JPH09237342A

JPH09237342A - 注視点を用いた頑健な認識装置

Info

Publication number: JPH09237342A
Application number: JP8043419A
Authority: JP
Inventors: Katsuto Fujimoto; 克仁藤本
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1996-02-29
Filing date: 1996-02-29
Publication date: 1997-09-09
Anticipated expiration: 2016-02-29
Also published as: JP3764773B2; US5864779A

Abstract

(57)【要約】【課題】環境を記述するパラメータを推定する認識装
置に関し、パラメータ空間の表現に必要なメモリ容量を
大幅に削減する。【解決手段】あらかじめ与えられる注視点情報により
制約されるとともに、形状情報としての物体モデルに基
づくパラメータ空間としての制約パラメータ空間を保持
する手段１と、制約パラメータ空間内で、環境観測によ
り得られた各特徴点に対して物体モデルと整合する部分
パラメータ集合に投票を行う手段２と、制約パラメータ
空間に対する投票結果に応じて、環境を記述するパラメ
ータの推定値を出力する手段３とを備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は文書構造理解処理、
マニピュレータによる物体の操作や移動ロボットのナビ
ゲーションなどに用いられ、例えば環境中に存在する物
体の重心などを認識するための頑健な認識装置に関す
る。

【０００２】更に詳しくは、物体や図形の形状情報を物
体モデルとして保持し、環境の観測によって得られた特
徴点に基づいて、環境内に存在する物体、または図形の
種類や位置姿勢などの、環境を記述するパラメータを推
定する頑健な認識装置に関する。

【０００３】

【従来の技術】近年このような認識装置を搭載した機器
が広範に用いられるようになっており、それに伴いこの
ような機器によって取り扱われる環境の範囲は整備さ
れ、固定された環境から、整備されておらず、不確実性
の高い環境も含むようになってきている。従って不確実
な環境であっても、対象を正しく認識することができる
頑健な認識装置が、これらの機器の構成要素として重要
な役割を期待されるようになっている。

【０００４】例えばカメラによって撮影された画像か
ら、環境中に存在する物体を認識する認識装置、特にノ
イズなどが存在する環境においても、正しく対象を認識
することができる頑健な認識装置を実現するための技術
の代表例として、一般化ハフ変換に基づく頑健な認識装
置が広く知られている。この認識装置の文献を次に示
す。

【０００５】D.H. Ballard:"Generalizing the Hough t
ransform to detect arbitrary shapes", Pattern Reco
gnition, Vol.13, No.2, pp111-122 (1981) 図２７はこのような頑健な認識装置の従来例、すなわち
一般化ハフ変換に基づく頑健な認識装置の基本構成ブロ
ック図である。同図において、従来の認識装置は１つ以
上の物体の形状情報を保持する物体モデル保持部１０
１、環境を記述するパラメータの空間を保持するパラメ
ータ空間保持部１０２、例えば画像データから抽出され
た特徴点、すなわち観測された１つ以上の特徴点と、物
体モデル保持部１０１に保持されている物体モデルに基
づいて、パラメータ空間上の投票空間、例えばパラメー
タ空間をメッシュ状に区切った投票空間上に投票を行う
投票実行部１０３、投票空間上に得られた投票値からパ
ラメータの推定値を出力するパラメータ推定部１０４を
備えている。

【０００６】図２８は、図２７の認識装置におけるパラ
メータ推定法のフローチャートである。同図において処
理が開始されると、まずステップＳ１０１で、環境の観
測によって得られた１つ以上の観測特徴点の集合の入力
に対して、各観測特徴点について物体モデルと整合性が
とれるパラメータ空間中の部分集合が求められ、その部
分集合に対する投票が行われる。続いてステップＳ１０
２で、パラメータ空間上に得られた投票値から環境を記
述するパラメータ、例えば物体の重心座標の位置などの
推定が行われ、処理が終了する。

【０００７】図２７、および図２８で説明した認識装置
の従来例の動作を、物体モデルの具体例を用いて更に説
明する。図２９は複数の２次元図形が含まれている文書
を示し、この文書を認識対象の環境として、認識装置の
動作を説明する。

【０００８】図３０は、図２７の物体モデル保持部１０
１に保持されている物体モデルの例である。物体モデル
保持部１０１には一般に複数の物体のモデルが保持され
ているが、図３０はその１つを示し、ハート形２次元図
形に対する物体モデルであり、この物体モデルの形状情
報として、ハート形の輪郭上の点がある間隔でとられた
黒丸の位置が保持されている。

【０００９】図２９のような文書から、ハート形の図形
の重心を、環境を記述するパラメータとして、その推定
値を出力する場合を考える。図２９の文書に対する画像
データに対して、例えばエッジ抽出を行い、データを２
値化することによって、各２次元図形を構成する輪郭点
の位置が観測特徴点として得られたものとする。図３１
はこのような観測特徴点を示し、ここでは簡単のために
ハートマークと円形マークとのそれぞれに対する輪郭点
が、観測特徴点として得られたものとする。

【００１０】図３１で観測特徴点のうち、Ａ，Ｂ，Ｃ、
およびＤを考える。これらの観測特徴点が得られた段階
では、これらの４つの点のうちどれが図２９の文書内の
ハートマーク上の輪郭点に対応するかは不明であるが、
ここではＡ，Ｂ、およびＣがハートマークの輪郭点であ
り、Ｄは円形マークの輪郭点であるとする。図３１にこ
の様子を示す。

【００１１】前述のように、この例ではハートマークの
重心位置をパラメータとして推定することにする。そこ
で４つの観測特徴点Ａ，Ｂ，Ｃ、およびＤのそれぞれに
ついて、その点が図３０に示した物体モデルの輪郭上の
点のいずれかに一致した場合のその輪郭点に対応する重
心の位置を求め、１つの観測特徴点がハートマークの輪
郭上で次々と移動した時に、その重心が描く軌跡を求め
る。そのような軌跡を図３２に示す。

【００１２】１つの観測特徴点に対応する重心の軌跡
は、丁度図３０の物体モデルを上下に反転させた逆向き
ハートマークとなり、Ａ，Ｂ，Ｃ、及びＤのそれぞれの
観測特徴点に対して４つの逆向きハートマークがｘｙ平
面上に描かれる。

【００１３】図３２において、図３１の円形マークの輪
郭点Ｄに対応する逆向きハートマークは他の３つのハー
トマークとは共通の交点を持たない。これは観測特徴点
Ｄが、ここでパラメータとして重心の値が推定されるハ
ートマーク上に存在しないためである。これに対して他
の観測特徴点Ａ，Ｂ、およびＣに対応する３つの逆向き
ハートマークは１箇所（図の黒丸印）で交わり、この点
が推定値としての真の重心の位置を示すことになる。こ
のパラメータ推定値を求めるためには、ｘｙ平面を細か
いメッシュに区切り、それぞれのメッシュを逆向きハー
トマークが通った時にそのメッシュに対する投票数を１
として、３つの逆向きハートマークに対応してメッシュ
空間に投票を行うことにより、投票数として３を得た点
が図２９の文書内のハートマークの重心位置、すなわち
パラメータ推定値として出力される。

【００１４】

【発明が解決しようとする課題】以上説明したように、
例えば図３２でｘｙ平面上のパラメータ、すなわち文書
中に存在するハートマークの重心の位置を求めるために
は、その重心が存在する可能性がある部分、すなわちパ
ラメータ空間を細かいメッシュに分割して投票空間と
し、その投票空間に対する投票を行うことによってパラ
メータの推定値を求めることになる。そこで重心の位置
を精度よく求めるためには、このメッシュ分割を細かく
行わなければならず、投票空間、すなわちパラメータ空
間を表現するために必要なメモリ消費量が膨大になって
しまうという問題点があった。

