JP3305847B2 - 3D object shape description recognition method - Google Patents
3D object shape description recognition methodInfo
- Publication number
- JP3305847B2 JP3305847B2 JP00245094A JP245094A JP3305847B2 JP 3305847 B2 JP3305847 B2 JP 3305847B2 JP 00245094 A JP00245094 A JP 00245094A JP 245094 A JP245094 A JP 245094A JP 3305847 B2 JP3305847 B2 JP 3305847B2
- Authority
- JP
- Japan
- Prior art keywords
- function
- shape
- spherical harmonic
- recognition method
- dimensional
- 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
Description
【０００１】[0001]
【産業上の利用分野】本発明は，３次元物体形状記述認
識方法に関し，特に，３次元形状の類似性を効率良く比
較する３次元物体形状記述認識方法に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a three-dimensional object shape description recognition method, and more particularly to a three-dimensional object shape description recognition method for efficiently comparing similarities of three-dimensional shapes.
【０００２】[0002]
【従来の技術】従来，自然物を対象とした形状比較の手
法としては，対象の２次元の輪郭データからその各種幾
何特徴を抽出して調べ，各幾何特徴の分析を行うことで
類似形状を判断する手法や，対象の局所特徴情報（顔の
例でいうならば，目，口，眉毛などといった特徴）の位
置関係等を比較することで対象の認識を行う手法が主で
あった。2. Description of the Related Art Conventionally, as a method of comparing shapes of natural objects, various geometric features are extracted from two-dimensional contour data of the object and examined, and a similar shape is determined by analyzing each geometric feature. The main method is to recognize the target by comparing the positional relationship of the local feature information of the target (features such as eyes, mouth, and eyebrows in the case of a face).
【０００３】また，球調和関数の係数の差による比較を
行う手法としては，係数列の差の総和を類似性の判断規
準にする手法がある。[0003] As a method of comparing the coefficients of the spherical harmonics based on the difference between the coefficients, there is a method of using the sum of the differences between the coefficient strings as a criterion of similarity.
【０００４】[0004]
【発明が解決しようとする課題】２次元の輪郭形状によ
る比較手法では，対象の特徴形状を良く表現している輪
郭を用いなければ，妥当な比較はできず，対象物が３次
元形状の場合，この輪郭を求めることが困難であった。In a comparison method using a two-dimensional contour shape, a valid comparison cannot be made unless a contour that well expresses the feature shape of the object is used, and the object has a three-dimensional shape. , It was difficult to find this contour.
【０００５】また，局所特徴の比較手法では，３次元形
状の全体的な（概略的な）形状認識などができないとい
った問題があった。更に，球調和関数の係数の差による
比較手法では，異なる２つの形状が相似形であっても，
異なると判断されてしまい，対象形状の正規化が必要で
あった。また，球調和関数の係数列は，原点の取り方に
よって，同じ形状であっても全く異なる係数に成ること
があり，単純には係数列の値の比較による形状分類はで
きない。[0005] In addition, the local feature comparison method has a problem that it is not possible to recognize the overall (rough) shape of a three-dimensional shape. Furthermore, in the comparison method based on the difference between the coefficients of the spherical harmonic function, even if two different shapes are similar,
It was determined that they were different, and it was necessary to normalize the target shape. Also, the coefficient sequence of the spherical harmonic function may have completely different coefficients depending on how to take the origin, even if the shape is the same, and shape classification cannot be simply performed by comparing the values of the coefficient sequence.
【０００６】本発明の目的は，原データへの閉曲面を表
す関数の当てはめと関数パラメータの比較とをくり返し
て，原データに極めて類似した物体を求めることを可能
とした３次元物体形状記述認識方法を提供することにあ
る。SUMMARY OF THE INVENTION It is an object of the present invention to provide a three-dimensional object shape description recognition system capable of obtaining an object very similar to the original data by repeating fitting of a function representing a closed surface to the original data and comparison of function parameters. It is to provide a method.
【０００７】また，本発明の他の目的は，球調和関数及
びこれ以外の関数を原データに当てはめて，安定な関数
パラメータの比較を可能とした３次元物体形状記述認識
方法を提供することにある。Another object of the present invention is to provide a three-dimensional object shape description recognizing method capable of applying a spherical harmonic function and other functions to original data to enable stable comparison of function parameters. is there.
【０００８】また，本発明の他の目的は，球調和関数の
次数を可変として，より詳細な形状の比較を可能とした
３次元物体形状記述認識方法を提供することにある。ま
た，本発明の他の目的は，球調和関数の係数列により形
成されるスペクトグラムを用いて，大局的な形状の類似
性の判断を可能とした３次元物体形状記述認識方法を提
供することにある。It is another object of the present invention to provide a three-dimensional object shape description recognizing method that enables a more detailed comparison of shapes by changing the order of a spherical harmonic function. Another object of the present invention is to provide a three-dimensional object shape description recognizing method capable of judging global similarity of shapes using a spectrum formed by a coefficient sequence of a spherical harmonic function. It is in.
【０００９】更に，本発明の他の目的は，球調和関数の
係数列により形成されるスペクトグラムを正規化して，
原データの相似形の認識をも可能とした３次元物体形状
記述認識方法を提供することにある。Still another object of the present invention is to normalize a spectrum formed by a coefficient sequence of a spherical harmonic function,
It is an object of the present invention to provide a three-dimensional object shape description recognition method capable of recognizing a similar shape of original data.
【００１０】[0010]
【課題を解決するための手段】前述の課題を解決するた
めに，請求項１に記載の発明は，対象物体の３次元形状
データを対応づける少なくとも２種類の閉曲面を表す関
数を用い，第１の関数で得られた座標値を利用しつつ，
第２の関数のパラメータを求めて，対象物体の形状記述
を行うようにしている。In order to solve the above-mentioned problems, the invention according to claim 1 is based on a three-dimensional shape of a target object.
A function representing at least two types of closed surfaces that associate data
Using the coordinates and the coordinate values obtained by the first function,
Find the parameters of the second function and describe the shape of the target object
To do .
