JP3427215B2 - カメラのｔｔｌ測光装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、撮影レンズを通過した
光を用いて測光を行なう、撮影レンズ交換可能なカメラ
のＴＴＬ測光装置に関する。

【０００２】

【従来の技術】従来のレンズ交換の可能なカメラのＴＴ
Ｌ測光装置においては、ＴＴＬ測光装置の受光素子に達
する光量は、理想的にはフィルム面に達する光量に比例
した光量となるのが望ましい。しかしながら、この受光
素子の出力は、装着される撮影レンズのレンズ構成の違
いによって測光誤差が生じる問題があった。

【０００３】そのため従来の装置においては、装着され
る全ての撮影レンズにおける測光誤差が小さくなるよう
にレンズの開放Ｆ値、焦点距離等のパラメータを用いた
簡単な近似式や条件式を使用して撮影レンズの測光誤差
の補正を行なうようになされている。

【０００４】

【発明が解決しようとする課題】しかしながら、従来の
方式で多分割測光の測光誤差の補正を行う場合、分割さ
れた測光素子毎に前述の近似式や条件式を用意しなけれ
ばならず、分割数が増加するとＴＴＬ測光装置の規模が
大きくなってしまうという問題があった。

【０００５】また、ＣＰＵによりプログラミングでこれ
らの補正処理を行う場合、プログラミングの規模が大き
くなるとともに演算時間が増えてしまうという問題があ
った。

【０００６】本発明は、上記事情に鑑みてなされたもの
であり、分割数の多い多分割測光を行うカメラのＴＴＬ
測光装置において、撮影レンズの交換やズーミング等に
よりレンズ構成が変化しても、高速かつ高精度に測光誤
差の補正を行なうことのできるカメラのＴＴＬ測光装置
を提供することを目的としている。

【０００７】

【課題を解決するための手段】本発明のカメラのTTL測
光装置は、交換可能な撮影レンズとしての撮影レンズ２
を有するカメラのTTL測光装置であって、撮影レンズ
は、焦点面のほぼ中央部に到達する光束を制限する第１
の開口に相当する開口３１ｏと、前記焦点面の周辺部に
到達する光束を制限する少なくとも２つの開口である、
第２の開口に相当する開口３１ｂ、および、第３の開口
に相当する開口３１ｆを有し、撮影画面の複数の位置の
輝度情報を検出する受光手段としての測光センサ１０
と、撮影レンズ２の第１の開口の位置と大きさからなる
第１のレンズデータと、第２の開口の位置と大きさから
なる第２のレンズデータと、第３の開口の位置と大きさ
からなる第３のレンズデータを記憶する、撮影レンズ２
内に設けられた記憶手段としてのレンズCPU１３と、レ
ンズCPU１３に記憶されている複数のレンズデータから
生成される、撮影レンズ２の口径食に対する補正情報に
基づいて、測光センサ１０が検出した輝度情報の出力を
補正する補正手段としての測光演算装置１２とを備えて
いる。

【０００８】測光演算装置１２は、測光センサ１０によ
り検出された複数の位置毎の輝度情報の出力を補正する
ことができる。

【０００９】

【作用】本発明のカメラのTTL測光装置では、レンズCPU
１３に記憶された撮影レンズ２の開口３１ｂ、開口３１
ｏ、開口３１ｆの位置と大きさからなるレンズデータに
基づいて、測光演算装置１２により生成された補正情報
により測光センサ１０が検出した撮影画面上の輝度情報
を補正するので、撮影レンズ２の交換やズーミング等に
よりレンズ構成が変化しても、測光センサの出力に対し
て、高速かつ高精度に測光誤算補正を行うことができ
る。また、撮影レンズ２の口径食に対しても、高速かつ
高精度に測光誤差の補正を行うことができる。

【００１０】測光演算装置１２は、測光センサ１０によ
り検出された複数の位置毎の輝度情報の出力を補正する
ことにより、測光センサの出力に対して、高速かつ高精
度に測光誤算補正を行うことができる。

【００１１】

【実施例】以下、図面を参照しながら本発明の実施例に
ついて述べる。

【００１２】図１及至図７は本発明の一実施例に係わ
り、図１はカメラのＴＴＬ測光装置を備えたカメラの要
部の構成を示す構成図、図２は図１の測光演算装置１２
内に形成されるニューラルネットの構成を示す構成図、
図３は図１の２次元センサの撮像面の分割形状を説明す
る説明図、図４は図１の撮影レンズを３個の開口像で代
表させたときの光束の様子を説明する説明図、図５は図
１の測光演算装置１２での演算に用いられるシグモイド
関数を説明する説明図、図６は図２のニューラルネット
をプログラミングによって実現する場合のフローチャー
ト、図７は図６のニューラルネット演算を行うニューラ
ルネット演算サブルーチンの流れを示すフローチャート
である。

