專利名稱：判定三維形狀一致的方法以及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及判定三維形狀一致的方法以及裝置，尤其涉及利用關(guān)于形狀的特征量的方法和裝置。
背景技術(shù)：
作為判定三維形狀的一致方法，已知一種通過拍攝判定對象的三維形狀來創(chuàng)建二維亮度圖像，并利用該亮度圖像進(jìn)行判定的方法。例如，在專利文獻(xiàn)1所記載的方法中，根據(jù)拍攝三維形狀所得到的亮度圖像來求出亮度分布，并基于該亮度分布來決定特征量，以所決定的特征量為基準(zhǔn)來進(jìn)行一致判定。另外，作為判定由二維亮度圖像所表示的物體的一致的方法，公知一種利用圖像特征量的方法。例如在非專利文獻(xiàn)1以及2中記載為“SIFT(Scale Invariant Feature Transform)，，的方法中，基于亮度圖像中的亮度梯度提取特征點，針對特征點求出表示特征量的向量，以該向量為基準(zhǔn)來判定一致。專利文獻(xiàn)1 日本特開2002-511175號公報。非專利文獻(xiàn)1 藤吉弘亙，“Gradient 一卞 特徵抽出-SIFT i HOG-”，情報処理學(xué)會研究報告 CVIM160、2007 年、p. 211-224非專禾Ij 文獻(xiàn) 2 :David G. Lowe, "Object Recognition from Local Scale-Invariant Features，，，Proc. of the International Conference on Computer Vision, Corfu, 1999 年 9 月然而，在現(xiàn)有技術(shù)中，存在無法有效地利用與立體形狀相關(guān)的信息這一問題。例如，在專利文獻(xiàn)1所記載的方法、非專利文獻(xiàn)1以及2所記載的方法中，由于僅利用所拍攝的二維亮度圖像，因此導(dǎo)致?lián)p失與立體形狀相關(guān)的信息的至少一部分。作為該問題影響到判定準(zhǔn)確度的具體例子之一，可舉出判定對象物體表面沒有特征性紋理，并且表面平滑地變化從而不產(chǎn)生陰影的情況。在這種情況下，無法根據(jù)亮度圖像恰當(dāng)?shù)氐玫匠蔀榕卸ɑ鶞?zhǔn)的信息。作為其他具體例，可舉出拍攝角度不同的情況。二維圖像會根據(jù)判定對象物體與攝像頭的相對位置以及姿勢的不同而大幅地變化。因此，即使是同一物體，如果從不同角度進(jìn)行拍攝也會成為不同的圖像，從而無法進(jìn)行準(zhǔn)確度高的一致判定。另外，由于基于三維位置關(guān)系的變化而導(dǎo)致的圖像變化超出了簡單的二維圖像旋轉(zhuǎn)或者尺度變化的范圍，因此僅采用對二維圖像的旋轉(zhuǎn)以及尺度變化具有魯棒性的方法，無法解決該問題。

發(fā)明內(nèi)容
本發(fā)明是為了解決該問題點而提出的，其目的在于，提供一種在進(jìn)行三維形狀的一致判定時，能夠有效地利用與立體形狀相關(guān)的信息的方法以及裝置。本發(fā)明所涉及的判定三維形狀一致的方法，該方法的特征在于，包括針對至少一個形狀來提取至少一個特征點的步驟；針對提取出的特征點來決定特征量的步驟；基于所決定的特征量和針對其他形狀所存儲的特征量，來進(jìn)行形狀相互間的一致判定的步驟，其中，特征量表示立體形狀。在該方法中，針對從形狀提取出的特征點，決定表示立體形狀的特征量。因此，特征量包括與立體形狀相關(guān)的信息。并且，利用該特征量來進(jìn)行一致判定。一致判定可以是形狀是否相互一致的判定，還可以是計算表示形狀一致的程度的一致度的判定。決定特征量的步驟還可以包含針對各個特征點，計算包含該特征點的平面的法線方向的步驟。由此，能夠與表示形狀的視點無關(guān)地確定與該特征點相關(guān)聯(lián)的方向。