JPH07105374A - 画像位置検出装置 - Google Patents

Abstract

(57)【要約】 （修正有） 【目的】 画像位置を不鮮明な画像でも高精度に測定で
きるように構成し、位置検出の精度向上を図る画像位置
検出装置を提供する。 【構成】 計測用画像の特定範囲を切り出し検出する検
出手段と、この検出される特定範囲（検出窓）内の特定
の測定画像を記録する画像メモリ手段と、この手段の出
力を検出窓の一定方向に加算を行う加算手段と、この一
定方向に加算した各行若しくは各列毎の加算結果の情報
を入力するニューロ演算手段とを設けて、このニューロ
演算手段の出力により測定画像の位置を検出するように
構成し、更に加算手段とニューロ演算手段の間に、検出
窓よりも狭い所定幅で検出窓の一方から他方に向けて順
に所定のステップでの加算手段結果の情報を掃引して読
み出しニューロ演算手段に与える掃引手段を設け、各ス
テップ毎のニューロ演算手段の出力を判別し、この判別
結果と掃引手段の掃引回数とにより測定画像の画像位置
を判断する位置判断手段とを設ける。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】特定の計測用画像の特定範囲内
（検出窓内として表現する）における特定の測定画像の
位置を検出する画像位置検出装置に関するもので、例え
ば基準位置から測定画像がどれだけずれているかを測定
するものである。

【０００２】

【従来の技術】複数の被測定点に投影された反射像の距
離を測定して被測定物の複数測定点間の距離を測定する
光学式測長器として、本出願人による実願平５−５０３
５９号（平成５年９月１６日出願）が知られている。

【０００３】この装置の概略は、前記出願番号の記載を
もって省略するが、簡単に説明すれば、図１に示すよう
な構成で、被測定点Ｐ１に投影した投影像Ｒの反射像を
光学系を介してＣＣＤカメラＫでとらえ、再びワークＷ
を移動させて被測定点Ｐ２に投影した投影像の反射像Ｒ
を光学系を介してＣＣＤカメラＫでとらえ、このワーク
Ｗの被測定点Ｐ１・Ｐ２間の距離をワークＷの移動量と
して測定するものである。

【０００４】このような装置において、ＣＣＤカメラで
とらえた反射像Ｒ（図１下図に示すようなモニタに写し
だされる反射像）の画像位置（中心位置）を正確に検出
する必要がある。

【０００５】これまでの装置では、図２に示すように反
射像Ｒの中心に投影用レチクルによって帯状の暗部と、
中心点を境にした対称位置に高輝度部を設け、この反射
像中心部の高輝度部分を輝度レベルの高い位置を検出す
ることで求め、その１／２の位置を反射像の中心位置と
して測定していた。

【０００６】

【発明が解決しようとする課題】しかしながら、この方
法では、測定精度は、ＣＣＤの分解能に依存するところ
があり、これを解決する手法として前記装置はＣＣＤに
結像させる反射像を光学的に拡大し、相対的にＣＣＤ出
力の分解能をあげている。しかしこの拡大も光学系自身
の分解能の影響を受け、その結像画像は図３に示すよう
に多少ぼける傾向があり、更に、被測定点の壁面の表面
粗さが悪いと反射像自身がぼける傾向があり、限界があ
る。

【０００７】従って、これらのぼける測定画像（反射
像）より画像の中心位置を割り出すことは、通常の２値
化や最大値検出の画像位置検出手法では困難であり、こ
れに代わる手法が求められていた。

【０００８】そこで、本発明は、ニューロ演算手段にて
画像を演算することにより、学習信号に近い画像入力で
は顕著に画像確認が可能であるため、掃引手段との組み
合わせにより画像位置を不鮮明な画像でも高精度に測定
できるように構成し、位置検出の精度向上を図るもので
ある。よって、被測定物の壁面の表面粗さや光学系の分
解能の影響無く測定画像の位置検出を高精度のものと
し、これにより前述のような光学式測長器の測定精度を
向上することができる。

【０００９】

【課題を解決するための手段】添付図面を参照して本発
明の要旨を説明する。

【００１０】映像カメラでとらえた所定の計測用画像の
位置を測定する画像位置検出装置において、計測用画像
の特定範囲を切り出し検出する検出手段と、この検出さ
れる特定範囲（検出窓）内の特定の測定画像を記録する
画像メモリ手段と、この画像メモリ手段の出力を検出窓
の一定方向に加算を行う加算手段と、この一定方向に加
算した各行若しくは各列毎の加算結果の情報を入力する
ニューロ演算手段とを設けて、このニューロ演算手段の
出力により測定画像の位置を検出するように構成したこ
とを特徴をとする画像位置検出装置に係るものである。

