JP2522794B2 - 画像認識装置のためのマスクの自動設定装置 - Google Patents
画像認識装置のためのマスクの自動設定装置Info
- Publication number
- JP2522794B2 JP2522794B2 JP62122448A JP12244887A JP2522794B2 JP 2522794 B2 JP2522794 B2 JP 2522794B2 JP 62122448 A JP62122448 A JP 62122448A JP 12244887 A JP12244887 A JP 12244887A JP 2522794 B2 JP2522794 B2 JP 2522794B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- mask
- image data
- posture
- area
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、画像認識装置のためのマスクの自動設定装
置に関し、特に画像認識装置で使用する処理領域（以
下、マスクと称する）指定のためのパラメータを自動設
定するマスクの自動設定装置に関するものである。
置に関し、特に画像認識装置で使用する処理領域（以
下、マスクと称する）指定のためのパラメータを自動設
定するマスクの自動設定装置に関するものである。
［従来の技術］ 従来から、マスクを用いた画像認識装置は数多く使用
されてきたが、ここで使用するマスクは技術者が認識対
象に応じて経験的，主観的に設定していた。
されてきたが、ここで使用するマスクは技術者が認識対
象に応じて経験的，主観的に設定していた。
［発明が解決しようとする問題点］ しかしながら、この種のマスクは認識対象物体の種類
毎に設定し直さなくてはならず、煩雑でコスト高等の原
因となるので、このようなマスクの設定作業の自動化お
よび省力化が望まれていた。
毎に設定し直さなくてはならず、煩雑でコスト高等の原
因となるので、このようなマスクの設定作業の自動化お
よび省力化が望まれていた。
本発明は、上述の問題点に鑑み、画像認識装置（例え
ば、自動組付部品の姿勢判定装置）で使用する対象物体
毎に必要なマスク（処理領域）のパラメータを客観的か
つ自動的に決定することが可能となり、マスク設定作業
の効率化・省力化を図った画像認識装置のためのマスク
の自動設定装置を提供することを目的とする。
ば、自動組付部品の姿勢判定装置）で使用する対象物体
毎に必要なマスク（処理領域）のパラメータを客観的か
つ自動的に決定することが可能となり、マスク設定作業
の効率化・省力化を図った画像認識装置のためのマスク
の自動設定装置を提供することを目的とする。
［問題点を解決するための手段］ かかる目的を達成するため、本発明は認識対象物体の
取り得る各姿勢に対応する複数の画像データを入力する
画像入力手段と、手段で入力した各画像データを記憶す
る記憶手段と、手段で記憶された各画像データ内の物体
の位置・方向を計測する計測手段と、手段で計測された
位置・方向を予め設定した基準位置・基準方向に変える
ように画像データの移動・回転を行う移動・回転手段
と、手段で移動・回転された画像データから予め指定さ
れた姿勢の画像とその他の姿勢の画像の差の部分を抽出
する差画像抽出手段と、手段で抽出された差の部分の中
で最大の予め設定した形状の領域を与える点の位置およ
び領域の大きさを算出する算出手段と、手段で算出され
た点の位置および領域の大きさから認識対象物体の姿勢
の判定に用いるマスクの位置・サイズを決定するマスク
決定手段とを具備したことを特徴とする。
取り得る各姿勢に対応する複数の画像データを入力する
画像入力手段と、手段で入力した各画像データを記憶す
る記憶手段と、手段で記憶された各画像データ内の物体
の位置・方向を計測する計測手段と、手段で計測された
位置・方向を予め設定した基準位置・基準方向に変える
ように画像データの移動・回転を行う移動・回転手段
と、手段で移動・回転された画像データから予め指定さ
れた姿勢の画像とその他の姿勢の画像の差の部分を抽出
する差画像抽出手段と、手段で抽出された差の部分の中
で最大の予め設定した形状の領域を与える点の位置およ
び領域の大きさを算出する算出手段と、手段で算出され
た点の位置および領域の大きさから認識対象物体の姿勢
の判定に用いるマスクの位置・サイズを決定するマスク
決定手段とを具備したことを特徴とする。
［作用］ 本発明は、認識する対象である物体の取り得る各姿勢
の画像データに対して、予め指定した適切な姿勢の画像
とその他の姿勢の画像の形状の違いを抽出し、抽出した
その形状の違いから最も適切なマスク領域を算出するこ
とにより、マスクの設定作業の自動化を行うようにした
ものであり、特に形状の違いの抽出では画像データの２
値化を行って、その２値画像間の違いを抽出するように
し、また、マスク領域の算出では違いを表わす画像から
前もって設定した形状の最大領域を与える点の位置とそ
の大きさを算出することによりマスク領域を算出するよ
うにしたので、画像認識装置で使用するマスクを客観的
かつ自動的に設定することができる。
の画像データに対して、予め指定した適切な姿勢の画像
とその他の姿勢の画像の形状の違いを抽出し、抽出した
その形状の違いから最も適切なマスク領域を算出するこ
とにより、マスクの設定作業の自動化を行うようにした
ものであり、特に形状の違いの抽出では画像データの２
値化を行って、その２値画像間の違いを抽出するように
し、また、マスク領域の算出では違いを表わす画像から
前もって設定した形状の最大領域を与える点の位置とそ
の大きさを算出することによりマスク領域を算出するよ
うにしたので、画像認識装置で使用するマスクを客観的
かつ自動的に設定することができる。
［実施例］ 以下、図面を参照して本発明の実施例を詳細に説明す
る。
る。
第１図は本発明実施例の基本構成を示す。本図におい
て、ａは認識対象物体の取り得る各姿勢に対応する複数
の画像データを入力する画像入力手段、ｂはその手段ａ
で入力した各画像データを記憶する記憶手段、ｃはその
手段ｂで記憶された各画像データ内の物体の位置・方向
を計測する計測手段である。ｄは計測手段ｃで計測され
た位置・方向を予め設定した基準位置・基準方向に変え
るように画像データの移動・回転を行う移動回転手段で
ある。ｅはその手段ｄで移動・回転された画像データか
ら予め指定された姿勢の画像とその他の姿勢の画像の差
の部分を抽出する差画像抽出手段、ｆはその手段ｅで抽
出された差の部分の中で最大の予め設定した形状の領域
を与える点の位置（座標位置）およびその領域の大きさ
を算出する算出手段である。ｇは算出手段ｆで算出され
た点の位置および領域の大きさから認識対象物体の姿勢
の判定に用いるマスクの位置・サイズを決定するマスク
決定手段である。
て、ａは認識対象物体の取り得る各姿勢に対応する複数
の画像データを入力する画像入力手段、ｂはその手段ａ
で入力した各画像データを記憶する記憶手段、ｃはその
手段ｂで記憶された各画像データ内の物体の位置・方向
