JP2018142267A - 物体判定装置、物体判定方法、プログラム、および特徴量列のデータ構造 - Google Patents

Abstract

【課題】物体判定の事前準備にかかる時間を削減する。【解決手段】比較特徴量取得部は、仮想視点に対する三次元図形データの向きを異ならせながら、仮想視点から三次元図形データを複数回投影することで得られた複数の二次元画像データそれぞれの比較特徴量を取得する。三次元図形データは、物体の形状を表す。対象画像取得部は、視点に対する対象物体の向きを異ならせながら、対象物体を視点から撮影することで得られる複数の対象画像データを取得する。対象特徴量算出部は、複数の画像データそれぞれの対象特徴量を算出する。類似度算出部は、複数の比較特徴量と複数の対象特徴量との類似度を算出する。判定部は、類似度に基づいて、対象物体と比較ベクトルに係る物体とが同一の物体であるか否かの判定を行う。【選択図】図１

Description

本発明は、物体判定装置、物体判定方法、プログラム、および特徴量列のデータ構造に関する。

工場などにおいて、大量の部品の中から適切な部品をピックアップする際に、ピックアップした対象部品を適切に同定する必要がある。この手法として、手作業により物体の同定を行う手法、物体の識別情報と画像とを関連付けたデータベースに基づいて一致判定を行う手法などが挙げられる。
また、特許文献１には、三次元モデルから合成された画像を用いて、物体認識分類器のトレーニングを行う技術が開示されている。

特許第５３５２７３８号公報

しかしながら、物体の種類が膨大である場合、手作業による同定作業では時間がかかってしまう。また物体を撮影した画像をデータベースに登録しておく場合、大量の物体の画像を登録する必要があるため、データベースの作成に時間がかかってしまう。また特許文献１のように機械学習技術を用いる場合、機械学習のトレーニングに時間がかかってしまう。
本発明の目的は、物体判定の事前準備にかかる時間を削減することができる物体判定装置、物体判定方法、プログラム、および特徴量列のデータ構造を提供することにある。

本発明の第１の態様によれば、物体判定装置は、物体の形状を表す三次元図形データを任意の方向から投影するときの原点を示す仮想視点に対する、物体の形状を表す三次元図形データの向きを異ならせながら、前記仮想視点から前記三次元図形データを複数回投影することで得られた複数の二次元画像データそれぞれの特徴量である比較特徴量を取得する比較特徴量取得部と、視点に対する、判定対象となる対象物体の向きを異ならせながら、前記対象物体を前記視点から撮影することで得られる複数の対象画像データを取得する対象画像取得部と、前記複数の画像データそれぞれの特徴量である対象特徴量を算出する対象特徴量算出部と、前記複数の比較特徴量と前記複数の対象特徴量との類似度を算出する類似度算出部と、前記類似度に基づいて、前記対象物体と前記比較特徴量に係る前記物体とが同一の物体であるか否かの判定を行う判定部とを備える。

本発明の第２の態様によれば、第１の態様に係る物体判定装置は、前記比較特徴量取得部は、前記比較特徴量を前記三次元図形データの基準方向と前記仮想視点の視線方向とがなす角度の昇順または降順に並べた比較特徴量列を取得し、前記対象特徴量算出部は、前記対象特徴量を前記対象画像データの時系列に並べた対象特徴量列を生成し、前記類似度算出部は、前記比較特徴量列と前記対象特徴量列の類似度を算出するものであってよい。

本発明の第３の態様によれば、第２の態様に係る物体判定装置は、前記類似度算出部は、前記比較特徴量列と前記対象特徴量列のマッチングを行うことで前記類似度を算出するものであってよい。

本発明の第４の態様によれば、第２または第３の態様に係る物体判定装置は、前記比較特徴量取得部は、前記比較特徴量を前記三次元図形データの回転軸回りの角度の昇順または降順に並べた比較特徴量列を、前記回転軸の角度ごとに取得し、前記類似度算出部は、前記回転軸の角度ごとに、前記比較特徴量列と前記対象特徴量列の類似度を算出するものであってよい。