【００１５】例えば縦 100mm、横 100mmの文書上にハー
トマークがあり、その重心を 0.1mmの精度で求める必要
がある場合には、パラメータ空間を1,000 ×1,000 個の
メッシュに分割する必要があり、その分割数に対応する
メモリ領域が必要となる。文書の大きさが大きくなるほ
ど、また重心の位置の精度を高くするほどメモリ消費量
は膨大なものとなり、実用的な認識装置を構成すること
は困難となる。

【００１６】本発明は、パラメータ空間の表現に必要な
メモリ消費量を大幅に削減し、高精度でパラメータの推
定を行うことができる頑健な認識装置を提供することを
目的とする。

【００１７】

【課題を解決するための手段】図１は本発明の認識装置
の原理構成ブロック図である。同図は、環境の観測によ
って得られた特徴点の集合と、その環境中に存在すると
予想される物体の形状情報を示す物体モデルとを用い
て、環境を記述するパラメータ、例えば文書内の２次元
図形の重心位置を推定する、注視点を用いた頑健な認識
装置の原理構成ブロック図である。

【００１８】図１において制約パラメータ空間保持手段
１は、物体モデルに基づくパラメータ空間としての制約
パラメータ空間を保持するものである。この制約パラメ
ータ空間は環境を記述するパラメータの空間があらかじ
め与えられている注視点の情報によって制約されたもの
であり、この注視点情報は、物体モデルとしての形状情
報に対応する情報である。

【００１９】投票実行手段２は、制約パラメータ空間保
持手段１に保持されている制約パラメータ空間内の部分
パラメータ集合に対して投票を行うものであり、この部
分パラメータ集合は特徴点のそれぞれに対して物体モデ
ルと整合性を有する制約パラメータ空間内の部分領域で
ある。

【００２０】更にパラメータ推定手段３は、特徴点の全
てに対する投票実行手段２による制約パラメータ空間へ
の投票の終了後に、制約パラメータ空間上の投票空間に
対してなされた投票の結果に応じて、環境を記述するパ
ラメータの推定値を出力するものである。

【００２１】本発明においては、図１の構成要素に加え
て、更に例えば物体モデルとしての形状情報を保持する
物体モデル保持手段が備えられる。この物体モデル保持
手段は、物体モデルとしての形状情報を制約パラメータ
空間保持手段１、および投票実行手段２に出力するもの
である。

【００２２】本発明においては、従来技術で説明したパ
ラメータ空間を大幅に狭めるために、例えばユーザによ
って指定される注視点が用いられる。この注視点は、例
えば図２９〜図３２で説明した２次元図形としてのハー
トマークに対してはそのハートマークの輪郭上の１つの
点であり、この点の座標があらかじめ与えれらることに
よって、パラメータ空間が大幅に制約され、制約パラメ
ータ空間が得られる。

【００２３】例えば図３２では、パラメータ空間は観測
特徴点のそれぞれに対する逆向きハートマークが描かれ
る可能性があるｘｙ平面上の範囲の全てに渡り、投票を
行うためにこの領域が細かいメッシュに分割される。

【００２４】これに対して本発明では、画像上の１つの
点が注視点として与えられ、この注視点がその重心の位
置を認識すべきハートマーク上に必ず存在するという知
識が前もって与えられる。このため、この注視点に対応
する逆向きハートマーク上に推定すべきパラメータとし
ての真の重心が存在することが明白であるため、この逆
向きハートマークが通る位置のみを投票空間として、他
の観測特徴点に対応する逆向きハートマークが注視点に
対応する逆向きハートマークと交わる位置に対してのみ
投票を行えばよいことになる。

【００２５】このように本発明によれば、推定すべきパ
ラメータの空間としての制約パラメータ空間が従来のパ
ラメータ空間に比べて大幅に小さくなる。例えば図３２
で説明した例では、従来技術におけるパラメータ空間は
ｘｙ平面をメッシュ状に区切った２次元空間であるのに
対して、本発明における制約パラメータ空間は注視点に
対応する逆向きハートマークの輪郭線のみであり、この
輪郭線上の点の位置を、例えばハートマークの輪郭線の
長さに対応させれば、実質的に制約パラメータ空間は１
次元となる。

【００２６】

【発明の実施の形態】図２は本発明の頑健な認識装置の
基本構成ブロック図である。同図において物体モデル保
持部１１は、一般に複数の物体の物体モデルとしての物
体の形状情報を保持する。この形状情報は、例えばハー
トマークの輪郭線上の点を一定間隔でとった点の２次元
座標値を表す。

【００２７】制約パラメータ空間保持部１２は、物体モ
デル保持部１１に保持されている物体モデルに対応する
制約パラメータ空間を保持する。この制約パラメータ空
間は、物体モデルに対応して、例えばその物体の重心の
位置が存在する可能性のあるパラメータ空間が、例えば
その物体の輪郭線上に存在する１つの注視点によって制
約されたものであり、この注視点は例えばユーザによっ
て指定される。

【００２８】投票実行部１３は、物体モデル保持部１１
に保持されている物体モデルと、観測された特徴点のそ
れぞれに対して、制約パラメータ空間に対する投票を実
行し、全ての観測特徴点に対する投票が終了した後に、
パラメータ推定部１４が制約パラメータ空間上の投票空
間に投票された投票結果に応じて、環境を記述するパラ
メータの推定値を出力する。

【００２９】図３は、図２の認識装置の構成に対応し
て、その認識装置で実行される環境記述パラメータの推
定方法のフローチャートである。同図において処理が開
始されると、まずステップＳ１で与えられた注視点と物
体モデルとに基づいて、制約パラメータ空間が生成され
る。図３２の例では、注視点に対応する逆向きハートマ
ークが制約パラメータ空間として生成される。

【００３０】ステップＳ２では、各観測特徴点について
物体モデルと整合性のとれた制約パラメータ空間内の部
分集合が求められ、投票が実行される。この部分集合は
ステップＳ１で生成された制約パラメータ空間、例えば
注視点に対応する逆向きハートマークと、任意の観測特
徴点に対応する逆向きハートマークとの、一般に２つの
交点として求められる。

【００３１】続いてステップＳ３で、制約パラメータ空
間上に得られた投票値から環境記述パラメータ、例えば
重心の位置が推定されて処理を終了する。図４は本発明
を実現するためのコンピュータシステムの構成を示すブ
ロック図である。同図においてシステムは全体を制御す
る中央処理装置（ＣＰＵ）１５、物体モデルとしての形
状情報や、制約パラメータ空間のデータが格納されるラ
ンダムアクセスメモリ（ＲＡＭ）１６、認識プログラム
などを格納するリードオンリメモリ（ＲＯＭ）１７、カ
メラによって撮影された画像データを格納するフレーム
バッファ（ＦＲＡＭ）１８、およびパラメータの推定結
果、例えば物体の位置と姿勢に応じて、例えば推定対象
物体を色付けした画像データをディスプレイ上に表示さ
せるにあたり、その画像データを格納するビデオランダ
ムアクセスメモリ（ＶＲＡＭ）１９を備えている。