【００１１】加算手段とニューロ演算手段の間に、検出
窓よりも狭い範囲の所定幅で検出窓の一方から他方に向
けて順に所定のステップで前述の加算手段結果の情報を
掃引して読み出しニューロ演算手段に与える掃引手段を
設け、各ステップ毎のニューロ演算手段の出力を判別
し、この判別結果と掃引手段の掃引回数とにより測定画
像の画像位置を判断する位置判断手段とを設けたことを
特徴をとする請求項１記載の画像検出装置に係るもので
ある。

【００１２】

【作用】映像カメラでとらえた所定の計測用画像の特定
範囲内（検出窓内として表現する）の特定の測定画像が
画像メモリ手段により記録される。

【００１３】この画像メモリ手段の出力が加算手段によ
り検出窓の一定方向に加算される。この画像メモリ手段
の各行若しくは各列毎に加算手段より加算された出力が
ニューロ演算手段に入力される。

【００１４】このニューロ演算手段により測定画像の位
置が検出される。

【００１５】この加算手段とニューロ演算装置との間に
掃引手段を設け、ニューロ演算手段に位置判断手段を設
けると、掃引手段により各行若しくは各列毎の加算手段
の加算結果情報のうち、検出窓よりも狭い範囲の所定幅
分が読み出され、この幅方向に所定ステップ毎掃引され
てこのスラップ毎の出力がニューロ演算手段に入力され
る。

【００１６】この掃引スラップ毎のニューロ演算手段の
出力を判別し、適正に位置検出がなされる出力と、この
出力が出される掃引スラップの掃引回数とから、位置判
断手段により測定画像の位置が検出される。

【００１７】

【実施例】ニューロ演算についての詳細は、例えば技術
評論社の「入門と実習ニューロコンピュータ」などに記
載されているが、本発明の理解の上で必要な概要をここ
で述べる。

【００１８】ニューロ（Ｎｅｗｒｏｎ）はソフト的に
は、図４のように考えられる。Ｎｅｗｒｏｎは複数の信
号入力（ｉ０，ｉ１，・・・ｉｎ）とｂｉａｓ入力（ｉ
ｂ）が複数のＷｅｉｇｈｔ（Ｗ０，Ｗ１，・・・Ｗｎ．
Ｗｂ）とを介して与えられると、出力（Ｏ）に０から１
の間の値の信号が出力される関数系で置き換えられる。 このＮｅｗｒｏｎを人間の脳細胞と同じように複数ケ互
いに接続してＮｅｕｒａｌ Ｎｅｔｗｏｒｋを構成する
のがニューロ演算手段として知られている。

【００１９】ここでは、図５に示すように入力層と中間
層と出力層を有する３層の階層Ｎｅｔｗｏｒｋをニュー
ロ演算手段として用いている。

【００２０】この演算手段は所望の入力信号を各入力に
与え、前述の複数のＷｅｉｇｈｔを所望の値に設定する
と出力変化特性を急進（０から１の間で出力される出力
カーブの傾きを急進）にすることができる。

【００２１】よって、所望の入力信号（学習信号と言
う）を与えながら、始めはＷｅｉｇｈｔは乱数として与
えられるが最急降下手法などで少しずつ夫々の値を変化
せしめていき最も出力が学習信号とそれ以外の信号との
出力差が急進に出力されるようにこの演算手段を学習せ
しむる（前述の所望の入力信号を学習信号，結果の出力
を教師信号（０〜１の値をとる）と言われている。）。

【００２２】前述の学習信号について説明する。

【００２３】本実施例では、本出願人による実願平５−
５０３５９号に係る光学式測長器における反射像を計測
画像としてこの画像中心位置を検出する装置として本発
明を適用できるように構成したので、この光学式測長器
の構成作動については、前記出願番号を記載することで
省略するが、以下説明を本装置に基づいて説明する。 計測画像が特定の形状を持つもので、例えば十字型のレ
チクル反射像の場合は、検出窓の横方向から見た加算手
段の出力である加算レベルは図６イに示すの如くなり、
縦方向より見た加算レベルは同図ロの如くなる。

