ホーム > 特許ランキング > タカハタプレシジョン株式会社
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2025011560
(43)【公開日】2025-01-24
(54)【発明の名称】形状認識装置及びプログラム
(51)【国際特許分類】
G01B 11/25 20060101AFI20250117BHJP
【ＦＩ】
G01B11/25 H
【審査請求】未請求
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2023113746
(22)【出願日】2023-07-11
(71)【出願人】
【識別番号】312003595
【氏名又は名称】タカハタプレシジョン株式会社
(74)【代理人】
【識別番号】100162341
【弁理士】
【氏名又は名称】瀬崎 幸典
(72)【発明者】
【氏名】村松 弘一朗
(72)【発明者】
【氏名】大関 陽太
(72)【発明者】
【氏名】土地 伸宜
(72)【発明者】
【氏名】片岡 政人
【テーマコード（参考）】
2F065
【Ｆターム（参考）】
2F065AA04
2F065AA53
2F065BB05
2F065BB15
2F065DD06
2F065FF01
2F065FF02
2F065FF04
2F065FF07
2F065FF09
2F065GG06
2F065GG13
2F065HH06
2F065HH14
2F065JJ03
2F065JJ26
2F065LL42
2F065MM03
2F065PP22
(57)【要約】
【課題】移動する３次元物品の外形形状を非接触で自動判別する。
【解決手段】移動する物品の載置面を撮像範囲に含み載置面及び物品の表面の三次元座標値の集合である点群データを取得する取得手段と、取得手段のｘｙ軸を載置面に沿ったｘｙ座標系に座標変換する座標系設定手段と、取得手段により取得された点群データから物品の点群データを抽出し、点群データからｘｙ軸に沿うｘｙ平面で物品の輪郭となる凸多角形を仮想し、ｘｙ平面における凸多角形の面積が最小になるように外接する四角形の面積に対する凸多角形の面積の比率で物品の外形形状を判別する判別手段と、を備えた。
【選択図】図６
【解決手段】移動する物品の載置面を撮像範囲に含み載置面及び物品の表面の三次元座標値の集合である点群データを取得する取得手段と、取得手段のｘｙ軸を載置面に沿ったｘｙ座標系に座標変換する座標系設定手段と、取得手段により取得された点群データから物品の点群データを抽出し、点群データからｘｙ軸に沿うｘｙ平面で物品の輪郭となる凸多角形を仮想し、ｘｙ平面における凸多角形の面積が最小になるように外接する四角形の面積に対する凸多角形の面積の比率で物品の外形形状を判別する判別手段と、を備えた。
【選択図】図６
【特許請求の範囲】
【請求項1】
移動する物品の載置面を撮像範囲に含み前記載置面及び前記物品の表面の三次元座標値の集合である点群データを連続して取得する取得手段と、
前記取得手段のｘｙ軸を前記載置面に沿ったｘｙ座標系に座標変換する座標系設定手段と、
前記取得手段により取得された前記点群データから前記物品の点群データを抽出して前記物品の外形形状を判別する判別手段と、を備えた、
ことを特徴とする形状認識装置。
前記取得手段のｘｙ軸を前記載置面に沿ったｘｙ座標系に座標変換する座標系設定手段と、
前記取得手段により取得された前記点群データから前記物品の点群データを抽出して前記物品の外形形状を判別する判別手段と、を備えた、
ことを特徴とする形状認識装置。
【請求項2】
前記取得手段は、複数の発光素子からなるアレイ光源から回折光学素子を介して不可視光を互いに重ならない規則的なドットパターンとして投射し前記物品の表面及び前記載置面から反射する反射光を受光して前記点群データを取得する、
ことを特徴とする請求項１に記載の形状認識装置。
ことを特徴とする請求項１に記載の形状認識装置。
【請求項3】
前記判別手段は、取得した前記点群データの任意の一点の近傍点における分散を算出することでノイズを検出し、取得された前記点群データから前記ノイズを除去して前記物品の点群データを抽出する、
ことを特徴とする請求項１に記載の形状認識装置。
ことを特徴とする請求項１に記載の形状認識装置。
【請求項4】
前記判別手段は、予め登録された前記取得手段から前記載置面までの距離よりも小さい前記点群データを前記物品の点群データとして抽出する、
ことを特徴とする請求項３に記載の形状認識装置。
ことを特徴とする請求項３に記載の形状認識装置。
【請求項5】
前記判別手段は、前記取得手段により取得された前記点群データから前記載置面上で前記物品を収容するトレイを示す点群データを除去して前記物品の点群データを抽出する、
ことを特徴とする請求項４に記載の形状認識装置。
ことを特徴とする請求項４に記載の形状認識装置。
【請求項6】
前記判別手段は、前記ｘｙ軸それぞれの方向に対して前記ｘｙ軸と直交するｚ軸方向の前記点群データの分散を算出することで前記物品を収容するトレイを検出し、予め記憶された前記トレイの大きさから前記トレイの領域を算出し、前記載置面までの距離及び前記トレイの領域に基づいて前記物品が存在する領域の前記点群データを抽出する、
ことを特徴とする請求項５に記載の形状認識装置。
ことを特徴とする請求項５に記載の形状認識装置。
【請求項7】
前記判別手段は、抽出した前記点群データから前記ｘｙ軸に沿うｘｙ平面で前記物品の輪郭となる凸多角形を仮想し、前記ｘｙ平面における前記凸多角形の面積が最小になるように外接する四角形の平面枠及び前記平面枠をz軸方向に引き伸ばしてz軸方向の高さで前記物品を囲う立方体枠を推定して、前記四角形の面積に対する前記凸多角形の面積の比率で前記物品の外形形状を判別する、
ことを特徴とする請求項４又は５に記載の形状認識装置。
ことを特徴とする請求項４又は５に記載の形状認識装置。
【請求項8】
前記判別手段は、前記立方体枠内の前記点群データの前記立方体枠の底面からの高さの合計値に対する前記立方体枠の底面からの高さに前記立方体枠内の前記点群データの数を乗じて合計した高さの合計値の比率で前記物品の外形形状を判別する、
ことを特徴とする請求項７に記載の形状認識装置。
ことを特徴とする請求項７に記載の形状認識装置。
【請求項9】
前記判別手段は、前記物品を撮像することによって取得された前記物品の表面の三次元座標値の集合である前記点群データを入力データ、前記物品の外形形状を判別する外形形状判別情報を出力データとする機械学習により生成された形状判別モデルを用いて、前記物品の外形形状を判別する、
