JPS6352268A - 重なり部品における重なり方の判別方法 - 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】 ［産業上の利用分野コ この発明は、重なりあった部品の中から所望の部品を選
出するために必要となる重なり方の判別方法に関する。

Ｅ従来技術とその問題点］ 第２０図は、互いに重なりあった部品１００の中から所
望の部品を視覚センサ１０１の情報に従って認識し、そ
してロボットのアーム１０２等により選出するビンピン
キングのためのシステムを示している。重なりあった部
品として例えば第２１図に示すように紡績工程で生産さ
れる管に糸が巻かれた管糸１０３のようなものがある。

この管糸１０３は次工程であるワイングーに給糸するに
際し、ホッパーにばらまかれた管糸１０３は一本ずつ整
列し直した後にワイングー機に送っているが、この目的
ｆこめに、管糸１０３に振動を与える等の処理を行うこ
とにより所定の場所に整列配置させろ自動供給制御機打
考なるものが実用化されているが、機構が複雑で柔軟性
に欠けるといつｆこ欠点があった そこでこの管糸１０３の整列作業を柔軟す機構によす実
現するためには上述の視覚センサ１０１等の情報に従っ
て駆動されるロボットを用いた制御が有効ではないかと
考えられる。このためには、視覚センサ１０１により、
管糸１０３の重なり状況を知る必要かあるが、従来の視
覚センサは、単に２次元画像を処理するものが中心であ
り、管糸１０３のように重なりあった物体を３次元的に
捕らえるのは困難であった。これは、視覚センサのみて
３次元の物体を捕らえようと思えば異なる位置に複数個
の視覚センサを設ける必要があり、そして、複数の視覚
センサからの信号を処理するための制御回路においてか
なり高度で複雑な処理が要求されるからである。

従来のビンピッキングシステムにおいてもフォトダイオ
ードアレイ等による触覚センサを用いて立体の形状測定
を行なっている例もあるか、このようなシステムでは触
覚センサによる多数の計測点数と、膨大な処理時間とを
必要とするので実用化には至っておらず、適用可能な対
象はある程度整列された単純な形状のみに限られていた
。

［発明の目的コ この発明は上述した問題点をなくすためになされたしの
であり、機能の異なるセンサを有効に組み合わせて用い
ろことで物体の重なり状況を的確に検知することのでき
る判別方法を提供することを目的とする。

［発明の概要］ 機能の異なる複数のセンサを協調して用いれば、より簡
単に３次元的情報の収集が行えるものと思われる。第２
２図はこの発明による判別方法を示している。

視覚系において、まず、ばら蹟みされた管糸の中から把
持すべき管糸の選出を行い、その選出した管糸の濃度を
調べ、そのａ変分布から複数のタイプに分類される。一
方、選択された前記部品の領域が触覚系に送出され、該
管糸の形状の特徴点が検出され、その特徴点から複数の
重なりタイプに分類される。前記二つの分類されたタイ
プを照合することにより、より正確に重なりが判別され
るようになっている。

［発明の構成］ この発明の重なり部品における重なり方の判別方法は、
無作為に置かれ、それぞれが一定形状を有する多数の部
品の中から所望の部品を捕捉するに際して必要となる部
品の重なり状況を知るための判別方法であって、上記部
品を２次元の画像情報として捕らえる複数の画素からな
る視覚センサを備え、該視覚センサの画素内容から所定
の部品を選択するとともに、選択した部品に対して画像
上での濃度を計測して、その濃度分布から複数のタイプ
に分類し、一方、選択した前記部品の外観等の特徴点を
検知する触覚センサを備え、該触覚センサによる特徴点
から複数の重なりタイプに分類し、前記濃度分布により
分類されたタイプと、分類された重なりタイプとから最
上位に位置する部品を判別することを特徴とする。

［実施例］ 第１図はこの発明の重なり方の判別方法の１実施例を示
すブロック図である。

ｌは非接触状態にて２次元の映像を得る視覚センサであ
り、視覚センサ１による画像情報は、画像入力装置２を
介して視覚情報処理ＫＳ３に入力される。この視覚情報
処理部３て選択された領域が触覚情報処理部４に送出さ
れるとともに、該領域におけろ対象物の視覚情報が重な
り判定部５に送出される。触覚情報処理部４では前記領
域までの所要移動爪が算出され、触覚センサ駆動機構制
御回路６及び対象物接触点検出回路７を介して触覚セン
サ８が対象物まで駆動され、対象物への接触により得ら
れた触覚情報は触覚情報入力装置９を介し前記触覚情報
処理部４に人力される。触覚情報処理部４で処理された
触覚情報は前記型なり判定部５に送出され、この重なり
判定部５にて触覚情報と触覚情報とから対象物の重なり
状況が詳しく判定される。重なり状況から目的の対象物
の把持が可能と判定されれば、把持部座標演算回路ＩＯ
を介して把持装置ｌｌに座標値か送出されるようになっ
ている。

次に上記ブロック図における動作を詳細に説明する。

視覚センサｌは重なり合った管糸を上部から２次元の像
として捕らえる撮影カメラであり、ここでは固体撮像素
子を用いたＣＯＤカメラを用いている。光源としては通
常の室内照明を用いており、特別なスポット光源等は不
要である。この視覚センサｌからの映像信号は画像入力
装置２に入力され、画像メモリＡに記憶される。この画
像メモリＡは、視覚センサｌで得られた画像を２５６ｘ
２５６の画素の集合として記憶しており、各画素には画
像の濃淡に応じた信号が格納される。記憶された画像情
報は視覚情報処理部３に入力される。

ここでは、管糸の中心線決定のための画像処理が行なわ
れる。まず、２値化回路３１において、次のような手法
でもって画像情報の２値化処理がなされる。

前記画像メモリＡの各画素に記憶されたデジタル信号が
、しきい値設定回路３２によるしきい値を境として論理
値ｌ又は０の２状態に変換される。

第２図（ａ）を前記ＣＯＤカメラｌで得られた原画像と
すると、設定したしきい値の大きさによって第２図（ｂ
）〜（ｄ）で示すような２値化画像が得られる。第２図
（ｂ）で得られた２値化画像かその後の画像処理の上で
もっとも望ましいのではあるが、このような画像を常に
得ることは一般に困難であり、画像のコントラスト不足
などから第２図（Ｃ）のような画像になりがちである。

そこでこの実施例においては第２図（ｄ）で示すように
しきい値を高い目に設定し対象が分断した像を得ている
。これらのとぎれた象を後述する連結処理によって一つ
の像を推定する。この方法によれば低いコントラストの
画像に対しても確実に対象を選出することができる。

第３図はＣＣＤカメラ１により得られに重なりあった管
糸１０３の画像を示していて、第４図は第３図の画像を
“０“を白ドツト、“１”を黒ドツトとして描いた２値
化画像の一例を示している。

次に、画素グループ連結処理回路３３の動作を説明する
。２値化された画像を解析するためには一般に行なわれ
るラベリング手法を修正しｆ二手法により、一つのグル
ープを構成すると思われる画素のグループ化がなされる
。例えば第５図のような２値化された画素のイメージを
考えると、画素の集合し１〜Ｌ５の内、ＣＬＩ、Ｌ３．
Ｌ５）と（Ｌ　ｘ、　Ｌ　ｊとはそれぞれ一つのグルー
プをなしていることが直感的に判る。このような部分を
一つに連結するために第６図に示すようなアルゴリズム
に従って画素のグループ化処理か行なわれる。

ある画素１　（ｉ、Ｄ［但しこの画素はＯでない］のラ
ベルを決定する場合、その画素を中心としてその周囲の
画素を走査し、画素の値を調べる。

まず１次を調べ、続いて２次、３次と調べていく。この
とき周囲の画素の値の取りがたにより、下記のようにグ
ループ番号を割り付ける（グループ化）。

ａ、すべてが論理０のとき １　（ｉ、Ｄは孤立点であるから新しいグループ番号を
つける。

ｂ、すべてが論理！のとき １　（ｉ、Ｄと周辺の画素が共通な領域をなすと考え、
ｚ（ｉ、Ｄ及び周辺のすべての画素に新しいグループ番
号を付ける。

Ｃ１論理１．０のみが混在するとき １　（ｉ、Ｄと周辺の画素が一つの領域をなすと考え、
Ｉ（ｉ、Ｊ）及び周辺の画素のうち論理１である画素に
新しい番号を付ける。

ｄ、すでにグループ化されＬ画素があるとき１　（ｉ、
Ｄと周辺の画素はすてにグループ化された領域に属する
と考え、その中で最も小さいグループ番号を、Ｉ（ｉ、
Ｄと周辺画素のうち論理１である画素に付ける。

ここで以後の処理を正しく行なうにめにはグループ化に
より得られた領域はある程度の大きさを有していること
が必要であるので、次に上記各領域の面積が計算される
。この面積計算は単純に領域を構成している画素数を数
えることによってなされる。更に、計算された領域の面
積の内、基準面積以上となっｆコ領域数が所定数以上に
なったかが判定され、基準面積に達した領域数ろく所定
数以下のときは、続く処理が正しく実行されないものと
判断して、前記しきい値設定回路３２によるしきい値が
低い目に設定し直され、再度２値化の処理がなされる。

このような判定を設けることにより、照明条件に影響さ
れることなく、以後の処理に好都合な２値化画像が得ら
れる。

上記条件が満たされた場合には、次に中心線決定演算回
路３４にて各管糸１０３の中心線が求められる。まず、
各領域の向きである方向ベクトルが求められ、元来−つ
の象であったと思われる領域を一つの像として連結させ
るための解析が行なわれる。

第７図は、上記画素のグループ化処理により得られた画
像を示していて、まず、各画素グループー−−−→　−
一−−→　−一一一→　−すの方向ベクトルＰ　１Ｐ　
ｔ、Ｐ　３Ｐ　４．Ｐ　ｓＰ　８．Ｐ　？Ｐ　８゜−ｍ
−−−う ＰｓＰｌｏが求められる。次ぎに最も長いベクトルーセ
　　　　　　　　　　　　　　　　　　　　　　−一−
−→Ｐ、Ｐｔが選出され、このベクトルＰ　１Ｐ　ｔに
最も近傍にありかつベクトルの向きが近似したベクトル
−〉 Ｐ　３　Ｐ　４が選出される。

次に重心Ｇ　２．　Ｇ　２を結ぶ直線の向きとベクトル
Ｐ　ＩＰ　ｔ、　Ｐ　３Ｐ　４の向きが近似するとき、
この二つのベクトルを一つのベクトルＰ、Ｐ、に結合し
、このベクトルＰ　＋　Ｐ　４について再び上記と同じ
動作を一−−−→ 行う。これによりベクトルＰ　、Ｐ、が得られたら、−
一一一→ ベクトルの向きが異なるベクトルＰｗＰａについて−す も上述した同様の処理を行い、ベクトルＰ７Ｐ１゜を得
る。

このようにすべての領域について中心線が求められると
、その結果が前記画像入力装置２に送出され、画像メモ
リＢに記憶される。

次に、最長中心線選択回路３５により、画像メモリＢ内
の情報を参照して複数の中心線の中から最長の中心線が
選択される。

第８図に示すように画素グループの連結により一） 得られた像の中心線の候補としてベクトルＰ　１Ｐ　ｅ
−一一一一→ と　Ｐ？ＰＩＧを選出し、次に中心線候補ベクトルの属
性を検討することにより最長の中心線が選出される。

表１ 中心線の属性として上記のように中心線の候補に対して
それぞれベクトル長や有効及び無効ベクトル長が求めら
れ、 １、有効ベクトル長〉無効ベクトル長 ｉｉ、ベクトル長〉規定値 を満たすときの中心線の候補を最長中心線としている。

次に、部品存在領域決定回路３６にて最長中心線とされ
た像の存在領域が設定される。ここでは捕捉される対象
物を囲むように予め設定されるようになっていて、管糸
１０３のような場合には管糸長、管糸直径で表される長
方形が平面的に設定される。設定された存在領域は、触
覚情報処理部４に送出されるとともに、中心線上原画像
濃度分布計測回路３７に入力される。

ここでは、前記最長中心線上の濃度分布か前記画像メモ
リＡの原画像によって計測される。

第９図は、画像メモリＡを示していて、既述したように
、２５６ドツト×２５６ドツトの画素で構成され、各画
素には画像情報の明暗に対応した２５６段階の強弱のデ
ジタル信号が記憶されている。一方、ＰＱは、上述の動
作により選択された画像メモリＢ上の最長中心線であり
、画像メモリＡ上に位置関係が対応するように描かれて
いる。

図中示すようなＰＱライン上における画像Ａの各ドツト
Ｐ　（ｐ、ｑ）〜Ｑ（ｐ、ｑ）の明暗濃度のレベルが計
測され、ｎ個の点列データとして記憶され企。第１Ｏ図
にその計測された中心線上での濃度分布を示している。

第１１図は、種々の状態に置かれた管糸１０３にいて、
それぞれ上述したような方法でもって濃度分布を計測し
たものを示している。例えばタイプｌのような重なりで
あれば、図中での二つの管糸１０３の境界線に対応して
、中央部での濃度分布に二つのピークが見られる。従っ
て管糸１０３の中心線上の濃度分布に現われるピークの
位置あるいはピークの有無を調べることにより、重なり
なし、あるいは重なりタイプ１〜４に対して４個のパタ
ーンに分類することができ、例えば第１０図のような濃
度分布が得られたならば、重なりなしでパターン１と判
定される。重なりタイプが４の場合は、重なりかない場
合と同様の濃度分布を示すのでパターンｌに分類される
。

ピーク検出回路３８では浮動しきい値法を用いて上記ピ
ークの特徴を検出している。

第１２図のＣは点列データとして得られたａ変分布を示
していて、Ｄは、時系列的に得た複数個の点列データを
順次、平均した移動平均値を示しており、濃度分布Ｃと
移動平均りとの交点からピークを検出している。

中心線上の濃度分布のｎ個の点列データを（９（ｉ）。

ｌ≦ｉ≦ｎ）とする。

これらの点列データの内、ｍ番目のデータに対するしき
い値をＴ　ｈ（ｍ）とすると、Ｔｈ（ｍ）＝　　１／ｋ
　−Σ　９（ｉ）　−ａｉ＝ｍ−に’−，１ に：加算個数　ａ：オフセット値（ａ≧Ｏ）で表わされ
る。このようにして得られたしきい値の点列データ（Ｔ
ｈ（ｉ）、　ｋ≦ｉ≦ｎ−に＋Ｈに対して、次のように
して処理される。

９（ｉ）≧Ｔ　ｈ（ｉ）　　であれば、９（ｉ）−１ｇ
（＋）＜　Ｔｈ（＋）　　であれば、９（ｉ）＝０第１
３図はその処理結果を示していて、１−０−１と変化し
たとき、その両変化点の中央で、前記濃度分布Ｃにおい
て谷となるピークが存在し、０→１→０と変化したとき
、その両変化点の中央で山となるピークが存在する。こ
のように移動平均値によるしきい値を採用することによ
り、検出値の相対レベルが異なるようなことがあっても
、ピークを正確に検出することができる。

さて、中心線の濃度分布におけるピークが検出されると
、ピーク出現分類パターン回路３９にて、次表のように
ピークの種類に応じて管糸１０３の状態が４個の濃度パ
ターンに分類される。

］むし このようにして分類されｆこ検出パターンは、重なり判
定部５に視覚情報として送出される。

以上が視覚情報処理部３における動作であって、次に触
覚情報処理部４について説明をする。

前記視覚情報処理部３の部品存在領域決定回路３６にて
決定された最長中心線の管糸１０３の領域か視覚情報処
理部４の視覚センサ水平移動量演算回路４１に入力され
ていて、ここにおいて、前記領域まての触覚センサ８の
移動量が演算され、移動量出力部４２に入力される。触
覚センサ駆動機構制御回路６は移動量出力部４２からの
信号に従って触覚センサ８を所定の管糸１０３の存在領
域に移動させる。

触覚センサ８としては第１４図に示すように、所定高さ
にて平行移動するアームＳに、回動可能な接触子８ａを
備えたポテンショメータが管糸１０３の両端部と中央部
との３点Ｐ９Ｍ、Ｑて測定が行えるよう等間隔に３個設
けられている。このポテンションメータ８をアームＳの
移動により平行移動させ、このときの管糸１０３との接
触による接触子８ａの振れ角がポテンショメータ８にて
検出される。この検出結果は、触覚情報入力装置９を介
して触覚情報処理部４の特徴点検出回路４３に入力され
るとともに、対象物接触点検出回路７を介して前記触覚
センサ駆動機構制御回路６に随時フィードバックされる
ことにより、前記アームＳは所定の動作をなす 第１５図は第１４図におけるポテンションメータ８を側
方から見た図である。ボテンンヨメータ８かＸ軸方向に
移動して、ＸＯの位置に来ｆこときに接触子８ａは管糸
１０３に接触し、その後はボテンショメータ８の移動に
伴なって接触子８ａの振れ角Ｐは増し、ポテンショメー
タ８がＸｔの位置に来て接触子８ａの端部が管糸１０３
の最上部に位置したとき、その振れ角Ｐは最大となる。

特徴点検出回路４３では、前記３個の測定点Ｐ、Ｍ、Ｑ
での最大振れ角Ｐ　ｍａｘがそれぞれ求められる。

次に座標計算回路４４にて、最大振れ角Ｐ　ｍａｘから
測定点Ｐ、Ｍ、Ｑにおける管糸１０３の高さを示すＺ軸
座標Ｐｚ、Ｍｚ、Ｑｚがそれぞれ演算される。

次の重なり角度計算回路４５では、算出されたＺ座標Ｐ
Ｚ、ＭＺ、ＱＺと、ポテンションメータ２間の距離とか
ら、測定点Ｐ〜１とＭＱの直線を結んだときの交点Ｍで
の重なり角θが計算される。

次の接触パターン分類回路４６では、第１６図に示した
判定フローを用いて、上記型なり角θの大きさが判定さ
れ！ないし３の接触パターンに分類される。即ちステッ
プＳ＋６１にて、Ｉθ−θ。：＜Ｔｈθであるかが判定
される。

Ｏｏは重なりがないときにおける重なり角であり、Ｔｈ
θは一定のオフセット値である。この条件が成立すれば
、重なりなしのパターンｌに分類され、上記条件が不成
立のとき次のステップ８１６２にて計測した重なり角θ
がθ。以上であればパターン３と判定され、そうでなけ
ればパターン２に分類される。

第１７図は、上述の方法により分類した結果を示してい
て、第１２図と同様に、種々の重なりタイプに対してｌ
ないし３の接触パターンに設定されろ。この接触パター
ンは、触覚情報として重なり判定部５内の重なりパター
ン判定回路５１に送出される。

次に重なり判定部５以降の処理について説明する。

重なりパターン判定回路５１には、視覚情報処理部３の
ピーク出現パターン分類回路３９からの濃度パターンと
、視覚情報処理部４の接触パターン分類回路４６からの
接触パターンとが入力されていて、ここにおいて、上記
二つの視覚及び触覚情報から最終的に管糸１０３の重な
り状態か、第１８図に示した判別本に基づいて判定され
、その結果が動作指示回路５２に送出される。

動作指示回路５２ては、重なりパターン判定回路５１に
よる判定結果から把持装置１１により対象としている管
糸１０３の把持が可能でめるかが判定されろ。第１９図
はその判定フローを示していて、まず、ステップ５１９
１にて重なりの有無が判定され、重なりのない場合は把
持の指示か出され、ステップＳ！９２で把持部座標演算
回路ＩＯにおいて、所望の管糸１０３の把持がでさるよ
う把持装置１１の移動座標値が演算され、この座標値で
しって把持装置１１が駆動されるようになっている。

一方、ステップ５１９１にて、重なり有りと判定された
場合には、ステップ５１９３にて重なりタイプが２また
は４であるかが判定される。重なりタイプが２または４
の場合は、第１７図で示したように、端部にて重なって
いる接触パターン３の場合てあって把持可能であるので
ステップ５ｔ９２に進む。一方、重なりタイプが２９．
１以外のときは、中央部で重なる接触パターン２のとき
であって把持てきないにめ、ステップ５１９４に進み、
Ｒ長中心線選択回路３５にて、次に長い中心線の管糸１
０３の選択かなされ、以後同様な処理が行なわれろ。又
、ステップ５１９１にて、重なり状態が判別不能とされ
ｆ二場合は、ステップ５１９５にて、ピーク検出回路３
８に対して再度のピーク検出か指示される。

尚、上記実施例では、接触センサとしてポテンショメー
タを用いたか、マイクロスインチやフィルム接点を用い
てもよく、ホトセンサや超音波センサのような非を妾角
虫のセンサを用いてもよい。

又、この発明は所定の物体を把持するものに限らず池の
種々の用途、例えば物体の位置と姿勢の計測や物体の抽
出等に用いられる。さらに、物体の位置と姿勢の計測や
抽出に際してはその物体の最長ｍをポリ定することに限
らず、物体の特徴を示す量により計測や抽出を行なって
もよい。

［発明の効果］ 以上説明したように、この発明は重なり合った部品の中
から所望の部品を選出するために、視覚センサでもって
まず所望の部品を選出して、その濃度分布の種類と、触
覚センサにより選出した部品の特徴点を検出して、その
特徴点の種類とから重なり方を判定するようにしたので
、最上部に位置する部品をより的確に検出することかで
き、従来のように特殊なセンサを用いる必要はなく、又
、各センサからの信号処理においても複雑な演算処理が
不要なため処理時間が短縮され、制御回路も簡素化され
る。

【図面の簡単な説明】

第１図はこの発明の重なり部品における重なり方の判別
方法のための１実施例を示す制御ブロック図、第２図（
ａ）はＣＣＤカメラの捕らえた重なり部品の原画像を示
す図、第２図（ｂ）ないしくａ）は第２図（ａ）の原画
像を２値化処理した画像を示す図、第３図は実際の管糸
の重なり画像を示す図、第４図は第３図における画像を
２値化処理した画像を示す図、第５図は２値化された画
素の状態を示す図、第６図は第５図における画素のグル
ープ化のためのアルゴリズムを示す図、第７図は画素の
グループ化により得られた画像を示す図、第８図は第７
図における画素グループを連結して得られた像の中心線
を示す図、第９図は、選出された最長中心線の管糸の画
像メモリ上におけるデータを示す図、第１０図は、第９
図の画像メモリ上のデータの濃度分布を表す図、第１１
図は、重なりあった管糸における測定濃度分布を示す図
、第１２図及び第１３図は、得られた濃度分布から濃１
変のピークを検出するために用いられる浮動作しきい仏
法を説明するための図、第１４図は第１図における触覚
センサとして用いられるポテンショメータの構成を示す
図、第１５図は第１４図のポテンショメータの動作を説
明するための図、第１６図及び第１９図は、第１図にお
ける接触パターン分類回路授び重なりパターン判定回路
における動作を示すフローチャート、第１７図は、接触
パターン分類回路により、種々に重なりあった管糸に対
して分類された接触パターンを示す図、第１８図は、重
なりパターン判定回路により、種々の接触パターンに対
して重なりを判定するためのアルゴリズムを示す図、第
２０図はビンピッキングシステムを示す概略図、第２１
図は重なりあった管糸を示す図、第２２図はこの発明の
概略を示すブロック図である。 ■・・ＣＣＤカメラ、２・・画像入力装置、３　視覚情
報処理部、４・・触覚情報処理部、５００重なり判定部
、６・・・触覚センサ駆動機構制御回路、７　・対象物
接触点検出回路、８・・・ポテンショメータ、８ａ・・
接触子、９・・触覚情報入力装置、１０・・把持部座標
演算回路、１１・・握把持装置、１０３・管糸。 特許出願人　　倉敷紡績株式会社 代　理　人　　弁理士　青白　葆　（也１名第２図 （ａ）　　　　　　　　（ｂ）　　　　　　　　（ｃ）
　　　　　　　　（ｄ）第３図　　　　　　　　　第４
図 ＠　　　　　Ｅ へ　　　　　　　吟 ＠ｔ５ 第１１図 第 １１５図 檎１６図 １！１９面 第１７図

Claims (1)

【特許請求の範囲】
1. （１）無作為に置かれ、それぞれが一定形状を有する多
   数の部品の中から所望の部品を捕捉するに際して必要と
   なる部品の重なり状況を知るための判別方法であって、
   上記部品を２次元の画像情報として捕らえる複数の画素
   からなる視覚センサを備え、該視覚センサの画素内容か
   ら所定の部品を選択するとともに、選択した部品に対し
   て画像上での濃度を計測して、その濃度分布から複数の
   タイプに分類し、一方、選択した前記部品の外観等の特
   徴点を検知する触覚センサを備え、該触覚センサによる
   特徴点から複数の重なりタイプに分類し、前記濃度分布
   により分類されたタイプと、分類された重なりタイプと
   から最上位に位置する部品を判別することを特徴とする
   重なり部品における重なり方の判別方法。