JPH08171642A - 画像認識方法 - Google Patents

Abstract

(57)【要約】 【目的】 入力画像中の特定パターンを含む画像から該
特定パターンの重心を上記画素の分解能以上の高精度で
求めることにより、上記入力画像中の特定パターンの位
置を正確に認識する。 【構成】 入力画像中の特定パターン３０含む画像を多
数の微小領域に分割し、該多数の微小領域のうち上記特
定パターン３０の境界を含む微小領域ｓの重心位置Ｇ₂
を周囲の微小領域の濃度情報に基づいて算出し、これら
特定パターン３０の境界を含む多数の微小領域の重心位
置を参照して、上記特定パターンの重心位置を算出す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、入力画像中の特定パタ
ーンの位置を、該特定パターンの重心位置を算出するこ
とにより認識する画像認識方法に関する。

【０００２】

【従来の技術】カメラで撮像した画像を処理して物体の
位置を計測する場合、カメラのキャリブレーション（校
正）が必要不可欠である。カメラキャリブレーションと
は、世界座標系（絶対座標系）に対するカメラの位置と
向き、カメラの焦点距離・画像中心を求めることである
（特開平６−１３７８４０号公報参照）。

【０００３】上記カメラキャリブレーションには、一般
に図４に示すような、整列した複数の円パターン１５や
正方形パターンが描かれたキャリブレーションプレート
１０が用いられる。そして、図５に示す三次元空間中の
点Ｐ_i をカメラで撮像したとき、画面２０中の点ｐ_i に
投影されるものとして、カメラキャリブレーションを行
なう場合、点Ｐ_i の座標（Ｘ_i ，Ｙ_i ，Ｚ_i ）と点ｐ_i
の座標（ｘ_i ，ｙ_i ）が既知である必要がある。

【０００４】上記点Ｐ_i として、キャリブレーションプ
レート１０に描かれている円パターン１５や正方形パタ
ーンの中心を用い、このキャリブレーションプレート１
０を正確に移動させることにより、座標が既知である点
Ｐ_i （Ｘ_i ，Ｙ_i ，Ｚ_i ）を用意できる。そして、この
キャリブレーションプレート１０をカメラで撮像し、そ
の画像を処理して画像パターンの中心を算出することに
より、画面２０中の点ｐ_i の座標（ｘ_i ，ｙ_i ）を求め
ることができる。

【０００５】パターンの中心を算出する一般的な方法と
して、入力画像におけるパターンの重心（中心）を求め
ることが行われており、画像パターンの重心（ｘ_G ，ｙ
_G ）を算出するために、下式が用いられている。そし
て、下式では、画素の中心にその濃度に応じた重さがか
かっていると仮定した上で、重心の計算を行なってい
る。

【０００６】

【数２】

【０００７】ただし、ｆ（ｘ，ｙ）は（ｘ，ｙ）におけ
る画素の濃度を表す。

【０００８】

【発明が解決しようとする課題】ところが、パターンの
境界付近では、この仮定は必ずしも成立しない。

【０００９】例えば、１つの画素と、該画素の８近傍の
画素とを含む９個の画素で構成される正方形の領域に対
して、パターン（ハッチング部分）の境界が図６（ａ）
のように位置している場合、各画素に入射する光の量に
応じて各画素の濃度が決定されるため、９つの画素の濃
度値を８ビットの数で表すと図６（ｂ）のようになる。
このとき、従来のパターン重心算出方法では、図７
（ａ）のようにモデル化し、図７（ｂ）のように各画素
の濃度に応じた重さが各画素の中心にかかると仮定して
いる。

【００１０】一方、実際には、各画素に対して図８
（ａ）に示すように重さがかかっているから、パターン
の境界を含む画素の重心は、図８（ｂ）に示すように画
素の中心から外れた位置にくる。したがって、画素の濃
度に応じた重さが画素の中心にかかると仮定する従来の
方法では、算出したパターンの重心位置に誤差が生じる
ことになる。そして、上記方法でパターンの重心位置を
求める場合、本来ならば各画素の中心ではなく、重心に
濃度に応じた重さがかかると考えるべきである。

【００１１】また、入力画像を２値化した後パターン重
心を算出する方法もあるが（特開昭６３−１９０８７号
公報参照）、この方法では、例えば各画素が図６（ｂ）
のような濃度値を有する画像を例えばしきい値１５０を
もって２値化するものであるから、濃度値が２５５およ
び２００の画素の濃度が１となり、濃度値が１００の画
素の濃度が０となって、パターン境界付近の濃度情報が
失われてしまうため、画素の分解能以上の精度でパター
ンの重心（円パターンの場合は中心）を求めることは不
可能であった。