還可以包含針對其他形狀來提取至少一個特征點的步驟；針對其他形狀的特征點來決定特征量的步驟；以及存儲其他形狀的特征量的步驟。由此，能夠針對兩個形狀利用通過相同方法決定出的特征量來進(jìn)行判定。決定特征量的步驟還可以包括提取構(gòu)成形狀的表面的表面點的步驟；確定沿著法線方向?qū)⒈砻纥c投影到平面后的投影點的步驟；計算表面點與投影點之間的距離來作為表面點的深度的步驟；以及基于表面點的深度來計算特征量的步驟。決定特征量的步驟還可以包括基于多個表面點的深度來決定特征點的尺度的步驟；基于多個表面點的深度來決定平面中的特征點的方向的步驟；基于特征點的位置、特征點的尺度以及特征點的方向來決定特征記述區(qū)域的步驟，在基于表面點的深度計算特征量的步驟中，可以基于特征記述區(qū)域內(nèi)的表面點的深度來計算特征量。特征量還可以由向量的形式表示。進(jìn)行各個形狀間的一致判定的步驟還可以包括計算表示各個形狀的特征量的向量之間的歐幾里得距離的步驟。至少一個形狀可以由距離圖像表示。另外，本發(fā)明所涉及的判定三維形狀一致的裝置具備距離圖像創(chuàng)建單元，其創(chuàng)建形狀的距離圖像；存儲單元，其存儲距離圖像以及特征量；以及運算單元，其利用上述方法對由距離圖像表示的形狀進(jìn)行一致判定。根據(jù)本發(fā)明所涉及的判定三維形狀一致的方法以及裝置，由于將表示立體形狀的信息作為特征量使用，并基于其來進(jìn)行一致判定，因此能夠有效地利用與立體形狀相關(guān)的 fn息ο


圖1是表示本發(fā)明的判定裝置的構(gòu)成的圖。圖2是表示某物體的外觀的照片。圖3是圖2的物體的距離圖像。圖4是說明圖1的判定裝置的動作的流程圖。圖5是表示圖4的步驟S3以及步驟S7所含的處理的詳細(xì)內(nèi)容的流程圖。圖6是對圖1的特征點的附近放大表示的圖。
具體實施例方式以下，基于附圖對本發(fā)明的實施方式進(jìn)行說明。實施方式1
圖1表示本發(fā)明所涉及的判定裝置10的構(gòu)成。判定裝置10是判定三維形狀一致的裝置，其執(zhí)行判定三維形狀一致的方法。物體40具有三維形狀，其形狀在本實施方式中成為一致判定的對象。在此，采用物體40作為判定對象的第一物體。判定裝置10包括距離圖像攝像頭20。距離圖像攝像頭20是對物體40進(jìn)行拍攝， 來創(chuàng)建表示物體40的形狀的距離圖像的距離圖像創(chuàng)建單元。在此，距離圖像是針對距離圖像攝像頭20的拍攝范圍的物體或者其表面所含的各點，將表示自距離圖像攝像頭20到該點為止的距離的信息以圖像形式表示而成的。圖2以及圖3是對針對同一物體的外觀以及距離圖像進(jìn)行對比的圖。圖2是表示寫有“圓筒”的圓筒狀物體的外觀的照片，是亮度圖像。圖3是使用距離圖像攝像頭20拍攝該物體后得到的圖像，是距離圖像。其中，在圖3中離距離圖像攝像頭20的距離近的部分被明亮表示，距離遠(yuǎn)的部分被暗淡表示。從圖3可知，在距離圖像中與紋理(例如物體表面的“圓筒”之類的文字)無關(guān)地表示了到構(gòu)成物體表面形狀的各點為止的距離。如圖1所示，距離圖像攝像頭20與計算機(jī)30連接。計算機(jī)30是具有公知構(gòu)成的計算機(jī)，例如由微芯片或者個人計算機(jī)等構(gòu)成。計算機(jī)30具備進(jìn)行運算的運算單元31、和存儲信息的存儲單元32。運算單元31 例如是周知的處理器，存儲單元32例如是周知的半導(dǎo)體存儲裝置或者磁盤裝置。運算單元31通過執(zhí)行安裝在運算單元31的程序或者存儲在存儲單元32的程序， 來作為控制距離圖像攝像頭20的動作的攝像頭控制單元33、從距離圖像提取特征點的特征點提取單元34、針對特征點決定特征量的特征量決定單元35以及進(jìn)行形狀一致判定的一致判定單元36發(fā)揮功能，對于這些功能的詳細(xì)內(nèi)容將在后面說明。