特許ウォッチ

公開番号2025122683
公報種別公開特許公報(A)
公開日2025-08-22
出願番号2024018239
出願日2024-02-09
発明の名称対象物認識装置、およびその方法
出願人Arithmer株式会社
代理人
主分類G06V 10/82 20220101AFI20250815BHJP(計算;計数)
要約【課題】対象物認識を精度よく行う。
【解決手段】複数の静止画像から複数の対象物を認識する対象物認識装置において、前記画像それぞれから色データ及び深度データを形成し、前記色データ及び深度データすべてに対して特徴量マップを生成して学習する学習部と、前記色データ及び深度データを用いた学習によって構成され学習モデルを参照して、前記画像における前記対象物を認識する認識部とを備える。
【選択図】図1
特許請求の範囲【請求項１】
複数の静止画像から複数の対象物を認識する対象物認識装置において、
前記画像それぞれから色データ及び深度データを形成し、前記色データ及び深度データすべてに対して特徴量マップを生成して学習する学習部と、
前記色データ及び深度データを用いた学習によって構成され学習モデルを参照して、前記画像における前記対象物を認識する認識部と、
を備え、
前記学習モデルは、あらかじめ様々な対象物の認識タスクを学習したネットワーク構造に、前記画像取得後、対象物の識別に不要となる背景を取り除いた前記色データ及び深度データを入力し、前記ネットワーク構造から抽出された特徴量に基づいて学習されることを特徴とする対象物認識装置。
続きを表示（約 770 文字）【請求項２】
前記認識部は、前記学習済みの様々な対象物のプロファイルと比較し、前記対象物を推測する請求項１記載の対象物認識装置。
【請求項３】
前記対象物の識別に不要となる背景を取り除いた後、色・深度を独立に画像の全体、位置を変えて上半分・中半分・下半分を切り出すことを特徴とする請求項１記載の対象物認識装置。
【請求項４】
前記画像データは、各対象物の点群クラスタにして、対応する２次元画像投射画像について外接矩形を求め、それぞれについて切り出し、縦長の画像を得ることを特徴とする請求項１または３記載の対象物認識装置。
【請求項５】
前記外接矩形を求めた後、画素抜けを埋めるために中央値フィルタを適用することを特徴とする請求項４記載の対象物認識装置。
【請求項６】
複数の静止画像から複数の対象物を認識する対象物認識方法において、
前記画像から色データ及び深度データを形成し、前記色データ及び深度データすべてに対して特徴量マップを生成して学習するステップと、
前記色データ及び深度データを用いた学習によって構成され学習モデルを参照して、前記画像における前記対象物を認識するステップと、
を備え、
前記学習モデルは、あらかじめ様々な物体の認識タスクを学習したネットワーク構造に、前記画像取得後、対象物の識別に不要となる背景を取り除いた前記色データ及び深度データを入力し、前記ネットワーク構造から抽出された特徴量に基づいて学習されることを特徴とする対象物認識方法。
【請求項７】
前記対象物を認識するステップでは、前記学習済みの様々な対象物のプロファイルと比較し、前記対象物を推測する請求項６記載の対象物認識方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、複数の対象物認識装置、および方法に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
例えば、特許文献１には、推論モデルがピクセル単位でラベルを付加したラベル付画像を生成するため、撮像部が生成した入力画像データに複数の対象物をそれぞれ示す複数の画像が含まれる場合であっても、各対象物を認識できる。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－０１０９７０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１のシステムでは、対象物をピッキングした時、ある程度変形しても良い場合であり、対象物の変形、損傷が許されない場合に適していない。
【課題を解決するための手段】
【０００５】
第１観点に係る発明は、複数の静止画像から複数の対象物を認識する対象物認識装置において、前記画像それぞれから色データ及び深度データを形成し、前記色データ及び深度データすべてに対して特徴量マップを生成して学習する学習部と、前記色データ及び深度データを用いた学習によって構成され学習モデルを参照して、前記画像における前記対象物を認識する認識部と、を備え、前記学習モデルは、あらかじめ様々な対象物の認識タスクを学習したネットワーク構造に、前記画像取得後、対象物の識別に不要となる背景を取り除いた前記色データ及び深度データを入力し、前記ネットワーク構造から抽出された特徴量に基づいて学習されることを特徴とする。
【発明の効果】
【０００６】
本発明によれば、対象物認識を精度よく行う。
【図面の簡単な説明】
【０００７】
本発明の実施形態に係る対象物認識装置２０の構成を示す模式図である。
同実施形態に係る動画撮影の一例を示す模式図である。
同実施形態に係る点群データの一例を示す模式図である。
同実施形態に係る点群データの一例を示す模式図である。
同実施形態に係る外接矩形データの一例を示す模式図である。
同実施形態に係る画像背景の影響が軽減された一例を示す模式図である。
同実施形態に係るマハラノビス距離の一例を示すグラフである。
【発明を実施するための形態】
【０００８】
（１）対象物認識装置の構成
【０００９】
図１は本実施形態に係る対象物認識装置２０の構成を示す模式図である。便宜上、以下の説明において、複数の対象物５は、食用油、卵パック、牛乳パックであるとする。ただし、本実施形態に係る対象物認識装置２０の複数の対象物５はこれに限定されるものではなく、任意の対象物であってよい。
【００１０】
対象物認識装置２０は、カメラ１５を介して複数の対象物５の複数の静止画像から色と深度を取得し、それらの画像から対象物を認識する。また、対象物認識装置２０は認識結果を監視者が操作するユーザ端末装置３０に送信する。このような対象物認識装置２０は任意のコンピュータにより実現することができる。ここでは、対象物認識装置２０は、記憶部２１、入出力部２２、通信部２３、処理部２４を備える。なお、対象物認識装置２０は、ＬＳＩ（Large Sc ale Integration），ＡＳＩＣ（Application Specific Integrated Circuit），ＦＰＧＡ（Field-Programmable Gate Array）などを用いてハードウェアとして実現されるものでもよい。
（【００１１】以降は省略されています）

関連特許