JP2843356B2 - 物体撮像方式 - Google Patents
物体撮像方式Info
- Publication number
- JP2843356B2 JP2843356B2 JP1101368A JP10136889A JP2843356B2 JP 2843356 B2 JP2843356 B2 JP 2843356B2 JP 1101368 A JP1101368 A JP 1101368A JP 10136889 A JP10136889 A JP 10136889A JP 2843356 B2 JP2843356 B2 JP 2843356B2
- Authority
- JP
- Japan
- Prior art keywords
- target object
- shape
- sound pressure
- scattered
- stage
- 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
- Length Measuring Devices Characterised By Use Of Acoustic Means (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】 技術分野 本発明は、物体撮像方式に関し、例えば、超音波を用
いた３次元カメラ、３次元コピア、３次元ファクシミ
リ、およびロボットの目等に応用できるものである。
いた３次元カメラ、３次元コピア、３次元ファクシミ
リ、およびロボットの目等に応用できるものである。
従来技術 超音波を対象物体に照射し、その散乱波を複数個の受
波器で受け、その測定値から対象物体の形状を撮像する
方法は、例えば、音響ホログラフィ等で知られる方法が
これまでにも考えられていたが、超音波の波長の長さ、
受波アレイの大きさが有限であることなどの理由により
実用的な撮像を行えるには至っていない。
波器で受け、その測定値から対象物体の形状を撮像する
方法は、例えば、音響ホログラフィ等で知られる方法が
これまでにも考えられていたが、超音波の波長の長さ、
受波アレイの大きさが有限であることなどの理由により
実用的な撮像を行えるには至っていない。
また、ニューラルネットワークを用いて超音波映像を
構成する方法は、「ニューラルネットワークを用いた超
音波によるロボット・アイ・システム」（電子情報通信
学会1989年２月22日）により提案されているが、末学習
な形の物体については高精細な再生像が得られなかっ
た。
構成する方法は、「ニューラルネットワークを用いた超
音波によるロボット・アイ・システム」（電子情報通信
学会1989年２月22日）により提案されているが、末学習
な形の物体については高精細な再生像が得られなかっ
た。
目的 本発明は、上述のごとき欠点を解決するためになされ
たもので、超音波を対象体に照射し、その散乱波をアレ
イ型レシーバーを用いて測定し解析することにより、対
型体の高精細な３次元形状を撮像する物体撮像方式を提
供することを目的としてなされたものである。
たもので、超音波を対象体に照射し、その散乱波をアレ
イ型レシーバーを用いて測定し解析することにより、対
型体の高精細な３次元形状を撮像する物体撮像方式を提
供することを目的としてなされたものである。
構成 本発明は、上記目的を達成するために、（１）対象物
体に超音波を放射し、その散乱波の音圧をＮ個（Ｎ＞
０）のアレイ型レシーバーで測定し、対象物質の形状を
再構成する場合において、操作を２段に分け、第１段で
は、散乱波の音圧から対象物体のおおよその形状を再構
成し、第２段では、対象物体のおおよその形状から対物
体の精密な形状を再構成すること、更には、（２）対象
物体に超音波を放射し、その散乱波の音圧をＮ個（Ｎ＞
０）のアレイ型レシーバーで測定し、対象物体の形状を
再構成するために、操作を２段に分け、第１段では、散
乱波の音圧から対象物体のおおよその形状を再構成し、
第２段では、対象物体のおおよその形状から対物体の精
密な形状を再構成する場合において、第１段、第２段と
も、与えられたデータとそれに対する望ましい出力デー
タからその対応関係を学習させる事によって構成するこ
と、或いは、（３）対象物体に超音波を放射し、その錯
乱波の音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測
定し、対象物体の形状を再構成するために、対象物体と
してＮ個の異なる位置形状のものを用意し、それからの