下面，利用圖4的流程圖，對圖1所示的判定裝置10的動作進(jìn)行說明。首先，判定裝置10針對作為具有第一形狀的第一物體，對物體40進(jìn)行處理(步驟 Sl S4)。在此，首先判定裝置10針對物體40創(chuàng)建表示其形狀的距離圖像(步驟Si)。在該步驟Sl中，攝像頭控制單元33控制距離圖像攝像頭20來拍攝距離圖像，從距離圖像攝像頭20接收距離圖像的數(shù)據(jù)并將其存儲在存儲單元32中。S卩，存儲單元32存儲如圖3所示那樣的距離圖像的數(shù)據(jù)。接下來，判定裝置10基于物體40的距離圖像，針對物體40的形狀提取至少1個特征點(步驟S》。該步驟S2由特征點提取單元34執(zhí)行。該特征點可以用何種方法來提取，下面對其進(jìn)行示例。由于距離圖像是二維圖像， 所以若將距離解釋為亮度，則可以視為在形式上與二維亮度圖像具有同一構(gòu)成的數(shù)據(jù)。艮口， 在圖3的例子中，將距離近的點表示為亮度高的點，將距離遠(yuǎn)的點表示為亮度低的點，但是還可以將基于該亮度的顯示直接用作亮度圖像。因此，作為針對物體40的形狀提取特征點的方法，可以直接應(yīng)用從二維亮度圖像提取特征點的周知的方法。作為從二維亮度圖像提取特征點的方法，多數(shù)方法是周知的，可以使用其中的任一種方法。例如，可以采用基于非專利文獻(xiàn)1以及2所記載的基于SIFT的方法來提取特征點。即，該情況下，特征點提取單元34利用基于SIFT的方法，從物體40的距離圖像提取特征點。在基于SIFT的方法中，一邊使高斯函數(shù)的尺度(scale)變化，一邊進(jìn)行高斯函數(shù)與亮度圖像(在本實施方式中為距離圖像)的卷積運算，在卷積結(jié)果中求出基于尺度變化的各像素的亮度(距離)的差值，與該差值為極值的像素對應(yīng)地提取特征點。在此，假設(shè)提取出圖1所示的特征點41，在以下的步驟S3以及S4中以特征點41 為例來進(jìn)行說明。其中，在提取出多個特征點的情況下，步驟S3以及S4的處理是分別針對各個特征點執(zhí)行的。判定裝置10針對特征點41決定特征量(步驟S； )。該特征量表示物體40的立體的形狀。利用圖5以及圖6來詳細(xì)說明該步驟S3的處理。圖5是表示步驟S3所含的處理的詳細(xì)內(nèi)容的流程圖，圖6是對圖1的特征點41 的附近進(jìn)行放大表示的圖。在步驟S3中，首先特征量決定單元35決定包含特征點41的平面(步驟S31)。該平面例如可以采用在特征點41處與物體40的表面相切的切平面42。接下來，在該步驟S3中，特征量決定單元35計算切平面42的法線方向(步驟 S32)。其中，距離圖像包含特征點41以及表示其周邊形狀的信息，因此對于在步驟S31 以及S32中切平面42以及計算其法線方向的處理，只要是本領(lǐng)域技術(shù)人員就能夠適當(dāng)?shù)卦O(shè)計。由此，可以與距離圖像攝像頭20的位置、角度無關(guān)地確定與特征點41處的形狀相關(guān)聯(lián)的方向。下面，特征量決定單元35針對物體40的表面形狀提取構(gòu)成其表面的點來作為表面點(步驟S3； )。表面點能夠通過例如在規(guī)定區(qū)域內(nèi)選擇等間隔的格子點來進(jìn)行提取，但只要是提取至少1個表面點的方法，無論利用何種方法提取均可。在圖6的例子中，假設(shè)提取出了表面點43 45。下面，特征量決定單元35確定與各表面點對應(yīng)的投影點(步驟S34)。投影點被確定為沿著切平面42的法線方向?qū)⒈砻纥c投影到切平面42的點。在圖6中，分別將與表面點43 45對應(yīng)的投影點設(shè)為投影點43， 45，。接下來，特征量決定單元35計算各表面點的深度(cbpth)(步驟S3。。深度作為表面點和與其對應(yīng)的投影點之間的距離被算出。例如表面點43的深度為深度d。接下來，特征量決定單元35基于各表面點的深度，決定特征點41的尺度(scale) (步驟S36)。尺度是表示特征點41附近的形狀的特征區(qū)域的大小的值。在該步驟S36中，特征點41的尺度可以由何種方法決定，下面對其進(jìn)行示例。各投影點在切平面42上可以由二維坐標(biāo)表示，另外，與各投影點對應(yīng)的表面點的深度是標(biāo)量值。因此，若將深度解釋為亮度，則可以視為形式上與二維亮度圖像具有同一構(gòu)成的數(shù)據(jù)。 即，可以針對各投影點將表示深度的數(shù)據(jù)直接用作亮度圖像。因此，作為決定特征點41的尺度的方法，可以直接應(yīng)用決定二維亮度圖像的特征點的尺度的周知方法。作為決定二維亮度圖像特征點的尺度的方法，例如，可以利用非專利文獻(xiàn)1以及2 所記載的SIFT的方法。即，該情況下，特征量決定單元35利用基于SIFT的方法，基于各表面點的深度來決定特征點41的尺度。如果利用基于SIFT的方法，則可以將特征區(qū)域的大小作為尺度考慮，本實施方式所涉及的方法是對尺寸變化具有魯棒性的方法。即，即使在物體40在外觀上的尺寸(即物體40與距離圖像攝像頭20的距離)發(fā)生了變化的情況下，尺度也與其相應(yīng)地變化，因此能夠通過考慮外觀上的尺寸來可靠地進(jìn)行形狀的一致判定。
接下來，特征量決定單元35基于各表面點的深度，決定切平面42的特征點41的方向(或者朝向(direction)或者方向(orientation))(步驟S37)。該方向是與切平面 42法線方向正交的方向。在圖6的例子中假設(shè)方向A為特征點41的方向。在該步驟S37中，特征點41的方向采用何種方法來決定均可，但是可以與步驟S36 同樣地，采用基于非專利文獻(xiàn)1以及2所記載的SIFT的方法。即，特征量決定單元35利用基于SIFT的方法，基于各表面點的深度，來決定切平面42中的特征點41的方向。在基于 SIFT的方法中，求出各像素的亮度梯度(在本實施方式中為各表面點的深度梯度)，并進(jìn)行該梯度、與以特征點41為中心與尺度對應(yīng)的高斯函數(shù)的卷積運算，并將卷積結(jié)果表示在離散化后的各個方向的直方圖中，將直方圖中最大梯度的方向決定為特征點41的方向。其中，在圖6的例子中，特征點41的方向僅是方向A，但是1個特征點也可以具有多個方向。根據(jù)SIFT，有時會得到深度梯度具有超過規(guī)定值的極值的多個方向，但是即使在這種情況下也可以同樣地進(jìn)行以下處理。如果利用基于SIFT的方法，則能夠在切平面42內(nèi)確定方向A，使其與坐標(biāo)軸相配合地記述特征量，本實施方式所涉及的方法是對旋轉(zhuǎn)具有魯棒性的方法。即，即使在物體40 在距離圖像攝像頭20的視野內(nèi)旋轉(zhuǎn)的情況下，由于特征點的方向也與其對應(yīng)地旋轉(zhuǎn)，因此能夠獲得相對于物體的朝向，實質(zhì)上不變的特征量，從而能夠可靠地進(jìn)行形狀的一致判定。接下來，特征量決定單元35基于在步驟S2提取出的特征點41的位置、在步驟S36 中決定出的特征點41的尺度、以及在步驟S37在決定出的特征點41的方向，來決定與特征點41相關(guān)的特征記述區(qū)域50 (步驟S38)。該特征記述區(qū)域50是在決定特征點41的特征量的時候所考慮的規(guī)定表面點范圍的區(qū)域。該特征記述區(qū)域50如果是根據(jù)特征點41的位置、特征點41的尺度以及特征點41 的方向而被唯一決定的，則可以以何意方式來決定。作為一個例子，在采用正方形區(qū)域的情況下，在切平面42中，將正方形中心設(shè)為特征點41，將一條邊的長度設(shè)為與尺度對應(yīng)的值， 并且根據(jù)特征點41的方向決定其朝向即可。另外，在采用圓形區(qū)域的情況下，在切平面42 中，將圓中心作為特征點41，將半徑作為與尺度對應(yīng)的值，并且根據(jù)特征點41的方向來決定其朝向即可。其中，該特征記述區(qū)域50還可以如圖6所示那樣在切平面42中決定，或者在物體 40的表面決定。任何一種方式均能夠通過在切平面42與物體40之間將特征記述區(qū)域50 投影在切線方向，來等效地確定特征記述區(qū)域50所含的表面點以及投影點。接下來，特征量決定單元35基于特征記述區(qū)域50所含的各表面點的深度，計算特征點41的特征量(步驟S39)。在該步驟S39中，特征點41的特征量以任何方法計算均可，但還可以與步驟S36以及S37同樣地，利用基于非專利文獻(xiàn)1以及2所記載的SIFT的方法。即，該情況下，特征量決定單元35利用基于SIFT的方法，基于各表面點的深度，計算特征點41的特征量。在此，特征量可以通過向量的形式來表示。例如，在基于SIFT的方法中，能夠?qū)⑻卣饔浭鰠^(qū)域50分割成多個塊，以塊為單位將離散化到規(guī)定數(shù)的方向的深度梯度的直方圖作為特征量。例如分割成4X4(合計16)個塊，將梯度離散化到8個方向的情況下，特征量成為4X4X8 = 1 維的向量。也可以對計算出的向量進(jìn)行正規(guī)化。可以將該正規(guī)化按照使所有特征點向量的長度的總和為固定值的方式進(jìn)行。
如上述那樣執(zhí)行步驟S3，來決定特征量。在此，各表面點的深度表示物體40的立體形狀，因此特征量能夠基于特征記述區(qū)域50的立體形狀被算出。接下來，判定裝置10將特征量存儲在存儲單元32中(圖4，步驟S4)。該處理通過特征量決定單元35進(jìn)行。在此針對物體40的處理結(jié)束。接著，判定裝置10針對具有第二形狀的第二物體，進(jìn)行與上述步驟Sl S4同樣的處理(步驟S5 S8)。步驟S5 S8的處理分別與步驟Sl S4同樣，故省略說明。接下來，判定裝置10基于針對第一形狀決定的特征量和針對第二形狀決定出的特征量，來進(jìn)行第一形狀與第二形狀的一致判定(步驟S9)。在該步驟S9中，一致判定單元 36進(jìn)行一致判定。一致判定可采用任何方法進(jìn)行，將一個例子表示如下。在作為例子而說明的判定方法中，首先利用kD樹來進(jìn)行特征點之間的對應(yīng)。例如，將所有特征點排序成η層(其中η為整數(shù))的kD樹。并且，通過利用該kD樹的查找最近相鄰節(jié)點(Best Bin First)的方法，針對一種形狀(例如第一形狀)的各個特征點，查找其他形狀(例如第二形狀)的特征點中的最類似的特征點，并建立對應(yīng)。由此，對于一種形狀的全部特征點，與其他形狀的特征點中的某一個建立對應(yīng)，從而生成組。在該時刻，組中實際上有可能包含不對應(yīng)的特征點的組(即錯誤對應(yīng)的組)。 為了將這樣的錯誤對應(yīng)組作為離群值除去，而利用了被稱為RANSAC (RANdom SAmp 1 e Consensus 隨機(jī)采樣一致估計)的方法。RANSAC記載在M. Fischer以及R. Bolles的題為"Random Sample Consensus :A paradigm for model fitting with applications to image analysis and automated cartography" ^ifeilpI11 (Communications of the ACM, 第M卷第6號，p. 381 385，1981年)。在RANSAC中，首先從特征點組中隨機(jī)地選擇規(guī)定數(shù)附來創(chuàng)建群，基于選擇出的全部組，求出從一種形狀的各特征點的向量向另一形狀的各特征點的向量的單應(yīng)性(homography)變換。并且，針對群所包含的各個組，求出針對表示一種形狀的特征點的向量進(jìn)行了該單應(yīng)性變換而得到的向量與另一形狀的特征點的向量的歐幾里得距離 (Euclidean distance)，并將該距離在規(guī)定閾值D以下的組判定為合群(inlier)、即為正確的對應(yīng)，并將超過規(guī)定的閾值D的組判定為離群(outlier)、即錯誤的對應(yīng)。其后，再次隨機(jī)地選擇規(guī)定數(shù)m個的組來創(chuàng)建不同的群，針對該群也同樣地判定各組是合群還是離群。這樣，將組的創(chuàng)建以及判定重復(fù)規(guī)定次數(shù)(X次)，確定被判定為合群的組最多的群。如果確定出的群中的合群的數(shù)N2在規(guī)定的閾值N3以上，則判定為兩個形狀一致，如果N2不足N3，則判定為不一致。另外，還可以根據(jù)N2的值，決定表示兩個形狀的一致程度的一致度。其中，在上述方法中，對于各種參數(shù)、即Nl、N2、N3、D以及X，只要是本領(lǐng)域技術(shù)人員即能夠通過實驗確定出恰當(dāng)?shù)闹?。如上那樣，根?jù)本發(fā)明實施方式1所涉及的判定裝置10，利用表面點的深度來表示立體形狀即表面的起伏，基于此來決定特征點以及特征量。而且，基于特征點以及特征量來進(jìn)行立體形狀的一致判定。因此，判定時能夠有效地利用與立體形狀相關(guān)的信息。例如，即使在判定對象的物體表面沒有特征性的紋理，并且表面平滑地變化而未產(chǎn)生陰影的情況下，也能夠根據(jù)表面的變化計算深度，并恰當(dāng)?shù)剡M(jìn)行一致判定。另外，即使在拍攝角度不同的情況下，也能夠恰當(dāng)?shù)剡M(jìn)行一致判定。如果是同一物體，即使拍攝的角度不同，形狀也不發(fā)生變化，因此如果是相同的特征點則法線方向以及深度梯度不變，特征量也不變。因此，只要各個距離圖像包含公共的特征點，就能夠通過特征量的一致來恰當(dāng)?shù)貦z測出特征點的對應(yīng)。另外，由于能夠應(yīng)對針對物體的視點的變化，因此物體的姿勢以及位置不受制約， 能夠應(yīng)用于廣泛的用途。并且，由于能夠以從一個視點的距離圖像為基準(zhǔn)來進(jìn)行判定，所以無需預(yù)先存儲從多個視點的距離圖像，因此能夠降低存儲器使用量。在上述實施方式1中，特征量的決定中僅使用了立體形狀(表面點的深度)，但是除此之外還可以采用與紋理相關(guān)的信息。即，作為輸入的圖像，不僅包括表示距離的信息， 還可以包括表示亮度(黑白或者彩色)的信息。該情況下，利用基于SIFT的方法，能夠計算出與亮度相關(guān)的特征量。通過結(jié)合與實施方式1中得到的立體形狀相關(guān)的特征量、和與這種亮度相關(guān)的特征量來進(jìn)行一致判定，能夠提高判定的準(zhǔn)確度。在實施方式1中，特征點的提取以及特征量的決定全部是基于距離圖像進(jìn)行的。 作為變形例，還可以基于距離圖像以外的信息進(jìn)行這些處理。只要是例如實體模型等能夠進(jìn)行特征點提取以及深度計算的信息即可，其可以是任何信息，即使是實際上未作為物體存在的信息，也能夠進(jìn)行同樣的處理。實施方式2.在上述實施方式1中，判定裝置分別拍攝兩個形狀來決定特征量。在實施方式2 中，針對第一形狀預(yù)先存儲特征量，而僅針對第二形狀進(jìn)行拍攝以及特征量的決定。實施方式2中的判定裝置的動作省略了圖4的處理中的步驟Sl S3。S卩，針對第一形狀不進(jìn)行特征量的決定，將由外部(例如其他判定裝置)決定的特征量作為輸入接收， 并對其進(jìn)行存儲。這例如相當(dāng)于模型數(shù)據(jù)的輸入。步驟S4以后的處理與實施方式1相同， 在針對第二形狀進(jìn)行了拍攝、特征點提取、特征量決定之后，進(jìn)行第一形狀與第二形狀的一致判定。實施方式2適用于預(yù)先對全部的判定裝置準(zhǔn)備公共的模型數(shù)據(jù)，僅選擇與其一致的物體(形狀)這樣的用途。在模型數(shù)據(jù)變更的情況下，無需在全部的判定裝置中重新拍攝新的模型，而在任一個判定裝置中決定模型的特征量后，將該特征量的數(shù)據(jù)復(fù)制到其他判定裝置即可，進(jìn)而能夠使作業(yè)高效化。
權(quán)利要求
1.一種判定三維形狀一致的方法，其特征在于，包括 針對至少一個形狀來提取至少一個特征點的步驟； 針對提取出的所述特征點來決定特征量的步驟；以及基于所決定的所述特征量和針對其他形狀所存儲的所述特征量，來進(jìn)行所述形狀相互間的一致判定的步驟，所述特征量表示立體形狀。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，決定所述特征量的所述步驟包括針對各個所述特征點來計算包含該特征點的平面的法線方向的步驟。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括 針對所述其他形狀來提取至少一個特征點的步驟；針對所述其他形狀的所述特征點來決定特征量的步驟；以及存儲所述其他形狀的特征量的步驟。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于， 決定所述特征量的所述步驟包括提取構(gòu)成所述形狀的表面的表面點的步驟；確定沿著所述法線方向?qū)⑺霰砻纥c投影到所述平面后的投影點的步驟； 計算所述表面點與所述投影點之間的距離來作為所述表面點的深度的步驟；以及基于所述表面點的所述深度來計算所述特征量的步驟。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于， 決定所述特征量的所述步驟包括基于多個所述表面點的所述深度來決定所述特征點的尺度的步驟； 基于多個所述表面點的所述深度來決定所述平面中的所述特征點的方向的步驟；以及基于所述特征點的位置、所述特征點的尺度以及所述特征點的方向來決定特征記述區(qū)域的步驟，在基于所述表面點的所述深度來計算所述特征量的所述步驟中，基于所述特征記述區(qū)域內(nèi)的所述表面點的所述深度來計算所述特征量。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于， 所述特征量由向量的形式表示。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，進(jìn)行所述形狀相互間的一致判定的所述步驟包括計算表示各個所述形狀的所述特征量的所述向量之間的歐幾里得距離的步驟。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于， 所述形狀的至少一個由距離圖像表示。
9.一種判定三維形狀一致的裝置，具備 距離圖像創(chuàng)建單元，其創(chuàng)建所述形狀的距離圖像； 存儲單元，其存儲所述距離圖像以及所述特征量；以及 運算單元，其利用權(quán)利要求1所述的方法對由所述距離圖像表示的所述形狀進(jìn)行一致判定。
全文摘要
本發(fā)明提供一種判定三維形狀一致的方法以及裝置，能夠有效地利用與立體形狀相關(guān)的信息。判定裝置(10)的攝像頭控制單元(33)利用距離圖像攝像頭(20)對判定對象的物體的距離圖像進(jìn)行拍攝。特征點提取單元(34)基于該距離圖像來提取特征點。特征量決定單元(35)計算特征點附近的立體形狀來作為表面點的深度，并基于表面點的深度來決定特征點的特征量。一致判定單元(36)基于兩個形狀的特征量進(jìn)行這些形狀的一致判定。
文檔編號G06T7/00GK102428497SQ20108002184
公開日2012年4月25日 申請日期2010年6月4日 優(yōu)先權(quán)日2009年6月22日
發(fā)明者小關(guān)亮介, 藤吉弘亙 申請人:株式會社豐田自動織機(jī)