JP7469391B2 - マシンビジョン用の画像データを処理するための方法及び装置 - Google Patents
マシンビジョン用の画像データを処理するための方法及び装置 Download PDFInfo
- Publication number
- JP7469391B2 JP7469391B2 JP2022111466A JP2022111466A JP7469391B2 JP 7469391 B2 JP7469391 B2 JP 7469391B2 JP 2022111466 A JP2022111466 A JP 2022111466A JP 2022111466 A JP2022111466 A JP 2022111466A JP 7469391 B2 JP7469391 B2 JP 7469391B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- data
- testing
- pose
- model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 184
- 238000012545 processing Methods 0.000 title description 21
- 238000013479 data entry Methods 0.000 claims description 238
- 238000012360 testing method Methods 0.000 claims description 177
- 239000013598 vector Substances 0.000 claims description 164
- 239000000523 sample Substances 0.000 claims description 113
- 230000008569 process Effects 0.000 description 29
- 230000006870 function Effects 0.000 description 26
- 239000011159 matrix material Substances 0.000 description 16
- 230000036544 posture Effects 0.000 description 9
- 230000009466 transformation Effects 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 7
- 230000007717 exclusion Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000002991 molded plastic Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Description
Claims (39)
- モデルの姿勢を画像データに対してテストするためのコンピュータ化された方法であって、
前記方法は、物体の画像データを受け取るステップを有し、前記画像データはデータエントリのセットを包含するものであり、
前記方法はさらに前記画像データの領域のセットを決定することを含み、前記領域のセットにおける各領域はデータエントリのセット内の隣接するデータエントリの関連するセットを包含しており、
前記方法はさらに処理済み画像データを生成することを含み、前記処理済み画像データは、各々関連する値を持つセルのセットを包含し、
前記処理済み画像データを生成することは、領域のセット内の各領域について、画像データから隣接するデータエントリの関連するセット内の各データエントリの最大可能スコアを決定することと、前記決定された最大可能スコアに基づいて前記セルのセットの1以上の値を設定することとを含んでおり、かつ
前記方法はさらに前記処理済み画像データを使用してモデルの姿勢をテストすることを含み、前記モデルの姿勢をテストすることは、
姿勢のスコアが所定の閾値を超えていないと判定し、モデルの複数のプローブを前記処理済み画像データの関連する値に対してテストすること、ならびに
前記関連する値を決定するために使用された前記領域のセットの各々と関連付けられた姿勢のセットを以後のテストから除外すること、を含む
上記方法。 - 画像データを受け取ることは2D画像データを受け取ることを含み、前記各データエントリは2Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して最大可能スコアを決定することは、前記値に関連付けられた前記領域内の前記2Dベクトルに基づいてスカラー値を決定することを含む、
請求項1に記載の方法。 - 前記処理済み画像データを使用してモデルの姿勢をテストすることは、
前記姿勢のスコアが所定の閾値を超えていないと判定し、前記モデルの複数のプローブを処理済み画像データの関連するスカラー値に対してテストすること、ならびに
前記関連するスカラー値を決定するために使用された各々の前記領域のセットと関連付けられた前記姿勢のセットを以後のテストから除外すること、
を含む請求項2に記載の方法。 - 画像データを受け取ることは3D画像データを受け取ることを含み、各データエントリは3Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して前記最大可能スコアを決定することは前記値に関連付けられた前記領域内の前記3Dベクトルに基づいてスカラー値を決定することを含む、
請求項1に記載の方法。 - 前記処理済み画像データを使用してモデルの姿勢をテストすることは、
前記姿勢のスコアが前記所定の閾値を超えていないと判定し、モデルの複数のプローブを前記処理済み画像データの関連するスカラー値に対してテストすること、ならびに
前記関連するスカラー値を決定するために使用された各々の領域のセットと関連付けられた姿勢のセットを以後のテストから除外すること、
を含む請求項4に記載の方法。 - さらに:
前記画像データを各々第2の値と関連付けられたセルの第2のセットを包含する第2の処理済み画像データに変換し、各第2のセル値について、前記画像データの前記データエントリのセットから1以上のデータエントリに基づいて代表的なデータを決定すること、および、
前記モデルの姿勢を前記処理済み画像データによってテストすることに基づいて前記モデルの姿勢を前記第2の処理済み画像データによってテストすること、
を含む、請求項1に記載の方法。 - モデルの姿勢を画像データに対してテストするためシステムであって、前記システムは1以上のプロセッサを備え、
前記プロセッサは物体の画像データを受け取るよう構成され、前記画像データはデータエントリのセットを包含するものであり、
前記プロセッサはさらに画像データの領域のセットを決定するよう構成され、前記領域のセットにおける各領域は前記データエントリのセット内の隣接するデータエントリの関連するセットを包含しており、
前記プロセッサはさらに処理済み画像データを生成するよう構成され、
前記処理済み画像データは各々関連する値を持つセルのセットを包含しており、
前記処理済み画像データを生成することは、前記領域のセット内の各領域について、前記画像データから隣接するデータエントリの関連するセット内の各データエントリの最大可能スコアを決定すること、および、決定された前記最大可能スコアに基づいて前記セルのセットの1以上の値を設定することを含み、かつ
前記プロセッサはさらに処理済み画像データを使用してモデルの姿勢をテストするよう構成されてなり、前記モデルの姿勢をテストすることは;
姿勢のスコアが所定の閾値を超えていないと判定し、モデルの複数のプローブを処理済み画像データの関連する値に対してテストすること、および、
関連する値を決定するために使用された前記領域のセットの各々と関連付けられた姿勢のセットを以後のテストから除外すること、を含む
前記システム。 - 前記画像データを受け取ることは2D画像データを受け取ることを含み、前記各データエントリは2Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値の最大可能スコアを決定することは、前記値に関連付けられた領域内の2Dベクトルに基づいてスカラー値を決定することを含む、
請求項7に記載のシステム。 - 前記処理済み画像データを使用してモデルの姿勢をテストすることは;
前記姿勢のスコアが所定の閾値を超えていないと判定し、前記モデルの複数のプローブを処理済み画像データの関連するスカラー値に対してテストすること、ならびに
前記関連するスカラー値を決定するために使用された各々の前記領域のセットと関連付けられた前記姿勢のセットを以後のテストから除外すること、
を含む請求項8に記載のシステム。 - 画像データを受け取ることは3D画像データを受け取ることを含み、各データエントリは3Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値の最大可能スコアを決定することは、値に関連付けられた領域内の3Dベクトルに基づいてスカラー値を決定することを含む、
請求項7に記載のシステム。 - 前記処理済みデータを使用してモデルの姿勢をテストすることは:
姿勢のスコアが所定の閾値を超えていないと判定し、モデルの複数のプローブを処理済みデータの関連するスカラー値に対してテストすること、および、
前記関連するスカラー値を決定するために使用された各々の領域と関連付けられた姿勢のセットを以後のテストから除外すること、
を含む請求項10に記載のシステム。 - 前記1以上のプロセッサは更に:
前記画像データを各々第2の値と関連付けられたセルの第2のセットを包含する第2の処理済み画像データに変換し、各第2のセル値について、前記画像データの前記データエントリのセットから1以上のデータエントリに基づいて代表的なデータを決定すること、および、
前記モデルの姿勢を前記処理済み画像データによってテストすることに基づいて前記モデルの姿勢を前記第2の処理済み画像データによってテストすること、
を成すよう構成されてなる、請求項7に記載のシステム。 - プロセッサ実行可能命令を保存している少なくとも1つの非一時的コンピュータ可読記憶媒体であって、前記命令は少なくとも1つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも1つのコンピュータハードウェアプロセッサに下記動作を実行させるものであり:
前記動作は物体の画像データを受け取る動作であり、前記画像データはデータエントリのセットを包含するものであり、
前記動作はさらに前記画像データの領域のセットを決定する動作であり、前記領域のセットにおける各領域は前記データエントリのセット内の隣接するデータエントリの関連するセットを包含しており、
前記動作はさらに処理済み画像データを生成する動作であって:
前記処理済み画像データは各々関連する値を持つセルのセットを包含し、
前記処理済み画像データを生成することは、領域のセット内の各領域について:
前記画像データから隣接するデータエントリの関連するセット内の各データエントリの最大可能スコアを決定すること;および、前記決定された最大可能スコアに基づいて前記セルのセットの1以上の値を設定することを含み、かつ
前記動作はさらに前記処理済み画像データを使用してモデルの姿勢をテストする動作であり、前記処理済みデータを使用してモデルの姿勢をテストすることは:
姿勢のスコアが所定の閾値を超えていないと判定し、モデルの複数のプローブを前記処理済みデータの関連する値に対してテストすること、および、
前記関連する値を決定するために使用された前記領域のセットの各々と関連付けられた姿勢のセットを以後のテストから除外すること、を含む
前記非一時的コンピュータ可読記憶媒体。 - 前記画像データを受け取る動作は2D画像データを受け取ることを含み、各データエントリは2Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値の前記最大可能スコアを決定することは、値に関連付けられた領域内の2Dベクトルに基づいてスカラー値を決定することを含む、
