JPH0658737A - ３次元物体識別装置 - Google Patents
３次元物体識別装置Info
- Publication number
- JPH0658737A JPH0658737A JP4212545A JP21254592A JPH0658737A JP H0658737 A JPH0658737 A JP H0658737A JP 4212545 A JP4212545 A JP 4212545A JP 21254592 A JP21254592 A JP 21254592A JP H0658737 A JPH0658737 A JP H0658737A
- Authority
- JP
- Japan
- Prior art keywords
- dimensional
- input
- trajectory
- category
- unit
- 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
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 本発明は、３次元の形状データが得にくく、
また、適切なマッチング尺度が存在しなかったために実
現が困難であった３次元物体の識別を実現することを目
的としている。 【構成】 ３次元形状データの獲得について、物体を特
徴付ける物体面上の３次元曲線を人間が一次元時系列と
して与えることにより、あるいは物体面上の特徴（色情
報、突起形状、溝部分ｅｔｃ．）を自動的に抽出して一
次元化するようにする。
また、適切なマッチング尺度が存在しなかったために実
現が困難であった３次元物体の識別を実現することを目
的としている。 【構成】 ３次元形状データの獲得について、物体を特
徴付ける物体面上の３次元曲線を人間が一次元時系列と
して与えることにより、あるいは物体面上の特徴（色情
報、突起形状、溝部分ｅｔｃ．）を自動的に抽出して一
次元化するようにする。
Description
【０００１】
【産業上の利用分野】本発明は、製品検査、選別作業、
ＦＡ等に現れる３次元物体の形状を自動的に分類し、種
別の同定・識別を行う３次元物体識別装置に関するもの
である。
ＦＡ等に現れる３次元物体の形状を自動的に分類し、種
別の同定・識別を行う３次元物体識別装置に関するもの
である。
【０００２】
【従来の技術】従来、３次元物体の識別技術は現場での
要求にも拘らず確立されていない。研究レベルにもいく
つかの報告があるにすぎない。その理由としては、物体
面の３次元情報を適切に入力することの困難さがある。
固定した位置に３次元センサをおいた通常の３次元入力
では物体の部分情報しか獲得できない。３次元的にセン
サ位置をむやみに移動させるのは入力時間の増大を招
き、また、センサ位置を効率的に移動させて全３次元情
報を入力するのは知識処理の難問である対象に依存した
移動戦略が必要となる。
要求にも拘らず確立されていない。研究レベルにもいく
つかの報告があるにすぎない。その理由としては、物体
面の３次元情報を適切に入力することの困難さがある。
固定した位置に３次元センサをおいた通常の３次元入力
では物体の部分情報しか獲得できない。３次元的にセン
サ位置をむやみに移動させるのは入力時間の増大を招
き、また、センサ位置を効率的に移動させて全３次元情
報を入力するのは知識処理の難問である対象に依存した
移動戦略が必要となる。
【０００３】さらに固定位置のセンサで目的に十分な情
報が得られる場合でも物体の姿勢変動にロバストな３次
元識別法は検討されていないか、あるいは、検討された
場合でも問題点を残していた。即ち、３次元物体は方向
データ（ベクトル）の集合で表現されるが、方向データ
間の合理的な識別尺度については従来考慮されていなか
った。
報が得られる場合でも物体の姿勢変動にロバストな３次
元識別法は検討されていないか、あるいは、検討された
場合でも問題点を残していた。即ち、３次元物体は方向
データ（ベクトル）の集合で表現されるが、方向データ
間の合理的な識別尺度については従来考慮されていなか
った。
【０００４】
【発明が解決しようとする課題】この間の事情を２次元
線図形の方向係数表現のマッチングを例に説明する。３