【００１３】図１に示すように、本実施例のカメラのＴ
ＴＬ測光装置を備えたカメラボディ１には交換式の撮影
レンズ２が着脱自在に装着されている。この撮影レンズ
２を通過した被写体からの光は、クイックリターンミラ
ー４により反射されてフォーカシングスクリーン５に結
像される。そして、フォーカシングスクリーン５上の被
写体像は、コンデンサレンズ６を介してペンタプリズム
７を通過し、接眼レンズ８により観察されると共に、被
写体像は、測光用再結像レンズ９によりＣＣＤ等の２次
元センサで構成される測光センサ１０上に再結像され
る。

【００１４】測光センサ１０上の像は、電気信号に変換
されてＣＰＵ等で構成される測光演算装置１２に送られ
る。また、測光演算装置１２には、撮影レンズ２内に設
けられ、焦点距離、Ｆ値（ズーミング時を含む）、後述
するレンズの特性を代表する開口の情報などのレンズデ
ータなどを格納したレンズＣＰＵ１３から、これらのレ
ンズデータが転送される。そして、測光演算装置１２
は、これらのレンズデータを用い、後述するニューラル
ネットにより、測光センサ１０の輝度情報を補正処理す
ると共に、補正処理された測光センサ１０の輝度情報出
力を基に最適な露出制御値を導き出す。

【００１５】即ち、本実施例のカメラのＴＴＬ測光装置
は、上述の測光用再結像レンズ９、測光センサ１０、測
光演算装置１２及びレンズＣＰＵ１３から構成されてい
る。

【００１６】一方、フォーカシングスクリーン５上の被
写体像が再結像される測光センサ１０は、図３に示すよ
うに複数の画素１０ａに分割されており、この測光セン
サ１０の各画素１０ａが測光する撮影画面に対応する位
置情報としてｘ軸、ｙ軸を設定し、後述するニューラル
ネットの入力値ｘ（−５〜＋５）、ｙ（−３〜＋３）と
する。

【００１７】次に、図４は、撮影レンズ２をフィルム１
１面側から見た３個の開口像で代表させた、測光誤差の
生じる原因を説明する図である。図４において、Ｐｏ、
Ｐｆ、Ｐｂは、それぞれの開口３１ｏ、３１ｆ、３１ｂ
のフィルム面からの距離を示し、Ｄｏ、Ｄｆ、Ｄｂは、
それぞれの開口３１ｏ、３１ｆ、３１ｂの直径を示す。

【００１８】図４においては、これらの３個の開口３１
ｏ、３１ｆ、３１ｂを通過した光束のみが測光センサ１
０に到達する。例えば、焦点面の中央部Ａに到達する光
束は、中央のＰｏの位置にある開口３１ｏのみで制限さ
れているが、焦点面の上部Ｂでは、到達する光束の上側
は、後側のＰｂの位置にある開口３１ｂで制限されると
ともに、光束の下側は、前側のＰｆの位置にある開口で
制限される。

【００１９】従って、Ｂ点においては、いわゆる口径食
が生じ、そこに到達する光量は、Ａ点に到達する光量と
比較して少なくなる。

【００２０】このように測光センサ１０の測光誤差は、
撮影レンズ２の３個の開口３１ｏ、３１ｆ、３１ｂと、
測光センサ１０が測光する撮影画面上の位置により決ま
る。本実施例では、これらの３個の開口３１ｏ、３１
ｆ、３１ｂのレンズデータを予めレンズＣＰＵ１３（図
２参照）に格納しておき、この情報を必要に応して呼び
出し測光センサ１０の測光誤差を補正するために用い
る。

【００２１】なお、これらの開口の数は３個あれば、ほ
とんどの撮影レンズの口径食をほぼ再現することが可能
であるが、必要とされる精度に応して決定される。

【００２２】さらに、これらの測光誤差の量は、数々の
撮影レンズと使用するカメラボディにおいて予め測定す
るか、もしくは計算機シミュレーションにより演算して
求めておき、図２に示すニューラルネットワークの学習
の為の教師値とする。

【００２３】図２は、本実施例における測光センサ１０
の補正値Ｈを出力するニューラルネットの構成を示した
ものであり、このニューラルネットは、９個の入力を受
ける入力層と２層の中間層と補正値を出力する出力層と
で構成されている。

【００２４】Ｉ［１］からＩ［９］はニューラルネット
の入力であり、撮影レンズ２の３個の開口３１ｏ、３１
ｆ、３１ｂの位置と径を示す値Ｐｏ、Ｄｏ、Ｐｆ、Ｄ
ｆ、Ｐｂ、Ｄｂと測光センサ１０の各画素が測光する撮
影画面上の座標位置ｘ、ｙと定数１を入力値としてい
る。中間層は２層とし、中間層１は入力値Ｉ［１］から
Ｉ［９］を、また中間層２は中間層１の出力を、それぞ
れ予め学習等により最適化した結合の重みＷｎで加重加
算した結果を図５に示すシグモイド関数で変換して、次
のニューロン層ヘの入力値としている。

【００２５】即ち、中間層１では、入力値Ｉ［ｎ］に対
して重みＷ１［ｎ，１］、Ｗ１［ｎ，２］、…、Ｗ１
［ｎ，１０］を加重加算しシグモイド関数で変換して、
中間層２の入力値としている。また、中間層２では、中
間層１の出力に対して重みＷ２［１］、Ｗ２［２］、
…、Ｗ２［１１］を加重加算しシグモイド関数で変換し
た値を出力層の入力値としている。

【００２６】さらに、出力層では、中間層２の出力（−
１から十１）を実際の補正値の範囲に直すため、中間層
２の出力とＩ［９］に、Ｗ３［１］、Ｗ３［２］を加重
加算した結果をシグモイド関数を通さずに補正値Ｈとし
てそのまま出力している。

【００２７】このニューラルネットの結合の重みＷは、
公知の方法である誤差逆伝播アルゴリズム等の学習法を
用いて、計算機等で予め最適化して、測光演算装置１２
内にに搭載されている。

【００２８】図６は、マイクロコンピュータ等のプログ
ラミングによって、本実施例のニューラルネットを実現
するためのフローチャートを示したものである。

【００２９】図６において、ステップｓ１で、撮影レン
ズから３個の開口３１ｏ、３１ｆ、３１ｂの位置と径を
示す値Ｐｏ、Ｄｏ、Ｐｆ、Ｄｆ、Ｐｂ、Ｄｂ等のレンズ
データを入力する。ステップｓ２では、ニューラルネッ
トの入力値Ｉ［１］からＩ［９］にレンズパラメータ及
び測光センサ１０の各画素１０ａが測光する撮影画面上
の座標位置ｘ、ｙと定数１をセットする。

【００３０】ステップｓ３は後述するニューラルネット
演算サブルーチンであり、ステップｓ３では、Ｉ［１］
からＩ［９］を入力し、出力として測光センサ１０の各
画素１０ａが測光する撮影画面上の座標位置ｘ、ｙ毎の
補正値Ｈ［ｘ、ｙ］を得る。

【００３１】ステップｓ４では、測光センサの出力Ｓ
［ｘ，ｙ］を取得する。ステップｓ５では、センサ出力
Ｓ［ｘ，ｙ］を補正値Ｈ［ｘ，ｙ］により補正し、Ｓ’
［ｘ，ｙ］を演算する。ステップｓ６では、Ｓ’［ｘ，
ｙ］を用いて露出演算を行なう。ステップｓ７では、レ
ンズデータを入力する。ステップｓ８では、ステップｓ
７で入力したレンズデータが変化したかどうかを判定
し、パラメータであるレンズデータが変化したならば、
ステップｓ２に戻り補正値Ｈ［ｘ，ｙ］を再演算し、パ
ラメータに変化がなければ、ステップｓ４まで戻り露出
演算を操り返す。

【００３２】図７は、ｓ３におけるニューラルネット演
算を行うニューラルネット演算サブルーチンの流れを示
したものである。

【００３３】ニューラルネット演算サブルーチンは、ス
テップｓ２１で、入力値Ｉ［１］からＩ［９］と、入力
層と中間層１の結合の重みＷ１［ｎ，１］からＷ１
［ｎ，９］との積算、即ち、 Σ（Ｗ１［ｉ，ｎ］・Ｉ［ｉ］） ｎ＝１〜１０ を行い、図５に示すシグモイド関数ｆを通して中間層１
の出力Ｎ１［ｎ］を演算する。ここで加算記号Σにおい
て、加算はｉ＝１〜９について行う。

【００３４】次に、ステップｓ２２では、ステップｓ２
１で求めた中間層１の出力Ｎ１［１］からＮ１［１０］
と、中間層１と中間層２の結合の重みＷ２［１］からＷ
２［１０］との積算結果に、Ｗ２［１１］を加えた結
果、即ち、 Σ（Ｗ２［ｉ］・Ｎ１［ｉ］）＋Ｗ２［１１］ を、シグモイド関数ｆを通して中間層２の出力Ｎ２を演
算する。ここで加算記号Σにおいて、加算はｉ＝１〜１
０について行う。

