JPH05324835A - 二次元図形のパターンマッチング方法及びその装置 - Google Patents
二次元図形のパターンマッチング方法及びその装置Info
- Publication number
- JPH05324835A JPH05324835A JP4124847A JP12484792A JPH05324835A JP H05324835 A JPH05324835 A JP H05324835A JP 4124847 A JP4124847 A JP 4124847A JP 12484792 A JP12484792 A JP 12484792A JP H05324835 A JPH05324835 A JP H05324835A
- Authority
- JP
- Japan
- Prior art keywords
- data
- feature point
- model data
- dimensional
- point data
- 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
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
(57)【要約】 （修正有）
【目的】 入力画像の予期せぬ雑音や欠けなどで重心点
にずれが生じても正確なパターンマッチングを行い得る
二次元図形のパターンマッチング方法及びその装置。 【構成】 パターンマッチング装置Ａ´は，二次元図形
を画像入力する入力回路１と，入力画像に二値化と雑音
除去処理を施す前処理回路２と，前処理を施された入力
画像の形状を表す特徴点データＶp を抽出する特徴点デ
ータ抽出回路３と，モデルデータＶm を記憶するモデル
データ記憶回路４と，特徴点データＶp をモデルデータ
Ｖm に略一致するように座標変換して両データを対応づ
けるデータ対応回路５と，対応づけられた特徴点データ
Ｖp と関連するモデルデータ群を構成するモデルデータ
Ｖm とを一致させるように相似変換して両データ間の対
応誤差Ｅを演算する演算回路６と，対応誤差Ｅが最小値
となるモデルデータＶm を抽出するモデルデータ抽出回
路７とから構成されている。
にずれが生じても正確なパターンマッチングを行い得る
二次元図形のパターンマッチング方法及びその装置。 【構成】 パターンマッチング装置Ａ´は，二次元図形
を画像入力する入力回路１と，入力画像に二値化と雑音
除去処理を施す前処理回路２と，前処理を施された入力
画像の形状を表す特徴点データＶp を抽出する特徴点デ
ータ抽出回路３と，モデルデータＶm を記憶するモデル
データ記憶回路４と，特徴点データＶp をモデルデータ
Ｖm に略一致するように座標変換して両データを対応づ
けるデータ対応回路５と，対応づけられた特徴点データ
Ｖp と関連するモデルデータ群を構成するモデルデータ
Ｖm とを一致させるように相似変換して両データ間の対
応誤差Ｅを演算する演算回路６と，対応誤差Ｅが最小値
となるモデルデータＶm を抽出するモデルデータ抽出回
路７とから構成されている。
Description
【０００１】
【産業上の利用分野】本発明は二次元パターンマッチン
グ方法及びその装置に係り，詳しくは組立ロボットなど
の視覚として，部品の形状と位置とを同時に検知するた
めに有効なパターンマッチング方法及びその装置に関す
るものである。
グ方法及びその装置に係り，詳しくは組立ロボットなど
の視覚として，部品の形状と位置とを同時に検知するた
めに有効なパターンマッチング方法及びその装置に関す
るものである。
【従来の技術】従来のパターンマッチング技術は例えば
画像入力された図形データを予め記憶された図形データ
と比較するため膨大なデータの記録が必要であった。そ
こで，パターンマッチングのための図形データを単純で
姿勢や大きさに拘わらず簡易に対比可能な態様で記録可
能とする技術が開発された（特開昭６２−１８６３８
４）。図４は従来のパターンマッチング装置Ａの一例に
おける概略構成を示すブロック図，図５は従来の特徴点
データの記録方法を示す説明図，図６は従来の記録方法
によって記録された二次元図形を示す説明図，図７は特
徴点データをｒ−θ直角座標系に表示した場合を示す説
明図，図８は特徴点データの抽出処理の状態を示す説明
図，図９は特徴点データとモデルデータとの対応づけの
状態を示す説明図，図１０はパターンマッチング装置Ａ
の動作手順を示すフローチャートである。まず，従来の
パターンマッチングの原理について図５〜図７を参照し
て説明する。即ち，図５に示すように，多数の特徴点Ｐ
i （ｉ＝１，２，・・・）間を直線または曲線によって
結んだ図形が存在し，その重心がＧ点にある場合，Ｇ点
を通る基準線Ｒ．ＬからＰi までの距離ｒi とＲ．Ｌか
ら時計回りの角度θi によって物体形状を二次元図形Ｐ
k ＝｛ｒi ，θi ｝として記録する。図６は二次元図形
Ｐk の全体を示したものである。次に，図７に示す如
く，Ｐk 及びＰk とは姿勢と倍率の異なるＰk ´の各頂
点（特徴点）をｒ−θ直角座標系に表示する。図中，ｒ
−θ座標系においてはＰkとＰk ´とは配列形態が同一
になっている。そして，Ｐk ，Ｐk ´の各点の平均的な
ｒ座標位置ｒi ，ｒi ´がｒi ＝αｒi ´を満たすとき
αが倍率を示し，同様に平均的なθ座標位置の差Δθが
図形の回転姿勢を表すことになる。Ｐk とＰ k ´の比較
に際しては，これらが略一致するように相対移動させた
状態で各特徴点のマッチングを取ればよいことがわか
