JP2015045654A - 形状認識機 - Google Patents
形状認識機 Download PDFInfo
- Publication number
- JP2015045654A JP2015045654A JP2014213142A JP2014213142A JP2015045654A JP 2015045654 A JP2015045654 A JP 2015045654A JP 2014213142 A JP2014213142 A JP 2014213142A JP 2014213142 A JP2014213142 A JP 2014213142A JP 2015045654 A JP2015045654 A JP 2015045654A
- Authority
- JP
- Japan
- Prior art keywords
- image
- detector
- correlation
- shape
- output
- 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.)
- Pending
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
【課題】対象の位置の決定が困難な画像に対しても候補の絞り込みを自動で実施し、相関が最大となる位置を瞬時に特定し形状を認識する形状認識機を提供する。【解決手段】2個以上の画像検出器と、第1の画像検出器1の出力と第2の画像検出器2の出力を段階的にシフトさせ、設定した幅で画像要素間の相関を検出する相関検出器3と、第1の画像要素と第2の画像要素との相関が最大となる位置を検出する最大相関検出器4と、相関が最大となる位置の情報から対象が存在する位置を決定する位置決定器5を備える。【選択図】図1
Description
この発明は形状を認識する機械に関するものである。
従来の形状認識機は認識する対象の形状をあらかじめ登録し、入力した画像情報と照合し相関が大きい場合には対象であると認識し、相関が低い場合には対象でないと判断する。照合する際、入力したパターンと登録したパターンの位置ずれ、回転ずれ、サイズ違いがある場合には該当する対象であっても相関が低くなるため、位置補正、回転補正、サイズ補正等を実施した後に相関を取り形状を認識する。
従来の形状認識機は認識する対象の位置ずれ、回転ずれ、サイズ違い等を事前補正し、登録したパターンと照合する必要があり、処理に時間を要する等のデメリットがあった。また照合するパターンの設定および照合に時間を要する等のデメリットがあった。
(請求項1に対応)
従来の立体画像の検出は第1の画像検出器の出力と第2の画像検出器の出力の相関を設定した幅で逐次的に計算している。第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で一挙に相関を検出し、相関が最大となる位置を瞬時に検出し形状を認識する機械は従来無い。
(請求項2に対応)
従来の立体画像の検出は第1の画像検出器の出力と第2の画像検出器の出力の相関を設定した幅で逐次的に計算している。類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の特定が困難な場合には、相関を検出する画像の幅を広げ、対象の位置を特定する等の処理が必要であった。第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、複数の設定した幅で一挙に相関を検出し、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の決定が困難な画像に対しても候補の絞り込みを自動で実施し、相関が最大となる位置を瞬時に特定し形状を認識する機械は従来無い。
(請求項3に対応)
従来の立体画像の検出は第1の画像検出器の出力と第2の画像検出器の出力の相関を設定した幅で逐次的に計算している。相関が最大となる位置から物体の表面の座標を逐次求め、物体の形状を位置のデータとして推定する。検出した物体の表面の位置情報から求めた物体の面要素の方向と面積の情報から物体の形状を3次元的に検出する機械は従来無い。
(請求項4に対応)
従来の接近検出は、対象とする物体の特徴点を抽出し、その特徴点の位置を検出することにより、物体の接近を検出している。複数の画像検出器で物体の形状全体を検出し、その物体の接近を検出する機械は従来無い。
(請求項5に対応)
従来の接近検出は、対象とする物体の特徴点を抽出し、その特徴点の位置を複数検出することにより、物体の位置、速度、加速度等を検出し、物体の将来の位置等を推定している。複数の画像検出器で物体の形状全体を検出し、その物体の位置、速度、加速度等を検出し、物体の将来の位置等を推定する機械は従来無い。
(請求項6に対応)
従来の立体画像の検出は第1の画像検出器の出力と第2の画像検出器の出力の相関を設定した幅で逐次的に計算している。相関が最大となる位置から物体の表面の座標を逐次求め、物体の形状を位置のデータとして推定する。検出した物体の表面の位置情報から求めた物体の面要素の方向と面積の情報から物体の形状を3次元的に検出し、その形状パターンを記録し、記録したパターンを指定することにより、検出器により検出した画像から検索したい対象を抽出する機械は従来無い。
(請求項7に対応)
従来の立体画像の検出は周囲の主要な物体の位置を検出し、自己との相対的な位置関係を推定している。複数の画像検出器を使用し、3次元的に自己の位置と周囲の物体の配置状況を検出し、記録していく機械は従来無い。
(請求項1に対応)
従来の立体画像の検出は第1の画像検出器の出力と第2の画像検出器の出力の相関を設定した幅で逐次的に計算している。逐次的計算のため、処理に多大な時間を要する等のデメリットがあった。
(請求項2に対応)
従来の立体画像の検出は第1の画像検出器の出力と第2の画像検出器の出力の相関を設定した幅で逐次的に計算している。また類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の特定が困難な場合には、相関を検出する画像の幅を広げ、対象の位置を特定する処理の追加が必要である。処理が複雑となり、また逐次的計算のため、処理に多大な時間を要する等のデメリットがあった。
(請求項3に対応)
従来の立体画像の検出は第1の画像検出器の出力と第2の画像検出器の出力の相関を設定した幅で逐次的に計算している。相関が最大となる位置から物体の表面の座標を逐次求め、物体の形状を位置のデータとして推定する。物体の形状を位置のデータとして設定した場合、位置のズレ、回転ズレ、大きさのズレの影響により、同一の形状であっても同じと認識できない等のデメリットがあった。
(請求項4に対応)
従来の接近検出は、対象とする物体の特徴点を抽出し、その特徴点の位置を検出することにより、物体の接近を検出している。従って、特徴点の位置に関しては検出できるが、特徴点以外の点に関しては接近の状況を検出できない等のデメリットがあった。
(請求項5に対応)
従来の接近検出は、対象とする物体の特徴点を抽出し、その特徴点の位置を複数検出することにより、物体の位置、速度、加速度等を検出し、物体の将来の位置等を推定している。従って、特徴点の位置に関しては推定できるが、特徴点以外の点に関しては接近の状況を推定できない等のデメリットがあった。
(請求項6に対応)
従来の立体画像の検出は第1の画像検出器の出力と第2の画像検出器の出力の相関を設定した幅で逐次的に計算している。相関が最大となる位置から物体の表面の座標を逐次求め、物体の形状を位置のデータとして推定する。物体の形状を位置のデータとして設定した場合、位置のズレ、回転ズレ、大きさのズレの影響により、同一の形状であっても同じと認識できない等の事象が生じ、検索したい対象を抽出できない等のデメリットがあった。
(請求項7に対応)
従来の立体画像の検出は周囲の主要な物体の位置を検出し、自己との相対的な位置関係を推定している。周囲の物体の詳細な位置関係を正確に把握することは難しい等のデメリットがあった。
