JP2022145077A - 測定データ処理装置、方法及びプログラム並びに三次元測定機 - Google Patents

Abstract

【課題】ワークの測定結果を適切に処理することにより、ワークの幾何形状の計算を容易かつ正確に行うことが可能な測定データ処理装置、方法及びプログラム並びに三次元測定機を提供する。【解決手段】測定データ処理装置（４０）は、ワークの幾何要素のプロービングにより得られた幾何要素のプロービング点の測定結果を示す測定データを取得する取得部と、測定データに対して、幾何要素の判別処理を行う判別部と、判別部により判別した幾何要素に対応する外れ値検知アルゴリズムを用いて、測定データに対して、外れ値の検知処理を行う外れ値検知部と、外れ値検知部により外れ値として検知されたプロービング点の測定結果を測定データから除外して、幾何要素の計算を行う計算部とを備える。【選択図】図１

Description

本発明は測定データ処理装置、方法及びプログラム並びに三次元測定機に係り、ワークの三次元測定を行ってその幾何要素の形状を測定する測定データ処理装置、方法及びプログラム並びに三次元測定機に関する。

従来、三次元測定装置を用いてワークを測定して、ワークの幾何形状を判別する方法が提案されている。例えば、特許文献１には、幾何形状の確定測定点を得る毎に「点、直線、円、楕円、球、平面、円筒、円錐」の幾何形状（幾何要素）の特徴に基づいて、ワークの幾何形状を自動的に設定する方法が開示されている。

特開平６－０５０７４９号公報

ところで、スタイラス及びワークへのゴミの付着、スタイラスの変更などによる予期せぬプローブ信号の入力、プロービング位置の誤り等に起因する外れ値が測定結果（プロービングによる点群データ）に含まれることがある。このような外れ値が測定結果に含まれていると、測定誤差の発生につながる。

そのため、ユーザーは測定誤差が含まれない測定結果を得るために、外れ値の発生を防ぐための努力、及び手動での外れ値の削除等を行う必要がある。また、外れ値に気づかず測定を続行した場合は、ワークの幾何形状の測定を正確に行うことができず、再測定になってしまう場合もある。

特許文献１では、幾何要素の判別が確定した後、入力されたプロービング点をそのまま後の計算処理に譲渡して、判別した幾何要素の形状の算出を行っている。そのため、測定結果に外れ値が含まれていた場合は、ワークの形状に測定誤差が発生してしまう。

本発明はこのような事情に鑑みてなされたもので、ワークの測定結果を適切に処理することにより、ワークの幾何形状の計算を容易かつ正確に行うことが可能な測定データ処理装置、方法及びプログラム並びに三次元測定機を提供することを目的とする。

上記課題を解決するために、本発明の第１の態様に係る測定データ処理装置は、ワークの幾何要素のプロービングにより得られた幾何要素のプロービング点の測定結果を示す測定データを取得する取得部と、測定データに対して、幾何要素の判別処理を行う判別部と、判別部により判別した幾何要素に対応する外れ値検知アルゴリズムを用いて、測定データに対して、外れ値の検知処理を行う外れ値検知部と、外れ値検知部により外れ値として検知されたプロービング点の測定結果を測定データから除外して、幾何要素の計算を行う計算部とを備える。

本発明の第２の態様に係る測定データ処理装置は、第１の態様において、計算部は、外れ値検知部により外れ値として検知されたプロービング点の測定結果を測定データから除外するか否かの操作入力を受け付け、操作入力により指定された外れ値の測定結果を測定データから除外して、幾何要素の計算を行う。

本発明の第３の態様に係る測定データ処理装置は、第１又は第２の態様において、幾何要素のプロービング点の測定結果を含む教師データを用いて機械学習により、外れ値検知アルゴリズムを作成する学習部を備える。

本発明の第４の態様に係る測定データ処理装置は、第３の態様において、判別部は、幾何要素の判別を行うための学習済みの分類アルゴリズムを用いて、測定データに対して、幾何要素の判別処理を行う。

本発明の第５の態様に係る測定データ処理装置は、第４の態様において、学習部は、幾何要素のプロービング点の測定結果を含む教師データを用いて機械学習により、分類アルゴリズムの学習を行う。

本発明の第６の態様に係る測定データ処理装置は、第５の態様において、学習部は、分類アルゴリズムにより判別可能な幾何要素として追加する幾何要素のプロービング点の測定結果を含む機能拡張用教師データを取得して、機能拡張用教師データを用いて、分類アルゴリズムの再学習を行い、かつ、追加する幾何要素に対応する外れ値検知アルゴリズムを作成する。

本発明の第７の態様に係る三次元測定機は、第１から第６のいずれかの態様に係る測定データ処理装置と、ワークの幾何要素のプロービングを行い、幾何要素のプロービング点の測定結果を測定データ処理装置に出力する測定部とを備える。

本発明の第８の態様に係る測定データ処理方法は、ワークの幾何要素のプロービングにより得られた幾何要素のプロービング点の測定結果を示す測定データを取得する取得工程と、測定データに対して、幾何要素の判別処理を行う判別工程と、判別工程において判別した幾何要素に対応する外れ値検知アルゴリズムを用いて、測定データに対して、外れ値の検知処理を行う外れ値検知工程と、外れ値検知工程において外れ値として検知されたプロービング点の測定結果を測定データから除外して、幾何要素の計算を行う計算工程とを含む。

本発明の第９の態様に係る測定データ処理プログラムは、ワークの幾何要素のプロービングにより得られた幾何要素のプロービング点の測定結果を示す測定データを取得する取得機能と、測定データに対して、幾何要素の判別処理を行う判別機能と、判別機能により判別した幾何要素に対応する外れ値検知アルゴリズムを用いて、測定データに対して、外れ値の検知処理を行う外れ値検知機能と、外れ値検知機能により外れ値として検知されたプロービング点の測定結果を測定データから除外して、幾何要素の計算を行う計算機能とをコンピュータに実現させる。

本発明によれば、ワークの測定結果から外れ値を除外することにより、ワークの幾何形状の計算を容易かつ正確に行うことができる。

図１は、本発明の一実施形態に係る三次元測定機を示す図（斜視図及びブロック図）である。 図２は、図１に示す三次元測定機の制御系を示す機能ブロック図である。 図３は、幾何要素の判別処理の流れを模式的に示す図である。 図４は、幾何要素の判別結果の表示画面の例を示す図である。 図５は、外れ値検知処理の流れを模式的に示す図である。 図６は、教師データと外れ値検知アルゴリズムの対応関係を示す図である。 図７は、外れ値の検知結果の表示画面の例を示す図である。 図８は、本発明の一実施形態に係る三次元測定方法を示すフローチャートである。 図９は、幾何要素の種類の追加を行う場合における分類アルゴリズムの再学習の手順を模式的に示す図である。 図１０は、幾何要素の種類の追加を行う場合における外れ値検知アルゴリズムの再学習の手順を模式的に示す図である。 図１１は、任意の幾何要素を判別するための機能拡張の手順を示す図である。 図１２は、任意の幾何要素を判別するための機能拡張の手順を示す図である。 図１３は、任意の幾何要素を判別するための機能拡張の手順を示す図である。 図１４は、三次元測定機の機能拡張方法を示すフローチャートである。

以下、添付図面に従って本発明に係る測定データ処理装置、方法及びプログラム並びに三次元測定機の実施の形態について説明する。

［三次元測定装置］
図１は、本発明の一実施形態に係る三次元測定機を示す図（斜視図及びブロック図）である。

三次元測定機１０は、ワークの三次元形状の測定及びワークに含まれる幾何要素の判別（分類）を実施する。なお、三次元測定機は、英語表記Coordinate Measuring Machineの省略語を用いてＣＭＭと称されることがある。

同図に示す三次元測定機１０は、架台１２、テーブル１４、右Ｙキャリッジ１６Ｒ、左Ｙキャリッジ１６Ｌ、Ｘガイド１８、Ｘキャリッジ２０、Ｚキャリッジ２２及びプローブヘッド２４を備える。

架台１２はテーブル１４の下面を支持する支持台である。テーブル１４は定盤が適用される。テーブル１４は、上面のＸ軸方向における一方の端部に右Ｙキャリッジ１６Ｒが立設され、他方の端部に左Ｙキャリッジ１６Ｌが立設される。

テーブル１４のＸ軸方向における両端部の上面及び側面は、Ｙ軸方向に沿って右Ｙキャリッジ１６Ｒ及び左Ｙキャリッジ１６Ｌが摺動する摺動面が形成される。また、右Ｙキャリッジ１６Ｒ及び左Ｙキャリッジ１６Ｌは、テーブル１４の摺動面に対向する位置にエアベアリングが具備される。すなわち、右Ｙキャリッジ１６Ｒ及び左Ｙキャリッジ１６Ｌは、テーブル１４を用いて、Ｙ軸方向について移動自在に支持される。なお、右Ｙキャリッジ１６Ｒ及び左Ｙキャリッジ１６Ｌに具備されるエアベアリングの図示を省略する。

Ｘガイド１８は、右Ｙキャリッジ１６Ｒを用いてＸ軸方向の一方の端部が支持され、左Ｙキャリッジ１６Ｌを用いてＸ軸方向の他方の端部が支持される。右Ｙキャリッジ１６Ｒ、左Ｙキャリッジ１６Ｌ及びＸガイド１８は門型フレーム２６を構成する。門型フレーム２６は、Ｙ軸方向について移動自在に構成される。

Ｘガイド１８は、Ｘキャリッジ２０が摺動する摺動面がＸ軸方向に沿って形成される。Ｘキャリッジ２０は、Ｘガイド１８の摺動面に対向する位置にエアベアリングが具備される。Ｘキャリッジ２０は、Ｘガイド１８を用いてＸ軸方向について移動自在に支持される。なお、Ｘガイド１８の摺動面に対向する位置に具備されるエアベアリングの図示を省略する。

Ｚキャリッジ２２は、Ｘキャリッジ２０を用いて、Ｚ軸方向に沿って移動自在に支持される。Ｘキャリッジ２０は、Ｚ軸方向についてＺキャリッジ２２を案内するエアベアリングが具備される。なお、Ｚ軸方向についてＺキャリッジ２２を案内するエアベアリングの図示を省略する。

プローブヘッド２４は、Ｚキャリッジ２２の下端に取り付けられる。プローブヘッド２４は、プローブ２４Ａを備える。プローブ２４Ａはスライタス２４Ｂ及び接触子２４Ｃを備える。プローブヘッド２４は、プローブ２４Ａを無段階に位置決めし得る無段階位置決め機構を備える五軸同時制御プローブヘッドを適用し得る。

三次元測定機１０は、Ｘ駆動部、Ｙ駆動部及びＺ駆動部を備える。Ｘ駆動部はＸ軸方向に沿ってＸキャリッジ２０を移動させる。Ｙ駆動部はＹ軸方向に沿って門型フレーム２６を移動させる。Ｚ駆動部はＺ軸方向に沿ってＺキャリッジ２２を移動させる。

三次元測定機１０は、Ｘ駆動部、Ｙ駆動部及びＺ駆動部を適宜動作させて、互いに直交するＸ軸方向、Ｙ軸方向及びＺ軸方向について、任意の位置へプローブヘッド２４を移動させ得る。なお、図１ではＸ駆動部、Ｙ駆動部及びＺ駆動部の図示を省略する。Ｘ駆動部、Ｙ駆動部及びＺ駆動部は、駆動部２８として図２に図示する。

三次元測定機１０は、第一回転軸の回りにプローブ２４Ａを回転させる第一回転駆動部及び第一回転軸と直交する第二回転軸の回りにプローブ２４Ａを回転させる第二回転駆動部を備える。第一回転駆動部及び第二回転駆動部は、プローブ２４Ａの姿勢を任意に回転させ得る。なお、図１では第一回転駆動部及び第二回転駆動部の図示を省略する。第一回転駆動部及び第二回転駆動部は、駆動部２８として図２に図示する。

Ｘガイド１８は、Ｘ軸方向位置検出用リニアスケールが具備される。また、Ｘキャリッジ２０はＸ軸方向位置検出ヘッドが具備される。Ｘ軸方向位置検出ヘッドは、Ｘ軸方向位置検出用リニアスケールの値を読み取り、Ｘ軸方向位置検出信号を出力する。

テーブル１４は、Ｘ軸方向における他方の端の側面にＹ軸方向位置検出用リニアスケールが具備される。また、右Ｙキャリッジ１６ＲはＹ軸方向位置検出ヘッドが具備される。Ｙ軸方向位置検出ヘッドは、Ｙ軸方向位置検出用リニアスケールの値を読み取り、Ｙ軸方向位置検出信号を出力する。

Ｚキャリッジ２２は、Ｚ軸方向位置検出用リニアスケールが具備される。また、Ｘキャリッジ２０はＺ軸方向位置検出ヘッドが具備される。Ｚ軸方向位置検出ヘッドは、Ｚ軸方向位置検出用リニアスケールの値を読み取り、Ｚ軸方向位置検出信号を出力する。

プローブヘッド２４は、プローブ２４Ａの回転角度を検出するエンコーダが具備される。プローブ２４Ａの回転角度は、Ｘ軸方向と平行の第一回転軸の回りを回転する際の第一回転方向における回転角度θ１及びＺ軸方向と平行の第二回転軸の回りを回転する際の第二回転方向における回転角度θ２を適用し得る。

プローブヘッド２４は、プローブ２４Ａのワークへの接触を検出する接触センサを備える。接触センサは接触検出信号を出力する。すなわち、三次元測定機１０は、接触子２４Ｃのワークの任意のプロービング点への接触を検出した際に、Ｘ軸方向、Ｙ軸方向及びＺ軸方向の位置検出信号を取得し、かつ、第一回転方向及び第二回転方向の回転角度検出信号を取得し、接触子２４Ｃの座標値を導出し得る。なお、実施形態に記載のプローブヘッド２４は測定部の一例である。

三次元測定機１０は、コントローラ３０及びコンピュータ４０を備える。コントローラ３０は、Ｘ駆動部、Ｙ駆動部、Ｚ駆動部、第一回転駆動部及び第二回転駆動部へ制御信号を送信し、プローブ２４Ａの位置及び姿勢を制御する。

コントローラ３０は、ジョイスティック等のプローブ操作部を備える。プローブ操作部は、プローブヘッド２４を手動操作する際に操作される。なお、図１ではプローブ操作部の図示を省略する。プローブ操作部は符号３２を付して図２に図示する。

コントローラ３０は、通信インターフェースを備える。コントローラ３０は、通信インターフェースを介して、各種の位置検出ヘッド及び接触センサ等と電気接続される。コントローラ３０は、各種の位置検出ヘッド及び接触センサ等が出力する各種の検出信号を取得する。

コントローラ３０は、通信インターフェースを介して、コンピュータ４０と通信可能に接続される。コントローラ３０とコンピュータ４０との通信プロトコルは、ＴＣＰ／ＩＰを適用し得る。なお、ＴＣＰはTransmission Control Protocolの省略語である。また、ＩＰはInternet Protocolの省略語である。

コントローラ３０及びコンピュータ４０は、三次元測定機１０の測定制御装置として機能する。コンピュータ４０は、三次元測定機１０の各種の機能に対応する命令が含まれるソフトウェア８０が記憶される。コンピュータ４０は、ソフトウェア８０の各種の命令を実行して、三次元測定機１０の各種の機能を実現する。

コンピュータ４０は、測定データとしてワークのパラメータを取得し、取得したワークのパラメータを用いて、ワークの幾何要素判別を実施する。ここで、コンピュータ４０は、測定データ処理装置の一例である。

三次元測定機１０は、ディスプレイ装置５０及びコンピュータ操作部５２を備える。ディスプレイ装置５０は、コンピュータ４０から送信される表示信号に基づき、三次元測定機１０における各種の情報を表示する。

コンピュータ操作部５２は、例えば、ユーザーからの操作入力を受け付けるための操作部材（キーボート及びマウス等）を含んでいる。コンピュータ操作部５２は、ユーザーが入力する各種の情報を表す信号をコンピュータ４０へ送信する。コンピュータ４０は、コンピュータ操作部５２から送信される信号に基づき、各種の処理を実施する。ディスプレイ装置５０はタッチパネル方式を適用して、コンピュータ操作部５２と一体に構成してもよい。

なお、本実施形態では、三次元測定機１０の一例として門型の三次元測定機について説明したが、三次元測定機１０の種類を限定する趣旨ではない。三次元測定機１０は、例えば、多関節アーム型のような他の型の三次元測定機でもよい（例えば、特開２００７－０４７０１４号公報参照）。また、三次元測定機１０におけるプローブは接触式のものに限定されず、非接触式のものであってもよい。

［三次元測定機の制御系］
図２は、図１に示す三次元測定機の制御系を示す機能ブロック図である。

図２に示すように、三次元測定機１０のコンピュータ４０は、制御部６０、入力情報取得部６６、表示制御部６８及びメモリ８１を備える。

制御部６０は、ＣＰＵ（Central Processing Unit）又はＧＰＵ（Graphics Processing Unit）等のプロセッサを含んでいる。制御部６０は、入力情報取得部６６を介してユーザーからの操作入力を受け付けて、コンピュータ４０の各部等を制御する。制御部６０は、判別部、外れ値検知部及び計算部の一例である。

入力情報取得部６６は、ユーザーからの操作入力に基づきコンピュータ操作部５２から送信される入力情報を表す信号を取得する。

表示制御部６８は、制御部６０からの制御に従ってディスプレイ装置５０へ表示信号を送信する。ディスプレイ装置５０は、表示制御部６８から送信される表示信号に基づき、三次元測定機１０における各種の情報（例えば、測定結果、及びユーザーの操作入力のためのＧＵＩ（Graphical User Interface）等）を表示する。なお、実施形態に記載のディスプレイ装置５０及び表示制御部６８は表示部の構成要素の一例である。

メモリ８１には、三次元測定機１０の各種の機能に対応する命令が含まれる各種のプログラム８２と、制御部６０が上記のプログラムを実行する際に適用される各種のパラメータが記憶される。各種のプログラムは、図１に示すソフトウェア８０に相当する。また、メモリ８１には、後述の教師データ８４及び測定データ８６等の各種のデータが記憶される。メモリ８１としては、半導体記憶素子、磁気記憶素子又は光学記憶素子等の有体物たるコンピュータ可読媒体を用いることができる。

（ワークの測定）
ワークの自動測定を行う場合、制御部６０は、コントローラ３０へ指令信号を送信する。コントローラ３０は、コンピュータ４０から送信される指令信号に基づき駆動部２８を制御して、キャリッジ２９を動作させ、かつ、プローブヘッド２４を回転させ、自動測定を実施する。

一方、ワークの手動測定を行う場合、コントローラ３０は、プローブ操作部３２の操作に応じて駆動部２８を制御して、キャリッジ２９を動作させ、かつ、プローブヘッド２４を回転させる。

なお、図２に示す駆動部２８には、Ｘ駆動部、Ｙ駆動部、Ｚ駆動部、第一回転駆動部及び第二回転駆動部が含まれる。また、キャリッジ２９には、図１に示すＸキャリッジ２０、右Ｙキャリッジ１６Ｒ、左Ｙキャリッジ１６Ｌ及びＺキャリッジ２２が含まれる。

上記のように、プローブヘッド２４を走査してワークの測定要素ごとにプロービング点の測定を行うことにより、プロービング点ごとの座標値等の測定値を含む点群データが測定データ８６として、コンピュータ４０の測定データ取得部６２に出力される。

測定データ取得部６２は、プローブヘッド２４から測定対象のワークの測定データ８６を取得し、メモリ８１に記憶する。測定データ取得部６２は、取得部の一例である。

ここで、測定要素は、ワークを構成する面及びワークに含まれる穴等の構造など、幾何要素の判別対象となり得る測定対象である。ワーク自体の形状が測定要素となる場合もあり得る。

ワークを構成する面の例として、平面及び曲面等が挙げられる。ワークの構造の例として、穴、溝、凹部及び凸部等が挙げられる。ワーク自体の形状の例として、円、直線及び円筒等が挙げられる。

制御部６０は、測定対象のワークの測定データ８６をメモリ８１から読み出して、学習部６４により学習済みの分類アルゴリズム（図３の符号１００）を用いて、ワークの測定要素ごとに幾何要素（例えば、円、直線及び円筒等）の種類の判別を行う。

次に、制御部６０は、測定対象のワークの測定データ８６をメモリ８１から読み出して、学習部６４により学習済みの外れ値検知アルゴリズム（図５の符号２００）を用いて、測定データに含まれる外れ値の検知を行う。そして、制御部６０は、外れ値の検知結果に基づいて、測定データから幾何要素の形状の計算を行う。

学習部６４は、ＣＰＵ（Central Processing Unit）又はＧＰＵ（Graphics Processing Unit）等のプロセッサを含んでおり、機械学習アルゴリズム（学習済みの分類アルゴリズム１００及び外れ値検知アルゴリズム２００）の学習を行う。なお、学習部６４は、制御部６０と一体のプロセッサであってもよいし、別個に設けられていてもよい。

（幾何要素の判別）
次に、幾何要素の判別（分類）について説明する。図３は、幾何要素の判別処理の流れを模式的に示す図である。

図３に示すように、幾何要素の判別処理は、制御部６０によるソフトウェアの内部処理として、学習済み分類アルゴリズム１００を用いて行われる。学習済み分類アルゴリズム１００は、学習部６４により教師あり学習が行われた幾何要素を判別（分類）するためのアルゴリズムである。

学習部６４は、教師データ１０２を用いて、幾何要素を判別（分類）するための分類アルゴリズム１００の教師あり学習を行う。ここで、教師データ１０２は、幾何要素の測定データ（プロービングによる点群データ）を入力とし、幾何要素の種類（例えば、円、直線及び円筒等）をラベル（正解）とするデータである。また、教師データ１０２における点群データは、後述の外れ値を含まないデータであり、三次元測定機１０を用いて、ワークの幾何要素を実際に測定して得られた座標値等を含むデータである。

制御部６０は、測定対象のワークの測定要素ごとの測定データ８６をメモリ８１から取得すると、学習済み分類アルゴリズム１００を用いて幾何要素の判別を行う。幾何要素の判別結果は、例えば、測定データ８６と関連付けられてメモリ８１に記憶される。また、幾何要素の判別結果は、表示制御部６８を介してディスプレイ装置５０に出力されて表示される。

図４は、幾何要素の判別結果の表示画面の例を示す図である。図４に示す表示画面Ｗ１～Ｗ３には、上部にＸＹＺの座標値の計測結果、左右に三次元測定機１０及びコンピュータ４０の操作のためのＧＵＩ、右下に幾何要素の種類の判別結果が表示されている。これにより、ユーザーは、幾何要素の判別結果を確認することができ、判別結果に応じて、プロービング点を追加して測定を行うか否かを判断することができる。

図４に示す例では、３つの判別結果（点：１、直線：２及び円：３）に対応する表示画面Ｗ１からＷ３が重ねて示されている。表示画面Ｗ１は、プロービング点の数が１の場合を示しており、幾何要素の種類の判別結果が「点」となっている。表示画面Ｗ２は、プロービング点の数を１つ追加して２とした場合を示しており、幾何要素の種類の判別結果が「直線」となっている。表示画面Ｗ３は、プロービング点の数をさらに１つ追加して３とした場合を示しており、幾何要素の種類の判別結果が「円」となっている。

上記の表示を行うことにより、ユーザーは、幾何要素の判別結果をディスプレイ装置５０で確認しながら、必要に応じてプロービング点の追加を行うことにより、幾何要素の判別を容易かつ正確に行うことができる。

（外れ値の検知）
次に、測定データにおける外れ値の検知について説明する。図５は、外れ値検知処理の流れを模式的に示す図である。なお、図５では、幾何要素の種類の判別結果が「円」となった例について説明する。

図５に示すように、外れ値の検知処理は、制御部６０によるソフトウェアの内部処理として、学習済み外れ値検知アルゴリズム２００を用いて行われる。学習済み外れ値検知アルゴリズム２００は、学習部６４により教師なし学習が行われたものであり、測定データに含まれるプロービング点の点群データの中から外れ値を検知するためのアルゴリズムである。

学習部６４は、教師データ２０２を用いて、外れ値を検知するための外れ値検知アルゴリズム２００の教師なし学習を行う。ここで、教師データ２０２は、測定データ（プロービングによる点群データ）を含むデータであり、幾何要素の種類ごと（例えば、円、直線及び円筒等）に準備される。ここで、教師データ２０２における点群データは、三次元測定機１０を用いて、ワークの幾何要素を実際に測定して得られた座標値等を含むデータである。この点群データとしては、分類アルゴリズム１００の学習で用いたものと同様のものを用いることができる。

図６に示すように、教師データ２０２Ａ～２０２Ｃと、外れ値検知アルゴリズム２００Ａ～２００Ｃとは、幾何要素の種類ごとに一対一で紐付けられている。なお、図６では、外れ値検知アルゴリズム２００の例として、円、直線及び円筒にそれぞれ対応する外れ値検知アルゴリズム２００を図示しているが、幾何要素の種類はこれに限定されない。

学習部６４は、幾何要素の種類ごと（例えば、円、直線及び円筒等）に準備された教師データ２０２を用いて、幾何要素の種類に対応する外れ値検知アルゴリズム２００の教師なし学習を行う。例えば、学習部６４は、幾何要素の種類（例えば、円）に対応する点群データを入力として、その幾何要素を構成するプロービング点のデータと、その幾何要素を構成しないプロービング点のデータ（外れ値）のクラスタリング（非階層クラスタリング）を行うための学習を行う。

なお、本実施形態では、外れ値検知アルゴリズム２００の学習に教師なし学習を用いたが本発明はこれに限定されない。外れ値検知アルゴリズム２００の学習は、外れ値を含み、各プロービング点が外れ値であるか否かのラベルが付された教師データを用いて、教師あり学習により行うことも可能である。

制御部６０は、測定データ８６に対して、幾何要素の判別結果に対応する学習済み外れ値検知アルゴリズム２００（図６の場合、学習済み外れ値検知アルゴリズム２００（円））を用いて、点群データの中から、外れ値となるプロービング点のデータの検知を行う。外れ値の検知結果は、例えば、測定データ８６と関連付けられてメモリ８１に記憶される。また、外れ値の検知結果は、表示制御部６８を介してディスプレイ装置５０に出力されて表示される。

図７は、外れ値の検知結果の表示画面の例を示す図である。図７に示す表示画面では、図中左側に、測定データ８６の点群データが図示されている。そして、点群データのうち、外れ値として検知されたプロービング点Ｅ１が強調表示されている。また、右図中側には、幾何要素の種類の判別結果が「幾何要素：円」と表示されており、外れ値として検知されたプロービング点Ｅ１の個数が「検知数：１」と表示されている。

上記の表示を行うことにより、ユーザーは、外れ値の検知結果をディスプレイ装置５０で確認しながら、幾何要素の計算から、外れ値を除外するか否かを選択することができる。

図７に示す例では、外れ値として検知されたプロービング点Ｅ１は１個であるが、複数検知される場合も考えられる。このように、複数の外れ値が検知された場合には、外れ値として検知されたプロービング点に対して、個別に幾何要素の計算から除外するか否かを選択することができる。

なお、図中の「検知モード：弱」は、外れ値を検知する精度を示しており、ユーザーは、この表示画面のＧＵＩを用いて外れ値の検知の精度を調整することができる。

制御部６０は、外れ値の除去後の測定データ８６を用いて、幾何要素（例えば、「円」の場合、中心座標及び直径等、「直線」の場合、両端の点の座標等、「円筒」の場合、上下の面の中心座標及び直径等）の計算を行うことができる。

本実施形態によれば、機械学習を用いて、測定データの中から外れ値となるプロービング点のデータを検知して、容易かつ適切に除外することができる。これにより、幾何要素の計算を容易かつ正確に行うことができる。

［三次元測定方法］
次に、本実施形態に係る三次元測定方法（測定データ処理方法を含む）について説明する。図８は、本発明の一実施形態に係る三次元測定方法を示すフローチャートである。

まず、三次元測定機１０を用いて、測定対象のワークの測定要素の幾何要素のプローブ操作を行う（ステップＳ１０：測定工程）。コンピュータ４０は、測定対象とされた幾何要素の測定データ８６（プロービングによる点群データ）を取得し、メモリ８１に記憶する。

次に、制御部６０は、学習済み分類アルゴリズム１００を用いて、ステップＳ１０において取得した測定データ８６に対して、幾何要素の判別処理を行い（ステップＳ１２：判別工程）、幾何要素の判別結果をディスプレイ装置５０に表示させる（ステップＳ１４）。

ユーザーは、ステップＳ１４において出力される表示画面（図４参照）により、幾何要素の判別結果を確認して、プロービング点を追加するか否かを判断することができる。

制御部６０は、コンピュータ操作部５２を介して、プロービング点を追加する指示を受け付けると（ステップＳ１６のＹｅｓ）、ステップＳ１０に戻る。そして、追加が指示されたプロービング点の測定を行い（ステップＳ１０）、追加測定されたプロービング点の測定結果を測定データ８６に追加して、追加後の測定データ８６を用いて幾何要素の判別を再度行う（ステップＳ１２及びＳ１４）。

次に、制御部６０は、プロービング点を追加せず、確定する旨の指示を受け付けた場合（ステップＳ１６のＮｏ）、測定データ８６のプロービング点を仮確定する。なお、ステップＳ１０からＳ１６のループは取得工程の一例である。そして、制御部６０は、仮確定したプロービング点のデータに対して、ステップＳ１２における幾何要素の判別結果に対応する学習済み外れ値検知アルゴリズム２００を呼び出して、外れ値の検知処理を行う（ステップＳ１８：外れ値検知工程）。制御部６０は、図５の例のように、ステップＳ１２における幾何要素の判別結果が「円」の場合には、「円」に対応する学習済み外れ値検知アルゴリズム２００（円）を呼び出して、外れ値の検知処理を行う。

制御部６０は、ステップＳ１８において外れ値を検知しなかった場合（ステップＳ２０のＮｏ）、幾何要素の計算に用いるプロービング点を確定し、確定したプロービング点を用いて幾何要素の計算を行う（ステップＳ２４：計算工程）。

一方、制御部６０は、ステップＳ１８において外れ値を検知した場合（ステップＳ２０のＹｅｓ）、外れ値の検知結果と、外れ値を除去するか否かの指示を受け付けるためのＧＵＩ（図７参照）をディスプレイ装置５０に表示させる（ステップＳ２２）。

ユーザーは、外れ値の検知結果の表示画面（図７参照）により、外れ値の検知結果を確認して、幾何要素の計算に用いるプロービング点から外れ値を除去するか否かを判断することができる。

制御部６０は、外れ値を除去しない旨の指示を受け付けた場合（ステップＳ２２のＮｏ）、幾何要素の計算に用いるプロービング点を確定し、確定したプロービング点を用いて幾何要素の計算を行う（ステップＳ２４）。

一方、制御部６０は、外れ値を除去する旨の指示を受け付けた場合（ステップＳ２２のＹｅｓ）、指定された外れ値を除去して、幾何要素の計算に用いるプロービング点を確定し、確定したプロービング点を用いて幾何要素の計算を行う（ステップＳ２６：計算工程）。

本実施形態によれば、測定データ８６の中から外れ値を容易かつ適切に除去することができるので、外れ値に起因する幾何要素の計算結果の誤差の発生を防止することができる。また、外れ値の除去判断に要するユーザーの負担を低減することができる。これにより、幾何要素の計算を容易かつ正確に行うことができる。

また、本実施形態では、三次元測定機１０を用いて実際に測定した測定データを用いて、分類アルゴリズム１００及び外れ値検知アルゴリズム２００の学習を行うので、実問題との乖離を解消することができる。これにより、幾何要素の判別及び外れ値の検知アルゴリズムにおける誤判定の発生頻度を減らすことができる。

なお、本実施形態において、学習部６４は、ワークの測定が実施されるごとに、外れ値を除去した測定データを教師データ１０２としてメモリ８１に記憶しておき、分類アルゴリズム１００及び外れ値検知アルゴリズム２００の再学習を行ってもよい。これにより、幾何要素の測定精度をより高めることができる。

また、本実施形態では、学習済み分類アルゴリズム１００を用いて幾何要素の判別を行ったが、幾何要素の判別処理については、学習済み分類アルゴリズム１００を用いる処理に限定されず、公知の手法を用いることも可能である。

［三次元測定機の機能拡張］
従来の三次元測定機では、判別可能な幾何要素の種類の追加する場合、追加する幾何要素ごとに判断基準を作成する必要があり、煩雑であった。

これに対して、本実施形態に係る三次元測定機１０では、機械学習を利用しているので、測定対象の幾何要素の種類の追加を容易に行うことができる。

以下に、判別可能な幾何要素の種類の追加を行う手順について説明する。

（実施例１）
図９は、幾何要素の種類の追加を行う場合における分類アルゴリズムの再学習の手順を模式的に示す図である。

図９に示すように、分類アルゴリズム１００により判別可能な幾何要素として、任意の幾何要素（例えば「楕円」及び「角穴」）を新規追加する場合、学習部６４は、各幾何要素に対応するプロービングによる点群データ１０４及び１０６（ラベル付きの教師データ）のみを教師データ１０２として追加して、分類アルゴリズム１００の再学習を行う。

図１０は、幾何要素の種類の追加を行う場合における外れ値検知アルゴリズムの再学習の手順を模式的に示す図である。

図１０に示すように、学習部６４は、各幾何要素に対応するプロービングによる点群データ２０２Ｄ及び２０２Ｅを用いて、外れ値検知アルゴリズム２００Ｄ及び２００Ｅの学習を行う。なお、外れ値検知アルゴリズム２００Ｄ及び２００Ｅの学習は、教師なし学習及び教師あり学習のいずれであってもよい。

実施例１によれば、追加する幾何要素ごとに判断基準を新規作成する必要がない。これにより、幾何要素の判別のための計算モデルの構築を容易に行うことができ、三次元測定機１０の機能拡張を容易に行うことができる。また、実際のプロービングデータを用いて学習を行うことができるので、実問題との乖離を解消することができる。

（実施例２）
実施例１では、楕円及び角穴のような幾何形状を追加する例について説明したが、ユーザー定義による任意の幾何要素（例えば、特殊な形状の幾何要素）の追加も同様の手順で行うことができる。

例えば、図１１のユーザー定義１及び２に示すような幾何要素Ｄ１及びＤ２を、分類アルゴリズム１００により判別可能な幾何要素として追加する場合について説明する。図１１～図１３は、任意の幾何要素を判別するための機能拡張の手順を示す図である。

この場合、三次元測定機１０のユーザー又はメーカーは、ユーザー定義１及び２に対応する測定要素を含むワークのプロービングを行い、図１１に示すように、幾何要素Ｄ１及びＤ２に対応する点群データＰ１及びＰ２を作成する。

次に、図１２に示すように、学習部６４は、各幾何要素に対応するプロービングによる点群データＰ１及びＰ２（ラベル付きの教師データ）のみを教師データ１０２として追加して、分類アルゴリズム１００の再学習を行う。

次に、図１３に示すように、学習部６４は、ユーザー定義１及び２に対応するプロービングによる点群データ２０２Ｆ及び２０２Ｇを用いて、外れ値検知アルゴリズム２００Ｆ及び２００Ｇの学習をそれぞれ行う。なお、外れ値検知アルゴリズム２００Ｆ及び２００Ｇの学習は、教師なし学習及び教師あり学習のいずれであってもよい。

実施例２によれば、追加する幾何要素ごとに判断基準を新規作成する必要がない。これにより、幾何要素の判別のための計算モデルの構築を容易に行うことができ、三次元測定機１０の機能拡張を容易に行うことができる。また、実際のプロービングデータを用いて学習を行うことができるので、実問題との乖離を解消することができる。

（機能拡張方法）
図１４は、三次元測定機１０の機能拡張方法を示すフローチャートである。

まず、三次元測定機１０により、追加する幾何要素の形状に対応する測定要素を有するワークのプロービングを行う。そして、追加する幾何要素の形状に対応するプロービングデータ（１０４、１０６、Ｐ１及びＰ２）を作成する（ステップＳ３０）。

次に、追加する幾何要素の形状に対応するプロービングデータ（１０４、１０６、Ｐ１及びＰ２）を機能拡張用教師データとして用いて、分類アルゴリズム１００の再学習を行う（ステップＳ３２）。

次に、追加する幾何要素の形状に対応するプロービングデータ（１０４、１０６、Ｐ１及びＰ２）を機能拡張用教師データ（２０２Ｄ～２０２Ｇ）として用いて、外れ値検知アルゴリズム（２００Ｄ～２００Ｇ）の学習を行い、追加する幾何要素の形状ごとに、外れ値検知アルゴリズムを作成する（ステップＳ３４）。これにより、三次元測定機１０の機能拡張を容易に行うことができる。

なお、本発明は、測定データ処理装置（４０）の各部（取得部、判別部、外れ値検知部及び計算部）の機能（取得機能、判別機能、外れ値検知機能及び計算機能）をコンピュータに実現させるための測定データ処理プログラムとして提供することも可能である。

１０…三次元測定機、４０…コンピュータ、５０…ディスプレイ装置、６０…制御部、６２…測定データ取得部、６４…学習部、６６…入力情報取得部、６８…表示制御部、８０…ソフトウェア、８１…メモリ

Claims (9)

1. ワークの幾何要素のプロービングにより得られた前記幾何要素のプロービング点の測定結果を示す測定データを取得する取得部と、
   前記測定データに対して、前記幾何要素の判別処理を行う判別部と、
   前記判別部により判別した幾何要素に対応する外れ値検知アルゴリズムを用いて、前記測定データに対して、外れ値の検知処理を行う外れ値検知部と、
   前記外れ値検知部により外れ値として検知されたプロービング点の測定結果を前記測定データから除外して、前記幾何要素の計算を行う計算部と、
   を備える測定データ処理装置。
2. 前記計算部は、前記外れ値検知部により外れ値として検知されたプロービング点の測定結果を測定データから除外するか否かの操作入力を受け付け、前記操作入力により指定された外れ値の測定結果を前記測定データから除外して、前記幾何要素の計算を行う、請求項１に記載の測定データ処理装置。
3. 前記幾何要素のプロービング点の測定結果を含む教師データを用いて機械学習により、前記外れ値検知アルゴリズムを作成する学習部を備える、請求項１又は２に記載の測定データ処理装置。
4. 前記判別部は、幾何要素の判別を行うための学習済みの分類アルゴリズムを用いて、前記測定データに対して、前記幾何要素の判別処理を行う、請求項３に記載の測定データ処理装置。
5. 前記学習部は、前記幾何要素のプロービング点の測定結果を含む教師データを用いて機械学習により、前記分類アルゴリズムの学習を行う、請求項４に記載の測定データ処理装置。
6. 前記学習部は、前記分類アルゴリズムにより判別可能な幾何要素として追加する幾何要素のプロービング点の測定結果を含む機能拡張用教師データを取得して、前記機能拡張用教師データを用いて、前記分類アルゴリズムの再学習を行い、かつ、前記追加する幾何要素に対応する外れ値検知アルゴリズムを作成する、請求項５に記載の測定データ処理装置。
7. 請求項１から６のいずれか１項に記載の測定データ処理装置と、
   前記ワークの幾何要素のプロービングを行い、前記幾何要素のプロービング点の測定結果を前記測定データ処理装置に出力する測定部と、
   を備える三次元測定機。
8. ワークの幾何要素のプロービングにより得られた前記幾何要素のプロービング点の測定結果を示す測定データを取得する取得工程と、
   前記測定データに対して、幾何要素の判別処理を行う判別工程と、
   前記判別工程において判別した前記幾何要素に対応する外れ値検知アルゴリズムを用いて、前記測定データに対して、外れ値の検知処理を行う外れ値検知工程と、
   前記外れ値検知工程において外れ値として検知されたプロービング点の測定結果を前記測定データから除外して、前記幾何要素の計算を行う計算工程と、
   を含む測定データ処理方法。
9. ワークの幾何要素のプロービングにより得られた前記幾何要素のプロービング点の測定結果を示す測定データを取得する取得機能と、
   前記測定データに対して、幾何要素の判別処理を行う判別機能と、
   前記判別機能により判別した前記幾何要素に対応する外れ値検知アルゴリズムを用いて、前記測定データに対して、外れ値の検知処理を行う外れ値検知機能と、
   前記外れ値検知機能により外れ値として検知されたプロービング点の測定結果を前記測定データから除外して、前記幾何要素の計算を行う計算機能と、
   をコンピュータに実現させる測定データ処理プログラム。

Images