JPH01293486A - 形状認識装置 - Google Patents
形状認識装置Info
- Publication number
- JPH01293486A JPH01293486A JP12515888A JP12515888A JPH01293486A JP H01293486 A JPH01293486 A JP H01293486A JP 12515888 A JP12515888 A JP 12515888A JP 12515888 A JP12515888 A JP 12515888A JP H01293486 A JPH01293486 A JP H01293486A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- line width
- representative point
- point
- original image
- 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.)
- Pending
Links
- 239000013598 vector Substances 0.000 claims abstract description 59
- 238000010586 diagram Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 10
- 239000000470 constituent Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
この発明は、地図中に描かれている建物、シンボル、道
路等の自動認識できる形状認識装置に関するものである
。
路等の自動認識できる形状認識装置に関するものである
。
第６図は従来の形状認識装置による線幅の情報を１画素
の線幅に圧縮する方法の説明図であり、図において、１
は線幅、１ａは１画素を示す。
の線幅に圧縮する方法の説明図であり、図において、１
は線幅、１ａは１画素を示す。
一般に地図中の建物や道路等にはそれらを構成している
線の線幅１にその特徴を含んでいる場合が多く、この線
幅情報を基に地図中に描かれているものを区別すると便
利である。
線の線幅１にその特徴を含んでいる場合が多く、この線
幅情報を基に地図中に描かれているものを区別すると便
利である。
しかし、一般に認識の前処理として行なう細線化のプロ
セスで線幅の情報は消えてしまう。
セスで線幅の情報は消えてしまう。
一般に細線化とは情報量を圧縮するプロセスであり、第
６図に示したように線幅１の情報を細線化して１画素１
ａの線幅にまで圧縮してしまう。
６図に示したように線幅１の情報を細線化して１画素１
ａの線幅にまで圧縮してしまう。
このため、細線化のプロセスで線幅１の情報は消えてし
まう。したがって、細線化された細線化データ２を基に
第７図に示すようにベクトル化を行い、ベクトル情報２
ａを基に特徴抽出（閉ループ、面積等）を行ない、認識
を行う。
まう。したがって、細線化された細線化データ２を基に
第７図に示すようにベクトル化を行い、ベクトル情報２
ａを基に特徴抽出（閉ループ、面積等）を行ない、認識
を行う。
すなわち、細線化データ２は点列とし、ベクトル化して
ベクトルＶｌ、Ｖ２のベクトル情報２ａとなし、ベクト
ル情報２ａのうち、ベクトル■１の始点を（Ｘｉ、Ｙｌ
）、終点を（Ｘ２゜Ｙ２）とし、ベクトル■ｌの始点を
（Ｘ２．Ｙ２）、終点を（Ｘ３．Ｙ３）の座標で表して
いる。
ベクトルＶｌ、Ｖ２のベクトル情報２ａとなし、ベクト
ル情報２ａのうち、ベクトル■１の始点を（Ｘｉ、Ｙｌ
）、終点を（Ｘ２゜Ｙ２）とし、ベクトル■ｌの始点を
（Ｘ２．Ｙ２）、終点を（Ｘ３．Ｙ３）の座標で表して
いる。
しかし、この方法においては、線幅の情報を有効に活用
できないため、たとえば建物構成ベクトルを抽出するの
に時間がかかる。以下、例に基づいて詳述する。第８図
に地図の例を示す。この第８図に示す地図は道路および
建物をベクトル■１〜Ｖ１２に分解される。建物を認識
する場合、地図中のベクトルＶ１〜Ｖ１２をテーブル化
した第９図に示すベクトルテーブルを順にサーチし、建
物候補ベクトルを探す０例えば、閉じループ構成ベクト
ル等を特徴に建物ベクトルを抽出する。
できないため、たとえば建物構成ベクトルを抽出するの
に時間がかかる。以下、例に基づいて詳述する。第８図
に地図の例を示す。この第８図に示す地図は道路および
建物をベクトル■１〜Ｖ１２に分解される。建物を認識
する場合、地図中のベクトルＶ１〜Ｖ１２をテーブル化
した第９図に示すベクトルテーブルを順にサーチし、建
物候補ベクトルを探す０例えば、閉じループ構成ベクト
ル等を特徴に建物ベクトルを抽出する。
この第９図の例の場合、すべてのベクトルｖ１〜Ｖ１２
についてその接続関係を調べ、閉ループかどうかを調べ
る必要があり、かなりの時間を要する。
についてその接続関係を調べ、閉ループかどうかを調べ
る必要があり、かなりの時間を要する。
一般に国土地理院の地図では、建物ベクトルは建物構成
ベクトルの一部が他のベクトルより太くなっている。も
し、この特徴を使えれば、建物を抽出するのは前述の方
法に比べて速くなる。
ベクトルの一部が他のベクトルより太くなっている。も
し、この特徴を使えれば、建物を抽出するのは前述の方
法に比べて速くなる。
すなわち、太いベクトルに着目し、そのベクトルを中心
に閉ループベクトルをサーチすればよい０以上のように
、線の幅を特ｆｌｉｔとすれば、速く認識できる。
に閉ループベクトルをサーチすればよい０以上のように
、線の幅を特ｆｌｉｔとすれば、速く認識できる。
従来の形状認識装置は以上のように構成されているので
、細線化により線幅の情報がなくなっているため、上述
の方法は使用できない。
、細線化により線幅の情報がなくなっているため、上述
の方法は使用できない。
なお、近似技術として、特公昭６１−９６６７号公報が
ある。
ある。
この発明は上記の問題点を解消するためになされたもの
で、線幅をベクトルの属性情報として持たすことがでと
るとともに、線幅を特徴量として有する地図中の建物や
道路等を速やかに認識できる形状認識装置を得ることを
目的にする。
で、線幅をベクトルの属性情報として持たすことがでと
るとともに、線幅を特徴量として有する地図中の建物や
道路等を速やかに認識できる形状認識装置を得ることを
目的にする。
（課題を解決するための手段〕
この発明に係る形状認識装置は、原画像を圧縮して得た
細線化データからベクトル化する際にベクトルを構成す
る点列データ中に原画像中の代表点に対応する代表点座
標を有するようにベクトル化するベクトル化装置と、ベ
クトルテーブル中に細線化した代表点の座標を含ませて
記憶するメモリと、ベクトルテーブル中の代表点の座標
より原画像に戻り代表点近傍の点列数をカウントして代
表点近傍の線幅をベクトルの属性情報として求めるカウ
ンタとを設けたものである。
細線化データからベクトル化する際にベクトルを構成す
る点列データ中に原画像中の代表点に対応する代表点座
標を有するようにベクトル化するベクトル化装置と、ベ
クトルテーブル中に細線化した代表点の座標を含ませて
記憶するメモリと、ベクトルテーブル中の代表点の座標
より原画像に戻り代表点近傍の点列数をカウントして代
表点近傍の線幅をベクトルの属性情報として求めるカウ
ンタとを設けたものである。
（作用）
この発明におけるベクトル化装置は細線化データからベ
クトル化する際に、このベクトルを構成する点列データ
中に原画像の代表点に対応する代表点を有するようにし
てベクトル化し、このベクトル化したベクトルテーブル
中に細線化した点列中の代表点の！標を含ませてメモリ
に記憶し、カウントによりメモリに記憶されたベクトル
の代表点の座標より原画像に戻り、点列数をカウントし
て代表点近傍の線幅をベクトルの属性情報として求めて
、この線幅により原画像中の図形認識に供するように作
用する。
クトル化する際に、このベクトルを構成する点列データ
中に原画像の代表点に対応する代表点を有するようにし
てベクトル化し、このベクトル化したベクトルテーブル
中に細線化した点列中の代表点の！標を含ませてメモリ
に記憶し、カウントによりメモリに記憶されたベクトル
の代表点の座標より原画像に戻り、点列数をカウントし
て代表点近傍の線幅をベクトルの属性情報として求めて
、この線幅により原画像中の図形認識に供するように作
用する。
〔実施例）
以下、この発明の一実施例を図について説明する。第１
図において、１１は第２図に示すような原画像が入力さ
れ、この原画像を格納するメモリであり、１２はこのメ
モリ１１に格納された原画像を細線化して線幅を１画素
にまで細くする細線化装置、１３はこの細線化装置１２
で原画像を細線化した細線化データを格納するメモリで
ある。
図において、１１は第２図に示すような原画像が入力さ
れ、この原画像を格納するメモリであり、１２はこのメ
モリ１１に格納された原画像を細線化して線幅を１画素
にまで細くする細線化装置、１３はこの細線化装置１２
で原画像を細線化した細線化データを格納するメモリで
ある。
また、１４はメモリ１３に格納された細線化データをベ
クトル化するベクトル化装置、１５は次の第１表に示す
ベクトルテーブルを格納するベクトルである。
クトル化するベクトル化装置、１５は次の第１表に示す
ベクトルテーブルを格納するベクトルである。