る。即ち，Ｐk を画像入力された二次元図形を表す特徴
点データ，Ｐk ′を所定のモデルデータとすれば，上記
操作により両データ間の対応づけがなされる。又，特徴
点データ，モデルデータは上記ｒi ，θi 以外のパラメ
ータを用いることもできる。この原理を用いた従来のパ
ターンマッチング装置Ａは，図４に示す如く，二次元図
形を画像入力する入力回路１と，入力回路１により入力
された二次元図形に二値化及び雑音除去処理を施す前処
理回路２と，前処理回路２により処理を施された二次元
図形の形状を表す特徴点データを抽出する特徴点データ
抽出回路３と，モデルデータを記憶するモデルデータ記
憶回路４と，特徴点データ抽出回路３により抽出された
特徴点データをモデルデータ記憶回路４に記憶されたモ
デルデータに略一致するように座標変換して特徴点デー
タとモデルデータとを対応づけるデータ対応回路５とか
ら構成されている。以下，この装置Ａを用いてパターン
マッチングを行う手順について，図４及び図８〜図１０
を参照してステップＳ１，Ｓ２，・・・の順に説明す
る。まず，入力回路１により二次元図形が画像入力され
る（Ｓ１）。この入力画像データは前処理回路２により
二値化，雑音除去処理を施され，以下に述べる特徴点デ
ータ抽出の信頼性を上げるための前処理が行われる（Ｓ
２）。前処理後の入力画像データ（処理データ）から，
特徴点データ抽出回路３により図８のようなコーナ位
置，重心位置，慣性主軸の方向，面積などの特徴点デー
タを抽出する処理が行われる（Ｓ３）。この特徴点デー
タに対応するモデルデータがモデル座標系において正規
化され，モデルデータ記憶回路４に予め登録されてい
る。モデル座標系は，どのように定めても構わないが，
登録されている全てのモデルについて統一されている必
要がある。また，対象物体の存在する絶対座標系との相
対関係が分かっている必要がある。次に，データ対応回
路５により，入力画像の特徴点データをモデルデータに
略一致させるように，入力画像座標系に対して平行移
動，回転，拡大縮小を行う（即ち，座標変換を行う）。
しかるのち，図９に示すように，入力画像とモデルの例
えばコーナ間距離が，ある閾値より小さいものどうしを
対応づける（Ｓ４，Ｓ８）。このようにして，図形デー
タを単純で姿勢や大きさに拘らず簡易に対比可能な態様
で記録することができた。
画像入力された図形データを予め記憶された図形データ
と比較するため膨大なデータの記録が必要であった。そ
こで，パターンマッチングのための図形データを単純で
姿勢や大きさに拘わらず簡易に対比可能な態様で記録可
能とする技術が開発された（特開昭６２−１８６３８
４）。図４は従来のパターンマッチング装置Ａの一例に
おける概略構成を示すブロック図，図５は従来の特徴点
データの記録方法を示す説明図，図６は従来の記録方法
によって記録された二次元図形を示す説明図，図７は特
徴点データをｒ−θ直角座標系に表示した場合を示す説
明図，図８は特徴点データの抽出処理の状態を示す説明
図，図９は特徴点データとモデルデータとの対応づけの
状態を示す説明図，図１０はパターンマッチング装置Ａ
の動作手順を示すフローチャートである。まず，従来の
パターンマッチングの原理について図５〜図７を参照し
て説明する。即ち，図５に示すように，多数の特徴点Ｐ
i （ｉ＝１，２，・・・）間を直線または曲線によって
結んだ図形が存在し，その重心がＧ点にある場合，Ｇ点
を通る基準線Ｒ．ＬからＰi までの距離ｒi とＲ．Ｌか
ら時計回りの角度θi によって物体形状を二次元図形Ｐ
k ＝｛ｒi ，θi ｝として記録する。図６は二次元図形
Ｐk の全体を示したものである。次に，図７に示す如
く，Ｐk 及びＰk とは姿勢と倍率の異なるＰk ´の各頂
点（特徴点）をｒ−θ直角座標系に表示する。図中，ｒ
−θ座標系においてはＰkとＰk ´とは配列形態が同一
になっている。そして，Ｐk ，Ｐk ´の各点の平均的な
ｒ座標位置ｒi ，ｒi ´がｒi ＝αｒi ´を満たすとき
αが倍率を示し，同様に平均的なθ座標位置の差Δθが
図形の回転姿勢を表すことになる。Ｐk とＰ k ´の比較
に際しては，これらが略一致するように相対移動させた
状態で各特徴点のマッチングを取ればよいことがわか
る。即ち，Ｐk を画像入力された二次元図形を表す特徴
点データ，Ｐk ′を所定のモデルデータとすれば，上記
操作により両データ間の対応づけがなされる。又，特徴
点データ，モデルデータは上記ｒi ，θi 以外のパラメ
ータを用いることもできる。この原理を用いた従来のパ
ターンマッチング装置Ａは，図４に示す如く，二次元図
形を画像入力する入力回路１と，入力回路１により入力
された二次元図形に二値化及び雑音除去処理を施す前処
理回路２と，前処理回路２により処理を施された二次元
図形の形状を表す特徴点データを抽出する特徴点データ
抽出回路３と，モデルデータを記憶するモデルデータ記
憶回路４と，特徴点データ抽出回路３により抽出された
特徴点データをモデルデータ記憶回路４に記憶されたモ
デルデータに略一致するように座標変換して特徴点デー
タとモデルデータとを対応づけるデータ対応回路５とか
ら構成されている。以下，この装置Ａを用いてパターン
マッチングを行う手順について，図４及び図８〜図１０
を参照してステップＳ１，Ｓ２，・・・の順に説明す
る。まず，入力回路１により二次元図形が画像入力され
る（Ｓ１）。この入力画像データは前処理回路２により
二値化，雑音除去処理を施され，以下に述べる特徴点デ
ータ抽出の信頼性を上げるための前処理が行われる（Ｓ