を計測する計測手段である。ｄは計測手段ｃで計測され
た位置・方向を予め設定した基準位置・基準方向に変え
るように画像データの移動・回転を行う移動回転手段で
ある。ｅはその手段ｄで移動・回転された画像データか
ら予め指定された姿勢の画像とその他の姿勢の画像の差
の部分を抽出する差画像抽出手段、ｆはその手段ｅで抽
出された差の部分の中で最大の予め設定した形状の領域
を与える点の位置（座標位置）およびその領域の大きさ
を算出する算出手段である。ｇは算出手段ｆで算出され
た点の位置および領域の大きさから認識対象物体の姿勢
の判定に用いるマスクの位置・サイズを決定するマスク
決定手段である。
第２図は本発明を実施したマスク自動設定装置の構成
例を示す。本図において、１〜９まではマスク自動設定
装置の構成部分である。１は認識対象物体を撮像するTV
カメラ、２はTVカメラ１からアナログ画像データを入力
して増幅およびA/D（アナログ・デジタル）変換を行う
画像入力装置、３は画像入力装置２から送られるデジタ
ル画像データを記憶する画像メモリである。４は本装置
の全体の制御を司るマイクロコンピュータであり、５は
マイクロコンピュータ４内のCPU（中央演算処理装
置）、６はマイクロコンピュータ４内のRAM（ランダム
アクセスメモリ）である。RAM6はプログラムおよびデー
タの両方を格納する。
例を示す。本図において、１〜９まではマスク自動設定
装置の構成部分である。１は認識対象物体を撮像するTV
カメラ、２はTVカメラ１からアナログ画像データを入力
して増幅およびA/D（アナログ・デジタル）変換を行う
画像入力装置、３は画像入力装置２から送られるデジタ
ル画像データを記憶する画像メモリである。４は本装置
の全体の制御を司るマイクロコンピュータであり、５は
マイクロコンピュータ４内のCPU（中央演算処理装
置）、６はマイクロコンピュータ４内のRAM（ランダム
アクセスメモリ）である。RAM6はプログラムおよびデー
タの両方を格納する。
７はオペレータ（操作者）がマイクロコンピュータ４
に対して各種指示やデータを入力するためのキーボー
ド、８はマイクロコンピュータ４からの各種メッセージ
をオペレータに対して表示するCRTディスプレイやプリ
ンタの如き出力装置である。９は第３図に示すような本
発明に係る制御手順（プログラム）を予め格納したディ
スク装置であり、実行開始指示に応じてマイクロコンピ
ュータ４内のRAM6に制御手順を転送する。10は本装置で
得られるマスクのパラメータを用いて画像認識を実行す
る画像認識装置であり、そのパラメータは回線11を通じ
て直接送られるか、またはフロッピーディスク12の如き
記憶媒体を通じて提供される。
に対して各種指示やデータを入力するためのキーボー
ド、８はマイクロコンピュータ４からの各種メッセージ
をオペレータに対して表示するCRTディスプレイやプリ
ンタの如き出力装置である。９は第３図に示すような本
発明に係る制御手順（プログラム）を予め格納したディ
スク装置であり、実行開始指示に応じてマイクロコンピ
ュータ４内のRAM6に制御手順を転送する。10は本装置で
得られるマスクのパラメータを用いて画像認識を実行す
る画像認識装置であり、そのパラメータは回線11を通じ
て直接送られるか、またはフロッピーディスク12の如き
記憶媒体を通じて提供される。
第３図は第２図のCPU5の動作手順を示す。まずステッ
プS1では対象とする物体の各姿勢に対する画像データを
入力する初期設定を行い、次のステップS2では各画像デ
ータから画像内の物体の位置とTVカメラ１の視線方向に
垂直な平面内での方向を計測する位置・角度計測を行
い、次のステップS3では位置・角度計測で求めた値を基
に、各画像内での物体の位置・方向が前もって設定した
基準位置・基準方向となるように補正する回転・移動の
処理を行い、ステップS4では画像認識装置10で適切と判
断される姿勢であると前もって指定された画像と、それ
以外の画像における対象物体の形状の違いを抽出する差
画像抽出の処理を行い、ステップS5ではその抽出された
差画像から最大の正方形領域を与える位置とその大きさ
を算出する最大領域検出の処理を行い、ステップS6では
算出された最大正方形領域の位置・大きさから使用する
マスクの位置・サイズを決定するマスク決定処理を行
い、最後のステップS7では決定したマスクパラメータを
出力するパラメータ出力処理を行う。
プS1では対象とする物体の各姿勢に対する画像データを
入力する初期設定を行い、次のステップS2では各画像デ
ータから画像内の物体の位置とTVカメラ１の視線方向に
垂直な平面内での方向を計測する位置・角度計測を行
い、次のステップS3では位置・角度計測で求めた値を基
に、各画像内での物体の位置・方向が前もって設定した
基準位置・基準方向となるように補正する回転・移動の
処理を行い、ステップS4では画像認識装置10で適切と判
断される姿勢であると前もって指定された画像と、それ
以外の画像における対象物体の形状の違いを抽出する差
画像抽出の処理を行い、ステップS5ではその抽出された
差画像から最大の正方形領域を与える位置とその大きさ
を算出する最大領域検出の処理を行い、ステップS6では
算出された最大正方形領域の位置・大きさから使用する
マスクの位置・サイズを決定するマスク決定処理を行
い、最後のステップS7では決定したマスクパラメータを
出力するパラメータ出力処理を行う。
さらに、上述の各ステップの処理内容を詳細に説明す
る。
る。
まず、電源投入後、オペレータ（操作者）がキーボー
ド７からプログラム名をマイクロコンピュータ４へ入力
することによって本装置は起動される。マイクロコンピ
ュータ４のCPU5はプログラムをディスク装置９から内部
のRAM6にロードし、実行を開始する。最初の初期設定ス
テップS1においてマイクロコンピュータ４はオペレータ
に対し、出力装置８を介して認識対象とする部品名（ま
たは部品番号）の入力を要請し、オペレータは部品名を
キーボード７から入力する。
ド７からプログラム名をマイクロコンピュータ４へ入力
することによって本装置は起動される。マイクロコンピ
ュータ４のCPU5はプログラムをディスク装置９から内部
のRAM6にロードし、実行を開始する。最初の初期設定ス
テップS1においてマイクロコンピュータ４はオペレータ
に対し、出力装置８を介して認識対象とする部品名（ま
たは部品番号）の入力を要請し、オペレータは部品名を
キーボード７から入力する。
部品名が入力されたらマイクロコンピュータ４は次に
オペレータに対し、部品の各姿勢に対する画像の入力
と、その各姿勢が適切な姿勢か、排除すべきものかの指
定の入力を出力装置８を介して要請し、オペレータはこ
の要請に応じてTVカメラ１に映るように部品を特定の姿
勢に配置し、その姿勢が適切な姿勢であるか否かの情報
をキーボード７から入力する。このキー入力に応じて、
マイクロコンピュータ４は画像入力装置２に画像入力を
指示する制御信号を送り、画像入力装置２によりTVカメ
ラ１から得られるアナログ画像信号を増幅およびA/D変
換した画像データを画像メモリ３に格納する。オペレー
タは部品が取り得る全ての姿勢に対する入力が終るま