【００１１】また，請求項２に記載の発明は，前記請求
項１に記載の発明において，当てはめるべき関数とし
て，球調和関数ならびに球調和関数以外の閉曲面を表す
ことのできる関数を用いる。According to a second aspect of the present invention, in the first aspect of the present invention, a spherical harmonic function and a function capable of representing a closed surface other than the spherical harmonic function are used as the functions to be applied.
【００１２】また，請求項３に記載の発明は，前記請求
項２に記載の発明において，球調和関数の次数を可変に
する工程を有する。また，請求項４に記載の発明は，前
記請求項２に記載の発明における関数パラメータの値の
比較の工程において，球調和関数の係数列により形成さ
れるスペクトグラムの波形の相関をとる工程を有する。According to a third aspect of the present invention, in the second aspect of the present invention, the method further includes a step of changing the order of the spherical harmonic function. According to a fourth aspect of the present invention, in the step of comparing the values of the function parameters according to the second aspect of the present invention, the step of correlating the waveform of the spectrum formed by the coefficient sequence of the spherical harmonic function is performed. Have.
【００１３】更に，請求項５に記載の発明は，前記請求
項４に記載の発明において，球調和関数の係数列により
形成されるスペクトグラムを正規化した後に比較を行う
工程を有する。Further, the invention according to a fifth aspect of the present invention is the invention according to the fourth aspect, further comprising a step of normalizing a spectrum formed by a coefficient sequence of a spherical harmonic function and then performing a comparison.
【００１４】[0014]
【作用】請求項１に記載の発明によれば，原データに，
閉曲面を表す関数を当てはめることで，対象の概略形状
を得ることができ，その関数のパラメータの比較によ
り，原データの類似形状の候補を取り出すことができ
る。次に，また別の関数を用いて，原データに再度当て
はめを行い，当てはめられた関数パラメータと，前記に
より選び出された候補に対して関数パラメータの比較を
行う。この操作を繰り返すことにより，徐々に候補が絞
り出され，最終的に原データに最も類似した物体を求め
ることができるようになる。According to the invention described in claim 1, the original data includes
By applying a function representing a closed surface, a rough shape of the object can be obtained, and similar shape candidates of the original data can be extracted by comparing the parameters of the function. Next, using another function, re-fitting is performed on the original data, and a comparison is made between the fitted function parameter and the function parameter of the candidate selected as described above. By repeating this operation, candidates are gradually narrowed down, and finally an object most similar to the original data can be obtained.
【００１５】また，請求項２に記載の発明によれば，上
記方法の当てはめるべき関数として，球調和関数並びに
球調和関数以外の閉曲面を表す関数Ｆを用い，まず，関
数Ｆの当てはめにより対象物の概略形状を求める。次
に，関数Ｆの中心座標を原データの中心座標として，原
データに対して球調和関数を当てはめる。この関数は３
次元版のフーリエ記述子と考えることができる。本発明
では，原点の位置により関数のパラメータが大きく変わ
ってしまうという球調和関数の欠点が，関数Ｆの中心を
用いることで，類似形状であればほぼ同じ位置に安定に
原点を得ることにより解消でき，球調和関数係数列のス
ペクトグラムの比較による対象物形状認識が可能とな
る。According to the second aspect of the present invention, a spherical harmonic function and a function F representing a closed surface other than the spherical harmonic function are used as functions to be applied to the above method. Obtain the general shape of the object. Next, a spherical harmonic function is applied to the original data, using the center coordinates of the function F as the center coordinates of the original data. This function is 3
It can be thought of as a dimensional version of the Fourier descriptor. In the present invention, the drawback of the spherical harmonic function, in which the function parameter greatly changes depending on the position of the origin, is solved by using the center of the function F and stably obtaining the origin at almost the same position if the shape is similar. Thus, the object shape can be recognized by comparing the spectrums of the spherical harmonic function coefficient sequence.
【００１６】また，請求項３に記載の発明によれば，上
記方法において球調和関数の次数を可変にすることで，
低次の球調和関数で原データの概略形状を比較し，徐々
に高次にしていくことで，より詳細な形状の比較を行う
ことが可能となる。According to the third aspect of the present invention, the degree of the spherical harmonic function is made variable in the above method,
By comparing the approximate shape of the original data with a low-order spherical harmonic function and gradually increasing the shape to a higher order, a more detailed shape comparison can be performed.
【００１７】また，請求項４に記載の発明によれば，球
調和関数の係数列により形成されるスペクトグラムの波
形形状を比較することで，大局的な形状の類似性を判断
することが可能となる。According to the fourth aspect of the present invention, it is possible to determine the global similarity of shapes by comparing waveform shapes of a spectrum formed by a coefficient sequence of a spherical harmonic function. Becomes
【００１８】また，請求項５に記載の発明によれば，球
調和関数の係数列により形成されるスペクトグラムを正
規化してから波形形状を比較することで，相似形状のオ
ブジェクトであっても，原データに類似した形状であれ
は，それを選び出すことが可能となる。According to the fifth aspect of the present invention, by comparing the waveform shapes after normalizing the spectrum formed by the coefficient sequence of the spherical harmonic function, even if the objects have similar shapes, If the shape is similar to the original data, it can be selected.
【００１９】[0019]
【実施例】本発明に関する実施例を図面に基づき詳述す
る。本実施例では原データへの当てはめに使用する関数
として超二次関数および球調和関数を用いる。超二次関
数は次式（１）で定義される一種の楕円体を表す関数で
ある。ここで，ε１，ε２は形状パラメータと呼び，実
数のべき乗を示し，ａ１，ａ２，ａ３はスケールパラメ
ータと呼び，ＸＹＺ軸方向の大きさを表している。BRIEF DESCRIPTION OF THE DRAWINGS FIG. In this embodiment, a hyperquadratic function and a spherical harmonic function are used as functions used for fitting to original data. The super quadratic function is a function representing a kind of ellipsoid defined by the following equation (1). Here, [epsilon] 1 and [epsilon] 2 are called shape parameters and indicate powers of real numbers, and a1, a2 and a3 are called scale parameters and represent magnitudes in the XYZ axis directions.
