JP5715784B2 - 画像の輪郭点検出方法 - Google Patents

Description

本発明は、概して、計算量の少ない画像処理を用いた単眼視点による障害物センサ、より具体的には、対象物の輪郭を検出するアルゴリズムに関する。本発明は、特に、自動車産業用に適している。

様々な障害物検出方法が先行技術において知られている。

「点特徴の検出および追跡」というタイトルのＴｏｍａｓｉおよびＫａｎａｄｅによる文献には、画像の特徴点の検出装置および連続画像においてこれらの点の位置を特定可能なアルゴリズムが示されている。これらの画像の特徴点は、画像スケールの変化に対して相対的に不変なものではない上に、滑らかな画像、つまり、輪郭がはっきりしていない対象物を含む画像には適さないものである。また、これらの特徴点の代表点を用いて互いに特徴点のマッチングを行うこともできない。

英国特許第２２１８５０７号明細書には、画像の特徴点の検出装置が示されている。検出された特徴点は、画像スケールの変化において不変なものではない上に、滑らかな画像には適さないものである。これらの特徴点の代表点を用いて特徴点のマッチングを行うことはできない。

米国特許第６７１１２９３号明細書には、画像内の対象物の位置を特定するために、画像スケールで不変な特徴点を特定する方法が示されている。特定された特徴点が画像の端に位置することはない。対象物の輪郭が画像の端に対応する場合には、このような特徴点で再構成された３次元対象物の距離と形状と寸法とは、特徴点が３次元対象物の全体像を与えない限り、局所的で関連性がない。このような記述子の高次元性は、あまりリソースを浪費しない高速マッチングを実現する妨げとなる。実際、自動車用途において低電力ＣＰＵでこのような方法を用いると、処理に時間があまりにもかかりすぎてしまうであろう。

国際公開第２００７／１２８４５２号には、注目点の検出装置が示されている。前述の文献と同じく、検出した注目点は対象物の輪郭上には位置していない。このような理由で、これらは、画像内の対象物を再構成するのに有用ではない。

本発明の範囲内で、既存の検出装置による解決法には全てある程度の欠点があることが分かった。通常、特徴点を抽出する画像処理には時間がかかり過ぎるため、２次元または３次元型の記述子を用いる場合には強力な高い動作周波数のプロセッサが必要である。さらに、抽出された特徴点はマッチングおよび画像の再構成にあまり関係がないのが一般的である。

より具体的には、まず、２次元の点の抽出器には欠点がいくつかあることに留意されたい。ゆえに、掩蔽状態にある２つの対象物の重ね合わせにおいて、このような２次元抽出器は誤った点を選択するので、この点に基づいた画像の再構成は必然的に誤りを含んだ再構成画像となるであろう。例えば車体や柱など、多くの人工物には均質性があるため、２次元抽出器は、これらの人工物に対し、十分な数の特徴点を与えることができない。このような対象物は、再構成に弊害をもたらす誤った点を多数検出する原因となる。先行技術に係る大部分の特徴点抽出方法における他の欠点は、特徴点のマッチングおよび画像の再構成を意図する関連性が欠如していることである。実際、検出された特徴点の多くはそれらの位置が対象物の輪郭および端で特定されないので、画像の再構成が崩れる原因となる。さらに、滑らかなエッジ上では特徴点（点または曲線）を検出することができない。したがって、一定の点が欠けていると、マッチング方法は崩壊するのが一般的である。

そして、さらに、２次元および３次元型の記述子にもまた欠点がいくつかあることに留意されたい。実際、画像を様々な視点から撮影する場合、記述された２次元型の記述子では特徴点のマッチングを行うことはできない。ゆえに、対象物またはカメラが動く場合、視点が変化する場合、および画像ごとに対象物が違って見える場合には、異なる画像のマッチングができること、つまり、記述子が視点の変化に対して不変（幾何学的不変性）、特に、画像上の対象物のスケールに対して不変であることが重要である。さらに、特徴点の記述子は、シンプルでロバスト性のあるマッチングを目的にすると高次元になり過ぎることが一般的である。

先行技術の抽出器および記述子に関する多くの欠点から、低い動作周波数のプロセッサでリアルタイムに取得した情報を処理できるように電力をあまり消費しない、高速で信頼性のある障害物検出方法を提供する必要性が示された。このため、対象物の表面および境界の両方で機能する高速な方法の必要性を、本発明の範囲内で示してきた。さらに、カメラが主に前後へ動く単眼視点を用いるため、カメラの回転や傾斜よりむしろスケールの変化に対してロバスト性がある方法を適用することが重要だと明らかになった。

本発明の目的は、先行技術の画像特徴点検出および記述システムにおける問題点および欠点を解決する方法を見つけることである。特に、本発明の目的は、単一の広角カメラを用いた、全ての障害物を検出し続けながら処理時間を大幅に削減する、画像輪郭点検出方法を適用することである。

このため、第１の態様によると、本発明は、ビデオカメラで撮像した画像内の対象物の輪郭点検出方法であって、（i）前記画像の走査線を選択するステップと、（ii）前記選択された走査線の画素間の変化と呼ばれる最小強度差（ＤＹ）を特定するステップと、（iii）特定された変化（ＤＳ）の両端で平坦域（ＰＧ、ＰＤ）を特定するステップと、（iv）前記特定された平坦域の間で前記対象物の輪郭点（ＣＴ）を決定するステップと、（v）前記輪郭の記述子を１次元で生成するステップと、（vi）所定の順序に従って、前記画像の他の走査線を選択することによりステップ（i）を再び始めるステップとを含む輪郭点検出方法に関する。当該方法の主な利点は、計算が本質的に容易であり（１次元の走査線）、かつ、１次元輪郭記述子へ変換するため、その処理時間がとても短いということである。

当該方法の実施形態によると、前記選択された走査線は、エピポーラ線である。好ましくは、前記選択されたエピポーラ線は、エピポールを中心にその周囲を回転するように選択された、前記画像から抽出した走査線のサブセットを形成し、前記走査線の数は、前記画像の少なくとも一部分をカバーするように選択される。エピポーラ幾何学を利用することにより、スケールの変化に対する不変性を提供できる可能性がある。

当該方法の他の実施形態によると、前記ステップ（ii）において、最も粗い変化から最も細かい変化へ、変化を検出する段階的なデシメーション手法を用いて前記変化の特定を行う。好ましくは、デシメーションされた前記走査線が最小長になった場合、または、デシメーションの最大深度になった場合には、前記デシメーションを終了する。

当該方法の他の実施形態によると、前記ステップ（ii）において、単調な強度変動の端点間における強度差（ＤＹ）を全て抽出し、抽出された強度差が事前に定められた閾値を越えた場合に変化を特定する。

当該方法の他の実施形態によると、前記ステップ（iii）において、前記平坦域特定ステップは、各平坦域の両端点（Ｇ＆Ｄ）の位置と両平坦域の特徴強度値（Ｍｇ、Ｍｄ）とを見つけるステップを含む。好ましくは、左右に向かう前記特定された変化（ＤＳ）の初期端点を移動させることによって、平坦域の前記端点（Ｇ、Ｄ）を算出する。

当該方法の他の実施形態によると、前記ステップ（iii）において、前記平坦域（ＰＧ、ＰＤ）は、固定の閾値を用いることなく互いに相対的に定義される。

当該方法の他の実施形態によると、前記ステップ（iv）において、前記特定された両平坦域（ＰＧ、ＰＤ）の間の領域で定義された前記変化の曖昧性（Ａ）を所定の曖昧性閾値と比較し、前記対象物の輪郭点を決定するために、曖昧ではないとみなされた変化は保持される。

当該方法の他の実施形態によると、前記ステップ（iv）において、前記曖昧領域に応じて前記平坦域を調整することにより、曖昧とみなされた変化に曖昧性低減フィルタを適用する。

当該方法の他の実施形態によると、前記ステップ（iv）において、滑らかな変化は曖昧なままにしておく。

当該方法の他の実施形態によると、前記ステップ（v）において、曖昧でない変化を用いて、前記輪郭の記述子を１次元で生成し、かつ、対応する前記輪郭点のマッチングを行う。

当該方法の他の実施形態によると、前記ステップ（v）において、前記輪郭点のマッチング時に曖昧性を減らすため、曖昧な変化は保持される。

当該方法の他の実施形態によると、１次元で定義された前記変化に基づき、３次元で画像を再構成するステップを含む。

第２の態様によると、本発明は、第１の様態に係る検出方法を適用する１次元型の記述子に関する。

本発明のその他の特徴および利点は、例として挙げた特定の実施形態に対する以下の説明から、添付の図面を参照して、明らかになるであろう。

図１は、変化の定義を概略的に示したものである。 図２は、変化を決定する計算を概略的に示したものである。 図３は、走査線から抽出した変化の一例を概略的に示したものである。

以下に、図１から３に関する例を示すが、本発明はこれに限ったものではない。

まず、本発明に係る対象物の輪郭点検出方法をよく理解するために、図１に関する変化の概念を説明しておく必要がある。変化とは、検出対象の対象物における２つの異なる領域間のエッジ、つまり輪郭をモデル化したものである。各領域は、平坦域によりモデル化される。このように、変化は、図１に示すような右（ＰＤ）と左（ＰＧ）の２つの平坦域によって定義される。両平坦域間の画素の強度差は変化の高さ（Ｈ）であり、一方、２つの平坦域間の距離は変化の曖昧性（Ａ）である。高さ（Ｈ）は変化のコントラストを表し、曖昧性（Ａ）は変化の急峻度を表している。変化の中心点（ＣＴ）は探索した輪郭点を表す。これらの属性を用いて変化を特徴付ける。したがって、例えば、著しい変化では平坦域の高さおよび長さが大きくなるが、ぼやけた変化では曖昧性の度合いが高くなるであろう。

画像においてこのような変化を検出するという観点で、本発明は、１次元の信号から取得したこれらの変化を用いて、画像の対象物の輪郭点を特定し、これらの輪郭点の位置を特定し、かつ、これらの輪郭点を記述する方法に関する。画像処理において、輪郭点の検出装置は、まず、輪郭点で高密度な再構成に適応できるように、最も適切な点、つまり、対象物の細かな部分よりむしろ対象物の主な特徴を定義する点を統計的に分類する、画像のキャリブレーションが必要である。これは一次元で一度に実行されるためとても高速である。

まず、この方法は、画像中の線をどれか１つ、好ましくは、エピポーラ線を選択する事前ステップを含んでいる。次に、この方法は、主要なステップを３つ含んでおり、これらのステップは別々の画像解像度レベルで実行される。第１ステップは、選択された走査線上の強度差を特定するステップを含み、第２ステップは、測定した強度差周辺の平坦域を特定するステップを含み、第３ステップは、輪郭点を定義するための変化を決定し、かつ、これらの変化の曖昧性を低減するステップを含む。そして、スカラー測定により得られた１つの次元で輪郭の記述子を提供するために、輪郭点のマッチングを行う。最後に、これらのステップは、１次元輪郭記述子に基づき画像をマッチングかつ再構成した後に３次元の輪郭を生成できるよう、画像全体をカバー可能な本数の走査線に対し反復的に適用されると理解されよう。図２を参照して、これらのステップをさらに詳しく説明する。

事前ステップは、輪郭検出方法において分析されるであろう走査線を選択するステップを含む。このため、エピポーラ線のサブセットを画像から抽出することが好ましい。エピポーラ線のサブセットとして何を用いてもよいが、意図される用途に応じて対象だと推定された、画像周辺領域の少なくとも１部分に焦点を合わせることができるよう、エピポールを中心として可変の角度ピッチで回転する画像走査として規定されることが好ましい。画像周辺領域または選択された画像周辺領域部分をカバーするために選択する角度ピッチは、主要な輪郭点を素早く決定するために第１段階ではおおまかな概算で構わない。その後、マッチングに対しては、この角度ピッチをより正確に選択してもよい。エピポーラ線は、今後、走査線と記載される１次元の強度信号とみなすことができる。より具体的には、これはデジタル化された線分である。車両の後部に取り付けられたカメラを用いて障害物を検出する自動車分野の用途においては、後方車両が原則的に前後へ動く限り、カメラで撮像された画像内にエピポールは存在するが、当該方法の原理は、エピポールの位置に関係なく同じように適用されることが理解されよう。

第１ステップは、走査線に沿った単調な強度変動（ＤＹ）、つまり、勾配をおおまかに算出することを目的とする。このステップは低解像度で行われる。このため、何らかのデシメーション手順を用いてもよい。走査線の長さが可変である限り、デシメーションの途中で走査線が最小長になった場合、または、デシメーションの最大深度になった場合には、デシメーションを終了しても構わない。次に、全ての勾配を抽出する。さらに、この第１ステップにおいて、変化は、最も適切な勾配、つまり、事前に定められた閾値よりも大きな強度変動（ＤＹ）がある勾配を選択することによって特定される。この変化を特定する際に、画素の平均値を考慮すること、または、２画素もしくはその他適切な画素の組み合わせから１画素のみをとることも可能である。これにより、適切な点の検出をより素早く行い、かつ、画像の主な特徴に関心をもつことが可能になる。

第２ステップでは、最高解像度の走査線を用いて変化を算出する。各変化は、その左（ＰＧ）および右（ＰＤ）の平坦域を算出することによって推測される。この目的は、なるべく近くて長い、高さができるだけ異なる２つの平坦域を得ることである。平坦域算出は、その特徴強度値（Ｍｇ、Ｍｄ）だけでなくその２つの端点（Ｇ、Ｄ）の位置を見つけるステップを含んでいる。平坦域の端点は、左右に向かう特定された勾配（ＤＳ）の初期端点を移動させることによって決定される。このため、初期勾配（ＤＳ）は、Ｙ軸に沿って３つの領域（ＤＹ／３）に分割される。各領域は水平面を定義する。中間の領域（ＤＳ）は曖昧な領域である。実際、この段階では、この領域の画素をどのように評価するか把握するのは不可能である。２つの別の領域（ＳＡ１およびＳＡ２）をそれぞれ、最小強度（０）と最大強度（通常２５５）まで拡張する。暗に、この拡張を行うことによって、平坦域（ＰＧおよびＰＤ）を、固定の閾値を用いることなく互いに相対的に定義する。第１領域（ＳＡ１）に属する全ての連続画素は第１平坦域（ＰＧ）に割り当てられ、第３領域（ＳＡ２）に属する連続画素は第２平坦域（ＰＤ）に割り当てられる。各平坦域の強度値（Ｍｇ、Ｍｄ）を中心として、測定強度値が強度検索領域（ＳＡ１、ＳＡ２）外である場合、この処理を終了する。この平坦域の特徴強度値は、平坦域の端点（Ｇ、Ｄ）の間にある画素の強度値を平均化することによって得られる。なお、平坦域の画素がＣＴに近いほど、平坦域の強度算出においてその強度の重みは大きくなるであろう。様々な重み付け法を用いてもよいため、例えば、６４０×４８０画素といった特定の解像度に対し、変化のどちら側でも最初の２０画素を用いることが可能であると理解されよう。

第３ステップでは、なるべく曖昧でない変化を抽出する。第２ステップで示された変化算出手順が複雑でない限り、緩勾配、振動、段々形状、ディラック関数など、特に不規則な勾配を考慮することは好ましくない。これらを考慮すると、曖昧すぎる変化を結果的に生じることになる。なるべく曖昧でない変化を抽出するため、抽出する変化の決定は、次の基準に従って行われる。この決定とともに、曖昧であるとみなされた変化のうち復元可能なものについては曖昧さを低減する場合もある。

まず最初に、曖昧ではないとみなされた変化は、そのまま保持される。これらの曖昧でない変化を用いて、適切な走査線に沿って１次元の輪郭記述子を生成するように、これらが定義する輪郭点のマッチングを行い、そして、これらの記述子に基づき画像を再構成する。なお、この再構成を行うためには、車両の動きだけでなくカメラの位置も既知でなければならない。カメラは固定されているので、今回はこれに該当し、車両の移動量は、その車両の走行距離計測センサから把握することができる。

次に、上記で用いられなかった残りの変化のうち少なくともいくつかを復元するという目的で、これら残りの変化にフィルタを適用する。これらのフィルタには、曖昧領域の形状に応じて平坦域を調整することにより、変化の曖昧性をできるだけ低減するという目的がある。曖昧領域は、左側平坦域の右端点と右側平坦域の左端点との間に位置している。左側の端点（Ｇ）および右側の端点（Ｄ）、変化の全高（ＤＹ）、さらに、信号と左側平坦域との絶対誤差（ｅｇ）および信号と右側平坦域との絶対誤差（ｅｄ）を考慮すると、誤差（ｅｇおよびｅｄ）のバランスがとれるように、端点（ＧおよびＤ）をまず移動させる。次に、全高さＤＹの半分まで小さくなるように、つまり、ＤＹ（Ｇ、Ｄ）＞ＤＹ／２である限り、端点（ＧおよびＤ）を順に移動させる。

各フィルタは、不規則な勾配構成に適用される。例えば、第１ステップにおいて振動が残っているかもしれない。しかしながら、検出された全ての副勾配のうちどれが主要な勾配であるかを決定することは困難であるため、これらの振動は再構成中に簡単に損なわれる可能性がある。そして、振動を含む変化と振動を含まない変化とをマッチングさせることは容易なことではない。これが、このような誤りを含んだ状況を避けるべき理由である。このため、曖昧領域において、逆方向の段差、つまり（ｙ（ｘ）−ｙ（ｘ−１））の符号が適切な勾配と逆になる段差を全て累積した値（ＲＴ）を評価する。この例を図３に示す。累積が完了し、その値が｜ＲＴ｜＞｜ＤＹ／２｜となるのであれば、その勾配を考慮しない。別の例では、局所的な著しい段差を見つけるステップを含み、このような段差がＤＹ領域の半分を占めている場合には、有意であると評価して曖昧性をその位置で減らす。段差が数段ある階段状の勾配であれば、また別の状況となる。この場合、その階段勾配を再帰的に個々の段差へ分割する。

滑らかな変化については、位置特定エラーが生じている場合、それらの位置を明確に特定できずに誤りを含んだ再構成となる可能性があるため、それらは曖昧なままにしておくことが重要である。

こういった理由から、このような変化に伴う著しい強度変動の位置を特定できない限り、上記のフィルタ例によって滑らかな変化の曖昧性を減らすべきではない。一方、曖昧性が低ければ、変化の中心点は正確なので、輪郭点のマッチングを行った後に画像を３次元へ再構成する際、この変化が有益であることは理解されよう。しかしながら、曖昧な変化は、マッチング中の曖昧性を減らすために保持されるが、これらの位置はあまり特定できないので、画像の再構成には用いられない。

図３は、走査線から抽出した変化の一例を概略的に示したものである。複数の変化をそれぞれ算出するので、別の変化の平坦域（ＯＡ）が重なっても構わない。上述したように、なるべく曖昧でない変化を抽出する。このような理由から、振動といったような特に不規則な勾配を考慮することは好ましくなく、画像再構成を歪めないよう、初期に抽出された変化は用いられない（ＲＴ）。

今までに詳述した検出方法には、いくつかの利点がある。具体的には、変化モデルがシンプルなため、強度レベル、つまり、高さ（コントラスト）、長さ（急峻度）、および平坦域の位置などのパラメータをいくつか用いて、エッジ、つまり、対象物の輪郭点をモデル化できる。適切に選択したこれらのパラメータは、効率的なマッチングおよび特徴点のトラッキングの鍵である。

輪郭点のマッチングを行って画像を再構成するのに好ましい、視点の変化に対する不変性、より具体的には、スケールの変化に対する不変性にも留意されたい。平坦域はどんな長さでもよいため、制限された常時観察という制約なしに、ある画像から次の画像へ記述子が対象物を再構成してもよい。実際、変化の相関は、長さの変動にはあまり左右されないだろう。経験から、走査線１本あたりの変化の数が少ないこと（数十個）、長さの変性が精度の悪いマッチング時とは全く異なることが明らかになった。言い換えると、例えば、長さは色よりも重要であることが分かる。さらに、対象物は、（１次元）スライスを介して見えるだけであり、かつ、少ないパラメータで記述されるので、これらのパラメータを近似すると、視点が変わることによる変化をかなり減らすことができる。これら全ての理由から、この検出方法および関連記述子は視点の変化に対して不変であるとみなしてもよい。

また、画像の輪郭は変化を用いて抽出されるため、光度変化に対する不変性も留意されたい（相対的な強度差）。輪郭は、通常、実際の物理的対象物の境界に対応する。これらの境界は光の変化に伴って変動するわけではないので、画像の輪郭位置の特定は、（強い照明、影、輝度の変化などによる）光度変化に対して不変である。我々の１次元検出装置をエピポーラ制約と組み合わせると、１次元検出装置の定義により、適切な方法でかなり高密度に輪郭点を検出することができる。実際、本発明に係る方法は、人工的な対象物、つまり、人工物に優れた反応を示す。通常、均質な領域の境界を定める輪郭に変化は集まっている。色の均質性は、人工物および歩行者（歩行者のズボンやコート、バンパーや車体部品、ポスト、壁など）の一般的な特徴である。平坦域の長さは可変であるため、細かな部分よりむしろその場面の主な特徴に焦点を合わせることができるよう、他のより小さな変化から大きな変化を分類することが可能である。これは、最も粗いものから最も細かいものへの効率的な手法を得るために重要である。そして、本発明に係る１次元検出装置は、誤りを含む点にはあまり左右されないため、より適切である。

なお、最後に、変化を用いることによって勾配の算出に基づかないようにすることが可能な限り、滑らかな輪郭を抽出できるため、アルゴリズムはロバストになり、このような滑らかな輪郭を抽出できるようになる。しかしながら、滑らかすぎる輪郭は、抽出されるが、３次元の再構成には用いられないであろう。なぜなら、曖昧である一方、マッチングにおける曖昧性を除去するために用いられる可能性があるのが通例だからである。

当業者にとって自明である様々な改良策および／または改善策を、別紙の特許請求の範囲で定義される発明の範囲から逸脱することがなければ、本願の明細書に記載されたものとは別の本発明の実施形態としてもよいことが理解されよう。

Claims (15)

1. ビデオカメラで撮像した画像内の対象物の輪郭点検出方法であって、
   （i）前記画像の走査線を選択するステップと、
   （ii）前記選択された走査線に沿った複数の画素間の変化と呼ばれる最小強度差（ＤＹ）を複数特定するステップと、
   （iii）特定された変化（ＤＳ）の両端で平坦域（ＰＧ、ＰＤ）を特定し、前記平坦域の特定によって、複数の前記変化のそれぞれの両側に検索領域を確立し、各平坦域の両端点（Ｇ＆Ｄ）の位置と両平坦域の特徴強度値（Ｍｇ、Ｍｄ）とを見つけるステップと、
   （iv）前記特定された平坦域の間で前記対象物の輪郭点（ＣＴ）を決定するステップと、
   （v）前記輪郭の記述子を１次元で生成するステップと、
   （vi）所定の順序に従って、前記画像の他の走査線を選択することによりステップ（i）を再び始めるステップ
   とを含む輪郭点検出方法。
2. 前記ステップ（i）において、前記選択された走査線は、エピポーラ線である
   請求項１に記載の輪郭点検出方法。
3. 前記選択されたエピポーラ線は、エピポールを中心にその周囲を回転するように選択された、前記画像から抽出した走査線のサブセットを形成し、前記走査線の数は、前記画像の少なくとも一部分をカバーするように選択される
   請求項２に記載の輪郭点検出方法。
4. 前記ステップ（ii）において、最も粗い変化から最も細かい変化へ、変化を検出する段階的なデシメーション手法を用いて前記変化の特定を行う
   請求項１〜３のいずれか１項に記載の輪郭点検出方法。
5. デシメーションされた前記走査線が最小長になった場合、または、デシメーションの最大深度になった場合には、前記デシメーションを終了する
   請求項４に記載の輪郭点検出方法。
6. 前記ステップ（ii）において、単調な強度変動の端点間における強度差（ＤＹ）を全て抽出し、抽出された強度差が事前に定められた閾値を越えた場合に変化を特定する
   請求項１〜５のいずれか１項に記載の輪郭点検出方法。
7. 前記ステップ（iii）において、左右に向かう前記特定された変化（ＤＳ）の初期端点
   を移動させることによって、平坦域の前記端点（Ｇ、Ｄ）を算出する
   請求項１に記載の輪郭点検出方法。
8. 前記ステップ（iii）において、前記平坦域（ＰＧ、ＰＤ）は、固定の閾値を用いるこ
   となく互いに相対的に定義される
   請求項１〜７のいずれか１項に記載の輪郭点検出方法。
9. 前記ステップ（iv）において、前記特定された両平坦域（ＰＧ、ＰＤ）の間の領域で定義された前記変化の曖昧性（Ａ）を所定の曖昧性閾値と比較し、前記対象物の輪郭点を決定するために、曖昧ではないとみなされた変化は保持される
   請求項１〜８のいずれか１項に記載の輪郭点検出方法。
10. 前記ステップ（iv）において、前記曖昧領域に応じて前記平坦域を調整することにより、曖昧とみなされた変化に曖昧性低減フィルタを適用する
    請求項１〜９のいずれか１項に記載の輪郭点検出方法。
11. 前記ステップ（iv）において、滑らかな変化は曖昧なままにしておく
    請求項１〜１０のいずれか１項に記載の輪郭点検出方法。
12. 前記ステップ（v）において、曖昧でない変化を用いて、前記輪郭の記述子を１次元で
    生成し、かつ、対応する前記輪郭点のマッチングを行う
    請求項１〜１１のいずれか１項に記載の輪郭点検出方法。
13. 前記ステップ（v）において、前記輪郭点のマッチング時に曖昧性を減らすため、曖昧
    な変化は保持される
    請求項１２に記載の輪郭点検出方法。
14. （vii）１次元で定義された前記変化に基づき、３次元で画像を再構成するステップを
    含む
    請求項１〜１３のいずれか１項に記載の輪郭点検出方法。
15. 請求項１〜１４のいずれか１項に記載の方法を適用するために設計された
    輪郭点検出装置。

Images