JP3724014B2 - 画像認識装置および画像認識方法 - Google Patents

Description

【０００１】
本発明は、撮像された画像の中に存在する物体の位置と方向を高速で求める画像認識装置および画像認識方法に係るものである。
【０００２】
【従来の技術】
部品を組立てる分野においては自動化が進み、組立てる部品等については、人間の目によることなく画像認識処理によってその位置や傾きを確認し、その把握された情報に基いてロボットにより組立て加工が行われている。したがって、画像認識技術には、一層の高速化、高精度化が要望されている。
【０００３】
１．従来の画像認識装置の構成
まず、一般に用いられる相関技術に基く画像認識装置について、その概略を図１により説明する。
図１において、画像入力部１は、認識したい画像をカメラ等によって撮像し、その画像入力信号をＡ／Ｄ変換することにより、後段でのデジタル処理ができるように構成されている。
【０００４】
画像切出し部２は、先に入力した画像信号から所定の位置に対応する信号を抽出する（切出す）ように構成されている。該切出し部２より切出される情報量は、認識したい標準パターンを表現したベクトル要素数と同一になるようされている。
【０００５】
標準パターンメモリ３，３，‥‥は、認識したいパターンであるパターン０〜パターン＋２を標準パターンとして記憶するメモリであり、各メモリは夫々、例えば、部品の向きが基準方向である基準の標準パターン０、この基準の標準パターンを正の方向に若干角度回転した標準パターン＋１、標準パターン＋１を更に正の方向に若干角度回転した標準パターン＋２、また基準の標準パターン０を負の方向に若干角度回転した標準パターン−１、標準パターン−１を更に負の方向に若干角度回転した標準パターン−２を記憶している。このように基準となる基準パターン０に対し、夫々正負の方向に回転した標準パターンを含めているのは、撮像された画像が必ずしも同一方向に向いてはいないからである。なお、標準パターンは、その形状の水平方向画素数と垂直方向画素数との乗算で得られる数、即ち標準パターンを構成する全画素数Ｎの数列で表現されるので、Ｎ次元のベクトル値として扱われる。
【０００６】
パターン選択部４は、標準パターンメモリ３，３，‥‥に記憶されたパターン０〜パターン＋２のうち、いずれか１個のパターンを指定選択できるように構成されている。個々の標準パターンはＮ次元のベクトルで表現されているので、パターン選択部４の出力もＮ次元のベクトルで表現される。
【０００７】
相関演算部５は、２つの同次元ベクトルについて正規相互相関演算を行う演算部であって、一方の入力に画像切出し部２の出力であるＮ次元ベクトル情報を、他方の入力にパターン選択部４の出力であるＮ次元ベクトル情報を受けるように構成されている。
【０００８】
２．相関演算の具体的方法
次に相関演算につき、図２を用いてその概略を説明する。
▲１▼ 図２では、分かり易いように標準パターン１２をＮ＝５×５＝２５の画素ｘ₁ ，ｘ₂ ，‥‥，ｘ₂₅（ｘ_j ）より成るものとしてある。使用する標準パターンの種類をｉとし、標準パターンｉに対する標準パターン及びその各画素を夫々ｘ_i 及びｘ_ijで表す。
【０００９】
これに対し、入力画像１４はその撮像された領域は広いものであるが、そのうちの一部の領域１３を取出し、これを構成する画素を標準パターン１２の場合と同様にｙ₁ ，ｙ₂ ，‥‥，ｙ₂₅（ｙ_j ）とする。そして、任意の切出し領域１３の数式上の表記をｙとする。
▲２▼ さて、ｘ_i とｙが決まると、次の一般式
【数１】

による演算を行う。この式（１）が正規相互相関の定義式である。
【００１０】
しかし、式（１）をそのまま装置に構成すると、多くの項を逐次計算しなければならず高速化を望めない。そこで一般には、この式中に含まれる項ができるだけ少なくなるよう前処理を加える。
【００１１】
▲３▼ 具体的にいえば、切出し領域１３の全画素情報の平均値を計算し、平均値をオフセット（偏差）量としてこれを各画素から減算する正規化演算を行う（６５）。即ち、
【数２】