【００２０】[0020]
【数１】 (Equation 1)
【００２１】また，球調和関数Ｐn m (X) は次式（２）
で定義され，Further, the spherical harmonic function P n m (X) is the following formula (2)
Defined by
【００２２】[0022]
【数２】 (Equation 2)
【００２３】ここで，Ｐn はルジャンドルの多項式を表
す。３次元形状は，極座標で表現された球調和関数の線
形和Ｒ（θ，φ）として次式（３）で表される。Here, Pn represents a Legendre polynomial. The three-dimensional shape is represented by the following equation (3) as a linear sum R (θ, φ) of spherical harmonics expressed in polar coordinates.
【００２４】[0024]
【数３】 (Equation 3)
【００２５】式（３）に表される関数の係数Ａmn，Ｂmn
を変化させることで，様々な形状を表現することができ
る。逆に，このことから，前記係数Ａmn，Ｂmnのスペク
トグラム（係数列をスペクトグラムと考える）を見るこ
とによって，対象物の形状の類似性を判断することがで
きる。The coefficients Amn, Bmn of the function represented by equation (3)
By changing, various shapes can be expressed. Conversely, from this, it is possible to determine the similarity of the shape of the target object by looking at the spectrum of the coefficients Amn and Bmn (considering the coefficient sequence as a spectrumgram).
【００２６】例えば，明らかに外形の異なる対象物を，
一例として８次の球調和関数（（３）式でＤ＝８の場合
となる）で表現した場合のスペクトグラムを考えると，
横軸上に，９０個の係数が，左からＡ００，Ｂ００，Ａ
０１，Ｂ０１，Ａ１０，Ｂ１０，Ａ１１，Ｂ１１・・・
の順に並ぶ。横軸が係数列，縦軸が係数の値を表す。こ
の場合，係数値の包絡線の作る係数列の波形が，対象物
の形状により明らかに異なる波形となる。For example, an object having an apparently different outer shape is
As an example, considering a spectrogram expressed by an eighth-order spherical harmonic function (D = 8 in equation (3)),
On the horizontal axis, 90 coefficients are A00, B00, and A from the left.
01, B01, A10, B10, A11, B11 ...
In order. The horizontal axis represents the coefficient sequence, and the vertical axis represents the coefficient value. In this case, the waveform of the coefficient sequence formed by the envelope of the coefficient values clearly differs depending on the shape of the object.
【００２７】図１は本発明による３次元物体形状記述認
識方法の適用されるデータ処理装置の一構成図である。
１はデータ入力部，２は各種手段を制御する制御部，３
は各種形状の３次元オブジェクト及びそれらオブジェク
トに関数を当てはめたときの関数パラメータを蓄積，管
理しているオブジェクト・関数パラメータ記憶部，４は
記憶されているオブジェクト並びに関数形状等の表示部
である。２０は関数決定手段，２１は関数当てはめ手
段，２２は関数パラメータ相違度算出手段，２３は候補
オブジェクト選定手段である。制御部２はマイクロプロ
セッサからなり，図示しないメモリに書き込まれている
制御プログラムに従い後述するデータ処理を行う。以
下，実施例１乃至実施例４について，この機能を有する
仮想回路ブロックを想定して説明する。 （実施例１）実施例１は請求項１及び請求項２に記載の
発明について示す。即ち，本実施例１は，当てはめるべ
き関数として決定した関数を原データに当てはめて，物
体形状を関数パラメータをもとに比較すると共に，当て
はめるべき関数として球調和関数及びこれ以外の閉曲面
を表すことのできる関数として，特に超二次関数を用い
る。FIG. 1 is a configuration diagram of a data processing apparatus to which a three-dimensional object shape description recognition method according to the present invention is applied.
1 is a data input unit, 2 is a control unit for controlling various means, 3
Is an object / function parameter storage unit for accumulating and managing three-dimensional objects of various shapes and function parameters when functions are applied to those objects, and 4 is a display unit for stored objects and function shapes. 20 is a function determining means, 21 is a function fitting means, 22 is a function parameter difference calculating means, and 23 is a candidate object selecting means. The control unit 2 includes a microprocessor, and performs data processing described later according to a control program written in a memory (not shown). Hereinafter, Embodiments 1 to 4 will be described assuming a virtual circuit block having this function. (Embodiment 1) Embodiment 1 is directed to the first and second aspects of the present invention. That is, in the first embodiment, the function determined as the function to be applied is applied to the original data, the object shape is compared based on the function parameters, and the spherical harmonic function and other closed surfaces are represented as the functions to be applied. In particular, a hyperquadric function is used as a function that can be used.
【００２８】本実施例１では，制御部２の動作の内容は
図２のフローチャートに従い行われる。まず，第１の手
順により，３次元計測装置などで得られた対象物体の３
次元形状データ（入力データ）は，データ入力部１より
入力され（１００），関数当てはめ手段２１に送られ
る。以下，第３の手順により，関数当てはめ手段２１で
は，関数決定手段２０により当てはめるべき関数として
決定され指示された超二次関数を用いて（１０１），ま
ず最初に最小二乗法を用いて原データに関数を当てはめ
る（１０２）。具体的には，次式（４）で二乗誤差を定
義し，関数パラメータを決定する。In the first embodiment, the operation of the control section 2 is performed according to the flowchart of FIG. First, according to the first procedure, the target object 3
The dimensional shape data (input data) is input from the data input unit 1 (100) and sent to the function fitting means 21. Hereinafter, according to the third procedure, the function fitting means 21 uses the superquadratic function determined and designated as the function to be fitted by the function determining means 20 (101), and firstly, the original data using the least square method. (102). Specifically, a square error is defined by the following equation (4), and a function parameter is determined.
【００２９】[0029]
【数４】 (Equation 4)
【００３０】ここで，（Ｘc ，Ｙc ，Ｚc ）は超二次関
数の中心座標Ｇを表している。次に，当てはめられ近似
された超二次関数のパラメータＰは，関数パラメータ相
違度算出（比較）手段２２に送られ，その中心座標Ｇ
は，関数当てはめ手段２１に送られる。Here, (Xc, Yc, Zc) represents the center coordinate G of the superquadratic function. Next, the parameter P of the fitted and approximated superquadratic function is sent to the function parameter difference calculating (comparing) means 22 and its center coordinate G
Is sent to the function fitting means 21.
【００３１】一方，オブジェクト・関数パラメータ記憶
部３は，第２の手順により，予め，３次元物体の形状デ
ータを蓄積し管理する。例えば，ある３次元オブジェク
トについて，その球調和関数のパラメータの値及びその
超二次関数のパラメータの値等を記憶する。On the other hand, the object / function parameter storage unit 3 stores and manages the shape data of the three-dimensional object in advance according to the second procedure. For example, for a certain three-dimensional object, the value of the parameter of the spherical harmonic function, the value of the parameter of the super quadratic function and the like are stored.
【００３２】関数パラメータ相違度算出手段２２では，
近似された超二次関数のパラメータＰと，オブジェクト
・関数パラメータ記憶部３に記憶されている３次元オブ
ジェクトの超二次関数のパラメータの値との比較を行う
（１０３）。具体的には，各パラメータのユークリッド
距離Ｄを次式（５）により計算する（１０３）。The function parameter difference calculating means 22 calculates
The parameter P of the approximated superquadratic function is compared with the parameter value of the superquadratic function of the three-dimensional object stored in the object / function parameter storage unit 3 (103). Specifically, the Euclidean distance D of each parameter is calculated by the following equation (5) (103).
【００３３】[0033]
【数５】 (Equation 5)
【００３４】ここで，Ρinput は入力データに当てはめ
た関数パラメータＰ，Ρobjectはオブジェクト・関数パ
ラメータ記憶部３に蓄積されているオブジェクトの関数
パラメータを表している。Here, Ρ input represents a function parameter P applied to input data, and Ρ object represents a function parameter of an object stored in the object / function parameter storage unit 3.
【００３５】そして，候補オブジェクト選定手段２３に
よって，候補となる物体として，距離Ｄがしきい値以下
の候補オブジェクトＯ＝｛オブジェクト＃１，オブジェ
クト＃２，オブジェクト＃３，オブジェクト＃４，・・
・｝を選び出す（１０４）。これにより，原データ（か
ら得られるデータ）と予め蓄積された対象モデルとの形
状比較に基づいて，候補となる物体（の関数パラメー
タ）が選択される。Then, the candidate object selecting means 23 selects a candidate object O whose distance D is equal to or less than the threshold value as the candidate object = object # 1, object # 2, object # 3, object # 4,.
・ Select｝ (104). Thereby, a candidate object (a function parameter thereof) is selected based on a shape comparison between the original data (data obtained from the original data) and a target model stored in advance.
【００３６】次に，関数決定手段２０では，次に球調和
関数を使用することを関数当てはめ手段２１に指示し
（１０５），関数当てはめ手段２１において，原データ
に球調和関数を当てはめ，係数列を求める（１０６）。
具体的には，最小二乗誤差を次式（６）により，Next, the function determining means 20 instructs the function fitting means 21 to use the spherical harmonic function next (105), and the function fitting means 21 fits the spherical harmonic function to the original data to obtain a coefficient sequence. (106).
Specifically, the least square error is calculated by the following equation (6).
【００３７】[0037]
【数６】 (Equation 6)
【００３８】と定義する。ここで，（ｘｃ，ｙｃ，ｚ
ｃ）は，先に求めた超二次関数の中心座標Ｇとする。こ
れは，超二次関数によれば，類似形状であれば略同じ位
置に安定に中心座標Ｇが得られるからである。これによ
り，球調和関数の係数Ａmn，Ｂmnの列として，｛Ａ０
０，Ｂ００，Ａ０１，Ｂ０１，Ａ１０，Ｂ１０，Ａ１
１，Ｂ１１・・・｝という係数列が求められる。Is defined as Here, (xc, yc, z
c) is the center coordinate G of the superquadratic function obtained previously. This is because, according to the super quadratic function, the center coordinate G can be stably obtained at substantially the same position if the shape is similar. Thus, as a sequence of the coefficients Amn and Bmn of the spherical harmonic function, ｛A0
0, B00, A01, B01, A10, B10, A1
A coefficient sequence of 1, B11...
【００３９】次に，関数パラメータ相違度算出手段２２
において，先に処理１０４において選ばれた候補オブジ
ェクトＯのそれぞれが有する球調和関数の係数列（予
め，オブジェクト・関数パラメータ記憶部３に記憶され
ている）と，処理１０６において，入力データから求め
た係数列との相違度を求める（１０７）。例えば，係数
Ａmn，Ｂmnの係数列をパラメータＰと考え，（５）式に
基づいて，各係数の差の二乗和の大きさ（距離）により
類似性を判断する。そして，候補オブジェクト選定手段
２３において，距離Ｄの最も小さいものが，原データに
最も類似した形状をもつオブジェクト（最終候補）であ
ると認識され取り出される（１０８）。Next, function parameter difference calculating means 22
In step, the coefficient sequence of the spherical harmonic function of each of the candidate objects O previously selected in step 104 (stored in the object / function parameter storage unit 3 in advance) and the input data obtained in step 106 The difference from the coefficient sequence is determined (107). For example, considering the coefficient sequence of the coefficients Amn and Bmn as the parameter P, the similarity is determined based on the magnitude (distance) of the sum of squares of the difference between the coefficients based on equation (5). Then, the candidate object selecting means 23 recognizes and extracts the object having the smallest distance D as the object (final candidate) having the shape most similar to the original data (108).
