JP2017167590A - 撮像処理装置および撮像処理方法 - Google Patents
撮像処理装置および撮像処理方法 Download PDFInfo
- Publication number
- JP2017167590A JP2017167590A JP2016049270A JP2016049270A JP2017167590A JP 2017167590 A JP2017167590 A JP 2017167590A JP 2016049270 A JP2016049270 A JP 2016049270A JP 2016049270 A JP2016049270 A JP 2016049270A JP 2017167590 A JP2017167590 A JP 2017167590A
- Authority
- JP
- Japan
- Prior art keywords
- data
- inspection object
- feature point
- imaging processing
- storage unit
- 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
- Image Analysis (AREA)
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。
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。
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。
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。
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)。
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。
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、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)
- 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016049270A JP2017167590A (ja) | 2016-03-14 | 2016-03-14 | 撮像処理装置および撮像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016049270A JP2017167590A (ja) | 2016-03-14 | 2016-03-14 | 撮像処理装置および撮像処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017167590A true JP2017167590A (ja) | 2017-09-21 |
Family
ID=59913765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016049270A Pending JP2017167590A (ja) | 2016-03-14 | 2016-03-14 | 撮像処理装置および撮像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017167590A (ja) |
-
2016
- 2016-03-14 JP JP2016049270A patent/JP2017167590A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7297018B2 (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
US11830170B2 (en) | Systems and methods for image data processing to correct document deformations using machine learning system | |
WO2018068415A1 (zh) | 元件错件检测方法和系统 | |
KR102649038B1 (ko) | 비전 시스템으로 이미지에서 라인을 찾기 위한 시스템 및 방법 | |
US11699283B2 (en) | System and method for finding and classifying lines in an image with a vision system | |
CA2507174A1 (en) | Method of registering and aligning multiple images | |
KR101638173B1 (ko) | 캘리브레이션을 위한 자동 피처 탐지용 기구물 및 그 탐지 방법 | |
CN107085728B (zh) | 利用视觉系统对图像中的探针进行有效评分的方法及系统 | |
JP6317725B2 (ja) | 取得された画像内のクラッタを決定するためのシステム及び方法 | |
JP2010267113A (ja) | 部品管理方法、装置、プログラム、記録媒体 | |
WO2015035462A1 (en) | Point feature based 2d-3d registration | |
KR20240058827A (ko) | 비전 시스템을 이용하여 이미지에서 라인들을 찾고 분류하기 위한 시스템 및 방법 | |
JP6542230B2 (ja) | 投影ひずみを補正するための方法及びシステム | |
CN111127558A (zh) | 确定装配体检测角度的方法、装置、电子设备及存储介质 | |
CN110288040A (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
US11989928B2 (en) | Image processing system | |
CN111354038A (zh) | 锚定物检测方法及装置、电子设备及存储介质 | |
CN115546219B (zh) | 检测板式生成方法、板卡缺陷检测方法、装置及产品 | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
JP2015045919A (ja) | 画像認識方法及びロボット | |
JP2020071739A (ja) | 画像処理装置 | |
JP2016206909A (ja) | 情報処理装置、情報処理方法 | |
JP2017167590A (ja) | 撮像処理装置および撮像処理方法 | |
JP2007140729A (ja) | 物品の位置及び姿勢を検出する方法および装置 | |
CN115187769A (zh) | 一种定位方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD05 | Notification of revocation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7425 Effective date: 20180906 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20181119 |