６０度が８方向に量子化されるとし、図２のように一つ
の線分要素からなるパタンＡ，Ｂを定義域（−４，
４］、［０，８）で考える。そうするとパタン間の前者
では｜Ａ−Ｂ｜＝２、後者では｜Ａ−Ｂ｜＝６であり、
通常の特徴差分は座標系に依存した値をとる。従って方
向データで表現されるパタンについて特徴差分はユニー
クにパタン間の距離を定義しえない。一般に方向データ
間の演算はユークリッド空間上の演算と性格的に異なる
点が多い（文献〔１〕K.V.Mardia：Statistics of Dire
ctional Data,Academic Press,1972）。この点を従来の
技術は見過ごす、あるいは、無視しているためロバスト
で精度のよい認識技術は実現できなかった。
線図形の方向係数表現のマッチングを例に説明する。３
６０度が８方向に量子化されるとし、図２のように一つ
の線分要素からなるパタンＡ，Ｂを定義域（−４，
４］、［０，８）で考える。そうするとパタン間の前者
では｜Ａ−Ｂ｜＝２、後者では｜Ａ−Ｂ｜＝６であり、
通常の特徴差分は座標系に依存した値をとる。従って方
向データで表現されるパタンについて特徴差分はユニー
クにパタン間の距離を定義しえない。一般に方向データ
間の演算はユークリッド空間上の演算と性格的に異なる
点が多い（文献〔１〕K.V.Mardia：Statistics of Dire
ctional Data,Academic Press,1972）。この点を従来の
技術は見過ごす、あるいは、無視しているためロバスト
で精度のよい認識技術は実現できなかった。
【０００５】又、方向データ間の合理的な類似尺度とし
て球面相関をとる方式（文献〔２〕岡田、佐野、金子：
“三次元形状識別装置”，特願平2-239728）（文献
〔３〕岡田、佐野、金子、目黒：“球面相関係数の三次
元物体認識への応用”，信学会、パタン認識・理解研究
会、ＰＲＵ90-113(1991)）も報告されているが、そこで
は物体面上の点の一次元化、及び、標準パタンと入力パ
タン間の対応関係を定める必要があった。
て球面相関をとる方式（文献〔２〕岡田、佐野、金子：
“三次元形状識別装置”，特願平2-239728）（文献
〔３〕岡田、佐野、金子、目黒：“球面相関係数の三次
元物体認識への応用”，信学会、パタン認識・理解研究
会、ＰＲＵ90-113(1991)）も報告されているが、そこで
は物体面上の点の一次元化、及び、標準パタンと入力パ
タン間の対応関係を定める必要があった。
【０００６】これに対して対象物体を特徴付けるような
適切な一次元軌道を物体面上になんらかの形で付与でき
る場合を考える。こうした場合、物体の識別は一次元軌
道、即ち、空間曲線間の識別と等価となる。従来２次元
線図形間の識別については位置、回転変動を含めてロバ
ストな識別法がいくつか提案されている（文献〔４〕尺
長、金子：“複素相関による２次元形状解析”，信学論
文誌Ｄ，Ｊ71-D，pp.350-361(1988)）。しかし、３次元
線図形を位置、回転移動に不変に認識する技術は確立さ
れていない。
適切な一次元軌道を物体面上になんらかの形で付与でき
る場合を考える。こうした場合、物体の識別は一次元軌
道、即ち、空間曲線間の識別と等価となる。従来２次元
線図形間の識別については位置、回転変動を含めてロバ
ストな識別法がいくつか提案されている（文献〔４〕尺
長、金子：“複素相関による２次元形状解析”，信学論
文誌Ｄ，Ｊ71-D，pp.350-361(1988)）。しかし、３次元
線図形を位置、回転移動に不変に認識する技術は確立さ
れていない。
【０００７】本発明は、従来、３次元の形状データが得
にくく、また、適切なマッチング尺度が存在しなかった
ために実現が困難であった３次元物体の識別を実現する
ことを目的としている。
にくく、また、適切なマッチング尺度が存在しなかった
ために実現が困難であった３次元物体の識別を実現する
ことを目的としている。
【０００８】
【課題を解決するための手段】本発明では、３次元形状
データの獲得について、物体を特徴付ける物体面上の３
次元曲線を人間が一次元時系列として与えることによ
り、あるいは、物体面上の特徴（色情報、突起形状、溝
部分ｅｔｃ．）を自動的に抽出して一次元化するように