【００３５】ステップｓ２３では、ステップｓ２２で求
めた中間層２の出力Ｎ２に中間層２と出力層の結合の重
みＷ３［１］の積にＷ３［２］を加えた結果、即ち、 Ｗ３［１］・Ｎ２＋Ｗ３［２］ を出力Ｎ３とし、このＮ３を関数の結果、即ちＨ［ｘ，
ｙ］として返し、このルーチンを終了する。

【００３６】このように本実施例によれば、測光センサ
１０により撮影画面の輝度情報を検出し、レンズＣＰＵ
１３に記憶された撮影レンズ２の複数のレンズデータ及
び測光センサ１０の各画素が測光する撮影画面上の位置
情報を入力とした測光演算装置１２に形成された所定の
ニューラルネットの出力により測光センサ１０が検出し
た輝度情報を補正するので、撮影レンズ２の交換やズー
ミング等によりレンズ構成が変化しても、高速かつ高精
度に測光誤差の補正を行なうことができる。

【００３７】尚、本実施例ではマイクロコンピュータの
プログラミングによってニューラルネットを実現してい
るが、これに限らず、より高速に実行するために、例え
ばニューラルネットの演算を専用に行う専用演算回路に
よってニューラルネットを実現してもよい。

【００３８】

【発明の効果】以上説明したように、本発明のカメラの
TTL測光装置によれば、撮影画面の複数の位置の輝度情
報を検出し、撮影レンズの焦点面のほぼ中央に到達する
光を制限する第１の開口の位置と大きさからなる第１の
レンズデータと、焦点面の周辺部に到達する光束を制限
する少なくとも２つの開口としての、第２の開口の位置
と大きさからなる第２のレンズデータと、第３の開口の
位置と大きさからなる第３のレンズデータを記憶する。
そして、記憶している複数のレンズデータから生成す
る、撮影レンズの口径食に対する補正情報に基づいて、
検出した輝度情報の出力を補正するようにしたので、撮
影レンズの交換やズーミング等によりレンズ構成が変化
しても、種々の受光手段における測光誤差の補正を高速
かつ高精度に行うことができる。

【図面の簡単な説明】

【図ｌ】一実施例に係るカメラのＴＴＬ測光装置を備え
たカメラの要部の構成を示す構成図である。

【図２】図１の測光演算装置１２内に形成されるニュー
ラルネットの構成を示す構成図である。

【図３】図１の２次元センサの撮像面の分割形状を説明
する説明図である。

【図４】図１の撮影レンズを３個の開口像で代表させた
ときの光束の様子を説明する説明図である。

【図５】図１の測光演算装置１２での演算に用いられる
シグモイド関数を説明する説明図である。

【図６】図２のニューラルネットをプログラミングによ
って実現する場合のフローチャートである。

【図７】図６のニューラルネット演算を行うニューラル
ネット演算サブルーチンの流れを示すフローチャートで
ある。

【符号の説明】

２ 撮影レンズ ９ 測光用再結像レンズ １０ ２次元センサ １２ 測光演算装置 ｌ３ レンズＣＰＵ

フロントページの続き (56)参考文献 特開 平４−215631（ＪＰ，Ａ) 特開 平３−167535（ＪＰ，Ａ) 特開 昭63−271239（ＪＰ，Ａ) 特開 昭56−74226（ＪＰ，Ａ) 実公 昭46−5183（ＪＰ，Ｙ１)

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 交換可能な撮影レンズを有するカメラの
   TTL測光装置であって、前記撮影レンズは、焦点面のほぼ中央部に到達する光束
   を制限する第１の開口と、前記焦点面の周辺部に到達す
   る光束を制限する少なくとも２つの開口としての第２お
   よび第３の開口を有し、 撮影画面の複数の位置の輝度情報を検出する受光手段
   と、 前記撮影レンズの前記第１の開口の位置と大きさからな
   る第１のレンズデータと、前記第２の開口の位置と大き
   さからなる第２のレンズデータと、前記第３の開口の位
   置と大きさからなる第３のレンズデータを記憶する、前
   記撮影レンズ内に設けられた記憶手段と、 前記記憶手段により記憶されている前記第１乃至第３の
   レンズデータから生成される、前記撮影レンズの口径食
   に対する補正情報に基づいて、前記受光手段が検出した
   前記輝度情報の出力を補正する補正手段とを備えたこと
   を特徴とするカメラのTTL測光装置。
2. 【請求項２】 前記補正手段は、前記受光手段により検
   出された複数の位置毎の前記輝度情報の出力を補正する
   ことを特徴とする請求項１に記載のカメラのTTL測光装
   置。