２）。前処理後の入力画像データ（処理データ）から，
特徴点データ抽出回路３により図８のようなコーナ位
置，重心位置，慣性主軸の方向，面積などの特徴点デー
タを抽出する処理が行われる（Ｓ３）。この特徴点デー
タに対応するモデルデータがモデル座標系において正規
化され，モデルデータ記憶回路４に予め登録されてい
る。モデル座標系は，どのように定めても構わないが，
登録されている全てのモデルについて統一されている必
要がある。また，対象物体の存在する絶対座標系との相
対関係が分かっている必要がある。次に，データ対応回
路５により，入力画像の特徴点データをモデルデータに
略一致させるように，入力画像座標系に対して平行移
動，回転，拡大縮小を行う（即ち，座標変換を行う）。
しかるのち，図９に示すように，入力画像とモデルの例
えばコーナ間距離が，ある閾値より小さいものどうしを
対応づける（Ｓ４，Ｓ８）。このようにして，図形デー
タを単純で姿勢や大きさに拘らず簡易に対比可能な態様
で記録することができた。
【０００２】
【発明が解決しようとする課題】パターンマンチングに
は単に入力画像が何であるかを判別するだけでなく，劣
化した入力画像にモデルの持っている情報を当てはめて
頂点の正確な座標や隠れた部分の特徴点の位置，図形の
方向などを予想するといった用途がある。上記したよう
な従来のパターンマッチング装置Ａをこのような用途に
用いた場合，記録された二次元図形Ｐk は重点Ｇを基準
点にしている。このため，入力画像の予期せぬ雑音や欠
け，画像の歪などによって期待される重心位置が得られ
ない場合には，図６におけるｒやθの値がモデルのそれ
と変わってしまい，正確なモデルの当てはめをすること
が難しかった。本発明は，このような従来の技術におけ
る課題を解決するために，二次元図形のパターンマッチ
ング方法及びその装置を改良し，入力画像の予期せぬ雑
音や欠けなどによってその重心点にずれが生じた場合で
も正確なパターンマッチングを行い得る二次元図形のパ
ターンマッチング方法及びその装置を提供することを目
的とするものである。
は単に入力画像が何であるかを判別するだけでなく，劣
化した入力画像にモデルの持っている情報を当てはめて
頂点の正確な座標や隠れた部分の特徴点の位置，図形の
方向などを予想するといった用途がある。上記したよう
な従来のパターンマッチング装置Ａをこのような用途に
用いた場合，記録された二次元図形Ｐk は重点Ｇを基準
点にしている。このため，入力画像の予期せぬ雑音や欠
け，画像の歪などによって期待される重心位置が得られ
ない場合には，図６におけるｒやθの値がモデルのそれ
と変わってしまい，正確なモデルの当てはめをすること
が難しかった。本発明は，このような従来の技術におけ
る課題を解決するために，二次元図形のパターンマッチ
ング方法及びその装置を改良し，入力画像の予期せぬ雑
音や欠けなどによってその重心点にずれが生じた場合で
も正確なパターンマッチングを行い得る二次元図形のパ
ターンマッチング方法及びその装置を提供することを目
的とするものである。
【０００３】
【課題を解決するための手段】上記目的を達成するため
に本発明は，画像入力された二次元図形に二値化及び雑
音除去処理を施した後，上記二次元図形の形状を表す特
徴点データを抽出し，上記特徴点データを所定のモデル
データに略一致するように，座標変換して該特徴点デー
タと該モデルデータとを対応づける二次元図形のパター
ンマッチング方法及びその装置において，上記対応づけ
られた上記特徴点データと関連するモデルデータ群を構
成するモデルデータとを一致させるように相似変換して
該特徴点データと該モデルデータとの対応誤差を演算
し，上記対応誤差が最も小さくなる時の上記モデルデー
タを抽出することを特徴とする二次元図形のパターンマ
ッチング方法及びその装置として構成される。更には，
上記対応誤差を，
に本発明は，画像入力された二次元図形に二値化及び雑
音除去処理を施した後，上記二次元図形の形状を表す特
徴点データを抽出し，上記特徴点データを所定のモデル
データに略一致するように，座標変換して該特徴点デー
タと該モデルデータとを対応づける二次元図形のパター
ンマッチング方法及びその装置において，上記対応づけ
られた上記特徴点データと関連するモデルデータ群を構
成するモデルデータとを一致させるように相似変換して
該特徴点データと該モデルデータとの対応誤差を演算
し，上記対応誤差が最も小さくなる時の上記モデルデー
タを抽出することを特徴とする二次元図形のパターンマ
ッチング方法及びその装置として構成される。更には，
上記対応誤差を，
【数２】 ここに， ｗi ：重み係数（ｗi ≧０） ‖ ‖2 ：ベクトルの大きさを示すユークリッドノルム Ｈ：特徴点データとモデルデータとの相似変換行列 ｍi ：モデルデータの同次座標表現（＝［ｘmi，ｙmi，
１］T ） ｐi ：特徴点データの同次座標表現（＝［ｘpi，ｙpi，
１］T ） により演算する二次元図形のパターンマッチング方法及
びその装置である。
１］T ） ｐi ：特徴点データの同次座標表現（＝［ｘpi，ｙpi，
１］T ） により演算する二次元図形のパターンマッチング方法及
びその装置である。
【０００４】
【作用】本発明によれば，画像入力された二次元図形に
二値化及び雑音除去処理が施された後，上記二次元図形
の形状を表す特徴点データが抽出され，上記特徴点デー
タが所定のモデルデータに略一致するように座標変換さ
れて該特徴点データと該モデルデータとが対応づけられ
る。そして上記対応づけられた上記特徴点データと関連
するモデルデータ群を構成するモデルデータとを一致さ
せるように相似変換して該特徴点データと該モデルデー
タとの対応誤差が演算され，上記対応誤差が最も小さく
なる時の上記モデルデータが抽出される。その結果，入
力画像の予期せぬ雑音や欠けなどによってその重心点に
ずれが生じた場合でも正確なパターンマッチングを行う
ことができる。
二値化及び雑音除去処理が施された後，上記二次元図形
の形状を表す特徴点データが抽出され，上記特徴点デー
タが所定のモデルデータに略一致するように座標変換さ
れて該特徴点データと該モデルデータとが対応づけられ
る。そして上記対応づけられた上記特徴点データと関連
するモデルデータ群を構成するモデルデータとを一致さ
せるように相似変換して該特徴点データと該モデルデー
タとの対応誤差が演算され，上記対応誤差が最も小さく
なる時の上記モデルデータが抽出される。その結果，入
力画像の予期せぬ雑音や欠けなどによってその重心点に
ずれが生じた場合でも正確なパターンマッチングを行う
ことができる。
【０００５】
【実施例】以下，添付図面を参照して，本発明を具体化
した実施例につき説明し，本発明の理解に供する。尚，
以下の実施例は，本発明を具体化した一例であって，本
発明の技術的範囲を限定する性格のものではない。ここ
に，図１は本発明の一実施例に係るパターンマッチング
装置Ａ´の概略構成を示すブロック図，図２はパターン
マッチング装置Ａ´の動作手順を示すフローチャート，
図３は特徴点データの他の記録方法を示す説明図であ
る。また，前記図４に示した従来のパターンマッチング
装置Ａの一例における概略構成を示すブロック図及び図
１０のパターンマッチング装置Ａの動作手順を示すフロ
ーチャートと共通する要素には同一の符号を使用する。
まず，本発明のパターンマッチングの原理について説明
する。本発明のパターンマッチングでは，従来例と同様
の原理，装置（Ａ）を用いて入力画像の特徴点データと
関連するモデルデータ群を構成するモデルデータとの対
応づけを行った後，両データを一致させるために以下の
（１）式で表される相似変換を行う。 Ｈ・Ｖm ＝Ｖp ・・・（１） ここで，Ｖm はモデルデータであり，モデルの特徴点の
同次座標表現 ｍi ＝［ｘmi，ｙmi，１］T （ｉ＝１，２，・・・，
ｎ）より生成される３×ｎの行列 Ｖm ＝［ｍ1 ，ｍ2 ，・・・，ｍn ］で与えられる。 Ｖp は特徴点データであり，入力画像の特徴点の同次座
標表現 Ｐi ＝［ｘpi，ｙpi，１］T （ｉ＝１，２，・・・，
ｎ）より生成される同様の行列で与えられる。そして，
相似変換行列Ｈは対応誤差Ｅ，
した実施例につき説明し，本発明の理解に供する。尚，
以下の実施例は，本発明を具体化した一例であって，本
発明の技術的範囲を限定する性格のものではない。ここ
に，図１は本発明の一実施例に係るパターンマッチング
装置Ａ´の概略構成を示すブロック図，図２はパターン
マッチング装置Ａ´の動作手順を示すフローチャート，
図３は特徴点データの他の記録方法を示す説明図であ
る。また，前記図４に示した従来のパターンマッチング
装置Ａの一例における概略構成を示すブロック図及び図
１０のパターンマッチング装置Ａの動作手順を示すフロ
ーチャートと共通する要素には同一の符号を使用する。
まず，本発明のパターンマッチングの原理について説明
する。本発明のパターンマッチングでは，従来例と同様
の原理，装置（Ａ）を用いて入力画像の特徴点データと
関連するモデルデータ群を構成するモデルデータとの対
応づけを行った後，両データを一致させるために以下の
（１）式で表される相似変換を行う。 Ｈ・Ｖm ＝Ｖp ・・・（１） ここで，Ｖm はモデルデータであり，モデルの特徴点の
同次座標表現 ｍi ＝［ｘmi，ｙmi，１］T （ｉ＝１，２，・・・，
ｎ）より生成される３×ｎの行列 Ｖm ＝［ｍ1 ，ｍ2 ，・・・，ｍn ］で与えられる。 Ｖp は特徴点データであり，入力画像の特徴点の同次座
標表現 Ｐi ＝［ｘpi，ｙpi，１］T （ｉ＝１，２，・・・，
ｎ）より生成される同様の行列で与えられる。そして，
相似変換行列Ｈは対応誤差Ｅ，
【数３】 を最小にする３×３の変換行列である。‖ ‖2 はベク
トルの大きさを示すユークリッドノルムである。又，ｗ
i はｉ番目のデータへの非負の重み係数であり，信頼で
きるデータには大きく，信頼できないデータには小さく
とることができる。
トルの大きさを示すユークリッドノルムである。又，ｗ
i はｉ番目のデータへの非負の重み係数であり，信頼で
きるデータには大きく，信頼できないデータには小さく
とることができる。
【０００６】この相似変換行列Ｈは，例えば疑似逆行列
を用いることにより以下のようにＶ m とＶp とから一意
に求めることができる。即ち，特徴点データとモデルデ
ータ間での相似変換行列Ｈは一般的に次式で与えられ
る。
を用いることにより以下のようにＶ m とＶp とから一意
に求めることができる。即ち，特徴点データとモデルデ
ータ間での相似変換行列Ｈは一般的に次式で与えられ
る。
【数４】 ここで，ａ，θ，ｘ0 ，ｙ0 はそれぞれ上記（２）式を
最小にする倍率，回転角，ｘ方向及びｙ方向への移動量
である。点ｍi ，ｐi についてＨ・ｍi ＝ｐi を展開す
ると， Ｃ・ｘmi−Ｓ・ｙmi＋ｘ0 ＝ｘpi ・・・（４，ａ） Ｓ・ｘmi＋Ｃ・ｙmi＋ｙ0 ＝ｙpi ・・・（４，ｂ） （４，ａ）式と（４，ｂ）式を加えてｉ＝１〜ｎで整理
すると，
最小にする倍率，回転角，ｘ方向及びｙ方向への移動量
である。点ｍi ，ｐi についてＨ・ｍi ＝ｐi を展開す
ると， Ｃ・ｘmi−Ｓ・ｙmi＋ｘ0 ＝ｘpi ・・・（４，ａ） Ｓ・ｘmi＋Ｃ・ｙmi＋ｙ0 ＝ｙpi ・・・（４，ｂ） （４，ａ）式と（４，ｂ）式を加えてｉ＝１〜ｎで整理
すると，
【数５】 となる。Ａの疑似逆行列Ａ+ は一意に定まるので，ｘ＝
Ａ+ ・ｂを計算することにより上記（２）式を最小にす
るＣ，Ｓ，ｘ0 ＋ｙ0 が定まる。また， θ＝tan -1（Ｓ／Ｃ），ａ＝Ｃ／cos θ＝Ｓ／sin θ よりθ，ａが求められる。ここまでの操作では，ｘ0 ，
ｙ0 単独の値はわからない。しかし，得られたＣ，Ｓを
上記（４，ａ），（４，ｂ）式に代入し，更にｍi ，ｐ
i の代入により計算されるｘ0 ，ｙ0 を平均することに
よってｘ0 ，ｙ0 単独の値が求まる。以上のような相似
変換行列Ｈによる誤差修正を行った後，上記（２）式の
値（即ち，対応するコーナ間の距離）の積算値を算出す
る。入力画像の特徴点データと関連するモデルデータ群
を構成するモデルデータ全てに対して上記（２）式の値
を計算し，この値が最も小さいモデルと入力画像とをマ
ッチングさせる。上記原理を用いた本実施例に係るパタ
ーンマッチング装置Ａ´は，図１に示す如く，従来例と
同様の入力回路１（入力手段に相当）と，前処理回路２
（前処理手段に相当）と，特徴点データ抽出回路３（特
徴点データ抽出手段に相当）と，モデルデータ記憶回路
４と，データ対応回路５（データ対応手段に相当）とに
加えて，新たにデータ対応回路５により対応づけられた
特徴点データＶp と関連するモデルデータ群を構成する
モデルデータＶm との対応誤差Ｅを演算する演算回路６
（演算手段に相当）と，演算回路６により演算される対
応誤差Ｅが最も小さくなる時のモデルデータＶm を抽出
するモデルデータ抽出回路７（モデルデータ抽出手段に
相当）とを備えている。
Ａ+ ・ｂを計算することにより上記（２）式を最小にす
るＣ，Ｓ，ｘ0 ＋ｙ0 が定まる。また， θ＝tan -1（Ｓ／Ｃ），ａ＝Ｃ／cos θ＝Ｓ／sin θ よりθ，ａが求められる。ここまでの操作では，ｘ0 ，
ｙ0 単独の値はわからない。しかし，得られたＣ，Ｓを
上記（４，ａ），（４，ｂ）式に代入し，更にｍi ，ｐ
i の代入により計算されるｘ0 ，ｙ0 を平均することに
よってｘ0 ，ｙ0 単独の値が求まる。以上のような相似
変換行列Ｈによる誤差修正を行った後，上記（２）式の
値（即ち，対応するコーナ間の距離）の積算値を算出す
る。入力画像の特徴点データと関連するモデルデータ群
を構成するモデルデータ全てに対して上記（２）式の値
を計算し，この値が最も小さいモデルと入力画像とをマ
ッチングさせる。上記原理を用いた本実施例に係るパタ
ーンマッチング装置Ａ´は，図１に示す如く，従来例と
同様の入力回路１（入力手段に相当）と，前処理回路２
（前処理手段に相当）と，特徴点データ抽出回路３（特
徴点データ抽出手段に相当）と，モデルデータ記憶回路
４と，データ対応回路５（データ対応手段に相当）とに
加えて，新たにデータ対応回路５により対応づけられた
特徴点データＶp と関連するモデルデータ群を構成する
モデルデータＶm との対応誤差Ｅを演算する演算回路６
（演算手段に相当）と，演算回路６により演算される対
応誤差Ｅが最も小さくなる時のモデルデータＶm を抽出
するモデルデータ抽出回路７（モデルデータ抽出手段に
相当）とを備えている。
【０００７】以下，この装置Ａ´を用いてパターンマッ
チングを行う手順について，図２を参照してステップＳ
１，Ｓ２，・・・順に説明する。即ち，従来例と同様の
手順（Ｓ１〜Ｓ４）により対応づけられた入力画像のコ
ーナ位置，重心位置，慣性主軸の方向，面積などの特徴
点データＶp と関連するモデルデータＶm とを一致させ
るように演算回路６により相似変換がなされ，両データ
Ｖp ，Ｖm 間の対応誤差Ｅが演算される（Ｓ５）。そし
て，モデルデータ抽出回路７により対応誤差Ｅが最小値
となるモデルデータＶm ′が抽出される（Ｓ６）。ステ
ップＳ５，Ｓ６は特徴点データと関連するモデルデータ
群を構成するモデルデータの全てに対して繰返され（Ｓ
７），更にステップＳ４〜Ｓ７は上記モデルデータ群の
全てに対して繰返される（Ｓ８）。以上のように，本実
施例によれば，データ対応回路５においてなされた座標
変換と，演算回路６においてなされた相似変換により，
入力画像座標系とモデル座標系の相対位置関係が分か
る。これより入力画像のコーナ位置が計算される。そし
て，モデルデータ抽出回路７により対応誤差Ｅを最小に
する相似変換行列Ｈによる誤差修正を行うことにより，
従来例と較べて正確なパターンマッチングが可能とな
り，又，コーナ位置や慣性主軸方向のより正確な値が得
られる。その結果，入力画像の予期せぬ雑音や欠けなど
によってその重心点にずれが生じた場合でも正確なパタ
ーンマッチングを行うことができる。また，入力画像に
対してモデルの最適な当てはめが行えるため，劣化した
画像に正確なモデルを当てはめることにより正しい重心
位置や角度，頂点座標などを求めることができる。
チングを行う手順について，図２を参照してステップＳ
１，Ｓ２，・・・順に説明する。即ち，従来例と同様の
手順（Ｓ１〜Ｓ４）により対応づけられた入力画像のコ
ーナ位置，重心位置，慣性主軸の方向，面積などの特徴
点データＶp と関連するモデルデータＶm とを一致させ
るように演算回路６により相似変換がなされ，両データ
Ｖp ，Ｖm 間の対応誤差Ｅが演算される（Ｓ５）。そし
て，モデルデータ抽出回路７により対応誤差Ｅが最小値