【００４０】なお，本実施例では，関数パラメータ（係
数）の比較において，式（５）等により差を取っている
が，各パラメータの類似性が判断できればよく，比較の
手段はこれに限定されるものではない。 （実施例２）次に，実施例２について説明する。本実施
例２は請求項３に記載の発明について示す。In this embodiment, the difference between the function parameters (coefficients) is obtained by the equation (5), etc., but it is sufficient that the similarity of each parameter can be determined, and the means of comparison is not limited to this. Not something. (Embodiment 2) Next, Embodiment 2 will be described. Second Embodiment A second embodiment will be described.
【００４１】図３は本実施例２の流れを示すフローチャ
ートである。まず，入力されたデータに対して，実施例
１と同様のステップで超二次関数の当てはめが行われる
（１００乃至１０２）。これにより，前述の中心座標Ｇ
が関数当てはめ手段２１に得られる。FIG. 3 is a flowchart showing the flow of the second embodiment. First, a super quadratic function is applied to the input data in the same steps as in the first embodiment (100 to 102). As a result, the center coordinate G
Is obtained by the function fitting means 21.
【００４２】次に，球調和関数の当てはめのために，関
数決定手段２０では最初に，球調和関数として，低次
（例えば２次）の関数を使うことを指示する（１０
５）。従って，関数当てはめ手段２１では，まず，２次
の球調和関数での原データへの当てはめを中心座標Ｇを
用いて行う（１１０）。これにより，係数Ａmn，Ｂmnの
列として，｛Ａ００，Ｂ００，Ａ０１，Ｂ０１，Ａ１
０，Ｂ１０，Ａ１１，Ｂ１１・・・｝という係数列が求
められる。Next, in order to apply the spherical harmonic function, the function determining means 20 first instructs to use a low-order (for example, quadratic) function as the spherical harmonic function (10).
5). Therefore, the function fitting means 21 first performs the fitting to the original data with the secondary spherical harmonic function using the center coordinates G (110). Thus, as a column of coefficients Amn, Bmn, {A00, B00, A01, B01, A1
A coefficient sequence of 0, B10, A11, B11,...
【００４３】次に，関数パラメータ相違度算出手段２２
では，オブジェクト・関数パラメータ記憶部３に記憶さ
れているオブジェクトを２次の球調和関数で記述したと
きの係数列をそれぞれ取りだし，これと，先に処理１１
０において関数当てはめにより求められた球調和関数の
係数列との相違度を計算する（１０７）。相違度を求め
る手段として，（５）式を用いることとする。Next, function parameter difference calculating means 22
Then, a coefficient sequence when the object stored in the object / function parameter storage unit 3 is described by a second-order spherical harmonic function is taken out, and this is used for the processing 11
At 0, the degree of difference from the coefficient sequence of the spherical harmonic function obtained by function fitting is calculated (107). Equation (5) is used as a means for determining the degree of difference.
【００４４】次に，候補オブジェクト選定手段２３で
は，距離Ｄが，あるしきい値以下のオブジェクトを候補
オブジェクトとして選び出して，類似形状を選別し（１
１１），選別した類似形状の個数がｎ個以下かを調べる
（１１２）。距離Ｄのしきい値及び値ｎは予め定められ
る。選別した類似形状は，次回の処理１０７において，
オブジェクト・関数パラメータ記憶部３に記憶されてい
る係数列として用いられる。Next, the candidate object selecting means 23 selects an object whose distance D is equal to or less than a certain threshold value as a candidate object, and selects a similar shape (1).
11) It is checked whether the number of selected similar shapes is n or less (112). The threshold value and the value n of the distance D are predetermined. The selected similar shapes are used in the next process 107.
It is used as a coefficient sequence stored in the object / function parameter storage unit 3.
【００４５】処理１１２において，ｎ個以下でない場
合，関数決定手段２０の指示により，更に球調和関数の
次数を上げ，残った候補オブジェクトの各々について同
様の処理（１０５から１１２）が施される。In step 112, if the number is not equal to or less than n, the order of the spherical harmonic function is further increased by the instruction of the function determining means 20, and the same processing (105 to 112) is performed for each of the remaining candidate objects.
【００４６】処理１１２において，ｎ個以下となった
ら，残った候補オブジェクトの各々についての係数列と
入力データから得られた係数列との距離Ｄを，例えば
（５）式に基づいて計算し，Ｄが最も小さいオブジェク
トが最も入力データに類似した形状を持つオブジェクト
であると認識される（１１４）。このように，候補オブ
ジェクトが１つになったら，候補オブジェクト選定手段
２３により，これが原データに最も近いオブジェクト
（最終候補）として認識される（１１４）。In the processing 112, when the number becomes n or less, the distance D between the coefficient sequence for each of the remaining candidate objects and the coefficient sequence obtained from the input data is calculated based on, for example, equation (5). The object having the smallest D is recognized as the object having the shape similar to the input data (114). In this way, when the number of candidate objects becomes one, the candidate object selecting means 23 recognizes this as the object (final candidate) closest to the original data (114).
【００４７】なお，本実施例では，関数パラメータ（係
数）の比較において，式（５）により差を取っている
が，各パラメータの類似性が判断できればよく，比較の
手段はこれに限定されるものではない。 （実施例３）次に，実施例３について説明する。本実施
例３は請求項４に記載の発明について示す。In this embodiment, the difference between the function parameters (coefficients) is obtained by the equation (5). However, it is sufficient that the similarity of each parameter can be determined, and the means of comparison is limited to this. Not something. Third Embodiment Next, a third embodiment will be described. Third Embodiment A third embodiment will be described.
【００４８】図４は本実施例３の処理の流れを示すフロ
ーチャートである。本実施例３では，実施例２と同様に
データ入力から球調和関数の当てはめまでの処理を行う
（１００乃至１１０）。FIG. 4 is a flowchart showing the flow of the processing of the third embodiment. In the third embodiment, the processes from the data input to the application of the spherical harmonic function are performed as in the second embodiment (100 to 110).
【００４９】次に，関数当てはめ手段２１において当て
はめられた球調和関数の係数を取りだし，係数Ａmn，Ｂ
mnの列として，｛Ａ００，Ｂ００，Ａ０１，Ｂ０１，Ａ
１０，Ｂ１０，Ａ１１，Ｂ１１｝という係数列Ａをつく
る。一方，オブジェクト・関数パラメータ記憶部３に記
憶されているオブジェクトの係数列を取りだし，同様の
係数列を作成する。そして，関数パラメータ相違度算出
手段２２では，図５に示すように，係数列をスペクトグ
ラムと考え，個々の波形形状の相関を取る（１２１）。
図５において，５０は，入力されたデータのスペクトグ
ラムを表している。候補オブジェクト選定手段２３で
は，オブジェクト・関数パラメータ記憶部３に記憶され
ている他の３次元物体のスペクトグラムのそれぞれと波
形の相関を取り，相関の高いものを取りだしていく（１
２２）。また，図５において，５１，５２，５３・・・
は，それぞれ，オブジェクト＃１，オブジェクト＃２，
オブジェクト＃３，・・・の３次元物体のそれぞれのス
ペクトグラムを表す。そして，入力データのスペクトグ
ラム５０と３次元物体のそれぞれのスペクトグラム５
１，５２，５３・・・の波形をそれぞれ比較し，相関値
が最も大きいオブジェクトが最終候補として原データと
同一形状の物であると認識され取り出される（１２
３）。 （実施例４）次に，実施例４について説明する。本実施
例４は請求項５に記載の発明について示す。Next, the coefficients of the spherical harmonic function fitted by the function fitting means 21 are extracted, and the coefficients Amn, B
As a column of mn, {A00, B00, A01, B01, A
10, B10, A11, B11}. On the other hand, a coefficient sequence of the object stored in the object / function parameter storage unit 3 is taken out, and a similar coefficient sequence is created. Then, as shown in FIG. 5, the function parameter dissimilarity calculating means 22 considers the coefficient sequence as a spectogram and takes a correlation between individual waveform shapes (121).
In FIG. 5, reference numeral 50 denotes a spectrum of the input data. The candidate object selection means 23 correlates the waveform with each of the other three-dimensional object spectrograms stored in the object / function parameter storage unit 3 and picks out one having a high correlation (1).
22). 5, 51, 52, 53,...
Are object # 1, object # 2, respectively
.. Represent the spectrograms of the three-dimensional objects # 3,. Then, the spectrum 50 of the input data and the spectrum 5 of each of the three-dimensional objects are obtained.
, 52, 53... Are compared, and the object having the largest correlation value is recognized as the final candidate having the same shape as the original data and taken out (12).
3). (Embodiment 4) Next, Embodiment 4 will be described. Fourth Embodiment A fourth embodiment will be described.
【００５０】図６は本実施例４の処理の流れを示すフロ
ーチャートである。本実施例４では，実施例３の処理手
順と同様に，球調和関数の当てはめまでの処理を行い，
係数列を算出する（１００乃至１１０）。FIG. 6 is a flowchart showing the flow of the processing of the fourth embodiment. In the fourth embodiment, similarly to the processing procedure of the third embodiment, the processes up to the application of the spherical harmonic function are performed.
A coefficient sequence is calculated (100 to 110).
【００５１】次に，関数パラメータ相違度算出手段２２
では，さらに，係数列の値を正規化し（１３０），この
正規化された係数列を用いて，実施例３と同様に図５に
示すように，入力データのスペクトグラム５０とオブジ
ェクトとのスペクトグラムの波形の相関を取る（１２
１）。そして，候補オブジェクト選定手段２３により，
最も相関の高いオブジェクト（例えばオブジェクト＃
４，オブジェクト＃５）が選び出される（１２２）。こ
のオブジェクト＃４及びオブジェクト＃５は，その正規
化されたスペクトグラムがほぼ同じ形状を有している。
図７において，５４及び５５は，それぞれオブジェクト
＃４，オブジェクト＃５の正規化する前のスペクトグラ
ムを表している。この段階で，原データと相似形状のオ
ブジェクトが選出されることになる。Next, function parameter difference calculating means 22
Then, the value of the coefficient sequence is further normalized (130), and using this normalized coefficient sequence, as in the third embodiment, as shown in FIG. Correlate the gram waveform (12
1). Then, by the candidate object selecting means 23,
Objects with the highest correlation (eg object #
4, object # 5) is selected (122). The normalized spectra of the object # 4 and the object # 5 have substantially the same shape.
In FIG. 7, reference numerals 54 and 55 denote spectrums of the object # 4 and the object # 5 before normalization, respectively. At this stage, an object having a similar shape to the original data is selected.
【００５２】最終オブジェクトを１つ選択する場合は，
次に，候補オブジェクト選定手段２３により，この２つ
のオブジェクトの各係数と入力データから得られた係数
との距離Ｄを（５）式に基づいて計算し，Ｄが最も小さ
いオブジェクトが，最も原データに類似した形状を持つ
オブジェクトであると認識される（１２３）。When selecting one final object,
Next, the distance D between each coefficient of the two objects and the coefficient obtained from the input data is calculated by the candidate object selecting means 23 based on the equation (5). (123).
【００５３】以上のように，本実施例４によれば，最初
の低次の球調和関数の係数列では，大局的な形状が類似
しているものを選び出すことができ，球調和関数の次数
をあげることで，徐々に，より局所的な形状の類似性を
判断しながら，原データの形状認識を行うことができ
る。As described above, according to the fourth embodiment, it is possible to select, from the first coefficient sequence of the low-order spherical harmonic function, one having a similar global shape, and to select the order of the spherical harmonic function. Thus, the shape recognition of the original data can be performed while gradually judging the similarity of the more local shapes.
【００５４】以上，本発明を実施例により説明したが，
本発明はその主旨に従い種々変形可能である。例えば，
本実施例では，最初の概略近似の関数として超二次関数
を用いたが，３次元形状を表現する関数は多数考えら
れ，物体形状を表現する基本オブジェクトであればいず
れを用いてもよく，超二次関数に限定されるものではな
い。また，本実施例では，対象物を１つの関数で記述す
る例を示しているが，他の分割手法を適用し，個々の部
品に対して本手法を適用することで，対象形状に依存せ
ずに，形状認識が可能となる。更に，本実施例では，ス
ペクトグラムの波形を比較する場合に，相関を取ってい
るが，波形の類似性が判断できる手法であれば良く，こ
れに限定されるものではない。The present invention has been described with reference to the embodiments.
The present invention can be variously modified according to the gist. For example,
In this embodiment, a super quadratic function is used as a function of the first approximate approximation. However, many functions expressing a three-dimensional shape are conceivable, and any basic object expressing an object shape may be used. It is not limited to superquadrics. In this embodiment, an example is described in which an object is described by one function. However, by applying another division method and applying this method to individual parts, the object shape is dependent on the object shape. And shape recognition becomes possible. Further, in the present embodiment, when comparing the waveforms of the spectograms, the correlation is obtained. However, any method capable of determining the similarity of the waveforms may be used, and the present invention is not limited to this.
【００５５】[0055]
【発明の効果】以上説明したように，本発明によれば，
３次元物体形状記述認識方法において，対象物を１つの
関数で記述するだけでなく，対象に応じて当てはめるべ
き関数を変えることで，より広範囲の対象形状の認識が
可能となる。また，球調和関数は，回転に対して不偏で
あるため，対象物の姿勢に左右されずに形状の比較がで
きる。また，球調和関数を用いることにより，局所形状
の類似性のみならず，大局的な形状の比較が可能とな
る。また，原点の位置によりスペクトグラムは変化して
しまうが，他の関数の近似により得られた関数中心座標
を用いることで原点のずれに対しても安定に形状の比較
をすることができる。更に，波形形状の比較により，原
データとサイズの異なるオブジェクトしか記憶部にない
としても，その相似形状のオブジェクトを類似形状物と
して認識することが可能となる。As described above, according to the present invention,
In the three-dimensional object shape description recognition method, it is possible to recognize a wider range of target shapes by not only describing the target object with one function but also changing the function to be applied according to the target. Further, since the spherical harmonic function is not biased with respect to rotation, it is possible to compare shapes without being influenced by the posture of the object. Further, by using the spherical harmonic function, not only similarity of local shapes but also global shape comparison can be performed. Although the spectogram changes depending on the position of the origin, the shape can be stably compared with respect to the deviation of the origin by using the function center coordinates obtained by approximation of another function. Further, by comparing the waveform shapes, even if only objects having different sizes from the original data are stored in the storage unit, it is possible to recognize an object having a similar shape as a similar shape object.
【図１】本発明の一構成図である。FIG. 1 is a configuration diagram of the present invention.
【図２】実施例１の処理フローチャートである。FIG. 2 is a processing flowchart of the first embodiment.
【図３】実施例２の処理フローチャートである。FIG. 3 is a processing flowchart of a second embodiment.
【図４】実施例３の処理フローチャートである。FIG. 4 is a processing flowchart of a third embodiment.
【図５】処理課程概念図である。FIG. 5 is a conceptual diagram of a processing course.
【図６】実施例４の処理フローチャートである。FIG. 6 is a processing flowchart of a fourth embodiment.
【図７】処理課程概念図である。FIG. 7 is a conceptual diagram of a processing course.
１ データ入力部 ２ 制御部 ３ オブジェクト・関数パラメータ記憶部 ４ 表示部 ２０ 関数決定手段 ２１ 関数当てはめ手段 ２２ 関数パラメータ相違度算出手段 ２３ 候補オブジェクト選定手段 ５０ 入力データのスペクトグラム ５１，５２，５３ ３次元物体のそれぞれのスペクトグ
ラム ５４，５５ 初期選別で選択された候補の３次元物体の
スペクトグラムDESCRIPTION OF SYMBOLS 1 Data input part 2 Control part 3 Object / function parameter storage part 4 Display part 20 Function determination means 21 Function fitting means 22 Function parameter dissimilarity calculation means 23 Candidate object selection means 50 Spectra 51, 52, 53 of input data 3D Spectra of each object 54, 55 Spectra of candidate 3D object selected in initial screening
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平２−110788（ＪＰ，Ａ) 田中弘一、外３名，情報処理学会研究 報告ＣＶ−74，“球面調和関数展開を用 いた３次元物体の姿勢推定法”，日本, 1991年 ９月20日，Ｖｏｌ．91，Ｎｏ. 81，74−７ (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 1/00 G06T 7/00 - 7/00 G01B 21/20 ──────────────────────────────────────────────────続 き Continuation of the front page (56) References JP-A-2-110788 (JP, A) Koichi Tanaka, 3 others, IPSJ Research Report CV-74, “Three-dimensional objects using spherical harmonic function expansion Posture Estimation Method ", Japan, September 20, 1991, Vol. 91, No. 81, 74-7 (58) Fields investigated (Int. Cl. 7 , DB name) G06T 1/00 G06T 7 /00-7/00 G01B 21/20
Claims (5)
第１の手順と，３次元物体の形状データを蓄積，管理す
る第２の手順と，原データとあらかじめ蓄積されてある
対象モデルとの形状を比較し，候補となる物体を選び出
す第３の手順とをもつ３次元物体形状記述認識方法にお
いて， 前記第３の手順が，処理に使用する少なくとも２種類の閉曲面を表す関数を
選択する第１の工程と， 第１の工程で選択された第１の閉曲面を表す関数に対し
て，入力された前記対象物体の３次元形状データを対応
づけると共に，前記蓄積されてある対象モデルと比較し
て，対象物体の好ましい候補を決定する第２の工程と， 第２の工程で決定された好ましい候補に対応する第１の
閉曲面を表す関数の下で得られた座標値を利用すると共
に前記対象物体の３次元形状データを対応づけて，第１
の工程で選択された第２の閉曲面を表す関数のパラメー
タを抽出する第３の工程と， 第３の工程で抽出されたパラメータを用いて，前記蓄積
されてある対象モデルの候補との類似性を求める第４の
工程と， 第４の工程の結果を用いて，対象物体の形状記述を行う
第５の工程と を有する ことを特徴とする３次元物体形状
記述認識方法。1. A first procedure for inputting three-dimensional shape data of a target object, a second procedure for storing and managing shape data of the three-dimensional object, and a procedure for comparing original data with a previously stored target model. A three-dimensional object shape description recognition method having a third procedure of comparing shapes and selecting candidate objects, wherein the third procedure includes a function representing at least two types of closed surfaces used for processing.
For the first step to be selected and the function representing the first closed surface selected in the first step,
Corresponding to the input 3D shape data of the target object
At the same time, compare with the stored target model
A second step of determining a preferable candidate of the target object, and a first step corresponding to the preferable candidate determined in the second step.
Using the coordinate values obtained under the function representing the closed surface,
Is associated with the three-dimensional shape data of the target object.
Of the function representing the second closed surface selected in the step
Using a third step of extracting data, the parameters extracted in the third step, the accumulated
A fourth method for finding similarity with a candidate for a target model
Describe the shape of the target object using the results of the process and the fourth process
3D object shape descriptor recognition method characterized by having a fifth step.
閉曲面を表す関数を用い， 第２の閉曲面を表す関数として，球調和関数を用いる こ
とを特徴とする請求項１に記載の３次元物体形状記述認
識方法。2. The method according to claim 3, wherein the function representing the first closed surface is different from a spherical harmonic function.
Using a function representing a closed surface, as a function representing a second closed surface, three-dimensional object shape description recognition method according to claim 1 which comprises using the spherical harmonics.
和関数の次数を可変にすることを特徴とする請求項２に
記載の３次元物体形状記述認識方法。3. The three-dimensional object shape description recognition method according to claim 2, wherein in the step of determining the function, the order of the spherical harmonic function is made variable.
おいて，球調和関数の係数列により形成されるスペクト
グラムの波形の相関をとることを特徴とする請求項２に
記載の３次元物体形状記述認識方法。4. The three-dimensional object shape description according to claim 2, wherein in the step of comparing the values of the function parameters, a waveform of a spectrum formed by a coefficient sequence of a spherical harmonic function is correlated. Recognition method.
規化されたスペクトグラムを比較することを特徴とする
請求項４に記載の３次元物体形状記述認識方法。5. The three-dimensional object shape description recognition method according to claim 4, wherein, in the comparison of the spectrograms, normalized ones are compared.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00245094A JP3305847B2 (en) | 1994-01-14 | 1994-01-14 | 3D object shape description recognition method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00245094A JP3305847B2 (en) | 1994-01-14 | 1994-01-14 | 3D object shape description recognition method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07210679A JPH07210679A (en) | 1995-08-11 |
| JP3305847B2 true JP3305847B2 (en) | 2002-07-24 |
Family
ID=11529626
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP00245094A Expired - Fee Related JP3305847B2 (en) | 1994-01-14 | 1994-01-14 | 3D object shape description recognition method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3305847B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4193519B2 (en) * | 2003-02-27 | 2008-12-10 | セイコーエプソン株式会社 | Object identification method and object identification apparatus |
| KR100785339B1 (en) * | 2006-11-16 | 2007-12-17 | 중앙대학교 산학협력단 | Apparatus and method for recognizing shape from an image |
| US7916927B2 (en) | 2007-01-16 | 2011-03-29 | Asml Netherlands B.V. | Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method |
-
1994
- 1994-01-14 JP JP00245094A patent/JP3305847B2/en not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| 田中弘一、外３名，情報処理学会研究報告ＣＶ−７４，"球面調和関数展開を用いた３次元物体の姿勢推定法"，日本，１９９１年 ９月２０日，Ｖｏｌ．９１，Ｎｏ．８１，７４−７ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07210679A (en) | 1995-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6324299B1 (en) | Object image search using sub-models | |
| JP4494427B2 (en) | A vector correlation system that automatically locates patterns in images. | |
| US6807303B1 (en) | Method and apparatus for retrieving multimedia data using shape information | |
| US7162105B2 (en) | Method, apparatus, computer program, computer system, and computer-readable storage medium for representing and searching for an object in an image | |
| US6532304B1 (en) | Matching geometric objects | |
| US20080260254A1 (en) | Automatic 3-D Object Detection | |
| JPH0291778A (en) | Method of recognizing pattern | |
| US20140086503A1 (en) | Method and system for encoding an image using normalized feature vectors | |
| Dibeklioglu et al. | 3D facial landmarking under expression, pose, and occlusion variations | |
| US10748018B2 (en) | Multi-stage tattoo matching techniques | |
| CN107016319B (en) | Feature point positioning method and device | |
| JP2006523345A (en) | Shape matching method for indexing and searching multimedia data | |
| EP2005367A1 (en) | Method of locating features of an object | |
| CN109034131A (en) | A kind of semi-automatic face key point mask method and storage medium | |
| CN110781937A (en) | Point cloud feature extraction method based on global visual angle | |
| JP3305847B2 (en) | 3D object shape description recognition method | |
| JP2002216132A (en) | Line based image matching method | |
| US20100098301A1 (en) | Method and Device for Recognizing a Face and Face Recognition Module | |
| Schramm et al. | Toward fully automatic object detection and segmentation | |
| US8655080B2 (en) | Method and apparatus for identifying combinations of matching regions in images | |
| Ramasubramanian et al. | Fast nearest-neighbor search based on Voronoi projections and its application to vector quantization encoding | |
| CN110675507A (en) | Three-dimensional model processing method and device and storage medium | |
| Seemann et al. | Simplification of multi-scale geometry using adaptive curvature fields | |
| Heap et al. | Extending the Point Distribution Model using polar coordinates | |
| JP3841481B2 (en) | Feature extraction apparatus and pattern identification apparatus using the same |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |