JPH1166321A - ワーク位置検出方法 - Google Patents
ワーク位置検出方法Info
- Publication number
- JPH1166321A JPH1166321A JP9218639A JP21863997A JPH1166321A JP H1166321 A JPH1166321 A JP H1166321A JP 9218639 A JP9218639 A JP 9218639A JP 21863997 A JP21863997 A JP 21863997A JP H1166321 A JPH1166321 A JP H1166321A
- Authority
- JP
- Japan
- Prior art keywords
- work
- image
- calculates
- vertex information
- vertex
- 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.)
- Withdrawn
Links
Landscapes
- Manipulator (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 重ねて積まれたワークのうち最も上に存在す
るワークを抽出してその姿勢を検出する。 【解決手段】 カメラ３で撮像された基準となるワーク
の画像を前処理部４２で画像圧縮，平滑化を行ない、輪
郭抽出部４３でたとえば重心を算出して輪郭線を追跡
し、頂点抽出部４４で曲率を計算して頂点情報を算出し
て登録しておき、対象となるワークを撮像した画像から
同様にして輪郭線と頂点情報を算出し、認識部４６の粗
サーチ部４７で座標変換処理を用いた弛緩マッチングを
行ない、精サーチ部４８で粗サーチで求めたパラメータ
の近傍を微分画像でマッチングしてワークの位置，回転
角および縮尺を検出する。
るワークを抽出してその姿勢を検出する。 【解決手段】 カメラ３で撮像された基準となるワーク
の画像を前処理部４２で画像圧縮，平滑化を行ない、輪
郭抽出部４３でたとえば重心を算出して輪郭線を追跡
し、頂点抽出部４４で曲率を計算して頂点情報を算出し
て登録しておき、対象となるワークを撮像した画像から
同様にして輪郭線と頂点情報を算出し、認識部４６の粗
サーチ部４７で座標変換処理を用いた弛緩マッチングを
行ない、精サーチ部４８で粗サーチで求めたパラメータ
の近傍を微分画像でマッチングしてワークの位置，回転
角および縮尺を検出する。
Description
【０００１】
【発明の属する技術分野】この発明は位置検出方法に関
し、特に、重ねて積まれたワークのうち、最も上に存在
するワークとその位置を画像処理により検出して、整列
させるピッキング装置におけるワーク位置検出方法に関
する。
し、特に、重ねて積まれたワークのうち、最も上に存在
するワークとその位置を画像処理により検出して、整列
させるピッキング装置におけるワーク位置検出方法に関
する。
【０００２】
【従来の技術】ピッキング装置において最も上に存在す
るワークの位置を検出する方法として、濃淡テンプレー
トマッチング，ハフ変換，２値処理などの方法がある。
るワークの位置を検出する方法として、濃淡テンプレー
トマッチング，ハフ変換，２値処理などの方法がある。
【０００３】濃淡テンプレートマッチングは、予め登録
されたマスタパターンと入力パターンとの類似度を求
め、その値が最大になる位置を求める方法である。この
方法は、類似度として正規化相互相関係数を用いるケー
スがほとんどである。
されたマスタパターンと入力パターンとの類似度を求
め、その値が最大になる位置を求める方法である。この
方法は、類似度として正規化相互相関係数を用いるケー
スがほとんどである。
【０００４】ハフ変換は、直線や円など予め形状が特定
できるワークに対し、その形状をいくつかのパラメータ
で表現し、入力パターンをそのパラメータ空間に写像し
たとき、写像回数が最大になるパラメータ値を位置情報
とする方法である。たとえば、直線を検出する場合、原
点から直線へ下ろした垂線の長さρと、垂線とＸ軸との
なす角θをパラメータに用い、入力パターンの座標
（ｘ，ｙ）に対する（ρ，θ）をカウントアップし、カ
ウント値が極大になる（ρ，θ）を位置情報として出力
する。
できるワークに対し、その形状をいくつかのパラメータ
で表現し、入力パターンをそのパラメータ空間に写像し
たとき、写像回数が最大になるパラメータ値を位置情報
とする方法である。たとえば、直線を検出する場合、原
