CN1106155A - 形状识别方法 - Google Patents

Abstract

一种形状识别方法，以二维坐标平面上的一排小 圆点呈现目标形状，与目标形状进行核对的形状模型 的几何形状为一个数有限的结点及连接在各结点间 的线素，对作为特征的形状模型为线素的长度及斜率 来设置标准值与涉及该标准值的公差。在对目标形 状和形状模型进行核对时，根据与目标形状标准值的 差及与公差间的关系来计算目标形状与形状模型间 的重合度。

Description

本发明涉及一种形状识别方法，它通过与作为标准的形状模型相核对来识别以一排小圆点的形式呈现的目标形状。

一般地，将两块板或类似的平板部件焊成弯角接头时，需要测量在两平板部件接头边缘间形成的任何台阶或间隙，并建议使用采用光将学剪切的图像处理方法来完全这种尺寸及位置的测量，为此它要求光学剪切用来识别一线状图形，所述线状图形代表了沿着由光学剪切所得到的目标表面的横截面形状。

就识别线状图形之形状的方法而言，人们认为这种型式的比对方法在日本专利公开第1-161487中已作了揭示。其中，将描绘所述线状图形数据的形状模型用作标准，在二维平面中以线段的位置、其长度、相对于参照线的斜率、各线段间的平行度等作为线段的组合来表示所述线状图形。对于每一线段，将由线状图形中给出的目标形状提取的线段特征与形状模型中所描绘的线段特征相比较，并连续地检测线段相互一致性。

在这一方法中，通过用二进制判断方法（看特征的差别是否在设置的公差范围内）而对线段进行相互核对。然而，在这一型式的核对方法中，需要将误差设置得尽可能小从而确保其具有高的识别准确度，这就存在一问题，即，当目标形状的特征具有较大的起伏时难以应用本方法。

作为解决上述问题的一种措施，在日本专利公开第3-1729号中提出了一种方法，它通过在放大及缩小形状模型的同时不断将目标形状与形状模型相对照从而判断目标形状是否与形状模型相一致。

进而，例如美国专利第3979722，4015239及5065439号揭示了涉及形状识别的发明。但它们仍停留在与前述已知技术相同的技术水平上，且未能解决上述问题。

另一方面，放大与缩小模型的同时将形状模型与目标形状相核对的方法在下述情况下会产生这样的问题，即，当特征的起伏相当大时，在采用光学剪切时（其中随着时间连续地提供目标形状的输入数据）会导致目标形状及形状模型间的核对频度增大最终造成所需处理时间的增大。此外，这种型式的方法存在一问题，即，当目标形状部分起伏时无法使用该方法。

相应地，本发明的一个基本目的在于消除上述问题，从而提供一种形状识别方法，其中，可以在甚至当随着时间连续地输入目标形状且目标形状在各个目标点上具有相当大的起伏的情况下，亦能在不改变形状模型的条件下进行核对。

根据本发明，可采用通过将目标形状与一几何形状模型进行核对的形状识别方法来实现本发明的上述目的。所述方法包括以下步骤：对应于给定的目标形状表出其形状模型（所述目标形状在二维平面上以一排小圆点方式给出），形状模型的形式为具有一组个数有限的结点及顺序地连接在各结点间的线素，设置一标准值以及涉及标准值与各线素的公差，并对于目标形状的一排小圆点，基于与标准值的差别及与公差间的关系来计算目标形状与形状模型间的重合度。

因此，本发明被设计为以一排小圆点的方式表示目标形状并用一组数量有限的结点及线素来表示形状模型，设置标准值以及涉及该标准值与各线素特征的公差，并基于与标准值的差别及对应于目标形状与公差间的关系来计算目标形状与形状模型间的重合度。可以理解，只要判定重合度在设置公差内较高，带有一定程度起伏的目标形状特征的任何起伏成分便是可以接受的。

通过以下参照附图对本发明之优点所作的描述，本发明的其它目的及优点将更为明了。

图1是实现根据本发明之形状识别方法的装置的简略说明图。

图2是解释根据本发明之形状识别方法的一种实施例的流程图。

图3是解释图2实施例中变形量的原理的示意图。

图4是示出了图2实施例中比对处理之一实例的说明图。

图5示出图2实施例中比对处理的流程图。

图6a至6d是示出用图1所示装置得到一排小圆点的方法示意图。

图7a至7d是示出图2实施例中折线近似处理之概念的示意图。

图8是示出图2实施例中一排小圆点的一种实例的示意图。

图9是示出图2实施例中所采用的形状模型的一种实例的示意图。

图10a和10b是用来解释根据本发明的另一实施例例中采用的霍克变换（Hough Transformation）的示意图。

图11是示出根据本发明又一实施例中所采用的形状模型的一种实例的示意图;

图12a和12b是用来解释在根据本发明的另一实施例中对一排小圆点的插值处理的示意图;

图13a至13c是示出在根据本发明的又一实施例中处理步骤之概念的示意图;

图14是示出图13a至13c的实施例中的处理步骤的流程图;

图15a至15c显示出本发明又一实施例中处理步骤之概念的示意图;

图16是示出图15a至15c实施例中之处理步骤的流程图;

图17是示出在根据本发明的又一实施例中所采用的形状模型的示意图;

图18是示出图17之又一实施例的一种实例的示意图;

图19a和19b是用来解释在根据本发明的再一实施例中变形量概念的示意图;

图20以部分透视图方式示出根据本发明之又一实施例的应用的一种实例;

图21a和21b是对图20实施例中处理步骤的概念进行解释的示意图;

图22是解释了图20的实施例的示意图;

图23是示出了在根据本发明的另一实施例中处理步骤的流程图;

图24是对根据本发明的又一实施例之处理结果的概念进行解释的示意图;

图25a至25d是示出图24的实施例中处理步骤之概念的示意图;

图26是示出图24的实施例中整个处理步骤的流程图;

图27是示出图24之实施例的主要部分之处理步骤的流程图;

图28是同样示出图24之实施例的主要部分之处理步骤的流程图;

图29a和29b是对根据本发明的又一实施例进行说明的示意图;

图30a和30e是根据本发明另一实施例的说明图;

图31和图32a及32b是对根据本发明再一实施例的处理步骤的概念进行解释的示意图;

图33是示出图31、32a和32b的实施例的处理步骤的流程图;

图34a至34c是对根据本发明的另一实施例进行说明的示意图;

图35和36是示出图1至9的实施例之应用实例的示意图;

图37是示出根据本发明的另一实施例中处理步骤的流程图;

