JPS6344104A - ワ−クの位置及び姿勢の認識方法 - 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】 （産業上の利用分野） 本発明は、例えば自動車等のエンジン部品で必るシリン
ダブロックのように、複数の円形状の孔を有するワーク
の位置及び姿勢の認識方法に関する。

（従来の技術） 近年では、コンピュータの驚異的な発展に伴って、産業
用ロボット等にカメラを設け、人間と同；策の視覚機能
を与えることによって、被加工物の形状、位置、姿勢等
を計測、認識させ、柔軟性のめる作業を行なえる産業用
ロボットが実用化されている。

ところで、産業用ロボットに接続されたカメラから入力
した画像の処理方法としては、一般的に、設定された処
理対象領域内における当該画像の濃淡度に応じて、前記
画像を二値化する二値化思埋が最も広く用いられている
。

このような二値化処理によって、例えば第１１図に示す
ようなワークであるシリンダブロック１の位置及び姿勢
を＆２識する場合の技術には、特開昭５９−１２１４７
５号公報に記載されでいるような技術がおり、その認識
は具体的には次のように行なわれる。

まず、第１１図（Ａ）に示すような複数の円形形状の孔
２ａ、　２ｂ、・・・・・・、２ｑ、２ｒを有するシリ
ンダブロック１の画像を、図示しないカメラによって取
込む。尚、この場合の画像の処理対象領域は、同図中の
枠内の饋！戊でおり、これは、前記カメラの蹟酸領域と
同等である。

次に、この画像を、一般的に用いられているｐ−タイル
法やモード法等によって閾値を算出することによって二
値化し、これによって第１１図（Ｂ）に示すような二値
化された画像を得る。

さらに、この二値化された画像内の特徴点を、予め用意
されている特徴点のパターンと比較するパターンマツチ
ング処理を行ない、第１１図（Ｃ）に示すような画像を
得て、明確に認識することができなかった特徴点３８〜
３ｅを認識することかできた特徴点４ａ〜４ｇから弁出
し、最終駒に算出された画像に基づい−Ｃシリンダブロ
ック１の位置及び姿勢を認識している。

（発明が解決しようとする問題点） しかしながら、このような従来のワークの位置及び姿勢
の認識方法にあっては、カメラから入力した画像を一定
の閾値をもって二値化処理をし、パターンマツチング処
理を行なって特徴点を抽出し、また、明確に認識できな
かった特徴点を有する場合には、ざらに前記閾値を変更
して当該画像を二値化処理し、上述と同様にして特徴点
を抽出するようにし−Ｃいたために、ワークに対ザる照
明条件の不均一性の影響（例えば、ワークにおける液比
像面の面積が大きい場合には、その被１最像而の微小領
域における照度は常に一定とは限らない。

）によって、例えば、当該ワークの特徴点であるポア孔
２ａ、２ｂ、−−−−−・、２ｑ、２ｒの形状が第１１
図（Ｂ）に示す二値化画像のように変化してしまい、こ
の画像に基づいてパターンマツチング処理を行なうと、
この画像内に存在するノイズ５を、予め用意されている
前記ワークの特徴点のパターンに対し、比較的相関度の
低い特徴点と誤認識する場合があり、最悲の場合には、
ワークの位置が第１１図（Ｃ）に示す６の位置か、７の
位置か、また、８の位置かを判断することが不可能にな
る。

また、上記した問題（ワークに対する照明条件の不均一
性）を解決するために、カメラから入力した画像の処理
対象領域を狭く設定する方法も考えられるか、この方法
では、ワークの特徴点の誤認１裁を避けることは容易で
おるが、これに反して、ワークの特徴点をとらえ難いと
いう欠点がある。

本発明（：ヨ、以−ヒのような従来の問題点に鑑みて成
されてものであり、カメラから入力したワークの画像の
全領域を処理対象領域として二値化処理し、この処理に
よって得られたワークの特徴点のパターンを分類して当
該ワークのおおよその位置及び姿勢を予測し、次に、こ
の位置及び姿勢に基づい−Ｃ当該迅埋封象領域を狭く設
定して二値化処理し、この領域内の特徴点を九名識する
ことによって当該ワークの位置及び姿勢を照明条件等に
拘らず正確に認識できるようにすることを目的とする。

（問題点を解決するための手段） 前記目的を達成するために、本考案では、夫々一列に配
列された少なくとも２以上の大円を有する第１認識部と
第２認識部との間に、一列に配列された少なくとも２以
上の小円を有する第３九２識部を備えた被搬像面を有す
るワークの画像を画像メモリに記憶し、当該画像メモリ
に記憶されている当該画像から前記夫々の大円の中心候
補点座標を算出すると共に当該夫々の中心候補点間の距
離を算出し、当該夫々の中心候補点座標及び当該夫々の
中心候補点間の距離に関する情報によって作成されるべ
きパターンを予め設定されているパターンと比較して前
記第１認識部及び前記第２ｉｆｆｉ識部における大円の
配列方向を予測し、前記夫々の大円の中心候補点座標及
び当該配列方向の予測に基づいて前記夫々の小円を包含
する処理対象領域を設定し、当該処理対象領域内にｄ３
ける小円の夫々の中心候補点座標を算出し、当該夫々の
中心候補点座標から前記ワークの位置と姿勢とを算出す
るようにしたことを特徴とする。

（作用） 以上のような方法によれば、まず、カメラから入力した
ワークの画像の全領域を処理対象領域とし、当該画像の
入力状態が変化しても比較的安定して得られる特徴点を
抽出して当該ワークのおおよその位置及び姿勢を予測し
、次に、処理対象領域を狭めて、その領域内に存在する
特徴点を抽出し、その特徴点の座標値等に基づいて前記
ワークの位置及び姿勢を認識することになるので、照明
条件等の均一でない現場等においても常に正確な前記ワ
ークの位置及び姿勢を認識することが可能になる。

（実施例） 以下に、本発明の実施例を図面に基づいて詳細に説明す
る。

第１図には、本発明に係る認識方法によってワークの位
置及び姿勢を算出する画像処理装置のブロック図が示さ
れている。

同図に示すように、この画像処理装置は、ワークの被ｂ
’ｉ　ｍ　ｎを取込むテレビカメラ９と、テレビカメラ
９から出力された前記被Ｉｉｄ像面の画像をデジタルデ
ータに変換するＡ／Ｄ変換器１０と、Ａ／Ｄ変換器１０
から出力された前記デジタルデータを格納する画像メモ
リ１１とを備えており、画像メモリ１１は、テレビカメ
ラ９から取込んだ画像をデジタルデータとして記憶する
ことになる。

さらに、この画像処理装置には、画像メモリ１１内に記
憶されているデジタルデータを二値化灰理する濃淡画像
処理部１２と、予め前記ワークの二値化処理後における
所定のパターンを格納するパターン格納部１３と、濃淡
画像処理部１２によって処理された後の前記ワークの画
像のパターンを、パターン格納部１３に記憶されている
パターンと比較し分類するパターン分類部１４とを（４
ｈえており、テレビカメラ９によって１収込まれた［ワ
ークの画像のパターンは、パターン格納部１３に記憶さ
れているパターンに基づいてパターン分類部１４によっ
て分類されることになる。

そして、ざらに、この画像処理装置には、パターン分類
部１４によって分類されたパターンに基づいて前記ワー
クのおおよその位置を予測する位置予測部］５と、位置
予測部１５によって予測された前記ワークの位置に基づ
いて、さらにもう一度二埴化処理するための処理対象領
域を算出する異形処理領域設定部１６と、画像メモリ１
１内に記憶されているデジタルデータを、位置予測部１
５によって予測されたワークのおおよその位置及び異形
処理領域設定部１６によって算出された処理対象領域等
に基づいて二値化する二値化処理部１７と、二値イヒ処
理部１７から出力された処理後のデジタルデータに塞づ
いて前記ワークの位置及び姿勢を咋出する認識部１８と
、この算出された前記ワークの位置及び姿勢に関するデ
ータをＣＲ１−、プ１ノン夕等に出力する出力部１９と
を備えて・ちり、位置予１１１１１部１５て弾出された
前記ワークのおおよその位置に基づいて、異形処理領域
設定部１６によって処理対象領域を設定し、この設定さ
れた処理対象領域に対応する画像メモリ１１内に記憶さ
れているデジタルデータを二値化処理部１７によって三
直化処理し、認識部１８で最終的な前記ワークの位置及
び姿勢を認識し、この結果を出力部１つによって外部に
出力するようになっている。

このように構成された画像α埋装置によって、ワークの
位置及び姿勢は、第２図に示されているメイン処理プロ
グラムによって、以下のようにして認識される。このプ
ログラムの動作を第１図及び第３図を参照して説明する
。

ステップ１ まず、テレビカメラ９から第３図（△）に示すような処
理対象となるワーク１（シリンダブロック）における被
１１面の画像を入力１−るっステップ２ この画像を、Ａ／Ｄ変換器１０によって画索毎にその濃
淡度に応じたデジタルデータに変換し、このデータを画
像メモリ１１に記ｎするっそして、この記憶されている
デジタルデータは、濃淡画像処理部１２によってラプラ
シアン等を用いて二値化処理されると共にこの処理デー
タに基づいて第３図（Ｂ）に示すようなノイズが除去さ
れた線画を作成し、この線画から第３図（Ｃ）及び（Ｄ
＞に示すような前記ワークの特徴点２でおる円の中心候
補点２０・・・２０．２１・・・２１を抽出する。尚、
この円の中心候補点抽出方法には、従来から用いられて
いる種々の公知の方法が必り、また、本発明の要旨とは
直接関係がないので、以降においてもこの抽出方法の詳
細な説明は省略する。

ステップ３ パターン分類部１４は、パターン格納部１３内に記・呟
されている二値化処理後における前記ワークの所定のパ
ターンを人力する。

ステップ４ パターン分類部１４は、パターン格納部１３から入力し
たパターンと、濃淡画像処理部１２から出力された前記
ワークの第３図（Ｅ）に示すような二値化処理後の画像
のパターンとを比較し、分類する。この処理の詳細な説
明は後述する。

ステップ５ パターン分類部１４は、ステップ４の処理の結果、一致
するパターンが存在するかどうかを判断する。一致する
パターンが存在すればステップ６に進み、一致するパタ
ーンがなければステップ／ｌに戻りパターン分類の処理
を継続する。

ステップ６ 位置予測部１５は、パターン分類部１４にＪ一つて一致
するパターンが確認されると、このパターンに基づいて
前記ワークのおおよその位置を予測する。この処理も以
降に詳細に説明する。

ステップ７ 異形処理順１ｇ、設定部１６は、ステップ６において算
出された前記ワークの位置の予測データに基づいて、第
３図（［）に示すような処理対象領域（ウィンドウ）２
２を設定する。この処理も以降に詳細に説明する。

ステップ８ 二値化処理部１７は、画像メモリ１１内に記・口されて
いる前記ワークの被撮像面のデジタルデータを、位置予
測部１５によって予測された前記ワークの位置及び異形
処理領域設定部１６によって算出された処理対象領域等
に基づいて二値化処理をし、第３図（Ｇ）に示すような
この領域内における特徴点２３・・・２３を認識する。

この処理も以降に詳細に説明する。

ステップ９ 認識部１８は、ステップ７の処理において認識された特
徴点２３・・・２３の位置データに基づいて、前記ワー
クの中心立置を決定する。

次に、以上に記したメイン灰理プログラム中の各サブル
ーチンプログラムを説明する。

まず、第４図乃至第６図に示ずサブルーチンプ［Ｊグラ
ムを第７図及び第８図を参照し一〇説明する。

第４図に示すザブルーチンプログラムは、メイン処理プ
ログラムのステップ４におけるパターン分類処理プログ
ラムて必り、次のように動作する。

ステップ１０ パターン分類部１４は、濃淡画像処理部１２から出力さ
れた二値イヒ想理後の画像に塁づいて算出したワークの
特徴点であるボア孔の中心候補点座標［例えば、第７図
に示すＰｌ　（ｘｌ、ｙｌ）　〜Ｐ１Ｂ（ｘｌ８、ｙｌ
８）　］を入力する。

ステップ１１ ステップ１０において算出した前記中心候補点座標間（
例えば、第７図に示ずＰｌ−Ｐ２点聞の距離であるＢ、
Ｐ２−Ｐ３点間の距離である△。

以下同様にり、Ｅ、Ｈ，Ｉ、に、Ｌ、〜１等）における
距離を順次算出する。

ステップ１２ ステップ１０においてね出した前記中心候補熱間の距離
について、パターン格納部１３内に予め記憶されている
２点間距離Ｌ１に十分近いものを判別する。

ステップ１３ ス′テップ］２において判別さ机ｌこ２点（、！＋ｌえ
は、Ｐｉ　−１”２　、　Ｐ２−Ｐ３等）を２連ベアと
してｈ己憶する。

ステップ１４ ステップ１１からステップ１３の処理が前１．ｄ仝ての
特徴点に対して行なわれたかどうかの判断がされる。こ
の判断の結果、全ての特徴点でおる中心候補点に対して
行なわれていなければステップ１１に戻り、全ての前記
特徴点に対して行なわれていればステップ１５に進む。

ステップ１５ 次に、例えば、第７図中Ｂ、△で表わされるＰｌ　−Ｐ
２　、Ｐ２−Ｐａのような２組の２連ペアを入力する。

ステップ１６ 例えば、Ｐｉ　−Ｐ２　、Ｐ２−Ｐａのような２組の２
連ペアについて、Ｐｉ−Ｐ２の線分のベクトル量とＰ２
−Ｐａの線分とのベクトル量とに塁づいて、それらの線
分の傾きが同一で、かつ、一点を共有するかどうかの判
断がされる。この判断の結末、それらの線分の傾きが同
一で、かつ、一点を共有する場合には、ステップ１７に
進み、この条件を満たさない場合にはステップ１５に戻
る。

ステップ１７ ステップ１６において判別された２点（例えば、第７図
中Ｃで表わされるＰＩ　−Ｐａ　、以下同様に表わされ
るＦ、Ｊ、Ｎ＞を３連ペアとして記憶する。

ステップ１８ ステップ１５からステップ１７の処理が前記仝−（の２
連ペアに対して行なわれたかどうかの判断がされる。こ
の判断の結果、全ての２連ペアに対して行なわれていな
ければステップ１５に戻り、全ての２連ペアに対して行
なわれていればステップ１９に進む。

ステップ１９ 例えば、第７図中Ｃ，Ｆで表わされるＰＩ−Ｐａ、Ｐａ
−Ｐ６のような２組の３連ペアを人力覆る。

ステップ２０ ＰＩ　−Ｐａ　、Ｐａ−Ｐ６のような２組の３連ペアに
ついて、Ｐｌ−Ｐａの線分のベクトル潤とビ４−Ｐ６の
線分のベクトル量、とを求め、これらのベクトル量から
Ｐｌ−Ｐａの線分とＰｉｔ−１”６の線分との傾きが同
一であるかどうかの判断をする。

この傾きが同一であればステップ２１に進み、同一でな
ければステップ１９に戻る。

ステップ２１ 傾きが同じもの同志の３連ペアの夫々のベクトル量から
、この３連ペア間の平行距離を算出する。

ステップ２２ ステップ２１で算出された平行距離がＬ２に十分近いか
どうかの判断がされる。平行距離がＬ２に十分近ければ
ステップ２３に進み、３［１行距離がし２に十分近くな
ければステップ１９に戻る。

ステップ２３ ステップ２２で判別された３連ペアを一致パターンとし
て記憶する。

このようにパター分類類部１４は、以上のような型理を
行なって、濃淡画像処理部１２によって処理された後の
前記ワークの画像のパターンを、パターン格納部１３に
記憶されているパターンと比較し分類することになる。

次に第５図に示すサブルーチンプログラムは、メイン処
理プログラムのステップ６にあげる位置予測処理プログ
ラムでおり、次のように動作する。

ステップ２５ 前記した第４図に示されているパターン分類ザブルーチ
ンプログラムに基づいて算出された３；土ペアを構成す
るボア孔の中心候補点座標（第７図に示づＰ１〜Ｐ　６
．　Ｐ７〜ｐ１２．　Ｐ１３〜Ｐ１８）を記憶する。

ステップ２６ 第７図に示ずＰｉ　、Ｐ６とＰａ、Ｆ）４の中心１１父
補点座標を結ぶＰｌ−Ｐａ及びＰａ−１−）４夫々の線
分の中点座標Ｇ　（Ｘ（］　、　ＹＣＩ　）を算出りる
。また、同様に、Ｐｌ３．　Ｐｌ８とＰｌ５．　Ｐｌ６
の中心候補点座標を結ぶＰｌ３−Ｐｌ８及びＰｌ５−ｉ
’１６夫々の線分の中点座標Ｇ”　（ｘｇ’、Ｙｇ’）
を算出りる。

以上のようにして、位置予測部１５は、１ノークのおお
よその位置を予測する。

さらに、第６図に示１サブルーチンプログラムは、メイ
ン処理プログラムのステップ７にお（づる処理対象領域
（ウィンドウ）設定プログラムであり、次のように動作
り゛る。

ステップ３０ 異形思理領賊設定部１６は、まず、前記した第５図に示
されている位置予測サブルーチンプログラムに旦づいて
算出された中点比（ｗＧ（ｘｑ、ｙｇ）及び中点座、標
Ｇ−（ｘｇ’、Ｙ（］’）等のデータから、第７図に示
すように、これらの中点座標を通り、これらの中点座標
を算出する元となった３連ペアに平行な直線を引き、こ
れを中心線とし、これらの中心線と永き１２線との交差
角θを算出する。

ステップ３１ ステップ３０で求めた交差角θが、４５度以上であるか
どうかの判断がされる。４５度以上でおればステップ３
２に進み、４５度未満でおればステップ３３に夫々進む
。

ステップ３２ 定数δの値をｒとし、定数Ｔの値をＯとする。

ステップ３３ 定数δの１直をＯとし、定数丁の値をｒとする。

ステップ３４ 第８図に示すように、処理対象領域２２を構成する四隅
の内の１の座標Ｑ１　　（Ｘｌ　、　Ｙｌ　）を以下の
式によって算出する。

ｘｉ　＝ｘｇ＋Ｒｃｃｓθ−δ Ｖｌ　＝’ｙ／ｇ十Ｒｓｒｒ＋θ＋γ ステップ３５ 処理対象領域を、構成する四隅の内の１の座標Ｑ２（ｘ
２．ｙ２）を以下の式によって算出Ｊる。

ｘ２　＝ｘｇ　十Ｒｃｏｓθ＋δ ｙ２＝ｙｇ＋Ｒ５ｌＴｌθ−γ ステップ３６ 処理対象領域を構成する四隅の内の１の座標Ｑ３（Ｘ３
．ｙ３）を以下の式によって算出づる。

ｘ３　＝ｘｇ−Ｒｃｏｓθ−δ ｙＪ　＝　ｙ’Ｊ　　Ｒｓ＊ｕθ＋γ ステップ３７ 処理対象領域を構成する四隅の内の１の座（弘Ｑ４（Ｘ
４．Ｖ４）を以下の式によって緯出暇る。

ｘ４　＝Ｘ（］　−ＲＣＯ９Ｏ＋δ Ｖ４＝￥ｇ　Ｒｓ；ｕθ−Ｔ このような処理を行なうことによって、異形α理領域ル
２定部１６は、最適な処理対象領域２２を設定すること
ができる。

また、第９図に示すサブルーチンプログラムは、メイン
処理プログラムのステップ８における二値化処理プログ
ラムであり、このプログラムの動作を第１０図を参照し
なからＩ説明する。

ステップ４０ まり゛、二値化α連部１７は、第６図に示すウィン］〜
設定り゛ブルーチンプログラムによて算出された第１０
図（△）に示すような処理対象領域２２内の量子化を行
ない、第１０図（Ｂ）に示すようなヒストグラムを作る
。つまり、当該処理対象領１戎２２内における画素の夫
々の濃度（直を調べ、この深度値の低いｉＭｌに並へて
ビス１〜グラムを作成すると、第１０図（Ｂ）に示づに
うな曲線ａかｌＥ７られる。

ステップ４１ 次に、ステップ４０で得られた曲線ａは、同図に示１１
ように、前記処理対象領域２２内の背県部分とコアホー
ル部分とではその濃ｌ宴埴に差がおるので、この背景部
分とコアホール部分との間には、必然的に窪みの部分が
存在するため、この窪みを村１１成する頻度の少ない濃
度値を算出する。そして、この濃度値を最適二値化レベ
ル（閾値）ｔとする。

ステップ４２ ステップ４１で算出された閥１ｔＱｔに基づいて、処理
対象領域２２内を二値化処理する。

ステップ４３ ステップ４２の処理によって得られた画像を、−次モー
メント処理し、第１０図（Ｃ）に示すような夫々のコア
ホール２４の重心座標ｒ１〜ｒ３を算出する。

ステップ４４ 求められた夫々のコアホール２４の市心座、ＩＪＷ　ｒ
１〜ｒ３から、コアホール重心座標間の距離を算出する
。

ステップ４５ ステップ４４において算出したコアホール重心座標間（
例えば、線分子ｌ　−ｒ２　、　　ｒ２−ｒ３　＞の距
離について、その距離がＬ３に十分近いがどうかの判断
をする。この判断の結果、Ｌ３に十分近ければステップ
４６に進み、Ｌ３に十分近くなければステップ４４に戻
る。

ステップ４６ ステップ４５において判別されたコアホール小心用（票
間の距離が１３に十分近い線分（例えば、１腺分子１−
ｒ２　、　ｒ２−ｒ３　）は、コアホール２４の候補ペ
アとじ−Ｃ記巳される。

ステップ４７ ステップ４４からステップ４６までのｌが前記全てのコ
アホール２４の候補ペアについて行なわれたかどうかの
判断がされる。この判断の結果、全てのコアホール２４
の候補ペアについて行なわれていな（プればステップ４
４に戻り、全てのコアホール２４の候補ペアについて行
なわれていればステップ４８に進む。

ステップ４８ 次に、例えば、第１０図（Ｃ）に示ずｒｌ　−ｒ２、ｒ
２−ｒ３のＪζうな２連ペアを作成する。

（これらは、同図中線分０．Ｐで表わされる。）ステッ
プ４９ 例えば、ｒｌ　−ｒ２　、ｒ２−ｒ３のような２組の２
連ペアについて、ｒｌ−ｒ２の線分のベタ１〜ル砒とｒ
２−ｒ３線分のベクトル最とに阜づいて、それらの線分
の傾きが同一で、かつ、一点を共イ１するかどうかの判
断がされる。この判断の結果、それらの線分の傾きが同
一で、かつ、一点を共有する場合には、ステップ５０に
進み、この条イ′１を満たさない場合にはステップ４８
に戻る。

ステップ５０ ステップ４９において判別された２点（例えば、第１０
図（Ｃ）中Ｑで表わされる線分子ｌ　−ｒ３　＞を３連
ペアとして記１意する。

ステップ５１ ステップ５０において記憶した３連ペアを構成する３点
の内の中心座標、すなわち第１０図（Ｄ）に示される座
標ｒ２をワークの中心座標と覆る。

以上のような処理を行なうことによって、前記３連ペア
を構成する線分（例えば、ｒｌ−ｒ’３）のベクトルｄ
に塁づいて最終的なワークの姿勢及び位置を認識するこ
とができる。

（発明の効果） 以上の説明により明らかなように、本発明によれば、カ
メラから入力したワークの画像の全領域を処理対象領域
として二値化処理し、この処理によって得られたワーク
の特徴点のパターンを分類して当該ワークのおおよその
位置及び姿勢を予測し、次に、この位置及び姿勢に基づ
いて当該処理対象領域を狭く設定して二値化処理し、こ
の領域内の特徴点を認識するようにしたので、照明条件
の悪い現場等においても当該ワークの位置及び姿勢をき
わめて高′精度にΔ２識することができる。

【図面の簡単な説明】

第１図は、本発明に関する画像処理装置のブロック図、
第２図は、本発明に係るワークの位置及び姿勢の認識方
法のメイン処理フローチャート、第３図は、第２図に示
した９８理フローチヤートの動作説明に供する図、第４
図乃至第６図及び第９図は、第２図に示した処理フロー
チャートにおけるサブルーチンフローチャート、第７図
、第８図及び第１０図は、第４図乃至第６図に示したサ
ブルーチンフローチャートの動作β１明に供する図、第
１１図は、従来の画像処理方法の動作説明に供する図で
必る。 １・・・ワーク（シリンダブロック）、２ａ〜２ｒ・・
・ボア孔、 ３ａ〜３ｅ、４８〜４ｇ・・・特徴点、５・・・ノイズ
、　２０，２１・・・中心（１久袖点、２２・・・処理
対象領域（ウィンｌ’　１〕）、２３・・・１ぞ１徴点
。 特許用１領人　　　　　口片自動（１１株式会礼代理人
弁理士八田幹雄（外２名） 第１図 第２図 Ｏり 第　４　図 第５図　　笥６図 第７図 一３− 再　０３　　図 第９図 １−一一一一・ 第１ｅ図 （Ａ）　　　　　　　　　　　　　　（Ｂ）（Ｃ）　　
　　　　　　　　　　　　α刃車ｉｆ図 （Ａ） （Ｃ）

Claims (1)

【特許請求の範囲】
1. 夫々一列に配列された少なくとも２以上の大円を有する
   第１認識部と第２認識部との間に、一列に配列された少
   なくとも２以上の小円を有する第３認識部を備えた被撮
   像面を有するワークの画像を画像メモリに記憶し、当該
   画像メモリに記憶されている当該画像から前記夫々の大
   円の中心候補点座標を算出すると共に当該夫々の中心候
   補点間の距離を算出し、当該夫々の中心候補点座標及び
   当該夫々の中心候補点間の距離に関する情報によって作
   成されるべきパターンを予め設定されているパターンと
   比較して前記第１認識部及び前記第２認識部における大
   円の配列方向を予測し、前記夫々の大円の中心候補点座
   標及び当該配列方向の予測に基づいて前記夫々の小円を
   包含する処理対象領域を設定し、当該処理対象領域内に
   おける小円の夫々の中心候補点座標を算出し、当該夫々
   の中心候補点座標から前記ワークの位置と姿勢とを算出
   するようにしたことを特徴とするワークの位置及び姿勢
   の認識方法。