【００３２】図５は、図４のＲＡＭ１６上に展開される
データのうちで、制約パラメータ空間上の投票空間とし
ての配列データのデータ構造である。メモリ上には制約
パラメータ空間が区切られたメッシュのそれぞれに対応
して、投票数が格納される配列のデータが展開される。
注視点と観測特徴点とのデータに基づいて投票される配
列要素が決定され、その配列要素に対応する投票値が１
だけ増加される。

【００３３】続いて本発明の実施例を説明する。図６は
本発明の第１の実施例を説明するための認識装置の構成
ブロック図である。同図を図２と比較すると、物体モデ
ル保持部１１が保持する物体モデルが図形の輪郭点の２
次元位置座標であることと、観測特徴点が文書内の（図
形の）輪郭点の２次元位置座標である点が異なってい
る。これは、第１の実施例では図２９で説明したような
文書中に含まれる２次元図形を認識し、その図形のパラ
メータとして、その図形の位置姿勢の推定値を出力する
動作が行われるためである。すなわち第１の実施例で
は、図３０に示したような物体モデルが図６の物体モデ
ル保持部１１に保持され、図２９に示したような文書中
のハートマークの位置姿勢の推定が行われ、ハートマー
クを他の図形と分離することが可能となる。

【００３４】物体モデルは、文書から検出したい図形の
形状モデルのことである。ここでは、図形の輪郭点の集
合により表現する。これにより、輪郭点の量子化精度の
範囲内で任意の形状の図形をモデル化することができ
る。図形Ｋの物体モデルＭは、図形ＫのＮ_M個の輪郭点
のそれぞれの物体モデル座標系における２次元座標、す
なわち

【００３５】

【数１】

【００３６】で表現できる。図形Ｋの位置姿勢パラメー
タは、図形Ｋの物体モデル座標系から環境中に仮想的に
設定した作業座標系への座標変換パラメータであり、位
置２次元と姿勢１次元、すなわち（Ｘ，Ｙ，Θ）（２）により表現される。第１の実施例の認識装置の目的は、
文書中に配置された図形Ｋの位置姿勢パラメータを推定
することにある。さらに詳しくは、注視点として文書か
ら得られた輪郭点のうちの１つを指定されたとして、こ
の注視点を輪郭点の一部として含む図形Ｋの位置姿勢パ
ラメータを推定する。

【００３７】物体モデルとその位置姿勢について、図７
と図８を用いて更に説明する。図７はハートマークの物
体モデルとしての輪郭線上の点、すなわち代表点の例で
ある。ここではＮ_M＝２４であって、２４個の代表点で
ハートマークの形状が近似的に表現されている。本来は
ハートマークの輪郭線上の点を連続的に表現することが
望ましいが、一般に任意の形状を持つ物体を方程式など
の形で表すことは困難であるため、輪郭線上の点をある
間隔で選び、その点集合を物体の形状情報、すなわち物
体モデルを表す代表点とみなすことにする。

【００３８】図８は図形Ｋの位置姿勢パラメータの説明
図である。同図において、図７の物体モデルを移動させ
る並進ベクトルのｘ方向成分Ｘ、ｙ方向成分Ｙと、移動
結果の回転角Θとを用いて、文書中の図形の位置姿勢パ
ラメータが表現される。

【００３９】第１の実施例の目的は、前述のように文書
中に配置された図形Ｋの位置姿勢パラメータを推定する
ことであるが、本実施例では文書から得られた輪郭点の
うちの１つが例えばユーザによって注視点として指定さ
れた時、この注視点を輪郭点の一部として含む図形Ｋの
位置姿勢パラメータの推定が行われる。すなわち、この
注視点が１つの輪郭点として含まれる図形Ｋの位置姿勢
パラメータの範囲が求められ、その範囲が制約パラメー
タ空間とされる。

【００４０】観測特徴点は、２次元図形が含まれる文書
の画像データに対してエッジ抽出を行い、データの２値
化を行うことによって得られるものであり、図形の輪郭
を構成する輪郭点を示す。このエッジ抽出において、例
えば sobelフィルタが用いられる。一般に輪郭点におい
ては画像の濃度が急激に変化する性質があり、輪郭点の
近傍における濃度勾配を求めることにより、輪郭点の有
無を調べることができる。濃淡画像ｆ（ｘ，ｙ）のｘ方
向とｙ方向の単位ベクトルを外１（以下ベクトルｉ
と表記する）、外２（以下ベクトルｊと表記する）
とする時、画像

【００４１】

【外１】

【００４２】

【外２】

【００４３】の濃度勾配は次式で表される。

【００４４】

【数２】

【００４５】ディジタル化された画像においては、濃度
勾配の大きさを示す微分係数を差分演算で近似すること
により、濃度勾配の大きさが求められる。この差分近似
の方法には幾通りかの方法があり、各種の差分フィルタ
が考えられる。更に平滑化フィルタと差分フィルタの線
形合成によって新たな差分フィルタを構成することがで
き、その代表的なものが sobelフィルタである。 sobel
フィルタを用いると、輪郭点を求める場合における雑音
の影響を軽減することができる。

【００４６】第１の実施例において、観測特徴点は２次
元位置座標によって表現され、Ｎ_D個の観測特徴点は文
書上に設定される作業座標系における２次元座標を用い
て、次式のように表現できる。

【００４７】

【数３】

【００４８】次に制約パラメータ空間の生成と、投票実
行部による投票とについて説明する。注視点外３
（以下ベクトルｘ^Aと表記する）の文書上に設定される
作業座

【００４９】

【外３】

【００５０】標系における２次元座標を、（ｘ^A，
ｙ^A）とする。制約パラメータ空間保持部１２は、初期
化時に、物体モデルと注視点から制約パラメータ空間Ｃ
を生成する。制約パラメータ空間Ｃは、注視点を輪郭と
して含む、形状が図形Ｋである物体の位置姿勢パラメー
タの集合である。物体モデルの代表点外４（以下ベ
クトルｘ^Mと表記する）、注視点ベクトルｘ^A、制約パ

【００５１】

【外４】

【００５２】ラメータ空間Ｃの代表点外５（以下
（ベクトルｘ^C，θ^C）＝（ｘ^C，ｙ^C，θ^C）と表記
する）の間の関係は、座標変換の式から、回転行列外
６（以

【００５３】

【外５】

【００５４】下Ｒθと表記する）を用いて、

【００５５】

【外６】

【００５６】

【数４】

【００５７】で表すことができる。θ^Cを［０，２π］
で量子化し、代表点を、

【００５８】

【数５】

【００５９】とすると、制約パラメータ空間Ｃは、物体
モデルＭと姿勢パラメータθ^Cの代表点を用いて、

【００６０】

【数６】

【００６１】と表現できる。従って制約パラメータ空間
上の投票空間は、２次元配列、

【００６２】

【数７】

【００６３】で離散的に表現できる。ここで、Ｎ_Mは物
体モデルの代表点の数、外７（以下Ｎθと表記す
る）は姿勢パラメータの量子化数である。

【００６４】

【外７】

【００６５】従来技術では、投票空間が位置姿勢パラメ
ータ空間３次元をそのまま離散化した３次元配列であっ
たから、本実施例によりメモリ消費量が大幅に削減でき
ていることがわかる。

【００６６】観測特徴点外８が与えられた時の投票
実行部１３による投票は、以下のよ

【００６７】

【外８】

【００６８】うに行う。観測特徴点外９（以下ベク
トルｘ_j ^Dと表記する）と物体モデルＭにより

【００６９】

【外９】

【００７０】作られる位置姿勢パラメータの可能性集合
Ｃ_jは、注視点の場合と同様の考え方により、

【００７１】

【数８】

【００７２】と表現できる。投票実行部１３は、制約パ
ラメータ空間Ｃと、観測特徴点ベクトルｘ_j ^Dによる可
能性集合Ｃ_jとの交わりに投票する。

【００７３】交わりの判定は、それぞれの代表点間の距
離と量子化距離を比較することにより行い、量子化距離
より小さい場合に交わっていると判定する。そして、Ｃ
_jと交わったＣの代表点を表す２次元座標（ｉ，ｋ）に
対して、Ｈ(i,k):＝Ｈ(i,k) ＋１（９）とすることにより投票を行う。

【００７４】パラメータ推定部１４は、投票実行部１３
により全ての観測特徴点に対する投票が完了した後に、
制約パラメータ空間の代表点のうち投票数の最も多いも
のを選択し、この位置姿勢をパラメータの推定値とす
る。

【００７５】制約パラメータ空間の生成と投票の実行に
ついて、フローチャートを用いて更に説明する。図９は
制約パラメータ空間生成処理のフローチャートである。
同図において処理が開始されると、まずステップＳ１１
で投票空間Ｈ（ｉ，ｋ）と、制約パラメータ空間Ｃの代
表点外１０（以下ベクトルＰ（ｉ，ｋ）と表記す
る）との格納領域がメモリ上に確保される。制約パラメ
ータ空間の生成とは、具

【００７６】

【外１０】

【００７７】体的には投票空間としての２次元配列Ｈ
（ｉ，ｋ）と、パラメータ空間中の代表点の座標値ベク
トルＰ（ｉ，ｋ）の組を、ｉとｋとの値の組としてのイ
ンデックス（ｉ，ｋ）（ｉ＝１，…，Ｎ_M，ｋ＝１，
…，Ｎθ）に対して生成することであり、ステップＳ１
１ではこれらの空間に対する領域がメモリ上に確保され
る。

【００７８】続いて図９において、ステップＳ１２でこ
のインデックス（ｉ，ｋ）に対してステップＳ１３の処
理が行われる。ステップＳ１３では投票空間Ｈ（ｉ，
ｋ）の値が０に初期化されると共に、ベクトルＰ（ｉ，
ｋ）の値が求められる。

【００７９】制約パラメータ空間Ｃの代表点ベクトルＰ
（ｉ，ｋ）は、（６）式で説明したように３次元で表現
される。（６）式において、θ_k ^Cは１次元の姿勢パラ
メータθの量子化後の代表点であり、次式によって計算
できる。

【００８０】

【数９】

【００８１】また、Ｒθは２次元回転行列であり、次式
によって与えられる。

【００８２】

【数１０】

【００８３】これらを用いて、ベクトルＰ（ｉ，ｋ）は
次式のように計算できる。

【００８４】

【数１１】

【００８５】なお（１０）式において、姿勢パラメータ
θの量子化を行うための分割数Ｎθとしては通常 100〜
1000位の数をとることによって、十分な姿勢精度が確保
される。本来は０〜２πの間を連続して取り扱うことが
望ましいが、コンピュータで演算を行うためにこのよう
な量子化が必要となる。

【００８６】図１０は投票処理の詳細フローチャートで
ある。同図において処理が開始されると、まずステップ
Ｓ１５で観測特徴点のそれぞれに対して、ステップＳ１
６〜Ｓ２２の処理が実行される。

【００８７】まずステップＳ１６で可能性集合Ｃ_jの生
成が行われ、その後この可能性集合を用いて、ステップ
Ｓ１７で全てのインデックス、すなわち（ｉ，ｋ）の組
についてステップＳ１８以降の処理が行われる。

【００８８】ステップＳ１８では、まずフラグが０とさ
れ、ステップＳ１９で全ての（ｉ′，ｋ′）の組につい
てステップＳ２０、およびＳ２１の処理が行われる。ス
テップＳ２０では、制約パラメータ空間上の代表点ベク
トルＰ（ｉ，ｋ）と可能性集合の要素外１１（以下
ベクトルＰ_j（ｉ′，ｋ′）と表記する）との距離の

【００８９】

【外１１】

【００９０】計算が行われ、ステップＳ２１ではこの距
離が量子化距離εより小さい場合にフラグの値が１とさ
れる。その後ステップＳ２２でフラグの値が１である時
に制約パラメータ空間上の代表点のインデックス（ｉ，
ｋ）に対応する投票空間上の投票値Ｈ（ｉ，ｋ）が１だ
け増加されて、処理を終了する。

【００９１】図１０のステップＳ１６で行われる可能性
集合の生成は、前述のように制約パラメータ空間の生成
におけると同様に行われ、可能性集合は次式によって与
えられる。

【００９２】

【数１２】

【００９３】ステップＳ２０における距離の計算で用い
られるノルムとしては、シティブロック距離、またはユ
ークリッド距離などが用いられる。２つのベクトル外
１２、外１３の間のシティブロック距離とユークリ
ッド距離とは、それぞれ次

【００９４】

【外１２】

【００９５】

【外１３】

【００９６】式で与えられる。

【００９７】

【数１３】

【００９８】投票処理が終了した後のパラメータの推定
においては、投票結果によって得られた投票数を示す配
列Ｈ（ｉ，ｋ）の中から最大の値となっている外１４
が

【００９９】

【外１４】

【０１００】探索され、このインデックス外１５に
対する制約パラメータ空間の代表点

【０１０１】

【外１５】

【０１０２】外１６がパラメータ推定値として出力さ
れる。なおステップＳ２０の距離の比

【０１０３】

【外１６】

【０１０４】較で用いられる量子化距離εは、例えば物
体モデルの代表点の間隔ｄ_Mと、姿勢パラメータの量子
化精度外１７とを用いて、次式によって求められ
る。

【０１０５】

【外１７】

【０１０６】

【数１４】

【０１０７】次に第１の実施例によるメモリ消費量の削
減について説明する。図１１は注視点によって制約され
る以前、すなわち元々の３次元パラメータ空間を示す。
前述のように、第１の実施例における図形Ｋの位置姿勢
パラメータは、位置２次元（ｘ，ｙ）と姿勢１次元
（θ）、すなわち３次元パラメータ空間として表現され
る。

【０１０８】図１２は、第１の実施例における制約パラ
メータ空間を概念的に示したものである。前述のよう
に、制約パラメータ空間はインデックス（ｉ，ｋ）とし
てのｉとｋとの値の組に対して表現され、一般的に図１
２のような座標空間内の曲面によって表現される。

【０１０９】図１３は、図１２の制約パラメータ空間上
の投票空間を平面的に表したものである。これは図１２
の制約パラメータ空間を、例えば平面に伸ばしたものと
解釈することができる。投票空間上のメッシュの数はＮ
_i×Ｎ_kとなる。ここでＮ_iは物体モデルの代表点の
数、Ｎ_kは姿勢パラメータの量子化数である。

【０１１０】図１４は投票対象空間、すなわち図１３の
投票空間上で投票が行われるメッシュの位置の決定法の
説明図である。同図において、制約パラメータ空間を表
す２次元曲面と、観測特徴点による可能性空間を表す２
次元曲面との交線が投票対象空間として決定される。

【０１１１】図１５はこの２次元投票空間への投票の説
明図である。図１４で決定された投票対象空間、すなわ
ち観測特徴点による可能性空間との交線上にある制約パ
ラメータ空間上の位置に対応するメッシュへの投票が行
われる。

【０１１２】図１６は従来技術を用いる場合の投票空間
を示し、これは図１１の元々の３次元パラメータ空間を
Ｎ_x×Ｎ_y×Ｎθの個数のメッシュに区切ったものであ
る。このように従来技術を用いると投票空間が３次元と
なるのに対して、第１の実施例では、図１３で説明した
ように投票空間が２次元となるために、従来技術と比較
してメモリ消費量を大幅に削減することが可能となる。

【０１１３】続いて本発明の第２の実施例について説明
する。第２の実施例では、第１の実施例におけると同様
に、２次元図形が含まれる文書から指定された図形Ｋの
位置姿勢パラメータの推定が行われるが、図形の輪郭法
線が用いられる点が第１の実施例と異なっている。

【０１１４】図１７は第２の実施例における認識装置の
構成を示すブロック図である。第１の実施例に対する図
６と異なる点は、物体モデル保持部１１に保持されてい
る物体モデルとしての形状情報が図形の輪郭法線の位置
姿勢であり、また画像データから得られる観測特徴点が
文書内の（図形の）輪郭法線の位置姿勢になっているこ
とである。

【０１１５】第２の実施例の物体モデルは、図形の輪郭
法線の位置姿勢の集合により表現される。これにより、
輪郭法線の量子化精度の範囲内で任意の形状の図形をモ
デル化することができる。図形Ｋの物体モデルＭは、図
形ＫのＮ_M個の輪郭法線のそれぞれの位置姿勢の物体モ
デル座標系における２次元位置座標と１次元姿勢、すな
わち

【０１１６】

【数１５】

【０１１７】で表現できる。図形Ｋの位置姿勢パラメー
タは、図形Ｋの物体モデル座標系から環境中に仮想的に
設定した作業座標系への座標変換パラメータであり、位
置２次元と姿勢１次元、すなわち（Ｘ，Ｙ，Θ）（１７）により表現される。第２の実施例の認識装置の目的は、
文書中に配置された図形Ｋの位置姿勢パラメータを推定
することにある。さらに詳しくは、注視点として文書か
ら得られた輪郭法線のうちの１つを指定されたとして、
この注視点を輪郭法線の一部として含む図形Ｋの位置姿
勢パラメータを推定する。

【０１１８】図形の輪郭法線について、図１８および図
１９を用いて更に説明する。図１８は、図７におけると
同様に、物体としてのハートマークの輪郭線上の点にお
ける輪郭法線を示す。その輪郭法線は、輪郭線上の点の
位置と、その点における法線の姿勢との組で表現される
ものであり、図形の形状を第１の実施例におけるよりも
詳しく表現したものである。

【０１１９】図１８におけるように、輪郭法線は輪郭線
上の代表点から伸び、輪郭線と直交する方向を持つ矢印
として、幾何学的に表現される。図１９は輪郭法線の定
量的な表現法の説明図である。同図において、法線の矢
印の出発点としての代表点の物体モデル座標系での位置
座標（ｘ，ｙ）と、法線がｘ軸方向となす角θを用い
て、輪郭法線が定量的に（ｘ，ｙ，θ）によって表現さ
れる。

【０１２０】観測特徴点は、文書を sobelフィルタを用
いるなどしてエッジ抽出し、２値化することにより得ら
れる輪郭を構成する輪郭法線のこととする。この場合、
観測特徴点は、位置（２次元）と姿勢（１次元）により
表現され、Ｎ_D個の観測特徴点は、文書上に設定される
作業座標系における２次元位置座標と１次元姿勢によ
り、

【０１２１】

【数１６】

【０１２２】と表現できる。注視点ベクトルｘ^Aの文書
上に設定される作業座標系における位置姿勢を、
（ｘ^A，ｙ^A，θ^A）とする。

【０１２３】制約パラメータ空間保持部１１は、初期化
時に、物体モデルと注視点から制約パラメータ空間Ｃを
生成する。制約パラメータ空間Ｃは、注視点を輪郭とし
て含む、形状が図形Ｋである物体の位置姿勢パラメータ
の集合である。物体モデルの代表点ベクトルｘ^M、注視
点ベクトルｘ^A、制約パラメータ空間Ｃの代表点（ベク
トルｘ^C，θ^C）＝（ｘ^C，ｙ^C，θ^C）の間の関係
は、座標変換の式から、回転行列Ｒθを用いて、

【０１２４】

【数１７】

【０１２５】で表すことができる。従って、制約パラメ
ータ空間Ｃは、物体モデルＭの代表点を用いて、

【０１２６】

【数１８】

【０１２７】と表現できる。従って制約パラメータ空間
上の投票空間は、１次元配列、｛Ｈ（ｉ）｜ｉ＝１・・・Ｎ_M｝（２１）で離散的に表現できる。ここで、Ｎ_Mは物体モデルの代
表点の数である。

【０１２８】従来技術では、投票空間が位置姿勢パラメ
ータ空間３次元をそのまま離散化した３次元配列であっ
たから、本実施例によりメモリ消費量が大幅に削減でき
ていることがわかる。

【０１２９】観測特徴点（ベクトルｘ_j ^D，θ_j ^D）＝
（ｘ_j ^D，ｙ_j ^D，θ_j ^D）が与えられた時の投票実行
部１３による投票は、以下のように行う。観測データ
（ベクトルｘ_j ^D，θ_j ^D）と物体モデルＭにより作ら
れる位置姿勢パラメータの可能性集合Ｃ_jは、注視点の
場合と同様の考え方により、

【０１３０】

【数１９】

【０１３１】と表現できる。投票実行部１３は、制約パ
ラメータ空間Ｃと、観測特徴点による可能性集合Ｃ _jと
の交わりに投票する。

【０１３２】交わりの判定は、それぞれの代表点間の距
離と量子化距離を比較することにより行い、量子化距離
より小さい場合に交わっていると判定する。そして、Ｃ
_jと交わったＣの代表点を表す１次元座標（ｉ）に対し
て、Ｈ(i):＝Ｈ(i) ＋１（２３）とすることにより投票を行う。

【０１３３】パラメータ推定部１４は、投票実行部１３
により全ての観測特徴点に対する投票が完了した後に、
制約パラメータ空間の代表点のうち投票数の最も多いも
のを選択し、この位置姿勢をパラメータの推定値とす
る。

【０１３４】このように第２の実施例では、制約パラメ
ータ空間上の投票空間は１次元配列Ｈ（ｉ）によって表
される。これに対して前述の第１の実施例では投票空間
は２次元であり、Ｈ（ｉ，ｋ）で表された。その理由に
ついて図２０、および図２１を用いて説明する。

【０１３５】本発明においては注視点が１つ与えられ、
その注視点が物体モデルの代表点の１つに対応するもの
と考えて、物体の位置姿勢パラメータの可能性空間、す
なわち制約パラメータ空間が生成される。

【０１３６】第１の実施例においては、注視点としてそ
の位置のみが与えられているにすぎないために、図２０
に示すようにその注視点を中心とする回転の自由度が残
っていることになる。

【０１３７】従って制約パラメータ空間は、代表点の移
動に伴う自由度１つ（ｉ）と、回転による姿勢の変化に
伴う自由度１つ（ｋ）の合計２つの自由度（ｉ，ｋ）を
持つことになり、制約パラメータ空間は２次元、すなわ
ち曲面となり、対応する投票空間も２次元配列となる。

【０１３８】これに対して第２の実施例においては、注
視点、すなわち注視法線の情報として、輪郭上の点の位
置に加えて、法線の姿勢も指定されているために、この
注視法線を物体モデルの１つとしての輪郭法線に対応さ
せることにより、図２１に示すように、２つの法線が一
致するような１つの位置姿勢に限定されるようにしか、
物体が存在することができなくなる。従って制約パラメ
ータ空間は、代表点の移動に伴う１つの自由度（ｉ）の
みを持つこととなり、対応する投票空間も１次元配列と
なる。

【０１３９】なお第２の実施例では、物体モデルの代表
点の量子化は行われているが、姿勢パラメータの量子化
は行われていない。次に本発明の第３の実施例について
説明する。第３の実施例では、３次元物体が含まれる環
境から、指定された物体Ｋの位置姿勢パラメータの推定
が行われる。図２２は、第３の実施例における認識装置
の構成を示すブロック図である。例えば第１の実施例に
対応する図６と比較すると、物体モデル保持部１１が物
体の表面上の点の３次元位置を物体の形状情報として保
持し、観測特徴点が環境中の（物体の）表面上の点の３
次元位置を表すことと、パラメータ推定部１４が３次元
物体の位置姿勢の推定値を出力する点が異なっている。

【０１４０】第３の実施例の物体モデルは、物体の表面
上の点を特徴点としてこの特徴点の集合により表現され
る。これにより、特徴点の量子化精度の範囲内で任意の
形状の物体をモデル化することができる。物体Ｋの物体
モデルＭは、物体ＫのＮ_M個の表面上の点のそれぞれの
物体モデル座標系における３次元位置座標、すなわち、

【０１４１】

【数２０】

【０１４２】で表現できる。物体Ｋの位置姿勢パラメー
タは、物体Ｋの物体モデル座標系から環境中に仮想的に
設定した作業座標系への座標変換パラメータであり、位
置３次元と姿勢３次元、すなわち（Ｘ，Ｙ，Ｚ，Θ）（２５）により表現される。Θは、物体Ｋの姿勢を表し、例えば
オイラー角を用いるなどして３次元の成分を持つ。

【０１４３】第３の実施例の認識装置の目的は、環境中
に配置された物体Ｋの位置姿勢パラメータを推定するこ
とにある。さらに詳しくは、注視点として環境から得ら
れた表面上の点のうちの１つを指定されたとして、この
注視点を表面の一部として含む物体Ｋの位置姿勢パラメ
ータを推定する。

【０１４４】観測特徴点は、環境をレンジファインダあ
るいはステレオ視を行うことにより観測し、距離画像を
取得することにより得られる物体表面を構成する特徴点
のこととする。この場合、観測特徴点は、位置（３次
元）により表現され、Ｎ_D個の観測特徴点は、環境上に
設定される作業座標系における３次元位置座標により、

【０１４５】

【数２１】

【０１４６】と表現できる。ここでレンジファインダ、
あるいはステレオ視による特徴点の観測について、図２
３，図２４を用いて説明する。図２３はレンジファイン
ダによる特徴点の観測法の説明図である。レンジファイ
ンダによれば、視点から観測特徴点までの距離と、その
方向を測定することができるため、図に示すように観測
特徴点の位置を求めることができる。

【０１４７】図２４はステレオ視の説明図である。２つ
の視点から観測特徴点の方向を測定することにより、三
角測量の原理を用いて観測特徴点の位置を求めることが
できる。

【０１４８】次に、制約パラメータ空間の生成について
説明する。まず、注視点ベクトルｘ ^Aの位置、すなわち
環境上に設定される作業座標系における位置を、
（ｘ^A，ｙ ^A，ｚ^A）とする。

【０１４９】制約パラメータ空間保持部１２は、初期化
時に、物体モデルと注視点から制約パラメータ空間Ｃを
生成する。制約パラメータ空間Ｃは、注視点を表面とし
て含む形状が物体Ｋである物体の位置姿勢パラメータの
集合である。物体モデルの代表点ベクトルｘ^M、注視点
ベクトルｘ^A、制約パラメータ空間Ｃの代表点外１８
（以下ベクトルｘ^C，Θ^C）＝（ｘ^C，ｙ^C，ｚ^C，
Θ^C）と表記する）の

【０１５０】

【外１８】

【０１５１】間の関係は、座標変換の式から、回転作用
素外１９（以下ＲΘと表記する）

【０１５２】

【外１９】

【０１５３】を用いて、

【０１５４】

【数２２】

【０１５５】で表すことができる。ここでオイラー角
と、回転作用素ＲΘについて更に説明する。ここではオ
イラー角の表現の例としてロール、ピッチ、およびヨー
による表現を説明する。この表現では、基準座標軸に対
して３つの回転を順次行った場合の結果としての座標軸
の姿勢が表現される。まず第１に、ｘ軸の回りの回転と
してヨー（角度ψ）が定義され、その回転の後に更にｙ
軸の回りの回転としてピッチ（角度θ）が定義され、更
にその後にｚ軸の回りの回転としてのロール（角度φ）
が定義される。この表現を用いることにより、３次元の
姿勢ΘはΘ＝（ψ，θ，φ）と表すことができる。また
前述の回転作用素ＲΘは、次式によって求められる。

【０１５６】

【数２３】

【０１５７】従って、制約パラメータ空間Ｃは、物体モ
デルＭの代表点と姿勢パラメータの代表点を用いて、

【０１５８】

【数２４】

【０１５９】と表現できる。従って制約パラメータ空間
上の投票空間は、２次元配列、

【０１６０】

【数２５】

【０１６１】で離散的に表現できる。ここで、Ｎ_Mは物
体モデルの代表点の数、Ｎθは姿勢パラメータの量子化
数である。物体モデルの代表点は物体表面を覆っている
ため２次元、姿勢パラメータは３次元の広がりを持つと
考えられるので、制約パラメータ空間は５次元の広がり
を持つと考えられる。

【０１６２】従来技術では、投票空間が位置姿勢パラメ
ータ空間６次元をそのまま離散化した６次元配列であっ
たから、本実施例によりメモリ消費量が大幅に削減でき
ていることがわかる。

【０１６３】観測特徴点ベクトルｘ_j ^D＝（ｘ_j ^D，ｙ
_j ^D，ｚ_j ^D）が与えられた時の投票実行部１３による
投票は、以下のように行う。観測特徴点ベクトルｘ_j ^D
と物体モデルＭにより作られる位置姿勢パラメータの可
能性集合Ｃ_jは、注視点の場合と同様の考え方により、

【０１６４】

【数２６】

【０１６５】と表現できる。投票実行部１３は、制約パ
ラメータ空間Ｃと、観測特徴点ベクトルｘ_j ^Dによる可
能性集合Ｃ_jとの交わりに投票する。

【０１６６】交わりの判定は、それぞれの代表点間の距
離と量子化距離を比較することにより行い、量子化距離
より小さい場合に交わっていると判定する。そして、Ｃ
_jと交わったＣの代表点を表す２次元座標（ｉ，ｋ）に
対して、Ｈ(i,k):＝Ｈ(i,k) ＋１（３２）とすることにより投票を行う。

【０１６７】パラメータ推定部１４は、投票実行部１３
により全ての観測特徴点に対する投票が完了した後に、
制約パラメータ空間の代表点のうち投票数の最も多いも
のを選択し、この位置姿勢をパラメータの推定値とす
る。

【０１６８】第３の実施例における制約パラメータ空間
および投票空間の次元数と、メモリ容量の削減について
更に説明する。例えば前述の第１の実施例では元々のパ
ラメータ空間が位置２次元、姿勢１次元の合計３次元、
制約パラメータ空間が物体モデルの自由度１次元、姿勢
の自由度１次元の計２次元であった。

【０１６９】これに対して第３の実施例では、元々のパ
ラメータ空間は位置３次元、姿勢３次元の合計６次元と
なっている。これは環境が２次元から３次元になったた
めである。制約パラメータ空間のＣの式は、第１の実施
例における（６）式と類似した式となっているが、イン
デックスとしてのｉとｋの次元数が第１の実施例とは異
なってくる。

【０１７０】ｉは物体モデルの代表点を示すインデック
スであり、第３の実施例では代表点は物体表面を覆う点
を示し、インデックスｉは本来２次元のインデックスを
１つの数で代用したものと考えられる。またｋは姿勢の
代表点のインデックスであり、オイラー角が３つの数で
表現されることから、インデックスｋは元々３次元のイ
ンデックスを１つの数で代用したものと考えられる。従
って制約パラメータ空間は、第３の実施例では５次元と
なる。

【０１７１】一方投票空間の次元数と制約パラメータ空
間の次元数とは同じであり、第３の実施例における投票
空間は５次元となる。前述の説明では投票空間はＨ
（ｉ，ｋ）と表現され、２次元配列のように見えるが、
前述のようにｉが２次元、ｋが３次元のインデックスと
考えれらるために、Ｈ（ｉ，ｋ）で示した投票空間も５
次元となる。

【０１７２】このように第３の実施例では元々のパラメ
ータ空間が６次元であるのに対して、投票空間は５次元
となり、１次元分のメモリ容量の削減が実現される。１
次元あたりの量子化数は 100〜1000程度であるために、
メモリ容量を１／100 〜１／1000に削減することが可能
となり、これは認識装置の実用化の可否を左右する重要
な進歩と考えられる。

【０１７３】最後に本発明の第４の実施例について説明
する。第４の実施例では、第３の実施例におけると同様
に、３次元物体が含まれる環境から指定された物体Ｋの
位置姿勢パラメータの推定が行われるが、物体の表面法
線が形状情報として用いられる点が異なっている。

【０１７４】図２５は第４の実施例における認識装置の
構成を示すブロック図である。第３の実施例に対応する
図２２と比較すると、物体モデル保持部１１が、物体モ
デルとしての形状情報として、物体の表面法線の６次元
位置姿勢を保持し、また観測特徴点が環境中の（物体
の）表面法線の６次元位置姿勢を表す点が異なってい
る。

【０１７５】すなわち第４の実施例においては物体の表
面法線が形状情報として用いられるが、この表面法線と
は物体表面上の点から出発し、その表面に垂直な法線を
意味する。物体モデルは物体の表面をある密度で覆うよ
うな表面法線の集合で表される。定量的には表面法線の
出発点の位置座標３次元と、法線の姿勢３次元の合計６
次元の量として、表面法線が表される。

【０１７６】第４の実施例の物体モデルは、物体の表面
法線を特徴点としてこの特徴点の集合により表現され
る。これにより、特徴点の量子化精度の範囲内で任意の
形状の物体をモデル化することができる。物体Ｋの物体
モデルＭは、物体ＫのＮ_M個の表面法線のそれぞれの位
置姿勢を示す、物体モデル座標系における３次元位置座
標、およびオイラー角などの３次元姿勢座標、すなわち

【０１７７】

【数２７】

【０１７８】で表現できる。物体Ｋの位置姿勢パラメー
タは、物体Ｋの物体モデル座標系から環境中に仮想的に
設定した作業座標系への座標変換パラメータであり、位
置３次元と姿勢３次元、すなわち（Ｘ，Ｙ，Ｚ，Θ）（３４）により表現される。Θは、物体Ｋの姿勢を表し、例えば
オイラー角を用いるなどして３次元の成分を持つ。

【０１７９】第４の実施例の認識装置の目的は、環境中
に配置された物体Ｋの位置姿勢パラメータを推定するこ
とにある。さらに詳しくは、注視点として環境から得ら
れた表面法線のうちの１つを指定されたとして、この注
視点を表面法線の一部として含む物体Ｋの位置姿勢パラ
メータを推定する。

【０１８０】観測特徴点は、環境をレンジファインダあ
るいはステレオ視を行うことにより観測し、距離画像を
取得することにより得られる物体表面法線のこととす
る。この場合、観測特徴点は、位置（３次元）および姿
勢（３次元）により表現され、Ｎ_D個の観測特徴点は、
環境上に設定される作業座標系における６次元位置姿勢
座標により、

【０１８１】

【数２８】

【０１８２】と表現できる。注視点ベクトルｘ^Aの環境
上に設定される作業座標系における位置姿勢を、
（ｘ^A，ｙ^A，ｚ^A，Θ^A）とする。

【０１８３】制約パラメータ空間保持部１２は、初期化
時に、物体モデルと注視点から制約パラメータ空間Ｃを
生成する。制約パラメータ空間Ｃは、注視点を表面法線
として含む、形状が物体Ｋである物体の位置姿勢パラメ
ータの集合である。物体モデルの代表点（ベクトル
ｘ^M，Θ^M）、注視点（ベクトルｘ^A，Θ^A）、制約パ
ラメータ空間Ｃの代表点（ベクトルｘ^C，Θ^C）＝（ｘ
^C，ｙ^C，ｚ^C，Θ^C）の間の関係は、座標変換の式か
ら、回転作用素ＲΘを用いて、

【０１８４】

【数２９】

【０１８５】と表すことができる。従って、制約パラメ
ータ空間Ｃは、物体モデルＭの自由度２次元と、姿勢パ
ラメータの自由度１次元の合計３次元の広がりを持ち、
投票空間は、３次元配列で離散的に表現できる。

【０１８６】従来技術では、投票空間が位置姿勢パラメ
ータ空間６次元をそのまま離散化した６次元配列であっ
たから、本実施例によりメモリ消費量が大幅に削減でき
ていることがわかる。

【０１８７】投票実行部１３による投票、パラメータ推
定部１４によるパラメータの推定は、第１〜第３の実施
例と同様にして行うことができる。この第４の実施例で
は注視点、すなわち注視表面法線は位置と姿勢の情報を
持つ。この注視点に対して物体の代表点の１つを対応さ
せる場合を考えると、図２６に示すように物体の自由度
は注視法線を中心とする回転の自由度１つを持つことに
なる。一方物体表面上の代表点は物体の表面に存在する
ために、２つの自由度を持つ。従って制約パラメータ空
間の自由度は合計３つとなり、また投票空間の自由度も
同様に３次元となる。

【０１８８】

【発明の効果】以上詳細に説明したように、本発明によ
れば雑音や隠蔽などによって認識したい物体の観測特徴
点の情報が欠落していたり、余計なにせの情報が混入し
ている場合でも、環境記述パラメータを正しく推定する
ことができ、また従来の方法に比較してパラメータ空間
の表現に必要なメモリの消費量を著しく削減することが
可能となる。従って、不確実性の高い環境に対しても実
用的なメモリ消費量で動作することができる頑健な認識
システムを構築することができ、対象認識技術の向上に
寄与するところが大きい。

【図面の簡単な説明】

【図１】本発明の認識装置の原理構成を示すブロック図
である。

【図２】本発明の頑健な認識装置の基本構成を示すブロ
ック図である。

【図３】図２の認識装置における環境記述パラメータの
推定方法のフローチャートである。

【図４】本発明を実現するためのコンピュータシステム
の構成を示すブロック図である。

【図５】制約パラメータ空間上の投票空間としての配列
を説明する図である。

【図６】第１の実施例における認識装置の構成を示すブ
ロック図である。

【図７】物体モデルの代表点の例を示す図である。

【図８】２次元図形の位置姿勢パラメータを説明する図
である。

【図９】制約パラメータ空間生成処理のフローチャート
である。

【図１０】投票処理の詳細フローチャートである。

【図１１】注視点によって制約される以前のパラメータ
空間を示す図である。

【図１２】制約パラメータ空間の概念を示す図である。

【図１３】制約パラメータ空間上の投票空間を示す図で
ある。

【図１４】投票対象空間としてのメッシュの位置の決定
法を説明する図。

【図１５】２次元投票空間への投票の説明図である。

【図１６】従来における投票空間を示す図である。

【図１７】第２の実施例における認識装置の構成を示す
ブロック図である。

【図１８】物体モデルとしての輪郭法線を示す図であ
る。

【図１９】輪郭法線の定量的な表現法を説明する図であ
る。

【図２０】第１の実施例における注視点を中心とする物
体の回転の説明図である。

【図２１】第２の実施例における注視点と物体との対応
を説明する図である。

【図２２】第３の実施例における認識装置の構成を示す
ブロック図である。

【図２３】レンジファインダによる特徴点の観測法の説
明図である。

【図２４】ステレオ視による特徴点の観測法の説明図で
ある。

【図２５】第４の実施例における認識装置の構成を示す
ブロック図である。

【図２６】第４の実施例における注視法線を中心とする
物体の回転を説明する図である。

【図２７】頑健な認識装置の従来例の構成を示すブロッ
ク図である。

【図２８】図２７の認識装置におけるパラメータ推定法
のフローチャートである。

【図２９】複数の２次元図形が含まれている文書の例を
示す図である。

【図３０】物体モデルの例を示す図である。

【図３１】文書の観測によって得られた特徴点の例を示
す図である。

【図３２】図３１のハートマークの重心の推定法を説明
する図である。

【符号の説明】

１制約パラメータ空間保持手段２投票実行手段３パラメータ推定手段１１物体モデル保持部１２制約パラメータ空間保持部１３投票実行部１４パラメータ推定部１５中央処理装置（ＣＰＵ）１６ランダムアクセスメモリ（ＲＡＭ）１７リードオンリメモリ（ＲＯＭ）１８フレームメモリ（ＦＲＡＭ）１９ビデオランダムアクセスメモリ（ＶＲＡＭ）

───────────────────────────────────────────────────── 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Ｇ０６Ｆ 15/70 ３６０

Claims

【特許請求の範囲】

【請求項１】環境の観測によって得られた特徴点の集
合と、該環境中に存在すると予想される物体の形状情報を示す
物体モデルとを用いて、環境を記述するパラメータを推
定する認識装置において、該物体モデルとしての形状情報に対応する情報であっ
て、あらかじめ与えられている注視点情報によって制約
されるとともに、該物体モデルに基づいて作成される、
前記パラメータの空間としての制約パラメータ空間を保
持する制約パラメータ空間保持手段と、該制約パラメータ空間内で前記特徴点のそれぞれに対し
て前記物体モデルと整合性を有する部分パラメータ集合
に対して投票を行う投票実行手段と、該特徴点の全てに対する投票の終了後に、該制約パラメ
ータ空間上の投票空間に対してなされた投票結果に応じ
て、環境を記述するパラメータの推定値を出力するパラ
メータ推定手段とを備えたことを特徴とする注視点を用
いた頑健な認識装置。
【請求項２】前記物体モデルとしての形状情報を保持
し、該形状情報を前記制約パラメータ空間保持手段と投
票実行手段とに出力する物体モデル保持手段を更に備え
たことを特徴とする請求項１記載の注視点を用いた頑健
な認識装置。
【請求項３】前記物体モデルとしての形状情報が２次
元物体の輪郭点の位置座標の集合であることと、前記注
視点情報が該輪郭点のうちの任意の１つの位置座標を示
すことを特徴とする請求項１、または２記載の注視点を
用いた頑健な認識装置。
【請求項４】前記物体モデルとしての形状情報が２次
元物体の輪郭法線の位置姿勢の集合であることと、前記
注視点情報が該輪郭法線のうちの任意の１つの位置姿勢
を示すことを特徴とする請求項１、または２記載の注視
点を用いた頑健な認識装置。
【請求項５】前記物体モデルとしての形状情報が３次
元物体の表面上の点の位置座標の集合であることと、前
記注視点情報が該表面上の点のうちの任意の１つの位置
座標を示すことを特徴とする請求項１、または２記載の
注視点を用いた頑健な認識装置。
【請求項６】前記物体モデルとしての形状情報が３次
元物体の表面上の法線の位置姿勢の集合であることと、
前記注視点情報が該表面上の法線のうちの任意の１つの
位置姿勢を示すことを特徴とする請求項１、または２記
載の注視点を用いた頑健な認識装置。
【請求項７】前記パラメータ推定手段が出力するパラ
メータ推定値が、前記物体の重心の位置座標の推定値で
あることを特徴とする請求項１、または２記載の注視点
を用いた頑健な認識装置。
【請求項８】前記パラメータ推定手段が出力するパラ
メータ推定値が、前記物体に対する物体モデル座標系か
ら前記環境中に設定される作業座標系への変換パラメー
タとしての、該物体の位置姿勢の推定値であることを特
徴とする請求項１、または２記載の注視点を用いた頑健
な認識装置。
【請求項９】環境の観測によって得られた特徴点の集
合と、該環境中に存在すると予想される物体の形状情報
を示す物体モデルとを用いて、環境を記述するパラメー
タを推定する機能をコンピュータに実行させるための記
憶媒体であって、該物体モデルとしての形状情報に対応する情報であっ
て、あらかじめ与えられている注視点情報によって制約
されるとともに、該物体モデルに基づいて作成される、
前記パラメータの空間としての制約パラメータ空間と、該制約パラメータ空間上の空間であって、前記特徴点の
それぞれに対して前記物体モデルと整合性を有する部分
パラメータ集合に対して投票が行われる投票空間とを保
持し、該特徴点の全てに対する投票の終了後に、該制約パラメ
ータ空間に対してなされた投票結果に応じて、環境を記
述するパラメータの推定値の出力を実現させることを特
徴とする記憶媒体。
【請求項１０】環境の観測によって得られた特徴点の
集合と、該環境中に存在すると予想される物体の形状情報を示す
物体モデルとを用いて、環境を記述するパラメータを推
定する認識方法において、該物体モデルとしての形状情報に対応する情報であっ
て、あらかじめ与えられている注視点情報によって制約
されるとともに、該物体モデルに基づいて作成される、
前記パラメータ空間としての制約パラメータ空間を保持
し、該制約パラメータ空間内で前記特徴点のそれぞれに対し
て前記物体モデルと整合性を有する部分パラメータ集合
に対して投票を行い、該特徴点の全てに対する投票の終了後に、該制約パラメ
ータ空間上の投票空間に対してなされた投票結果に応じ
て、環境を記述するパラメータの推定値を出力すること
を特徴とする注視点を用いた頑健な認識方法。