JPS61147381A - 重畳パタ−ンの識別方法 - Google Patents
重畳パタ−ンの識別方法Info
- Publication number
- JPS61147381A JPS61147381A JP59267426A JP26742684A JPS61147381A JP S61147381 A JPS61147381 A JP S61147381A JP 59267426 A JP59267426 A JP 59267426A JP 26742684 A JP26742684 A JP 26742684A JP S61147381 A JPS61147381 A JP S61147381A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- structural description
- description parameters
- check object
- polygons
- 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】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
この発明は、パターン認識技術により物体の形状２寸法
を計測して物体を識別する識別装置、特に円と多角形が
重畳した重畳パターンの識別装置に関する。
を計測して物体を識別する識別装置、特に円と多角形が
重畳した重畳パターンの識別装置に関する。
各種の産業分野において、対象となる物体を識別するニ
ーズは多い。例えば、製品の組立を行なうために各構成
部品を識別してハンドリング、組立を行なう場合がそ５
である。この場合の識別の手法としては各種の例がある
が、その代表的なものはスタンフォード大学で開発され
たスタンフォードアルゴリズムと呼ばれるものである。
ーズは多い。例えば、製品の組立を行なうために各構成
部品を識別してハンドリング、組立を行なう場合がそ５
である。この場合の識別の手法としては各種の例がある
が、その代表的なものはスタンフォード大学で開発され
たスタンフォードアルゴリズムと呼ばれるものである。
第９図はメタ／フォードアルゴリズムの概要を説明する
ための概要図である。
ための概要図である。
まず、対象物体を白、黒レベルで２値化し、この２値化
されたデータからランレングス（白または黒ランの長さ
）によるコード化を行なう。次いで、う／レングス化さ
れたデータについて連結性解析を行ない、種々の特徴を
計算する。この基本的な特徴の計算をもとにして、さら
に多くの有用な特徴パラメータを計算する。基本的な特
徴としては多くのものがあるが、例えば第９図の如く対
象物ＯＢの全面積Ｓ、対象物ＯＢの中の穴Ｈの面積の和
、穴Ｈの数２周囲長り、対象物の重心から輪郭点までの
半径の最大［ＲｍａＸ ｅ重心から輪郭点までの半径の
最小［Ｒｍｌｎｙ対象物の重心ＰＣ（Ｘ（ｌ ＹＣ）ｊ
Ｘ軸投影値の最大［（Ｘｍａｘ ） ｔ Ｘ軸投影値
の最小値（Ｘｍｌｎ）ｓＹ軸投影値の最大値（Ｙｍａｘ
）、最小値（Ｙｍｉｎ）等がある。さらに、これらの各
特徴量またはこれらの組合せによる特徴量としては多く
のパラメータがあり、例えばＰｒｏｕｎｄ ＝ ４πＳ
／Ｌ”ｐＲｒａｔムＯ＝ Ｒｍ ａＸ ／ Ｒｍｉｎ
ｊＸｄｉｆ ” Ｘｍａｘ Ｘｍ１ｎ ｓ Ｙｄｉｆ
ＨＹｍａｘ Ｙｍｉｎ等が考えられる。そして、こ
れらのパラメータを手がかりとして識別を行なうが、そ
の処理手順としては予め対象サンプルの学習をさせてお
いてから識別を行なう。すなわち、各対象物を互いに独
立にテレビカメラの視野内機カ所に配置して上記パラメ
ータを計算し、統計処理を行なった後に平均値と標準偏
差値を計算し記憶する操作が行なわれる。なお、この操
作は全ての対象物に対して行なわれる。ついで、任意の
検査対象物について特徴パラメータを求め、このパラメ
ータ直を各標準データと比較し、最も近いものでその差
が成る許容値以下の時に特定の対象物と判定する。この
とき、対象パターンの形状の複雑さや対象物の種類によ
り、識別精度（正確さ）や処理時間を考慮して、適切な
パラメータを選択して使用するようにする。
されたデータからランレングス（白または黒ランの長さ
）によるコード化を行なう。次いで、う／レングス化さ
れたデータについて連結性解析を行ない、種々の特徴を
計算する。この基本的な特徴の計算をもとにして、さら
に多くの有用な特徴パラメータを計算する。基本的な特
徴としては多くのものがあるが、例えば第９図の如く対
象物ＯＢの全面積Ｓ、対象物ＯＢの中の穴Ｈの面積の和
、穴Ｈの数２周囲長り、対象物の重心から輪郭点までの
半径の最大［ＲｍａＸ ｅ重心から輪郭点までの半径の
最小［Ｒｍｌｎｙ対象物の重心ＰＣ（Ｘ（ｌ ＹＣ）ｊ
Ｘ軸投影値の最大［（Ｘｍａｘ ） ｔ Ｘ軸投影値
の最小値（Ｘｍｌｎ）ｓＹ軸投影値の最大値（Ｙｍａｘ
）、最小値（Ｙｍｉｎ）等がある。さらに、これらの各
特徴量またはこれらの組合せによる特徴量としては多く
のパラメータがあり、例えばＰｒｏｕｎｄ ＝ ４πＳ
／Ｌ”ｐＲｒａｔムＯ＝ Ｒｍ ａＸ ／ Ｒｍｉｎ
ｊＸｄｉｆ ” Ｘｍａｘ Ｘｍ１ｎ ｓ Ｙｄｉｆ
ＨＹｍａｘ Ｙｍｉｎ等が考えられる。そして、こ
れらのパラメータを手がかりとして識別を行なうが、そ
の処理手順としては予め対象サンプルの学習をさせてお
いてから識別を行なう。すなわち、各対象物を互いに独
立にテレビカメラの視野内機カ所に配置して上記パラメ
ータを計算し、統計処理を行なった後に平均値と標準偏
差値を計算し記憶する操作が行なわれる。なお、この操
作は全ての対象物に対して行なわれる。ついで、任意の
検査対象物について特徴パラメータを求め、このパラメ
ータ直を各標準データと比較し、最も近いものでその差
が成る許容値以下の時に特定の対象物と判定する。この
とき、対象パターンの形状の複雑さや対象物の種類によ
り、識別精度（正確さ）や処理時間を考慮して、適切な
パラメータを選択して使用するようにする。
かかる方法では、対象パターンの形状が複雑で対象物の
種類が多い程、識別精度は低下する。このため、より多
くのパラメータが必要となり、演算時間も長くなる。従
って、条件によっては識別不可能となる場合も発生する
。−万、「重畳あるいは接触した物体を識別する」ニー
ズは、各種産業分野のうちでも、特に医療における粒子
計測の分野等において高い。しかし、上記の識別方法は
対象物体が独立して存在する場合にはまだしも、対象物
体が重畳している場合に適用すると対象物の識別が不可
能となるか、誤判定を起こすような場合が多く発生する
という問題がある。その理由は、例えば対象物体の組合
せが一定でも物体の重畳の程度や物体の位置、姿勢によ
り前述の各種特徴＠（例えば面積２周囲長、投影長さ、
穴の個数とその面積等）が大幅に変化してしまうためで
ある。このため、部品組立等を行なうに当たっては、ま
ず各部品を機械的な方法で分離してからラインに供給す
る等の方法を採用しており、このような制約条件のため
にフレキシブルで安価な組立作業の実現が困難となって
いる。また、医療の粒子解析の分野の如く本質的に重畳
物体の識別が必要な分野も多く、これらのニーズに叶う
識別方法の出現が望まれている。
種類が多い程、識別精度は低下する。このため、より多
くのパラメータが必要となり、演算時間も長くなる。従
って、条件によっては識別不可能となる場合も発生する
。−万、「重畳あるいは接触した物体を識別する」ニー
ズは、各種産業分野のうちでも、特に医療における粒子
計測の分野等において高い。しかし、上記の識別方法は
対象物体が独立して存在する場合にはまだしも、対象物
体が重畳している場合に適用すると対象物の識別が不可
能となるか、誤判定を起こすような場合が多く発生する
という問題がある。その理由は、例えば対象物体の組合
せが一定でも物体の重畳の程度や物体の位置、姿勢によ
り前述の各種特徴＠（例えば面積２周囲長、投影長さ、
穴の個数とその面積等）が大幅に変化してしまうためで
ある。このため、部品組立等を行なうに当たっては、ま
ず各部品を機械的な方法で分離してからラインに供給す
る等の方法を採用しており、このような制約条件のため
にフレキシブルで安価な組立作業の実現が困難となって
いる。また、医療の粒子解析の分野の如く本質的に重畳
物体の識別が必要な分野も多く、これらのニーズに叶う
識別方法の出現が望まれている。
〔問題点を解決するための手段および作用〕標準パター
ンとなる複数種の円および多角形のそれぞれの構造記述
パラメータを前もって解析して所定のメモリに格納して
おく一方、円と多角形が重畳した検査対象パターンを画
像処理してその輪郭を抽出しこの輪郭を折れ点毎に分割
してそれぞれを構造記述パラメータで表現しその各々に
ついて標準パターンの構造記述パラメータと比較。
ンとなる複数種の円および多角形のそれぞれの構造記述
パラメータを前もって解析して所定のメモリに格納して
おく一方、円と多角形が重畳した検査対象パターンを画
