JP2014174629A - ワークピース認識方法 - Google Patents

Abstract

【課題】複雑に重なり合った状態のワークピースの位置及び姿勢を高い信頼性で求めることが可能なワークピース認識方法を提供する。
【解決手段】準備工程では、ワークピースＷを非接触型のスキャナ１２で測定して、各姿勢におけるワークピースＷの点群データを求め、この点群データを複数のサンプルパッチに分割する。サンプルパッチ毎に点群データを分類し、複数のサンプルパッチ毎に、ワークピースＷの基準位置情報と姿勢情報とを対応させて保存する。ワークピース推定工程では、複数のワークピースＷをスキャナ１２で測定して得た点群データをパッチに分割し、パッチを分類する。パッチ毎に、同じ分類の前記サンプルパッチに対応させて保存した、位置情報と姿勢情報とを集積する。集積結果に基いて、パッチにおけるワークピースの基準位置及び姿勢を推定する。
【選択図】図５

Description

本発明は、ワークピース認識方法に関する。

バラ積みされたワークピースをロボットなどでピックアップする場合には、最上部に位置するワークピースの位置及び姿勢を正確に検出する必要がある。従来、このような場合、ＣＣＤカメラからの２次元の濃淡画像を利用してパターンマッチングを行うことでピッキングするワークピースを検出していた。

例えば、特許文献１には、パターンマッチングを用いて、バラ積みされたワークピースの位置及び姿勢を検出する方法が記載されている。この方法では、まず、バラ積みされたワークピースを２次元ＣＣＤカメラで撮像した画像を、予め複数の方向から撮像したワークピースの輪郭形状とマッチングさせて、ワークピースとＣＣＤカメラとの相対姿勢を求める。そして、求めた相対姿勢に基づいて、対象とするワークピースの特徴を明確に捕らえることができる位置姿勢に移動させた３次元視覚センサでワークピースの位置姿勢を計測する。これにより、ワークピースの位置姿勢を正確に計測することができる。

また、特許文献２には、ワークピースの撮影画像をアイコン（パッチ）に分割して、各アイコンの相対位置関係をタグ付けすることが記載されている。

米国特許第７１７７４５９号公報 米国特許第８１５０１６５号公報

しかしながら、複数のワークピースが複雑に重なり合った状態の撮像画像では、画像中の輝度の変化がランダムかつ特徴が曖昧になる。そのため、パターンマッチング法では輪郭形状の抽出ができず、ワークピースの正確な位置及び姿勢の特定ができない場合があった。

本発明は、以上の点に鑑み、複雑に重なり合った状態のワークピースの位置及び姿勢を高い信頼性で求めることが可能なワークピース認識方法を提供することを目的とする。

本発明は、ワークピースの位置及び姿勢を認識するワークピース認識方法であって、複数の姿勢における前記ワークピースを非接触型の３次元スキャン装置で測定して、各前記姿勢におけるワークピースの点群データを求める工程、前記点群データを複数のサンプルパッチに分割する工程、前記サンプルパッチ毎に、前記点群データを分類する工程、及び、前記複数のサンプルパッチ毎に、前記ワークピースの基準位置を示す位置情報と前記３次元スキャン装置で測定されたときの前記ワークピースの姿勢を示す姿勢情報とを対応させて保存する工程からなる準備工程と、複数の前記ワークピースを前記３次元スキャン装置で測定して得た点群データをパッチに分割して複数のパッチを得る工程と、前記複数のサンプルパッチを分類した方法と同じ方法で、前記複数のパッチを分類する分類工程と、前記複数のパッチ毎に、該パッチと同じ分類の前記サンプルパッチに対応させて保存した、前記位置情報と前記姿勢情報とを集積する集積工程と、前記位置情報及び前記姿勢情報の集積結果に基いて、前記パッチにおける少なくとも１つの前記ワークピースの基準位置及び姿勢を推定するワークピース推定工程とを含むことを特徴とする。

また、本発明は、ワークピースの位置及び姿勢を認識するワークピース認識方法であって、複数の姿勢における前記ワークピースを非接触型の３次元スキャン装置で測定したと仮定して、各前記姿勢におけるワークピースの点群データを当該ワークピースの３次元形状モデルから求める工程、前記点群データを複数のサンプルパッチに分割する工程、前記サンプルパッチ毎に、前記点群データを分類する工程、及び、前記複数のサンプルパッチ毎に、前記ワークピースの基準位置を示す位置情報と前記３次元スキャン装置で測定されたと仮定したときの前記ワークピースの姿勢を示す姿勢情報とを対応させて保存する工程からなる準備工程と、複数の前記ワークピースを前記３次元スキャン装置で測定して得た点群データをパッチに分割して複数のパッチを得る工程と、前記複数のサンプルパッチを分類した方法と同じ方法で、前記複数のパッチを分類する分類工程と、前記複数のパッチ毎に、該パッチと同じ分類の前記サンプルパッチに対応させて保存した、前記位置情報と前記姿勢情報とを集積する集積工程と、前記位置情報及び前記姿勢情報の集積結果に基いて、前記パッチにおける少なくとも１つの前記ワークピースの基準位置及び姿勢を推定するワークピース推定工程とを含むことを特徴とする。

これら本発明によれば、下方に存在するワークピースはその上方に存在する他のワークピースによって被覆されるので、最上部に位置するワークピースほど、集積工程で集積される位置情報及び姿勢情報の集積は大きくなる。よって、集積が大きな位置情報で表される位置に基準位置を有し、集積が大きな姿勢情報で表される姿勢にあるワークピースであるほど、上位にあると推定される。

このように、本発明では、複数のワークピースをスキャンして得た点群データを分割したパッチと同じ分類のサンプルパッチに対応させた位置情報及び姿勢情報を集積するので、分類又は対応付けが良好に行えないものがあっても、被覆部が小さなワークピースの基準位置の位置及び姿勢を、最終的に高い信頼性で推定することが可能となる。

例えば、本発明において、前記点群データを分類する工程では、前記サンプルパッチを構成する点群データを相互に比較することによって、前記点群データを分類すればよい。

本発明において、前記ワークピース推定工程で基準位置及び姿勢を求めた前記ワークピースの被覆部を、当該ワークピースの位置情報及び姿勢情報に集積された前記パッチに基づいて推定する被覆部推定工程をさらに含むことが好ましい。

この場合、集積が低くワークピースの一部が被覆されていると推定されるとき、被覆部推定工程では、このワークピースを示す位置情報及び姿勢情報に集積されたパッチを逆に展開して、被覆部を推定する。これにより、ロボット等がピックアップする部分が被覆されているか否かを推定することができる。

サンプルデータ取得装置の構成を示す図である。 （ａ）は、パッチに分割した状態を示す図であり、（ｂ）は、サンプルパッチデータベースの一部の一例を示す。 ワークピース位置姿勢認識装置を備えたピッキングアップ・システムの構成を示す図である。 位置情報の集積結果に基いてワークピースの位置を推定する方法を示す説明図である。 ワークピース認識方法のフローチャートである。

本発明の実施形態における準備工程で使用するサンプルデータ取得装置１０について説明する。

図１に示すように、サンプルデータ取得装置１０は、ワークピースＷを既知の姿勢で設置することが可能な設置台１１と、設置台１１に設置された１個のワークピースＷを上方からスキャンするスキャナ１２と、設置台１１又はスキャナ１２の姿勢を制御する制御部１３とを備える。

設置台１１は、例えば、回転ステージであり、制御部１３によって回転制御可能に構成されている。スキャナ１２は、ここでは、非接触型の３次元スキャン装置、例えばレーザスキャナであり３次元の点群データを生成する。スキャナ１２は、図示しない支柱や天井などに支持されて設置台１１の上方に配置されている。

制御部１３によって設置台１１又はスキャナ１２の姿勢を制御して、また、必要に応じて設置台１１に設置されたワークピースＷを裏返して、スキャナ１２に様々な姿勢のワークピースＷをスキャンさせる。

スキャナ１２でワークピースＷを球状に包み込んだあらゆる方向からスキャンした点群データをサンプル点群データとして得る。ただし、連続的に全ての方向からワークピースＷをスキャナしたサンプル点群データを得ることは現実的には不可能であるので、ある程度の小さな角度刻みでスキャン方向を変えたワークピースＷの代表姿勢のサンプル点群データを得ることになる。

サンプルデータ取得装置１０は、さらに、データ処理部１４、パッチ分割部１５、及びタグ付与部１６を備え、記憶装置２０に接続されている。

データ処理部１４は、スキャナ１２で得たサンプル点群データをスキャン時のワークピースＷの姿勢情報と対応付けて記憶装置２０に保存する。サンプル点群データは、例えば、ＸＹＺ座標系における位置を示すデータの集合である。

なお、図２（ａ）に示すように、ワークピースＷに、１点の基準位置Ｏ、及び１つの基準姿勢（基準方向）を予め定めておく。基準位置Ｏは、例えば、ワークピースＷの重心、ワークピースＷに形成された穴の中心などに設定すればよい。そして、各サンプル点群データに対応付ける姿勢情報は、基準姿勢を基準とした、スキャンしてサンプル点群データを得たときにおけるワークピースＷの姿勢の方向ずれを示す情報である。

パッチ分割部１５は、サンプル点群データが示す点の集合からなる面をそれぞれパッチ（小領域）に分割して、複数のサンプルパッチを得る処理を行う。パッチは、例えば、予め定められた長さ×長さ分の長方形又は正方形の領域である。

タグ付与部１６は、パッチ分割部１５で分割された各サンプルパッチに対して、ワークピースＷの位置関係情報、姿勢情報、及び位置関係情報と姿勢情報に関する信頼度情報をタグとして付与する。具体的には、位置関係情報は、サンプルパッチに係る部分のワークピースＷの基準位置Ｏに対する相対座標情報（例えば、ＸＹＺ軸座標）である。姿勢情報は、位置関係情報と同様に、サンプルパッチに係るサンプル点群データを得たときのワークピースＷの基準角度に対する相対角度情報であり、例えばＲｘ，Ｒｙ、Ｒｚの３軸回りの回転角度、あるいは３×３の回転行列である。

サンプルパッチによっては、ワークピースＷの基準位置Ｏまでの関係が一義的に求まらない場合と求まる場合とがあるため、タグ付与部１６は、信頼度情報として重み付け係数を付与する。

例えば、図２（ａ）を参照して、ワークピースＷの側辺部の一部の面に係るサンプルパッチでは、具体的に側辺部のどの領域の面であるか不明である。このような場合には、信頼度が低いので、重み付け係数をそのぶんだけ低くしておく。さらに具体的には、あるサンプルパッチがワークピースＷの２つの部分の何れか一方を特定の方向からスキャンしたものであることが分かる場合、信頼度は５０％であるので、このサンプルパッチに付与する重み付け係数は０．５とする。一方、ワークピースＷの角部などの特徴部分を特定の方向からスキャンしたサンプルパッチでは、基準位置Ｏ及び姿勢が一義的に定まるので、信頼度は高く、重み付け係数を１．０とする。

さらに、タグ付与部１６は、サンプルパッチを、該サンプルパッチを構成する各点群データが予め定めた条件式を満たすか否かによって仕分けする二分木法によって分類する。そして、タグ付与部１６は、サンプルパッチ毎に、分類に応じた番号付けしてラベリングを行う。

具体的には、タグ付与部１６は、例えば、ある特定の点データのＺ座標値と、他の特定の点データのＺ座標値とを比較して、ある特定のＺ座標値が他の特定の点データのＺ座標値以上である場合には「０」、未満である場合には「１」として、仕分けする。これにより、各サンプルパッチに対して「１００１０１・・・」などの数列が求まる。そして、この数列順にサンプルパッチを並び代えて、各サンプルパッチに番号を付与する。このように、数列を求めるための質問は、正否で回答され、その回答を０，１の２値に分類できるものであればよい。

このように二分木法を用いて仕分けすることで、膨大な数に及ぶサンプルパッチの分類を単純な２進法分類の繰り返しに帰着させることができる。よって、電子演算器を用いれば短時間で分類することが可能となる。ただし、二分木法を用いた分類することに限定されず、サンプルパッチの点群データから特徴パラメータを抽出するなどの周知の任意の分類方法で分類してもよい。

そして、タグ付与部１６は、図２（ｂ）に示すように、付与した番号順に、位置関係情報、姿勢情報、信頼度情報、及び数列を対応付けて、各サンプルパッチをサンプルパッチデータベースとして記憶装置２０に保存する。

次に、本発明の実施形態におけるワークピース認識方法で使用するワークピース位置姿勢認識装置３０を備えたピッキングアップ・システム４０について説明する。

図３に示すように、ワークピース位置姿勢認識装置３０は、ホッパ（貯留槽）４１内に山積みされたワークピースＷの基準位置及び姿勢を求める装置である。ここでは、ワークピースＷは同一形状であり、ホッパ４１内に３次元的に任意の位置及び姿勢で多数山積みされている。

ワークピース位置姿勢認識装置３０は、山積みされたワークピースＷのうち、最上部付近に位置し、ピックアップされるに適したワークピースＷを決定する。なお、本ワークピース位置姿勢認識装置３０は、ワークピースＷが乱雑に山積みされている場合に限らず、ワークピースＷが整列して配置されている場合でも、同様に適用可能である。

ピッキングアップ・システム４０は、ワークピース位置姿勢認識装置３０から供給されるワークピースＷの基準位置Ｏ、姿勢、及び距離に応じて、ワークピースＷを一つずつピックアップするロボット４２を備える。ロボット４２は、アーム４３と、アーム４３のエンドエフェクタであるハンド４４と、アーム４３及びハンド４４の動作を制御するロボット制御部４５とを備える。

ロボット制御部４５は、ワークピース位置姿勢認識装置３０から供給された、ピックアップすべきワークピースＷの基準位置情報、姿勢情報及び距離情報を、ロボット座標系に変換して、このワークピースＷをハンド４４でピックアップするように、アーム４３及びハンド４４を制御する。

ピッキングアップ・システム４０は、さらに、ホッパ４１内に山積みされたワークピースＷを上方からスキャンするスキャナ４６を備える。スキャナ４６は、ここでは、の非接触型の３次元スキャン装置、例えばレーザスキャナであり、スキャナ１２と同型式であることが好ましい。スキャナ４６は、図示しない支柱や天井などに支持され、離間してホッパ４１の上方に配置されている。

ワークピース位置姿勢認識装置３０は、データ処理部３１、パッチ分割部３２、対応サンプルパッチ分類部３３、集積部３４、ワークピース推定部３５、被覆部推定部３６、実ワークピース決定部３７、及びピックアップ決定部３８を備え、記憶装置２０に接続されている。

データ処理部３１は、スキャナ４６で得た点群データを記憶装置２０に格納する。

パッチ分割部３２は、データ処理部３１が記憶装置２０に格納した点群データを複数のパッチ（小領域）に分割して、複数のパッチを得る処理を行う。このパッチは、サンプルデータ取得装置１０のパッチ分割部１５でサンプルパッチと同じ大きさの領域である。ここでは、パッチ分割部３２で分割されたパッチの縮尺が、サンプルデータ取得装置１０のパッチ分割部１５で分割されたパッチの縮尺とほぼ同じになるように調整する。

対応サンプルパッチ分類部３３は、パッチ分割部３２で分割された各パッチが、パッチ分割部１５で分割されたサンプルパッチの何れに最も類似するかを、記憶装置２０に格納されたサンプルパッチデータベースから探索する。

ここでは、対応サンプルパッチ分類部３３は、前述したタグ付与部１６で求めた数列と同じ方法でパッチ分割部３２で分割された各パッチに対応する数列を求める。対応サンプルパッチ分類部３３は、各パッチに対応する数列と数列が一致するサンプルパッチを探索する。

対応サンプルパッチ分類部３３は、タグ付与部１６と同様に二分木法で数列を求め、求めた数列をタグ付与部１６で付与した数列と対比するので、短時間で一致するサンプルパッチを探索することが可能となる。

そして、対応サンプルパッチ分類部３３は、各パッチに対応する数列と数列が全て一致するサンプルパッチ、もしくは数列のうち閾値個以上の数列が一致するサンプルパッチを、最も類似するサンプルパッチとする。なお、２つのワークピースＷが重なり合って、パッチに分岐が存在するような場合がある。このような場合は、数列が一致又は類似するサンプルパッチは存在しない。

対応サンプルパッチ分類部３３は、パッチに最も類似するサンプルパッチを、当該パッチに対応するサンプルパッチとして分類する。

集積部３４は、それぞれのパッチにより最も基準位置として示される地点がどこになるかを集積する。具体的には、対応サンプルパッチ分類部３３で探索したサンプルパッチ領域にラベリングされた基準位置情報毎に、重み付け係数を集積する。

詳細には、集積部３４は、スキャナ４６で得た点群データを分割して得た全てのパッチにそれぞれ対応する、対応サンプルパッチ分類部３３で探索したサンプルパッチに対応して保存されている基準位置情報毎に、重み付け係数の総和値（以下、この総和値を「得点」という）を算出する。

ワークピース推定部３５は、図４に示すように、集積部３４で集積された得点に基づいて、ワークピースＷの基準位置Ｏを推定する。相対的にホッパ４１の下方に存在するワークピースＷは、上方のワークピースＷに一部又は全部が隠される。そのため、下方に存在するワークピースＷの基準位置Ｏは、高い得点を得ることができず、最上部に位置するワークピースＷほど、基準位置Ｏが高い得点を得ることができる。

よって、高得点を得た基準位置情報が示す基準位置Ｏで姿勢情報が示す姿勢にあるワークピースＷは、最上部付近にあり露出していると推定することができる。そこで、ワークピース推定部３５は、集積部３４で算出した得点が予め定めた閾値を超えた場合、その得点を獲得した基準位置情報が示す基準位置Ｏで姿勢情報が示す姿勢（これらを合せて、「推定位置姿勢」という）にあるであろうと推定されるワークピースＷを選出する。前記閾値は、例えば、選出されたワークピースＷは、全て露出しているものも、一部が露出していないものも含まれるように設定する。

なお、図４では、視覚的に理解を容易にするために、重み付け係数の総和値である基準位置情報のみから得点を集積した様子を概念的に示している。このように画面内にある得点を高さで順位づけすることにより、検出したい部品数のみに絞って探索をかけることが可能となりより高速な検出が可能となる。例えば、３つ検出したい場合には、得点集積が高い上位３つからのみ推定位置姿勢を算出すればよい。

ところで、集積部３４で集積された得点が閾値よりは高いがある程度低いとき、その得点を得て選定されたワークピースＷは少なくとも一部が他のワークピースＷ等によって被覆されていると考えられる。選定されたワークピースＷの被覆部（非露出部）がロボット４２のピックアップ部位（把持部位）である場合、このワークピースＷはロボット４２でピックアップできない。よって、ワークピースＷの被覆部を特定することが望ましい。

そこで、被覆部推定部３６は、記憶装置２０に保存されたサンプルパッチデータベースを再度利用して、ワークピースＷが推定位置姿勢にあるときのワークピースＷの形状（どの場所のパッチから構成されているべきか）から、実際に重み付け係数を集積したパッチの集合を差し引いた領域を、被覆部と推定する。

例えば、ワークピース推定部３５で推定された姿勢が、サンプルパッチＡ，Ｂ，Ｃ，Ｄ，Ｅからなる位置姿勢であるとすると、スキャナ４６で撮影されているワークピースにおいてもＡ，Ｂ，Ｃ，Ｄ，Ｅの箇所のパッチから基準位置情報が集積されることが期待される。しかし、例えば、Ｂのサンプルパッチに対応するパッチの領域から、ワークピースＷの基準位置Ｏを基準位置情報として重み付け係数を集積していなければ、Ｂの領域は被覆していると推定する。

なお、実際に山積みとなっているワークピースＷの姿勢は任意であるため、サンプルパッチを得た姿勢とは一致しない状態の姿勢が存在する。すなわち、選出されワークピースＷの姿勢情報が示す姿勢は、離散的なデータベースの中から選択された最も似た姿勢であるので、実際のワークピースＷの姿勢とは少し異なる場合がある。そのため、ワークピース推定部３５で選定されたワークピースＷの推定位置姿勢が実際位置姿勢と異なり、ロボット４２でのピックアップに影響が生じるおそれがある。

そこで、実ワークピース決定部３７は、ワークピース推定部３５で選出したワークピースＷの実際の基準位置Ｏ及び姿勢（これらを合せて、「実際位置姿勢」という）を、実際のワークピースＷを２台の撮像装置（図示しない）で撮像した画像をステレオ画像処理することによって求めることが好ましい。

具体的には、実ワークピース決定部３７は、２台の撮像装置が撮像した画像から推定位置姿勢に基準位置Ｏの位置、姿勢が近似するワークピースＷを選定し、その画像に微分処理を施すなどの周知の方法でエッジを抽出し、そのワークピースＷ全体の輪郭線を求める。

このとき、画像処理を行うべきワークピースＷの基準位置Ｏの位置及び姿勢は予め推定されているので、２台の撮像装置で撮像された画像間における対応点を誤認識なく対応付けることができ、対応点の探索等に要する画像処理量も少ない。

また、実ワークピース決定部３７は、ワークピースＷまでの距離（図３における垂直方向位置）を求める。撮像装置から対応点（ワークピースＷの基準位置Ｏ）までの距離Ｚは、２台の撮像装置間の距離Ｌ、撮像装置の焦点距離ｆ、２台の撮像装置間の対応点の視差（ずれ量）ｄから、次式（１）によって求めることができる。

Ｚ＝Ｌ×ｆ／ｄ ・・・ （１）
これにより、ロボット４２で選定したワークピースＷをピックアップすることが可能となる。

なお、実ワークピース決定部３７で、実際のワークピースＷを２台の撮像装置で撮像した画像からワークピースＷの輪郭線を求めて被覆部を特定してもよいが、被覆部がピックアップ部位であることが分かった場合、この画像処理は無駄となる。よって、実ワークピース決定部３７は、被覆部推定部３６で被覆部がピックアップ部位でないと推定されたワークピースＷに対してのみ実際位置姿勢を求めればよい。

ピックアップ決定部３８は、実ワークピース決定部３７で求めた実際のワークピースＷの実際位置姿勢及び距離に基いて、ロボット４２での取り出しに適しているワークピースＷを決定する。そして、決定したワークピースＷの実際位置姿勢及び距離を示す情報をロボット制御部４５に送信する。取り出すワークピースＷの決定手法は特に問わないが、例えばピックアップする際のロボット４２の制御が容易であるワークピースＷ、あるいは、ピックアップ後に裏返し等が必要ないワークピースＷを選択すればよい。

以下、図５を参照して、本発明の実施形態におけるワークピース認識方法について説明する。

まず、上述したサンプルデータ取得装置１０を用いて、準備工程を行う（Ｓ１０）。

この準備工程では、最初に、１個のワークピースＷを設置台１１に設置する。そして、制御部１３で設置台１１を回転等させながら、様々な角度からワークピースＷをスキャナ１２でスキャンする（Ｓ１１）。

そして、データ処理部１４は、スキャンして得たサンプル点群データをワークピースＷの姿勢情報と対応付けて記憶装置２０に保存する（Ｓ１２）。

次に、パッチ分割部１５は、各サンプル点群データをそれぞれパッチに分割して、複数のサンプルパッチを得る（Ｓ１３）。

次に、タグ付与部１６は、Ｓ１３で分割された各サンプルパッチに対して、ワークピースＷの位置関係情報、姿勢情報、及び位置関係情報と姿勢情報に関する信頼度情報をタグとして付与すると共に、上述した条件式から数列を求めて番号付けしてラベリングを行う。さらに、タグ付与部１６は、付与した番号順に、位置関係情報、姿勢情報、信頼度情報、及び数列を対応付けて、各サンプルパッチをサンプルパッチデータベースとして記憶装置２０に保存する（Ｓ１４）。

そして、準備工程（Ｓ１０）完了後に、上述したピッキングアップ・システム４０を用いて、ワークピースＷのワークピース認識工程（Ｓ２０）を行う。

このワークピース認識工程では、最初に、ホッパ４１の上方から、ランダムに山積みされたワークピースＷを２台のスキャナ４６でスキャンする（Ｓ２１）。

そして、データ処理部３１は、スキャナ４６により得た点群データを記憶装置２０に格納する（Ｓ２２）。

次に、パッチ分割部３２は、Ｓ２２で得た点群データを複数のパッチに分割に分割して、複数のパッチを得る（Ｓ２３）。

次に、対応サンプルパッチ分類部３３は、Ｓ２３で分割された各パッチが、Ｓ１３で分割されたサンプルパッチの何れに最も類似するかを記憶装置２０に格納されたサンプルパッチデータベースから探索する。この探索結果に基づいて各パッチを分類する（Ｓ２４）。このＳ２４が、本発明の分類工程に相当する。

次に、集積部３４は、対応サンプルパッチ分類部３３で探索したサンプルパッチ領域にラベルングされた基準位置情報及び姿勢情報毎に、重み付け係数の総和を集積した得点を求める（Ｓ２５）。このＳ２５が本発明の集積工程に相当する。

次に、ワークピース推定部３５は、Ｓ２５で集積された得点が前記閾値を超えるワークピースＷを選定し、選定したワークピースＷの基準位置Ｏ及び姿勢を推定する（Ｓ２６）。このＳ２６が、本発明のワークピース推定工程に相当する。

次に、被覆部推定部３６は、Ｓ２６で選定したワークピースＷのうち、得点が低いワークピースＷの被覆部を推定する（Ｓ２７）。このＳ２７が本発明の被覆部推定工程に相当する。

次に、実ワークピース決定部３７は、Ｓ２７で被覆部がピックアップ部位であると推定されたワークピースＷを除き、Ｓ２６で選定したワークピースＷの実際の基準位置Ｏ及び姿勢を求める（Ｓ２８）。また、実ワークピース決定部３７は、このワークピースＷの実際の距離を求める（Ｓ２９）。

そして、ピックアップ決定部３８は、Ｓ２８及びＳ２９で求めた実際のワークピースＷの基準位置Ｏ、姿勢及び距離から、ロボット４２での取り出しに適しているワークピースＷを決定する（Ｓ３０）。

そして、最後に、ロボット４２を用いて、Ｓ３０で決定したワークピースＷをピックアップするピックアップ工程（Ｓ３１）を行う。

以上、本発明の実施形態について説明したが、本発明は上述の実施形態に限定されず、本発明の主旨を逸脱しない範囲において適宜変形して適用可能である。

例えば、本実施形態では、ワークピース位置姿勢認識装置３０は被覆部推定部３６を備え、ワークピース認識方法はワークピースＷの被覆部を推定する工程（Ｓ２７）を備える場合について説明した。しかし、被覆部推定部３６、及び被覆部を推定する工程を備えないものであってもよい。

また、本実施形態では、ワークピースＷを実際にスキャナ１２でスキャナして得た点群データをサンプル点群データとしている。しかし、サンプル点群データを得る手段はこれに限定されない。例えば、ワークピースＷをスキャナ１２で測定したと仮定して、ワークピースＷの３次元形状モデルからサンプル点群データを求めてもよい。

１０…サンプルデータ取得装置、 １１…設置台、 １２…スキャナ（３次元スキャン装置）、 １３…制御部、 １４…データ処理部、 １５…パッチ分割部、 １６…タグ付与部、 ２０…記憶装置、 ３０…ワークピース位置姿勢認識装置、 ３１…データ処理部、 ３２…パッチ分割部、 ３３…対応サンプルパッチ分類部、 ３４…集積部、 ３５…ワークピース推定部、 ３６…被覆部推定部、 ３７…実ワークピース決定部、 ３８…ピックアップ決定部、 ４０…ピッキングアップ・システム、 ４１…ホッパ、 ４２…ロボット、 ４３…アーム、 ４４…ハンド、 ４６…スキャナ（３次元スキャン装置）、 Ｗ…ワークピース。

Claims (4)

1. ワークピースの位置及び姿勢を認識するワークピース認識方法であって、
   複数の姿勢における前記ワークピースを非接触型の３次元スキャン装置で測定して、各前記姿勢におけるワークピースの点群データを求める工程、
   前記点群データを複数のサンプルパッチに分割する工程、
   前記サンプルパッチ毎に、前記点群データを分類する工程、及び、
   前記複数のサンプルパッチ毎に、前記ワークピースの基準位置を示す位置情報と前記３次元スキャン装置で測定されたときの前記ワークピースの姿勢を示す姿勢情報とを対応させて保存する工程からなる準備工程と、
   複数の前記ワークピースを前記３次元スキャン装置で測定して得た点群データをパッチに分割して複数のパッチを得る工程と、
   前記複数のサンプルパッチを分類した方法と同じ方法で、前記複数のパッチを分類する分類工程と、
   前記複数のパッチ毎に、該パッチと同じ分類の前記サンプルパッチに対応させて保存した、前記位置情報と前記姿勢情報とを集積する集積工程と、
   前記位置情報及び前記姿勢情報の集積結果に基いて、前記パッチにおける少なくとも１つの前記ワークピースの基準位置及び姿勢を推定するワークピース推定工程とを含むことを特徴とするワークピース認識方法。
2. ワークピースの位置及び姿勢を認識するワークピース認識方法であって、
   複数の姿勢における前記ワークピースを非接触型の３次元スキャン装置で測定したと仮定して、各前記姿勢におけるワークピースの点群データを当該ワークピースの３次元形状モデルから求める工程、
   前記点群データを複数のサンプルパッチに分割する工程、
   前記サンプルパッチ毎に、前記点群データを分類する工程、及び、
   前記複数のサンプルパッチ毎に、前記ワークピースの基準位置を示す位置情報と前記３次元スキャン装置で測定されたと仮定したときの前記ワークピースの姿勢を示す姿勢情報とを対応させて保存する工程からなる準備工程と、
   複数の前記ワークピースを前記３次元スキャン装置で測定して得た点群データをパッチに分割して複数のパッチを得る工程と、
   前記複数のサンプルパッチを分類した方法と同じ方法で、前記複数のパッチを分類する分類工程と、
   前記複数のパッチ毎に、該パッチと同じ分類の前記サンプルパッチに対応させて保存した、前記位置情報と前記姿勢情報とを集積する集積工程と、
   前記位置情報及び前記姿勢情報の集積結果に基いて、前記パッチにおける少なくとも１つの前記ワークピースの基準位置及び姿勢を推定するワークピース推定工程とを含むことを特徴とするワークピース認識方法。
3. 前記点群データを分類する工程では、前記サンプルパッチを構成する点群データを相互に比較することによって、前記点群データを分類することを特徴とする記載の請求項１に記載のワークピース認識方法。
4. 前記ワークピース推定工程で基準位置及び姿勢を求めた前記ワークピースの被覆部を、当該ワークピースの位置情報及び姿勢情報に集積された前記パッチに基づいて推定する被覆部推定工程をさらに含むことを特徴とする請求項１から３の何れか１項に記載のワークピース認識方法。