JPH0830783A - ２次元物体の認識方法 - Google Patents
２次元物体の認識方法Info
- Publication number
- JPH0830783A JPH0830783A JP15974994A JP15974994A JPH0830783A JP H0830783 A JPH0830783 A JP H0830783A JP 15974994 A JP15974994 A JP 15974994A JP 15974994 A JP15974994 A JP 15974994A JP H0830783 A JPH0830783 A JP H0830783A
- Authority
- JP
- Japan
- Prior art keywords
- model
- image
- distance
- feature points
- correspondence relation
- 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 Analysis (AREA)
Abstract
(57)【要約】
【目的】 画像処理のパターンマッチングにおいて、離
散的弛緩法の条件を除き、演算量を少なくした２次元物
体の認識方法を提供する。 【構成】 モデル中の特徴点２点と画像中の特徴点２点
との対応関係により、幾何学的に変換したモデルを作り
変換したモデルと画像との対応関係を求める。
散的弛緩法の条件を除き、演算量を少なくした２次元物
体の認識方法を提供する。 【構成】 モデル中の特徴点２点と画像中の特徴点２点
との対応関係により、幾何学的に変換したモデルを作り
変換したモデルと画像との対応関係を求める。
Description
【０００１】
【産業上の利用分野】本発明は、画像処理におけるパタ
ーン認識において、パターンマッチングを行なう場合の
２次元物体の認識方法に関する。
ーン認識において、パターンマッチングを行なう場合の
２次元物体の認識方法に関する。
【０００２】
【従来の技術】パターン認識におけるパターンマッチン
グでは、種々の方式のうち弛緩法を用いたマッチングが
多く利用される。この弛緩法では局所的な矛盾やあいま
いさを低減すべく局所的に並列して反復処理を行ない、
結果として大局的に整合を採るマッチング法であり、認
識したい画像であるモデルと検索する画像（ここでは単
に画像とする）との相互の特徴点を対応付けるものであ
る。離散的弛緩法では、モデルと画像との特徴点の対応
候補を絞るに際して、対応しない場合と対応する場合を
区別し、更に矛盾度と類似度を求めて対応する決定付け
ている。
グでは、種々の方式のうち弛緩法を用いたマッチングが
多く利用される。この弛緩法では局所的な矛盾やあいま
いさを低減すべく局所的に並列して反復処理を行ない、
結果として大局的に整合を採るマッチング法であり、認
識したい画像であるモデルと検索する画像（ここでは単
に画像とする）との相互の特徴点を対応付けるものであ
る。離散的弛緩法では、モデルと画像との特徴点の対応
候補を絞るに際して、対応しない場合と対応する場合を
区別し、更に矛盾度と類似度を求めて対応する決定付け
ている。
【０００３】
【発明が解決しようとする課題】離散的弛緩法の適用と
しては、２時期での航空写真からの変化抽出等の分野が
あるが、しかしながら以下の条件が満たされている必要
がある。 ２枚の画像中に存在する同一物体は、略相似形であ
り、しかも回転は含まれず、許容される幾何学的変化へ
平行移動と縮尺変化である。 縮尺律の変化が判っている必要がある。 更に、条件判断を含む演算量が多くて、１回のマッチン
グに時間がかかるという問題もある。
しては、２時期での航空写真からの変化抽出等の分野が
あるが、しかしながら以下の条件が満たされている必要
がある。 ２枚の画像中に存在する同一物体は、略相似形であ
り、しかも回転は含まれず、許容される幾何学的変化へ
平行移動と縮尺変化である。 縮尺律の変化が判っている必要がある。 更に、条件判断を含む演算量が多くて、１回のマッチン
グに時間がかかるという問題もある。
【０００４】本発明は、上述の問題に鑑み、離散的弛緩
法の条件や問題を除去するようにした２次元物体の認識
方法の提供を目的とする。
法の条件や問題を除去するようにした２次元物体の認識
方法の提供を目的とする。
【０００５】
【課題を解決するための手段】上述の目的を達成する本
発明は、（１） パターン認識におけるパターンマッチ
ングにおいて、モデルの順番となる二特徴点同士の距離
と画像の順番となる二特徴点同士の距離とを算出して上
記モデルと画像との対応関係を求め、この対応関係に基
づき仮想的に幾何学的に変換したモデルを作り、このモ
デルと上記画像との対応関係を求めることを特徴とし、
また、（２） 幾何学的な変換には、ヘルマート変換式
及びアフィン変換式を用いることを特徴とする。
発明は、（１） パターン認識におけるパターンマッチ
ングにおいて、モデルの順番となる二特徴点同士の距離
と画像の順番となる二特徴点同士の距離とを算出して上
記モデルと画像との対応関係を求め、この対応関係に基
づき仮想的に幾何学的に変換したモデルを作り、このモ
デルと上記画像との対応関係を求めることを特徴とし、
また、（２） 幾何学的な変換には、ヘルマート変換式
及びアフィン変換式を用いることを特徴とする。
【０００６】
【作用】画像とモデルとにつきヘルマート変換式やアフ
ィン変換式からなる幾何学変換を用いることにより回転
や平行移動等に対応することができ、しかも演算量が少
なくて高速処理が可能となる。
ィン変換式からなる幾何学変換を用いることにより回転
や平行移動等に対応することができ、しかも演算量が少
なくて高速処理が可能となる。
【０００７】
【実施例】ここで、実施例を説明する。２枚の画像にて
前述の如く認識したい画像をモデル、検索する画像を単
に画像と称する。このモデルと画像とにあってそれぞれ
の特徴点を順に求める。例えば、物体内にある穴の中心
とか外形の頂点等である。この特徴点にあって、ａ
i （ｉ＝１，２，３，…，ｎ）をモデル中の特徴点と
し、ｂk （ｋ＝１，２，３，…，ｍ）を画像中の特徴点
とする。
前述の如く認識したい画像をモデル、検索する画像を単
に画像と称する。このモデルと画像とにあってそれぞれ
の特徴点を順に求める。例えば、物体内にある穴の中心
とか外形の頂点等である。この特徴点にあって、ａ
i （ｉ＝１，２，３，…，ｎ）をモデル中の特徴点と
し、ｂk （ｋ＝１，２，３，…，ｍ）を画像中の特徴点
とする。
【０００８】この特徴点のうち順に決定された特徴点間
の距離を次に求める。すなわち、ａ i とａi ＋１との距
離ｌai及びｂk とｂk ＋１との距離ｌbkをそれぞれ求め
る。こ の場合、ｉ＝ｎ，ｋ＝ｍの場合には、ｌanはａ
n とａ0 との距離、ｌbkはｂ m とｂ0 との距離とする。
そして、この特徴点間の距離ｌaiとｌbkとの対応関係を
求め、モデルと画像との特徴点が対応するか否かを決定
する。ここで、対応関係の有無をＰikにて表わす。Ｐik
が１の場合、｜ｌai−ｌbk｜≦ｌT （ここでｌT は距離
に対する許容値である。）、Ｐikが０の場合は「その
他」のケースを表わす。こうして、モデルと画像との特
徴点の対応関係がＰik＝１にて明らかになる。
の距離を次に求める。すなわち、ａ i とａi ＋１との距
離ｌai及びｂk とｂk ＋１との距離ｌbkをそれぞれ求め
る。こ の場合、ｉ＝ｎ，ｋ＝ｍの場合には、ｌanはａ
n とａ0 との距離、ｌbkはｂ m とｂ0 との距離とする。
そして、この特徴点間の距離ｌaiとｌbkとの対応関係を
求め、モデルと画像との特徴点が対応するか否かを決定
する。ここで、対応関係の有無をＰikにて表わす。Ｐik
が１の場合、｜ｌai−ｌbk｜≦ｌT （ここでｌT は距離
に対する許容値である。）、Ｐikが０の場合は「その
他」のケースを表わす。こうして、モデルと画像との特
徴点の対応関係がＰik＝１にて明らかになる。
【０００９】特徴点の対応関係Ｐik＝１の場合には、次
にモデルと画像との無矛盾度、類似度を求める。この算
出に当って、モデル中の特徴点ａi とａi ＋１が画像の
特徴点ｂk とｂ k ＋１となるようにヘルマート変換式の
各係数を求める。
にモデルと画像との無矛盾度、類似度を求める。この算
出に当って、モデル中の特徴点ａi とａi ＋１が画像の
特徴点ｂk とｂ k ＋１となるようにヘルマート変換式の
各係数を求める。
【００１０】ここで、ヘルマート変換は幾何変換の一部
であり、現在ある画像を別の座標系に射影する操作であ
って、座標変換式において変換前の座標を（ｘ，ｙ）、
変換後の座標を（ｕ，ｖ）とした場合次式で示される。 ｕ＝ａｘ−ｂｙ＋ｃ ｖ＝ｂｘ＋ａｙ＋ｄ このヘルマート変換は、拡大、縮小、回転、平行移動を
合成した変換であり、微小部分において変換前の像と変
換後の像が相似である変換いわゆる等角変換の１次のも
のをいう。
であり、現在ある画像を別の座標系に射影する操作であ
って、座標変換式において変換前の座標を（ｘ，ｙ）、
変換後の座標を（ｕ，ｖ）とした場合次式で示される。 ｕ＝ａｘ−ｂｙ＋ｃ ｖ＝ｂｘ＋ａｙ＋ｄ このヘルマート変換は、拡大、縮小、回転、平行移動を
合成した変換であり、微小部分において変換前の像と変
換後の像が相似である変換いわゆる等角変換の１次のも
のをいう。
【００１１】ヘルマート変換によってａi の変換後の座
標をｃi を求める。ここで、ｃi の求め方を図１にて例
示すれば、図１においてモデルの特徴点をａ1 ，ａ2 ，
ａ3 とし画像の特徴点をｂ1 ，ｂ2 ，ｂ3 ，ｂ4 ，ｂ5
とした場合、特徴点ａ1 ，ａ2 とがｂ1 ，ｂ2 とになる
ようｃi を求めると、図１（ｃ）の如き対応する点
ｃ1 ，ｃ2 が得られる。また、特徴点ａ1 とａ2 とがｂ
4 とｂ2 となるようにｃi を求めると、図１（ｄ）のご
とき対応点ｃ1 ，ｃ2 ，ｃ3 が得られ、ａ1 とａ2 がｂ
4 とｂ2 に対応し、ａ2 とａ3 がｂ2 とｂ1 に対応し、
ａ3 とａ1 がｂ1 とｂ4 とに対応する。
標をｃi を求める。ここで、ｃi の求め方を図１にて例
示すれば、図１においてモデルの特徴点をａ1 ，ａ2 ，
ａ3 とし画像の特徴点をｂ1 ，ｂ2 ，ｂ3 ，ｂ4 ，ｂ5
とした場合、特徴点ａ1 ，ａ2 とがｂ1 ，ｂ2 とになる
ようｃi を求めると、図１（ｃ）の如き対応する点
ｃ1 ，ｃ2 が得られる。また、特徴点ａ1 とａ2 とがｂ
4 とｂ2 となるようにｃi を求めると、図１（ｄ）のご
とき対応点ｃ1 ，ｃ2 ，ｃ3 が得られ、ａ1 とａ2 がｂ
4 とｂ2 に対応し、ａ2 とａ3 がｂ2 とｂ1 に対応し、
ａ3 とａ1 がｂ1 とｂ4 とに対応する。
【００１２】このようにしてヘルマート変換式にてａi
の変換座標ｃi を求め、このｃi を中心としてある許容
範囲内にｂk が存在する場合をθi ＝１とし、その他の
場合をθi ＝０とする。無矛盾度はｃi 中心の範囲にｂ
k がある場合次式に与えられる。 すなわち、無矛盾度は、Ｐik＝１の対応関係があるとき
求めたｃi （ａi のヘルマート変換後の座標）の座標群
がｂk の座標群に対して同時に対応することに対する矛
盾性を表わす。
の変換座標ｃi を求め、このｃi を中心としてある許容
範囲内にｂk が存在する場合をθi ＝１とし、その他の
場合をθi ＝０とする。無矛盾度はｃi 中心の範囲にｂ
k がある場合次式に与えられる。 すなわち、無矛盾度は、Ｐik＝１の対応関係があるとき
求めたｃi （ａi のヘルマート変換後の座標）の座標群
がｂk の座標群に対して同時に対応することに対する矛
盾性を表わす。
【００１３】また、ヘルマート変換後の座標ｃi の許容
範囲内にｂk があるとき、θi ＝１であり、このθi ＝
１のとき見つかったｂk との距離｜ｃi −ｂk ｜をＳi
とし、θi ＝０のときのを０とするとき、類似度Ｂi は
次式にて求められる。 すなわち、無矛盾度の算出にてｃi とｂk が対応した座
標群に対しがｂk がｃ i にどれだけ類似しているかが得
られる。そして、この結果無矛盾度Ｒi が許容値ＲT と
の間でＲi ≧ＲT であり、類似度Ｂi が最小のパターン
をモデルと同一パターンとする。
範囲内にｂk があるとき、θi ＝１であり、このθi ＝
１のとき見つかったｂk との距離｜ｃi −ｂk ｜をＳi
とし、θi ＝０のときのを０とするとき、類似度Ｂi は
次式にて求められる。 すなわち、無矛盾度の算出にてｃi とｂk が対応した座
標群に対しがｂk がｃ i にどれだけ類似しているかが得
られる。そして、この結果無矛盾度Ｒi が許容値ＲT と
の間でＲi ≧ＲT であり、類似度Ｂi が最小のパターン
をモデルと同一パターンとする。
【００１４】上述は幾何変換としてヘルマート変換を説
明したが、他の変換例としてアフィン変換でも良い。こ
の変換は回転、平行移動のみに対応する１次変換で、変
換前の画像座標（ｘ，ｙ）、変換後の画像座標（ｕ，
ｖ）したとき次式で示される。 ｕ＝ａｘ＋ｂｙ＋ｃ ｖ＝ｄｘ＋ｅｙ＋ｆ
明したが、他の変換例としてアフィン変換でも良い。こ
の変換は回転、平行移動のみに対応する１次変換で、変
換前の画像座標（ｘ，ｙ）、変換後の画像座標（ｕ，
ｖ）したとき次式で示される。 ｕ＝ａｘ＋ｂｙ＋ｃ ｖ＝ｄｘ＋ｅｙ＋ｆ
【００１５】
【発明の効果】以上説明したように本発明によれば、画
像がモデルに対して、拡大、縮小、回転、平行移動全て
に対応でき、また演算用も少なくて高速処理が可能とな
り、また物体の特徴的な所を点として表現すれば認識が
可能となる。
像がモデルに対して、拡大、縮小、回転、平行移動全て
に対応でき、また演算用も少なくて高速処理が可能とな
り、また物体の特徴的な所を点として表現すれば認識が
可能となる。
【図１】ヘルマート変換の説明図。
ａi モデルの特徴点 ｂk 画像の特徴点
Claims (2)
- 【請求項１】 パターン認識におけるパターンマッチン
グにおいて、 モデルの順番となる二特徴点同士の距離と画像の順番と
なる二特徴点同士の距離とを算出して上記モデルと画像
との対応関係を求め、 この対応関係に基づき仮想的に幾何学的に変換したモデ
ルを作り、 このモデルと上記画像との対応関係を求める、 ことを特徴とする２次元物体の認識方法。 - 【請求項２】 幾何学的な変換には、ヘルマート変換式
及びアフィン変換式を用いることを特徴とする請求項１
の記載の２次元物体の認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15974994A JPH0830783A (ja) | 1994-07-12 | 1994-07-12 | ２次元物体の認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15974994A JPH0830783A (ja) | 1994-07-12 | 1994-07-12 | ２次元物体の認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0830783A true JPH0830783A (ja) | 1996-02-02 |
Family
ID=15700430
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP15974994A Pending JPH0830783A (ja) | 1994-07-12 | 1994-07-12 | ２次元物体の認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0830783A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7027624B2 (en) | 2001-03-29 | 2006-04-11 | Nec Corporation | Pattern collation device and pattern collating method thereof, and pattern collation program |
| JP2010113731A (ja) * | 2007-03-09 | 2010-05-20 | Omron Corp | 認識処理方法およびこの方法を用いた画像処理装置 |
-
1994
- 1994-07-12 JP JP15974994A patent/JPH0830783A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7027624B2 (en) | 2001-03-29 | 2006-04-11 | Nec Corporation | Pattern collation device and pattern collating method thereof, and pattern collation program |
| JP2010113731A (ja) * | 2007-03-09 | 2010-05-20 | Omron Corp | 認識処理方法およびこの方法を用いた画像処理装置 |
| JPWO2008111452A1 (ja) * | 2007-03-09 | 2010-06-24 | オムロン株式会社 | 認識処理方法およびこの方法を用いた画像処理装置 |
| JP4508283B2 (ja) * | 2007-03-09 | 2010-07-21 | オムロン株式会社 | 認識処理方法およびこの方法を用いた画像処理装置 |
| US8861834B2 (en) | 2007-03-09 | 2014-10-14 | Omron Corporation | Computer implemented method for recognizing an object based on a correspondence relationship between object feature points and pre-registered model feature points |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4392886B2 (ja) | 画像抽出方法及び装置 | |
| CN107818598B (zh) | 一种基于视觉矫正的三维点云地图融合方法 | |
| CN106373128B (zh) | 一种嘴唇精确定位的方法和系统 | |
| CN109389156B (zh) | 一种图像定位模型的训练方法、装置及图像定位方法 | |
| CN110704559B (zh) | 一种多尺度矢量面数据匹配方法 | |
| CN113706381A (zh) | 一种三维点云数据的拼接方法及装置 | |
| EP3404583A1 (en) | System and method for model adaptation | |
| CN106709870B (zh) | 一种近景影像直线段匹配方法 | |
| CN113393524A (zh) | 一种结合深度学习和轮廓点云重建的目标位姿估计方法 | |
| EP0460960A2 (en) | Data processing | |
| CN109255815A (zh) | 一种基于零阶球谐函数的物体检测与识别方法 | |
| JP3054682B2 (ja) | 画像処理方法 | |
| JPH05181411A (ja) | 地図情報照合更新方式 | |
| IL123566A (en) | Detection of prominent contours in a pair of stereoscopic figures | |
| CN115147433A (zh) | 点云配准方法 | |
| CN110245669B (zh) | 手掌关键点的识别方法、装置、终端及可读存储介质 | |
| JPH0830783A (ja) | ２次元物体の認識方法 | |
| Matsuyama et al. | Structural matching of line drawings using the geometric relationship between line segments | |
| JPH09245168A (ja) | 画像認識装置 | |
| Voss et al. | A new one-parametric fitting method for planar objects | |
| JP2005173128A (ja) | 輪郭形状抽出装置 | |
| CN110399892A (zh) | 环境特征提取方法和装置 | |
| Avrithis et al. | Affine-invariant curve normalization for shape-based retrieval | |
| JPH04241684A (ja) | 画像整合方法及び装置 | |
| JP2002197472A (ja) | 物体認識方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20020402 |