JP2008256466A - 欠陥検出装置、欠陥検出方法および欠陥検出プログラム - Google Patents

Abstract

【課題】３次元計測に基づく欠陥検出の高精度化および高速化を図る。
【解決手段】欠陥検出処理部１００は、観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点との間の距離に基づいて、観測点群データ１０１１を非欠陥点群データ１０１２と欠陥点群データ１０１３とに分類し、欠陥点群データ１０１３が除去された観測点群データ１０１１を使用することで参照点群データ１０１４との位置合わせを行い、その観測点群データ１０１１を参照点群データ１０１４と比較することにより、その観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点を判別し、観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点との間の距離に基づいて、観測点群データ１０１１から欠陥点群データ１０１３を検出する。
【選択図】 図１

Description

本発明は欠陥検出装置、欠陥検出方法および欠陥検出プログラムに関し、特に、３次元点群などの形状データに基づいて製品の傷や異物などの欠陥を自動的に検出し、良否判定を行う方法に適用して好適なものである。

製造プロセスにおける検査工程において、製品の品質を管理し、製品の傷や異物などの欠陥を検出する方法として、例えば、カメラや顕微鏡などを用いて製品の２次元画像を取得し、その２次元画像の画像処理を計算機で行う方法がある。
また、レーザ変位計や共焦点顕微鏡などによって製品の３次元計測を行うことで、製品の傷や異物などの欠陥を検出する方法もある。

また、許容寸法などの情報を用いて許容できる欠陥と異常な欠陥とに検出した欠陥を分類することにより、製品の良否判定を行う方法が知られている（特許文献１）。
さらに、測定対象のワークについての３次元の測定点群データが与えられた場合、測定点群データを参照点群データと比較することで、測定点群データの姿勢と位置を合わせる方法が知られている（特許文献２および非特許文献１〜３）。

例えば、測定対象のワークにマーキングを行い、そのマークの位置と参照点群データのマークの位置とを比較することで、ワークの位置合わせを行ったり、測定対象のワークと参照点群データに共通する幾何学的形状を検出する方法が知られている（特許文献１）。 さらに、点群データの中から参照データと観測データとの間で最も近い点同士を対応点とみなし、点群同士の位置から座標変換を行う方法が知られている（特許文献２および非特許文献１、３）。

さらに、参照データと観測データとの対応関係が与えられた場合、参照データと観測データの３次元座標変換行列を計算することで、測定対象のワークの位置合わせを行う方法が知られている（特許文献２および非特許文献１〜３）。また、非特許文献１、３で示されているＩＣＰ（Ｉｔｅｒａｔｉｖｅ Ｃｌｏｓｅｓｔ Ｐｏｉｎｔ）法においては、対応点の間で距離が大きい点から指定した割合に該当する点の数に相当する点を除去して位置合わせを行う方法が知られている。

特開２００５−２０１８７６号公報 特開２００１−８２９５１号公報 ＰＲＯＣＥＥＤＩＮＧＳ ＯＦ ＴＨＥ ＴＨＩＲＤ ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＣＯＮＦＥＲＥＮＣＥ ＯＮ ３−Ｄ ＤＩＧＩＴＡＬ ＩＭＡＧＩＮＧ ＡＮＤ ＭＯＤＥＬＩＮＧ、ＩＥＥＥ、２００１、ｐ．１４５（Ｅｆｆｉｃｉｅｎｔ Ｖａｒｉａｎｔｓ ｏｆ ｔｈｅ ＩＣＰ Ａｌｇｏｒｉｔｈｍ） ＩＥＥＥ ＴＲＡＮＳＡＣＴＩＯＮＳ ＯＮ ＰＡＴＴＥＲＮ ＡＮＡＬＹＳＩＳ ＡＮＤ ＭＡＣＨＩＮＥ ＩＮＴＥＬＬＩＧＥＮＣＥ、ＶＯＬ．９、ＮＯ．５、ＩＥＥＥ、１９８７、ｐ．６９８（Ｌｅａｓｔ−Ｓｑｕａｒｅｓ Ｆｉｔｔｉｎｇ ｏｆ Ｔｗｏ ３−Ｄ Ｐｏｉｎｔ Ｓｅｔｓ） ＩＥＥＥ ＴＲＡＮＳＡＣＴＩＯＮＳ ＯＮ ＰＡＴＴＥＲＮ ＡＮＡＬＹＳＩＳ ＡＮＤ ＭＡＣＨＩＮＥ ＩＮＴＥＬＬＩＧＥＮＣＥ、ＶＯＬ．１４、ＮＯ．２、ＩＥＥＥ、１９９２、ｐ．２３９（Ａ Ｍｅｔｈｏｄ ｆｏｒ Ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ３−Ｄ Ｓｈａｐｅｓ）

しかしながら、従来の２次元画像に基づく製品の良否判定方法では、欠陥の種類によっては見落としや誤検出が発生する場合があるという問題があった。例えば、グレースケール画像や色画像において輝度や色が周辺部分と著しく異なる部分を欠陥として検出する方法では、その画像における輝度や色の特徴が立体的な傷や異物に基づくのか、単なる表面の変色に基づくのか区別することができない。