点から直線へ下ろした垂線の長さρと、垂線とＸ軸との
なす角θをパラメータに用い、入力パターンの座標
（ｘ，ｙ）に対する（ρ，θ）をカウントアップし、カ
ウント値が極大になる（ρ，θ）を位置情報として出力
する。
【０００５】２値処理は、入力パターンを２値化して、
その中から希望する面積や形状を持つ塊を対象物として
抽出し、抽出した塊の重心や主軸角を位置情報とする方
法である。
その中から希望する面積や形状を持つ塊を対象物として
抽出し、抽出した塊の重心や主軸角を位置情報とする方
法である。
【０００６】
【発明が解決しようとする課題】ピッキング装置などに
おいては、ほとんどの場合、重なり状態で積まれたワー
クを対象とする。このため、画像パターンが複雑とな
り、また対象物の向きもさまざまである。さらに、上か
ら１つ１つピッキングしていくので、カメラに映るパタ
ーンの縮尺も変化する。このことから考えて、従来のい
ずれの方法でも、対象物の背景データを検出に用いるた
め、重なり状態での検出が困難であり、回転や縮尺を考
慮した場合、その処理時間が現実的ではないという問題
がある。また、回転や縮尺を考慮した場合、カウント値
を保持するためのメモリが大量に必要になり、また大量
のメモリをアクセスするため、その処理時間が現実的で
はない。さらに、重なり状態のワークを２値化した場
合、最も上に存在するワークとの分離が困難であるとい
う種々の問題点があった。
おいては、ほとんどの場合、重なり状態で積まれたワー
クを対象とする。このため、画像パターンが複雑とな
り、また対象物の向きもさまざまである。さらに、上か
ら１つ１つピッキングしていくので、カメラに映るパタ
ーンの縮尺も変化する。このことから考えて、従来のい
ずれの方法でも、対象物の背景データを検出に用いるた
め、重なり状態での検出が困難であり、回転や縮尺を考
慮した場合、その処理時間が現実的ではないという問題
がある。また、回転や縮尺を考慮した場合、カウント値
を保持するためのメモリが大量に必要になり、また大量
のメモリをアクセスするため、その処理時間が現実的で
はない。さらに、重なり状態のワークを２値化した場
合、最も上に存在するワークとの分離が困難であるとい
う種々の問題点があった。
【０００７】それゆえに、この発明の主たる目的は、重
ねて積まれたワークをピッキングするピッキング装置に
おいて、画像処理により最も上に存在するワークを抽出
してその位置を検出するような位置検出方法を提供する
ことである。
ねて積まれたワークをピッキングするピッキング装置に
おいて、画像処理により最も上に存在するワークを抽出
してその位置を検出するような位置検出方法を提供する
ことである。
【０００８】
【課題を解決するための手段】請求項１に係る発明は、
重ねて積まれたワークのうち、最も上に存在するワーク
をピッキングするピッキング装置において、最も上に存
在するワークの位置を検出するワーク位置検出方法であ
って、基準となるワークの輪郭線を抽出して曲率が局所
的に最小になる画素を頂点情報として抽出して登録し、
入力された画像の輪郭線を抽出して曲率が局所的に最小
になる画素を頂点情報として抽出し、基準点となるワー
クの頂点情報と入力された画像の頂点情報とを比較し
て、重ねて積まれた最も上に存在するワークの姿勢を判
別する。
重ねて積まれたワークのうち、最も上に存在するワーク
をピッキングするピッキング装置において、最も上に存
在するワークの位置を検出するワーク位置検出方法であ
って、基準となるワークの輪郭線を抽出して曲率が局所
的に最小になる画素を頂点情報として抽出して登録し、
入力された画像の輪郭線を抽出して曲率が局所的に最小
になる画素を頂点情報として抽出し、基準点となるワー
クの頂点情報と入力された画像の頂点情報とを比較し
て、重ねて積まれた最も上に存在するワークの姿勢を判
別する。
【０００９】請求項２に係る発明では、ワークの姿勢を
判別するために弛緩マッチングを用いて粗い位置決めが
行なわれる。
判別するために弛緩マッチングを用いて粗い位置決めが
行なわれる。
【００１０】請求項３に係る発明では、さらに、粗い位
置決めで求めたパラメータの近傍を微分画像でマッチン
グして精密な位置決めを行なう。
置決めで求めたパラメータの近傍を微分画像でマッチン
グして精密な位置決めを行なう。
【００１１】
【発明の実施の形態】図１はこの発明の一実施形態にお
けるワーク位置検出方法を用いたピッキング装置を示す
図である。図１において、容器１内に多数のワーク２が
積重ねられている。ワーク２は容器１の上方に設けられ