請求項13に記載の非一時的コンピュータ可読記憶媒体。 - 前記処理済みデータを使用してモデルの姿勢をテストすることは:
姿勢のスコアが所定の閾値を超えていないと判定し、モデルの複数のプローブを処理済みデータの関連するスカラー値に対してテストすること、および、
関連するスカラー値を決定するために使用された各々の領域と関連付けられた姿勢のセットを以後のテストから除外すること、
を含む請求項14に記載の非一時的コンピュータ可読記憶媒体。 - さらに、前記命令は前記1以上の前記プロセッサ:
前記画像データを各々第2の値と関連付けられたセルの第2のセットを包含する第2の処理済み画像データに変換させる動作であって、各第2のセル値について前記画像データのデータエントリの前記セットから1以上のデータエントリに基づいて代表的なデータを決定することを含む前記動作、および、
モデルの姿勢を前記処理済み画像データによってテストすることに基づいてモデルの姿勢を前記第2の処理済み画像データによってテストさせる動作、
を実行させるよう構成されたものである、請求項15に記載の非一時的コンピュータ可読記憶媒体。 - 前記画像データを受け取る動作は3D画像データを受け取ることを含み、各データエントリは3Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して最大可能スコアを決定することは、値に関連付けられた領域内の3Dベクトルに基づいてスカラー値を決定することを含む、
請求項13に記載の非一時的コンピュータ可読記憶媒体。 - 前記処理済みデータを使用してモデルの姿勢をテストすることは:
姿勢のスコアが前記所定の閾値を超えていないと判定し、モデルの前記複数のプローブを前記処理済み画像データの関連するスカラー値に対してテストすること、および、
関連するスカラー値を決定するために使用された前記領域のセットの各々と関連付けられた前記姿勢のセットを以後のテストから除外すること
を含む請求項17に記載の非一時的コンピュータ可読記憶媒体。 - モデルの姿勢を画像データに対してテストするためのコンピュータ化された方法であって、
前記方法は物体の画像データを受け取ることを含み、前記画像データはデータエントリのセットを包含するものであり、
前記方法はさらに前記画像データの領域のセットを決定することを含み、前記領域のセットにおける各領域はデータエントリのセット内の隣接するデータエントリの関連するセットを包含しており、
前記方法はさらに処理済み画像データを生成することを含み:
前記処理済み画像データは、各々関連する値を持つセルのセットを包含し;
前記処理済み画像データを生成することは、領域のセット内の各領域について:
画像データから隣接するデータエントリの関連するセット内の各データエントリの最大可能スコアを決定することと;
決定された最大可能スコアに基づいて前記セルのセットの1以上の値を設定することと;を含んでおり、かつ
前記方法はさらに前記処理済み画像データを使用してモデルの姿勢をテストすることを含み、前記モデルの姿勢をテストすることは:
姿勢のスコアが所定の閾値に達すると判定し、モデルの複数のプローブを前記処理済みデータの関連する値に対してテストすること、および、
前記モデルの姿勢を保存して、前記画像データの前記領域のセットの第1の領域サイズより小さい第2の領域サイズをもつ前記画像データの第2の領域のセットに基づいて生成した第2の処理済み画像データを用いて前記モデルの姿勢をテストすること、を含む、
前記方法。 - 前記処理済みデータを使用してモデルの姿勢をテストすることは、
姿勢のスコアが所定の閾値を超えていないと判定し、モデルの複数のプローブを処理済み画像データの関連する値に対してテストすること、ならびに
関連する値を決定するために使用された各々の領域と関連付けられた姿勢のセットを以後のテストから除外すること、
を含む請求項19に記載の方法。 - 画像データを受け取ることは2D画像データを受け取ることを含み、前記各データエントリは2Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して最大可能スコアを決定することは、値に関連付けられた領域内の2Dベクトルに基づいてスカラー値を決定することを含む、
請求項19に記載の方法。 - 前記処理済みデータの関連する値に対してモデルの前記複数のプローブをテストすることは、モデルの前記複数のプローブを前記処理済みデータの関連するスカラー値に対してテストすること、を含む請求項21に記載の方法。
- 画像データを受け取ることは3D画像データを受け取ることを含み、前記各データエントリは3Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して最大可能スコアを決定することは、前記値に関連付けられた領域内の3Dベクトルに基づいてスカラー値を決定することを含む、
請求項19に記載の方法。 - 前記処理済みデータの関連する値に対してモデルの前記複数のプローブをテストすることは、モデルの前記複数のプローブを前記処理済みデータの関連するスカラー値に対してテストすること、を含む請求項23に記載の方法。
- さらに:
前記画像データを各々第2の値と関連付けられたセルの第2のセットを包含する第2の処理済み画像データに変換し、各第2のセル値について、前記画像データの前記データエントリのセットから1以上のデータエントリに基づいて代表的なデータを決定すること、および、
前記モデルの姿勢を前記第2の処理済み画像データによってテストすること、
を含む、請求項19に記載の方法。 - モデルの姿勢を画像データに対してテストするためシステムであって、前記システムは1以上のプロセッサを備え:
前記プロセッサは物体の画像データを受け取るよう構成され、前記画像データはデータエントリのセットを包含するものであり、
前記プロセッサはさらに画像データの領域のセットを決定するよう構成され、前記領域のセットにおける各領域は前記データエントリのセット内の隣接するデータエントリの関連するセットを包含しており、