の計算により切出した領域の画素に係るオフセット値ａを得、それから各切出し画素（要素）毎に
【数３】

を計算する。このようにして得られた切出し画素情報を、以下ベクトル表記して
【数４】

とし、これを正規化された切出し領域という。ここまでで、入力画像に対する準備が終了する。
▲４▼ 一方、各標準パターンｉについても、濃淡値の平均が０となるように全ベクトル要素からオフセット値を減算する（６４）。即ち、
【数５】

により各標準パターンｉ毎のオフセット値ａ_i を計算し、それから各標準パターンｉの要素毎に
【数６】

を計算する。このようにして得られた要素をベクトル表記し、
【数７】

とする。以下、これを正規化された標準パターンという。
【００１２】
▲５▼ 上記準備によって、
【数８】

【数９】

となるため、（１）式は、
【数１０】

と書換えられ、簡単になる。なお、分母の第１項は、標準パターンについてのみの計算式であるので、予め計算することができる性質のものである。したがって、パターン突合せ（マッチング）処理をするに当たり、実時間で計算しなければならないのは、分子項と分母第２項のみとなる。
【００１３】
▲６▼ 次に、（１０）式の分子をみると、これは標準パターンｉに係るベクトルと入力画像に係るベクトルとの内積を表し、分母は、標準パターンｉのノルム（norm）及び切出し領域のノルムを表している。よって、（１０）式は、
【数１１】

と書くことができる。
なお、（１０）式の分子には係数Ｎが乗じられているが、Ｎは定数であるから計算を単純にするためこれを無視した。
【００１４】
（１１）式から分かるように、入力画像に対して行う標準パターンｉとの正規相互相関演算は、入力画像の正規化された切出し領域を表現したベクトルの長さと、正規化された標準パターンベクトルとの内積をとることで実現される。
【００１５】
▲７▼ 以上の前処理により、相関演算は（１１）式に従って行いうることが分かる（６６）。
この演算は、先に取出した一部の領域１３を入力画像中で順次移動させ、画像全体に対して行う。相互相関では、２つのパターンが全く一致した時に最も高い数値となることが知られている。この性質により、画像全体に対して行われた演算結果のうち最も高い数値を示した座標が、標準パターンと同一（もしくは最も類似）の物品が撮像されている位置である、ということになる。
【００１６】
３．相関演算により物品を認識する手順
次に、図１に示した構成において、上記相互相関演算を行う手順を説明する。
画像入力部１で撮像された、認識したい物品を含む画像情報は、画像切出し部２によって切出され、一定範囲内の情報が抽出される。このときの切出し領域の形状は、標準パターンメモリ３，３，‥‥に記憶されている標準パターンの外郭の形状と同一である。即ち、切出し領域及び標準パターンを構成する縦方向の画素数と横方向の画素数とは、夫々一致している。したがって、画像切出しされる情報も、Ｎ次元のベクトル情報として取扱われる。
【００１７】
一方、パターン選択部４で選択する標準パターンは、まずパターン０とする。そうすると、撮像した画像から切出した位置と標準パターンが決まるので、これら２つのＮ次元ベクトル情報を対象として正規相互相関演算を行い、この切出し領域の相関値を算出する。
【００１８】
次に、パターン選択部４で選択する標準パターンを、次のパターンであるパターン−１とすると共に、先にパターン０を対象として正規相互相関演算を行った切出し領域と同一の切出し領域に対して相関値を算出する。以下同様に、残りの標準パターンすべてについてこの相関演算を繰返す。結局、上記の構成による場合、同一の切出し領域に対して５つの相関演算を行うことになる。
【００１９】
次に、切出し領域を入力画像中で順次１画素ステップでシフトする「走査処理」をしてゆき、上述のようなパターン突合せ処理を全入力画像に対して行う。こうした処理の結果、各標準パターンｉに対して最も高い数値を得られた切出し位置が、その標準パターンに係る物品が存在した位置ということになる。
【００２０】
【発明が解決しようとする課題】
ここで、上述の相関演算によるパターン突合せ処理をする場合、１つの切出し領域において最も演算時間を要する乗算処理の回数を数えると、
【数１２】

ではＮ回、
【数１３】

では（Ｎ＋１）回である。その他にも乗算があるが、Ｎが大きい場合にはほぼ無視できるので、約２Ｎ回の乗算が行われるといえる。結局、１標準パターン当たり２Ｎ回の演算が必要になる。いま認識したいパターンの数をＰとすると、夫々の標準パターンについて上記演算が行われるので、１つの切出し位置につき２ＮＰ回の乗算処理をすることになる。
【００２１】
本画像認識装置を部品組立て処理などに利用するためには、標準パターンとして縦１００画素、横１００画素程度のものが必要である。したがって、この場合には、認識すべき標準パターンを１つ増す毎に２００００回の乗算処理が増えることになる。これでは、抽出すべき物品数や傾きの許容度を拡大したとき、満足できる速度で処理することができなくなる。
【００２２】
また、上述のような簡単なパターン突合せでは、標準パターン中の全画素について、該パターン中に重要な特徴があるかどうかに拘らず平等に取扱っている。したがって、先の例の如く、撮像された部品が必ずしも一方向に向いていないために標準パターンとして基準となる標準パターンの外に夫々回転した標準パターンを含めなければならない場合において、現実に撮像された物品の回転角が用意された標準パターンのうちの１つと同一でないときには、その相関値の低下が顕著となり抽出に失敗することがある、という問題点があった。
よって、かかる問題点を解決することが本発明の課題である。
【００２３】
【課題を解決するための手段】
本発明の骨子は、Ｋ−Ｌ展開法（Karhunen-Loeve Expansion）を画像処理に用いることにより、特徴を捉えた表現で標準パターンを登録し、現実に撮像された物品の回転角が用意された標準パターンのうちの１つと同一でないときでも、相関値の低下が顕著とならず認識率の向上を期待できるようにした点にある。
【００２４】
本発明では更に、Ｋ−Ｌ展開法で表現された標準パターンのうち、複数の標準パターンにおいて同一の演算をする共通部分を抽出し、かかる演算を１つの切出し領域の演算において共通に利用することにより、従来技術に対して認識率低下を招くことなく飛躍的な高速化を計っている。
【００２５】
まず、本発明に用いるＫ−Ｌ展開について説明する。Ｋ−Ｌ展開については他の文献に詳しく説明されているが、ここでは演算手順についても簡単に述べることにする。
（ａ） Ｋ−Ｌ展開による標準パターン表現の性質
Ｋ−Ｌ展開とは、複数の標準パターンにおいて、各標準パターンに共通の性質がある要素と、各標準パターンに特有の性質がある要素とを分離し、これらの要素を線型結合の形式で表記すると共に、標準パターン毎に対応する係数の組を後者要素に組合せ、前記要素のみから各標準パターンを表現するものである。ここで、標準パターンに特有の性質を表す要素は、各標準パターンについて直交独立のベクトルとなっているという特徴がある。
【００２６】
本展開によれば、共通の性質を表す要素が標準パターン群のおよその性質を代表しているために、パターン認識によって類似形態のものを抽出し易くすると共に、標準パターン毎の分離は直交独立のベクトルとのベクトル演算によって行われるので、いわゆる弛緩法（Relaxation Method ）を１つの演算中で実現しているのと類似の効果が期待できる。
【００２７】
（ｂ） Ｋ−Ｌ展開による標準パターン表現の具体的演算方法
本発明では、Ｋ−Ｌ展開を標準パターンに対してのみ適用する。具体的には、以下のような演算を行う。
【００２８】
▲１▼ まず、従来の技術においても行っているように、各標準パターンｉについて全画素の濃淡値平均が０となるようにオフセット値を減算する。即ち、前記の（５）式
【数１４】

により各標準パターンｉ毎のオフセット値ａ_i を計算し、それから各標準パターンｉの要素毎に前記の（６）式
【数１５】

を計算する。こうして得られた要素をベクトル表記し、前記の（７）式
【数１６】

とする。以下、これを正規化された標準パターンという。
【００２９】
▲２▼ 次に、Ｐ個ある標準パターンの対応するベクトル要素毎の平均を取る。即ち、
【数１７】

を計算する。こうして得られた要素をベクトル表記し、
【数１８】

とする。
【００３０】
▲３▼ 次に、▲１▼及び▲２▼で得られたベクトルに基いて共分散行列Ａを定義する。
【数１９】

【００３１】
▲４▼ 次に、▲３▼で得られた共分散行列の固有値問題、即ち、
Ａｅ_j ＝Ａλ_j ‥‥（２０）
を解くことによって固有ベクトルｅ_j と固有値λ_j （ｊ＝１，２，‥‥，Ｐ−１前記のｊとは異なる点に注意）を求める。ただし、固有ベクトルｅ_j と固有値λ_j のｊ＝１，‥‥，Ｐ−１への割当ては、
λ₁ ＞λ₂ ＞‥‥＞λ_P-1 ‥‥（２１）
となるようにする。
【００３２】
ここで、固有値の数がたかだかＰ−１個しかないのは、共分散行列において共通項であるｃを各標準パターンについて演算しているので、独立度が１つ減少するためである。
【００３３】
以上のようにして得られた固有値λ_j は、これに対する固有ベクトルｅ_j がどの程度各標準パターンに固有の特徴を有しているかの度合いを示す指標となっており、このため、固有値が大きい程、これに対応する固有ベクトルが各標準パターンを分離するのに重要な意義を有しているといえる。
なお、固有ベクトルｅ_j は、夫々Ｎ次元の直交基底となっている。
【００３４】
▲５▼ 次に、上述の処理で得られた固有ベクトルｅ_j を用いて正規化された標準パターンを書換える。
【数２０】

ここで、ｐ_ijは
【数２１】

によって決定される。
このように、元の標準パターンは式（２２）及び（２３）のような表記に展開され、これをＫ−Ｌ展開表現という。
【００３５】
▲６▼ 各固有ベクトルに対応する固有値は各標準パターンの特徴を表現することに寄与しているとはいえ、固有値が小さい固有ベクトルは、画像識別において余り意味がない。
したがって、Ｋ−Ｌ展開によれば、（２２）式のように全固有ベクトルについて１次結合していなくても、多少の誤差を許容すれば、１次結合する項数を制限することが可能である。
【００３６】
例えば、この結合項数をＫとして
【数２２】

と近似表現してもよいことになる。ここに、ｐ_ijは（２３）式で与えられるものと同じである。
【００３７】
なお、Ｋ−Ｌ展開された標準パターン情報（２４）式は、数多くの計算を必要とするが、これらの計算は入力する画像とは無関係である。よって、認識したい標準パターンが予め決まっている限り、事前に計算してその計算結果を記憶しておき、必要に応じてこれを読出せばよい。
また、Ｋは、固有値及び許容できる認識率を確認しながら決定すればよい。
【００３８】
▲７▼ しかし、上記（２４）式は標準パターンを単にＫ−Ｌ展開しただけであり、この結果を（１１）式に適用したとしても、認識率の差こそあれ、従来と同じ数の演算をしなければならず、演算の高速化は望めない。
【００３９】
即ち、１つの切出し位置における１つの標準パターンに関する乗算数は、相関値分子項で約Ｎ回、相関値分母項中の

演算で約Ｎ回になる。そして、Ｐ個の標準パターンがある場合

演算の結果は共通に使えるので、分母項で約ＰＮ回の演算が増えることになり、その結果全体として約（Ｐ＋１）Ｎ回の演算が行われることが分かる。
【００４０】
▲８▼ そこで、本発明者は、標準パターン毎に計算しなければならない項を減らすと共に、各標準パターンで共通に演算できる項が多くなるように、（１１）式を変形し、この変形した式に基いて装置を構成することとした。即ち、（１１）式はその分子が線型結合されているので、これに分配法則を適用して
【数２３】

とする。
【００４１】
なお、

のノルムの項は、（２４）式によって得られる近似した

に基く。また、分子第１項と、分子第２項内の

項とは、１つの画像切出しが行われる毎に１回だけ演算すればよいものである。したがって、標準パターンを１つ増しても、それによって単にスカラー演算が１回増すに留まることが示唆されている。
【００４２】
【発明の実施の形態】
Ｋ−Ｌ展開を用いた本発明の実施例を図３を用いて説明する。
画像入力部３１は、認識したい画像をカメラ等により撮像し、その入力をＡ／Ｄ変換して、後段でデジタル処理ができるようにする。画像切出し部３２は、入力した画像から所定の位置（領域）を切出す（抽出する）ように構成する。該切出し部３２より切出される情報量は、認識したい標準パターンを表現したベクトル要素の数と同一とする。
【００４３】
濃度正規化部３３は、切出した領域の画素の全情報の平均値を計算し、その平均値をオフセット量として各画素から減算する演算を行う。具体的には、前記の（２）式
【数２４】

の計算により、切出した領域に係るオフセット値ａを得、それから各切出し要素毎に前記の（３）式
【数２５】

を計算する。こうして得られた切出し画素情報をベクトル表記して、
【数２６】

とする（前記（４）式参照）。この要素情報は、全標準パターンについて共通に利用されるので、１つの切出し毎に保持しておく。
【００４４】
固有ベクトル情報メモリ３６，３６‥‥は、各標準パターンについて予め演算されたＫ−Ｌ展開で得られた固有ベクトル情報を記憶するメモリである。具体的には、（２０）式から得られるｅ_j （ｊ＝１，２，‥‥，Ｋ）がこれらのメモリに記憶されている。
【００４５】
固有ベクトル重み情報メモリ３９，３９，‥‥は、上記固有ベクトル情報に対応して各標準パターン毎に決定されるｐ_ijを記憶するメモリである。具体的には、前記の（２３）式
【数２７】

によって決定されたｐ_ij（ｉ＝１，２，‥‥，Ｐ）（ｊ＝１，２，‥‥，Ｋ）が記憶されている。ここに、ｐ_ijはスカラー量である。そして、後述する制御用ＣＰＵ６２によりｉが指定されたときに、上記メモリ３９，３９，‥‥は、その指定された標準パターンに対応するｐ_ijを出力する。
【００４６】
固有ベクトル相関要素計算部３７は、上記固有ベクトル情報ｅ_j （ｊ＝１，２，‥‥Ｋ）と濃度正規化された入力画像情報との内積演算を行い、

を算出する。この結果はスカラー値であるが（以下、便宜上ｖ_j とする。）、固有ベクトル情報ｅ_j （ｊ＝１，２，‥‥，Ｋ）毎に計算されるものであるから、Ｋ種類の数値群が得られることになる。
【００４７】
パターン依存相関要素計算部３８は、先に得られたｖ_j と固有ベクトル重み情報ｐ_ijとの乗算を行う。ここで、ｖ_j 及びｐ_ijは夫々スカラー量であるので、１つの標準パターン毎にＫ回の乗算が行われる。
【００４８】
Σ計算部４０は、スカラー加算を行う加算部であって、パターン依存相関要素計算部３８で計算されたｖ_j ・ｐ_ijについてｊ＝１，２，‥‥，Ｋまで各スカラー値毎に加算する。これによって、
【数２８】

を得たことになる。
【００４９】
共通パターン情報メモリ３４は、標準パターンの共通するパターン情報である前記（１８）式によるＮ次元ベクトル
【数２９】

を記憶する部分である。
【００５０】
共通パターン相関要素計算部３５は、入力画像から抽出した１つの切出し領域に対する、全標準パターンの共通するパターン情報である（１８）式のベクトルとの内積演算を行う部分である。この演算により、前記（２５）式の分子第１項である

が算出されることになる。
【００５１】
加算部４４は、Σ計算部４０と共通パターン相関要素計算部３５の出力をスカラー加算する部分である。この出力は、正規相関値に対応した（２５）式の相関値Ｃ_i の分子項の値に相当する。
【００５２】

計算部４１は濃度正規化部３３より得られた切出し入力画像ベクトルのノルムを算出する部分であって、１つの切出しに対してＮ回の掛け算（自乗算）が行われる。したがって、その出力値はスカラー量である。
【００５３】

メモリ４２は、標準パターンを表現したベクトルのノルムを各標準パターンの種類ｉ毎に記憶しているメモリであり、ｉが後述する制御用ＣＰＵ６２により指定されたときに、その指定された標準パターンに対応する

のノルムを出力する。その出力値は、スカラー量である。
【００５４】
乗算部４３は、上記

計算部４１の出力値及び

メモリ４２の出力値の乗算を行う部分である。この値は、正規相関値に対応した相関値Ｃ_i （（２５）式）の分母項に相当する。
【００５５】
除算部４５は、加算部４４の出力を乗算部４３の出力で除算する部分である。この演算は、１つの切出し領域に対する１つの標準パターン間の演算でただ１回行われ、その出力は正規相関値に対応した相関値Ｃ_i （（２５）式）に相当する。
【００５６】
相関結果バンク６３，６３，‥‥は、標準パターンの種類ｉ（Ｐ個）毎に独立したメモリバンクであって、１つのバンク６３の中に入力画像の画素数とほぼ同数の数値を記憶することができ、これらのバンクは、除算部４５の出力を、その演算が行われた標準パターン及び切出した領域に対応する番地に格納するようになっている。
【００５７】
制御用ＣＰＵ６２は、画像入力の切出し、標準パターンｉの指定、相関結果バンクのバンク選択をすると共に、相関結果バンク６３内に記憶された情報の読出しを行う。
【００５８】
次に、上述した装置の動作を説明する。
画像入力部３１から入力された画像はＡ／Ｄ変換され、画像切出し部３２の作用により、制御用ＣＰＵ６２から指定された位置（領域）が切出される。切出された画像情報は、濃度正規化部３３により平均値が０となるように正規化される。
【００５９】
制御用ＣＰＵ６２は標準パターンの種類ｉを指定し、これによって指定を受けた固有ベクトル重み情報メモリ３９は、固有ベクトル重み情報ｐ_ijを出力する。
【００６０】
次いで、濃度正規化部３３の出力と共通パターン情報メモリ３４に記憶された共通パターン情報

との内積が、共通パターン相関要素計算部３５で演算される。この演算によって前記（２５）式の分子第１項である

が算出されることになるが、これは、１つの切出し領域についてただ１回行われればよく、したがって１つの切出し領域毎にＮ回の乗算が行われる。
【００６１】
他方、濃度正規化部３３の出力は、固有ベクトル相関要素計算部３７において

の算出に使用される。その演算は、１つの切出し領域に対する１つの固有ベクトル情報毎にＮ回行われるので、１つの切出し領域毎に全種類の固有ベクトルについて演算すると、ＮＫ回演算が行われることになる。ただし、この演算は、パターン突合せをする標準パターンの種類に拘らずただ１回行えばよいものである。
【００６２】
次に、パターン依存相関要素計算部３８を通してΣ計算が行われ、前記（２５）式の分子第２項が計算される。ここで、パターン依存相関要素計算部３８は、制御用ＣＰＵ６２により指定された標準パターンを処理する毎に計算を行う。したがって、１つの切出し領域に対する全標準パターンの突合せ計算のためにＫＰ回の演算が行われることになる。
【００６３】
一方

計算部４１は、正規化された切出し領域情報のノルム

を計算する。この結果と、制御用ＣＰＵ６２から指定された標準パターンの種類ｉに対応して

メモリ４２から引出された

値とが乗算され（４３）、相関値Ｃ_i の分母項の演算が行われる。
【００６４】
次に、これら分子及び分母の値が除算され（４５）、この結果は、指定された標準パターンの種類ｉ及び制御用ＣＰＵ６２から指定を受けた切出し位置に対応する相関結果バンク６３の番地に記憶される。
【００６５】
次に、制御用ＣＰＵ６２によって相関結果バンク６３内が走査され、標準パターン毎にピーク値が検出される。この結果、最も高いピーク値があった番地に対応する切出し位置に、当該標準パターンに登録された物品が検出されたことになる。
【００６６】
上述の実施例においては、全標準パターンと１つの切出し位置との間で行われる乗算回数は、共通パターン相関要素計算部３５でＮ回、固有ベクトル相関要素計算部３７でＮＫ回、パターン依存相関要素計算部３８でＰＫ回、そして

計算部４１でＮ回となり、全体で約Ｎ（Ｋ＋２）＋ＰＫ回の演算が行われることが分かる。
【００６７】
実験により、一般の部品を認識するには、標準パターンとして同一の物品を約４度ずつ回転させたものを用意すれば、満足できる結果が得られることが分かっている。この条件の下では、Ｐ＝９０，Ｋ＝１０，Ｎ＝１００００となる。
【００６８】
この条件では、従来の例によれば、全乗算回数が約（Ｐ＋１）Ｎ回であるから約９０万回の演算が行われることになる。これに対し上述の実施例によれば、全乗算回数は、約Ｎ（Ｋ＋２）＋ＰＫ回であることから約１０万回となり、ほぼ１／９に減少する。これより、本発明によれば、飛躍的な高速化を期待できることが理解できる。
【００６９】
以上の実施例の説明では、標準パターンとして１つの物品を登録した場合を示したが、図４に示すような物品の一部５０を登録しても差支えない。図５に示す如く１つの物品５１を撮像し、これに図４の標準パターンを突合せた場合、制御用ＣＰＵ６２は、切出し位置５３を順次走査する指示を出すことになるが、相関値を手掛かりとしてコーナー部分５２でピーク値が検出されるので、その位置検出は可能である。
【００７０】
図６は、本発明装置を利用した組立てシステムの例を示す概略図である。例示したシステムは、プリント基板上に部品をマウントする装置である。
プリント基板７１は、部品を搭載するためのワーク（加工品）であって、ベルトコンベア７２上を搬送される。ベルトコンベア７２は、プリント基板７１を運ぶための搬送装置であって、部品をマウントする位置で基板７１を停止、固定できるように出来ている。
【００７１】
マウント治具７３は、ロボット等の移送装置の作用端にチャックを具備したもので、部品の移送、供給をするものである。
ＣＣＤカメラ７４は、撮像装置であって図３の画像入力部３１へ信号を供給する情報源となる。この例では、これにより、プリント基板７１上の部品をマウントすべき位置を検出するための画像信号を入力する。
【００７２】
部品トレイ７５は、プリント基板７１上にマウントする部品を載置するもので、マウント治具７３により部品を取出せる位置に配置される。
マウント治具コントローラ７７は、マウント治具の制御及び本発明の画像認識装置の認識開始を制御する制御部であって、ロボット・チャック等を全体的に制御する。
【００７３】
画像認識装置７６は、本発明に係る認識部であって、ＣＣＤカメラ７４により撮像したプリント基板７１の画像情報から部品供給部分の位置と向きを決定し、マウント治具コントローラ７７にその情報を伝達する。
モニタ７８は、画像認識装置７６の制御用ＣＰＵ６２の状態や撮像結果などを表示するための表示装置である。
【００７４】
次に、本システムの動作について説明する。
プリント基板がベルトコンベアによって搬送され、所定のマウント位置に到着すると、ＣＣＤカメラによって撮像され、そのプリント基板の画像情報から部品供給部分の位置と向きが決定される。この結果をマウント治具コントローラ７７に伝達すると、マウント治具コントローラはマウント治具を制御して所定の部品トレイから必要な部品を取出し、先に決定された部品供給位置にこれを移送、供給し、組立て作業が実行される。
【００７５】
必要があれば、標準パターンを入れ換え、即ち、図３の共通パターン情報（３４）、固有ベクトル情報（３６）、固有ベクトル重み情報（３９）、パターン距離情報（４２）を入れ換えることにより、他の部品についての処理をすることも可能である。
【００７６】
【発明の効果】
以上説明したとおり、本発明によれば、現実に撮像された物品の回転角が用意された標準パターンの１つと同一でないときでも、相関値の低下が顕著とならず、認識率が向上する。
また、複数の標準パターンにおいて同一の演算をする共通部分を抽出し、かかる演算を１つの切出し領域の演算において共通に利用するので、認識率低下を招くことなく飛躍的な高速化が可能である。
【図面の簡単な説明】
【図１】相関演算に基く従来装置の例を示す概略図である。
【図２】相関演算の従来例を示す説明図である。
【図３】本発明の実施例を示すブロック図である。
【図４】本発明に適用可能な標準パターンの例を示す図である。
【図５】図４の標準パターンを用いる場合の入力画像の例を示す図である。
【図６】本発明装置を利用した組立てシステムの例を示す概略図である。
【符号の説明】
３１ 画像入力部
３２ 画像切出し部
３３ 濃度正規化部
３４ 共通パターン情報記憶部（メモリ）
３５ 共通パターン相関要素計算部
３６ 固有ベクトル情報記憶部（メモリ）
３７ 固有ベクトル相関要素計算部
３８，４０ パターン依存相関要素計算部
３９ 固有ベクトル重み情報記憶部（メモリ）
４４ 相関分子値加算部
４１ 切出し領域ノルム計算部
４２ 標準パターンノルム記憶部（メモリ）
４３ 相関分母値乗算部
４５ 除算部

Claims (2)

1. 平面画像から複数の標準パターンを検出する画像認識装置であって、
   上記標準パターンについてＫ−Ｌ展開された共通項ｃを記憶する共通パターン情報記憶部と、
   上記標準パターンについてＫ−Ｌ展開され、予め決められた数の独立の固有ベクトルを記憶する固有ベクトル情報記憶部と、
   上記各標準パターン毎に、上記固有ベクトルに対応する係数を記憶する固有ベクトル重み情報記憶部と、
   処理されるべき画像の一部領域を切出す画像切出し部と、
   上記画像切出し部によって切出された領域の画素情報の平均濃度を各画素情報から減算する濃度正規化部と、
   上記濃度正規化部より得られる正規化された切出し領域の情報と、上記共通パターン情報記憶部に記憶された共通パターン情報との内積を演算する共通パターン相関要素計算部と、
   上記濃度正規化部より得られる正規化された切出し領域の情報と、上記固有ベクトル情報記憶部に記憶された固有ベクトル情報との内積を演算する固有ベクトル相関要素計算部と、
   上記固有ベクトル相関要素計算部より得られる固有ベクトル相関要素と、上記固有ベクトル重み情報記憶部に記憶された係数とを乗算して加算するパターン依存相関要素計算部と、
   上記共通パターン相関要素計算部により得られる共通パターン相関要素と、上記パターン依存相関要素計算部により得られるパターン依存相関要素とを加算する相関分子値加算部と、
   上記正規化された切出し領域の情報のノルムを計算する切出し領域ノルム計算部と、
   正規化された標準パターンのノルムを記憶する標準パターンノルム記憶部と、
   上記切出し領域ノルム計算部より得られる切出し領域のノルムと、上記標準パターンノルム記憶部より得られる標準パターンのノルムとを乗算する相関分母値乗算部と、
   上記相関分子値加算部より得られる相関分子値を上記相関分母値乗算部より得られる相関分母値で除算する除算部と
   を具えた画像認識装置。
2. 平面画像から複数の標準パターンを検出する画像認識方法であって、
   上記標準パターンについてＫ−Ｌ展開された共通項ｃを記憶する共通パターン情報記憶ステップと、
   上記標準パターンについてＫ−Ｌ展開され、予め決められた数の独立の固有ベクトルを記憶する固有ベクトル情報記憶ステップと、
   上記各標準パターン毎に、上記固有ベクトルに対応する係数を記憶する固有ベクトル重み情報記憶ステップと、
   上記標準パターンを正規化するとともに、正規化された標準パターンのノルムを記憶する標準パターンノルム記憶ステップと、
   処理されるべき画像の一部領域を切出す画像切出しステップと、
   上記画像切出しステップによって切出された領域の画素情報の平均濃度を各画素情報から減算する濃度正規化ステップと、
   上記濃度正規化ステップより得られる正規化された切出し領域の情報と、上記共通パターン情報記憶ステップにおいて記憶された共通パターン情報との内積を演算する共通パターン相関要素計算ステップと、
   上記濃度正規化ステップより得られる正規化された切出し領域の情報と、上記固有ベクトル情報記憶ステップにより記憶された固有ベクトル情報との内積を演算する固有ベクトル相関要素計算ステップと、
   上記固有ベクトル相関要素計算ステップより得られる固有ベクトル相関要素と、上記固有ベクトル重み情報記憶ステップにより記憶された係数とを乗算して加算するパターン依存相関要素計算ステップと、
   上記共通パターン相関要素計算ステップにより得られる共通パターン相関要素と、上記パターン依存相関要素計算ステップにより得られるパターン依存相関要素とを加算する相関分子値加算ステップと、
   上記正規化された切出し領域の情報のノルムを計算する切出し領域ノルム計算ステップと、
   上記切出し領域ノルム計算ステップにより得られる切出し領域のノルムと、上記標準パターンノルム記憶ステップにより得られる標準パターンのノルムとを乗算する相関分母値乗算ステップと、
   上記相関分子値加算ステップにより得られる相関分子値を上記相関分母値乗算ステップより得られる相関分母値で除算する除算ステップと
   を具えた画像認識方法。

Images