CN1421020A - 图像处理设备 - Google Patents

图像处理设备 Download PDF

Info

Publication number
CN1421020A
CN1421020A CN00816111A CN00816111A CN1421020A CN 1421020 A CN1421020 A CN 1421020A CN 00816111 A CN00816111 A CN 00816111A CN 00816111 A CN00816111 A CN 00816111A CN 1421020 A CN1421020 A CN 1421020A
Authority
CN
China
Prior art keywords
feature
group
image
features
pattern
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
Application number
CN00816111A
Other languages
English (en)
Other versions
CN1421020B (zh
Inventor
理查德·泰勒
理查德·A·柯克
亚当·M·包姆博格
亚历山大·R·莱昂斯
艾伦·J·戴维森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from GBGB9927678.4A external-priority patent/GB9927678D0/en
Application filed by Canon Inc filed Critical Canon Inc
Publication of CN1421020A publication Critical patent/CN1421020A/zh
Application granted granted Critical
Publication of CN1421020B publication Critical patent/CN1421020B/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

在图像处理系统中，主题对象(400)被放置在呈照相垫层(34)或三维对象(2500)形式的校准对象上。所述校准对象具有包含多个特征的图案，至少一些特征被分为多个特征组，使得任意特征组中的特征至少满足以特征的位置、连通性、形状、大小和/或颜色为基础的两种不同关系。从不同的位置和方位记录均至少显示部分主题对象(400)和校准对象的图像(420－426)。处理图像数据，计算图像被记录的位置和方位。在图像数据的处理中，区分代表校准对象上特征的特征和代表主题对象(400)上特征的特征，并且每个特征被标记为校准对象上的唯一特征。这是通过利用特征组和特征组中各个特征间的关系进行处理实现的。

Description

图像处理设备
本发明涉及对象图像的记录和图像数据的处理，以便确定图像被记录的位置和方位。更具体地说，本发明涉及和对象一起成像的图形化校准对象，以及图像数据的计算机处理，以便根据图像中校准对象的图案确定成像位置和方位。
若干应用程序需要知道成像设备的图像记录位置和方位。这样的应用程序包括根据对象的图像生成对象的三维计算机模型。
就提供这种信息的一种已知方法而论，在记录对象的图像之后，通过处理该图像，从而匹配该对象在不同图像中的特征并且根据图像中匹配特征的相应位置计算各个图像的位置和方位，计算位置和方位。但是这种方法存在这样的问题，即计算的位置和方位的精度高度依赖于图像中被正确匹配的特征。但是多数情况下，这是不能实现的，例如如果对象具有许多不能相互区分的特征。
就其它已知的方法而论，在实际记录对象的任意图像之前，确定要记录的图像的位置和方位。
例如，在一种已知方法中，在台架上按照固定的已知位置和方位安装多个照相机。这可提供高度准确的位置和方位数据，但是既昂贵又不灵活，需要一个以上的照相机以及一个校准台架，不允许用户自由根据对象的大小和性质自由选择成像位置。
为了解决上述系统不灵活的问题，根据Wiles和DavisonR的“Calibrating and 3D Modelling with Multi-Camera System”(1999IEEE Workshop on Multi-View Modelling and Analysis of VisualScenes，ISBN 0769501109)，已知在所需的但是固定的位置和方位(例如在三脚架上)上安排若干照相机。随后记录具有按照已知结构安排的特征的校准对象的图像，并且处理来自各个照相机的图像，从而根据校准对象上各个特征在图像中的位置，计算照相机的位置和方位。随后用要成像的实际对象替换校准对象。这样，当计算位置和方位时，校准对象上的特征不会和实际对象上的特征混淆。
通过把照相放置在固定位置，记录校准对象的图像，记录实际对象的图像，并处理校准对象的图像确定该照相机的位置和方位，对照相机的所需的各个新位置和新方位重复上述过程，相同的方法可和单个照相机一起使用。
但是该方法存在这样的问题，即对于照相机的每个位置和方位，必须记录至少两个图像(校准对象的图像和实际对象的图像)，并且照相机必须保持固定不动，以便记录这些图像。
解决该问题的一种途径是为表示校准对象和实际对象的各个所需记录位置和方位，记录单一图像，处理该图像从而区分代表校准对象上特征的特征和代表实际对象上特征的特征，并且利用代表校准对象上特征的特征计算图像被记录的位置和方位。
Niem的“Automatic Reconstruction of 3D Objects Using a MobileCamera”，Image and Vision Computer 17(1999)，第125-134页中公开了对象和放置在该对象下面的校准图案的图像的同时获得。校准图案旋转对称，由通过尺寸已知的径向线段相连的两个同心圆和各个象限中的位置标记组成。为了确定校准图案上校准点在图像中的位置，首先把校准图案和图像中的对象及背景分开，接下来处理抽取的校准图案，找出校准点。更具体地说，处理抽取的校准图案，从而通过分析计算投射的径向线段和两个椭圆(由校准图案中的圆产生)的交点在图像中的位置。但是该方法存在若干问题。具体地说，处理计算量大和/或耗时，需要把关于对象的图像数据和关于校准图案的图像数据分开，并且需要估计线段和两个椭圆(在图像中这两个椭圆不再同心)的参数。此外，为使该方法获得成功，在图像中必须看得见每个椭圆120°的一段圆弧，并且不得不检测至少一个位置标记及其相邻的两条线段。
Gortler等在“The Lumigraph”Computer Graphics Proceedings，Annual Conference Series，1996 ACM-0-89791-746-4/96/008)中公开一种通过记录校准平台上所需对象的图像，估计照相机的姿态(僵直旋转和平移)的方法。该平台具有以适当的角度固定在一起的两个薄壁，以及可从薄壁上拆下并且可以90°增量旋转的底部。沿平台的侧面和底部分布多个标记，每个标记由几个同心环组成。为了确定标记在图像中的位置以便进行姿态估计，处理该图像确定具有相似重心的连接部分。随后，各个标记中半径的比值用于唯一地确定该标记。但是该方法也存在若干问题。具体地说，识别标记需要计算各个圆圈的半径，所述半径可能不准确，尤其对于倾斜的照相机姿态来说更是如此，从而导致标记的误识别。此外，构成各个标记的若干圆圈的使用要求标记较大，增大至少一部分标记被对象遮蔽的可能性，从而妨碍识别标记。另外，各个标记只提供一点(同心圆的中心)供计算照相机姿态之用，并且由于如同上面提及的“Automatic Reconstruction of3D Objects Using a Mobile Camera”中所述，由于透视投影的缘故图中各个圆圈不具有相同的中心，因此可确定该点在该图像中的位置的准确性受到限制。于是会降低计算的照相机姿态的准确性。
JP-A-9-170914公开一种通过对对象和平面校准对象一起成像，计算图象检取参数并生成该对象的3D计算机模型的方法。校准对象具有彩色圆点图案，每个圆点具有不同的色调/亮度组合，从而各个圆点是唯一的。圆点之间的位置关系已知，并且通过在表示对象和校准对象的图像中识别各个圆点，计算该图像的图像检取参数并产生该对象的3D计算机模型。但是该方法同样存在若干问题。具体地说，由于大量的圆点及它们之间在色调/亮度方面的细微差别，难以在图像中区分校准对象上的相应圆点。此外由于要被建模的对象上的特征通常具有和校准对象上的圆点相同的色调/亮度特性，因此一般不能确定图像中的特定特征是校准对象上的圆点还是要被建模的对象上的特征。
本发明的目的是解决一个或多个上述问题。
根据本发明，提供一种同时对主体对象和校准对象成像，并且处理各个图像以确定图像被记录的位置和方位的图像处理系统或方法。校准对象具有由多个特征组成的图案，至少一些特征被分为多组，从而一组中的特征满足至少两种关系。在图像数据的处理中，通过利用特征组中各个特征之间的不同关系，区分图像中代表校准对象上特征的特征和图像中代表主体对象上特征的特征。
这些环节提供图像中校准图案特征的可靠检测，使得能够准确地计算图像的位置和方法。这种可靠性源于特征的分组可用于区分图像中代表校准对象上特征的特征和其它特征。
每个特征可确定校准对象上的相应位置，并且可确定图像中和校准对象中每个特征之间的一一对应。这提供了大量的对应关系，借助这些对应关系计算成像位置和方位，从而提高准确性。
为使图像中的检测更容易，校准对象的一些特征看起来大体相同。
可任意指派并测试图像中特征和校准对象上特征之间的一一对应，重复这些步骤若干次以确定正确的对应关系。另一方面，校准对象可被布置成使一些特征和/或一些特征组可在视觉上和其它特征和/或特征组区分开，并可在检测图像中可区分的特征/特征组之后通过计算指定一一对应关系。
当处理图像时，可把图像中的特征分成多个特征组，每个特征组具有相同预定数目的特征。
可提供校准对象上的图案，使得至少一些特征组包含布置在直线上的预定数目的特征，这种关系可用于通过把在图像中检测到的特征分成满足该关系的特征组，假定图像中的哪些特征代表校准对象上的特征。随后测试假定的特征组，以确定哪些特征组包含满足第二关系，例如特征在所述直线上间隔相同的距离的特征。这样，可区分图像中与校准对象上特征组对应的特征组和其它特征组(例如主题对象上的特征组)。从而，在该处理中使用基于特征位置的两种关系，即使用相同类型的两种关系。
但是，也可使用不同类型的两种关系。例如可提供校准对象，使得至少一些特征组包含预定数目的特征，所述预定数目的特征被布置成提供使指定特征组中任意两个特征之间的距离小于所述指定特征组中某一特征和某一不同特征组中的特征之间的距离的第一关系(位置关系)，和使指定特征组中各个特征的大小基本相同的第二关系(大小关系)。对于在图像中检测到的每个指定特征，通过确定图像中预定数目的特征以构成特征组，该特征组中每对特征之间相应距离的总和小于包含指定特征和预定数目的任意其它特征的特征组中每对特征之间相应距离的总和，可执行根据第一关系产生图像中的特征组的处理。
本发明还提供其中处理校准对象和主题对象的图像数据，确定图像的成像参数的图像处理设备或方法。校准对象具有若干特征图案，每个图案中的特征由至少两个可检测的性质联系起来。处理图像数据以检测具有同时满足两种性质的特征，从而可靠地区分样准对象上的特征和图像中的其它特征。
校准对象可以采取二维照相垫层的形式，或者可以是诸如立方体之类的三维对象。
本发明还提供一种供图像处理系统使用的校准对象，和供图像处理系统使用的图像数据处理设备和方法。
本发明还提供一种产生控制打印机或显示器产生校准对象的图案的信号的设备或方法。
本发明还提供一种包含使可编程处理设备被配置成供图像处理系统之用的指令的计算机程序产品。
下面将参考附图举例说明本发明的实施例，其中：
图1示意地表示本发明第一实施例的组件，以及抽象的功能处理单元，当受程序指令程序控制时，处理设备组件可被看作被配置成所述抽象功能处理单元；
图2表示由图1中处理设备执行的产生照相垫层的处理操作；
图3表示第一实施例中照相垫层上的图案；
图4a和图4b图解说明照相垫层上对象图像的记录；
图5a、5b、5c和5d图解说明被输入图1中的处理设备的照相垫层上对象的图像；
图6表示由图1中的处理设备执行的处理输入数据的处理操作；
图7表示在图6的步骤S14执行的处理操作；
图8表示第一实施例中在图7的步骤S32执行的处理操作；
图9表示第一实施例中在图7的步骤S34执行的处理操作；
图10a、10b、10c、10d、10e和10f图解说明在图9的步骤S74-S82执行的处理操作；
图11图解说明在图9中的步骤S116-S120执行的处理；
图12表示第一实施例中在图7的步骤S36执行的处理操作；
图13表示在图12的步骤S140执行的处理操作；
图14a和14b图解说明在图13的步骤S164和S166执行的处理操作；
图15表示在图12的步骤S142执行的处理操作；
图16表示在图12的步骤S146执行的处理操作；
图17图解说明在图16的步骤S208和S226执行的处理；
图18表示第一实施例中在图7的步骤S38执行的处理操作；
图19表示在图6的步骤S16执行的处理操作；
图20表示第二实施例中照相垫层上的图案；
图21表示第二实施例中在图7的步骤S36执行的处理操作；
图22表示在图21的步骤S406执行的处理操作；
图23表示第三实施例中照相垫层上的图案；
图24表示第三实施例中在图7的步骤S32执行的处理操作；
图25表示第三实施例中在图7的步骤S36执行的处理操作；
图26表示在图25中的步骤S536执行的处理操作；
图27表示第四实施例中照相垫层上的图案；
图28表示第四实施例中在图7的步骤S36执行的处理操作；
图29表示第五实施例中照相垫层上的图案；
图30表示第五实施例中在图7的步骤S36执行的处理操作；
图31表示第六实施例中照相垫层上的图案；
图32表示第六实施例中在图7的步骤S34执行的处理操作；
图33a图解说明在图32的步骤S804执行的处理；
图33b表示用于在图32的步骤S808计算交比的特征中心间的距离；
图34表示第六实施例中在图32的步骤S804执行的处理操作；
图35表示第六实施例中在图7的步骤S36执行的处理操作；
图36表示第七实施例中照相垫层上的图案；
图37表示第八实施例中照相垫层上的图案；
图38表示第八实施例中在图7的步骤S32和S34执行的处理操作；
图39表示第八实施例中在步骤S36执行的处理操作；
图40表示第九实施例中照相垫层上的图案；
图41表示第九实施例中在图7的步骤S32和S34执行的处理操作；
图42表示第九实施例中在图7的步骤S36执行的处理操作；
图43表示第十实施例中照相垫层上的图案；
图44表示第十实施例中在图7的步骤S36和S38执行的处理操作；
图45表示第十一实施例中照相垫层上的图案；
图46表示第十一实施例中在图7的步骤S34执行的处理操作；
图47a和47b图解说明在图46的步骤S1200和S1202执行的处理；
图48表示第十一实施例中在图7的步骤S36执行的处理操作；
图49表示第一备选实施例中照相垫层上的图案；
图50表示第二备选实施例中照相垫层上的图案；
图51图解说明如何在多张单独的纸张上打印图案，所述多张纸随后被组合以构成照相垫层；
图52a和52b图解说明如何在多张单独的纸张上打印图案并且随后被组合到立方体上从而构成三维校准对象；
图53图解说明一个实施例中如何在不同的纸张上打印较准图案中的各组特征，并且随后围绕主题对象把这些纸张布置在用户选择的位置和方位；
图54表示在一个实施例中执行的处理诸如图53中所示布局中主题对象和校准对象的图像，计算成像位置和方位的处理操作。
第一实施例
参见图1，本发明的实施例包括诸如个人计算机之类的处理设备2以及诸如常规个人计算机监视器之类的显示器4、诸如键盘、鼠标之类的用户输入装置6、打印机8和诸如WACOM生产的PL400之类包括具有可控象素的平直面板的显示屏面10，所述处理设备2以常规方式包含一个或多个处理器、存储器、图形卡等。
处理设备2被编程，从而按照以保存在诸如磁盘12之类数据存储介质上的数据的形式输入的程序指令，和/或经由诸如因特网之类通信网络(图中未示出)或者经过大气层，通过传输从远程数据库输入处理设备2的信号14的形式输入的程序指令，和/或用户通过诸如键盘之类用户输入装置6输入的程序指令工作。可以编译的计算机可执行代码的形式，或者以供转换成汇编格式的格式(例如源代码)提供处理设备2的程序指令。
如同下面更详细说明的那样，程序指令包括使处理设备2被配置成处理确定在主体对象和校准对象的不同位置和方位下记录的若干图像的输入数据，所述校准对象具有位于其上的特征的特殊校准图案。输入数据被处理以便通过检测并利用图像中校准图案的特征的位置，产生确定输入图像被记录的位置和方位的数据，并使用计算的位置和方位产生限定主体对象的三维计算机对象的数据。本实施例中，校准对象具有二维照相垫层(mat)的形式。
当由程序指令程序控制时，处理设备2可被看成被配置成用于实现处理操作的若干功能元件。图1中表示了这种功能元件的例子及它们的相互连接。但是图1中所示的元件和相互连接是象征性的，只是出于帮助理解的目的进行举例说明；它们不必代表处理设备2的处理器、存储器等被配置成的元件和连接。
参考图1中所示的功能元件，中央控制器20处理来自用户输入装置6的输入，另外还为其它功能元件提供控制和处理。存储器24供中央控制器20和其它功能元件使用。
垫层产生器30产生控制打印机8或者显示屏面10在诸如一张纸之类的记录介质上打印校准图案从而形成照相垫层34，或者在显示屏面10上显示校准图案从而形成照相垫层。如同下面将详细说明的一样，照相垫层包括特征的校准图案(其中至少一些特征依照空间关系被分入各组中)，并且要产生三维计算机模型的对象被放置在打印的照相垫层24上或者放置在其上显示照相垫层的显示屏面10上。随后记录对象和照相垫层的图像并将其输入处理设备2中。垫层产生器30保存限定在照相垫层上打印或显示的校准图案的数据，供处理设备2计算输入图像被记录的位置和方位之用。更具体地说，垫层产生器30保存限定特征的校准图案的数据以及相对于特征图案的坐标系统(所述坐标系统实际上确定照相垫层的基准位置和方位)，处理设备2计算输入图像在确定的坐标系统中(从而相对于基准位置和方位)被记录的位置和方位。
输入数据存储器40保存以存储在诸如磁盘42之类存储装置上的数据的形式，以传送给处理设备2的信号44的形式，或者利用用户输入装置6输入处理设备2的输入数据。输入数据确定一个或多个对象在以不同位置和方位记录的打印或显示照相垫层上的多个图像，以及确定表示背景的输入图像，以所述背景为衬托，对象和一部分照相垫层一起被成像从而显示其背景颜色或者具有和垫层的背景颜色相同颜色的不同对象。另外本实施例中，输入数据还包括记录图像的照相机的本征参数，即纵横比、焦距、光心(光轴与成像平面相交的点)、一级径向畸变系数及斜交角(象素网格上轴之间的角度；因为轴可能不是完全正交)。
可通过从记录图像的数字照相机上下载象素数据，或者通过使用扫描仪(图中未示出)扫描照片，产生确定输入图像的输入数据。确定本征照相机参数的输入数据可由用户使用用户输入装置6输入。
特征检测器50处理显现对象的输入图像，检测照相垫层上的特征在图像中的位置。
特征分组器60处理特征检测器50检测到的特征，把这些特征分成代表照相垫层自身上各组的多个特征组。
特征鉴别器70通过利用垫层产生器30保存的确定照相垫层上各个特征的布局的信息，处理由特征检测器50检测并被特征分组器60分组的特征，从而确定图像中各个特征和照相垫层上的特征之间的一一对应。即，特征鉴别器70标记图像中确定照相垫层上独特特征的各个特征，图像中的特征与照相垫层上的独特特征相对应。
照相机计算器80使用由特征鉴别器70产生的图像中各个特征和照相垫层上的各个特征之间的对应，计算记录各个输入图像时照相机的位置和方位。
表面建模器90处理确定输入图像的数据和确定图像被记录的位置和方位的数据，产生确定3D计算机模型的数据，所述3D计算机模型代表图像中对象的实际表面。
表面纹理形成器100根据输入图像数据产生用于描绘到由表面建模器90产生的表面模型上的纹理数据。
受中央控制器20控制的显示处理器110借助显示器4向用户显示指令。另外，在中央控制器20的控制下，显示处理器110还通过处理由表面建模器90产生的表面模型数据，并把由表面纹理形成器100产生的纹理数据描绘到表面模型上，从用户选择的视点显示对象的3D计算机模型的图像。
输出数据存储器120保存由照相机计算器80计算的照相机位置和方位，以及由表面建模器90和表面纹理形成器100产生的表面模型和纹理数据。中央控制器20控制以诸如磁盘122之类存储器上的数据或者以信号124的形式从输出数据存储器120输出数据。
图2表示由处理设备2执行的打印或显示照相垫层的处理操作，产生其3D计算机模型的对象被放置在所述照相垫层上并被照相。
参见图2，在步骤S2，中央控制器20使显示处理器110在显示器4上显示请求用户输入要打印或显示的垫层图案的直径的消息。更具体地说，本实施例中，照相垫层上的特征被布置在围绕其中将放置对象的空白中心区的圆圈中。因此，在步骤S2，要求用户输入照相垫层上空白区的直径，所述直径大于将放置在垫层上的对象任意方向上的最大宽度。这样，可打印或显示在其上布置各个特征，以致当把对象放置在垫层上时，所述各个特征能被看见的照相垫层。
在步骤S4，用户响应步骤S2的请求输入的直径被保存到例如存储器24中。
在步骤S6，垫层产生器30打印或显示照相垫层，其中垫层特征被安排在具有用户输入的直径的圆圈上，并且保存确定垫层上各个特征的直径和位置的数据，以供后续处理之用。
图3表示本实施例中在步骤S6中打印或显示的垫层图案。
对于本说明的剩余部分来说，将假定所述垫层图案被打印机8打印在记录介质(本例中为一张纸)上，产生打印的照相垫层34，不过如上所述，所述图案也可显示在显示屏面10上。
参见图3，所述图案被打印在一张A4纸上(不过如果在步骤S4保存的垫层直径足够大，以致不能在A4纸上打印所述图案，则可使用尺寸更大的纸张)。如果可能，选择其上打印照相垫层34的纸张的颜色，以致所述纸张颜色不同于将产生其3D计算机模型的对象上的任意颜色。
所述图案包括若干组200-222，本实施例中有12组。各组200-222包括大小基本相同的若干特征240-334，本实施例中所述特征为多个圆圈，所述多个圆圈在垫层上按照空间关系分组，以致某一组中任意两个特征的中心间的距离小于该组中某一特征和不同组中的某一特征之间的距离。特征间的相互位置是这样的，使得各个特征不会一起接近到使它们共同“混合”并且在以倾斜的照相机角度下记录的输入图像上表现为单个特征的程度。本实施例中，每组包括四个圆圈。
附图中，内部为白色的黑圈代表在照相垫层上实际为红色的圆圈。从而，圆圈242、244、266、268、290、292、314和316是红色圆圈。实心黑圈代表在照相垫层上为黑色的圆圈。
本实施例中，组200-222间距相等地布置在具有用户输入并在步骤S4(图2)保存的直径的圆圈中，环绕其上不打印任何图案的中心区340。每组圆圈被定向，以致经过该组中一对圆圈的中心的假想线(即实际不存在于照相垫层34上的线条)将通过垫层上预定基准点，本实施例中，所述预定基准点是其上排列各组的圆圈的中心352。更具体地说，参见作为例子的组200，经过圆圈240和244的中心的线条350通过组200-222所处圆圈的中心352。类似地，参见组208，经过圆圈274和278中心的线条354通过所述中心352。
在步骤S6(图2)保存的垫层参数确定圆点240-334的图案并且和相对于该图案的坐标系一起确定圆点240-334在照相垫层34上的位置。更具体地说，本实施例中定义一个坐标系，其中原点位于组220-222所处圆圈的中心352，“x”轴和“y”轴位于圆点240-334的平面中，“x”轴通过圆点244和240的中心(即“x”轴沿线条350的方向)，“y”轴通过圆点270和266的中心，“z”轴垂直于垫层平面。如同下面将更详细说明的那样，处理设备2处理各个输入图像，从而在定义的坐标系中确定输入图像被记录的位置和方位。因此实际上，相对于在步骤S6保存的坐标系确定的照相垫层34的基准位置和方位，计算各个输入图像被记录的位置和方位。
参见图4A和4B，照相垫层34被放置在颜色基本均匀的表面380上，如果可能的话，所述颜色不同于对象400的任意颜色。
将产生其3D计算机模型的对象400被放置在照相垫层34的中心部分340中，以致对象400被垫层上各个圆圈240-334的各组200-222环绕。
利用数字照相机410在不同的位置和方位记录对象400和照相垫层34的图像，从而显示对象的不同部分。本实施例中，确定照相机410记录的图像的数据沿着导线412以信号44的形式被输入处理设备2中。
更具体地说，本实施例中，照相机410固定不动，在平面380上移动(平移)和旋转(例如沿箭头414的方向)其上具有对象400的照相垫层34，并记录在相对于照相机410的不同位置和方位下的对象400的照片。在平面380上旋转和平移照相垫层34的过程中，对象400不应相对垫层移动。
照相垫层34上的圆圈组200-222可用于确定依据其旋转照相垫层24，从而确保记录对象400各个部分的图像的量值。更具体地说，照相垫层34可被旋转以使每组圆圈面对照相机410。
总之，在相对于照相机410的不同位置和方位下对象400和照相垫层34的图像被记录并被输入处理设备2。
图5A-5D表示在对象400和照相垫层34相对于照相机410位于不同位置和方位情况下的输入图像420-426的例子。
本实施例中，在记录并输入对象400和照相垫层34的图像之后，记录另一图像并将其输入处理设备2中。所述另一图像由“背景图像”构成，所述“背景图像”是平面380和具有与其中打印照相垫层34的纸张相同颜色的对象的图像。可通过把具有和其上记录照相垫层34的纸张相同颜色的空白纸张放置在平面380上，或者通过在平面380上翻转照相垫层34以致在图像中看不到圆圈的图案，记录这样的背景图像。
图6表示本实施例中由处理设备2执行的处理输入数据的处理操作。
参见图6，在步骤S10，中央控制器20使显示处理器110在显示器4上显示请求用户输入用于处理的数据的消息。
在步骤S12，用户响应步骤S10的请求输入的数据被保存在输入数据存储器40中。更具体地说，本实施例中，输入数据包括确定在相对于照相机410的不同位置和方位下记录的对象400和垫层34的图像及“背景”图像的图像数据，以及确定记录输入图像的照相机410的本征参数的数据，即纵横比、焦距、光心(光轴与成像平面相交的点)、一级径向畸变参数和斜交角(象素网格上轴之间的角度)，所述“背景”图像表示其上放置记录输入图像的照相垫层34以及具有和其上记录照相垫层34的图案的记录材料相同颜色的对象的平面380。
在步骤S14，在步骤S12保存的输入数据被处理设备2处理，确定对于各个输入图像来说，照相机410相对于照相垫层34(从而相对于对象400)的位置和方位。
图7表示在步骤S14由处理设备2执行的处理操作。
参见图7，在步骤S30，处理设备2读取在步骤S12保存的显示照相垫层34和对象400的下一输入图像(在首次执行步骤S30时，所述输入图像为第一输入图像)的数据。
在步骤S32，特征检测器50处理在步骤S30读取的图像数据，在该图像中找出可代表构成照相垫层34上图案的特征(即本实施例中的圆圈240-334)。
图8表示在步骤S32特征检测器50执行的处理操作。
参见图8，在步骤S50，特征检测器50处理图像数据，产生对应于输入图像的二进制映象，在所述二进制映象中，输入图像中颜色与照相垫层34中的特征的颜色(即本实施例中的黑色或红色)相对应的各个象素被设置为1，具有其它颜色的象素被设置为0。
更具体地说，本实施例中，对于输入图像中的各个象素，特征检测器50读取绿色值G和蓝色值B(本实施例中它们均具有从0～255的值)，并且如下把象素的值设置为1或0：
如果G＜128并且B＜128，则把象素值设为1
否则把象素值设为0                …(1)
通过按照这种方式执行处理，特征检测器50产生二进制映象，其中值为1的各个象素代表输入图像中的红色或黑色特征。
在步骤S52，特征检测器50处理在步骤S50产生的二进制映象数据，在二进制映象中找出包含相连的值为1的象素的各组，以便鉴别空间分离的各组值为1的象素。更具体地说，本实施例中，特征检测器50按照如同R.J.Schalkoff在“Digital Image Processing andComputer Vision”(John Wiley and Sons，ISBN 047150536-6，第276页)中描述的常规方式进行处理。
在步骤S54，特征检测器50丢弃在步骤S52找到的所包含的象素数目低于阈值的各组，本实施例中，象素阈值为25个象素。这样，从进一步的处理中消除过小以致不能代表照相垫层34上的特征的象素组以及当在步骤S50产生二进制映象时被错误设置为1的象素。
在步骤S56，特征检测器50处理执行步骤S54之后保留的各组象素，从而保存确定各组中象素数目的数据。
在步骤S58，特征检测器50计算并保存在由执行步骤S54之后保留的各组象素确定的二进制映象中相应的独特点位置。本实施例中，照相垫层34上的特征包括圆圈240-334，并且各个特征的独特点位置是圆圈的中心。因此在步骤S58，特征检测器50计算并保存各组象素的中心。通过按照常规方式确定各组象素的重心，在步骤S58计算各组象素的中心。
在步骤S60，对于二进制映象中的各组象素，特征检测器50确定并保存原始输入图像中最接近在步骤S58计算的各组象素的独特点位置的象素的颜色。更具体地说，特征检测器50按照常规方式，根据原始输入图像(即被处理从而产生步骤S50的二进制映象的输入图像)中象素的R、G、B值确定所述颜色。
在执行上面参考图8说明的处理之后，特征检测器50已识别出输入图像中大于阈值大小并且具有和照相垫层34上的特征相同颜色(即黑色或红色)的特征。但是，如同识别输入图像中对应于照相垫层34上的特征一样，在该处理过程中同样已识别了对象400上的特征。
因此，再次参考图7，在步骤S34，特征分组器60处理特征检测器50在步骤S32找到的特征，从而在输入图像中找出特征的候选组，并测试各个候选组找出对应于照相垫层34上的组200-222的各组。
通过把照相垫层34上的至少一些特征布置在组200-222中，并且通过检测并测试输入图像中的各个特征组，能够区分输入图像中与照相垫层34上的特征相对应的特征和输入图像中与对象400上的特征相对应、并且具有和照相垫层34上的特征近似相同大小和颜色的特征。更具体地说，本实施例中可辨认照相垫层34上的特征，因为它们是其中所有特征基本具有相同大小的特征组的一部分，而对象400上的特征很可能具有不同的大小，从而在包含对象400的一个或多个特征的任意组中，特征不会具有均匀的大小。
图9表示在步骤S34由特征分组器60执行的处理操作。
参见图9，在步骤S70，特征分组器60计算并保存在步骤S32由特征检测器50发现的相应各对特征之间的距离。
在步骤S72，特征分组器60研究输入图像中下一个未处理的特征(在首次执行步骤S72时，所述未处理的特征是第一特征)。
在步骤S74，特征分组器60确定输入图像上其它特征中与当前研究的特征(即在步骤S72选择的特征)最近的特征，形成四个一组的特征(这是照相垫层34上各组200-222中的特征数)。
例如参见图10A，如果在步骤S72研究组204中的特征，则在步骤S74，特征分组器60会把组204中的特征258和262及对象400上的特征500识别为最近的三个相邻特征。因此，会形成包含特征260、258、262和500的集合。
如图10A中例子所示，在步骤S74进行处理以确定图像中某一特征的三个最近特征可能不能正确地识别对应于照相垫层34上的特征组的四个特征。更具体地说，在图10A中所示的例子中，所述处理不能识别四个正确的特征，因为对象400上的特征500比组204中的特征256更接近于特征260。类似地，根据照相机410相对于照相垫层34的位置和方位，可能产生错误，即形成包含来自一个以上组的特征的一组特征。
因此，在步骤S76-S122执行消除错误的处理。
更具体地说，在步骤S76，特征分组器60依次研究在步骤S74产生的集合中的各个特征，并计算所述特征和集合中其它三个特征中每个特征间的距离(先前在步骤S70计算的距离)之和，从而给出该特征的展向距离。
图10B-10E图解说明对于图10A中所示的例子，在步骤S76执行的处理。参见图10B，特征分组器60计算特征260和特征258、262和500之间的距离520、522和524之和，从而给出特征260的展向距离(span distance)。
类似地，参见图10C，特征分组器60计算特征262和特征258、260和500之间的距离526、522和528之和，从而给出特征262的展向距离。另外，参见图10D，特征分组器60计算特征258和特征262、260和500之间的距离526、520和530之和，从而给出特征258的展向距离。参见图10E，特征分组器60还计算特征500和特征262、260和258之间的距离528、524和530之和，从而给出特征500的展向距离。
在步骤S78，特征分组器60计算在步骤S76计算的四个展向距离的总和，从而给出该组四个特征的集合展向距离，并保存计算的集合展向距离。
在步骤S80，特征分组器60确定在步骤S74找到的三个相邻特征中哪个特征具有在步骤S76计算的最大展向距离，并且从该组中除去具有最大展向距离的特征(保留剩余的三个特征)。
在步骤S82-S98，特征分组器60执行处理，尝试找到输入图像中的另一特征，所述另一特征当被添加到在执行步骤S80之后剩余的三个特征中时，产生一组四个特征，其集合展向距离小于在步骤S78保存的初始一组四个特征的集合展向距离。
更具体地说，在步骤S82，特征分组器60根据该组中剩余的三个特征中的每个特征，确定输入图像中目前不位于在步骤S74形成的集合中的那些特征中，哪些特征位于最大展向距离(即在步骤S80除去的特征的展向距离)之内。该处理对应于确定哪些特征位于三个圆圈的交集之内，每个圆圈的半径对应于最大展向距离，并且均以该组中剩余三个特征的相应一个特征为中心。
在步骤S82执行的处理识别输入图像中当被添加到当执行步骤S80之后该组剩余的三个特征中时，能够产生小于在步骤S78保存的集合展向距离的集合展向距离的特征。更具体地说，步骤S82把当结合剩余三个特征考虑时，会产生比在步骤S80除去特征的展向距离更大的展向距离，于是会使集合展向距离超过在步骤S78保存的集合展向距离的任意特征排除在后续处理之外。
图10F图解说明对于图10A-10E中所示的例子，在步骤S80和S82执行的处理的原理。
参见图10F，如果在步骤S80发现特征500具有最大的展向距离，则在步骤S80从该组中除去特征500，留下特征260和相邻特征258和262。半径对应于特征500的展向距离，并且以特征260为中心的圆圈600确定位于特征260的最大展向距离内的特征。类似地，以特征258为中心的圆圈602和以特征262为中心的圆圈604，其半径均对应于特征500的展向距离，分别确定位于特征258和特征262的最大展向距离内的特征。于是，由图10中斜线表示的位于交集610内的任意特征在该组所有三个剩余特征，即特征260、258和262的最大展向距离内。
再次参见图9，在步骤S84，特征分组器60重置“改进”标记(即，如果在先前的处理中已设置改进标记，则特征分组器60取消改进标记)。
在步骤S86，特征分组器60把在步骤S82从若干特征(即位于自该集合中剩余三个特征中每个特征的最大展向距离内的特征)中确定的下一特征添加到该集合中，并且计算该特征的展向距离(这是通过计算添加的特征和该组中其它三个特征中每个特征间的距离-这些距离已在步骤S70被计算-的总和，按照相同的方式完成的)。
在步骤S88，特征分组器60通过计算在步骤S86计算的展向距离和先前在步骤S76计算的该组中已有的三个特征(即图10F的例子中的特征260、258和262)的展向距离之和，计算新组的集合展向距离。
在步骤S90，特征分组器60确定在步骤S88计算的集合展向距离是否大于当前保存的该组的集合展向距离(在首次执行步骤S90时，该集合展向距离是在步骤S78保存的集合展向距离)。
如果在步骤S90确定新的集合展向距离小于保存的集合展向距离，则认为在步骤S86产生的新的一组特征比当前保存的一组特征更准确，因此在步骤S92，特征分组器60利用在步骤S86和S88产生的一组特征及集合展向距离替换当前保存的一组特征及集合展向距离。随后在步骤S94，特征分组器60设置“改进标记”，指示产生一组改进的特征。
另一方面，如果在步骤S90确定在步骤S88计算的集合展向距离不小于保存的集合展向距离，则省略步骤S92和S94，，以致保留已保存的一组特征和集合展向距离，并且不设置“改进标记”。
在步骤S96，特征分组器60把在步骤S86添加到特征组中的特征标记为已处理特征，并在步骤S98确定是否存在由在步骤S82执行的处理发现的，位于该组中剩余三个特征的最大展向距离内并且还未被处理的另一特征。
重复步骤S86-S98，直到位于该组中剩余三个特征的最大展向距离内的每个特征都已按照上述方法被处理为止。
当在步骤S98确定没有剩余要处理的任何特征时，完成利用位于自该组中其它三个特征的最大展向距离内的每个特征替换在步骤S80确定的具有最大集合展向距离的特征的处理。产生最小集合展向距离的该组特征将被保存在存储器中，并且如果存储的特征不对应于在步骤S74产生的特征组，而是由步骤S80的特征的排除及步骤S86的特征的增加所产生，则设置“改进标记”。
在步骤S100，特征分组器60确定“改进标记”是否被设置。
如果在步骤S100确定“改进标记”被设置，则对组中具有最大展向距离的下一相邻特征重复步骤S80-S100。因此，只能从该组中除去相邻的特征，并且在步骤S72讨论的为其产生该特征组的特征本身不会从该组中被除出。
于是对每个相邻特征(所述相邻特征可以是在步骤S86被添加到该特征组中的特征)重复步骤S80-S100，直到当从该组中除去某一相邻特征(即当在步骤S90中确定对于加入该组用于替换被排除特征的每个特征来说，集合展向距离都不小于当该组中包含被排除特征时的集合展向距离，从而在步骤S94不设置“改进标记”)，没有发现该组特征的任何改进时为止。当在步骤S100确定未设置“改进标记”，则处理进行到步骤S102，在该步骤特征分组器60为在步骤S72研究的特征设置指示已完成对该特征的处理的标记。
在步骤S104，特征分组器60确定输入图像中是否存在未被处理的另一特征。
随后重复步骤S72-S104，直到按照上述方式处理了输入图像中的每个特征为止。
因此，在执行这种处理之后，特征分组器60确定了输入图像中各个特征的产生最小集合展向距离的三个相邻特征。但是，某些四个一组的特征组中可能包含例如均位于对象400上的特征，而不是对应于照相垫层34上某一组的一组特征。从而，在步骤S106-S114，特征分组器60丢弃不对应于照相垫层34上的某一组的特征组。
更具体地说，在步骤S106，特征分组器60研究保存的下一组特征。
在步骤S108，特征分组器60计算该组中最大特征的面积与该组中最小特征的面积的比值。更具体地说，特征分组器60读取构成该组中每个特征的象素的数目(在图8中的步骤S56保存的象素数目)，并计算最大象素数目和最小象素数目的比值。
在步骤S110，特征分组器60确定在步骤S110计算的比值是否小于阈值，在本实施例中该阈值被设置为1.5。
如果在步骤S110确定计算的比值不小于1.5，则在步骤S112，特征分组器60丢弃该组。另一方面，如果在步骤S110确定计算的比值小于1.5，则省略步骤S112，从而保留该组特征。
这样，其中最大特征的面积远远大于最小特征的面积的各个特征组被丢弃，因为这样的特征组很可能包含一个或多个来自对象400的特征。但是，其中各个特征的大小基本相同的各组被保留，因为在任意输入图像上，照相垫层34上的特征很可能具有基本相同的大小，因此其中所有特征大小基本相同的特征组很可能对应于照相垫层34上的一组特征。
在步骤S114，特征分组器60确定是否存在保存的另一组特征。重复步骤S106-S114，直到按照上述方式处理了每个保存的特征组为止。
在步骤S116，特征分组器60根据各组的集合展向距离向保留的各组特征分配优先级。
更具体地说，特征分组器60按照集合展向距离的升序，区分各组的优先次序，从而具有最小集合展向距离的特征组(该组被认为是最准确的特征组)被分配最高的优先级。
参见图11，在执行步骤S16的处理之后，在处理设备2中保存有确定各组主特征(即在步骤S72研究的特征)的数据622，和确定与所述主特征一起构成一组四个特征的其它三个特征的数据624。按照优先级数据620保存各组特征。
在步骤S118，特征分组器60比较保存的各组特征，找出冲突的各组特征，即包含至少一个相同特征的各组特征。
在步骤S120，对于在步骤S118识别的任意冲突特征组，特征分组器60保留优先级最高的特征组，并丢弃冲突的各组。
从而，参见图11，优先级最低(即图11中的优先级“n”)的一组与优先级最高的一组冲突，因为这两组都包含特征1。因此，删除优先级“n”的一组。
总之，在执行步骤S70-S120的处理之后，特征分组器60把在步骤S32(图7)由特征检测器50找到的特征分成与照相垫层34上各组对应的各个特征组，从而没有任何特征存在于一个以上的组中。
在步骤S122，特征分组器60计算并保存每组中心在图像中的位置。本实施例中，通过确定连接组中对角线特征的中心的直线的交点(例如图10A中所示的例子中，连接特征256的中心与特征260的中心的直线和连接特征258的中心与特征262的中心的直线的交点)，计算该位置。
再次参见图7，在步骤S36，特征鉴别器70识别在步骤S32由特征检测器50找到的，构成在步骤S34由特征分组器60形成的特征组一部分的特征。即，特征鉴别器70识别输入图像中作为某一特征组一部分的各个特征和由在步骤S6(图2)保存的数据确定的照相垫层34上的特征之间的一一映射。
图12表示在步骤S36由特征鉴别器70执行的处理操作。
参见图12，在步骤S140，特征鉴别器70确定照相垫层34上的预定基准点在输入图像中的位置。如上参考图3所述，本实施例中，照相垫层34上的预定基准点是特征组200-222所处圆圈的中心。因此，在步骤S140执行处理，以确定输入图像中该圆圈中心的位置。
图13表示在步骤S140由特征鉴别器70执行的处理操作。
参见图13，在步骤S160，特征鉴别器70产生包含“N”/20דM”/20象素的空图像阵列(即具有整数值0的象素阵列)，这里“N”和“M”分别是输入图像的水平方向和垂直方向的象素数目(如果“N”/20或“M”/20不是整数，则在步骤S160上舍入象素数目)。
因此，在步骤S160执行的处理产生对应于输入图像的图像阵列的近似图像阵列。
在步骤S162，特征鉴别器70研究在步骤S34(图7)找到的输入图像中的下一特征组，并在步骤S164绘制该特征组的对角线。
更具体地说，参见图14A，在步骤S164，特征鉴别器70在步骤S160产生的图像阵列上绘制该组四个特征(圆圈)在输入图像中的位置，并在步骤S160产生的图像阵列上绘制先前在步骤S122(图9)计算的特征组的对角线。
在步骤S166，特征鉴别器70使在步骤S160产生的图像阵列中，被在步骤S164绘制的对角线之一相交的每个象素的象素计数器加1。从而，例如参见图14B，各个阴影象素的象数计数器被加1。
在步骤S168，特征鉴别器70确定是否存在在步骤S34找到的要处理的另一特征组。重复步骤S162-168，直到按照上述方法处理了每组特征为止。
在步骤S170，特征鉴别器70从在步骤S160产生的图像阵列中选择具有最高象素计数值的象素作为代表照相垫层34上的预定基准点在输入图像中的位置的像素。如上参考图3所述，圆圈240-334被布置在组200-222内，以致组对角线(diagonal cluster lines)(图3中的线条350和线条354)经过组200-222所处圆圈的中心352(即照相垫层34的预定基准点)。因此，在执行步骤S162-S168的处理的过程中，在步骤S160产生的图像阵列中与组200-222所处圆圈的中心相对应的象素应被关于输入图像中各个特征组产生的对角线之一相交，于是应具有最高的象素计数值。在步骤S160产生近似的图像阵列，并将其用于这种处理，以克服由于对角线位置的不准确导致对角线不在同一点相交而引起的错误，对角线位置的不准确来源于由于成像条件等引起的特征位置的失真。
再次参见图12，在步骤S142，特征鉴别器70根据相对于在步骤S140定位的基准点的特征位置，标记在步骤S34(图7)找到的各组内的特征。
图15表示在步骤S142由特征鉴别器70执行的处理操作。
参见图15，在步骤S180，特征鉴别器70研究下一特征组(当首次执行步骤S180时，这是第一特征组)。
在步骤S182，特征鉴别器70确定当前研究的特征组中在输入图像中最接近于在步骤S140计算的基准点的特征，并把确定的特征标记为该组的特征1。
在步骤S184，特征鉴别器70按照顺时针方向确定特征组中与标记为特征1的特征相邻的特征，并把所确定的特征标记为该组的特征2。更具体地说，本实施例中，特征鉴别器70按照常规方式，例如通过选择当利用直线与特征1相连时，导致该组中其它特征位于所述直线右侧的点，沿顺时针方向确定相邻的特征。
在步骤S186，特征鉴别器70沿顺时针方向确定特征组中与特征2相邻的特征，并把该特征标记为该组的特征3。
类似地，在步骤S188，特征鉴别器70沿顺时针方向确定特征组中与特征3相邻的特征，并把该特征标记为该组的特征4。
在步骤S190，特征鉴别器70确定是否存在要处理的另一组特征。重复步骤S180-S190，直到按照上述方式处理了在步骤S34(图7)由特征分组器60在输入图像中找到的各个特征组为止。
再次参见图12，在步骤S144，特征鉴别器70使用在步骤S142计算的特征标记标注包含红色特征的各个特征组(利用在图8中步骤S60保存的各个特征的颜色识别这些特征组)。
更具体地说，参见图3，组200包含位于位置1和位置4的红色特征244。另一方面，组206具有位于位置3和4的红色特征，而组212具有位于位置2和3的红色特征，组218具有位于位置1和2的红色特征。因此在步骤S144，根据在步骤S142分配的红色特征的标记，输入图像中包含红色特征的各组被分配一个确定照相垫层34上的相应特征组的标记。
作为这种处理的结果，包含红色特征的各组中的每个特征与照相垫层34上的一个唯一特征联系起来。
再次参见图12，在步骤S146，特征鉴别器70标记输入图像中所有特征均为黑色的各个特征组。
图16表示在步骤S146由特征鉴别器70执行的处理操作。
参见图16，在步骤S200，特征鉴别器70使用识别的各个特征组(即包含一个红色特征并且在步骤S144被标记的各个特征组)计算输入图像和照相垫层34之间该特征组的相应映射。
更具体地说，本实施例中，特征鉴别器70按照常规方式，例如R.J.Schalkoff在“Digital Image Processing and Computer Vision”(John Wiley and Sons，ISBN 047150536-6，第三章)中描述的方法，使用特征组中每个特征在输入图像中的位置和照相垫层34上的位置计算映射。
在步骤S202，特征鉴别器70研究在步骤S144标记的包含一个红色特征的下一特征组(当首次执行步骤S202时，它是第一特征组)。
在步骤S204，特征鉴别器70计算在步骤S200为当前研究的特征组计算的映射的逆映射，并使用所述逆映射和照相垫层34上特征的已知位置计算识别特征组附近的各个特征组的中心在输入图像中的预测位置。
例如参见图3，如果在步骤S202研究组206，则在步骤S204，计算输入图像中组204的中心的预测位置和输入图像中组208的中心的预测位置。类似地，如果在步骤S202研究组212，则在步骤S204，计算组210和214的中心的预测位置。
在步骤S206，特征鉴别器70研究在步骤S204计算的输入图像中的下一预测位置(当首次执行步骤S206时，这是第一预测位置)
在步骤S208，特征鉴别器70确定当前研究的预测位置是否位于在图7的步骤S34在输入图像中找到的最近的特征组中心(在图9中的步骤S122已计算并保存了输入图像中各特征组的中心)的阈值距离之内。
图17图解说明在步骤S208执行的处理。
参见图17，特征鉴别器70确定预测位置650和特征组中心652之间的距离“q”是否小于距离“d”，这里d是特征组中任意两个特征之间的最大距离。
如果在步骤S208确定距离“q”小于距离“d”，则在步骤S210，特征鉴别器70把最近的特征组(即具有中心652的特征组)分配一个标记，将其确定为来自照相垫层34，其中心被预测为在输入图像中位于位置650的特征组。
另一方面，如果在步骤S208确定距离“q”不小于距离“d”，则省略步骤S210，从而不标记该特征组。
总之，特征鉴别器70已预测照相垫层34上的已知特征组(由于该特征组邻近已识别的特征组，因此该特征组已知)在输入图像中的位置，已测试在输入图像中找到的特征组是否位于预定位置，并且如果在输入图像中找到的特征组确实位于所述位置，则把该特征组标记为对应于照相垫层34上的特征组。
在步骤S212，特征鉴别器70确定是否存在要处理的另一预测位置。重复步骤S206-S212，直到按照上述方式处理了在步骤S204计算的两个预测位置为止。
在步骤S214，特征鉴别器70确定是否存在在图12的步骤S114识别的并且没有对其进行处理的另一特征组。
重复步骤S202-S214，直到按照上述方式处理了在步骤S114识别的各个特征组为止。
因此，当在步骤S214确定识别的所有特征组已被处理，则特征鉴别器70将使用包含红色特征，并且在输入图像中可见的各个特征组预测相邻各个特征组的位置，并且如果在输入图像中找到的各个特征组位于预测位置，则标记相邻的各个特征组。但是，对象400可能遮掩一个或多个包含红色特征的特征组，以致在输入图像中不是所有包含红色特征的特征组都是看得见的。
例如参见图3，如果在输入图像中组206、212和218是看得见的，则在步骤S202-S214，特征鉴别器70会预测组204、208、210、214、216和220的位置，并且标记在输入图像中位于这些预测位置的特征组。但是，如果在输入图像中组200是不可见的，则不会预测组202和222的位置，于是不会试图标记这些特征组。
另外，由于预测位置可能不在最近的特征组中心的阈值距离之内，因此通过根据包含红色特征的特征组预测某一特征组的位置来标记所述某一特征组的努力会失败。
因此，在步骤S216-S230，特征鉴别器70执行处理，试图标记其中所有的特征为黑色，并且还未被标记的每个特征组。
更具体地说，在步骤S216，特征鉴别器70确定是否存在未标记的任意特征组。
如果在步骤S216确定所有的特征组已被标记，则完成步骤S146(图12)的处理。
另一方面，如果在步骤S216确定不是所有的特征组都已被标记，则在步骤S218，特征鉴别器70研究照相垫层34上还未识别其在图像中的特征组的下一特征组。
在步骤S220，特征鉴别器70确定是否通过基于另一特征组的预测标记了与在步骤S218研究的照相垫层34上的特征组相邻的特征组(即是否在步骤S210标记了相邻的一个特征组)。
从而例如参见图3，如果在步骤S218研究的未标记的特征组是组222，则在步骤S220，特征鉴别器70确定当执行步骤S210时组220是否被标记。类似地，如果组202是在步骤218研究的未标记特征组，则在步骤S220，特征鉴别器70确定组204是否已在步骤S210被标记。
如果在步骤S220确定还没有通过基于另一特征组的预测标记相邻的特征组，则处理进行到步骤S230。
另一方面，如果在步骤S220确定已通过预测标记了相邻的特征组，则在步骤S222，特征鉴别器70计算被标记的相邻特征组在输入图像和照相垫层34之间的映射。本实施例中，按照常规的方式，例如R.J.Schalkoff在“Digital Image Processing and Computer Vision”(John Wiley and Sons，ISBN 047150536-6，第三章)中描述的方法，计算所述映射。
在步骤S224，特征鉴别器70计算在步骤S222产生的映射的逆映射，并使用该逆映射和垫层34上特征的已知位置计算在步骤S218研究的未标记特征组的中心在图像中的预测位置。
在步骤S226，特征鉴别器70确定在步骤S224计算的预测位置是否在输入图像中最近的特征组中心的阈值距离内，在步骤S226执行的处理与上面参考图17说明的在步骤S208执行的处理相同。
如果在步骤S226确定预测位置在阈值距离内，则在步骤S228，特征鉴别器70标记最近的特征组，从而将其确定为在步骤S218研究的来自照相垫层34的特征组。
另一方面，如果在步骤S226确定预测位置不在阈值距离之内，则省略步骤S228，从而在步骤S218研究的未标记特征组保持未标记状态。
在步骤S230，特征鉴别器70确定是否还存在未研究(即在步骤S218-S228未对其进行处理)的任意未标记特征组。重复步骤S218-S230，直到按照上述方式处理了各个未标记特征组为止。
总之，在步骤S218-S230，特征鉴别器70试图通过根据某一特征组预测每个未标记特征组的位置，标记每个未标记的特征组，所述某一特征组本身通过基于另一特征组的预测被标记。
在执行上面参考图16说明的处理之后，特征鉴别器70应已标记在输入图像中可见，并且所有特征为黑色的每个特征组。
再次参见图12，在步骤S142标记每个特征组内的特征，并且在步骤S144或步骤S146标记每个特征组之后，在步骤S148，特征鉴别器70为输入图像中特征组内的每个特征保存在输入图像和照相垫层34中唯一的特征点位置的坐标。如同下面将说明的一样，输入图像中的特征和照相垫层34上的特征之间的一一对应被用于计算记录图像时照相机410的位置和方位，一一对应关系越多，则计算的位置和方位越准确。因此，本实施例中照相垫层34的优点在于各个特征240-334确定照相垫层上唯一的点位置，于是，输入图像中被标记的每个特征提供供计算照相机410的位置和方位之用的对应性。
再次参见图7，在步骤S38，照相机计算器80使用在步骤S148保存的，确定各个特征的输入图像中的位置和照相垫层34上的位置之间的对应关系的数据计算当记录输入图像时，照相机410相对于照相垫层34和对象400的位置和方位。更具体地说，照相机计算器80计算当记录输入图像时，照相机410在由步骤S6保存的数据确定的坐标系中的变换(平移和旋转)。
图18表示在步骤S38由照相机计算器80执行的处理操作。
参见图18，在步骤S250，照相机计算器80读取在图12的步骤S148保存的数据，所述数据定义输入图像和照相垫层34中每个特征的唯一点位置的坐标。
在步骤S252，照相机计算器80使计数器的值加1(当首次执行步骤S252时，计数器被设置为值1)。
在步骤S254，照相机计算器80随机选择在步骤S250读取的三个图像-垫层对应关系(每个对应关系确定输入图像中的一个特征位置及照相垫层34上的相应特征位置)。
在步骤S256，照相机计算器80使用在步骤S254选择的三个对应关系计算确定在由在步骤S6(图2)保存的数据确定的坐标系内，照相机410相对于输入图像被记录的成像位置和方位的移动的变换。
更具体地说，在本实施例中，照相机计算器80在步骤S256进行处理，从而按照常规的方式，例如在R.M.Haralick和L.G.Shapiro的“Computer and Robot Vision Volume 2”13.4.15章节(Addison-Wesley Publishing Company，1993，ISBN 0-201-56943-4(v.2))中所述的方法计算所述变换。
在步骤S258，照相机计算器80对照在步骤S250读取的每个图像-垫层对应关系，测试在步骤S256计算的变换。更具体地说，对于在步骤S250读取的对应关系中列举的每个特征点，照相机计算器80计算由特征检测器50计算的输入图像中该特征点的位置(在图8的步骤S58被保存)和当利用在步骤S256计算的变换把来自照相垫层34的相应特征从照相垫层34投射到输入图像时在输入图像中产生的位置之间的距离，并确定这些位置之间的计算距离是否小于阈值。利用下述等式实现这种处理，并且对于在步骤S250读取的对应关系中列举的各个点重复这种处理，从而确定使下述不等式成立的点的数目： | x &OverBar; i - P X &OverBar; i ( PX i ) 3 | < d &CenterDot; &CenterDot; &CenterDot; ( 2 )
这里： x i是输入图像中第“i”个特征的位置(在图8中的步骤S58
       保存)，由 x i＝(ui，vi，l)给出；
       X i是照相垫层34上第“i”个特征的位置(在图8中步骤S58
      保存)，由 X i＝(xi，yi，zi，l)给出；
“P”定义在步骤S256计算的照相机变换，它是一个3×4的矩阵，并且按照常规方式由P＝K[Rt]给出，K是定义照相机410的本征参数的矩阵，“R”是计算的旋转度，“t”是计算的平移。
(PXi)3是矢量PXi的第三分量；
P X i/(PXi)3是基于计算的照相机变换的输入图像中来自照相垫层34的第“i”个特征的预测位置；
“d”是阈值，本实施例中被设置为d＝3个象素。
在步骤S260，照相机计算器80确定在步骤S256计算并在步骤S258测试的照相机变换是否比当在前一次迭代中执行步骤S256时计算的任意照相机变换更准确。更具体地说，照相机计算器80根据在步骤S258进行的测试的结果，确定满足上面公式(2)中给出的不等式的点的数目是否大于当测试当前更准确的照相机变换时满足所述不等式的点的数目。
如果在步骤S260确定计算的变换比前一次迭代中在步骤S256计算的任意变换更准确，则在步骤S262，照相机计算器80保存计算的变换以及满足在公式(2)中定义的不等式的点的数目。
另一方面，如果在步骤S260确定照相机变换不比先前计算的任意变换更准确，则省略步骤S262。
在步骤S264，照相机计算器80确定在步骤S252增1的计数器数值是否小于定义要执行步骤S252-S262的最大迭代次数的阈值，在本实施例中，所述阈值被设置为10000。
如果在步骤S264确定计数器数值小于阈值(指示还未执行的所需迭代次数)，则在步骤S266，照相机计算器80确定在步骤S252-S264的最近预定次数(本实施例中所述预定次数被设置为2000)的迭代中，在步骤S256计算的照相机变换的准确性(由满足上面在步骤S258测试的公式(2)中的不等式的点的数目表示)是否得到提高。
如果在步骤S266确定在最近的2000次迭代中准确性得到提高，则确定值得执行更多的迭代，并且重复步骤S252-S266。
另一方面，如果在步骤S266确定计算的照相机变换的准确性没有任何改变，或者如果在步骤S264确定计数器数值不再小于阈值，则不再计算任何照相机变换。
在完成步骤S252-S266的所有迭代之后保存的照相机变换是计算的那些变换中最准确的照相机变换，于是被用作确定当输入图像被记录时照相机410的位置和方位的照相机变换。
再次参见图7，关于当前研究的输入图像的处理现在结束了。
因此，在步骤S40，处理设备2确定是否存在要处理的另一输入图像，并且重复步骤S30-S40，直到按照上述方法处理了每个输入图像，确定对于各个输入图像，照相机410相对于照相垫层34的位置和方位为止。
再次参见图6，在步骤S16，表面建模器90处理每个输入图像，把代表对象400的图像数据和代表照相垫层34及其上放置垫层34的平面380的图像数据分开(本实施例中步骤S16是产生供定义对象400表面的3D计算机模型之用的数据的预备步骤)。
图19表示在步骤S16由表面建模器90执行的处理操作。
参见图19，在步骤S280-S288，表面建模器90建立表示输入图像中颜色的量化值的散列表，所述输入图像表现照相垫层34和背景380而不是对象400本身。
更具体地说，在步骤S280，表面建模器90读取在图6的步骤S12保存的“背景图像”(即要输入处理设备2中，显示具有和在其上打印照相垫层34的材料相同颜色的平面380和对象的最终图像)中下一象素的RGB数据值。
在步骤S282，表面建模器90根据下述等式计算该象素的量化红色(R)值、量化绿色(G)值和量化蓝色(B)值： q = ( p + t / 2 ) t &CenterDot; &CenterDot; &CenterDot; ( 3 )
这里：“q”是量化值；
      “p”是在步骤S280读取的R、G或B值；
      “t”是确定来自显示对象400的输入图像的RGB值需要多么接近被标记为
      背景的背景颜色的阈值。本实施例中，“t”被设置为4。
在步骤S284，表面建模器90按照常规方式把在步骤S282计算的量化R、G和B值给合成“三元组数值”。
在步骤S286，表面建模器90把散列函数应用于在步骤S282计算的量化R、G和B值，确定散列表中的BIN，并把在步骤S284确定的“三元组”数值添加到确定的BIN中。更具体地说，本实施例中，表面建模器90把下述散列函数应用于量化的R、G和B值，确定散列表中的BIN：
h(q)＝(q红&7)*2^6+(q绿&7)*2^3+(q蓝&7)…(4)
即，散列表中的BIN由每种颜色的三个最低有效位确定。选择该函数试图把数据展开成散列表中的可用BIN，以致每个BIN只具有少量的“三元组”的数值。本实施例中，在步骤S286，只有当其不存在于BIN中时才把“三元组”数值添加到该BIN中，从而每个“三元组”数值只被添加到散列表中一次。
在步骤S288，表面建模器90确定背景图像中是否存在另一象素。重复步骤S280-S288，直到按照上述方式处理了“背景”图像中的每个象素为止。这种处理的结果是产生包含代表“背景”图像中颜色的数值的散列表。
在步骤S290-S324，表面建模器90依次研究每个输入图像，并使用散列表把输入图像中与照相垫层34和背景相关的数据和输入图像中与对象400相关的数据分开。本实施例中，在步骤S280-S288被处理从而产生散列表的“背景”图像并不显现照相垫层34上的特征240-334。因此，在步骤S290-S324执行的分离并不区分与对象400相关的象素数据和与特征240-334相关的象素数据。相反，在本实施例中，以这样的方式进行由表面建模器90执行的产生对象400表面的3D计算机模型的处理(下面说明)，从而与照相垫层34上的特征相关的象素不会影响所述表面模型。
在步骤S290，表面建模器90研究下一输入图像，并在步骤S292读取输入图像中下一象素的R、G和B值(当首次执行步骤S292时，所述象素是第一象素)。
在步骤S294，表面建模器90利用上述等式(3)计算象素的量化R值、量化G值和量化B值。
在步骤S296，表面建模器90把在步骤S294计算的量化R、G和B值组合成“三元组数值”。
在步骤S298，表面建模器90把根据上述等式(4)的散列函数应用于在步骤S294计算的量化值，从而确定在步骤S280-S288产生的散列表中的二进制映象。
在步骤S300，表面建模器90读取在步骤S298中定义的散列表BIN中的“三元组”数值，这些“三元组”数值表示照相垫层34的材料和背景平面80的颜色。
在步骤S302，表面建模器90确定当前研究的输入图像中的象素的在步骤S296产生的“三元组”数值是否和散列表BIN中的任意背景“三元组”数值相同。
如果在步骤S302确定象素的“三元组”数值和背景“三元组”数值相同，则在步骤S304，确定该象素是背景象素，并且该象素的值被设置为“黑色”。
另一方面，如果在步骤S302确定该象素的“三元组”数值不同于背景的任意“三元组”数值，则在步骤S306，确定该象素是对象400的一部分，表面建模器90把该象素的值设置为“白色”。
在步骤S308，表面建模器90确定输入图像中是否存在另一象素。重复步骤S292-S308，直到按照上述方式处理了输入图像中的每个象素为止。
在步骤S310-S322，表面建模器90执行处理，纠正把图像象素分为背景象素或对象象素方面的任意错误。
更具体地说，在步骤S310，表面建模器90定义一个圆形掩码用作中央过滤器。本实施例中，该圆形掩码的半径为4个象素。
在步骤S312，表面建模器90执行处理，把在步骤S310定义的掩码的中心置于在步骤S304和S306产生的二进制映象中下一象素的中央(当首次执行步骤S312时，该象素是第一象素)。
在步骤S314，表面建模器90计数该掩码内黑色象素的数目和白色象素的数目。
在步骤S316，表面建模器90确定该掩码内的白色象素的数目是否大于或等于该掩码内黑色象素的数目。
如果在步骤S316确定白色象素的数目大于或等于黑色象素的数目，则在步骤S318，表面建模器90把掩码以其为中心的象素的值设置为白色。另一方面，如果在步骤S316确定黑色象素的数目大于白色象素的数目，则在步骤S320，表面建模器90把掩码以其为中心的象素的值设置为黑色。
在步骤S322，表面建模器90确定二进制映象中是否存在另一象素，重复步骤S312-S322，直到按照上述方式处理了每个象素为止。
在步骤S324，表面建模器90确定是否存在要处理的另一输入图像。重复步骤S290-S324，直到按照上述方式处理了每个输入图像为止。
再次参见图6，在步骤S18，表面建模器90执行处理，产生确定对象400的3D表面的计算机模型的数据。
本实施例中，按照常规方式执行步骤S18的处理，所述处理包括下述三个阶段：
(1)处理在步骤S14产生的照相机位置和方位和在步骤S16产生的分段图像数据，从而产生三维象素雕刻(voxel carving)，所述三维象素雕刻包含定义封闭对象的voxel的3D栅格的数据。表面建模器90按照常规方式，例如R.Szeliski在“Rapid Octree Construction fromImage Sqeuences”(CVGIP：Image Understanding，Volume 58，Number 1，July 1993，第23-32页)中说明的方法实现该阶段的处理。
(2)处理确定voxel carving的数据，从而产生限定三角形的3D表面网格的数据，所述三角形确定对象400的表面。本实施例中，表面建模器90按照常规的步进式(marching)立方算法，例如W.E.Lorensen和H.E.Cline在“Marching Cubes：A High Resolution 3DSurface Construction Algorithm”(Computer Graphics，SIGGRAPH87 proceedings，21：163-169，1987年7月)或者J.Bloomenthal在“An Implicit Surface Polygonizer”(Graphics Gems IV，APProfessional，1994，ISBN 0123361559，第324-350页)中说明的方法，完成该阶段的处理。
(3)通过执行抽选(decimation)过程，显著减少在阶段2产生的表面网格中的三角形的数目。
在阶段3，表面建模器90完成本实施例中的处理，从而通过随机地从在阶段2中产生的三角形网格中除去顶点执行抽选过程，查看每个顶点是否对对象400的表面形状有所贡献。从三角测量中丢弃对所述形状没有贡献的顶点，从而在最终的模型中导致更少的顶点(从而更少的三角形)。按照随机的顺序选择要除去和测试的顶点，以避免因连续除去相邻顶点而逐渐侵蚀所述表面的较大部分的结果。下面以伪码描述了本实施例中由表面建模器90执行的抽选算法。
INPUT
读入顶点
读入构成三角形的三个一组顶点ID
PROCESSING
重复NVERTEX次
    选择随机顶点V，所述顶点V还未被选择过，
    定位具有V作为顶点的所有三角形的集合S，
    对S排序，从而相邻的三角形彼此邻近
    在忽略V(即除去选择的三角形&V，并且随后填充空洞)的情况下，对三角形集合重新进行三角测量，
    找出V和每个三角形的平面之间的最大距离
    If(距离＜阈值)
       丢弃V并且继续新的三角测量
    Else
       保留V并且返回旧的三角测量
OUTPUT
输出保留顶点的列表
输出更新的三角形列表
由于照相垫层34上特征240-334的绝对位置已知(已按照在步骤S4保存的直径打印了所述特征)，因此按照正确的比例产生对象400表面的3D计算机模型。
在步骤S20，表面纹理形成器100处理输入图像数据，产生在步骤S18由表面建模器90产生的表面模型中每个表面三角形的纹理数据。
更具体地说，本实施例中，表面纹理形成器100按照常规方式执行处理，研究在步骤S18中产生的表面网格中的每个表面三角形，并找出面对该三角形的最前面的输入图像“i”。即，找到值 最大的输入图像，这里 是三角形法线， 是第“i”个图像的观看方向。这识别其中表面三角形具有最大投影面积的输入图像。
该表面三角形随后被投射到识别的输入图像上，并且投射的三角形的顶点被用作确定图像纹理图(texture map)的纹理坐标。
执行上述处理的结果是对象400的表面的VRML(或者类似的格式)模型，拥有确定要被绘制到该模型上的图像数据的纹理坐标。
在步骤S22，中央控制器20以保存在诸如磁盘122之类存储器上的数据的形式，或者以信号124的形式(图1)从输出数据存储器120输出确定对象400的3D计算机模型的数据。另外，或者相反，中央控制器20可按照用户使用用户输入装置6输入的视点，使显示处理器110显示对象400的3D计算机模型的图像。另外，还可以记录在诸如磁盘122之类存储器上数据的形式，或者以信号124的形式输出确定照相机计算器80在步骤S14产生的一个或多个输入图像的照相机410的位置和方位的数据。
在上述第一实施例中，照相垫层34上的组200、206、212和218完全相同，组202、204、208、210、214、216、220和222完全相同。通过根据特征相对于输入图像中照相垫层上的预定点的位置，标记组内的每个特征(图12中的步骤S140和S142)，根据组200、206、212和218内红色特征的位置(相对于垫层上的预定点确定这些位置)，标记组200、206、212和218(图12中的步骤S144)，并根据组202、204、208、210、214、216、220和222相对于组200、206、212或218之一(或者如果不能根据包含红色特征的特征组被标记，则相对于识别的另一特征组)，标记组202、204、208、210、214、216、220和222，来识别在输入图像中找到的每个特征和照相垫层34上的特征之间的一一对应。
第二实施例
下面说明本发明的第二实施例。在第二实施例中，特征形成于照相垫层34上，以致不必为了标记这些特征而确定照相垫层上预定点的位置。
除了照相垫层34上的图案不同，以及在图7的步骤S36由特征鉴别器70执行的处理不同之外，第二实施例的组件及这些组件执行的处理操作与第一实施例中完全相同。
图20表示在第二实施例中打印或显示的照相垫层34上的特征的图案。
参见图20，所述图案包括布置在围绕中央空白区718的三角形中的若干组700-716。中央区718的大小使得可在不接触组700-716中的任意特征的情况下画出具有在步骤S4(图2)保存的直径的圆圈。
各组700-716包含四个特征，本实施例中所述特征是圆圈。和图3中一样，图20中带有白色中心的黑圈代表照相垫层34上一个全红的圆圈，而图20中的实心黑圈代表照相垫层34上一个全黑的圆圈。
第二实施例中照相垫层34上的三个组包含红色特征。组172包含单个红色特征736，组700包含两个红色特征720和726，组706包含三个红色特征728、732和734。由于组700、706和712包含不同数目的红色特征，因此不同于第一实施例中的组200、206、212和218，这些特征组中的每组都是唯一的。因此，无论何时在输入图像中检测到组700、706和712之一，总可向这些特征组中的每组分配一个唯一的标记。另外，如同下面将说明的一样，可在不参考照相垫层34上的预定点的情况下标记各组700、706和712(及其它组702、704、708、710、714和716)内的特征。
图21表示在图7的步骤S36，第二实施例中由特征鉴别器70执行的处理操作。
参见图21，在步骤S400，特征鉴别器70标记输入图像中包含红色特征的各组。如上所述，包含红色特征的组可被唯一地标记，因为它们包含不同数目的红色特征。即，在步骤S400，特征鉴别器70根据各组中包含的红色特征的数目，标记各个特征组。
在步骤S402，特征鉴别器70标记识别的包含红色特征的各组中的特征。
更具体地说，参见图20，特征鉴别器70把特征组中其顺时针方向的相邻特征为黑色特征的红色特征标记为特征组中的特征1。从而，参见图20，特征720被标记为组700的特征1，特征728被标记为组706的特征1，特征736被标记为组712的特征1。随后从组中的特征1开始沿顺时针方向标记剩余的各个特征。从而例如在组700中，特征722被标记为特征2，特征724被标记为特征3，特征726被标记为特征4。类似地，在组712中，特征738被标记为特征2，特征740被标记为特征3，特征742被标记为特征4。
作为执行步骤S400-S402的处理的结果，确定了输入图像中包含红色特征的组中的每个特征和照相垫层34上的某一特征之间的一一对应。
在步骤S404，特征鉴别器70标记输入图像中所有特征为黑色的各个特征组。在步骤S404执行的处理对应于实施例1中在步骤S146(图12)执行的处理。由于上面已参考图16说明了该处理，因此这里不再进行说明。
在步骤S406，特征鉴别器70标记在步骤S404标记的各组内的特征。即，特征鉴别器70标记所有特征为黑色的被标记各组中的各个特征。
图22表示步骤S406由特征鉴别器70执行的处理操作。这些操作类似于在步骤S404为标记各个特征组而执行的操作，因为该处理基于预测特征的位置，测试输入图像中的特征是否在预测位置的阈值距离内，并且如果在所述阈值距离内则在输入图像中标记该特征。
更具体地说，参见图22，在步骤S420，特征鉴别器70读取包含红色特征的下一被标记组的图像和垫层之间的映射关系，当执行步骤S404时，已在图16的步骤S200计算了该映射关系。
在步骤S422，特征鉴别器70计算在步骤S420读取的映射的逆映射，并使用逆映射及照相垫层34上各个特征的已知位置计算邻近被标记组的各组中每个特征的中心在输入图像中的相应预测位置。
从而，参见图20，如果组700是在步骤S420研究的被标记组，则在步骤S422，特征鉴别器70预测组702中各个特征750-756的中心及组716中各个特征758-764的中心在输入图像中的位置。
在步骤S424，特征鉴别器70研究在步骤S422计算的下一预测位置(当首次执行步骤S424时，所述预测位置是第一预测位置)。
在步骤S426，特征鉴别器70确定预测位置是否在输入图像中最近特征的中心的阈值距离内。本实施例中，阈值距离被设置为20个象素。
如果在步骤S426确定预测位置在最近特征中心的阈值距离内，则在步骤S428，特征鉴别器70标记输入图像中最近的特征，因为由于在步骤S422特别关于照相垫层上的唯一特征计算了各个预测位置，照相垫层34上的相应特征已知，因此步骤S428的处理是可能的。
另一方面，如果在步骤S426确定预测位置不在最近特征中心的阈值距离内，则省略步骤S428，从而该特征保持未被标记状态。
在步骤S430，特征鉴别器70确定是否存在在步骤S422计算的还未执行处理的另一预测位置。重复步骤S424-S430，直到按照上述方式处理了每个预测位置为止。
在步骤S432，特征鉴别器70确定是否存在包含红色特征的另一被标记特征组。重复步骤S420-S432，直到按照上述方式处理了包含红色特征的每个被标记特征组为止。
如果包含红色特征的各组700、706和712在输入图像中是可见的，则在步骤S420-S432执行的处理应标记组702、704、708、710、714和716中的各个特征。
但是，在任意特征保持未被标记状态的情况下(例如如果包含红色特征的特征组之一被对象400遮蔽，以致该特征组在输入图像中是不可见的，则会产生这种情况)，特征鉴别器70执行步骤S434-S448的辅助处理。
更具体地说，在步骤S434，特征鉴别器70确定是否任意特征保持未被标记状态。
如果在步骤S434确定输入图像中没有任何特征保持未被标记状态，则结束步骤S406(图21)的处理。
另一方面，如果在步骤S434确定输入图像中至少一个特征保持未被标记状态，则在步骤S436，特征鉴别器70研究下一未被标记的特征(当首次执行步骤S436时，所述未被标记的特征是第一未被标记特征)。
在步骤S438，特征鉴别器70确定是否已通过基于另一特征组的预测标记了与包含在步骤S436选择的未被标记特征的特征组相邻的特征组。
参见图20，如果在步骤S436研究的未被标记的特征是组716的一部分，特征鉴别器70会在步骤S438确定是否已依据步骤S210(图16)的预测标记了组714。
如果在步骤S438确定还没有通过基于另一特征组的预测标记相邻的特征组，则处理进行到步骤S448，同时使在步骤S436研究的特征保持未被标记状态。
另一方面，如果在步骤S438确定已在步骤S210(图16)标记了相邻的特征，则在步骤S440，特征鉴别器70计算输入图像和照相垫层34之间被标记的相邻特征组的映射(如果当执行步骤S404，还没有计算所述映射)。在步骤S440按照在图16的步骤S222计算映射的相同方式(即按照常规方式，例如R.J.Schalkoff在“Digital ImageProcessing and Computer Vision”(John Wiley and Sons，ISBN047150536-6，第三章)中描述的方法)计算所述映射。
在步骤S442，特征鉴别器70计算在步骤S440计算或读取的映射的逆映射，并使用逆映射和照相垫层34上的特征的已知位置，计算未标记特征的中心在输入图像中的预测位置。
在步骤S444，特征鉴别器70确定预测位置是否在输入图像中最近特征的中心的阈值距离内。本实施例中，阈值距离被设置为20个象素。
如果在步骤S444确定输入图像中最近特征在预测位置的阈值距离之内，则在步骤S446标记最近的特征。
另一方面，如果在步骤S444确定最近特征中心和预测位置之间的距离超过阈值距离，则省略步骤S446，使在步骤S436研究的特征保持未标记状态。
在步骤S448，特征鉴别器70确定是否存在还未研究的任何剩余未标记特征。重复步骤S436-S448，直到按照上述方法处理了各个未标记特征为止。
再次参见图21，在步骤S408，特征鉴别器70为输入图像中的各个特征保存输入图像中特征的唯一点位置的坐标和照相垫层34上特征的唯一点位置的坐标。
在上述第一和第二实施例中，照相垫层34上的每组特征包含相同数目的特征，其中一些特征组包含使这些组能够被标记的红色特征。包含红色特征的被标记特征组随后被用于标记其中所有特征为黑色的特征组。
第三实施例
下面将说明本发明的第三实施例。
在第三实施例中，不是如同第一和第二实施例中那样提供包含红色特征的特征组，而是在照相垫层34上形成若干单一特征，所述若干单一特征可彼此区分开，并且可被用于标记其中所有特征是黑色的特征组。
除了照相垫层34上的图案不同，以及在图7的步骤S32由特征检测器50执行的处理和在图7的步骤S36由特征鉴别器70执行的处理不同之外，第三实施例中的组件和这些组件执行的处理操作与第一实施例中的相同。
图23表示第三实施例中打印或显示的照相垫层34上的特征图案。
参见图23，第三实施例中照相垫层34上的图案包括红星800、红圈802、黑星804和黑圈806，以及组808、810、812、814、816、818、820和822，每组包含四个黑圈从而所述各组完全相同。
特征800-806的中心及组808-822的中心被布置在其直径以在步骤S4(图2)保存的直径为基础的圆圈的周长上，在中心保留可放置对象400的空间。
和第一实施例中一样，特征被布置在组808-822内，以致通过某一组中的两个相对特征画出的假想线(即不存在于照相垫层34上的线条)(例如组822的线条850和组812的线条852)经过其上布置各个特征及各组的圆圈的中心854。
特征800-806和组808-822被布置在照相垫层上，以致如果各个特征800-806的中心及各组808-822的中心与中心854相连，则每对相邻连接线(即图23中的点划线)之间的角度θ相等。即，在圆圈的周长上，特征800-806的中心和组808-822的中心间隔相等的距离。
图24表示第三实施例中，在步骤S32(图7)由特征检测器50执行的处理操作。
参见图24，在步骤S500-S508执行的处理操作和第一实施例中在步骤S50-S58(图8)执行的处理操作相同。由于上面已说明了这些处理操作，因此这里不再对其进行说明。
在步骤S510，特征检测器50确定并保存输入图像中各组象素的颜色。在第一实施例中，该步骤是通过确定输入图像中最接近由该组象素确定的唯一点位置的象素的颜色来完成的(图8中的步骤S60)。但是，在第三实施例中，十字800或十字804的中心的任何计算错误会导致实际上不是十字的一部分的象素位置(因为和圆圈相比，十字的中心较窄)。因此，第三实施例中，在步骤S510，特征检测器50通过获取该组象素中象素的平均R值、平均G值和平均B值，并根据平均值确定颜色来确定每组象素的颜色。
在步骤S512，特征检测器50确定并保存每组象素中周边象素的数目，即位于该组象素外缘的象素的数目。本实施例中，特征检测器50把周边象素识别为与不是该组象素一部分的某一象素相连的象素(即值为0的象素)。
如上所述，第三实施例中由特征分组器60执行的处理操作与第一实施例中执行的操作相同。因此，应注意在第三实施例中照相垫层34上的特征800-806不是由特组分组器60形成的特征组的一部分(因为当在图9的步骤S106-S114比较组中特征的大小时，包含特征800-806之一的组将被丢弃)。
图25表示第三实施例中在步骤S36(图7)由特征鉴别器70执行的处理操作。
在第一和第二实施例中，在照相垫层34上形成包含红色特征的若干特征组，由于进行了确保各组对应于照相垫层34上的某一组(而不是包含对象400上的一个或多个特征的特征组)的处理，以及由于包含红色特征的各组可与所有其它各组区分开，因此在输入图像中可唯一地识别所述若干特征组内的特征。此外，每个包含红色特征的特征组总共包含四个特征，于是通过标记包含红色特征的特征组中的特征，识别输入图像中的点和照相垫层上的点之间的四种对应关系。在第一和第二实施例中，这使特征鉴别器70能够计算输入图像和垫层之间的映射，从而能够预测其中所有特征为黑色的相邻特征组的位置。
但是，在第三实施例中，特征800-806都不是某一组的一部分。从而没有进行标记特征800-806(即确定输入图像中的哪些特征对应于照相垫层上的这些特征)的任何处理。此外，对于每个特征800-806只确定了一个唯一点位置(即该特征的中心)。因此，在第三实施例中，特征鉴别器70不能根据基于特征800-806的预测，标记各个特征组808-822，因为首先特征800-806均未被标记，其次，即使特征800-806已被标记，对于单个特征800-806来说也不存在足以计算图像和垫层之间映射的图像-垫层对应关系。
下面将说明替代执行标记的方式。
参见图25，步骤S520和S522分别对应于第一实施例中的步骤S140和S142(图12)。由于上面已说明了在这些步骤执行的处理，因此这里不再对其进行说明。
在步骤S524，特征鉴别器70选择输入图像中下一个未标记的特征组808-822(当首次执行步骤S524时，所述未标记的特征组是第一个未标记的特征组)及照相垫层34上的任意特征组。
在步骤S526，特征鉴别器70计算输入图像和照相垫层34之间的映射。本实施例中，这是通过随机指派在步骤S524选择的输入图像中的未标记特征组中的特征和在步骤S524选择的照相垫层34上的特征组中的特征之间的一一对应，并按照常规方式，例如R.J.Schalkoff在“Digital Image Processing and Computer Vision”(John Wiley andSons，ISBN 047150536-6，第三章)中描述的方法，利用指派的对应关系计算所述映射来实观的。
在步骤S528，特征鉴别器70计算在步骤S526计算的映射的逆映射，并使用该逆映射和照相垫层34上特征的已知位置，计算与在步骤S524选择的照相垫层上的特征组相邻的特征组的中心及照相垫层上与在步骤S524选择的特征组相邻的特征的中心在输入图像中的预测位置。
从而，参见图23，如果在步骤S524选择照相垫层上的组808，则在步骤S528，特征鉴别器70会预测组810的中心及特征800的中心在输入图像中的位置。
由于照相垫层34上特征800-806、组808-822及各组内圆圈的对称布置，不论在步骤S524选择照相垫层上的哪一组，在步骤S528预测的位置都适用于和输入图像中未被标记的特征组一起用于产生一一对应关系。
在步骤S530，特征鉴别器70确定输入图像中哪一特征最接近于在步骤S528预测的第一中心的位置，输入图像中哪一特征最接近于在步骤S528预测的第二中心。
在步骤S532，特征鉴别器70研究在步骤S530确定的最接近于预测中心的下一特征(当首次执行步骤S532时，这是第一特征)，并在步骤S534，确定所述特征是否是一组特征的一部分。
如果在步骤S534确定该特征不是一组特征的一部分，则该特征必定是星800或804之一，或者是圆802或806之一。因此，在步骤S536，特征鉴别器70标记该特征。
图26表示在步骤S536由特征鉴别器70执行的处理操作。
参见图26，在步骤S560，特征鉴别器70读取该特征的颜色(所述颜色在图24的步骤S510被保存)。
在步骤S562，特征鉴别器70确定周边象素数目的平方与构成该特征的象素的总数之商是否大于阈值，本实施例中所述阈值被设为24。
如果在步骤S562确定计算值大于24，则在步骤S564，特征鉴别器70确定该特征是十字。
另一方面，如果在步骤S562确定计算值不大于24，则在步骤S566，特征鉴别器70确定该特征是圆圈。
在步骤S568，特征鉴别器70根据在步骤S560读取的特征颜色及该特征在步骤S564被确定为十字还是在步骤S566被确定为圆圈，标记该特征。
如上所述，特征鉴别器70利用组808-822之一，根据输入图像中某一位置的预测，标记特征800-806。因此，这提供一种可靠地区分特征800-806和对象400上的特征的方法，因为对象上的特征不可能在图像中具有与预测位置相对应的位置。
参见图25，如果在步骤S534确定该特征不是一组特征的一部分，并且该特征在步骤S536被标记，则在步骤S524从输入图像选择的未标记的特征组必定是与在步骤S536标记的特征相邻的特征组。从而，参见图23，如果在步骤S536标记的特征是特征800，则在步骤S524从图像中选择的未标记的特征组是组808或者组822。
在步骤S538和S540，特征鉴别器70执行处理，确定与照相垫层上的被标记特征相邻的两个特征组中的哪个特征组对应于在步骤S524选择的输入图像中的未标记特征组。
更具体地说，在步骤S538，特征鉴别器70连接输入图像中在步骤S524选择的未标记特征组的中心(该中心已在图9的步骤S122被保存)和图像中在步骤S520确定的预定基准点。
在步骤S540，特征鉴别器70根据在步骤S536分配给特征的标记和该特征相对于在步骤S538产生的线条的位置，标记在步骤S524选择的未标记特征组。
更具体地说，参见图23，如果在步骤S536标记的特征是特征800，则如果特征800位于在步骤S538产生的线条850的右侧(即顺时针方向)，则在步骤S524选择的未标记特征组是组822。另一方面，如果在步骤S524选择的未标记特征是组808，则特征800将位于在步骤S538产生的线条的左侧(即反时针方向)。
另一方面，如果在步骤S534确定在步骤S532研究的特征是一组特征的一部分，则在步骤S542，特征鉴别器70确定在步骤S532研究的特征是否是一组被标记特征的一部分。首次执行步骤S542时，没有任何特征组被标记，但是在后续迭代中，各个特征组可能已被标记。
如果在步骤S542确定该特征是被标记特征组的一部分，则在步骤S544，特征鉴别器70标记在步骤S524从输入图像选择的未标记的特征组。更具体地说，可向在步骤S524选择的未标记特征组分配唯一的标记，因为照相垫层34上的各组只与一个其它特征组相邻。
从而，参见图23，如果在步骤S542确定在步骤S532研究的特征是被标记特征组822的一部分，则在步骤S544，特征鉴别器70把未标记的特征组标记为组820(因为它是与组822相邻的唯一特征组)。
另一方面，如果在步骤S542确定在步骤S532研究的特征不是被标记特征组的一部分，则在步骤S546，特征鉴别器70确定是否存在在步骤S530确定的，与要处理的预测中心最接近的另一特征。重复步骤S532-S546，直到按照上述方式处理了最接近第一预测中心的特征和最接近第二预测中心的特征为止。
在步骤S548，特征鉴别器70确定输入图像中是否存在另一未标记的特征组。重复步骤S524-S548，直到按照上述方式处理了各个未标记的特征组为止。
在执行上述处理之后，特征鉴别器70已标记了在输入图像中可见的照相垫层34上的每个特征组和每个特征。
因此，在步骤S550，特征鉴别器70为每个特征保存输入图像中和照相垫层34中特征的唯一点位置的坐标。
在上述第一、第二和第三实施例中，照相垫层34上的至少一些特征组是相同的(即，其中所有特征为黑色的特征组)，并且利用唯一的特征或特征组(即第一实施例中的组200、206、212和218，第二实施例中的组700、706和712及第三实施例中的特征800、802、804和806)识别输入图像中这些相同特征组中的特征和照相垫层34上的特征之间的一一对应关系。
第四实施例
下面将说明本发明的第四实施例。第四实施例中，照相垫层34上的每组特征是唯一的，从而在不参考另一特征或特征组的情况下可标记输入图像中的各个特征。
除了照相垫层34上的图案不同，以及在图7的步骤S36由特征鉴别器70执行的处理不同之外，第四实施例的组件及这些组件执行的处理操作与第一实施例中的相同。另外，虽然第四实施例中由特征分组器60执行的处理操作与第一实施例中的相同，但是执行所述处理以识别包含五个特征，而不是四个特征的特征组。
图27表示第四实施例中打印或显示的照相垫层34上的特征图案。
参见图27，在第四实施例中，照相垫层34上的图案包括若干组900-910，每组包含五个特征。本实施例中，各个特征是一个圆圈，在图27中，内部为白色的黑圈代表照相垫层34上实际为红色的圆圈，实心黑圈代表照相垫层34上黑色的圆圈。
组900-910布置在其上放置对象400的空白区920的周围(空白区920的大小使得能够在其中画出具有在图2的步骤S4保存的直径的圆圈)。但是，各组不必位于圆圈或者任何其它形状中，虽然各组内的各个特征的位置在步骤S6(图2)被垫层产生器30知晓并保存，以供处理设备2处理之用。
图28表示在图7的步骤S36由特征鉴别器70在第四实施例中执行的处理操作。
参见图28，在步骤S600，特征鉴别器70研究输入图像中的下一未标记特征组(当首次执行步骤S600时，这是第一个未标记的特征组)。
在步骤S602，特征鉴别器70确定该组中红色特征的数目(各个特征的颜色已在图8中的步骤S60由特征检测器50保存)。
在步骤S604，特征鉴别器70确定红色特征的数目是否为1或4。
如果在步骤S604确定红色特征的数目为1或4，则在步骤S606，特征鉴别器70标记该组。更具体地说，参见图27，如果红色特征的数目为1，则该组被标记为组904，而如果红色特征的数目为4，则该组被标记为组910。
另一方面，如果在步骤S604确定红色特征的数目不为1或4，则在步骤S608，特征鉴别器70确定红色特征的数目是否为2。
如果在步骤S608确定红色特征的数目为2，则在步骤S610，特征鉴别器70利用直线连接这两个红色特征的中心。随后在步骤S612，特征鉴别器70根据该组中位于在步骤S610产生的线条两侧的黑色特征的数目，标记该特征组。
参见图27，如果在步骤S608确定该组中红色特征的数目为2，则该组为组902或组908。在步骤S612，如果所有黑色特征位于在步骤S610产生的线条930的同一侧，则特征鉴别器70把该特征组标记为组902，如果该组中的黑色特征位于在步骤S610产生的线条932的不同侧面，则把该组标记为组908。
另一方面，如果在步骤S608确定组中的红色特征的数目不为2(即，组中的红色特征的数目为3)，则在步骤S614，特征鉴别器70利用直线连接该组中两个黑色特征的中心，并在步骤S616根据该组中位于该线条两侧的红色特征的数目，标记该特征组。
参见图27，如果在步骤S608确定红色特征的数目为3，则该组为组900或组906。在步骤S616，如果红色特征位于在步骤S614产生的线条934的不同侧面，则特征鉴别器70把该组标记为组900，如果所有红色特征位于在步骤S614产生的线条936的同侧，则把该组标记为组906。
在步骤S618，特征鉴别器70确定在输入图像中是否还存在另一未标记的特征组。重复步骤S600-S618，直到按照上述方法处理了输入图像中的各个特征组为止。
在步骤S620，特征鉴别器70标记各组内的各个特征。
更具体地说，本实施例中，在组904的情况下，特征鉴别器70把单个红色特征标记为该组的特征1，在组910的情况下，把单个黑色特征标记为特征1。随后按照顺时针方向从特征1开始标记剩余的各个特征。按照常规的方式，例如通过选择当利用直线与特征1相连时，使该组中的其它各个特征位于连接直线右侧的点，沿顺时针方向找出各个特征。
在组900和908的情况下，特征鉴别器70把单独位于在步骤S610或步骤S614产生的线条的一侧的特征标记为该组的特征1(即组900情况下的红色特征940，组908情况下的黑色特征942)。按照顺时针方向从被标记为特征1的特征开始标记该组中的其它特征。
在组902和906的情况下，特征鉴别器70把在步骤S610或步骤S614由直线连接的特征之一标记为该组中的特征1。更具体地说，本实施例中，特征鉴别器70把由直线连接的、该组中其顺时针方向的下一特征具有相同颜色的特征标记为该组中的特征1。从而，就组902而论，特征950被标记为特征1，因为顺时针方向的下一特征为特征952，并且特征952具有和特征950相同的颜色(于是可把特征950和特征952区分开，因为特征952顺时针方向的下一特征是黑色特征)。类似地，就组906而论，特征954被标记为该组的特征1。按照顺时针方向从被标记为特征1的特征开始，标记该组中的其它特征。
在步骤S622，特征鉴别器70为输入图像中的各个特征保存特征唯一点位置在输入图像中和照相垫层34中的坐标。
第五实施例
下面说明本发明的第五实施例。
第五实施例按照和第四实施例相同的原理工作，即照相垫层34上的各个特征组是唯一的，从而可在不参考另一特征组或特征的情况下标记输入图像中的各个特征组。
除了照相垫层34上的图案不同，特征检测器50执行的在图8的步骤S50产生二进制映象的处理不同，以及在图7的步骤S36由特征鉴别器70执行的处理不同之外，第五实施例的组件及这些组件执行的处理操作和第一实施例中的相同。
图29表示第五实施例中打印或显示的照相垫层34上的特征图案。
参见图29，在第五实施例中，照相垫层34上的图案包括若干组1000-1022。每组包含四个特征，本实施例中所述特征为圆圈。
图29中，内部为白色的黑圈代表在照相垫层34上实际为红色的圆圈，实心圆圈代表照相垫层34上黑色的圆圈，带阴影的圆圈代表照相垫层34上实际为绿色的圆圈。
组1000-1022被布置在其上放置对象400的空白区1030的周围(空白区1030的大小使得能够在其中画出具有在图2的步骤S4保存的直径的圆圈)。但是，各组1000-1022不必位于圆圈或者任何其它形状中，不过照相垫层34上各个特征的位置在步骤S6被垫层产生器30知晓并保存，以供处理设备2处理之用。
在上述第一～第四实施例中，照相垫层34上的特征为红色或黑色。但是在第五实施例中，还存在绿色特征。因此，图8中在步骤S50由特征检测器50执行的产生根据其识别各组象素的二进制映象的处理稍微不同。更具体地说，在第五实施例中不是根据上述等式(1)把输入图像中的各个象素的值设置为1或0，而是根据下述等式设置各个象素的值：
如果G＜128并且B＜128，把象素值置为1(因为该象素为红色或黑色)
或者如果R＜128并且B＜128，把象素值置为1(因为该象素为黑色或绿色)
否则把象素值置为0
                                    …(5)
图30表示第五实施例中在图7中的步骤S36由特征鉴别器70执行的处理操作。
参见图30，在步骤S700，特征鉴别器70研究输入图像中下一个未被标记的特征组(当首次执行步骤S700时，这是第一个未被标记的特征组)。
在步骤S702，特征鉴别器70确定该组中红色特征的数目，绿色特征的数目和黑色特征的数目(这些颜色已在图8中的步骤S60由特征检测器50保存)。
在步骤S704，特征鉴别器70根据在步骤S702确定在该组中红色特征、绿色特征和黑色特征的数目，标记该特征组。由于每个特征组由其红色、绿色及黑色特征的数目唯一确定，因此可在不参考输入图像中任意其它特征、特征组或位置的情况下在步骤S704指派标记。
在步骤S706，特征鉴别器70确定输入图像中是否存在另一未被标记的特征组。重复步骤S700-S706，直到按照上述方法标记了各个未被标记的特征组为止。
在步骤S708，特征鉴别器70标记在步骤S704标记的各个特征组内的每个特征。更具体地说，本实施例中，特征鉴别器70把该组中的唯一特征标记为特征1，并且按照顺时针方向从特征1开始标记该组中的剩余特征。
参见图29，就组1000、1004、1006、1008、1012、1014、1016、1018和1022而论，特征鉴别器选择为该组中该颜色唯一特征的特征作为特征1。从而例如，黑圈1032被选为组1012中的特征1。就组1002、1010和1020而论，特征鉴别器从该组中选择具有预定颜色的某一特征作为特征1，该组中该特征顺时针方向的下一特征具有不同的颜色。从而例如，特征鉴别器70把黑色特征1034标记为组1020中的特征1，因为特征1034顺时针方向的下一特征为绿色。
在步骤S710，特征鉴别器70为每个标记的特征保存该特征的唯一点位置在输入图像中和照相垫层34中的坐标。
在上述实施例中，照相垫层34上各个特征组内特征之间的空间关系(即指定特征组中任意两个特征的中心之间的距离小于指定特征组中某一特征和一个不同特征组中某一特征之间的距离的关系)被用于把在图像中检测到的特征分成候选特征组(图9中的步骤S70-S104)。随后，特征组中特征之间的大小关系(即所有的特征具有基本相等的面积的关系)被用于把图像中照相垫层34上的特征组和正被建模的对象400的特征组区分开(图9中的步骤S106-S114)。于是该两步处理把特征分成候选特征组，并且测试每个候选特征组以确定该特征组是否是照相垫层34上的特征组。随后各个特征的位置、形状和/或颜色被用于确定输入图像中为实际特征组一部分的每个特征和照相垫层34上的某一特征之间的一一对应(图7中的步骤S36)。
但是如同现在将要说明的一样，各个特征的其它性质及它们之间的关系可用于检测各个候选特征组，并测试每个候选特征组，以确定它是否代表照相垫层34上的一个特征组。
第六实施例
下面将说明本发明的第六实施例。
在第六实施例中，照相垫层34上的特征被分成具有两种不同空间关系的特征组，并进行图像处理，以便根据第一空间关系把图像中的特征分为候选特征组，随后利用第二空间关系测试每个候选特征组，以确定所述每个候选特征组是否代表照相垫层34上的一组特征。根据特征组中特征大小之间的关系，标记该特征组内的每个特征。
除了照相垫层34上的图案不同，图7中在步骤S32由特征检测器50执行的处理不同，图7中在步骤S34由特征分组器60执行的处理不同，以及图7中在步骤S36由特征鉴别器70执行的处理不同之外，第六实施例的组件和这些组件执行的处理操作与第一实施例中的相同。下面将说明这些差别。
图31表示第六实施例中打印或显示的照相垫层34上的特征图案。
参见图31，在第六实施例中，照相垫层34上的图案包括若干组3000-3028。每组包含四个特征，在本实施例中，所述特征为黑圈。
每个特征具有两个面积之一，即或大或小的面积，同时较大特征的面积为较小特征面积的两倍。
在每组3000-3028内，四个特征的中心被布置在假想的直线上(即不存在于照相垫层34的直线-对组3000来说以3040表示，对组3002来说以3042表示，对组3004来说以3044表示)，同时每条直线为同一圆圈的半径。因此，穿过指定特征组中各个特征的中心的直线通过所述圆圈的中心3050。
在指定特征组内，四个特征的中心间隔相等的距离被布置在所述径向线上。
围绕由圆圈3062确定的中央空白区布置组3000-3028，圆圈3062具有由用户输入并在步骤S4(图2)被保存的直径。
本实施例中，提供一个标志3070，从而用户能够容易地确定多个图像间，对象400所处照相垫层34的旋转量(使用户能够在图像间把照相垫层34旋转近似相等的量值，并且还使用户能够确定何时照相垫层34已转动了360°)。
在前面说明的第一～第五实施例中，在每个图像中检测照相垫层34上具有不同颜色的特征。但是在第六实施例中，只需要检测黑色的特征。因此，在图8中的步骤S50由特征检测器50执行的产生根据其识别各个象素组的二进制映象的处理稍有不同。更具体地说，在第六实施例中，特征检测器50不是按照上述等式(1)把输入图像中的各个象素的值设置为1或0，而是按照下述等式设置各个象素的值：
如果0≤R≤127并且0≤G≤127并且0≤B≤127
  则把象素值置为1
否则把象素值置为0
                                    …(6)
另外，在第六实施例中，省略了图8中的步骤S60，因为不必确定特征的颜色。
图32表示第六实施例中在图7中的步骤S34由特征分组器60执行的处理操作。
参见图32，在步骤S800-S806，特征分组器60执行处理，以便通过识别有且只有位于直线上的四个特征的特征组，识别候选特征组。在步骤S808-S820，特征分组器60执行处理，以便利用图像中某一候选特征组中各个特征之间的距离的比值，确定该候选特征组是否代表照相垫层34上的一个特征组。
更具体地说，在步骤S800，特征分组器60研究图像中的下一未处理特征(称为特征“i”)，并在步骤S802研究该图像中的下一特征j(j≠i)。
在步骤S804，特征分组器60确定图像中位于特征“i”和“j”之间，同时位于距连接特征“i”和“j”中心的连接直线预定容限距离内的特征的数目。
更具体地说，参见图33a，在步骤S804，特征分组器60确定位于区域3080(图33a中表示为阴影区)内的特征的数目，所述区域3080包括通过特征“i”和“j”的中心的两个圆圈3082和3084的交集，并且位于连接特征“i和“j”的中心的直线3086的预定距离内。
图34表示在步骤S804由特征分组器60执行的处理操作。
参见图34，在步骤S840，特征分组器60确定图像中特征“i”的中心和特征“j”的中心之间的距离。
在步骤S842，特征分组器60根据在步骤S840计算的距离，计算图33a中圆圈3082和3084的半径，以便穿过特征“i”和“j”的中心。更具体地说，在本实施例中，特征分组器60利用下述等式计算半径“r”：
r＝Dk1+Dk2                …(7)
这里：D是特征“i”和“j”的中心之间的距离(在步骤S840计算)；
      k2是代表将为图33a中的区域3080设置的宽度“W”的常数
      (本实施例中置为0.125)； k 1 = 0.25 - ( k 2 ) 2 2 &times; k 2
在步骤S844，特征分组器60确定连接特征“i”和“j”中心的连接直线(图33a中的线条3086)的中点，并在步骤S486确定各个圆圈3082、3084的中心的位置。更具体地说，在本实施例中，特征分组器60把圆圈3082和3084的中心设置为沿着穿过在步骤S844确定的中点，垂直于连接特征“i”和“j”的中心的线条3086的直线位于线条3086两侧，距离为Dk1(这些项如上定义)的点。
因此，在步骤S842和S846执行的处理的结果是现在确定了图33a中的每个圆圈3082和3084。在步骤S848-S862，特征分组器60于是继续确定位于由中心在连接特征“i”和“j”的中心的线条3086的预定距离之内的圆圈3082和3084的交叠所确定的区域3080内的特征的数目。
更具体地说，在步骤S848，特征分组器60把计数器的值置为零，并在步骤S850，研究图像中的下一特征“k”(k≠i，并且k≠i)。
在步骤S852，特征分组器60确定特征“k”的中心和在步骤S846确定的圆圈3082的中心之间的直线距离是否小于在步骤S842确定的圆圈3082的半径。如果在步骤S852确定当前研究的特征“k”到圆圈3082中心的距离大于圆圈3082的半径，则特征“k”不可能位于区域3080内。因此，处理进行到步骤S860研究图像中的另一特征“k”。
另一方面，如果在步骤S852确定特征“k”的中心和圆圈3082的中心之间的距离小于圆圈3082的半径，则在步骤S854，特征分组器60确定特征“k”的中心和第二圆圈3084的中心(在步骤S846确定)之间的距离是否小于圆圈3084的半径(在步骤S842确定)。
如果在步骤S854确定特征“k”的中心到圆圈3084中心的距离大于圆圈3084的半径，则当前特征“k”不可能位于区域3080中，因此处理进行到步骤S860研究图像中的另一特征“k”。
另一方面，如果在步骤S854确定特征“k”的中心到圆圈3084中心的距离小于圆圈3084的半径，则特征“k”必定位于区域3080内(因为先前在步骤S852确定特征“k”的中心到圆圈3082中心的距离也小于圆圈3082的半径)。这种情况下，处理进行到步骤S856，在该步骤，特征分组器60确定从特征“k”到连接特征“i”和“j”的中心的直线3086的最短距离是否小于预定的容限距离(在本实施例中被设置为2.0个象素)。
如果在步骤S856确定最短距离不小于容限距离，则确定当前特征“k”不位于连接特征“i”和“j”中心的直线3086上，因此处理进行到步骤S860研究图像中的另一特征“k”。
另一方面，如果在步骤S856确定最短距离小于容限距离，则确定特征“k”位于区域3080中，同时还位于直线3086上。因此，在步骤S858，特征分组器60使在步骤S848设置的计数器的数值加1。
在步骤S860，特征分组器60确定图像中是否存在另一特征“k”(k≠i并且k≠j)。重复步骤S850-S860，直到按照上述方式处理了这样的各个特征“k”为止。
在步骤S862，特征分组器60读取计数器的数值，确定位于区域3080内并位于直线3086上(即位于该线条的容限距离内)的特征的数目。
再次参见图32，在步骤S806，特征分组器60确定在图34中的步骤S862读取的，确定位于区域3080内同时位于特征“i”和“j”之间的直线3086上的特征的数目的数值是否为2。
如果在步骤S806确定特征的数目不为2，则特征分组器60确定候选特征组不代表照相垫层34上的一个特征组，处理进行到步骤S822研究该图像中的另一特征“j”。
另一方面，如果在步骤S806确定特征的数目为2，则在步骤S808特征分组器60利用图像中候选特征组中各个特征之间的距离，计算交比。更具体地说，参见图33b，特征分组器60如下计算本实施例中的交比：
Figure A0081611100701
这里d1、d2、d3和d4是图33b中所示的特征的中心之间的距离。
等式(8)定义的交比是一个射影不变量(即它具有与当图像被记录时，照相机410相对于照相垫层34的位置和方位无关的恒定值)。本实施例中，交比的理论值为1.3333(4/3)，因为各个特征组中的四个特征的中心间隔相同的距离。
在步骤S810，特征分组器60确定在步骤S808计算的交比和理论交比(本实施例中为1.3333)之间的误差，并在步骤S812确定误差是否小于预定的极限公差(本实施例中设置为0.1)。
如果在步骤S812确定误差不小于极限公差，则特征分组器60确定候选特征组不代表照相垫层34上的一组特征，处理进行到步骤S822研究图像中的不同特征“j”。
另一方面，如果在步骤S812确定误差小于预定的公差，则在步骤S814，特征分组器60确定该组中四个特征中的任意特征是否已被保存为另一特征组的一部分。
如果在步骤S814确定该组中四个特征没有一个特征已被保存为另一特征组的一部分，则认为该特征组代表照相垫层34上的一组特征，并且处理进行到步骤S820，保存该特征组及在步骤S810计算的相关误差。
另一方面，如果在步骤S814确定特征之一已被保存为另一特征组的一部分，则在步骤S816，特征分组器60确定当前特征组的误差(在步骤S810计算)是否小于保存的包含来自当前特征组的某一特征的特征组的误差。如果在步骤S816确定当前特征组的误差小于保存的特征组的误差，则在步骤S818，特征分组器60丢弃保存的特征组，并在步骤S820保存当前特征组及相关误差。
另一方面，如果在步骤S816确定当前特征组的误差不小于保存的特征组的误差，则省略步骤S818-S820，从而保留保存的特征组，不保存当前的特征组。
在步骤S822，特征分组器60确定图像中是否存在另一特征“j”。重复步骤S802-822，直到按照上述方式处理了各个特征“j”为止。
在步骤S824，特征分组器60确定图像中是否存在另一特征“i”。重复步骤S800-S824，直到按照上述方式处理了各个特征“i”为止。
图35表示了第六实施例中在图7的步骤S36由特征鉴别器70执行的根据特征组中各个特征的大小标记各个特征组及其中的各个特征的处理。
参见图35，在步骤S870，特征鉴别器70执行处理，以确定照相垫层34上的预定基准点在图像中的位置。本实施例中，预定基准点是具有径向线的圆圈的中心3050，组3000-3028中的特征位于所述径向线上。
除了只需为某一特征组画出通过该特征组中所有特征的中心的单一线条，而不是在步骤S164(图13)画出该特征组的对角线之外，步骤S870执行的处理和(上面参考图13和14说明的)第一实施例中在步骤S140执行的处理相同。由于上面已说明了这种处理，因此这里不再对其进行说明。
在步骤S872，特征鉴别器70从预定的基准点开始确定图像中每个特征组中各个特征的径向顺序。即，对于每个指定特征组，特征鉴别器70向各个特征分配一个编号，从而第一个特征距离预定基准点最远，最后一个(第四个)特征距离预定基准点最近。
在步骤S874，特征鉴别器70研究下一特征组(当首次执行步骤S874时这是第一特征组)，并在步骤S876研究该特征组中下一对相邻特征(对于指定特征组来说，当首次执行步骤S876时这是特征1和2，下一次执行步骤S876时是特征2和3，最后一次执行步骤S876时是特征3和4)。
在步骤S878，特征鉴别器70执行处理，测试在步骤S876研究的特征是否具有相同的大小。更具体地说，特征鉴别器70确定在步骤S876研究的特征之一的面积(由在图8中的步骤S56保存的象素的数目确定)是否大于另一特征面积的1.5倍。
如上所述，本实施例中在照相垫层34上，当正向观察(即观察方向垂直于照相垫层34)时，特征组中较大特征的面积与特征组中较小特征的面积之比为2∶1。但是，由于对于其它观察方向来说，该比值将发生变化，因此在步骤S878使用为1.5的阈值来确定各个特征是大小不同还是大小相同。特征鉴别器70在步骤S876和S878比较特征组中相邻特征的面积，以补偿距离照相机410更远的各个特征会具有的输入图像中面积的减小(否则当较小的特征更接近照相机410时，这会导致距离照相机410更远的较大特征在图像中具有相同的面积)。
如果在步骤S878确定特征之一的面积不大于另一特征面积的1.5倍，则暂时可确定这两个特征大小相同，但是仍然不能指出这两个特征是同样小还是同样大。因此，在步骤S880，特征鉴别器70把这些特征标记为大小相同的特征。
另一方面，如果在步骤S878确定特征之一的面积大于另一特征面积的1.5倍，则在步骤S882，特征鉴别器70把面积较大的特征归类为大特征，把面积较小的特征归类为小特征。随后，在步骤S884，特征鉴别器70确定该特征组中先前研究的任意特征是否已在步骤S880被标记为大小相同，但是还没有被归类为大特征或小特征。对于这样的各个特征，特征鉴别器70根据在步骤S882分配的大小分类，把该特征分类为大特征或小特征。例如，如果首次执行步骤S878，特征组中的第一和第二特征在步骤S880被标记为大小相同，第二次执行步骤S878，确定第三特征具有大于第二特征1.5倍的面积，从而在步骤S882，第三特征被归入大特征，第二特征被归入小特征，随后，在步骤S884，第一特征被归入小特征，因为先前确定第一特征具有和现在被归入小特征的第二特征具有相同的大小。
在步骤S886，特征鉴别器70确定该组中是否存在另一对相邻特征。重复步骤S876-S886直到按照上述方式处理了该组中的每对相邻特征为止。
在步骤S888，当处理了特征组中的每对相邻特征时，特征鉴别器70标记该特征组。更具体地说，再次参见图31，对于各组3000-3028来说，相对于圆圈中心3050的大小特征的顺序是唯一的。因此，如果确定该特征组中的特征为小-小-小-大，则特征鉴别器70把该特征组标记为组3000。另一方面，如果所述顺序被确定为大-小-大-小，则特征鉴别器70把该特征组标记为组3006。就组3016而论，将看到所有的特征具有相同的大小。因此对于该特征组，特征鉴别器70不能在步骤S878-S884确定特征都是大特征还是都是小特征。但是，特征鉴别器70将在步骤S888正确地把该特征组标记为组3016，因为在照相垫层34上没有提供包含所有小特征的任意特征组。
在步骤S890，特征鉴别器70确定是否存在要处理的另一特征组。重复步骤S874-S890直到按照上述方式处理了各个特征组为止。
在步骤S892，特征鉴别器70为输入图像中某一特征组内的各个特征保存该特征的唯一点位置在输入图像和照相垫层34中的坐标。
总之，在第六实施例中，检测有且只有位于直线上的四个特征的候选特征组，利用该特征组中特征之间的距离执行处理，测试候选特征组是否代表照相垫层34上的一组特征。随后使用这些特征的大小及它们相对于图像中基准点位置(本实施例中为中心3050)的位置，唯一地标记各个特征组，从而唯一地标记各个特征组内的每个特征。
第七实施例
下面将说明本发明的第七实施例。
第七实施例使用和第六实施例相同的原理，但是照相垫层34上的每组特征绝对唯一，从而可在不参考图像中预定点的情况下标记输入图像中的每个特征组(从而标记每个特征组内的各个特征)。
图36表示第七实施例中打印或显示的照相垫层34上的特征图案。
参见图36，照相垫层34上的图案包括若干组3100-3110，在第七实施例中为6个特征组。每组包含四个特征，本实施例中所述特征是具有两种大小之一的黑圈，从而大圈的面积是小圈面积的两倍。
和第六实施例中一样，指定特征组中的特征被布置成使各个特征的中心位于假想直线上。
组3100-3110被布置在其中放置对象400的中央空白区3112的周围(区域3112的大小使得可在其中画出具有在图2的步骤S4中保存的直径的圆圈)。
第七实施例中的组件及这些组件执行的处理操作与第六实施例中的相同。但是，在第七实施例中，可在不参考照相垫层34中的预定基准点的情况下唯一地识别各组3100-3110。更具体地说，可把组3100和3110与其它各组区分开，因为它们包含三个大特征和一个小特征，并且可把组3100和3110区分开，因为组3100中的小特征位于端部特征之间，而组3110中的小特征本身是端部特征。利用相同的原理，可唯一地标记均包含三个小特征和一个大特征的组3104和3016。类似地，可把组3102和3108与其它各组区分开，因为它们包含两个大特征和两个小特征，并且可把组3102和3108相互区分开，因为在组3108中小特征彼此相邻，而在组3102中小特征被一个大特征分隔开。
因此，由于在第七实施例中各组3100-3110是绝对唯一的(即不必参考预定的基准点)，因此特征鉴别器70不必执行图35中的步骤S870和S872。
在上述第一～第七实施例中，在输入图像中检测特征(图7中的步骤S32)，随后执行处理以找出各个特征组(图7中的步骤S34)。但是，如同下面将说明的一样，这两个步骤可实现为一个步骤。另外，如同将说明的一样，可使用特征间的其它关系来代替利用指定特征组中任意两个特征之间的距离小于指定特征组中某一特征和不同特征组中某一特征之间的距离的性质，或者利用指定特征组中的特征位于直线上的性质检测候选特征组。
第八实施例
下面将说明本发明的第八实施例。
除了照相垫层34上的图案不同，在图7的步骤S32上特征检测器50执行的处理及在图7的步骤S34由特征分组器60执行的处理不同并被合并，以及在图7的步骤S36由特征鉴别器70执行的处理不同之外，第八实施例的组件及这些组件执行的处理操作与第一实施例中的相同。下面将说明这些差别。
图37表示在第八实施例中打印或显示的照相垫层34上的特征图案。
参见图37，在第八实施例中，照相垫层34上的图案包括若干组3120-3190，本实施例中为八组。
每组包含三个特征，每个特征是具有较大面积或较小面积的圆圈，所述较大面积是较小面积的两倍。在图37中，带“R”的圆圈是照相垫层34上面积较大的红色圆圈(即该字母并不存在于照相垫层34上，在附图中只是用于标记的目的)，带“r”的圆圈是面积较小的红色圆圈，带“B”的圆圈是面积较大的蓝色圆圈，带“b”的圆圈是面积较小的蓝色圆圈，带“G”的圆圈是面积较大的绿色圆圈，带“g”的圆圈是面积较小的绿色圆圈，带“C”的圆圈是面积较大的青色圆圈，带“c”的圆圈是面积较小的青色圆圈。
从图37中可看出，就第八实施例的图案而论，在某些情况下，第一特征组中的特征和第二特征组中的特征之间的距离小于第一特征组或第二特征组中两个特征之间的距离(和第一～第五实施例中的图案不同)。
在各个特征组内，三个特征由构成照相垫层34上图案一部分的线条连接(对组3120来说，是线条3198和3200-线条3196是假想线，它不是照相垫层34上的图案的一部分)。本实施例中将使用特征组中相连特征之间的关系来识别候选特征组。另外，在每个特征组内，三个特征具有相同的颜色，这种颜色关系将被用于处理候选特征组，以确定该特征组是否代表照相垫层34上的某一特征组。
如下所述，根据特征组是包含两个大特征和一个小特征还是包含两个小特征和一个大特征，向各组3120-3190分配唯一的标记。另外，通过利用特征组中距离最大的两个特征是该特征组的端部特征的性质，向该特征组中的各个特征分配唯一的标记。更具体地说，参见图37中的组3120，特征3192和3194可被确定为该组的端部特征，因为假想线3196的长度大于线条3198和线条3200的长度。
本实施例中，在照相垫层34上没有提供中央空白区。相反，组3120-3190分布在照相垫层34的整个表面上，从而当把对象400放置在照相垫层上时，一些而不是全部特征将被遮掩。只要在每个输入图像中看得见至少6个特征，那么特征的这种遮掩就不会对后续处理带来问题。
图38表示第八实施例中由特征检测器50和特征分组器60执行的检测在输入图像中的特征，并检测与照相垫层34上特征组对应的特征组的处理操作。如下所述，图38中的处理步骤给出检测特征并对其分组的组合处理操作，而不是前面实施例中在图7中的步骤S32和S34的单独步骤。
参见图38，在步骤S900，处理设备2处理图像数据产生对应于输入图像的二进制映象，其中输入图像中具有与照相垫层34上某一特征相对应的颜色(即本实施例中的红色、绿色、蓝色或青色)的每个象素被置为1，而具有其它颜色的象素被置为0。
更具体地说，在本实施例中，对于输入图像中的每个象素，处理设备2读取红色值R、绿色值G和蓝色值B(本实施例中均具有从0～255的值)，并如下所示把象素的值设置为1或0(假定其上打印照相垫层34图案的纸张的颜色较浅-即，在图像中，对应于其上不存在任何图案的纸张的象素的所有颜色分量具有大于128的数值)：
如果R＜128或G＜128或B＜128，则把象素值置为1
      否则把象素值置为0                 …(9)
在步骤S902，处理设备2处理在步骤S900产生的二进制映象数据，找出包含在二进制映象中相连的值为1的象素的各组象素，以便识别空间分离的值为1的各组象素。在步骤S902执行的处理和在图8的步骤S52执行的相同，并按照常规的方式，例如R.J.Schalkoff在“Digital Image Processing and Computer Vision”(John Wiley andSons，ISBN 047150536-6，第276页)中描述的方法实现在步骤S902执行的处理。执行步骤S902的处理的结果是将为输入图像中可见的各组3120-3190识别单一的一组象素。即，代表某一特征组三个特征中的每个特征的象素及连接这些特征的线条将成为在步骤S902识别的一组的一部分。类似地，将为对象400上的每个单独特征识别一组象素。
在步骤S904，处理设备2丢弃在步骤S902找到的所包含象素的数目小于阈值(本实施例中被设定为25)的各组，以便丢弃太小以致不能代表照相垫层34上的特征的象素组。该处理对应于图8中的步骤S54。
在步骤S906，处理设备2对执行步骤S904后剩下的各组象素执行侵蚀(erosion)处理。本实施例中，按照常规方式，例如在R.J.Schalkoff在“Digital Image Processing and Computer Vision”(JohnWiley and Sons，ISBN 047150536-6，第310-325页)中说明的方法进行侵蚀处理。对一组象素进行侵蚀处理的结果是该组各部分的宽度被减小。就代表照相垫层34上一组相连特征的一组象素来说，侵蚀处理导致删除连接所述特征的线条(图37中对组3120来说是线条3198和3200)，留下单独的未连接的各个特征，每个特征具有数目减少的代表该特征的象素。在步骤S906对指定的一组象素进行侵蚀处理而得到的各单独特征被处理设备2保存为候选特征组(要指出的是侵蚀处理可能不产生多个单独的特征，相反对于代表对象400上的某一特征的一组象素只给出单个特征)。
在步骤S908，处理设备2处理在步骤S906执行处理后剩下的每个特征，确定并保存代表该特征的组中象素的数目，图像中由该组确定的唯一点位置(本实施例中，通过确定一组象素的重心计算的该组象素的中心)及图像中最接近所述唯一点位置的象素的颜色。该处理对应于图8中在步骤S56、S58和S60执行的处理。
在步骤S910-S918，处理设备2测试在步骤S900-S906执行的处理中得到的各个候选特征组，确定它是否代表照相垫层34上的一组特征。
更具体地说，在步骤S910，处理设备2研究下一候选特征组，并在步骤S912确定该特征组中是否有且只有三个特征。
如果在步骤S912确定该特征组中不存在三个特征，则处理进行到步骤S916丢弃该特征组。
另一方面，如果在步骤S912确定该特征组中存在三个特征(并且只有三个特征)，则在步骤S914，处理设备2执行进一步测试，确定该特征组中的各个特征是否具有相同的颜色。
如果在步骤S914确定该特征组中的特征在图像中的颜色不同，则在步骤916丢弃该特征组。
另一方面，如果在步骤S914确定该特征组中的特征具有相同的颜色，则省略步骤S916，从而保留该特征组。
在步骤S918，处理设备2确定是否存在另一候选特征组。重复步骤S910-S918，直到按照上述方式处理了各个候选特征组为止。
总之，作为执行图38中的处理的结果，处理设备2在组合的处理操作(步骤S900-S906)中检测了各个特征及其候选特征组，其中将包含代表照相垫层34上的特征组的实际特征组，因为该特征组中的各个特征由线条连接，并且通过利用代表照相垫层34上特征组的候选特征组将有且只有三个特征的关系，以及照相垫层34上特征组中的特征在图像中具有相同颜色的关系，测试了各个候选特征组，确定了代表照相垫层34上的特征组的那些候选特征组。
图39表示第八实施例中在步骤S36由特征鉴别器70执行的识别每组内各个特征的处理操作(即利用与照相垫层34上特征唯一的一一对应，标记每个特征)。
参见图39，在步骤S930，特征鉴别器70研究下一特征组，并在步骤S932计算图像中，该特征组中每对特征中心之间的直线距离。
在步骤S934，特征鉴别器70读取该特征组中每个端部特征(端部特征被定义为直线距离最大的特征-即例如图37中组3120中的特征3192和3194)的颜色和大小(在图38的步骤S908保存)
在步骤S936，特征鉴别器读取该组中中心特征(即在步骤S934没有处理的特征)的颜色和大小(先前在步骤S908保存)。
在步骤S938，特征鉴别器70使用在步骤S934和S936读取的颜色和大小确定输入图像中的该特征组对应于照相垫层34上的组3120-3190中的哪一组，并识别输入图像中该特征组内的特征和照相垫层34上该特征组内的特征之间的一一对应。例如，参见图37，如果该特征组的端部特征包含一个红色的大特征和一个红色的小特征，并且该特征组的中心特征包含一个红色的小特征，则特征鉴别器70把该特征组标记为组3120，把较大的红色端部特征标记为特征3192，把较小的红色端部特征标记为特征3194，把中心特征标记为特征3202。
在步骤S940，特征鉴别器70为输入图像中该特征组内的每个特征保存特征的唯一点位置在输入图像和照相垫层34中的坐标。该处理对应于图12中的步骤S148。
在步骤S942，特征鉴别器70确定输入图像中是否存在要处理的另一特征组。重复步骤S930-S942直到按照上述方式处理了各个特征组为止。
总之，特征鉴别器70利用特征的颜色和大小的相应关系，标记每个特征组及其中的各个特征。
第九实施例
下面说明本发明的第九实施例。
在第九实施例中，和第八实施例中一样，一起执行检测特征和把特征分入候选特征组的步骤，而不是以较前的实施例中的单独步骤(图7中的步骤S32和S34)的形式执行所述步骤。更具体地说，根据位于输入图像的可检测区域中的特征识别候选特征组。根据候选特征组中特征的数目及大小，测试每个候选特征，确定它是否代表照相垫层34上的某一特征。随后，根据特征组中各个特征的大小及输入图像的区域的性质，标记每个特征组及其中的各个特征，所述特征位于输入图像的所述区域中。
除了照相垫层34上的图案不同，在步骤S32由特征检测器50执行的处理及在步骤S34(图7)由特征分组器60执行的处理不同并且现在这两部处理被合并，以及在图7的步骤S36由特征鉴别器70执行的处理不同之外，第九实施例的组件和这些组件执行的处理操作与第一实施例中的相同。下面将说明这些差别。
图40表示第九实施例中打印或显示的照相垫层34上的特征图案。
参见图40，照相垫层上的图案包括若干组3250-3320，在第九实施例中为8组。每个特征组包含三个特征，每个特征是单色区中的小孔形成的圆圈(在图40中的组3250中，所述圆孔被标记为3340、3342和3344，所述单色区被标记为3330)。从而，特征组中的各个特征(圆孔)具有和在其上打印照相垫层34的纸张相同的颜色。
本实施例中，照相垫层34上的图案包括两个红色区3250、3310，两个绿色区3270、3320，两个蓝色区3260、3380及两个青色区3290、3300。
在指定的色区内，形成两个较大的圆孔和一个较小的圆孔，或者相反形成两个较小的圆孔和一个较大的圆孔，同时在相同颜色的两个区域中提供这些安排的一种不同安排(即，组3250的红色区具有两个较小的圆孔3340、3342和一个较大的圆孔3344，而组3310的红色区具有两个较大的圆孔和一个较小的圆孔)。本实施例中，大孔的大小(面积)是小孔的两倍。
本实施例中，在照相垫层34上没有形成中央空白区。相反，组3250-3320分布在照相垫层34的整个表面内，从而当把对象400放置在照相垫层上时，一些但不是全部特征将被遮掩。但是只要在每个输入图像中看得见至少六个特征，则这种特征遮掩不会对后续处理带来问题。
图41表示第九实施例中执行的检测输入图像中的候选特征组，并且测试每个候选特征组，以确定其是否代表照相垫层34上的实际特征组的处理操作，该处理代替第一实施例中在图7的步骤S32和步骤S34执行的处理。
参见图41，在步骤S960，处理设备2处理图像数据，产生对应于输入图像的二进制映象，其中输入图像中具有与确定照相垫层34上的组3250-3320的着色区之一对应颜色(即在本实施例中为红、绿、蓝或青色)的各个象素被置为1，具有其它颜色的象素被置为0。按照和第八实施例中步骤S900(图38)相同的方式执行该处理，因此这里不再对其进行说明。
在步骤S962，处理设备2处理在步骤S960产生的二进制映象数据，在二进制映象中找出包含相连的值为1的象素的象素组，从而识别空间分离的值为1的象素组。按照常规的方式，例如R.J.Schalkoff在“Digital Image Processing and Computer Vision”(John Wiley andSons，ISBN 047150536-6，第276页)中说明的方法执行该处理，处理结果是找出代表任意单色区的象素组及找出代表输入图像中可见的对象400上的红、绿、蓝或青色特征的象素组，所述任意单色区确定输入图像中可见的组3250-3320。
在步骤S964，处理设备2丢弃在步骤S962找到的所包含象素的数目小于阈值(本实施例中置为25)的各个象素组。该处理对应于图8中的步骤S54。
在步骤S966，处理设备2研究执行步骤S964后剩下的下一象素组，并在步骤S968研究由该组象素的边缘象素封闭的二进制映象(在步骤S960产生)的部分。
在步骤S970，处理设备2处理在步骤S968选择的二进制映象部分中的象素，找出包含在二进制映象中相连的值为0的象素的象素组。本实施例中，按照常规方式，例如在R.J.Schalkoff在“Digital ImageProcessing and Computer Vision”(John Wiley and Sons，ISBN047150536-6，第276页)中说明的方法执行步骤S970的处理。步骤S970的处理的结果是找到代表当前研究的区域中的圆孔的各组象素(在步骤S966选择)。随后，步骤S970的处理将检测代表照相垫层34上特征的圆孔特征。
在步骤S972，处理设备2丢弃在步骤S970找到的所包含象素的数目小于阈值(本实施例中设置为25)的各组，从而丢弃太小以致不能代表照相垫层34上的特征的各个象素组。
在步骤S974，处理设备2处理执行步骤S972后剩下的每组象素，确定并保存该组中象素的数目，以及图像中由该组象素确定的唯一点位置(本实施例中是该组象素的中心，通过按照常规方式确定该组象素的重心计算得到)。
在步骤S976，处理设备2确定候选特征组中是否有且只有三个特征(即，值为0的象素组)。
如果在步骤S976确定候选特征组中不存在三个特征，则处理进行到步骤S980，丢弃该特征组。
另一方面，如果在步骤S976确定该特征组中有且只有三个特征，则处理设备2在步骤S978进行第二测试，确定该特征组中是否有且只有两种大小的特征。利用在步骤S974保存的确定各组中象素数目的信息，并且通过如果两个特征中象素数目之差不大于最大特征中象素数目的20％，则确定这两个特征大小相同，来完成这种测试。
如果在步骤S978确定特征组中的特征具有多于或小于2的不同大小，则在步骤S980丢弃该特征组。
另一方面，如果在步骤S978确定该特征组中存在两种大小的特征，则省略步骤S980，从而在步骤S982保留该特征组，并且保存这些特征所处输入图像部分的颜色(根据与上面在步骤966研究的象素对应的原始输入图像的色值确定该颜色)。
在步骤S984，处理设备2确定输入图像中是否存在代表着色区的另一组象素。重复步骤S966-S984，直到按照上述方式处理了代表着色区的每组象素为止。
总之，通过执行上面参考图41说明的处理，处理设备2检测输入图像中具有预定颜色的封闭区域，检测各个封闭区域中的圆孔，并把每个相应区域的圆孔看作候选特征组。因此，候选特征组的检测可认为是以特征的位置(即位于预定颜色的封闭区域内)或特征的连通性(即由预定颜色的区域连接)为基础。随后处理每个候选特征组，确定它是否有且只有三个特征，并且所述三个有且只有两种不同的大小。如果这些条件被满足，则认为该特征组代表照相垫层34上的一组特征。
图42表示第九实施例中在图7的步骤S36由特征鉴别器70执行的把识别的每个特征标记为特征组的一部分(即指定输入图像中为某一特征组一部分的每个特征和照相垫层34上某一特征之间唯一的一一对应)。
参见图42，在步骤S1000，特征鉴别器70研究下一特征组(首次执行步骤S1000时，这是第一特征组)，并在步骤S1002，读取特征所处图像部分的颜色(先前在图41的步骤S982被保存)。
在步骤S1004，特征鉴别器70确定图像中，该特征组中每对特征中心间的直线距离。
在步骤S1006，特征鉴别器70读取该特征组中端部特征的大小(即在图41的步骤S974保存的象素数目)，端部特征被确定为具有最大直线距离的特征(例如图40中组3250的特征3342和3344)。
在步骤S1008，特征鉴别器70读取先前在图41的步骤S974保存的该特征组的中心特征(即不是端部特征的特征)的大小。
在步骤S1010，特征鉴别器70根据在步骤S1002读取的颜色(它把该特征组限制为照相垫层34上具有位于该颜色的某一区域中的特征的两个特征组之一)及在步骤S1006和S1008读取的大小(它根据是存在两个大特征和一个小特征还是两个小特征和一个大特征，从两种可能性中唯一地识别该特征组)标记特征组。另外，在标记该特征组之后，特征鉴别器70标记其中的每个特征。更具体地说，根据端部特征的相对大小，每个端部特征被赋予一个唯一的标记(因为在每个特征组中，一个端部特征具有较大的面积，一个端部特征具有较小的面积)，并且标记中心特征，而不考虑它是具有较大的面积还是较小的面积，因为在本实施例中只存在一个中心特征。
在步骤S1012，特征鉴别器70为该特征组中的每个特征保存特征的唯一点位置在输入图像和照相垫层34中的坐标。
在步骤S1014，特征鉴别器70确定是否存在另一特征组。重复步骤S1000-S1014，直到按照上述方式处理了每个特征组为止。
总之，通过执行上面参考图42说明的处理，特征鉴别器70根据特征所处区域的颜色及特征的相对大小，标记每个特征。
第十实施例
下面说明本发明的第十实施例。
在第一～第九实施例中，执行处理以检测图像中代表照相垫层34上特征的特征，随后识别图像中的每个检测特征和照相垫层34上的特征之间正确的一一对应。随后使用正确的一一对应确定当图像被记录时照相机410的位置和方位。但是，一旦在图像中检测到代表照相垫层34上特征的特征，就不必识别图像中每个特征和照相垫层34上特征之间正确的一一对应。相反，在第十实施例中，在不首先确定图像图像中特征和照相垫层34上特征之间正确的一一对应的情况下，计算照相机410的位置和方位。
除了照相垫层34上的图案不同，在图7中的步骤S32由特征检测器50执行的处理不同，以及在图7中的步骤S36和S38由特征鉴别器70和照相机计算器80执行的单独处理操作不同并被合并之外，第十实施例的组件及这些组件执行的处理操作与第一实施例中的相同。下面将说明这些差别。
图43表示第十实施例中打印或显示的照相垫层34上的特征图案。
参见图43，照相垫层43上的图案包括若干组3400-3470，本实施例中为八组。每组包含四个特征，本实施例中所述特征是相同的黑圈。
和第一实施例中一样，在第十实施例中，特征圆圈在照相垫层34上空间聚合，以致指定特征组中任意两个特征的中心之间的距离小于指定特征组中某一特征和不同特征组中某一特征之间的距离。
另外，和第一实施例中一样，第十实施例中的每个特征组被定向，以致穿过该特征组中一对圆圈的中心的假想线(即实际不存在于照相垫层34上的线条)(图43中对组3400来说表示为线条3480，对组3430来说表示为线条3482)通过照相垫层上的预定基准点3484。
第一实施例中，组200-222被布置在照相垫层上，使得每个特征组到预定基准点352的距离都相同。但是，在第十实施例中，情况不是这样。更具体地说，组3400、3420、3440和3460被布置成使上述各组到基准点3484的距离相同，但是组3450和3470被布置成使从基准点3484到这两个特征组的距离相同，但是大于从基准点3484到组3400、3420、3440或3460之一的距离。类似地，组3410和3430被布置成使从基准点3484到这两个特征组的距离相同，但是小于从基准点3484到组3400、3420、3440或3460之一的距离。特征组的这种布置使照相垫层34上的图案具有旋转不对称性。
组3400-3470被布置在其上放置对象400的空白区3490周围，空白区3490由具有在图2的步骤S4保存直径的圆圈3492确定。
图7中在步骤S32由特征检测器50执行的检测输入图像中的特征的处理不同于第一实施例中执行的处理，因为在步骤S50(图8)用于产生二进制映象的阈值不同，并且不执行步骤S60(图8)，因为第十实施例中照相垫层34上的所有特征都是黑色。更具体地说，在第十实施例中，在步骤S60用于产生二进制映象的阈值和第六实施例在等式(6)中陈述的阈值相同。
图44表示第十实施例中由特征鉴别器70和照相机计算器80执行的，处理被特征分组器60确定为输入图像中代表照相垫层34上某一特征组的特征组一部分的特征，以便确定当输入图像被记录时照相机410的位置和方位的处理操作。
参见图44，在步骤S1100，处理设备2确定照相垫层34上的预定基准点3484在图像中的位置。该处理对应于第一实施例中在步骤S140(图12)执行的处理，因此这里不再对其进行说明。
在步骤S1102，处理设备2根据各个特征组中的特征相对于在步骤S1100确定的基准点的旋转顺序，向各个特征组中的特征分配一个相对标记。该处理和第一实施例中在步骤S142(图12)执行的处理相同，因此这里不再对其进行说明。
在步骤S1104，处理设备2确定输入图像中可见的特征组相对于在步骤S1100确定的基准点3484的旋转顺序。更具体地说，处理设备2从随机选自可见特征组的基准特征组开始，顺时针确定可见特征组的顺序。按照常规方式，例如通过把当其中心与前一特征组的中心相连时，使其它特征组位于连接线右侧的特征组选为顺时针方向的下一特征组，执行上述处理。
作为到步骤S1104的处理的结果，处理设备2检测了输入图像中代表照相垫层34上特征的特征组，并且确定这些特征组的旋转顺序。从而，假定对象400遮掩组3400-3470的一个或多个，以致在输入图像中看不到这些特征组，并且被遮掩的特征组彼此相邻，则处理设备2已检测了输入图像中看得到的特征组的子集，并且已确定了该子集中特征组的相对顺序。但是，此时处理设备2还未确定在输入图像中检测到了照相垫层34上的哪一特征组子集。
在后续处理中，处理设备2研究检测到的子集可能代表的照相垫层34上的每个可能的特征组子集，关于每种可能性计算并测试照相机410的位置和方位，并选择最准确的位置和方位。
更具体地说，在步骤S1106，处理设备2从照相垫层34上的组3400-3470中选择将被标记为基准特征组的下一特征组，所述基准特征组用于在步骤S1104确定相对顺序(首次执行步骤S1106时，是来自照相垫层的第一特征组)。
在步骤S1108，处理设备2根据在步骤S1106选择的将被标记为基准特征组的特征组，标记输入图像中的每个特征。即，处理设备2根据基准特征组，指定输入图像中某一特征组中每个特征和照相垫层34上特征之间唯一的一一对应。更具体地说，例如如果在步骤S1106选择组3400，则在步骤S1108，输入图像中的基准特征组被标记为组3400，并通过利用在步骤S1104确定的循环顺序把输入图像中的其它特征组标记为组3410、3420等。另一方面，如果在步骤S1106从照相垫层34选择组3450，则在步骤S1108，输入图像中的基准特征组被标记为组3450，并按照循环顺序把输入图像中的剩余特征组标记为组3460、3470、3400等。另外，在向输入图像中的每个特征组分配标记之后，处理设备根据在步骤S1102确定的特征组内各个特征在该特征组内的相对位置，标记特征组内的每个特征。
作为执行步骤S1106和S1108处理的结果，处理设备2已分配了输入图像中每个特征和照相垫层34上特征之间的一一对应。但是，分配的一一对应将不会是正确的对应，除非在步骤S1106从照相垫层34选择的特征组实际对应于输入图像中的基准特征组。
在步骤S1110，处理设备2把计数器的值重置为0。
在步骤S1112-S1126，处理设备2使用在步骤S1108分配的一一对应计算并测试照相机410的位置和方位。在步骤S1112-S1126执行的处理和上面在第一实施例中在步骤S252-S266执行的处理相同，因此这里不再对其进行说明。
在步骤S1128，处理设备2确定照相垫层34上是否存在还未被选择要被标记为输入图像中的基准特征组的另一特征组。重复步骤S1106-S1128，直到在步骤S1106选择了照相垫层34上的每个特征组作为基准特征组为止。这样，对照照相垫层34上可能与其对应的每个特征子集比较在输入图像中检测到的特征组子集。
如果在步骤S1108分配的一一对应不是正确的对应，则在步骤S1118测试计算的照相机变换会显示较大的误差，因为在本实施例中照相垫层34上的特征图案是旋转不对称的。另一方面，当在步骤S1106从照相垫层34选择的特征组实际对应于输入图像中的基准特征组时，和在步骤S1118进行的测试相比，在步骤S1108进行的测试会指出较小的照相机变换误差(精度更高)。因此，当对于照相垫层34上的每一个特征组执行了步骤S1106-S1128时(即在本实施例为执行8次)，保存的照相机变换将是利用正确的一一对应计算得到的照相机变换(因为这些变换会具有最高的精度，于是将在步骤S1120和S1122被保留在存储器中)。
总之，在第十实施例中，处理设备2在计算照相机410的位置和方位之前，并不计算输入图像中特征和照相垫层34上特征之间正确的一一对应。相反，处理设备2利用多组不同的一一对应计算照相机410的位置和方位，并选择得到的最准确的位置和方位。
第十一实施例
下面说明本发明的第十一实施例。
在第一～第十实施例中，执行处理以便根据照相垫层34上的特征的空间位置间的关系或者照相垫层34上特征的连通性，检测图像中的候选特征组。随后测试各个候选特征组，根据以特征的大小、颜色和/或形状为基础的特征间的至少一种其它关系，确定它是否代表照相垫层34上的特征组。但是在第十一实施例中，该处理被颠倒，利用照相垫层34上某一特征组中各个特征颜色之间的关系，检测候选特征组，随后根据照相垫层34上特征的空间位置之间的关系，测试各个候选特征组。
除了照相垫层34上的图案不同，在图7的步骤S32由特征检测器50执行的处理不同，在图7的步骤S34由特征分组器60执行的处理不同，以及在图7的步骤S36由特征鉴别器70执行的处理不同之外，第十一实施例的组件和这些组件执行的处理操作和第一实施例中的相同。下面将说明这些差别。
图45表示第十一实施例中打印或显示的照相垫层34上的特征图案。
参见图45，在第十一实施例中，照相垫层34上的图案包括若干组3500-3550，本实施例中为6组。
每个特征组包含四个特征，各个特征是面积或大或小的圆圈，较大的面积是较小面积的两倍。在图45中，带“R”的圆圈是照相垫层34上面积较大的红圈(即，该字母实际并不存在于照相垫层34上，在附图中只是用于标记目的)，带“r”的圆圈是较小的红圈，带“G”的圆圈是较大的绿圈，带“g”的圆圈是较小的绿圈，带“B”的圆圈是较大的蓝圈，带“b”的圆圈是较小的蓝圈，带“C”的圆圈是较大的青色圆圈，带“c”的圆圈是较小的青色圆圈，带“M”的圆圈是较大的品红圆圈，带“m”的圆圈是较小的品红圆圈，带“Y”的圆圈是较大的黄圈，带“y”的圆圈是较小的黄圈。
在各组3500-3550内，四个特征的中心被布置在假想直线(即不存在于照相垫层34上的线条-对组3500来说表示为3560)上。在指定特征组内，四个特征的中心在该直线上间隔相同的距离。
组3500-3550被布置在中央空白区3570的周围，中央空白区3570的大小使得可在不接触组3500-3550中的任意特征的情况下，在其中画出具有在步骤S4(图2)保存的直径的圆圈。
除了在图8的步骤S50执行的产生据其识别各组象素的二进制映象的处理稍有不同之外，第十一实施例中在图7的步骤S32由特征检测器50执行的处理操作和在第一实施例中执行的处理操作相同。更具体地说，在第十一实施例中，特征检测器50不是根据上述等式(1)把输入图像中各个象素的值置为1或0，而是根据下述等式设置各个象素的值：
如果R＜128或G＜128或B＜128，则把象素值置为1
    否则把象素值置为0           …(10)
图46表示第十一实施例中在图7的步骤S34由特征分组器60执行的处理操作。
参见图46，在步骤S1200，特征分组器60读取各个特征的颜色(先前在图8的步骤S60保存)，并根据该特征的颜色，以RGB颜色空间中某个点的形式标出各个特征。
如同本领域技术人员众所周知的那样，红、绿、蓝、青、品红、黄、黑和白色确定RGB颜色空间中立方体(在图47a中图解表示为立方体3600)的顶点。因此，在步骤S1200由特征分组器60标出的各点将位于立方体3600内。由照相垫层34上的特征产生的点可能位于，或接近于(由误差所致)，红色、绿色、蓝色、青色、品红色或黄色顶点之一。由主题对象400上的特征产生的点可能位于立方体3600中的任意位置，包括位于或者接近红色、绿色、蓝色、青色、品红色和黄色顶点。
在步骤S1202，特征分组器60根据在步骤S1200确定的RGB颜色空间中的特征位置，形成候选特征组。
更具体地说，参见图47b，特征分组器60确定RGB颜色空间立方体3600的子区3610-3660，并根据在步骤S1200标出的点位于子区3610-3660中的特征确定候选特征组。本实施例中，每个子区3610-3660包括横向长度是立方体3600横向长度的四分之一，并且一个顶点是立方体3600的红色、绿色、蓝色、青色、品红色或黄色顶点的立方体。为了产生候选特征组，特征分组器60研究在步骤S1200标出的位于红色子区3610中的所有点，并把可能的各组四个特征指定为候选特征(因为在照相垫层34上的各组3500-3550中存在四个特征)。对各个其它颜色子区3620-3660重复上述处理，产生其它候选特征组。
再次参见图46，在步骤S1204-S1226，特征分组器60测试在步骤S1202选定的各个候选特征组，确定它是否代表照相垫层34上的某一特征组。
更具体地说，在步骤S1204，特征分组器60研究在步骤S1202产生的下一候选特征组，并在步骤S1206研究该特征组中在图像中具有最大直线距离的两个特征。因此，如果当前研究的候选特征组是照相垫层34上的特征组，则在步骤S1206研究的这两个特征是直线上该特征组的端部特征。
在步骤S1208-S1224，特征分组器60执行处理，确定是否有且只有两个特征位于在步骤S1206研究的两个特征之间的直线上，如果是，则确定如果该特征组代表照相垫层34上的特征组，那么该特征组中四个特征的交比是否在理论交比的预定公差内。步骤S1208-S1224与上面说明的第六实施例中的步骤S804-S820相同，因此这里不再对其进行说明。
在步骤S1226，特征分组器60确定是否存在要测试的另一候选特征组。重复步骤S1204-1226，直到按照上述方式处理了每个候选特征组为止。因此，作为执行该处理的结果，特征分组器60已测试了每个候选特征组，并且保留了具有满足下述关系的特征的那些特征组，即具有位于直线上的四个特征，并且这些特征的位置使得交比基本上和照相垫层34上一组特征的交比相等。
图48表示第十一实施例中在图7的步骤S36由特征鉴别器70执行的处理操作。
参见图48，在步骤S1240，特征鉴别器70研究下一特征组，并在步骤S1242读取这些特征的大小及颜色(先前分别在图8的步骤S56和S60保存)。
在步骤S1244，特征鉴别器70把最小的特征标记为对应于照相垫层34上具有在步骤S1242读取的颜色的最小特征。更具体地说，例如如果在步骤S1242读取的颜色为红色，则在步骤S1244，特征鉴别器70把输入图像中该特征组中的最小特征标记为照相垫层34上的特征3562。
在步骤S1246，特征鉴别器70根据特征组中各个较大特征到在步骤S1244标记的最小特征的相对距离，标记特征组中的各个较大的特征。更具体地说，例如如果在步骤S1244最小的特征被标记为特征3562，则在步骤S1246，特征鉴别器70把特征组中与之最近的特征标记为特征3564，把与之次近的特征标记为特征3566，并把输入图像中最远的特征标记为照相垫层34上的特征3568。
在步骤S1248，特征鉴别器70为该特征组中的每个特征保存特征的唯一点位置在图像和垫层中的坐标。该处理对应于图12中的步骤S148。
在步骤S1250，特征鉴别器70确定是否存在要标记的另一特征组。重复步骤S1240-S1250直到按照上述方式处理了每个特征组为止。
在权利要求的范围内可对上述实施例作出多种修改。
例如，可在照相垫层34上形成不同的特征和/或特征组。具体地说，特征组可由不同数目的特征构成，并且这些特征可具有和上述实施例中不同的颜色、形状和/或大小。
例如，指定颜色的特征、指定大小的特征和指定形状的特征是可互换的。例如，图49表示一种照相垫层34，它对应于上述第三实施例的照相垫层(图23中所示)，但是不同之处在于代替红十字800提供绿色圆圈1100，代替黑十字804提供蓝色圆圈1110。根据颜色可把绿色圆圈1100、蓝色圆圈1110、黑色圆圈1120和红色圆圈1130相互区分开。
类似地，图50表示与上述第四实施例中的照相垫层34(图27中所示)对应的照相垫层34的一个例子，但是其中用黑十字代替第四实施例中照相垫层中的各个红色圆圈。在图50中所示的照相垫层的图像中，如第三实施例中所述，根据形状可把圆圈特征和十字特征相互区分开。
当然，照相垫层34上也可使用具有除十字和圆圈之外其它形状的特征。
另外，可使用不同的灰度，而不是使用照相垫层34上特征的不同颜色。因此，这里使用的术语“颜色”包括黑色和不同的灰度。
此外，照相垫层上的特征可包括两条直线的交点，通过首先执行处理检测直线，随后执行处理检测这些直线的交点，在图像中可检测直线交点这样的特征。
在照相垫层34上可形成具有与上述关系不同，用于检测图像中的候选特征组，并测试候选特征组从而确定它是否对应于照相垫层上的特征组的特征间关系的特征组。特征之间的这些关系可以特征的不同位置、连通性、颜色、形状和/或大小为基础。
例如，在上述第九实施例中，用于检测图像中候选特征组的关系是照相垫层34上某一特征组中的特征均位于单色区内(在第九实施例中所述特征是该区域中的圆孔)。但是，照相垫层34上的图案可包括位于任意可检测区域中的特征。例如，可形成均包含由黑线确定的矩形(或者其它形状)的特征组，并且在由所述矩形的黑线确定的区域内可形成包含与第九实施例中的圆孔对应的圆圈的特征，以致每个圆圈的大小和第九实施例中的相应圆孔相同，但是具有与第九实施例中圆孔所处的区域颜色相对应的颜色。随后通过检测线条，并把位于由连接线确定的区域内的特征看作为候选特征组，可检测候选特征组。
在上述实施例中，执行处理以检测候选特征组并且随后测试每个候选特征组，以确定它是否代表照相垫层34上的一组特征。但是，也可在检测并测试下一候选特征组之前，检测并测试某一候选特征组，而不是首先检测所有的候选特征组，随后测试这些候选特征组。
照相垫层34上特征的数目可以多于或少于上述实施例中的数目。照相垫层34上的特征越多，在每个输入图像中可见的特征就越多。此外，对于输入图像中被标记(即为其识别照相垫层34上相应特征)的每个特征来说，适用于照相机计算器80计算关于该输入图像的照相机410的位置和方位的对应关系就越多，从而提高了计算位置和方位的准确性。但是，当增大照相垫层34上特征的数目时，必须仍然能够向输入图像中的每个特征分配唯一的标记(从而必增大特征的不同颜色、形状、大小等的数目)，并且增大了对于照相垫层34相对于照相机410的某些位置和方位，两个或多个特征可能混合在一起，从而在输入图像中表现为单个特征，以致不能分解单独特征的可能性。
在上述第六实施例中，在步骤S872-S892(图35)，根据特征组中特征的相对大小，标记图像上某一特征组中被确定为与照相垫层上某一特征对应的各个特征。但是也可改变照相垫层上的图案，使得对于每个特征组为说，特征中心之间的距离不同，以致每个特征组具有由上述等式(8)定义的不同交比。这样，可根据每个特征组的不同交比，标记每个特征。
在上述实施例中，识别输入图像中某一特征的中心和照相垫层34上某一特征的中心之间的一一对应。但是也可识别除特征中心之外的点位置之间的一一对应。例如，照相垫层34上的特征可能不是圆圈，因此每组象素的唯一点位置可能不是该组象素的中心。更具体地说，例如如果照相垫层34上的特征是等腰三角形，所述唯一点位置可以是最长两边相交的三角形顶点。所必需的只是照相垫层34上的每个特征在该垫层上具有与之相关的唯一点位置，在步骤S6(图2)确定并保存所述每个特征的位置，并在步骤S58(图8)(或者相应的步骤)处理每组象素(代表垫层特征)，从而确定该组象素的唯一点位置在图像中的位置。
在上述实施例中，在步骤S36(图7)确定输入图像中代表照相垫层上某一特征的各个特征的唯一点位置的一一对应。但是，在输入图像中检测到的特征组中的特征可用于确定该图像中的另一点，可确定照相垫层上与所述另一点对应的点。例如，参见上述第一实施例，在输入图像中检测到的特征组中的四个特征由对角线(图14a中的线条630和632)连接，所述对角线的交点确定输入图像中的另一点。随后可把该另一点标记为对应于照相垫层34上的某一位置。在该特定例子中，关于该特征组确定的其它点的数目小于该特征组中特征的数目，减少了适用于计算照相机410的位置和方位的一一对应的数目。但是，特征组中的特征可用于计算可被标记为对应于照相垫层上一点的更多其它点的位置。
在上述一些实施例(例如第一～第五实施例)中，特征组通常被布置成几何形状(圆圈或三角形)。不过特征组也可被布置在相对于彼比的“随机”位置中。但是，需要知道各个特征在照相垫层34上的点位置。另外，在为了标记特征组和/或特征，需要在输入图像中识别预定基准点的实施例中，则特征组必须被布置成使得能够找到该预定点，或者提供其它一些手段以便能够找到该预定点(例如，可在照相垫层上标记预定点本身，从而可在输入图像中找到该标志)。
在上述第一和第三实施例中，步骤S140(图2)在输入图像中识别的照相垫层34上的预定点是照相垫层上特征组所处圆圈的中心。但是，也可使用允许标记必要的特征和/或特征组的任意预定点。类似地，第六和第十实施例中的预定基准点可不同于上述预定点。
在上述一些实施例中，照相垫层34上的特征被布置在空白区的周围，要被建模的对象400放置在所述空白区中。但是，也可在整个照相垫层34中形成特征，而不存在用于对象400的空间，对象400可放置在一些特征上。但是，在每个输入图像中应至少看得见6个特征。
另外，如果不必产生整个对象400的3D计算机模型，则不必在照相垫层34上形成围绕对象的特征。
此外，对象400不必放置在照相垫层34上。例如，可把对象400放置在垫层的侧面，记录图像以致在各个图像中至少看得见对象和垫层的一部分。因此，照相垫层34不必位于水平平面中(例如它可以悬挂在对象400后的垂直平面中)。
另外，可在主题对象400上附着校准图案，照相机410相对于其上带有校准图案的主题对象移动，从而在不同的位置和/或方位记录图像。例如，可把呈平面垫层形式的一个或多个校准对象附着到主题对象的不同表面上。
在上述实施例中，打印机8按照用户输入并在步骤S4(图2)保存的要求直径，打印照相垫层34。如果所述直径过大，以致不能在一张纸上打印照相垫层34，同时使特征组间隔足够的距离，以便允许在它们内放置对象400，则垫层产生器30可控制打印机8在分离的多张纸上打印照相垫层，随后可把所述多张纸排列在一起从而构成照相垫层34。图51表示在分离的四张纸1200、1300、1400和1500上打印构成照相垫层34的各个特征组的一个例子，所述四张纸随后被排列在一起，构成照相垫层34。
另外，可在分离的多张纸上打印各个特征组，但是不是组合分离的多张纸构成照相垫层34，从而图案中的各个特征位于保存在处理设备2中的预定已知位置，相反其上具有特征组的多张纸可在用户选择的位置和方位放置在主题对象的周围，以致不知道特征组彼此的相对位置。在这样的实施例中，垫层产生器30和照相机计算器80执行的处理操作不同于前述实施例中的处理操作。
更具体地说，参见图53，垫层产生器30使打印机8打印分离的多张纸，每张纸上面具有来自校准图案的不同特征组。在图53所示的例子中打印了6张纸4000-4050，在这些纸张上打印了第七实施例的特征组3100-3110。随后把打印的纸张围绕要产生其3D计算机模型的主题对象400放置在用户选择的位置和方位上。因此本实施例中，先前说明的图2中步骤S2和S4的请求并保存照相垫层直径的处理是不必要的。
通过相对主题对象4200和纸张4000-4050移动成像照相机，在不同的位置和/或方位记录主题对象4200及由纸张4000-4050上的特征组3100-3110形成的校准图案的图像。
图54表示在步骤S14(图6)执行的处理记录的图像，从而计算成像位置和方位的处理操作。
参见图54，在步骤S1300、S1302、S1304和S1306执行的处理与在第七实施例中分别在步骤S30、S32、S34和S36执行的处理相同，因此这里不再对其进行说明。
但是，由于不知道主题对象4200周围特征组组3100-3110的相对位置，因此和第七实施例中不同，不计算输入图像相对于预定保存的校准图案的位置和方位。相反如下所述，计算输入图像彼此的相对位置和方位。
更具体地说，在步骤S1308，处理设备2确定是否存在要处理的另一输入图像，重复步骤S1300-S1306，直到处理了每个输入图像为止。因此，在完成该处理之后(即当在步骤S1308确定不存在要处理的其它输入图像时)，输入图像中出现的特征组3100-3110中的每个特征已被标记，其在输入图像中的位置已被确定。于是标记的特征确定不同输入图像中彼此对应的特征，即，在不同输入图像之间匹配的特征。这是因为标记输入图像中的特征确定了该特征和校准图案上某一特征之间的一一对应，从而不同输入图像中具有相同标记的特征是匹配特征，因为它们对应于校准图案中的相同特征。
在步骤S1310，照相机计算器80利用在步骤S1306识别的作为输入图像中的匹配特征的特征，关于每个输入图像计算照相机的相对位置和方位。
一旦检测到输入图像中的匹配特征，用于计算相对成像位置和方位的已知方法有多种。例如，在EP-A-0898245和EP-A-0901105中说明了适当的处理。
总之，校准对象包含若干部分，每个部分具有位于其上的一组特征。和前面的实施例一样，在主题对象4200的周围形成各个特征组，利用特征组中各个特征的性质把为特征组一部分(从而为校准图案一部分)的特征和为主题对象一部分的特征区分开，并且使得能够唯一地识别各个特征。但是，由于特征组的相对位置未知，不象前述实施例中那样计算某一输入图像相对于保存的已知校准图案的成像位置和方位，相反处理各个输入图像，从而计算相对于彼此的成像位置和方位。
在图53中所示及上面说明的例子中，说明了第七实施例中来自校准图案的特征组。但是，也可使用来自前述任意其它实施例的校准图案的特征组。在必须确定预定点，以便标记某一特征组内的各个特征的实施例中，用户必须排列其上围绕主题对象打印各个特征组的多张纸，以致每个特征组具有相对于预定点的所需方位。更具体地说，例如参见第六实施例，对于图31中所示的校准图案来说，将要打印15张纸，每张纸上具有组3000-3028中的相应一组，并且这些纸张要布置在主题对象的周围，以致穿过各个特征组中各个圆圈中心的直线通过预定点(图31中的3050)。在布置所述多纸张的表面上可标记所述预定点，从而使用户能够正确地使各个特征组和标记点对准。在根据检测的特征组预测输入图像中特征组的位置的实施例(例如第一、第二和第三实施例)中，用户必须把打印的纸张布置成使它们在指定的公差范围内彼此相对位于预定位置。
在上面参考图53说明的例子中，在每张纸上打印相应的一组特征。但是，也可单独提供校准图案中的每个特征，随后可规定单独特征的位置从而构成校准图案。例如，可在不同的纸张上打印每个特征，或者可提供单独的圆形(或者其它形状)卡片或者其它适宜的材料，以致每个圆片用作校准图案中某一特征。
在上述所有实施例中，可在诸如将放置对象的底板或底面之类平面上标记(例如描画)，投影或者以其它方式显示照相垫层的特征，而不在记录介质上打印照相垫层或者在显示屏面10上显示照相垫层。
显示屏面10可包括用于显示照相垫层的图案的任意显示设备。例如，显示屏面10可包括监控显示器4，所述显示器可被转动，从而如果对象要被放置在照相垫层上，显示画面是水平的，或者可放置在对象后面，从而显示画面处于基本垂直的平面中。
在前述实施例中，和对象400一起成像的校准对象采取二维照相垫层34的形式。但是，代替照相垫层34，也可使用三维校准对象。例如，垫层产生器30可控制打印机8在分离的多张纸上打印特征图案，所述纸张随后被折叠成或者附着到三维对象上，例如立方体。
图52a和52b图解说明了把前述第五实施例中的特征图案应用于三维校准对象的例子。
更具体地说，参见图52a，垫层产生器30使打印机8在纸张2000上打印包含组1000-1014的特征图案，在纸张2100上打印包含组1016的图案，在纸张2200上打印包含组1018的图案，在纸张2300上打印包含组1020的图案，并在纸张2400上打印包含组1022的图案。从而打印5张纸，每张纸至少显示一组特征。纸张2000被附着到立方体2500的顶面上，纸张2100、2200、2300和2400被附着到立方体2500的侧面上。由于立方体2500的底面搁在平面380上，在任何图像中都看不到该底面，于是不必提供该底面上的特征图案。
于是具有附着于其上的纸张2000-2400的立方体2500可用作三维校准对象。
更具体地说，参见图52b，对象400在由组1000-1014围绕的纸张2000的中央空白区中被放置在立方体2500的顶面上。
和前述实施例中一样，可使立方体2500相对于照相机410移动和旋转，以便在不同位置和方位记录对象400的图像。
通过利用三维校准对象，可在除对象所处平面之外的平面中提供各个特征，因此可增大这些平面中特征的可见性，提供更多的借助其计算成像位置和方位的一一对应，从而提高计算的位置和方位的准确性。
对象不必放置在校准对象上，相反可放置在该对象的旁边，并可记录图像以致在每个图像中都看得见至少一部分对象400和校准对象。
在上述实施例中，通过相对于照相机410移动具有位于其上的对象400的照相垫层34(或立方体2500)记录输入处理设备2的图像。但是，也可使照相机410相对于照相垫层34(或者立方体2500)和对象400移动，或者可使照相机410和具有位于其上的对象400的照相垫层34(或立方体2500)都移动。
在上述实施例中，在步骤S12(图6)保存用户输入的确定照相机410的本征参数的数据。但是，也可假定一些或所有照相机本征参数的默认值，或者按照常规方式，例如Hartley的“EuclideanReconstruction from Uncalibrated Views”(Mundy，Zisserman和Forsyth编辑的Applications of Invariance in Computer Vision，第237-256页，Azores 1993)中说明的方法计算本征参数值。
在前述步骤S56和步骤S58(图8)，特征检测器50保存各组象素中的象素数目，计算并保存每组的重心。但是通过一起保存每组中象素数目的连续总数(running total)和象素的“x”和“y”坐标，可以步骤S52的一部分的形式完成这种处理。
在前述步骤S82-S98(图9)，处理输入图像中位于一组所有三个特征的最大展向距离内的特征，试图形成一组四个特征。但是，可省略步骤S82并在步骤S86-S98，可考虑把输入图像中的每个特征添加到执行步骤S80后该组中剩余的三个特征中，而不仅仅考虑位于这三个特征中每个特征的最大展向距离内的特征。
在上述实施例中，如同参考图19说明的一样，把输入图像中和对象400相关的图像数据和与照相垫层34及背景相关的图像数据分割开。但是，也可使用其它常规分割方法。例如可使用这样一种分割方法，其中保存代表照相垫层34和背景的颜色的单个RGB值，并处理输入图像中的每个象素，以便确定RGB空间中RGB背景值和RGB象素值之间的欧几里德距离是否小于规定的阈值。
在上述实施例中，在关于每个输入图像确定了照相机410的位置和方位之后，执行处理以产生对象400的3D计算机模型。但是，照相机的位置和方位可用于不同的用途。例如，计算的照相机位置和方位可用于向视频序列添加合成对象，记录合成对象的位置和方位需要照相机的位置和方位。
在上述实施例中，处理设备2通过诸如因特网之类的通信链路与打印机8或显示屏面10连接，照相机410记录的图像数据可通过所述通信链路被发送给处理设备2。
在上述实施例中，处理设备2的组件可设置在照相机410或打印机8中。
在上述实施例中，可以与处理设备2的其它组件分离的设备的形式提供垫层产生器30。例如，垫层产生器30可设置在照相机410或者打印机8中。确定垫层(垫层产生器30使其被打印或显示)的数据则应被输入处理设备2。
在上述实施例中，利用可见光记录主题对象400和校准对象34的图像，并对可见光数据进行处理。但是，也可使用其它波长的光线，例如红外线或紫外线。
在上述实施例中，可以存储器上的象素数据的形式向用户提供或者借助信号向用户传送确定校准对象34的数据以便打印。
在上述实施例中，在步骤S16-S20执行产生确定主题对象3D计算机模型的数据的处理，在步骤S22显示3D计算机模型的图像。但是另外，或者相反，在步骤S14计算的成像位置和方位可用于控制制造设备制造主题对象的物理模型。例如，可产生控制切削设备把材料切削到模拟主题对象的适宜尺寸。
在上述实施例中，通过利用由程序指令确定的处理例程，由计算机进行处理。但是，也可使用硬件完成一些或者全部处理。

Claims (89)

1、一种从不同位置和方位记录主题对象的图像，并处理记录的图像数据以确定图像被记录的位置和方位的图像处理系统，所述系统包括：
和主题对象一起成像的校准对象，校准对象具有包括若干离散特征的图案，每个特征确定校准对象上的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；
记录图像的成像设备，每个图像中至少同时显示主题对象和校准对象的一部分；和
处理成像设备记录的图像数据，确定图像被记录时成像设备的位置和方位的图像数据处理设备，所述图像数据处理设备包括：
处理确定图像的图像数据，至少根据第一特征组关系检测图像中可能代表校准对象上特征组的候选特征组的装置；
处理候选特征组，从而通过确定哪些候选特征组包含至少满足第二特征组关系的特征，把图像中其中所有特征代表校准对象上特征的特征组和图像中包含不代表校准对象上特征的至少一个特征的特征组区分开的装置；
指定图像中至少一些点和校准对象上的点之间的一一对应的装置；
至少根据部分一一对应，计算图像被记录的位置和方位的装置。
2、一种处理由成像设备记录的至少确定部分主题对象和校准对象的图像的图像数据，从而计算图像被记录时成像设备的位置和方位的图像处理设备，所述校准对象具有包含若干离散特征的图案，每个特征确定校准对象上的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础，所述设备包括：
处理确定图像的图像数据，至少根据第一特征组关系检测图像中可能代表校准对象上特征组的候选特征组的装置；
处理候选特征组，从而通过确定哪些候选特征组包含至少满足第二特征组关系的特征，把图像中其中所有特征都代表校准对象上特征的特征组和图像中包含不代表校准对象上特征的至少一个特征的特征组区分开的装置；
指定图像中至少一些点和校准对象上的点之间的一一对应的装置；
至少根据部分一一对应，计算图像被记录的位置和方位的装置。
3、按照权利要求2所述的设备，其中处理图像数据以检测候选特征组的装置包括：
处理图像数据以检测确定图像中可能代表校准对象上特征的各个特征的象素组的象素检测装置；和
至少把象素检测装置检测的一些特征分成候选特征组的特征组检测装置。
4、按照权利要求3所述的设备，其中象素检测装置包括：
检测预定颜色象素的装置；和
检测包含在图像中相连的被检测象素的象素组的装置。
5、按照权利要求2-4任一所述的设备，其中指定一一对应的装置包括指定图像中被确定为代表校准对象上特征组的特征组中的至少一些特征和校准对象自身上的特征间的一一对应的装置。
6、按照权利要求2-5任一所述的设备，其中校准对象上的至少一些特征或特征组可在视觉上和其它特征或特征组区分开，其中指定一一对应的装置包括利用图像中拥有区别特性的特征或特征组指定一一对应的装置。
7、按照权利要求6所述的设备，其中校准对象上至少一些特征组中的所有特征基本相同，其中指定一一对应的装置被布置成根据拥有区别特性的特征或特征组，为所述基本相同的特征指定一一对应。
8、按照权利要求2-6任一所述的设备，其中指定一一对应的装置被布置成根据图像中各个特征的位置与校准对象上基准点在图像中的位置的相对关系，至少指定一些一一对应。
9、按照权利要求2-8任一所述的设备，其中指定一一对应的装置被布置成通过下述方式指定至少一些一一对应：
确定图像中被确定为代表校准对象上特征组的指定特征组和校准对象自身上的特征组之间的一一特征组对应；和
利用一一特征组对应，确定图像中指定特征组中的特征和校准对象上的特征之间的一一特征对应。
10、按照权利要求9所述的设备，其中指定一一对应的装置被布置成根据特征组内预定特征的相对位置，确定一一特征组对应。
11、按照权利要求10所述的设备，其中指定一一对应的装置被布置成根据特征组内预定特征的位置和校准对象上基准点在图像中的位置的相对关系，确定一一特征组对应。
12、按照权利要求2-6和8-11任一所述的设备，其中校准对象上的图案包括若干特征组，每个特征组包含布置在相应直线上的相同预定数目的特征，其中检测候选特征组的装置被布置成处理图像数据，检测包含在图像中位于直线上的预定数目特征的特征组。
13、按照权利要求12所述的设备，其中沿着相应直线间隔预定的相对距离布置校准对象上特征组中的特征，其中处理候选特征的装置被布置成确定候选特征组中的特征是否在图像中具有相对间距。
14、按照权利要求12或13所述的设备，其中指定一一对应的装置被布置成根据特征组中特征的相对大小，指定一一对应。
15、按照前述任意权利要求所述的设备，其中校准对象包括若干部分，每个部分具有特征图案的至少一个特征。
16、按照权利要求15所述的设备，其中校准对象的每个部分至少具有一组特征。
17、按照前述任意权利要求所述的设备，其中计算图像被记录的位置和方位的装置被布置成相对于校准对象上图案的预定结构计算所述位置和方位。
18、按照权利要求1-16任一所述的设备，其中计算图像被记录的位置和方位的装置被布置成相对于主题对象和校准对象的另一图像被记录的位置和方位计算所述位置和方位。
19、按照权利要求18所述的设备，其中计算图像被记录的位置和方位的装置被布置成通过利用一一对应来确定该图像和另一图像中的匹配特征，并利用匹配特征计算该图像和所述另一图像被记录的相对位置和方位，相对于所述另一图像的位置和方位计算所述位置和方位。
20、一种处理至少确定部分主题对象和校准图案的图像的图像数据，从而计算对象被成像时成像设备的位置和方位的图像处理设备，所述校准图案包含在图案中均具有不同位置的若干特征，至少一些特征看起来基本相同，并且至少一些特征根据这些特征的至少两种性质被分为多个特征组，所述设备包括：
处理图像数据，产生候选特征组的装置，每个候选特征组中的特征具有第一性质；
确定哪些候选特征组包含还具有第二性质的特征的装置；
利用图像中确定的包含同时具有第一和第二性质的特征的特征组，确定图像中的点和校准图案中的点之间的若干一一对应的装置；和
至少利用一些确定的一一对应，确定对象被成像时成像设备的位置和方位的装置。
21、一种从不同位置和方位记录主题对象的图像，并处理记录的图像数据以确定图像被记录的位置和方位的方法，包括：
记录均至少显示部分主题对象和校准图案的图像，校准图案包含若干离散特征，每个特征确定校准图案上的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；
通过下述方式处理指定图像的图像数据，从而确定该图像被记录的位置和方位：
处理确定图像的图像数据，至少根据第一特征组关系检测图像中可能代表校准图案上特征组的特征组；
处理候选特征组，从而通过确定哪些候选特征组包含至少满足第二特征组关系的特征，把图像中其中所有特征代表校准图案上特征的特征组和图像中包含不代表校准图案上特征的至少一个特征的特征组区分开；
指定图像中至少一些点和校准图案本身上的点之间的一一对应；
至少根据部分一一对应，计算图像被记录的位置和方位。
22、一种处理由成像设备记录的至少确定部分主题对象和校准图案的图像的图像数据，从而计算图像被记录时成像设备的位置和方位的方法，所述校准图案包含若干离散特征，每个特征确定校准图案上的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础，所述方法包括：
处理确定图像的图像数据，至少根据第一特征组关系检测图像中可能代表校准图案上特征组的候选特征组；
处理候选特征组，从而通过确定哪些候选特征组包含至少满足第二特征组关系的特征，把图像中其中所有特征代表校准图案上特征的特征组和图像中包含不代表校准图案上特征的至少一个特征的特征组区分开；
指定图像中至少一些点和校准图案上的点之间的一一对应；
至少根据部分一一对应，计算图像被记录的位置和方位。
23、按照权利要求22所述的方法，其中处理图像数据检测候选特征组的步骤包括：
处理图像数据以检测确定图像中可能代表校准图案上特征的各个特征的象素组；和
至少把在检测象素组步骤中检测的一些特征分成候选特征组。
24、按照权利要求23所述的方法，其中检测象素组的步骤包括：
检测预定颜色象素；和
检测包含在图像中相连的被检测象素的象素组。
25、按照权利要求22-24任一所述的方法，其中指定一一对应的步骤包括指定图像中被确定为代表校准图案中特征组的特征组中的至少一些特征和校准图案自身中的特征之间的一一对应。
26、按照权利要求22-25任一所述的方法，其中校准图案中至少一些特征或特征组可在视觉上和其它特征或特征组区分开，其中指定一一对应的步骤包括利用图像中拥有区别特性的特征或特征组指定一一对应。
27、按照权利要求26所述的方法，其中校准图案中至少一些特征组中的所有特征基本相同，其中在指定一一对应的步骤中，根据拥有区别特性的特征或特征组，为所述基本相同的特征指定一一对应。
28、按照权利要求22-26任一所述的方法，其中在指定一一对应的步骤中，根据图像中各个特征的位置与校准图案中基准点在图像中的位置的相对关系，至少指定一些一一对应。
29、按照权利要求22-28任一所述的方法，其中在指定一一对应的步骤中，通过下述方式指定至少一些一一对应：
确定图像中被确定为代表校准图案中特征组的指定特征组和校准图案自身中的特征组之间的一一特征组对应；和
利用一一特征组对应，确定图像中指定特征组中的特征和校准图案中的特征之间的一一特征对应。
30、按照权利要求29所述的方法，其中在指定一一对应的步骤中，根据特征组内预定特征的相对位置，确定一一特征组对应。
31、按照权利要求30所述的方法，其中在指定一一对应的步骤中，根据特征组内预定特征的位置和校准图案中基准点在图像中的位置的相对关系，确定一一特征组对应。
32、按照权利要求22-26和28-31任一所述的方法，其中校准图案包括若干特征组，每个特征组包含布置在相应直线上的相同预定数目的特征，其中在检测候选特征组的步骤中，图像数据被处理以检测包含在图像中位于直线上的预定数目特征的特征组。
33、按照权利要求32所述的方法，其中沿着相应直线间隔预定的相对间距布置校准图案中特征组中的各个特征，其中在处理候选特征的步骤中，确定候选特征组中的特征是否在图像中具有相对间距。
34、按照权利要求32或33所述的方法，其中在指定一一对应的步骤中，根据特征组中特征的相对大小，指定一一对应。
35、按照权利要求21-34任一所述的方法，其中校准图案形成于若干独立对象上，每个对象具有特征图案的至少一个特征。
36、按照权利要求35所述的方法，其中每个对象至少具有一组特征。
37、按照权利要求21-36任一所述的方法，其中在计算图像被记录的位置和方位的步骤中，相对于校准图案的预定结构计算所述位置和方位。
38、按照权利要求21-36任一所述的方法，其中在计算图像被记录的位置和方位的步骤中，相对于主题对象和校准图案的另一图像被记录的位置和方位计算所述位置和方位。
39、按照权利要求38所述的方法，其中在计算图像被记录的位置和方位的步骤中，通过利用一一对应来确定该图像和另一图像中的匹配特征，并利用匹配特征计算该图像和所述另一图像被记录的相对位置和方位，相对于所述另一图像的位置和方位计算所述位置和方位。
40、一种处理由成像设备记录的至少确定部分主题对象和校准对象的图像的图像数据，从而计算图像被记录时成像设备的位置和方位的图像处理方法，所述校准对象具有包含若干特征的图案，每个特征在校准对象上具有不同的位置，至少一些特征看起来基本相同，并且至少一些特征根据这些特征的至少两种性质被分为多个特征组，所述方法包括：
处理图像数据产生候选特征组，其中每个候选特征组中的特征具有第一性质；
确定哪些候选特征组包含还具有第二性质的特征；
利用图像中确定的包含同时具有第一和第二性质的特征的特征组，确定图像中的点和校准对象上的点之间的若干一一对应；和
至少利用所确定的部分一一对应，确定图像被记录的位置和方位。
41、按照权利要求22-40任一所述的方法，还包括产生传送计算的成像设备的位置和方位的信号。
42、按照权利要求41所述的方法，还包括直接或间接记录所述信号。
43、按照权利要求22-42任一所述的方法，还包括处理图像数据，把涉及主题对象的图像数据和背景图像数据分开。
44、按照权利要求22-43任一所述的方法，还包括利用计算的成像设备的位置和方位，产生确定主题对象表面的3D计算机模型的数据。
45、按照权利要求44所述的方法，还包括产生传送3D计算机模型的信号。
46、按照权利要求45所述的方法，还包括直接或间接记录所述信号。
47、一种供按照权利要求1所述的系统或按照权利要求21所述的方法使用的校准对象，它具有包括若干离散特征的图案，每个特征确定校准对象上的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础。
48、按照权利要求47所述的校准对象，其中至少一些特征组中的所有特征基本相同。
49、按照权利要求47或48所述的校准对象，其中至少一些特征或特征组在视觉上可和其它特征或特征组区分开。
50、按照权利要求49所述的校准对象，其中根据每个特征组内预定特征的相对位置，至少一些特征组在视觉上可相互区分开。
51、按照权利要求50所述的校准对象，其中根据校准对象上的基准点确定所述相对位置。
52、按照权利要求47和49-51任一所述的校准对象，其中校准对象上的图案包括若干特征组，每个特征组包含布置在相应直线上的预定相同数目的特征。
53、按照权利要求52所述的校准对象，其中沿相应的直线间隔相等的距离布置各个特征。
54、按照权利要求52或53所述的校准对象，其中相应的直线是共用圆圈的半径。
55、按照权利要求52-54任一所述的校准对象，其中至少一些特征组中的特征包含不同大小的特征。
56、按照权利要求47-55任一所述的校准对象是三维对象。
57、按照权利要求47-55任一所述的校准对象是照相垫层。
58、按照权利要求57所述的照相垫层，其中各个特征被布置在将放置主题对象的中央区域的周围。
59、按照权利要求57或58所述的照相垫层是其上打印所述图案的记录介质。
60、按照权利要求59所述的照相垫层，其中所述图案被打印在若干张记录介质上。
61、按照权利要求57或58所述的照相垫层是显示所述图案的显示器。
62、一种供按照权利要求1所述的系统或按照权利要求21所述的方法使用的校准对象，它包括若干部分记录介质，每部分记录介质至少具有相应的一组离散特征，每个特征确定该特征组中的一个不同位置，同时每个特征组中的特征至少确定第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础。
63、一种控制打印机打印校准图案的设备，包括：
保存确定图案的数据的装置，所述图案包括若干离散特征，每个特征确定校准图案中的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；和
产生控制打印机在至少一个记录介质上打印校准图案的信号的信号发生装置。
64、按照权利要求63所述的设备，其中信号发生装置被布置成产生控制打印机根据接收的尺寸测量结果打印校准图案的信号。
65、按照权利要求63或64所述的设备，其中信号发生装置被布置成产生控制打印机在不同的记录介质上打印校准图案的不同部分，从而产生若干图案部分的信号。
66、按照权利要求65所述的设备，其中信号发生装置被布置成产生控制打印机打印各个图案部分，以致任意指定特征组中的特征被打印在相同记录介质上的信号。
67、按照权利要求63-66任一所述的设备是打印机的一部分。
68、一种产生照相垫层的设备，包括：
保存确定照相垫层的数据的装置，所述照相垫层具有包括若干离散特征的图案，每个特征确定校准图案中的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；和
产生控制显示器显示校准图案的信号的装置。
69、一种控制打印机打印校准对象的方法，包括：
保存确定校准图案的数据，所述校准图案包括若干离散特征，每个特征确定校准图案中的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；和
产生控制打印机在至少一个记录介质上打印校准图案的信号。
70、按照权利要求69所述的方法，其中产生控制打印机根据接收的尺寸测量结果打印校准图案的信号。
71、按照权利要求69或70所述的方法，其中产生控制打印机在不同记录介质上打印校准图案的不同部分，从而在相应的记录介质上产生若干图案部分的信号。
72、按照权利要求71所述的方法，其中产生控制打印机在每个记录介质上打印至少一组特征的信号。
73、按照权利要求69-72任一所述的方法，其中在打印机中执行所述方法。
74、一种产生照相垫层的方法，包括：
保存确定照相垫层的数据，所述照相垫层具有包括若干离散特征的图案，每个特征确定校准图案中的相应位置，至少一些特征被分为多个特征组，使得指定特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；和
产生控制显示器显示校准图案的信号。
75、一种处理至少确定部分主题对象和校准对象的图像的数据，从而计算图像的位置和方位的方法，所述校准对象具有被布置成图案的若干特征，使得图案中的特征至少共有两种性质，所述方法包括：
处理图像数据，检测包含具有第一性质的特征的图案；
确定检测的图案中哪些包含还具有第二性质的特征；
利用图像中被确定为包含同时具有第一和第二性质的特征的图案，确定图像中的点和校准对象上的点之间的若干一一对应；和
至少利用部分确定的一一对应，确定图像的位置和方位。
76、一种具有被布置成图案的若干特征，使得图案中的特征至少具有两种可检测的性质的校准对象。
77、一种产生确定校准对象的数据的方法，包括：
产生确定图案的象素数据，所述图案包括若干离散特征，每个特征具有相应的位置，至少一些特征被分为多个特征组，使得特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；和
把所述象素数据保存在存储器上。
78、一种产生确定校准图案的数据的方法，包括：
产生确定若干图像的象素数据，每个图像包括若干离散特征，每个特征具有相应的位置，所述若干特征被分为多个特征组，使得特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；和
把所述象素数据保存在存储器上。
79、一种产生确定校准对象的数据的方法，包括：
产生确定图案的象素数据，所述图案包括若干离散特征，每个特征具有相应的位置，至少一些特征被分为多个特征组，使得特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；和
产生传送所述象素数据的信号。
80、一种产生确定校准图案的数据的方法，包括：
产生确定若干图像的象素数据，每个图像包括若干离散特征，每个特征具有相应的位置，所述若干特征被分为多个特征组，使得特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础；和
产生传送所述象素数据的信号。
81、一种保存确定图案的数据的存储器，所述图案包括若干离散特征，每个特征具有相应的位置，至少一些特征被分为多个特征组，使得特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础。
82、按照权利要求81所述的存储器，其中其上保存的数据包括用于打印的象素数据，所述象素数据确定供打印的若干相应图像，所述若干图像包含校准图案相应的不同特征组。
83、一种传送确定图案的数据的信号，所述图案包括若干离散特征，每个特征具有相应的位置，至少一些特征被分为多个特征组，使得特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础。
84、按照权利要求83所述的信号，其中所述数据包括供打印的象素数据，所述象素数据确定供打印的若干相应图像，所述若干图像包含相应的不同特征组。
85、一种保存使可编程处理设备能够执行按照权利要求22-46、69-75和77-80至少一之所述方法的指令的存储器。
86、一种传送使可编程处理设备能够执行按照权利要求22-46、69-75和77-80至少一之所述方法的指令的信号。
87、按照权利要求22-46任一所述的方法，还包括产生用于控制设备制造主题对象的物理模型的数据的步骤。
88、按照权利要求22-46和87任一所述的方法，还包括产生主题对象的物理模型的步骤。
89、一种产生包含若干离散特征的校准图案的方法，所述方法包括提供多个特征，使得每个特征在图案中具有不同的相应位置，并且至少一些特征被分为多个特征组，从而特征组中的特征至少满足第一和第二特征组关系，每种特征组关系至少以特征组中特征的颜色、形状、大小、位置和连通性之一为基础。
CN008161119A 1999-11-23 2000-11-23 图像处理设备 Expired - Fee Related CN1421020B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
GBGB9927678.4A GB9927678D0 (en) 1999-11-23 1999-11-23 Image processing apparatus
GB9927678.4 1999-11-23
GBGB0012812.4A GB0012812D0 (en) 1999-11-23 2000-05-25 Image processing apparatus
GB0012812.4 2000-05-25
PCT/GB2000/004469 WO2001039124A2 (en) 1999-11-23 2000-11-23 Image processing apparatus

Publications (2)

Publication Number Publication Date
CN1421020A true CN1421020A (zh) 2003-05-28
CN1421020B CN1421020B (zh) 2010-04-28

Family

ID=26244358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN008161119A Expired - Fee Related CN1421020B (zh) 1999-11-23 2000-11-23 图像处理设备

Country Status (6)

Country Link
EP (1) EP1232480B1 (zh)
JP (1) JP2003515829A (zh)
CN (1) CN1421020B (zh)
AU (1) AU1534701A (zh)
DE (1) DE60028075D1 (zh)
WO (1) WO2001039124A2 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102136139A (zh) * 2010-01-22 2011-07-27 三星电子株式会社 目标姿态分析装置及其目标姿态分析方法
CN103218849A (zh) * 2012-01-19 2013-07-24 数伦计算机技术（上海）有限公司 一种图像建模系统
CN103841394A (zh) * 2012-11-23 2014-06-04 北京三星通信技术研究有限公司 多层式三维显示器的标定设备和标定方法
CN1947149B (zh) * 2003-10-08 2016-06-08 应用材料以色列公司 校准系统及校准方法
CN101243472B (zh) * 2005-08-09 2016-08-03 皇家飞利浦电子股份有限公司 选择性融合2Dx射线图像和3D超声图像的系统和方法
WO2021086322A1 (en) * 2019-10-29 2021-05-06 Hewlett-Packard Development Company, L.P. Dimensions in additive manufacturing
CN115553727A (zh) * 2022-09-29 2023-01-03 北京鹰之眼智能健康科技有限公司 一种基于人体红外图像的知识图谱显示方法

Families Citing this family (64)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0023681D0 (en) 2000-09-27 2000-11-08 Canon Kk Image processing apparatus
GB2370737B (en) * 2000-10-06 2005-03-16 Canon Kk Image processing apparatus
GB2370738B (en) 2000-10-27 2005-02-16 Canon Kk Image processing apparatus
GB0114157D0 (en) 2001-06-11 2001-08-01 Canon Kk 3D Computer modelling apparatus
GB2378337B (en) 2001-06-11 2005-04-13 Canon Kk 3D Computer modelling apparatus
GB2381429B (en) 2001-09-28 2005-07-27 Canon Europa Nv 3D computer model processing apparatus
GB0126526D0 (en) 2001-11-05 2002-01-02 Canon Europa Nv Three-dimensional computer modelling
GB2383245B (en) 2001-11-05 2005-05-18 Canon Europa Nv Image processing apparatus
EP1347418A3 (en) 2002-02-28 2005-11-23 Canon Europa N.V. Texture map editing
GB0208909D0 (en) 2002-04-18 2002-05-29 Canon Europa Nv Three-dimensional computer modelling
GB0224449D0 (en) 2002-10-21 2002-11-27 Canon Europa Nv Apparatus and method for generating texture maps for use in 3D computer graphics
DE10326281B4 (de) * 2003-06-11 2005-06-16 Siemens Ag Verfahren zur Zuordnung von Marken und Verwendungen der Verfahren
GB2406252B (en) 2003-09-18 2008-04-02 Canon Europa Nv Generation of texture maps for use in 3d computer graphics
US7295220B2 (en) * 2004-05-28 2007-11-13 National University Of Singapore Interactive system and method
GB2415344B (en) 2004-06-14 2010-10-06 Canon Europa Nv Texture data compression and rendering in 3D computer graphics
DE102005041633B4 (de) * 2005-08-26 2007-06-06 Adam Stanski Verfahren und Vorrichtung zur Positions- und Ähnlichkeitsbestimmung von Objektpunkten in Bildern
GB2458927B (en) * 2008-04-02 2012-11-14 Eykona Technologies Ltd 3D Imaging system
US8908995B2 (en) 2009-01-12 2014-12-09 Intermec Ip Corp. Semi-automatic dimensioning with imager on a portable device
EP2261859A1 (en) 2009-06-10 2010-12-15 Thomson Licensing Method for encoding/decoding a 3D mesh model that comprises one or more components
EP2529356A1 (en) 2010-01-25 2012-12-05 Thomson Licensing Method for encoding normals of a 3d mesh model, method for decoding normals of a 3d mesh model, encoder and decoder
JP2012119010A (ja) * 2012-02-08 2012-06-21 Advanced Simulation Technology Of Mechanics R & D Co Ltd 金型の見込みモデル生成装置および方法
FI20125278L (fi) 2012-03-14 2013-09-15 Mirasys Business Analytics Oy Menetelmä ja järjestely ja tietokoneohjelmatuote videoitujen kohteiden tunnistamiseksi
JP2015035006A (ja) 2012-04-26 2015-02-19 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 複数の要素の結合結果を識別する情報処理装置、プログラムおよび方法
US9779546B2 (en) 2012-05-04 2017-10-03 Intermec Ip Corp. Volume dimensioning systems and methods
US10007858B2 (en) 2012-05-15 2018-06-26 Honeywell International Inc. Terminals and methods for dimensioning objects
US9439622B2 (en) * 2012-05-22 2016-09-13 Covidien Lp Surgical navigation system
US8750568B2 (en) 2012-05-22 2014-06-10 Covidien Lp System and method for conformal ablation planning
US9439627B2 (en) * 2012-05-22 2016-09-13 Covidien Lp Planning system and navigation system for an ablation procedure
US9439623B2 (en) 2012-05-22 2016-09-13 Covidien Lp Surgical planning system and navigation system
US9498182B2 (en) 2012-05-22 2016-11-22 Covidien Lp Systems and methods for planning and navigation
US10321127B2 (en) 2012-08-20 2019-06-11 Intermec Ip Corp. Volume dimensioning system calibration systems and methods
US20140104413A1 (en) 2012-10-16 2014-04-17 Hand Held Products, Inc. Integrated dimensioning and weighing system
US10228452B2 (en) 2013-06-07 2019-03-12 Hand Held Products, Inc. Method of error correction for 3D imaging device
US9823059B2 (en) 2014-08-06 2017-11-21 Hand Held Products, Inc. Dimensioning system with guided alignment
US10775165B2 (en) 2014-10-10 2020-09-15 Hand Held Products, Inc. Methods for improving the accuracy of dimensioning-system measurements
US10810715B2 (en) 2014-10-10 2020-10-20 Hand Held Products, Inc System and method for picking validation
US9779276B2 (en) 2014-10-10 2017-10-03 Hand Held Products, Inc. Depth sensor based auto-focus system for an indicia scanner
US9897434B2 (en) 2014-10-21 2018-02-20 Hand Held Products, Inc. Handheld dimensioning system with measurement-conformance feedback
US9752864B2 (en) 2014-10-21 2017-09-05 Hand Held Products, Inc. Handheld dimensioning system with feedback
US10060729B2 (en) 2014-10-21 2018-08-28 Hand Held Products, Inc. Handheld dimensioner with data-quality indication
US9786101B2 (en) 2015-05-19 2017-10-10 Hand Held Products, Inc. Evaluating image values
US10066982B2 (en) 2015-06-16 2018-09-04 Hand Held Products, Inc. Calibrating a volume dimensioner
US20160377414A1 (en) 2015-06-23 2016-12-29 Hand Held Products, Inc. Optical pattern projector
US9835486B2 (en) 2015-07-07 2017-12-05 Hand Held Products, Inc. Mobile dimensioner apparatus for use in commerce
US20170017301A1 (en) 2015-07-16 2017-01-19 Hand Held Products, Inc. Adjusting dimensioning results using augmented reality
US10094650B2 (en) 2015-07-16 2018-10-09 Hand Held Products, Inc. Dimensioning and imaging items
US9672607B2 (en) * 2015-10-08 2017-06-06 Biosense Webster (Israel) Ltd. Identification and registration of multi-marker jig
US10249030B2 (en) 2015-10-30 2019-04-02 Hand Held Products, Inc. Image transformation for indicia reading
US10225544B2 (en) 2015-11-19 2019-03-05 Hand Held Products, Inc. High resolution dot pattern
US10025314B2 (en) 2016-01-27 2018-07-17 Hand Held Products, Inc. Vehicle positioning and object avoidance
JP6166409B1 (ja) 2016-03-16 2017-07-19 ヤフー株式会社 画像処理装置、画像処理方法及び画像処理プログラム
US10339352B2 (en) 2016-06-03 2019-07-02 Hand Held Products, Inc. Wearable metrological apparatus
US10163216B2 (en) 2016-06-15 2018-12-25 Hand Held Products, Inc. Automatic mode switching in a volume dimensioner
CN107818069B (zh) 2016-09-12 2021-10-01 阿里巴巴集团控股有限公司 数据处理方法及系统
US10909708B2 (en) * 2016-12-09 2021-02-02 Hand Held Products, Inc. Calibrating a dimensioner using ratios of measurable parameters of optic ally-perceptible geometric elements
US11047672B2 (en) 2017-03-28 2021-06-29 Hand Held Products, Inc. System for optically dimensioning
JP6794316B2 (ja) * 2017-06-22 2020-12-02 ヤフー株式会社 画像処理装置、画像処理方法及び画像処理プログラム
US10733748B2 (en) 2017-07-24 2020-08-04 Hand Held Products, Inc. Dual-pattern optical 3D dimensioning
CN109727308A (zh) * 2017-10-30 2019-05-07 三纬国际立体列印科技股份有限公司 实体物件的三维点云模型生成设备及生成方法
US10584962B2 (en) 2018-05-01 2020-03-10 Hand Held Products, Inc System and method for validating physical-item security
EP3833290A1 (en) 2018-08-10 2021-06-16 Covidien LP Systems for ablation visualization
GB201903751D0 (en) * 2019-03-19 2019-05-01 Rfh Engineering Ltd Method of measuring an article
DE102019209062A1 (de) * 2019-06-24 2020-12-24 BSH Hausgeräte GmbH Trainieren eines Intelligenten Hausgeräts
US11639846B2 (en) 2019-09-27 2023-05-02 Honeywell International Inc. Dual-pattern optical 3D dimensioning

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0568243A (ja) * 1991-09-09 1993-03-19 Hitachi Ltd 可変長符号化制御方式
US6137893A (en) * 1996-10-07 2000-10-24 Cognex Corporation Machine vision calibration targets and methods of determining their location and orientation in an image
US5960125A (en) * 1996-11-21 1999-09-28 Cognex Corporation Nonfeedback-based machine vision method for determining a calibration relationship between a camera and a moveable object

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1947149B (zh) * 2003-10-08 2016-06-08 应用材料以色列公司 校准系统及校准方法
CN101243472B (zh) * 2005-08-09 2016-08-03 皇家飞利浦电子股份有限公司 选择性融合2Dx射线图像和3D超声图像的系统和方法
CN102136139A (zh) * 2010-01-22 2011-07-27 三星电子株式会社 目标姿态分析装置及其目标姿态分析方法
CN102136139B (zh) * 2010-01-22 2016-01-27 三星电子株式会社 目标姿态分析装置及其目标姿态分析方法
CN103218849A (zh) * 2012-01-19 2013-07-24 数伦计算机技术（上海）有限公司 一种图像建模系统
CN103841394A (zh) * 2012-11-23 2014-06-04 北京三星通信技术研究有限公司 多层式三维显示器的标定设备和标定方法
CN103841394B (zh) * 2012-11-23 2017-07-07 北京三星通信技术研究有限公司 多层式三维显示器的标定设备和标定方法
WO2021086322A1 (en) * 2019-10-29 2021-05-06 Hewlett-Packard Development Company, L.P. Dimensions in additive manufacturing
CN115553727A (zh) * 2022-09-29 2023-01-03 北京鹰之眼智能健康科技有限公司 一种基于人体红外图像的知识图谱显示方法
CN115553727B (zh) * 2022-09-29 2023-10-27 北京鹰之眼智能健康科技有限公司 一种基于人体红外图像的知识图谱显示方法

Also Published As

Publication number Publication date
JP2003515829A (ja) 2003-05-07
WO2001039124A2 (en) 2001-05-31
AU1534701A (en) 2001-06-04
WO2001039124A3 (en) 2002-05-10
DE60028075D1 (de) 2006-06-22
EP1232480A2 (en) 2002-08-21
CN1421020B (zh) 2010-04-28
EP1232480B1 (en) 2006-05-17

Similar Documents

Publication Publication Date Title
CN1421020A (zh) 图像处理设备
CN1291352C (zh) 彩色图象处理装置及方法、图案抽取装置及方法
CN1269066C (zh) 信息处理设备和方法
CN100350428C (zh) 信号处理装置、方法及程序
CN100350429C (zh) 图像处理装置、方法
CN1213592C (zh) 采用自适应二值化的图象处理方法和设备
CN1191536C (zh) 手形手势识别装置及识别方法
CN1094224C (zh) 用于从文档图象抽取标题的标题抽取装置及其方法
CN1234128A (zh) 特征信息附予方法、物体抽取方法、立体模型生成方法及其装置
CN100343873C (zh) 图像处理装置、方法
CN100345158C (zh) 用于产生涉及几何失真的格式化信息的方法和系统
CN1254769C (zh) 图像处理方法和装置
CN1194318C (zh) 物体区域信息记述方法和物体区域信息生成装置
CN1156791C (zh) 模式识别设备与方法
CN101064040A (zh) 图像处理装置和方法、记录介质及程序
CN100338632C (zh) 标记放置信息估计方法和信息处理设备
CN1492661A (zh) 2维码读取装置和读取方法、便携终端及数字照相机
CN1816825A (zh) 信号处理设备和信号处理方法、以及程序和记录介质
CN1910900A (zh) 防止擅自复制的设备、方法和程序
CN1754384A (zh) 图像处理装置和方法、学习装置和方法、记录介质以及程序
CN1867940A (zh) 成像装置及其图像处理方法
CN1510593A (zh) 编排系统、编排程序和编排方法
CN1813267A (zh) 信号处理设备和信号处理方法、以及程序和记录介质
CN1910617A (zh) 图像处理设备和方法、记录介质和程序
CN1304617A (zh) 插值处理装置及记录插值处理程序的记录媒体

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100428

Termination date: 20161123