する。その結果、物体認識は３次元空間内の曲線識別問
題として定式化される。
データの獲得について、物体を特徴付ける物体面上の３
次元曲線を人間が一次元時系列として与えることによ
り、あるいは、物体面上の特徴（色情報、突起形状、溝
部分ｅｔｃ．）を自動的に抽出して一次元化するように
する。その結果、物体認識は３次元空間内の曲線識別問
題として定式化される。
【０００９】
【作用】空間曲線間の比較の方が物体面間の比較よりは
るかに簡単である。この時の空間曲線の識別は当然回転
不変であることが要請されるが、本発明では方向データ
間の回転不変な相関量をマッチング量に用いることによ
り、位置移動不変、回転不変な３次元物体、空間曲線の
識別法を実現する。
るかに簡単である。この時の空間曲線の識別は当然回転
不変であることが要請されるが、本発明では方向データ
間の回転不変な相関量をマッチング量に用いることによ
り、位置移動不変、回転不変な３次元物体、空間曲線の
識別法を実現する。
【００１０】
【実施例】３次元物体の識別技術は、（Ａ）物体の全３
次元情報を入力することが一般に隠れ部分が存在するた
めに簡単でなく、（Ｂ）位置移動、３次元座標系の任意
回転にロバストに追随する適当な３次元マッチング法が
ない、などの理由から確立されていない。
次元情報を入力することが一般に隠れ部分が存在するた
めに簡単でなく、（Ｂ）位置移動、３次元座標系の任意
回転にロバストに追随する適当な３次元マッチング法が
ない、などの理由から確立されていない。
【００１１】本発明では、（Ａ）の問題については、図
３（Ａ）や図３（Ｂ）に示す如く、物体面をトラッキン
グして生成した空間曲線の３次元情報で３次元物体面を
代表させるようにする。即ち、対象物体上に一次元状に
存在し、各対象を特徴付ける色マーク、突起、記号、溝
形状を順次、自動抽出しつつ、その地点の形状（法線方
向をもって形状を特徴付けることができる）値を一次元
系列化するものである。また、予め人間が当該物体を代
表すると考えられる軌道を設定し、その軌道をなぞりつ
つ各時点の３次元位置情報を抽出する処理を考えること
もできる。ただし、人間の介在する処理は３次元情報の
一次元化に関する部分のみで、装置としては上記（Ｂ）
の問題の解決がもっとも重要である。
３（Ａ）や図３（Ｂ）に示す如く、物体面をトラッキン
グして生成した空間曲線の３次元情報で３次元物体面を
代表させるようにする。即ち、対象物体上に一次元状に
存在し、各対象を特徴付ける色マーク、突起、記号、溝
形状を順次、自動抽出しつつ、その地点の形状（法線方
向をもって形状を特徴付けることができる）値を一次元
系列化するものである。また、予め人間が当該物体を代
表すると考えられる軌道を設定し、その軌道をなぞりつ
つ各時点の３次元位置情報を抽出する処理を考えること
もできる。ただし、人間の介在する処理は３次元情報の
一次元化に関する部分のみで、装置としては上記（Ｂ）
の問題の解決がもっとも重要である。
【００１２】（Ｂ）の問題については、まず、物体を特
徴付ける空間曲線の法線系列、または、微分系列で対象
物体を表現し、位置移動に不変な記述を得る。回転移動
に対しては方向データ（法線データ）系列間の回転不変
な相関量をマッチング類似度として対処する。
徴付ける空間曲線の法線系列、または、微分系列で対象
物体を表現し、位置移動に不変な記述を得る。回転移動
に対しては方向データ（法線データ）系列間の回転不変
な相関量をマッチング類似度として対処する。
【００１３】本発明は３次元曲線の位置移動、回転変動
に強いマッチング技術を主たる発明要素とするもので、
現実的な物体認識装置を提供するものである。図１は本
発明の実施例を示すブロック図である。
に強いマッチング技術を主たる発明要素とするもので、
現実的な物体認識装置を提供するものである。図１は本
発明の実施例を示すブロック図である。
【００１４】今、認識されるべき物体がこの装置に入力
されるとする。１０は物体３次元情報入力部であって入
力物体面上を一次元的に走査した時の各点の３次元座標
を保持する。この時の走査は対象を特徴付ける物体面上
のマーク点（色情報、記号などが付与された点）、幾何
特徴点（突起、溝、高曲率点等）を自動的に検出しつつ
