物体認識方法及び物体認識装置
【課題】予め登録しておくモデルデータのデータ量を抑制しながら、対象物の位置や姿勢を迅速に求めることができる物体認識方法及び物体認識装置を提供する。
【解決手段】距離センサ１により、対象物２０１を含む所定領域内の各点までの距離計測を行い、三次元物体認識手段３により、これら各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、輪郭データと対象物の二次元形状データとを比較して、対象物の位置及び姿勢を認識する。
【解決手段】距離センサ１により、対象物２０１を含む所定領域内の各点までの距離計測を行い、三次元物体認識手段３により、これら各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、輪郭データと対象物の二次元形状データとを比較して、対象物の位置及び姿勢を認識する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、対象物の位置や姿勢を求める物体認識方法及び物体認識装置に関する。
【背景技術】
【０００２】
従来、距離計測装置を用いて、対象物の位置や姿勢を求める物体認識方法及び物体認識装置が提案されている。例えば、非特許文献１には、距離計測装置としてカメラを用いて、物体認識を行う対象物の位置や姿勢を求めるパターンマッチングが行うことにより、対象物の位置や姿勢を求める物体認識方法が記載されている。
【０００３】
この物体認識方法におけるパターンマッチングでは、予め対象物のモデルデータ（画像や寸法データなどの二次元形状データ）を登録しておき、実際の作業において、対象物を含むシーンの画像を撮影し、この画像とモデルデータとの相関値を計算して、この相関値から対象物の位置や姿勢を求めている。
【０００４】
また、特許文献１には、予め対象物のモデルデータ（二次元形状データ相当）を準備しておき、距離計測装置として距離センサを用いて対象物を含む空間中の距離データ（以下、「シーンデータ」という。）を取得し、これらモデルデータと距離データとを比較して、対象物の位置や姿勢を求める物体認識方法が記載されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００８−２１７５４４号公報
【非特許文献】
【０００６】
【非特許文献１】「画像認識と画像理解」（啓学出版社発行）第１６頁〜第１８頁
【発明の概要】
【発明が解決しようとする課題】
【０００７】
ところで、非特許文献１に記載の物体認識方法においては、対象物がカメラの撮像面に対して正対していない（傾いている）場合には、正対マッチング用のモデルデータを用いてマッチングを行うことができない。そのため、確実なマッチングを行うためには、想定されるすべての条件（傾き）におけるモデルデータを登録しておく必要があるため、データ量が膨大となり、また、相関値を求めるための処理時間が長くなってしまう。
【０００８】
また、特許文献１に記載の物体認識方法においては、モデルデータとシーンデータとの比較は、単純な逐次比較によって行うため、比較処理に長時間を要する。
【０００９】
そこで、本発明は、前記の実情に鑑みてなされたものであり、その目的は、予め登録しておくモデルデータのデータ量を抑制しながら、対象物の位置や姿勢を迅速に求めることができる物体認識方法及び物体認識装置を提供することにある。
【課題を解決するための手段】
【００１０】
前述の課題を解決し、前記目的を達成するため、本発明に係る物体認識方法は、以下の構成を有するものである。
【００１１】
〔構成１〕
対象物を含む所定領域内の各点までの距離計測を行い、これら各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、輪郭データと対象物の二次元形状データとを比較して、対象物の位置及び姿勢を認識することを特徴とするものである。
【００１２】
そして、本発明に係る物体認識装置は、以下の構成を有するものである。
【００１３】
〔構成２〕
対象物を含む所定領域内の各点までの距離計測を行って距離情報を得る距離センサと、距離センサにより得られた距離情報が送られる三次元物体認識手段とを備え、三次元物体認識手段は、距離センサにより送られた距離情報に基づいて、各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、輪郭データと対象物の二次元形状データとを比較して対象物の位置及び姿勢を認識することを特徴とするものである。
【発明の効果】
【００１４】
本発明に係る物体認識方法及び物体認識装置においては、計測装置として距離センサを用いて計測データとして三次元データが得て、この三次元データに対して任意の回転変換を行って三次元データ中の対象物を常に同じ二次元形状データとして捉えるので、マッチングに必要なモデルデータを１つにすることができる。そのため、モデルデータ登録時のデータ量を抑制し、登録処理時間を短縮し、また、対象物の位置及び姿勢を求めるときの処理時間を短縮することができる。
【００１５】
すなわち、本発明は、予め登録しておくモデルデータのデータ量を抑制しながら、対象物の位置や姿勢を迅速に求めることができる物体認識方法及び物体認識装置を提供することができるものである。
【図面の簡単な説明】
【００１６】
【図１】本発明に係る物体認識装置が適用されるロボット装置の構成を示す側面図である。
【図２】本発明に係る物体認識方法において対象物を認識する手順を示すフローチャートである。
【図３】メッシュデータ作成方法のうち、近傍４頂点の並び方を説明する図である。
【図４】メッシュデータ作成方法のうち、計測データの場合分けを示す図である。
【図５】メッシュデータ作成方法のうち、４点が存在する場合の三角形メッシュ化を示す図である。
【図６】三角メッシュデータＭ１の例を示す平面図である。
【図７】メッシュグループＭ２の例を示す平面図である。
【図８】メッシュグループＭ２、法線ベクトルＶ１、投影平面Ｓ１の関係を示す図である。
【図９】メッシュグループＭ２を投影平面Ｓ１に投影した状態を示す図である。
【図１０】投影データＭ３において、最外郭輪郭となる頂点を示す図である。
【図１１】頂点Ｖ３を示す図である。
【図１２】抽出されたランダムな隣接する２つの頂点を示す図である。
【図１３】抽出した頂点を通る直線を示す図である。
【図１４】直線から一定距離内にある頂点を示す図である。
【図１５】頂点グループを示す図である。
【図１６】頂点グループを除いた状態を示す図である。
【図１７】作成された頂点グループを示す図である。
【図１８】各頂点グループに当てはまる輪郭直線を示す図である。
【図１９】輪郭データＬ１を任意の幅だけ膨張させた状態を示す図である。
【図２０】各輪郭データＬ２の外包長方形Ｂ２を示す図である。
【図２１】外包長方形データＢ１を回転させた状態を示す図である。
【図２２】外包長方形データＢ１に包まれた二次元形状データＣ１の大まかな位置Ｒ１を示す図である。
【発明を実施するための形態】
【００１７】
以下、本発明を実施するための形態について図面を参照して説明する。
【００１８】
〔物体認識装置の構成〕
図１は、本発明に係る物体認識装置が適用されるロボット装置の構成を示す側面図である。
【００１９】
本発明に係る物体認識装置は、図１に示すように、ロボット装置（多関節型ロボット）１０１に適用される。この物体認識装置は、対象物を計測する距離センサ１と、距離センサ制御手段２と、三次元物体認識手段３とから構成される。
【００２０】
距離センサ１は、距離センサ制御手段２に制御されて、対象物２０１を含む所定領域（視野）内の各点までの距離を測定し、測定データ（距離情報）を距離センサ制御手段２に送る。対象物２０１は、例えば、バラ積みされたナットなどである。距離センサ制御手段２は、三次元物体認識手段３に制御されて、距離センサ１により得られた距離情報を三次元物体認識手段３に送る。三次元物体認識手段３は、距離センサ制御手段２に対して計測要求を行い、距離センサ制御手段２より送られた距離情報に基づいて、物体認識を行う。
【００２１】
この物体認識装置が適用されるロボット装置１０１は、多関節のアームを有して構成されている。この多関節のアームの先端側には、ハンド（先端ツール）１０２が設けられている。ハンド１０２は、対象物２０１を把持（ピッキング）できるように構成されている。
【００２２】
ロボット装置１０１は、ロボット制御手段１０３によって制御されてアームを動作させる。また、ハンド１０２は、ロボット制御手段１０３により、ハンド制御手段１０４を介して制御される。
【００２３】
すなわち、ロボット制御手段１０３からは、ロボット装置１０１に対して制御指令が送られ、ロボット装置１０１からは、ロボット制御手段１０３に対してロボット状態を示すデータが送られる。また、ロボット制御手段１０３からは、ハンド制御手段１０４に対して把持指令が送られ、ハンド制御手段１０４からは、ロボット制御手段１０３に対して把持状態を示すデータが送られる。さらに、ハンド制御手段１０４からは、ハンド１０２に対して把持指令が送られ、ハンド１０２からは、ハンド制御手段１０４に対して把持状態を示すデータが送られる。
【００２４】
また、ロボット制御手段１０３は、三次元物体認識手段３に対して計測要求を行い、三次元物体認識手段３からは、ロボット制御手段１０３に対して、対象物の位置及び姿勢を示す位置姿勢情報が送られる。
【００２５】
この物体認識装置が適用されたロボット装置においては、ロボット制御手段１０３が三次元物体認識手段３に対して計測要求を行うと、三次元物体認識手段３が距離センサ制御手段２を制御し、距離センサ１により対象物２０１までの距離が測定される。三次元物体認識手段３は、距離センサ１により得られた距離情報に基づいて、物体認識処理を行い、対象物２０１の位置及び姿勢を求める。求められた位置及び姿勢を示す位置姿勢情報は、ロボット制御手段１０３に送られる。
そして、ロボット制御手段１０３は、位置姿勢情報に基づいて、ロボット装置１０１に対して制御指令を発するとともに、ハンド制御手段１０４に対して把持指令を発する。ロボット装置１０１のアームは、ロボット制御手段１０３から送られた制御指令に基づいて動作することにより、ハンド１０２を対象物２０１に接近させる。そして、ハンド１０２は、ロボット制御手段１０３から送られた把持指令に基づいて動作することにより、対象物２０１を把持する。
【００２６】
〔物体認識方法（物体認識装置の動作）〕
本発明に係る物体認識方法は、前述のように構成された本発明に係る物体認識装置おおいて実行される。
【００２７】
図２は、本発明に係る物体認識方法において対象物を認識する手順を示すフローチャートである。
【００２８】
この物体認識方法においては、図２に示すように、ステップｓｔ１において、対象物の二次元形状データを準備する。すなわち、対象物のＣＡＤデータからワイヤーフレーム情報を取得し、その情報から対象物表面の二次元形状データＣ１と、その外包長方形データＢ１とを取得する。
【００２９】
次に、ステップｓｔ２に進み、距離センサによる計測を行う。すなわち、距離センサを用いて対象物を含む視野内の各点までの距離計測を行い、三次元の点データＰ１を取得する。
【００３０】
次に、ステップｓｔ３に進み、点データＰ１のメッシュデータ化を行う。すなわち、点データＰ１内で幾何学的に隣接する３点を結び、三角メッシュデータＭ１を取得する。ここで、メッシュデータ作成方法について説明する。
【００３１】
図３は、メッシュデータ作成方法のうち、近傍４頂点の並び方を説明する図である。
【００３２】
まず、図３に示すように、計測された三次元の点データＰ１のうち、近傍４頂点として、計測点ｐｊｉ、ｐｊ＋１ｉ、ｐｊ＋１ｉ、ｐｊ＋１ｉ＋１を選ぶ。
【００３３】
図４は、メッシュデータ作成方法のうち、計測データの場合分けを示す図である。
【００３４】
ここで、図４に示すように、各点データＰ１を、計測状態にしたがって、「計測に成功した点」と「計測に失敗した点」とに分類する。近傍４頂点のそれぞれの計測状態に応じて、さらに３つの場合に分類する。
【００３５】
図５は、メッシュデータ作成方法のうち、４点が存在する場合の三角形メッシュ化を示す図である。
【００３６】
そして、図５に示すように、近傍４頂点が全て「計測に成功した点」である場合、すなわち、「４点が存在する場合」においては、この４点を頂点とした四角形に対角線を引いて、２つの三角形を作成する。このとき、三角形の作成のしかたには２通りが考えられるが、対角線の長さが短い方を採用する。ここで長さが同一になった場合は、任意に選択することとする。
【００３７】
また、近傍４頂点のうちの３点が「計測に成功した点」である場合、すなわち、「３点が存在する場合」においては、３点を頂点とした１つの三角形を作成する。
【００３８】
このようにして得られた全ての三角形のうち、１辺の長さが所定の閾値Ｌ以下のものを、最終的な三角形メッシュとして登録する。
【００３９】
次に、ステップｓｔ４に進み、三角メッシュデータＭ１のグルーピングを行う。すなわち、各三角形メッシュの重心間の幾何学的な距離と、各三角形メッシュの法線ベクトルの角度とを用いて、三角メッシュデータＭ１内でのグルーピングを行い、メッシュグループＭ２を取得する。
【００４０】
なお、三角形メッシュの重心は、三角形を構成する３頂点の重心である。また、三角形メッシュにおける三角形を構成する３つのベクトルから２つのベクトルを選び、この２つのベクトル外積を求めれば、三角形メッシュの法線ベクトルが求められる。
【００４１】
図６は、三角メッシュデータＭ１の例を示す平面図である。
【００４２】
グルーピングは、例えば、以下の手順により行う。ここで、図６に示すような三角メッシュデータＭ１が得られているとする。
【００４３】
まず、三角メッシュデータＭ１のなかから、任意の三角形メッシュを一つ選ぶ。次に、この三角形メッシュと、これに隣接する三角形メッシュとの重心間の距離が一定値以内で、これら三角形メッシュの法線ベクトルの傾きの差が一定値以内であれば、これら三角形メッシュを同じグループとする。このようなグループ化処理を、選択した１つの三角形メッシュに隣接するすべての三角形メッシュに対して行う。そして、同じグループとなった三角形メッシュを選択し、同様の処理を行う。このようにして、全ての三角形メッシュがグルーピングされるまで、処理を繰り返す。
【００４４】
図７は、メッシュグループの例を示す平面図である。
【００４５】
このようなグルーピングの処理を行うことにより、図６に示した三角メッシュデータＭ１は、図７に示すように、１つ又は複数にグルーピングされ、メッシュグループＭ２が得られる。メッシュグループＭ２は、三角形メッシュの集合である。
【００４６】
次に、ステップｓｔ５に進み、各メッシュグループＭ２の法線ベクトルに垂直な投影平面を作成する。すなわち、各メッシュグループＭ２内の三角形メッシュの法線を平均した法線ベクトルＶ１を求め、この法線ベクトルＶ１に垂直な二次元平面である投影平面Ｓ１を取得する。
【００４７】
図８は、メッシュグループＭ２、法線ベクトルＶ１、投影平面Ｓ１の関係を示す図である。
【００４８】
各メッシュグループＭ２と、法線ベクトルＶ１と、投影平面Ｓ１とは、図８に示すような関係となる。
【００４９】
次に、ステップｓｔ６に進み、各メッシュグループＭ２を投影平面Ｓ１に投影する。すなわち、法線ベクトルＶ１から回転行列Ｔ１を用いて、各メッシュグループＭ２を投影平面Ｓ１に投影し、投影データＭ３を取得する。
【００５０】
投影データＭ３の取得は、以下の手順により行う。まず、投影平面Ｓ１において、新たな座標系を作成する。そして、元の３次元空間上の３次元座標で表した投影平面Ｓ１の座標軸ｘ，ｙ及び法線ベクトルＶ１の傾きから、３×３の回転行列を求め、４×４の同次変換行列Ｔ１の回転成分とする。また、メッシュグループＭ２の重心が、そのメッシュグループＭ２に対応する投影平面Ｓ１の原点となる３次元ベクトルを求め、同次変換行列Ｔ１の並進成分とする。このようにして、４×４の同次変換行列Ｔ１が求まる。
【００５１】
図９は、メッシュグループＭ２を投影平面Ｓ１に投影した状態を示す図である。
【００５２】
同次変換行列Ｔ１を用いてメッシュグループＭ２の各頂点を座標変換すると、図９に示すように、メッシュグループＭ２が投影平面Ｓ１に投影された投影データＭ３のデータを得ることができる。このとき、座標変換後の３次元座標からＺ座標を除くことで、２次元座標とする。このとき得られた頂点をＶ２とする。
【００５３】
次に、ステップｓｔ７に進み、投影データＭ３の輪郭を抽出する。すなわち、投影データＭ３から、投影データＭ３の輪郭データＬ１を取得する。例えば、点データとして投影データＭ３の最外郭点群を抽出する。
【００５４】
図１０は、投影データＭ３において、最外郭輪郭となる頂点を示す図である。
【００５５】
投影データＭ３において、最外郭輪郭となる頂点は、図１０に示すように、以下の２つのことを満たす頂点である。第１に、隣接頂点のうち共に構成する三角形メッシュが１つしかない隣接頂点があることである。第２に、第１の条件を満たす隣接頂点が２つあることである。図１０においては、黒丸最外郭輪郭となる頂点であり、この頂点をＶ３とする。
【００５６】
また、平面上の直線パラメータを求めることができる最小２乗法などの一般的な手法を用いて直線データ（エッジデータ）を求める。この直線データの抽出は、以下のようにして行う。
【００５７】
図１１は、頂点Ｖ３を示す図である。
【００５８】
ここで、図１１に示すように、頂点Ｖ３が得られているとする。
【００５９】
図１２は、抽出されたランダムな隣接する２つの頂点を示す図である。
【００６０】
図１２に示すように、ランダムな隣接する２つの頂点を複数組抽出する。なお、ここでは、２つの頂点としているが、２つ以上の複数の頂点でも良い。
【００６１】
図１３は、抽出した頂点を通る直線を示す図である。
【００６２】
次に、図１３に示すように、抽出した２つの頂点の各組ごとに、それら頂点を通る直線を算出する。なお、３つ以上の頂点の場合は、最小２乗法などを用いて、それらの頂点に当てはまる直線を算出する。
【００６３】
図１４は、直線から一定距離内にある頂点を示す図である。
【００６４】
そして、図１４に示すように、図１３において算出された各直線から一定距離内にある頂点の個数を数える。
【００６５】
図１５は、頂点グループを示す図である。
【００６６】
そして、図１５に示すように、図１４において数えられた頂点の個数が最も多いものを１つの頂点グループとして採用する。
【００６７】
図１６は、頂点グループを除いた状態を示す図である。
【００６８】
次に、図１６に示すように、図１５において採用した頂点グループを、頂点Ｖ３から除く。そして、残りの頂点に関して、図１２乃至図１６に示した処理を繰り返して、さらに頂点グループを作成する。
【００６９】
図１７は、作成された頂点グループを示す図である。
【００７０】
図１２乃至図１６に示した処理を繰り返すことにりより、図１７に示すように、複数の頂点グループが作成される。
【００７１】
図１８は、各頂点グループに当てはまる輪郭直線を示す図である。
【００７２】
そして、図１７で作成した各頂点グループについて、図１８に示すように、最小２乗法などを用いて、各頂点グループに当てはまる輪郭直線を求める。この輪郭直線が輪郭データＬ１となる。
【００７３】
図１９は、輪郭データＬ１を任意の幅だけ膨張させた状態を示す図である。
【００７４】
次に、ステップｓｔ８に進み、図１９に示すように、輪郭データＬ１を任意の幅だけ膨張させる。すなわち、輪郭データＬ１の重心と輪郭データＬ１を構成する各エッジとの間の距離を広げることで、輪郭データＬ１を任意の幅だけ膨張させ、輪郭データＬ２を取得する。任意の幅とは、例えば、メッシュグループＭ２から三角メッシュデータＭ１の重心間の幾何学的な平均距離ｗを算出し、その０．５倍とする。
【００７５】
なお、輪郭データＬ１を任意の幅だけ膨張させることに代えて、予め、二次元形状データＣ１を任意の幅だけ縮小させておいてもよい。
【００７６】
次に、ステップｓｔ９に進み、粗位置決めを行う。すなわち、対象物の大まかな位置Ｒ１を取得する。
【００７７】
図２０は、各輪郭データＬ２の外包長方形Ｂ２を示す図である。
【００７８】
図２１は、外包長方形データＢ１を回転させた状態を示す図である。
【００７９】
粗位置決めは、例えば、図２０に示すように、各輪郭データＬ２の外包長方形Ｂ２を求め、図２１に示すように、外包長方形Ｂ２の重心とモデルデータから得られた外包長方形データＢ１の重心とを一致させ、投影平面Ｓ１に対して外包長方形データＢ１をπ／８度ずつ回転させたものと、外包長方形Ｂ２との類似度を求めることによって行う。すなわち、外包長方形データＢ１を回転させるたびに、外包長方形Ｂ２の各角と、その角に最も近い回転させたときの外包長方形データＢ１の角との距離を計算し、その合計を取る。
【００８０】
図２２は、外包長方形データＢ１に包まれた二次元形状データＣ１の大まかな位置Ｒ１を示す図である。
【００８１】
図２０における合計値が最も小さいときの回転にしたＢ１を、図２２に示すように、大まかな位置Ｒ１の外包長方形とし、その外包長方形データＢ１に包まれたモデルデータＣ１の大まかな位置Ｒ１とする。
【００８２】
次に、ステップｓｔ１０に進み、詳細位置決めを行う。すなわち、投影平面Ｓ１での対象物の位置及び姿勢データＲ２を取得する。詳細位置決めは、例えば、大まかな位置Ｒ１を初期位置として、二次元形状データＣ１と輪郭データＬ２の幾何学的な偏差を最小とするマッチング処理を行う。
【００８３】
このマッチング処理は、以下のようにして行う。まず、得られた大まかな位置Ｒ１から２×２の回転行列を求め、これを用いてモデルデータの２次元形状データＣ１の各エッジの要素座標を、輪郭データＬ２と同じ座標系における座標に変更する。このようにして得られた２次元形状データＣ１の座標を初期値として、２次元形状データＣ１と輪郭データＬ２との幾何学的な偏差が最小となるマッチング処理を行い、投影平面Ｓ１上における対象物の詳細位置Ｒ２を求める。この処理は、以下の（式１）の値を最小とする回転行列Ｒ（２×２の行列）と並進成分ｔ（２×１の行列）を求める処理である。
【００８４】
【数１】
なお、このような処理については、“A Method for Registration of 3D Shapes”（P.J.Besl 、N.D.McKay）（IEEE Transactions on Pattern Analysis and Machine Intelligence, 14(2):238-256, (1992).）にも記載されている。
【００８５】
次に、ステップｓｔ１１に進み、対象物の位置及び姿勢を計測座標系において取得する。すなわち、詳細位置Ｒ２から回転行列Ｔ１の逆行列Ｔ２を求め、計測座標系における対象物の位置及び姿勢データＲ３を取得する。すなわち、まず、投影平面Ｓ１上の対象物の位置を、３次元空間上の対象物の位置とするために、回転行列Ｔ１の逆行列Ｔ２を求める。そして、詳細位置Ｒ２の各要素の座標に、Ｚ座標値の０を追加したうえで、逆行列Ｔ２を用いて、その座標を元の３次元空間上の座標とし、対象物の位置及び姿勢データＲ３を取得する。
【産業上の利用可能性】
【００８６】
本発明は、対象物の位置や姿勢を求める物体認識方法及び物体認識装置に関し、例えば、バラ積みされた部品を認識して把持するピッキングシステムに適用される。
【符号の説明】
【００８７】
Ｍ１ 三角メッシュデータ
Ｍ２ メッシュグループ
Ｍ３ 投影データ
Ｓ１ 投影平面
Ｌ１ 輪郭データ
Ｌ２ 輪郭データ
Ｂ１ 外包長方形データ
Ｂ２ 外包長方形
Ｒ１ 大まかな位置
【技術分野】
【０００１】
本発明は、対象物の位置や姿勢を求める物体認識方法及び物体認識装置に関する。
【背景技術】
【０００２】
従来、距離計測装置を用いて、対象物の位置や姿勢を求める物体認識方法及び物体認識装置が提案されている。例えば、非特許文献１には、距離計測装置としてカメラを用いて、物体認識を行う対象物の位置や姿勢を求めるパターンマッチングが行うことにより、対象物の位置や姿勢を求める物体認識方法が記載されている。
【０００３】
この物体認識方法におけるパターンマッチングでは、予め対象物のモデルデータ（画像や寸法データなどの二次元形状データ）を登録しておき、実際の作業において、対象物を含むシーンの画像を撮影し、この画像とモデルデータとの相関値を計算して、この相関値から対象物の位置や姿勢を求めている。
【０００４】
また、特許文献１には、予め対象物のモデルデータ（二次元形状データ相当）を準備しておき、距離計測装置として距離センサを用いて対象物を含む空間中の距離データ（以下、「シーンデータ」という。）を取得し、これらモデルデータと距離データとを比較して、対象物の位置や姿勢を求める物体認識方法が記載されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００８−２１７５４４号公報
【非特許文献】
【０００６】
【非特許文献１】「画像認識と画像理解」（啓学出版社発行）第１６頁〜第１８頁
【発明の概要】
【発明が解決しようとする課題】
【０００７】
ところで、非特許文献１に記載の物体認識方法においては、対象物がカメラの撮像面に対して正対していない（傾いている）場合には、正対マッチング用のモデルデータを用いてマッチングを行うことができない。そのため、確実なマッチングを行うためには、想定されるすべての条件（傾き）におけるモデルデータを登録しておく必要があるため、データ量が膨大となり、また、相関値を求めるための処理時間が長くなってしまう。
【０００８】
また、特許文献１に記載の物体認識方法においては、モデルデータとシーンデータとの比較は、単純な逐次比較によって行うため、比較処理に長時間を要する。
【０００９】
そこで、本発明は、前記の実情に鑑みてなされたものであり、その目的は、予め登録しておくモデルデータのデータ量を抑制しながら、対象物の位置や姿勢を迅速に求めることができる物体認識方法及び物体認識装置を提供することにある。
【課題を解決するための手段】
【００１０】
前述の課題を解決し、前記目的を達成するため、本発明に係る物体認識方法は、以下の構成を有するものである。
【００１１】
〔構成１〕
対象物を含む所定領域内の各点までの距離計測を行い、これら各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、輪郭データと対象物の二次元形状データとを比較して、対象物の位置及び姿勢を認識することを特徴とするものである。
【００１２】
そして、本発明に係る物体認識装置は、以下の構成を有するものである。
【００１３】
〔構成２〕
対象物を含む所定領域内の各点までの距離計測を行って距離情報を得る距離センサと、距離センサにより得られた距離情報が送られる三次元物体認識手段とを備え、三次元物体認識手段は、距離センサにより送られた距離情報に基づいて、各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、輪郭データと対象物の二次元形状データとを比較して対象物の位置及び姿勢を認識することを特徴とするものである。
【発明の効果】
【００１４】
本発明に係る物体認識方法及び物体認識装置においては、計測装置として距離センサを用いて計測データとして三次元データが得て、この三次元データに対して任意の回転変換を行って三次元データ中の対象物を常に同じ二次元形状データとして捉えるので、マッチングに必要なモデルデータを１つにすることができる。そのため、モデルデータ登録時のデータ量を抑制し、登録処理時間を短縮し、また、対象物の位置及び姿勢を求めるときの処理時間を短縮することができる。
【００１５】
すなわち、本発明は、予め登録しておくモデルデータのデータ量を抑制しながら、対象物の位置や姿勢を迅速に求めることができる物体認識方法及び物体認識装置を提供することができるものである。
【図面の簡単な説明】
【００１６】
【図１】本発明に係る物体認識装置が適用されるロボット装置の構成を示す側面図である。
【図２】本発明に係る物体認識方法において対象物を認識する手順を示すフローチャートである。
【図３】メッシュデータ作成方法のうち、近傍４頂点の並び方を説明する図である。
【図４】メッシュデータ作成方法のうち、計測データの場合分けを示す図である。
【図５】メッシュデータ作成方法のうち、４点が存在する場合の三角形メッシュ化を示す図である。
【図６】三角メッシュデータＭ１の例を示す平面図である。
【図７】メッシュグループＭ２の例を示す平面図である。
【図８】メッシュグループＭ２、法線ベクトルＶ１、投影平面Ｓ１の関係を示す図である。
【図９】メッシュグループＭ２を投影平面Ｓ１に投影した状態を示す図である。
【図１０】投影データＭ３において、最外郭輪郭となる頂点を示す図である。
【図１１】頂点Ｖ３を示す図である。
【図１２】抽出されたランダムな隣接する２つの頂点を示す図である。
【図１３】抽出した頂点を通る直線を示す図である。
【図１４】直線から一定距離内にある頂点を示す図である。
【図１５】頂点グループを示す図である。
【図１６】頂点グループを除いた状態を示す図である。
【図１７】作成された頂点グループを示す図である。
【図１８】各頂点グループに当てはまる輪郭直線を示す図である。
【図１９】輪郭データＬ１を任意の幅だけ膨張させた状態を示す図である。
【図２０】各輪郭データＬ２の外包長方形Ｂ２を示す図である。
【図２１】外包長方形データＢ１を回転させた状態を示す図である。
【図２２】外包長方形データＢ１に包まれた二次元形状データＣ１の大まかな位置Ｒ１を示す図である。
【発明を実施するための形態】
【００１７】
以下、本発明を実施するための形態について図面を参照して説明する。
【００１８】
〔物体認識装置の構成〕
図１は、本発明に係る物体認識装置が適用されるロボット装置の構成を示す側面図である。
【００１９】
本発明に係る物体認識装置は、図１に示すように、ロボット装置（多関節型ロボット）１０１に適用される。この物体認識装置は、対象物を計測する距離センサ１と、距離センサ制御手段２と、三次元物体認識手段３とから構成される。
【００２０】
距離センサ１は、距離センサ制御手段２に制御されて、対象物２０１を含む所定領域（視野）内の各点までの距離を測定し、測定データ（距離情報）を距離センサ制御手段２に送る。対象物２０１は、例えば、バラ積みされたナットなどである。距離センサ制御手段２は、三次元物体認識手段３に制御されて、距離センサ１により得られた距離情報を三次元物体認識手段３に送る。三次元物体認識手段３は、距離センサ制御手段２に対して計測要求を行い、距離センサ制御手段２より送られた距離情報に基づいて、物体認識を行う。
【００２１】
この物体認識装置が適用されるロボット装置１０１は、多関節のアームを有して構成されている。この多関節のアームの先端側には、ハンド（先端ツール）１０２が設けられている。ハンド１０２は、対象物２０１を把持（ピッキング）できるように構成されている。
【００２２】
ロボット装置１０１は、ロボット制御手段１０３によって制御されてアームを動作させる。また、ハンド１０２は、ロボット制御手段１０３により、ハンド制御手段１０４を介して制御される。
【００２３】
すなわち、ロボット制御手段１０３からは、ロボット装置１０１に対して制御指令が送られ、ロボット装置１０１からは、ロボット制御手段１０３に対してロボット状態を示すデータが送られる。また、ロボット制御手段１０３からは、ハンド制御手段１０４に対して把持指令が送られ、ハンド制御手段１０４からは、ロボット制御手段１０３に対して把持状態を示すデータが送られる。さらに、ハンド制御手段１０４からは、ハンド１０２に対して把持指令が送られ、ハンド１０２からは、ハンド制御手段１０４に対して把持状態を示すデータが送られる。
【００２４】
また、ロボット制御手段１０３は、三次元物体認識手段３に対して計測要求を行い、三次元物体認識手段３からは、ロボット制御手段１０３に対して、対象物の位置及び姿勢を示す位置姿勢情報が送られる。
【００２５】
この物体認識装置が適用されたロボット装置においては、ロボット制御手段１０３が三次元物体認識手段３に対して計測要求を行うと、三次元物体認識手段３が距離センサ制御手段２を制御し、距離センサ１により対象物２０１までの距離が測定される。三次元物体認識手段３は、距離センサ１により得られた距離情報に基づいて、物体認識処理を行い、対象物２０１の位置及び姿勢を求める。求められた位置及び姿勢を示す位置姿勢情報は、ロボット制御手段１０３に送られる。
そして、ロボット制御手段１０３は、位置姿勢情報に基づいて、ロボット装置１０１に対して制御指令を発するとともに、ハンド制御手段１０４に対して把持指令を発する。ロボット装置１０１のアームは、ロボット制御手段１０３から送られた制御指令に基づいて動作することにより、ハンド１０２を対象物２０１に接近させる。そして、ハンド１０２は、ロボット制御手段１０３から送られた把持指令に基づいて動作することにより、対象物２０１を把持する。
【００２６】
〔物体認識方法（物体認識装置の動作）〕
本発明に係る物体認識方法は、前述のように構成された本発明に係る物体認識装置おおいて実行される。
【００２７】
図２は、本発明に係る物体認識方法において対象物を認識する手順を示すフローチャートである。
【００２８】
この物体認識方法においては、図２に示すように、ステップｓｔ１において、対象物の二次元形状データを準備する。すなわち、対象物のＣＡＤデータからワイヤーフレーム情報を取得し、その情報から対象物表面の二次元形状データＣ１と、その外包長方形データＢ１とを取得する。
【００２９】
次に、ステップｓｔ２に進み、距離センサによる計測を行う。すなわち、距離センサを用いて対象物を含む視野内の各点までの距離計測を行い、三次元の点データＰ１を取得する。
【００３０】
次に、ステップｓｔ３に進み、点データＰ１のメッシュデータ化を行う。すなわち、点データＰ１内で幾何学的に隣接する３点を結び、三角メッシュデータＭ１を取得する。ここで、メッシュデータ作成方法について説明する。
【００３１】
図３は、メッシュデータ作成方法のうち、近傍４頂点の並び方を説明する図である。
【００３２】
まず、図３に示すように、計測された三次元の点データＰ１のうち、近傍４頂点として、計測点ｐｊｉ、ｐｊ＋１ｉ、ｐｊ＋１ｉ、ｐｊ＋１ｉ＋１を選ぶ。
【００３３】
図４は、メッシュデータ作成方法のうち、計測データの場合分けを示す図である。
【００３４】
ここで、図４に示すように、各点データＰ１を、計測状態にしたがって、「計測に成功した点」と「計測に失敗した点」とに分類する。近傍４頂点のそれぞれの計測状態に応じて、さらに３つの場合に分類する。
【００３５】
図５は、メッシュデータ作成方法のうち、４点が存在する場合の三角形メッシュ化を示す図である。
【００３６】
そして、図５に示すように、近傍４頂点が全て「計測に成功した点」である場合、すなわち、「４点が存在する場合」においては、この４点を頂点とした四角形に対角線を引いて、２つの三角形を作成する。このとき、三角形の作成のしかたには２通りが考えられるが、対角線の長さが短い方を採用する。ここで長さが同一になった場合は、任意に選択することとする。
【００３７】
また、近傍４頂点のうちの３点が「計測に成功した点」である場合、すなわち、「３点が存在する場合」においては、３点を頂点とした１つの三角形を作成する。
【００３８】
このようにして得られた全ての三角形のうち、１辺の長さが所定の閾値Ｌ以下のものを、最終的な三角形メッシュとして登録する。
【００３９】
次に、ステップｓｔ４に進み、三角メッシュデータＭ１のグルーピングを行う。すなわち、各三角形メッシュの重心間の幾何学的な距離と、各三角形メッシュの法線ベクトルの角度とを用いて、三角メッシュデータＭ１内でのグルーピングを行い、メッシュグループＭ２を取得する。
【００４０】
なお、三角形メッシュの重心は、三角形を構成する３頂点の重心である。また、三角形メッシュにおける三角形を構成する３つのベクトルから２つのベクトルを選び、この２つのベクトル外積を求めれば、三角形メッシュの法線ベクトルが求められる。
【００４１】
図６は、三角メッシュデータＭ１の例を示す平面図である。
【００４２】
グルーピングは、例えば、以下の手順により行う。ここで、図６に示すような三角メッシュデータＭ１が得られているとする。
【００４３】
まず、三角メッシュデータＭ１のなかから、任意の三角形メッシュを一つ選ぶ。次に、この三角形メッシュと、これに隣接する三角形メッシュとの重心間の距離が一定値以内で、これら三角形メッシュの法線ベクトルの傾きの差が一定値以内であれば、これら三角形メッシュを同じグループとする。このようなグループ化処理を、選択した１つの三角形メッシュに隣接するすべての三角形メッシュに対して行う。そして、同じグループとなった三角形メッシュを選択し、同様の処理を行う。このようにして、全ての三角形メッシュがグルーピングされるまで、処理を繰り返す。
【００４４】
図７は、メッシュグループの例を示す平面図である。
【００４５】
このようなグルーピングの処理を行うことにより、図６に示した三角メッシュデータＭ１は、図７に示すように、１つ又は複数にグルーピングされ、メッシュグループＭ２が得られる。メッシュグループＭ２は、三角形メッシュの集合である。
【００４６】
次に、ステップｓｔ５に進み、各メッシュグループＭ２の法線ベクトルに垂直な投影平面を作成する。すなわち、各メッシュグループＭ２内の三角形メッシュの法線を平均した法線ベクトルＶ１を求め、この法線ベクトルＶ１に垂直な二次元平面である投影平面Ｓ１を取得する。
【００４７】
図８は、メッシュグループＭ２、法線ベクトルＶ１、投影平面Ｓ１の関係を示す図である。
【００４８】
各メッシュグループＭ２と、法線ベクトルＶ１と、投影平面Ｓ１とは、図８に示すような関係となる。
【００４９】
次に、ステップｓｔ６に進み、各メッシュグループＭ２を投影平面Ｓ１に投影する。すなわち、法線ベクトルＶ１から回転行列Ｔ１を用いて、各メッシュグループＭ２を投影平面Ｓ１に投影し、投影データＭ３を取得する。
【００５０】
投影データＭ３の取得は、以下の手順により行う。まず、投影平面Ｓ１において、新たな座標系を作成する。そして、元の３次元空間上の３次元座標で表した投影平面Ｓ１の座標軸ｘ，ｙ及び法線ベクトルＶ１の傾きから、３×３の回転行列を求め、４×４の同次変換行列Ｔ１の回転成分とする。また、メッシュグループＭ２の重心が、そのメッシュグループＭ２に対応する投影平面Ｓ１の原点となる３次元ベクトルを求め、同次変換行列Ｔ１の並進成分とする。このようにして、４×４の同次変換行列Ｔ１が求まる。
【００５１】
図９は、メッシュグループＭ２を投影平面Ｓ１に投影した状態を示す図である。
【００５２】
同次変換行列Ｔ１を用いてメッシュグループＭ２の各頂点を座標変換すると、図９に示すように、メッシュグループＭ２が投影平面Ｓ１に投影された投影データＭ３のデータを得ることができる。このとき、座標変換後の３次元座標からＺ座標を除くことで、２次元座標とする。このとき得られた頂点をＶ２とする。
【００５３】
次に、ステップｓｔ７に進み、投影データＭ３の輪郭を抽出する。すなわち、投影データＭ３から、投影データＭ３の輪郭データＬ１を取得する。例えば、点データとして投影データＭ３の最外郭点群を抽出する。
【００５４】
図１０は、投影データＭ３において、最外郭輪郭となる頂点を示す図である。
【００５５】
投影データＭ３において、最外郭輪郭となる頂点は、図１０に示すように、以下の２つのことを満たす頂点である。第１に、隣接頂点のうち共に構成する三角形メッシュが１つしかない隣接頂点があることである。第２に、第１の条件を満たす隣接頂点が２つあることである。図１０においては、黒丸最外郭輪郭となる頂点であり、この頂点をＶ３とする。
【００５６】
また、平面上の直線パラメータを求めることができる最小２乗法などの一般的な手法を用いて直線データ（エッジデータ）を求める。この直線データの抽出は、以下のようにして行う。
【００５７】
図１１は、頂点Ｖ３を示す図である。
【００５８】
ここで、図１１に示すように、頂点Ｖ３が得られているとする。
【００５９】
図１２は、抽出されたランダムな隣接する２つの頂点を示す図である。
【００６０】
図１２に示すように、ランダムな隣接する２つの頂点を複数組抽出する。なお、ここでは、２つの頂点としているが、２つ以上の複数の頂点でも良い。
【００６１】
図１３は、抽出した頂点を通る直線を示す図である。
【００６２】
次に、図１３に示すように、抽出した２つの頂点の各組ごとに、それら頂点を通る直線を算出する。なお、３つ以上の頂点の場合は、最小２乗法などを用いて、それらの頂点に当てはまる直線を算出する。
【００６３】
図１４は、直線から一定距離内にある頂点を示す図である。
【００６４】
そして、図１４に示すように、図１３において算出された各直線から一定距離内にある頂点の個数を数える。
【００６５】
図１５は、頂点グループを示す図である。
【００６６】
そして、図１５に示すように、図１４において数えられた頂点の個数が最も多いものを１つの頂点グループとして採用する。
【００６７】
図１６は、頂点グループを除いた状態を示す図である。
【００６８】
次に、図１６に示すように、図１５において採用した頂点グループを、頂点Ｖ３から除く。そして、残りの頂点に関して、図１２乃至図１６に示した処理を繰り返して、さらに頂点グループを作成する。
【００６９】
図１７は、作成された頂点グループを示す図である。
【００７０】
図１２乃至図１６に示した処理を繰り返すことにりより、図１７に示すように、複数の頂点グループが作成される。
【００７１】
図１８は、各頂点グループに当てはまる輪郭直線を示す図である。
【００７２】
そして、図１７で作成した各頂点グループについて、図１８に示すように、最小２乗法などを用いて、各頂点グループに当てはまる輪郭直線を求める。この輪郭直線が輪郭データＬ１となる。
【００７３】
図１９は、輪郭データＬ１を任意の幅だけ膨張させた状態を示す図である。
【００７４】
次に、ステップｓｔ８に進み、図１９に示すように、輪郭データＬ１を任意の幅だけ膨張させる。すなわち、輪郭データＬ１の重心と輪郭データＬ１を構成する各エッジとの間の距離を広げることで、輪郭データＬ１を任意の幅だけ膨張させ、輪郭データＬ２を取得する。任意の幅とは、例えば、メッシュグループＭ２から三角メッシュデータＭ１の重心間の幾何学的な平均距離ｗを算出し、その０．５倍とする。
【００７５】
なお、輪郭データＬ１を任意の幅だけ膨張させることに代えて、予め、二次元形状データＣ１を任意の幅だけ縮小させておいてもよい。
【００７６】
次に、ステップｓｔ９に進み、粗位置決めを行う。すなわち、対象物の大まかな位置Ｒ１を取得する。
【００７７】
図２０は、各輪郭データＬ２の外包長方形Ｂ２を示す図である。
【００７８】
図２１は、外包長方形データＢ１を回転させた状態を示す図である。
【００７９】
粗位置決めは、例えば、図２０に示すように、各輪郭データＬ２の外包長方形Ｂ２を求め、図２１に示すように、外包長方形Ｂ２の重心とモデルデータから得られた外包長方形データＢ１の重心とを一致させ、投影平面Ｓ１に対して外包長方形データＢ１をπ／８度ずつ回転させたものと、外包長方形Ｂ２との類似度を求めることによって行う。すなわち、外包長方形データＢ１を回転させるたびに、外包長方形Ｂ２の各角と、その角に最も近い回転させたときの外包長方形データＢ１の角との距離を計算し、その合計を取る。
【００８０】
図２２は、外包長方形データＢ１に包まれた二次元形状データＣ１の大まかな位置Ｒ１を示す図である。
【００８１】
図２０における合計値が最も小さいときの回転にしたＢ１を、図２２に示すように、大まかな位置Ｒ１の外包長方形とし、その外包長方形データＢ１に包まれたモデルデータＣ１の大まかな位置Ｒ１とする。
【００８２】
次に、ステップｓｔ１０に進み、詳細位置決めを行う。すなわち、投影平面Ｓ１での対象物の位置及び姿勢データＲ２を取得する。詳細位置決めは、例えば、大まかな位置Ｒ１を初期位置として、二次元形状データＣ１と輪郭データＬ２の幾何学的な偏差を最小とするマッチング処理を行う。
【００８３】
このマッチング処理は、以下のようにして行う。まず、得られた大まかな位置Ｒ１から２×２の回転行列を求め、これを用いてモデルデータの２次元形状データＣ１の各エッジの要素座標を、輪郭データＬ２と同じ座標系における座標に変更する。このようにして得られた２次元形状データＣ１の座標を初期値として、２次元形状データＣ１と輪郭データＬ２との幾何学的な偏差が最小となるマッチング処理を行い、投影平面Ｓ１上における対象物の詳細位置Ｒ２を求める。この処理は、以下の（式１）の値を最小とする回転行列Ｒ（２×２の行列）と並進成分ｔ（２×１の行列）を求める処理である。
【００８４】
【数１】
なお、このような処理については、“A Method for Registration of 3D Shapes”（P.J.Besl 、N.D.McKay）（IEEE Transactions on Pattern Analysis and Machine Intelligence, 14(2):238-256, (1992).）にも記載されている。
【００８５】
次に、ステップｓｔ１１に進み、対象物の位置及び姿勢を計測座標系において取得する。すなわち、詳細位置Ｒ２から回転行列Ｔ１の逆行列Ｔ２を求め、計測座標系における対象物の位置及び姿勢データＲ３を取得する。すなわち、まず、投影平面Ｓ１上の対象物の位置を、３次元空間上の対象物の位置とするために、回転行列Ｔ１の逆行列Ｔ２を求める。そして、詳細位置Ｒ２の各要素の座標に、Ｚ座標値の０を追加したうえで、逆行列Ｔ２を用いて、その座標を元の３次元空間上の座標とし、対象物の位置及び姿勢データＲ３を取得する。
【産業上の利用可能性】
【００８６】
本発明は、対象物の位置や姿勢を求める物体認識方法及び物体認識装置に関し、例えば、バラ積みされた部品を認識して把持するピッキングシステムに適用される。
【符号の説明】
【００８７】
Ｍ１ 三角メッシュデータ
Ｍ２ メッシュグループ
Ｍ３ 投影データ
Ｓ１ 投影平面
Ｌ１ 輪郭データ
Ｌ２ 輪郭データ
Ｂ１ 外包長方形データ
Ｂ２ 外包長方形
Ｒ１ 大まかな位置
【特許請求の範囲】
【請求項１】
対象物を含む所定領域内の各点までの距離計測を行い、これら各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、
前記輪郭データと、前記対象物の二次元形状データとを比較して、前記対象物の位置及び姿勢を認識する
ことを特徴とする物体認識方法。
【請求項２】
対象物を含む所定領域内の各点までの距離計測を行って距離情報を得る距離センサと、
前記距離センサにより得られた距離情報が送られる三次元物体認識手段と
を備え、
前記三次元物体認識手段は、前記距離センサにより送られた距離情報に基づいて、前記各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、前記輪郭データと前記対象物の二次元形状データとを比較して前記対象物の位置及び姿勢を認識する
ことを特徴とする物体認識装置。
【請求項１】
対象物を含む所定領域内の各点までの距離計測を行い、これら各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、
前記輪郭データと、前記対象物の二次元形状データとを比較して、前記対象物の位置及び姿勢を認識する
ことを特徴とする物体認識方法。
【請求項２】
対象物を含む所定領域内の各点までの距離計測を行って距離情報を得る距離センサと、
前記距離センサにより得られた距離情報が送られる三次元物体認識手段と
を備え、
前記三次元物体認識手段は、前記距離センサにより送られた距離情報に基づいて、前記各点の計測データをメッシュデータ化し、このメッシュデータのグルーピングを行って複数のメッシュグループとし、各メッシュグループの法線ベクトルに垂直な投影平面を作成し、各メッシュグループを対応する投影平面に投影した投影データを求め、投影データの輪郭データを抽出して、前記輪郭データと前記対象物の二次元形状データとを比較して前記対象物の位置及び姿勢を認識する
ことを特徴とする物体認識装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【公開番号】特開２０１１−１５９０４２（Ｐ２０１１−１５９０４２Ａ）
【公開日】平成２３年８月１８日（２０１１．８．１８）
【国際特許分類】
【出願番号】特願２０１０−１９２０７（Ｐ２０１０−１９２０７）
【出願日】平成２２年１月２９日（２０１０．１．２９）
【出願人】（０００００００９９）株式会社ＩＨＩ (5,014)
【Ｆターム（参考）】
【公開日】平成２３年８月１８日（２０１１．８．１８）
【国際特許分類】
【出願日】平成２２年１月２９日（２０１０．１．２９）
【出願人】（０００００００９９）株式会社ＩＨＩ (5,014)
【Ｆターム（参考）】
[ Back to top ]