[发明专利]图像识别设备、方法和机器人设备

说明书

本分案申请是基于申请号为200480000409.8、申请日为2004年4月22日、发明名称为“图像识别设备、方法和机器人设备”的中国专利申请的分案申请。

技术领域

本发明涉及图像识别设备、其方法和具有这样的图像识别功能的机器人设备，用于从包含多个对象的对象图像中提取要检测的模型。

本申请要求以于2003年4月28日申请的日本专利申请No.2003-124225作为优先权基础，这里本申请进行了引用。

背景技术

目前，许多在实践中使用的对象识别技术根据顺序相似性检测算法和互相关系数使用模板匹配技术。模板匹配技术在可以假设检测对象出现在输入图像中的特殊情况下是有效的。然而，在从不一致的视点或照明状态的普通图像中识别对象的环境中，该技术是无效的。

此外，还有人提出了形状匹配技术，该技术查找检测对象形状特征和通过图像分离技术提取的输入图像中的每一个区域的形状特征之间的匹配。在上文所提及的环境中识别普通对象的情况下，区域分离会产生不一致的结果，难以在输入图像中提供对象形状的高质量的表示。当检测对象部分地被另一个对象隐藏时，识别变得特别困难。

上文所提及的匹配技术使用了输入图像或其部分区域的总体特征。相比之下，有人提出了另一种技术。该技术从输入图像中提取特征点或边缘。该技术使用图表和图形来表示包括提取的特征点或边缘的线段集或边缘集之间的空间关系。该技术基于图表或图形之间的结构相似性执行匹配。此技术对特殊的对象非常有效。然而，变形的图像可能会阻止特征点之间的结构的稳定的提取。如上所述，这就使得识别部分地被另一个对象隐藏的对象尤其困难。

此外，还有其他匹配技术，用于从图像中提取特征点并使用从本地附近的特征点和图像信息中获取的特征量。例如，C.Schmid和R.Mohr将由Harris角检测器检测的角当作特征点，并提议一种技术以使用特征点附近的不可旋转的特征量(C.Schmid and R.Mohr；″Local grayvalue invariants for image retrieval，IEEE PAMI，Vol.19.No 5，pp.530-534，1997)。此文件在下文中被称为文件1。该技术使用特征点处的部分图像失真的恒定局部特征量。与上文所提及的各种技术相比，即使图像变形或者检测对象被部分地隐藏，此匹配技术也可以执行稳定的检测。然而，文件1中所使用的特征量对于放大或缩小图像没有恒定性。如果放大或缩小，则难以识别图像。

另一方面，D.Lowe提议使用在放大或缩小图像的情况下不变的特征点和特征量的匹配技术(D.Lowe，″Object recognition from localscale-invariant features″，Proc.of the International Conference onComputer Vision，Vol.2，pp.1150-1157，September 20-25，1999，Corfu，Greece)。此文件在下文中被称为文件2。下面参考图1描述了由D.Lowe提议的图像识别设备。

如图1所示，图像识别设备400包括特征点提取部分401a和401b。特征点提取部分401a和401b从用于提取特征点的图像(模型图像或对象图像)中获取以多分辨率表示的图像。多分辨率表示被称为规模-空间表示(参见Lindeberg T.，″Scale-space：A frameworkfor handling image structures at multiple scales″，Journal of AppliedStatistics，Vol.21，No.2，pp.224-270，1999)。特征点提取部分401a和401b向具有不同分辨率的图像应用DoG(高斯差)滤波器。来自DoG滤波器的输出图像包含局部点(局部最大点和局部最小点)。这些局部点中的某些点不会由于指定范围内的分辨率变化而会产生位置变化，并作为特征点检测到。在此示例中，分辨率级别的数量是预先确定的。