散乱波を測定し、対象物体と散乱波の音圧とが線形な関
係を持つことを利用することにより、測定された音圧か
ら対象物の形状を再構成する関係式を構成すること、更
には、（４）対象物体に超音波を放射し、その散乱波の
音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測定し、
対象物体の形状を再構成するために、操作を２段に分
け、第１段では、散乱波の音圧から対象物体のおおよそ
の形状を再構成し、第２段では、対象物体のおおよその
形状から対象物の精密な形状を再構成する場合におい
て、第１段では、請求項３記載の方式を用い、第２段で
は、ニューラルネットワークを用いること、或いは
（５）対象物体に超音波を放射し、その散乱波の音圧を
Ｎ個（Ｎ＞０）のアレイ型レシーバーで測定し、対象物
体の形状を再構成するために、操作を２段に分け、第１
段では、散乱波の音圧から対象物体のおおよその形状を
再構成し、第２段では、対象物体のおおよその形状から
対物体の精密な形状を再構成するために第１段では、請
求項３記載の方式を用い、第２段では、ニューラルネッ
トワークを用いる場合において、そのニューラルネット
ワークに学習させる時に用いる入力データと教師出力デ
ータを人工的に作られた出力データとそれ変換すること
で得られる入力データで代用することを特徴としたもの
である。以下、本発明の実施例に基づいて説明する。
体に超音波を放射し、その散乱波の音圧をＮ個（Ｎ＞
０）のアレイ型レシーバーで測定し、対象物質の形状を
再構成する場合において、操作を２段に分け、第１段で
は、散乱波の音圧から対象物体のおおよその形状を再構
成し、第２段では、対象物体のおおよその形状から対物
体の精密な形状を再構成すること、更には、（２）対象
物体に超音波を放射し、その散乱波の音圧をＮ個（Ｎ＞
０）のアレイ型レシーバーで測定し、対象物体の形状を
再構成するために、操作を２段に分け、第１段では、散
乱波の音圧から対象物体のおおよその形状を再構成し、
第２段では、対象物体のおおよその形状から対物体の精
密な形状を再構成する場合において、第１段、第２段と
も、与えられたデータとそれに対する望ましい出力デー
タからその対応関係を学習させる事によって構成するこ
と、或いは、（３）対象物体に超音波を放射し、その錯
乱波の音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測
定し、対象物体の形状を再構成するために、対象物体と
してＮ個の異なる位置形状のものを用意し、それからの
散乱波を測定し、対象物体と散乱波の音圧とが線形な関
係を持つことを利用することにより、測定された音圧か
ら対象物の形状を再構成する関係式を構成すること、更
には、（４）対象物体に超音波を放射し、その散乱波の
音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測定し、
対象物体の形状を再構成するために、操作を２段に分
け、第１段では、散乱波の音圧から対象物体のおおよそ
の形状を再構成し、第２段では、対象物体のおおよその
形状から対象物の精密な形状を再構成する場合におい
て、第１段では、請求項３記載の方式を用い、第２段で
は、ニューラルネットワークを用いること、或いは
（５）対象物体に超音波を放射し、その散乱波の音圧を
Ｎ個（Ｎ＞０）のアレイ型レシーバーで測定し、対象物
体の形状を再構成するために、操作を２段に分け、第１
段では、散乱波の音圧から対象物体のおおよその形状を
再構成し、第２段では、対象物体のおおよその形状から
対物体の精密な形状を再構成するために第１段では、請
求項３記載の方式を用い、第２段では、ニューラルネッ
トワークを用いる場合において、そのニューラルネット
ワークに学習させる時に用いる入力データと教師出力デ
ータを人工的に作られた出力データとそれ変換すること
で得られる入力データで代用することを特徴としたもの
である。以下、本発明の実施例に基づいて説明する。
本発明の物体撮像方式は大きく分けて次の２段に分れ
ている。
ている。
第１段：対象物体に超音波を照射し、その散乱波から
対象物体のおおよその形状を構成する方式。
対象物体のおおよその形状を構成する方式。
第２段：対象物体のおおよその形状から対象物体の精
密な形状を構成する方式。
密な形状を構成する方式。
第１段では、対象物体に超音波を照射し、その散乱波
の音圧をＮ個（Ｎ＞０）の受波器で測定し、その測定値
