JPH09282454A - 物体認識方法 - Google Patents
物体認識方法Info
- Publication number
- JPH09282454A JPH09282454A JP8090920A JP9092096A JPH09282454A JP H09282454 A JPH09282454 A JP H09282454A JP 8090920 A JP8090920 A JP 8090920A JP 9092096 A JP9092096 A JP 9092096A JP H09282454 A JPH09282454 A JP H09282454A
- Authority
- JP
- Japan
- Prior art keywords
- data
- local
- recognition
- calculated
- center
- 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)
Abstract
(57)【要約】
【課題】 本発明は、「明確な小さな特徴」に注目して
完成されたものであり、その目的は、高精度の認識位置
姿勢データを効率良く得ることができる物体認識方法を
提供することにある。 【解決手段】 対象物体の全体について低解像度での一
段階目での物体認識処理によって前記対象物体の大体の
位置姿勢を求め、その認識結果を基に「明確な小さな特
徴」を有する局所認識範囲を設定し、該局所認識範囲に
ついてのみ二段階目での高解像度の物体認識処理を部分
的に行い、前記局所認識範囲の認識結果から前記対象物
体全体の位置姿勢を計算することを特徴とする。
完成されたものであり、その目的は、高精度の認識位置
姿勢データを効率良く得ることができる物体認識方法を
提供することにある。 【解決手段】 対象物体の全体について低解像度での一
段階目での物体認識処理によって前記対象物体の大体の
位置姿勢を求め、その認識結果を基に「明確な小さな特
徴」を有する局所認識範囲を設定し、該局所認識範囲に
ついてのみ二段階目での高解像度の物体認識処理を部分
的に行い、前記局所認識範囲の認識結果から前記対象物
体全体の位置姿勢を計算することを特徴とする。
Description
【０００１】
【発明の属する技術分野】本発明は、物体認識方法に関
する。詳しくは、モデルベースドマッチング法による物
体認識処理の高精度な位置姿勢データを効率的に得る手
段に関する。
する。詳しくは、モデルベースドマッチング法による物
体認識処理の高精度な位置姿勢データを効率的に得る手
段に関する。
【０００２】
【従来の技術】物体認識処理方式としては、例えば、対
象物体の輪郭、凹凸、模様等を、入力画像を処理して得
られる直線、円弧等の特徴として抽出し、これらのデー
タを基に特徴マッチングを行うことで物体の位置姿勢を
認識する方法がある（「Automatic Vision Programming
」CHIEN-HUEI.CHEN, PRASANNA.G.MULGAONKAR,CVGIP: I
MAGE UNDERSTANDING, Vol.55, No.2, March, pp170-18
3, 1992 ）。
象物体の輪郭、凹凸、模様等を、入力画像を処理して得
られる直線、円弧等の特徴として抽出し、これらのデー
タを基に特徴マッチングを行うことで物体の位置姿勢を
認識する方法がある（「Automatic Vision Programming
」CHIEN-HUEI.CHEN, PRASANNA.G.MULGAONKAR,CVGIP: I
MAGE UNDERSTANDING, Vol.55, No.2, March, pp170-18
3, 1992 ）。
【０００３】
【発明が解決しようとする課題】上述した従来の方法で
は、カメラから得られる入力画像の濃淡値の変化、対象
物体の位置姿勢変化、対象物体の表面状態及び照明等の
環境条件の変化等により、入力画像から得られる特徴の
出方に画像毎のバラツキがある。そのため、モデル作成
時に抽出した対象物体の特徴の幾何学的関係と、認識処
理時に抽出した対象物体の幾何学的関係との間にズレが
あり、マッチング結果として高精度な位置姿勢データを
得られない場合がある。
は、カメラから得られる入力画像の濃淡値の変化、対象
物体の位置姿勢変化、対象物体の表面状態及び照明等の
環境条件の変化等により、入力画像から得られる特徴の
出方に画像毎のバラツキがある。そのため、モデル作成
時に抽出した対象物体の特徴の幾何学的関係と、認識処
理時に抽出した対象物体の幾何学的関係との間にズレが
あり、マッチング結果として高精度な位置姿勢データを
得られない場合がある。
【０００４】このような不都合は、入力画像から処理し
て得られる特徴データの内に「長い直線」といったよう
な座標変換において高精度を得やすい特徴が無い場合に
顕著である。また、小さい特徴が多い対象物体や、入力
画像から得た特徴データにサイズの小さいものが多い場
合には、対象物体全体若しくは画面全体を処理して特徴
マッチングを行った場合、マッチングを試みる回数が多
くなるため処理時間が長く、また、小さな特徴による座
標変換はマッチした特徴間のズレが全体に大きく反映さ
れるため、高精度な位置姿勢データを得ることが難し
い。
て得られる特徴データの内に「長い直線」といったよう
な座標変換において高精度を得やすい特徴が無い場合に
顕著である。また、小さい特徴が多い対象物体や、入力
画像から得た特徴データにサイズの小さいものが多い場
合には、対象物体全体若しくは画面全体を処理して特徴
マッチングを行った場合、マッチングを試みる回数が多
くなるため処理時間が長く、また、小さな特徴による座
標変換はマッチした特徴間のズレが全体に大きく反映さ
れるため、高精度な位置姿勢データを得ることが難し
い。
【０００５】実際の工業製品には高精度な位置姿勢デー
タを得るために適した大きな特徴が無くても、ネジやロ
ッド用の小さな穴、組み付けのための小さな突起、製品
表面にあるマークといった「小さいが安定的かつ正しい
相対位置に抽出される特徴、つまり、明確な小さな特
徴」を得られる部分が複数存在する場合が多い。そこ
で、本発明はこれらの「明確な小さな特徴」に注目して
完成されたものであり、その目的は、高精度の認識位置
姿勢データを効率良く得ることができる物体認識方法を
提供することにある。
タを得るために適した大きな特徴が無くても、ネジやロ
ッド用の小さな穴、組み付けのための小さな突起、製品
表面にあるマークといった「小さいが安定的かつ正しい
相対位置に抽出される特徴、つまり、明確な小さな特
徴」を得られる部分が複数存在する場合が多い。そこ
で、本発明はこれらの「明確な小さな特徴」に注目して
完成されたものであり、その目的は、高精度の認識位置
姿勢データを効率良く得ることができる物体認識方法を
提供することにある。
【０００６】
【課題を解決するための手段】斯かる目的を達成する本
願の請求項１に係る発明は、対象物体の全体について低
解像度での一段階目での物体認識処理によって前記対象
物体の大体の位置姿勢を求め、その認識結果を基に「明