前記プロセッサはさらに処理済み画像データを生成するよう構成され:
前記処理済み画像データは各々関連する値を持つセルのセットを包含しており、
前記処理済み画像データを生成することは、前記領域のセット内の各領域について:
前記画像データから隣接するデータエントリの関連するセット内の各データエントリの最大可能スコアを決定すること、および、
決定された前記最大可能スコアに基づいて前記セルのセットの1以上の値を設定することを含み、かつ
前記プロセッサはさらに処理済み画像データを使用してモデルの姿勢をテストするよう構成されてなり、前記モデルの姿勢をテストすることは:
姿勢のスコアが所定の閾値に達すると判定し、モデルの複数のプローブを前記処理済みデータの関連する値に対してテストすること、および、
前記モデルの姿勢を保存して、前記画像データの前記領域のセットの第1の領域サイズより小さい第2の領域サイズをもつ前記画像データの第2の領域のセットに基づいて生成した第2の処理済み画像データを用いて前記モデルの姿勢をテストすること、を含む、
前記システム。 - 前記処理済みデータを使用してモデルの姿勢をテストすることは、
姿勢のスコアが所定の閾値を超えていないと判定し、モデルの複数のプローブを処理済み画像データの関連する値に対してテストすること、ならびに
関連する値を決定するために使用された各々の領域と関連付けられた姿勢のセットを以後のテストから除外すること、
を含む請求項26のシステム。 - 画像データを受け取ることは2D画像データを受け取ることを含み、前記各データエントリは2Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して最大可能スコアを決定することは、値に関連付けられた領域内の2Dベクトルに基づいてスカラー値を決定することを含む、
請求項26のシステム。 - 前記処理済みデータの関連する値に対してモデルの前記複数のプローブをテストすることは、モデルの前記複数のプローブを前記処理済みデータの関連するスカラー値に対してテストすること、を含む請求項28のシステム。
- 画像データを受け取ることは3D画像データを受け取ることを含み、前記各データエントリは3Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して最大可能スコアを決定することは、前記値に関連付けられた領域内の3Dベクトルに基づいてスカラー値を決定することを含む、
請求項26のシステム。 - 前記処理済みデータの関連する値に対してモデルの前記複数のプローブをテストすることは、モデルの前記複数のプローブを前記処理済みデータの関連するスカラー値に対してテストすること、を含む請求項30のシステム。
- 前記1以上のプロセッサはさらに:
前記画像データを各々第2の値と関連付けられたセルの第2のセットを包含する第2の処理済み画像データに変換し、各第2のセル値について、前記画像データの前記データエントリのセットから1以上のデータエントリに基づいて代表的なデータを決定すること、および、
前記モデルの姿勢を前記第2の処理済み画像データによってテストすること、
を成すよう構成されてなる、請求項26のシステム。 - プロセッサ実行可能命令を保存している少なくとも1つの非一時的コンピュータ可読記憶媒体であって、前記命令は少なくとも1つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも1つのコンピュータハードウェアプロセッサに下記動作を実行させるものであり、
前記動作は物体の画像データを受け取る動作であり、前記画像データはデータエントリのセットを包含するものであり、
前記動作はさらに前記画像データの領域のセットを決定する動作であり、前記領域のセットにおける各領域は前記データエントリのセット内の隣接するデータエントリの関連するセットを包含しており、
前記動作はさらに処理済み画像データを生成する動作であり:
前記処理済み画像データは各々関連する値を持つセルのセットを包含し、
前記処理済み画像データを生成することは、領域のセット内の各領域について:
前記画像データから隣接するデータエントリの関連するセット内の各データエントリの最大可能スコアを決定し;
前記決定された最大可能スコアに基づいて前記セルのセットの1以上の値を設定することを含み、かつ
前記動作はさらに処理済み画像データを使用してモデルの姿勢をテストする動作であって、前記モデルの姿勢をテストすることは:
姿勢のスコアが所定の閾値に達すると判定し、モデルの複数のプローブを前記処理済みデータの関連する値に対してテストすること、および、
前記モデルの姿勢を保存して、前記画像データの前記領域のセットの第1の領域サイズより小さい第2の領域サイズをもつ前記画像データの第2の領域のセットに基づいて生成した第2の処理済み画像データを用いて前記モデルの姿勢をテストすること、を含む、
前記非一時的コンピュータ可読記憶媒体。 - 前記処理済みデータを使用してモデルの姿勢をテストすることは、
姿勢のスコアが所定の閾値を超えていないと判定し、モデルの複数のプローブを処理済み画像データの関連する値に対してテストすること、ならびに
関連する値を決定するために使用された各々の領域と関連付けられた姿勢のセットを以後のテストから除外すること、
を含む請求項33に記載の非一時的コンピュータ可読記憶媒体。 - 画像データを受け取ることは2D画像データを受け取ることを含み、前記各データエントリは2Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して最大可能スコアを決定することは、値に関連付けられた領域内の2Dベクトルに基づいてスカラー値を決定することを含む、
請求項33に記載の非一時的コンピュータ可読記憶媒体。 - 前記処理済みデータの関連する値に対してモデルの前記複数のプローブをテストすることは、モデルの前記複数のプローブを前記処理済みデータの関連するスカラー値に対してテストすること、を含む請求項35に記載の非一時的コンピュータ可読記憶媒体。