本発明の第５の態様によれば、第１から第４の何れかの態様に係る物体判定装置は、前記比較特徴量取得部は、物体ごとに前記比較特徴量を取得し、前記類似度算出部は、前記物体ごとに、前記複数の比較特徴量と前記複数の対象特徴量の類似度を算出し、前記判定部は、前記対象物体と最も高い前記類似度に係る前記物体とが同一の物体であると判定するものであってよい。

本発明の第６の態様によれば、物体判定方法は、物体の形状を表す三次元図形データを任意の方向から投影するときの原点を示す仮想視点に対する、物体の形状を表す三次元図形データの向きを異ならせながら、前記仮想視点から前記三次元図形データを複数回投影することで得られた複数の二次元画像データそれぞれの特徴量である比較特徴量を取得することと、視点に対する、判定対象となる対象物体の向きを異ならせながら、前記対象物体を前記視点から撮影することで得られる複数の対象画像データを取得することと、前記複数の画像データそれぞれの特徴量である対象特徴量を算出することと、前記複数の比較特徴量と前記複数の対象特徴量との類似度を算出することと、前記類似度に基づいて、前記対象物体と前記比較特徴量に係る前記物体とが同一の物体であるか否かの判定を行うこととを含む。

本発明の第７の態様によれば、プログラムは、コンピュータに、物体の形状を表す三次元図形データを任意の方向から投影するときの原点を示す仮想視点に対する、物体の形状を表す三次元図形データの向きを異ならせながら、前記仮想視点から前記三次元図形データを複数回投影することで得られた複数の二次元画像データそれぞれの特徴量である比較特徴量を取得することと、視点に対する、判定対象となる対象物体の向きを異ならせながら、前記対象物体を前記視点から撮影することで得られる複数の対象画像データを取得することと、前記複数の画像データそれぞれの特徴量である対象特徴量を算出することと、前記複数の比較特徴量と前記複数の対象特徴量との類似度を算出することと、前記類似度に基づいて、前記対象物体と前記比較特徴量に係る前記物体とが同一の物体であるか否かの判定を行うこととを実行させる。

本発明の第８の態様によれば、特徴量列のデータ構造は、物体の同定に用いられる特徴量列のデータ構造であって、前記物体の基準方向と視点の視線方向とがなす角度の昇順または降順に、前記角度で前記視点から前記物体を投影した複数の二次元画像に係る特徴量を格納する。

上記態様のうち少なくとも１つの態様によれば、対象物体の同定に用いる比較特徴量は、三次元図形データの投影により生成される二次元画像データの特徴量である。つまり、比較特徴量の算出にあたって、物体の設計等に用いられるＣＡＤデータを用いることができるため、実際の物体の撮像データを用いる必要がない。これにより、上記少なくとも１つの態様によれば、物体判定の事前準備に要する時間を削減することができる。

第１の実施形態に係る物体判定システムの構成を示す概略ブロック図である。 第１の実施形態に係るレンダリング部による二次元画像データ列の生成方法を示す模式図である。 第１の実施形態に係る物体判定装置による物体登録処理を示すフローチャートである。 第１の実施形態に係る比較特徴量記憶部が記憶する情報の例を示す図である。 第１の実施形態に係る物体判定装置による物体判定処理を示すフローチャートである。 少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。

以下、図面を参照しながら実施形態について詳しく説明する。
〈第１の実施形態〉
図１は、第１の実施形態に係る物体判定システムの構成を示す概略ブロック図である。
物体判定システム１００は、撮影装置１０、物体判定装置２０、表示装置３０を備える。物体判定装置２０は、撮影装置１０が撮影した画像データに写る物体が、既知の複数の物体のいずれに合致するかを判定し、その判定結果を表示装置３０に出力する。以下、ある物体が既知の複数の物体のいずれに合致するかを判定することを、「同定」ともいう。また、撮影装置１０が撮影した画像データを対象画像データという。