確な小さな特徴」を有する局所認識範囲を設定し、該局
所認識範囲についてのみ二段階目での高解像度の物体認
識処理を部分的に行い、前記局所認識範囲の認識結果か
ら前記対象物体全体の位置姿勢を計算することを特徴と
する。
願の請求項１に係る発明は、対象物体の全体について低
解像度での一段階目での物体認識処理によって前記対象
物体の大体の位置姿勢を求め、その認識結果を基に「明
確な小さな特徴」を有する局所認識範囲を設定し、該局
所認識範囲についてのみ二段階目での高解像度の物体認
識処理を部分的に行い、前記局所認識範囲の認識結果か
ら前記対象物体全体の位置姿勢を計算することを特徴と
する。
【０００７】上記目的を達成する本願の請求項２に係る
発明は、前記請求項１の発明における前記局所認識範囲
が、前記対象物体の一部分である「明確な小さな特徴」
に関するマッチングモデルを作成する際に予め設定して
おいた座標軸に平行な長方形の認識範囲を、前記一段階
目の認識結果を基に座標変換し、変換された長方形の認
識範囲を囲む最小の座標軸に平行な長方形範囲とするこ
とを特徴とする。
発明は、前記請求項１の発明における前記局所認識範囲
が、前記対象物体の一部分である「明確な小さな特徴」
に関するマッチングモデルを作成する際に予め設定して
おいた座標軸に平行な長方形の認識範囲を、前記一段階
目の認識結果を基に座標変換し、変換された長方形の認
識範囲を囲む最小の座標軸に平行な長方形範囲とするこ
とを特徴とする。
【０００８】上記目的を達成する本願の請求項３に係る
発明は、前記請求項１又は２の発明における前記二段階
目の物体認識処理が、認識結果である「円弧の中心」、
「直線の中点」等の各特徴の代表点間の距離と、これら
とマッチするモデル特徴の代表点間の距離との差を取
り、その差と予め設定しておいた閾値とを比較すること
で、その良否を判断することを特徴とする。
発明は、前記請求項１又は２の発明における前記二段階
目の物体認識処理が、認識結果である「円弧の中心」、
「直線の中点」等の各特徴の代表点間の距離と、これら
とマッチするモデル特徴の代表点間の距離との差を取
り、その差と予め設定しておいた閾値とを比較すること
で、その良否を判断することを特徴とする。
【０００９】上記目的を達成する本願の請求項４に係る
発明は、前記請求項１，２又は３の発明における前記二
段階目の物体認識処理が、先ず、認識結果である特徴を
モデル特徴に適合するために必要な回転角度を計算し、
該回転角度に従って前記認識結果の特徴を回転して姿勢
調整し、次に、前記認識結果の特徴をモデルに適合する
ために必要な平行移動量を計算し、該平行移動量に従っ
て前記認識結果の特徴を平行移動して位置調整を行うこ
とを特徴とする。
発明は、前記請求項１，２又は３の発明における前記二
段階目の物体認識処理が、先ず、認識結果である特徴を
モデル特徴に適合するために必要な回転角度を計算し、
該回転角度に従って前記認識結果の特徴を回転して姿勢
調整し、次に、前記認識結果の特徴をモデルに適合する
ために必要な平行移動量を計算し、該平行移動量に従っ
て前記認識結果の特徴を平行移動して位置調整を行うこ
とを特徴とする。
【００１０】上記目的を達成する本願の請求項５に係る
発明は、前記請求項１，２，３又は４の発明において、
前記局所認識範囲が３個以上の場合に、各局所認識範囲
の局所的中心データのうちの二つのデータの組から計算
できる全体中心データを複数個計算し、計算した複数個
の全体中心データを平均した平均データを求め、該平均
データを最終的全体中心データとすることを特徴とす
る。
発明は、前記請求項１，２，３又は４の発明において、
前記局所認識範囲が３個以上の場合に、各局所認識範囲
の局所的中心データのうちの二つのデータの組から計算
できる全体中心データを複数個計算し、計算した複数個
の全体中心データを平均した平均データを求め、該平均
データを最終的全体中心データとすることを特徴とす
る。
【００１１】上記目的を達成する本願の請求項６に係る
発明は、前記請求項１，２，３又は４の発明において、
前記局所認識範囲が３個以上の場合に、各局所認識範囲
の局所的中心データのうちの二つのデータの組から計算
できる全体中心データを複数個計算し、計算した複数個
の全体中心データを平均した平均データを求め、該平均
データである全体中心データから局所的中心データまで
の距離と、モデルの全体中心とモデルの局所的中心まで
の距離の差を誤差とし、この誤差と予め設定しておいた
許容誤差とを比較し、許容誤差以上のものがあれば当該
局所中心データをデータ列から除外して始めから計算を
繰り返して平均データを求め、また、全ての誤差が許容
誤差より小さい時には、前記平均データを最終的な全体
中心データとすることを特徴とする。
発明は、前記請求項１，２，３又は４の発明において、
前記局所認識範囲が３個以上の場合に、各局所認識範囲
の局所的中心データのうちの二つのデータの組から計算
できる全体中心データを複数個計算し、計算した複数個
の全体中心データを平均した平均データを求め、該平均
データである全体中心データから局所的中心データまで
の距離と、モデルの全体中心とモデルの局所的中心まで
の距離の差を誤差とし、この誤差と予め設定しておいた
許容誤差とを比較し、許容誤差以上のものがあれば当該
局所中心データをデータ列から除外して始めから計算を
繰り返して平均データを求め、また、全ての誤差が許容
誤差より小さい時には、前記平均データを最終的な全体
中心データとすることを特徴とする。
【００１２】上記目的を達成する本願の請求項７に係る
発明は、前記請求項１，２，３又は４の発明において、
前記局所認識範囲が３個以上の場合に、各局所認識範囲
の局所的中心データのうちの二つのデータの組から計算
できる全体中心データを複数個計算し、計算した複数個
の全体中心データを平均した平均データを求め、該平均
データである全体中心データから局所的中心データまで
の距離と、モデルの全体中心とモデルの局所中心までの
距離の差を誤差とし、最も大きい誤差に該当する局所中
心データをデータ列から除外して始めから計算を繰り返
して、最も誤差の少ない二つの局所中心データを選出し
て、選出した二つの局所中心データから最終的な全体中
心データを計算することを特徴とする。
発明は、前記請求項１，２，３又は４の発明において、
前記局所認識範囲が３個以上の場合に、各局所認識範囲
の局所的中心データのうちの二つのデータの組から計算
できる全体中心データを複数個計算し、計算した複数個
の全体中心データを平均した平均データを求め、該平均
データである全体中心データから局所的中心データまで
の距離と、モデルの全体中心とモデルの局所中心までの
距離の差を誤差とし、最も大きい誤差に該当する局所中
心データをデータ列から除外して始めから計算を繰り返
して、最も誤差の少ない二つの局所中心データを選出し
て、選出した二つの局所中心データから最終的な全体中
心データを計算することを特徴とする。
【００１３】
【発明の実施の形態】本発明の実施の形態としては、図
５に示すフローチャートに従い、次の手順で物体認識処