像処理してその輪郭を抽出しこの輪郭を折れ点毎に分割
してそれぞれを構造記述パラメータで表現しその各々に
ついて標準パターンの構造記述パラメータと比較。
照合して総合的に判定することにより、検査対象パター
ンが如何なる種類の円と多角形とから成っているかを識
別する。
ンが如何なる種類の円と多角形とから成っているかを識
別する。
第１図はこの発明の詳細な説明するための参照図、第２
図はこの発明が実施されるパターン識別装置を示すブロ
ック図、第３図は輪郭点座標のメモリへの記憶態様を示
すε照図、第４図は折れ点毎の輪郭点座標のメそすへの
記憶態様を示す参照図、第５図は折れ点を結ぶ線分の直
線性を判定する手法を説明するための概念図、第６図は
成る多角形に関する標準パターンの構造記述例を示す参
照図、第７図は２つの円弧の統合方法を説明するための
概念図、第８図は多角形の整理、統合方法を説明するた
めの説明図である。なお、第２図において、１は物体（
検査対象パターン）、２は照明装置、３は撮像装置（テ
レビカメラ）、４はアナログ／ディジタル（Ａ／Ｄ ）
変換器、５は前処理回路、６は特徴抽出回路、７は画像
メモリ、８はディジタル処理装置（マイクロコンピュー
タ）である。
図はこの発明が実施されるパターン識別装置を示すブロ
ック図、第３図は輪郭点座標のメモリへの記憶態様を示
すε照図、第４図は折れ点毎の輪郭点座標のメそすへの
記憶態様を示す参照図、第５図は折れ点を結ぶ線分の直
線性を判定する手法を説明するための概念図、第６図は
成る多角形に関する標準パターンの構造記述例を示す参
照図、第７図は２つの円弧の統合方法を説明するための
概念図、第８図は多角形の整理、統合方法を説明するた
めの説明図である。なお、第２図において、１は物体（
検査対象パターン）、２は照明装置、３は撮像装置（テ
レビカメラ）、４はアナログ／ディジタル（Ａ／Ｄ ）
変換器、５は前処理回路、６は特徴抽出回路、７は画像
メモリ、８はディジタル処理装置（マイクロコンピュー
タ）である。
以下、これらの図を参照してその動作を説明する。
対象物１は照明装＃２によって照明される。こＮに、対
象物１はその背景に対して充分なコントラストをもつよ
うＫする。対象物１の光学像はテレビカメラの如き撮像
装置３によって映像信号（ビデオ信号）に変換され、Ａ
／Ｄ変換器４により例えば白、黒レベルに２値化される
とともに前処理回路５にてノイズ処理等の前処理が行な
われる。
象物１はその背景に対して充分なコントラストをもつよ
うＫする。対象物１の光学像はテレビカメラの如き撮像
装置３によって映像信号（ビデオ信号）に変換され、Ａ
／Ｄ変換器４により例えば白、黒レベルに２値化される
とともに前処理回路５にてノイズ処理等の前処理が行な
われる。
次いで、特徴抽出回路６によって特徴抽出が行なわれ、
そのデータは画像メモリ７へＤＭＡ（／イレクトメモリ
アクセス）方式で記憶される。マイクロプロセッサ８は
、画像メモリ７に格納されたランレングス化またはセグ
メント化されたデータにもとづいてその連結性解析を行
ない、対象物とみなしうる１グのパターン、すなわちこ
〜では第１図に示されるよ５な円Ｃと三角形Ｔが重畳さ
れたパターン（プロブ； ＢＬＯＢ）を抽出する。次い
で、公知の輪郭追跡法によって画像メモリ７から輪郭点
座標（Ｘ＋ｙ）データを抽出し、所定のメモリへ第３図
の如く順次格納する。なお、第３図には輪郭点のＸ座標
データＸ 、 ・・・・・・とｙ座標Ｘ２ データ）’１ｊ ）’２・曲・とがアドレス順に記憶さ
れた例が示されている。次に、この輪郭を折れ点（変曲
点）によって分割すべく、輪郭線上にサンプリング点を
第１図のＰ １ ｓ Ｐ ２・・・・・・Ｐｉ・・・・
・・Ｐｋ・・・・・・Ｐｊ＋１・・・・・・の如く設定
する。このとき、これらサンプリング点はそのスタート
点をＰｌ（ｘｌ、 ｙ、 ）とし、図示の如く略等間隔
のピッチをもって設定するものとする。なお、と〜では
輪郭点（Ｘ１ｐ Ｙｌ ）ｐ（Ｘ２＊ ）’２ ）・・
・・・・とサンプリング点Ｐ１．Ｐ２・・曲とが１対１
に対応しているものとして説明を進める。こうして抽出
される点の１つＰ！（ｘｌ、ｙθに対して隣接点Ｐｉ−
１（ｘｌ−１，Ｙｉ−ｔ ）およびＰ ｌ＋１（ｘ ４
＋１ ｐ ｙ ｆｆｌ＋１ ）を考え、これらのサンプ
リング点間で凹凸の度合を考える。この凹凸の度合は凹
凸値Ｋ（Ｋ＝！傾きの変化量／サンプリング間隔）をも
って定義する。こ〜に、傾きの変化量は（Ｐ ｉ−１→