ているカメラ３によって撮像される。カメラ３の画像出
力は画像処理ユニット４に与えられて後述する画像処理
が行なわれて最も上のワークの姿勢が判別され、ピッキ
ング用ロボット５によってその最も上のワークがピッキ
ングされる。
けるワーク位置検出方法を用いたピッキング装置を示す
図である。図１において、容器１内に多数のワーク２が
積重ねられている。ワーク２は容器１の上方に設けられ
ているカメラ３によって撮像される。カメラ３の画像出
力は画像処理ユニット４に与えられて後述する画像処理
が行なわれて最も上のワークの姿勢が判別され、ピッキ
ング用ロボット５によってその最も上のワークがピッキ
ングされる。
【００１２】図２はこの発明の一実施形態におけるマス
タパターンの登録過程を示す図であり、図３は前処理
部，輪郭抽出部，頂点抽出部の詳細を具体的に示す図で
ある。まず、図２および図３を参照して、マスタパター
ンを登録する過程について説明する。マスタパターンの
登録過程は、図２に示すようにカメラ３で図１に示した
ワーク２が撮像され、その撮像出力は画像メモリ４１に
記憶された後、前処理部４２に与えられる。前処理部４
２では、図３（ａ）に示すように、画像メモリ４１に記
憶した画像が縦，横ともに１／２のサイズに圧縮され
る。このとき、２×２画素の平均値を濃度値とする圧縮
が行なわれ、平滑化が行なわれて微小なノイズが取除か
れて輪郭抽出部４３に与えられる。輪郭抽出部４３で
は、入力画像から輪郭線追跡の基準点として、たとえば
重心を求め、この重心を内部に持つ最も内側の輪郭が追
跡されて抽出される。抽出された輪郭線は頂点抽出部４
４に与えられる。頂点抽出部４４は抽出した輪郭線から
曲率が局所的に最小になる画像を頂点として抽出し、こ
のようにして検出された輪郭線と頂点情報とがメモリ４
５に記憶される。
タパターンの登録過程を示す図であり、図３は前処理
部，輪郭抽出部，頂点抽出部の詳細を具体的に示す図で
ある。まず、図２および図３を参照して、マスタパター
ンを登録する過程について説明する。マスタパターンの
登録過程は、図２に示すようにカメラ３で図１に示した
ワーク２が撮像され、その撮像出力は画像メモリ４１に
記憶された後、前処理部４２に与えられる。前処理部４
２では、図３（ａ）に示すように、画像メモリ４１に記
憶した画像が縦，横ともに１／２のサイズに圧縮され
る。このとき、２×２画素の平均値を濃度値とする圧縮
が行なわれ、平滑化が行なわれて微小なノイズが取除か
れて輪郭抽出部４３に与えられる。輪郭抽出部４３で
は、入力画像から輪郭線追跡の基準点として、たとえば
重心を求め、この重心を内部に持つ最も内側の輪郭が追
跡されて抽出される。抽出された輪郭線は頂点抽出部４
４に与えられる。頂点抽出部４４は抽出した輪郭線から
曲率が局所的に最小になる画像を頂点として抽出し、こ
のようにして検出された輪郭線と頂点情報とがメモリ４
５に記憶される。
【００１３】図４は位置認識過程を示す図であり、図５
はラベル対応の表を示す図であり、図６は頂点ラベルを
示す図であり、図７は変換後の頂点を示す図である。
はラベル対応の表を示す図であり、図６は頂点ラベルを
示す図であり、図７は変換後の頂点を示す図である。
【００１４】次に、図４〜図７を参照して、位置の認識
過程について説明する。図４において、マスタパターン
の登録過程と同様にして、カメラ３によって検出しよう
とするワークが撮像され、その画像出力が画像メモリ４
１に記憶され、前処理部４２で画像圧縮と平滑化が行な
われ、輪郭抽出部４３で重心の算出と輪郭線の追跡が行
なわれ、頂点抽出部４４で曲率が計算されて頂点情報が
抽出されて認識部４６に与えられる。
過程について説明する。図４において、マスタパターン
の登録過程と同様にして、カメラ３によって検出しよう
とするワークが撮像され、その画像出力が画像メモリ４
１に記憶され、前処理部４２で画像圧縮と平滑化が行な
われ、輪郭抽出部４３で重心の算出と輪郭線の追跡が行
なわれ、頂点抽出部４４で曲率が計算されて頂点情報が
抽出されて認識部４６に与えられる。
【００１５】認識部４６は粗サーチ部４７と精サーチ部
４８とを含む。粗サーチ部４７では、入力画像から抽出
された頂点情報と、マスタパターンの頂点情報とを用い
て、弛緩マッチングにより粗い位置決めが行なわれる。
入力画像とマスタパターンの頂点の各々に１から順番に
番号（ラベルと称する）がつけられる。次に、図５に示
すような両者の各ラベルの対応関係を表わすテーブルが
用意される。このテーブルは、入力画像の頂点ラベルと
マスタパターンの頂点ラベルとが対応しているときに
