出する(■、■、■
参照)。次に、対象形状の輪郭追跡による方向コードデ
ータをもとに形状輪郭の直線性を解析し、円弧部分の有
無を調べる(■。
■参照)。円弧性部分であっても、例えば第5図の如く
直線近似が可能なものは直線近似を行って、特徴点を抽
出する。また、直線近似が不可能なもの(真円など)に
ついては、その部分のみを円弧部処理ルーチンへもって
いく(■、■、■参照)0木刀式においては、真円のよ
うに円弧成分のみで閉じている形状を直線近似不可とし
、それ以外の円弧性成分は円弧成分の代表点を抽出して
、直線近似するものとする。次に、抽出されfc特徴像
点から形状特徴ベクトルを抽出しく■参照)、前述した
ようなベクトル演算を行って形状のもつ本質的な特徴量
を算出する([相]参照)。次に、あらかじめシヨウイ
ング等によジ学習しておいた、(特徴ベクトルによる)
特徴量の標準パターンと比較することにより、形状を識
別する(■参照)。−万、真円などの円弧部分について
は、その部分(閉図形)に関する通常の特徴量(面積9
周曲長。
直線近似が可能なものは直線近似を行って、特徴点を抽
出する。また、直線近似が不可能なもの(真円など)に
ついては、その部分のみを円弧部処理ルーチンへもって
いく(■、■、■参照)0木刀式においては、真円のよ
うに円弧成分のみで閉じている形状を直線近似不可とし
、それ以外の円弧性成分は円弧成分の代表点を抽出して
、直線近似するものとする。次に、抽出されfc特徴像
点から形状特徴ベクトルを抽出しく■参照)、前述した
ようなベクトル演算を行って形状のもつ本質的な特徴量
を算出する([相]参照)。次に、あらかじめシヨウイ
ング等によジ学習しておいた、(特徴ベクトルによる)
特徴量の標準パターンと比較することにより、形状を識
別する(■参照)。−万、真円などの円弧部分について
は、その部分(閉図形)に関する通常の特徴量(面積9
周曲長。
形状係数等)を算出しく■参照)、シヨウイングによシ
学習しておいた、円弧部の標準パターンと比較して、そ
の部分をもつ形状の候補を選出する(■参照)。最後に
、特徴ベクトルによる判別と円弧部の形状候補とを整合
することによシ、最終的な形状識別結果を得る(@参照
)。
学習しておいた、円弧部の標準パターンと比較して、そ
の部分をもつ形状の候補を選出する(■参照)。最後に
、特徴ベクトルによる判別と円弧部の形状候補とを整合
することによシ、最終的な形状識別結果を得る(@参照
)。
こ\で実際に入力されたディジタル画像を扱う上での具
体的処理について述べる。
体的処理について述べる。
まず、端点(凸点、凹点)の検出については、基本的に
は方向コードの変化分の検出を行うことで得られるが、
一般に入力1儂をディジタル化したあとの輪郭は、第6
図(イ)のように一般になめらかではなく、このままで
は必要以上に多くの端点が検出され、しかも位置的に不
安定な端点が多くなる。そこで、輪郭追跡時に、方向コ
ードの平滑化処理または平均化処理を行うことにより、
安定な端点を検出するようにする。この平滑化処理とし
ては、例えば第6図(ロ)に示すように、着目輪郭画素
の方向コードと前後m画素の方向コードとを合わせて平
均化し、それを改めて着目画素の方向コードとする方法
で実現できる(一般にm = 2程度)。次に、このよ
うにして平滑化した後、第6図(ハ)に示すように、輪
郭画素の方向コードを検出するに当之ってn画素のウィ
ンドウを設け(例えばn=10八ウインドウを輪郭に沿
って動かし、ウィンドウの両端のl!l!li素の方向
コードの変化が一定値以上続いた場合はその部分を端点
として抽出することにより、小さな突起状のノイズ形状
を端点として検出されるのを防ぐことができる。また、
このように端点は安定に検出烙れても、周囲条件のばら
つきにより、必ずしも一画素単位での正確さで検出され
るわけではなく、一定のばらつき(分布)をもっている
はずである。そこで、ばらつきの程度は各端点てはほぼ
同様であると見なして、ショウインク時に各特徴ベクト
ルの演真後に点の拡がジを考慮した一定のマージンを付
加しておくものとする。これにより、必ずしも多数回の
シヨウイングをくり返さなくても、比較的安定した標準
パターンが得られることv(なる。
は方向コードの変化分の検出を行うことで得られるが、
一般に入力1儂をディジタル化したあとの輪郭は、第6
図(イ)のように一般になめらかではなく、このままで
は必要以上に多くの端点が検出され、しかも位置的に不
安定な端点が多くなる。そこで、輪郭追跡時に、方向コ
ードの平滑化処理または平均化処理を行うことにより、
安定な端点を検出するようにする。この平滑化処理とし
ては、例えば第6図(ロ)に示すように、着目輪郭画素
の方向コードと前後m画素の方向コードとを合わせて平
均化し、それを改めて着目画素の方向コードとする方法
で実現できる(一般にm = 2程度)。次に、このよ
うにして平滑化した後、第6図(ハ)に示すように、輪
郭画素の方向コードを検出するに当之ってn画素のウィ
ンドウを設け(例えばn=10八ウインドウを輪郭に沿
って動かし、ウィンドウの両端のl!l!li素の方向
コードの変化が一定値以上続いた場合はその部分を端点
として抽出することにより、小さな突起状のノイズ形状
を端点として検出されるのを防ぐことができる。また、
このように端点は安定に検出烙れても、周囲条件のばら
つきにより、必ずしも一画素単位での正確さで検出され
るわけではなく、一定のばらつき(分布)をもっている
はずである。そこで、ばらつきの程度は各端点てはほぼ
同様であると見なして、ショウインク時に各特徴ベクト
ルの演真後に点の拡がジを考慮した一定のマージンを付
加しておくものとする。これにより、必ずしも多数回の
シヨウイングをくり返さなくても、比較的安定した標準
パターンが得られることv(なる。
なお、本発明における特徴ベクトルの演算については、
対象がディジタルであることから必ずしも演算をすべて
実行する必要はなく、高速化のためにベクトル演算のテ
ーブルをメモリに格納しておき、テーブルをサーチする
ことで近似的な洟垂結果を得ることができる。
対象がディジタルであることから必ずしも演算をすべて
実行する必要はなく、高速化のためにベクトル演算のテ
ーブルをメモリに格納しておき、テーブルをサーチする
ことで近似的な洟垂結果を得ることができる。
本発明によれば、以下の効果が得られる。
(1)本発明による特徴ベクトルは、絶対量(スカラ量
)ではなく相関量(ベクトル量)であるため、形状の向
きや姿勢に関係のない形状付微量として用いることがで
きる。
)ではなく相関量(ベクトル量)であるため、形状の向
きや姿勢に関係のない形状付微量として用いることがで
きる。
(2)形状特徴ベクトルは、形状の輪郭の変化(変曲部
)を中心にして検出されるものである之め、変化のない
部分の形状誤差に左右されずに形状の本質を表現するこ
とができる。
)を中心にして検出されるものである之め、変化のない
部分の形状誤差に左右されずに形状の本質を表現するこ
とができる。
(3)形状特徴ベクトルは、形状識別ノくラメーメとし
てだけですく、方向(姿勢)識別パラメータとしても用
いることができる。
てだけですく、方向(姿勢)識別パラメータとしても用
いることができる。
(4)形状特徴ベクトル間のベクトル演算を形状や目的
に応じて使いわけることにより、形状固有の性質を導き
出すことができる。
に応じて使いわけることにより、形状固有の性質を導き
出すことができる。
(5)形状を構成する特徴ベクトル群の互いの相関を用
いることにより、相似形状のノ司定、識別を行うことが
できる。
いることにより、相似形状のノ司定、識別を行うことが
できる。
第1図は本発明の実施例を示すフローチャート、第2図
は本発明の詳細な説明するための説明図、第3図は小突
起部が充分く安定している場合の例を説明するための説
明図、第4図は真円の場合の特徴量抽出方法を説明する
ための説明図、第5図は直線近似が可能な円弧パターン
を説明するための説明図、第6図はディジタル画像の具
体的な処理方法を説明するための説明図、第7図は一般
的な形状認識装置を示す概要図、第8図は第7図におけ
る判別方法の一例を示すトリー図である。 符号説明 1・・・対象物く形状)、2・・・輪郭、3・・・穴、
4・・・線要素、5・・・真円、11・・・入力装置、
12・・・前処理回路、13・・・形状切出回路、14
・・・連結性解析部、15・・・特徴量計算部、16・
・・形状識別部、17・・・標準パターン記憶部、18
・・・出力装置、P、〜Pユ・・・凸点、N、〜凡・・
・凹点、G0〜Gn・・・重心。 代理人 弁理士 並 木 昭 天 代理人 弁理士 松 崎 渭 第3図 ps 第4図 第5図 第6図 (イ) (ロ) m画素 (ハ)
は本発明の詳細な説明するための説明図、第3図は小突
起部が充分く安定している場合の例を説明するための説
明図、第4図は真円の場合の特徴量抽出方法を説明する
ための説明図、第5図は直線近似が可能な円弧パターン
を説明するための説明図、第6図はディジタル画像の具
体的な処理方法を説明するための説明図、第7図は一般
的な形状認識装置を示す概要図、第8図は第7図におけ
る判別方法の一例を示すトリー図である。 符号説明 1・・・対象物く形状)、2・・・輪郭、3・・・穴、
4・・・線要素、5・・・真円、11・・・入力装置、
12・・・前処理回路、13・・・形状切出回路、14
・・・連結性解析部、15・・・特徴量計算部、16・
・・形状識別部、17・・・標準パターン記憶部、18
・・・出力装置、P、〜Pユ・・・凸点、N、〜凡・・
・凹点、G0〜Gn・・・重心。 代理人 弁理士 並 木 昭 天 代理人 弁理士 松 崎 渭 第3図 ps 第4図 第5図 第6図 (イ) (ロ) m画素 (ハ)
Claims (1)
- 対象物を撮像しその撮像信号を画像処理して対象物形状
を認識する形状認識方法であつて、前記対象物形状の輪
郭追跡をして各特徴点を抽出し、該各特徴点間の直線性
を解析して直線近似が可能か否かを判断し、その結果直
線近似が可能なときは各特徴点の中から基準となる基準
特徴点を1つ選び、該基準特徴点から他の各特徴点に至
る形状特徴ベクトルを求め、該形状特徴ベクトル群の間
で積、和を含むベクトル演算をしてベクトル化特徴量を
求め、該ベクトル化特徴量にもとづき認識を行う一方、
前記輪郭追跡の結果直線近似ができないと判断されると
きは、その各特徴点(重心)による形状特徴ベクトルと
形状特徴量とにもとづき認識を行うことを特徴とする形
状認識方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP61159849A JPS6316383A (ja) | 1986-07-09 | 1986-07-09 | 形状認識方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP61159849A JPS6316383A (ja) | 1986-07-09 | 1986-07-09 | 形状認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPS6316383A true JPS6316383A (ja) | 1988-01-23 |
JPH0525354B2 JPH0525354B2 (ja) | 1993-04-12 |
Family