行われる。物体３次元情報入力部１０はこれらの特徴点
の座標系列を保持する。通常の例では各種別毎に特徴点
の系列が予めモデルとして定められており、そのモデル
に基づき特徴検出の順序が決められ自動抽出が行われ
る。これらの特徴点抽出のアルゴリズムについてはすで
に各種のアルゴリズムが提案されており本発明で新たに
提案はしない。
されるとする。１０は物体３次元情報入力部であって入
力物体面上を一次元的に走査した時の各点の３次元座標
を保持する。この時の走査は対象を特徴付ける物体面上
のマーク点（色情報、記号などが付与された点）、幾何
特徴点（突起、溝、高曲率点等）を自動的に検出しつつ
行われる。物体３次元情報入力部１０はこれらの特徴点
の座標系列を保持する。通常の例では各種別毎に特徴点
の系列が予めモデルとして定められており、そのモデル
に基づき特徴検出の順序が決められ自動抽出が行われ
る。これらの特徴点抽出のアルゴリズムについてはすで
に各種のアルゴリズムが提案されており本発明で新たに
提案はしない。
【００１５】また予めモデルが設定できぬ場合、あるい
は、トラッキング軌道の自動抽出が困難であるような複
雑な物体に対しては、人間を介在させ軌道を設定するこ
ともできる。この時の人間の役割は局所的な軌道決定の
ガイド役であり、最終的種別決定は本発明の核心部であ
る球面相関係数計算部及びカテゴリ判定部により行われ
る。
は、トラッキング軌道の自動抽出が困難であるような複
雑な物体に対しては、人間を介在させ軌道を設定するこ
ともできる。この時の人間の役割は局所的な軌道決定の
ガイド役であり、最終的種別決定は本発明の核心部であ
る球面相関係数計算部及びカテゴリ判定部により行われ
る。
【００１６】例えば、本入力部１０における処理の結
果、対象物体はデジタル化されｎ個の３次元座標の系列
Ｘ１（ｘ（１），ｙ（１），ｚ（１）），・・・，Ｘｎ
（ｘ（ｎ），ｙ（ｎ），ｚ（ｎ））の形に変換されメモ
リへ格納される。ここで（ｘ（ｉ），ｙ（ｉ），ｚ
（ｉ））は固定された３次元座標系の点を表す。
果、対象物体はデジタル化されｎ個の３次元座標の系列
Ｘ１（ｘ（１），ｙ（１），ｚ（１）），・・・，Ｘｎ
（ｘ（ｎ），ｙ（ｎ），ｚ（ｎ））の形に変換されメモ
リへ格納される。ここで（ｘ（ｉ），ｙ（ｉ），ｚ
（ｉ））は固定された３次元座標系の点を表す。
【００１７】２０は方向データ生成部であって、前記Ｘ
１，・・・Ｘｎのつくる空間曲線の表現を座標系の平行
移動に依存しないように方向データ（微分値：ｘ’
（ｉ），ｙ’（ｉ），ｚ’（ｉ））の系列に変換する。
正確にいうとパラメータｉを曲線長ｓにとれば ｘ’(s) 2 ＋ｙ’(s) 2 ＋ｚ’(s) 2 ＝１ となる（文献〔５〕例えば、小林昭七：曲線と曲面の微
分幾何，裳華房，p.４）ので、空間曲線Ｘ１，・・・Ｘ
ｎは方向データ生成部２０において球面上の点の系列Ｓ
１，・・・Ｓｎに変換される。
１，・・・Ｘｎのつくる空間曲線の表現を座標系の平行
移動に依存しないように方向データ（微分値：ｘ’
（ｉ），ｙ’（ｉ），ｚ’（ｉ））の系列に変換する。
正確にいうとパラメータｉを曲線長ｓにとれば ｘ’(s) 2 ＋ｙ’(s) 2 ＋ｚ’(s) 2 ＝１ となる（文献〔５〕例えば、小林昭七：曲線と曲面の微
分幾何，裳華房，p.４）ので、空間曲線Ｘ１，・・・Ｘ
ｎは方向データ生成部２０において球面上の点の系列Ｓ
１，・・・Ｓｎに変換される。
【００１８】３０は標準パタン特徴格納部であって標準
物体を特徴付ける一次元軌道の方向係数表現を保持す
る。これは、識別時に入力パタンと比較する参照辞書で
ある。４０は球面相関係数計算部であり、入力物体から
抽出された方向係数表現と標準パタン特徴格納部の方向
係数表現とを比較し、両者の類似度を計算する。３次元
物体は姿勢の如何に拘らず同一のカテゴリと同定する必
要があるから計算部４０の計算結果は物体の３次元回転
に不変であることが望ましい。本球面相関係数計算部４
０はこの能力を特長とする。
物体を特徴付ける一次元軌道の方向係数表現を保持す
る。これは、識別時に入力パタンと比較する参照辞書で
ある。４０は球面相関係数計算部であり、入力物体から
抽出された方向係数表現と標準パタン特徴格納部の方向