图38是示出在根据本发明的又一实施例中使用的形状模型的一种实例的示意图;

图39a和39b是示出图38的实施例中处理步骤的概念的示意图;

图40是示出根据本发明之另一实施例中形状模型的一种实例的示意图;

图41是示出图40的实施例中处理步骤的概念的示意图;

图42是图40的实施例中形状模型的又一实例的示意图;

在以下参照附图所示的多种实施例对本发明进行详细描述时，可以理解这种描述的目的并不在于将本发明仅局限于所示的实施例，而是包括了在所附权项范围内可能具有的所有替换，修改及等效的设计。

在根据本发明的多个实施例中的一种实施方法中（如同参照图1至图9可以明了的那样）提及了一种装置，该装置对一弯角接头的横截面形状进行光学剪切，所述弯角接头中一对平板部件被相互边对边地对接并大致呈直角。如图1所示，在光学剪切中，从光源12投射出狭缝形光照在上述弯角接头形式的目标物11上，其弯形部分如图1所示，用图象检取装置13例如CCD摄像机以不同于投射狭缝型光的方向取得狭缝型光的投射光图形的图象。然后由图象检取装置13取得的图像经过下面将要描述的处理使其成为相应于所选取的目标物11之形状的一排小圆点。即，用二维平面中的坐标来表示对应于横切目标物11之弯形部分的横截面的狭缝型光之交线上各测量点的位置。

由图像检取装置13（图6a）所取得的明暗图象先被储存在帧存储器21中，然后将所储存的图象Q1输入两进制编码处理装置22中，在所述处理装置22中将各像素的密度与一阈值进行适当的比较并对其进行二进制编码，得到图6b中所示的二进制图像Q₂。然后，用一噪声抑制器23除去二进制图像Q₂中的噪声成分。这里，由于正常情况下由二进制图像Q₂得到的线状图形I₂具有多个像素的宽度，在形心提取装置24中提取出作为二进制图像Q₂中线状图形I₂之中心线的形心，且得到这一由图6C中所示具有一个像素宽度的线状图形I₃的数据所组成的线状图像Q₃。线状图形I₃是具有一个像素宽度的一排像素，可用一排小圆点形成器25来得到反映了目标物11弯形部分之形状的一排小圆点。在一排小圆点形成器25中，通过沿图像屏幕水平方向由左开始顺序地设置线状图形I₃之各像素的位置坐标来得到一排小圆点的位置数据。这里，线状图形I₃的全部像素被称作一排小圆点，而在分辨率降低的情况下，也可能在屏幕的水平方向预先得到多个像素的位置坐标，或认定一代表值作为多个像素的位置坐标。在这一方式中，可基于线状图形I₃得到如图6d中所示的这样的一排小圆点S。这一排小圆点S是沿着图像横坐标轴的一顺序的像素阵列，且在将它储存于存储器之后用它进行处理。

在将由前述方法得到的一排小圆点作为目标形状而与形状模型进行比较时，以一排的小圆点S的形式进行的比较在进行比对处理时较为耗时，对一排小圆点S的特定排以折线进行近似。已提出了各种将一排小圆点S近似到折线的方法，但这里采用一种称为追迹法的处理方法。即，如图7所示，假设作为折线近似法之对象的一排小圆点S中所含的各点Pj（j＝0，1，…，n）被安排成顺序地从左开始排列，起始点P₀作为端点P_j1，而一排小圆点S中的另一点P_j作为另一端点P_j2，并设置连接在两端点P_j1和P_j2间的线段＜P_j1P_j2＞。如果该线段＜P_j1P_j2＞位于通过端点P_j1的圆C_i2-1的切线中两切线λ₁,_j2-1和λ₂,_j2-1之间（所述圆C_j2-1的半径为ε圆心为端点P_j2之前一点P_j2-1中的一点），点P_j2-1和线段＜P_j1P_j2＞间的距离小于ε。因此，端点P_j是固定的，而另一端点P_j2按照排的次序变动，并判断点P_j2-1和线段＜P_j1P_j2＞间的距离是否小于ε。在这一方式中，选出点P_j2-1和线段＜P_j1P_j2＞的距离小于ε的最长线段＜P_j1P_j2＞。即，在图7的实例中，如图7b中所示，从J₁＝0，J₂＝2开始直至J₂＝8均满足点P_j2-1与线段＜P_j1P_j2＞间距离小于ε的条件，但在J₂＝9时这一条件不再满足，因此将线段＜P₀P₈＞认作最长线段。

接着，满足上述条件的末端点P_j2（上例中的P₈）被作为一固定端点P_j1，并以同样的步骤得到使点P_j2-1和线段＜P_j1P_j2＞间的距离小于ε的最长线段＜P_j1P_j2＞。即，在图7的实例中，如图7c所示，从J1＝8，J2＝10开始，重复前述处理。在这一方式中，进行线段＜P_j1P_j2＞的选择处理直至端点P_j2到达终点P_n，且如图7d所示，可使用由各线段＜P_j1P_j2＞连成的折线来最终对一排小圆点S进行近似。

使用以上面所描述的方式通过折线对一排小圆点S进行近似而得到的数据，可通过弯曲点的位置及连接在各弯曲点间线素（直线和曲线）来表示目标11之横截面形状的特征。且，与将同图8中所示相同形状的一排小圆点S与形状模型相核对的情况相反，可大大减少数据量并加快比对过程。

由于在本发明中，目标11的横截面形状大致呈M形，如图9中所示用连接在五个结点P₀至P₄的四个线素（线段）S₀至S₃来表示的这一形状可用作形状模型。作为形状模型的特征，设置了各线素S₀至S₃的长度l_k（K＝0至3）及各线素S₀至S₃相对于二维平面（图形）之横坐标的斜率θ_k（K＝0至3），并进而设置了相应于各特征的公差〔l_mink，l_maxk〕及〔θ_mink，θ_maxk〕及标准值l_stk和θ_stk（K＝0至3）。由上述定义可以明了，它们能够满足下述关系：

l_mink＜l_stk＜l_maxk

θ_mink＜θ_stk＜θ_maxk

这里，可根据由目标11得到的线状图形尺寸的变化来适当地设置公差〔l_mink，l_maxk〕及〔θ_mink，θ_maxk〕。

当通过折线近似得到目标11之横截面形状的目标形状时，实行了前面所定出与形状模型作图形比的处理（比对处理）。在比对处理中，首先从目标形状中选出与用于核对的形状模型之结点P₀至P₄相同量的结点（这里假设目标形状的结点数多于形状模型的结点P₀至P₄的数目），最后得到所选择各结点处线段的长度及其相对于二维坐标平面之横坐标轴（参考线）的斜率。进而，得到目标形状的所有结点与构成形状模型的最接近的一条线段间的距离ε_j，且其距离的平均值被定为位差变形成分E_p。由图3可以理解形状模型中距离ε_j和线段长度l_k及其斜率θ_k的含义。用双圈表示的像素示出了形状模型和目标形状间重叠的结点P₀至P₄，用四个小方块记号表示的像素示出了根据目标形状通过图7a至7d的折线近似得到的结点。用下式来表示位差变形成分E_p，其中目标形状的一排小圆点S中所含点P_i的数量（即进行折线近似时结点的数量）定为n：

$E_p=\underset{j=0}{\overset{n-1}{\mathrm{\Σ}}}{\left(\mathrm{\ϵj}\right)}^{/n}$

接着，将目标形状各线段的长度和斜率与对形状模型所设置的公差进行比较，从而当它们超出公差范围时，可得到和E_l及E_θ，其长度为长度形变分量Dl_k，其斜率为角度形变分量Ds_k（k为形状模型中线段的个数）。即，分别用下面所示的公式来表示长度形变分量Dl_k及角度形变分量Ds_k

Dl_k＝l_k-l_maxk（l_k＞l_maxk

0 （l_mink＜l_k＜l_maxk

l_mink-l_k（l_k＞l_mink）

Ds_k＝θ_k-θ_maxk（θ_k＞θ_maxk

0 （θ_mink＜θ_k＜θ_maxk

θ_maxk-θ_k（θ_k＞θ_mink）

进而，用下式来分别表示长度形变分量Dl_k及角度形变分量Ds_k各自的总各El和Eθ：

El＝∑（Dl_k），Eθ＝∑（Ds_k）

这里，在图9所示的形状模型中，k为线段的个数，其范围从0至3。

在得到位差形变分量Ep和长度形变分量Dl_k及角度形变分量Ds_k各自的总和El和Eθ之后，可得出各分量Ep，El及Eθ的加权和作为形变量E_total，它可用下式表示，其中分别对应于各量Ep，El及Eθ的加权系数为Wp，W1和Wθ：

E_total＝Wp×Ep+W1×El+Wθ×Eθ

采用上述方法确定形变量E_total时，结点的选择方法是根据来自目标形状之结点的所有选择方法的组合而得到的，且认为将形变量E_total定为最小（下面，形变量E_total的最小值被称为最小形变量）是最佳选择。图2示出了前述核对步骤。

由于如上面所述本实施例通过计算形变量来完成比对处理，所述形变量是根据从目标形状中选出与形状模型个数相同的结点的可能组合得到的，因此可以识别下述情况：例如如图35所示，导致一排小圆点S中含有在图像检取装置13的视域中的由于夹持被焊接平板部件的夹具造成的不需要的信息;或如图36所示，由于在邻近焊线处打的孔使得一排小圆点S形成间断G，并本实施例可方便地抽取出所要的形状用于识别。

由上述比对处理得到的结果便是形状识别的目的。现在，假设比对处理的结果成为这样一种形状，它由结点B_po至B_p4及连接在这些结点B_po至B_p4间的线段来表示。如图4中所示，目标11的横截面形状叠加在比对处理的结果上。这里，一旦把一对平板部件焊接在一起构成弯角接头，便测量该对平板部件M₁和M₂的位置关系等，且假设平板部件M₁和M₂的平板厚度t为已知值。这种情况下，在图4中，可得到接头内的任何间隙，它是尺寸A与平板部件厚度之间的差，并可得到接头中所含的任何台阶差为尺寸B接头位置可得到为图4中点C的坐标。总之，可按图5所示的顺序测得接头的形状。

在上述图2的实施例中，通过一排小圆点S（这里输入的目标形状）的折线近似来压缩目标形状，而在本发明的另一实施例中使用另一种做法，它通过对一排小圆点S进行霍克变换来得到目标形状。即，如图10a所示，通过霍克变换，在该一排小圆点S中加入直线L_i（i＝0至5），且各直线L_i的交点及一排小圆点S的端点被用作结点B_ki（i＝0到6），由于除去位于接近一排小圆点S区域之外直线L_i的其它交点且每一直线L_i所采用的交点B_ki最多限于两个，从而不会得到任何多余的结点。

这里，通过霍克变换来应用直线的方法是众所周知的并将对它作简略的解释。即，我们已经知道极坐标空间（参数空间）中的霍克曲线是通过对一排小圆点S的每一点进行霍克变换而得到的，当每一点位于每一直线上时，所述霍克曲线有一个交点。当得到了可以作为霍克曲线之交点的那一点时，这一点就代表直线L_i，直线L_i表示大体在一直线上的一排小圆点S，并通过得到霍克曲线的交点将直线L_i加入一排小圆点S。得到交点B_ki后，得出顺序地连接在交点B_ki间的线素S_i从而进行与图2所示实施例中相同的操作。即，在使用霍克变换时同样可压缩出一排小圆点S的数据量。这一实施例的其它方面与上述图2的实施例相同。

在上述实施例中，仅以线段方式连接形状模型的各结点P_k，而根据本发明的另一实施例使用椭圆的共点部分作为连接在交点间的线素。即，图9（同样见图2）所示实施例的形状模型带有连接结点的折线P₀-P₁-P₂-P₃-P₄，而本实施例用一线素S₁连接在交点P₁和P₂之间。所述线素S₁构成椭圆的一部分（部分椭圆），该椭圆带有作为线段S₀和S₂之延长线的长轴和短轴。

这里，对于位于两结点P₁和P₂间部分而言，线素的长度由长半径l_l和短半径l_i来确定，线素的斜率用长轴相对于横坐标的斜率θ₁来确定。并设置了椭圆之压缩系数（＝短半径/长半径）的标准值及公差。其它安排与图9实施例（同样见图2）相同。

在根据本发明的另一实施例中提供了一种处理方法，其中得到一排作为目标11的图形，该排小圆点S包括了间断DS及数据空缺VC，这时为了得到如图12b所示的一排小圆点S中的连续性需在通过一排小圆点的折线近似获得目标形状之前进行插值（图12b中插值部分以CP表示）。插值是用一直线连接在间断部分的端点之间的一种处理方法，通过这样进行的插值可用与图2实施例中相同顺序的折线近似来得到目标形状，其他安排与图2的实施例中的那些相同。

在对目标形状使用追迹法进行折线近似时，存在这样一种可能，即，当目标形状有起伏时，根据目标形状得到的结点数量B_pi小少形状模型的结点P_i的个数，这就存在一问题：由目标形状得到的结点B_pi的个数与形状模型的结点P_i个数不相同。

相应地，根据本发明的另一实施例采用这样的措施：当如图13a所示作为折线近似之结果而得到的结点B_pi的个数（i＝0到4）少于形状模型的结点Pi的个数时，使得获得在一对相邻结点B_pi和B_pi+1间一排点子S对于连接在两结点B_pi和B_pi+1间的线素B_si之间的距离，以及得到作为候选结点的具有最大距离εi的点C_pi。在根据各线素表示B_si得到候选点C_pi后，如图13C所示按顺序将最大距离εi中较大者所对应的个数不足的候选结点C_pi用作目标形状的结点B_pi，并确定个数大于结点P_i之个数的结点B_pi（i＝0到5）。

可概括上述步骤如图14所示。即，在步骤初始化（使i为0）后，用每一线素（线段）B_si分别按顺序连接通过折线近似得到的相邻的结点B_pi和B_pi+1，并搜寻出离开一排小圆点S中位于线素B_si之两端结点B_p和B_pi+1间的线素B_si的距离为最大距离εi的候选点C_pi。随后通过重复上述步骤至i为结点B_pi数目减2来得到对应于所有线素B_si的候选结点C_pi，并从将要加入结点B_pi的候选结点C_pi中按最大距离εi的大小顺序选出所需个数候选结点C_pi。

使用上述步骤后，能在结点B_pi的个数从原先为N的情况下增加到最大（2N-1）。此外，在使用候选结点C_pi的方法增加的结点数B_pi相对于形状模型的结点P_i的个数仍然不足时，可对带有候选结点C_pi的结点B_pi再次使用上述步骤来增加结点的数量B_pi。其它构思与图2所示实施例相同。

在根据本发明的又一实施例中示出了这样一种实施例：与图13的实施例相同，当由目标形状得到的结点B_ki的个数与结点P_i的个数相比不足时，通过图10实施例中的步骤用霍克变换由目标形状得到交点B_ki。在通过霍克变换得出交点B_ki时，得到了反映了点的直线L_i，所述点相应于变换空间（极坐标空间）中霍克曲线的交点，且如图15a所示，线L_i相互间的交点及一排小圆点S的端点被用作结点B_ki，从而使结点B_ki并不总是与一排小圆点S中所含的点一致。因此，在本实施例中，将一排小圆点S中所含点P_i中离开直线L_i之交点最近的点用作结点B_pi以取代将直线L_i间的交点用作结点B_ki。以下步骤与图B所示实施例相同：将一排小圆点S中与连接在相邻结点B_pi和B_pi+1间的线素B_si的距离为最大距离εi的点作为候选结点C_pi，从中按最大距离εi的大小顺序选出相对于形状模型结点P_i个数不足的结点数并将它加入结点B_ki。在这一方法中，如图15c所示，能确定形状模型的结点B_ki从而使它们的个数多于形状模型结点P_i的个数。

图16中示出了上述步骤的概要。它与图14（同样见图13）所示实施例的不同在于这一步骤：在初始化前得到一排小圆点S中与通过霍克变换得到的直线Li的交点相邻的点Pi，Bi被用作初始结点B_pi。其它构思与图10实施例相同。

在根据本发明的又一实施例中提供了这样一种方法，它采用各个具有比目标形状较为简化的形状的形状模型的组合来完成比对处理。其中，根据目标形状的每一部分来与形状模型进行核对。即，如图17所示，线段S₂连接在形状模型的段Bl₀与Bl₁间。这里，对线段S₂进行与其它线段相同的处理，设置长度及斜率的标准值与公差。通过用上述方法设置形状模型，能够用所采用的两个形状模型对目标形状进行比对处理。其它构思与图2实施例相同。

在上述图2的实施例中，如同图19a中，在通过将目标形状与形状模型进行核对得到长度形变分量Dl_k及角度形变分量Ds_k时，只要长度l_k和角度θ_k在公差范围内，便将长度形变分量Dl_k和角度形变分量Ds_k设置为0，而这里则设计成：如图19b所示，只要所述分量在公差范围内但在标准值之外，便给出正比于与标准值之差的值。即，不考虑长度形变分量Dl_k和角度形变分量Ds_k是否处于公差范围之内，它们均被定为正比于标准值的数值，而将公差范围之内的比例系数设置得小于公差范围之外的比例系数。通过即使在公差范围内亦根据与标准值之差来提供该数值，与图2的实施例相比，能够更精确地估计与标准值的差。其它构思与图2实施例相同。

在上述图2的实施例中，根据形状模型来设置公差从而可将形状模型设置成形状可变。且，即使在进行比对处理时，结点使得形变量E_total为最小而目标形状相差却很大，也采用使E_total最小的结点组合，且形状模型将与目标形状一致。然而，这时，形状模型的起伏增大使E_total的值成为较大的值。因此，在根据本发明的另一实施例中，认为最小形变量可表示目标形状与形状模型间相差的程度，该构思将最小形变量用作目标形状与形状模型间重合度的系数。即，根据最少形变量设置一阈值，且只要最少形变量超过阈值便认为目标形状与形状模型的重合度低。

如图20中所示，例如假设目标11是由一对平板部件M₁和M₂焊接构成的弯角接头，且由用光学剪切仪在图20中虚线a和b的位置上形成的横截线上的一排小圆点S中所得到的一排小圆点S及结点B_pi分别示于图21a和21b。这里，如图9一样，在与这一形状模型进行核对时，图21b的目标形状几乎无需形状模型的变形，但图21a的目标形状要求形状模型具有大的变形。即，与图21b的目标形状相反，图21a的目标形状的最少变形量变得相当大。这样，当用光学剪切在横截线上由上至下垂直扫描图20的弯角接头且检测到弯角接头的起始点时，可根据最小形变量设置一阈值E_s，从而在最小形变量小于阈值E_s时可判定弯角接头的起始位置。这里，图22中 a和 b的位置相对应于图20中 a和 b的位置。当阈值E_s被设置得高时，可检测得图20中与位置 a更为接近的位置作为弯角接头的起始点，而如果E_s被设置得低，可检测得图20中与位置a远离的位置作为弯角接头的起始点。这样，可以基于实验结果来确定阈值E_s，它是允许定出一弯角接头的起始点可被适当地检测出的值。其它构思与图2的实施例相同。

与图20的实施例相同，使用这一最小形变量可估计出目标形状与形状模型间的整体重合度，作为三种分量的加权和得到的形变量E_total，这就存在无法精确计算出任何局部形状之差别的可能性。

因此，在根据本发明的又一实施例中，如根据图2的实施例、参照图3和4已描述的那样，作为将形状模型的结点P_i与目标形状的结点B_pi所作核对的结果，得到了目标11的尺寸关系，这一方法可用预定的计算标准、通过比较表示目标11之位置关系的至少部分数值计算出形状模型与目标形状间的重合度作为计算值。

例如，弯角接头之形状已被识别的情况下进行焊接时，对通过图5步骤得到的图4所示的尺寸A和B进行计算，且在无任何不良后果的条件下可按该尺寸A和B来进行焊接，作为实验结果已知公差为：

A_min＜A＜A_max

B_min＜B＜B_max

时，可使用作为计算标准的上述公差，通过尺寸A和B对目标形状的重合度进行计算。根据这一方法，即便在局部形变处亦能精确地进行计算，且该方法尤其适用于判断能否进行特定工作例如焊接。即，在尺寸A和B离开公差范围时能够阻止焊接工作。

图23概括了上述步骤。即，首先，将目标形状与形状模型进行核对，基于核对结果得到将作为计算值的尺寸A和B。接着，计算尺寸A和B是否在公差范围内，且当尺寸A和B离开公差上限和下限中任一值时判断为目标形状与形状模型相互间不一致。其它构思与图2的实施例相同。

由于在上述图2实施例中，根据对于目标形状选出与形状模型相同个数的结点的所有组合来得到形变量E_total，因而当目标形状所含结点数多时所需的处理时间增加。相应地，在根据本发明的另一实施例中，使用一动态规划作为阻止处理时间增加的一种措施。即，采用逐步优化代替图2实施例的一次性优化所有结点，从而减少了计算量。现在如图24所示，在动态规划中对形状模型的结点P₀到P₄及目标形状的结点B_p0至B_p8进行核对。

这里，将作为形状重合度之指标的E_total值为根据形状模型的每一段所得到的估算函数值的总和，且相对于某一线段之估算函数的值的确定与其它线段的比对无关（估算函数的这一特性被称为马尔可夫特性，它是应用动态规划的条件），因此可用所采用的动态规划来按顺序优化每一线段。

参见以下所述的处理步骤，首先根据结点P₀和P₁间的线段来检查比对工作。即，如图25a所示，在使得结点B_p1至B_p5与结点P₁相重合的各种情况中，仅选择一种使线段与形状模型最为接近情况下可能选择的P₀（用估算函数进行这一计算处理）。例如，当图25a中结点B_p5与P₁重合时，与P₀重合的结点是结点B_p0至B_p4中的任一点，并选择出使估算函数最小的一个结点即B_p1。同样，对于其它结点B_p1至B_p4，仅选出可能与P₀重合的、使估算函数最小的结点。接着，同样地对于P₂而言，根据与P₂重合的结点B_p2至B_p6中的每一点，从与P₁相重合之结点的可能的选择对象中一个个地选出使估算函数为最小的结点。即连续地对与Pi（1≤i≤4）重合的每一结点中仅选出与P_i-1重合的一个结点，从而由于如图25a中所示，使得图25a中所示将结点P₀至P₁作为结点B_p2至B_p4这种选择在理论上不是优化的做法，且实际上可得到如图24和25d所示的与形状模型的结点P₀至P₅重合度最高的结点组合方式B_p0-B_p3-B_p5-B_p7-B_p8。

结点P₀至P₅及结点B_p0至B_p5间重合度的计算以所述方式持续进行，从而优化出第一线段（线段P₀P₁）并随后优化出第一线段与第二线段的（线段P₁P₂）组合，得到距离的平均值，目标形状及形状模型的长度形变分量及角度形变分量，并得到作为形变量的加权和。使形变量最少的结点B_p0至B_p8被当作被搜寻的结点。图27和28分别示出了第一线段和第一及第二线段之组合的优化过程。使用上述比对处理能在很大程度上减少计算量并进行高速处理。其它构思与图2实施例相同。

在根据本发明的又一实施例中提供了一种方法，它在比对过程中根据变形量设置一阈值，从而减少了计算量。即，当在图2实施例的比对过程中得到的形变量或在图25实施例的比对过程的步骤中累积的形变量超过一预定阈值时，判为由目标形状中选出的这组结点不是与形状模型的结点相同的一组，则停止当前运算并进行下一个结点组的运算。由于在形变量运算期间对于被认为不适用的结点组采用这种停止运算的方法，因而减少了运算量并加快了处理过程。

这里，按照对多个目标形状通过以往的比对处理所得到的形变量的分布情况将对应于形变量的阈值设置得尽可能小。此外，当一种组合所提供的形变量小于所设置阈值时，该形变量可用作比对处理时的阈值。作为一种替换方法，可为形状模型的长度及斜率设置一限定范围，从而在由目标形状中选出结点后对形变量进行计算的过程中，当由目标形状得到的长度及斜率超过所述限定范围时，不再继续该计算并对下一组所选择的结点进行形变量的计算，其它构思与图2实施例中相同。

在本发明的另一实施例中，采用了一种利用有关形状模型的知识来减少比对处理时的计算量。例如在图9中这一涉及形状模型的经验为（1）“结点P₀和P₄对应于数据的两边缘”，（2）“结点P₃处于最高位置”，（3）“结点P₀总是处于低于结点P₁的位置”，在从目标形状中选择出对应于形状模型之结点的结点时可减少组合的个数。使用上述知识（1）和（2），能选择出如图29a所示的这种结点如B_p0，B_p3及B_p4。此外，使用知识（3）时，能使结点B_p2的选择范围小于图29b中结点B_p1的选择范围。其它构思与图2实施例相同。

本发明的再一实施例在形状模型中采用了一种较佳的标准值及公差的设置方法，其中使用了多个以往比对处理的结果，将各线段之长度和斜率的平均值用作标准值，且将标准值±（预置值×标准偏差）定为公差。通过以这种方式基于以往比对结果来设置标准值和公差，能设置出一极好的形状模型。其它构思与图2实施例相同。

在本发明的另一实施例中采用了一种方法，它首先识别目标11的整体形状，然后再识别局部、详细的形状。其中，在对目标11的整体形状进行近似处理时，通过将由粗略近似得到的目标形状与代表了整体形状的形状模型相核对而识别出整体形状，进而，通过将由对所需部分的精确近似得到的目标形状与局部的形状模型相核对来识别局部、详细的形状。

对于如图30a所示的一排小圆点S进行粗略近似，并使用如图30b所示大致呈M形的形状模型进行比对处理。随后，如图30c所示，对形状模型的结点P₀和P₂间的一排小圆点S进行目标形状的精确近似，且用如图30d所示形状的形状模型来完成比对处理。通过这一处理，能够识别如图30e所示的这种局部详细的形状。

通过采用这种分段处理的方法，与对目标11的整体形状的详细形状进行识别相比，可减少处理时的费用，而任一种所需部分的详细形状均可被识别。其它构思与图2的实施例相同。

在图30的实施例中采用分段处理的方法，它存在这样一种可能，即，根据目标形状无法采用图30实施例的步骤。因此，根据在图31的方式中得到的结点B_pi中的至少一个结点，如图32a中所示，连续地选出在邻近于一排小圆点S中结点B_pi的预定范围中的点作为候选结点C_pi，并分别得到各候选结点C_pi被用作结点时的最小形变量。当以这种方式找到其最小形变量为最小值的某一候选结点C_pi时，该候选结点C_pi被用作结点B_pi′以代替结点B_pi，从而完成对形状模型的比对处理。

由于图2实施例中采用这种追迹法通过所述折线近似得到的结点B_pi对应于实际角度位置具有一沿追迹方向的偏差趋势，图31所示结点B_pl被设置在沿追迹方向偏离实际位置（向右）的位置上。因此，一当完成所使用的与获得的结点B_p1所进行的比对处理后，从结点B_pl处看去与追迹方向相反一侧（左侧）上设置的一排小圆点S中预定个数的点被选作候选结点C_pi，且当以B_p0-C_pi-B_p2-B_p3-B_p4为目标形状与形状模型相核对时可计算出这时的形变量E_total。通过这一运算，如果存在其形变量E_total小于结点B_p1被选择时的形变量的候选结点C_pi，则这一候选结点C_pi被用作一新的结点B_pi′，且其形变量E_total为最小的候选结点C_pi被用作结点B_pi′。通过这一处理，能对目标形状选出更为精确的结点B_pi。图33对其详细步骤进行了概括。其它构思与图2实施例相同。

在根据本发明的另一实施例中采用了这样一种方法，它个别地识别各具不同形状的多个目标11，其中，如图34b所示，准备了多种用来与由目标11得到的目标形状进行核对的形状模型。从这些形状模型中选出一种示出了最小形变量的形状模型，即使当多个识别目标物混合存在时也可能适合最佳的形状模型。

即，图34b中，形状模型被示为互搭接头A，弯角接头B，对接接头C及T型接头D，且将示于图34a的一排小圆点S与各个形状模型进行比对处理。这里，选择出其由四种不同型式的形状模型和一排小圆点S中得到的形变量为最小的形状模型，能够用一个最佳模型或一些最佳模型来进行识别。这样，如图34c所示，选出如图34c所示的弯角接头形状模型B，并使用已选择了形状模型中的哪一种这一信息来识别这种接头。从而，可用单个焊接机器人对多种不同类型的接头进行焊接。其它构思与图2实施例相同。

在参照图34所描述的实施例中，可能会由于对一个目标形状采用多种形状模型而延长了所需的处理时间。因此，在根据本发明的另一实施例中采用了一种方法，其中对各形状模型设置了优先权的顺序。根据形状模型的优先权顺序对目标形状进行比对。在当前变形量E_total变得小于预定的设置阈值时停止选择形状模型，且将这时的形状模型作为用于与目标形状进行核对的形状模型。

例如，当图34所示的四种形状模型以A、B、C、D的顺序出现的频度高时，以这种次序将各形状模型与示于图34a的目标形状进行核对。在核对时对形变量设置一阈值，并将由每一形状模型所得到的最小形变量与阈值相比较。根据比较的结果，使用其最小形变量低于阈值的形状模型作为最佳模型进行比对处理，而当根据所有形状模型所得到的最小形变量均不低于阈值时，采用最后选出的形状模型。

在图34的实例中，采用形状模型B时最少形变量为最小。因此，当阈值被设置为一略大于对应于形状模型B的最小形变量的预期值时，能够不选择其它形状模型而采用形状模型B。这时，无需对形状模型C和D进行比对处理且无需得到它们的最小变形量，因而缩短了所需的处理时间。

当形状模型相互间明显不同时本发明尤为见效。此外，当按时间序列连续输入目标形状且相应于各种形状模型之目标形状产生的概率具有偏的，按照以往核对的结果来确定形状模型的优先权顺序，这样可减少对各形状模型的进行选择的所需次数从而可缩短处理时间。其它构思与图2的实施例相同。

上述各实施例在二维平面中对目标形状及形状模型进行核对，而根据本发明的另一实施例提供了一种推广的方法，它在三维空间里对目标形状及形状模型进行核对。即，通过增加将进行核对的特征种类来从根本上实现三维空间的扩展。本实施例中，如图38所示，在三维空间中设置一参考平面R（图中的XY平面），将连接在结点P_k（K＝0至3）间的各线段S_k（K＝0至2）在参考平面R上的投影相对于Y轴的斜率θ_k（K＝0至2）、各线段S_k相对于参考平面R的斜率（Φ_k（K＝0至2）及各线段S_k（K＝0至2）的长度l_k（K＝0至2）用作特征值。此外，与两维坐标平面中的特征相同，设置出公差〔l_mink，l_maxk〕，〔θ_mink，θ_maxk〕及〔Φ_mink，Φ_maxk〕和标准值l_stk，θ_stk及Φ_stk。显然l_stk，θ_stk及Φ_stk的标准值存在以下关系：

l_mink＜l_stk＜l_maxk

θ_mink＜θ_stk＜θ_maxk

Φ_mink＜Φ_stk＜Φ_maxk

通过增加上述特征，能够对三维坐标空间中所给出的一排小圆点S进行目标形状和形状模型间的核对。这里，作为对于一排小圆点S要求三维坐标数据的方法，除了采用图2实施例所示的这种光学剪切外，还可采用基于多个图像捡取装置13间的视差而得到的三维坐标数据的立体电视。使用这种三维坐标空间中可行的核对方法可以辨识例如一长方体目标物11的顶角部分。图39a根据长方体或圆柱体目标物11示出了这种点阵S。即，如图39b所示，通过将作为形状模型的长方体目标物11的一个顶角定为结点P₀将与上述顶角相邻的其它三个顶角度为结点P₁至P₃且将对结点P₀与其它结点P₁至P₃进行连接的三个线段定为线段S₀至S₂，能相应于结点P₀识别出顶角部分。

即使在本实施例中在三维坐标空间上进行核对的情况下，亦能如图11的实施例中那样将部分椭圆用作一线素S_k，而长轴及压缩系数可被用作线素S_k的长度l_k和线素S_k在参考平面R上的投影的斜率θ_k及线素S_k相对于参考平面R的斜率Φ_k，可采用长轴或短轴在参考平面R上投影的斜率及长轴或短轴相对于参考平面R的斜率。其它构思与图2实施例相同。

在上述各实施例中假设目标形状和形状模型在图像中的坐标大体一致，根据目标物11的位置相对于形状模型对目标形状进行平移或旋转移动。在平移时，线素S_k的长度l_k及斜率θ_k不变，仅能使用平移对目标形状与形状模型进行核对。然而在旋转移动中，无法确定参考线的旋转量且无法得到线素的斜率θ_k。即，当目标形状相对于形状模型作旋转移动时，即使采用前面所述的特征亦难以进行目标形状和形状模型间的核对。

在根据本发明的另一实施例中，采用了一种能消除该问题的措施，其中，如图40所示，将用一对相邻的线素S_k确定的角度Φ_k（K＝0至2）用作特征。由于即使在对目标形状进行旋转移动时该角度Φ_k亦不变化，使得将目标形状与形状模型进行核对成为可能。这里，特征值中，公差〔l_mink，l_maxk〕及〔Φ_mink，Φ_maxk〕及标准值l_stk及Φ_stk间关系如下：

l_mink＜l_stk＜l_maxk

Φ_mink＜Φ_stk＜Φ_maxk

通过将线素S_k的长度l_k用作相应位置关系的特征而角Φ_k用作相对位置关系，无需任何参考线，并可除去由于目标形状的方向性而带来的任何限制。即，如图41中所示，即使在目标形状相对于形状模型进行旋转移动时亦能进行核对。这里，可得到作为该对线素S_k的斜率θ_k之差的角度Φ_k。即，对应于该对线素S_i和S_j的角度Φ_k可为Φ_k＝｜θ_i-θ_j｜。这时，需用方向性来确定斜率θ_k，且例如一种有效的方法是：在相对于线素S_k得到斜率θ_k时，使得参考线和平行线位于结点P_k的右侧，由平行线中仅接顺时针方向得到斜率θ_k并给出一符号使斜θ_k在顺时针方向时为正，而在逆时针方向时为负。

本实施例的技术思想可用于图38实施例中所述的三维坐标空间的核对。其中，代替了在参考平面（XY平面）上各线素S_k所投影的直线的斜率，使用在结点P_o之两侧相邻的一对直线所确定的Φ_k来表示形状模型，且，代替了各线素S_k相对于参考平面R的斜率Φ_k，用每对线素S_k间斜率Φ_k的差δ_k来表示形状模型。即，除下述情况外，可得到两线素S_i和S_j的斜率Φ_i与Φ_j的差δ_k为δ_k＝Φ_i及Φ_j。上述例外情况为，当线素相对于参考平面R位于负侧时，斜率Φ_k被加上一负号。例如在图42所示实例中，连接在结点P₀和P₃间的线素S₃相对于参考平面R位于负侧且其斜率Φ₃带有负号，从而，当得到与相对于参考平面R位于正侧的线素S₁之斜率间的差值δ₃时，下式可得到满足：

δ₃＝｜Φ₃-Φ₁｜＝Φ₁+｜Φ₃｜

对于各特征值设置了公差〔l_mink，l_maxk〕，〔Φ_mink，Φ_maxk〕及〔δ_mink，δ_maxk〕及标准值l_stk，Φ_stk及δ_stk，其中标准值的关系与其它实施例相同，它被表示如下：

l_mink＜l_stk＜l_maxk

Φ_mink＜Φ_stk＜Φ_maxk

δ_mink＜δ_stk＜δ_maxk

其它构思与图2实施例相同。另一方面，在本实施例的步骤中，当需要检测目标形状的旋转移动（其中必须检测该旋转是否不良或不正常等等）时不能采用本实施例的方法，所以需要使用采用斜率θ_k和Φ_k的形状模型。因此，通过使用斜率θ_k和Φ_k的差Φ_k和δ_k，能得到斜率θ_k和Φ_k及其差Φ_k和δ_k的数据，且能够根据是否需要对旋转移动进行检测来选择数据从而完成目标形状与形状模型间的核对。

Claims (26)

1、一种形状识别方法，通过几何形状模型作核对来识别目标形状，其特征在于，包括以下步骤：在二维坐标平面上呈现以一排小圆点方式给出的所述目标形状的所述形状模型，该形状模型为个数有限的结点及连续地连接在所述结点间的线素，对每一所述线素的特征设置标准值及涉及所述标准值的公差，根据与所述标准值间的差及与目标形状之所述一排小圆点的所述公差间的关系来计算目标形状与形状模型的重合度。

2、如权利要求1所述的方法，其特征在于，所述线素至少是线段和部分椭圆两者之中的一个，所述作为线素之线段的特征至少是线段的长度和线段相对于预定参考线之斜率两者之中的一个，且所述作为线素的部分椭圆的所述特征至少是所述部分椭圆的椭园长轴和压缩系数及所述长轴相对于所述参考线的斜率中的一个。

3、如权利要求1所述的方法，其特征在于，所述线素至少是线段和部分椭圆中的一个，所述结点两侧的两相邻线段的所述特征至少是所述线段之长度和这些线段的相交角中的一个，所述结点两侧的所述两相邻部分椭圆的特征至少是各椭圆的长轴和压缩系数和所述两椭圆之所述长轴方向的交角中的一个，且所述相邻线段和所述部分椭圆的特征至少是线段长轴的长度组合及部分椭圆的椭圆压缩系数及线段和长轴之相交角中的一个。

4、一种形状识别方法，通过与一几何形状模型作核对来识别目标形状，其特征在于，所述方法包括以下步骤：在三维坐标平面上呈现以点阵形式给出的所述目标形状的所述形状模型，所述形状模型的形式为一组个数有限的结点及连续地连接在所述结点之间的线素，对所述每一线素的特征设置一标准值和涉及所述标准值的公差，根据与所述标准值之差及目标形状之所述点阵的所述公差间的关系来计算目标形状与形状模型间的重合度。

5、如权利要求4所述的方法，其特征在于，所述线素至少是线段和部分椭圆中一个，所述用作线素之线段的特征至少是线段的长度及线段相对于预定参考线的斜率中的一个，且所述用作线素的所述部分椭圆的特征至少是所述部分椭圆的长轴和压缩系数及所述长轴和短轴相对于所述参考平面的斜率中的一个。

6、如权利要求4所述的方法，其特征在于，所述线素至少是线段和部分椭圆中的一个，所述结点位于部分椭圆的椭圆长轴和短轴的各一端上，在结点两侧上的两相邻所述线段的特征至少是线段的长度及这些线段相互交角中的一个，位于结点两侧的两相邻的所述部分椭圆的特征至少是所述两部分椭圆的两椭圆长轴及压缩系数和所述两椭圆之长轴和短轴的交角中的一个，相邻的所述线段和所述部分椭圆的所述特征至少是线段的长度与部分椭圆之椭圆长轴和压缩系数的组合及椭圆长轴和短轴之一与线段的交角中的一个。

7、如权利要求1所述的方法，其特征在于，所述线素连接在所述结点之间，所述结点选自所有使从所述目标形状中选出的结点与所述形状模型的结点数目相同的组合，得出目标形状上所有点到形状模型的距离作为位差形变分量，线素的所述特征相对于所述公差的超出或不足部分的总和作为一特征形变分量，得出所述位差及特征形变分量的加权和作为形变量，且这样选出的，使所述形变量为最小的结点被认为是与形状模型的结点相重合的交点。

8、如权利要求1所述的方法，其特征在于，所述线素连接在所述结点之间，所述结点选自所有使从所述目标形状中选出的结点与所述形状模型的结点数目相同的结合，得出目标形状上所有点到形状模型的距离作为位差形变成量，线素的所述特征相对于所述公差内的超出或不足值被乘以第一比例常数且特征与所述标准值在公差的任何差值被乘以第二比例常数，得到这两者之和作为特征形变分量，所述第一比例常数设置得比所述第二常数大，得到所述位差与特征形变分量的加权和作为形变量，这样选出的使所述形变量最小的结点被认为是与形状模型中的结点相重合的结点。

9、如权利要求7或8所述的方法，其特征在于，对所述目标形状的一排小圆点进行折线近似，将所述近似折线的弯折点用作与所述形状模型进行核对的所述结点。

10、如权利要求7或8所述的方法，其特征在于，对所述目标形状的所述一排小圆点进行折线近似，将所述近似折线的弯折点用作与所述形状模型进行核对时的所述结点，在一预定区域中目标形状的另一结点被作为一候选结点，所述预定区域与目标形状的一个结点相邻，所述目标形状对应于用作目标形状之核对的结点中至少一结点，且所述形变量最小的候选结点代替原先的结点被用作目标形状的结点。

11、如权利要求7或8所述的方法，其特征在于，对目标形状的所述一排小圆点进行霍克变换，用与通过霍无变换得到的点相对应的霍克曲线来选出与一排小圆点相符合的线段，用所述线段之相交点构成的结点及一排小圆点的端点来实现与所述形状模型的核对。

12、如权利要求1所述的方法，其特征在于，对目标形状的所述一排小圆点进行折线近似，当各折线的弯折点被选作结点时，若结点个数少于形状模型中的结点个数，则提取候选结点，所述候选结点被选作一排小圆点中在一对相邻结点间的点，它离位于所述这对结点间的线段距离最远，对相应于目标形状的结点与形状模型结点之差的个数的，按大小顺序提取出的候选结点进行选择，把这样选出的候选结点加入到目标形状的结点中。

13、如权利要求1所述的方法，其特征在于，对目标形状的所述一排小圆点进行霍克变换，从而采用霍克曲线提取出符合一排小圆点的线段，所述霍克曲线对应于由变换得到的各点，当所得线段的交点及一排小圆点端点被抽取作为结点时，若结点的个数少于形状模型中结点的个数时，则提取出候选结点，所述候选结点是一排小圆点中位于一对相邻交结点之间的点，它离开位于所述这对结点间的线段的距离最远，相对应于目标形状的结点数与形状模型结点数之差个数的，按所述距离的大小顺序对所述提取的候选结点进行选择，把这样选出的候选结点加入目标形状的结点之中。

14、如权利要求7或8所述的方法，其特征在于，在对目标形状之一排小圆点中的空缺进行插值之后对目标形状和形状模型进行所述核对。

15、如权利要求7或8所述的方法，其特征在于，根据目标形状设置多个形状模型，每一部分被置为一块，根据连接在各个所述形状模型端点间的线段设置所述特征的公差，仅使用所述特征形变分量来得到所述线段的所述形变量。

16、如权利要求7或8所述的方法，其特征在于，根据形状模型所述特征的公差，按以往的核对结果而自动交替地重复进行形状识别。

17、如权利要求7或8所述的方法，其特征在于，使用动态规划进行目标形状与形状模型间的核对。

18、如权利要求7或8所述的方法，其特征在于，根据所述形变量设置一阈值，从而在从目标形状中选择结点情况下计算形变量的过程中，当形变量超过阈值时，即停止形变量的计算，并计算下次选择时用的形变量。

19、如权利要求18所述的方法，其特征在于，在所述计算形变量过程中把以往的最小形变量被用作计算期间所述阈值。

20、如权利要求7或8所述的方法，其特征在于，根据与形状模型的至少一个结点相对应的知识来从目标形状的一排小圆点中选出结点。

21、如权利要求7或8所述的方法，其特征在于，对形状模型的特征设置一限定范围，从而在由目标形状中选择结点时计算形变量的过程中，当形变量超过这一限定范围时，停止这一形变量的计算，并计算用于下次选择的形变量。

22、如权利要求7或8所述的方法，其特征在于，在对目标形状的整个形状和形状模型进行核对后，根据目标形状的所需部分与形状模型进行核对。

23、如权利要求7或8所述的方法，其特征在于，根据形变量的最小值设置一阈值。从而，当变形量的最小值大于所述阈值时，判断为目标形状与形状模型间的重合度小。

24、如权利要求7或8所述的方法，其特征在于，使用一预置的计算标准，通过比较目标形状结点中至少两点的位置关系来判断目标形状与形状模型间的重合点。

25、如权利要求7或8所述的方法，其特征在于，当设置了多个互不相同的形状模型时，将各个形状模型分别与目标形状进行核对，且各形状模型中形变量最小的形状模型被选作与目标形状相一致的形状模型。

26、如权利要求7或8所述的方法，其特征在于，设置了多个互不相同的形状模型，按照预先设置的顺序将各形状模型于目标形状进行核对，各形状模型中其形变量低于预设阈值的第一形状模型被选出作为与目标形状相一致的形状模型。

Images