となるモデルデータＶm ′が抽出される（Ｓ６）。ステ
ップＳ５，Ｓ６は特徴点データと関連するモデルデータ
群を構成するモデルデータの全てに対して繰返され（Ｓ
７），更にステップＳ４〜Ｓ７は上記モデルデータ群の
全てに対して繰返される（Ｓ８）。以上のように，本実
施例によれば，データ対応回路５においてなされた座標
変換と，演算回路６においてなされた相似変換により，
入力画像座標系とモデル座標系の相対位置関係が分か
る。これより入力画像のコーナ位置が計算される。そし
て，モデルデータ抽出回路７により対応誤差Ｅを最小に
する相似変換行列Ｈによる誤差修正を行うことにより，
従来例と較べて正確なパターンマッチングが可能とな
り，又，コーナ位置や慣性主軸方向のより正確な値が得
られる。その結果，入力画像の予期せぬ雑音や欠けなど
によってその重心点にずれが生じた場合でも正確なパタ
ーンマッチングを行うことができる。また，入力画像に
対してモデルの最適な当てはめが行えるため，劣化した
画像に正確なモデルを当てはめることにより正しい重心
位置や角度，頂点座標などを求めることができる。
【０００８】さらに，特徴点の信頼性，重要度などによ
りある特徴点についてずれが最小になるように最適なモ
デル当てはめを行うことができる。即ち，重み係数ｗi
を適当に与えることにより，特定の点のずれをより小さ
くする相似変換行列Ｈを求めることができる。この処理
は，ある特徴点が他の特徴点に比して位置検出の信頼性
が高い場合などに用いれば効果的である。尚，上記実施
例では，入力画像とモデルとのコーナを対応づけるため
に，重心位置と慣性主軸の方向，面積の値を正規化する
方法をとったが，対応づけをとるための方法はどんな方
法でもよい。例えば，物体形状の記録方法を次のように
定める。即ち，図３に示すように，コーナのある一点を
基準点，基準点と他の１点を結んだ線を基準線とする。
しかるのち，全てのコーナを基準点からの距離と基準線
からの角度で表現する。この記録方法でコーナ間の対応
づけを求めるには，まず，入力画像とモデルの基準点を
一致させる必要がある。このため，入力画像中の特徴点
１点１点を基準点と仮定し，それぞれについてモデルと
のマッチングをとり，各点間の距離と角度のパターンが
最も一致する点を基準点とみなす。このようにして基準
点さえ明らかになれば，入力画像とモデルの比較に際し
ては図形の倍率（距離の平均値の比）のみを考慮すれば
よい。従って，より簡易なパターンマッチングを行うこ
とができる。尚，上記実施例では相似変換行列Ｈを求め
るために疑似逆行列を用いたが，実使用に際しては例え
ばベクトル解による共役勾配法など他の解析方法を用い
ても何ら支障はない。
りある特徴点についてずれが最小になるように最適なモ
デル当てはめを行うことができる。即ち，重み係数ｗi
を適当に与えることにより，特定の点のずれをより小さ
くする相似変換行列Ｈを求めることができる。この処理
は，ある特徴点が他の特徴点に比して位置検出の信頼性
が高い場合などに用いれば効果的である。尚，上記実施
例では，入力画像とモデルとのコーナを対応づけるため
に，重心位置と慣性主軸の方向，面積の値を正規化する
方法をとったが，対応づけをとるための方法はどんな方
法でもよい。例えば，物体形状の記録方法を次のように
定める。即ち，図３に示すように，コーナのある一点を
基準点，基準点と他の１点を結んだ線を基準線とする。
しかるのち，全てのコーナを基準点からの距離と基準線
からの角度で表現する。この記録方法でコーナ間の対応
づけを求めるには，まず，入力画像とモデルの基準点を
一致させる必要がある。このため，入力画像中の特徴点
１点１点を基準点と仮定し，それぞれについてモデルと
のマッチングをとり，各点間の距離と角度のパターンが
最も一致する点を基準点とみなす。このようにして基準
点さえ明らかになれば，入力画像とモデルの比較に際し
ては図形の倍率（距離の平均値の比）のみを考慮すれば
よい。従って，より簡易なパターンマッチングを行うこ
とができる。尚，上記実施例では相似変換行列Ｈを求め
るために疑似逆行列を用いたが，実使用に際しては例え
ばベクトル解による共役勾配法など他の解析方法を用い
ても何ら支障はない。
【０００９】
【発明の効果】本発明に係る二次元図形のパターンマッ
チング方法及びその装置は，上記したように構成されて
いるため，入力画像の予期せぬ雑音や欠けなどによって
その重心点にずれが生じた場合でも正確なパターンマッ
チングを行うことができる。また，入力画像に対してモ
デルの最適な当てはめが行えるため，劣化した画像に正
確なモデルを当てはめることにより正しい重心位置や角
度，頂点座標などを求めることができる。さらに，特徴
点の信頼性，重要度などによりある特定の特徴点につい
てずれが最小になるように最適なモデル当てはめを行う
ことができる。
チング方法及びその装置は，上記したように構成されて
いるため，入力画像の予期せぬ雑音や欠けなどによって
その重心点にずれが生じた場合でも正確なパターンマッ
チングを行うことができる。また，入力画像に対してモ
デルの最適な当てはめが行えるため，劣化した画像に正
確なモデルを当てはめることにより正しい重心位置や角
度，頂点座標などを求めることができる。さらに，特徴
点の信頼性，重要度などによりある特定の特徴点につい
てずれが最小になるように最適なモデル当てはめを行う
ことができる。
【図１】 本発明の一実施例に係るパターンマッチング
装置Ａ´の概略構成を示すブロック図。
装置Ａ´の概略構成を示すブロック図。
【図２】 パターンマッチング装置Ａ´の動作手順を示
すフローチャート。
すフローチャート。
【図３】 特徴点データの他の記録方法を示す説明図。
【図４】 従来のパターンマッチング装置Ａの一例にお
ける概略構成を示すブロック図。
ける概略構成を示すブロック図。
【図５】 従来の特徴点データの記録方法を示す説明
図。
図。
【図６】 従来の記録方法によって記録された二次元図
形を示す説明図。
形を示す説明図。
【図７】 特徴点データをｒ−θ直角座標系に表示した
場合を示す説明図。
場合を示す説明図。
【図８】 特徴点データの抽出処理の状態を示す説明
図。
図。
【図９】 特徴点データとモデルデータとの対応づけの
状態を示す説明図。
状態を示す説明図。
【図１０】 パターンマッチング装置Ａの動作手順を示
すフローチャート。
すフローチャート。
Claims (3)
- 【請求項１】 画像入力された二次元図形に二値化及び
雑音除去処理を施した後，上記二次元図形の形状を表す
特徴点データを抽出し，上記特徴点データを所定のモデ
ルデータに略一致するように座標変換して該特徴点デー
タと該モデルデータとを対応づける二次元図形のパター
ンマッチング方法において，上記対応づけられた上記特
徴点データと関連するモデルデータ群を構成するモデル
データとを一致させるように相似変換して該特徴点デー
タと該モデルデータとの対応誤差を演算し，上記対応誤
差が最も小さくなる時の上記モデルデータを抽出するこ
とを特徴とする二次元図形のパターンマッチング方法。 - 【請求項２】 上記対応誤差を， 【数１】 ここに， ｗi ：重み係数（ｗi ≧０） ‖ ‖2 ：ベクトルの大きさを示すユークリッドノルム Ｈ：特徴点データとモデルデータとの相似変換行列 ｍi ：モデルデータの同次座標表現（＝［ｘmi，ｙmi，
１］T ） ｐi ：特徴点データの同次座標表現（＝［ｘpi，ｙpi，
１］T ） により演算する請求項１記載の二次元図形のパターンマ
ッチング方法。 - 【請求項３】 二次元図形を画像入力する入力手段と，
上記入力手段により入力された上記二次元図形に二値化
及び雑音除去処理を施す前処理手段と，上記前処理手段
により処理を施された上記二次元図形の形状を表す特徴
点データを抽出する特徴点データ抽出手段と，上記特徴
点データ抽出手段により抽出された上記特徴点データを
所定のモデルデータに略一致するように座標変換して該
特徴点データと該モデルデータとを対応づけるデータ対
応手段とを備えた二次元図形のパターンマッチング装置
において，上記データ対応手段により対応づけられた上
記特徴点データと関連するモデルデータ群を構成するモ
デルデータとを一致させるように相似変換して該特徴点
データと該モデルデータとの対応誤差を演算する演算手
段と，上記演算手段により演算される上記対応誤差が最
も小さくなる時の上記モデルデータを抽出するモデルデ
ータ抽出手段とを設けてなることを特徴とする二次元図
形のパターンマッチング装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4124847A JPH05324835A (ja) | 1992-05-18 | 1992-05-18 | 二次元図形のパターンマッチング方法及びその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4124847A JPH05324835A (ja) | 1992-05-18 | 1992-05-18 | 二次元図形のパターンマッチング方法及びその装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05324835A true JPH05324835A (ja) | 1993-12-10 |
Family
ID=14895573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4124847A Pending JPH05324835A (ja) | 1992-05-18 | 1992-05-18 | 二次元図形のパターンマッチング方法及びその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05324835A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004107982A1 (ja) * | 2003-06-06 | 2004-12-16 | Olympus Corporation | 超音波内視鏡装置 |
| JP2007245283A (ja) * | 2006-03-15 | 2007-09-27 | Nissan Motor Co Ltd | ワーク姿勢検知装置、ワーク姿勢検知方法、ピッキングシステム、およびピッキング方法 |
| JP2010110855A (ja) * | 2008-11-06 | 2010-05-20 | Seiko Epson Corp | ロボットシステム、ロボット制御装置およびロボット制御方法 |
-
1992
- 1992-05-18 JP JP4124847A patent/JPH05324835A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004107982A1 (ja) * | 2003-06-06 | 2004-12-16 | Olympus Corporation | 超音波内視鏡装置 |
| JP2007245283A (ja) * | 2006-03-15 | 2007-09-27 | Nissan Motor Co Ltd | ワーク姿勢検知装置、ワーク姿勢検知方法、ピッキングシステム、およびピッキング方法 |
| JP2010110855A (ja) * | 2008-11-06 | 2010-05-20 | Seiko Epson Corp | ロボットシステム、ロボット制御装置およびロボット制御方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sharp et al. | ICP registration using invariant features | |
| US7376262B2 (en) | Method of three dimensional positioning using feature matching | |
| US6385340B1 (en) | Vector correlation system for automatically locating patterns in an image | |
| Pizarro et al. | Large area 3-D reconstructions from underwater optical surveys | |
| Wu et al. | Recovery of the 3-d location and motion of a rigid object through camera image (an Extended Kalman Filter approach) | |
| US7450765B2 (en) | Increasing accuracy of discrete curve transform estimates for curve matching in higher dimensions | |
| Zhang et al. | Estimation of displacements from two 3-D frames obtained from stereo | |
| JP2004516533A (ja) | 合成開口レーダーおよび前向き赤外線イメージ重ね合わせ方法 | |
| Henson et al. | Attitude-trajectory estimation for forward-looking multibeam sonar based on acoustic image registration | |
| CN103632366A (zh) | 一种椭圆目标的参数识别方法 | |
| Gruen et al. | Adaptive least squares correlation with geometrical constraints | |
| JPH08136220A (ja) | 物品の位置検出方法およびその装置 | |
| CN112396640A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
| US20090074299A1 (en) | Increasing accuracy of discrete curve transform estimates for curve matching in four or more dimensions | |
| Petit et al. | A robust model-based tracker combining geometrical and color edge information | |
| Lourakis et al. | Model-based visual tracking of orbiting satellites using edges | |
| JP2920513B2 (ja) | ３次元物体位置姿勢決定方法 | |
| Ahn et al. | Ellipse fitting and parameter assessment of circular object targets for robot vision | |
| Wan et al. | 6DOF object positioning and grasping approach for industrial robots based on boundary point cloud features | |
| JPH05324835A (ja) | 二次元図形のパターンマッチング方法及びその装置 | |
| Azad et al. | Accurate shape-based 6-dof pose estimation of single-colored objects | |
| Csurka et al. | Algebraic and geometric tools to compute projective and permutation invariants | |
| McDermott et al. | Correcting Motion Distortion for LIDAR Scan-to-Map Registration | |
| Liang et al. | An integrated camera parameters calibration approach for robotic monocular vision guidance | |
| CN114663517B (zh) | 仿真目标位姿获取方法、基于MBDyn仿真的目标捕获方法及装置、航天在轨目标捕获方法 |