係数表現とを比較し、両者の類似度を計算する。３次元
物体は姿勢の如何に拘らず同一のカテゴリと同定する必
要があるから計算部４０の計算結果は物体の３次元回転
に不変であることが望ましい。本球面相関係数計算部４
０はこの能力を特長とする。
【００１９】５０はカテゴリ判定部であり球面相関係数
計算部４０の結果をもとに入力パタンＸのカテゴリを決
定する。次いで球面相関係数計算部４０を詳細に説明す
る。
計算部４０の結果をもとに入力パタンＸのカテゴリを決
定する。次いで球面相関係数計算部４０を詳細に説明す
る。
【００２０】球面上の二つの点列｛Ｓｉ｝，｛Ｔｉ｝
（ｉ＝１，２・・・ｎ）の距離ｄ（｛Ｓｉ｝，｛Ｔ
ｉ｝）は前述したように単純に ｄ（Ｓ，Ｔ）＝Σ｜Ｓｉ−Ｔｉ｜ （但しｉについて累
算） ではないし（上記文献〔１〕，文献〔３〕）、３次元物
体認識の立場からいえば｛Ｓｉ｝と｛Ｔｉ｝との類似度
値は任意の回転に対して同じ値をとることが望ましい。
このように球面上のデータに対して矛盾を含まない球面
相関はいくつか提案されているが本発明では文献〔６〕
（文献〔６〕N.I.Fisher and A.J.Lee：“Correlation
Coefficients for Random Variables on a Unit Sphere
or Hypersphere"，Biometrika, vol.73, pp.159-164(1
986)）の球面相関を点列｛Ｓｉ｝，｛Ｔｉ｝間の類似度
としてもちいる。
（ｉ＝１，２・・・ｎ）の距離ｄ（｛Ｓｉ｝，｛Ｔ
ｉ｝）は前述したように単純に ｄ（Ｓ，Ｔ）＝Σ｜Ｓｉ−Ｔｉ｜ （但しｉについて累
算） ではないし（上記文献〔１〕，文献〔３〕）、３次元物
体認識の立場からいえば｛Ｓｉ｝と｛Ｔｉ｝との類似度
値は任意の回転に対して同じ値をとることが望ましい。
このように球面上のデータに対して矛盾を含まない球面
相関はいくつか提案されているが本発明では文献〔６〕
（文献〔６〕N.I.Fisher and A.J.Lee：“Correlation
Coefficients for Random Variables on a Unit Sphere
or Hypersphere"，Biometrika, vol.73, pp.159-164(1
986)）の球面相関を点列｛Ｓｉ｝，｛Ｔｉ｝間の類似度
としてもちいる。
【００２１】文献〔６〕の球面相関は順序付けられた球
面データの間で定義されるため、直接の３次元物体のデ
ータ集合｛Ｓｉ｝｛Ｔｉ｝（ｉ＝１，２，３・・・ｎ）
の比較には利用できない。利用するために｛Ｓｉ｝｛Ｔ
ｉ｝間に ｛Ｓｉ｝←→｛Ｔｉ｝ の対応関係を作る必要があった（上記文献〔３〕）。本
発明においてはパタン表現が一次元時系列表現をとるた
め、前記の対応が容易に得られるので、容易に空間曲線
間の類似度（＝３次元物体間の類似度）を計算できる。
面データの間で定義されるため、直接の３次元物体のデ
ータ集合｛Ｓｉ｝｛Ｔｉ｝（ｉ＝１，２，３・・・ｎ）
の比較には利用できない。利用するために｛Ｓｉ｝｛Ｔ
ｉ｝間に ｛Ｓｉ｝←→｛Ｔｉ｝ の対応関係を作る必要があった（上記文献〔３〕）。本
発明においてはパタン表現が一次元時系列表現をとるた
め、前記の対応が容易に得られるので、容易に空間曲線
間の類似度（＝３次元物体間の類似度）を計算できる。
【００２２】いま、入力物体Ｘが１０の物体３次元情報
入力部、２０の方向データ生成部の処理を通して方向デ
ータの系列Ｓ＝（Ｓ１，Ｓ２，・・・Ｓｎ）の形で得ら
れたとする。ここでＳｉは単位球上の点、即ち、 Ｓｉ＝（Ｓｉ１，Ｓｉ２，Ｓｉ３） ΣＳ2 ｉｋ＝１ である。球面相関係数計算部４０はＳと標準パタン特徴
格納部３０から読みだされるカテゴリｍ（ｍ＝１，２・
・・ｐ）の標準パタンＹ(m) の方向係数表現 Ｔ(m) ＝（Ｔ１(m) ，Ｔ２(m) ・・・Ｔｎ(m) ） の球面相関係数を計算する。球面相関係数は以下で計算
される。即ち、ＳとＴ(m) の球面相関係数ρ（Ｓ，Ｔ
(m) ）は Ｓ＝（Ｓ１，Ｓ２，・・・Ｓｎ） Ｔ(m) ＝（Ｔ１(m) ，Ｔ２(m) ・・・Ｔｎ(m))（ｍ＝
１，２・・・ｐ） の相関行列ＲST(m) を ＲST(m) ＝ｄｅｔ｛ΣＳｉＴｉ(m)'｝ （但しｉについ
て累算） とした時、 ρ（Ｓ，Ｔ(m))＝ＲST(m) ／ＲSS・ＲT(m)T(m)）1/2 （１） で定義される。ρは以下の性質を持つ。 （Ａ）任意の３次元回転行列Ｈ１，Ｈ２について ρ（Ｈ１Ｓ，Ｈ２Ｔ(m) ＝ρ（Ｓ，Ｔ(m) ） （Ｂ）任意のｉについて、Ｓｉ＝Ｔｉ(m) の時、ρ
（Ｓ，Ｔ(m) ）＝１ （Ｃ）−１＝ρ＝１ （Ｄ）ＳとＴ(m) とが独立な時、ρ＝０ この値を入力物体Ｘと標準物体Ｙ(m) との類似度とす
る。特に（Ａ）はρが３次元物体の識別尺度として好ま
しい回転不変な量であることを示している。
入力部、２０の方向データ生成部の処理を通して方向デ
ータの系列Ｓ＝（Ｓ１，Ｓ２，・・・Ｓｎ）の形で得ら
れたとする。ここでＳｉは単位球上の点、即ち、 Ｓｉ＝（Ｓｉ１，Ｓｉ２，Ｓｉ３） ΣＳ2 ｉｋ＝１ である。球面相関係数計算部４０はＳと標準パタン特徴
格納部３０から読みだされるカテゴリｍ（ｍ＝１，２・
・・ｐ）の標準パタンＹ(m) の方向係数表現 Ｔ(m) ＝（Ｔ１(m) ，Ｔ２(m) ・・・Ｔｎ(m) ） の球面相関係数を計算する。球面相関係数は以下で計算
される。即ち、ＳとＴ(m) の球面相関係数ρ（Ｓ，Ｔ
(m) ）は Ｓ＝（Ｓ１，Ｓ２，・・・Ｓｎ） Ｔ(m) ＝（Ｔ１(m) ，Ｔ２(m) ・・・Ｔｎ(m))（ｍ＝
１，２・・・ｐ） の相関行列ＲST(m) を ＲST(m) ＝ｄｅｔ｛ΣＳｉＴｉ(m)'｝ （但しｉについ
て累算） とした時、 ρ（Ｓ，Ｔ(m))＝ＲST(m) ／ＲSS・ＲT(m)T(m)）1/2 （１） で定義される。ρは以下の性質を持つ。 （Ａ）任意の３次元回転行列Ｈ１，Ｈ２について ρ（Ｈ１Ｓ，Ｈ２Ｔ(m) ＝ρ（Ｓ，Ｔ(m) ） （Ｂ）任意のｉについて、Ｓｉ＝Ｔｉ(m) の時、ρ
（Ｓ，Ｔ(m) ）＝１ （Ｃ）−１＝ρ＝１ （Ｄ）ＳとＴ(m) とが独立な時、ρ＝０ この値を入力物体Ｘと標準物体Ｙ(m) との類似度とす
る。特に（Ａ）はρが３次元物体の識別尺度として好ま
しい回転不変な量であることを示している。
【００２３】カテゴリ判定部５０はｍ＝１，２・・・ｐ
についてρ（Ｓ，Ｔ(m) ）を計算した後、入力Ｘがｍ＝
１，２・・・ｐのいずれかのカテゴリに属するかを判断
する。Ｘのカテゴリｍ０は Ｍａｘρ（Ｓ，Ｔ(m))＝ρ（Ｓ，Ｔ(m0))(但しｍについ
てＭａｘを調べる） となるように選択される。
についてρ（Ｓ，Ｔ(m) ）を計算した後、入力Ｘがｍ＝
１，２・・・ｐのいずれかのカテゴリに属するかを判断
する。Ｘのカテゴリｍ０は Ｍａｘρ（Ｓ，Ｔ(m))＝ρ（Ｓ，Ｔ(m0))(但しｍについ
てＭａｘを調べる） となるように選択される。
【００２４】
【発明の効果】以上説明した如く、本発明によれば、方
向係数で表現される３次元物体、２次元線図形のマッチ
ング尺度が球面相関係数を使い座標系に依存しない回転
不変に構成されている。そのため従来座標系の変化（＝
パタン傾きの変化）にロバストでなかった方向データパ
タンの識別技術が原理的に解決される。３次元物体デー
タ間の球面相関係数の計算にはそれぞれの部分の対応関
係が必要であり、この対応関係をもとめることが球面相
関をパタン認識に応用する際の問題点であった。これに
対しては、物体記述モデルを一次元時系列で与え、パタ
ン特徴の自動抽出技術と併せて問題を解決することがで
きる。
向係数で表現される３次元物体、２次元線図形のマッチ
ング尺度が球面相関係数を使い座標系に依存しない回転
不変に構成されている。そのため従来座標系の変化（＝
パタン傾きの変化）にロバストでなかった方向データパ
タンの識別技術が原理的に解決される。３次元物体デー
タ間の球面相関係数の計算にはそれぞれの部分の対応関
係が必要であり、この対応関係をもとめることが球面相
関をパタン認識に応用する際の問題点であった。これに
対しては、物体記述モデルを一次元時系列で与え、パタ
ン特徴の自動抽出技術と併せて問題を解決することがで
きる。
【図１】本発明を実施するに適当な装置のブロック図で
ある。
ある。
【図２】方向データの演算結果が座標系の設定に依存す
ることを説明する図である。
ることを説明する図である。
【図３】トラッキング軌道により３次元物体が表現され
ることを示す図である。