「１」になり、それ以外のときは「０」になるものであ
る。まず、このテーブルを初期化するために、入力画像
の頂点ラベルｉとマスタパターンの頂点ラベルｋにおけ
る曲率αの差部分が、あるしきい値以下のときは「１」
とし、そうでないときは「０」とする処理が行なわれ
る。
４８とを含む。粗サーチ部４７では、入力画像から抽出
された頂点情報と、マスタパターンの頂点情報とを用い
て、弛緩マッチングにより粗い位置決めが行なわれる。
入力画像とマスタパターンの頂点の各々に１から順番に
番号（ラベルと称する）がつけられる。次に、図５に示
すような両者の各ラベルの対応関係を表わすテーブルが
用意される。このテーブルは、入力画像の頂点ラベルと
マスタパターンの頂点ラベルとが対応しているときに
「１」になり、それ以外のときは「０」になるものであ
る。まず、このテーブルを初期化するために、入力画像
の頂点ラベルｉとマスタパターンの頂点ラベルｋにおけ
る曲率αの差部分が、あるしきい値以下のときは「１」
とし、そうでないときは「０」とする処理が行なわれ
る。
【００１６】次に、テーブルの値が「１」であるすべて
の対（ｉ，ｋ）について、次に示す更新処理が行なわれ
る。図６に示すように、（ｉ，ｋ）と、（ｉ，ｋ）のそ
れぞれに隣接する（ｊ，ｌ）との間でヘルマート変換の
係数ａ，ｂ，ｃ，ｄが求められる。ヘルマート変換は、
平行移動・回転・縮尺を考慮した座標変換法であり、座
標（ｘ，ｙ）が（ｕ，ｖ）に変換されたとすると、次式
で表わされる。
の対（ｉ，ｋ）について、次に示す更新処理が行なわれ
る。図６に示すように、（ｉ，ｋ）と、（ｉ，ｋ）のそ
れぞれに隣接する（ｊ，ｌ）との間でヘルマート変換の
係数ａ，ｂ，ｃ，ｄが求められる。ヘルマート変換は、
平行移動・回転・縮尺を考慮した座標変換法であり、座
標（ｘ，ｙ）が（ｕ，ｖ）に変換されたとすると、次式
で表わされる。
【００１７】 ｕ＝ａｘ−ｂｙ＋ｃ ｖ＝ｂｘ＋ａｙ＋ｄ 係数ａ，ｂが回転と縮尺を表わしており、係数ｃ，ｄが
平行移動を表わしており、縮尺Ｓおよび回転角θで
（ｍ，ｎ）だけ平行移動したとすると、次の関係式が成
立する。
平行移動を表わしており、縮尺Ｓおよび回転角θで
（ｍ，ｎ）だけ平行移動したとすると、次の関係式が成
立する。
【００１８】 ａ＝Ｓ×ｃｏｓθ ｂ＝Ｓ×ｓｉｎθ ｃ＝ｍ ｄ＝ｎ ここでは、入力画像の頂点ｉ，ｊがこの変換によってそ
れぞれｋ，ｌに変換されたものとする。この変換を
（ｉ，ｋ），（ｊ，ｌ）以外の対（ｐ，ｑ）に対して行
なったとき、図７に示すように、ｐの変換後の座標とｑ
の座標との距離があるしきい値以下になる（ｐ，ｑ）の
対をカウントしていく。このカウント値があるしきい値
以上のとき、ｉとｋとの対応が矛盾していないものと解
釈してテーブルの値は「１」とし、そうでないときは
「０」とする処理を行なってテーブル値を更新する。こ
の更新処理をＮ回行なって、最終的な（ｉ，ｋ）の対が
決定される。
れぞれｋ，ｌに変換されたものとする。この変換を
（ｉ，ｋ），（ｊ，ｌ）以外の対（ｐ，ｑ）に対して行
なったとき、図７に示すように、ｐの変換後の座標とｑ
の座標との距離があるしきい値以下になる（ｐ，ｑ）の
対をカウントしていく。このカウント値があるしきい値
以上のとき、ｉとｋとの対応が矛盾していないものと解
釈してテーブルの値は「１」とし、そうでないときは
「０」とする処理を行なってテーブル値を更新する。こ
の更新処理をＮ回行なって、最終的な（ｉ，ｋ）の対が
決定される。
【００１９】最後に、テーブル値が「１」なる（ｉ，
ｋ）の対と、（ｉ，ｋ）に隣接する（ｊ，ｌ）とで決ま
るヘルマート変換を（ｉ，ｋ）、（ｊ，ｌ）以外の対
（ｐ，ｑ）に対して行なったとき、ｐの変換後の座標と
ｑの座標との平均２乗誤差が最小になる変換係数ａ，
ｂ，ｃ，ｄを求める。係数ａ，ｂ，ｃ，ｄよりＳ，θ，
（ｍ，ｎ）を求め、粗サーチ部４７の位置情報とする。
ｋ）の対と、（ｉ，ｋ）に隣接する（ｊ，ｌ）とで決ま
るヘルマート変換を（ｉ，ｋ）、（ｊ，ｌ）以外の対
（ｐ，ｑ）に対して行なったとき、ｐの変換後の座標と
ｑの座標との平均２乗誤差が最小になる変換係数ａ，
ｂ，ｃ，ｄを求める。係数ａ，ｂ，ｃ，ｄよりＳ，θ，
（ｍ，ｎ）を求め、粗サーチ部４７の位置情報とする。
【００２０】次に、精サーチ部４８の動作について説明
する。精サーチ部４８では、粗サーチ部４７での結果
（Ｓ，θ，ｍ，ｎ）の近傍、 （Ｓ＋ΔＳ，θ＋Δθ，ｍ＋Δｍ，ｎ＋Δｎ） をサーチして、精密に位置決めを行なう。マスタパター
ンの輪郭線ｉを、 （Ｓ＋ΔＳ，θ＋Δθ，ｍ＋Δｍ，ｎ＋Δｎ） で変換し、変換後の輪郭線ｊの各々の画素に対応する入
力画像上の画素の微分値を積算していく。この積算値が
最大になる （Ｓ＋ΔＳ，θ＋Δθ，ｍ＋Δｍ，ｎ＋Δｎ） の組を求め、最終的な位置決め結果とする。
する。精サーチ部４８では、粗サーチ部４７での結果
（Ｓ，θ，ｍ，ｎ）の近傍、 （Ｓ＋ΔＳ，θ＋Δθ，ｍ＋Δｍ，ｎ＋Δｎ） をサーチして、精密に位置決めを行なう。マスタパター
ンの輪郭線ｉを、 （Ｓ＋ΔＳ，θ＋Δθ，ｍ＋Δｍ，ｎ＋Δｎ） で変換し、変換後の輪郭線ｊの各々の画素に対応する入
力画像上の画素の微分値を積算していく。この積算値が
最大になる （Ｓ＋ΔＳ，θ＋Δθ，ｍ＋Δｍ，ｎ＋Δｎ） の組を求め、最終的な位置決め結果とする。
【００２１】
【発明の効果】以上のように、この発明によれば、基準
となるワークの輪郭線を抽出して曲率が局所的に最小に
なる画素を頂点情報として抽出するとともに、入力され
た画像の輪郭線を抽出して曲率が局所的に最小になる画
像頂点情報として抽出して、両者の頂点情報を比較し
て、積重ねられた最も上に存在するワークの姿勢を判別
することにより、縮尺や回転を考慮に入れた重なり検出
が可能になる。
となるワークの輪郭線を抽出して曲率が局所的に最小に
なる画素を頂点情報として抽出するとともに、入力され
た画像の輪郭線を抽出して曲率が局所的に最小になる画
像頂点情報として抽出して、両者の頂点情報を比較し
て、積重ねられた最も上に存在するワークの姿勢を判別
することにより、縮尺や回転を考慮に入れた重なり検出
が可能になる。
【００２２】また、認識処理を粗サーチと精サーチとに
分けることにより、少量の情報で検出が可能になり、使
用メモリを軽減して処理効率を向上できる。
分けることにより、少量の情報で検出が可能になり、使
用メモリを軽減して処理効率を向上できる。
【図１】この発明の一実施形態におけるピッキング装置
を示す図である。
を示す図である。
【図２】この発明の一実施形態におけるマスタパターン
の登録過程を示す図である。
の登録過程を示す図である。
【図３】前処理部，輪郭抽出部，頂点抽出部の詳細図で
ある。
ある。
【図４】この発明の一実施形態における位置認識過程を
示す図である。
示す図である。
【図５】ラベルの対応表を示す図である。
【図６】頂点ラベルを示す図である。
【図７】変換後の頂点を示す図である。
１ 容器 ２ ワーク ３ カメラ ４ 画像処理ユニット ５ ピッキング用ロボット ４１ 画像メモリ ４２ 前処理部 ４３ 輪郭抽出部 ４４ 頂点抽出部 ４６ 認識部 ４７ 粗サーチ部 ４８ 精サーチ部
Claims (3)
- 【請求項１】 重ねて積まれたワークのうち、最も上に
存在するワークの位置を検出するワーク位置検出方法で
あって、 基準となるワークの輪郭線を抽出して、曲率が局所的に
最小になる画素を頂点情報として抽出し登録する第１の
ステップ、 入力された画像の輪郭線を抽出して曲率が局所的に最小
になる画素を頂点情報として抽出する第２のステップ、
および前記第１のステップで登録された基準点となるワ
ークの頂点情報と前記第２のステップで抽出されたワー
クの頂点情報とを比較して、前記重ねて積まれた最も上
に存在するワークの姿勢を判別する第３のステップを含
む、ワーク位置検出方法。 - 【請求項２】 前記ワークの姿勢を判別するために、弛
緩マッチングを用いて粗い位置決めを行なうことを特徴
とする、請求項１に記載のワーク位置検出方法。 - 【請求項３】 さらに、前記粗い位置決めで求めたパラ
メータの近傍を微分画像でマッチングして精密な位置決
めを行なうことを特徴とする、請求項２に記載のワーク
位置検出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9218639A JPH1166321A (ja) | 1997-08-13 | 1997-08-13 | ワーク位置検出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9218639A JPH1166321A (ja) | 1997-08-13 | 1997-08-13 | ワーク位置検出方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1166321A true JPH1166321A (ja) | 1999-03-09 |
Family
ID=16723108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9218639A Withdrawn JPH1166321A (ja) | 1997-08-13 | 1997-08-13 | ワーク位置検出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1166321A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006000428A (ja) * | 2004-06-18 | 2006-01-05 | Secom Co Ltd | 食事支援装置 |
| JPWO2006059676A1 (ja) * | 2004-12-02 | 2008-08-07 | 村田機械株式会社 | 自動倉庫 |
| JP2009220247A (ja) * | 2008-03-18 | 2009-10-01 | Ihi Corp | ロボット装置及びロボット装置の制御方法 |
| CN103764304A (zh) * | 2011-04-05 | 2014-04-30 | 泽恩机器人有限公司 | 在机器人系统中拾取动作之后使传感器测量值无效的方法 |
| CN109956251A (zh) * | 2019-04-19 | 2019-07-02 | 深圳蓝胖子机器人有限公司 | 一种货物识别抓取方法、设备以及存储介质 |
| CN110615227A (zh) * | 2019-09-10 | 2019-12-27 | 灵动科技（北京）有限公司 | 自动搬运系统 |
| CN113295096A (zh) * | 2020-02-24 | 2021-08-24 | 青岛海尔模具有限公司 | 一种工件的加工装置及其加工方法 |
| WO2021249570A1 (zh) * | 2020-06-12 | 2021-12-16 | 深圳市海柔创新科技有限公司 | 仓储机器人的控制方法、装置、机器人和仓储系统 |
-
1997
- 1997-08-13 JP JP9218639A patent/JPH1166321A/ja not_active Withdrawn
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006000428A (ja) * | 2004-06-18 | 2006-01-05 | Secom Co Ltd | 食事支援装置 |
| JPWO2006059676A1 (ja) * | 2004-12-02 | 2008-08-07 | 村田機械株式会社 | 自動倉庫 |
| JP4582421B2 (ja) * | 2004-12-02 | 2010-11-17 | 村田機械株式会社 | 自動倉庫 |
| JP2009220247A (ja) * | 2008-03-18 | 2009-10-01 | Ihi Corp | ロボット装置及びロボット装置の制御方法 |
| CN103764304A (zh) * | 2011-04-05 | 2014-04-30 | 泽恩机器人有限公司 | 在机器人系统中拾取动作之后使传感器测量值无效的方法 |
| JP2014511772A (ja) * | 2011-04-05 | 2014-05-19 | ゼンロボティクス オイ | ロボットシステムにおいてピッキング動作後にセンサ測定値を無効にする方法 |
| CN109956251A (zh) * | 2019-04-19 | 2019-07-02 | 深圳蓝胖子机器人有限公司 | 一种货物识别抓取方法、设备以及存储介质 |
| CN110615227A (zh) * | 2019-09-10 | 2019-12-27 | 灵动科技（北京）有限公司 | 自动搬运系统 |
| CN110615227B (zh) * | 2019-09-10 | 2021-08-06 | 灵动科技（北京）有限公司 | 自动搬运系统 |
| CN113295096A (zh) * | 2020-02-24 | 2021-08-24 | 青岛海尔模具有限公司 | 一种工件的加工装置及其加工方法 |
| WO2021249570A1 (zh) * | 2020-06-12 | 2021-12-16 | 深圳市海柔创新科技有限公司 | 仓储机器人的控制方法、装置、机器人和仓储系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hodaň et al. | Detection and fine 3D pose estimation of texture-less objects in RGB-D images | |
