JPH02266478A - 図面認識方法 - Google Patents

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。

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、図形認識システム、たとえばプリント基板パ
ターン図を計算機に入力するためのシステムにおいて、
端子部分、すなわち穴を有する円形部分の位置およびそ
れらのパターン上での接続経路を抽出するための図面認
識方法に関するものである。

〔従来の技術〕

機械図面、プリント基板パターン図をはじめとして、図
面作成をＣＡ　Ｄ　（Ｃｏｍｐｕｔｅｒ　Ａｉｄｅｄ　
Ｄｅｓｉｇｎ）等のソフトウェアを用いて計算機上で作
成することが可能であるが、すでに作成済みの図面でも
計算機に自動入力できれば修正、追加等の仕様変更が容
易にできるので便利である。従来、既存図面の計算機へ
の入力は人手を介して最初から入力されることが多かっ
たが１人手を省くために図面を認識し認識結果を計算機
に入力する手法もいくつか考案されている。たとえば特
公昭６２−１７７９６号公報には次のような技術が開示
されている。

格子図形上の任意の交点にシンボルが配置されたプリン
ト基板パターン図において細線化を実施した後、各交点
を中心に矩形のブロックを生成す゛る。次にブロックの
４辺に沿って一定の幅で図形（値１を持つとする）をＯ
にリセットする。そして各ブロック内で端点を分岐点に
達するまで追跡、消去した後、各ブロックに図形が残れ
ば、そのブロック内の中心の交点にシンボルがあると判
定する。また、これにおいては、シンボル間の接続情報
をシンボル上の分岐点から他のシンボル上の分岐点まで
幅１のパターンを追跡することによって得ている。

〔発明が解決しようとする課題〕

このシンボル認識方法はシンボルの配置に関して、格子
図形上の交点にあるという制約がある。

また、シンボル間の接続情報を１幅１のパターンを画像
メモリ上で追跡することによって得ているが、一般に、
この種の追跡のためにはプリント基板パターン図を画像
メモリ上にあらかじめ蓄えておかなければならないため
大容量のメモリが必要になる。

〔８題を解決するための手段〕 上記のｉ題を解決するために、本発明では次の方法を用
いた。

（１）原画像の連結領域の輪郭を抽出して所定の精度で
多角形で近似し、該多角形の各点のそれぞれに注目し、
該注目している点と、それに隣接する２点をを通る円を
求め、各点間を接続するの辺と円弧との間の距離を求め
、該距離が第１所定値以下となることを条件に該注目し
ている点と該円の中心点とを対応付け、前記多角形の各
点に対応付けた前記中心点のうち、原画像の背景画像内
に存在するものの数の比率が第２所定値以上であること
を条件に円形の穴を抽出し、前記多角形の各点であって
、それに対応付けた前記中心点が前記円形の穴内に存在
するものを該円形の穴に対応付けて集め、それに基づい
て、例えば、集めた点の個数が所定個数以上となること
を条件に、同心円状のシンボルを検出する。

（２）原画像の連結領域の穴埋めを行い、所定目数の細
線化を行い、さらに、細線化が行なわれていない塊を除
去して幅１の細線パターンを作成し、該細線パターンの
輪郭を抽出し、該輪郭を構成する各点のうち、所定条件
を満足する点を冗長化し、満足しない点を区別すること
によって該輪郭構成する点列の連結構造を分析し、該点
列の端点、分岐点を検出すると共に検出された端点、分
岐点を用いて該点列より連結した点列を抽出し、それら
を多角形で近似することにより連続する折れ線を検出す
る。

〔作用〕

上記（１）の方法によれば、シンボルを認識する上でシ
ンボルがあらかじめ定まった格子図形の交点にある必要
はない。また、以下の実施例説明において詳しく説明す
るが、上記（１）、（２）の方法ともに、そのハードウ
ェアまたはソフトウェアにより実現する際に１画像メモ
リを必ずしも必要としないことから少ないメモリで効率
的にシンボル認識、接続情報を抽出することが可能とな
る。

なお、本発明によれば、シンボル間の接続を示す折れ線
は必ずしもシンボルと結ばれていないが。

以下の実施例に示すように連結領域ごとに処理を実施す
ることにより、その領域の特徴、たとえば同一領域内で
は接続されているという特徴等を用いればシンボル間の
接続情報を得ることは容易である。

以下図面を参照して実施例を説明する。

〔実施例〕

第１図は、本発明を一例で実施する図面認識システムの
処理手順を示すフローチャートであり、第４図、第７図
は、それぞれ第１図中のランド認識、中心線抽出の詳細
な処理手順を示すフローチャートである。以下、主とし
てこれらのフローチャートを参照しながら説明する。

図面をスキャナーに入力後、パターンを連データに変換
する。ここで、連とは第２ａ図に示されるようにパター
ンを各ラインごとに区切った時の連結するーまとまりの
ことを意味するものとし、横をコラム座標、縦をライン
座標とする。つまり、連データをメモリへ格納するため
にはたとえば第２ｂ図に示すように始点、終点を連続し
て並べ、ラインの変わり目で−１，−１をセットすれば
よい。

このようにパターンを連データに変換すると、まず、連
データより連結領域を抽出し、各連結領域ごとに輪郭を
抽出する。連データからの連結領域の抽出および輪郭線
の抽出は、いずれも公知の技術であるのでさらに説明を
加える必要はないと思われるが、以下の説明の便宜上、
第３ａ図および第３ｂ図に一例を簡単に示した。第３ｂ
図は、第３ａ図に示した連結する連データに対して輪郭
線を抽出した結果を示している。ここで、輪郭線とは第
３ｂ図の矢印で示したように連の始点、終点を連続して
拾ったものであり、第３ｂ図では穴が２つあることから
、穴に対応する輪郭線ＩＢＩ。

ＩＢ２と外側の輪郭ＯＢの３本の輪郭が抽出されている
。

次に抽出された輪郭線より同心円状のシンボル（以下、
ランドと呼ぶ）を抽出する６ランドの検出手順の一例を
第４図に示す。

始めに、各連結領域ごとに、内部の輪郭線、外部の輪郭
線の順序で輪郭線を取り出し、所定の精度にて多角形で
近似する。多角形近似の方法は公知の技術であり、一般
に、近似された多角形ともとの点列の間のずれが所定の
閾値以下になる０次に多角形の各点に対して第５図で定
義される特徴量を計算する。ここでは、注目している点
および隣接する２点を通る円を求め、３点の間の多角形
の辺と円弧の間の距離ｄｉ、ｄ２が所定のしきい値以下
におさまる時に限り、計算した円を有効とみなしその中
心座標を特徴量として注目している点に付与し、注目し
ている点を始点とし、該円の中心座標を終点とするベク
トル（以下、このベクトルを曲率ベクトルと呼ぶ）を求
める。つまり、鋭角等の図形との尖った部分においては
第５図に示すｄＬ、ｄ２の値が大きくなり所定の閾値を
越えるので、曲率ベクトルは輪郭図形上の円弧の部位に
おいてのみ定義される。なお、多角形近似の時に用いる
閾値Ｔ１と曲率ベクトルのｄｉ、ｄ２の評価に用いるし
きい値Ｔ２は無関係に定められるものでなく、Ｔ２はＴ
１の１から５倍に設定することが望ましい。

以下の説明では第４図に示した処理ブロックをそれに付
した記号ＳＬ、Ｓ２．　　・・・、で示す。

曲率ベクトルを計算後、内部の輪郭については円か否か
の判定（Ｓｌ）を行い、円と判定された場合に限り最小
自乗法等を用いて円近似（Ｓ２）を行う６円判定はたと
えば、円の内側かもとの図形の外部となることから、近
似多角形の頂点数の中で曲率ベクトルの終点が図形外部
にあるものの比率が所定値以上の時に円と判定すればよ
い。なお、図形内部に円が検出された場合には、フラグ
ｉｎを１にセットする。

外側の輪郭線に対しては第６ａ図に示すようにランドが
図形の一部として含まれている場合と第６ｂ図に示すよ
うに図形自体が円の場合の２通りを区別する必要があり
、第４図では円判定（Ｓ３）でそれらを区別する。この
場合は、円の内側が図形内部となることから近似多角形
の頂点数の中で曲率ベクトルの終点が図形内部にあるも
のの比率が所定値以上の時に円と判定すればよい。

図形自体が円の場合は円近似（Ｓ４）後、内部に円を含
む場合に限り、ランドと認識し認識結果を登録する（Ｓ
５）、また図形の一部がランドの場合は外信輪郭線に沿
って計算された曲率ベクトル対して内部の各日ごとにベ
クトルの終点が円内にあるものを選択（Ｓ６）Ｌ、所定
数選択された時に限り（Ｓ７）、選択されたベクトルの
始点を用いて円近似（Ｓ８）した後、ランドとして登録
する（Ｓ９）、なお内部に円がない場合、すなわち、１
ｎ＝ｏの場合はランドが一つもないものと判定する。以
上の手順でランド認識は完了する。

処理例の一例として、第１４ｂ図に示した輪郭線より抽
出したランドを第１４ｃ図に示した。

次に抽出された輪郭線を用いて、穴埋め、細線化、塊除
去を実施する（第１図）６ 穴埋めは外側の輪郭線を用いれば容易にできる。

例えば、第３Ｃ図においては、第３ｂ図中の外側輪郭で
抽出された始点、終点を黒点で示しであるが、各ライン
ごとに、この黒点に対応する座標を左から右に２個づつ
拾って連にまとめていけば原図形である第３ａ図の穴埋
め図形の連データが得られる。

また、細線化においては、連データに対して公知の技術
を用いてシンボルを接続するパターンの幅を１にし、塊
除去においては、画像処理でいうところの連結数が１以
下の画素を除去する。

以上の処理によって最終的に得られる連データはシンボ
ルの接続線であって幅が１のものである。

ただし、この段階では連データはパターンであって連結
する点列でも折れ線でもないことに注意を要する。

中心線抽出の詳細処理手順を第７図に示す。以下の説明
は第８図に示すような塊を除去済みの幅１のパターンに
基づいて行なうものとする。

まず、第３ｂ図で示した輪郭抽出を実施する。

後に掲げた第１表はその実施結果であり、各連の始点、
終点を第８図の矢印の順で連結したものとなっている。

ただし、第１表において、ｎｅｘｔ”は次に連結すべき
点列Ｎｏ、を示すものとする。

次に、第１表の輪郭点列に対して冗長化と不要な点の印
付けを以下の手順で実施する。第９ａ図。

第９ｂ図、第９ｃ図、第９ｄ図、第９ｅ図は第８図に示
された輪郭点列を冗長化するための説明図である０輪郭
点列の接続形態は第９ａ図から第９ｅ図のいずれかに相
当し、矢印に示された実際の連向をｋｏ、ｋｌ、に２．
に３の冗長化された輪郭点列に変換することを上記図は
示している。

第１表に対して輪郭点列の冗長化を実施した結果を第２
表として後に掲げた。この第２表中のラベルについては
後で説明する。

ここで、同一の点列Ｎｏ、が再度現われる時は不要な点
として負号をつけ、特に長さ１の連に対して始点、終点
を区別しないで、どちらかの点が一度現れたならば、そ
れ以降は始点、終点のどちらが現れても負号を付与する
ものとする。また、冗長化を実施するにあたって、最初
の点は端点、すなわち第８図においては点列Ｎｏ、　２
　、４．１６．２１のどれかを選ぶものとする。連の長
さが１の端点の場合、始点と終点の２通りの選び方があ
るが、この時は次に連結する点が違う運上にある方を選
ぶものとする。