Ｐｉの傾き〕から（ｐｔ→Ｐ ｌ＋１の傾き〕への変化
を表わし、その符号についてはパターン（プロプ）の外
側に対し凸のとき正とし、凹のとき負とする。例えば、
第１図では円Ｃ部分では正となり、三角形Ｔの直線部分
ではほぼＯＫ近い直となる。円Ｃと三角形Ｔとの重畳点
Ｑ１とＱ２は、凹凸値がこの付近で負の大きな値（凹み
）を示すことを利用して検出する。また、三角形Ｔの頂
点Ｑ３．Ｑ４およびＱ５は、凹凸値が正の大きな［（凸
）を示すことを利用して検出する。折れ点Ｑ１．Ｑ２．
Ｑ３．Ｑ４およびＱ５の位置を精度良く求めるには、折
れ点を検出する近傍で前述のサンプリング間隔よりも更
に細かくサンプリングするか、あるいはサンプリング位
置をずらすことＫより傾き変化の極ＩＩｉ！（極大、極
小値）として求めるようＫする。なお、凹凸度の演算は
フリーマンコードと呼ばれる方向コードによって簡単化
することもできる。このようにして、検査対象物の輪郭
図形を各部分Ｑ１→Ｑ２．Ｑ２→Ｑ５．Ｑ４→ＱａｐＱ
４→Ｑｓ、Ｑｓ→Ｑ１に分割し、この分割単位毎にその
輪郭点座標ｘ、ｙを所定のメモリ上に第４図の如（配列
して記憶する。
そのデータは画像メモリ７へＤＭＡ（／イレクトメモリ
アクセス）方式で記憶される。マイクロプロセッサ８は
、画像メモリ７に格納されたランレングス化またはセグ
メント化されたデータにもとづいてその連結性解析を行
ない、対象物とみなしうる１グのパターン、すなわちこ
〜では第１図に示されるよ５な円Ｃと三角形Ｔが重畳さ
れたパターン（プロブ； ＢＬＯＢ）を抽出する。次い
で、公知の輪郭追跡法によって画像メモリ７から輪郭点
座標（Ｘ＋ｙ）データを抽出し、所定のメモリへ第３図
の如く順次格納する。なお、第３図には輪郭点のＸ座標
データＸ 、 ・・・・・・とｙ座標Ｘ２ データ）’１ｊ ）’２・曲・とがアドレス順に記憶さ
れた例が示されている。次に、この輪郭を折れ点（変曲
点）によって分割すべく、輪郭線上にサンプリング点を
第１図のＰ １ ｓ Ｐ ２・・・・・・Ｐｉ・・・・
・・Ｐｋ・・・・・・Ｐｊ＋１・・・・・・の如く設定
する。このとき、これらサンプリング点はそのスタート
点をＰｌ（ｘｌ、 ｙ、 ）とし、図示の如く略等間隔
のピッチをもって設定するものとする。なお、と〜では
輪郭点（Ｘ１ｐ Ｙｌ ）ｐ（Ｘ２＊ ）’２ ）・・
・・・・とサンプリング点Ｐ１．Ｐ２・・曲とが１対１
に対応しているものとして説明を進める。こうして抽出
される点の１つＰ！（ｘｌ、ｙθに対して隣接点Ｐｉ−
１（ｘｌ−１，Ｙｉ−ｔ ）およびＰ ｌ＋１（ｘ ４
＋１ ｐ ｙ ｆｆｌ＋１ ）を考え、これらのサンプ
リング点間で凹凸の度合を考える。この凹凸の度合は凹
凸値Ｋ（Ｋ＝！傾きの変化量／サンプリング間隔）をも
って定義する。こ〜に、傾きの変化量は（Ｐ ｉ−１→
Ｐｉの傾き〕から（ｐｔ→Ｐ ｌ＋１の傾き〕への変化
を表わし、その符号についてはパターン（プロプ）の外
側に対し凸のとき正とし、凹のとき負とする。例えば、
第１図では円Ｃ部分では正となり、三角形Ｔの直線部分
ではほぼＯＫ近い直となる。円Ｃと三角形Ｔとの重畳点
Ｑ１とＱ２は、凹凸値がこの付近で負の大きな値（凹み
）を示すことを利用して検出する。また、三角形Ｔの頂
点Ｑ３．Ｑ４およびＱ５は、凹凸値が正の大きな［（凸
）を示すことを利用して検出する。折れ点Ｑ１．Ｑ２．
Ｑ３．Ｑ４およびＱ５の位置を精度良く求めるには、折
れ点を検出する近傍で前述のサンプリング間隔よりも更
に細かくサンプリングするか、あるいはサンプリング位
置をずらすことＫより傾き変化の極ＩＩｉ！（極大、極
小値）として求めるようＫする。なお、凹凸度の演算は
フリーマンコードと呼ばれる方向コードによって簡単化
することもできる。このようにして、検査対象物の輪郭
図形を各部分Ｑ１→Ｑ２．Ｑ２→Ｑ５．Ｑ４→ＱａｐＱ
４→Ｑｓ、Ｑｓ→Ｑ１に分割し、この分割単位毎にその
輪郭点座標ｘ、ｙを所定のメモリ上に第４図の如（配列
して記憶する。
次に、各分割輪郭領Ｑ１→Ｑ２．Ｑ２→Ｑｓ、Ｑｓ→Ｑ
４．Ｑ４→Ｑｓ、Ｑｓ→Ｑ１の識別、すなわち各折れ点
を結ぶ線分が円の１部（円弧）であるか、または多角形
の一部（直線）であるかの識別が行なわ、れるが、この
識別については上記と同様に適宜なサンプリング点を設
定して行なわれる。まず、注目する線分についてその直
線性を識別するには、イ）例えば第５図の如き連続する
サンプリング点Ｐｉ ｐ Ｐ ｌ＋１ ｐ Ｐ ｌ＋２
・・・・・・Ｐ ｊ−１ｓ Ｐ ｊにおいて、先に定義
した凹凸値の絶対値が許容値（ＯＫ近い値）よりも小さ
い。
４．Ｑ４→Ｑｓ、Ｑｓ→Ｑ１の識別、すなわち各折れ点
を結ぶ線分が円の１部（円弧）であるか、または多角形
の一部（直線）であるかの識別が行なわ、れるが、この
識別については上記と同様に適宜なサンプリング点を設
定して行なわれる。まず、注目する線分についてその直
線性を識別するには、イ）例えば第５図の如き連続する
サンプリング点Ｐｉ ｐ Ｐ ｌ＋１ ｐ Ｐ ｌ＋２
・・・・・・Ｐ ｊ−１ｓ Ｐ ｊにおいて、先に定義
した凹凸値の絶対値が許容値（ＯＫ近い値）よりも小さ
い。
口）例えば第５図の如き線分の両端点Ｐｉ、ＰＪを含む
サンプリング点Ｐｉｓ Ｐｋ、Ｐｊ （たｙし、点Ｐ
ｋは線分の中央部に設定する。）Ｋ′Ｍいて、その凹凸
値の絶対値が許容値（０に近いＩｔｌ！ ）よりも小さ
い。
サンプリング点Ｐｉｓ Ｐｋ、Ｐｊ （たｙし、点Ｐ
ｋは線分の中央部に設定する。）Ｋ′Ｍいて、その凹凸
値の絶対値が許容値（０に近いＩｔｌ！ ）よりも小さ
い。
とい５２つの条件を満たすとき、着目する線分は直線で
あると識別する。
あると識別する。
一方、着目する線分が円弧であるか否かは、１）連続す
るサンプリング点における凹凸値が小さく、かつその符
号が一定である。
るサンプリング点における凹凸値が小さく、かつその符
号が一定である。
２）サンプリングした６点を通る円を考え、その円の中
心座標と半径を演算し、これらの咳がともに近いもの同
志を同一円弧の候補としてつないで行く。そして、サン
プリング点を多くとりまたはサンプリング間隔を変えて
統計的手法により平均半径と平均中心座標を演算し、こ
れをもとにして再度着目線分の各部分毎の半径、中心座
標を調べて、これがその平均値とくらべて成る許容咳以
内にある。
心座標と半径を演算し、これらの咳がともに近いもの同
志を同一円弧の候補としてつないで行く。そして、サン
プリング点を多くとりまたはサンプリング間隔を変えて
統計的手法により平均半径と平均中心座標を演算し、こ
れをもとにして再度着目線分の各部分毎の半径、中心座
標を調べて、これがその平均値とくらべて成る許容咳以
内にある。
という２つの条件を満たすとき、円弧と識別する。
このようにして、例えば第１図の線分Ｑ１→Ｑ２は円の
１部（円弧）であり、Ｑ２→Ｑ！、Ｑ３→Ｑ４゜Ｑ４→
Ｑｓ、Ｑｓ→Ｑ１は直線であることを検出する。
１部（円弧）であり、Ｑ２→Ｑ！、Ｑ３→Ｑ４゜Ｑ４→
Ｑｓ、Ｑｓ→Ｑ１は直線であることを検出する。
次に、円弧を示す線分Ｑ１→Ｑについて、それがどのよ
うな円弧であるのか、また多角形の各辺を示す線分Ｑ２
→Ｑ４．Ｑ３→Ｑａ、Ｑａ→Ｑｓ、Ｑｓ→Ｑ１ がどの
ような多角形のどの辺と対応するものであるかを表現す
るために、円または多角形の構造を記述する。円の構造
記述パラメータは簡単で、 １）平均半径 ２）平均凹凸値 の２つである。一方、多角形の構造記述パラメータは、 １）各辺の番号と長さ ２）内角（次の辺との角度） ３）辺の中点ま九は頂点等の代表点間距離Ｌｉ、ｋ（こ
へに、ｌは辺番号Ｉの中点または頂点を、またｋは辺番
号にの中点または頂点を意味している。）４）その他；
例えば、辺の接続順序（例えば、各辺の番号を順番にメ
モリへ記憶しておく。）または総辺数など である。
うな円弧であるのか、また多角形の各辺を示す線分Ｑ２
→Ｑ４．Ｑ３→Ｑａ、Ｑａ→Ｑｓ、Ｑｓ→Ｑ１ がどの
ような多角形のどの辺と対応するものであるかを表現す
るために、円または多角形の構造を記述する。円の構造
記述パラメータは簡単で、 １）平均半径 ２）平均凹凸値 の２つである。一方、多角形の構造記述パラメータは、 １）各辺の番号と長さ ２）内角（次の辺との角度） ３）辺の中点ま九は頂点等の代表点間距離Ｌｉ、ｋ（こ
へに、ｌは辺番号Ｉの中点または頂点を、またｋは辺番
号にの中点または頂点を意味している。）４）その他；
例えば、辺の接続順序（例えば、各辺の番号を順番にメ
モリへ記憶しておく。）または総辺数など である。
なお、標準のパターンとなる複数種の円および多角形に
ついてはそれぞれ上記の如き構造の記述がなされ、所定
のメモリに記憶されている。第６図は、成る多角形に関
する標準パターンの構造記述例を示している。こ〜では
、上記４）のその他の項目を除く全ての項目に関するデ
ータが格納されている。したがって、各折れ点間を結ぶ
線分毎の構造記述パラメータを標準のそれと比較するこ
とにより、各線分が如何なる円または多角形の一部をな
すものであるかを識別することができる。
ついてはそれぞれ上記の如き構造の記述がなされ、所定
のメモリに記憶されている。第６図は、成る多角形に関
する標準パターンの構造記述例を示している。こ〜では
、上記４）のその他の項目を除く全ての項目に関するデ
ータが格納されている。したがって、各折れ点間を結ぶ
線分毎の構造記述パラメータを標準のそれと比較するこ
とにより、各線分が如何なる円または多角形の一部をな
すものであるかを識別することができる。
次いで、検査対象バター／を整理、統合する総合判定が
以下の如く行なわれる。
以下の如く行なわれる。
例えば、成る２つの線分が第７図の如く円弧ＡｌｔＡ２
として識別されたものとすると、それぞれの構造記述パ
ラメータ（半径Ｒ１，Ｒ２、中心座Ｉｌｌ Ｘ １ｐＹ
１、Ｘ２．Ｙ２）を互いに比較し、それぞれが所定の許
容誤差内にあれば両者は同じ円を形成するものとみなし
て、１つに統合する。一方、多角形の場合も構造記述パ
ラメータについて検査対象物のそれと標準のそれとを互
いに照合することにより、着目線分がどの多角形のどの
部分であるかを識別することができる。たｙ、多角形と
云っても辺の長さや頂角の大きさまたはその数によって
多数のものが存在するので、例えば各辺の配列（各辺間
の距離）等から真に１対１に対応するもの同志を統合す
ることが必要である。第８図はそのための１つの方法を
示すもので、パターン種別と番号とを用いて一義的に表
現する例である。こへでは、多角形番号が「２」とナン
バリングされたものについて、標準パターン種別が５ｌ
（ｉ番）であればＳ ｔ ｓ ２ 、つまり標準パター
ンｉの２番目と表現することＫより、種別および番号が
一致する標準パターンを容易に知ることができるように
している。
として識別されたものとすると、それぞれの構造記述パ
ラメータ（半径Ｒ１，Ｒ２、中心座Ｉｌｌ Ｘ １ｐＹ
１、Ｘ２．Ｙ２）を互いに比較し、それぞれが所定の許
容誤差内にあれば両者は同じ円を形成するものとみなし
て、１つに統合する。一方、多角形の場合も構造記述パ
ラメータについて検査対象物のそれと標準のそれとを互
いに照合することにより、着目線分がどの多角形のどの
部分であるかを識別することができる。たｙ、多角形と
云っても辺の長さや頂角の大きさまたはその数によって
多数のものが存在するので、例えば各辺の配列（各辺間
の距離）等から真に１対１に対応するもの同志を統合す
ることが必要である。第８図はそのための１つの方法を
示すもので、パターン種別と番号とを用いて一義的に表
現する例である。こへでは、多角形番号が「２」とナン
バリングされたものについて、標準パターン種別が５ｌ
（ｉ番）であればＳ ｔ ｓ ２ 、つまり標準パター
ンｉの２番目と表現することＫより、種別および番号が
一致する標準パターンを容易に知ることができるように
している。
この発明によれば、識別可能な図形が多角形。
円と制約はされるが、少なくとも重畳図形を比較的簡単
な手法で識別することが可能となる利点がもたらされる
。このため、部品のハンドリング・組立工機において、
各部品を機械的な方法等により分離して供給する必要が
なくなり、低コストでフレキシブルな工程を実現するこ
とができる（すなわち、従来法では分離機構を製作し、
しかも製品の仕様変更で部品変更が発生するたびに分離
機構を用意しなければならなかった。）。また、前述の
粒子解析等にみられるように、本質的に重畳がさけられ
ないニーズに対しても、従来の目視検査に代えて適用す
ることが可能となる、などの利点が得られるものである
。
な手法で識別することが可能となる利点がもたらされる
。このため、部品のハンドリング・組立工機において、
各部品を機械的な方法等により分離して供給する必要が
なくなり、低コストでフレキシブルな工程を実現するこ
とができる（すなわち、従来法では分離機構を製作し、
しかも製品の仕様変更で部品変更が発生するたびに分離
機構を用意しなければならなかった。）。また、前述の
粒子解析等にみられるように、本質的に重畳がさけられ
ないニーズに対しても、従来の目視検査に代えて適用す
ることが可能となる、などの利点が得られるものである
。
第１図はこの発明の詳細な説明するための参照図、第２
図はこの発明が実施されるパターン識別装置を示すブロ
ック図、第３図は輪郭点座標のメモリへの記憶態様を示
す参照図、第４図は折れ点毎の輪郭点座標のメモリへの
記憶態様を示す参照図、第５図は折れ点を結ぶ線分の直
線性を判定する手法を説明するための概念図、第６図は
成る多角形に関する標準パターンの構造記述例を示す参
照図、第７図は２つの円弧の統合方法を説明するための
概念図、第８図は多角形の整理、統合方法を説明するた
めの説明図、第９図は対象図形の特徴パラメータを説明
するための参照図である。 符号説明 １・・・・・・物体（検査対象パターン）、２・・・・
・・照明装置、３・・・・・・撮像装置（テレビカメラ
）、４・・・・・・アナログ／ディジタル（Ａ／Ｄ ）
変換器、５・・・・・・前処理回路、６・・・・・・特
徴抽出回路、７・・・・・・画像メモリ、８・・・・・
・ディジタル処理装置（マイクロコンピュータ） 代理人 弁理士 並 木 昭 夫 代理人弁理士 松 崎 清 第１図 ｆ１２ 図 第３図 第 ４ 図 第５図 へ ｉ１６ 図 ＭＨｖＡ 第 ８ 図 Ｗｉ ９ 図 γ
図はこの発明が実施されるパターン識別装置を示すブロ
ック図、第３図は輪郭点座標のメモリへの記憶態様を示
す参照図、第４図は折れ点毎の輪郭点座標のメモリへの
記憶態様を示す参照図、第５図は折れ点を結ぶ線分の直
線性を判定する手法を説明するための概念図、第６図は
成る多角形に関する標準パターンの構造記述例を示す参
照図、第７図は２つの円弧の統合方法を説明するための
概念図、第８図は多角形の整理、統合方法を説明するた
めの説明図、第９図は対象図形の特徴パラメータを説明
するための参照図である。 符号説明 １・・・・・・物体（検査対象パターン）、２・・・・
・・照明装置、３・・・・・・撮像装置（テレビカメラ
）、４・・・・・・アナログ／ディジタル（Ａ／Ｄ ）
変換器、５・・・・・・前処理回路、６・・・・・・特
徴抽出回路、７・・・・・・画像メモリ、８・・・・・
・ディジタル処理装置（マイクロコンピュータ） 代理人 弁理士 並 木 昭 夫 代理人弁理士 松 崎 清 第１図 ｆ１２ 図 第３図 第 ４ 図 第５図 へ ｉ１６ 図 ＭＨｖＡ 第 ８ 図 Ｗｉ ９ 図 γ
Claims (1)
- 標準パターンとなる複数種の円および多角形についてそ
れぞれの構造記述パラメータを予め解析して所定のメモ
リに格納しておく一方、円と多角形が重畳した検査対象
パターン画像を２値化しランレングス化して得られるデ
ータから所定の処理をしてその輪郭点を抽出し、該輪郭
点を所定の間隔でサンプリングして検査対象パターンの
各折れ点を求めて該折れ点毎に輪郭を分割し、該分割さ
れた輪郭の各線分が円の一部か多角形の一部かを識別し
てそれぞれを構造記述パラメータを用いて表現し、該各
構造記述パラメータを標準パターンのそれと比較、照合
して総合的に判断することにより検査対象パターンが如
何なる種類の円と多角形とから形成されているかを識別
することを特徴とする重畳パターンの識別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59267426A JPS61147381A (ja) | 1984-12-20 | 1984-12-20 | 重畳パタ−ンの識別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59267426A JPS61147381A (ja) | 1984-12-20 | 1984-12-20 | 重畳パタ−ンの識別方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS61147381A true JPS61147381A (ja) | 1986-07-05 |
Family
ID=17444680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59267426A Pending JPS61147381A (ja) | 1984-12-20 | 1984-12-20 | 重畳パタ−ンの識別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS61147381A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01177682A (ja) * | 1988-01-08 | 1989-07-13 | Nec Corp | 図形認識装置 |
| JPH03228184A (ja) * | 1990-02-01 | 1991-10-09 | Kawasaki Heavy Ind Ltd | 物体の輪郭線の分離方法 |
| JP2018194538A (ja) * | 2017-05-18 | 2018-12-06 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 情報処理装置およびプログラム |
-
1984
- 1984-12-20 JP JP59267426A patent/JPS61147381A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01177682A (ja) * | 1988-01-08 | 1989-07-13 | Nec Corp | 図形認識装置 |
| JPH03228184A (ja) * | 1990-02-01 | 1991-10-09 | Kawasaki Heavy Ind Ltd | 物体の輪郭線の分離方法 |
| JP2018194538A (ja) * | 2017-05-18 | 2018-12-06 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 情報処理装置およびプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6697761B2 (en) | Three-dimensional position/orientation sensing apparatus, information presenting system, and model error detecting system | |
| US6289117B1 (en) | Analysis of an image of a pattern of discrete objects | |
| US5226095A (en) | Method of detecting the position of an object pattern in an image | |
| JPH07210687A (ja) | 形状検出装置 | |
| EP1936477A1 (en) | Position information detection device, position information detection method, and position information detection program | |
| US7916949B2 (en) | Method of inspecting granular material and inspection device for conducting that method | |
| JPH03224073A (ja) | 位置合わせ装置 | |
| US7116825B2 (en) | Multilevel chain-and-tree model for image-based decisions | |
| US20030103659A1 (en) | Fingerprint matching method and apparatus | |
| JPH09251544A (ja) | ワークエッジ検出画像処理装置 | |
| JPH041869A (ja) | 画像照合方法 | |
| JPS61147381A (ja) | 重畳パタ−ンの識別方法 | |
| JPH08210820A (ja) | 部品実装基板の外観検査装置における被検査部の認識方法及び装置 | |
| JPH06307833A (ja) | 凹凸形状認識装置 | |
| JP2969011B2 (ja) | はんだ付け状態の外観検査装置 | |
| JPS6219989A (ja) | 重畳パタ−ンの識別方法 | |
| JPH08101893A (ja) | 画像処理装置におけるモデル画像データ登録装置 | |
| EP0367295B1 (en) | A method of detecting the position of an object pattern in an image | |
| JPH06300534A (ja) | 球体外観検査装置 | |
| JPS6228887A (ja) | 対象物識別方法 | |
| JPS6232584A (ja) | 輪郭形状特徴抽出方法 | |
| JP3242530B2 (ja) | ワーク識別方法 | |
| JPS6280505A (ja) | 渦巻ばねの形状検査装置 | |
| JPH04343046A (ja) | 外観検査装置 | |
| JPH075116A (ja) | パターン検査装置 |