| Chua et al. | Point signatures: A new representation for 3d object recognition | |
| Rusu et al. | Fast 3d recognition and pose using the viewpoint feature histogram | |
| Wolfson | Model-based object recognition by geometric hashing | |
| Aldoma et al. | CAD-model recognition and 6DOF pose estimation using 3D cues | |
| US8994723B2 (en) | Recognition and pose determination of 3D objects in multimodal scenes | |
| Drost et al. | 3d object detection and localization using multimodal point pair features | |
| US8908913B2 (en) | Voting-based pose estimation for 3D sensors | |
| CN101777128B (zh) | 一种融入全局信息的指纹细节点匹配方法及系统 | |
| US8830229B2 (en) | Recognition and pose determination of 3D objects in 3D scenes | |
| Azad et al. | Stereo-based 6d object localization for grasping with humanoid robot systems | |
| Biegelbauer et al. | Efficient 3D object detection by fitting superquadrics to range image data for robot's object manipulation | |
| Lysenkov et al. | Pose estimation of rigid transparent objects in transparent clutter | |
| Beveridge et al. | Combinatorial optimization applied to variable scale 2d model matching | |
| Chen et al. | Robust affine-invariant line matching for high resolution remote sensing images | |
| Yang et al. | Polygon-invariant generalized Hough transform for high-speed vision-based positioning | |
| CN104866854B (zh) | 基于同底三角形面积描述的目标识别和形状检索方法 | |
| Zong et al. | A fast and accurate planar-feature-based global scan registration method | |
| JPH1166321A (ja) | ワーク位置検出方法 | |
| Azad et al. | Accurate shape-based 6-dof pose estimation of single-colored objects | |
| Tsai et al. | Real-time textureless object detection and recognition based on an edge-based hierarchical template matching algorithm | |
| JP4793109B2 (ja) | 物体検出法およびロボット | |
| Nguyen et al. | Determination of 3D object pose in point cloud with CAD model | |
| CN102004921A (zh) | 基于图像特征分析的目标辨识方法 | |
| JP2017091202A (ja) | 物体認識方法及び物体認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20041102 |