物体判定装置２０は、データ入力部２０１、レンダリング部２０２、比較特徴量算出部２０３、比較特徴量記憶部２０４、比較特徴量取得部２０５、対象画像取得部２０６、対象特徴量算出部２０７、類似度算出部２０８、判定部２０９、出力部２１０を備える。

データ入力部２０１は、物体の形状を表す三次元図形データの入力を受け付ける。

レンダリング部２０２は、データ入力部２０１に入力された三次元図形データを、その向きを異ならせながら仮想視点から複数回投影することで、複数の二次元画像データを生成する。仮想視点とは、三次元図形データを任意の方向から投影するときの原点のことをいう。このとき、レンダリング部２０２は、仮想視点に対する三次元図形データの回転軸回りの角度を異ならせながら、仮想視点から三次元図形データを複数回投影することで、複数の二次元画像データからなる二次元画像データ列を生成する。三次元図形データの角度とは、三次元図形データの基準方向と仮想視点の視線方向とがなす角度である。図２は、第１の実施形態に係るレンダリング部による二次元画像データ列の生成方法を示す模式図である。図２に示すように、レンダリング部２０２は、三次元図形データＧの姿勢を固定して仮想視点Ｖを三次元図形データＧを中心とする回転軸回りに公転させる。つまり、レンダリング部２０２は、三次元図形データＧの基準方向ＢＤを固定させたまま、仮想視点Ｖの視線方向をＳＤ１、ＳＤ２、ＳＤ３へと順次変更する。これにより、レンダリング部２０２は、仮想視点Ｖに対する三次元図形データＧの回転軸回りの角度をθ１、θ２、θ３と異ならせながら、仮想視点Ｖから三次元図形データＧを複数回投影することができる。
さらに、レンダリング部２０２は、回転軸の角度を異ならせて、複数の二次元画像データ列を生成する。なお、回転軸は、仮想視点の視線方向に交差する。

なお、三次元図形データの姿勢を固定して仮想視点を三次元図形データを中心とする回転軸回りに公転させることで二次元画像データ列を生成することと、仮想視点の姿勢を固定して三次元図形データを自転させることで二次元画像データ列を生成することとは、等価である。

比較特徴量算出部２０３は、レンダリング部２０２が生成した二次元画像データ列を構成する各二次元画像データから特徴量を算出する。以下、二次元画像データから算出された特徴量を、比較特徴量という。比較特徴量算出部２０３は、回転軸の角度ごとに、比較特徴量を回転軸回りの角度の昇順に並べた比較特徴量列を生成する。つまり、比較特徴量列は、三次元図形データの角度の昇順に、その角度で仮想視点から三次元図形データを投影した複数の二次元画像に係る特徴量を格納するデータ構造を有する。なお、他の実施形態においては、比較特徴量列は、三次元図形データの角度の降順に特徴量を格納するデータ構造を有するものであってもよい。

比較特徴量記憶部２０４は、物体ごとに、比較特徴量算出部２０３が生成した回転軸の角度ごとの比較特徴量列を記憶する。つまり、比較特徴量記憶部２０４は、物体を識別する識別情報と、回転軸の角度とに関連付けて、比較特徴量列を記憶する。

比較特徴量取得部２０５は、対象物体を同定するときに、比較特徴量記憶部２０４から物体ごとに比較特徴量列を取得する。

対象画像取得部２０６は、撮影装置１０から同一の対象物体が写る複数の対象画像データを取得する。このとき、利用者は、撮影装置１０の視点に対する対象物体の角度を一方向に回転させることで、撮影装置１０に複数の対象画像データを生成させる。これにより、対象画像取得部２０６は、対象物体の角度が単調変化する複数の対象画像データからなる対象画像データ列を生成することができる。対象画像データ列は、動画像データであってもよい。

なお、対象物体の姿勢を固定して撮影装置１０を対象物体を中心に公転させることで対象画像データ列を生成することと、撮影装置１０を固定して対象物体を自転させることで対象画像データ列を生成することとは、等価である。

対象特徴量算出部２０７は、対象画像取得部２０６が取得した対象画像データ列を構成する各対象画像データから特徴量を算出する。以下、対象画像データから算出された特徴量を、対象特徴量という。対象特徴量算出部２０７は、対象特徴量を対象画像データの順に並べた対象特徴量列を生成する。つまり、対象特徴量列は、対象物体の角度の昇順に、その角度で撮影装置１０から対象物体を撮影した複数の対象画像データに係る特徴量を格納するデータ構造を有する。なお、他の実施形態においては、対象特徴量列は、対象物体の角度の降順に特徴量を格納するデータ構造を有するものであってもよい。

類似度算出部２０８は、弾性マッチングにより比較特徴量列と対象特徴量列の類似度を算出する。例えば、類似度算出部２０８は、ＤＰ（Dynamic Planning）マッチング、隠れマルコフモデル、およびその他の弾性マッチング法を用いて特徴量列間の類似度を算出する。

判定部２０９は、対象物体と、類似度算出部２０８が算出した最も高い類似度に係る物体とが同一の物体であると判定する。
出力部２１０は、判定部２０９による判定結果を表示装置３０に出力する。

図３は、第１の実施形態に係る物体判定装置による物体登録処理を示すフローチャートである。
物体判定装置２０は、物体を同定するために、予め既知の物体に係る情報を記憶しておく必要がある。物体判定装置２０は、利用者の操作に従って、既知の物体に係る情報を登録する物体登録処理を実行する。

利用者は、物体判定装置２０に、既知の物体の形状を表す三次元形状データを入力する。三次元形状データは、例えば三次元ＣＡＤ（Computer Aided Design）ソフトウェアにより作成される。物体判定装置２０のデータ入力部２０１は、利用者から三次元形状データの入力を受け付ける（ステップＳ１）。次に、レンダリング部２０２は、仮想空間上に三次元形状データを配置し、三次元形状データの全体が写る位置に仮想視点を配置する（ステップＳ２）。仮想視点は、三次元形状データのレンダリングに用いられる視点である。レンダリング部２０２は、三次元形状データの重心を通り、かつ仮想視点の視線方向に交差する回転軸を設定する（ステップＳ３）。

次に、レンダリング部２０２は、仮想視点から三次元形状データを投影することで、物体の形状を表す二次元形状データを生成する（ステップＳ４）。次に、比較特徴量算出部２０３は、生成した二次元形状データの特徴量（比較特徴量）を算出する（ステップＳ５）。本実施形態では、特徴量はベクトルとして算出される。特徴量の例としては、ＳＩＦＴ（Scale Invariant Feature Transform）、ＳＵＲＦ（Speeded Up Robust Features）、ＨＯＧ（Histograms of Oriented Gradients）、Shapeletなどが挙げられる。

次に、比較特徴量算出部２０３は、三次元形状データが初期位置から１回転したか否かを判定する（ステップＳ６）。三次元形状データが初期位置から１回転していない場合（ステップＳ６：ＮＯ）、レンダリング部２０２は、三次元形状データを回転軸回りに所定回転角（例えば、４５度）だけ回転させる（ステップＳ７）。なお、当該回転角は、１周の角度（３６０度または２πラジアン）を自然数で除算して得られる角度を用いることが好ましい。レンダリング部２０２が三次元形状データを所定回転角だけ回転させると、物体判定装置２０は、ステップＳ４に処理を戻し、回転後の二次元形状データを生成する。これを繰り返すことで、物体判定装置２０は、既知の物体の特徴量を三次元図形データの角度の昇順に並べた比較特徴量列を生成することができる。

他方、三次元形状データが初期位置から１回転した場合（ステップＳ６：ＹＥＳ）、比較特徴量算出部２０３は、三次元形状データの識別情報と、回転軸の角度とに関連付けて、比較特徴量列を比較特徴量記憶部に記録する（ステップＳ８）。次に、比較特徴量算出部２０３は、回転軸が仮想視点の視線方向に伸びる軸回りに初期位置から１回転したか否かを判定する（ステップＳ９）。回転軸が初期位置から１回転していない場合（ステップＳ９：ＮＯ）、レンダリング部２０２は、回転軸を仮想視点の視線方向に伸びる軸回りに所定回転角（例えば、４５度）だけ回転させる（ステップＳ１０）。なお、当該回転角は、１周の角度を自然数で除算して得られる角度を用いることが好ましい。レンダリング部２０２が回転軸を所定回転角だけ回転させると、物体判定装置２０は、ステップＳ４に処理を戻し、回転軸の回転後の比較特徴量列を生成する。これを繰り返すことで、物体判定装置２０は、回転軸の角度ごとの比較特徴量列を、比較特徴量記憶部２０４に記録することができる。

図４は、第１の実施形態に係る比較特徴量記憶部が記憶する情報の例を示す図である。
上記物体登録処理により、物体判定装置２０の比較特徴量記憶部２０４には、図４に示すように、物体の識別情報である物体ＩＤごとに、かつ回転軸の角度ごとに、比較特徴量列が記録される。なお、図４に示す例では、比較特徴量列を構成する各回転角の比較特徴量を二次元画像データで模式的に表しているが、実際には比較特徴量として数値を要素とするベクトルが格納される。

図５は、第１の実施形態に係る物体判定装置による物体判定処理を示すフローチャートである。
上記物体登録処理により、複数の物体に係る比較特徴量列が比較特徴量記憶部２０４に記録されると、物体判定装置２０は、物体判定処理の実行が可能になる。

利用者は、撮影装置１０を用いて同定の対象となる対象物体を撮影する。このとき、撮影装置１０は、対象物体の向きを異ならせながら所定周期に係るタイミングで連続的に画像を撮像し、複数の画像データ（対象画像データ）を生成する。またこのとき、利用者は、撮影装置１０の視野内において対象物体を一方向に回転させる。これにより、撮影装置１０は、対象物体が写り、かつ対象物体の回転角度が単調増加する対象画像データ列を生成することができる。このとき、表示装置３０は、利用者に対象物体を一定速度で一方向に回転させることを指示する情報を表示してもよい。

物体判定装置２０の対象画像取得部２０６は、撮影装置１０から対象画像データ列を取得する（ステップＳ１０１）。次に、対象特徴量算出部２０７は、対象画像データ列を構成する各対象画像データから特徴量（対象特徴量）を算出する（ステップＳ１０２）。対象特徴量の算出方法は、比較特徴量算出部２０３による比較特徴量の算出方法と同じである。なお、対象特徴量算出部２０７は、対象画像データから背景部分を除去するなどの前処理を行ってから対象特徴量を算出してもよい。

次に、比較特徴量取得部２０５は、比較特徴量記憶部２０４が記憶する比較特徴量列を１つずつ取得し（ステップＳ１０３）、類似度算出部２０８は、各比較特徴量列について、弾性マッチングにより対象特徴量列との類似度を算出する（ステップＳ１０４）。つまり、類似度算出部２０８は比較特徴量列と対象特徴量列の並び順を変えずに、比較特徴量と対象特徴量との比較を行う。

類似度算出部２０８がすべての比較特徴量列について、対象特徴量列との類似度を算出すると、判定部２０９は、最も高い類似度に係る比較特徴量列を特定する（ステップＳ１０５）。そして、判定部２０９は、対象物体が、特定した比較特徴量列に関連付けられた物体ＩＤに係る物体であると判定する（ステップＳ１０６）。つまり、判定部２０９は、対象物体を同定する。出力部２１０は、判定部２０９による判定結果（同定された物体ＩＤなど）を表示装置３０に出力する（ステップＳ１０７）。
これにより、表示装置３０は、撮影装置１０によって撮影された対象物体の物体ＩＤを表示する。

このように、第１の実施形態によれば、物体判定装置２０は、既知の物体の形状を表す三次元形状データを複数の角度からレンダリングし、その特徴量を算出することで、物体判定の事前準備を行う。つまり、第１の実施形態によれば、既知の物体を１つ１つ撮影する必要がないため、物体判定の事前準備にかかる時間を削減することができる。また、ＣＡＤなどにより生成された三次元形状データは、撮影により得られる画像データと比較して陰影が複雑でないため、画質の低下を抑えつつ圧縮等による低容量化を図ることが容易である。

また、第１の実施形態によれば、物体判定装置２０は、既知の物体を異なる角度から投影した複数の二次元形状データに基づいて物体の同定を行う。これにより、物体判定装置２０は、複数の角度から見た形状に基づいて物体の判定を行うため、対象物体をある角度から見たときに異なる物体と類似する場合に、誤判定する可能性を低減することができる。

また、第１の実施形態によれば、物体判定装置２０は、特徴量を回転軸に対する角度の昇順または降順に並べた特徴量列どうしの類似度に基づいて物体の判定を行う。
以下に、本構成の作用について説明する。ある角度から見た既知の物体に係る比較画像特徴量と、他の角度から見た対象物体に係る対象画像特徴量とがたまたま類似する場合、当該比較画像特徴量と当該対象画像特徴量の類似度は高くなる。特徴量列の並び順に関わりなく単に画像特徴量どうしの類似度を算出する場合、既知の物体と対象物体との正しい組み合わせのみならず、上記組み合わせに係る類似度も、高く算出される可能性がある。一方で、上述した特徴量列どうしの類似度を算出することで、比較画像特徴量と対象画像特徴量とがたまたま類似する角度から、既知の物体および対象物体をさらに回転させたときの類似度が、特徴量列どうしの類似度に反映される。したがって、ある角度から見た既知の物体に係る比較画像特徴量と、他の角度から見た対象物体に係る対象画像特徴量とがたまたま類似する場合に、当該比較画像特徴量と当該対象画像特徴量の類似度が高くなることを防ぐことができる。

また、第１の実施形態によれば、物体判定装置２０は、比較特徴量列と対象特徴量列との弾性マッチングを行うことで類似度を算出する。これにより、比較特徴量列に係る回転角度の幅と対象特徴量列に係る回転角度の幅が異なる場合にも、適切に類似度を算出することができる。例えば、第１の実施形態に係る物体判定装置２０は、三次元形状データを４５度ずつ回転させて生成された比較特徴量列と、対象物体が３０度回転するたびに撮像された画像データ列（または回転角度の幅が毎回変動する画像データ列）から生成された対象特徴量列との類似度を、適切に算出することができる。
なお、他の実施形態においては、物体判定装置２０は、弾性マッチングによらずに類似度を算出してもよい。例えば、物体判定装置２０は、比較特徴量列を構成する比較特徴量と対象特徴量列を構成する対象特徴量とを並べ替えずに一対一に比較することで、特徴量列どうしの類似度を算出してもよい。この場合、比較特徴量列に係る回転角度の幅と対象特徴量列に係る回転角度の幅を揃えることが好ましい。例えば、物体判定装置２０の比較特徴量算出部２０３および対象特徴量算出部２０７が、隣り合う特徴量どうしの類似度が一定の基準値より低くなるように特徴量列を生成することで、特徴量列どうしの並び順を揃えることができる。例えば、比較特徴量算出部２０３または対象特徴量算出部２０７は、ある物体ついて、第１の角度（例えば０度）に係る特徴量と第２の角度（例えば２２．５度）に係る特徴量との類似度を比較し、類似度が基準値より高い場合には第２の角度に係る特徴量を特徴量列に含めず、さらに回転角を増加させる。他方、第１の角度に係る特徴量と第２の角度に係る特徴量との類似度が基準値より低い場合には第２の角度に係る特徴量を特徴量列に追加する。上記手順を物体が１周回転するまで実行することで、特徴量列を生成することで、比較特徴量列と対象特徴量列との回転角度の幅を揃えることができる。

また、第１の実施形態によれば、物体判定装置２０は、対象特徴量列と、回転軸の角度ごとに異なる比較特徴量列との類似度を算出する。つまり、物体判定装置２０は、角度の異なる回転軸のそれぞれについて比較特徴量列を記憶する。これにより、物体判定装置２０は、利用者がどのような角度で対象物体を回転させたとしても、これに相当する比較特徴量列を特定することができる。
なお、他の実施形態においてはこれに限られず、物体判定装置２０は、一の回転軸に係る比較特徴量列と対象特徴量列の比較により、既知の物体と対象物体とが一致するかを判定してもよい。この場合、利用者は、対象物体を予め定められた回転方向に回転させる。

以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。
例えば、上述した実施形態では、物体判定装置２０は、対象物体の物体ＩＤを特定する、すなわち対象物体の同定をするが、これに限られない。他の実施形態に係る物体判定装置２０は、対象物体が一の目的物体であるか否かを判定するものであってよい。例えば、ある工場において、製品の組み立てにある目的部品を用いる必要がある場合に、物体判定装置２０は撮影された対象物体が目的部品と一致するか否かを判定してもよい。この場合、ステップＳ１０３において、比較特徴量取得部２０５は、目的部品に係る比較特徴量列のみを取得し、類似度算出部２０８は、当該比較特徴量列について対象特徴量列との類似度を算出すればよい。

図６は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９０は、ＣＰＵ９１、主記憶装置９２、補助記憶装置９３、インタフェース９４を備える。
上述の物体判定装置２０は、コンピュータ９０に実装される。そして、上述した各処理部の動作は、プログラムの形式で補助記憶装置９３に記憶されている。ＣＰＵ９１は、プログラムを補助記憶装置９３から読み出して主記憶装置９２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９１は、プログラムに従って、上述した各比較特徴量記憶部２０４に対応する記憶領域を主記憶装置９２または補助記憶装置９３に確保する。

補助記憶装置９３の例としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ−ＲＯＭ（Digital Versatile Disc Read Only Memory）、半導体メモリ等が挙げられる。補助記憶装置９３は、コンピュータ９０のバスに直接接続された内部メディアであってもよいし、インタフェース９４または通信回線を介してコンピュータ９０に接続される外部メディアであってもよい。また、このプログラムが通信回線によってコンピュータ９０に配信される場合、配信を受けたコンピュータ９０が当該プログラムを主記憶装置９２に展開し、上記処理を実行してもよい。少なくとも１つの実施形態において、補助記憶装置９３は、一時的でない有形の記憶媒体である。

また、当該プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、当該プログラムは、前述した機能を補助記憶装置９３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。

１００ 物体判定システム
１０ 撮影装置
２０ 物体判定装置
３０ 表示装置
２０１ データ入力部
２０２ レンダリング部
２０３ 比較特徴量算出部
２０４ 比較特徴量記憶部
２０５ 比較特徴量取得部
２０６ 対象画像取得部
２０７ 対象特徴量算出部
２０８ 類似度算出部
２０９ 判定部
２１０ 出力部

Claims (8)

1. 物体の形状を表す三次元図形データを任意の方向から投影するときの原点を示す仮想視点に対する、物体の形状を表す三次元図形データの向きを異ならせながら、前記仮想視点から前記三次元図形データを複数回投影することで得られた複数の二次元画像データそれぞれの特徴量である比較特徴量を取得する比較特徴量取得部と、
   視点に対する、判定対象となる対象物体の向きを異ならせながら、前記対象物体を前記視点から撮影することで得られる複数の対象画像データを取得する対象画像取得部と、
   前記複数の画像データそれぞれの特徴量である対象特徴量を算出する対象特徴量算出部と、
   前記複数の比較特徴量と前記複数の対象特徴量との類似度を算出する類似度算出部と、
   前記類似度に基づいて、前記対象物体と前記比較特徴量に係る前記物体とが同一の物体であるか否かの判定を行う判定部と
   を備える物体判定装置。
2. 前記比較特徴量取得部は、前記比較特徴量を前記三次元図形データの基準方向と前記仮想視点の視線方向とがなす角度の昇順または降順に並べた比較特徴量列を取得し、
   前記対象特徴量算出部は、前記対象特徴量を前記対象画像データの時系列に並べた対象特徴量列を生成し、
   前記類似度算出部は、前記比較特徴量列と前記対象特徴量列の類似度を算出する
   請求項１に記載の物体判定装置。
3. 前記類似度算出部は、前記比較特徴量列と前記対象特徴量列のマッチングを行うことで前記類似度を算出する
   請求項２に記載の物体判定装置。
4. 前記比較特徴量取得部は、前記比較特徴量を前記三次元図形データの回転軸回りの角度の昇順または降順に並べた比較特徴量列を、前記回転軸の角度ごとに取得し、
   前記類似度算出部は、前記回転軸の角度ごとに、前記比較特徴量列と前記対象特徴量列の類似度を算出する
   請求項２または請求項３に記載の物体判定装置。
5. 前記比較特徴量取得部は、物体ごとに前記比較特徴量を取得し、
   前記類似度算出部は、前記物体ごとに、前記複数の比較特徴量と前記複数の対象特徴量の類似度を算出し、
   前記判定部は、前記対象物体と最も高い前記類似度に係る前記物体とが同一の物体であると判定する
   請求項１から請求項４の何れか１項に記載の物体判定装置。
6. 物体の形状を表す三次元図形データを任意の方向から投影するときの原点を示す仮想視点に対する、物体の形状を表す三次元図形データの向きを異ならせながら、前記仮想視点から前記三次元図形データを複数回投影することで得られた複数の二次元画像データそれぞれの特徴量である比較特徴量を取得することと、
   視点に対する、判定対象となる対象物体の向きを異ならせながら、前記対象物体を前記視点から撮影することで得られる複数の対象画像データを取得することと、
   前記複数の画像データそれぞれの特徴量である対象特徴量を算出することと、
   前記複数の比較特徴量と前記複数の対象特徴量との類似度を算出することと、
   前記類似度に基づいて、前記対象物体と前記比較特徴量に係る前記物体とが同一の物体であるか否かの判定を行うことと
   を含む物体判定方法。
7. コンピュータに、
   物体の形状を表す三次元図形データを任意の方向から投影するときの原点を示す仮想視点に対する、物体の形状を表す三次元図形データの向きを異ならせながら、前記仮想視点から前記三次元図形データを複数回投影することで得られた複数の二次元画像データそれぞれの特徴量である比較特徴量を取得することと、
   視点に対する、判定対象となる対象物体の向きを異ならせながら、前記対象物体を前記視点から撮影することで得られる複数の対象画像データを取得することと、
   前記複数の画像データそれぞれの特徴量である対象特徴量を算出することと、
   前記複数の比較特徴量と前記複数の対象特徴量との類似度を算出することと、
   前記類似度に基づいて、前記対象物体と前記比較特徴量に係る前記物体とが同一の物体であるか否かの判定を行うことと
   を実行させるためのプログラム。
8. 物体の同定に用いられる特徴量列のデータ構造であって、
   前記物体の基準方向と視点の視線方向とがなす角度の昇順または降順に、前記角度で前記視点から前記物体を投影した複数の二次元画像に係る特徴量を格納する
   特徴量列のデータ構造。

Images