【００１２】そこで、本発明は、画素の分解能以上の高
精度で画像パターンの重心を正確に求めることができる
画像認識方法を提供することを目的とする。

【００１３】

【課題を解決するための手段】本願第１の発明は、入力
画像中の特定パターンを含む画像を多数の微小領域に分
割し、該多数の微小領域の重心位置を参照して、上記特
定パターンの重心位置を算出することにより、上記入力
画像中の特定パターンの位置を認識する画像認識方法で
あって、上記多数の微小領域のうち上記特定パターンの
境界を含む微小領域の重心位置を周囲の微小領域の濃度
情報に基づいて算出することを特徴とする。

【００１４】上記微小領域ｓの重心位置（ｘ_G ，ｙ_G ）
は、上記微小領域と該微小領域の８近傍の微小領域とを
含む領域の重心位置（ｘ_g ，ｙ_g ）を求めることにより
算出することができる。

【００１５】上記特定パターンの境界を含む微小領域ｓ
（ｘ，ｙ）の重心位置（ｘ_G ，ｙ_G）は、該画素の８近
傍の画素の濃度（ｆ₀ 〜ｆ₇ ）から下式を用いて算出す
ることができる。

【００１６】

【数３】

【００１７】ただし、ｆ₀ ＝ｆ（ｘ−１，ｙ−１），ｆ
₁ ＝ｆ（ｘ，ｙ−１），ｆ₂ ＝ｆ（ｘ＋１，ｙ−１），
ｆ₃ ＝ｆ（ｘ＋１，ｙ），ｆ₄ ＝ｆ（ｘ＋１，ｙ＋
１），ｆ₅ ＝ｆ（ｘ，ｙ＋１），ｆ₆ ＝ｆ（ｘ−１，ｙ
＋１），ｆ₇ ＝ｆ（ｘ−１，ｙ） 本願第２の発明は、入力画像中の特定パターンの重心位
置を算出することにより、上記入力画像中の特定パター
ンの位置を認識する画像認識方法であって、上記入力画
像に対して、上記特定パターンを中央部に含む領域を設
定し、該領域を、上記特定パターン内に完全に含まれる
中央の小領域と、上記特定パターンの境界をそれぞれ含
んで上記中央の小領域の周囲に存在する複数の小領域と
に分割し、上記中央の小領域の重心位置を周囲の上記複
数の小領域の濃度情報に基づいて補正し、該補正された
重心位置を上記特定パターンの重心位置と決定すること
を特徴とする。

【００１８】

【作用および発明の効果】第１の発明による画像認識方
法は、特定パターンの境界を含む微小領域（例えば画
素）の重心位置を周囲の微小領域の濃度に基づいて算出
する処理を含んでいることにより、パターン境界付近の
濃度情報が失われることなく上記特定パターンの境界を
含む微小領域の重心位置を正確に求めることができるか
ら、上記微小領域（例えば画素）の分解能以上の精度で
特定パターンの重心を求めることが可能になる。

【００１９】第２の発明による画像認識方法は、特定パ
ターン内に完全に含まれる中央の小領域の重心位置を周
囲の上記複数の小領域の濃度情報に基づいて補正した重
心位置を、上記特定パターンの境界をそれぞれ含む周囲
の複数の小領域の濃度情報に基づいて補正し、該補正さ
れた重心位置を上記特定パターンの重心位置と決定して
いるから、特定パターンの重心位置を容易かつ正確に求
めることができる。

【００２０】

【実施例】以下、本発明による画像認識方法について説
明する。

【００２１】実施例１ 先ず、図１に示すように、入力画像中の特定パターン３
０（ハッチング部分）を含む画像２５を多数の複数の正
方形の微小領域、例えば画素に分割し、該多数の画素の
うちの特定パターン３０の境界を含む画素ｓの中心ｏを
原点にとり、図２に示すように、この原点ｏに対して水
平方向右向きにｘ軸を、垂直方向下向きにｙ軸をとった
ｘｙ座標系を設定する。そしてこの画素ｓの８近傍の画
素をｓ₀〜ｓ₇ とすると、画素ｓの中心ｏを原点とする
座標系における画素ｓ₀ 〜ｓ₇ の中心のｘｙ座標は下記
のようになる。

【００２２】ｓ₀ ：（ｓ_0x，ｓ_0y）＝（−１，−１）， ｓ₁ ：（ｓ_1x，ｓ_1y）＝（０，−１）， ｓ₂ ：（ｓ_2x，ｓ_2y）＝（１，−１）， ｓ₃ ：（ｓ_3x，ｓ_3y）＝（１，０）， ｓ₄ ：（ｓ_4x，ｓ_4y）＝（１，１）， ｓ₅ ：（ｓ_5x，ｓ_5y）＝（０，１）， ｓ₆ ：（ｓ_6x，ｓ_6y）＝（−１，１）， ｓ₇ ：（ｓ_7x，ｓ_7y）＝（−１，０） 次に、濃度ｆを有する画素ｓを中心とする、画素ｓおよ
び該画素ｓの８近傍の画素ｓ₀ 〜ｓ₇ を含む正方形の領
域Ｓを考え、画素ｓ₀ 〜ｓ₇ の濃度をｆ₀ 〜ｆ₇ とする
と、上記ｘｙ座標系における領域Ｓの重心Ｇ₁ のｘｙ座
標（ｘ_g ，ｙ_g）は下式のようになる。

【００２３】

【数４】

【００２４】ただし、ｆ₀ ＝ｆ（ｘ−１，ｙ−１），ｆ
₁ ＝ｆ（ｘ，ｙ−１），ｆ₂ ＝ｆ（ｘ＋１，ｙ−１），
ｆ₃ ＝ｆ（ｘ＋１，ｙ），ｆ₄ ＝ｆ（ｘ＋１，ｙ＋
１），ｆ₅ ＝ｆ（ｘ，ｙ＋１），ｆ₆ ＝ｆ（ｘ−１，ｙ
＋１），ｆ₇ ＝ｆ（ｘ−１，ｙ） 次に、図１に示すように、画面の左上隅に原点Ｏをと
り、この原点Ｏに対して水平方向右向きにＸ軸を、垂直
方向下向きにＹ軸をとったＸＹ座標系を設定し、原点Ｏ
に対する画素ｓの中心（ｘｙ座標系の原点ｏ）のＸＹ座
標を（ｘ，ｙ）として、このＸＹ座標における画素ｓの
重心Ｇ₂ の座標（ｘ_G ，ｙ_G ）を求める。

【００２５】ここで、領域Ｓを画素ｓの位置および面積
に圧縮したとき、領域Ｓの重心Ｇ₁が画素ｓの重心Ｇ₂
に重なると考えると、画素ｓの各辺の長さは領域Ｓの各
辺の長さの１／３であるから、原点ｏと画素ｓの重心Ｇ
₂ との間の距離が、原点ｏと領域Ｓの重心Ｇ₁ との間の
距離の１／３に短縮されることにより、原点をＯとする
ＸＹ座標における画素ｓの重心Ｇ₂ の座標（ｘ_G ，
ｙ_G ）は次式より求められる。

【００２６】

【数５】

【００２７】すなわち、画素ｓの重心Ｇ₂ の位置は、こ
の画素ｓの８近傍の画素ｓ₀ 〜ｓ₇の濃度情報に基づい
て求められることになる。そして、このような画素ｓの
重心（ｘ_G ，ｙ_G ）を求める計算を特定パターン３０の
境界を含む画素のすべてについて行ない、かつ特定パタ
ーン３０の内部に完全に含まれる全ての画素の重心はそ
の中心にあるとして計算を行なうことにより、上記特定
パターン３０の重心Ｇ₃ のＸＹ座標（Ｘ_G ，Ｙ_G ）を次
式より算出することができる。

【００２８】

【数６】

【００２９】本実施例では、特定パターンの境界を含む
画素の重心位置を、この画素の８近傍の画素の濃度に基
づいて算出し、これに基づいて上記特定パターンの重心
（Ｘ_G ，Ｙ_G ）を算出しているから、画素の分解能以上
の精度で特定パターン３０の重心を正確に算出できる利
点がある。

【００３０】なお、本実施例では、微少領域を画素１個
の領域としているが、所定の複数個の画素を含む領域を
上記微小領域とすることもできる。

【００３１】実施例２ 図３に示すように、入力画像に対して、１つの円パター
ン１５を中央部に含む正方形のウインドウ領域４０を設
定し、該ウインドウ領域４０を、パターン１５内に完全
に含まれる１つの正方形の小領域Ａと、該小領域Ａの８
近傍に存在し、かつそれぞれパターン１５の境界を含む
８つの正方形の小領域Ａ₀ 〜Ａ₇ とに９等分する。Ｃ，
Ｃ₀ 〜Ｃ₇ はそれぞれ領域Ａ，Ａ₀ 〜Ａ₇ の中心であ
る。そして、周囲の各小領域Ａ₀ 〜Ａ₇ のそれぞれの濃
度に応じて重みづけられた重心Ｇ₀〜Ｇ₇ の位置を実施
例１と同様の方法で算出する。

【００３２】すなわち、例えば小領域Ａ₀ の重心Ｇ₀ を
算出する場合には、小領域Ａ₀ の８近傍に存在する８つ
の小領域（小領域Ａ₁ ，Ａ，Ａ₇ を含む）を設定し、こ
れら８近傍の各小領域の濃度から、小領域Ａ₀ の重心を
算出する。そして、これら重心Ｇ₀ 〜Ｇ₇ の位置に基づ
いて、中央の小領域Ａの重心Ｇの位置を補正し、この補
正された重心Ｇの位置を、円パターン１５の重心として
決定する。

【００３３】このような方法によって、円パターン１５
の重心位置を容易かつ正確に求めることができる。

【図面の簡単な説明】

【図１】本発明による画像認識方法の第１の実施例にお
ける画素の重心位置検出方法の説明図

【図２】同 画素の８近傍を含む領域の説明図

【図３】本発明による画像認識方法の第２の実施例にお
けるパターンの重心位置検出方法の説明図

【図４】キャリブレーションプレートの１例を示す正面
図

【図５】カメラキャリブレーションの説明図

【図６】パタン境界と濃度値を示す説明図

【図７】従来の画像認識方法における画素における重さ
のかかり方のモデルと各画素の重心位置を示す説明図

【図８】画像における実際の重さのかかり方のモデルと
各画素の重心位置を示す説明図

【符号の説明】

１０ キャリブレーションプレート １５ 円パターン ２０ 画面 ３０ パターン ４０ ウインドウ領域

フロントページの続き (72)発明者 吉田 博行 広島県安芸郡府中町新地３番１号 マツダ 株式会社内 (72)発明者 高橋 弘行 広島県安芸郡府中町新地３番１号 マツダ 株式会社内

Claims (4)

【特許請求の範囲】
1. 【請求項１】 入力画像中の特定パターンを含む画像を
   多数の微小領域に分割し、該多数の微小領域の重心位置
   を参照して、上記特定パターンの重心位置を算出するこ
   とにより、上記入力画像中の特定パターンの位置を認識
   する画像認識方法であって、 上記多数の微小領域のうち上記特定パターンの境界を含
   む微小領域の重心位置を周囲の微小領域の濃度情報に基
   づいて算出することを特徴とする画像認識方法。
2. 【請求項２】 上記微小領域と該微小領域の８近傍の微
   小領域とを含む領域の重心位置（ｘ_g ，ｙ_g ）を求め、
   該重心位置（ｘ_g ，ｙ_g ）から上記微小領域の重心位置
   （ｘ_G ，ｙ_G ）を算出することを特徴とする請求項１に
   記載の画像認識方法。
3. 【請求項３】 上記特定パターンの境界を含む微小領域
   ｓ（ｘ，ｙ）の重心位置（ｘ_G ，ｙ_G ）を、該微小領域
   ｓ（ｘ，ｙ）の８近傍の微小領域の濃度ｆ₀〜ｆ₇ から
   下式を用いて算出することを特徴とする請求項２に記載
   の画像認識方法。 【数１】 ただし、ｆ₀ ＝ｆ（ｘ−１，ｙ−１），ｆ₁ ＝ｆ（ｘ，
   ｙ−１），ｆ₂ ＝ｆ（ｘ＋１，ｙ−１），ｆ₃ ＝ｆ（ｘ
   ＋１，ｙ），ｆ₄ ＝ｆ（ｘ＋１，ｙ＋１），ｆ₅ ＝ｆ
   （ｘ，ｙ＋１），ｆ₆ ＝ｆ（ｘ−１，ｙ＋１），ｆ₇ ＝
   ｆ（ｘ−１，ｙ）
4. 【請求項４】 入力画像中の特定パターンの重心位置を
   算出することにより、上記入力画像中の特定パターンの
   位置を認識する画像認識方法であって、 上記入力画像に対して、上記特定パターンを中央部に含
   む領域を設定し、該領域を、上記特定パターン内に完全
   に含まれる中央の小領域と、上記特定パターンの境界を
   それぞれ含んで上記中央の小領域の周囲に存在する複数
   の小領域とに分割し、上記中央の小領域の重心位置を周
   囲の上記複数の小領域の濃度情報に基づいて補正し、該
   補正された重心位置を上記特定パターンの重心位置と決
   定することを特徴とする画像認識方法。