ることを示す図である。
１０ 物体３次元情報入力部 ２０ 方向データ生成部 ３０ 標準パタン特徴格納部 ４０ 球面相関係数計算部 ５０ カテゴリ判定部
Claims (2)
- 【請求項１】 物体の３次元情報を物体上にマーキング
された一次元軌道、または、物体表面をなぞりながら生
成された一次元軌道、または、物体表面の形状の特徴を
もとに自動推定された一次元軌道、に沿って当該軌道上
の点の３次元座標を順次読み取りメモリへ格納する物体
３次元情報入力部と、 当該軌道情報を微分し方向係数列に変換する方向データ
生成部と、 予め準備された標準物体パタンの方向係数列表現を格納
しておく標準パタン特徴格納部と、 入力物体から抽出された方向係数表現と標準パタン特徴
格納部の方向係数表現との球面相関係数を計算する球面
相関係数計算部と、 当該入力物体のカテゴリを決定するカテゴリ判定部から
構成されることを特徴とする３次元物体識別装置。 - 【請求項２】 複数の空間曲線が方向データの系列で表
現されている時、それらの類似度を曲線の姿勢、配置と
は無関係に計量する手段をそなえたことを特徴とする請
求項１記載の３次元物体識別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4212545A JPH0658737A (ja) | 1992-08-10 | 1992-08-10 | ３次元物体識別装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4212545A JPH0658737A (ja) | 1992-08-10 | 1992-08-10 | ３次元物体識別装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0658737A true JPH0658737A (ja) | 1994-03-04 |
Family
ID=16624460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4212545A Pending JPH0658737A (ja) | 1992-08-10 | 1992-08-10 | ３次元物体識別装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0658737A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6792823B2 (en) | 2000-03-31 | 2004-09-21 | Brother Kogyo Kabushiki Kaisha | Gear drive mechanism for office products |
| JP2013069149A (ja) * | 2011-09-22 | 2013-04-18 | Nippon Telegr & Teleph Corp <Ntt> | 画像類似度判定装置、画像類似度判定方法及び画像類似度判定プログラム |
-
1992
- 1992-08-10 JP JP4212545A patent/JPH0658737A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6792823B2 (en) | 2000-03-31 | 2004-09-21 | Brother Kogyo Kabushiki Kaisha | Gear drive mechanism for office products |
| JP2013069149A (ja) * | 2011-09-22 | 2013-04-18 | Nippon Telegr & Teleph Corp <Ntt> | 画像類似度判定装置、画像類似度判定方法及び画像類似度判定プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ansari et al. | Partial shape recognition: A landmark-based approach | |
| US4573196A (en) | Confusion grouping of strokes in pattern recognition method and system | |
| Bichsel et al. | Human face recognition and the face image Set′ s topology | |
| McLean et al. | Vanishing point detection by line clustering | |
| Hastie et al. | A model for signature verification | |
| US5828772A (en) | Method and apparatus for parametric signature verification using global features and stroke-direction codes | |
| KR890002581B1 (ko) | 복잡한 패턴의 인식방법과 장치 | |
| US5930380A (en) | Method and apparatus for verifying static signatures using dynamic information | |
| US6430307B1 (en) | Feature extraction system and face image recognition system | |
| EP0514082B1 (en) | Method for signature verification | |
| US5202930A (en) | High precision on-line signature dynamic verification system | |
| US20060228005A1 (en) | Information processing apparatus and information processing method | |
| CN106780906A (zh) | 一种基于深度卷积神经网络的人证合一识别方法及系统 | |
| CN106599785B (zh) | 人体3d特征身份信息库的建立方法及设备 | |
| Mirhosseini et al. | Human face image recognition: An evidence aggregation approach | |
| US20020143761A1 (en) | Data classifying apparatus and material recognizing apparatus | |
| Achard et al. | A novel approach for recognition of human actions with semi-global features | |
| Arbel et al. | Informative views and sequential recognition | |
| Andiani et al. | Face recognition for work attendance using multitask convolutional neural network (MTCNN) and pre-trained facenet | |
| Lanitis et al. | Locating facial features using genetic algorithms | |
| Perakis et al. | Partial matching of interpose 3D facial data for face recognition | |
| JPH0658737A (ja) | ３次元物体識別装置 | |
| Cootes et al. | Locating objects of varying shape using statistical feature detectors | |
| CN112527118B (zh) | 一种基于动态时间规整的头部姿态识别方法 | |
| Hong et al. | A prototype indexing approach to 2-D object description and recognition |