理を行う。
５に示すフローチャートに従い、次の手順で物体認識処
理を行う。
【００１４】先ず、図１に示すように、低解像度にお
ける対象物体全体の物体認識処理を行う（ステップＳ
１）。 次に、図２に示すように、対象物体全体の認識結果か
ら「明確な小さな特徴」のある局所認識範囲を設定する
（ステップＳ２）。 引き続き、図３に示すように、設定された局所認識範
囲のみについて高解像度で部分的な物体認識処理を行う
（ステップＳ３）。 更に、図４に示すように、複数個の局所的な認識結果
から対象物体全体の位置姿勢を計算する（ステップＳ
４）。
ける対象物体全体の物体認識処理を行う（ステップＳ
１）。 次に、図２に示すように、対象物体全体の認識結果か
ら「明確な小さな特徴」のある局所認識範囲を設定する
（ステップＳ２）。 引き続き、図３に示すように、設定された局所認識範
囲のみについて高解像度で部分的な物体認識処理を行う
（ステップＳ３）。 更に、図４に示すように、複数個の局所的な認識結果
から対象物体全体の位置姿勢を計算する（ステップＳ
４）。
【００１５】このように、本発明では、全体の低解像度
での物体認識処理によって対象物体のおおよその位置姿
勢を求め、その結果を基に局所認識範囲を設定し、この
局所認識範囲において安定して得られる「明確な小さな
特徴」について局所的な高解像度の物体認識処理を行
い、局所的な高解像度の認識データから全体の位置姿勢
を計算するのである。
での物体認識処理によって対象物体のおおよその位置姿
勢を求め、その結果を基に局所認識範囲を設定し、この
局所認識範囲において安定して得られる「明確な小さな
特徴」について局所的な高解像度の物体認識処理を行
い、局所的な高解像度の認識データから全体の位置姿勢
を計算するのである。
【００１６】〔局所認識範囲の設定方式〕局所認識範囲
の設定は、例えば、図６に示すように、対象物体の一部
分である「明確な小さな特徴」に関するマッチングモデ
ルを作成する際に設定した座標軸に平行な長方形の認識
範囲を、一段階目の認識結果を基に座標変換し、変換さ
れたモデルの認識範囲を含む最小の座標軸に平行な長方
形範囲を考え、これを局所認識範囲として設定する。
の設定は、例えば、図６に示すように、対象物体の一部
分である「明確な小さな特徴」に関するマッチングモデ
ルを作成する際に設定した座標軸に平行な長方形の認識
範囲を、一段階目の認識結果を基に座標変換し、変換さ
れたモデルの認識範囲を含む最小の座標軸に平行な長方
形範囲を考え、これを局所認識範囲として設定する。
【００１７】〔局所的な特徴マッチング結果の良否判断
方式〕対象物体の局所認識範囲の特徴マッチングは、小
さな特徴に関してマッチングを行う場合が多いので、図
７に示すようにマッチング結果が正しくない場合があ
る。そこで、本発明では、図８に示すように、「円弧の
中心」、「直線の中点」といった各特徴の代表点間の距
離について、モデル特徴１，２の代表点間の距離ｄ 1，
ｄ2とマッチした特徴１’，２’の代表点間の距離
ｄ1’，ｄ2’との差を取り、その差と予め設定しておい
た閾値とを比較することでその良否を判定する。
方式〕対象物体の局所認識範囲の特徴マッチングは、小
さな特徴に関してマッチングを行う場合が多いので、図
７に示すようにマッチング結果が正しくない場合があ
る。そこで、本発明では、図８に示すように、「円弧の
中心」、「直線の中点」といった各特徴の代表点間の距
離について、モデル特徴１，２の代表点間の距離ｄ 1，
ｄ2とマッチした特徴１’，２’の代表点間の距離
ｄ1’，ｄ2’との差を取り、その差と予め設定しておい
た閾値とを比較することでその良否を判定する。
【００１８】〔局所的な特徴マッチングの微調整処理方
式〕局所認識範囲についての物体認識処理では、特徴マ
ッチングにおいて、一段階目の認識結果を基に座標変換
したモデルの位置姿勢から「明確な小さな特徴」にて適
合する位置姿勢へ微調整を行い、最終的な高精度を得
る。この処理は、図１２に示すフローチャートに従い、
次の手順で行う。 図９に示すように、一段階目の認識結果を基にモデル
を座標変換する（ステップＴ１）。 図１０に示すように、局所的な特徴マッチング結果か
らマッチした特徴に適合する回転角度を計算し、姿勢の
調整を行う（ステップＴ２）。 図１１に示すように、姿勢調整後の位置姿勢データを
基にマッチした特徴に適合する平行移動量を計算し、位
置の調整を行う（ステップＴ３）。
式〕局所認識範囲についての物体認識処理では、特徴マ
ッチングにおいて、一段階目の認識結果を基に座標変換
したモデルの位置姿勢から「明確な小さな特徴」にて適
合する位置姿勢へ微調整を行い、最終的な高精度を得
る。この処理は、図１２に示すフローチャートに従い、
次の手順で行う。 図９に示すように、一段階目の認識結果を基にモデル
を座標変換する（ステップＴ１）。 図１０に示すように、局所的な特徴マッチング結果か
らマッチした特徴に適合する回転角度を計算し、姿勢の
調整を行う（ステップＴ２）。 図１１に示すように、姿勢調整後の位置姿勢データを
基にマッチした特徴に適合する平行移動量を計算し、位
置の調整を行う（ステップＴ３）。
【００１９】〔対象物体全体位置姿勢を局所的認識結果
から計算する方法〕局所的認識結果による局所的中心デ
ータが二つあれば、その幾何学的位置関係から全体の中
心データを求めることができる。しかしながら、局所認
識結果は一般に、三つ以上の複数個存在するため、三つ
の局所的中心データ１組から計算できる全体中心データ
は複数個計算できる。そこで、次のような方法で、最終
的な全体中心データを決定する。
から計算する方法〕局所的認識結果による局所的中心デ
ータが二つあれば、その幾何学的位置関係から全体の中
心データを求めることができる。しかしながら、局所認
識結果は一般に、三つ以上の複数個存在するため、三つ
の局所的中心データ１組から計算できる全体中心データ
は複数個計算できる。そこで、次のような方法で、最終
的な全体中心データを決定する。
【００２０】(1)平均化による最終的な全体中心データ
計算方法（その１） 計算できる複数個の全体中心データを平均化する。この
処理は、図１３に示すフローチャートに従い、次の手順
で行う。 複数個の局所的中心データのうち二つのデータの組か
ら計算できる全体中心データを複数個求める（ステップ
Ｕ１）。 複数個の全体中心データからその平均を求める（ステ
ップＵ２）。 平均化した全体中心データを最終的な全体中心とする
（ステップＵ３）。
計算方法（その１） 計算できる複数個の全体中心データを平均化する。この
処理は、図１３に示すフローチャートに従い、次の手順
で行う。 複数個の局所的中心データのうち二つのデータの組か
ら計算できる全体中心データを複数個求める（ステップ
Ｕ１）。 複数個の全体中心データからその平均を求める（ステ
ップＵ２）。 平均化した全体中心データを最終的な全体中心とする
（ステップＵ３）。
【００２１】(2)平均化による最終的な全体中心データ
計算方法（その２） 局所中心データに大きな誤差が含まれる場合、その誤差
のため最終的な全体中心データが適切でない場合があ