ことを特徴とする請求項４又は５に記載の形状認識装置。
ことを特徴とする請求項４又は５に記載の形状認識装置。
【請求項10】
前記物品の少なくとも一部の外形形状を示す特定形状データを記憶する記憶手段を備え、
前記判別手段は、抽出した前記点群データに前記特定形状データが含まれるか否かに基づいて、前記物品の外形形状を判別する、
ことを特徴とする請求項４又は５に記載の形状認識装置。
前記判別手段は、抽出した前記点群データに前記特定形状データが含まれるか否かに基づいて、前記物品の外形形状を判別する、
ことを特徴とする請求項４又は５に記載の形状認識装置。
【請求項11】
前記判別手段は、前記物品の外形形状から前記物品が定形か不定形かを判別する、
ことを特徴とする請求項１に記載の形状認識装置。
ことを特徴とする請求項１に記載の形状認識装置。
【請求項12】
前記取得手段は、移動する前記載置面に載置された前記物品を真上から撮像して前記点群データを取得する、
ことを特徴とする請求項１に記載の形状認識装置。
ことを特徴とする請求項１に記載の形状認識装置。
【請求項13】
コンピュータに、
移動する物品の載置面を撮像範囲に含み前記載置面及び前記物品の表面の三次元座標値の集合である点群データを連続して取得する取得ステップと、
前記取得ステップのｘｙ軸を前記載置面に沿ったｘｙ座標系に座標変換する座標系設定ステップと、
前記取得ステップにより取得された前記点群データから前記物品の点群データを抽出して前記物品の外形形状を判別する判別ステップと、を実行させる、
ことを特徴とするプログラム。
移動する物品の載置面を撮像範囲に含み前記載置面及び前記物品の表面の三次元座標値の集合である点群データを連続して取得する取得ステップと、
前記取得ステップのｘｙ軸を前記載置面に沿ったｘｙ座標系に座標変換する座標系設定ステップと、
前記取得ステップにより取得された前記点群データから前記物品の点群データを抽出して前記物品の外形形状を判別する判別ステップと、を実行させる、
ことを特徴とするプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、形状認識装置及びプログラムに関する。
【背景技術】
【0002】
計測対象物の形状を計測して計測対象物の位置姿勢を認識するための位置姿勢認識を行う認識システムであって、計測対象物の表面画像を撮像し、表面画像と対応する三次元点群を算出する計測ユニットと、計測対象物の三次元形状を示すモデルデータから平面部分のデータを抽出したモデル平面データを取得するモデル平面データ取得部と、計測ユニットが撮像した表面画像および計測ユニットが算出した三次元点群を含む計測データを取得する計測データ取得部と、計測データ取得部が取得した表面画像に基づいて、三次元点群の中から平面部分における三次元座標を計測平面データとして抽出する計測平面データ抽出部と、モデル平面データと計測平面データとをマッチングして計測対象物の位置姿勢を認識するマッチング部とを備えている認識システムが知られている（特許文献１）。
【0003】
部品を識別する識別装置であって、部品の表面の点群データを取得する表面形状取得部と、表面形状取得部で取得された点群データ同士の形状偏差を評価する形状偏差評価部と、形状偏差評価部で評価された形状偏差に基づき、部品が特定の部品であるか否かを判定する形状照合部と、を備えた識別装置も知られている（特許文献２）。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２２－８０１８８号公報
【特許文献2】特開２０２１－１７４２９９号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
本発明は、移動する３次元物品の外形形状を非接触で自動判別する。
【課題を解決するための手段】
【0006】
前記課題を解決するために、請求項１に記載の形状認識装置は、
移動する物品の載置面を撮像範囲に含み前記載置面及び前記物品の表面の三次元座標値の集合である点群データを連続して取得する取得手段と、
前記取得手段のｘｙ軸を前記載置面に沿ったｘｙ座標系に座標変換する座標系設定手段と、
前記取得手段により取得された前記点群データから前記物品の点群データを抽出して前記物品の外形形状を判別する判別手段と、を備えた、
ことを特徴とする。
移動する物品の載置面を撮像範囲に含み前記載置面及び前記物品の表面の三次元座標値の集合である点群データを連続して取得する取得手段と、
前記取得手段のｘｙ軸を前記載置面に沿ったｘｙ座標系に座標変換する座標系設定手段と、
前記取得手段により取得された前記点群データから前記物品の点群データを抽出して前記物品の外形形状を判別する判別手段と、を備えた、
ことを特徴とする。
【0007】
請求項２に記載の発明は、請求項１に記載の形状認識装置において、
前記取得手段は、複数の発光素子からなるアレイ光源から回折光学素子を介して不可視光を互いに重ならない規則的なドットパターンとして投射し前記物品の表面及び前記載置面から反射する反射光を受光して前記点群データを取得する、
ことを特徴とする。
前記取得手段は、複数の発光素子からなるアレイ光源から回折光学素子を介して不可視光を互いに重ならない規則的なドットパターンとして投射し前記物品の表面及び前記載置面から反射する反射光を受光して前記点群データを取得する、
ことを特徴とする。
【0008】
請求項３に記載の発明は、請求項１に記載の形状認識装置において、
前記判別手段は、取得した前記点群データの任意の一点の近傍点における分散を算出することでノイズを検出し、取得された前記点群データから前記ノイズを除去して前記物品の点群データを抽出する、
ことを特徴とする。
前記判別手段は、取得した前記点群データの任意の一点の近傍点における分散を算出することでノイズを検出し、取得された前記点群データから前記ノイズを除去して前記物品の点群データを抽出する、
ことを特徴とする。
【0009】
請求項４に記載の発明は、請求項３に記載の形状認識装置において、
前記判別手段は、予め登録された前記取得手段から前記載置面までの距離よりも小さい前記点群データを前記物品の点群データとして抽出する、
ことを特徴とする。
前記判別手段は、予め登録された前記取得手段から前記載置面までの距離よりも小さい前記点群データを前記物品の点群データとして抽出する、
ことを特徴とする。