から対象物体の形状を構成する。測定された音圧と対象
物体の形状は線形な関係にあるので、両者を結ぶ一次変
換を表わす行列を、Ｎ個の異なる対象物体の形状とその
ときの散乱波の音圧とを具体的に測定することにより決
定することができる。
の音圧をＮ個（Ｎ＞０）の受波器で測定し、その測定値
から対象物体の形状を構成する。測定された音圧と対象
物体の形状は線形な関係にあるので、両者を結ぶ一次変
換を表わす行列を、Ｎ個の異なる対象物体の形状とその
ときの散乱波の音圧とを具体的に測定することにより決
定することができる。
第２段では、第１段で得られた対象物体のおおよその
形状をニューラルネットを用いることにより高精細化す
る。
形状をニューラルネットを用いることにより高精細化す
る。
まず、第１段の実施例について説明する。第１図は、
本発明の実施例を説明するための散乱波測定装置で、図
中、１は対象物体、２は超音波の照射器、３はＮ×Ｎ個
の受波器からなるレシーバーアレイ、４はパルスジェネ
レータ、５はコンピュータ、６はディスプレイである。
パルスジェネレータ４から送信された信号 を超音波照射器２から超音波バースト波として対象物体
に向けて照射する（r0は照射器の位置を表わす。）この
とき対象物体からの散乱波をレシーバーアレイ３の受波
器（p,q）により時刻を変えてＭ個測定し、その値を ｛ｇ（p,q,r）｝ｒ＝1,2,3……Ｍ とし、コンピュータ５に送る。コンピュータ５での計算
は次の様に行う。
本発明の実施例を説明するための散乱波測定装置で、図
中、１は対象物体、２は超音波の照射器、３はＮ×Ｎ個
の受波器からなるレシーバーアレイ、４はパルスジェネ
レータ、５はコンピュータ、６はディスプレイである。
パルスジェネレータ４から送信された信号 を超音波照射器２から超音波バースト波として対象物体
に向けて照射する（r0は照射器の位置を表わす。）この
とき対象物体からの散乱波をレシーバーアレイ３の受波
器（p,q）により時刻を変えてＭ個測定し、その値を ｛ｇ（p,q,r）｝ｒ＝1,2,3……Ｍ とし、コンピュータ５に送る。コンピュータ５での計算
は次の様に行う。
第２図は、本発明の実施例を説明するための図で、対
象物体の再生領域をデジタル化したものを表わしてい
る。このとき関数ξ（i,j,k）を次の様に定義する。
象物体の再生領域をデジタル化したものを表わしてい
る。このとき関数ξ（i,j,k）を次の様に定義する。
このとき、散乱波ｇ（p,q,r）と対象物体の表面存在
関数ξ（i,j,k）とは線形な関係があるので、ある定数
ａ（p,q,r,i,j,k）を用いて と表わすことができる。ａ（p,q,r,i,j,k）を求めるた
めには、各ボクセル（i,j,k）にだけ表面が存在する小
さな対象物体をおいて、そのときの散乱波を測定すれば
よい。
関数ξ（i,j,k）とは線形な関係があるので、ある定数
ａ（p,q,r,i,j,k）を用いて と表わすことができる。ａ（p,q,r,i,j,k）を求めるた
めには、各ボクセル（i,j,k）にだけ表面が存在する小
さな対象物体をおいて、そのときの散乱波を測定すれば
よい。
Ｐ＝（p,q,r） Ｉ＝（i,j,k） と書くことにすると、前式は、 ｇ（Ｐ）＝Σａ（P,I）ξ（Ｉ） Ｉ∈ボクセル となるから、行列｛ａ（P,I）｝P.Iの逆行列を｛a
-1（I,P）｝I.Pとすると（行列が与えられた時、その逆
行列を計算する方法は周知である。）、 ξ（Ｉ）＝Σa -1（I,P）ｇ（Ｐ） Ｐ∈測定時刻、場所 によって、ξ（Ｉ）を求めることができる。ξ（Ｉ）は
対象物体の表面が存在するかどうかを表わす関数であっ
たから、このξをコンピュータ５で計算し、ディスプレ
イ６に表示すれば対象物体のおおよその形が得られる。
-1（I,P）｝I.Pとすると（行列が与えられた時、その逆
行列を計算する方法は周知である。）、 ξ（Ｉ）＝Σa -1（I,P）ｇ（Ｐ） Ｐ∈測定時刻、場所 によって、ξ（Ｉ）を求めることができる。ξ（Ｉ）は
対象物体の表面が存在するかどうかを表わす関数であっ
たから、このξをコンピュータ５で計算し、ディスプレ
イ６に表示すれば対象物体のおおよその形が得られる。
次に第２段の実施例について説明する。第１段で得ら
れた再生像はM,Nが小さいときには劣化が著しく実用に
向ない。また、M,Nを大きく取ることは、装置の制約上
できないことが多い。そこで、第２段では、第１段で得
られた像から、より解像度の高い像を構成する方式につ
いて述べる。
れた再生像はM,Nが小さいときには劣化が著しく実用に
