3次元ビジョンセンサーで見て，認識アルゴリズムで掴み方を考える

　3次元ビジョンセンサーは対象物体の色（輝度）だけでなく，3次元（奥行き）情報＝距離を測ります。3次元センサーは多くの企業から多数の製品が発売されており，得手不得手があります。その中で，距離分解能がサブミクロンオーダーの産業用途の精密計測向け製品は1000万円ほどで比較的高価です。計測方式で多く使われているのが三角測量をベースにしたパターン投光方式で，プロジェクターからドットパターンを投光して計測します。もう1つ，縦スリットをたくさん当てる空間コード化法というやり方がありますが，精度は高いのですが，パターン枚数分，時間がかかります。三菱電機のボストン研究所では，両方の良い部分を融合させた方法を発表しました。そして，開発を進めた結果，3次元ビジョンセンサー「MELFA 3D-VISION」では，生産システムがターゲットとするバラ積みの電気・電子部品を必要な時間と精度で測ることができました。
　次が掴み方を考える認識アルゴリズムです。距離データからの物体の掴み方について，真っ先に浮かぶのは，物体の位置姿勢を認識することです。そのためには，距離データと物体の照合が必要で，例えば物体形状を点の集合で表した点群モデル，もしくは物体形状をエッジの集合で表したエッジモデルを事前に持っておきます。点群モデルの照合は高精度ですが，処理が重く，局所解に陥りやすく，エッジモデルの照合は，処理は軽く，局所解に陥りにくいのですが，高精度化するとモデル数が増えます。 　そこで，両方のいいとこ取りをして，距離データからエッジ画像を作り，まず最初に作成した2次元エッジ画像群をおおまかにあてはめます（チャンファーマッチング）。そこでは大きな誤差が出るので，次に3次元CADデータを使った点群モデルの照合で精度を出します。こうすることで，速度と精度のバランスの高い認識処理が可能になります（図2）。

＜次ページへ続く＞