【0010】
請求項５に記載の発明は、請求項４に記載の形状認識装置において、
前記判別手段は、前記取得手段により取得された前記点群データから前記載置面上で前記物品を収容するトレイを示す点群データを除去して前記物品の点群データを抽出する、
ことを特徴とする。
前記判別手段は、前記取得手段により取得された前記点群データから前記載置面上で前記物品を収容するトレイを示す点群データを除去して前記物品の点群データを抽出する、
ことを特徴とする。
【0011】
請求項６に記載の発明は、請求項５に記載の形状認識装置において、
前記判別手段は、前記ｘｙ軸それぞれの方向に対して前記ｘｙ軸と直交するｚ軸方向の前記点群データの分散を算出することで前記物品を収容するトレイを検出し、予め記憶された前記トレイの大きさから前記トレイの領域を算出し、前記載置面までの距離及び前記トレイの領域に基づいて前記物品が存在する領域の前記点群データを抽出する、
ことを特徴とする。
前記判別手段は、前記ｘｙ軸それぞれの方向に対して前記ｘｙ軸と直交するｚ軸方向の前記点群データの分散を算出することで前記物品を収容するトレイを検出し、予め記憶された前記トレイの大きさから前記トレイの領域を算出し、前記載置面までの距離及び前記トレイの領域に基づいて前記物品が存在する領域の前記点群データを抽出する、
ことを特徴とする。
【0012】
請求項７に記載の発明は、請求項４又は５に記載の形状認識装置において、
前記判別手段は、抽出した前記点群データから前記ｘｙ軸に沿うｘｙ平面で前記物品の輪郭となる凸多角形を仮想し、前記ｘｙ平面における前記凸多角形の面積が最小になるように外接する四角形の平面枠及び前記平面枠をz軸方向に引き伸ばしてz軸方向の高さで前記物品を囲う立方体枠を推定して、前記四角形の面積に対する前記凸多角形の面積の比率で前記物品の外形形状を判別する、
ことを特徴とする。
前記判別手段は、抽出した前記点群データから前記ｘｙ軸に沿うｘｙ平面で前記物品の輪郭となる凸多角形を仮想し、前記ｘｙ平面における前記凸多角形の面積が最小になるように外接する四角形の平面枠及び前記平面枠をz軸方向に引き伸ばしてz軸方向の高さで前記物品を囲う立方体枠を推定して、前記四角形の面積に対する前記凸多角形の面積の比率で前記物品の外形形状を判別する、
ことを特徴とする。
【0013】
請求項８に記載の発明は、請求項７に記載の形状認識装置において、
前記判別手段は、前記立方体枠内の前記点群データの前記立方体枠の底面からの高さの合計値に対する前記立方体枠の底面からの高さに前記立方体枠内の前記点群データの数を乗じて合計した高さの合計値の比率で前記物品の外形形状を判別する、
ことを特徴とする請求項７に記載の形状認識装置。
前記判別手段は、前記立方体枠内の前記点群データの前記立方体枠の底面からの高さの合計値に対する前記立方体枠の底面からの高さに前記立方体枠内の前記点群データの数を乗じて合計した高さの合計値の比率で前記物品の外形形状を判別する、
ことを特徴とする請求項７に記載の形状認識装置。
【0014】
請求項９に記載の発明は、請求項４又は５に記載の形状認識装置において、
前記判別手段は、前記物品を撮像することによって取得された前記物品の表面の三次元座標値の集合である前記点群データを入力データ、前記物品の外形形状を判別する外形形状判別情報を出力データとする機械学習により生成された形状判別モデルを用いて、前記物品の外形形状を判別する、
ことを特徴とする。
前記判別手段は、前記物品を撮像することによって取得された前記物品の表面の三次元座標値の集合である前記点群データを入力データ、前記物品の外形形状を判別する外形形状判別情報を出力データとする機械学習により生成された形状判別モデルを用いて、前記物品の外形形状を判別する、
ことを特徴とする。
【0015】
請求項１０に記載の発明は、請求項４又は５に記載の形状認識装置において、
前記物品の少なくとも一部の外形形状を示す特定形状データを記憶する記憶手段を備え、
前記判別手段は、抽出した前記点群データに前記特定形状データが含まれるか否かに基づいて、前記物品の外形形状を判別する、
ことを特徴とする請求項４又は５に記載の形状認識装置。
前記物品の少なくとも一部の外形形状を示す特定形状データを記憶する記憶手段を備え、
前記判別手段は、抽出した前記点群データに前記特定形状データが含まれるか否かに基づいて、前記物品の外形形状を判別する、
ことを特徴とする請求項４又は５に記載の形状認識装置。
【0016】
請求項１１に記載の発明は、請求項１に記載の形状認識装置において、
前記判別手段は、前記物品の外形形状から前記物品が定形か不定形かを判別する、
ことを特徴とする。
前記判別手段は、前記物品の外形形状から前記物品が定形か不定形かを判別する、
ことを特徴とする。
【0017】
請求項１２に記載の発明は、請求項１に記載の形状認識装置において、
前記取得手段は、移動する前記載置面に載置された前記物品を真上から撮像して前記点群データを取得する、
ことを特徴とする。
前記取得手段は、移動する前記載置面に載置された前記物品を真上から撮像して前記点群データを取得する、
ことを特徴とする。
【0018】
前記課題を解決するために、請求項１３に記載のプログラムは、
コンピュータに、
移動する物品の載置面を撮像範囲に含み前記載置面及び前記物品の表面の三次元座標値の集合である点群データを連続して取得する取得ステップと、
前記取得ステップのｘｙ軸を前記載置面に沿ったｘｙ座標系に座標変換する座標系設定ステップと、
前記取得ステップにより取得された前記点群データから前記物品の点群データを抽出して前記物品の外形形状を判別する判別ステップと、を実行させる、
ことを特徴とする。
コンピュータに、
移動する物品の載置面を撮像範囲に含み前記載置面及び前記物品の表面の三次元座標値の集合である点群データを連続して取得する取得ステップと、
前記取得ステップのｘｙ軸を前記載置面に沿ったｘｙ座標系に座標変換する座標系設定ステップと、
前記取得ステップにより取得された前記点群データから前記物品の点群データを抽出して前記物品の外形形状を判別する判別ステップと、を実行させる、
ことを特徴とする。
【発明の効果】
【0019】
請求項１、１３に記載の発明によれば、３次元物品の外形形状を非接触で判別することができる。
【0020】
請求項２に記載の発明によれば、３次元物品の外形を点群データとして高速で取得することができる。
【0021】
請求項３に記載の発明によれば、取得した点群データからノイズを除去することができる。
