JP2016502216A - 物的資産の改良された自動外観検査のための方法およびシステム - Google Patents

Abstract

物的資産の改良された自動外観検査のためのコンピュータにより実行されるシステムは、物的資産の画像を生成することができる外観検査装置と、プロセッサおよびプロセッサに結合されたメモリ装置を含む計算装置と、を含む。計算装置は、メモリ装置に結合され、プロセッサに結合される記憶装置を含む。記憶装置は、物的資産の少なくとも１つの過去の画像と、物的資産を実質的に表す少なくとも１つのエンジニアリングモデルと、を含む。計算装置は、現在の画像ソースから、外観検査装置によって取り込まれた物的資産の少なくとも１つの現在の画像を受信するように構成される。計算装置は、少なくとも１つの現在の画像に対応する少なくとも１つのマッチする過去の画像を識別するように構成される。計算装置は、少なくとも１つの現在の画像に対応する少なくとも１つのマッチするエンジニアリングモデルを識別するように構成される。【選択図】図１

Description

本発明の分野は、一般的にはコンピュータにより実行されるプログラムに関し、より具体的には、物的資産の改良された自動外観検査のためのコンピュータにより実行されるシステムに関する。

物的資産を外観検査する公知の方法は、人間が入ることなく、このような物的資産内に挿入された光学装置を用いることが含まれる。このような公知の方法は、分解または他の補修なしに人間の技術者がアクセス不可能であり得る複雑な物的資産の迅速な目視解析を可能にすることによって利点を提供する。いくつかのこのような公知の場合では、複雑な物的資産の分解または補修を行うのに時間がかかることがあり得る。このような分解または補修の間に、多くのそのような複雑な物的資産を一時的に動作不能にしなければならない。したがって、外観検査の公知の方法は、複雑な物的資産の内部状態の解析を迅速に促進させ、分解または補修によるダウンタイムを低減する。

物的資産の外観検査の公知の方法およびシステムは、複雑な物的資産の状態を診断することができる人間の技術者に視覚データを送ることを含む。人間の技術者は、モニター、コンピュータ、または他のディスプレイを用いて、そのような視覚データを精査することができる。外観検査の多くの公知の方法およびシステムでは、人間の技術者は、収集された視覚データを３次元エンジニアリングモデルに重ね合わせて、収集された視覚データと３次元モデルとの間で特徴を手動でマッチングする。このような重ね合わせ、比較、およびマッチングは、非常に時間がかかることがある。また外観検査の公知の方法およびシステムは、人間の技術者が視覚データを受け取る時には、前もってフィールドエンジニアにより収集されていない新たな物理的な測定値を得るためには遅すぎることがしばしばあるという複雑さに直面する場合がある。このような場合には、新たな物理的測定は、物的資産の次の検査で収集することしかできない。

光学装置を用いた物的資産の外観検査のこのような公知の方法およびシステムは、光学装置から人間の技術者に送られてきた視覚データに対応する構成要素の効率的かつ効果的な識別を容易にするものではない。多くの公知の複雑な物的資産には、極めて多くの構成要素および下位構成要素がある。各構成要素および各下位構成要素のアーキテクチャの詳細を精査することは、外観検査の公知の方法を用いる際の必要で時間のかかる態様であることが多い。しかし、このような精査は、人間の技術者が視覚データに関係する正確な構成要素または下位構成要素を理解していることを確実にするために必要である。誤判定は、ロジスティック的にも金銭的にもコストがかかる。

米国特許出願公開第２０１２／１４１０１０号明細書

一態様では、物的資産の改良された自動外観検査のためのコンピュータにより実行されるシステムが提供される。システムは、物的資産の画像を生成することができる外観検査装置を含む。またシステムは、計算装置を含む。計算装置は、プロセッサを含む。また計算装置は、プロセッサに結合されるメモリ装置を含む。また計算装置は、メモリ装置に結合され、さらにプロセッサに結合される記憶装置を含む。記憶装置は、物的資産の少なくとも１つの過去の画像と、物的資産を実質的に表す少なくとも１つのエンジニアリングモデルと、を含む。計算装置は、現在の画像ソースから、外観検査装置によって取り込まれた物的資産の少なくとも１つの現在の画像を受信するように構成される。また、計算装置は、少なくとも１つの現在の画像に対応する少なくとも１つのマッチする過去の画像を識別するように構成される。さらに、計算装置は、少なくとも１つの現在の画像に対応する少なくとも１つのマッチするエンジニアリングモデルを識別するように構成される。

さらなる態様では、物的資産の改良された自動外観検査のためのコンピュータに基づく方法が提供される。コンピュータに基づく方法は、計算装置によって実行される。計算装置は、プロセッサを含む。また計算装置は、プロセッサに結合されるメモリ装置を含む。計算装置は、メモリ装置に結合され、さらにプロセッサに結合される記憶装置をさらに含む。記憶装置は、物的資産の少なくとも１つの過去の画像と、物的資産を実質的に表す少なくとも１つのエンジニアリングモデルと、を含む。コンピュータに基づく方法は、現在の画像ソースから、外観検査装置によって取り込まれた物的資産の少なくとも１つの現在の画像を受信するステップを含む。またコンピュータに基づく方法は、少なくとも１つの現在の画像に対応する少なくとも１つのマッチする過去の画像を識別するステップを含む。コンピュータに基づく方法は、少なくとも１つの現在の画像に対応する少なくとも１つのマッチするエンジニアリングモデルを識別するステップをさらに含む。

別の態様では、物的資産の改良された自動外観検査のためのコンピュータが提供される。コンピュータは、プロセッサを含む。またコンピュータは、プロセッサに結合されるメモリ装置を含む。コンピュータは、メモリ装置に結合され、またプロセッサに結合される記憶装置をさらに含む。記憶装置は、物的資産の少なくとも１つの過去の画像と、物的資産を実質的に表す少なくとも１つのエンジニアリングモデルと、を含む。コンピュータは、現在の画像ソースから、外観検査装置によって取り込まれた物的資産の少なくとも１つの現在の画像を受信するように構成される。またコンピュータは、少なくとも１つの現在の画像に対応する少なくとも１つのマッチする過去の画像を識別するように構成される。コンピュータは、少なくとも１つの現在の画像に対応する少なくとも１つのマッチするエンジニアリングモデルを識別するようにさらに構成される。

これらの、ならびに他の特徴、実施態様および利点は、添付の図面を参照しつつ以下の詳細な説明を読めば、よりよく理解されよう。添付の図面では、図面の全体にわたって、類似する符号は類似する部分を表す。