【００２４】一方このような加算レベル信号が仮にぼけ
ていても、モニタによる目視判断の場合計測に熟練した
技術者は推測により正確な像を想定し計測判断すること
がある（具体的には、推測によりぼけた像をくっきりと
した像として想定し、丁度ロに示す如く二つの山の間隔
の中心位置をこの反射像の中心と想像測定し、この反射
像の中心がＣＣＤカメラのモニタの中心指標となるよう
にワークを移動補正する。）。

【００２５】そのことを考慮して各種ぼけた像を実測し
て妥当と考えられる信号を推定して作られた信号を設計
する。

【００２６】このようにして作られた学習信号をニュー
ロ演算手段に与え学習させる。更にその学習信号の位相
を例えば横方向にずらして誤った入力信号を作り、これ
を入力に与えた場合には教師信号が０に近づくよう学習
させ、更に学習信号やＷｅｉｇｈｔを実験的に改良変更
し作りあげてゆき、ぼけた像でもその像が入力されると
教師信号は１に近い値が出力され、ぼけた像でも位相が
ズレていると０に近い値が出力されるように学習させ
る。

【００２７】このようにしてニューロネットワークは固
定され、作られる。従って、所定の画像入力に対しては
教師信号は敏感に作動するようになる。

【００２８】ここでは、所定の信号が十字型のレチクル
反射像として説明したが、円形の画像を対象とする場合
は図７ハ，ニの如く学習信号は設定される。このように
測定対象画像が計測の前にあらかじめわかっていれば、
学習信号を設定することができるので、その画像のニュ
ーロ演算手段での判別が多くの任意画像に適用できる。

【００２９】次に全体の構成を述べる。

【００３０】前記光学式測定器に利用できるもので、映
像カメラでとらえた計測用画像Ｇここでは映像パターン
Ｒ・Ｓ１・Ｓ２の中心位置ＣＨ・ＣＶを検出する画像位
置検出装置（図８に示す）をもって説明する。

【００３１】計測用画像Ｇの所定の範囲を測定画像とし
て定める検出（窓）手段Ｗを設ける。この検出窓手段
は、ここでは画像のほぼ中央で水平方向２６μｓ，垂直
方向２０Ｈの範囲の画像信号を選定している。

【００３２】この窓の大きさは画像の上に容易に設定で
きるためには大きい方がよいが、しかし、精度を上げる
ためには小さい方がよい。ここではパターンＳ１・Ｓ２
の縦幅よりも略３０％広く検出窓縦幅を取っている。ま
た主に画像が移動する方向が横方向であるので、検出窓
の横幅は操作性を重視しながらできるだけ小さく構成す
るように配慮して反射像のパターンＲの幅の略１４倍に
設定してるいる（反射像移動量に勘算すると略４３μ
ｓ）。

【００３３】前記の検出窓手段Ｗにて切り出された測定
画像の画像信号を記憶する画像メモリ手段ＭＯを設け
る。ここでは、横方向２５６列，縦２０行に、夫々２５
６諧調の情報として記憶させる。

【００３４】この画像メモリ手段ＭＯの出力（情報）を
横方向に順次加算して２０行分の加算データを出力する
第１の加算手段Ｅ１と、また画像メモリ手段ＭＯの情報
を縦方向に順次加算して２５６行分の加算データを出力
する第２の加算メモリＥ２とを設ける。

【００３５】また、前述の夫々の演算結果を夫々記憶す
る第１の加算メモリＭ１と第２の加算メモリＭ２を設け
る。

【００３６】次に、第１の加算メモリＭ１の出力を入力
信号としニューロ演算を行う第１のニューロ演算手段Ｎ
１を設ける。

【００３７】次に検出窓幅よりも狭い範囲の所定の幅で
検出窓幅の一方から他方に向けて一定のステップで順に
前記加算結果を第２加算メモリより読み出す掃引手段Ｐ
１を設ける。

【００３８】次に掃引手段Ｐ１の出力を入力信号とし、
ニューロ演算を行う第２のニューロ演算手段Ｎ２を設け
る。

【００３９】次に第２のニューロ演算手段の出力が１
（最大出力）に近い値を出力したときの掃引の位置（検
出窓に対する位置）を掃引回数から求めて判断する位置
判断手段Ｈ１を設ける。

【００４０】尚、第１のニューロ演算手段の入力は第１
の加算メモリ出力と同じ２０ケとしているが、入力信号
の画像のかたよりを見るために図９の如く３ケの出力
（Ｏ０，０１，Ｏ２）を構成する。ここでは画像が中央
のときは、Ｏ０＝１，上のときはＯ１＝１，下のときは
Ｏ２＝１の如く出力するように構成する。

【００４１】つぎに掃引手段Ｐ１の入力は、第２の加算
メモリＭ２の２５６列分より少ない１６０列分とし、掃
引ステップを１列分とし９６回掃引するように構成す
る。従って、第２のニューロ演算手段Ｎ２の入力は１６
０ケでその出力は１ケとしている。

【００４２】更に第２のニューロ演算手段Ｎ２の出力と
前述の掃引中の回数を入力として、測定画像の検出窓に
対する位置を判断する位置判断手段Ｈ１を設けている。

【００４３】このように構成してなるので、図１５に示
すフローチャートに示すように以下の如く作動する。

【００４４】映像カメラにより十字型のレチクル反射像
Ｓ１・Ｓ２・Ｒは図６の如くとらえられ、図示しないが
位置検出開始の操作指令を与えると検出窓手段Ｗによっ
て図８の如く画像メモリ手段ＭＯに記憶される。

【００４５】記憶された画像メモリ手段ＭＯの出力画像
情報は第１の加算手段Ｅ１により直ちに横方向に０行目
から１９行目まで夫々加算が行われ、加算結果は第１の
加算メモリＭ１に２０ケの情報として記憶される。引き
続き記憶された情報は２０ケの入力を有する第１のニュ
ーロ演算手段Ｎ１により演算判断が行われる。その結果
として図１０の如く３つの出力より画像パターンＳ１・
Ｓ２が検出窓Ｗの上側にあるか、中央にあるか、下側に
あるかが判断される。横方向の位置を測定するために必
要な画像情報のみを選択して不要部での後述する演算の
扱う画像情報のＳ／Ｎを上げ更に演算時間を短時間化す
るためにこの複数の判断結果を用いて処理する情報を絞
りこむ。

【００４６】画像メモリ手段ＭＯの縦方向の情報は２０
行あるが、所定画像パターンＳ１・Ｓ２の縦方向の情報
はここでは前記メモリ上ではほぼ７０％位の行に記録さ
れる如く検出窓幅が決められているので、以後の演算は
この画像の存在する部分の範囲を扱う。

【００４７】よって、前記結果が上側にある時は２行か
ら９行目まで、中央のときは６行目から１３行目まで、
下側のときは１０行から最後の１７行目までのいずれか
の８行分の画像メモリ手段ＭＯの画像情報が第２の加算
メモリＭ２に記憶される。

【００４８】次に掃引手段Ｐ１により図１１，図１２に
示す如く左側の０列から１５９列，１列目から１６０
列，２列目から１６１列目・・・９５列目から２５５列
目の最後まで１列づつのズレで右に９６回掃引して各１
６０列分の第２加算メモリＥ２の情報を順に読み出され
る。読み出された情報は、１６０ケの入力を有する第２
のニューロ演算手段Ｎ２に与えられる。

【００４９】いずれかの掃引時に読み出された情報が学
習信号に近い信号であると第２のニューロ演算手段Ｎ２
の出力は１（最大）の出力を発生する。それ以外の信号
のときは０に近い出力となる。

【００５０】今、検出窓幅をＤＷとすると掃引手段Ｐ１
の掃引ピッチ（１列分）の幅は「ＤＷ／２５６」に相当
する。

【００５１】一方、第２のニューロ演算手段Ｎ２の出力
が最大のときは、学習信号と一致したときであることよ
り画像パターンＳ１・Ｓ２・Ｒの中央に一致したときの
情報を得たことになる。

【００５２】従って、何回目（Ｎ）の掃引で一致したか
がわかれば検出窓に対する前述画像パターンの中心の位
置ＤＰがわかることになる。

【００５３】よって、画像位置判断手段においては、図
１３に示すように第２のニューロ演算手段Ｎ２の出力と
掃引回数よりＤＰ＝ＤＷ×（（１６０／２）＋Ｎ）／２
５６の演算を行い画像の中心位置を求める。

【００５４】例えば、ＤＷ＝４３μとしたとき、Ｎ＝１
のときはＤＰ＝１３．Ｏμ、Ｎ＝４８のときはＤＰ＝２
１．５μ：Ｎ＝９５のときはＤＰ＝２９．４μ（分解能
Ｖ＝ＤＷ／２５６よってＤＷ＝４３μならＶ＝０．１７
μ）の如く画像の中心位置が正確に検出される。

【００５５】所定の画像パターンＳ１・Ｓ２・Ｒが誤っ
た位置（検出窓以外の位置）におかれていたり、塵など
で所定画像と異なる画像となった場合は測定しても正し
い値が得られない。しかし通常の２値化や最大値検出等
の測定方法では、例えば図１４に示す例のように誤って
計測してしまう危険があるが、本案は学習信号以外の画
像信号の場合は、ニューロ出力が大きくならないので、
誤りであることが容易にわかる。そのため前記の誤った
測定を回避することができる。

【００５６】更に、本案では所定の画像の中心位置を求
めているが、位置判断手段の演算に画像の任意の距離を
演算に追加すれば画像の任意の位置を求めることも可能
である。

【００５７】以上の各種手段は計測時間が多少かかって
もよければ通常のマイコンでも容易に構成でき、ＤＳＰ
等を使用しての高速化も可能である。

【００５８】実施例では所定の画像を投影し、その反射
像の位置を測定する例を示したが対象物を直接観察する
投影顕微鏡や工具顕微鏡のような直接画像で測定する場
合も対象画像が決まった形状の場合は、前述の学習信号
をあらかじめ設定できるので、容易にこれら直接像の位
置測定に応用できる。

【００５９】測定画像は十字型のレチクル画像で説明し
たが、きまった形状で学習信号を設定可能であれば任意
の画像形状に本発明は応用できる。

【００６０】

【発明の効果】本発明は学習信号を基にニューロ演算手
段を用いて測定するので、 不鮮明なＳ／Ｎの悪い画像でも的確にとらえ位置を
測定できる。

【００６１】 ニューロ演算手段の作動は急進にでき
るので微妙な画像位置変化も判別でき測定精度を向上で
きる。

【００６２】 検出窓より外れた画像を誤って測定す
ることを妨げる。

【００６３】 塵などで画像が所定の形状と異なった
とき、誤って測定することを妨げる。

【００６４】 不鮮明な画像でも測定できるので、
（分解能を上げるために）光学系の拡大率を上げられる
ので、測定精度を容易に上げられる。

【００６５】 前記のように測定できるので反射像で
の計測は表面粗さの悪い対象でも測定できる。

【図面の簡単な説明】

【図１】本出願人による実願平５−５０３５９号に係る
光学式測長器の概略構成図である。

【図２】図１における拡大した反射像（計測用画像）を
示す説明図である。

【図３】図２におけるぼけた反射像を示す説明図であ
る。

【図４】本実施例のニューロ演算手段の説明図である。

【図５】本実施例のニューロ演算手段の階層Ｎｅｔｗｏ
ｒｋを示す説明図である。

【図６】本実施例の反射像（測定画像）を示す説明図で
ある。

【図７】本実施例の測定画像が円形の場合を説明するた
めの説明図である。

【図８】本実施例の検出窓手段並びに画像メモリ手段を
示す説明図である。

【図９】本実施例の第一ニューロ演算手段の構成説明図
である。

【図１０】本実施例の第一ニューロ演算手段の作動説明
図である。

【図１１】本実施例の第二ニューロ演算手段の構成説明
図である。

【図１２】本実施例の第二ニューロ演算手段並びに掃引
手段の作動説明図である。

【図１３】本実施例の位置判断手段の作動説明図であ
る。

【図１４】本実施例を用いない検出方法では誤った測定
をし得ることを説明する説明図である。

【図１５】本実施例の作動手順を示すフローチャート図
である。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｔ 7/60 Ｈ０４Ｎ 7/18 Ｋ

Claims (2)

【特許請求の範囲】
1. 【請求項１】 映像カメラでとらえた所定の計測用画像
   の位置を測定する画像位置検出装置において、計測用画
   像の特定範囲を切り出し検出する検出手段と、この検出
   される特定範囲（検出窓）内の特定の測定画像を記録す
   る画像メモリ手段と、この画像メモリ手段の出力を検出
   窓の一定方向に加算を行う加算手段と、この一定方向に
   加算した各行若しくは各列毎の加算結果の情報を入力す
   るニューロ演算手段とを設けて、このニューロ演算手段
   の出力により測定画像の位置を検出するように構成した
   ことを特徴をとする画像位置検出装置。
2. 【請求項２】 加算手段とニューロ演算手段の間に、検
   出窓よりも狭い範囲の所定幅で検出窓の一方から他方に
   向けて順に所定のステップで前述の加算手段結果の情報
   を掃引して読み出しニューロ演算手段に与える掃引手段
   を設け、各ステップ毎のニューロ演算手段の出力を判別
   し、この判別結果と掃引手段の掃引回数とにより測定画
   像の画像位置を判断する位置判断手段とを設けたことを
   特徴をとする請求項１記載の画像検出装置。