- 画像データを受け取ることは3D画像データを受け取ることを含み、前記各データエントリは3Dベクトルを包含しており、
前記セルのセットの各処理済み画像データ値に対して最大可能スコアを決定することは、前記値に関連付けられた領域内の3Dベクトルに基づいてスカラー値を決定することを含む、
請求項33に記載の非一時的コンピュータ可読記憶媒体。 - 前記処理済みデータの関連する値に対してモデルの前記複数のプローブをテストすることは、モデルの前記複数のプローブを前記処理済みデータの関連するスカラー値に対してテストすること、を含む請求項37に記載の非一時的コンピュータ可読記憶媒体。
- 前記命令はさらに:
前記画像データを各々第2の値と関連付けられたセルの第2のセットを包含する第2の処理済み画像データに変換し、各第2のセル値について、前記画像データの前記データエントリのセットから1以上のデータエントリに基づいて代表的なデータを決定すること、および、
前記モデルの姿勢を前記第2の処理済み画像データによってテストすること、
を前記少なくとも1つのコンピュータハードウェアプロセッサに実行させるよう構成されてなる、請求項33に記載の非一時的コンピュータ可読記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2024061092A JP2024084825A (ja) | 2018-09-12 | 2024-04-04 | マシンビジョン用の画像データを処理するための方法及び装置 |
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/129,121 | 2018-09-12 | ||
US16/129,170 US10878299B2 (en) | 2018-09-12 | 2018-09-12 | Methods and apparatus for testing multiple fields for machine vision |
US16/129,148 | 2018-09-12 | ||
US16/129,148 US10825199B2 (en) | 2018-09-12 | 2018-09-12 | Methods and apparatus for processing image data for machine vision |
US16/129,121 US10846563B2 (en) | 2018-09-12 | 2018-09-12 | Methods and apparatus for generating a dense field of three dimensional data for machine vision |
US16/129,170 | 2018-09-12 | ||
JP2019164865A JP7182528B2 (ja) | 2018-09-12 | 2019-09-10 | マシンビジョン用の画像データを処理するための方法及び装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019164865A Division JP7182528B2 (ja) | 2018-09-12 | 2019-09-10 | マシンビジョン用の画像データを処理するための方法及び装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024061092A Division JP2024084825A (ja) | 2018-09-12 | 2024-04-04 | マシンビジョン用の画像データを処理するための方法及び装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022140857A JP2022140857A (ja) | 2022-09-28 |
JP2022140857A5 JP2022140857A5 (ja) | 2023-02-03 |
JP7469391B2 true JP7469391B2 (ja) | 2024-04-16 |
Family
ID=67997332
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019164865A Active JP7182528B2 (ja) | 2018-09-12 | 2019-09-10 | マシンビジョン用の画像データを処理するための方法及び装置 |
JP2022111466A Active JP7469391B2 (ja) | 2018-09-12 | 2022-07-11 | マシンビジョン用の画像データを処理するための方法及び装置 |
JP2024061092A Pending JP2024084825A (ja) | 2018-09-12 | 2024-04-04 | マシンビジョン用の画像データを処理するための方法及び装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019164865A Active JP7182528B2 (ja) | 2018-09-12 | 2019-09-10 | マシンビジョン用の画像データを処理するための方法及び装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024061092A Pending JP2024084825A (ja) | 2018-09-12 | 2024-04-04 | マシンビジョン用の画像データを処理するための方法及び装置 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3624062A1 (ja) |
JP (3) | JP7182528B2 (ja) |
KR (3) | KR102511821B1 (ja) |