向ない。また、M,Nを大きく取ることは、装置の制約上
できないことが多い。そこで、第２段では、第１段で得
られた像から、より解像度の高い像を構成する方式につ
いて述べる。
第３図は、第１段で得られたＮ×Ｎ×Ｍの再生領域上
の再構成像から、Ｌ×Ｌ×Ｋ上の像を構成するニューラ
ルネットワークを説明するための図で、丸はネットワー
クの各ユニットを、実線は各ユニット間の結合をそれぞ
れ表わしている。入力層に属するユニットはＮ×Ｎ×Ｍ
個、出力層に属するユニットはＬ×Ｌ×Ｋ個、中間層に
属するユニットの個数は可変である（中間層の個数はネ
ットワークの望ましい性能によって選ぶことができ
る）。各情報は実線で示されるユニット間結合を通る際
にその結合の重み倍になり、また各ユニットから出力さ
れる情報は、そのユニットに集る情報の和をｘとすると
き、 1/（１＋exp（−ｘ＋θ）） で与えられる。ここで、θはそのユニットのバイアス値
である。この様な構造のネットワークに対して、入力パ
ターンとそれに対する望ましい出力パターンが与えられ
ると、周知の方式バックプロパゲーション法によって、
それらの対応関係を実現するための結合間の重みとバイ
アス値とをニューラルネットワークに学習させることが
できる。そこで、第２段では、このネットワークに学習
させるための入力データと出力データとの構成法を示
す。
の再構成像から、Ｌ×Ｌ×Ｋ上の像を構成するニューラ
ルネットワークを説明するための図で、丸はネットワー
クの各ユニットを、実線は各ユニット間の結合をそれぞ
れ表わしている。入力層に属するユニットはＮ×Ｎ×Ｍ
個、出力層に属するユニットはＬ×Ｌ×Ｋ個、中間層に
属するユニットの個数は可変である（中間層の個数はネ
ットワークの望ましい性能によって選ぶことができ
る）。各情報は実線で示されるユニット間結合を通る際
にその結合の重み倍になり、また各ユニットから出力さ
れる情報は、そのユニットに集る情報の和をｘとすると
き、 1/（１＋exp（−ｘ＋θ）） で与えられる。ここで、θはそのユニットのバイアス値
である。この様な構造のネットワークに対して、入力パ
ターンとそれに対する望ましい出力パターンが与えられ
ると、周知の方式バックプロパゲーション法によって、
それらの対応関係を実現するための結合間の重みとバイ
アス値とをニューラルネットワークに学習させることが
できる。そこで、第２段では、このネットワークに学習
させるための入力データと出力データとの構成法を示
す。
入力データと出力データの構成法としては、多様な形
の表面をもつ実際の物体を数多く用いて実測により構成
する方法が考えられるが、立体の場合十分多様な形の物
体を構成することは実用上得策でない。そこで、入力デ
ータと出力データを人工的に構成する方式を以下に述べ
る。
の表面をもつ実際の物体を数多く用いて実測により構成
する方法が考えられるが、立体の場合十分多様な形の物
体を構成することは実用上得策でない。そこで、入力デ
ータと出力データを人工的に構成する方式を以下に述べ
る。
第４図（ａ），（ｂ）はニューラルネットワークに学
習させるための入力データと出力データとを構成する方
式を説明するための図で、（ａ）は望ましい出力データ
を、（ｂ）はその出力データが期待される時のデータを
それぞれ表わしている。ここで、実際のデータは３次元
上に表わされるが、見やすくするために２次元上に表示
した。
習させるための入力データと出力データとを構成する方
式を説明するための図で、（ａ）は望ましい出力データ
を、（ｂ）はその出力データが期待される時のデータを
それぞれ表わしている。ここで、実際のデータは３次元
上に表わされるが、見やすくするために２次元上に表示
した。
以下、Ｌ＝sN,K＝tMとする。ここで、s,tはある整数
である。第４図では、Ｓ＝Ｔ＝３で表示してある。ま
ず、４図（ａ）の様な物体の表面を表わす図形をＬ×Ｌ
×Ｋの領域上に十分多く作っておく。第４図（ａ）で、
斜線を引いたボクセルは物体の表面が存在することを示
しており、ここでの値を１とする。また、斜線のないボ
クセルは物体の表面がないことを示しており、ここでの
値は０である。これらをニューラルネットの望ましい出
力データとする。次に、Ｌ×Ｌ×Ｋの領域をＮ×Ｎ×Ｍ
の領域に分ける（すなわち、ｓ×ｓ×ｔのボクセルをま
とめてひとつのボクセルとする。）。こうして得られる
Ｎ×Ｎ×Ｍの領域上の値を次のように決める。すなわ
ち、新しくできたボクセルが含む旧ボクセルのうち、値
が１であるものの個数をｓ×ｓ×ｔで割った値を新しい
ボクセル上の値とする。第４図は、ｓ×ｓ×ｔの値を９
で表示してある。
である。第４図では、Ｓ＝Ｔ＝３で表示してある。ま
ず、４図（ａ）の様な物体の表面を表わす図形をＬ×Ｌ
×Ｋの領域上に十分多く作っておく。第４図（ａ）で、
斜線を引いたボクセルは物体の表面が存在することを示
しており、ここでの値を１とする。また、斜線のないボ
クセルは物体の表面がないことを示しており、ここでの
値は０である。これらをニューラルネットの望ましい出
力データとする。次に、Ｌ×Ｌ×Ｋの領域をＮ×Ｎ×Ｍ
の領域に分ける（すなわち、ｓ×ｓ×ｔのボクセルをま
とめてひとつのボクセルとする。）。こうして得られる
Ｎ×Ｎ×Ｍの領域上の値を次のように決める。すなわ
ち、新しくできたボクセルが含む旧ボクセルのうち、値
が１であるものの個数をｓ×ｓ×ｔで割った値を新しい
ボクセル上の値とする。第４図は、ｓ×ｓ×ｔの値を９
で表示してある。
以上の様に入力データと出力データが構成できたの
で、このデータを用いて得られるＮ×Ｎ×Ｍのデータは
第４図（ａ）の様なものになるので、こうしてできたネ
ットワークを用いれば、対象物体の精密な形の撮像する
ことができる。
で、このデータを用いて得られるＮ×Ｎ×Ｍのデータは
第４図（ａ）の様なものになるので、こうしてできたネ
ットワークを用いれば、対象物体の精密な形の撮像する
ことができる。
効果 以上の説明から明らかなように、本発明によると、少
数個の受波器からなるレシーバーアレイによって超音波
反射波を測定することにより高詳細な物体撮像が可能に
なる。
数個の受波器からなるレシーバーアレイによって超音波
反射波を測定することにより高詳細な物体撮像が可能に
なる。
また、ニュートラルネットの構成の際に学習に用いな
かった形についても高精細な像が得られる。
かった形についても高精細な像が得られる。
さらに、ニューラルネットワークに学習させるときに
用いるデータを実測できなく、人工的に構成することが
できるので、これまでよりも高速に所望のネットワーク
を構成することができる。
用いるデータを実測できなく、人工的に構成することが
できるので、これまでよりも高速に所望のネットワーク
を構成することができる。
第１図は、本発明による物体撮像方式を説明するための
もので、散乱波測定装置の構成図、第２図は、対象物体
の再生領域をディジタル化した図、第３図はニューラル
ネットワークを示す図、第４図（ａ），（ｂ）は、ニュ
ーラルネットワークに学習させるための入力データと出
力データとの構成法を示す図である。 １……対象物体、２……超音波照射、３……レシーバー
アレイ、４……パルスジェネレータ、５……コンピュー
タ、６……ディスプレイ。
もので、散乱波測定装置の構成図、第２図は、対象物体
の再生領域をディジタル化した図、第３図はニューラル
ネットワークを示す図、第４図（ａ），（ｂ）は、ニュ
ーラルネットワークに学習させるための入力データと出
力データとの構成法を示す図である。 １……対象物体、２……超音波照射、３……レシーバー
アレイ、４……パルスジェネレータ、５……コンピュー
タ、６……ディスプレイ。
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) G01S 15/89 G01S 13/89 G01B 17/00 G06F 15/70
Claims (5)
- 【請求項１】対象物体に超音波を放射し、その散乱波の
音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測定し、
対象物体の形状を再構成する場合において、操作を２段
に分け、第１段では、散乱波の音圧から対象物体のおお
よその形状を再構成し、第２段では、対象物体のおおよ
その形状から対物体の精密な形状を再構成することを特
徴とする物体撮像方式。 - 【請求項２】対象物体に超音波を放射し、その散乱波の
音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測定し、
対象物体の形状を再構成するために、操作を２段に分
け、第１段では、散乱波の音圧から対象物体のおおよそ
の形状を再構成し、第２段では、対象物体のおおよその
形状から対物体の精密な形状を再構成する場合におい
て、第１段、第２段とも、与えられたデータとそれに対
する望ましい出力データからその対応関係を学習させる
事によって構成することを特徴とする請求項１記載の物
体撮像方式。 - 【請求項３】対象物体に超音波を放射し、その散乱波の
音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測定し、
対象物体の形状を再構成するために、対象物体としてＮ
個の異なる位置形状のものを用意し、それからの散乱波
を測定し、対象物体と散乱波の音圧とが線形な関係を持
つことを利用することにより、測定された音圧から対象
物体の形状を再構成する関係式を構成することを特徴と
する物体撮像方式。 - 【請求項４】対象物体に超音波を放射し、その散乱波の
音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測定し、
対象物体の形状を再構成するために、操作を２段に分
け、第１段では、散乱波の音圧から対象物体のおおよそ
の形状を再構成し、第２段では、対象物体のおおよその
形状から対物体の精密な形状を再構成する場合におい
て、第１段では、前記請求項３記載の方式を用い、第２
段では、ニューラルネットワークを用いることを特徴と
する請求項１記載の物体撮像方式。 - 【請求項５】対象物体に超音波を放射し、その散乱波の
音圧をＮ個（Ｎ＞０）のアレイ型レシーバーで測定し、
対象物体の形状を再構成するために、操作を２段に分
け、第１段では、散乱波の音圧から対象物体のおおよそ
の形状を再構成し、第２段では、対象物体のおおよその
形状から対物体の精密な形状を再構成するために第１段
では、前記請求項３記載の方式を用い、第２段では、ニ
ューラルネットワークを用いる場合において、そのニュ
ーラルネットワークに学習させる時に用いる入力データ
と教師出力データを人工的に作られた出力データとそれ
を変換することで得られる入力データで代用することを
特徴とする請求項４記載の物体撮像方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1101368A JP2843356B2 (ja) | 1989-04-20 | 1989-04-20 | 物体撮像方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1101368A JP2843356B2 (ja) | 1989-04-20 | 1989-04-20 | 物体撮像方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02280078A JPH02280078A (ja) | 1990-11-16 |
| JP2843356B2 true JP2843356B2 (ja) | 1999-01-06 |
Family
ID=14298882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1101368A Expired - Fee Related JP2843356B2 (ja) | 1989-04-20 | 1989-04-20 | 物体撮像方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2843356B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2879828B2 (ja) | 1989-09-07 | 1999-04-05 | 株式会社リコー | 超音波３次元物体認識方式 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4176329B2 (ja) * | 2001-06-06 | 2008-11-05 | 三菱重工業株式会社 | 物体探査方法および物体探査装置 |
| JP5303873B2 (ja) * | 2007-06-13 | 2013-10-02 | 株式会社Ｉｈｉ | 車両形状計測方法と装置 |
| US8400876B2 (en) * | 2010-09-30 | 2013-03-19 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for sensing objects in a scene using transducer arrays and coherent wideband ultrasound pulses |
-
1989
- 1989-04-20 JP JP1101368A patent/JP2843356B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2879828B2 (ja) | 1989-09-07 | 1999-04-05 | 株式会社リコー | 超音波３次元物体認識方式 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH02280078A (ja) | 1990-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2878409B2 (ja) | ３次元物体撮像方式 | |
| Von Ramm et al. | Real time volumetric ultrasound imaging system | |
| JP3155263B2 (ja) | コンピュータ・エイデッド・ホログラフィおよびホログラフィック・コンピュータ・グラフィックス | |
| Smith et al. | High-speed ultrasound volumetric imaging system. I. Transducer design and beam steering | |
| US4817434A (en) | Device for imaging three dimensions using simultaneous multiple beam formation | |
| US7037263B2 (en) | Computing spatial derivatives for medical diagnostic imaging methods and systems | |
| US5673697A (en) | High-resolution three, dimensional ultrasound imaging device | |
| US5105814A (en) | Method of transforming a multi-beam ultrasonic image | |
| Foster et al. | Computer simulations of speckle in B-scan images | |
| CN100469321C (zh) | 三维超声波检测方法 | |
| CN110051387A (zh) | 一种基于射线理论的超声ct图像重建方法及系统 | |
| JP7296171B2 (ja) | データ処理方法、装置、機器及び記憶媒体 | |
| CA1137616A (en) | Ultrasonic diagnostic apparatus | |
| CN105266849B (zh) | 实时超声弹性成像方法和系统 | |
| CN106780329A (zh) | 一种基于反透视平面变换的超声平面波成像方法 | |
| Rohling | 3D freehand ultrasound: reconstruction and spatial compounding | |
| JP2843356B2 (ja) | 物体撮像方式 | |
| US4899318A (en) | Method and device for reconstructing the shape and position of objects in space | |
| US4688430A (en) | Device for imaging three dimensions with a single pulse transmission | |
| CN102496320A (zh) | 一种基于ct体数据的实时超声图像模拟方法 | |
| Murino et al. | Underwater 3D imaging by FFT dynamic focusing beamforming | |
| JPH1156841A (ja) | ３次元関心領域設定方法および画像処理装置並びに超音波撮像装置 | |
| CN114601496A (zh) | 一种基于线性阵列的三维超声剪切波弹性成像方法 | |
| Lowe et al. | Perceptual studies of contrast, texture and detail in ultrasound B-scans | |
| Maginness | The reconstruction of elastic wave fields from measurements over a transducer array |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |