米国特許情報 | 欧州特許情報 | 国際公開(PCT)情報 | Google の米国特許検索
 
     特許分類
A 農業
B 衣類
C 家具
D 医学
E スポ−ツ;娯楽
F 加工処理操作
G 机上付属具
H 装飾
I 車両
J 包装;運搬
L 化学;冶金
M 繊維;紙;印刷
N 固定構造物
O 機械工学
P 武器
Q 照明
R 測定; 光学
S 写真;映画
T 計算機;電気通信
U 核技術
V 電気素子
W 発電
X 楽器;音響


  ホーム -> 計算機;電気通信 -> 松下電器産業株式会社

発明の名称 形状検出方法
発行国 日本国特許庁(JP)
公報種別 公開特許公報(A)
公開番号 特開平7−49946
公開日 平成7年(1995)2月21日
出願番号 特願平5−194355
出願日 平成5年(1993)8月5日
代理人 【弁理士】
【氏名又は名称】森本 義弘
発明者 中尾 真也 / 逸崎 嘉浩 / 堀上 欣司 / 高野 みすゞ
要約 目的
対象物の画像情報より所定の形状を検出する際に、画像内に検出すべき形状以外で濃度変化の顕著な部分があってもその部分から受ける影響の少ない形状検出ができる。

構成
対象物を撮像した画像内のある注目点に対して相対的に決定した位置に予め設定した1個以上の濃度参照領域内の各点における画像濃度とその各点に対して予め設定した係数の積の上記領域内での和を、予め学習により構造を決定したニューラルネットワークの入力とし、あるいは上記各領域内での和を、予め設定した1種類以上の参照テーブルにより変換して部分濃度相関値とし、それらの全濃度参照領域における和を参照テーブル毎に計算して上記ニューラルネットワークの入力とし、同ネットワークからの出力値を濃度相関値として用い、上記注目点を画像内で移動させた場合に濃度相関値が最大または最小値を示す注目点の位置をもって所定の形状の位置として検出する。
特許請求の範囲
【請求項1】 対象物を撮像した画像内のある注目画素に対して相対的に決定した位置にあらかじめ設定した1個以上の濃度参照領域内の画像濃度を用いて計算される画像と検出形状との濃度相関値を用いて、上記注目画素を画像内で移動させた場合に濃度相関値が最大または最小値を示す注目画素の位置をもって所定の形状の位置として検出する形状検出方法であって、各濃度参照領域内の各点における画像濃度とその各点に対してあらかじめ設定した係数との積の上記各領域内での和を、あらかじめ学習により構造を決定したニューラルネットワークの入力とし、同ネットワークから出力値濃度相関値として用いることを特徴とする形状検出方法。
【請求項2】 濃度相関値は各濃度参照領域内の各点における画像濃度とその各点に対してあらかじめ設定した係数との積の上記各領域内での和を、あらかじめ設定した1種類以上の参照テーブルにより変換して部分濃度相関値とし、それらの全濃度参照領域における和を参照テーブル毎に計算し、これら参照テーブル毎に計算した値をあらかじめ学習により構造を決定したニューラルネットワークの入力とし、同ネットワークからの出力値を濃度相関値として用いることを特徴とする請求項1記載の形状検出方法。
発明の詳細な説明
【0001】
【産業上の利用分野】本発明は、対象物の画像情報をもとに所定の形状の検出を行う方法に関するものである。
【0002】
【従来の技術】従来の形状検出方法の一例について図を参照しながら説明する。ここでは検出する形状を対象物にある円孔とし、図16に示す光学条件により対象物を照明する。このとき、リング型照明器111により照明された対象物112上の円孔113は、図17に示すように、円孔部分がその周辺部分に対して暗くなるものとする。カメラ114による円孔の検出は、大きく分けて図18に示す3つの手段からなる。図18の第1番目の画像入力手段115は、図19に示すように、カメラ114より入力された対象物の画像を、A/D変換器118により、カメラ114の撮像面上のサンプリング格子の並びに一致するx,y方向にそれぞれ画素分割を行い、各画素は離散的な濃度値をもつように量子化し、画像メモリ119に格納する。
【0003】図18の第2番目の濃度相関値計算手段116としては、図20に示すように、まず前もって基準点Oを中心とし、直径が検出する円孔のそれに等しい円周付近に濃度参照領域としての小領域A〜Hを設定し、各小領域A〜H内で上記画像データの各画素に対応させて、図21に示すような係数をあらかじめ決めておく。係数は画像濃度が小さくなる部分に対しては小さい値とし、逆に画像濃度が大きくなる部分に対しては大きい値となるようにする。濃度相関値は、これらの係数とそれに対応する画素濃度との積を小領域A〜H内の各点について計算し、それら総ての和をとったものとする。たとえば図20の濃度参照領域内の画素の濃度が図22のようであるとした場合、濃度相関値Vは次の(1)式で表される。
【0004】
V=a1+a2+a4−a5−a6−a7−a8 +b1+b2+b3−b6−b7−b8 +c1+c2−c3−c4+c5+c6−c7−c8 −d1−d3−d4+d5+d6+d8 −e1−e2−e3−e4+e5+e6+e7+e8 −f1−f2−f3+f6+f7+f8 −g1−g2+g3+g4−g5−g6+g7+g8 +h1+h3+h4−h5−h6−h8 …(1)
次に図23に示すように基準点Oを画像中で逐次移動させ、それぞれのO点の位置における濃度相関値を計算し、主メモリに格納する。
【0005】図18の第3番目の形状検出手段117としては、上記濃度相関値計算手段116にて主メモリに格納された濃度相関値の内、最大のものを検出し、それに対応する基準点Oを円孔113の中心として検出する。濃度相関値の大きいときの基準点O点が円孔113の中心であるとする理由を以下に述べる。
【0006】図24のように円孔113の中心位置にO点が重ね合わさった場合、円孔内部で画素濃度は小さく、外部で大きくなるので、図22の濃度値a1〜a4,b1〜b3,c1,c2,c5,c6,d5,d6,d8,e5〜e8,f6〜f8,g3,g4,g7,g8,h1,h3,h4は大きく、a5〜a8,b6〜b8,c3,c4,c7,c8,d1,d3,d4,e1〜e4,f1〜f3,g1,g2,g5,g6,h5,h6,h8は小さくなり、このとき(1)式で示される濃度相関値の正の項は大、負の項は小となることより濃度相関値は大きくなる。図25に示すように円孔113の中心位置よりO点が離れるにしたがってこの大小関係は次第に成り立たなくなるので濃度相関値は小さくなる。
【0007】
【発明が解決しようとする課題】しかしながら上記の従来の技術では、画像内に検出対象以外で検出形状の濃度参照部分と同一かそれに近い方向に濃度変化の顕著な部分が存在した場合などで、その部分に濃度参照領域を設定したときに部分濃度相関値が非常に大きくなり、その結果誤って検出形状であるとしてしまうという問題点があった。
【0008】以下、この問題点について図面を参照しながら説明する。検出する形状は図8に示す円孔120であり、その直径をDとする。円孔120は樹脂の板中に空けられており、円孔120内部の濃度はその周辺の濃度に較べて暗くなっている。円検出を行う画像内には図8に示すように、円以外にも暗くなる部分が存在し、その部分の周辺は金属部121で囲われているとする。金属部121の部分は照明光を反射することによりその周辺の樹脂部分よりも明るくなる。図9に示すように、注目画素Oを中心とした直径Dの円周の位置に濃度参照領域Ra〜Rhを設定し、各領域内の各画素に対して図10に示すような係数を持たせる。注目画素Oがある点にあったときのRa〜Rh内の画素濃度が図11のようである場合、Ra〜Rhの部分濃度相関値Va〜Vhは(2)式より計算される。
【0009】
Va=a1+a2+a3+a4−a5−a6−a7−a8 Vb=b1+b2+b3−b6−b7−b8 Vc=c1+c2−c3−c4+c5+c6−c7−c8 Vd=−d1−d3−d4+d5+d6+d8 Ve=−e1−e2−e3−e4+e5+e6+e7+e8 Vf=−f1−f2−f3+f6+f7+f8 Vg=−g1−g2+g3+g4−g5−g6+g7+g8 Vh=h1+h3+h4−h5−h6−h8 …(2)
図12に示すように、画像内の円孔120の中心点C1を注目点である注目画素Oに一致させた場合、各濃度参照領域Ra〜Rhにおける画素濃度が図13に示すとおりであった場合を考える。このとき、各濃度参照領域Ra〜Rhに対して(2)式より計算される部分濃度相関値Va1〜Vh1の値は(表1)のとおりとなる。
【0010】
【表1】

【0011】これよりC1を注目画素Oに一致させた場合における各部分濃度相関値の和V1は(3)式で計算される。
V1=Va1+Vb1+Vc1+Vd1+Ve1+Vf1=911…(3)
次に図14に示すように円孔120の中心点C1とは異なる位置で金属部121で囲われた部分にある画素C2を注目画素Oに一致させた場合、各濃度参照領域Ra〜Rh内における画素濃度が図15に示すとおりであった場合を考える。C1の場合と同様にして(2)式より計算される各濃度参照領域Ra〜Rfに対する部分濃度相関値Va2〜Vh2は(表2)のとおりとなる。
【0012】
【表2】

【0013】以上より、C1の例と同様にC2を注目画素Oに一致させた場合における各濃度相関値の和V2は(4)式で示される。
V2=Va2+Vb2+Vc2+Vd2+Ve2+Vf2 =1003 …(4)
各濃度参照領域における部分濃度相関値の和をパラメータとする方法では、この場合V2>V1であることから、正確な形状検出ができていないことがわかる。これはC2を注目画素Oに一致させた場合の領域Ra,Rc,Reにおける濃度相関値が非常に大きいことによるもので、このときのRa,Rc,Re内の濃度変化が円孔周囲のそれと同一方向に顕著になっていることが原因である。
【0014】本発明はこのような問題点を解決するもので、画像内に検出すべき形状以外で濃度変化の顕著な部分があった場合においても、その部分から受ける影響の少ない形状検出方法を提供することを目的とする。
【0015】
【課題を解決するための手段】上記目的を達成するために、本発明の形状検出方法は、各濃度参照領域内の各点における画像濃度とその各点に対してあらかじめ設定した係数の積の上記領域内での和を、あらかじめ学習により構造を決定したニューラルネットワークの入力とし、同ネットワークからの出力値を濃度相関値として用いることにより、あるいは各濃度参照領域内の各点における画像濃度とその各点に対してあらかじめ設定した係数との積の上記各領域内での和を、あらかじめ設定した1種類以上の参照テーブルにより変換して部分濃度相関値とし、それらの全濃度参照領域における和を参照テーブル毎に計算し、これら参照テーブル毎に計算した値をあらかじめ学習により構造を決定したニューラルネットワークの入力とし、同ネットワークからの出力値を濃度相関値として用いることにより、画像内に検出形状以外で濃度変化の顕著な部分が存在する場合においても正しい形状検出を可能にするものである。
【0016】
【作用】上記構成により、画像内に検出形状以外で濃度変化の顕著な部分があった場合などにおいても、その部分から受ける影響の少ない形状検出が可能となる。
【0017】
【実施例】以下本発明の実施例について、図面を参照しながら説明する。本発明の実施例においては、先に説明した図8〜図15と同様に、検出する対象は図8に示す円孔であり、前述のとおり、図12に示すように画像内の円孔120の中心点C1を注目画素Oに一致させた場合に、(表1)の部分濃度相関値が得られ、図14に示すように円孔120の中心点C1とは異なる位置にある画素C2を注目画素Oに一致させた場合に、(表2)の部分濃度相関値が得られるものとする。本発明は、これら部分濃度相関値を用いて、図1に示すような方法で濃度相関値の計算を行うことを特徴とする。
【0018】図1において、本発明の第1の実施例では、(2)式で各濃度参照領域毎の8個の部分濃度相関値を計算し(ステップ101)、これを図2に示すような3層の階層型ニューラルネットワークの入力層へ入力し(ステップ102)、その結果として出力層より出力される値をもって濃度相関値とする(ステップ103)。ユニット間の結合は入力層と中間層、中間層と出力層の間の各ユニット間で結合している。また、入力層と中間層にそれぞれ入力を持たずに出力が常に1となるユニットが1つずつ存在する。中間層の数は処理時間と認識性能がそれぞれ望ましい値となるように試行錯誤で決定する。このようなニューラルネットワークの計算アルゴリズムについてはたとえば(D.E.Rumelhart, G.E.Hinton & R.J.Williams : Learning representations by back-propagating errors ; Nature, Vol.323-9, pp.533-536(1986))に報告されているものが挙げられる。ニューラルネットワークの伝達関数は(5)式にT(X)で示すシグモイド関数を用いるため、その出力値が最大値で1、最小値で0となる構造となっている。
【0019】
T(X)=1/(1+exp(−X)) …(5)
ニューラルネットワークは1枚以上の学習用の画像において、円孔の中心点を注目画素Oに一致させた場合における各領域で計算される部分濃度相関値を入力としたときに出力値が1、それ以外の場合においては0となるように学習を行っておく。このように画像の提示により内部構造の決定がなされることもニューラルネットワークを用いる利点である。
【0020】本実施例におけるニューラルネットワークの入力値の次元数は8であるが、入力次元数を2とした場合の学習済みニューラルネットワークによる2次元空間の分離の様子を図3に示す。図3は2次元座標上において1点で示される各軸の値を入力としたときに等出力値となる点の集合をそれぞれ連続な1本の線で示しており、それぞれの出力値を図中に示してある。ニューラルネットワークは各次元の入力値がそれぞれある程度大きい値でかつ少数の次元に大きく偏らない入力に対して出力値が大きくなる構造になっており、学習データに一致するように入力空間を非線形に分離している。たとえばこのように学習を行ったニューラルネットワークに対し、(表1)に示した部分濃度相関値を入力した場合の出力値が0.8、同じニューラルネットワークに対し、(表2)に示した部分濃度相関値を入力した場合には0.1が出力値として得られる。この場合、前者の出力値がより1に近い値であることから検出形状に近いことを、つまりC1がC2よりも検出形状である円に近いことを示しており、正しい検出が行われている。
【0021】また、図1において、本発明の第2の実施例では、(2)式で計算された8個の部分濃度相関値を図4、図5に示すような2種類の参照テーブルにより変換し(ステップ104)、それぞれのテーブルに対する変換後の値の和を図6に示すニューラルネットワークの入力層への入力とし、(ステップ105)、その結果として出力層より出力される値をもって濃度相関値とする(ステップ106)。ネットワークの構造については入力層ユニットの数が8個から2個に変わった以外は第1の例と同一である。ここで入力層ユニットの数は入力を持たずに常に1を出力するユニットを除外した値である。中間層の数についても第1の実施例と同様に、処理時間と認識性能がそれぞれ望ましい値となるように試行錯誤で決定する。ニューラルネットワークの計算アルゴリズムについても第1の実施例と同様のものとする。変換前の値Xが図4に示す参照テーブルによりF(X)に、図5に示す参照テーブルによりG(X)にそれぞれ変換されるものとすると、XとF(X),G(X)の関係式はそれぞれ(6)式、(7)式で示すとおりである。
【0022】
F(X)= X (X≦200)
F(X)=200+0.5(X−200) (200<X≦400)
F(X)=300 (400<X) …(6)
G(X)= 0 (X≦50) G(X)= 50 (50<X≦100)
G(X)=100 (100<X) …(7)
図4の参照テーブルによる変換後の部分濃度相関値は、C1を注目画素Oに一致させた場合において(表3)、C2を注目画素Oに一致させた場合において(表4)のとおりとなる。
【0023】以上より、C1およびC2を注目画素Oに一致させた場合において、それぞれの図4の参照テーブルによる変換後の部分濃度相関値の和VF1、VF2はそれぞれ(8)式、(9)式により求められる。
【0024】
【表3】

【0025】
【表4】

【0026】
VF1=F(V1a)+F(V1b)+F(V1c)+F(V1d)
+F(V1e)+F(V1f)+F(V1g)+F(V1h)
=911 …(8)
VF2=F(V2a)+F(V2b)+F(V2c)+F(V2d)
+F(V2e)+F(V2f)+F(V2g)+F(V2h)
=816.5 …(9)
一方、図5の参照テーブルによる変換後の部分濃度相関値は、C1を注目画素Oに一致させた場合において(表5)、C2を注目画素Oに一致させた場合において(表6)のとおりとなる。
【0027】以上より、C1およびC2を注目画素Oに一致させた場合において、それぞれの図5の参照テーブルによる変換後の部分濃度相関値の和VG1,VG2はそれぞれ(10)式、(11)式により求められる。
【0028】
VG1=G(V1a)+G(V1b)+G(V1c)+G(V1d)
+G(V1e)+G(V1f)+G(V1g)+G(V1h)
=700 …(10)
VG2=G(V2a)+G(V2b)+G(V2c)+G(V2d)
+G(V2e)+G(V2f)+G(V2g)+G(V2h)
=300 …(11)
【0029】
【表5】

【0030】
【表6】

【0031】ニューラルネットワークはあらかじめ用意した学習用の画像において、円孔の中心を注目画素Oに一致させた場合における各濃度相関値を入力としたときに出力値が1、それ以外の場合においては0となるように学習を行っておく。学習済みニューラルネットワークによる2次元空間の分離の様子を図7に示す。図7は横軸と縦軸をそれぞれ図4および図5の変換テーブルにより変換された濃度相関値の和としており、その2次元座標上において1点で示される各軸の値を入力としたときに等出力値となる点の集合を示しており、それぞれの出力値を図中に示してある。この図から、ニューラルネットワークは横軸と縦軸の入力値が共にある程度以上大きい値となる入力に対して出力値が大きくなる構造になっており、学習データに一致するように入力空間を非線形に分離していることがわかる。このニューラルネットワークに対して(8)式、(10)式で得られたVF1,VG1をそれぞれ入力1、入力2とした場合、出力値として0.75が得られる。一方、同じニューラルネットワークに対し、(9)式、(11)式で得られたVF2、VG2をそれぞれ入力1、入力2とした場合には出力値として0.22が得られる。この場合、前者の出力値がより1に近い値であることから検出形状に近いことを、つまりC1がC2よりも検出形状である円に近いことを示しており、正しい検出が行われている。
【0032】なお、上記実施例においては、注目画像Oを画像内で移動させた場合に濃度相関値が最大値を示す注目画素の位置をもって所定の形状の位置として検出したが、濃度相関値が最小値を示す注目画素の位置をもって検出するようにすることもできる。
【0033】
【発明の効果】本発明によれば、画像内に検出形状以外で濃度変化の顕著な部分がある場合などにおいても、その部分から受ける影響の少ない形状検出が可能となる。




 

 


     NEWS
会社検索順位 特許の出願数の順位が発表

URL変更
平成6年
平成7年
平成8年
平成9年
平成10年
平成11年
平成12年
平成13年


 
   お問い合わせ info@patentjp.com patentjp.com   Copyright 2007-2013