また、従来の３次元計測に基づく製品の良否判定方法では、参照データと観測データとがともに３次元の情報を持つため、参照データと観測データとの間の相互の位置関係を把握することができないという問題があった。
さらに、非特許文献１〜３に開示された方法では、３次元の点群データに基づいて参照データと観測データとの位置合わせを行う際に、参照データと観測データは同一の物体を異なる位置から見たものとするという条件が課されている。

しかしながら、製造工程に由来する製品に個別の個体差が生じることや、測定に由来するノイズが生じること、観測データに傷や異物などの欠陥が含まれている場合があることなどの理由から、参照データと観測データは同一の物体を異なる位置から見たものとするという条件が成り立たない場合がある。
このため、非特許文献１〜３に開示された方法をそのまま検査工程に適用すると、例えば、欠陥を含んだままの観測データと参照データとの位置合わせが行われることから、位置合わせ精度が劣化し、欠陥の検出精度が低下するという問題があった。

また、特許文献１、２に開示された方法では、物体の対応点をポインティングデバイスなどによって予め人手で指定する必要があり、大量かつ高速に欠陥検査を行うことができないという問題があった。
そこで、本発明の目的は、３次元計測に基づく欠陥検出の高精度化および高速化を図ることが可能な欠陥検出装置、欠陥検出方法および欠陥検出プログラムを提供することである。

上述した課題を解決するために、請求項１記載の欠陥検出装置によれば、検査対象を観測して得られた観測点群データを前記検査対象についての参照点群データと比較することにより、前記観測点群データの各観測点における参照点群データの対応点を判別する対応点判別手段と、前記観測点に対応する対応点との間の距離に基づいて、前記観測点群データの観測点を欠陥点として判定する欠陥点判定手段と、前記欠陥点判定手段にて欠陥と判定された観測点を前記観測点群データから除去する欠陥点除去手段と、前記欠陥点が除去された前記観測点群データに基づいて前記参照点群データの各参照点との位置合わせを行う位置合わせ手段と、前記位置合わせ手段による位置合わせ結果に基づいて前記検査対象についての欠陥検出を行う欠陥検出手段とを備えることを特徴とする。

また、請求項２記載の欠陥検出装置によれば、前記対応点判別手段は、前記観測点群データの各観測点と前記参照点群データの各参照点との距離を算出し、前記観測点群データの各観測点について前記参照点との間の距離が最も短い最近点を対応点とすることを特徴とする。
また、請求項３記載の欠陥検出装置によれば、前記欠陥点判定手段は、前記最近点との間の距離が閾値を越える観測点を前記欠陥点とすることを特徴とする。
また、請求項４記載の欠陥検出装置によれば、前記欠陥点判定手段は、前記観測点群データの各観測点における前記最近点との間の距離のヒストグラムを生成し、前記ヒストグラムの値が大きい上位の一定の割合に相当する前記観測点における前記最近点との間の距離を前記閾値として設定することを特徴とする。

また、請求項５記載の欠陥検出方法によれば、検査対象を観測して得られた観測点群データを前記検査対象についての参照点群データと比較することにより、前記観測点群データの各観測点における参照点群データの対応点を判別するステップと、前記観測点に対応する対応点との間の距離に基づいて、前記観測点群データの観測点を欠陥点として判定するステップと、前記欠陥点判定手段にて欠陥と判定された観測点を前記観測点群データから除去するステップと、前記欠陥点が除去された前記観測点群データに基づいて前記参照点群データの各参照点との位置合わせを行うステップと、前記位置合わせ結果に基づいて前記検査対象についての欠陥検出を行うステップとを備えることを特徴とする。

また、請求項６記載の欠陥検出方法によれば、前記参照点群データとして複数の良品点群データを登録するステップと、前記複数の良品点群データの中から前記観測点群データの各参照点と最も一致性の高い良品点群を有する良品点群データを選択するステップをさらに備えることを特徴とする。
また、請求項７記載の欠陥検出装置によれば、前記検査対象についての欠陥検出結果に基づいて、前記検査対象の良否判定を行うステップをさらに備えることを特徴とする。

また、請求項８記載の欠陥検出プログラムによれば、検査対象を観測して得られた観測点群データを前記検査対象についての参照点群データと比較することにより、前記観測点群データの各観測点における参照点群データの対応点を判別するステップと、前記観測点に対応する対応点との間の距離に基づいて、前記観測点群データの観測点を欠陥点として判定するステップと、前記欠陥点判定手段にて欠陥と判定された観測点を前記観測点群データから除去するステップと、前記欠陥点が除去された前記観測点群データに基づいて前記参照点群データの各参照点との位置合わせを行うステップと、前記位置合わせ結果に基づいて前記検査対象についての欠陥検出を行うステップとをコンピュータに実行させることを特徴とする。

以上説明したように、本発明によれば、各観測点と参照点との間の対応をとりながら各観測点と参照点との間の距離を算出することにより、各観測点が欠陥点であるか非欠陥点であるかを判別することが可能となる。このため、傷や異物などの欠陥点が観測点に含まれている場合においても、そのような欠陥点を除去しながら、観測点群データの各点と参照点群データの各点との位置合わせを行うことが可能となり、観測点群データの各点と参照点群データの各点との位置合わせ精度を向上させることが可能となる。この結果、物体の対応点をポインティングデバイスなどによって予め人手で指定する必要がなくなるとともに、欠陥の位置を精度よく特定することが可能となり、３次元計測に基づく欠陥検出の高精度化および高速化を図ることが可能となる。

以下、本発明の実施形態に係る欠陥検出装置について図面を参照しながら説明する。
図１は、本発明の第１実施形態に係る欠陥検出装置の概略構成を示すブロック図である。
図１において、欠陥検出装置１０２０には、検査対象を観測して得られた観測点群データ１０１１と検査対象についての参照点群データ１０１４との位置合わせを行いながら検査対象から欠陥を検出する欠陥検出処理部１００および欠陥検出処理部１００による欠陥の検出結果に基づいて検査対象の良否判定を行う良否判定処理部１００１が設けられている。

ここで、欠陥検出処理部１００は、観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点との間の距離に基づいて、観測点群データ１０１１を非欠陥点群データ１０１２と欠陥点群データ１０１３とに分類し、欠陥点群データ１０１３が除去された観測点群データ１０１１と参照点群データ１０１４との位置合わせを行いながら検査対象から欠陥を検出することができる。

そして、欠陥検出装置１０２０は、３次元的な観測点群データ１０１１および参照点群データ１０１４を生成するＣＡＤ１０２２、３次元的な観測点群データ１０１１を取得する３次元データ取得手段１０２１および検査対象のワークから検出された欠陥や検査対象のワークが良品であるか不良品であるかの判定結果を表示する表示装置１０２３に接続されている。なお、参照点群データ１０１４は、良品の観測点群データ１０１１から生成するようにしてもよいし、ＣＡＤ１０２２や図面などの幾何学情報から生成するようにしてもよい。また、欠陥検出装置１０２０は、ＣＡＤ１０２２にて生成された良品やモデルなどの正解情報となる点群データを参照点群データ１０１４として内部に保存するようにしてもよい。

また、３次元データ取得手段１０２１としては、３次元レーザスキャナを用いてもよいし、レーザ変位計を用いてもよいし、共焦点顕微鏡を用いてもよいし、全焦点顕微鏡を用いてもよいし、原子間力顕微鏡（Ａｔｏｍｉｃ Ｆｏｒｃｅ Ｍｉｃｒｏｓｃｏｐｅ）を用いてもよいし、その他の３次元計測装置を用いてもよい。また、ノイズを低減するために、観測点群データ１０１１について観測点群に関する平均化フィルタを用いるなどのノイズ低減手段を設けるようにしてもよい。

そして、ＣＡＤ１０２２にて生成された参照点群データ１０１４および３次元データ取得手段１０２１にて取得された観測点群データ１０１１は欠陥検出装置１０２０に入力される。そして、参照点群データ１０１４および観測点群データ１０１１が欠陥検出装置１０２０に入力されると、欠陥検出処理部１００は、欠陥点群データ１０１３が含まれた観測点群データ１０１１をそのまま使用して参照点群データ１０１４との位置合わせを行った後、観測点群データ１０１１を参照点群データ１０１４と比較することにより、観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点を判別する。

なお、観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点を判別する場合、観測点群データ１０１１の各観測点と参照点群データ１０１４の各参照点との距離を算出し、観測点群データ１０１１の各観測点について参照点との間の距離が最も短い最近点を対応点とすることができる。
そして、欠陥検出処理部１００は、観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点との間の距離に基づいて、観測点群データ１０１１を非欠陥点群データ１０１２と欠陥点群データ１０１３とに分類し、観測点群データ１０１１から欠陥点群データ１０１３を除去する。

なお、非欠陥点群データ１０１２と欠陥点群データ１０１３とに観測点群データ１０１１を分類する場合、観測点群データ１０１１の各観測点における最近点との間の距離のヒストグラムを生成し、そのヒストグラムの値が大きい上位の一定の割合に相当する観測点における最近点との間の距離を閾値θとして設定し、最近点との間の距離が閾値θを越える観測点群データ１０１１の中の観測点を欠陥点群データ１０１３における欠陥点とすることができる。

そして、欠陥検出処理部１００は、欠陥点群データ１０１３が除去された観測点群データ１０１１を使用することで参照点群データ１０１４との位置合わせを行った後、その観測点群データ１０１１を参照点群データ１０１４と比較することにより、その観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点を判別する。
そして、欠陥検出処理部１００は、観測点群データ１０１１の各観測点における参照点群データ１０１４の対応点との間の距離に基づいて、観測点群データ１０１１を非欠陥点群データ１０１２と欠陥点群データ１０１３とにさらに分類し、観測点群データ１０１１から欠陥点群データ１０１３を検出することができる。

そして、欠陥検出処理部１００は、Ｎ（Ｎは正の整数）回目の位置合わせで検出された欠陥点群データ１０１３を除去した観測点群データ１０１１の各観測点について、参照点群データ１０１４の各参照点との（Ｎ＋１）回目の位置合わせを行い、その（Ｎ＋１）回目の位置合わせ結果に基づいて欠陥点群データ１０１３を検出し、良否判定処理部１００１に送ることができる。そして、良否判定処理部１００１は、欠陥検出処理部１００から欠陥点群データ１０１３を受け取ると、その欠陥点群データ１０１３に基づいて検査対象の良否判定を行い、その欠陥点群データ１０１３や検査対象の良否判定結果を表示装置１０２３に出力する。そして、表示装置１０２３は、良否判定処理部１００１から送られた欠陥点群データ１０１３や検査対象の良否判定結果を表示することができる。
なお、良否判定処理部１００１における良否判定基準としては、検出した欠陥点群データ１０１３の数や、観測点群に占める欠陥点群の割合を用いてもよいし、欠陥点群が成す立体の体積を用いてもよい。

これにより、観測点群データ１０１１の各観測点と参照点群データ１０１４の参照点との間の対応をとりながら各観測点と参照点との間の距離を算出することにより、各観測点が欠陥点であるか非欠陥点であるかを判別することが可能となる。このため、傷や異物などの欠陥点が観測点群データ１０１１に含まれている場合においても、そのような欠陥点を観測点群データ１０１１から除去しながら、観測点群データ１０１１の各観測点と参照点群データ１０１４の各参照点との位置合わせを行うことが可能となり、観測点群データ１０１１の各観測点と参照点群データ１０１４の各参照点との位置合わせ精度を向上させることが可能となる。この結果、物体の対応点をポインティングデバイスなどによって予め人手で指定する必要がなくなるとともに、欠陥の位置を精度よく特定することが可能となり、３次元計測に基づく欠陥検出の高精度化および高速化を図ることが可能となる。

図２は、本発明の一実施形態に係る観測点群データを非欠陥点群データと欠陥点群データとに分類するための距離の算出方法を説明する図である。
図２（ａ）において、参照点群データ１０１４として参照点Ｐ１〜Ｐ５、観測点群データ１０１１として観測点Ｑ１〜Ｑ３が与えられたものとする。
そして、図２（ｂ）に示すように、観測点Ｑ１について、各参照点Ｐ１〜Ｐ５との距離を算出し、参照点Ｐ２との距離ｄ１が最も短いものとすると、観測点Ｑ１について参照点Ｐ２を対応点とすることができる。

また、図２（ｃ）に示すように、観測点Ｑ２について、各参照点Ｐ１〜Ｐ５との距離を算出し、参照点Ｐ３との距離ｄ２が最も短いものとすると、観測点Ｑ２について参照点Ｐ３を対応点とすることができる。
また、図２（ｄ）に示すように、観測点Ｑ３について、各参照点Ｐ１〜Ｐ５との距離を算出し、参照点Ｐ５との距離ｄ３が最も短いものとすると、観測点Ｑ３について参照点Ｐ５を対応点とすることができる。

そして、各観測点Ｑ１〜Ｑ３についての対応点との間の距離ｄ１〜ｄ３のヒストグラムを生成し、そのヒストグラムの値が大きい上位の一定の割合に相当する観測点Ｑ１〜Ｑ３における対応点との間の距離を閾値θとして設定し、対応点との間の距離ｄ１〜ｄ３が閾値θを越える観測点Ｑ１〜Ｑ３を欠陥点とすることができる。
例えば、観測点Ｑ１と対応点との間の距離ｄ１が閾値θとして設定されたものとすると、各観測点Ｑ３についての対応点との間の距離ｄ３は閾値θを越えることから、観測点Ｑ３は欠陥点と判定し、観測点群データ１０１１から観測点Ｑ３を除去することができる。そして、観測点Ｑ３が除去された観測点Ｑ１、Ｑ２を含む観測点群データ１０１１を用いることで、参照点Ｐ１〜Ｐ５を含む参照点群データ１０１４の各点との位置合わせを行うことができる。

図３は、本発明の一実施形態に係る観測点群データを非欠陥点群データと欠陥点群データとに分類する方法を説明する図である。
図３（ａ）において、欠陥点群１２２１を含む観測点群１２１１および参照点群１２０１が与えられたものとすると、図３（ｂ）に示すように、観測点群１２１１における各点と参照点群１２０１における各点との距離を算出することにより、観測点群１２１１における各点と参照点群１２０１における各対応点との間のベクトル１２３２が算出されるとともに、欠陥点群１２２１における各点と参照点群１２０１における各対応点との間のベクトル１２３２が算出される。そして、欠陥点群１２２１における各点と参照点群１２０１における各対応点との間の距離が、観測点群１２１１における各点と参照点群１２０１における各対応点との間の距離より長いものとすると、図３（ｃ）に示すように、欠陥点群１２２１は観測点群１２１１から除去され、図３（ｄ）に示すように、欠陥点群１２２１が除去された観測点群１２１１と参照点群１２０１との位置合わせを行うことができる。

図４は、図１の欠陥検出装置における欠陥検出処理を示すフローチャートである。
図４において、欠陥検出処理Ｓ１００では、観測点群データ１０１１を非欠陥点群データ１０１２と欠陥点群データ１０１３とに分類するための閾値θを設定する閾値設定処理Ｓ１０１、観測点群データ１０１１を非欠陥点群データ１０１２と欠陥点群データ１０１３とに分類する点群分類処理Ｓ１０２、欠陥点群が除去された観測点群の座標を参照点群の対応点群の座標に変換する幾何変換処理Ｓ１０３が順次行われ、終了判定処理Ｓ１１１における終了判定条件を満たすまで、閾値設定処理Ｓ１０１、点群分類処理Ｓ１０２、幾何変換処理Ｓ１０３が順次繰り返される。そして、終了判定処理Ｓ１１１における終了判定条件をみたすと、欠陥点群を表示する欠陥表示処理Ｓ１０４が行われる。

なお、終了判定処理Ｓ１１１における終了判定条件としては、幾何変換処理Ｓ１０３における変換量の大きさが十分小さい場合であってもよいし、予め決められた回数だけ実行した場合であってもよい。
また、計算量を減らしつつ、位置合わせ精度を向上させるために、観測点群の撮影状況と参照点群の撮影状況とがほぼ同じになるように設定することが好ましい。観測点群の撮影状況と参照点群の撮影状況とがほぼ同じになるようにするために、目視によってワーク位置や撮影位置などの微調整を行うようにしてもよいし、撮影位置を制御できるＸＹステージなどの位置固定装置を用いるようにしてもよい。

以下、図４の欠陥検出処理についてより詳細に説明する。
図５は、図４の閾値設定処理を示すフローチャートである。
図５において、閾値設定処理Ｓ１０１において、初めて処理を実行する場合（ステップＳ２１１）、閾値θを無限大に設定する（ステップＳ２０４）。そして、２回目以降に処理を実行する場合、｛Ｘｏ（ｊ）｝を観測点群とすると、観測点群データ１０１１の観測点Ｘｏ（ｊ）に関してｄ（ＮＰ（ｊ）、ｊ）のヒストグラムを生成する（ステップＳ２０１）。だたし、ＮＰ（ｊ）は、各観測点ｊに対応する参照点群データ１０１４の最近点、ｄ（ＮＰ（ｊ）、ｊ）は、各観測点Ｘｏ（ｊ）における最近点ＮＰ（ｊ）との間の距離を示す。
そして、ステップＳ２２１で設定された設定値αで示される割合を用いることで、ｄ（ＮＰ（ｊ）、ｊ）のヒストグラムの値が大きい上位の一定の割合に相当する観測点Ｘｏ（ｋ）を求め（ステップＳ２０２）、その観測点Ｘｏ（ｋ）における最近点ＮＰ（ｋ）との距離ｄ（ＮＰ（ｋ）、ｋ）を閾値θとして設定する（ステップＳ２０３）。

図６は、図４の点群分類処理を示すフローチャートである。
図６において、｛Ｘｒ（ｉ）｝を参照点群、｛Ｘｏ（ｊ）｝を観測点群とすると（ステップＳ３０１）、全ての参照点Ｘｒ（ｉ）と観測点Ｘｏ（ｊ）との組み合わせについて（ステップＳ３０２、Ｓ３０３、Ｓ３０５、Ｓ３０９、Ｓ３１１、Ｓ３１３）、参照点Ｘｒ（ｉ）と観測点Ｘｏ（ｊ）との間の距離を計算することにより（ステップＳ３０４）、各観測点Ｘｏ（ｊ）に対応する最近点ＮＰ（ｊ）を求める（ステップＳ３０６）。
そして、各観測点Ｘｏ（ｊ）について最近点ＮＰ（ｊ）との間の距離ｄ（ＮＰ（ｊ）、ｊ）が閾値θを越えるかどうかを判断し（ステップＳ３１２）、最近点ＮＰ（ｊ）との間の距離ｄ（ＮＰ（ｊ）、ｊ）が閾値θを越える観測点Ｘｏ（ｊ）を欠陥点群に分類してから（ステップＳ３０７）、観測点群｛Ｘｏ（ｊ）｝から削除する（ステップＳ３０８）。

図７は、図４の幾何変換処理を示すフローチャートである。
図７において、｛Ｘｒ（ｉ）｝を参照点群、｛Ｘｏ（ｊ）｝を観測点群とすると（ステップＳ４０１）、全ての観測点Ｘｏ（ｊ）について、観測点Ｘｏ（ｊ）と参照点Ｘｒ（ｉ）の最近点Ｘｒ（ＮＰ（ｊ））とが以下の（１）式で示すアフィン変換で変換される関係を有すると仮定する（ステップＳ４０２）。
Ｘｒ（ＮＰ（ｊ））＝Ａ・Ｘｏ（ｊ）＋ｔ＋ε（ｊ） （１）
ただし、Ａは３次元の回転を表す行列、ｔは３次元の平行移動を表すベクトル、ε（ｊ）は誤差を表すベクトルである。

そして、パラメータ推定処理によって行列Ａおよびベクトルｔを推定し（ステップＳ４０３）、全ての観測点Ｘｏ（ｊ）について（ステップＳ４０４、Ｓ４０６、Ｓ４１１）、推定された行列Ａおよびベクトルｔを用いることで、観測点Ｘｏ（ｊ）をアフィン変換する（ステップＳ４０５）。
なお、パラメータ推定処理Ｓ４０３では、例えば、特異値分解法にて行列Ａおよびベクトルｔを推定することができる。

図８は、図７のパラメータ推定処理を示すフローチャートである。
図８において、｛Ｘｒ（ＮＰ（ｊ））｝を参照点群、｛Ｘｏ（ｊ）｝を観測点群とする（ステップＳ７０１）。そして、以下の（２）式および（３）式に示すように、参照点群の重心Ｐｒおよび観測点群の重心Ｐｏを計算する（ステップＳ７０２）。
Ｐｒ：＝（Ｘｒ（ＮＰ（１））＋Ｘｒ（ＮＰ（２））＋・・・＋Ｘｒ（ＮＰ（Ｍ））／Ｍ
・・・（２）
Ｐｏ：＝（Ｘｏ（１））＋（Ｘｏ（２））＋・・・＋Ｘｏ（Ｍ））／Ｍ ・・・（３）
ただし、Ｍは観測点Ｘｏ（ｊ）の個数である

次に、以下の（４）式および（５）式に示すように、参照点群の重心Ｐｒからの相対位置Ｑｒ（ｊ）および観測点群の重心Ｐｏからの相対距離Ｑｏ（ｊ）を計算する（ステップＳ７０３）。
Ｑｒ（ｊ）：＝Ｘｒ（ＮＰ（ｊ））−Ｐｒ ・・・（４）
Ｑｏ（ｊ）：＝Ｘｏ（ｊ）−Ｐｏ ・・・（５）
ただし、ｊは１〜Ｍの値をとる整数値である。

次に、以下の（６）式に示すように、Ｑｒ（ｊ）とＱｏ（ｊ）との積和行列Ｈを計算する（ステップＳ７０４）。
Ｈ：＝Ｑｏ（１）Ｑｒ（１）^T＋Ｑｏ（２）Ｑｒ（２）^T＋・・・
＋Ｑｏ（Ｍ）Ｑｒ（Ｍ）^T ・・・（６）
次に、以下の（７）式に示すように、積和行列Ｈの特異値分解を行う（ステップＳ７０５）。
Ｈ＝ＵΛＶ^T ・・・（７）
ただし、ＵおよびＶは直交行列、Λは対角行列である。

次に、以下の（８）式に示すように、積和行列Ｈの特異値分解結果から行列Ａの推定値を計算する（ステップＳ７０６）。
Ａ：＝ＶＵ^T ・・・（８）
次に、以下の（９）式に示すように、行列Ａの推定値、参照点群の重心Ｐｒおよび観測点群の重心Ｐｏを用いることにより、ベクトルｔの推定値を計算する（ステップＳ７０７）。
ｔ：＝Ｐｒ−Ａ・Ｐｏ ・・・（９）

図９は、図４の欠陥表示処理を示すフローチャートである。
図９において、｛Ｘｒ（ｉ）｝を参照点群、｛Ｘｏ（ｊ）｝を観測点群、｛Ｘｅ（ｊ）｝を欠陥点群とする（ステップＳ５０１）。
そして、参照点群｛Ｘｒ（ｉ）｝を表示し（ステップＳ５０２）、欠陥点群｛Ｘｅ（ｊ）｝を容易に視認できるようにするために、ステップＳ５２１で設定された設定色を用いることで、表示色を設定する（ステップＳ５０３）。

次に、欠陥点群｛Ｘｅ（ｊ）｝の座標を参照点群｛Ｘｒ（ｉ）｝の座標に変換し（ステップＳ５０４）、欠陥点群｛Ｘｅ（ｊ）｝を表示する（ステップＳ５０５）。
なお、ステップＳ５０４において、欠陥点群｛Ｘｅ（ｊ）｝の座標を参照点群｛Ｘｒ（ｉ）｝の座標に変換するには、欠陥点群｛Ｘｅ（ｊ）｝の各点が欠陥として分類された時点から、図４の欠陥検出処理Ｓ１００が終了するまでに行われた幾何変換処理Ｓ１０３中のアフィン変換処理Ｓ４０５を全ての欠陥点に対して実行すればよい。あるいは、図７の観測点群｛Ｘｏ（ｊ）｝についての幾何変換処理Ｓ１０３を欠陥点群｛Ｘｅ（ｊ）｝に対して同時に実行するようにしてもよい。

これにより、３次元計測データに基づいて観測点群データ１０１１の各点と参照点群データ１０１４の各点との位置合わせを行いつつ、傷や異物などの欠陥の影響を繰り返し演算によって段階的に低減させ、欠陥のない観測点群データ１０１１の各点と参照点群データ１０１４の各点とを一致させることで、観測点群データ１０１１の各点と参照点群データ１０１４の各点との位置合わせ精度を向上させながら検査対象から欠陥を検出することができる。

また、欠陥部分を観測点群データ１０１１から逐次除去することにより、欠陥を伴う観測点群データ１０１１の各点と参照点群データ１０１４の各点との位置合わせを精度よく行うことが可能となり、３次元計測データを利用した精密な欠陥検出を実現することができる。
さらに、観測点群データ１０１１の各点と参照点群データ１０１４の各点との位置合わせと欠陥検出とを同時に行うことが可能となり、観測点群データ１０１１から欠陥を高速に検出することができる。

また、欠陥として判定される領域の大きさを互いに近接する欠陥点の数から推定することができ、良品と不良品とを区別する判定基準として欠陥の大きさを用いることができる。
また、点群データを用いて欠陥の判定を行うことが可能となり、単純な幾何形状で表現しにくい複雑な形状を有する工業製品に対しても適用することが可能となる。
なお、閾値設定処理Ｓ１０１、点群分類処理Ｓ１０２および幾何変換処理Ｓ１０３は、これらの処理を遂行させる命令が記述されたプログラムをコンピュータに実行させることにより実現することができる。

そして、このプログラムをＣＤ−ＲＯＭなどの記憶媒体に記憶しておけば、コンピュータに記憶媒体を装着し、そのプログラムをコンピュータにインストールすることにより、閾値設定処理Ｓ１０１、点群分類処理Ｓ１０２および幾何変換処理Ｓ１０３を実現することができる。
また、閾値設定処理Ｓ１０１、点群分類処理Ｓ１０２および幾何変換処理Ｓ１０３を遂行させる命令が記述されたプログラムをコンピュータに実行させる場合、スタンドアロン型コンピュータで実行させるようにしてもよく、ネットワークに接続された複数のコンピュータに分散処理させるようにしてもよい。

図１０は、図１の欠陥検出装置が適用される欠陥測定装置の概略構成を示す正面図である。
図１０において、欠陥測定装置には、検査対象から３次元の観測点群データ１０１１を取得するマイクロスコープ１１２１および図４の欠陥検出処理を実行する計算機１１２２が設けられている。ここで、計算機１１２２には図１の欠陥検出装置１０２０を搭載することができる。

そして、マイクロスコープ１１２１にて計測された観測点群データ１０１１が計算機１１２２に入力されると、計算機１１２２は、図４の欠陥検出処理を実行することで、観測点群データ１０１１の各点と参照点群データ１０１４の各点との位置合わせを行いながら、非欠陥点群データ１０１２と欠陥点群データ１０１３とに観測点群データ１０１１を分類し、検査対象から欠陥を検出することができる。そして、計算機１１２２は、検査対象から検出した欠陥を表示装置に表示することができる。

図１１は、本発明の第２実施形態に係る欠陥検出装置の概略構成を示すブロック図である。
図１１において、図１の欠陥検出装置１０２０には、参照点群データ１０１４として複数の良品点群データ１３１１〜１３１３が登録されるとともに、複数の良品点群データ１３１１〜１３１３の中から観測点群データ１０１１の各点と最も一致性の高い良品点群を有する良品点群データ１３１１〜１３１３を選択する良品選択処理部１３０１が設けられている。

そして、観測点群データ１０１１が欠陥検出装置１０２０に入力されると、良品選択処理部１３０１は、例えば、複数の良品点群データ１３１１〜１３１３の中から観測点群データ１０１１と最も一致性の高いものとして良品点群データ１３１１を選択し、欠陥検出処理部１００に出力する。そして、欠陥検出処理部１００は、観測点群データ１０１１と良品点群データ１３１１とを用いることで、観測点群データ１０１１の各点と良品点群データ１３１１の各点との位置合わせを行いながら、非欠陥点群データ１０１２と欠陥点群データ１０１３とに観測点群データ１０１１を分類し、検査対象から欠陥を検出することができる。
これにより、観測点群データ１０１１の各点と最も一致性の高い良品点群を有する良品点群データ１３１１を用いて欠陥検出処理を実行することができ、製品に個別の製造むらの影響を低減したり、複数の種類の製品を同一ラインで検査したりすることが可能となる。

図１２は、本発明の第３実施形態に係る良品選別装置の概略構成の一例を示す斜視図である。
図１２において、良品選別装置には、検査対象１４３１から３次元の観測点群データ１０１１を取得する３次元データ取得手段１０２１および図４の欠陥検出処理を実行する計算機１１２２が設けられるとともに、検査対象１４３１を搬送する搬送系１４２２、１４２３、計算機１１２２による欠陥検出結果に基づいて搬送系１４２２、１４２３を制御する搬送系制御装置１４２１、良品と判定された検査対象１４３１を保管する良品ストッカ１４３２および不良品と判定された検査対象１４３１を保管する不良品ストッカ１４３３が設けられている。

そして、検査対象１４３１は搬送系１４２２にて搬送され、３次元データ取得手段１０２１にて検査対象１４３１から観測点群データ１０１１が計測される。そして、３次元データ取得手段１０２１にて計測された観測点群データ１０１１が計算機１１２２に入力されると、計算機１１２２は、図４の欠陥検出処理を実行することで、観測点群データ１０１１の各点と参照点群データ１０１４の各点との位置合わせを行いながら、非欠陥点群データ１０１２と欠陥点群データ１０１３とに観測点群データ１０１１を分類し、検査対象１４３１から欠陥を検出することができる。そして、計算機１１２２は、検査対象１４３１からの欠陥の検出結果に基づいて検査対象１４３１の良否判定を行い、良否判定結果を搬送系制御装置１４２１に送ることができる。

そして、３次元データ取得手段１０２１にて計測された検査対象１４３１は搬送系１４２２から搬送系１４２３に移され、搬送系制御装置１４２１は、検査対象１４３１が良品と判定された場合、搬送系１４２３にて検査対象１４３１を良品ストッカ１４３２に搬送させ、検査対象１４３１が不良品と判定された場合、搬送系１４２３にて検査対象１４３１を不良品ストッカ１４３３に搬送させることができる。
これにより、図４の欠陥検出処理を計算機１１２２に実行させることで、検査対象１４３１からの欠陥の検出結果に基づいて検査対象１４３１の良否判定を行わせつつ、検査対象１４３１を良品と不良品とに選別させることが可能となり、検査対象１４３１をインラインで選別させることを可能としつつ、選別精度を向上させることができる。

本発明の第１実施形態に係る欠陥検出装置の概略構成を示すブロック図である。 本発明の一実施形態に係る観測点群データを非欠陥点群データと欠陥点群データとに分類するための距離の算出方法を説明する図である。 本発明の一実施形態に係る観測点群データを非欠陥点群データと欠陥点群データとに分類する方法を説明する図である。 図１の欠陥検出装置における欠陥検出処理を示すフローチャートである。 図４の閾値設定処理を示すフローチャートである。 図４の点群分類処理を示すフローチャートである。 図４の幾何変換処理を示すフローチャートである。 図７のパラメータ推定処理を示すフローチャートである。 図４の欠陥表示処理を示すフローチャートである。 図１の欠陥検出装置が適用される欠陥測定装置の概略構成を示す正面図である。 本発明の第２実施形態に係る欠陥検出装置の概略構成を示すブロック図である。 本発明の第３実施形態に係る良品選別装置の概略構成を示す斜視図である。

符号の説明

１００ 欠陥検出処理部
１００１ 良否判定処理部
１０１１ 観測点群データ
１０１２ 非欠陥点群データ
１０１３ 欠陥点群データ
１０１４ 参照点群データ
１０２０ 欠陥検出装置
１０２１ ３次元データ取得手段
１０２２ ＣＡＤ
１０２３ 表示装置
１１２１ マイクロスコープ
１１２２ 計算機
Ｐ１〜Ｐ５ 参照点
Ｑ１〜Ｑ３ 観測点
１２０１ 参照点群
１２１１ 観測点群
１２２１ 欠陥点群
１２３１、１２３２ ベクトル
１０１４ 観測点群データ
１３１１〜１３１３ 良品点群データ
１３０１ 良品選択処理部
１４２１ 搬送系制御装置
１４２２、１４２３ 搬送系
１４３１ 検査対象
１４３２ 良品ストッカ
１４３３ 不良品ストッカ

Claims (8)

1. 検査対象を観測して得られた観測点群データを前記検査対象についての参照点群データと比較することにより、前記観測点群データの各観測点における参照点群データの対応点を判別する対応点判別手段と、
   前記観測点に対応する対応点との間の距離に基づいて、前記観測点群データの観測点を欠陥点として判定する欠陥点判定手段と、
   前記欠陥点判定手段にて欠陥と判定された観測点を前記観測点群データから除去する欠陥点除去手段と、
   前記欠陥点が除去された前記観測点群データに基づいて前記参照点群データの各参照点との位置合わせを行う位置合わせ手段と、
   前記位置合わせ手段による位置合わせ結果に基づいて前記検査対象についての欠陥検出を行う欠陥検出手段とを備えることを特徴とする欠陥検出装置。
2. 前記対応点判別手段は、前記観測点群データの各観測点と前記参照点群データの各参照点との距離を算出し、前記観測点群データの各観測点について前記参照点との間の距離が最も短い最近点を対応点とすることを特徴とする請求項１記載の欠陥検出装置。
3. 前記欠陥点判定手段は、前記最近点との間の距離が閾値を越える観測点を前記欠陥点とすることを特徴とする請求項２記載の欠陥検出装置。
4. 前記欠陥点判定手段は、前記観測点群データの各観測点における前記最近点との間の距離のヒストグラムを生成し、前記ヒストグラムの値が大きい上位の一定の割合に相当する前記観測点における前記最近点との間の距離を前記閾値として設定することを特徴とする請求項３記載の欠陥検出装置。
5. 検査対象を観測して得られた観測点群データを前記検査対象についての参照点群データと比較することにより、前記観測点群データの各観測点における参照点群データの対応点を判別するステップと、
   前記観測点に対応する対応点との間の距離に基づいて、前記観測点群データの観測点を欠陥点として判定するステップと、
   前記欠陥点判定手段にて欠陥と判定された観測点を前記観測点群データから除去するステップと、
   前記欠陥点が除去された前記観測点群データに基づいて前記参照点群データの各参照点との位置合わせを行うステップと、
   前記位置合わせ結果に基づいて前記検査対象についての欠陥検出を行うステップとを備えることを特徴とする欠陥検出方法。
6. 前記参照点群データとして複数の良品点群データを登録するステップと、
   前記複数の良品点群データの中から前記観測点群データの各参照点と最も一致性の高い良品点群を有する良品点群データを選択するステップをさらに備えることを特徴とする請求項５記載の欠陥検出方法。
7. 前記検査対象についての欠陥検出結果に基づいて、前記検査対象の良否判定を行うステップをさらに備えることを特徴とする請求項５または６記載の欠陥検出方法。
8. 検査対象を観測して得られた観測点群データを前記検査対象についての参照点群データと比較することにより、前記観測点群データの各観測点における参照点群データの対応点を判別するステップと、
   前記観測点に対応する対応点との間の距離に基づいて、前記観測点群データの観測点を欠陥点として判定するステップと、
   前記欠陥点判定手段にて欠陥と判定された観測点を前記観測点群データから除去するステップと、
   前記欠陥点が除去された前記観測点群データに基づいて前記参照点群データの各参照点との位置合わせを行うステップと、
   前記位置合わせ結果に基づいて前記検査対象についての欠陥検出を行うステップとをコンピュータに実行させることを特徴とする欠陥検出プログラム。

Images