JP3441648B2 - ワーク姿勢識別装置 - Google Patents
ワーク姿勢識別装置Info
- Publication number
- JP3441648B2 JP3441648B2 JP15167798A JP15167798A JP3441648B2 JP 3441648 B2 JP3441648 B2 JP 3441648B2 JP 15167798 A JP15167798 A JP 15167798A JP 15167798 A JP15167798 A JP 15167798A JP 3441648 B2 JP3441648 B2 JP 3441648B2
- Authority
- JP
- Japan
- Prior art keywords
- work
- posture
- image
- gravity
- center
- 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)
- Length Measuring Devices By Optical Means (AREA)
Description
【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、コンピュータを用
いてワークの姿勢を識別するワーク姿勢識別装置に関す
る。 【０００２】 【従来の技術】平面に置かれるワークの安定姿勢が数通
りの標準パターンに分類される場合、任意の姿勢に置か
れたワークの姿勢（ｘθ，ｙθ，ｚθ）を識別する装置
には、パターンマッチングの手法を用いた装置がある。
パターンマッチングは、任意の姿勢に置かれたワークの
姿勢の平面画像を、予め記憶させた全ての標準パターン
の平面画像と比較して、ワークがいずれのパターンの姿
勢にあるかを識別するものである。 【０００３】 【発明が解決しようとする課題】パターンマッチングで
は、全画像領域からワークを抽出した２値化画像を用
い、標準パターンの２値化画像とマッチングさせる。 【０００４】しかし、パターンマッチングで識別させる
には、２値化画像は情報量が少ないので、コンピュータ
でワークの姿勢を識別させることは難しく、更に、ワー
クの形状が複雑になるとワーク姿勢を識別できない場合
もある。 【０００５】例えば、任意の姿勢に置かれたワークを、
ロボットアームの先端に取付たハンド等で直接把持する
用途では、ハンドがワークの所定箇所を正確につかめる
ように、ワークの姿勢を精度良く識別する必要がある
が、上述の方法は、識別精度が低いのでこのような用途
に適用できない。 【０００６】そこで、本発明は、ワークの姿勢識別精度
を向上させ、かつ、短時間で識別が行えるワーク姿勢識
別装置を提供することを目的とする。 【０００７】本発明のワーク姿勢識別装置は、平面に置
いた場合に安定姿勢が数通りのパターン有るナックルア
ームについて、任意の姿勢に置いたナックルアームの平
面画像を取込む画像取込手段と、ナックルアームの平面
画像からナックルアームの種々特徴量を算出し、各特徴
量に基づいてワークの姿勢を識別する識別手段とを備え
たワーク姿勢識別装置において、識別手段は、学習段階
で、外接矩形の面積、重心からの距離の最大値、重心か
らの距離の最小値、重心からの距離の平均値、外接矩形
の長辺の長さ、外接矩形の短辺の長さのうち、少なくと
も１つを含む特徴量について、各特徴量の重みとしきい
値とを、ニューラルネットワークを用いて最適化し、さ
らに、ナックルアームの姿勢を識別するのに有利な差の
ある特徴量を選出するものであることを特徴としてい
る。 【０００８】また、各特徴量の重みとしきい値を、ニュ
ーラルネットワークを用いて最適化することによって、
識別精度の向上と、識別時間の短縮を図ることができ
る。 【０００９】特徴量は、特に識別に有利な差のあるもの
として、外接矩形の面積、重心からの距離の最大値、重
心からの距離の最小値、重心からの距離の平均値、穴の
数、外接矩形の長辺の長さ、外接矩形の短辺の長さ等が
ある。 【００１０】 【発明の実施の形態】以下、本発明のワーク姿勢識別装
置の一実施形態を図面に基づき説明する。 【００１１】図１に示すように、本発明のワーク姿勢識
別装置は、ワークの平面画像を取り込むカメラ１１と、
カメラ１１から入力される画像を基にワークの姿勢を識
別する識別装置１２とを有する。なお、ワークＷは、自
動車部品の一つである鋳肌のグレーを基調とするナック
ルアームで、低明度の平面上に置かれ、平面に置かれた
場合に数パターンの安定姿勢（標準パターン）が存在す
るものとする。 【００１２】カメラ１１はワークＷの平面画像が得られ
るように配設される。 【００１３】識別装置１２は、カメラ１１によって取込
まれるワークＷの平面画像を入力画像として、ワークＷ
の姿勢を識別するものである。 【００１４】識別装置１２は、まず、入力画像を２値化
してワークＷの平面形状のみを抽出し、ワークＷの平面
形状からいくつかの所定の特徴量を算出する。次に、予
め、ニューラルネットワーク（学習機能）によって最適
化した各特徴量の重みとしきい値を用いて、入力画像の
ワークＷが標準パターンのうちいずれの姿勢であるかを
判断させ、その結果を出力する。 【００１５】以下、識別装置において、各特徴量の重み
としきい値を最適化する際に用いられるニューラルネッ
トワークについて説明する。 【００１６】ニューラルネットワークは、予め、標準パ
ターンに基づいてワーク姿勢を学習させる必要がある。 【００１７】例えば、形状が既知のワークＷが平面に置
かれたときの安定姿勢が６つのパターンに分類できると
き、図２に示すように、〜の平面画像の２値化画像
が得られる。 【００１８】まず、６つの標準パターンで、ワークＷの
平面形状のみを抽出した２値化画像において、それぞれ
のパターンで識別に有利な差のある特徴量を選出する。
ここで、各画像から求め得る種々の特徴量から、いくつ
かを選出するのは、識別処理の速度を向上させるためで
ある。従って、充分な識別精度が得られる範囲内で、選
出される特徴量の数を少なくすることが望ましい。 【００１９】特に識別に有利な差のある特徴量として、
外接矩形の面積、重心からの距離の最大値、重心からの
距離の最小値、重心からの距離の平均値、穴の数、外接
矩形の長辺の長さ、外接矩形の短辺の長さ等がある。 【００２０】上記のワークＷでは、以下に挙げる特徴量
を用いる。 （１）外接矩形の面積 （２）重心からの距離の最大値 （３）重心からの距離の最小値 （４）重心からの距離の平均値 （５）穴の数 （６）外接矩形の長辺の長さ なお、各特徴量は既存の画像処理ソフトによって自動的
に計算できる。 【００２１】外接矩形は、図３に示すように、２値化画
像によって抽出されるワークＷの平面形状に対して各辺
が外接する矩形Ａであって、矩形Ａの直交する２辺Ａ
１，Ａ２の軸方向が、ワークＷの平面形状の等価楕円Ｂ
の長軸Ｂ１と短軸Ｂ２の軸方向と等しい矩形をいう。 【００２２】重心は、２値化画像によって抽出されるワ
ークＷの平面形状の重心をいう。 【００２３】穴の数は、２値化画像によって抽出される
ワークＷの平面形状内に存在する穴の数をいう。 【００２４】図４は、識別装置の処理を示す。 【００２５】学習段階は、まず、６つの標準パターンの
うち、のパターンについて、カメラ１１でワークＷの
平面画像を取込み、識別装置１２でこの入力画像を２値
化して上記６つの特徴量を算出する。次に、各特徴量
と、各特徴量が示す平面画像のパターンがであること
とをニューラルネットワークに入力する。 【００２６】その情報より、ニューラルネットワーク
は、かかる特徴量が示す平面画像が、のパターンのも
のであると学習し、以後、同様の特徴量が示された場合
にのパターンのものと識別できるように、各特徴量に
ついて重み付けを行い、また、のパターンに特定でき
るしきい値を設定する。この処理は、のパターンにつ
いて充分な識別精度が得られるまで繰り返し行う。 【００２７】残りの〜のパターンについても同様に
学習させる。 【００２８】この学習段階により、ニューラルネットワ
ークにおいて、〜の全ての標準パターンについて各
特徴量の重みとしきい値が最適化される。 【００２９】従って、その後の識別段階では、例えば、
図５に示すような、〜のいずれのパターンであるか
分っていない未識別のワークの入力画像について、各特
徴量を算出し、学習段階を経たニューラルネットワーク
に入力する。ニューラルネットワークは、学習段階で最
適化された各特徴量の重みとしきい値とによって、ワー
クの姿勢が〜のいずれのパターンであるかを識別す
る。そして、例えば外接矩形の長辺の傾きによってその
姿勢の回転量を算出し、ワークの姿勢（ｘθ，ｙθ，ｚ
θ）を求める。 【００３０】ニューラルネットワークを用いたワークの
姿勢識別装置は、学習段階で充分な識別精度が得られる
ように、各特徴量の重みやしきい値が最適化されるの
で、ワーク姿勢の識別精度が向上し、また、適切に特徴
量を選出することによって、識別処理が簡易化され処理
時間が短縮する。 【００３１】このワーク姿勢識別装置によって得られる
ワークの姿勢のデータは、充分な識別精度を有するの
で、例えば、ロボットアームを操作する制御装置にその
データを送ることによって、ロボットアームの先端のハ
ンドを操作し、ワークを正確に把持することができる。
また、特徴量の選出は識別装置が自動的に行うものとし
ても良い。 【００３２】 【発明の効果】本発明のワーク姿勢識別装置は、ワーク
の姿勢を識別する際に、標準パターンにおいて識別に有
利な差のある特徴量を選出しているので、充分な情報量
をもって識別できる。 【００３３】また、学習段階で、外接矩形の面積、重心
からの距離の最大値、重心からの距離の最小値、重心か
らの距離の平均値、外接矩形の長辺の長さ、外接矩形の
短辺の長さのうち、少なくとも１つを含む特徴量につい
て、ニューラルネットワークを用いて各特徴量の重みと
しきい値を設定することによって、識別精度の向上及び
識別時間の短縮を図ることができる。
いてワークの姿勢を識別するワーク姿勢識別装置に関す
る。 【０００２】 【従来の技術】平面に置かれるワークの安定姿勢が数通
りの標準パターンに分類される場合、任意の姿勢に置か
れたワークの姿勢（ｘθ，ｙθ，ｚθ）を識別する装置
には、パターンマッチングの手法を用いた装置がある。
パターンマッチングは、任意の姿勢に置かれたワークの
姿勢の平面画像を、予め記憶させた全ての標準パターン
の平面画像と比較して、ワークがいずれのパターンの姿
勢にあるかを識別するものである。 【０００３】 【発明が解決しようとする課題】パターンマッチングで
は、全画像領域からワークを抽出した２値化画像を用
い、標準パターンの２値化画像とマッチングさせる。 【０００４】しかし、パターンマッチングで識別させる
には、２値化画像は情報量が少ないので、コンピュータ
でワークの姿勢を識別させることは難しく、更に、ワー
クの形状が複雑になるとワーク姿勢を識別できない場合
もある。 【０００５】例えば、任意の姿勢に置かれたワークを、
ロボットアームの先端に取付たハンド等で直接把持する
用途では、ハンドがワークの所定箇所を正確につかめる
ように、ワークの姿勢を精度良く識別する必要がある
が、上述の方法は、識別精度が低いのでこのような用途
に適用できない。 【０００６】そこで、本発明は、ワークの姿勢識別精度
を向上させ、かつ、短時間で識別が行えるワーク姿勢識
別装置を提供することを目的とする。 【０００７】本発明のワーク姿勢識別装置は、平面に置
いた場合に安定姿勢が数通りのパターン有るナックルア
ームについて、任意の姿勢に置いたナックルアームの平
面画像を取込む画像取込手段と、ナックルアームの平面
画像からナックルアームの種々特徴量を算出し、各特徴
量に基づいてワークの姿勢を識別する識別手段とを備え
たワーク姿勢識別装置において、識別手段は、学習段階
で、外接矩形の面積、重心からの距離の最大値、重心か
らの距離の最小値、重心からの距離の平均値、外接矩形
の長辺の長さ、外接矩形の短辺の長さのうち、少なくと
も１つを含む特徴量について、各特徴量の重みとしきい
値とを、ニューラルネットワークを用いて最適化し、さ
らに、ナックルアームの姿勢を識別するのに有利な差の
ある特徴量を選出するものであることを特徴としてい
る。 【０００８】また、各特徴量の重みとしきい値を、ニュ
ーラルネットワークを用いて最適化することによって、
識別精度の向上と、識別時間の短縮を図ることができ
る。 【０００９】特徴量は、特に識別に有利な差のあるもの
として、外接矩形の面積、重心からの距離の最大値、重
心からの距離の最小値、重心からの距離の平均値、穴の
数、外接矩形の長辺の長さ、外接矩形の短辺の長さ等が
ある。 【００１０】 【発明の実施の形態】以下、本発明のワーク姿勢識別装
置の一実施形態を図面に基づき説明する。 【００１１】図１に示すように、本発明のワーク姿勢識
別装置は、ワークの平面画像を取り込むカメラ１１と、
カメラ１１から入力される画像を基にワークの姿勢を識
別する識別装置１２とを有する。なお、ワークＷは、自
動車部品の一つである鋳肌のグレーを基調とするナック
ルアームで、低明度の平面上に置かれ、平面に置かれた
場合に数パターンの安定姿勢（標準パターン）が存在す
るものとする。 【００１２】カメラ１１はワークＷの平面画像が得られ
るように配設される。 【００１３】識別装置１２は、カメラ１１によって取込
まれるワークＷの平面画像を入力画像として、ワークＷ
の姿勢を識別するものである。 【００１４】識別装置１２は、まず、入力画像を２値化
してワークＷの平面形状のみを抽出し、ワークＷの平面
形状からいくつかの所定の特徴量を算出する。次に、予
め、ニューラルネットワーク（学習機能）によって最適
化した各特徴量の重みとしきい値を用いて、入力画像の
ワークＷが標準パターンのうちいずれの姿勢であるかを
判断させ、その結果を出力する。 【００１５】以下、識別装置において、各特徴量の重み
としきい値を最適化する際に用いられるニューラルネッ
トワークについて説明する。 【００１６】ニューラルネットワークは、予め、標準パ
ターンに基づいてワーク姿勢を学習させる必要がある。 【００１７】例えば、形状が既知のワークＷが平面に置
かれたときの安定姿勢が６つのパターンに分類できると
き、図２に示すように、〜の平面画像の２値化画像
が得られる。 【００１８】まず、６つの標準パターンで、ワークＷの
平面形状のみを抽出した２値化画像において、それぞれ
のパターンで識別に有利な差のある特徴量を選出する。
ここで、各画像から求め得る種々の特徴量から、いくつ
かを選出するのは、識別処理の速度を向上させるためで
ある。従って、充分な識別精度が得られる範囲内で、選
出される特徴量の数を少なくすることが望ましい。 【００１９】特に識別に有利な差のある特徴量として、
外接矩形の面積、重心からの距離の最大値、重心からの
距離の最小値、重心からの距離の平均値、穴の数、外接
矩形の長辺の長さ、外接矩形の短辺の長さ等がある。 【００２０】上記のワークＷでは、以下に挙げる特徴量
を用いる。 （１）外接矩形の面積 （２）重心からの距離の最大値 （３）重心からの距離の最小値 （４）重心からの距離の平均値 （５）穴の数 （６）外接矩形の長辺の長さ なお、各特徴量は既存の画像処理ソフトによって自動的
に計算できる。 【００２１】外接矩形は、図３に示すように、２値化画
像によって抽出されるワークＷの平面形状に対して各辺
が外接する矩形Ａであって、矩形Ａの直交する２辺Ａ
１，Ａ２の軸方向が、ワークＷの平面形状の等価楕円Ｂ
の長軸Ｂ１と短軸Ｂ２の軸方向と等しい矩形をいう。 【００２２】重心は、２値化画像によって抽出されるワ
ークＷの平面形状の重心をいう。 【００２３】穴の数は、２値化画像によって抽出される
ワークＷの平面形状内に存在する穴の数をいう。 【００２４】図４は、識別装置の処理を示す。 【００２５】学習段階は、まず、６つの標準パターンの
うち、のパターンについて、カメラ１１でワークＷの
平面画像を取込み、識別装置１２でこの入力画像を２値
化して上記６つの特徴量を算出する。次に、各特徴量
と、各特徴量が示す平面画像のパターンがであること
とをニューラルネットワークに入力する。 【００２６】その情報より、ニューラルネットワーク
は、かかる特徴量が示す平面画像が、のパターンのも
のであると学習し、以後、同様の特徴量が示された場合
にのパターンのものと識別できるように、各特徴量に
ついて重み付けを行い、また、のパターンに特定でき
るしきい値を設定する。この処理は、のパターンにつ
いて充分な識別精度が得られるまで繰り返し行う。 【００２７】残りの〜のパターンについても同様に
学習させる。 【００２８】この学習段階により、ニューラルネットワ
ークにおいて、〜の全ての標準パターンについて各
特徴量の重みとしきい値が最適化される。 【００２９】従って、その後の識別段階では、例えば、
図５に示すような、〜のいずれのパターンであるか
分っていない未識別のワークの入力画像について、各特
徴量を算出し、学習段階を経たニューラルネットワーク
に入力する。ニューラルネットワークは、学習段階で最
適化された各特徴量の重みとしきい値とによって、ワー
クの姿勢が〜のいずれのパターンであるかを識別す
る。そして、例えば外接矩形の長辺の傾きによってその
姿勢の回転量を算出し、ワークの姿勢（ｘθ，ｙθ，ｚ
θ）を求める。 【００３０】ニューラルネットワークを用いたワークの
姿勢識別装置は、学習段階で充分な識別精度が得られる
ように、各特徴量の重みやしきい値が最適化されるの
で、ワーク姿勢の識別精度が向上し、また、適切に特徴
量を選出することによって、識別処理が簡易化され処理
時間が短縮する。 【００３１】このワーク姿勢識別装置によって得られる
ワークの姿勢のデータは、充分な識別精度を有するの
で、例えば、ロボットアームを操作する制御装置にその
データを送ることによって、ロボットアームの先端のハ
ンドを操作し、ワークを正確に把持することができる。
また、特徴量の選出は識別装置が自動的に行うものとし
ても良い。 【００３２】 【発明の効果】本発明のワーク姿勢識別装置は、ワーク
の姿勢を識別する際に、標準パターンにおいて識別に有
利な差のある特徴量を選出しているので、充分な情報量
をもって識別できる。 【００３３】また、学習段階で、外接矩形の面積、重心
からの距離の最大値、重心からの距離の最小値、重心か
らの距離の平均値、外接矩形の長辺の長さ、外接矩形の
短辺の長さのうち、少なくとも１つを含む特徴量につい
て、ニューラルネットワークを用いて各特徴量の重みと
しきい値を設定することによって、識別精度の向上及び
識別時間の短縮を図ることができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係るワーク姿勢識別装置
の概略図である。 【図２】本発明の一実施形態に係るワークの〜の標
準パターンを示す図面である。 【図３】の標準パターンの外接矩形を示す図面であ
る。 【図４】識別装置の処理を示す図面である。 【図５】未識別ワークの平面２値化画像を示す図面であ
る。 【符号の説明】 １１ カメラ １２ 識別装置 Ｗ ワーク
の概略図である。 【図２】本発明の一実施形態に係るワークの〜の標
準パターンを示す図面である。 【図３】の標準パターンの外接矩形を示す図面であ
る。 【図４】識別装置の処理を示す図面である。 【図５】未識別ワークの平面２値化画像を示す図面であ
る。 【符号の説明】 １１ カメラ １２ 識別装置 Ｗ ワーク
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 特開 平９−167234（ＪＰ，Ａ)
特開 平10−63318（ＪＰ，Ａ)
特開 平６−52317（ＪＰ，Ａ)
特開 平５−71933（ＪＰ，Ａ)
特開 平８−212329（ＪＰ，Ａ)
特開 平８−263659（ＪＰ，Ａ)
特開 平４−372338（ＪＰ，Ａ)
特開 平９−304019（ＪＰ，Ａ)
実開 平４−42341（ＪＰ，Ｕ)
(58)調査した分野(Int.Cl.7，ＤＢ名)
G01B 11/26
G06T 7/00
Claims (1)
- (57)【特許請求の範囲】 【請求項１】平面に置いた場合に安定姿勢が数通りのパ
ターン有るナックルアームについて、 任意の姿勢に置いたナックルアームの平面画像を取込む
画像取込手段と、 前記ナックルアームの平面画像からナックルアームの種
々特徴量を算出し、各特徴量に基づいて前記ワークの姿
勢を識別する識別手段とを備えたワーク姿勢識別装置に
おいて、 前記識別手段は、学習段階で、外接矩形の面積、重心か
らの距離の最大値、重心からの距離の最小値、重心から
の距離の平均値、外接矩形の長辺の長さ、外接矩形の短
辺の長さのうち、少なくとも１つを含む特徴量につい
て、前記各特徴量の重みとしきい値とを、ニューラルネ
ットワークを用いて最適化し、さらに、ナックルアーム
の姿勢を識別するのに有利な差のある特徴量を選出する
ものであることを特徴とするワーク姿勢識別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15167798A JP3441648B2 (ja) | 1998-06-01 | 1998-06-01 | ワーク姿勢識別装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15167798A JP3441648B2 (ja) | 1998-06-01 | 1998-06-01 | ワーク姿勢識別装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11344322A JPH11344322A (ja) | 1999-12-14 |
| JP3441648B2 true JP3441648B2 (ja) | 2003-09-02 |
Family
ID=15523848
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP15167798A Expired - Fee Related JP3441648B2 (ja) | 1998-06-01 | 1998-06-01 | ワーク姿勢識別装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3441648B2 (ja) |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08104Y2 (ja) * | 1990-08-01 | 1996-01-10 | 本田技研工業株式会社 | ワーク支持装置 |
| JP2712888B2 (ja) * | 1991-06-21 | 1998-02-16 | ダイキン工業株式会社 | ワーク識別方法およびその装置 |
| JPH0652317A (ja) * | 1992-08-04 | 1994-02-25 | Fuji Electric Co Ltd | パターン認識装置 |
| JP3560670B2 (ja) * | 1995-02-06 | 2004-09-02 | 富士通株式会社 | 適応的認識システム |
| JPH08263659A (ja) * | 1995-03-22 | 1996-10-11 | Toyota Motor Corp | 認識対象の回転角度検出方法 |
| JP3101674B2 (ja) * | 1995-12-15 | 2000-10-23 | 岡山大学長 | Ｃａｄ情報を用いた３次元認識手法及び装置 |
| JPH09304019A (ja) * | 1996-05-15 | 1997-11-28 | Ishikawajima Harima Heavy Ind Co Ltd | 対象物体の位置・姿勢検出方法 |
| JP3594747B2 (ja) * | 1996-08-22 | 2004-12-02 | 豊田工機株式会社 | 物体認識方法及びその装置 |
-
1998
- 1998-06-01 JP JP15167798A patent/JP3441648B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH11344322A (ja) | 1999-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4920572A (en) | Object recognition system for a robot | |
| EP0128820A2 (en) | Pattern matching method and apparatus | |
| JP2977032B2 (ja) | 距離及び方向に鑑みたパターン整合装置及びその方法 | |
| CN111428731B (zh) | 基于机器视觉的多类目标识别定位方法、装置和设备 | |
| JP2821348B2 (ja) | 指紋照合装置 | |
| US6549683B1 (en) | Method and apparatus for evaluating a scale factor and a rotation angle in image processing | |
| CN109284757A (zh) | 一种车牌识别方法、装置、计算机装置及计算机可读存储介质 | |
| JP4300098B2 (ja) | オブジェクト識別方法とその装置、プログラム及び記録媒体 | |
| US6735343B2 (en) | Polygon finder and pruned tree geometric match method | |
| JP2003281541A (ja) | 認識装置および方法 | |
| JP3225740B2 (ja) | 山積み部品の高速ピッキング装置 | |
| JP3441648B2 (ja) | ワーク姿勢識別装置 | |
| JP2861014B2 (ja) | 物体認識装置 | |
| CN113034526A (zh) | 一种抓取方法、抓取装置及机器人 | |
| JPH08315152A (ja) | 画像認識装置 | |
| JPH11144057A (ja) | 画像認識装置および画像認識方法 | |
| JP2555823B2 (ja) | 山積み部品の高速ピッキング装置 | |
| JP2003216935A (ja) | 顔抽出装置及び方法及びそれを記憶した記録媒体 | |
| JP3497979B2 (ja) | 距離検出装置 | |
| JP4614582B2 (ja) | 部分テンプレート生成装置 | |
| JP4162909B2 (ja) | パターン認識装置 | |
| JP2002032753A (ja) | 画像認識方法 | |
| JP2844628B2 (ja) | 文字認識装置 | |
| JP2870272B2 (ja) | 車両のナンバープレート認識方法 | |
| JP3046532B2 (ja) | 物体の認識方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030606 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080620 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100620 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100620 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120620 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |