JP2017167590A - 撮像処理装置および撮像処理方法 - Google Patents

Abstract

【課題】オクルージョンなどの影響で十分な特徴点が得られない場合でも、画像から任意の物体を安定して検出することができる撮像処理装置および撮像処理方法を提供する。【解決手段】撮像処理装置８は、撮像画像の輝度データを記憶部（メモリー５）に格納する輝度データ格納部５０と、予め与えられる被検査物の基準特徴点群１２から見た被検査物位置と、基準特徴点群１２の各点に与えられる一様でない重みα，βと、を格納する第１データ格納部５１と、輝度データに基づいて撮像画像の特徴点を抽出し、第２データとして格納する第２データ格納部５２と、第１データと第２データとから計算する、被検査物の候補位置に対応する記憶部に一様でない重みを加算していった結果を、第３データとして格納する第３データ格納部５３と、第３データが最大値となる位置を被検査物の検出位置として格納する被検査物検出位置格納部５４と、を備える。【選択図】図１

Description

本発明は、撮像処理装置および撮像処理方法に関する。

従来、画像処理によって画像から特定の物体を検出する技術として一般化ハフ変換というものが知られている。一般化ハフ変換は、画像から得られる特徴点に対してモデルを当てはめる手法で、正規化相関法によるマッチングなどと比較して明るさの変化やノイズに強いという特徴がある。
しかし、検出対象が単純パターンの繰り返しのようになっている場合、オクルージョン（隠れ）の形状によってはモデルの当てはめがうまくいかない場合がある。
特許文献１に記載の撮像処理装置では、一般化ハフ変換を行う際に、各特徴点の共起性を考慮することでノイズに起因する特徴点への影響を軽減している。

特開２０１５−１５３３６５号公報

しかしながら、特許文献１に記載の撮像処理装置では、従来の一般化ハフ変換と同じく、オクルージョンの形状によって特徴点が十分得られない場合、モデルの当てはめがうまくいかない場合があるという課題があった。
従って、オクルージョンなどの影響で十分な特徴点が得られない場合でも、画像から任意の物体を安定して検出することができる撮像処理装置および撮像処理方法が要望されていた。

本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。

［適用例１］本適用例に係る撮像処理装置は、被検査物を撮像した撮像画像に基づいて前記被検査物の位置を記憶部を用いて測定する撮像処理装置であって、前記撮像画像の輝度データを取得し、前記輝度データを前記記憶部に格納する輝度データ格納部と、予め与えられる前記被検査物の基準特徴点群から見た被検査物位置と、前記基準特徴点群の各点に与えられる一様でない重みと、を第１データとして格納する第１データ格納部と、前記撮像画像の輝度データに基づいて前記撮像画像の特徴点を抽出し、第２データとして格納する第２データ格納部と、前記第１データと前記第２データとから計算する、前記被検査物の候補位置に対応する前記記憶部に前記一様でない重みを加算していった結果を、第３データとして格納する第３データ格納部と、前記第３データが最大値となる位置を前記被検査物の検出位置として格納する被検査物検出位置格納部と、を備えることを特徴とする。

本適用例の撮像処理装置によれば、輝度データ格納部、第１データ格納部、第２データ格納部、第３データ格納部、および被検査物検出位置格納部を備えている。そして、第１データ（基準特徴点群の各点から見た被検査物位置と、基準特徴点群の各点に与えられる一様でない重み）と第２データ（輝度データに基づく撮像画像の特徴点）とから計算する、被検査物の候補位置に対応する記憶部に一様でない重みを加算して第３データとし、この第３データが最大となる位置を被検査物の検出位置としている。このように、基準特徴点群の各点ごとに一様でない重み付けを行うため、一般化ハフ変換で行われる投票の際にも、フィットさせる基準特徴点を制御することができ、一意に被検査物の検出位置を決定することができる。特に、オクルージョンなどの影響で十分な数の特徴点を抽出できない場合でも、優先してフィットさせる基準特徴点を制御することができる。従って、確実に安定して被検査物を検出できる撮像処理装置を提供することができる。

［適用例２］上記適用例に記載の撮像処理装置は、前記被検査物を載置するための変位自在な載置部と、前記被検査物の検出位置に基づいて前記載置部を変位させて前記被検査物を所定位置に配置する被検査物配置部と、を備えることが好ましい。

本適用例の撮像処理装置によれば、載置部と被検査物配置部とにより、被検査物の検出位置に基づいて被検査物を所定位置に確実に安定して配置することができる。

［適用例３］本適用例に係る撮像処理方法は、被検査物を撮像した撮像画像の輝度データを取得し、前記輝度データをメモリーに格納する輝度データ格納工程と、予め与えられる前記被検査物の基準特徴点群から見た被検査物位置と、前記基準特徴点群の各点に与えられる一様でない重みと、を第１データとして格納する第１データ格納工程と、前記撮像画像の輝度データに基づいて前記撮像画像の特徴点を抽出し、第２データとして格納する第２データ格納工程と、前記第１データと前記第２データとから計算する、前記被検査物の候補位置に対応する前記メモリーに前記一様でない重みを加算していった結果を、第３データとして格納する第３データ格納工程と、前記第３データが最大値となる位置を前記被検査物の検出位置として格納する被検査物検出位置格納工程と、を備えることを特徴とする。

本適用例の撮像処理方法によれば、輝度データ格納工程、第１データ格納工程、第２データ格納工程、第３データ格納工程、および被検査物検出位置格納工程を備えている。そして、第１データ（基準特徴点群の各点から見た被検査物位置と、基準特徴点群の各点に与えられる一様でない重み）と第２データ（輝度データに基づく撮像画像の特徴点）とから計算する、被検査物の候補位置に対応するメモリーに一様でない重みを加算して第３データとし、この第３データが最大となる位置を被検査物の検出位置としている。このように、基準特徴点群の各点ごとに一様でない重み付けを行うため、一般化ハフ変換で行われる投票の際にも、フィットさせる基準特徴点を制御することができ、一意に被検査物の検出位置を決定することができる。特に、オクルージョンなどの影響で十分な数の特徴点を抽出できない場合でも、優先してフィットさせる基準特徴点を制御することができる。従って、確実に安定して被検査物を検出できる撮像処理方法を提供することができる。

［適用例４］上記適用例に記載の撮像処理方法は、前記被検査物を載置するための変位自在な載置部を有し、前記被検査物の検出位置に基づいて前記載置部を変位させて前記被検査物を所定位置に配置する被検査物配置工程を備えることが好ましい。

本適用例の撮像処理方法によれば、載置部を有し、被検査物配置工程により、被検査物の検出位置に基づいて載置部を変位させて被検査物を所定位置に確実に安定して配置することができる。

実施形態１に係る撮像処理装置の概構成図。 画像処理における工程図。 基準画像及び基準座標の例を示す図。 特徴点抽出法及び抽出した基準特徴点群の例を示す図。 外縁の基準特徴点に異なる重みを与えた例を示す図。 入力画像及び特徴点群の抽出の例を示す図。 第３データ格納部に被検査物候補位置メモリーを確保する概念図。 画像化した投票値の例を示す図。 オクルージョンが大きい場合の特徴点抽出の例を示す図。 従来の一般化ハフ変換の場合の画像化した投票値の例を示す図。 最外縁に大きい重みを与えた場合の画像化した投票値の例を示す図。 実施形態２に係る基準画像、基準座標、及び基準特徴点群抽出の例を示す図。

以下、本発明の実施形態について、図面を参照して説明する。

〔実施形態１〕
図１は、本実施形態に係る撮像処理装置８の概構成図である。また、図１は、検出フェイズ２００（図２）におけるメモリー５の概構成図も示している。
図１に示すように、本実施形態の撮像処理装置８は、被検査物１と、被検査物１を検出するために十分な倍率を持つレンズ２と、撮像のためのカメラ３と、撮像した画像を取り込んで画像処理を行うためのコンピューター４と、画像処理のための一時データを保持するメモリー５と、撮像画像及び処理結果を表示するための表示装置６とを備えている。

図２は、画像処理における工程図である。図３は、基準画像１０及び基準座標１１の例を示す図である。図４は、特徴点抽出法及び抽出した基準特徴点群１２の例を示す図である。図５は、外縁の基準特徴点に異なる重みを与えた例を示す図である。図６は、入力画像２０及び特徴点群２１の抽出の例を示す図である。図７は、第３データ格納部５３に被検査物候補位置メモリー２２を確保する概念図である。

図２に示すように、この処理は、検出用テンプレートデータを作成する学習フェイズ１００と、被検査物の検出を行う検出フェイズ２００とに分けられる。

学習フェイズ１００は、以下の工程順に行われる。
最初に、画像入力工程１０１で、基準画像１０と画像中の基準座標１１を入力する（図３）。

次に、特徴点抽出工程１０２で、基準画像１０から基準特徴点群１２を抽出する（図４）。ここで抽出する特徴点には、例えば被検査物が持つ輪郭を利用する。輪郭抽出には、Ｃａｎｎｙフィルターや、ＬｏＧ（Laplacian of Gaussian）フィルターで得られる画像のゼロクロス点などを用いる。

次に、重み付け工程１０３で、特徴点抽出工程１０２で得られた基準特徴点群１２に、それぞれ重み｛ｗｉ|ｉ=１,…,Ｎ｝を与える。ここで、Ｎは抽出した基準特徴点の数である。この重みを与える部分がこの発明で最も特徴的な部分である。重みは何らかの基準によって自動的に与えてもよいし、手動で各特徴点に与えてもよい。

本実施形態では、図５に示すように、被検査物の最外縁となる基準特徴点に重みαを与え、他の外縁となる基準特徴点に重みβを与えている。重みα，βは、一様な重みではない。本実施形態では、重みαとして「３」を与え、重みβとして「１」を与えている。従って、重みαは、重みβより大きくなるように設定している。なお、この重み付けは、被検査物の形状や撮像環境により適宜設定する。

次に、特徴テーブル作成工程１０４で、検出用テンプレートデータとなる特徴テーブル１３を作成する（図４）。特徴テーブル１３の作成には、画像入力工程１０１で入力した基準座標１１、特徴点抽出工程１０２で得た基準特徴点群１２、重み付け工程１０３で与えた重みを用いる。特徴テーブル１３には、各基準特徴点から見た基準座標位置を極座標表現したものと、対応する重みを格納する。つまり、｛(ｒｉ,θｉ,ｗｉ)|ｉ=１,…,Ｎ｝を特徴テーブル１３に格納する。ここで、（ｒｉ,θｉ）は、基準座標１１を（ｘｃ,ｙｃ）、基準特徴点群１２を｛(ｘｉ,ｙｉ)|ｉ=１,…,Ｎ｝とすると、式（１）で表される値である。

ここで、図１に戻り、一時データを保持する記憶部としてのメモリー５は、輝度データ格納部５０と、第１データ格納部５１と、第２データ格納部５２と、第３データ格納部５３と、被検査物検出位置格納部５４と、に分けられる。そして、輝度データ格納部５０はカメラ３で撮像した撮像画像の輝度データを格納し、第１データ格納部５１は後述する特徴テーブル１３を格納し、第２データ格納部５２は撮像画像から抽出した特徴点群を格納する。また、第３データ格納部５３は各位置の被検査物候補度合の投票値を格納し、被検査物検出位置格納部５４は最終的に検出した被検査物検出位置を格納する。

図２に示す検出フェイズ２００は、以下の工程順に行われる。
なお、検出フェイズ２００によって、撮像画像中の被検査物の位置と、基準画像１０と比較したスケールと、回転角度とを求めることができる。

図２に示すように、最初に、画像入力工程２０１で、図６に示すように、被検査物を検出するための画像（入力画像２０）を入力して、輝度データ格納部５０（図１）へ格納する。言い換えると、被検査物を撮像した撮像画像（入力画像２０）の輝度データを取得し、輝度データをメモリー５内の輝度データ格納部５０に格納する。また、画像入力工程２０１が、撮像処理方法における輝度データ格納工程に対応する。

また、学習フェイズ１００で作成した特徴テーブル１３を、第１データ格納部５１（図１）へ格納する。言い換えると、予め与えられる被検査物の基準特徴点群１２から見た被検査物位置と、基準特徴点群１２の各点に与えられる一様でない重みα，βと、を第１データとして第１データ格納部５１へ格納する。また、特徴テーブル１３を第１データ格納部５１へ格納する工程が、撮像処理方法における第１データ格納工程に対応する。

次に、特徴点抽出工程２０２で、入力画像２０の特徴点群２１を抽出し、第２データ格納部５２へ格納する。言い換えると、撮像画像（入力画像２０）の輝度データに基づいて撮像画像の特徴点を抽出し、第２データとして第２データ格納部５２に格納する。また、特徴点抽出工程２０２が、撮像処理方法における第２データ格納工程に対応する。この際、特徴点の抽出方法には、特徴点抽出工程１０２で用いたものと同じ手法を用いる。なお、抽出した特徴点群２１を｛(ｘｊ,ｙｊ)|ｊ=１,…,Ｍ｝とする。Ｍは抽出した特徴点の数である。

次に、投票工程２０３で、特徴点抽出工程２０２で得た特徴点群２１からの被検査物候補位置メモリー２２（図７）への投票を行う。言い換えると、第１データと第２データとから計算する、被検査物の候補位置に対応するメモリーに一様でない重みα，βを加算していった結果を、第３データとして第３データ格納部５３（被検査物候補位置メモリー２２）に格納する。また、投票工程２０３が、撮像処理方法における第３データ格納工程に対応する。

投票工程２０３は以下のように行う。最初に、図７に示すように、第３データ格納部５３に、Ｗ×Ｈ×|Ｓ|×|Θ|の大きさの被検査物候補位置メモリー２２を確保し、ゼロで初期化する。Ｗは入力画像２０の幅、Ｈは入力画像２０の高さである。Ｓは予測スケール値の集合であり、被検査物のスケールの変動範囲と検出分解能とから得られる。Θは予測回転角度の集合であり、被検査物の回転角度の変動範囲と検出分解能とから得られる。

すべての（ｉ,ｊ,ｓ,θ）∈｛{１,…,Ｎ}×{１,…,Ｍ}×Ｓ×Θ｝に関して、以下の操作を行う。

ただしここで、Ａ（ｘ,ｙ,ｓ,θ）は、パラメーター空間（ｘ,ｙ,ｓ,θ）に対応する被検査物候補位置メモリー２２のアドレス位置に格納されている投票値である。

式（２）によって、「被検査物が基準画像１０のｓ倍のスケールでθの傾きを持って入力画像２０に映っていると仮定した時の、ｊ番目の特徴点がｉ番目の基準特徴点だった場合の基準座標」を求めている。式（３）で、式（２）で求めた被検査物候補位置への投票を行っている。

入力画像２０にノイズが多い場合などは、特徴点抽出工程２０２で得られる特徴点群２１の位置に誤差が生じる場合がある。そのため、必要に応じて投票値Ａに対して４次元ガウス関数との畳み込みによるノイズ除去を行う。

図８は、画像化した投票値Ａの例を示す図である。詳細には、図８は、被検査物候補位置メモリー２２から、ｓ=1.0 ,θ=0°における投票値Ａを抜き出して画像化した図である。被検査物位置へは多くの特徴点からの投票があるため、高い投票値Ａを持つ。

最後に、投票ピーク探索工程２０４で、被検査物候補位置メモリー２２内で投票値Ａが最大となるピーク点２３を探索する。このピーク点２３に対応するパラメーター空間（ｘ,ｙ,ｓ,θ）を、被検査物の位置（ｘ,ｙ）、スケールｓ、回転角度θとし、被検査物検出位置格納部５４へ格納する。言い換えると、第３データが最大値となる位置を、被検査物の検出位置として被検査物検出位置格納部５４に格納する。また、投票ピーク探索工程２０４が、撮像処理方法における被検査物検出位置格納工程に対応する。なお、投票ピーク探索工程２０４で得た最大投票値が閾値以下だった場合、被検査物が入力画像２０内に存在しなかったと判断する。

重み付け工程１０３で付けた重みがすべて等しい場合、本発明は従来の一般化ハフ変換と等価となる。

図９Ａは、オクルージョンが大きい場合の特徴点抽出の例を示す図である。図９Ｂは、従来の一般化ハフ変換の場合の画像化した投票値の例を示す図である。図９Ｃは、最外縁に大きい重みを与えた場合の画像化した投票値の例を示す図である。図９Ａ〜図９Ｃを参照して、被検査物にオクルージョンが大きい場合の特徴点抽出に関して、重みがすべて等しい場合に相当する従来の一般化ハフ変換と、本実施形態の最外縁に大きい重みを与える撮像処理方法との違いを説明する。

図９Ａに示すように、オクルージョンが大きい入力画像４０が与えられた場合、十分な数の特徴点を抽出できなくなる。その場合、従来の一般化ハフ変換を用いた場合、図９Ｂに示すように、投票値が最大となるピーク点４１が複数発生してしまう。その結果、どのピーク点が検出位置と判定されるかはノイズに大きく依存してしまう。

これに対して、本実施形態では、基準特徴点に重み（一様でない重み）付けを行うことで、検出した特徴点に優先的にフィットする基準特徴点を制御することができる。本実施形態では、大きい重みを与えた最外縁の特徴点がよくフィットするように制御している。この結果、図９Ｃに示すように、投票値が最大となるピーク点４２が複数発生することがなくなり、安定した被検査物の検出を実現させている。

本実施形態の撮像処理装置８は、被検査物を載置するための変位自在な載置部（図示省略）と、被検査物の検出位置に基づいて載置部を変位させて被検査物を所定位置に配置する被検査物配置部（図示省略）を備えている。

上述したように、投票ピーク探索工程２０４で被検査物検出位置格納部５４へ格納された、ピーク点２３に対応する被検査物の位置（ｘ,ｙ）、スケールｓ、回転角度θに基づき、コンピューター４による処理を行う。この処理結果により、被検査物配置部は、載置部を変位させて被検査物を所定位置に配置する。なお、載置部を変位させて被検査物を所定位置に配置する工程が、撮像処理方法における被検査物配置工程に対応する。

上述した実施形態によれば、以下の効果が得られる。
本実施形態の撮像処理装置８によれば、輝度データ格納部５０、第１データ格納部５１、第２データ格納部５２、第３データ格納部５３、および被検査物検出位置格納部５４を備えている。そして、第１データ（基準特徴点群１２の各点から見た被検査物位置と、基準特徴点群１２の各点に与えられる一様でない重みα，β）と第２データ（輝度データに基づく撮像画像の特徴点）とから計算する、被検査物の候補位置に対応する記憶部に一様でない重みα，βを加算して第３データとし、この第３データが最大となる位置を被検査物の検出位置としている。このように、基準特徴点群１２の各点ごとに一様でない重み付けを行うため、一般化ハフ変換で行われる投票の際にも、フィットさせる基準特徴点を制御することができ、一意に被検査物の検出位置を決定することができる。特に、オクルージョンなどの影響で十分な数の特徴点を抽出できない場合でも、優先してフィットさせる基準特徴点を制御することができる。従って、確実に安定して被検査物を検出できる撮像処理装置８を提供することができる。

本実施形態の撮像処理装置８によれば、載置部と被検査物配置部とにより、被検査物の検出位置に基づいて被検査物を所定位置に確実に安定して配置することができる。

本実施形態の撮像処理方法によれば、輝度データ格納工程、第１データ格納工程、第２データ格納工程、第３データ格納工程、および被検査物検出位置格納工程を備えている。そして、第１データ（基準特徴点群１２の各点から見た被検査物位置と、基準特徴点群１２の各点に与えられる一様でない重みα，β）と第２データ（輝度データに基づく撮像画像の特徴点）とから計算する、被検査物の候補位置に対応するメモリーに一様でない重みを加算して第３データとし、この第３データが最大となる位置を被検査物の検出位置としている。このように、基準特徴点群１２の各点ごとに一様でない重み付けを行うため、一般化ハフ変換で行われる投票の際にも、フィットさせる基準特徴点を制御することができ、一意に被検査物の検出位置を決定することができる。特に、オクルージョンなどの影響で十分な数の特徴点を抽出できない場合でも、優先してフィットさせる基準特徴点を制御することができる。従って、確実に安定して被検査物を検出できる撮像処理方法を提供することができる。

本実施形態の撮像処理方法によれば、載置部を有し、被検査物配置工程により、被検査物の検出位置に基づいて載置部を変位させて被検査物を所定位置に確実に安定して配置することができる。

〔実施形態２〕
図１０は、本実施形態に係る基準画像３０、基準座標３１、及び基準特徴点群３２抽出の例を示す図である。
上述した実施形態１では、特徴点抽出手法として輪郭抽出を用いている。これに対して、本実施形態では、特徴点抽出手法としてパターンマッチングを用いていることが異なる。例えば、シリコンウエハー上のアライメントマークなどを被検査物とする場合、図１０に示す基準画像３０のように、単純な形状の繰り返しとなっていることが多い。このような場合には、パターンマッチングを用いて基準特徴点群３２を作ることもできる。

図１０に示すように、本実施形態では、繰り返しとなっているパターンをテンプレート３３として、正規化相関法などによるパターンマッチングを行い、相関値が極大となる点を特徴点としている。また、この場合、基準画像３０を用いずに、パーツの並び方等の既知の情報から手動で特徴テーブルを作ってもよい。手動で特徴テーブルを作成することで、被検査物がきれいに映った基準画像３０を用意できなくても、不足した情報やノイズのない特徴テーブルを作ることができる。なお、検出フェイズ２００では、特徴点抽出手法を除いて、実施形態１と同様に処理を行う。

上述したように、特徴点抽出手法としてパターンマッチングを用いることで、低コントラスト、色むら、ノイズ等の原因により輪郭抽出が困難な環境であっても、被検査物の特徴点を抽出することができる。これにより、特徴点抽出手法としてパターンマッチングを用いることでも、実施形態１と同様の効果を奏することができる。

なお、上述した実施形態に限定されず、その要旨を逸脱しない範囲において種々の変更や改良等を加えて実施することが可能である。変形例を以下に述べる。

上記各実施形態において、投票値を格納するメモリーは、被検査物候補位置メモリー２２中に、４次元空間として確保した。しかし、被検査物にスケールの変化がないとわかっている場合は、スケールの分の次元を確保する必要がなく、Ｗ×Ｈ×|Θ|の大きさの３次元空間として確保すればよい。回転の変化がないとわかっている場合も同様に、Ｗ×Ｈ×|Ｓ|の３次元空間として確保すればよい。スケール及び回転の両方ともに変化がないとわかっている場合は、Ｗ×Ｈの２次元空間として確保すればよい。

スケールに変化がない場合、式（２）中で、ｓ=1.0 とすればよい。これは、被検査物の予測スケール値の集合をＳ=｛1.0｝として実施形態１，２を実施することと同値である。また、回転に変化がない場合は、式（２）中でθ=0°とすればよい。これは、被検査物の予測回転量の集合をΘ=｛ 0°｝として実施形態１，２を実施することと同値である。

１…被検査物、２…レンズ、３…カメラ、４…コンピューター、５…メモリー、６…表示装置、８…撮像処理装置、１０…基準画像、１１…基準座標、１２…基準特徴点群、１３…特徴テーブル、２０…入力画像、２１…特徴点群、２２…被検査物候補位置メモリー、２３…ピーク点、３０…基準画像、３１…基準座標、３２…基準特徴点群、３３…テンプレート、４０…入力画像、４１，４２…ピーク点、５０…輝度データ格納部、５１…第１データ格納部、５２…第２データ格納部、５３…第３データ格納部、５４…被検査物検出位置格納部、１００…学習フェイズ、１０１…画像入力工程、１０２…特徴点抽出工程、１０３…重み付け工程、１０４…特徴テーブル作成工程、２００…検出フェイズ、２０１…画像入力工程、２０２…特徴点抽出工程、２０３…投票工程、２０４…投票ピーク探索工程、α，β…重み。

Claims (4)

1. 被検査物を撮像した撮像画像に基づいて前記被検査物の位置を記憶部を用いて測定する撮像処理装置であって、
   前記撮像画像の輝度データを取得し、前記輝度データを前記記憶部に格納する輝度データ格納部と、
   予め与えられる前記被検査物の基準特徴点群から見た被検査物位置と、前記基準特徴点群の各点に与えられる一様でない重みと、を第１データとして格納する第１データ格納部と、
   前記撮像画像の輝度データに基づいて前記撮像画像の特徴点を抽出し、第２データとして格納する第２データ格納部と、
   前記第１データと前記第２データとから計算する、前記被検査物の候補位置に対応する前記記憶部に前記一様でない重みを加算していった結果を、第３データとして格納する第３データ格納部と、
   前記第３データが最大値となる位置を前記被検査物の検出位置として格納する被検査物検出位置格納部と、
   を備えることを特徴とする撮像処理装置。
2. 請求項１に記載の撮像処理装置において、
   前記被検査物を載置するための変位自在な載置部と、
   前記被検査物の検出位置に基づいて前記載置部を変位させて前記被検査物を所定位置に配置する被検査物配置部と、
   を備えることを特徴とする撮像処理装置。
3. 被検査物を撮像した撮像画像の輝度データを取得し、前記輝度データをメモリーに格納する輝度データ格納工程と、
   予め与えられる前記被検査物の基準特徴点群から見た被検査物位置と、前記基準特徴点群の各点に与えられる一様でない重みと、を第１データとして格納する第１データ格納工程と、
   前記撮像画像の輝度データに基づいて前記撮像画像の特徴点を抽出し、第２データとして格納する第２データ格納工程と、
   前記第１データと前記第２データとから計算する、前記被検査物の候補位置に対応する前記メモリーに前記一様でない重みを加算していった結果を、第３データとして格納する第３データ格納工程と、
   前記第３データが最大値となる位置を前記被検査物の検出位置として格納する被検査物検出位置格納工程と、
   を備えることを特徴とする撮像処理方法。
4. 請求項３に記載の撮像処理方法において、
   前記被検査物を載置するための変位自在な載置部を有し、
   前記被検査物の検出位置に基づいて前記載置部を変位させて前記被検査物を所定位置に配置する被検査物配置工程を備えることを特徴とする撮像処理方法。