JP6602096B2 - 欠陥検出装置 - Google Patents

Description

本発明は欠陥検出装置に関し、特に対象物の三次元形状から少ない演算量で迅速かつ正確な欠陥検出が可能な欠陥検出装置に関するものである。

三次元物体の特に緩やかな凹凸等の欠陥は、物体に対する照明の当たり方等によって二次元画像処理では困難な場合がある。そこで、三次元画像処理によって上記欠陥を正確に検出することが考えられるが、演算量が大幅に増加するためにインラインでのリアルタイム検出が難しいという問題がある。そこで、例えば特許文献１では、まず二次元画像によって検出対象領域を決定し、決定された検出対象領域についてのみ三次元画像での欠陥検出を行うようにして、演算量の低減を図っている。

特開２０１４−１０９５３０

しかし、上記従来の欠陥検出装置では、二次元画像に基づいて検出対象領域を推定し決定していることから、不要な領域で三次元画像欠陥検出を無駄に行い、あるいは必要な領域で三次元画像欠陥検出が行われない等の不具合があった。

そこで、本発明はこのような課題を解決するもので、二次元画像を使用することなく確実に検出対象領域（欠陥候補）を決定して、少ない演算量で迅速かつ正確な欠陥検出を行うことができる欠陥検出装置を提供することを目的とする。

上記課題を解決するために、本第１発明では、対象物の三次元形状データを点群よりなる対象画像として得る手段と、アルファシェイプ法によって、前記対象画像を構成する各点のうちのうち、隣り合う点が周上に位置するように検出感度に応じた一定径の円を順次描いた時に、前後のいずれの円内にも他の点が存在することとなる点を欠陥候補として抽出する手段と、欠陥候補の周囲にマッチング対象範囲を設定して当該マッチング対象範囲に基づいて、無欠陥のマスタ画像と前記対象画像をマッチングさせる手段と、マッチング状態の前記マスタ画像と前記対象画像で形状差の大きい部分を欠陥と判定する手段とを備える。

本第１発明においては、対象物の三次元形状データの点群よりなる対象画像からアルファシェイプ法によって直接欠陥候補を抽出して、当該欠陥候補の周囲にマスタ画像とのマッチング対象範囲を設定しているから、従来のように二次元画像に基づいて検出対象領域（欠陥候補）を推定することなく、少ない演算量で迅速かつ正確な欠陥検出を行うことができる。

本第２発明では、ダウンサイジングによって前記マッチング対象範囲の点群を減少させる。

本第２発明によれば、マッチング対象範囲の点群を減少させているからマスタ画像の点群とのマッチングをさらに迅速に行うことができる。

上記カッコ内の符号は、後述する実施形態に記載の具体的手段との対応関係を参考的に示すものである。

以上のように、本発明の欠陥検出装置によれば、少ない演算量で迅速かつ正確な欠陥検出を行うことができる。

本発明の装置構成を示す図である。 本発明を実施するパソコンの処理フローチャートである。 アルファシェイプ法による欠陥候補抽出を説明する概念図である。 アルファシェイプ法の適用を説明する対象画像の概念図である。 欠陥候補を示すフラグ画像の正面図である。 対象画像のマッチングターゲット範囲を示す概念図である。 マッチング対象範囲をダウンサイジングした、対象画像のマッチングターゲット範囲を示す概念図である。

なお、以下に説明する実施形態はあくまで一例であり、本発明の要旨を逸脱しない範囲で当業者が行う種々の設計的改良も本発明の範囲に含まれる。

図１には本発明の欠陥検出装置の構成の一例を示す。図１において、三次元形状の対象物（実際の形状を簡素化して半円柱形としてある）Ｍに対してラインレーザ１が位置させてあり、ラインレーザ１からは対象物Ｍを横断するようにスリット光Ｌが投射されている。そして、ラインレーザ１の対象物Ｍに対する対向角度を変化させることによってスリット光Ｌが対象物Ｍの表面上を走査される。ラインレーザ１から離れた位置に対象物Ｍに向けてＣＣＤカメラ２が設置されており、当該カメラ２によって対象物Ｍとその表面上を走査されるスリット光Ｌが撮像される。

ＣＣＤカメラ２の撮像信号２ａはパソコン３に入力し、パソコン３内の演算装置によって、各走査位置で撮像されたスリット光Ｌの画像上の位置と形状に基づいて、三角測量の原理によって、点群よりなる対象画像として対象物Ｍの三次元形状データが得られる。

以下、パソコン３内における処理手順を図２のフローチャートを参照しつつ説明する。ステップ１０１で得られた対象画像は、ステップ１０２でメディアンフィルタ等によってノイズの除去がなされる。そして、ステップ１０３では、ノイズが除去された対象画像に対しアルファシェイプ法を使用して、本実施形態では凹欠陥の欠陥候補を抽出する。この欠陥候補の抽出は以下のように行う。

アルファシェイプ法は図３に示すように、欠陥の検出感度に応じた適当な径の円Ｃを設定し（径が大きいほど検出感度は高くなる）、対象画像を構成する点群について順次隣り合う二点（Ｐ１，Ｐ２）（Ｐ２，Ｐ３）（Ｐ３，Ｐ４）が上記円Ｃの周上に位置するようにした時に、円Ｃ内に他の点が存在するか否かを判定する。円Ｃ内に他の点が存在しない場合には周上にある二点Ｐ１，Ｐ２を輪郭点として抽出する。

これに対して、円Ｃについて、先に抽出された点Ｐ２あるいはＰ３と、これに隣り合う点Ｐ３あるいはＰ４を周上に位置させたときに、他の点Ｐ４あるいはＰ２が円Ｃ内に含まれることになった場合には、上記点Ｐ３は非輪郭点として欠陥候補とする。なお、輪郭点として抽出された各点Ｐ１，Ｐ２，Ｐ４を結ぶ輪郭線ｌｓと上記欠陥候補として抽出された点Ｐ３との距離（輪郭距離）ｄが所定値よりも短い場合には、測定データのノイズであるとして上記点Ｐ３を輪郭点に再分類する。

なお、アルファシェイプ法による輪郭点抽出は、図４に示すように、三次元形状データである対象画像Ｇについて例えば互いに直交する二方向で行うと抽出精度を上げることができる。

図２のステップ１０４では欠陥候補の抽出結果に基づいたフラグ画像を作成する。フラグ画像の一例を図５に示す。図５のフラグ画像Ｇｆは、非輪郭点、すなわち欠陥候補（の点群）を白で表し、その他を黒で表したものである。実際のフラグ画像は輪郭点・非輪郭点の情報以外に、欠落点やマッチング対象点の情報を含んでいる。欠落点は、カメラの死角などによってデータが存在しない点であることを示すものである。また、マッチング対象点は、後述するマッチングで用いるマッチング対象範囲に含まれる点であることを示すものである。

なお、上記フラグ画像Ｇｆには点状あるいは線状のノイズ領域を生じることがある（図５（１）の楕円範囲）から、収縮膨張処理を施してこれらノイズ領域を予め消去しておく（図５（２））。これにより、後述するマスタ画像との距離（形状差）を算出する際の演算量を低減することができる。

図２のステップ１０５では、ノイズ領域を消去した上記フラグ画像Ｇｆによって対象画像Ｇをセグメント化して欠陥候補を抽出し、欠陥候補の周辺領域と、予め用意した無欠陥のマスタ画像の該当領域をマッチングする（ステップ１０６）。欠陥候補の周辺領域でマッチングを行うのは、欠陥候補の部分はマスタ画像の該当領域と重ならないのが普通なのでマッチング精度が低下するからである。

上記マッチングは、最初に、フラグ画像Ｇｆを膨張処理することによって、対象画像Ｇ（図６）の欠陥候補Ｇｄの周囲にマッチング対象範囲Ｇｍとマッチングターゲット範囲Ｇｔを画定し、マッチング対象範囲Ｇｍについてマスタ画像の該当部との間でＩＣＰ（Iterative Closest Point）法によりマッチングを行う。

この場合、マッチング対象範囲の対象点が多いと処理時間を要するため、上記対象範囲Ｇｍの形状の特徴を損なわないように全体的に点を減らすダウンサイジングを行い、ダウンサイジング後の点群（図７の黒点）についてマッチングを行う。この場合、ＩＣＰでは初期値の採り方によってマッチング精度が悪化する場合があるから、複数の初期値についてそれぞれ計算して最良の結果を選ぶようにすると良い。

マッチングを行った後、欠陥候補の各点群とマスタ画像の該当領域の相当する各点群との間の距離を算出する（ステップ１０７）。そして、この距離が所定値よりも大きい場合に該当する各点を欠陥点として抽出する（ステップ１０８）。続いて欠陥点のフラグ画像を作成し（ステップ１０９）、このフラグ画像によって対象画像Ｇをセグメント化して欠陥を抽出する（ステップ１１０）。

１…ラインレーザ、２…ＣＣＤカメラ、３…パソコン、Ｇ…対象画像、Ｇｄ…欠陥候補、Ｇｍ…マッチング対象範囲、Ｍ…対象物。

Claims (2)

1. 対象物の三次元形状データを点群よりなる対象画像として得る手段と、アルファシェイプ法によって、前記対象画像を構成する各点のうち、隣り合う点が周上に位置するように検出感度に応じた一定径の円を順次描いた時に、前後のいずれの円内にも他の点が存在することとなる点を欠陥候補として抽出する手段と、欠陥候補の周囲にマッチング対象範囲を設定して当該マッチング対象範囲に基づいて、無欠陥のマスタ画像と前記対象画像をマッチングさせる手段と、マッチング状態の前記マスタ画像と前記対象画像で形状差の大きい部分を欠陥と判定する手段とを備える欠陥検出装置。
2. ダウンサイジングによって前記マッチング対象範囲の点群を減少させた請求項１に記載の欠陥検出装置。