(請求項1に対応)
この発明における形状認識機は、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で一挙に相関を検出し、相関が最大となる位置を瞬時に検出し形状を認識する。逐次計算しないため、処理に多大な時間を要しない。
(請求項2に対応)
この発明における形状認識機は、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、複数の設定した幅で一挙に相関を検出し、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の決定が困難な画像に対しても候補の絞り込みを自動で実施し、相関が最大となる位置を瞬時に特定し形状を認識する。処理が簡潔であり、逐次計算しないため、処理に多大な時間を要しない。
(請求項3に対応)
この発明における形状認識機は、検出した物体の表面の位置情報から物体の面要素の方向と面積の情報から物体の形状を3次元的に検出する。物体の面要素の相対的な方向と面積の情報(面積比)は位置ズレ、回転ズレ、大きさのズレに対して影響を受けない。
従って、位置のズレ、回転ズレ、大きさのズレの影響があっても同一の形状は同じであると認識できる。
従って、位置のズレ、回転ズレ、大きさのズレの影響があっても同一の形状は同じであると認識できる。
(請求項4に対応)
この発明における形状認識機は、複数の画像検出器で物体の形状全体を検出し、その物体の接近を検出する。従って、従来の接近検出で課題である、特徴点の位置に関しては検出できるが、特徴点以外の点に関しては接近の状況を検出できないという事象は生じない。
(請求項5に対応)
この発明における形状認識機は、複数の画像検出器で物体の形状全体を検出し、その物体の位置、速度、加速度等を検出し、物体の将来の位置等を推定する。従って、従来の接近検出で課題である、特徴点の位置に関しては推定できるが、特徴点以外の点に関しては接近の状況を推定できないという事象は生じない。
(請求項6に対応)
この発明における形状認識機は、検出した物体の表面の位置情報から物体の面要素の方向と面積の情報から物体の形状を3次元的に検出する。物体の面要素の相対的な方向と面積の情報(面積比)は位置ズレ、回転ズレ、大きさのズレに対して影響を受けない。
従って、位置のズレ、回転ズレ、大きさのズレの影響があっても同一の形状は同じであると認識でき、検索したい対象を抽出することができる。
従って、位置のズレ、回転ズレ、大きさのズレの影響があっても同一の形状は同じであると認識でき、検索したい対象を抽出することができる。
(請求項7に対応)
この発明における形状認識機は、複数の画像検出器を使用し、3次元的に自己の位置と周囲の物体の配置状況を検出し、記録していく。従来の立体画像の検出は周囲の主要な物体の位置を検出し、自己との相対的な位置関係を推定しており、周囲の物体の詳細な位置関係を正確に把握することは難しい等の課題は無い。
(請求項1に対応)
図1はこの発明の一実施例における形状認識機の構成例を示した図である。
図1において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。
図1において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。
次に動作について説明する。
まず、図2において2個の検出器から物体の位置検出方法について説明する。図2の左図において検出器(左)と検出器(右)の基線と水平面からのエレベーション角を決めると、平面が一意に決まる。この平面をエピポーラ面とすると、各検出器のエピポーラ線も一意に決まる。物体表面の点をPsとすると、点Psに対応する画像要素は検出器(左)および検出器(右)のエピポーラ線上にある。図2の右図を使って整理すると、検出器(左)のδlに対応する画像要素は検出器(右)のδrと対応することになる。これは、検出器(左)のδlと検出器(右)のδrの画像要素の相関が最大となることを意味する。
この関係を使って物体の表面の位置を一挙に求める方法について説明する。図3において検出器2の出力は検出器1の出力に対して段階的にシフトして配置されている。検出器1の画像要素と段階的にシフトして配置された検出器2の画像要素間の相関は図の縦のラインに沿って一挙に相関が計算される。相関を計算する画像要素の幅は任意に設定することができる。図3の右側に検出器1と検出器2(段階的にシフト)の画像要素間の相関結果の例を示している。相関の取り方の例として簡便な方法として、画像要素1の出力と画像要素2の出力の差分を取る方法がある。画像要素1と画像要素2の相関が高い場合は、その差分が小さくなる。(図では差分が最少の位置を相関が最大となる位置として表現し
要素との相関が最大であることを示している。
求まったので、図2の右の図の関係を使うことにより、物体の表面Psの位置が求まる。図3ではδlの位置を1箇所で示しているが、δlの位置を多段に設定し、検出器2との相関を一挙に取り、対応する検出器2の最大相関の位置を求める。これによりある設定したエレベーション角に対応するエピポーラ面と交差する物体の表面の位置が求まる。エレベーション角をスキャンさせることにより、物体の表面の位置が全て求めることができる。
まず、図2において2個の検出器から物体の位置検出方法について説明する。図2の左図において検出器(左)と検出器(右)の基線と水平面からのエレベーション角を決めると、平面が一意に決まる。この平面をエピポーラ面とすると、各検出器のエピポーラ線も一意に決まる。物体表面の点をPsとすると、点Psに対応する画像要素は検出器(左)および検出器(右)のエピポーラ線上にある。図2の右図を使って整理すると、検出器(左)のδlに対応する画像要素は検出器(右)のδrと対応することになる。これは、検出器(左)のδlと検出器(右)のδrの画像要素の相関が最大となることを意味する。
この関係を使って物体の表面の位置を一挙に求める方法について説明する。図3において検出器2の出力は検出器1の出力に対して段階的にシフトして配置されている。検出器1の画像要素と段階的にシフトして配置された検出器2の画像要素間の相関は図の縦のラインに沿って一挙に相関が計算される。相関を計算する画像要素の幅は任意に設定することができる。図3の右側に検出器1と検出器2(段階的にシフト)の画像要素間の相関結果の例を示している。相関の取り方の例として簡便な方法として、画像要素1の出力と画像要素2の出力の差分を取る方法がある。画像要素1と画像要素2の相関が高い場合は、その差分が小さくなる。(図では差分が最少の位置を相関が最大となる位置として表現し
要素との相関が最大であることを示している。
求まったので、図2の右の図の関係を使うことにより、物体の表面Psの位置が求まる。図3ではδlの位置を1箇所で示しているが、δlの位置を多段に設定し、検出器2との相関を一挙に取り、対応する検出器2の最大相関の位置を求める。これによりある設定したエレベーション角に対応するエピポーラ面と交差する物体の表面の位置が求まる。エレベーション角をスキャンさせることにより、物体の表面の位置が全て求めることができる。
(請求項2に対応)
図4はこの発明の一実施例における形状認識機の構成例を示した図である。
図4において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。
図4において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。
次に動作について説明する。
まず、図2において2個の検出器から物体の位置検出方法について説明する。図2の左図において検出器(左)と検出器(右)の基線と水平面からのエレベーション角を決めると、平面が一意に決まる。この平面をエピポーラ面とすると、各検出器のエピポーラ線も一意に決まる。物体表面の点をPsとすると、点Psに対応する画像要素は検出器(左)および検出器(右)のエピポーラ線上にある。図2の右図を使って整理すると、検出器(左)のδlに対応する画像要素は検出器(右)のδrと対応することになる。これは、検出器(左)のδlと検出器(右)のδrの画像要素の相関が最大となることを意味する。
この関係を使って物体の表面の位置を一挙に求める方法について説明する。図5において検出器2の出力は検出器1の出力に対して段階的にシフトして配置されている。検出器1の画像要素と段階的にシフトして配置された検出器2の画像要素間の相関は図の縦のラインに沿って一挙に相関が計算される。相関を計算する画像要素の幅は任意に設定することができる。図3の例では、狭域幅の相関検出と広域幅の相関検出を同時に実施していることを示している。図3の右側に検出器1と検出器2(段階的にシフト)の画像要素間の相関結果の例を示している。相関の取り方の例として簡便な方法として、画像要素1の出力と画像要素2の出力の差分を取る方法がある。画像要素1と画像要素2の相関が高い場合は、その差分が小さくなる。(図では差分が最少の位置を相関が最大となる位置として表現している。)図3では、狭域幅での相関検出と広域幅での相関検出を同時に実施しているため、それぞれの画像要素間での相関の様子を2本の曲線で示している。類似の画像要素が出現することにより、狭域幅での相関が最大となっている箇所が複数存在していることを示している。この場合、複数の候補の中から解を特定するため広域幅の相関が最大となっているものを選択すれば良い。これは狭域幅では類似の画像要素である場合でも、広域幅にすることにより、見かけ上の類似性は排除されるからである。
一般的に広域幅での相関検出は位置の決定誤差が大きくなるため、位置の決定は狭域幅で実施し、解の不確定性回避に広域幅を使用している。
となっており、求める解であることを示している。
求まったので、図2の右の図の関係を使うことにより、物体の表面Psの位置が求まる。図3ではδlの位置を1箇所で示しているが、δlの位置を多段に設定し、検出器2との相関を一挙に取り、対応する検出器2の最大相関の位置を求める。これによりある設定したエレベーション角に対応するエピポーラ面と交差する物体の表面の位置が求まる。エレベーション角をスキャンさせることにより、物体の表面の位置が全て求めることができる。
まず、図2において2個の検出器から物体の位置検出方法について説明する。図2の左図において検出器(左)と検出器(右)の基線と水平面からのエレベーション角を決めると、平面が一意に決まる。この平面をエピポーラ面とすると、各検出器のエピポーラ線も一意に決まる。物体表面の点をPsとすると、点Psに対応する画像要素は検出器(左)および検出器(右)のエピポーラ線上にある。図2の右図を使って整理すると、検出器(左)のδlに対応する画像要素は検出器(右)のδrと対応することになる。これは、検出器(左)のδlと検出器(右)のδrの画像要素の相関が最大となることを意味する。
この関係を使って物体の表面の位置を一挙に求める方法について説明する。図5において検出器2の出力は検出器1の出力に対して段階的にシフトして配置されている。検出器1の画像要素と段階的にシフトして配置された検出器2の画像要素間の相関は図の縦のラインに沿って一挙に相関が計算される。相関を計算する画像要素の幅は任意に設定することができる。図3の例では、狭域幅の相関検出と広域幅の相関検出を同時に実施していることを示している。図3の右側に検出器1と検出器2(段階的にシフト)の画像要素間の相関結果の例を示している。相関の取り方の例として簡便な方法として、画像要素1の出力と画像要素2の出力の差分を取る方法がある。画像要素1と画像要素2の相関が高い場合は、その差分が小さくなる。(図では差分が最少の位置を相関が最大となる位置として表現している。)図3では、狭域幅での相関検出と広域幅での相関検出を同時に実施しているため、それぞれの画像要素間での相関の様子を2本の曲線で示している。類似の画像要素が出現することにより、狭域幅での相関が最大となっている箇所が複数存在していることを示している。この場合、複数の候補の中から解を特定するため広域幅の相関が最大となっているものを選択すれば良い。これは狭域幅では類似の画像要素である場合でも、広域幅にすることにより、見かけ上の類似性は排除されるからである。
一般的に広域幅での相関検出は位置の決定誤差が大きくなるため、位置の決定は狭域幅で実施し、解の不確定性回避に広域幅を使用している。
となっており、求める解であることを示している。
求まったので、図2の右の図の関係を使うことにより、物体の表面Psの位置が求まる。図3ではδlの位置を1箇所で示しているが、δlの位置を多段に設定し、検出器2との相関を一挙に取り、対応する検出器2の最大相関の位置を求める。これによりある設定したエレベーション角に対応するエピポーラ面と交差する物体の表面の位置が求まる。エレベーション角をスキャンさせることにより、物体の表面の位置が全て求めることができる。
(請求項3に対応)
図6はこの発明の一実施例における形状認識機の構成例を示した図である。
図6において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。6は位置決定器により検出された物体の表面の位置情報から物体表面の面要素を検出する面要素検出器である。7は面要素の情報から物体の形状を検出する形状検出器である。
図6において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。6は位置決定器により検出された物体の表面の位置情報から物体表面の面要素を検出する面要素検出器である。7は面要素の情報から物体の形状を検出する形状検出器である。
次に動作について説明する。
図6において5の位置決定器において物体表面の位置が決定される。6の面要素検出器において物体表面の位置の情報から面要素が生成され、各面要素の方向ベクトルと面積が生成される。7の形状検出器において各面要素の方向ベクトルと面積の情報から、物体の方向ベクトルと面積の情報から物体が有する特徴的な方向を決める。
次に、特徴的な方向の決め方の例について説明する。面要素毎に方向ベクトルが決まっているが、同じ方向ベクトルの面要素の面積を積算することにする。積算した面積が大きなものに対応する方向ベクトルを選択していくと、最大面積に対応する方向ベクトル、第2の面積に対応する方向ベクトル、第3の面積に対応する方向ベクトルを決めることができる。この時、決められた方向ベクトル間の関係は物体の形状に依存する。この物体に特徴的な方向を使って、同じ形状の物体は同じ方向から見るように視線方向の修正を行う。さらに面要素の積算により求めた面積の情報を使い、大きさの正規化を行う。視線方向の修正および大きさの正規化を行った後の各面要素の分布を物体の形状データとして登録することにする。この時、同じ形状の物体は、物体に対して相対的に同じ方向から、大きさを正規化して見ることになるので、面要素の分布が同じになる。
以下では図を使って説明する。図7の左図は物体の表面の位置情報から面要素を生成することができることを示している。物体の近接する3点から1つの面要素を生成することができる。図7の右図は面要素の方向ベクトルの例について示している。物体の各面要素は図7の右図に示す方向ベクトル毎に分類し、面要素の面積の積算をすることができる。
図8および図9を使って更に詳細に説明する。
図8の左図は直方体の各面要素の方向ベクトルを示している。図において形状の全体面積に対する比が大きい面方向、面積比が第2に大きい方向ベクトルおよび面積比が第3に大きい方向ベクトルが示されている。この面積比が大きい方向ベクトルを典型的な方向ベクトルの例に重ねたのが図8の右図になる。
次に図9を使って形状に対応する視線方向の決め方の例につき説明する。図9の左図に対象とする物体の形状と物体に特徴的な方向ベクトルを示している。面積比最大の方向ベクトル、面積比第2の方向ベクトルおよび面積比第3の方向ベクトルを合成し、視線方向を示す方向ベクトルを生成する。図9の右図では視線方向ベクトルを紙面垂直となるようにして、視線方向から物体がどのように見えるかを示している。図9の右図では視線方向のベクトル周りに回転の自由度が残っているため、面積比最大の方向ベクトルを鉛直となるようにしている。このような回転に関する視線方向の修正は物体に特徴的な方向ベクトルを使用することにより容易に実現できる。
最後に物体の面要素を積算して求めた面積を使用して大きさの正規化を実施する。大きさの正規化を図9の右図に適用することにする。以上の処理を実施することにより、同じ形状の物体の方向ベクトルの分布は同じとなる。この方向ベクトルの分布を物体の形状パターンとして定義することにより、物体形状の識別が可能となる。
図6において5の位置決定器において物体表面の位置が決定される。6の面要素検出器において物体表面の位置の情報から面要素が生成され、各面要素の方向ベクトルと面積が生成される。7の形状検出器において各面要素の方向ベクトルと面積の情報から、物体の方向ベクトルと面積の情報から物体が有する特徴的な方向を決める。
次に、特徴的な方向の決め方の例について説明する。面要素毎に方向ベクトルが決まっているが、同じ方向ベクトルの面要素の面積を積算することにする。積算した面積が大きなものに対応する方向ベクトルを選択していくと、最大面積に対応する方向ベクトル、第2の面積に対応する方向ベクトル、第3の面積に対応する方向ベクトルを決めることができる。この時、決められた方向ベクトル間の関係は物体の形状に依存する。この物体に特徴的な方向を使って、同じ形状の物体は同じ方向から見るように視線方向の修正を行う。さらに面要素の積算により求めた面積の情報を使い、大きさの正規化を行う。視線方向の修正および大きさの正規化を行った後の各面要素の分布を物体の形状データとして登録することにする。この時、同じ形状の物体は、物体に対して相対的に同じ方向から、大きさを正規化して見ることになるので、面要素の分布が同じになる。
以下では図を使って説明する。図7の左図は物体の表面の位置情報から面要素を生成することができることを示している。物体の近接する3点から1つの面要素を生成することができる。図7の右図は面要素の方向ベクトルの例について示している。物体の各面要素は図7の右図に示す方向ベクトル毎に分類し、面要素の面積の積算をすることができる。
図8および図9を使って更に詳細に説明する。
図8の左図は直方体の各面要素の方向ベクトルを示している。図において形状の全体面積に対する比が大きい面方向、面積比が第2に大きい方向ベクトルおよび面積比が第3に大きい方向ベクトルが示されている。この面積比が大きい方向ベクトルを典型的な方向ベクトルの例に重ねたのが図8の右図になる。
次に図9を使って形状に対応する視線方向の決め方の例につき説明する。図9の左図に対象とする物体の形状と物体に特徴的な方向ベクトルを示している。面積比最大の方向ベクトル、面積比第2の方向ベクトルおよび面積比第3の方向ベクトルを合成し、視線方向を示す方向ベクトルを生成する。図9の右図では視線方向ベクトルを紙面垂直となるようにして、視線方向から物体がどのように見えるかを示している。図9の右図では視線方向のベクトル周りに回転の自由度が残っているため、面積比最大の方向ベクトルを鉛直となるようにしている。このような回転に関する視線方向の修正は物体に特徴的な方向ベクトルを使用することにより容易に実現できる。
最後に物体の面要素を積算して求めた面積を使用して大きさの正規化を実施する。大きさの正規化を図9の右図に適用することにする。以上の処理を実施することにより、同じ形状の物体の方向ベクトルの分布は同じとなる。この方向ベクトルの分布を物体の形状パターンとして定義することにより、物体形状の識別が可能となる。
(請求項4に対応)
図10はこの発明の一実施例における形状認識機の構成例を示した図である。
図10において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。8は位置決定器により検出された物体の表面と検出器の近傍に設定した基準点から延ばした放射状の直線との交点を検出する交点検出器である。9は交点検出器で検出された交点の情報を使い物体表面の運動(接近の状況等)を検出する接近検出器である。
図10において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。8は位置決定器により検出された物体の表面と検出器の近傍に設定した基準点から延ばした放射状の直線との交点を検出する交点検出器である。9は交点検出器で検出された交点の情報を使い物体表面の運動(接近の状況等)を検出する接近検出器である。
次に動作について説明する。
図10において5の位置決定器において物体表面の位置が決定される。8の交点検出器において検出器近傍に設定した基準点から延長した放射状の直線との交点が検出される。5の位置検出器における物体表面の位置は図2に示したあるエレベーション角に対応したエピポーラ面と物体表面との交点である。検出器近傍の基準点として検出器(左)と検出器(右)により決まる基線の上に設定することにより、放射状の直線と物体表面との交点を同一平面(エピポーラ面)における直線(物体表面の点と点を結んだ直線)と直線(基準点から延長した直線)の交点を求めるという簡単な問題になる。この交点をエピポーラ面のエレベーション角をスキャンすることにより物体全体に対し、放射状の直線との交点を求めることができる。
図11ではt=t1における物体の表面と放射状の直線との交点と、t=t1+Δtにおける物体の表面と放射状の直線との交点の挙動を示している。物体の接近は放射状の直線上における交点の動きをモニターすることにより検出できる。(物体が基準点に接近すると、放射状の直線上の交点も接近することになる。)
図10において5の位置決定器において物体表面の位置が決定される。8の交点検出器において検出器近傍に設定した基準点から延長した放射状の直線との交点が検出される。5の位置検出器における物体表面の位置は図2に示したあるエレベーション角に対応したエピポーラ面と物体表面との交点である。検出器近傍の基準点として検出器(左)と検出器(右)により決まる基線の上に設定することにより、放射状の直線と物体表面との交点を同一平面(エピポーラ面)における直線(物体表面の点と点を結んだ直線)と直線(基準点から延長した直線)の交点を求めるという簡単な問題になる。この交点をエピポーラ面のエレベーション角をスキャンすることにより物体全体に対し、放射状の直線との交点を求めることができる。
図11ではt=t1における物体の表面と放射状の直線との交点と、t=t1+Δtにおける物体の表面と放射状の直線との交点の挙動を示している。物体の接近は放射状の直線上における交点の動きをモニターすることにより検出できる。(物体が基準点に接近すると、放射状の直線上の交点も接近することになる。)
(請求項5に対応)
図12はこの発明の一実施例における形状認識機の構成例を示した図である。
図12において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、両像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。8は位置決定器により検出された物体の表面と検出器の近傍に設定した基準点から延ばした放射状の直線との交点を検出する交点検出器である。9は交点検出器で検出された交点の情報を使い物体表面の運動(接近の状況等)を検出する接近検出器である。10は9で検出された物体表面の運動の履歴から位置、速度、加速度等を推定し、物体の将来の位置等を推定する軌跡推定器である。
図12において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、両像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。8は位置決定器により検出された物体の表面と検出器の近傍に設定した基準点から延ばした放射状の直線との交点を検出する交点検出器である。9は交点検出器で検出された交点の情報を使い物体表面の運動(接近の状況等)を検出する接近検出器である。10は9で検出された物体表面の運動の履歴から位置、速度、加速度等を推定し、物体の将来の位置等を推定する軌跡推定器である。
次に動作について説明する。
図12において5の位置決定器において物体表面の位置が決定される。8の交点検出器において検出器近傍に設定した基準点から延長した放射状の直線との交点が検出される。5の位置検出器における物体表面の位置は図2に示したあるエレベーション角に対応したエピポーラ面と物体表面との交点である。検出器近傍の基準点として検出器(左)と検出器(右)により決まる基線の上に設定することにより、放射状の直線と物体表面との交点を同一平面(エピポーラ面)における直線(物体表面の点と点を結んだ直線)と直線(基準点から延長した直線)の交点を求めるという簡単な問題になる。この交点をエピポーラ面のエレベーション角をスキャンすることにより物体全体に対し、放射状の直線との交点を求めることができる。
図11ではt=t1における物体の表面と放射状の直線との交点と、t=t1+Δtにおける物体の表面と放射状の直線との交点の挙動を示している。物体の接近は放射状の直線上における交点の動きをモニターすることにより検出できる。(物体が基準点に接近すると、放射状の直線上の交点も接近することになる。)
点の挙動(=物体の挙動)を推定することができる。(3点以上モニターすることにより、位置、速度、加速度が推定でき、将来の時刻の交点の状態が推定できる。)
図12において5の位置決定器において物体表面の位置が決定される。8の交点検出器において検出器近傍に設定した基準点から延長した放射状の直線との交点が検出される。5の位置検出器における物体表面の位置は図2に示したあるエレベーション角に対応したエピポーラ面と物体表面との交点である。検出器近傍の基準点として検出器(左)と検出器(右)により決まる基線の上に設定することにより、放射状の直線と物体表面との交点を同一平面(エピポーラ面)における直線(物体表面の点と点を結んだ直線)と直線(基準点から延長した直線)の交点を求めるという簡単な問題になる。この交点をエピポーラ面のエレベーション角をスキャンすることにより物体全体に対し、放射状の直線との交点を求めることができる。
図11ではt=t1における物体の表面と放射状の直線との交点と、t=t1+Δtにおける物体の表面と放射状の直線との交点の挙動を示している。物体の接近は放射状の直線上における交点の動きをモニターすることにより検出できる。(物体が基準点に接近すると、放射状の直線上の交点も接近することになる。)
点の挙動(=物体の挙動)を推定することができる。(3点以上モニターすることにより、位置、速度、加速度が推定でき、将来の時刻の交点の状態が推定できる。)
(請求項6に対応)
図14はこの発明の一実施例における形状認識機の構成例を示した図である。
図14において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。6は位置決定器により検出された物体の表面の位置情報から物体表面の面要素を検出する面要素検出器である。7は面要素の情報から物体の形状を検出する形状検出器である。11は7の形状検出器で検出された物体の形状パターンを記録する形状パターン記録器である。12は指定した形状パターンと画像検出器から検出した形状パターンとの照合を行う形状パターン照合器である。
図14において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。6は位置決定器により検出された物体の表面の位置情報から物体表面の面要素を検出する面要素検出器である。7は面要素の情報から物体の形状を検出する形状検出器である。11は7の形状検出器で検出された物体の形状パターンを記録する形状パターン記録器である。12は指定した形状パターンと画像検出器から検出した形状パターンとの照合を行う形状パターン照合器である。
次に動作について説明する。
図14において5の位置決定器において物体表面の位置が決定される。6の面要素検出器において物体表面の位置の情報から面要素が生成され、各面要素の方向ベクトルと面積が生成される。7の形状検出器において各面要素の方向ベクトルと面積の情報から、物体の方向ベクトルと面積の情報から物体が有する特徴的な方向を決める。
同じ方向ベクトルの面要素の面積を積算する時、最大面積に対応する方向ベクトル、第2の面積に対応する方向ベクトル、第3の面積に対応する方向ベクトルを決めることができる。この時、決められた方向ベクトル間の関係は物体の形状に依存する。この物体に特徴的な方向を使って、同じ形状の物体は同じ方向から見るように視線方向の修正を行う。さらに面要素の積算により求めた面積の情報を使い、大きさの正規化を行う。視線方向の修正および大きさの正規化を行った後の各面要素の分布を物体の形状データとして登録することにする。この時、同じ形状の物体は、物体に対して相対的に同じ方向から、大きさを正規化して見ることになるので、面要素の分布が同じになる。7において物体の形状はその形状に応じてパターン化され、11の形状パターン記録器にて記録される。形状パターンは形状毎に識別され、指定できるようにする。例えば、立方体、直方体、人、犬、猫・・等々。12の形状パターン照合器は11の形状パターン記録器において、ある形状(たとえば「人」)を指定すると、指定した形状パターンが形状パターン記録器に蓄えられた記録データから呼び出されて、画像検出器から検出され、7の形状検出器において形状が特定された形状パターンと照合される。画像検出器で検出した画像に検索する対象が含まれている場合は抽出結果を出力する。
図14において5の位置決定器において物体表面の位置が決定される。6の面要素検出器において物体表面の位置の情報から面要素が生成され、各面要素の方向ベクトルと面積が生成される。7の形状検出器において各面要素の方向ベクトルと面積の情報から、物体の方向ベクトルと面積の情報から物体が有する特徴的な方向を決める。
同じ方向ベクトルの面要素の面積を積算する時、最大面積に対応する方向ベクトル、第2の面積に対応する方向ベクトル、第3の面積に対応する方向ベクトルを決めることができる。この時、決められた方向ベクトル間の関係は物体の形状に依存する。この物体に特徴的な方向を使って、同じ形状の物体は同じ方向から見るように視線方向の修正を行う。さらに面要素の積算により求めた面積の情報を使い、大きさの正規化を行う。視線方向の修正および大きさの正規化を行った後の各面要素の分布を物体の形状データとして登録することにする。この時、同じ形状の物体は、物体に対して相対的に同じ方向から、大きさを正規化して見ることになるので、面要素の分布が同じになる。7において物体の形状はその形状に応じてパターン化され、11の形状パターン記録器にて記録される。形状パターンは形状毎に識別され、指定できるようにする。例えば、立方体、直方体、人、犬、猫・・等々。12の形状パターン照合器は11の形状パターン記録器において、ある形状(たとえば「人」)を指定すると、指定した形状パターンが形状パターン記録器に蓄えられた記録データから呼び出されて、画像検出器から検出され、7の形状検出器において形状が特定された形状パターンと照合される。画像検出器で検出した画像に検索する対象が含まれている場合は抽出結果を出力する。
(請求項7に対応)
図15はこの発明の一実施例における形状認識機の構成例を示した図である。
図15において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。13は現時点での位置から検出した周囲の物体の配置状況および自己の位置について記録する周囲環境記録器である。
図15において1は画像検出器1である。2は画像検出器2である。3は画像検出器1の出力と画像検出器2の出力の相関を取る相関検出器である。3の相関検出器では画像検出器1の出力と、画像検出器2の出力が段階的にシフトさせた状態で、設定した幅で画像要素間の相関が取られる。相関は狭域幅と広域幅で一挙に取る。4は3の相関検出器で検出された相関が最大となる画像要素の位置を検出する最大相関検出器である。類似の画像により狭域幅で相関が最大となる箇所が複数出現し、位置の特定が困難な画像の場合においても、並行して実施している広域幅における相関が最大となるものを選択することにより、位置の特定が可能である。5は検出器1の画像要素と検出器2の画像要素の対応関係から検出器で検出している対象の位置を決定する位置決定器である。13は現時点での位置から検出した周囲の物体の配置状況および自己の位置について記録する周囲環境記録器である。
次に動作について説明する。
まず、図2において2個の検出器から物体の位置検出方法について説明する。図2の左図において検出器(左)と検出器(右)の基線と水平面からのエレベーション角を決めると、平面が一意に決まる。この平面をエピポーラ面とすると、各検出器のエピポーラ線も一意に決まる。物体表面の点をPsとすると、点Psに対応する画像要素は検出器(左)および検出器(右)のエピポーラ線上にある。図2の右図を使って整理すると、検出器(左)のδlに対応する画像要素は検出器(右)のδrと対応することになる。これは、検出器(左)のδlと検出器(右)のδrの画像要素の相関が最大となることを意味する。
この関係を使って物体の表面の位置を一挙に求める方法について説明する。図5において検出器2の出力は検出器1の出力に対して段階的にシフトして配置されている。検出器1の画像要素と段階的にシフトして配置された検出器2の画像要素間の相関は図の縦のラインに沿って一挙に相関が計算される。相関を計算する画像要素の幅は任意に設定することができる。図3の例では、狭域幅の相関検出と広域幅の相関検出を同時に実施していることを示している。図3の右側に検出器1と検出器2(段階的にシフト)の画像要素間の相関結果の例を示している。相関の取り方の例として簡便な方法として、画像要素1の出力と画像要素2の出力の差分を取る方法がある。画像要素1と画像要素2の相関が高い場合は、その差分が小さくなる。(図では差分が最少の位置を相関が最大となる位置として表現している。)図3では、狭域幅での相関検出と広域幅での相関検出を同時に実施しているため、それぞれの画像要素間での相関の様子を2本の曲線で示している。類似の画像要素が出現することにより、狭域幅での相関が最大となっている箇所が複数存在していることを示している。この場合、複数の候補の中から解を特定するため広域幅の相関が最大となっているものを選択すれば良い。これは狭域幅では類似の画像要素である場合でも、広域幅にすることにより、見かけ上の類似性は排除されるからである。
一般的に広域幅での相関検出は位置の決定誤差が大きくなるため、位置の決定は狭域幅で実施し、解の不確定性回避に広域幅を使用している。
となっており、求める解であることを示している。
求まったので、図2の右の図の関係を使うことにより、物体の表面Psの位置が求まる。図3ではδlの位置を1箇所で示しているが、δlの位置を多段に設定し、検出器2との相関を一挙に取り、対応する検出器2の最大相関の位置を求める。これによりある設定したエレベーション角に対応するエピポーラ面と交差する物体の表面の位置が求まる。エレベーション角をスキャンさせることにより、物体の表面の位置が全て求めることができる。
図16は上記に述べた物体の表面を記録していくことにより、周囲の物体の配置状況が詳細に記録されていくことを示している。指定した時刻を起点として、その時点での自己の位置と座標を決定する。自己が移動した場合は、その軌跡を決定した座標の中に記録していく。検出した物体の表面の位置データを逐次、3次元的に記録していくと、次第に周囲の物体の配置状況が詳細に記録されていく。自己が移動しても対象の物体が動いていない場合は、座標系の中での物体は同じ位置でプロットされる。(物体の表面を示すデータがより多くプロットされる。)自己が移動することにより、当初は見えていなかった物体の他の側面が見えるので、より詳細に周囲の物体の配置状況を検出することができる。
まず、図2において2個の検出器から物体の位置検出方法について説明する。図2の左図において検出器(左)と検出器(右)の基線と水平面からのエレベーション角を決めると、平面が一意に決まる。この平面をエピポーラ面とすると、各検出器のエピポーラ線も一意に決まる。物体表面の点をPsとすると、点Psに対応する画像要素は検出器(左)および検出器(右)のエピポーラ線上にある。図2の右図を使って整理すると、検出器(左)のδlに対応する画像要素は検出器(右)のδrと対応することになる。これは、検出器(左)のδlと検出器(右)のδrの画像要素の相関が最大となることを意味する。
この関係を使って物体の表面の位置を一挙に求める方法について説明する。図5において検出器2の出力は検出器1の出力に対して段階的にシフトして配置されている。検出器1の画像要素と段階的にシフトして配置された検出器2の画像要素間の相関は図の縦のラインに沿って一挙に相関が計算される。相関を計算する画像要素の幅は任意に設定することができる。図3の例では、狭域幅の相関検出と広域幅の相関検出を同時に実施していることを示している。図3の右側に検出器1と検出器2(段階的にシフト)の画像要素間の相関結果の例を示している。相関の取り方の例として簡便な方法として、画像要素1の出力と画像要素2の出力の差分を取る方法がある。画像要素1と画像要素2の相関が高い場合は、その差分が小さくなる。(図では差分が最少の位置を相関が最大となる位置として表現している。)図3では、狭域幅での相関検出と広域幅での相関検出を同時に実施しているため、それぞれの画像要素間での相関の様子を2本の曲線で示している。類似の画像要素が出現することにより、狭域幅での相関が最大となっている箇所が複数存在していることを示している。この場合、複数の候補の中から解を特定するため広域幅の相関が最大となっているものを選択すれば良い。これは狭域幅では類似の画像要素である場合でも、広域幅にすることにより、見かけ上の類似性は排除されるからである。
一般的に広域幅での相関検出は位置の決定誤差が大きくなるため、位置の決定は狭域幅で実施し、解の不確定性回避に広域幅を使用している。
となっており、求める解であることを示している。
求まったので、図2の右の図の関係を使うことにより、物体の表面Psの位置が求まる。図3ではδlの位置を1箇所で示しているが、δlの位置を多段に設定し、検出器2との相関を一挙に取り、対応する検出器2の最大相関の位置を求める。これによりある設定したエレベーション角に対応するエピポーラ面と交差する物体の表面の位置が求まる。エレベーション角をスキャンさせることにより、物体の表面の位置が全て求めることができる。
図16は上記に述べた物体の表面を記録していくことにより、周囲の物体の配置状況が詳細に記録されていくことを示している。指定した時刻を起点として、その時点での自己の位置と座標を決定する。自己が移動した場合は、その軌跡を決定した座標の中に記録していく。検出した物体の表面の位置データを逐次、3次元的に記録していくと、次第に周囲の物体の配置状況が詳細に記録されていく。自己が移動しても対象の物体が動いていない場合は、座標系の中での物体は同じ位置でプロットされる。(物体の表面を示すデータがより多くプロットされる。)自己が移動することにより、当初は見えていなかった物体の他の側面が見えるので、より詳細に周囲の物体の配置状況を検出することができる。
(請求項1に対応)
第1の発明によれば形状認識機は、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で一挙に相関を検出し、相関が最大となる位置を瞬時に検出し形状を認識する。逐次計算しないため、処理に多大な時間を要しない。
(請求項2に対応)
第2の発明によれば形状認識機は、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、複数の設定した幅で一挙に相関を検出し、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の決定が困難な画像に対しても候補の絞り込みを自動で実施し、相関が最大となる位置を瞬時に特定し形状を認識する。処理が簡潔であり、逐次計算しないため、処理に多大な時間を要しない。
(請求項3に対応)
第3の発明によれば形状認識機は、検出した物体の表面の位置情報から物体の面要素の方向と面積の情報から物体の形状を3次元的に検出する。物体の面要素の相対的な方向と面積の情報(面積比)は位置ズレ、回転ズレ、大きさのズレに対して影響を受けない。
従って、位置のズレ、回転ズレ、大きさのズレの影響があっても同一の形状は同じであると認識できる。
従って、位置のズレ、回転ズレ、大きさのズレの影響があっても同一の形状は同じであると認識できる。
(請求項4に対応)
第4の発明によれば形状認識機は、複数の画像検出器で物体の形状全体を検出し、その物体の接近を検出する。従って、従来の接近検出で課題である、特徴点の位置に関しては検出できるが、特徴点以外の点に関しては接近の状況を検出できないという事象は生じない。
(請求項5に対応)
第5の発明によれば形状認識機は、複数の画像検出器で物体の形状全体を検出し、その物体の位置、速度、加速度等を検出し、物体の将来の位置等を推定する。従って、従来の接近検出で課題である、特徴点の位置に関しては推定できるが、特徴点以外の点に関しては接近の状況を推定できないという事象は生じない。
(請求項6に対応)
第6の発明によれば形状認識機は、検出した物体の表面の位置情報から物体の面要素の方向と面積の情報から物体の形状を3次元的に検出する。物体の面要素の相対的な方向と面積の情報(面積比)は位置ズレ、回転ズレ、大きさのズレに対して影響を受けない。
従って、位置のズレ、回転ズレ、大きさのズレの影響があっても同一の形状は同じであると認識でき、検索したい対象を抽出することができる。
従って、位置のズレ、回転ズレ、大きさのズレの影響があっても同一の形状は同じであると認識でき、検索したい対象を抽出することができる。
(請求項7に対応)
第7の発明によれば形状認識機は、複数の画像検出器を使用し、3次元的に自己の位置と周囲の物体の配置状況を検出し、記録していく。従来の立体画像の検出は周囲の主要な物体の位置を検出し、自己との相対的な位置関係を推定しており、周囲の物体の詳細な位置関係を正確に把握することは難しい等の課題は無い。
1 画像検出器1
2 画像検出器2
3 相関検出器
4 最大相関検出器
5 位置決定器
6 面要素検出器
7 形状検出器
8 交点検出器
9 接近検出器
10 軌跡検出器
11 形状パターン記録器
12 形状パターン照合器
13 周囲環境記録器
2 画像検出器2
3 相関検出器
4 最大相関検出器
5 位置決定器
6 面要素検出器
7 形状検出器
8 交点検出器
9 接近検出器
10 軌跡検出器
11 形状パターン記録器
12 形状パターン照合器
13 周囲環境記録器
Claims (7)
- 2個以上の画像検出器と、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で画像要素間の相関を検出する相関検出器と、第1の画像要素と第2の画像要素との相関が最大となる位置を検出する最大相関検出器と、相関が最大となる位置の情報から対象が存在する位置を決定する位置決定器を備え、物体表面の位置および形状を3次元的に検出する形状認識機。
- 2個以上の画像検出器と、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で画像要素間の相関を検出する複数の相関検出器と、複数の相関検出器の出力から、第1の画像要素と第2の画像要素との相関が最大となる位置を検出する最大相関検出器と、相関が最大となる位置の情報から対象が存在する位置を決定する位置決定器を備え、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の特定が困難な画像に対しても、物体の表面の位置および形状の特定を可能とする形状認識機。
- 2個以上の画像検出器と、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で画像要素間の相関を検出する複数の相関検出器と、複数の相関検出器の出力から、第1の画像要素と第2の画像要素との相関が最大となる位置を検出する最大相関検出器と、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の特定が困難な画像に対しても、物体の表面の位置および形状を決定する位置決定器と、決定した物体表面の位置の情報から物体の面要素の方向を検出する面要素検出器と、検出した面要素の方向と面要素の面積の情報から物体の形状を推定する形状検出器を備え、物体の形状を3次元的に検出する形状認識機。
- 2個以上の画像検出器と、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で画像要素間の相関を検出する複数の相関検出器と、複数の相関検出器の出力から、第1の画像要素と第2の画像要素との相関が最大となる位置を検出する最大相関検出器と、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の特定が困難な画像に対しても、物体の表面の位置および形状を決定する位置決定器と、画像検出器の近傍に設定した位置から放射状に設定した直線と対象が交わる交点検出器と、対象の動きを設定した直線上の交点で検出する接近検出器を備え、対象の接近を検出する形状認識機。
- 2個以上の画像検出器と、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で画像要素間の相関を検出する複数の相関検出器と、複数の相関検出器の出力から、第1の画像要素と第2の画像要素との相関が最大となる位置を検出する最大相関検出器と、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の特定が困難な画像に対しても、物体の表面の位置および形状を決定する位置決定器と、画像検出器の近傍に設定した位置から放射状に設定した直線と対象が交わる交点検出器と、対象の動きを設定した直線上の交点で検出する接近検出器と、接近検出器で検出した対象の位置、速度、加速度等から対象の将来の位置等を推定する軌跡推定器を備え、対象の動きを予測する形状認識機。
- 2個以上の画像検出器と、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で画像要素間の相関を検出する複数の相関検出器と、複数の相関検出器の出力から、第1の画像要素と第2の画像要素との相関が最大となる位置を検出する最大相関検出器と、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の特定が困難な画像に対しても、物体の表面の位置および形状を決定する位置決定器と、決定した物体表面の位置の情報から物体の面要素の方向を検出する面要素検出器と、検出した面要素の方向と面要素の面積の情報から物体の形状を推定する形状検出器と、形状のパターンを記録する形状パターン記録器と、検出器により検出した形状と形状パターン記録器に記録した形状パターンとを照合する形状パターン照合器を備え、検索したい対象を画像検出器で検出した画像情報から抽出する形状認識機。
- 2個以上の画像検出器と、第1の画像検出器の出力と第2の画像検出器の出力を段階的にシフトさせ、設定した幅で画像要素間の相関を検出する複数の相関検出器と、複数の相関検出器の出力から、第1の画像要素と第2の画像要素との相関が最大となる位置を検出する最大相関検出器と、類似の画像要素により相関が最大となる複数の候補が出現し、対象の位置の特定が困難な画像に対しても、物体の表面の位置および形状を決定する位置決定器と、位置決定器により決定した周囲の物体の位置および自己の位置を記録する周囲環境記録器を備え、周囲の物体の配置状況を検出する形状認識機。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014213142A JP2015045654A (ja) | 2014-09-30 | 2014-09-30 | 形状認識機 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014213142A JP2015045654A (ja) | 2014-09-30 | 2014-09-30 | 形状認識機 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015045654A true JP2015045654A (ja) | 2015-03-12 |
Family
ID=52671235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014213142A Pending JP2015045654A (ja) | 2014-09-30 | 2014-09-30 | 形状認識機 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2015045654A (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05303629A (ja) * | 1991-11-29 | 1993-11-16 | Nec Corp | 形状合成方法 |
JP2001194126A (ja) * | 2000-01-14 | 2001-07-19 | Sony Corp | 三次元形状計測装置および三次元形状計測方法、並びにプログラム提供媒体 |
JP2002056379A (ja) * | 2000-08-11 | 2002-02-20 | Minolta Co Ltd | 3次元データ生成装置 |
JP2004145459A (ja) * | 2002-10-22 | 2004-05-20 | Toyota Motor Corp | 画像処理方法および画像処理装置 |
JP2007279808A (ja) * | 2006-04-03 | 2007-10-25 | Honda Motor Co Ltd | 車両周辺監視装置 |
JP2008123141A (ja) * | 2006-11-09 | 2008-05-29 | Yamatake Corp | 対応点探索方法および3次元位置計測方法 |
-
2014
- 2014-09-30 JP JP2014213142A patent/JP2015045654A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05303629A (ja) * | 1991-11-29 | 1993-11-16 | Nec Corp | 形状合成方法 |
JP2001194126A (ja) * | 2000-01-14 | 2001-07-19 | Sony Corp | 三次元形状計測装置および三次元形状計測方法、並びにプログラム提供媒体 |
JP2002056379A (ja) * | 2000-08-11 | 2002-02-20 | Minolta Co Ltd | 3次元データ生成装置 |
JP2004145459A (ja) * | 2002-10-22 | 2004-05-20 | Toyota Motor Corp | 画像処理方法および画像処理装置 |
JP2007279808A (ja) * | 2006-04-03 | 2007-10-25 | Honda Motor Co Ltd | 車両周辺監視装置 |
JP2008123141A (ja) * | 2006-11-09 | 2008-05-29 | Yamatake Corp | 対応点探索方法および3次元位置計測方法 |
Non-Patent Citations (1)
Title |
---|
JPN6015000450; 恩田寿和、外1名: '階層的ステレオマッチング手法を用いた三次元部品位置決めのためのステレオ計測' ロボティクス・メカトロニクス講演会'00講演論文集 2P2-20-018, 2000, 一般社団法人日本機械学会 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10807236B2 (en) | System and method for multimodal mapping and localization | |
CN110807350B (zh) | 用于面向扫描匹配的视觉slam的系统和方法 | |
KR101782057B1 (ko) | 지도 생성 장치 및 방법 | |
KR101072876B1 (ko) | 이동 로봇에서 자신의 위치를 추정하기 위한 방법 및 장치 | |
US9977967B2 (en) | Object detection device for recognizing an object in an input frame image using detection history information | |
JP4985166B2 (ja) | 自己位置推定装置 | |
JP6405778B2 (ja) | 対象追跡方法及び対象追跡装置 | |
US8498472B2 (en) | Image-based localization feature point registration apparatus, method and computer-readable medium | |
US20220156973A1 (en) | Information processing apparatus, information processing method, and program | |
JP4702569B2 (ja) | 車両用画像処理装置 | |
TWI504858B (zh) | A vehicle specification measuring and processing device, a vehicle specification measuring method, and a recording medium | |
JP6506032B2 (ja) | 測量データ処理装置、測量データ処理方法およびプログラム | |
CN109871745A (zh) | 识别空车位的方法、系统及车辆 | |
JP2010033447A (ja) | 画像処理装置および画像処理方法 | |
Zhou et al. | Robust global localization by using global visual features and range finders data | |
CN115147587A (zh) | 一种障碍物检测方法、装置及电子设备 | |
JP5743935B2 (ja) | 対象物検出装置および対象物検出方法 | |
JP6506031B2 (ja) | 測量データ処理装置、測量データ処理方法およびプログラム | |
JP2009266155A (ja) | 移動体追跡装置及びその方法 | |
US20240085448A1 (en) | Speed measurement method and apparatus based on multiple cameras | |
JP2015045654A (ja) | 形状認識機 | |
JP2017091202A (ja) | 物体認識方法及び物体認識装置 | |
JP4882575B2 (ja) | 自己位置推定装置 | |
Kim et al. | Vision-based navigation with efficient scene recognition | |
JP2007183908A (ja) | 物体検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20141209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150120 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20150609 |