ID=15702577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP61159849A Granted JPS6316383A (ja) | 1986-07-09 | 1986-07-09 | 形状認識方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS6316383A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0769469A1 (de) * | 1995-10-17 | 1997-04-23 | Inventio Ag | Sicherheitseinrichtung bei Multimobil-Aufzugsgruppen |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006209353A (ja) * | 2005-01-26 | 2006-08-10 | Sharp Corp | 画像判断装置、画像形成装置、画像判断方法、画像判断プログラム、画像形成プログラムおよびコンピュータ読取り可能な記録媒体 |
-
1986
- 1986-07-09 JP JP61159849A patent/JPS6316383A/ja active Granted
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0769469A1 (de) * | 1995-10-17 | 1997-04-23 | Inventio Ag | Sicherheitseinrichtung bei Multimobil-Aufzugsgruppen |
US5877462A (en) * | 1995-10-17 | 1999-03-02 | Inventio Ag | Safety equipment for multimobile elevator groups |
Also Published As
Publication number | Publication date |
---|---|
JPH0525354B2 (ja) | 1993-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9875427B2 (en) | Method for object localization and pose estimation for an object of interest | |
US7340089B2 (en) | Geometric pattern matching using dynamic feature combinations | |
KR101247147B1 (ko) | 디지털 영상 획득 장치에서의 얼굴 탐색 및 검출 | |
JP5202037B2 (ja) | 特徴点位置決定方法及び装置 | |
US9619733B2 (en) | Method for generating a hierarchical structured pattern based descriptor and method and device for recognizing object using the same | |
US20020191818A1 (en) | Face detection device, face pose detection device, partial image extraction device, and methods for said devices | |
US20200125830A1 (en) | Object recognition | |
JP6997369B2 (ja) | プログラム、測距方法、及び測距装置 | |
CN113111844B (zh) | 一种作业姿态评估方法、装置、本地终端及可读存储介质 | |
US10438083B1 (en) | Method and system for processing candidate strings generated by an optical character recognition process | |
KR101917354B1 (ko) | 모바일 환경 객체 신뢰도 평가와 학습을 통한 융합 객체 추적 시스템 및 방법 | |
CN111178252A (zh) | 多特征融合的身份识别方法 | |
JP2023134688A (ja) | ビジョンシステムで画像内のパターンを検出及び分類するためのシステム及び方法 | |
TWI776176B (zh) | 手部作業動作評分裝置、方法及電腦可讀取存儲介質 | |
CN112784712B (zh) | 一种基于实时监控的失踪儿童预警实现方法、装置 | |
JP2018124689A (ja) | 移動物体検出装置、移動物体検出システム、及び移動物体検出方法 | |
Silanon et al. | Hand motion analysis for Thai alphabet recognition using HMM | |
CN117372432A (zh) | 基于图像分割的电子烟表面缺陷检测方法及*** | |
JPS6316383A (ja) | 形状認識方法 | |
US20160253570A1 (en) | Feature vector extraction device | |
CN115861352A (zh) | 单目视觉、imu和激光雷达的数据融合和边缘提取方法 | |
US20220198802A1 (en) | Computer-implemental process monitoring method, device, system and recording medium | |
JP2015187769A (ja) | 物体検出装置、物体検出方法及びプログラム | |
CN109087351B (zh) | 基于深度信息对场景画面进行闭环检测的方法及装置 | |
Yasukochi et al. | A recognition method of restricted hand shapes in still image and moving image as a man-machine interface |