【0022】
請求項４に記載の発明によれば、取得した点群データから物品のみの点群データを抽出することができる。
【0023】
請求項５に記載の発明によれば、取得した点群データから判別対象の物品のみの点群データを抽出することができる。
【0024】
請求項６に記載の発明によれば、取得した点群データから判別対象の物品の点群データを抽出することができる。
【0025】
請求項７に記載の発明によれば、３次元物品の外形形状を非接触で判定することができる。
【0026】
請求項８に記載の発明によれば、３次元物品の外形形状を高さ方向を含めて判別することができる。
【0027】
請求項９、１０に記載の発明によれば、３次元物品の外形形状を取得した点群データから直接判別することができる。
【0028】
請求項１１に記載の発明によれば、物品を定形体と不定形体に仕分けすることができる。
【0029】
請求項１２に記載の発明によれば、コンベア上を移動する物品の外形形状を非接触で判別することができる。
【図面の簡単な説明】
【0030】
【図1】第１実施形態に係る形状認識装置の機能構成を示すブロック図である。
【図2】（ａ）は３次元センサの構成例を示す平面模式図、（ｂ）は断面模式図である。
【図3】３次元センサのドットパターン照射を示す模式図である。
【図4】３次元センサにおけるレーザドットの観測を説明する図である。
【図5】形状認識装置の構成例を示す模式図である。
【図6】形状認識装置における物品の外形形状の判別処理の流れを示すフローチャート図である。
【図7】トレイデータ除去の処理を説明する概念図である。
【図8】点群データからノイズを除去する処理を説明する概念図である
【図9】物品が存在する領域のみの点群データから物品の外形形状を判別する処理の流れを説明する模式図である。
【図10】物品の輪郭となる凸多角形と外接四角形の関係を示す図である。
【図11】外接四角形に対する凸多角形の面積の比率を算出する例を示す図である。
【図12】変形例に係る形状認識装置における物品の外形形状の判別処理の流れを示すフローチャート図である。
【図13】物品が存在する領域のみの点群データから物品の外形形状を判別する変形例の処理の流れを説明する模式図である。
【図14】第２実施形態に係る形状認識装置の機能構成を示すブロック図である。
【図15】第２実施形態に係る形状認識装置における物品の外形形状の形状判別方法を説明するための図である。
【図16】第３実施形態に係る形状認識装置の機能構成を示すブロック図である。
【発明を実施するための形態】
【0031】
次に図面を参照しながら、本発明の実施形態の具体例を説明するが、本発明は以下の実施形態に限定されるものではない。
尚、以下の図面を使用した説明において、図面は模式的なものであり、各寸法の比率等は現実のものとは異なることに留意すべきであり、理解の容易のために説明に必要な部材以外の図示は適宜省略されている。
尚、以下の図面を使用した説明において、図面は模式的なものであり、各寸法の比率等は現実のものとは異なることに留意すべきであり、理解の容易のために説明に必要な部材以外の図示は適宜省略されている。
【0032】
「第１実施形態」
（１）測定装置の全体構成
図１は本実施形態に係る形状認識装置１の機能構成を示すブロック図、図２（ａ）は３次元センサ１０の構成例を示す平面模式図、（ｂ）は断面模式図、図３は３次元センサ１０のドットパターン照射を示す模式図、図４は３次元センサ１０におけるレーザドットの観測を説明する図、図５は形状認識装置１の構成例を示す模式図である。
以下、図面を参照しながら、形状認識装置１の全体構成について説明する。
（１）測定装置の全体構成
図１は本実施形態に係る形状認識装置１の機能構成を示すブロック図、図２（ａ）は３次元センサ１０の構成例を示す平面模式図、（ｂ）は断面模式図、図３は３次元センサ１０のドットパターン照射を示す模式図、図４は３次元センサ１０におけるレーザドットの観測を説明する図、図５は形状認識装置１の構成例を示す模式図である。
以下、図面を参照しながら、形状認識装置１の全体構成について説明する。
【0033】
図１に示すように、形状認識装置１は、被判別物である３次元物品（以下、単に物品と記す）Ｇの表面の三次元座標値の集合である点群データＰを連続して取得する取得手段の一例としての３次元センサ１０と、３次元センサ１０により取得された点群データＰから物品Ｇの点群データＰを抽出して物品Ｇの外形形状を判別する判別手段の一例としての形状判別部２０を有する。
【0034】
３次元センサ１０は、光を出射する発光素子からなるプロジェクタ１１と、物品Ｇの表面から反射した反射光を撮像する撮像素子からなるイメージセンサモジュール１２と、プロジェクタ１１及びイメージセンサモジュール１２の動作を制御し、点群データＰを取得する制御部１３と、備えている。本実施形態においては、制御部１３として、例えば、ＡＲＭプロセッサを搭載したシングルボードコンピュータであるラズベリーパイ（Raspberry Pi：登録商標）や小型のコンピュータ装置などとして実装されるプログラム処理装置を用いることができるが、特に限定されない。
【0035】
プロジェクタ１１は、図２に示すように、複数の発光素子からなるアレイ光源であるＶＣＳＥＬ（Vertical Cavity Surface Emitting LASER）１１１と、ＶＣＳＥＬ１１１の上側でレーザ光の配光制御を行う透過型の回折光学素子（ＤＯＥ：Diffractive Optical Element）１１２と、から構成されている。
回折光学素子１１２は、ＶＣＳＥＬ１１１が発光することにより生じる光を、規則的なドットパターンの配光パターンに変換し、複数のビーム状の測距光として被判別物である物品Ｇに互いに重ならないように照射する。
回折光学素子１１２は、ＶＣＳＥＬ１１１が発光することにより生じる光を、規則的なドットパターンの配光パターンに変換し、複数のビーム状の測距光として被判別物である物品Ｇに互いに重ならないように照射する。
【0036】
図３においては、回折光学素子１１２により、プロジェクタ１１から発光された光が、被判別物である物品Ｇに対して、規則的なドットパターンとして配光されるように広がり角θ１の測距光Ｌ１～Ｌｎに変換される例が示されている。本実施形態においては、４０００ないし５０００本のレーザ光でドットパターンを照射している。
【0037】
イメージセンサモジュール１２には、光電変換素子としてＣＭＯＳ（Complementary Metal Oxide Semiconductor）イメージセンサが用いられている。
イメージセンサモジュール１２は、プロジェクタ１１から出射した光が物品Ｇで反射する反射光を撮像して点群データＰとして取得して制御部１３を介して形状判別部２０に出力する。
イメージセンサモジュール１２は、プロジェクタ１１から出射した光が物品Ｇで反射する反射光を撮像して点群データＰとして取得して制御部１３を介して形状判別部２０に出力する。
【0038】
図４には測距範囲におけるイメージセンサモジュール１２上における各レーザドット（Ｐ０、Ｐｎ、Ｐｆ）の観測される軌跡の例を模式的に示している。図４に示すように、規則的なドットパターンは測距範囲において互いに重ならないように配置されている。そのために、物品Ｇに照射された各々のレーザドット（Ｐ０、Ｐｎ、Ｐｆ）の反射光をイメージセンサモジュール１２で受光し、その位置を３次元センサ１０上で検知できれば、測距範囲におけるイメージセンサモジュール１２上の各レーザドット（Ｐ０、Ｐｎ、Ｐｆ）の軌跡を予め記憶したルックアップテーブル（Lookup Table：ＬＵＴ）を参照することにより３次元座標値として算出することができる。
【0039】
このように構成される３次元センサ１０は、物品Ｇにプロジェクタ１１からレーザ光を発して物品Ｇの表面から反射する反射光をイメージセンサモジュール１２で撮像して被判別物の３次元形状を３次元座標値で示す点群データＰを取得する。
【0040】
形状判別部２０は、プログラムの実行を通じて各種の管理機能を提供するＣＰＵ（Central Processing Unit）と、ＢＩＯＳ（Basic Input Output System）等を格納する記憶領域としてのＲＯＭ（Read Only Memory）と、プログラムの実行領域として使用されるＲＡＭ（Random Access Memory）からなるプロセッサを有している。プログラムには、ファームウェアやオペレーティングシステム（ＯＳ）が含まれる。
形状判別部２０は、プログラムの実行を通じ、３次元センサ１０で取得した点群データＰを用いて、外形形状の判別、表示等の処理を実行する。
形状判別部２０は、プログラムの実行を通じ、３次元センサ１０で取得した点群データＰを用いて、外形形状の判別、表示等の処理を実行する。
【0041】
図５に示すように、本実施形態に係る形状認識装置１は、３次元センサ１０、３次元センサ１０が取り付けられたコンベア３０及び形状判別部２０を含む端末装置４０、を有するように構成することができる。
【0042】
コンベア３０は、載置面Ｆとしてのコンベア面が所定の速度で移動する搬送コンベアであり、搬送過程で物品Ｇの外形形状の判別及び振り分けを行う。コンベア３０の搬送方向途中には、３次元センサ１０が配置され、搬送される物品Ｇを上方から撮像できるようになっている。コンベア３０は、コンベア面上に載置される物品Ｇを搬送方向下流へ搬送する。
【0043】
端末装置４０は、３次元センサ１０と有線又は無線で接続され、３次元センサ１０と通信が可能になっている。端末装置４０は、このような接続のための通信インタフェース等を有することができる。なお、端末装置４０は、モバイルＰＣ（Personal Computer）と称されるものであってもよく、また、設置型のＰＣ、携帯端末（スマートフォン）等の装置であってもよい。
【0044】
（２）外形形状判別処理
図６は形状認識装置１における物品Ｇの外形形状の判別処理の流れを示すフローチャート図である。
形状判別部２０は、最初に、ステップＳ１０１で３次元センサ１０をオンにして、載置面Ｆに物品Ｇが載置されていない状態で載置面Ｆに対して真上からレーザ光を照射して（Ｓ１０１）載置面Ｆに沿ったｘｙ座標系を設定する。レーザ光は数千本のレーザ光が同時に互いに重ならない規則的なドットパターンとして照射される。レーザ光は物品Ｇの外形形状を判別する間、常に一定間隔で照射され、載置面Ｆに向かって整列したドットとして照射されたレーザ光は、載置面Ｆ及び載置面Ｆ上の物品Ｇの表面で反射し、イメージセンサモジュール１２で撮像して点群データＰとして取得される。
図６は形状認識装置１における物品Ｇの外形形状の判別処理の流れを示すフローチャート図である。
形状判別部２０は、最初に、ステップＳ１０１で３次元センサ１０をオンにして、載置面Ｆに物品Ｇが載置されていない状態で載置面Ｆに対して真上からレーザ光を照射して（Ｓ１０１）載置面Ｆに沿ったｘｙ座標系を設定する。レーザ光は数千本のレーザ光が同時に互いに重ならない規則的なドットパターンとして照射される。レーザ光は物品Ｇの外形形状を判別する間、常に一定間隔で照射され、載置面Ｆに向かって整列したドットとして照射されたレーザ光は、載置面Ｆ及び載置面Ｆ上の物品Ｇの表面で反射し、イメージセンサモジュール１２で撮像して点群データＰとして取得される。
【0045】
そして、ステップＳ１０２で３次元センサ１０のz軸が載置面Ｆと垂直になり、３次元センサ１０のｘｙ軸が載置面Ｆと水平になるようにｘｙ座標系に座標変換する（Ｓ１０２）。これにより、載置面Ｆに載置された物品Ｇを真上から撮像して物品Ｇの点群データＰを取得する際の傾きを補正する。ここで、載置面Ｆは、一定の速度で移動するコンベア面であり、少なくとも平面状であり、真上とは、コンベアの基準面の上方の位置である。
【0046】
次に、ステップＳ１０３で点群データＰに、予め登録された３次元センサ１０から載置面Ｆまでの距離Ｈ０よりも小さい点群データＰが含まれているか否かを判断する（Ｓ１０３）。距離Ｈ０よりも小さい点群データＰが含まれていた場合（Ｓ１０３；Ｙｅｓ）に、判別のトリガーとして取得した点群データＰを保存する（Ｓ１０４）。距離Ｈ０よりも小さい点群データＰが含まれていない場合（Ｓ１０３；Ｎｏ）、点群データＰを保存することはなく、継続してレーザ光を照射する（Ｓ１０１）。
【0047】
図７はトレイデータ除去の処理を説明する概念図である。
本実施形態に係る形状認識装置１においては、物品ＧがトレイＴに収容されている状態で判別を行うトレイ有モードと、物品Ｇがトレイに収容されず直接載置面Ｆに載置されている状態で判別を行うトレイ無モードが予め選択可能となっている。
形状判別部２０は、ステップＳ１０５でトレイ有モードが選択されているか否かを判断し（Ｓ１０５）、トレイ有モードが選択されている場合（Ｓ１０５；Ｙｅｓ）、ステップＳ１０４で保存した点群データＰからトレイＴを示す点群データＰを除去し、物品Ｇが存在する領域のみの点群データＰを抽出する（Ｓ１０６）。
本実施形態に係る形状認識装置１においては、物品ＧがトレイＴに収容されている状態で判別を行うトレイ有モードと、物品Ｇがトレイに収容されず直接載置面Ｆに載置されている状態で判別を行うトレイ無モードが予め選択可能となっている。
形状判別部２０は、ステップＳ１０５でトレイ有モードが選択されているか否かを判断し（Ｓ１０５）、トレイ有モードが選択されている場合（Ｓ１０５；Ｙｅｓ）、ステップＳ１０４で保存した点群データＰからトレイＴを示す点群データＰを除去し、物品Ｇが存在する領域のみの点群データＰを抽出する（Ｓ１０６）。
【0048】
具体的には、図７（ａ）に示すように、物品ＧがトレイＴに収容されているトレイ有モードが選択されているか否かを判断し（Ｓ１０５）、トレイ有モードが選択されている場合（Ｓ１０５；Ｙｅｓ）、保存した点群データＰのうち、ｘｙ軸それぞれの方向に対して、数十点ずつ抽出しｘｙ軸と互いに直交するｚ軸方向の分散σ１を算出する。算出したｚ軸方向の分散σ１が予め定められた値よりも大きい場合、トレイＴのｘ軸方向及びｙ軸方向の２側面が検出されたと推定する。そして、予め登録されているトレイＴの大きさからトレイＴの領域を算出する。そして、図７（ｂ）に示すように、保存した点群データＰから、算出したトレイＴの領域を示す点群データＰを除去し、載置面Ｆまでの距離を用いて物品Ｇが存在する領域のみの点群データＰを抽出する（Ｓ１０６）。
【0049】
図８は点群データＰからノイズを除去する処理を説明する概念図である。
形状判別部２０は、ステップＳ１０７で、トレイＴを示す点群データＰを除去した点群データＰからノイズを除去して、物品Ｇの点群データＰを抽出する（Ｓ１０７）。また、ステップＳ１０５で、トレイＴは無いと判断された場合（Ｓ１０５；Ｎｏ）も、ステップＳ１０４で保存した点群データＰからノイズを除去して、物品Ｇの点群データＰを抽出する（Ｓ１０７）。
形状判別部２０は、ステップＳ１０７において、保存した点群データＰからノイズを除去して物品Ｇのみの点群データＰを抽出する（Ｓ１０７）。
形状判別部２０は、ステップＳ１０７で、トレイＴを示す点群データＰを除去した点群データＰからノイズを除去して、物品Ｇの点群データＰを抽出する（Ｓ１０７）。また、ステップＳ１０５で、トレイＴは無いと判断された場合（Ｓ１０５；Ｎｏ）も、ステップＳ１０４で保存した点群データＰからノイズを除去して、物品Ｇの点群データＰを抽出する（Ｓ１０７）。
形状判別部２０は、ステップＳ１０７において、保存した点群データＰからノイズを除去して物品Ｇのみの点群データＰを抽出する（Ｓ１０７）。
【0050】
図８に模式的に示すように、取得した点群データＰの任意の一点Ｐｎを中心として所定の閾値を半径とする仮想した球内から外れる点群データの近傍点における分散σ２を算出し、分散σ２が予め定められた値よりも大きい場合、ノイズと判断して点群データＰから除去する。この処理を点群データの各点で繰り返し実行することで点群データＰからノイズを除去して、物品Ｇの点群データＰを抽出する（Ｓ１０７）。
また、取得した点群データＰの任意の一点Ｐｎから近傍点への距離の平均が点群データ全体の平均から離れている統計的外れ値を算出することでノイズを検出して、取得された点群データＰからノイズとして除去してもよく、この処理を追加的に実施してもよい。
また、取得した点群データＰの任意の一点Ｐｎから近傍点への距離の平均が点群データ全体の平均から離れている統計的外れ値を算出することでノイズを検出して、取得された点群データＰからノイズとして除去してもよく、この処理を追加的に実施してもよい。
【0051】
形状判別部２０は、ステップＳ１０８において、ノイズが除去され物品Ｇが存在する領域のみの点群データＰから物品Ｇの外形形状を判別する。
図９には、物品Ｇが存在する領域のみの点群データＰ（図９（ａ）に示す）から物品Ｇの外形形状を判別する処理の流れを模式的に示している。まず、形状判別部２０は、図９（ｂ）に示すように、抽出した物品Ｇが存在する領域のみの点群データＰからｘｙ軸に沿うｘｙ平面で物品Ｇの輪郭となる凸多角形１００を設定する（Ｓ１０８）。そして、図９（ｃ）に示すように、ｘｙ平面における凸多角形１００の面積が最小になるように凸多角形１００に外接する外接四角形１１０の平面枠をz軸方向に引き伸ばしてz軸方向の高さで物品Ｇを囲う立方体枠１２０を仮想する（Ｓ１０９）。
図９には、物品Ｇが存在する領域のみの点群データＰ（図９（ａ）に示す）から物品Ｇの外形形状を判別する処理の流れを模式的に示している。まず、形状判別部２０は、図９（ｂ）に示すように、抽出した物品Ｇが存在する領域のみの点群データＰからｘｙ軸に沿うｘｙ平面で物品Ｇの輪郭となる凸多角形１００を設定する（Ｓ１０８）。そして、図９（ｃ）に示すように、ｘｙ平面における凸多角形１００の面積が最小になるように凸多角形１００に外接する外接四角形１１０の平面枠をz軸方向に引き伸ばしてz軸方向の高さで物品Ｇを囲う立方体枠１２０を仮想する（Ｓ１０９）。
【0052】
図１０には、物品Ｇの輪郭となる凸多角形１００と外接四角形１１０の関係、図１１には外接四角形１１０に対する凸多角形１００の面積の比率Ｒ１を算出する例を示している。
ステップＳ１０９に続いて、図１０に模式的に示すように、凸多角形１００の面積Ｓ１及び外接四角形１１０の面積Ｓ２を算出して外接四角形１１０に対する凸多角形１００の面積の比率Ｒ１を算出する（Ｓ１１０）。そして、ステップＳ１１１で面積の比率Ｒ１が予め定められた閾値Ｔｈ１よりも大きいか否か判定する（Ｓ１１１）。図１１（ａ）に示すように、ステップＳ１１１で面積の比率Ｒ１が閾値Ｔｈ１よりも大きい場合（Ｓ１１１；Ｙｅｓ）、物品Ｇは外形形状が定形体、具体的には直方体であると判定され（Ｓ１１２）、図１１（ｂ）に示すように、面積の比率Ｒ１が閾値Ｔｈ１よりも小さい場合（Ｓ１１０；Ｎｏ）、物品Ｇは外形形状が不定形体であると判定される（Ｓ１１２）。本実施形態においては、閾値Ｔｈ１として０．９と設定している。すなわち、物品Ｇの輪郭となる凸多角形１００の面積が凸多角形１００に外接する外接四角形１１０の面積の９０％以上を占めている場合、物品は直方体であると推定して、直方体以外の不定形体と区別して仕分けを行う。
ステップＳ１０９に続いて、図１０に模式的に示すように、凸多角形１００の面積Ｓ１及び外接四角形１１０の面積Ｓ２を算出して外接四角形１１０に対する凸多角形１００の面積の比率Ｒ１を算出する（Ｓ１１０）。そして、ステップＳ１１１で面積の比率Ｒ１が予め定められた閾値Ｔｈ１よりも大きいか否か判定する（Ｓ１１１）。図１１（ａ）に示すように、ステップＳ１１１で面積の比率Ｒ１が閾値Ｔｈ１よりも大きい場合（Ｓ１１１；Ｙｅｓ）、物品Ｇは外形形状が定形体、具体的には直方体であると判定され（Ｓ１１２）、図１１（ｂ）に示すように、面積の比率Ｒ１が閾値Ｔｈ１よりも小さい場合（Ｓ１１０；Ｎｏ）、物品Ｇは外形形状が不定形体であると判定される（Ｓ１１２）。本実施形態においては、閾値Ｔｈ１として０．９と設定している。すなわち、物品Ｇの輪郭となる凸多角形１００の面積が凸多角形１００に外接する外接四角形１１０の面積の９０％以上を占めている場合、物品は直方体であると推定して、直方体以外の不定形体と区別して仕分けを行う。
【0053】
「変形例」
図１２は変形例に係る形状認識装置１における物品Ｇの外形形状の判別処理の流れを示すフローチャート図であり、図１３には、物品Ｇが存在する領域のみの点群データＰ（図１３（ａ）に示す）から物品Ｇの外形形状を判別する変形例の処理の流れを模式的に示している。図１２のフローチャート図において、物品Ｇを囲う立方体枠１２０を仮想するステップＳ２０９までの処理は上述したステップＳ１０１からステップＳ１０９の処理と同様であり説明を省略する。
図１２は変形例に係る形状認識装置１における物品Ｇの外形形状の判別処理の流れを示すフローチャート図であり、図１３には、物品Ｇが存在する領域のみの点群データＰ（図１３（ａ）に示す）から物品Ｇの外形形状を判別する変形例の処理の流れを模式的に示している。図１２のフローチャート図において、物品Ｇを囲う立方体枠１２０を仮想するステップＳ２０９までの処理は上述したステップＳ１０１からステップＳ１０９の処理と同様であり説明を省略する。
【0054】
形状判別部２０は、物品Ｇを囲う立方体枠１２０内の点群データＰの立方体枠１２０の底面１１０Ａからの高さＨｎの合計値Ｈ１に対する立方体枠１２０の底面１１０Ａからの高さＨｒに立方体枠１２０内の点群データＰの数Ｎを乗じて合計した高さの合計値Ｈ２の比率Ｒ２で物品Ｇの外形形状を判別する。
【0055】
具体的には、図１３（ｂ）に模式的に示すように、ステップＳ２１０で立方体枠１２０内の点群データＰの各点Ｐｎの高さＨｎを合計する（Ｓ２１０）ことで、高さが異なる平面を有する物品Ｇであっても、立方体枠１２０で囲った物品Ｇの高さ方向の形状を判別するデータとする。
次に、図１３（ｃ）に示すように、ステップＳ２１１で立方体枠１２０の底面１１０Ａからの高さＨｒに立方体枠１２０内の点群データＰの数Ｎを乗じて高さの合計値Ｈ２を算出する（Ｓ２１１）ことで、立方体枠１２０で囲った物品Ｇが同一の高さを有する立方体である場合の高さデータとする。
次に、図１３（ｃ）に示すように、ステップＳ２１１で立方体枠１２０の底面１１０Ａからの高さＨｒに立方体枠１２０内の点群データＰの数Ｎを乗じて高さの合計値Ｈ２を算出する（Ｓ２１１）ことで、立方体枠１２０で囲った物品Ｇが同一の高さを有する立方体である場合の高さデータとする。
【0056】
そして、形状判別部２０は、ステップ２１２で高さＨｒの合計値Ｈ２に対する高さＨｎの合計値Ｈ１の比率Ｒ２を算出し（Ｓ２１２）、比率Ｒ２が予め定められた閾値Ｔｈ２よりも大きいか否か判定する（Ｓ２１３）。比率Ｒ２が閾値Ｔｈ２よりも大きい場合（Ｓ２１３；Ｙｅｓ）、物品Ｇは高さが一定の外形形状を有する定形体、具体的には直方体であると判定され（Ｓ２１４）、比率Ｒ２が閾値Ｔｈ２よりも小さい場合（Ｓ２１３；Ｎｏ）、物品Ｇは高さが異なる平面からなる外形形状を有する不定形体であると判定される（Ｓ２１５）。ここに、閾値Ｔｈ２は、物品Ｇの仕分け基準に基づいて設定することができる。
【0057】
このような処理を経て、３次元センサ１０により取得された点群データから物品Ｇの点群データＰを抽出して物品Ｇの外形形状が定形か不定形か判別する。これにより、３次元物品の外形形状を非接触で自動判別することが可能となる。特に、コンベア上を移動する物品Ｇの外形形状を非接触で連続して自動判別し物品Ｇを定形体と不定形体に仕分けすることができる。
【0058】
「第２実施形態」
図１４は本実施形態に係る形状認識装置１Ａの機能構成を示すブロック図である。
第２実施形態について、図１４を参照しながら、第１実施形態との相違点を中心に説明するが、被判別物である３次元物品Ｇの表面の三次元座標値の集合である点群データを連続して取得する取得手段の一例としての３次元センサ１０については第１実施形態で説明した例が適用できる。
図１４は本実施形態に係る形状認識装置１Ａの機能構成を示すブロック図である。
第２実施形態について、図１４を参照しながら、第１実施形態との相違点を中心に説明するが、被判別物である３次元物品Ｇの表面の三次元座標値の集合である点群データを連続して取得する取得手段の一例としての３次元センサ１０については第１実施形態で説明した例が適用できる。
【0059】
図１４に示すように、形状認識装置１Ａは、被判別物である物品Ｇの表面の三次元座標値の集合である点群データを連続して取得する３次元センサ１０と、物品Ｇを撮像することによって取得された物品Ｇの表面の三次元座標値の集合である点群データＰを入力データ、この入力データに対応する物品Ｇの形状判別情報を出力データとする機械学習により生成された形状判別モデルＳを用いて、物品Ｇの外形形状を判別する形状判別部２０Ａを有する。
【0060】
形状判別部２０Ａは、データベース部２１及び機械学習部２２を備えている。
データベース部２１は、物品Ｇの表面の三次元座標値の集合である点群データと共に、その点群データと対応付けられた物品Ｇの形状判別情報のデータセットを蓄積する。点群データに対応付けられる物品Ｇの形状判別情報とは、直方体形状、段差面を有する直方体形状、円形形状、平坦形状、棒状形状、及び複合形状をはじめとする物品Ｇの外形形状区分を識別できる情報である。本実施形態においては、物品Ｇの形状判別情報として、定形形状に着目し、直方体形状、段差面を有する直方体形状の区分が含まれるのが好ましい。形状認識装置１Ａにおいて、コンベア面が所定の速度で移動するコンベア３０上で物品Ｇの外形形状を判別し振り分けを行うからである。
データベース部２１は、物品Ｇの表面の三次元座標値の集合である点群データと共に、その点群データと対応付けられた物品Ｇの形状判別情報のデータセットを蓄積する。点群データに対応付けられる物品Ｇの形状判別情報とは、直方体形状、段差面を有する直方体形状、円形形状、平坦形状、棒状形状、及び複合形状をはじめとする物品Ｇの外形形状区分を識別できる情報である。本実施形態においては、物品Ｇの形状判別情報として、定形形状に着目し、直方体形状、段差面を有する直方体形状の区分が含まれるのが好ましい。形状認識装置１Ａにおいて、コンベア面が所定の速度で移動するコンベア３０上で物品Ｇの外形形状を判別し振り分けを行うからである。
【0061】
機械学習部２２は、データベース部２１に蓄積されたデータセットを用いて、物品Ｇの表面の三次元座標値の集合である点群データＰを入力データ、入力データに対応する物品Ｇの形状判別情報を出力データとした、複数の学習用データを用いた機械学習によって、物品Ｇの外形形状を判別する形状判別モデルＳを生成する。形状判別モデルＳを生成するための機械学習の種類（アルゴリズム）については、実用上十分な外形形状の判別精度が得られればよく、特に限定されない。例えば、一般的に用いられるニューラルネットワーク（深層学習や畳み込みニューラルネットワーク等を含む）、決定木学習、ランダムフォレスト、サポートベクター回帰等を用いてよい。
【0062】
図１５は、形状認識装置１Ａにおける物品Ｇの外形形状の形状判別方法を説明するための図である。
まず、形状判別部２０Ａは、コンベア３０に設置した３次元センサ１０により取得された物品Ｇの表面の三次元座標値の集合である点群データＰからノイズを除去して、物品Ｇのみの点群データＰを抽出する。
そして、形状判別部２０Ａは、抽出した点群データＰを入力データとして形状判別モデルＳに入力し、出力データである物品Ｇの外形形状を判別する形状判別情報を出力する。
まず、形状判別部２０Ａは、コンベア３０に設置した３次元センサ１０により取得された物品Ｇの表面の三次元座標値の集合である点群データＰからノイズを除去して、物品Ｇのみの点群データＰを抽出する。
そして、形状判別部２０Ａは、抽出した点群データＰを入力データとして形状判別モデルＳに入力し、出力データである物品Ｇの外形形状を判別する形状判別情報を出力する。
【0063】
形状判別モデルＳから出力される物品Ｇの形状判別情報は、例えば、端末装置４０の表示部４１（ディスプレイ）に表示される。表示部４１に物品Ｇの形状判別情報を表示することにより、コンベア３０の載置面Ｆ上を移動する物品Ｇを定形体と不定形体に仕分けすることができる。
【0064】
このように、抽出した点群データＰを入力データとして形状判別モデルＳに入力し、出力データである物品Ｇの外形形状を判別することで、物品Ｇの外形形状を取得した点群データＰから物品Ｇの外形形状を直接判別することができる。
【0065】
「第３実施形態」
図１６は本実施形態に係る形状認識装置１Ｂの機能構成を示すブロック図である。
第３実施形態について、図１６を参照しながら、第１実施形態との相違点を中心に説明するが、被判別物である物品Ｇの表面の三次元座標値の集合である点群データＰを連続して取得する取得手段の一例としての３次元センサ１０については第１実施形態で説明した例が適用できる。
図１６は本実施形態に係る形状認識装置１Ｂの機能構成を示すブロック図である。
第３実施形態について、図１６を参照しながら、第１実施形態との相違点を中心に説明するが、被判別物である物品Ｇの表面の三次元座標値の集合である点群データＰを連続して取得する取得手段の一例としての３次元センサ１０については第１実施形態で説明した例が適用できる。
【0066】
図１６に示すように、形状認識装置１Ｂは、被判別物である物品Ｇの表面の三次元座標値の集合である点群データＰを連続して取得する３次元センサ１０と、物品Ｇの少なくとも一部の外形形状を示す特定形状データを記憶する記憶部５０と、抽出した点群データＰに特定外形データが含まれるか否かに基づいて、物品Ｇの外形形状を判別する形状判別部２０Ｂと、を有する。
【0067】
記憶部５０に記憶される特定形状データとしては、直方体形状、段差面を有する形状、円形形状、平坦形状、棒状形状、及び複合形状をはじめとする物品Ｇの外形形状区分を示す３次元点群データである。本実施形態においては、物品Ｇの特定形状データとして、定形形状に着目し、直方体形状、段差面を有する直方体形状の区分が含まれるのが好ましい。
【0068】
まず、形状判別部２０Ｂは、コンベア３０に設置した３次元センサ１０により取得された物品Ｇの表面の三次元座標値の集合である点群データＰからノイズを除去して、物品Ｇのみの点群データＰを抽出する。
【0069】
そして、形状判別部２０Ｂは、３次元センサ１０により生成された物品Ｇのみの点群データＰに対し、記憶部５０が記憶している特定形状データに基づいて、物品Ｇのみの点群データＰが特定形状であるかを判断する。
具体的には、直方体形状であるかを判断する。上記特定形状であるかは、記憶されている特定形状データと３次元センサ１０により生成された３次元座標情報値との差分が予め定められた閾値よりも小さいか否かで判断される。
具体的には、直方体形状であるかを判断する。上記特定形状であるかは、記憶されている特定形状データと３次元センサ１０により生成された３次元座標情報値との差分が予め定められた閾値よりも小さいか否かで判断される。
【0070】
特定形状であると判断された場合、例えば、端末装置４０の表示部４１（ディスプレイ）に特定形状である旨が物品Ｇのみの点群データＰとともに表示される。表示部４１に物品Ｇの特定形状を表示することにより、コンベア３０の載置面Ｆ上を移動する物品Ｇを定形体と不定形体に仕分けすることができる。
【0071】
このように、抽出した点群データＰに特定外形データが含まれるか否かを判断することで、物品Ｇの外形形状を取得した点群データＰから物品Ｇの外形形状を直接判別することができる。
【符号の説明】
【0072】
１、１Ａ、１Ｂ・・・形状認識装置
１０・・・３次元センサ
１１・・・プロジェクタ、１１１・・・ＶＣＳＥＬ、１１２・・・回折光学素子
１２・・・イメージセンサモジュール
１３・・・制御部
２０、２０Ａ、２０Ｂ・・・形状判別部
３０・・・コンベア
４０・・・端末装置
Ｆ・・・載置面
Ｇ・・・物品
Ｐ・・・点群データ
１０・・・３次元センサ
１１・・・プロジェクタ、１１１・・・ＶＣＳＥＬ、１１２・・・回折光学素子
１２・・・イメージセンサモジュール
１３・・・制御部
２０、２０Ａ、２０Ｂ・・・形状判別部
３０・・・コンベア
４０・・・端末装置
Ｆ・・・載置面
Ｇ・・・物品
Ｐ・・・点群データ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】