JPS6263383A - 接触部品を区別するための視覚システム - Google Patents

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。

Description

【発明の詳細な説明】 本発明ハ、−ｉ的にはロボット制御システムの分野に係
り、より特定的にはコンベヤ上でシステムを１ｆｆｉ過
して移動する部品を、たとえ接触し合ったり重なってい
ても、正確に識別できるロボット視覚システムに係る。

無作為に位置ぎめされている部品を所在探知するロボッ
トのための大部分の市販視覚システムは、Ｇ、グリージ
ン及びＧ、ニージンのＳＲＩ視覚モジュールに基いてい
る。第９回−業用ロボットに関する玉際シンポジウム（
１９７９年３月）、蛮工＆ｉｔ　５７〜７０ページに所
載の「センサ制御操作及び検査のためのモジュラ−視覚
システム」を参照されたい。使用される技術は公知であ
る。これらのシステムは、接続性解析を介してバイナリ
像から「小滴」を抽出し、次でそれらを認識するために
これらの小滴と予め教えられたモデルとを比較する。使
用者は、単にシステムに物体の例を示すことによってシ
ステムを訓練する。

ＳＲＩ視覚モジュールのようなシステムはを能ではある
が、応用範囲は制限される。２つの主要な技術的制限が
存在する。即ち、１）物体は背景に対して高いコントラ
ストを呈していなればならず、そして２）物体は、それ
らの像が単一の小滴内に併合されないように、空間的に
分離していなければならない。多くの応用に対して、高
いコントラスト要求は体系的な光を用いて満足させるこ
とができる。体系的な光技術の優れた例は、１９７９年
にニューヨークのプレナムプレスから発刊されたＧ、ド
ソド及びり、ロツソル編コンピュータ視覚受薄」ｃ札と
蒸上−１４０η尤１」−の８１〜９７ページに所載のＳ
、ホーランド、Ｌ、ロソソル及びＭ、ワードの「コンサ
イトｌ：ベルトコンベヤから部品を転送するための視覚
制御ロボソトシステ′ム」に記述されているコンベヤベ
ルトと共に用いられるコンサイト（Ｃｏｎｓｉｇｈｔ　
）システムであり、本明細書でも参照している。しかし
、第２の制限は容易に解消されない。ＳＲＩ法はミ物体
を認識しそれらの向きを決定するために、面積、最良に
適合する長円、周縁及び慣性の第２モーメントの組合せ
を用いて形状を表わす。これらの物体記述子は、物体の
像が単一の小滴内に併合される程物体が互に接近してい
る時には役立たない。

本発明の目的は、貰いコントラスト及び非接触部品の制
限を大巾に緩和するロボット視覚システムを提供するこ
とである。

本発明の別の目的は、ロボット腕に呈示される部品を認
識する新らしい、且つ非公知のシステムを提供すること
である。

本発明の別の目的は、どのような部品或は部品の組が呈
示されても認識するように「訓練」できる視角システム
を提供することである。

本発明の別の目的は、部品、の向きには拘わりなく、或
は部品が重なり合っていてさえも、部品を認識する視覚
システムを提供することである。

概して言えば、本システムは、総面積特性の代りに物体
の特徴的な角及び縁（局部特色）によって物体を特徴づ
けるようにして部品を認識する新らしい方法を用いる。

計画は以下のような仮定条件に基いているが、システム
は部品を認識する上でこれらの仮定条件の全てを満足す
るように制限されてはいない。

＊　大部分の部品は回転及び角柱形状のみからなってい
る。これらの部品は線及び長円（通常は円、遠近による
若干の歪は無視する）からなる像シルエットを有してい
る。

＊　殆んど全ての部品は剛直であるか、或は最悪でも僅
かな可撓性である。多分ワイヤは最も一般的な免除され
るものである。ワイヤが存在すると、ワイヤは特別な複
雑化要因である。ワイヤは標準カメラ解像力においては
部分的に不可視であることが屡々である。

＊　殆んどの部品は孔を有しており、はぼ半数の部品は
それらを完全に貫通する孔を有している。

これらの孔は通常は直交しているので与えられた逆光照
明に可視である。

＊　殆んどの部品は、それらが載っている面においてそ
れらの向きを独特に−決定するシルエットを有している
。多くの部品は、シルエットだけが与えられる倒立した
あいまいさを有している。

しかし、部品呈示は通常は完全に無作為ではなく・また
全ての部品が安定に倒立しているのではない。

木　部品の深さく載っている表面上の高さ）は製造のモ
ードに依存する。鋳造し、成形し、そして旋削した部品
は、典型的には薄板金部品よりも大きい高さを有してい
る。ロボットによって取扱われそうな、調査した殆んど
の部品はがなりの深さを有していた。

＊　均一な反射率及び背景との高いコントラストは一般
的ではない。薄板金部品及び加工済部品（多分これが大
部分であろう）は、鏡のように反射する。これらの反射
の位置は、部品表面及び光源の両者の位置及び向きに依
存する。

視覚システムの所望の能力を決定する上で、輸送機構も
また重要な要因である。出現の順に、部品はビン、パレ
ット、コンベヤ、及び雑手段（例えば人手によって）内
に輸送される。しかし現行の、及び終極に近いロボット
応用は、コンベヤ及びバレットを包含している。

本発明は「特色に基づく」認識方法を採用している。こ
の方法は、視覚的にモデル物体に対する線、弧、角及び
孔のような空間的に相関された境界特色を用いる。像の
特色と予め教えられたモデル（模範、プロトタイプ）の
特色とを比較することによって像内の物体が認識される
。認識は境界セグメントに基いていて、「境界全体」に
基いていないから、物体の境界が低コントラスト或は重
なりによって不完全に現われた時でも物体を認識するこ
とができる。

特色に基づく方法に関するＳＲＩインターナショナルの
Ｒ，ボールス、及びジェネラルモータース研究所のＷ、
バーキンスの研究を列挙する。

１９８２年３月、ＳＲＩインターナショナル、人工頭脳
センター、テクニカルノート２６２、Ｒ。

ボールス「部分的に可視の物体の認識及び所在探知二局
部的特色集束方法」、 １９７９年４月、ワシントンＤＣ１自動化された産業用
検査及び組立のためのイメージング応用に関する５ＰＩ
Ｅ技術シンポジウム、Ｒ、ポールス「最も効果的な閥に
よる確固たる特色整合」、１９７８年２月、ＩＢ旦」シ
コニン」斗三二二矛５会」賢・Ｃ−２７巻２号、１２６
〜１４３ページ、Ｗ、パーキンス「産業部品のためのモ
デルに基づく視覚システム」、 １９８０年６月、ミシガン州ワーレン、ＧＭ研究所報Ｇ
ＭＲ−３３０３、Ｗ、パーキンス「簡易化されたモデル
に基づく部品探知機」。

これらは完全且つ実用的な視覚システムを提供していな
い。

ボールスのシステムにおいては、特色とは単に角及び円
形の孔に過ぎない。本システムにおいては、特色とは線
、弧、孔及び角である。ボールスのシステムは「最も効
果的な閥」を介して特色を整合させているが、本システ
ムでは行っていない。

またボールスのシステムは極めてゆっくりと（１０×或
はそれ以上）実行される。最後に、ポールスが確言する
方法では整合は完全に困難である（彼は像の縁に対して
枠づかみ（フレームグラブ）メモリを検索したが、本シ
ステムは像領域の線及び弧境界表現と模範のそれらとを
比較する）。結論として、類似技術とはより多くの差異
が存在するのである。

本発明の視覚システムが通常の実行モードにある時、像
データに関する動作は順次に遂行される。

カメラが知覚データを線毎の基準で供給すると、接続性
解析が遂行され順次（スクロール）表示される像が更新
される。領域が閉塞する（物体の後縁がカメラの下を通
過する）と、視覚システムは領域の境界を処理する。こ
の処理は複数の段階を含み、複数の境界表現を発生し、
これら表現の最後は線及び弧の接続されたシーケンスで
ある。最後に、認識は境界特色と模範モデルの特色とを
比較することによって遂行される。

詳述すれば、像処理には７段階が存在する。

１、接続性解析、 ２、境界線（周縁）のチェーンエンコード、３、厚縁を
チェーンに適合きせる、 ４、線及び弧を縁に適合させる、 ５、線及び弧の特色を分類する、 ６、模範と像との整合を調査する、 ７、　整合を照合する。

７段階の全てが成功裏に完了した時、物体は所在探知さ
れ適切に識別される。その時点で、物体の識別、位置、
二次元的配向、及び「外観の良さ」の尺度がロボットに
対して利用可能になる。

以下に添附図面を参照して本発明の詳細な説明する。

本発明が特に有用なマニピュレータシステムは１９８５
年１月２４日付米国特許出願第６９４　、５８５号「直
接駆動ロボットシステム」に記載され、本明細書におい
てはこれを参照する。この出願には、主として軽材料処
理、部品キラティング、組立、及び包装の生産応用に設
計された４軸ロボ・ノドが記載されている。基本システ
ムは制御器及びロボットからなる。ロボットは、腕或は
マニピュレータとも呼ばれる。第１図は制御器及びロボ
ットを示す。また、基本システムは視覚システムの付加
によって拡張することができる。２種類の視覚システム
が存在する。即ち、コンベヤに基づくシステムと面シス
テムである。第２図及び第３図は視覚システムを示すも
のであって、これらに関しては後述する。

マニピュレータは鋳造アルミニウム構造を有し、電動機
によって種々の継手（即ち軸）を制御する。

若干の場合には、軸は自由度と呼ばれる。基本マニピュ
レータは、第１図に示すように４つの自由度を有してい
る。

継手Ｊ１は垂直コラムを中心として回転する。

継手Ｊ２は腕の中央で回転する。継手Ｊ１及びＪ２は共
働してマニピュレータの水平位置ぎめを行う。

継手Ｊ３は線形継手であって、腕の端において垂直方向
に伸縮する。典型的な動作では、継手Ｊ３は物体を持上
げ、それらを戻して配置する軸である。

継手Ｊ４ば手（或は端実行器）取付は用フランジにおい
て回転する。これは、（方形孔の中に方形ブロックを取
付けてライニングするような）動作中に部品を半径方向
に配向するのに用いられる軸である。

腕の端には端実行器フランジがあり、これは種々の手或
は工具を腕に取付けるのに用いられる。

半恒久的に工具を腕に取付けるのに加えて、迅速交換機
構を設けることができる。この装置を用いると、マニピ
レータはプログラム指令によって１つの手或は工具から
別の手或は工具へ自動的に交換するようにプログラムす
ることができる。これは、きりもみ及びさらもみのよう
な２つ或はそれ以上の動作を含む応用を遂行する時極め
て有用である。

マニピュレータの若干の特性は、その位置及び工具に加
えて制御することができる。最も一般的に制御される特
性は、マニピュレータ速度、その通路輪郭（位置間を移
動する際）、及び教えられた位置に到達する精度である
。

第４図は基本マニピュレータシステムのブロック線図で
ある。制御器シャシ１０は電源、ブロクラミング言語、
マニピュレータサーボ電子回路、及び制御電子回路を収
納する。コンピュータ端末器１２はマニピュレータシス
テム１４をプログラムし、制御するのに用いられる。端
末器１２は、マニピュレータをプログラムした後に、或
は予め書かれた応用プログラムが使用されつつあれば、
システムから取外すことができる。手動制御ペンダント
１６はマニピュレータ１４を制御する別の手段である。

手動（コンピュータプログラムではなく）が望まれる時
には、手動制御ペンダント１６が使用される。また全て
の応用プログラムは手動制御ペンダント１６を使用する
ように設計される。これらのペンダントはロボット技術
では公知であり、従ってこのペンダントに関するこれ以
上の説明は省略する。コンピュータ端末器１２がシステ
ムから取外されている時は、操作員は手動制御ペンダン
ト１６を用いてマニピュレータを制御する。マニピュレ
ータは制御ケーブルを介して制御器に接続される。

以下に説明する新規な視覚システムは、特色に基づく物
体認識アルゴリズムを使用する。これはマイクロプロセ
ッサを基とし、極めて高速で動作して毎秒複数の物体を
認識する。これは現在では、１９８４年６月のロボット
■会議議事録に所載のＢ、シマノ、Ｃ，ゲシュケ、Ｃ，
スポールディング及びＰ、スミスの「実時間及び管理制
御を組入れたロボットプログラミングシステム」に記載
されているＶＡＬ−Ｉｆロボット制御システムを伴なう
アゾブトテクノロジーのロボットに統合されている。

このシステムは、ソリッドステートカメラによって供給
されるバイナリ像を処理する。入力像はバイナリに過ぎ
ないが、システムは縁壁の処理を行って線、弧、角及び
孔のような物体の境界特色を抽出する。これらの特色の
特性及びそれらの相対的空間関係は、像の有効視覚表現
を提供する。

本視覚システムは、像内の境界断片（特色分類（ＦＣ）
に集群される特色）と既知の模範の特色とを比較する。

これらの模範は、システムが見本部品を呈示される訓練
期間中に発生される。１つ或はそれ以上の特色の比較が
肯定である時に整合が与えられ、特定位置及び配向にお
ける模範が像内に配置される。次で模範対像整合が、模
範の全境界を横切って傷内のその存在のそれ以上の証拠
を探すことによって確認される。使用者によって予め指
定されたしきい値パラメータは、整合容認のだめに如何
に多くの境界を認識できなければならないかを決定する
。

本視覚システムは、コンベヤベルト２２　（第２図）上
の線形アレーカメラ２０か、或はパレット２６或は類似
の作業表面（第３図）上の面アレーカメラ２４の何れか
と共に動作する。種々の理由から、コンベヤ応用は面応
用よりも複雑である。

即ち、コンベヤ像データは、ある時点において可変レー
トの線でしか到着せず、像は「無限に」長く、またコン
ベヤに沿う像座標はマニピュレータの追尾座標との同期
を維持しなければならない。

線形アレーカメラのインターフェイスは面アレーのイン
ターフェイスの諸問題を包含しているから、以下にコン
ベヤ応用のみ番説明する。

本視覚システムは、種々のハードウェア及びソフトウェ
ア源が分配されている統合されたロボット制御器の一部
である。視覚システムの心臓部は、モトローラ６８００
０　１０ＭＨｚプロセッサである。これは背面を他のプ
ロセッサ（それらの１つが上述のＶＡＬ−ＩＴロボット
制御システムを実行する）と共有している。ＶＡＬ−Ｉ
Ｉは、全ての使用者入力及び出力が視覚システムへ通過
する主プロセスである。

プロセッサ及びメモリに加えて、視覚システムはソリッ
ドステート線形アレーカメラ２０　　（２５６×１要素
）、高解像力単色ディスプレイ、グラフィクスディスプ
レイインターフェイス基板、及びカメラインターフェイ
ス基板３０からなる。ロボットのコンベヤ追尾ハードウ
ェアは、カメラデータ取得をコンベヤ運動に同期させる
のに用いられる。カメラはコンベヤがベルトエンコーダ
３２によって指示される固定された距離単位運動すると
ストローブされるので、コンベヤは可変速度で運動して
もよ（、また限定されない時間停止しても像データ或は
同期が失われることはない。

ベルトが運動するにつれてカメラは連続的に線像を視覚
プロセッサに送る。従ってベルトが運動するにつれて視
覚プロセッサはコンベヤベルトの面像を形成することが
できる。この像処理は連続的であり、「画像オフ」指令
或は命令が発せられるまで停止することはない。

線視覚システムには前述のコンサイト照明が推奨される
。この体系的照明技術は極めて効果的であり、如何なる
物体／背景コントライトに対する要求も排除する。しか
し若干の応用においては、普通の頭上照明が最良である
かも知れない。

カメラ積分時間は制御されなければならないことに注目
されたい。例えば、もし積分時間を４ミリ秒に設定すれ
ば、カメラは毎秒１０００／４．６即ち２２２線までの
像データを処理する。他の積分時間を選択しても差支え
ない。時間を短かくすればベルトを速く走行させること
ができるが、カメラが検知する光は少なくなる。

線カメラを位置ぎめする時、カメラの視線は「正確に」
ベルトの走行に直角である。この拘束の理由は、模範の
縮尺が一定であるとしているからである。即ち、同一物
体は、それが画面内の何処にあっても常に同一寸法で現
われるべきである・従ってカメラの視界の方向は、物体
が置かれる表面に対して直角にすべきである。そのよう
にしなければ、カメラに近い表面の側に載っている物体
は他方の側上よりも大きく見える。視差を原因とする若
干の縮尺変化を避けることは不可能である。

一般に、作業表面からカメラが遠去かる程物体は短かく
認識され、視差による幾何学的ひずみは小さく現われる
。

システムの較正は、２つの理由から必要である。

視覚システムは画素長対画素巾の比を知る必要がある。

この比を知って視覚システムは、画素の巾を縮尺してそ
れらを方形にする。この方法で円は円形に見え、楕（長
）円には見えない。

較正の他の理由は、視覚対ロボットの関係を限定するこ
とである。この関係は基本的には視覚位置を像空間から
腕空間へ変換する変換である。像空間は、画素を距離単
位として用いる二次元である。ロボット空間はミリメー
トルを距離単位とする三次元である。通常は変換は、並
進、回転及び縮尺を含む。

カメラはコンベヤベルト上に取付けられ、通常はベルト
を直下に見ている。カメラインターフェイス基板は像デ
ータが到着するにつれてそれを限界し、データを実行長
（黒から白への或は白から黒への移行が発生するコラム
数）として視覚プロセッサへ呈示する。包含された物体
境界はビデオモニタに同時に表示され、モニタ像はコン
ベヤの運動を反映するように移動する。それ以後の全て
の像処理はソフトウェアを介して行われる。

ロボット視覚システムは、画面内に無作為に位置ぎめさ
れた物体を認識し、ロボットがそれらを拾い上げ得るよ
うに位置探知する。物体はコンベヤベルト、パレット、
或は類似の作業表面上にあってよい。視覚を用いると、
部品は特別な機構によってロボットに精密に供給しなけ
ればならないことがなくなる。得られた作置セルはより
順応性があり、より容易に設定される。更に、ロボット
視覚システムは、部品を視覚的に検査するのに、或は作
業セル内の予期された存在を単に確認するのに用いるこ
とができる。

本システムは、特色に基づくロボット視覚システムであ
り、これらの特色は像境界の片々である。

即ち、システムはカメラ像を黒及び白領域に限界する。

次でシステムは領域の境界を直線及び円弧の接続された
シーケンスとして特徴づける。線、弧、角及び孔が認識
の基となる特色である。

より詳細に言えば、像処理には７つの段階がある。

１、接続性解析、 ２、境界線（周縁）のチェーンエンコード、３、厚縁を
チェーンに適合させる、 ４、線／弧を縁に適合させる、 ５、線及び弧の特色を分類する、 ６、模範と像との整合を調査する； ７、整合を照合する。

視覚認識システムの基本的流れ図を第１０図に示す。カ
メラインターフェイス３０から発生する割込みは、ベル
トの運動に依存し、該運動に同期する。典型的には、も
しベルトの巾がＸであれば割込みはＸ／２５６分毎に発
生する。これは、データの線をプロセッサに転送する。

割込み５０に続いて、新らしいデータ線に関する接続性
解析段階５２が遂行される。

この解析は本質的には先行技術において遂行されていた
型の小滴解析であり、像を黒及び白領域に分ける。この
接続性解析段階５４は７段階の基本的解析プロセスの最
初の段階であり、この基本的解析プロセスはコンベヤ上
を通過して行（物体を識別するのに用いられる。

１、接続　￥析（又陛５４） これは閉じた領域を背景から分離するための共通のＳＲ
ｒ技術である。処理は、「無限に長い」コンベヤベルト
像に適切な、バイナリ像の全域に亘って単一の試みで遂
行される。接続性解析への入力は、カメラインターフェ
イスハードウェアの出力、即ち線毎を基準とする実行長
エンコーディングである。この緻密な像表現は単に黒か
ら白への、或は白から黒への「色」移行が存在するコラ
ム番号の表である。カメラインターフェイスハードウェ
アは同色の同−限界内の水平画素を実行長に集群しする
が、接続性解析は同色の連続垂直実行長に集群するので
、像は黒及び白領域に完全に分けられる。実行長エンコ
ーディングを処理する一方で、アルゴリズムは各領域の
面積及び周縁も計算する。最後に、領域が閉塞すると、
それらは親、子、兄弟関係を介して相関される。領域内
の孔は外側領域の子であり、外側領域は内側領域の親で
ある。領域内の２つの孔は相互に兄弟である。

実行長エンコーディングに基づく接続性解析を行う刊行
されたパスカルプログラムを以下に挙げる。

１９７９年３月、第９回産業用ロボットに関する国際シ
ンポジウム、議事録、５７〜７０ページ、Ｇ、グリーソ
ン及びＧ、ニージン「センサ制御操作及び検査のための
モジュラ−視覚システム」、１９８１年７．８月、ロボ
ットエイジ、４〜１９ページ、Ｒ，カニンガム「バイナ
リ像の区分け」。

接続性解析は、カメラインターフェイス基板からの割込
みに応答して、線毎を基準として遂行される。それ以後
の全ての処理、即ち段階２〜７は完全な領域基準で、背
景内で（即ち割込み駆動でなく）遂行される。この段階
の結果を第５図に示す― ２、境界線のチェーンエンコード（段階５６）。

処理は最も外側の領域、即ち親が背景である領域が閉塞
した後に、この段階を用いて進行する。

この段階は領域の周縁のチェーンエンコーディング表現
を発生する。記憶された実行長エンコーディングを段階
１の接続性解析によって与えられたそれらの領域の集群
と共に用いて、領域の周縁を横切る一連の右、上、左及
び下運動が発生される（第６図に示す）。チェーンエン
コーディングの基本は、１９７０年にニューヨークのア
カデミツクプレスから発刊されたＢ、リプキン及びＡ、
ローゼンフェルト編「　　像比　　び心電　写」の２４
１〜２６６ページにＨ，フリーマンが「境界エンコーデ
ィング及び処理」で説明している。

３、厚縁をチェーンに適合させる（段階５８）。

この段階は、領域の周縁のより簡明な表現を発生するた
めに直接セグメントをチェーンエンコーディングに適合
させる。使用されるアルゴリズムは効率的であり、発生
される縁はチェーンエンコーディングへの正確な近似で
ある。このアルゴリズムの利益は、チェーンエンコーデ
ィングによって表わされるぎざぎざの（量子化された）
縁が滑らかなことである。この段階の後、チェーンエン
コーディングデータは破棄される。第７図は、第６図の
チェーンエンコーディングに適合された縁を示す。角は
、縁上の節として描かれている。エンコーディングの基
本は、１９８３年のコンピュータ　“、グラフィックス
、及び像比　２２の２７７〜２８６ページに所載のシュ
リーン、セイモアの「言語的技術を用いたディジタル曲
線の区分化」に説明されている。

４、線　び弧を（に通人させる（段１１６０）。

この処理段階は、直線及び円弧セグメントを段階３にお
いて発生した縁に適合させる。この段階はプロセッサ時
間が比較的高価であるが、この費用は充分に正当化され
る。先ず線及び弧が使用者の特定する許容範囲内に適合
され、それによって像の滑らかさが制御される。第２に
、その結果は一層のデータ縮少であり、特に部品が円形
であるか或は円形の孔を有している時がそうである。産
業用部品を検討した結果、殆んどの部品は形状が角柱及
び回転体であることが分り、従ってそれらの二次元像は
本質的に線及び弧によって表わされる。線のみの適合に
対抗して、線及び弧を適合させる最終的な正当性は、そ
れらが種々の縁及び角の型を提供し、それによって認識
が容易となることである。第８図は、第７図の緑に適合
された線及び縁を示す（注：線及び弧適合が常にこのよ
うに綺麗にするとは限らない）。これら２つの段階のよ
り詳細な流れ図が第１１図及び第１２図に示されており
、後に説明する。

５．１、色の′−（皆６２）。

この段階は、接続された全ての線及び弧を分類する。こ
こで縁は段階４からの線及び弧であり、既知の模範の特
色の級が関連している。特色分類は・使用者が視覚シス
テムに認識させたい物体に基づいて、訓練中に選択され
る。一般に、角分類は少しの型しか存在しない。即ち、
線・線、線・弧、弧・線、弧・弧、及び円である。更に
、未知要因変化（即ち縁分類）が存在している。即ち、
線・何等か、何等か・線、弧・何等か、及び何等か・弧
である。ここに「何等か」とは、２つの物体が接触或は
重なっているために、異なる物体に属しているかも知れ
ない縁を言う。

特色の一般的な型は僅かしか存在しないが、模範の各特
色分類は特定のパラメータ表示された定義を有している
。各角分類に関連しているのは、受入れ可能な最小及び
最大包含角（２つの縁によって形成される角度）である
。ある縁分類に対しては、この角度は００〜３６０°で
ある。また特色分類の各線縁に関連しているのは受入れ
可能な最小／最大長である。弧に対しては、受入れ可能
な最小／最大角度範囲、最小／最大半径、及び凸／凹指
示が存在する。

傷内の各縁は、全ての特色分類と比較される。

型が一致し、縁の尺度が分類の受入れ可能範囲内にある
時は、その縁はその特色分類の関連表内に置かれる。傷
内の若干の縁は、どの分類にも関連しな′いかも知れず
、また他の縁は複数の分類に関連するかも知れない。

この段階のより詳細な流れ図を第１３図に示す。

６、模範と像との４合の調査（段階６４）。

この段階は、傷内の特定の位置及び向きに模範が存在す
ることを調査する。これらの模範・像整合調査は、先行
段階において行われた特色分類に基づいている。訓練中
、特色分類は独自性及び「明瞭度」に従って順序づけら
れる。この順序の実行時間に、各分類は、全ての像縁が
判断されてしまうまで、或は全ての考え得る整合が調査
されてしまうまで考究される。各像縁及びある分類に関
連する模範縁は考え得る整合である。しかし、これらの
整合は公的な調査を行うことができるようになる前に、
また段階７が開始される前に確認されなければならない
。

確認（段階６６）は、１つ以上の模範角がある特色分類
に関連している時に必要な部分的照合（以下の段階７参
照）である。ある分類に関連している角が１つだけであ
ったとしても、もし模範が複雑で多くの縁を有していて
高価な照合段階よりも前に不整合が検出されれば、確認
が用いられる。確認の必要は、特色分類が選択される時
の訓練中に決定される。各模範に関連しているのは、も
し傷内の同一相対位置に存在すれば、他からそれを区別
する確認用角の表である。適切である時には、近くの角
は確認さるべき角と共に認識できそうである（妨げられ
ていない）ために、これらの角が確認用角として選択さ
れる。

７、０合のｙ、Ａ（段階６８）。

単一の模範と像との整合調査が行われた後に、この段階
は傷内の模範の存在を照合する。模範の境界表現は段階
６において調査された二次現並進及び回転を介して像に
変換され、模範縁と整列した像縁の探索が行われる。「
充分に近い」試験は、使用者が特定する許容範囲内で行
われる。もし充分な模範境界が傷内に存在すれば、整合
が受入れられる。「充分な」とは、訓練中に使用者によ
って特定される重み付きしきい値である。

第９図は、３つの整合照合の結果を示す。調査された各
整合に対して像が重なった模範が描かれている。照合さ
れた縁は実線で示されている。照合されなかった縁は破
線で示されている。この図、並びに第５図乃至第８図は
、本視覚システムにおける随意表示である。

この段階の流れ図は第１４図に示し、後に説明する。

操作員は、物体のシステム例を示すことによって物体を
認識することを視覚システムに教示する。

このプロセスは認識訓練と呼ばれ、教えられた物体は模
範（プロトタイプ）と呼ばれる。模範モデルハ、認識プ
ロセス中に使用するためにコンビエータメモリ内に記憶
される。しふし、これらの模範をディスクに記憶させ、
別の時点に回収してもよい。

特定部品を認識するように視覚システムを訓練すること
は、システムが縁（外部及び内部）を線及び弧に分解す
ることに基づいているので、必要である。しかし、若干
の応用に対しては臨界的であるような若干の訓練指針及
び認識パラメータが存在する。

訓練を介してシステムは部品の寸法に関する平均及び標
準偏差統計値を収集する。より多くの部品例が与えられ
る程良好になる。一般には、操作員は１ダースの例によ
ってシステムを訓練すべきである。僅かな実験を含め、
１ダ一ス例によるシステムを訓練することは容易である
。

システムは、同時に複数の物体を認識するように訓練す
ることができる。模範の数に固定された最大値は存在し
ないが、メモリは制限されており、システムがより多く
の模範を知る程それらを区別する時間が長くなる。従っ
て、実際的な制限が存在する。指標として、システムに
１０個の極めて節単な物体、或は１個の極めて複雑な物
体を数えることができる。しかし無制限数の模範をディ
スクに記憶させることができる。

システムは、前述の境界解析によって模範の像を処理す
る。、線及び弧の適合の結果は視覚モニタ上に表示され
るので、操作員はそれを編集することができる。この点
から、全ての訓練はロボット手動制御ペンダントを用い
て遂行される。

模範の境界表現は、部品の「トポロジー」のシステム　
モデルをきれいにするように編集しなければならない。

ここにトポロジーとは個々の縁の型（線或は弧の何れか
）、及び角の数を言う。部品の各訓練される事例は同一
のトポロジーを有していなければならない。

操作員は、スクリーンを廻ってカーソルを移動させ、手
動制御ペンダント上の編集キーを押すことによってモデ
ルを編集する。編集指令の効果は瞬時に表示される。手
動制御ペンダントの頂部の５つの「ソフトキー」によっ
て制御される５つの編集機能が存在する。ペンダント上
の２行表示はキーに次の如き名称をつけている。

角　　　角　　　弧／　孔　　　特色を削除　　復活　
　　線　　削除　　示　せ要約すれば、キーは次の如き
効果を有している。

「角削除」キーは、カーソル位置に最も近い角を削除す
る。逆に、「角復活Ｊキーは、新しい角を・造る。「弧
／線」キーは、カーソルに最も近い縁の型をトグルする
。線は弧となり、弧は線となる。

「孔削除」キーは、カーソルを含む領域を削除する。こ
のキーは、傷内の不要の孔を削除するためのものである
。このキーの効果は取消すことができないから、手動制
御ペンダントは確認のために注意を与える。それに応答
して諾或は否キーを押さなければならない。最後に、「
特色を示せ」キーは、システムに角を明滅させ、境界モ
デル内の線及び弧を別々に示す。この特別な表示モード
を終了させて編集を再開させるためには、「特色を示せ
」成は再中心／完了キーを押さなければならない。

カーソルは、キー及び数字キーバッドを介してスクリー
ン上を移動する。手動制御ペンダント上の速度スライド
は、カーソル運動の速度を制御するのに用いられる。

再中心／完了キーは編集を終了させる。押した時・操作
員はペンダント上の２行表示の次の選択を呈示される。

編集　　　例　　　　参照縁を 再開　　　廃棄　　　選択せよ 「編集再開」ソフトキーは、使用者を上述の編集モード
に戻す。「例廃棄」キーは模範事例の編集を打切らせる
。「参照縁を選択せよ」キーは、通常の退出キーである
。この最後のキーを押す前に、操作員はカーソルを模範
のある縁上に位置決めしなければならない。選択された
縁は、今後の部品の例のための参照縁となる。新らしい
部品事例毎に、システムがこの例と古い例とがどのよう
に相関しているかを知るために、同一の参照縁を選択し
なければならない。

操作員がある例の編集を完了し、その例が模範の第１の
事例でない時には、システムはその例のトポロジーと以
前に教えられたものとを比較して１対１で対応を確認す
る。もし差が存在していれば、システムはその新事例に
次で以前に教えられた。ｇ！範を表示し、異なっている
縁を明滅させる。

これによって操作員は新事例を再編集することができる
。

各模範は、それに関連する「努力レベル」を有している
。４つのレベルの中の１つ、１．２．３或は４を選択す
ることができる。努力レベルは、模範が最初に限定され
る時に割当てられなければならないが、任意の後刻に変
更することができる。

これは、その模範を用いてどれ程の認識努力を払うべき
かを決定する。努力レベルが増すにつれて認識速度が低
下しより多（のメモリを必要とするが、認識成功率は増
加する。努力レベルは、物体の複雑さく及び均一性）、
及び物体が分離、接触、或は重なっているか否かの関数
として選択すべきである。努力レベルは物体の複雑さに
逆比例する。

部品が簡単な程多くの努力が必要である。部品が接触し
てはいるが重なっていないものとすれば、次の如き努力
レベルを用いるべきである。

レベル　　　　部　品　の　型 ■　　複雑な部品、縁の数３０以上、 ２　　縁の数２０〜３０の部品、 ３　　簡単な部品、縁の数２０以下、 ４　　僅かなあいまいな特色を有する極めて簡単な部品
。

一般に、視覚システムを「キーオン」させるための特色
が少ない時に高い努力レベルを使用しなければならない
。１つの特色は角或は孔である。

視覚システムは、傷内に物体の存在を明白に指示する接
近した特色対を探すことによって物体を認識する。独特
で明確な特色対が僅かしか存在しない時には、上述のレ
ベルよりも高い努力レベルが必要となろう。状況例は ０　大きく重なり合った物体（妨害された特色）、０　
殆どあいまいな特色（局部的／全体的に対称）０　低い
コントラスト（像間の大きい特色変化）。

模範の縁には重みが割当てられ、模範には照合（百分）
率が割当てられる。操作員は、模範が最初に限定される
時に値を与え、任意の後刻にそれらを変更することがで
きる。縁の重み及び照合率は、認識プロセスの最終段階
の照合中に主として用いられる。

照合段階は、整合調査を確かめる。単一の模範・像整合
調査が終ると、この段階は傷内の模範の存在を照合する
。模範境界表現は像に変換され、模範縁と整列する像縁
の探索が行われる。もし充分な模範境界が傷内に存在す
れば、整合が受入れられる。「充分な」の尺度は、縁の
重み及び照合率に基づく重み付きしきい値である。

もし全ての縁に同一の重みが割当てられていれば、照合
率は単に、整合を受入れられるものとするために傷内の
縁と整列していなければならない模範境界の百分率とな
る。例えば、もし模範照合率が７０であれば、模範境界
の７０％は像縁によって照合されなければならない。

若干の縁に他とは異なる重みが割当てられていれば、そ
れらは単位長当り異なる量を与える。例えば、長さがＬ
ｏで割当てられた重みが５０の外側境界を有する模範を
考えよう。また長さがＬｈで割当てられた重みが１００
の１つの孔を有しているものとする。模範の合計重み付
き境界は（５０ｘＬｏ　＋１００ＸＬｈ）である。もし
照合率が９０％であれば、受入れ゛られるために照合し
なければならない境界の合計重み付き長さは０．９Ｘ　
（５０ＸＬｏ　＋１００ＸＬｈ　）である。照合プロセ
ス中に照合する外側境界の部分が長さで測定され、照合
合計内に累積される前に５０が乗ぜられることに注目さ
れたい。また照合される内側孔境界の部分は２倍の重み
で計算される。

操作員は照合率に精通していなければならないが、縁の
重みは特別な認識作業にとってのみ重要である。選択的
な縁重み及び百分率の使用を例示すれば、 ０　もし物体が接触或は重なっていないようであれば、
全ての縁は同一の重みを持つべきであり、照合率は高く
すべきである。

０　もし物体が接触しそうではあるが重なってはいなけ
れば、外側縁の重みは内側縁の重みよりも小さくすべき
である（例えば１：２の比）。

もし重なっているようであれば、この差を小さくする（
例えば３：４の比）。

Ｏもし１つの孔を除いて２つの異なる模範が類似してい
れば、この孔には残余の境界に対して極めて大きい重み
を与えるべきである。

０　もし物体が、重要でない常に存在するとは限らない
孔を有していれば、孔の境界の重みはゼロにすべきであ
る。（実際には、始めに模範モデルから削除されている
べきである。）０　もし応用が検査であって、境界の一
部だけが検査されるのであれば、その部分に大きい重み
を与えるべきである。

使用者が視覚システム（システムが認識すると考えられ
る物体の例をシステムに示すことによって）訓練した後
、システムは自動的に「認識計画」を遂行する。システ
ムが計画する時、システムは模範を解析し認識戦略表に
書込む。認識戦略を自動的に決定するために、部品間の
部分対称性及びあいまいな類似性が検出され、特色分類
が選択され、整合を明確にする確認用特色が選択され、
処理速度を適正化するために全ての表（例えば全ての特
色分類表）が整えられる。

認識計画は、順番に実行される以下の諸処理段階からな
る。

】、・主要特色分類の作成 ２、類似主要特色分類の併合 ３、小分類の作成 ４、類似特色分類の併合 ５、模擬模範像の作成 ６、模擬模範の境界特色の分類 ７、各特色毎に、確認のために近い特色の発見８、処理
速度の最適化のために全表の整理。

１、各模範の各角及び孔毎に特色分類が作成される。各
特色分類は縁対の型、即ち線・線、線・弧、弧・線、弧
・弧或は円を特徴する特定分類は、受入れ可能な最小及
び最大包含角をも特定する。更に、各線縁に関連してい
るのは受入れ可能な最小／最大長である。各弧縁に関連
しているのは受は入れ可能な角度範囲、最小／最大半径
、及び凸凹指示である。最小／最大値は、平均から±２
標準偏差であ。

２、類似の特色分類が併合される。例えば、もし模範が
方形物体としてモデルされていれば、その４つの特色分
類が１つの特色分類に併合される。詳述すれば、特色分
１ｆｉＦｃａ及びＦＣｂを併合する併合基準は以下の通
りである。

ｏ　　ＦＣａ及びＦＣｂが「等しり」（それらの型が同
一であり、それらの平均値は他の受入れ可能値の範囲内
にある）、 ＯＦＣｂが「等しい」全てのＦＣはＦＣａにも「等しい
」。

この第２条件はイプシロン近傍（平均値附近の標準偏差
範囲）が滑るのを防ぐ。表現を変えれば、もしＡはＢに
「等しく」、ＢはＣに「等しい」が、ＡはＣに「等しく
」なくてもＡはＣと同じ群内にある。

３、主要特色分類の小分類が次に作成される。ある意味
では小分類は、それらが屡々それらの関連主要分類を包
含しているので、超分類と呼ぶべきである。小分類は、
システム内に恒久的にプログラムされているテンプレー
トに基づいている。主な各角型、線・線、線・弧、弧・
線、弧・弧及び円は約１ダースの小分類テンプレートを
有している。テンブレー１・に基づき、約１ダースまで
の小分類が各大分類毎に作成される。

作成される実際の数は、その模範に関連する努力レベル
に依存する。（４つの努力レベルが存在する。努力レベ
ル１では小分類は使用されない。レベル２では若干が用
いられ、レベル３ではそれ以上が用いられる。レベル４
では全ての小分類が使用される。） 小分類テンプレートは、高いレベルにおいて特色分類が
広い範囲の特色を包含するように順序づけられる。例え
ば、同時色は、努力レベル２において、弧・弧、弧・線
及び線・弧対からなる小分類を有している。レベル４に
おいては、線・線、線・何れか、及び弧・何れか型小分
類が存在し、広（受入れられる範囲の長さ、半径等が伴
なう。

４、段階２と全く同じく、類似の特色分類が併合される
。

５、　段階６及び７の準備として、模範の像が模擬され
る。弧及び線かΦなる像境界表現が作成される。

６、次に、前段階で作成された模擬模範像の特色が、段
階１〜４において作成された特色分類に関して分類され
る。実行されるソフトウェアは通常の実行時中に実行さ
れるものと同一である。

これは、像処理の「特色分類」段階である。

７、　この段階においては、確認用特色が各模範周毎に
選択される。確認用角は、もし模範が複雑であれば（整
合照合が高価であるので効率のために）、もし模範角が
あいまいであれば（模範角の特色分類と他の何等かの角
との連合によって指示される）、或はもし模範角が円で
あり模範が円形に対称でなければ（同時性は並進を与え
るが、整合調査が行われる時の変換の回転部分は与えな
い）選択される。

もし確認が必要であれば、近くの角が選択されあいまい
さに関して試験される。近い角が確認用角として明確で
あるか否かを決定するために、確認される模範角と、模
範角の特色分類と関連（分類）された全ての模擬された
像の角との間の整合調査が試みられる。もし予期された
確認用角が、正当なものを除いて何等かの調査された整
合を確認するのに成功裏に使用されていれば、予期され
た確認用角はあいまいさの理由から破棄される。

整合の調査及び確認のこの模擬は、通常の実行待中に遂
行されるものと同一ソフトウェアを実行することによっ
て遂行されることに注目されたい。

最後に、全ての表は処理速度を最適化するように整理さ
れる。この段階に到達するまでに、全ての特色分類が選
択され、全ての確認用角が選択され、模範の模擬像は必
要としなくなっている。整理された表は、全ての特色分
類の表、各模範特色に関連する特色分類の表、及び各特
色分類に関連する模範分類の表である。全ての特色分類
の表は、最低先ず認識費用に従って整理される。

計画が完了してしまうと、第１０図の流れ図に従って部
品認識を開始することができる。

物体を認識するために、整合を調査し、確認し、照合し
なければならない。しかし調査された整合の若干は確認
を必要としない。物体・毎の照合は、種を提供する或は
確認を与える特色分類に拘わりなく、同じ費用がかがる
。しかし、もし整合が悪イカ、或は結果として生ずる変
換が不正確であれば、余分の照合が必要となる。余分な
照合は価格評価において計算される。

目的は、表の頂部附近のものが整合調査者として最も見
込みある候補者であるように特色分類を順序づける（整
理する）ことである。即ち唯一の或は極めて僅かな模範
特色が分類に関連し、確認を必要とせず（或はは僅がな
確認でょ＜）、関連する特色は使用者が割当てた照合重
みが大きく、この分類からの像・模範特色整合が比較的
正確な模範・像変換を与え、そして僅がな「偽像特色」
が分類に関連し始めるものを頂部に整理する。この最後
の項目、即ち偽像特色の数は、直接的に予測するのが最
も困難である。これらは、特色分類の会員要求は満足す
るが模範内の何等かの真の特色には一致しない像特色で
ある。偽特色の量は、極めてゆるい会員要求を有する特
色分類にのみ見出される、きであり、これらの分類は通
常は連合して多くの模範特色を有しているので偽特色は
間接的に取扱われる。

費用の基本単位はＣＮＦである。ＣＮＦで表わされる価
格は以下の通りである。

■整合調査＝　ｌ　ＣＮＦ ■確認＝　Ｉ　ＣＮＦ １照合＝ＶＣＸ物体内の角数ＸＣＮＦ ＶＣは定乗数（現在では３）であり、整合の調査及び確
認と整合の照合とに費やされるＣＰＵ時の若干の古いタ
イミングを比較することによって経験的に選択されるも
のである。以下の説明では、「角」という語は、角及び
縁の両者（即ち特色）を意味するのに用いられる。

特色分類（Ｆ　Ｃ）当りの費用は、 費用（ＦＣ）　＝ （Ｆ（ＦＣ）　十Ａ（ＦＣ））　Ｘ　Ｉ　（ＦＣ）　十
Ｄ（ＦＣ）　＋Ｗ（ＦＣ）ここに、 Ｆ　（ＣＣ）は整合調査及び整合確認の費用であり、 Ａ　（ＣＣ）ばあいまシ）さの量に照合費を乗じたもの
であり、 Ｄ　（ＣＣ）は位置のずれに照合費を乗じたものであり
、 Ｗ　（ＣＣ）は使用者が割当てた重みに照合費を乗じた
ものであり、 ！　　（ＣＣ）は努力レベルの不均衡のためにＦ（）及
びＡ（）を増加させる。

詳述すれば、 Ｆ　（ＣＣ）　＝　（和〔Ｃ費（Ｃ）＋ＣＮＦ費（ｃｃ
、ｌ、）〕×（１＋１／ＣＣ内のＣの数）〕／２ ＦＣ内のに こに、 ＣＮＦ費（Ｃｃ、、ｒ）＝和〔Ｃ費（ｐ）×和ＣＦＣ内
のｑ〕／ｐ内のＣＣの数〕 Ｃｃｎｆ内のｐｐ内のＦＣ 「和〔〕」は加算記号（大文字のイプシロン）を表わす
。最初の和の下のｒＦＣ内のＣ」は、特色分類内の各模
範角を意味する。ｒＣｃ−Ｐ内のｐ」はＣの確認表内の
各模範を意味し、「ｐのＣＣＪは角ｐの各特色分類を意
味する。要約すれば、Ｆ　（ＣＣ）は与えられた単−側
角における整合調査及びそれらの１つを成功裏に確認す
る費用である。

整合は、成功裏に整合が行われる前に模範角のｌ／２で
調査され、その時点まで全ての確認が失敗しているもの
としている。ＣＮＦ費は、確認表上の全ての確認用角の
試験費に確認用角の特色分類上の側角の数を乗じたもの
である（模範角の数と同一であるものとしている）。

費用（ｃ）は、（Ｌを線、Ａを弧として）（Ｌ−Ｌ、Ｌ
−他、及び円周型に対してＩＣＮＦ）或は（Ｌ−Ａ及び
Ａ−地壁に対して２ＣＮＦ）或は（Ａ−Ａ型に対して４
ＣＮＦ） ×努力レベルである。

弧を含む角の整合或は確認の付加費用は、弧を再中心ぎ
めする付加費用を償う。従って、線・地対と線・線であ
る確認用角との整合に対して、調査及び確認費は１＋１
＝２ＣＮＦである。円と、弧・弧である確認用角との整
合にはｌ＋４＝５ｃＮＦの費用がかかる。照合費は線／
弧型と無関係である。

Ｗ（ＣＣ）　＝　（和〔１／最大（，０００１、ＷＴ（
ｃ））Ｘ物体内のＣの数ＸＣＮＦ　）　／　ＣＣ内のＣ
の数ＰＣ内のＣ Ｗ（ＣＣ）は、模範縁間の不等の重みを考慮している。

Ｗ　Ｔ　（ｃ）の値の範囲は０乃至１である。

［最大（，０００１、Ｘ）Ｊは０による除算を防ぐ。「
物体内のＣの数」は物体内の角の数である。

この積ＶＣＸＣＮＦは照合費である。ここでの概念は、
もし縁或は角が臨界的であれば部品の間をある重要な方
法で明確にしなければならないということである。使用
者が縁に特別な重みを与えないものとすれば、Ｗ（ＣＣ
”）は単に１つの照合費に過ぎない。

Ａ（ＣＣ）＝和〔あいまいな（ｃ）　Ｘ　ＶＣｘ物体内
のｃ×ＣＮＦＸ（ＣＣ内のＣの数）／２ ＰＣ内のＣ Ａ（ＣＣ）はあいまいさく多分対称性）に起因する余分
な照合を考慮する。もし角Ｃが独特な確認用角を有して
いなければ、あいまいな（ｃ）は１である。そうでなけ
れば、あいまいな（Ｃ）は０である。Ａ（ＣＣ）は通常
Ｏであろう。しかし０ではない場合の例として簡単な物
体、即ち円形物体を考える。もし認識される別の模範が
認識される円形物体に類似の円形孔を有していれば、あ
いまいさが存在する。円形物体は確認用角を有しておら
ず、しかも他の物体の円形孔と混同される（照合が企画
される）。この場合、円形物体の色は他の物体の孔の色
と同一でなければならないことに注目されたい。しかし
、付加的な費用をモデル化しなければならない対称性或
はあいまいさの他の場合が存在する。

１（ＣＣ）は、模範間の努力レベルの不均衡のためにＦ
（）及びＡ（）を増加させる要因である。

もし全ての模範が同一の努力レベルを有して・いれば、
Ｉ（ＣＣ）は全てのｃｃに対して１．０である。

そうでなければＩ　（ＣＣ）は、努力レベルが他の模範
の「最大」努力レベルよりも大きいｃｃに対して１．０
よりも大きい。これは、例えばレベル１の７０の角を有
する複雑な部分とレベル４の５つの角を有する簡単な部
分が存在するような状況を補償する。そうでなければ簡
単な部分の第４レベルＣＣは複雑な部分のレベルＩＯＣ
よりも低い費用を有するようになり、多分認識注意を支
配する。

複雑な部分は通常、簡単な部分のレベルｄＣＣ上にある
多くの余分な小さい縁を形成する多くの余分な角を有し
ている。縁の存在はＣＣ０ＲＤＥＲ計算の他の何処にお
いても補償されない。詳述すれば計算は以下の様である
。

Ｔ　（ＣＧ）　＝　（ＣＣ内のＣの数十和（Ｐ内のＣの
数×１ｆａｃｔ（Ｐ）））　／　ｃｃ内のＣの数模範Ｐ ここでｄ＝努カレベ、ル（ＣＣ）−努力レベル（Ｐ）ま
た１ｆａｃｔ（Ｐ）　＝　Ｏｌもしｄ＝０＝２’／３２
、そうでない場合。

最後に、最も複雑な要因Ｄ　（ＣＣ”）はっぎのように
定義される。これは模範・像変換の不正確さに起因する
余分な照合の予測費である。

Ｄ（ＣＣ）　−（和〔最大（６、偏差（Ｃ）／最大距離
）ＸＶＣＸ物体内のＣの数ＸＣＮＦ）　／ＣＧ内の数 ｐｃ内のＣ 最大距離は照合（ＶＥＲＩＦＹ　）によって用いられる
受入れ可能な距離誤差余裕であり、偏差（ｅ）は、特定
の特色分ＩＩｒＣＣＪ内の角ｒｃＪの整合が提供する変
換内の「予測される」偏差である。再び、ｒＶＣｘ物体
内のＣの数ｘｃＮＦＪは１照合費である。この説明の残
余は偏差（）に関してである。

偏差（ｃ）は、Ｃの特色分類ＦＣに属する像角の範囲、
角Ｃを調べ、どれ程良い変換が提供されたかを評価する
。つけることができる明白な区別が存在する。例えば、
９０″で交わる２つの長い線で作られる角は１３５６の
包含角度を有する短い線の対よりも正確な変換を提供す
る。しかし、偏差の計算モデルは繊細な区別さえもつけ
ようと試みる。

偏差（Ｃ）を評価するために、模範・像変換の並進及び
回転成分は別々に計算される。先ず、並進（通常は角座
標）の予測される不確実性が評価される。次で、回転角
の不確実性が評価される。

次に全模範のこの不確実性の角度だけの回転が仮説とし
て取り上げられ、得られた平均変位が評価されて以前に
計算された変換内の予測される不確実性に加えられる。

偏差（Ｃ）の計算は、ＰＣＯＲＮのＣ００ＲＤ　ＳＤ　
（座標位置の標準偏差）　、ＰＲＩＮＩＩ！のＤＩＲＳ
Ｄ　（方向ベクトル角の標準偏差）、及びＰＡＲＣのＣ
ＥＮＴ　ＳＤ　（中心位置の標準偏差）を使用する。

各特色分類は、最小及び最大線長及び半径のような値の
受入れ範囲を特徴する特定の偏差計算に依存して、模範
角の平均値と特色分類の「最悪」値との中間の特定値が
選択される。線長の最悪値は最短の受入れ可能長である
。角の角度範囲に対して受入れ可能な角度は１８０°に
最も近い。偏差（Ｃ）の計算は、模範の縁対型に従う場
合によって遂行される。偏差ｔ　（ｃ）は並進に起因す
る偏差であり、偏差ｒ（ｃ）は回転に起因する偏差であ
る。

諦二」Ｌ工 この場合、並進は角だけの関数であり、配向は長さによ
って重みをつけられた２つの線の方向ベクトルの関数で
ある。偏差（Ｃ）の定義及び計算は、 ＡＰ＝０〜１８ｏ°の範囲内の模範角の包含角度 ＡＣ＝Ｏ〜１８０’の範囲内のＦＣ展開された包含角度 ＳＤ座標＝模範角位置の１標準偏差 ＳＤ偏差−模範の線の方向（角度）の１標準偏差 ＬＰ＝模範線の長さく即ち、１０”＋１１”（７）平方
根） Ｌｃ’ＦＣ換算された線の長さ Ｄ＝角から物体内の他の点までの平均距離偏差ｔ（ｃ）
　−Ｓ　Ｄ座標ｘ　ｃｏｓ　（最大（０、Ａｐ−９０）
）／ｃｏｓ　（最大（０、Ａｃ−９０）） 偏差ｒ（ｃ）　＝ｓｉｎ（Ｓ　Ｄ偏差）ＸＬｐ　ＸＤ／
Ｌｃ偏差（ｃ）−偏差ｔ（ｃ）十偏差ｒ（ｃ）線・他。

この場合は、１つの線が用いられることを除けば線・線
に類似している。角位置が特に推測される。

ｔｐ　＝模範の線の長今 Ｌｃ＝ＦＣ展開された線の長さ ＳＤ座標＝模範角位置の１標準偏差 ＳＤ偏差−模範の線の方向（角度）の１標準偏差 り一角から物体内の他の点までの平均距離偏差ｔ（ｃ）
　＝　Ｓ　Ｄ座標＋最大（０，Ｌｐ−Ｌｃ）偏差ｒ（ｃ
）　＝ｓｉｎ（Ｓ　Ｄ偏差）ＸＬｐＸＤ／Ｌｃ偏差（Ｃ
）＝偏差ｔ　（ｃ）十偏差ｒ　（ｃ）残余の場合は弧を
含む。整合調査に用いられる全ての弧は再中心ぎめされ
る。弧は、弧の半径（模範弧の半径と同一）を知って、
弧の中心の知覚された位置の不確実性を減少させるため
に再中心ぎめされる。再中心ぎめアルゴリズムの悲観的
な位置誤差は 再中心誤差（ａ）＝ 平方ｍ（Ｍ　Ｘ　Ｍ　＋（Ｍ／　２　ｔａｎ（ａ　／　
２）））”）ここに、ａはＦＣ展開された弧の角度範囲
であリ、Ｍは弧の中心位置の標準偏差である。もし角度
範囲が１８００より大きいか或は等しいと、Ｍ／１ａｎ
（ａ　／　２　）は０となり従って誤差は単にＭである
。

ヨエ 円に対しては、並進は円の中心に依存し、回転は確認用
角の相対方向に依存する（物体が円形に対称である場合
を除く）。注二円の小分類（例えば線・何等か）も、そ
れらが非円分類であったとしても、次のように処理され
る。

Ａｃ　＝円縁のＦＣ展開された角度範囲Ｄ＝中心から物
体内の他の点までの平均距離Ｌ　（ｃｆ）　＝円中心と
確認用角ｃｆとの間の距離偏差ｔ（ｃ）＝再中心誤差（
Ａｃ） 偏差ｒ（ｃ）　＝　（和〔偏差ｔ（ｃｆ）ル（ｃｆ）／
確認ｃｆの数×Ｄ 確認内のｃｆ 偏差（Ｃ）＝偏差ｔ　（ｃ）十偏差ｒ　（ｃ）弧・他。

弧は再中心ぎめされるが並進情報の半分は角位置にある
。線・他のように、角位置が推測される。

しかし、この場合角の向きは弧の中心及び角の位置、せ
いぜい片々たる特色に依存する。

Ａｐ＝模範角の角度範囲 Ａｃ　＝円縁のＦＣ展開された角度範囲Ｒ＝弧の円の半
径 Ｄ＝中心から物体内の他の点までの平均距離ＳＤ座標＝
模範角の位置の１標準偏差 偏差ｔ（ｃ）＝（再中心誤差（Ａ　Ｃ）　＋　（Ａｐ　
−Ａｃ）　ＸＲ＋ＳＤ座標）／２ 偏差ｒ　（ｃ）−偏差ｔ（ｃ）ＸＤ／（Ｒ／２）偏差（
Ｃ）＝偏差ｔ　（ｃ）十偏差ｒ　（ｃ）弧・弧。

両弧は再中心ぎめされ、並進（２つの中心の中点を用い
て）及び回転（２つの中心を結ぶ線を方向ベクトルとし
て用いて）を決定するために新らしい中心が用いられる
。

Ａｃｔ、Ａｃ２＝弧１及び弧２のＦＣ展開された角度範
囲 Ｌ＝弧中心間の距離 Ｄ＝中心から物体内の他の点までの平均距離偏差ｔ（ｃ
）＝（再中心誤差（Ａｃ　１　）十再中心誤差（Ａｃ２
））／２ 偏差ｒ（ｃ）＝偏差ｔ（ｃ）　Ｘ　Ｄ　／　Ｌ偏差（Ｃ
）＝偏差ｔ　（ｃ）十偏差ｒ　（ｃ）礎二弧。

線の方向は向きを決定し、弧は再中心ぎめされ、次で弧
の新しい中心はそれらの分離が正確に１半径となるよう
に角に向って、或は角から遠去かるように移動される。

Ａｉｐ＝模範角の包含角度 Ａｉｃ＝Ｏ〜１８０°の範囲内のＦＣ展開された包含角
度 Ａｃ　＝弧のＦＣ展開された角度範囲 ｔ、ｐ　＝模範線の長さ Ｌｃ＝ＦＣ展開された線の長さ ＳＤ偏差＝模範の線の方向（角度）の１標準偏差 ＳＤ座標−模範角の位置の１標準偏差 Ｄ＝中心から物体内の他の点までの平均距離偏差ｔ（ｃ
）−（再中心誤差（Ａｃ）　＋　Ｓ　Ｄ座標×ｃｏｓ　
（最大（０、Ａｌｐ−９０））／ｃｏｓ　（最大（０、
Ａｉｃ　−９０））／　２偏差ｒ（ｃ）　＝ｓｉｎ（Ｓ
　Ｄ偏差）ＸＬｐ　ＸＤ／Ｌｃ偏差（Ｃ）＝偏差ｔ　（
ｃ）十偏差ｒ　（ｃ）計画が完了してしまうと、次に部
分認識を第１０図の流れ図に従って開始することができ
る。

【図面の簡単な説明】

第１図は、本発明が特に有用となるロボット即ちマニピ
ュレータを示し、 第２図及び第３図は視覚照明の２つの潜在的な型及び視
覚システムを示し、 第４図は基本ロボットシステムのブロック線図であり、 第５図はコンベヤ上に現われ、本発明によって識別され
所在探知された物体を示し、 第６図は領域のチェーンエンコードされた境界のプロッ
トを示し、 第７図はチェーンエンコーディングに厚縁を適合させる
段階を示し、 第８図は段階３において発生させた縁に直線及び円弧を
適合させる段階を示し、 第９図は像への模範の整合を照合する段階を示し、 第１０図は実行時システムの流れ図であり、第１１図は
線を発生した像に適合させる段階の流れ図であり、 第１２図は弧を発生した像に適合させる段階の流れ図で
あり、 第１３図は識別される物体上の特色を分類する段階の流
れ図であり、そして 第１４図は整合調査及び照合の段階の流れ図である。 １０・・・制御器シャシ、 １２・・・コンピュータ端末器、 １４・・・マニピュレータシステム（ロボット）、１６
・・・手動制御ペンダント、 ２０・・・線形アレーカメラ、 ２２・・・コンベヤベルト、 ２４・・・面アレーカメラ、 ２６・・・パレット、 ３０・・・インターフェイス基板、 ３２・・・ベルトエンコーダ。 Ｅつ ：Ｓ イ １、事件の表示　　　昭和６１年特許願第１２９９９０
号２１発明の名称　　　接触部品を区別するための視覚
システム３、補正をする者 事件との関係　　出願人 ４、代理人

Claims (1)

1. 【特許請求の範囲】 ａ）物体の知覚的データを線毎の基準で発生させ；ｂ）
   データの接続性解析によって閉塞した領域を背景から分
   離し； ｃ）領域の周縁のチェーンエンコードされた表現を発生
   させ； ｄ）縁セグメントをチェーンエンコードされたデータに
   適合させ； ｅ）線及び弧セグメントを縁セグメントに適合させ； ｆ）全てのセグメントを特色分類によって分類し；ｇ）
   物体内に存在する特色の像の整合を調査し；そして ｈ）物体像内の特色の存在を照合して物体を積極的に識
   別する 諸段階からなる部品識別方法。