る。この問題を回避するため、図１４に示すフローチャ
ートに示すように、(1)の方法に誤差のチェックを加
え、許容誤差内にあるデータのみを用いて最終的な全体
中心データの計算を行う。 (1)の方法で平均化した全体中心データを求める（ス
テップＶ１，２）。 全体中心データから局所的中心データまでの距離を計
算してモデルの全体中心とモデルの局所中心までの距離
のと差を誤差とし（ステップＶ３）、この誤差が予め設
定しておいた許容誤差より小さいか否かチェックする
（ステップＶ４）。 上記計算による全ての誤差が許容誤差より小さいとき
には、の計算結果を最終的な全体中心データとし（ス
テップＶ５）、上記計算による誤差のうち許容誤差以上
のものがあれば、その誤差に該当する局所中心データを
データ列から外し、の計算を行う（ステップＶ６）。
計算方法（その２） 局所中心データに大きな誤差が含まれる場合、その誤差
のため最終的な全体中心データが適切でない場合があ
る。この問題を回避するため、図１４に示すフローチャ
ートに示すように、(1)の方法に誤差のチェックを加
え、許容誤差内にあるデータのみを用いて最終的な全体
中心データの計算を行う。 (1)の方法で平均化した全体中心データを求める（ス
テップＶ１，２）。 全体中心データから局所的中心データまでの距離を計
算してモデルの全体中心とモデルの局所中心までの距離
のと差を誤差とし（ステップＶ３）、この誤差が予め設
定しておいた許容誤差より小さいか否かチェックする
（ステップＶ４）。 上記計算による全ての誤差が許容誤差より小さいとき
には、の計算結果を最終的な全体中心データとし（ス
テップＶ５）、上記計算による誤差のうち許容誤差以上
のものがあれば、その誤差に該当する局所中心データを
データ列から外し、の計算を行う（ステップＶ６）。
【００２２】(3)誤差の最も少ない二つのデータから最
終的な全体中心データを求める方法 局所中心データに大きな誤差が含まれる場合、その誤差
のため、最終的な全体中心データが適切でない場合があ
る。この問題を回避するため、図１５のフローチャート
に示すように、(1)の方法を再帰的に用いて、最も誤差
の小さい局所中心データ二つを選出し、選出した二つの
局所中心データから最終的な全体中心データの計算を行
う。 (1)の方法で平均化した全体中心データを求める（ス
テップＷ１）。 平均化された局所中心データの数が二つなら（ステッ
プＷ２）、上記計算結果を最終的な全体中心データとす
る（ステップＷ３）。 平均化された局所中心データの数が二つより大きけれ
ば（ステップＷ２）、全体中心データから局所的中心デ
ータまでの距離とモデルの全体中心とモデルの局所中心
までの差を誤差とし（ステップＷ４）、最も大きい誤差
に該当する局所中心データをデータ列から外し、から
計算を繰り返す（ステップＷ５）。
終的な全体中心データを求める方法 局所中心データに大きな誤差が含まれる場合、その誤差
のため、最終的な全体中心データが適切でない場合があ
る。この問題を回避するため、図１５のフローチャート
に示すように、(1)の方法を再帰的に用いて、最も誤差
の小さい局所中心データ二つを選出し、選出した二つの
局所中心データから最終的な全体中心データの計算を行
う。 (1)の方法で平均化した全体中心データを求める（ス
テップＷ１）。 平均化された局所中心データの数が二つなら（ステッ
プＷ２）、上記計算結果を最終的な全体中心データとす
る（ステップＷ３）。 平均化された局所中心データの数が二つより大きけれ
ば（ステップＷ２）、全体中心データから局所的中心デ
ータまでの距離とモデルの全体中心とモデルの局所中心
までの差を誤差とし（ステップＷ４）、最も大きい誤差
に該当する局所中心データをデータ列から外し、から
計算を繰り返す（ステップＷ５）。
【００２３】
〔実施例１〕本発明による局所認識範囲を設定する装置
の例を図１６に示す。この装置は、対象物体の一部分で
ある「明確な小さな特徴」に対して予め設定しておいた
座標軸に平行な長方形の認識範囲を、一段階目の認識結
果を基に座標変換部１０にて座標変換し、変換された長
方形の認識範囲を囲む、最小の座標軸に平行な長方形範
囲を長方形範囲計算部１１で計算し、これを局所認識範
囲とすることを特徴とする。
の例を図１６に示す。この装置は、対象物体の一部分で
ある「明確な小さな特徴」に対して予め設定しておいた
座標軸に平行な長方形の認識範囲を、一段階目の認識結
果を基に座標変換部１０にて座標変換し、変換された長
方形の認識範囲を囲む、最小の座標軸に平行な長方形範
囲を長方形範囲計算部１１で計算し、これを局所認識範
囲とすることを特徴とする。
【００２４】〔実施例２〕本発明による局所特徴マッチ
ングの良否を判定する装置の例を図１７に示す。この装
置は、局所的な特徴マッチングにおいて、認識結果であ
る「円弧の中心」、「直線の中点」といった各特徴の代
表点間の距離について代表点間距離計算部２０で計算
し、同様に、モデル特徴の代表点間の距離を代表点間距
離計算部２１で計算し、それらの代表点間の距離の差を
距離差計算部２２で計算し、その差と予め設定しておい
た閾値とを良否判定部２３で比較することで、その良否
を判断することを特徴とする。
ングの良否を判定する装置の例を図１７に示す。この装
置は、局所的な特徴マッチングにおいて、認識結果であ
る「円弧の中心」、「直線の中点」といった各特徴の代
表点間の距離について代表点間距離計算部２０で計算
し、同様に、モデル特徴の代表点間の距離を代表点間距
離計算部２１で計算し、それらの代表点間の距離の差を
距離差計算部２２で計算し、その差と予め設定しておい
た閾値とを良否判定部２３で比較することで、その良否
を判断することを特徴とする。
【００２５】〔実施例３〕本発明による局所認識位置姿
勢を微調整する装置の例を図１８に示す。この装置は、
局所的な特徴マッチングにおいて、先ず、マッチした特
徴に適合する回転角度を回転角度計算部３０で計算し、
計算した回転角度を基に座標変換部３１で認識結果の姿
勢の調整を行い、次に姿勢の調整を行った認識結果を基
にマッチした特徴に適合する平行移動量を平行移動量計
算部３２で計算し、計算した平行移動量を基に座標変換
部３３で認識結果の位置の調整を行うことを特徴とす
る。
勢を微調整する装置の例を図１８に示す。この装置は、
局所的な特徴マッチングにおいて、先ず、マッチした特
徴に適合する回転角度を回転角度計算部３０で計算し、
計算した回転角度を基に座標変換部３１で認識結果の姿
勢の調整を行い、次に姿勢の調整を行った認識結果を基
にマッチした特徴に適合する平行移動量を平行移動量計
算部３２で計算し、計算した平行移動量を基に座標変換
部３３で認識結果の位置の調整を行うことを特徴とす
る。
【００２６】〔実施例４〕本発明の上記(1)の方式によ
る全体中心データを求める装置の一例を図１９に示す。
この装置は、局所中心データメモリ４０から読み出し
た、複数個の局所的中心データのうちの二つのデータの
組から計算できる全体中心データを全体中心計算部４１
で複数個計算し、計算した複数個の全体中心データをデ
ータ平均部４２で平均してその平均データを求め、その
結果得られる平均した全体中心データを最終的な全体中
心データとして結果設定部４３に設定することを特徴と
する。
る全体中心データを求める装置の一例を図１９に示す。
この装置は、局所中心データメモリ４０から読み出し
た、複数個の局所的中心データのうちの二つのデータの
組から計算できる全体中心データを全体中心計算部４１
で複数個計算し、計算した複数個の全体中心データをデ
ータ平均部４２で平均してその平均データを求め、その
結果得られる平均した全体中心データを最終的な全体中
心データとして結果設定部４３に設定することを特徴と
する。
【００２７】〔実施例５〕本発明の上記(2)の方式によ
る全体中心データを求める装置の一例を図２０に示す。
この装置は、局所中心データメモリ５０から読み出し
た、複数個の局所的中心データのうちの二つのデータの
組から計算できる全体中心データを全体中心計算部５１
で複数個計算し、計算した複数個の全体中心データをデ
ータ平均部５２で平均してその平均データを求め、その
結果得られる平均した全体中心データから局所的中心デ
ータまでの距離を中心間距離計算部５３ａで求める一
方、モデルデータメモリ５４から読み出したモデルの全
体中心とモデルの局所的中心までの距離を中心間距離計
算部５３ｂで求め、これらの差を誤差として誤差計算部
５５により求め、この誤差と予め設定しておいた許容誤
差とを誤差比較部５６で比較し、結果判断部５７により
許容誤差以上のものがあるとされれば、局所中心データ
列再構成部５８にて誤差に該当する局所中心データをデ
ータ列から除外して始めから計算を繰り返し、また、全
ての誤差が許容誤差より小さい時には、計算の結果得ら
れた平均化した全体中心データを最終的な全体中心デー
タとして結果設定部５９に設定することを特徴とする。
る全体中心データを求める装置の一例を図２０に示す。
この装置は、局所中心データメモリ５０から読み出し
た、複数個の局所的中心データのうちの二つのデータの
組から計算できる全体中心データを全体中心計算部５１
で複数個計算し、計算した複数個の全体中心データをデ
ータ平均部５２で平均してその平均データを求め、その
結果得られる平均した全体中心データから局所的中心デ
ータまでの距離を中心間距離計算部５３ａで求める一
方、モデルデータメモリ５４から読み出したモデルの全
体中心とモデルの局所的中心までの距離を中心間距離計
算部５３ｂで求め、これらの差を誤差として誤差計算部
５５により求め、この誤差と予め設定しておいた許容誤
差とを誤差比較部５６で比較し、結果判断部５７により
許容誤差以上のものがあるとされれば、局所中心データ
列再構成部５８にて誤差に該当する局所中心データをデ
ータ列から除外して始めから計算を繰り返し、また、全
ての誤差が許容誤差より小さい時には、計算の結果得ら
れた平均化した全体中心データを最終的な全体中心デー
タとして結果設定部５９に設定することを特徴とする。
【００２８】〔実施例６〕本発明の上記(3)の方式によ
る全体中心データを求める装置の一例を図２１に示す。
この装置は、局所中心データメモリ６０から読み出し
た、複数個の局所的中心データのうちの二つのデータの
組から計算できる全体中心データを全体中心計算部６１
で複数個計算し、計算した複数個の全体中心データをデ
ータ平均部６２で平均してその平均データを求め、平均
に用いた局所中心データの数が二つより多ければ、得ら
れた平均した全体中心データから局所的中心データまで
の距離を中心間距離計算部６３ａで求める一方、モデル
データメモリ６４から読み出したモデルの全体中心とモ
デルの局所中心までの距離を中心間距離計算部６３ｂで
求め、これらの差を誤差として誤差計算部６５により求
め、局所中心データ列再構成部６８にて最も大きい誤差
に該当する局所中心データをデータ列から除外して始め
から計算を繰り返し、最も誤差の少ない二つの局所中心
データを選出して結果設定部６７に最終的な全体中心デ
ータとして設定し、また、平均に用いた局所中心データ
の数が二つであると結果判断部６６で判断されれば計算
の結果得られた平均した全体中心データを最終的な全体
中心データとして結果設定部６７に設定することを特徴
とする。
る全体中心データを求める装置の一例を図２１に示す。
この装置は、局所中心データメモリ６０から読み出し
た、複数個の局所的中心データのうちの二つのデータの
組から計算できる全体中心データを全体中心計算部６１
で複数個計算し、計算した複数個の全体中心データをデ
ータ平均部６２で平均してその平均データを求め、平均
に用いた局所中心データの数が二つより多ければ、得ら
れた平均した全体中心データから局所的中心データまで
の距離を中心間距離計算部６３ａで求める一方、モデル
データメモリ６４から読み出したモデルの全体中心とモ
デルの局所中心までの距離を中心間距離計算部６３ｂで
求め、これらの差を誤差として誤差計算部６５により求
め、局所中心データ列再構成部６８にて最も大きい誤差
に該当する局所中心データをデータ列から除外して始め
から計算を繰り返し、最も誤差の少ない二つの局所中心
データを選出して結果設定部６７に最終的な全体中心デ
ータとして設定し、また、平均に用いた局所中心データ
の数が二つであると結果判断部６６で判断されれば計算
の結果得られた平均した全体中心データを最終的な全体
中心データとして結果設定部６７に設定することを特徴
とする。
【００２９】〔実施例７〕本発明の二段認識方式により
対象物体の位置姿勢を求める装置の例を図２２に示す。
同図に示すように、画像入力部７０により取り込まれた
画像データは、画像圧縮部７１にて画像圧縮されて低解
像度の画像データとして全体認識処理部７２へ入力さ
れ、また、画像圧縮部７１を経ないでそのまま局所認識
処理部７３へ入力され、全体認識処理部７２では、モデ
ルデータメモリ７４から読み込んだ全体モデルデータと
の特徴マッチングを行うことにより、一段階目の全体的
に低解像度での物体認識を行い、対象物体の大体の位置
姿勢を求め、また、その結果を基に設定した局所認識範
囲において、局所認識処理部７３では、モデルデータメ
モリ７４、座標変換部７５を経た局所モデルデータ及び
局所認識範囲により、二段階目で安定して得られる「明
確な小さな特徴」について、局所的な高解像度の認識を
行い、更に、中心データ計算部７６では、高解像度のデ
ータから全体の位置姿勢を計算することを特徴とする。
対象物体の位置姿勢を求める装置の例を図２２に示す。
同図に示すように、画像入力部７０により取り込まれた
画像データは、画像圧縮部７１にて画像圧縮されて低解
像度の画像データとして全体認識処理部７２へ入力さ
れ、また、画像圧縮部７１を経ないでそのまま局所認識
処理部７３へ入力され、全体認識処理部７２では、モデ
ルデータメモリ７４から読み込んだ全体モデルデータと
の特徴マッチングを行うことにより、一段階目の全体的
に低解像度での物体認識を行い、対象物体の大体の位置
姿勢を求め、また、その結果を基に設定した局所認識範
囲において、局所認識処理部７３では、モデルデータメ
モリ７４、座標変換部７５を経た局所モデルデータ及び
局所認識範囲により、二段階目で安定して得られる「明
確な小さな特徴」について、局所的な高解像度の認識を
行い、更に、中心データ計算部７６では、高解像度のデ
ータから全体の位置姿勢を計算することを特徴とする。
【００３０】
【発明の効果】以上、実施例に基づいて具体的に説明し
たように、本発明によれば、次の効果を奏する。 （１）カメラから入力される入力画像の濃淡値の変化に
より、画像から得られる特徴の出方に画像毎のバラツキ
が有る場合でも、高精度な位置姿勢データを得ることが
できる。 （２）対象物体の位置姿勢変化により、画像から得られ
る特徴の出方に画像毎のバラツキが有る場合でも、高精
度な位置姿勢データを得ることができる。 （３）対象物体の表面状態の変化により、画像から得ら
れる特徴の出方に画像毎のバラツキが有る場合でも、高
精度な位置姿勢データを得ることができる。 （４）照明等の環境の変化により、画像から得られる特
徴の出方に画像毎のバラツキが有る場合でも、高精度な
位置姿勢データを得ることができる。 （５）入力画像から抽出した特徴の多くが小さい特徴で
あっても、高精度な位置姿勢データを得ることができ
る。 （６）入力画像から抽出した特徴の多くが小さい特徴で
あっても、短い処理時間で位置姿勢データを得ることが
できる。
たように、本発明によれば、次の効果を奏する。 （１）カメラから入力される入力画像の濃淡値の変化に
より、画像から得られる特徴の出方に画像毎のバラツキ
が有る場合でも、高精度な位置姿勢データを得ることが
できる。 （２）対象物体の位置姿勢変化により、画像から得られ
る特徴の出方に画像毎のバラツキが有る場合でも、高精
度な位置姿勢データを得ることができる。 （３）対象物体の表面状態の変化により、画像から得ら
れる特徴の出方に画像毎のバラツキが有る場合でも、高
精度な位置姿勢データを得ることができる。 （４）照明等の環境の変化により、画像から得られる特
徴の出方に画像毎のバラツキが有る場合でも、高精度な
位置姿勢データを得ることができる。 （５）入力画像から抽出した特徴の多くが小さい特徴で
あっても、高精度な位置姿勢データを得ることができ
る。 （６）入力画像から抽出した特徴の多くが小さい特徴で
あっても、短い処理時間で位置姿勢データを得ることが
できる。
【図１】対象物全体の認識処理の例を示す説明図であ
る。
る。
【図２】局所認識範囲の設定の例を示す説明図である。
【図３】局所範囲での認識処理の例を示す説明図であ
る。
る。
【図４】対象物全体の位置姿勢の計算例を示す説明図で
ある。
ある。
【図５】二段階認識方式のフローチャートである。
【図６】局所認識範囲の設定例を示す説明図である。
【図７】局所マッチング結果の例を示す説明図である。
【図８】代表点間の距離によるマッチング良否判断の例
を示す説明図である。
を示す説明図である。
【図９】局所マッチング結果の例を示す説明図である。
【図１０】局所マッチングに関する姿勢調整の例を示す
説明図である。
説明図である。
【図１１】局所マッチングに関する位置調整の例を示す
説明図である。
説明図である。
【図１２】局所的な特徴マッチングの微調整処理を示す
フローチャートである。
フローチャートである。
【図１３】最終的な全体中心データ計算方法を示すフロ
ーチャートである。
ーチャートである。
【図１４】最終的な全体中心データ計算方法を示すフロ
ーチャートである。
ーチャートである。
【図１５】最終的な全体中心データ計算方法を示すフロ
ーチャートである。
ーチャートである。
【図１６】局所認識範囲の設定する装置の例の構成図で
ある。
ある。
【図１７】局所特徴マッチングの良否を判定する装置の
例の構成図である。
例の構成図である。
【図１８】局所認識位置姿勢を微調整する装置の例の構
成図である。
成図である。
【図１９】最終的な全体中心データを求める装置の例の
構成図である。
構成図である。
【図２０】最終的な全体中心データを求める装置の例の
構成図である。
構成図である。
【図２１】最終的な全体中心データを求める装置の例の
構成図である。
構成図である。
【図２２】二段階認識方式により対象物体の位置姿勢を
求める装置の例の構成図である。
求める装置の例の構成図である。
１，２ モデル特徴 １’，２’ 認識結果として抽出された特徴 １０，７５ 座標変換部 １１ 長方形範囲計算部 ２０，２１ 代表点間距離計算部 ２２ 距離差計算部 ２３ 良否判定部 ３０ 回転角度計算部 ３１，３３ 座標変換部 ３２ 平行移動量計算部 ４０，５０，６０ 局所中心データメモリ ４１，５１，６１ 全体中心計算部 ４２，５２，６２ データ平均部 ４３，５９，６７ 結果設定部 ５３ａ，５３ｂ，６３ａ，６３ｂ 中心間距離計算部 ５４，６４ モデルデータメモリ ５５，６５ 誤差計算部 ５６ 誤差比較部 ５７，６６ 結果判断部 ５８，６８ 局所中心データ列再構成部 ７０ 画像入力部 ７１ 画像圧縮部 ７２ 全体認識処理部 ７３ 局所認識処理部 ７４ モデルデータメモリ ７６ 中心データ計算部
Claims (7)
- 【請求項１】 対象物体の全体について低解像度での一
段階目での物体認識処理によって前記対象物体の大体の
位置姿勢を求め、その認識結果を基に「明確な小さな特
徴」を有する局所認識範囲を設定し、該局所認識範囲に
ついてのみ二段階目での高解像度の物体認識処理を部分
的に行い、前記局所認識範囲の認識結果から前記対象物
体全体の位置姿勢を計算することを特徴とする物体認識
方法。 - 【請求項２】 前記局所認識範囲は、前記対象物体の一
部分である「明確な小さな特徴」に関するマッチングモ
デルを作成する際に予め設定しておいた座標軸に平行な
長方形の認識範囲を、前記一段階目の認識結果を基に座
標変換し、変換された長方形の認識範囲を囲む最小の座
標軸に平行な長方形範囲とすることを特徴とする請求項
１記載の物体認識方法。 - 【請求項３】 前記二段階目の物体認識処理は、認識結
果である「円弧の中心」、「直線の中点」等の各特徴の
代表点間の距離と、これらとマッチするモデル特徴の代
表点間の距離との差を取り、その差と予め設定しておい
た閾値とを比較することで、その良否を判断することを
特徴とする請求項１又は２記載の物体認識方法。 - 【請求項４】 前記二段階目の物体認識処理は、先ず、
認識結果である特徴をモデル特徴に適合するために必要
な回転角度を計算し、該回転角度に従って前記認識結果
の特徴を回転して姿勢調整し、次に、前記認識結果の特
徴をモデルに適合するために必要な平行移動量を計算
し、該平行移動量に従って前記認識結果の特徴を平行移
動して位置調整を行うことを特徴とする請求項１，２又
は３記載の物体認識方法。 - 【請求項５】 前記局所認識範囲が３個以上の場合に、
各局所認識範囲の局所的中心データのうちの二つのデー
タの組から計算できる全体中心データを複数個計算し、
計算した複数個の全体中心データを平均した平均データ
を求め、該平均データを最終的全体中心データとするこ
とを特徴とする請求項１，２，３又は４記載の物体認識
方法。 - 【請求項６】 前記局所認識範囲が３個以上の場合に、
各局所認識範囲の局所的中心データのうちの二つのデー
タの組から計算できる全体中心データを複数個計算し、
計算した複数個の全体中心データを平均した平均データ
を求め、該平均データである全体中心データから局所的
中心データまでの距離と、モデルの全体中心とモデルの
局所的中心までの距離の差を誤差とし、この誤差と予め
設定しておいた許容誤差とを比較し、許容誤差以上のも
のがあれば当該局所中心データをデータ列から除外して
始めから計算を繰り返して平均データを求め、また、全
ての誤差が許容誤差より小さい時には、前記平均データ
を最終的な全体中心データとすることを特徴とする請求
項１，２，３又は４記載の物体認識方法。 - 【請求項７】 前記局所認識範囲が３個以上の場合に、
各局所認識範囲の局所的中心データのうちの二つのデー
タの組から計算できる全体中心データを複数個計算し、
計算した複数個の全体中心データを平均した平均データ
を求め、該平均データである全体中心データから局所的
中心データまでの距離と、モデルの全体中心とモデルの
局所中心までの距離の差を誤差とし、最も大きい誤差に
該当する局所中心データをデータ列から除外して始めか
ら計算を繰り返して、最も誤差の少ない二つの局所中心
データを選出して、選出した二つの局所中心データから
最終的な全体中心データを計算することを特徴とする請
求項１，２，３又は４記載の物体認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8090920A JPH09282454A (ja) | 1996-04-12 | 1996-04-12 | 物体認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8090920A JPH09282454A (ja) | 1996-04-12 | 1996-04-12 | 物体認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09282454A true JPH09282454A (ja) | 1997-10-31 |
Family
ID=14011871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8090920A Pending JPH09282454A (ja) | 1996-04-12 | 1996-04-12 | 物体認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09282454A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007094504A (ja) * | 2005-09-27 | 2007-04-12 | Matsushita Electric Ind Co Ltd | 画像認識装置および画像認識方法 |
| WO2010087346A1 (ja) * | 2009-01-27 | 2010-08-05 | 株式会社 明電舎 | 画像処理によるパンタグラフ撮影装置 |
| WO2010087347A1 (ja) * | 2009-01-27 | 2010-08-05 | 株式会社 明電舎 | 画像処理によるパンタグラフ撮影装置 |
| US8542928B2 (en) | 2005-09-26 | 2013-09-24 | Canon Kabushiki Kaisha | Information processing apparatus and control method therefor |
| KR101318323B1 (ko) * | 2012-05-30 | 2013-10-16 | 한국과학기술원 | 오브젝트 검출방법 및 장치 |
| WO2015137039A1 (ja) * | 2014-03-14 | 2015-09-17 | オリンパス株式会社 | 画像認識装置および画像認識方法 |
| JP2016530640A (ja) * | 2013-09-06 | 2016-09-29 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 画像情報の中の物体を認識する方法および制御装置 |
| CN107464280A (zh) * | 2017-07-31 | 2017-12-12 | 广东欧珀移动通信有限公司 | 用户3d建模的匹配方法和装置 |
| US11144749B1 (en) * | 2019-01-09 | 2021-10-12 | Idemia Identity & Security USA LLC | Classifying camera images to generate alerts |
-
1996
- 1996-04-12 JP JP8090920A patent/JPH09282454A/ja active Pending
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8542928B2 (en) | 2005-09-26 | 2013-09-24 | Canon Kabushiki Kaisha | Information processing apparatus and control method therefor |
| JP2007094504A (ja) * | 2005-09-27 | 2007-04-12 | Matsushita Electric Ind Co Ltd | 画像認識装置および画像認識方法 |
| JP4572790B2 (ja) * | 2005-09-27 | 2010-11-04 | パナソニック株式会社 | 画像認識装置および画像認識方法 |
| WO2010087346A1 (ja) * | 2009-01-27 | 2010-08-05 | 株式会社 明電舎 | 画像処理によるパンタグラフ撮影装置 |
| WO2010087347A1 (ja) * | 2009-01-27 | 2010-08-05 | 株式会社 明電舎 | 画像処理によるパンタグラフ撮影装置 |
| JP2010178399A (ja) * | 2009-01-27 | 2010-08-12 | Meidensha Corp | 画像処理によるパンタグラフ撮影装置 |
| JP2010176156A (ja) * | 2009-01-27 | 2010-08-12 | Meidensha Corp | 画像処理によるパンタグラフ撮影装置 |
| CN102300741A (zh) * | 2009-01-27 | 2011-12-28 | 株式会社明电舍 | 基于图像处理的受电弓摄影装置 |
| KR101318323B1 (ko) * | 2012-05-30 | 2013-10-16 | 한국과학기술원 | 오브젝트 검출방법 및 장치 |
| JP2016530640A (ja) * | 2013-09-06 | 2016-09-29 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 画像情報の中の物体を認識する方法および制御装置 |
| US9842262B2 (en) | 2013-09-06 | 2017-12-12 | Robert Bosch Gmbh | Method and control device for identifying an object in a piece of image information |
| WO2015137039A1 (ja) * | 2014-03-14 | 2015-09-17 | オリンパス株式会社 | 画像認識装置および画像認識方法 |
| JP2015177300A (ja) * | 2014-03-14 | 2015-10-05 | オリンパス株式会社 | 画像認識装置および画像認識方法 |
| US10089548B2 (en) | 2014-03-14 | 2018-10-02 | Olympus Corporation | Image recognition device and image recognition method |
| CN107464280A (zh) * | 2017-07-31 | 2017-12-12 | 广东欧珀移动通信有限公司 | 用户3d建模的匹配方法和装置 |
| CN107464280B (zh) * | 2017-07-31 | 2020-08-07 | Oppo广东移动通信有限公司 | 用户3d建模的匹配方法和装置 |
| US11144749B1 (en) * | 2019-01-09 | 2021-10-12 | Idemia Identity & Security USA LLC | Classifying camera images to generate alerts |
| US11682233B1 (en) * | 2019-01-09 | 2023-06-20 | Idemia Identity & Security USA LLC | Classifying camera images to generate alerts |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9091528B2 (en) | System and method for object measurement | |
| US9524578B2 (en) | Projection system, semiconductor integrated circuit, and image correction method | |
| US7340089B2 (en) | Geometric pattern matching using dynamic feature combinations | |
| US6798925B1 (en) | Method and apparatus for calibrating an image acquisition system | |
| US6411734B1 (en) | Object image search using validated sub-model poses | |
| JP2005202945A (ja) | Ｃａｄモデリングシステム及び方法 | |
| US10664939B2 (en) | Position control system, position detection device, and non-transitory recording medium | |
| JPH09282454A (ja) | 物体認識方法 | |
| CN110225321B (zh) | 梯形校正的训练样本数据获取系统和方法 | |
| WO2020141468A1 (en) | Method and system for detecting position of a target area in a target subject | |
| JPWO2007074605A1 (ja) | 画像処理方法、画像処理プログラム、画像処理装置、及び撮像装置 | |
| US5023815A (en) | Method and apparatus for registering color film separations | |
| CN111199533B (zh) | 图像处理装置 | |
| US5703958A (en) | Picture processing method for correcting distorted pictures and apparatus for executing this method | |
| CN114966238B (zh) | 一种天线相位中心的自动检测与对准方法 | |
| WO2018096669A1 (ja) | レーザ加工装置、レーザ加工方法、及びレーザ加工プログラム | |
| JPH06160047A (ja) | パターンマッチング方法 | |
| JPH07114649A (ja) | 歪んだ画像を修正するための画像処理方法及びこれを 実行するための装置 | |
| JP2002131041A (ja) | 輪郭形状測定方法及び装置 | |
| JPH08249466A (ja) | パターン認識方法 | |
| CN117765182A (zh) | 一种加工图档生成方法、装置、系统和可读存储介质 | |
| JP2003214826A (ja) | 形状計測方法 | |
| JPH05146946A (ja) | デジタイズデータに基づく工具経路計算装置 | |
| JP2003085565A (ja) | 濃淡パターンマッチング装置および方法 | |
| CN117315635A (zh) | 一种倾斜指针式仪表自动读数方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040810 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040817 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041018 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20041116 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050117 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20050131 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050224 |
|
| A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20050301 |
|
| A912 | Removal of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20050408 |