［第 １ 表］
この第１表において、Ｖｌ〜■６はベクトルテーブルを
表し、（Ｘｉ、Ｙｌ、） 〜（Ｘ６゜Ｙ６）はベクトル
の始点、１ （Ｘｉ、Ｙｌ）〜６ （Ｘ６．Ｙ６）は
代表点の座標をそれぞれ表している。
表し、（Ｘｉ、Ｙｌ、） 〜（Ｘ６゜Ｙ６）はベクトル
の始点、１ （Ｘｉ、Ｙｌ）〜６ （Ｘ６．Ｙ６）は
代表点の座標をそれぞれ表している。
また、第１図の１６は上記メモリ１１に格納された原画
像の線幅が１画素増すごとにカウントアツプするカウン
タ、１７はベクトル化装置１４とメモリ１５の出力から
形状認識を行う認識装置である。
像の線幅が１画素増すごとにカウントアツプするカウン
タ、１７はベクトル化装置１４とメモリ１５の出力から
形状認識を行う認識装置である。
次に動作について説明する。まず、メモリ１１に第２図
に示す画像が入力され、原画像をメモリ１１に格納する
。このメモリ１１に格納された原画像を細線化装置１２
で細線化し、細線化データをメモリ２に格納する。
に示す画像が入力され、原画像をメモリ１１に格納する
。このメモリ１１に格納された原画像を細線化装置１２
で細線化し、細線化データをメモリ２に格納する。
この細線化装置１２により原画像を細線化するに際し、
原画像を１画素にまで細くし、第３図に示すように細線
化し、その細線化した細線化画像をメモリ１３に格納す
る。
原画像を１画素にまで細くし、第３図に示すように細線
化し、その細線化した細線化画像をメモリ１３に格納す
る。
次に、ベクトル化装置１４により、第３図で示した細線
化画像を第４図に示すようにベクトル化し、第１表で示
したベクトルテーブルのように各ベクトルに含まれる細
線化した点列中の代表点１〜６の座標１（Ｘｉ、Ｙｌ）
〜６ （Ｘ６．Ｙ６）を持つようにする。
化画像を第４図に示すようにベクトル化し、第１表で示
したベクトルテーブルのように各ベクトルに含まれる細
線化した点列中の代表点１〜６の座標１（Ｘｉ、Ｙｌ）
〜６ （Ｘ６．Ｙ６）を持つようにする。
次に各ベクトルの代表点の座標より原画像に戻り、４方
向の点列数をカウンタ１６でカウントする。第１表のベ
クトルテーブルはメモリ１５に格納されており、例えば
ベクトル４に注目すると、ベクトル４の代表点の座標 ４ （Ｘ４．Ｙ４）よりメモリ１１内にある原画像にも
どる。
向の点列数をカウンタ１６でカウントする。第１表のベ
クトルテーブルはメモリ１５に格納されており、例えば
ベクトル４に注目すると、ベクトル４の代表点の座標 ４ （Ｘ４．Ｙ４）よりメモリ１１内にある原画像にも
どる。
代表点４は第２図に示す原画像中の代表点４Ｇに対応す
るはずである。代表点４Ｇを中心に第２図に示す■■■
■方向の黒画素数をカウンタ１６でカウントする。この
場合、代表点４Ｇより各方向にカウントしていき、例え
ば■の両方向へのカウント途中で白画素があられれるま
でのカウント値でもって、カウント値とし、Ｗｌとする
。
るはずである。代表点４Ｇを中心に第２図に示す■■■
■方向の黒画素数をカウンタ１６でカウントする。この
場合、代表点４Ｇより各方向にカウントしていき、例え
ば■の両方向へのカウント途中で白画素があられれるま
でのカウント値でもって、カウント値とし、Ｗｌとする
。
同様に■■■の両方向へのカウント値Ｗ２゜Ｗ３、Ｗ４
を求め、最小値をＷｍｌとし、ベクトル■１の線幅Ｗｍ
ｌとしベクトルテーブルに書きこむ、同様にして、線幅
Ｗｍ２．−−−−Ｗｍ６を求め、各々ベクトル■１〜■
６の線幅とする。
を求め、最小値をＷｍｌとし、ベクトル■１の線幅Ｗｍ
ｌとしベクトルテーブルに書きこむ、同様にして、線幅
Ｗｍ２．−−−−Ｗｍ６を求め、各々ベクトル■１〜■
６の線幅とする。
以上で各ベクトル■１〜■６の線幅Ｗｍｌ〜Ｗｍ６がベ
クトルの属性情報として求まったことになる。この線幅
情報を認識装置に人力して線幅を特徴量として地図中の
各種の図形を速やかに認識する。
クトルの属性情報として求まったことになる。この線幅
情報を認識装置に人力して線幅を特徴量として地図中の
各種の図形を速やかに認識する。
地図中の各種図形には線幅を特徴ヱとして有するものが
多く（国土地理院の地図では建物ベクトルの一部、等高
線の一部の線幅が定まっている）、ベクトルの線幅情報
を利用することにより、車に細線化を行い、線幅情報を
利用しないよりも速やかに形状を認識できる。
多く（国土地理院の地図では建物ベクトルの一部、等高
線の一部の線幅が定まっている）、ベクトルの線幅情報
を利用することにより、車に細線化を行い、線幅情報を
利用しないよりも速やかに形状を認識できる。
なお、発明の適用については主に地形図の認識について
述べてきたが、図面中の形状が特徴量として線幅を有す
るものであれば、この発明は適用つきる。例えば第５図
に示すような配管図で、配管１８の太さが図中の線幅１
８ａで示されている場合、配管１８の種類を線幅で認識
することができる。これ以外に配線図、シーケンス図等
への応用も可能である。
述べてきたが、図面中の形状が特徴量として線幅を有す
るものであれば、この発明は適用つきる。例えば第５図
に示すような配管図で、配管１８の太さが図中の線幅１
８ａで示されている場合、配管１８の種類を線幅で認識
することができる。これ以外に配線図、シーケンス図等
への応用も可能である。
（発明の効果）
以上のように、この発明によれば、原画像の細線化デー
タをベクトル化する際にベクトルを構成する点列データ
中に代表点を遷び、その代表点の座標より原画像に戻り
、代表点近傍の線幅を求め、ベクトルの属性情報として
線幅を有するように構成したので、地図中の各種の図形
を速やかに認識することができる効果がある。
タをベクトル化する際にベクトルを構成する点列データ
中に代表点を遷び、その代表点の座標より原画像に戻り
、代表点近傍の線幅を求め、ベクトルの属性情報として
線幅を有するように構成したので、地図中の各種の図形
を速やかに認識することができる効果がある。
第１図はこの発明の一実施例による形状認識装置の構成
を示すブロック図、第２図は同上実施例のメモリに格納
される原画像の一例を示す説明図、第３図は第２図の原
画像を細線化した細線化画像の例を示す説明図、第４図
は第３図の細線化画像をベクトル化した説明図、第５図
は同上実施例により図形認識する配管とその線幅を示す
説明図、第６図は従来の図形認識装置により線幅を１画
素に圧縮する方法の説明図、第７図は従来の図形認識装
置より細線化データをベクトル化する方法の説明図、第
８図は従来の図形認識装置を説明するための道路と建物
を示す説明図、第９図は第８図のベクトルをベクトルデ
ープルを示す説明図である。 １３．１５はメモリ、１２は細線化装置、１４はベクト
ル化装置、１６はカウンタ、１７は認識装置。 なお、図中、同一符号は同一、又は相当部分を示す。 特許出願人 三菱電機株式会社 第 １ 囚 第 ２ 図 第 ３ □□□第５図
を示すブロック図、第２図は同上実施例のメモリに格納
される原画像の一例を示す説明図、第３図は第２図の原
画像を細線化した細線化画像の例を示す説明図、第４図
は第３図の細線化画像をベクトル化した説明図、第５図
は同上実施例により図形認識する配管とその線幅を示す
説明図、第６図は従来の図形認識装置により線幅を１画
素に圧縮する方法の説明図、第７図は従来の図形認識装
置より細線化データをベクトル化する方法の説明図、第
８図は従来の図形認識装置を説明するための道路と建物
を示す説明図、第９図は第８図のベクトルをベクトルデ
ープルを示す説明図である。 １３．１５はメモリ、１２は細線化装置、１４はベクト
ル化装置、１６はカウンタ、１７は認識装置。 なお、図中、同一符号は同一、又は相当部分を示す。 特許出願人 三菱電機株式会社 第 １ 囚 第 ２ 図 第 ３ □□□第５図
Claims (1)
- 地図中の原画像を細線化して細線化データに圧縮する細
線化装置と、ベクトルを構成する点列データ中に上記原
画像中の代表点に対応する代表点座標を有するように上
記細線化データをベクトル化するベクトル化装置と、上
記ベクトル化したベクトルテーブル中に細線化した点列
中の上記代表点の座標を含ませて記憶するメモリと、上
記ベクトルテーブル中の所定の代表点の座標より上記原
画像に戻り代表点近傍の上記点列数をカウントして上記
代表点近傍の線幅をベクトルの属性情報として求めるカ
ウンタと、このカウンタで求めた線幅から上記原画像の
中の図形を認識する認識装置とを備えた形状認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12515888A JPH01293486A (ja) | 1988-05-23 | 1988-05-23 | 形状認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12515888A JPH01293486A (ja) | 1988-05-23 | 1988-05-23 | 形状認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH01293486A true JPH01293486A (ja) | 1989-11-27 |
Family
ID=14903313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP12515888A Pending JPH01293486A (ja) | 1988-05-23 | 1988-05-23 | 形状認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH01293486A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03252779A (ja) * | 1990-03-02 | 1991-11-12 | Fujitsu Ltd | 線図形認識装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63775A (ja) * | 1986-06-20 | 1988-01-05 | Nippon Telegr & Teleph Corp <Ntt> | 線図形表現方法 |
| JPS63116279A (ja) * | 1986-11-04 | 1988-05-20 | Toshiba Corp | 図面読取装置における建屋図形抽出方法 |
-
1988
- 1988-05-23 JP JP12515888A patent/JPH01293486A/ja active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63775A (ja) * | 1986-06-20 | 1988-01-05 | Nippon Telegr & Teleph Corp <Ntt> | 線図形表現方法 |
| JPS63116279A (ja) * | 1986-11-04 | 1988-05-20 | Toshiba Corp | 図面読取装置における建屋図形抽出方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03252779A (ja) * | 1990-03-02 | 1991-11-12 | Fujitsu Ltd | 線図形認識装置 |
| JP2604050B2 (ja) * | 1990-03-02 | 1997-04-23 | 富士通株式会社 | 線図形認識装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
| CN110807361B (zh) | 人体识别方法、装置、计算机设备及存储介质 | |
| JPH039489A (ja) | 表領域識別方法 | |
| JPH0877334A (ja) | 顔画像の特徴点自動抽出方法 | |
| JPWO2008018398A1 (ja) | オブジェクト領域抽出装置 | |
| CN108596944A (zh) | 一种提取运动目标的方法、装置及终端设备 | |
| CN108229492B (zh) | 提取特征的方法、装置及系统 | |
| WO2021190664A1 (zh) | 基于关键点定位的多人脸检测方法、系统及存储介质 | |
| Saeed et al. | Implementation and advanced results on the non-interrupted skeletonization algorithm | |
| EP0456192A2 (en) | Image processing method and apparatus therefor | |
| JPH01293486A (ja) | 形状認識装置 | |
| CN105956595A (zh) | 图像特征提取方法及系统 | |
| JPH11134509A (ja) | 図面認識処理方法及び建築図面認識処理方法 | |
| CN113222021A (zh) | 图片目标对象的识别方法、存储介质及装置 | |
| Ablameyko et al. | Knowledge based technique for map-drawing interpretation | |
| JPH0833917B2 (ja) | 知的会話処理による図形入力処理装置 | |
| JP2552653B2 (ja) | 重畳図形分離方法 | |
| CN116503781A (zh) | 一种基于多移动端-边缘端协同推理的视频目标检测方法 | |
| CN117291944A (zh) | 图像处理方法及相关设备 | |
| JPH0418685A (ja) | 画像処理方式 | |
| JPH0146913B2 (ja) | ||
| JPS60120479A (ja) | 交差点屈折点抽出装置 | |
| CN117409027A (zh) | 图像搜索方法、装置、产品、设备和介质 | |
| JP2852044B2 (ja) | 記号認識装置 | |
| JP2988697B2 (ja) | 図形認識方式 |