で、上述の画像入力操作の過程を繰返し、最後には終了
をキーボード７から指定する。この終了の指定により、
ステップS1の初期設定が終了し、以降、マイクロコンピ
ュータ４のCPU5はRAM6内のプログラムに従い後述のよう
に自動的にマスクパラメータを算出する。
オペレータに対し、部品の各姿勢に対する画像の入力
と、その各姿勢が適切な姿勢か、排除すべきものかの指
定の入力を出力装置８を介して要請し、オペレータはこ
の要請に応じてTVカメラ１に映るように部品を特定の姿
勢に配置し、その姿勢が適切な姿勢であるか否かの情報
をキーボード７から入力する。このキー入力に応じて、
マイクロコンピュータ４は画像入力装置２に画像入力を
指示する制御信号を送り、画像入力装置２によりTVカメ
ラ１から得られるアナログ画像信号を増幅およびA/D変
換した画像データを画像メモリ３に格納する。オペレー
タは部品が取り得る全ての姿勢に対する入力が終るま
で、上述の画像入力操作の過程を繰返し、最後には終了
をキーボード７から指定する。この終了の指定により、
ステップS1の初期設定が終了し、以降、マイクロコンピ
ュータ４のCPU5はRAM6内のプログラムに従い後述のよう
に自動的にマスクパラメータを算出する。
まず位置・角度計測ステップS2において、画像内での
物体の位置・方向の計測を行う。この処理は、第４図に
示すように各画像データに対して、第13図で後述する画
像認識装置10で実行される制御動作のステップS12〜S15
までをシミュレートするものであり、このステップS12
〜S15の動作と等価のものである。
物体の位置・方向の計測を行う。この処理は、第４図に
示すように各画像データに対して、第13図で後述する画
像認識装置10で実行される制御動作のステップS12〜S15
までをシミュレートするものであり、このステップS12
〜S15の動作と等価のものである。
第４図に示すように、まず２値化処理のステップS2-1
では画像メモリ３内の画像データ51（第５図参照）と前
もって定められた閾値とを比較することによって、画像
データの２値化を行う。例えば、画像データ51をIMO
（I,J）、閾値をth0とすると、出力される２値画像デー
タ52（第５図参照）IM1（I,J）の値は、各I,Jに対し
て、 となる。
では画像メモリ３内の画像データ51（第５図参照）と前
もって定められた閾値とを比較することによって、画像
データの２値化を行う。例えば、画像データ51をIMO
（I,J）、閾値をth0とすると、出力される２値画像デー
タ52（第５図参照）IM1（I,J）の値は、各I,Jに対し
て、 となる。
次に、CPU5は最大連結成分抽出を行う。この最大連結
成分抽出処理は、連結成分ラベル付けのステップS2-2,
各連結成分の面積計測のステップS2-3,最大面積ラベル
の判定ステップS2-4およびラベル更新のステップS2-5の
各手順により実行される。まず、連結成分のラベル付け
のステップS2-2ではRAM6に格納されている上述の２値画
像データ52の各画素の値を順次走査し、“1"の値の部分
をみつけると、その画素の近傍の３×３画素の画素値を
参照し、連結した部分が同じ画素値を有し、かつ、連結
しない部分が異なる画素値となるように値を書き替える
ことにより、連結成分のラベル付けを実行する。このよ
うな連結成分のラベル付け処理は画像処理分野で標準的
に用いられる周知の技法である。
成分抽出処理は、連結成分ラベル付けのステップS2-2,
各連結成分の面積計測のステップS2-3,最大面積ラベル
の判定ステップS2-4およびラベル更新のステップS2-5の
各手順により実行される。まず、連結成分のラベル付け
のステップS2-2ではRAM6に格納されている上述の２値画
像データ52の各画素の値を順次走査し、“1"の値の部分
をみつけると、その画素の近傍の３×３画素の画素値を
参照し、連結した部分が同じ画素値を有し、かつ、連結
しない部分が異なる画素値となるように値を書き替える
ことにより、連結成分のラベル付けを実行する。このよ
うな連結成分のラベル付け処理は画像処理分野で標準的
に用いられる周知の技法である。
次の面積計測のステップS2-3ではラベル付けをした画
像を走査して、それぞれ同一の画素値を与える画素の数
を各連結成分毎に計数することにより各連結成分の面積
計測を行う。続く最大面積ラベルの判定のステップS2-4
では上述の各連結成分の面積計測（ステップS2-3）の結
果得られるデータ（画素値，画素数）のテーブル（RAM
6）を順に調べ、画素数が最大となる画素値を決定す
る。
像を走査して、それぞれ同一の画素値を与える画素の数
を各連結成分毎に計数することにより各連結成分の面積
計測を行う。続く最大面積ラベルの判定のステップS2-4
では上述の各連結成分の面積計測（ステップS2-3）の結
果得られるデータ（画素値，画素数）のテーブル（RAM
6）を順に調べ、画素数が最大となる画素値を決定す
る。
次のラベル更新のステップS2-5では上述の最大面積ラ
ベルの判定処理（ステップS2-4）により得られた画素数
が最大となる画素値をｌとし、上述の連結成分ラベル付
け処理（ステップS2-2）により得られた画像データをIM
2（I,J）とすると、 となる最大連結成分画像IM3（I,J）を得る。
ベルの判定処理（ステップS2-4）により得られた画素数
が最大となる画素値をｌとし、上述の連結成分ラベル付
け処理（ステップS2-2）により得られた画像データをIM
2（I,J）とすると、 となる最大連結成分画像IM3（I,J）を得る。
次の重心座標計測のステップS2-6では上述の最大連結
成分画像IM3（I,J）に対して、その画像の大きさをＮ×
Ｍ画素とすると、 但し、 で与えられる重心座標（Xo,Yo）を計算する。ここで、
最大連結成分の面積は最大面積ラベルの判定ステップS2
-4において得られた画素値に対応する（画素値，画素
数）テーブルの画素数である。
成分画像IM3（I,J）に対して、その画像の大きさをＮ×
Ｍ画素とすると、 但し、 で与えられる重心座標（Xo,Yo）を計算する。ここで、
最大連結成分の面積は最大面積ラベルの判定ステップS2
-4において得られた画素値に対応する（画素値，画素
数）テーブルの画素数である。
次の主軸方向計測ステップS2-7では、部品を示す最大
連結成分の慣性モーメントが最小になる軸（主軸）の方
向を求めるものであり、重心（Xo,Yo）に対し、 の式により、各重心廻りのモーメントを求め、 ΔＭ＝M20−M02 の式により求まる慣性モーメントの差ΔＭと慣性モーメ
ントM11とにより、変換テーブルを引くことによって、
最小／最大モーメント方向θ０を求め、 の式により、主軸方向θを算出する。
連結成分の慣性モーメントが最小になる軸（主軸）の方
向を求めるものであり、重心（Xo,Yo）に対し、 の式により、各重心廻りのモーメントを求め、 ΔＭ＝M20−M02 の式により求まる慣性モーメントの差ΔＭと慣性モーメ
ントM11とにより、変換テーブルを引くことによって、
最小／最大モーメント方向θ０を求め、 の式により、主軸方向θを算出する。