物的資産の改良された自動外観検査のための例示的な高レベルのコンピュータにより実行されるシステムの概略図である。 図１に示したコンピュータにより実行されるシステムと共に用いることができる例示的な計算装置のブロック図である。 図１に示したコンピュータにより実行されるシステムを用いた物的資産の改良された自動外観検査のための例示的な処理のフローチャートである。 図３に示した改良された外観検査処理を容易にするために、図１に示したコンピュータにより実行されるシステムを用いた、物的資産の改良された自動外観検査のための全体的な方法の簡略化したフローチャートである。

特に明記しない限り、本明細書において提供される図面は、本発明の主要な発明の特徴を図示するものである。これらの主要な発明の特徴は、本発明の１つまたは複数の実施形態を含む多種多様なシステムで適用できると考えられる。したがって、図面は、本発明の実施のために必要とされる当業者に知られているすべての従来の特徴を含むわけではない。

以下の明細書および特許請求の範囲において、いくつかの用語に言及するが、それらは以下の意味を有すると規定する。

単数形「ａ」、「ａｎ」、および「ｔｈｅ」は、文脈が特に明確に指示しない限り、複数の言及を含む。

「任意の」または「任意に」は、続いて記載された事象または状況が生じてもよいし、また生じなくてもよいことを意味し、かつ、その説明が、事象が起こる場合と、それが起こらない場合と、を含むことを意味する。

本明細書で用いられる「非一時的コンピュータ可読媒体」という用語は、コンピュータ可読命令、データ構造、プログラムモジュールおよびサブモジュール、あるいは任意の装置の他のデータなどの情報の短期的および長期的記憶のための任意の方法または技術で実施される、任意の有形のコンピュータに基づく装置を表すことを意図している。したがって、本明細書に記載する方法は、これらに限らないが、記憶装置および／またはメモリ装置を含む、有形の非一時的コンピュータ可読媒体で具現化された実行可能命令として符号化することができる。このような命令は、プロセッサによって実行された場合に、本明細書に記載する方法の少なくとも一部をプロセッサに実行させる。さらに、本明細書に用いられる「非一時的コンピュータ可読媒体」という用語は、全ての有形のコンピュータ可読媒体を含み、これらは非一時的コンピュータ記憶装置を含むが、これに限定されるものではなく、揮発性および不揮発性媒体、ならびにファームウェア、物理および仮想記憶装置、ＣＤ−ＲＯＭ、ＤＶＤなどの取外し可能および取り外し不可能な媒体、ならびにネットワークもしくはインターネットなどの他の任意のデジタルソース、ならびにこれまでに開発されたデジタル手段を含むが、これらに限定されるものではなく、一時的な伝播する信号がその唯一の例外である。

本明細書で用いられる「ソフトウェア」および「ファームウェア」という用語は、交換可能であり、モバイル装置、クラスタ、パーソナルコンピュータ、ワークステーション、クライアント、およびサーバを含むがこれらに限定されない装置によって、実行するためにメモリに記憶された任意のコンピュータプログラムを含む。

本明細書で用いられる「リアルタイム」という用語は、関連する事象が発生する時、所定のデータを測定および収集する時、データを処理する時、ならびに事象および環境に対するシステム応答の時のうちの少なくとも１つを意味する。本明細書に記載する実施形態では、これらの動作および事象は、実質的に同時に起こる。

本明細書で用いられる「コンピュータ」という用語および関連する用語、例えば「計算装置」は、従来技術においてコンピュータと呼ばれている集積回路に限定されず、広く、マイクロコントローラ、マイクロコンピュータ、プログラマブル論理コントローラ（ＰＬＣ）、特定用途向け集積回路、およびその他のプログラム可能な回路を意味し、これらの用語は、本明細書において互換的に用いられる。

本明細書中で用いられる「自動化」および関連する用語、例えば「自動的」は、いかなる付加的な入力もなしにタスクを実行する能力を意味する。また、本明細書では、参照画像がシステムに供給され、その参照画像が３次元モデル上に重ね合わされるという点で、物的資産の外観検査が自動化される。

本明細書で用いられる「外観検査装置」および関連する用語、例えば「外観検査装置（複数）」は、物的資産に挿入され、物的資産内を移動し、物的資産に関する視覚データを取り込み、視覚データを他のシステムへ送信することができる任意の光学装置を意味する。このような外観検査装置は、これらに限らないが、ボアスコープ、ファイバスコープ、ビデオボアスコープ、リジッドボアスコープ、または物的資産内に挿入され操作可能な任意のデジタルカメラを含むことができる。また、本明細書では、外観検査装置は、物的資産から現在の画像を提供することによって、物的資産の改良された検査を容易にする。

本明細書で用いられる「物的資産」という用語および関連する用語、例えば「資産」は、外観検査装置を用いて検査することができる任意の物理的な対象物をいう。このような資産は、これらに限定されないが、ガスタービン、蒸気タービン、航空機エンジン、ディーゼルエンジン、自動車エンジン、トラックエンジン、圧力容器、外観検査装置が入り込むことができる任意の単純なもしくは複雑な機械装置を含むことができる。また、本明細書では、物的資産は、改良された外観検査を受けるために用いられる。

本明細書で用いられる「エンジニアリングモデル」という用語および関連する用語、例えば「エンジニアリングモデルデータ」は、物的資産を実質的に表す任意の３次元グラフィカルモデルを指す。このようなエンジニアリングモデルは、これらに限らないが、コンピュータ支援製図（ＣＡＤ）、コンピュータ支援工業デザイン、写真の写実的レンダリング、および物的資産を実質的に表し、３次元の典型的な物的資産を表現するために用いられ得る他の任意のモデルを含んでもよい。また、本明細書では、エンジニアリングモデルは、物的資産の予想される通常の３次元設計を記述するために用いられる。

本明細書で用いられる「キーポイント特徴検出」という用語および関連する用語は、画像の局所的な特徴を検出し記述する技術である。キーポイント特徴検出は、典型的には、対象物上の関心点を識別し、これらの点を特徴として抽出し、特徴を記述する方法を含む。このような方法としては、これらに限らないが、スケール不変特徴変換（ＳＩＦＴ）、スピードアップロバスト特徴（ＳＵＲＦ）、最大安定極値領域（ＭＳＥＲ）、アフィンＳＩＦＴ（ＡＳＩＦＴ）が挙げられる。アルゴリズムが進化するにつれて、いくつかの方法は、変更、追加、または削除することができる。また、本明細書では、キーポイント特徴検出は、現在の画像を過去の画像データと比較することを可能にする。

本明細書で用いられる「キーポイントマッチング」という用語および関連する用語は、第１の画像からの第１の特徴を、第２の画像の第２の特徴として物的資産の同じ物理的位置を指すために見つけることができる、キーポイント特徴検出後に行われる処理である。したがって、キーポイントマッチングは、２つの異なる画像間のキーポイント特徴識別において決定された特徴の相関を可能にする。また、本明細書では、キーポイントマッチングは、現在の画像と過去の画像データとの比較を容易にする。

本明細書で用いられる「ポイントクラウド（点群）」という用語および関連する用語、例えば「２Ｄ−３Ｄポイントクラウド」は、３次元モデルと２次元の過去の画像との間の特徴マッチのマッピングを意味する。また、本明細書では、ポイントクラウドは、オフライン処理で作成され、画像検索が現在の画像に対応する過去の画像を識別した後に、２次元の過去の画像と共に３次元エンジニアリングモデルを提供するために用いられる。

本明細書中で用いられる「画像検索部」という用語および関連する用語、例えば、「画像検索システム」は、第１の画像に最も関連する（すなわち、最も密接に対応する）第２の画像を見いだす方法を意味する。画像検索の方法は数多く存在し、それに応じて画像検索部は、任意のこのような方法を適用することができる。画像検索部は、これらに限らないが、Ｋ最近接（Ｋ−ＮＮ）を用いる方法、語彙ツリーおよびクラスタに基づく検索を実現する方法、あるいは過去の画像を編成して、現在の画像に対応する過去の画像を効率的に識別することができる任意の他の方法を含むことができる。また、本明細書では、画像検索部は、過去の画像および現在の画像に対応するポイントクラウドを識別するために使用される。

本明細書で用いられる「エピポーラ拘束」という用語および関連する用語、例えば「エピポーラライン」は、異なる位置から得られた同じ３次元物体の２つの２次元画像の照合を可能にするコンピュータビジョンおよび幾何学上の概念を意味する。エピポーララインは、第１画像における点として認識される線、および第２画像における線を意味する。発散する認識は、第１および第２の画像の異なる基準位置によって生じる。本明細書では、エピポーララインは、２つの画像間のマッチング点を制約するために用いられる。エピポーラ拘束は、１つの画像で観察される点ごとに、同一点が既知のエピポーラライン上の他の画像で観察されなければならないことを要求するために、エピポーララインを用いることである。エピポーラ拘束を満たさない（すなわち、第１の画像が第２の画像において提案される対応点が対応するエピポーラライン上にはない点を示す）場合には、マッチはエラーと記載され、他のマッチに対して不利になり、あるいは信用されない。

近似する文言は、本明細書および特許請求の範囲の全体にわたってここで用いられるように、それが関連する基本的機能の変更をもたらすことなく許容範囲で変化することができる定量的表現を修飾するために適用することができる。したがって、「約」および「実質的に」などの用語で修飾された値は、明記された厳密な値に限定されるものではない。少なくともいくつかの例では、近似する文言は、値を測定するための機器の精度に対応することができる。ここで、ならびに明細書および特許請求の範囲の全体を通じて、範囲の限定は組み合わせおよび／または置き換えが可能であり、文脈および文言が特に指示しない限り、このような範囲は識別され、それに包含されるすべての部分範囲を含む。

図１は、物的資産１０５の改良された外観検査のための例示的な高レベルのコンピュータにより実行されるシステム１００の概略図である。例示的な実施形態では、物的資産１０５は、蒸気タービンである。代替的な実施形態では、物的資産１０５は、これらに限らないが、ガスタービン、航空機エンジン、ディーゼルエンジン、自動車エンジン、トラックエンジン、圧力容器、配管系、発電機、減速機、変圧器、および任意の単純または複雑な機械装置を含む任意の物理的対象物であってもよい。また、コンピュータにより実行されるシステム１００は、外観検査装置１１０を含む。例示的な実施形態では、外観検査装置１１０はボアスコープである。代替的な実施形態では、外観検査装置１１０は、これらに限らないが、ファイバスコープ、ビデオボアスコープ、リジッドボアスコープ、または物的資産１０５内に挿入され、操作可能な任意のデジタルカメラ装置を含んでもよい。

またコンピュータにより実行されるシステム１００は、計算装置１２０を含む。計算装置１２０は、プロセッサ１２５およびメモリ装置１３０を含む。プロセッサ１２５およびメモリ装置１３０は、互いに結合される。例示的な実施形態では、計算装置１２０は、１つのプロセッサ１２５および１つのメモリ装置１３０を含む。代替的な実施形態では、計算装置１２０は、複数のプロセッサ１２５および／または複数のメモリ装置１３０を含んでもよい。

また計算装置１２０は、記憶装置１３５を含む。記憶装置１３５は、プロセッサ１２５に結合され、またメモリ装置１３０に結合される。例示的な実施形態では、記憶装置１３５は、ハードディスクドライブである。代替的な実施形態では、記憶装置１３５は、これらに限らないが、光学記憶装置、磁気記憶装置、ネットワーク記憶装置、フラッシュ記憶装置、大容量記憶装置、およびコンピュータにより実行されるシステム１００のためのデータを記憶することができる任意の他の記憶装置を含む任意の記憶装置であってもよい。少なくともいくつかの実施形態では、計算装置１２０は、外部記憶装置１６０と関係する。このような実施形態では、外部記憶装置１６０は、記憶装置１３５に書き込まれるか、または計算装置１２０が直接用いるデータを記憶する。

例示的な実施形態では、記憶装置１３５は、過去の画像データ１４０およびエンジニアリングモデルデータ１４５を含む。過去の画像データ１４０は、物的資産１０５を検査する外観検査装置１１０の先行使用によって取り込まれたデータを表す。例示的な実施形態では、少なくともいくつかの過去の画像データ１４０は、物的資産１０５を製造した直後に作成される。代替的な実施形態では、過去の画像データ１４０は、現在の検査の前の任意の時点で生成されてもよい。他の実施形態では、過去の画像データ１４０は、物的資産１０５の複数の検査からの画像データを含んでもよい。エンジニアリングモデルデータ１４５は、物的資産１０５の製造前の設計のデータを表す。例示的な実施形態では、エンジニアリングモデルデータ１４５は、コンピュータ支援製図（ＣＡＤ）を含む。代替的な実施形態では、エンジニアリングモデルデータ１４５は、これらに限らないが、コンピュータ支援工業デザイン、写真の写実的レンダリング、および物的資産を実質的に表し、典型的な物的資産１０５を表現するために用いられ得る他の任意のモデルを含んでもよい。

動作について説明すると、外観検査装置１１０は、物的資産１０５内に挿入され、少なくとも１つの現在の画像１１５を計算装置１２０に送信する。計算装置１２０は、外観検査装置１１０から少なくとも１つの現在の画像１１５を受信する。代替的な実施形態では、計算装置１２０は、外観検査装置１１０により生成されて、メモリ装置１３０、記憶装置１３５、または外部記憶装置１６０に記憶された少なくとも１つの現在の画像１１５を受信してもよい。これらの実施形態では、現在の画像データ１１５は、便宜上、代替的なソースによって受信されてもよい。例えば、外観検査装置１１０を用いる技術者は、物的資産１０５の完全な検査を行い、すべての関連する画像データ１１５を取り込むことができるが、もはや現在の画像データ１１５をライブストリーミングで利用できなくなる。このような例では、データ記憶装置から現在の画像データ１１５にアクセスすることは、価値の高いものである。

また、計算装置１２０は、少なくとも１つの現在の画像１１５に対応する過去の画像データ１４０から少なくとも１つのマッチする過去の画像（図１には示していない）を識別する。さらに、計算装置１２０は、少なくとも１つの現在の画像１１５に対応するエンジニアリングモデルデータ１４５から少なくとも１つのマッチするエンジニアリングモデル（図１には示していない）を識別する。例示的な実施形態では、現在の画像１１５に対応する過去の画像データ１４０は、２次元の過去の画像データ１４０と３次元エンジニアリングモデルデータ１４５との間の特徴をマッチさせるポイントクラウドを用いることにより、エンジニアリングモデルデータ１４５と共に画像検索処理によって検索される。ポイントクラウドおよび２次元の過去の画像データ１４０と３次元エンジニアリングモデルデータ１４５との間の関係は、本開示で説明されるものとは別の処理で生成される。例示的な実施形態では、画像検索処理は、エントロピーに基づいて領域間および領域内の特性を取り込む空間エントロピー特徴量の使用を含む。空間エントロピー特徴量は、外観検査装置１１０の具体的な姿勢およびスケール類似度を示している。空間エントロピー特徴量は、所与の画素およびその近接画素（すなわち、その画素に直接に隣接する画素）に関する情報を用いるエントロピー特徴ベクトルを構築するために用いられる。画像の空間的性質は、画像を空間セルに分割し、各セルにエントロピーの値を割り当て、全セルのエントロピー値を特徴ベクトルに連結することよって表される。

いくつかの実施形態では、計算装置１２０は、現在の画像１１５およびエンジニアリングモデルデータ１４５から特徴量を測定して比較し、物的資産１０５とエンジニアリングモデルデータ１４５との間の変化を決定することができる。変化は、例えば、物的資産１０５の表面上のクラック、物的資産１０５の構成要素の反り、または現在の画像１１５とエンジニアリングモデルデータ１４５との間の変化を引き起こす可能性がある任意の他の条件を含んでもよい計算装置１２０は、物的資産１０５に診断、交換、および／または保守サービスを提供することができるサービサー１５５に何らかの変化を送信する。このような実施形態では、サービサー１５５は、計算装置１２０から物的資産１０５に関する情報を受信することができる。

図２は、コンピュータにより実行されるシステム１００（図１に示す）で用いることができる例示的な計算装置１２０のブロック図である。計算装置１２０は、命令を実行するために、メモリ装置１３０と、メモリ装置１３０に動作可能に結合されるプロセッサ１２５と、を含む。例示的な実施形態では、計算装置１２０は、単一のプロセッサ１２５と単一のメモリ装置１３０を含む。代替的な実施形態では、計算装置１２０は、複数のプロセッサ１２５および／または複数のメモリ装置１３０を含んでもよい。いくつかの実施形態では、実行可能な命令は、メモリ装置１３０に記憶される。計算装置１２０は、プロセッサ１２５をプログラムすることによって、本明細書に記載した１つまたは複数の動作を実行するように構成可能である。例えば、プロセッサ１２５は、１つまたは複数の実行可能な命令として動作を符号化し、メモリ装置１３０に実行可能な命令を提供することによって、プログラムすることができる。

例示的な実施形態では、メモリ装置１３０は、実行可能な命令および／または他のデータなどの情報の記憶および検索を可能にする１つまたは複数の装置である。メモリ装置１３０は、１つまたは複数の有形の非一時的コンピュータ可読媒体であって、これらに限らないが、ランダムアクセスメモリ（ＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ソリッドステートディスク、ハードディスク、読み出し専用メモリ（ＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、および／または不揮発性ＲＡＭ（ＮＶＲＡＭ）メモリを含んでもよい。上記のメモリのタイプは単なる例示に過ぎず、したがってコンピュータプログラムの記憶のために使用可能なメモリのタイプを限定するものではない。

メモリ装置１３０は、これらに限らないが、少なくとも１つの現在の画像１１５（図１に示す）、および／または任意の他のタイプのデータを含む動作データを記憶するように構成することができる。いくつかの実施形態では、プロセッサ１２５は、データの存在時間に基づいて、メモリ装置１３０からデータを除去または「パージ」する。例えば、プロセッサ１２５は、次の時間および／または事象に関係する以前に記録され記憶されたデータを上書きすることができる。それに加えて、またはその代わりに、プロセッサ１２５は、所定の時間間隔を超えたデータを除去してもよい。また、メモリ装置１３０は、これらに限らないが、コンピュータにより実行されるシステム１００の動作を容易にするために十分なデータ、アルゴリズム、およびコマンドを含む。

いくつかの実施形態では、計算装置１２０は、ユーザ入力インターフェース２３０を含む。例示的実施形態において、ユーザ入力インターフェース２３０は、プロセッサ１２５に結合され、ユーザ２２５からの入力を受信する。ユーザ入力インターフェース２３０は、これらに限らないが、キーボード、ポインティングデバイス、マウス、スタイラス、タッチパネル、接触感知パネル、例えば、これらに限らないが、タッチパッドもしくはタッチスクリーン、および／または音声入力インターフェース、例えば、これに限らないが、マイクロフォンを含んでもよい。タッチスクリーンなどの単一の構成要素は、提示インターフェース２２０のディスプレイ装置およびユーザ入力インターフェース２３０の両方として機能することができる。

通信インターフェース２３５は、プロセッサ１２５に結合され、センサーまたは別の計算装置１２０などの１つもしくは複数の他の装置と通信するように結合され、かつ、このような装置に対して入出力動作を実行するように構成される。例えば、通信インターフェース２３５は、これらに限らないが、有線ネットワークアダプタ、無線ネットワークアダプタ、移動遠隔通信アダプタ、シリアル通信アダプタ、および／またはパラレル通信アダプタを含んでもよい。通信インターフェース２３５は、１つまたは複数の遠隔装置からデータを受信し、および／またはそれにデータを送信してもよい。例えば、１つの計算装置１２０の通信インターフェース２３５は、別の計算装置１２０の通信インターフェース２３５に警告を送信することができる。通信インターフェース２３５は、機器間通信を容易にする、すなわち機器間インターフェースとして機能する。

提示インターフェース２２０および／または通信インターフェース２３５はともに、本明細書に記載した方法に用いるのに適した情報を、例えばユーザ２２５または別の装置に提供することができる。したがって、提示インターフェース２２０および通信インターフェース２３５は、出力装置と呼ぶことができる。同様に、ユーザ入力インターフェース２３０および通信インターフェース２３５は、本明細書に記載した方法に用いるのに適した情報を受信することができ、入力装置と呼ぶことができる。例示的な実施形態では、提示インターフェース２２０は、エンジニアリングモデルデータ１４５への現在の画像１１５の自動オーバーレイを視覚化して表示するために用いられる。可視化されると、ユーザ２２５は、ユーザ入力インターフェース２３０を用いて、これに限らないが、エンジニアリングモデルデータ１４５に対する現在の画像１１５の変化の測定および判定を含むタスクを実行することができる。測定のタスクは、変化のそのような測定および判定を行う測定アプリケーションを提供するソフトウェアの使用を含んでもよい。

例示的な実施形態では、ユーザ２２５は、提示インターフェース２２０を介して、少なくとも１つの現在の画像１１５と、少なくとも１つのマッチする過去の画像（図示せず）と、少なくとも１つのマッチするエンジニアリングモデル（図示せず）と、の情報を受信することによって、計算装置１２０を用いることができる。ユーザ２２５は、提示された情報に従って、計算装置１２０を用いて、物的資産１０５の状態を更新し、サービサー１５５にサービス（図示せず）を要求し、または物的資産１０５の検査を続行することができる。ユーザ２２５は、ユーザ入力インターフェース２３０を介してこのような動作を開始することができ、プロセッサ１２５でユーザコマンドを処理し、通信インターフェース２３５を用いて他の装置と通信する。

例示的な実施形態では、計算装置１２０は、計算装置１２０の例示的な実施形態である。少なくともいくつかの他の実施形態では、計算装置１２０はまた、物的資産１０５の改良された外観検査に使用される他の装置（図示せず）の例示的な実施形態でもある。ほとんどの実施形態では、計算装置１２０は、このような他の装置の主な設計を少なくとも例示している。

図３は、コンピュータにより実行されるシステム１００（両方とも図１に示す）を用いた、物的資産１０５の外観検査を改良するための例示的な処理３００のフローチャートである。処理３００は、現在の外観検査装置データを受信するステップ３０５を含む。現在の外観検査装置データを受信するステップ３０５は、物的資産１０５から画像を取り込む外観検査装置１１０（図１に示す）からの現在の画像１１５（図１に示す）を計算装置１２０（図１に示す）において受信することを表す。

処理３００は、ポイントクラウドを検索するために画像検索部をさらに用いる（ステップ３１５）。例示的な実施形態では、画像検索部は、Ｋ最近接検索を用いて、過去の画像データ１４０を含むｋｄツリー構造を通して検索する。代替的な実施形態では、画像検索部は、異なる方法を用いて、対応する過去の画像１４０を検索する。ポイントクラウドは、２次元の過去の画像データ１４０への３次元エンジニアリングモデルデータ１４５のマッピングを表す。したがって、画像検索部が対応する過去の画像１４０を特定すると、過去の画像１４０およびエンジニアリングモデルデータ１４５の両方を含むポイントクラウドが検索される。

また処理３００は、現在の画像１１５を、マッチする過去の画像１４０と比較するキーポイントマッチング３２０を含む。キーポイントマッチング３２０は、画像に関係する特定の特徴の抽出を組み込んでおり、特徴を用いて複数の画像を比較する。例示的な実施形態では、現在の画像１１５の特徴（図示せず）は、検索された過去の画像１４０の特徴（図示せず）と比較されて、物的資産１０５上の同じ物理的位置においてマッチする特徴の対が得られる。現在の画像１１５および過去の画像１４０の特徴は、画像検索部を用いてポイントクラウドを受信した際（ステップ３１５）に用いられたものと同じ特徴であってもよいし、あるいは異なる特徴であってもよい。例示的な実施形態では、キーポイントマッチング３２０は、３つのステップを含む。

第１に、キーポイントマッチング３２０は、局所的な外観および局所的な幾何学的パターンについて画像を比較する。局所的な外観の比較は、様々な画像の特徴の比較を表す。局所的な幾何学的パターンの比較は、構成要素の幾何学的特徴にブレークダウンして画像を比較することを表す。この比較は、過去の画像１４０に形状境界情報の注釈を付けること、および現在の画像１１５に同じ境界を配置することをさらに含む。またこの比較は、過去の画像１４０および現在の画像１１５の各特徴位置を変換することを含む。特徴位置の変換は、例えば、各画像の特徴についてスケール不変特徴変換（ＳＩＦＴ）を生成することによって達成することができる。推定方法はまた、変換された特徴を比較することを含む。例示的な実施形態では、変換された特徴を比較することは、各特徴の外観および位置を補償する値の適用を含み、それによって、変換された特徴に位置情報を付加する。

第２に、キーポイントマッチング３２０は、画像間のマッチする点の最良の集合を見つけるために、推定方法の使用を組み込んでいる。変換された特徴が比較されると、特徴間のマッチが得られる。推定方法は、複数の反復によりマッチの異常値を除去するために、ランダムサンプルコンセンサス（ＲＡＮＳＡＣ）を用いる２つのステップを適用することをさらに含む。ＲＡＮＳＡＣを適用する第１のステップでは、マッチング点がエピポーラ拘束を満たさなければならないように、マッチングが制約される。分りやすく言えば、エピポーラ拘束は、１つの画像で観察される点ごとに、対応する点が既知のエピポーラライン上の他の画像で観察されなければならないことを要求する。したがって、エピポーララインは、現在の画像１１５と過去の画像１４０の両方について決定され、マッチを制約するために用いられるエピポーラ拘束を生成するために用いられる。少なくともいくつかの実施形態では、エピポーラ拘束はエピポーララインを表す基礎行列を作成することによって決定される。多数のマッチが与えられると、ＲＡＮＳＡＣ手法は、マッチの完全集合からランダムに選択される初期マッチの部分集合を用いることを含む。初期マッチのこの部分集合のメリットは、エピポーラ拘束と不一致のレベルであると計算された誤差値によって決定される。完全集合のマッチ数に応じて、適切な数の部分集合がエピポーラ拘束に関して評価されるまで処理を繰り返す。最も低いエラーレートを有する部分集合に関係するエピポーラ幾何は、定義された閾値を越えてこの幾何学的形状からずれたマッチを除去するために用いられる。

ＲＡＮＳＡＣを適用する第２のステップでは、マッチは射影行列を満たすように制約される。射影行列は、検索されたポイントクラウドを用いて計算される。射影行列は、２次元ポイントクラウドを現在の画像１１５に転送された３次元ポイントクラウドに関係づける数学的行列を表す。第１のステップと同様に、初期マッチの部分集合は、マッチの集合からランダムに選択される（ここではエピポーラ拘束の適用によって制約される）。この部分集合から算出された投影行列は、算出された投影行列とこの部分集合のマッチとが一致することに応じて、メリット値が割り当てられる。マッチの全体集合のサイズに応じて処理が反復され、終了時に最小エラーレートを有する仮定された射影行列が用いられる。

第３に、キーポイントマッチング３２０は、過去の画像データ１４０に対応する検索されたポイントクラウドを用いて、現在の画像データ１１５に対応する過去の画像データ１４０と共に検索されたエンジニアリングモデルデータ１４５を関係づけることを可能にする。このステップでは、２次元の過去の画像データ１４０と３次元エンジニアリングモデルデータ１４５との関係づけまたは登録は、現在の画像データ１１５に転送される。したがって、現在の画像データ１１５のマッチが検出された各点は、ここでエンジニアリングモデルデータ１４５の３次元の点に関係づけられる。

処理３００は、カメラ姿勢推定３２５をさらに含む。カメラ姿勢推定３２５は、物的資産１０５に対する外観検査装置１１０の具体的な位置および方向を決定することを表す。カメラ姿勢推定３２５は、過去の画像データ１４０と現在の画像１１５に関係するエンジニアリングモデルデータ１４５に基づいて、可能なカメラ位置の射影を決定することを含む。言い換えれば、ここでエンジニアリングモデルデータ１４５がポイントクラウド（上述した）の適用に基づいて現在の画像１１５に関係づけられまたは登録され、そして射影行列を作成して、２次元の現在の画像１１５を３次元エンジニアリングモデルデータ１４５にマッピングすることに適用することにより、現在の画像１１５についてカメラ姿勢を決定することができる。例示的な実施形態では、射影を決定することは、可能なカメラ姿勢の射影行列を表す連立一次方程式を解くことを含む。

処理３００は、推定されたカメラ姿勢に対するモデルを描画するステップ３３０をさらに含む。推定されたカメラ姿勢に対するモデルを描画するステップ３３０は、関係するエンジニアリングモデルデータ１４５にカメラ姿勢推定３２５を用いて、外観検査装置１１０と同一のカメラ位置からのエンジニアリングモデルを表す描画されたモデルを作成することを表す。

さらに、処理３００は、物理測定３３５を含む。物理測定３３５は、描画されたエンジニアリングモデルの物理的特徴を現在の画像１１５と比較することを表す。例示的な実施形態では、物理測定３３５は、タービンブレードのエンジニアリングモデルデータ１４５の投影からの画像データを、クラックなどの変化を有するマッチする実タービンブレードの現在の画像１１５と比較すること、およびクラックを測定することを含む。

図４は、図３に示した改良された外観検査処理３００を容易にするために、コンピュータにより実行されるシステム１００を用いた、物的資産１０５（両方とも図１に示す）の改良された外観検査のための全体的な方法４００の簡略化されたフローチャートである。計算装置１２０（図１に示す）は、物的資産１０５の少なくとも１つの現在の画像を受信する（ステップ４１５）。物的資産１０５の少なくとも１つの現在の画像を受信するステップ４１５は、現在の外観検査装置データを受信するステップ３０５（図３に示す）を表し、より具体的には、現在の画像ソースから現在の画像１１５を受信することを表す。例示的な実施形態では、現在の画像ソースは、外観検査装置１１０（図１に示す）である。代替的な実施形態では、現在の画像ソースは、メモリ装置１３０、記憶装置１３５、または外部記憶装置１６０であってもよい。

計算装置１２０はまた、少なくとも１つの現在の画像に対応する少なくとも１つのマッチする過去の画像を識別する（ステップ４２０）。少なくとも１つの現在の画像に対応する少なくとも１つのマッチする過去の画像を識別するステップ４２０は、画像検索部を用いるステップ３１５（図３に示す）を表す。より具体的には、少なくとも１つの現在の画像に対応する少なくとも１つのマッチする過去の画像を識別するステップ４２０は、現在の画像１１５に対応する過去の画像データ１４０（図１に示す）を選択することを表す。

計算装置１２０は、少なくとも１つの現在の画像に対応する少なくとも１つのマッチするエンジニアリングモデルをさらに識別する（ステップ４２５）。少なくとも１つのマッチするエンジニアリングモデルを識別するステップ４２５は、過去の画像データ１４０に関係するエンジニアリングモデルデータ１４５（図１に示す）を含むポイントクラウドを受信するために画像検索部を用いるステップ３１５を表す。上述したように、画像検索部は、現在の画像１１５について決定された特徴を用いて、その特徴を過去の画像データ１４０と比較し、現在の画像１１５に最も対応する過去の画像データ１４０を決定する。本明細書に記載のコンピュータにより実行されるシステムおよび方法は、外観検査装置を用いて物的資産を検査するための自動化された手法を提供する。本明細書に記載した実施形態は、手動の介入または外部入力を必要とすることなく、エンジニアリングモデルデータと外観検査装置からの画像データとの自動化された比較を容易にする。過去の画像の自動検索、および現在の画像へのポイントクラウドの転送を達成する、現在の画像特徴と過去の画像特徴との間の自動マッチングにより、モデルと現在の画像との間で、手動で特徴マッチを取り上げる面倒な作業が回避される。また、本明細書に記載した方法およびシステムは、物的資産の迅速な検査および解析を容易にする。さらに、本明細書に記載した方法およびシステムは、検査に用いられる時間および人的資源を低減することによって検査のコストを低減する。加えて、これらの方法およびシステムは、検査のために資産を分解する必要性を低減することにより、物的資産の稼働時間を高めることができる。その上、本明細書に記載した方法およびシステムは、効率的な解析およびモデル比較により、物的資産の検査に関係する動作の、物流の、および財務のコストを低減する。

本明細書に記載した方法およびコンピュータにより実行されるシステムの例示的な技術的効果は、（ａ）物的資産についての外観検査装置からの視覚データの解析速度の増加、（ｂ）正確な視覚データの比較による、物的資産の改良されたモニタリング、および（ｃ）資産を分解する必要性を低減することによる、物的資産のより長い稼働時間のうちの少なくとも１つを含む。

物的資産に関する改良された外観検査のための例示的な実施形態について、以上のように詳細に説明した。コンピュータにより実行されるシステムおよびこのようなシステムを動作させる方法は、本明細書に記載した特定の実施形態に限定されるものではなく、むしろ、システムの構成要素および／または方法のステップは、本明細書に記載した他の構成要素および／またはステップから独立してかつ別個に利用することができる。例えば、本方法は、他の企業システムおよび方法と組み合わせて用いることも可能であり、本明細書に記載した外観検査システムおよび方法のみを用いて実施することに限定されない。そうではなく、例示的な実施形態は、他の多くの企業アプリケーションと関連して実現および利用することができる。

本発明の様々な実施形態の具体的な特徴がいくつかの図面には示されており、他の図面には示されていないが、これは単に便宜上のものである。本発明の原理によれば、図面の任意の特徴は、他の任意の図面の任意の特徴と組み合わせて参照および／または請求することができる。

この明細書は、本発明を開示するために実施例を用いており、最良の形態を含んでいる。また、いかなる当業者も本発明を実施することができるように実施例を用いており、任意のデバイスまたはシステムを製作し使用し、任意の組み込まれた方法を実行することを含んでいる。本発明の特許され得る範囲は、請求項によって定義され、当業者が想到する他の実施例を含むことができる。このような他の実施例が請求項の字義通りの文言と異ならない構造要素を有する場合、または、それらが請求項の字義通りの文言と実質的な差異がない等価な構造要素を含む場合には、このような他の実施例は特許請求の範囲内であることを意図している。

１００ コンピュータにより実行されるシステム
１０５ 物的資産
１１０ 外観検査装置
１１５ 現在の画像データ、現在の画像
１２０ 計算装置
１２５ プロセッサ
１３０ メモリ装置
１３５ 記憶装置
１４０ 過去の画像データ、過去の画像
１４５ エンジニアリングモデルデータ
１５５ サービサー
１６０ 外部記憶装置
２２０ 提示インターフェース
２２５ ユーザ
２３０ ユーザ入力インターフェース
２３５ 通信インターフェース
３００ 処理
３０５ ステップ
３１５ ステップ
３２０ キーポイントマッチング
３２５ カメラ姿勢推定
３３０ ステップ
３３５ 物理測定
４００ 方法
４１５ ステップ
４２０ ステップ
４２５ ステップ

Claims (20)

1. 物的資産（１０５）の改良された自動外観検査のためのコンピュータにより実行されるシステム（１００）であって、
   前記物的資産（１０５）の画像を生成することができる外観検査装置（１１０）と、
   プロセッサ（１２５）と、前記プロセッサ（１２５）に結合されるメモリ装置（１３０）と、前記メモリ装置（１３０）および前記プロセッサ（１２５）に結合される記憶装置（１３５）と、を含む計算装置（１２０）と、を備え、前記記憶装置（１３５）は、前記物的資産（１０５）の少なくとも１つの過去の画像（１４０）と、前記物的資産（１０５）を実質的に表す少なくとも１つのエンジニアリングモデル（１４５）と、を含み、前記計算装置（１２０）は、
   現在の画像ソースから、前記外観検査装置（１１０）によって取り込まれた前記物的資産（１０５）の少なくとも１つの現在の画像（１１５）を受信し、
   前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチする過去の画像（１４０）を識別し、
   前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するように構成される、コンピュータにより実行されるシステム（１００）。
2. 前記現在の画像ソースは、
   前記外観検査装置（１１０）と、
   前記記憶装置（１３５）と、
   前記メモリ装置（１３０）と、
   外部記憶装置（１６０）と、のうちの少なくとも１つである、請求項１に記載のコンピュータにより実行されるシステム（１００）。
3. 前記少なくとも１つの現在の画像（１１５）に対応する前記少なくとも１つのマッチする過去の画像（１４０）を識別するように構成される前記コンピュータにより実行されるシステム（１００）は、
   前記少なくとも１つの過去の画像（１４０）から、過去の顕著な特徴の集合を決定し、
   前記少なくとも１つの現在の画像（１１５）から、現在の顕著な特徴の集合を決定し、
   少なくとも１つの画像検索方法を用いて、前記少なくとも１つの現在の画像（１１５）に対応する前記少なくとも１つの過去の画像（１４０）を決定するようにさらに構成される、請求項１に記載のコンピュータにより実行されるシステム（１００）。
4. 前記少なくとも１つの過去の画像（１４０）と前記少なくとも１つの現在の画像（１１５）との間のマッチング点の最良の集合を識別するためにキーポイントマッチングを用いるようにさらに構成される、請求項３に記載のコンピュータにより実行されるシステム（１００）。
5. 前記少なくとも１つの現在の画像（１１５）に対応する前記少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するように構成される前記コンピュータにより実行されるシステム（１００）は、前記物的資産（１０５）に対する前記外観検査装置（１１０）の物理的姿勢を決定するようにさらに構成される、請求項１に記載のコンピュータにより実行されるシステム（１００）。
6. 前記少なくとも１つのマッチする過去の画像（１４０）の２次元の画素位置を決定し、
   前記２次元の画素位置から、前記マッチするエンジニアリングモデル（１４５）の３次元の点位置を決定し、
   前記３次元の点位置から、前記マッチするエンジニアリングモデル（１４５）の投影の数学的モデルであって、前記外観検査装置（１１０）の特性、前記外観検査装置（１１０）の回転、および前記外観検査装置（１１０）の並進の機能を表す数学的モデルを生成し、
   前記マッチするエンジニアリングモデル（１４５）の投影の前記数学的モデルおよび前記少なくとも１つの現在の画像（１１５）から、前記物的資産（１０５）に対する前記外観検査装置（１１０）の位置を決定するようにさらに構成される、請求項５に記載のコンピュータにより実行されるシステム（１００）。
7. 前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するように構成される前記コンピュータにより実行されるシステム（１００）は、
   前記外観検査装置（１１０）の前記位置を用いて、前記マッチするエンジニアリングモデル（１４５）の投影を作成し、
   前記マッチするエンジニアリングモデル（１４５）の上に、前記少なくとも１つの現在の画像（１１５）の前記投影を重ね合わせ、
   前記投影と前記少なくとも１つの現在の画像（１１５）との差を測定するようにさらに構成される、請求項６に記載のコンピュータにより実行されるシステム（１００）。
8. 物的資産（１０５）の改良された自動外観検査のためのコンピュータに基づく方法（４００）であって、前記方法（４００）は、計算装置（１２０）によって実行され、前記計算装置（１２０）は、プロセッサ（１２５）と、前記プロセッサ（１２５）に結合されるメモリ装置（１３０）と、前記メモリ装置（１３０）および前記プロセッサ（１２５）に結合される記憶装置（１３５）と、を含み、前記記憶装置（１３５）は、前記物的資産（１０５）の少なくとも１つの過去の画像（１４０）と、前記物的資産（１０５）を実質的に表す少なくとも１つのエンジニアリングモデル（１４５）と、を含み、前記方法は、
   現在の画像ソースから、前記外観検査装置（１１０）によって取り込まれた前記物的資産（１０５）の少なくとも１つの現在の画像（１１５）を受信するステップ（４１５）と、
   前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチする過去の画像（１４０）を識別するステップ（４２０）と、
   前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するステップ（４２５）と、を含む、コンピュータに基づく方法（４００）。
9. 前記現在の画像ソースは、
   前記外観検査装置（１１０）と、
   前記記憶装置（１３５）と、
   前記メモリ装置（１３０）と、
   外部記憶装置（１６０）と、のうちの少なくとも１つである、請求項８に記載のコンピュータに基づく方法（４００）。
10. 前記少なくとも１つの現在の画像（１１５）に対応する前記少なくとも１つのマッチする過去の画像（１４０）を識別するステップ（４２０）は、
    前記少なくとも１つの過去の画像（１４０）から、過去の顕著な特徴の集合を決定するステップと、
    前記少なくとも１つの現在の画像（１１５）から、現在の顕著な特徴の集合を決定するステップと、
    少なくとも１つの画像検索方法を用いて、前記少なくとも１つの現在の画像（１１５）に対応する前記少なくとも１つの過去の画像（１４０）を決定するステップと、を含む、請求項８に記載のコンピュータに基づく方法（４００）。
11. 前記少なくとも１つの過去の画像（１４０）と前記少なくとも１つの現在の画像（１１５）との間のマッチング点の最良の集合を識別するためにキーポイントマッチングを用いるステップ（３２０）をさらに含む、請求項１０に記載のコンピュータに基づく方法（４００）。
12. 前記少なくとも１つの現在の画像（１１５）に対応する前記少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するステップ（４２５）は、前記物的資産（１０５）に対する前記外観検査装置（１１０）の物理的姿勢を決定するステップ（３２５）をさらに含む、請求項８に記載のコンピュータに基づく方法（４００）。
13. 前記少なくとも１つのマッチする過去の画像（１４０）の２次元の画素位置を決定するステップと、
    前記２次元の画素位置から、前記マッチするエンジニアリングモデル（１４５）の３次元の点位置を決定するステップと、
    前記３次元の点位置から、前記マッチするエンジニアリングモデル（１４５）の投影の数学的モデルであって、前記外観検査装置（１１０）の特性、前記外観検査装置（１１０）の回転、および前記外観検査装置（１１０）の並進の機能を表す数学的モデルを生成するステップと、
    前記マッチするエンジニアリングモデル（１４５）の投影の前記数学的モデルおよび前記少なくとも１つの現在の画像（１１５）から、前記物的資産（１０５）に対する前記外観検査装置（１１０）の位置を決定するステップと、をさらに含む、請求項１２に記載のコンピュータに基づく方法（４００）。
14. 前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するステップ（４２５）は、
    前記外観検査装置（１１０）の前記位置を用いて、前記エンジニアリングモデル（１４５）の投影を作成するステップと、
    前記エンジニアリングモデル（１４５）の上に、前記少なくとも１つの現在の画像（１１５）を重ね合わせるステップと、
    前記投影と前記少なくとも１つの現在の画像（１１５）との差を測定するステップと、をさらに含む、請求項１３に記載のコンピュータに基づく方法（４００）。
15. 物的資産（１０５）の改良された自動外観検査のためのコンピュータであって、前記コンピュータは、プロセッサ（１２５）と、前記プロセッサ（１２５）に結合されるメモリ装置（１３０）と、前記メモリ装置（１３０）および前記プロセッサ（１２５）に結合される記憶装置（１３５）と、を含み、前記記憶装置（１３５）は、前記物的資産（１０５）の少なくとも１つの過去の画像（１４０）と、前記物的資産（１０５）を実質的に表す少なくとも１つのエンジニアリングモデル（１４５）と、を含み、前記コンピュータは、
    現在の画像ソースから、前記外観検査装置（１１０）によって取り込まれた前記物的資産（１０５）の少なくとも１つの現在の画像（１１５）を受信し、
    前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチする過去の画像（１４０）を識別し、
    前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するように構成される、コンピュータ。
16. 前記現在の画像ソースは、
    前記外観検査装置（１１０）と、
    前記記憶装置（１３５）と、
    前記メモリ装置（１３０）と、
    外部記憶装置（１６０）と、のうちの少なくとも１つである、請求項１５に記載のコンピュータ。
17. 前記少なくとも１つの過去の画像（１４０）と前記少なくとも１つの現在の画像（１１５）との間のマッチング点の最良の集合を識別するためにキーポイントマッチングを用いるようにさらに構成される、請求項１６に記載のコンピュータ。
18. 前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するように構成される前記コンピュータは、前記物的資産（１０５）に対する前記外観検査装置（１１０）の物理的姿勢を決定するようにさらに構成される、請求項１５に記載のコンピュータ。
19. 前記少なくとも１つのマッチする過去の画像（１４０）の２次元の画素位置を決定し、
    前記２次元の画素位置から、前記マッチするエンジニアリングモデル（１４５）の３次元の点位置を決定し、
    前記３次元の点位置から、前記マッチするエンジニアリングモデル（１４５）の投影の数学的モデルであって、前記外観検査装置（１１０）の特性、前記外観検査装置（１１０）の回転、および前記外観検査装置（１１０）の並進の機能を表す数学的モデルを生成し、
    前記マッチするエンジニアリングモデル（１４５）の投影の前記数学的モデルおよび前記少なくとも１つの現在の画像（１１５）から、前記物的資産（１０５）に対する前記外観検査装置（１１０）の位置を決定するようにさらに構成される、請求項１８に記載のコンピュータ。
20. 前記少なくとも１つの現在の画像（１１５）に対応する少なくとも１つのマッチするエンジニアリングモデル（１４５）を識別するように構成される前記コンピュータは、
    前記外観検査装置（１１０）の前記位置を用いて、前記エンジニアリングモデル（１４５）の投影を作成し、
    前記エンジニアリングモデル（１４５）の上に、前記少なくとも１つの現在の画像（１１５）を重ね合わせ、
    前記投影と前記少なくとも１つの現在の画像（１１５）との差を測定するようにさらに構成される、請求項１９に記載のコンピュータ。