技術領域

本發明涉及將目標物，特別是包含曲面形狀的工件用機器手取出的目標物取出裝置。

背景技術

近年來，用工業用機器手進行將雜亂配置的多個工件、即在筐中或貨盤上沒有定位的多個工件取出的工作。在“Practical?Bin?Picking?by?the?IntelligentRobot”(Proc.of?36th?ISR，TH311，2005)中，記載了將具備多個平面部位且可穩定地檢測輪廓和形狀特征的所謂多面體工件從筐等取出的內容。

另一方面，在包含曲面形狀的工件中，可穩定地檢測的紋理那樣的形狀特征較少。再有，在包含曲面形狀的工件中，因照明及其它的拍攝條件而存在對包含曲面形狀的工件的輪廓的辨認有誤之類的問題。因此，檢測包含曲面形狀的工件是困難的，因而為取出此類工件而引入機器手的事例較少。

例如，在日本特開2005-1022號公報中，記載了根據輪廓線或紋理來構建包含曲面形狀的工件的三位模型并進行匹配的內容。

此外，在日本特許第3252941號說明書中，提出了根據使用固有矢量的近似法來識別包含曲面形狀的工件的方法。

再有，在日本特開平10-315167號公報中，公開了通過使用以激光狹縫光進行掃描，或網格狀地進行照射而得到的反射光來求出包含曲面形狀的工件的三維形狀的內容。在該情況下，可不使用輪廓或紋理就能進行三維形狀的模型匹配。

但是，用在日本特開2005-1022號公報中所記載的方法，在工件不具備可檢測的輪廓或紋理的情況下，不能檢測此類工件。

此外，在日本特許第3252941號說明書中所記載的方法中，以能夠將背景和檢測目標完全分離為前提。因此，在日本特許第3252941號說明書中所記載的方法，不能應對多個工件互相重疊的狀況。再有，與日本特開2005-1022號公報的情況相同地，在日本特許第3252941號說明書中所記載的方法中也需要紋理或輪廓，所以難以正確識別簡單圓柱那樣的工件。

再有，在日本特開平10-315167號公報中所記載的方法中，為求出三維形狀數據而需要復雜且高價的裝置。再有，為了算出三維數據，通常需要進行極為龐大的計算處理，所以難以將在日本特開平10-315167號公報中所記載的系統實用化。

發明內容

本發明鑒于此類問題而研制，其目的是提供能夠以實用性的時間檢測并取出缺乏紋理或輪廓不穩定的曲面形狀的工件的目標物取出裝置。

為實現上述目的，根據第一方式，提供一種目標物取出裝置，包括用于將至少在一部分具有曲面形狀的目標物取出的機器手，該裝置具備：將上述目標物的深淺梯度分布模型存儲的存儲單元；拍攝上述目標物的深淺圖像的拍攝單元；從由上述拍攝單元拍攝的上述深淺圖像抽取深淺梯度分布的梯度抽取單元；根據由上述梯度抽取單元抽取的上述深淺梯度分布和由上述存儲單元存儲的上述深淺梯度分布模型，來檢測上述深淺圖像的上述目標物的位置或位置姿勢(位置和/或姿勢)的目標物檢測單元；將由上述目標物檢測單元檢測的上述位置或位置姿勢的信息轉換為與上述機器手相關的坐標系的位置或位置姿勢的信息的檢測信息轉換單元；以及使上述機器手移動到由上述檢測信息轉換單元轉換的位置或位置姿勢而取出上述目標物的機器手移動單元。

即，在第一方式中，通過將從目標物，例如工件的深淺圖像得到的深淺梯度分布與深淺梯度分布模型比較來確定目標物的位置或位置姿勢。因此，即使是缺乏紋理或輪廓不穩定的曲面形狀的目標物也可迅速地檢測并取出目標物。

根據第二方式，在第一方式的基礎上，還具備：指定由上述拍攝單元拍攝的上述深淺圖像的上述目標物的邊緣信息的指定單元；以及將由該指定單元指定的上述邊緣信息從上述深淺圖像抽取的邊緣抽取單元，上述存儲單元存儲上述目標物的邊緣信息模型，上述目標物檢測單元根據由上述梯度抽取單元抽取的上述深淺梯度分布及由上述邊緣抽取單元抽取的上述邊緣信息和在上述存儲單元中存儲的上述深淺梯度分布模型及上述邊緣信息模型，來檢測上述深淺圖像的上述目標物的位置或位置姿勢。

即，在第二方式中，通過兼用邊緣信息能夠更正確地檢測目標物的位置或位置姿勢。