ここで、上述の変換テーブルはΔＭとM11で指定され
る２次元のテーブルであり、 の式により、計算される内容が予め格納されているもの
とする。
る２次元のテーブルであり、 の式により、計算される内容が予め格納されているもの
とする。
また、上述のM20 ＊，M02 ＊は主軸方向をｘ軸とした時
のモーメントであり、 M02 ＊＝M20＋M02−M20 * の式により計算される。
のモーメントであり、 M02 ＊＝M20＋M02−M20 * の式により計算される。
TVカメラ１から入力した全ての姿勢に対する画像デー
タの位置・角度計測が終了すると、次に、第３図の回転
・移動ステップS3に移る。回転・移動ステップS3では各
姿勢の画像データの重心・主軸方向を一致させる処理を
行うもので、その重心を画像の中央、主軸方向をｘ軸と
するように画像データの移動・回転を行う。この移動・
回転は一般にアフィン変換と称される座標変換で行わ
れ、 なる計算式により、座標系（x,y）から座標系（u,v）へ
の変換を行う。画像処理では、出力画像の各画素IM4
（I,J）に対し、対応する原画像IMO（K,L）の値を、 IM4（I,J）＝IMO（K,L） 但し、Ｋ＝ａ′10・Ｉ＋ａ′01・Ｊ＋ａ′00 Ｌ＝ｂ′10・Ｉ＋ｂ′01・Ｊ＋ｂ′00 の式により求めることにより、実行される。ここで、係
数aij，bijの値は平行移動（x,y）の座標に対して、
ａ′10＝ｂ′01＝1,a′01＝ｂ′10＝0,a′00＝−x,b′
00＝−ｙと設定し、回転角αに対して、ａ′10＝ｂ′01
＝cosα,a′01＝sinα,b′10＝−sinα,a′00＝ｂ′00
＝０と設定する。
タの位置・角度計測が終了すると、次に、第３図の回転
・移動ステップS3に移る。回転・移動ステップS3では各
姿勢の画像データの重心・主軸方向を一致させる処理を
行うもので、その重心を画像の中央、主軸方向をｘ軸と
するように画像データの移動・回転を行う。この移動・
回転は一般にアフィン変換と称される座標変換で行わ
れ、 なる計算式により、座標系（x,y）から座標系（u,v）へ
の変換を行う。画像処理では、出力画像の各画素IM4
（I,J）に対し、対応する原画像IMO（K,L）の値を、 IM4（I,J）＝IMO（K,L） 但し、Ｋ＝ａ′10・Ｉ＋ａ′01・Ｊ＋ａ′00 Ｌ＝ｂ′10・Ｉ＋ｂ′01・Ｊ＋ｂ′00 の式により求めることにより、実行される。ここで、係
数aij，bijの値は平行移動（x,y）の座標に対して、
ａ′10＝ｂ′01＝1,a′01＝ｂ′10＝0,a′00＝−x,b′
00＝−ｙと設定し、回転角αに対して、ａ′10＝ｂ′01
＝cosα,a′01＝sinα,b′10＝−sinα,a′00＝ｂ′00
＝０と設定する。
回転・移動のステップS3では、重心計測のステップS2
により得られた重心の座標値（Xo,Yo）に対し、画像の
中央の座標値（Xc,Yc）へと重心を移動させる。従っ
て、この移動は移動量が（x,y）＝（Xc-Yo,Yc-Yo）とな
る平行移動（x,y）で行われ、主軸方向計測のステップS
2-7により得られた主軸方向θに対し、主軸方向をｘ軸
とするためには、回転量α＝−θなる回転αを行う。
により得られた重心の座標値（Xo,Yo）に対し、画像の
中央の座標値（Xc,Yc）へと重心を移動させる。従っ
て、この移動は移動量が（x,y）＝（Xc-Yo,Yc-Yo）とな
る平行移動（x,y）で行われ、主軸方向計測のステップS
2-7により得られた主軸方向θに対し、主軸方向をｘ軸
とするためには、回転量α＝−θなる回転αを行う。
次の差画像抽出ステップS4では、回転・移動のステッ
プS3により位置と方向を補正された各姿勢の画像IM4
（I,J）に対し、その各々を上述の２値化処理（ステッ
プS2-1），最大連結成分抽出処理（ステップS2-2〜S2-
5）と同様の手順で処理することにより、位置・方向の
補正された最大連結成分画像IM5（I,J）のデータを作成
し、そのうち、初期設定時にオペレータにより適切な姿
勢であると指定された画像データに対する位置・方向の
補正された最大連結成分画像IM50（I,J）とその他の姿
勢の画像データに対する位置・方向の補正された最大連
結成分画像IM51（I,J）との間の論理演算により、差画
像IM6（I,J）を作成する。この論理演算は、いくつか設
定可能であり、一例としては、 IM6（I,J）＝IM50（I,J）IM51（I,J） 但し、は排他的論理和を示す。
プS3により位置と方向を補正された各姿勢の画像IM4
（I,J）に対し、その各々を上述の２値化処理（ステッ
プS2-1），最大連結成分抽出処理（ステップS2-2〜S2-
5）と同様の手順で処理することにより、位置・方向の
補正された最大連結成分画像IM5（I,J）のデータを作成
し、そのうち、初期設定時にオペレータにより適切な姿
勢であると指定された画像データに対する位置・方向の
補正された最大連結成分画像IM50（I,J）とその他の姿
勢の画像データに対する位置・方向の補正された最大連
結成分画像IM51（I,J）との間の論理演算により、差画
像IM6（I,J）を作成する。この論理演算は、いくつか設
定可能であり、一例としては、 IM6（I,J）＝IM50（I,J）IM51（I,J） 但し、は排他的論理和を示す。
で実行される。
第６図は第７図（Ａ），（Ｂ）の差画像を模式的にハ
ッチングで表わしたものである。差画像抽出ステップS4
により生成された各姿勢に対応する差画像IM6（I,J）
は、次いで最大領域検出ステップS5により処理される。
第８図はその最大領域検出ステップS5の動作内容を示し
たものである。まず、距離変換を行い、次に最大値・座
標検出を行う。距離変換ステップS5-1では差画像IM6
（I,J）の“1"の値となる各点に対し、周囲の境界点
（０と１の変わる点）からの最短距離の値を各画素の値
とする距離変換画像IM7（I,J）を作成する。ここで、デ
ジタル画像処理分野では、距離の尺度として、一般に用
いられるユークリッド距離と異なる４−近傍距離,8−近
傍距離などが用いられる。８−近傍距離は２点（p0,q
0），（p1,q1）間の距離ｄを ｄ＝max｛|p0-p1|,|q0-q1|｝ 式で与えるもので、結果として、等しい距離となる領域
は、ユークリッド距離が円形なのに対して、正方形とな
る。
ッチングで表わしたものである。差画像抽出ステップS4
により生成された各姿勢に対応する差画像IM6（I,J）
は、次いで最大領域検出ステップS5により処理される。
第８図はその最大領域検出ステップS5の動作内容を示し
たものである。まず、距離変換を行い、次に最大値・座
標検出を行う。距離変換ステップS5-1では差画像IM6
（I,J）の“1"の値となる各点に対し、周囲の境界点
（０と１の変わる点）からの最短距離の値を各画素の値
とする距離変換画像IM7（I,J）を作成する。ここで、デ
ジタル画像処理分野では、距離の尺度として、一般に用
いられるユークリッド距離と異なる４−近傍距離,8−近
傍距離などが用いられる。８−近傍距離は２点（p0,q
0），（p1,q1）間の距離ｄを ｄ＝max｛|p0-p1|,|q0-q1|｝ 式で与えるもので、結果として、等しい距離となる領域
は、ユークリッド距離が円形なのに対して、正方形とな
る。
従って、８−近傍距離による距離変換画像IM7（I,J）
の最大値dmaxから画像内の“1"の部分で取り得る最大の
正方形領域の大きさが求められる。また、値がdmaxとな
る画素を中心として、最大の正方形領域が設定できる。
第９図はこのようにして得られる最大正方形領域13を模
式的に示したものである。
の最大値dmaxから画像内の“1"の部分で取り得る最大の
正方形領域の大きさが求められる。また、値がdmaxとな
る画素を中心として、最大の正方形領域が設定できる。
第９図はこのようにして得られる最大正方形領域13を模
式的に示したものである。
８−近傍距離の距離変換の処理は、更に２段階で実現
される。まず、第１の段階では第10図に示すように図面
の左上方のすみからのラスタ走査を行い、各点におい
て、 という値付けを行う。但し、上式の（１），（２），
（３）等は第10図において（I,J）を中心とした時の図
中の（１）〜（８）のIM70の画素の値であり、例えば
（１）はIM70（I,J−１）である。
される。まず、第１の段階では第10図に示すように図面
の左上方のすみからのラスタ走査を行い、各点におい
て、 という値付けを行う。但し、上式の（１），（２），
（３）等は第10図において（I,J）を中心とした時の図
中の（１）〜（８）のIM70の画素の値であり、例えば
（１）はIM70（I,J−１）である。
次の第２段階では、上述とは逆に図面の右下方のすみ
からのラスタ走査を行い、 という値付けにより行う。ここで、例えば（５）はIM7
（I,J＋１）である。
からのラスタ走査を行い、 という値付けにより行う。ここで、例えば（５）はIM7
（I,J＋１）である。
最大値・座標検出ステップS5-2では、上述の距離変換
画像IM7（I,J）の最大値dmaxと、その最大値を与える座
標（Xdmax，Ydmax）を検出する。この検出は、画像を走
査し、各画素の値をそれまでの最大値と比較し、それ以
前の最大値よりも大きければ、最大値とその最大値を与
える座標を順次更新することによって得られる。
画像IM7（I,J）の最大値dmaxと、その最大値を与える座
標（Xdmax，Ydmax）を検出する。この検出は、画像を走
査し、各画素の値をそれまでの最大値と比較し、それ以
前の最大値よりも大きければ、最大値とその最大値を与
える座標を順次更新することによって得られる。
次に、第３図のマスク決定ステップS6に移るが、この
マスク決定ステップS6では、最大領域検出ステップS5に
より得られた最大値dmaxと、その座標値（Xdmax，Y
dmax）から、画像認識装置10で使用するマスクパラメー
タを生成する。画像認識装置11は後述にようにそのマス
クを画像内の物体の重心と主軸方向により適切な位置に
設定する。従って、そのマスク位置のパラメータは、重
心との相対距離ｒと主軸方向からの角度差ψである。こ
れらの値は、次の計算式により求められる。
マスク決定ステップS6では、最大領域検出ステップS5に
より得られた最大値dmaxと、その座標値（Xdmax，Y
dmax）から、画像認識装置10で使用するマスクパラメー
タを生成する。画像認識装置11は後述にようにそのマス
クを画像内の物体の重心と主軸方向により適切な位置に
設定する。従って、そのマスク位置のパラメータは、重
心との相対距離ｒと主軸方向からの角度差ψである。こ
れらの値は、次の計算式により求められる。
ｒ＝｛（Xdmax−Xc）２＋（Ydmax−Yc）２｝1/2 但し、ここで物体の重心座標は回転・移動により、画像
の中心（Xc,Yc）であり、主軸方向は同じく、ｘ軸（θ
＝０）であるとする。
の中心（Xc,Yc）であり、主軸方向は同じく、ｘ軸（θ
＝０）であるとする。
マスクの大きさのパラメータＳは最大値dmaxを用い
て、次式で求まる。
て、次式で求まる。
Ｓ＝dmax−１ これに対応し、画像認識装置10のマスク設定では（第13
図のステップS16参照）、 Xmo＝Xmc−S,Xm1＝Xmc＋Ｓ Ymo＝Ymc−S,Ym1＝Ymc＋Ｓ となる座標（Xmo，Xm1），（Ymo，Ym1）の２点を対角と
する矩形領域を設定する。ここで、 Xmc＝Xo＋ｒ・cos（θ＋ψ） Ymc＝Yo＋ｒ・sin（θ＋ψ） である。但し、Xo，Yoは計測された重心の座標、θは計
測された主軸方向である。
図のステップS16参照）、 Xmo＝Xmc−S,Xm1＝Xmc＋Ｓ Ymo＝Ymc−S,Ym1＝Ymc＋Ｓ となる座標（Xmo，Xm1），（Ymo，Ym1）の２点を対角と
する矩形領域を設定する。ここで、 Xmc＝Xo＋ｒ・cos（θ＋ψ） Ymc＝Yo＋ｒ・sin（θ＋ψ） である。但し、Xo，Yoは計測された重心の座標、θは計
測された主軸方向である。
上述のようなマスク決定処理が各不適切な姿勢を与え
る画像データ毎に行われ、複数組のマスクパラメータが
決定される。次のパラメータ出力ステップS7では、その
マスクパラメータを画像認識装置10へ回線11を通じて、
またはフロッピーディスク12等を介して出力する。
る画像データ毎に行われ、複数組のマスクパラメータが
決定される。次のパラメータ出力ステップS7では、その
マスクパラメータを画像認識装置10へ回線11を通じて、
またはフロッピーディスク12等を介して出力する。
実際の画像認識装置10での認識は上述のマスク設定
（ステップS16）により、各マスク領域が設定され、こ
れに応じ、マスク内面積計測（ステップS17）が行われ
る。マスク内面積計測はマスク内の“1"となる点の数を
計数することにより行われる。この計数値は各マスクに
応じ、別の手段で設定された閾値と比較することによ
り、適切な姿勢か否かが判定される。順にこの判定を各
マスクに対し行い、不適切なものを除去して行くと、結
果として適切な姿勢の部品のみが供給されることとな
る。
（ステップS16）により、各マスク領域が設定され、こ
れに応じ、マスク内面積計測（ステップS17）が行われ
る。マスク内面積計測はマスク内の“1"となる点の数を
計数することにより行われる。この計数値は各マスクに
応じ、別の手段で設定された閾値と比較することによ
り、適切な姿勢か否かが判定される。順にこの判定を各
マスクに対し行い、不適切なものを除去して行くと、結
果として適切な姿勢の部品のみが供給されることとな
る。
上述の本実施例は、不適切な姿勢を個別に判定するも
のであるが、これに対し、差画像抽出ステップS4で算出
した各姿勢との間に多数の差画像の全ての論理積IM8
（I,J）を求め、このIM8（I,J）に対して最大領域検
出，マスク決定の処理を行うようにすれば、全ての不適
切な姿勢を一度に判定できるマスクパラメータを作成す
ることができる。
のであるが、これに対し、差画像抽出ステップS4で算出
した各姿勢との間に多数の差画像の全ての論理積IM8
（I,J）を求め、このIM8（I,J）に対して最大領域検
出，マスク決定の処理を行うようにすれば、全ての不適
切な姿勢を一度に判定できるマスクパラメータを作成す
ることができる。
また、上述の本実施例では正方形のマスク領域に対応
して、８−近傍距離を距離尺度とした距離変換を用いた
が、これに限らず、例えば円形のマスクに対してユーク
リッド距離というように、各マスク形状に応じて適切な
距離尺度を選ぶことにより、多様な形状のマスクに対応
することができる。
して、８−近傍距離を距離尺度とした距離変換を用いた
が、これに限らず、例えば円形のマスクに対してユーク
リッド距離というように、各マスク形状に応じて適切な
距離尺度を選ぶことにより、多様な形状のマスクに対応
することができる。
第11図は第２図の画像認識装置10の回路構成例を示
す。本図において、21は部品を撮影して画像信号を得る
画像入力手段としてのTVカメラ、22はTVカメラ21から得
られたアナログ画像信号ａを増幅してA/D（アナログ・
デジタル）変換する量子化手段としての画像入力回路、
23はA/D変換されたデジタル画像データｂを格納する画
像メモリ、24は画像入力回路22と画像メモリ23とを制御
信号c,dにより駆動制御するコントローラである。
す。本図において、21は部品を撮影して画像信号を得る
画像入力手段としてのTVカメラ、22はTVカメラ21から得
られたアナログ画像信号ａを増幅してA/D（アナログ・
デジタル）変換する量子化手段としての画像入力回路、
23はA/D変換されたデジタル画像データｂを格納する画
像メモリ、24は画像入力回路22と画像メモリ23とを制御
信号c,dにより駆動制御するコントローラである。
25は本回路全体の制御と画像データの本発明に係る各
種演算制御処理を行うCPU（中央演算処理装置）、26はC
PU25の使用する、例えば第13図，第14図に示すような制
御手順（プログラム）を予め格納するROM（リードオン
リメモリ）、27はCPU25で処理された画像データや各種
の中間データを格納するRAM（ランダムアクセスメモ
リ）である。
種演算制御処理を行うCPU（中央演算処理装置）、26はC
PU25の使用する、例えば第13図，第14図に示すような制
御手順（プログラム）を予め格納するROM（リードオン
リメモリ）、27はCPU25で処理された画像データや各種
の中間データを格納するRAM（ランダムアクセスメモ
リ）である。
28は画像を入力するタイミングを決定するための移動
量検知装置であり、移動する組立部品を所定位置で検知
するセンサ等からなる。29はCPU25から与えられた部品
の姿勢データｇに従って部品の排除を行う物品排除装
置、30はCPU25から与えられる部品の姿勢データｇと座
標データh,iに従って部品の組立てを行う組立てロボッ
トである。
量検知装置であり、移動する組立部品を所定位置で検知
するセンサ等からなる。29はCPU25から与えられた部品
の姿勢データｇに従って部品の排除を行う物品排除装
置、30はCPU25から与えられる部品の姿勢データｇと座
標データh,iに従って部品の組立てを行う組立てロボッ
トである。
また、ｃは画像入力回路22を制御する制御信号、ｄは
画像データ入力時の画像メモリ23へのデジタル画像信号
ｂの書込みを制御する制御信号、ｅはコントローラ24へ
画像データの入力を要請する入力要求信号、ｆは部品搬
送用のベルトの移動量を示す移動量信号、ｇは部品が適
切な姿勢であるか否かを示す判定信号、ｈは部品の正確
なＸ位置座標を示すＸ位置データ信号、ｉは部品の正確
なＹ位置座標を示すＹ位置データ信号である。
画像データ入力時の画像メモリ23へのデジタル画像信号
ｂの書込みを制御する制御信号、ｅはコントローラ24へ
画像データの入力を要請する入力要求信号、ｆは部品搬
送用のベルトの移動量を示す移動量信号、ｇは部品が適
切な姿勢であるか否かを示す判定信号、ｈは部品の正確
なＸ位置座標を示すＸ位置データ信号、ｉは部品の正確
なＹ位置座標を示すＹ位置データ信号である。
第12図は第11図の装置を部品組立生産工程に用いた場
合の使用態様を示す。本図において、31は対象とする部
品、32は部品31を搬送する搬送ベルトである。不適切な
姿勢の部品は搬送ベルト32上から部品除去装置29によっ
て除去される。部品除去装置29によって除去されなかっ
た部品は組立てロボット30によって組立てられる。33は
部品を個々分離して搬送ベルト32上に乗せる部品供給装
置である。
合の使用態様を示す。本図において、31は対象とする部
品、32は部品31を搬送する搬送ベルトである。不適切な
姿勢の部品は搬送ベルト32上から部品除去装置29によっ
て除去される。部品除去装置29によって除去されなかっ
た部品は組立てロボット30によって組立てられる。33は
部品を個々分離して搬送ベルト32上に乗せる部品供給装
置である。
すなわち、搬送ベルト32上を流れる部品のうち、後段
の組立てロボット30が取扱うのに適した姿勢以外の部品
を、TVカメラ21を通じて画像認識装置10で判定し、その
判定に従って部品除去装置29によって搬送ベルト32上か
ら不適切姿勢の部品を除去することにより、組立てに適
した姿勢の部品のみが組立てロボット30に供給されるよ
うにする。
の組立てロボット30が取扱うのに適した姿勢以外の部品
を、TVカメラ21を通じて画像認識装置10で判定し、その
判定に従って部品除去装置29によって搬送ベルト32上か
ら不適切姿勢の部品を除去することにより、組立てに適
した姿勢の部品のみが組立てロボット30に供給されるよ
うにする。
第13図は第11図および第12図の画像認識装置10の動作
例を示す。まず、TVカメラ21および画像入力回路22を通
して画像データ51（第５図参照）が画像メモリ23へ格納
される（画像入力ステップS11）。続いて、CPU25は画像
メモリ23内の画像データ51を順に参照し、このデータを
前もって定めた閾値と比較することにより２値化を行い
（２値化ステップS12）、その結果をRAM27に格納する。
２値化された画像信号52（第５図参照）は最大連結成分
抽出処理のステップS13により、最も面積の大きな連結
成分（互いに連結した“1"の部分のかたまり）のみを残
し、他は“0"の最大連結成分画像53（第５図参照）とす
る。
例を示す。まず、TVカメラ21および画像入力回路22を通
して画像データ51（第５図参照）が画像メモリ23へ格納
される（画像入力ステップS11）。続いて、CPU25は画像
メモリ23内の画像データ51を順に参照し、このデータを
前もって定めた閾値と比較することにより２値化を行い
（２値化ステップS12）、その結果をRAM27に格納する。
２値化された画像信号52（第５図参照）は最大連結成分
抽出処理のステップS13により、最も面積の大きな連結
成分（互いに連結した“1"の部分のかたまり）のみを残
し、他は“0"の最大連結成分画像53（第５図参照）とす
る。
すなわち、通常、搬送ベルト32上には部品以外のもの
はなく、搬送ベルト32は一様な明度なので、２値化処理
（ステップS12）によりほぼ部品31のみが“1"で他が
“0"の２値画像52が得られるが、搬送ベルト32の汚れや
表面の凹凸により小さなノイズ（部品以外の“1"の部
分）521が発生する。このようなノイズ521は第14図に示
すような最大連結成分抽出処理のステップS13により取
り除かれ、その結果として完全に部品の部分のみが
“1"、他は“0"の最大連結成分画像53が得られる。
はなく、搬送ベルト32は一様な明度なので、２値化処理
（ステップS12）によりほぼ部品31のみが“1"で他が
“0"の２値画像52が得られるが、搬送ベルト32の汚れや
表面の凹凸により小さなノイズ（部品以外の“1"の部
分）521が発生する。このようなノイズ521は第14図に示
すような最大連結成分抽出処理のステップS13により取
り除かれ、その結果として完全に部品の部分のみが
“1"、他は“0"の最大連結成分画像53が得られる。
続いて、この最も面積の大きな連結成分（つまり、部
品）の重心計測（ステップS14）と主軸方向計測（ステ
ップS15）を行い、得られた重心と主軸方向の値と前も
って上述のマスク設定装置で設定されたマスクパラメー
タにより、マスクの位置を決定する（マスク設定ステッ
プS16）。最後に、このマスク内の面積を計測し（マス
ク内面積計測ステップS17）、この計測した値が予め設
定した特定の許容値の範囲内に入るか否かの判断によ
り、適切な姿勢の部品か否かを判定する（ステップS1
8）。
品）の重心計測（ステップS14）と主軸方向計測（ステ
ップS15）を行い、得られた重心と主軸方向の値と前も
って上述のマスク設定装置で設定されたマスクパラメー
タにより、マスクの位置を決定する（マスク設定ステッ
プS16）。最後に、このマスク内の面積を計測し（マス
ク内面積計測ステップS17）、この計測した値が予め設
定した特定の許容値の範囲内に入るか否かの判断によ
り、適切な姿勢の部品か否かを判定する（ステップS1
8）。
第７図（Ａ），（Ｂ）は模式的に部品31の画像とマス
ク43の関係を示したものであり、第７図（Ａ）は適切な
部品41、第７図（Ｂ）は裏返しの不適切な部品42を示し
たものである。
ク43の関係を示したものであり、第７図（Ａ）は適切な
部品41、第７図（Ｂ）は裏返しの不適切な部品42を示し
たものである。
部品の姿勢が適切な姿勢と判定した場合には、判定信
号ｇを１にして（ステップS19）、上述の重心点POの重
心座標値（XO,YO）を信号h,iで組立てロボット30に供給
し（ステップS20）、組立てロボット30ではその座標値
により組立てに必要な情報を得る。一方、部品の姿勢が
不適切な姿勢と判定した場合には、その判定信号ｇを０
にして（ステップS21）、部品除去装置29へ供給し、部
品除去装置29はこの信号ｇに応じて部品31を搬送ベルト
32上から除去する。
号ｇを１にして（ステップS19）、上述の重心点POの重
心座標値（XO,YO）を信号h,iで組立てロボット30に供給
し（ステップS20）、組立てロボット30ではその座標値
により組立てに必要な情報を得る。一方、部品の姿勢が
不適切な姿勢と判定した場合には、その判定信号ｇを０
にして（ステップS21）、部品除去装置29へ供給し、部
品除去装置29はこの信号ｇに応じて部品31を搬送ベルト
32上から除去する。
なお、上述の本発明実施例では、TVカメラ，画像入力
装置，画像メモリ,CPUをそれぞれマスク自動設定系と画
像認識系（姿勢判定系）とにおいて別々に設けたが、そ
れぞれ共用するように構成しても良いことは勿論であ
る。
装置，画像メモリ,CPUをそれぞれマスク自動設定系と画
像認識系（姿勢判定系）とにおいて別々に設けたが、そ
れぞれ共用するように構成しても良いことは勿論であ
る。
［発明の効果］ 以上説明したように、本発明によれば、認識対象物体
（例えば、部品）の取り得る各姿勢に対応する画像デー
タに対して、各画像データ内の物体の位置や回転角や重
心点や主軸をそろえるように補正をし、補正した各姿勢
に対応する画像データを２値化して、２値化された各画
像データ間の論理演算の結果から画像認識で使用すべき
マスク（処理領域）の位置やサイズを算出するようにし
たので、物品毎に必要な画像認識装置（例えば、姿勢判
定装置）で使用するマスクのパラメータを、客観的かつ
自動的に容易に決定することが可能となり、マスク作成
作業の効率化および省力化を得ることが可能となる大き
な効果がある。
（例えば、部品）の取り得る各姿勢に対応する画像デー
タに対して、各画像データ内の物体の位置や回転角や重
心点や主軸をそろえるように補正をし、補正した各姿勢
に対応する画像データを２値化して、２値化された各画
像データ間の論理演算の結果から画像認識で使用すべき
マスク（処理領域）の位置やサイズを算出するようにし
たので、物品毎に必要な画像認識装置（例えば、姿勢判
定装置）で使用するマスクのパラメータを、客観的かつ
自動的に容易に決定することが可能となり、マスク作成
作業の効率化および省力化を得ることが可能となる大き
な効果がある。
第１図は本発明実施例の基本構成を示すブロック図、 第２図は本発明実施例のマスク自動設定装置の回路構成
例を示すブロック図、 第３図は第２図の本発明実施例の動作手順例を示すフロ
ーチャート、 第４図は第３図の位置・角度計測の処理手順を詳細に示
すフローチャート、 第５図は第２図の本発明実施例における画像データの処
理内容を示す説明図、 第６図は第３図の差画像抽出処理での差画像を模式的に
示す模式図、 第７図（Ａ），（Ｂ）は第２図の本発明実施例における
画像データとマスクの位置関係を示す説明図、 第８図は第２図の最大領域検出の処理手順を詳細に示す
フローチャート、 第９図は第８図の処理手順により抽出された最大領域
（マスク）と画像データとの関係を示す説明図、 第10図は第８図の距離変換の処理内容を示す説明図、 第11図は第２図のマスク自動設定装置で作成したマスク
を用いて部品の姿勢判定等を行う画像認識装置の回路構
成例を示すブロック図、 第12図は自動組立工程における第11図の画像認識装置の
使用態様例を示す概略斜視図、 第13図は第11図の画像認識装置の動作手順例を示すフロ
ーチャート、 第14図は第13図の最大連結成分抽出の処理手順を詳細に
示すフローチャートである。 1,21……TVカメラ、２……画像入力装置、3,23……画像
メモリ、４……マイクロコンピュータ、5,25……CPU、
6,27……RAM、７……キーボード、８……出力装置、９
……ディスク装置、10……画像認識装置、11……回線、
12……フロッピーディスク、26……ROM、28……移動量
検知回路、29……部品除去装置、30……組立ロボット、
31……部品、32……搬送ベルト、33……部品供給装置、
41,42……部品（画像）、43……マスク。
例を示すブロック図、 第３図は第２図の本発明実施例の動作手順例を示すフロ
ーチャート、 第４図は第３図の位置・角度計測の処理手順を詳細に示
すフローチャート、 第５図は第２図の本発明実施例における画像データの処
理内容を示す説明図、 第６図は第３図の差画像抽出処理での差画像を模式的に
示す模式図、 第７図（Ａ），（Ｂ）は第２図の本発明実施例における
画像データとマスクの位置関係を示す説明図、 第８図は第２図の最大領域検出の処理手順を詳細に示す
フローチャート、 第９図は第８図の処理手順により抽出された最大領域
（マスク）と画像データとの関係を示す説明図、 第10図は第８図の距離変換の処理内容を示す説明図、 第11図は第２図のマスク自動設定装置で作成したマスク
を用いて部品の姿勢判定等を行う画像認識装置の回路構
成例を示すブロック図、 第12図は自動組立工程における第11図の画像認識装置の
使用態様例を示す概略斜視図、 第13図は第11図の画像認識装置の動作手順例を示すフロ
ーチャート、 第14図は第13図の最大連結成分抽出の処理手順を詳細に
示すフローチャートである。 1,21……TVカメラ、２……画像入力装置、3,23……画像
メモリ、４……マイクロコンピュータ、5,25……CPU、
6,27……RAM、７……キーボード、８……出力装置、９
……ディスク装置、10……画像認識装置、11……回線、
12……フロッピーディスク、26……ROM、28……移動量
検知回路、29……部品除去装置、30……組立ロボット、
31……部品、32……搬送ベルト、33……部品供給装置、
41,42……部品（画像）、43……マスク。
Claims (1)
- 【請求項１】認識対象物体の取り得る各姿勢に対応する
複数の画像データを入力する画像入力手段と、 該手段で入力した各前記画像データを記憶する記憶手段
と、 該手段で記憶された各前記画像データ内の前記物体の位
置・方向を計測する計測手段と、 該手段で計測された前記位置・方向を予め設定した基準
位置・基準方向に変えるように前記画像データの移動・
回転を行う移動・回転手段と、 該手段で移動・回転された画像データから予め指定され
た姿勢の画像とその他の姿勢の画像の差の部分を抽出す
る差画像抽出手段と、 該手段で抽出された前記差の部分の中で最大の予め設定
した形状の領域を与える点の位置および該領域の大きさ
を算出する算出手段と、 該手段で算出された前記点の位置および前記領域の大き
さから前記認識対象物体の姿勢の判定に用いるマスクの
位置・サイズを決定するマスク決定手段と を具備したことを特徴とする画像認識装置のためのマス
クの自動設定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62122448A JP2522794B2 (ja) | 1987-05-21 | 1987-05-21 | 画像認識装置のためのマスクの自動設定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62122448A JP2522794B2 (ja) | 1987-05-21 | 1987-05-21 | 画像認識装置のためのマスクの自動設定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS63288372A JPS63288372A (ja) | 1988-11-25 |
| JP2522794B2 true JP2522794B2 (ja) | 1996-08-07 |
Family
ID=14836093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62122448A Expired - Fee Related JP2522794B2 (ja) | 1987-05-21 | 1987-05-21 | 画像認識装置のためのマスクの自動設定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2522794B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7336374B2 (en) * | 2005-10-24 | 2008-02-26 | General Electric Company | Methods and apparatus for generating a mask |
-
1987
- 1987-05-21 JP JP62122448A patent/JP2522794B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPS63288372A (ja) | 1988-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6859967B2 (ja) | コンベアトラッキングシステムおよびキャリブレーション方法 | |
| US6728417B1 (en) | Measurement apparatus | |
| JP6892286B2 (ja) | 画像処理装置、画像処理方法、及びコンピュータプログラム | |
| US20150261899A1 (en) | Robot simulation system which simulates takeout process of workpieces | |
| EP2045772A2 (en) | Apparatus for picking up objects | |
| JP2008021092A (ja) | ロボットシステムのシミュレーション装置 | |
| JPH07311610A (ja) | 視覚センサを用いた座標系設定方法 | |
| JP7174074B2 (ja) | 画像処理装置、作業ロボット、基板検査装置および検体検査装置 | |
| JP2012230041A (ja) | 位置検出方法、位置検出装置、ロボットシステム | |
| WO2021046767A1 (zh) | 自主式机器人工装系统、控制系统、控制方法及存储介质 | |
| JP2004243215A (ja) | シーラー塗布装置のロボットティーチング方法及びシーラー塗布装置 | |
| JP4303411B2 (ja) | トラッキング方法、及びトラッキングシステム | |
| JP2522794B2 (ja) | 画像認識装置のためのマスクの自動設定装置 | |
| JPH0591411A (ja) | 画像処理装置 | |
| CN111609933B (zh) | 分光检查方法、图像处理装置以及机器人系统 | |
| JPH08110807A (ja) | 自動キャリブレーション方法およびその装置 | |
| JP2010184300A (ja) | 姿勢変更システムおよび姿勢変更方法 | |
| JPH10334221A (ja) | 画像取得装置 | |
| JPS63311485A (ja) | 自動キャリブレ−ション装置 | |
| JPH08324755A (ja) | 円形物収納方法およびその装置 | |
| JP2002083282A (ja) | 造船生産ラインの自動配材装置及び方法 | |
| JP3386183B2 (ja) | 物品の位置検出装置 | |
| JPH0415883A (ja) | 画像処理装置 | |
| JPH10213420A (ja) | パターンマッチングに用いる基準画像作成方法 | |
| WO2020157875A1 (ja) | 作業座標作成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |