JP3151472B2

JP3151472B2 - ３次元物体像の生成方法

Info

Publication number: JP3151472B2
Application number: JP35145792A
Authority: JP
Inventors: 信幸吉澤
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1992-12-08
Filing date: 1992-12-08
Publication date: 2001-04-03
Anticipated expiration: 2016-04-03
Also published as: JPH06174839A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は物体の認識方法に関し、
特に距離センサとビデオカメラを併用して分解能を向上
させた３次元物体像の生成方法に関するものである。

【０００２】

【従来の技術】本出願人は、３次元物体の認識のため２
次元状に配列した超音波センサとニューラルネットワー
クを用いる方法を特願平3-246558号にて既に提案してい
る。この方法によって、明るさが変化したり影が生じる
屋外環境においても、前後左右上下の位置が自由な３次
元物体を認識することができる。この方法では、図１７
に示すように、距離センサとしての複数個の超音波セン
サ１１₁ 〜１１ｎを２次元状に配列して超音波センサア
レイ１１を構成し、これらセンサによる超音波撮像法を
用いて対象物である物体１０の表面および背景までの距
離分布を求め、その距離情報に基づいて背景から物体形
状を抽出し、かつ物体の奥行き情報（測定データ）１９
を誤差逆伝播法を用いた層型ニューラルネットワーク１
３に入力して３次元物体を認識するものとなっている。

【０００３】なお、図１７中符号ａは各超音波センサ１
１₁ 〜１１ｎに対向する物体１０の表面までの距離情報
を、符号ｂは物体１０の置かれた基準面までの距離を示
し、物体１０の置かれた基準面までの距離ｂとその物体
表面までの距離ａの差からその物体の奥行き情報を得て
いる。また、前記ニューラルネットワーク１３は入力層
１４，中間層１５および出力層１６から構成されてい
る。この方法は、ニューラルネットワークを用いている
ので、様々な物体毎に異なる形状の特徴量を抽出する煩
雑な手続きが不要になるという利点もある。

【０００４】

【発明が解決しようとする課題】しかし、このような３
次元物体像の認識方法では、物体の３次元情報測定に超
音波センサを用いたパルス遅延時間法を用いているた
め、奥行き方向は波長程度の優れた分解能を得ることが
できるが、横方向の分解能が悪いため、小さな物体の認
識が困難という欠点があった。本発明の目的はこの問題
点を解決するため、縦方向および横方向とも分解能に優
れた３次元物体の認識を可能とする方法を提供すること
にある。

【０００５】

【課題を解決するための手段】上記の目的を達成するた
め本発明は、平面状に配列された複数個の距離センサを
物体に対向して設けるとともに前記物体を撮像するビデ
オカメラを設け、物体の表面までの距離情報の平面分布
を前記距離センサによって測定し、この距離情報に基づ
いて物体の第１立体像を抽出し、この第１立体像の重心
位置の明度または第１立体像の周囲の明度に基づいてビ
デオカメラによるビデオ画像から物体の濃淡平面像もし
くは微分平面像を抽出し、この抽出した平面像と前記第
１立体像を合成して精細な第２立体像を生成するように
したものである。

【０００６】

【作用】本発明においては、距離センサとビデオカメラ
を併用して、この距離センサによる距離情報に基づいて
ビデオ画像から物体像を抽出することにより、横方向分
解能において劣る立体像をビデオ画像で補完することが
可能になる。

【０００７】

【実施例】次に本発明の実施例を説明するまえに、本発
明の概要を説明する。３次元物体を認識するには、形状
の計測手段および、計測した情報に基づく形状の認識手
段が必要である。本発明でも物体認識を最終目的とする
が、認識精度を向上するには物体形状の測定精度を向上
する必要がある。このため、従来の超音波センサのみを
用いた場合に比べて精細な３次元物体像の生成が可能な
形状計測手段を考えたものであり、それぞれの手段につ
いて概要を説明する。

【０００８】「形状の認識手段」：認識手段としては上
記特願平3-246558号と同じ誤差逆伝播法を用いた層状つ
まりパーセプトロン型のニューラルネットワークを用い
る。図２にその構成を示す。このニューラルネットワー
ク１３は、上述したように、入力層１４，中間層１５お
よび出力層１６で構成されている。中間層１５は必ずし
も１層でなくてもよい。このニューラルネットワーク１
３では、入力層１４に入力される信号に対して出力層１
６が一定の信号を出力するように学習させることができ
る。一度学習を行えば、学習した入力信号とほぼ同様の
入力信号に対し、学習した信号を出力する。従って、形
状情報から特徴量を抽出する煩雑な手続きが不要であ
る。

【０００９】「形状の計測手段」：計測手段において超
音波を物体表面に照射し、その物体表面からの反射に要
する時間を測定することによって、物体表面までの距離
を直接測定することができる。したがって、複数個の超
音波センサ１１₁ 〜１１ｎを図３に示すように２次元配
列して超音波センサアレイ１１を構成することにより、
各センサ１１₁ 〜１１ｎに対向する物体１０の表面まで
の距離情報を得ることができる。また、物体１０の置か
れた基準面までの距離ｂと物体表面までの距離ａの差か
ら、物体の奥行き情報を得ることができる（図１７参
照）。このパルス遅延時間法では奥行き方向に対して距
離分解能の高い測定を行うことができる。

【００１０】しかし、この方法では、用いる超音波セン
サの指向角が±５度以下でも横方向分解能はセンサ直径
程度が限界である。この欠点を補うため、超音波センサ
アレイ１１を含むセンサ装置１７内にＣＣＤカメラなど
のビデオカメラつまり小型のテレビカメラ１２を設け
る。このテレビカメラ１２は横方向の分解能は非常に高
い。しかし、テレビカメラ単独では距離情報を得ること
はできない。しかも、明るさが変化したり影が生じる環
境、例えば屋外では明度の違いに基づいた背景から形状
情報の抽出も困難である。しかし、上記超音波法で抽出
した形状情報を用いれば、テレビカメラ画像単独では困
難な形状抽出を可能にすることができる。このメカニズ
ムについては、後に詳述する。物体のビデオ画像を抽出
することができれば、超音波像に比べてはるかに横方向
分解能に優れた形状情報を得ることができる。従って、
この形状情報と、先に求めた奥行き方向分解能に優れた
距離情報を併用することにより、高精度な３次元物体像
を得ることができる。

【００１１】次に本発明の実施例について説明する。図
３に、本実施例による超音波センサアレイとテレビカメ
ラの構成を示す。これは、周波数２００ｋＨz の送受信
兼用の超音波センサ（（株）ムラタ製作所製ＭＡ２００
Ａ１）１１₁ 〜１１ｎを３０ｍｍ間隔で縦横に８個ずつ
（図中では簡略的に６個ずつを示している。）計６４個
配列し超音波センサアレイ１１を形成して平板形センサ
装置１７を構成する。そして、このセンサアレイ１１の
中央に小型テレビカメラ１２として例えばＣＣＤカメラ
を固定する。なお、超音波センサ１１₁ 〜１１ｎとテレ
ビカメラ１２は相対位置が変化しない限り、位置関係は
自由である。２００ｋＨz の指向性の高い超音波センサ
１１₁ 〜１１ｎを用いた場合でも、センサの外径に等し
い１０ｍｍ程度が超音波センサ単独の横方向分解能の限
界である。図３中符号１８は物体１０を照明するための
投光器であり、記号Ｘ，Ｙ及びＺは３次元の各々の軸を
表わす。

【００１２】図１に、本実施例による形状測定系のブロ
ック図を示す。この実施例は、超音波センサアレイ１１
を構成する６４個の送受信兼用の超音波センサ１１₁ 〜
１１ｎをパソコン（パーソナルコンピュータ）３０の指
令に基づき任意に選定して、それに対応したスイッチ部
２１の各スイッチ２１₁ 〜２１ｎで切り替える。そし
て、選択された超音波センサうちその送信センサから同
期発振回路２２の同期信号（周波数２００ｋＨz ）に伴
う３波長分の超音波パルスを対象物に送信するととも
に、その信号に同期してカウンタ２７を駆動する。さら
に受信した反射波のパルスはアンプ２４で増幅し、この
パルスをカウンタ２７のゲート２６に入力してそのカウ
ンタ２７を停止する。

【００１３】これにより、カウンタ２７はその間に水晶
発振回路２５からゲート２６を通して送出されるクロッ
クパルスをカウントし、そのカウント値をインターフェ
ース２９を介してパソコン３０に出力すると共に、この
カウント値に所定の比例定数を乗ずることによって対象
物までの距離を測定し、その距離情報に基づき対象物の
奥行き情報を得ることができる。この場合、かかる構成
では単一の距離測定回路を用いて各超音波センサ１１₁
〜１１ｎを切り替えている。また、超音波センサは全て
が送受信兼用であり、発信したセンサが反射波を受信す
るだけでなく、隣のセンサが発信した信号も受信するこ
とによって、８×８のセンサで１５×１５の点の測定が
可能である。これは、同一出願人に係る特願平2-407217
号で先願した方法を用いて達成される。

【００１４】また、テレビカメラ画像はそれに用いるＣ
ＣＤカメラ１２に依存するが、例えば縦５１２、横４８
５画素の８ビットつまり２５６階調の明るさ情報からな
る。そして、この情報はＡ／Ｄ変換器３１でデジタル情
報に変換されたうえ、パソコン３０に出力することによ
り、後述する超音波情報に基づいてテレビカメラ画像か
ら３次元物体を抽出するものとなっている。図１中符号
２３は送信用のパワーアンプ、２８はスイッチ部２１の
各スイッチ２１₁ 〜２１ｎをオン，オフ制御するコント
ロールロジックであり、３２はＣＣＤカメラ１２の絞り
をパソコン３０からの指令により制御するための絞りコ
ントローラである。

【００１５】ここで、図４に直径と高さが６ｃｍの円柱
の超音波像４１の一例を示す。実験は円柱を机の上に静
置し、机の上方６５ｃｍに下向きに図３のセンサ装置１
７を固定して、その超音波センサアレイ１１にて撮影し
た。机上の測定エリア４２は一辺２１ｃｍの正方形であ
る。机までの距離と立方体表面までの距離を差し引くこ
とによって、奥行き情報の水平分布を得ることができ
る。奥行き方向に対しては、２ｍｍという非常に優れた
分解能を有しているのが本実施例方法の特長でもある。
また、距離情報もしくは奥行き情報を用いることによっ
て、場所や大きさ，形状が不明な形状情報を背景から抽
出することができるのも本実施例方法の大きな特長であ
る。

【００１６】図５(a)に超音波による平面像を、図５(b)
にテレビカメラによる平面像をそれぞれ示す。図５(a)
に超音波の画素１５×１５に対応する測定領域５２を実
線で示す。テレビカメラの画素は非常に細かいので、図
５(b) では画素の表示は省略する。横方向分解能におい
てテレビカメラが優っているのは一目瞭然である。図５
中符号１０は物体を示し、５１はその物体の重心、５３
はテレビカメラ測定領域を、５４は物体周囲のエリアを
それぞれ示している。以下、図６を用いて超音波画像に
基づいてテレビカメラ画像から物体を抽出する手順を説
明する。

【００１７】まず、上記超音波センサアレイを用いてそ
れに対向した物体の表面までの距離情報を測定し、超音
波像を測定する（ステップ１００）。この距離情報は上
下左右に対応した２次元配列で与えられる。そして、こ
の距離情報は孤立処理によってノイズが除去された後
（同１０１）、背景と物体表面との距離の差を各要素ご
とに算出し、これを新たに２次元配列とする（同１０
２）。これは物体の奥行き情報を示す配列であり、背景
部分の要素は零とするので、非零の要素の平面分布を表
示することによって、物体の投影形状を得ることができ
る。この投影形状から物体の重心を求める（同１０
３）。

【００１８】この場合、テレビカメラ画像と超音波セン
サの相対位置は不変なので、図５(a)と同図(b)の両画像
の画素は一対一に対応する。この対応関係から、図５の
(a)の物体位置に対応する同図(b) の画素を指定できる
（同１０４）。そのため、超音波像に基づいてテレビカ
メラ画像中の物体に対応する点の明度情報を算出するこ
とにより、そのビデオ画像から物体像を抽出することが
できる（同１０５〜１０７）。これについて図７，図８
を用いて詳述する。

【００１９】図７(a)およびび(b)は、モノクロテレビカ
メラで測定した円柱の物体１０（同図(c) ）と背景のＸ
軸上及びＹ軸上の明度をそれぞれ示すものであり、この
明度は物体上と背景で異なっている。但し、図７(c) 中
ハッチング部分は影１０ａを表わす。したがって、明度
の違いにより物体平面像の抽出が可能である。この自動
抽出方法として、本発明では超音波で求めた物体の位置
情報を利用する。図５にハッチングで示したように、超
音波情報に基づいてビデオ画像における物体周囲のエリ
ア５４を推定することができる。

【００２０】図８は上記ビデオカメラで測定した濃淡平
面像の明度ヒストグラムを示すものであり、このヒスト
グラムは物体像および背景により構成されている。ここ
で、エリア内は物体部分、エリア外は物体周囲に対応し
ている。したがって、物体の重心の明度を中心として、
ヒストグラムの分散範囲を抽出することによってビデオ
画像から物体像を抽出できる。また、エリア外の明度最
小値以下を抽出してもよい。求めた像は、超音波平面像
に比べて、はるかに精細である。なお、明度に基づく抽
出においては、平均値や分散，最大値や最小値を用いて
も良い。

【００２１】このように、超音波像に基づいてテレビカ
メラ画像中の物体に対応する点の明度情報を指定できる
ので、明るさが変化したり影が生じる屋外環境において
も、テレビカメラ画像から物体像を抽出することが可能
になる利点もある。以上のように本発明によるときは、
横方向分解能において劣る超音波像をテレビカメラ画像
で補完することが可能になった。その結果、求めた平面
像に図４の超音波像の平均高さを代入して、図９に示す
ように、実物どおりの精密な３次元物体像を合成するこ
とができる。

【００２２】次に、超音波像とビデオ平面像の合成にニ
ューラルネットワークを用いる例を示す。まず、濃淡平
面像を自動抽出したのと同様の手法で、微分平面像を自
動抽出する。微分には例えばラプラシアン型の４行４列
のフィルタを用いる。測定した２２５点の超音波情報と
３６００画素のテレビカメラ情報の内、図１０に示すご
とく超音波測定点の一点Ｏ（合成中心と呼ぶ）とその前
後左右（Ａ，Ｂ，Ｃ，Ｄ）の計５箇所の超音波情報（距
離データ）６１と、前記点Ｏの超音波情報に対応する１
６画素の微分画像６２をニューラルネットワーク（Ｎ．
Ｎ）に入力し、学習規則に則って微分画像に対応する高
さを求める。そして、すべての超音波情報について、こ
の処理を繰り返すことにより、合成像を作成する。

【００２３】ここで、ニューラルネットワークとしては
例えばシグモイド関数を用いた三層の層状神経回路を用
いる。超音波情報は物体の最大高さで規格化し、また微
分画像は「１」と「０」に二値化してニューラルネット
ワークに入力する。この微分画像からでは線分の左右ど
ちらが高いのか判別できない。このため、前後左右に隣
接した部位Ａ〜Ｄにおける高低関係から微分画像中の高
低関係を推定する。

【００２４】図１１にその一例を示す。簡単のため平面
上に直方体７１が置かれている場合を想定する。このよ
うに高さがステップエッジ状に変化している場合、エッ
ジは微分画像により検出される。エッジ部に対応する超
音波情報は、センサと物体との相対位置関係によって立
方体の高さもしくは背景の高さのいずれかとなる。しか
し、エッジに隣接した平面部の高さは超音波で正しく測
定されるので、図１１のようにエッジ６４の下側に物体
がある場合、エッジの下側の画素には要素Ｃの高さを、
また、線分の上側の画素には要素Ａつまり背景の高さを
代入するように学習させる。但し、図１１中符号６３は
合成データを表わし、その画像中の高低関係はエッジ６
４を境にして下側の画素が「Ｈ（ｈｉｇｈ）；高い」、
上側の画素が「Ｌ（ｌｏｗ）；低い）」となる。この
時、超音波情報つまり距離データ６１における合成中心
の画素Ｏと前後左右の画素Ａ〜Ｄの高さは、図示するよ
うに「Ｈ；高い」，「Ｌ；低い」となる。

【００２５】なお、微分画像中の線分としては、いろい
ろな曲線が想定できるが、学習量低減のため直線に限定
して図１２の(1) 〜(16)に示す１６パターンについて学
習した。これによって、エッジ６４が上下，左右もしく
は斜め４５度の場合について、高低を推定できる。な
お、エッジが合成中心に含まれない場合には、合成中心
Ｏの高さを対応する１６画素に代入した。

【００２６】次に、一例として高さ，幅，長さが各３，
６，１８ｃｍの木製直方体の中央に直径と高さが６ｃｍ
の木製円柱を乗せた試料を用いた場合の本発明の実施結
果を示す。表面は無塗装のため、木目が観察される。図
１３にこの試料の超音波像を示す。直方体の概略は再現
されているが、円柱であることを認識するのは困難であ
る。

【００２７】図１４に、ニューラルネットワークへの入
力データとして用いる微分画像（太線部分）上に、超音
波平面像（実線，点線）を重ね合わせて示す。この図か
ら両者の対応関係がわかる。微分画像は照明の具合いに
応じて必ずしも連続した直線や曲線にはならない。図１
４中の超音波平面像では直方体部分を実線で、円柱部分
を点線で示した。全体として、超音波像は微分画像より
も一回り大きめに測定されている。これは超音波測定系
の特徴と思われる。超音波の特性として、物体の頂点部
分が欠けやすいが、本実施例では４頂点とも測定されて
いる。微分画像にはエッジ以外に所々にランダムな線分
が観察されるが、これは試料表面の木目に対応してい
る。人間は、試料表面の木目に無頓着であるが、カメラ
画像は木目も忠実に再現する。

【００２８】図１５にニューラルネットワークによる合
成像を示す。土台の直方体のみならず、上部の円柱部の
曲線も不十分ながら再現し、物体形状の特徴を良く示し
た合成像が得られた。ニューラルネットワークの学習則
を検討することによって、一層の改善が期待できる。木
目に反応したノイズも数ヶ所発生しているが、超音波像
と対応しないテクスチャー情報は、ほぼ完全に無視され
ている。これは、本発明の特長であり、微分画像と合成
像を比較することによって、逆に微分画像中のテクスチ
ャー情報を抽出できる。また、超音波像に比べて合成像
は分解能が向上しているので、この合成像を用いれば物
体の自動認識精度の向上が期待できる。

【００２９】以上の方法で生成した精細な３次元物体像
をニューラルネットワークに入力することによって、前
後左右上下の位置が自由な物体を認識することができ
る。詳しい手法は上述の特願平3-246558号と同じなので
省略し、実験結果について述べる。

【００３０】図３の装置を用いて表１に示した４種の物
体をそれぞれ測定エリアの中央に静置して形状を測定
し、３層のニューラルネットワーク（Ｎ．Ｎ）で学習
後、認識実験を行った。ここで、ニューラルネットワー
クの要素数は入力層５２×５２、中間層８、出力層４で
ある。なお、入力層の要素数はテレビカメラの画素数に
対応して４００×４００程度まで増やことができる。要
素数が多いほど細かい形状まで認識できる。しかし、今
回の実験では計算機のメモリの制限により５２×５２と
して実験した。このため、大きな物体ではテレビカメラ
画像から抽出した物体像を５２×５２画素に圧縮した。
実験は４種の木製のサンプルを机上の測定エリア内の任
意の場所に任意の方向で設置し、認識率を測定した。３
次元物体の形状は観察位置や方向によって異なって見え
る。従って、その認識においては、物体の位置や方向に
依存しない認識アルゴリズムが必要である。

【００３１】

【表１】

【００３２】図１６に、用いた物体認識のアルゴリズム
の一例を示す。抽出した形状情報つまり合成立体像をそ
の重心中心に画面中央に平行移動し（ステップ１５０，
１５１）、回転させる毎にニューラルネットワークに入
力し（同１５２，１５３）、最大出力で形状を判定した
（同１５４）。回転は１０度毎に３５０度まで行った。
４種のサンプルについて各５０回づつ認識率を求めた結
果、認識率１００％を得ることができ、本発明の有効性
を確認することができた。超音波のみを用いた場合は、
上述した特願平3-246558号のように直径６ｃｍ程度の物
体の認識が限界であったが、テレビカメラを併用するこ
とによって直径１５ｍｍの物体の認識が可能になった。

【００３３】なお、本発明では実施例として距離センサ
に超音波センサを用いたが、特にこれに限定するもので
はなく、光切断法や、光位相法を用いたレーザレンジセ
ンサでも本発明を実施可能なのは言うまでもない。

【００３４】

【発明の効果】以上説明したように本発明によれば、超
音波センサなどの距離センサとテレビカメラを併用し
て、この距離センサによる距離情報に基づいてビデオ画
像から物体像を抽出することにより、横方向分解能にお
いて劣る立体像をビデオ画像で補完することが可能にな
る。そのため、超音波のみでは測定不可能な小さな物体
の精密な３次元像の自動生成および自動認識が可能にな
る。これによって、

【００３５】(1)大きな物体も小さな物体も認識でき
る。 (2)距離や位置，向きが自由な物体を認識できる。 (3)明るさが変化したり影が生じる屋外環境において
も、認識が可能である。など、多くの利点を有しており、ロボットに応用すれ
ば、障害物を回避しての自律移動や、マニュピレータに
よる物体捕捉および各種作業が可能になる。

【図面の簡単な説明】

【図１】本発明の一実施例による形状測定系のブロック
図である。

【図２】本実施例に用いるニューラルネットワークの説
明図である。

【図３】本実施例による超音波センサとテレビカメラの
構成を示す図である。

【図４】本実施例の説明に供する円柱の超音波像を示す
図である。

【図５】本実施例の説明に供する物体の平面像の説明図
で、(a)は超音波像、(b)はテレビカメラ像を示す図であ
る。

【図６】本実施例におけるテレビカメラ画像からの物体
抽出の手順を示す図である。

【図７】本実施例の説明に供するビデオ画像におけるＸ
軸及びＹ軸上の明度を示す図である。

【図８】本実施例の説明に供する濃淡平面像の明度ヒス
トグラムである。

【図９】本実施例により得られた物体の立体像（超音波
立体像とビデオ平面像を合成）を示す図である。

【図１０】本実施例の説明に供する超音波情報とビデオ
情報の合成方法の説明図である。

【図１１】同じく本実施例の説明に供する超音波情報と
ビデオ情報の合成方法の説明図である。

【図１２】本実施例の説明に供するニューラルネットワ
ークの学習法則の説明図である。

【図１３】本実施例の説明に供する直方体の上に円柱を
乗せた超音波像を示す図である。

【図１４】本実施例の説明に供する超音波像と微分画像
の対応を示す図である。

【図１５】本実施例におけるニューラルネットワークに
よる合成立体像を示す図である。

【図１６】本実施例の説明に供する物体認識のアルゴリ
ズムを示す図である。

【図１７】従来の超音波センサのみによる形状認識の説
明図である。

【符号の説明】

１０３次元物体１１超音波センサアレイ１１₁〜１１ｎ超音波センサ１２テレビカメラ１３ニューラルネットワーク１７センサ装置

───────────────────────────────────────────────────── フロントページの続き (56)参考文献特開昭64−46672（ＪＰ，Ａ) 特開平４−276785（ＪＰ，Ａ) 特開平３−286380（ＪＰ，Ａ) 特開平３−251713（ＪＰ，Ａ) 特開平３−251712（ＪＰ，Ａ) 特開平３−188391（ＪＰ，Ａ) 特開昭63−58182（ＪＰ，Ａ) 特開昭61−99880（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G01S 7/00 - 7/64 G01S 13/00 - 17/88 G06F 15/18

Claims

(57)【特許請求の範囲】

【請求項１】平面状に配列された複数個の距離センサ
を物体に対向して設けるとともに前記物体を撮像するビ
デオカメラを設け、前記物体の表面までの距離情報の平
面分布を前記距離センサによって測定し、この距離情報
に基づいて前記物体の第１立体像を抽出し、この第１立
体像の重心位置の明度または前記第１立体像の周囲の明
度に基づいて前記ビデオカメラによるビデオ画像から前
記物体の濃淡平面像もしくは微分平面像を抽出し、この
抽出した平面像と前記第１立体像を合成して精細な第２
立体像を生成することを特徴とする３次元物体像の生成
方法。
【請求項２】請求項１において、前記ビデオ画像から
抽出した微分平面像と前記第１立体像とをニューラルネ
ットワークを用いて合成し、前記第１立体像の１画像に
対応する微分平面像の画素群に、前記１画像に接して取
り巻く第１立体像の画素群および前記１画像の距離情報
を合成することを特徴とする３次元物体像の生成方法。