JPS6316383A - 形状認識方法 - Google Patents

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。

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。

〔従来の技術〕

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。

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。

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。

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。

〔発明が解決しようとする問題点〕

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。

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。

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。

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。

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
。

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。

〔問題点を解決するための手段〕

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。

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。

〔作用〕

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。

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。

〔実施例〕

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
。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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（■。

■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。

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
）。

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。

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。

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。

〔発明の効果〕

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。

（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。

（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。

（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。

（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。

【図面の簡単な説明】

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）

Claims (1)

【特許請求の範囲】
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。