なお、後処理として次の処理を行なう、第１０図に示す
横３×縦ｌの窓で第２表に示す輪郭点列を走査し。

（１）　　ｘｏ＞Ｏ，ｘ　ｌ＜０．ｘ２＞０であり、（
２）ｘｉに対応する連の長さが１ の時にＸｌの負号を正に変更する。この処理は、第１１
図に示すようなパターンに対してｋ　３＜０を正に変更
することを意味し、後述の処理にて第１１図の点に２が
分岐点となることを防止するために行なう。なお、第２
表の場合はこの後処理による変更を受けない。

次に第２表の輪郭点列を分析し、端点２分岐点を検出す
る。検出方法は第１Ｏ図に示した窓で第２表の輪郭点列
を走査し、 （３Ｌ　ｘｏ＜０．ｘ　１＜０．ｘ２＞Ｏの時は第１２
ａ図に対応することからＸｌを分岐点とし、 （４）　　ｘｏ＞Ｏ，ｘｉ＜０の時は ｘｌより輪郭点列を前向き、後ろ向きに調べ、ｘｌに対
応する連凧外に初めて到達した時の連をそれぞれＲｆ、
Ｒｂとおき、（ａ）Ｒｆ＝Ｒｈならば 第１２ｂ図または第１２ｃ図に対応することから、Ｘｌ
を端点とし、 （ｂ）Ｒｆ≠Ｒｈならば 第１２ｄ図に対応することからＸＯを端点、ｘｌを分岐
点とする。

第２表のラベルのＢ、Ｅが輪郭点列の分析で得られた分
岐点、端点である。ここで長さ１の連で始点、終点のど
ちらかが端点または分岐点にラベル付けされたならばも
う一方の点も同じラベルを付与するものとする。

なお、後処理として第２表でＢのラベルがつきながら点
列Ｎｏ、が負であり、その前後のどちらかの点列Ｎｏ、
が正の時は負号を正に反転する処理を行なう。後に掲げ
た第３表は、この後処理の結果を示し、点列Ｎｏ、　１
０．１５の負号が正に反転している。

この後処理の目的は分岐点を重複して拾うことを許すこ
とにある。

最後に、第３表の点列Ｎｏ、を分岐点を始点として端点
または分岐点に到達するまで正の点を拾っていく。ただ
し、前に述べたように第３表の最初の点は必ず端点であ
り、この場合に限り、唯一の例外として端点を始点とす
る。後に掲げた第４表は、上記手順によって得られた輪
郭点列を示す。

第１３図は、第４表を図示した結果であり、各点列は多
角形近似後に折れ線となる。以上でシンボル間接続線の
折れ線としての抽出は完了する。

以上の処理の一例として、第１４ａ図にスキャナーに入
力する図面を、第１４ｂ図に輪郭抽出の結果を、第１４
ｃ図にランド認識の結果を、第１４ｄ図に中心線の抽出
結果と穴埋め後の輪郭図形を示したので参照されたい。

この種の処理は、第１５図のハードウェアによって効果
的に実行さ九る。第１図に示した全体処理フローに従っ
て本ハードウェアの機能を説明する。

図面データはランレングスとしてスキャナーよりグロー
バルメモリＧＭに転送される。第０番のＣＰＵであるＰ
Ｅ＃Ｏは連結領域の抽出を行ない、抽出結果の連結領域
データは、やはりＧＭへ逐次書き込まれる。

他のＣＰＵ、ＰＥ＃ｌ、ＰＥ＃２．−、ＰＥ＃ｎは、Ｇ
Ｍ上の連結領域データを競合して取りに行き、輪郭抽出
、ランド認識、・・・、中心線抽出の処理を行ない、処
理結果として輪郭線、ランド径・位置、中心線をＧＭへ
書き込む。これらは、ある連結領域データの処理が終わ
れば、次の連結データ領域データを取りに行き、以下同
様の処理を繰り返す。

ここでローカルメモリＬＭ＃Ｏ，ＬＭ＃　１．・・・Ｌ
Ｍ＃ｎは処理を行うためのプログラムの格納領域、作業
領域として使われる。本実施例によれば処理はすべて連
データを単位として行われるため、ＬＭは画像メモリで
ある必要はなく、少ないメモリで充分である。なおＰＥ
＃Ｏは連結領域抽出の処理を完了後、他のＣＰＵと同じ
処理を行う。

ＰＥ＃Ｏによる連結領域の抽出が完了しており、かつ未
処理の連結領域データがなくなった時にＧＭ上の処理結
果はパソコンＰＣへ転送され処理終了となる。上記ハー
ドウェア構成によれば処理時間は一般にＣＰＵ数に反比
例して短縮し、本発明を効果的に実施することが可能と
なる。

第 表 第 第 第 表 表 表 〔発明の効果〕 本発明によれば図面中のシンボルの位置に対して格子図
形上の交点にある等の制約条件は不要となる。またシン
ボル認識およびシンボル接続線の折れ線としての抽出を
、画像メモリに図面パターンを調量することなく連デー
タのままで実施することが可能である。したがって少な
いメモリと簡易な処理装置で図面認識システムを実現す
ることが可能となる。

【図面の簡単な説明】

第１図、第４図および第７図は、本発明を一態様で実施
する処理手順を示すフローチャートである。 第２ａ図および第２ｂ図は連および連データを説明する
ための説明図、第３ａ図、第３ｂ図および第３ｃ図は連
データからの輪郭線抽出と輪郭線に基づく穴埋めを説明
するための説明図、第５図はシンボル認識に用いる特徴
量を説明するための説明図、第６ａ図および第６ｂ図は
シンボルの一例を示した説明図、第８図は穴埋め、細線
化、塊除去後の連データのパターン例とその輪郭点列の
一例を示した説明図、第９ａ図、第９ｂ図、第９ｃ図、
第９ｄ図および第９ｅ図は輪郭点列の冗長化方法を説明
するための説明図、第１０図は輪郭点列上を走査する窓
の一例を示した説明図、第１１図は輪郭点列の冗長化の
後処理を説明するための説明図、第１２ａ図、第し２ｂ
図、第１２ｃ図および第１２ｄ図は輪郭点列の分析方法
を説明するための説明図、第１３図は輪郭点列の分析結
果から得られる連結点列の一例を示した説明図、第１４
ａ図、第１４ｂ図、第１４ｃ図および第１４ｄ図はそれ
ぞれ、図面パターン、＠郭線図。 ＵＫ　Ｆ！されたランド、抽出された中心線と穴埋め後
の輪郭線の重畳図を一例で示した説明図である。 第１５図は本発明を一例で実施するハードウェアの構成
図を示すブロック図である。 特許出願人　　　新日本製鐵株式會社

Claims (2)

【特許請求の範囲】
1. （１）原画像の連結領域の輪郭を抽出して所定の精度で
   多角形で近似し、該多角形の各点のそれぞれに注目し、
   該注目している点と、それに隣接する２点をを通る円を
   求め、各点間を接続するの辺と円弧との間の距離を求め
   、該距離が第１所定値以下となることを条件に該注目し
   ている点と該円の中心点とを対応付け、 前記多角形の各点に対応付けた前記中心点のうち、原画
   像の背景画像内に存在するものの数の比率が第２所定値
   以上であることを条件に円形の穴を抽出し、 前記多角形の各点であって、それに対応付けた前記中心
   点が前記円形の穴内に存在するものを該円形の穴に対応
   付けて集め、それに基づいて同心円状のシンボルを検出
   する図面認識方法。
2. （２）原画像の連結領域の穴埋めを行い、所定目数の細
   線化を行い、さらに、細線化が行なわれていない塊を除
   去して幅１の細線パターンを作成し、前記細線パターン
   の輪郭を抽出し、該輪郭を構成する各点のうち、所定条
   件を満足する点を冗長化し、満足しない点を区別するこ
   とによって該輪郭構成する点列の連結構造を分析し、該
   点列の端点、分岐点を検出すると共に検出された端点、
   分岐点を用いて該点列より連結した点列を抽出し、それ
   らを多角形で近似することにより連続する折れ線を検出
   する、図面認識方法。