CN (1) | CN110895679B (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102385076B1 (ko) * | 2020-07-10 | 2022-04-11 | 주식회사 메디트 | 데이터 잠금 시스템 및 데이터 잠금 방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011129082A (ja) | 2009-11-20 | 2011-06-30 | 3D Media Co Ltd | 3次元物体認識装置及び3次元物体認識方法 |
JP2017182274A (ja) | 2016-03-29 | 2017-10-05 | セイコーエプソン株式会社 | 情報処理装置およびコンピュータープログラム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3872061B2 (ja) * | 2004-02-06 | 2007-01-24 | 三菱電機株式会社 | 画像処理装置 |
US7689021B2 (en) * | 2005-08-30 | 2010-03-30 | University Of Maryland, Baltimore | Segmentation of regions in measurements of a body based on a deformable model |
US7957583B2 (en) * | 2007-08-02 | 2011-06-07 | Roboticvisiontech Llc | System and method of three-dimensional pose estimation |
US8442304B2 (en) * | 2008-12-29 | 2013-05-14 | Cognex Corporation | System and method for three-dimensional alignment of objects using machine vision |
JP5839929B2 (ja) * | 2010-11-19 | 2016-01-06 | キヤノン株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
WO2016000035A1 (en) * | 2014-06-30 | 2016-01-07 | Evolving Machine Intelligence Pty Ltd | A system and method for modelling system behaviour |
JP6360802B2 (ja) * | 2015-02-20 | 2018-07-18 | 株式会社デンソーアイティーラボラトリ | ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 |
JP6493163B2 (ja) * | 2015-11-06 | 2019-04-03 | オムロン株式会社 | 粗密探索方法および画像処理装置 |
US10452949B2 (en) * | 2015-11-12 | 2019-10-22 | Cognex Corporation | System and method for scoring clutter for use in 3D point cloud matching in a vision system |
EP3206164B1 (en) * | 2016-02-12 | 2022-05-25 | Cognex Corporation | System and method for efficiently scoring probes in an image with a vision system |
US10482621B2 (en) * | 2016-08-01 | 2019-11-19 | Cognex Corporation | System and method for improved scoring of 3D poses and spurious point removal in 3D image data |
US20180225799A1 (en) * | 2017-02-03 | 2018-08-09 | Cognex Corporation | System and method for scoring color candidate poses against a color image in a vision system |
-
2019
- 2019-09-10 JP JP2019164865A patent/JP7182528B2/ja active Active
- 2019-09-11 EP EP19196665.4A patent/EP3624062A1/en active Pending
- 2019-09-12 CN CN201910865951.8A patent/CN110895679B/zh active Active
- 2019-09-16 KR KR1020190113580A patent/KR102511821B1/ko active IP Right Grant
-
2022
- 2022-07-11 JP JP2022111466A patent/JP7469391B2/ja active Active
-
2023
- 2023-03-15 KR KR1020230033739A patent/KR102617732B1/ko active IP Right Grant
- 2023-12-20 KR KR1020230186810A patent/KR20240013085A/ko active Application Filing
-
2024
- 2024-04-04 JP JP2024061092A patent/JP2024084825A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011129082A (ja) | 2009-11-20 | 2011-06-30 | 3D Media Co Ltd | 3次元物体認識装置及び3次元物体認識方法 |
JP2017182274A (ja) | 2016-03-29 | 2017-10-05 | セイコーエプソン株式会社 | 情報処理装置およびコンピュータープログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022140857A (ja) | 2022-09-28 |
KR102511821B1 (ko) | 2023-03-21 |
JP7182528B2 (ja) | 2022-12-02 |
KR20200030485A (ko) | 2020-03-20 |
KR102617732B1 (ko) | 2023-12-27 |
JP2020061132A (ja) | 2020-04-16 |
KR20240013085A (ko) | 2024-01-30 |
JP2024084825A (ja) | 2024-06-25 |
CN110895679B (zh) | 2024-05-28 |
CN110895679A (zh) | 2020-03-20 |
EP3624062A1 (en) | 2020-03-18 |
KR20230042237A (ko) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11657630B2 (en) | Methods and apparatus for testing multiple fields for machine vision | |
US20210118176A1 (en) | Methods and apparatus for processing image data for machine vision | |
US10846563B2 (en) | Methods and apparatus for generating a dense field of three dimensional data for machine vision | |
Gao et al. | PRS-Net: Planar reflective symmetry detection net for 3D models | |
JP2024084825A (ja) | マシンビジョン用の画像データを処理するための方法及び装置 | |
JP5703312B2 (ja) | 特徴点の効率的なスケールスペース抽出及び記述 | |
JP6320649B1 (ja) | 機械学習装置及び画像認識装置 | |
JP2019008571A (ja) | 物体認識装置、物体認識方法、プログラム、及び学習済みモデル | |
CN110956131B (zh) | 单目标追踪方法、装置及系统 | |
JP5289412B2 (ja) | 局所特徴量算出装置及び方法、並びに対応点探索装置及び方法 | |
JP7402623B2 (ja) | フィルタ処理装置及びその制御方法 | |
US11816857B2 (en) | Methods and apparatus for generating point cloud histograms | |
CN107730464B (zh) | 基于块匹配的图像降噪并行算法 | |
Li et al. | GPU-based parallel optimization for real-time scale-invariant feature transform in binocular visual registration | |
CN106651950B (zh) | 一种基于二次曲线透视投影不变性的单相机位姿估计方法 | |
US20240054676A1 (en) | Methods and apparatus for determining orientations of an object in three-dimensional data | |
KR20190076202A (ko) | 3차원 손 자세 인식 장치 및 방법 | |
Gominski et al. | Benchmarking individual tree mapping with sub-meter imagery | |
CN117333937A (zh) | 基于分类和蒸馏的人体姿态估计方法、装置及电子设备 | |
CN117788442A (zh) | 畸变定位方法和畸变定位装置 | |
CN116783619A (zh) | 用于生成点云直方图的方法和装置 | |
Sharma et al. | Feature Extraction Based 3D Model Registration for Surface Finish Quality Evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220909 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220909 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230629 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230710 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240109 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240306 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240404 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7469391 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |