JPS6238990A - パタ−ン認識装置における学習方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、ｉＴＶカメラ等を用いて対象物体（工業部品
、農水産物、医薬品などの生産物、あるいは細胞、粉粒
体などの自然物）の形状を撮像し、その形状のもつ特徴
量により形状の認識および分類を行う装置、特に標準パ
ターンの学習方法に関する。

〔従来の技術〕

この種の形状認識装置の代表的なものとして、例えば米
国の５Ｒｉ（スタンフォード研究所）で開発されたＶｌ
ｓｉｏｎ　Ｍｏｄｕｌｅがある。これは、主としてロボ
ットの目として開発されたもので、対象となる工業部品
の形状を固体カメラで撮像して２値化処理を施した後、
連結性解析により形状の輪郭を抽出し、形状の特徴量（
面積２周囲長。

形状係数など）を計測することにより、あらかじめ学習
させておいた標準パターンとの比較により形状の認識お
よび分類を行うものである。第１１図はかかるＳＲｉの
Ｖｉｓｉｏｎ　Ｍｏｄｕｌｅを示す機能プ四ツク図であ
る。同図において、１は固体カメラの如き撮像装置、１
１は前処理回路、１２は２値化回路、１３はマイクロプ
ロセッサの如き処理装置、１４は外部インタフェイスで
ある。また、処理装置１３は連結性解析部１３１、特微
量計算部１３２）特微量判別部１３６および標準パター
ン設定部１３４等から構成されている。

固体カメラ１により撮像された対象パターンの■Ｉｄｅ
Ｏ（ビデオ）信号は、前処理回路１１にてＡ／Ｄ変換、
ノイズ除去等の処理が施され、次の２値化回路１２にて
一定の閾値で２値化処理され、形状は黒白の２値パター
ンに変換される。前処理・２値化処理についてはこの分
野の技術において数多くの方式があり、この部分は本発
明の主目的ではないので、ここでは特に言及しないもの
とする。この対象形状の２値パターンはマイクロコンピ
ュータ等の処理装置１３に与えられ、その連結性解析部
１６１により形状の輪郭抽出や分離を行い、特微量計算
部１６２により形状の面積・周囲長・穴の数・水面積・
形状係数等の形状識別パラメータが計算され、まだ同時
に、重心位置・慣性モーメントなどの位置・方向識別パ
ラメータが計算される。対象形状の判別は、一般にＳＲ
１アルゴリズムと呼ばれる認識手法により、あらかじめ
ショーウィング（ティーチング）と呼ばれる数十回の教
示動作で作成し、設定部１３４に設定した標準パターン
との比較により行われる。形状判別された結果は、部品
名およびその位置・回転角等の形で外部インタフェース
１４により、Ｒ８２３２Ｃと称される伝送プロトコル等
を用いてロボット等の制御装置へ伝送される。

第１２図はＳＲＩアルゴリズムにおける形状認識の手法
である、判別木（判別トリー）法の例を説明するための
参照図である。

同図（イ）に示すように、ロッド、シリンダ１（横向き
）、シリンダ２（上向き）、ピストンスリーブ１（上向
き）、ピストンスリーブ２（横向き）、ブレーキキャリ
パ１（上向き）、ブレーキキャリパ２（横向き）等の部
品群があるとき、それぞれの形状特徴量として、ｘｌ−
周囲長ｐＸ２−穴の全面積）Ｘ３−重心から外側輪郭ま
での最小距離ｙＸ４−重心から外側までの最大距離を用
い、同図（ロ）に示すような判別木（ｂｉｎａｒｙｄｅ
ｃｌｓｌｏｎ　　ｔｒｅｅ　）により、前記各部品が判
別されることになる。

さて、このようなＳＲ１アルゴリズムにおいては、前記
判別木における各特Ｖ、量の各部品に対する設定値を決
めるために、あらかじめショーウィング（Ｓｈｏｗｌｎ
ｇ　）　ｈるいはティーチング（Ｔｅａｃｈｉｎｇ　）
と呼ばれる教示プロセスを数十回行うのが一般的である
。すなわち、認識させたい部品をあらかじめ装置に撮像
させることにより、各部品の各特徴量の範囲を算出し、
部品の標準パターンとして記憶するものである。かかる
ショーウィングにおいては、各部品がとりうるあらゆる
位置、姿勢およびあらゆる個体差を想定してくり返し撮
像させ、各像における特徴量のばらつきを統計処理し、
平均値とその偏差により各部品の各特徴量の設定値とす
るのが普通である。

〔発明が解決しようとする問題点〕

ところで、このような形状認識装置において問題になる
のは、判別木における設定値がすべてショーウィングに
よる撮像データに依存していることである。したがって
、正規部品の未識別あるいは誤識別を避けるためには前
述したように、ユーザーが対象部品のとりうるあらゆる
位置、姿勢およびあらゆる個体差を想定して撮像をくり
返し行わなければならない。また、対象物本だけの問題
ではな（、周囲の照明条件や固体カメラの位置などにつ
いても、起りうるあらゆる変動を考慮してショーウィン
グを行わなければならない。とのことが、この種の形状
認識装置の生産ラインへの導入をむずかしくさせ、普及
を踏みとどまらせている−因ともなっている。

ショーウィングが不十分のために、対象形状が未識別に
なりやすい理由としては、次のようなことがあげられる
。

（１）一般に、ユーザーが対象形状のおかれるあらゆる
位置・あらゆる角度およびあらゆる個体差を考慮して、
多数回のショーウィングを行うのは不可能に近い。

（２）一般に、対象画像は２５６Ｘ２５６程度のディジ
タル画像に変換されるが、このときディジタル化に伴う
１景子化誤差」が本質的に発生する。

例えば、第１３図（イ）、（ロ）、（ハ）の如く、同じ
形状のものでも走査方向に対して置かれる角度（位置）
によって、輪郭が微妙に変化し量子化誤差が現われる。

つまり、この蓋子化胆差により各特徴量の値にばらつき
が生じることになり、また画像の端点（凸点および四点
）の位置が不安定になったりすることが多い。

このような「量子化誤差」を防ぐには、ディジタル化の
メツシュを細かくすることが１つの解決方法として考え
られるが、例えば２５６Ｘ２５６を５１２Ｘ５１２もし
くは１０２４Ｘ１０２４のレベルにすると画素数が飛躍
的に増大し、その結果処理時間が増して、この種の装置
に不可欠なリアルタイム性が失われてしまうことになる
。

（６）生産ラインに実際に導入する場合を考えると、運
用中に固体カメラの位置がずれたり、また照明条件が変
化したりすることがあり、ショーウィング直後には正常
な識別ができても、運用中における周囲条件の変化によ
り未識別のケースが増えることもありうる。このような
ときに、新しい条件のもとて再度ショーウィングをやり
直せば解決する場合もあるが、前述したように従来の方
式ではショーウィングを完全に実行するのはたいへんな
作業であるため、再度のショーウィングは実際にはかな
りむずかしいといえる。

以上のような状況から、このような形状認識装置におい
ては、ショーウィングの簡素化とシステムの信頼性の向
上が強（望まれている。したがって、本発明は形状認識
装置におけるユーザーによるショーウィング作業を簡素
化して使いやすくすると同時に、識別機能を安定させる
ことにより、システムの信頼性を向上させることを目的
とするものである。

〔問題点を解決するための手段および作用〕本発明は、
形状認識装置のショーウィングにおける対象形状のばら
つきや不安定さをあらかじめ予測し、装置内部で自動的
に形状特徴量のばらつきの範囲を形状に応じた形で算出
することにより、ショーウィングの簡素化およびシステ
ムの安定化をはかるものであり、対象形状の種類および
部分に応じて、次のように対応し予測する。

（１）端点位置の不定に対する処理 一般に、輪郭上の直線部ではさまれた端点については、
凸点または四点として位置が明確に定まる場合が多いが
、多少の曲率をもった端点については、形状のおかれる
位置や角度により位置が不定になる場合が多い。したが
って、このような部分の端点け、通常の輪郭追跡では形
状特徴として使えないか、または使うとしても数多くの
シミーウィングをくり返して安定性を確認してからでな
いと使えなかった。本発明では、この端点の考え方を輪
郭の方向が変化するところの「単一画素」ではなく、輪
郭の変化が急峻な領域を「端点候補領域」として位置付
けし、領域として扱うことにより不安定さを解消するも
のである。このとぎ、候補領域の大きさは、ユーザーが
プログラマブルにて指定できるものとする。一般に候補
領域の大きさを大きくすると、不安定さは解消されるか
わりに精度が悪くなる。したがって、比較的安定な端点
に関しては候補領域は小さくして精度を上げ、不安定な
端点に関しては候補領域を比較的広くとることにより、
精度は多少犠牲にして安定性を確保するようにする。こ
のようにすることにより、ショーウィングを多数回実行
しなくても対象形状の端点位置の安定な検知を可能とす
る。

（２）外周部の不定に対する処理（端点を除く）外周部
の不定に対しては、と〜では対象形状を以下の２つのケ
ースに分けて対処する。

■設計データを利用することができる場合一般に、形状
認識装置を組立ロボットの目として用いる場合などでは
、対象部品の設計図または設計データが必ず存在するわ
けであるから、その設計データをもとに外周部を基準形
状（直線１円弧１円など）に分割することができる。こ
れは、数回のショーウィングで得た部品形状をディスプ
レイに表示させ、作業者（オペレータ）がライトペンま
たはマウス等の入力機器を用いて装置に指示することに
より行われる。次に、基準形状は、その長さや半径１曲
率などに応じてそのばらつきの範囲をあらかじめ推定し
、記憶しておくことができる（ただし、標準的な使用条
件の場合）。したがって、記憶されているばらつきの数
値をもとに、各基準形状のばらつきを自動的に求めるよ
うにする。次に、これら各基準形状をそのばらつきを含
んだ形で元の部品形状に再構成することにより、部品形
状全体のばらつきの範囲を計算する。

■設計データのない任意形状の場合 工業部品以外のもの（例えば、農水産物、医薬品９粒子
あるいは任意の文字など）にこの形状認識装置を適用し
、分類・仕分け・計測などの処理をさせる場合は、設計
データというものはもともと存在しないので、前記■の
ように、オペレータの側で基準形状を指示することはで
きない。したがって、このような場合は、数回のショー
ウィングで得た対象形状パターンをもとに、全周（輪郭
）を直線近似部分および一定の曲率をもった曲線近似部
分に分割を行う。以下は■のケースと同じように、あら
かじめ記憶しである基準形状のばらつきデータをもとに
各直線近似および各曲線近似部分のばらつきを求め、こ
れらを再構成することにより元の形状全体のばらつきの
範囲を計算する。

以上、２つのケースに分けて述べたように、本発明にお
いては、対象形状の外周部のばらつきを数回のショーウ
ィングのデータをもとに求めることが出来るので、従来
のように多数回のショーウィングをおこなって安定性を
確認する必要がなくなる。

〔実施例〕

第１図は本発明の詳細な説明するためのシステム構成図
、第２図は直線性プリミティブと円弧性プリミティブと
を説明するための参照図、第６図は輪郭線追跡方法を説
明するための参照図、第４図は方向コードを説明するだ
めの参照図、第５図はノイズによる影響を説明するため
の参照図、第６図は小さな突起の除去例を説明するため
の参照図、第７図は方向コードの変化および変化割合を
説明するための参照図、第８図は形状輪郭のマージンを
説明するための参照図、第９図は端点の種類を説明する
ための参照図、第１０図は端点候補領域の設定例を説明
するための参照図である。

以下、これらの図を参照して本発明を説明する。

まず、第１図に示されるように、形状認識装置率＃−２
には対象形状を表示するためのディスプレイ５およびキ
ーボードおよびマウス６が接続されている。なお、マウ
スの代わりにライトペンを用いてもよい。さらに、形状
認識装置本体２はシリアルライン（Ｒ８２３２Ｃプロト
コル等）またはパラレルライン（ＧＰ　Ｉ　Ｂプロトコ
ル等）のケー７’ルアを経て、外部制御装置４に接続さ
れている。外部制御装置４としては、例えばパソコン、
ロボット制御装置などケ゛ある。また、形状認識装置２
のセンサ部として、固体カメラ１が接続されている。

対象形状によっては、固体カメラ１の先に顕微鏡あるい
は望遠レンズ等が接続されることもある。

さて、上記のようなシステム構成のもとで、本発明にお
いては以下のような手順で対象形状の学習および登録を
行う。

（１）基準パターン形状の画像取込み これは、従来のショーウィングと同じような手法で対象
形状の画像取込みを行い、その形状の基準パターンとし
て形状認識装置内のメモリの中へ格納する。従来のショ
ーウィングと異なる点は、基本的には１回の画像取込み
でよい点である。従来のように、対象形状をあらゆる位
置、角度に置いてショーウィングをくり返す必要はない
。ただし、形状の個体差が大きい対象物や周囲条件（照
明条件など）の特殊性により、１回の画像取込みでは不
十分であるとユーザー（オペレータ）側で判断した場合
は、複数回の画像取込みを行うことも可能である。

（２）基準パターン形状の連結性解析および輪郭抽出 （１）にて取り込んだ対象形状の画像について連結性解
析を行い、輪郭抽出を行う。この部分については、数多
くの手法が考案され実施されているが、こ〜では従来良
く知られている手法と同様の連結性解析および輪郭抽出
を行うものとする。

（３）対象形状の輪郭の直線性解析および円弧性解析 対象形状の輪郭について直線性解析および円弧性解析を
行い、直線であると判断される部分（以下これを直線性
プリミティブと呼ぶ）および円弧であると判断される部
分（以下これを円弧性プリミティブと呼ぶ）の抽出を行
う。第２図には、直線性プリミティブＬ１〜Ｌ５および
円弧性プリミティブＣ１〜Ｃ４からなる図形の例が示さ
れている。直線性解析のアルゴリズムそのものは本発明
の主目的ではないが、一般的には次のように行う。

すなわち、第３図に示すように、形状の輪郭においてＹ
軸方向に最小で、かつＸ軸方向に最小な位置の画素Ｐｓ
（別の表現で言うと、ラスクスキャンにおいて最初に形
状があられれるところの画素）よりスタートして、反時
計回り（矢印方向）に輪郭追跡していく。このとき、方
向コードを第４図のように定め、方向コードが変化しな
い区間を直線性プリミティブとして判断し、その端点座
標と長さをメモリに格納しておく。このようにして、元
のスタート点まで追跡を行い、すべての直線性プリミテ
ィブを検出する。この場合、一般に形状のノイズ等によ
り、本来正規な直線部分であってもその途中で方向コー
ドが変化してしまうことがあるので、直線性の解析にお
いては、例えば方向コードの変化がｎ画素以上続いた場
合に直線が変化したと見なすなどの工夫をしておくもの
とする。例えば、第５図（イ）、（ロ）は方向コード変
化がそれぞれｎ画素以内、ｎ画素以上の例を示しており
、したがって同図（イ）の場合は方向変化なしと見なし
、同図（ロ）の場合は方向変化ありと見なすことになる
。こ〜で、ｎの値は、例えば３程度に選ばれるが、ユー
ザーが対象形状によりプログラマブルであるようにして
おく。また、方向コードが変化しない区間がどのくらい
続けば直線と見なすかについてもデフォルト値（初期値
）はあるものの、ユーザープログラマブルであるように
してお（ことが望ましい。

次に、円弧性解析についても数多くの手法が存在しうる
が、本発明においては円弧の正確な曲率あるいは半径等
を求めるのが目的ではなく、円弧の概略の形状を認識し
形状認識のためのマージンを作成するのが目的であるの
で、以下のような概略の円弧検出を行う。すなわち、前
記直線性検出処理のあと、直線と検出されなかった部分
について円弧の程度を検出する。このとき、対象にする
のは比較的大きな円弧であり、小さな突起状の凸あるい
は凹の部分は検出の対象にしないようにする。例えば、
第６図の如き３画素以内の変化は検出の対象から除外さ
れる。

さて、第７図（イ）の如き円弧の候補領域について端点
（スタート画素Ｐｓ）よりスタートし、輪郭の画素の方
向コードを第７図（ロ）、（）・）。

（ニ）、（ホ）の如く検出する。これは、前記直線性検
出のときのデータをそのまま用いてもよい。

次に、この方向コードの列（いわゆるチェインコード）
において、第７図（へ）、（ト）、（チ）。

（す）の如く各コード間の差分をとりコードの変化列を
作成する。そして、この変化列をあらかじめメモリの中
に入っている、いろいろな曲率の円弧の変化列パターン
とのマツチングをとることにより、該当する輪郭がどの
円弧に相当するかを検出する。この、マツチング処理に
おいては、何画素単位で方向コードが変化しているかに
より、メモリに記憶されている方向コード変化率（変化
側　　　　　　゛合）と曲率との対応づけをおこなう。

この場合も直線性解析と同様に、ノイズによる変動を考
慮に入れてｎ画素以上の連続した変化を方向コードの変
化と見なす。例えば、ｎ＝５程度とされるが、この数値
もユーザープログラマブルとする。以上のようにして求
められた円弧性プリミティブにつ　　゛いて、その両端
点座標と曲率とがメモリに記憶される。このとき、両端
点座標が一致するものは円として処理し、その曲率より
半径を求め、中心座標を計算する。円の部分は、上記円
弧とは別のメモリ内ファイルに、半径と中心座標が記憶
される。

以上の直線性解析および円弧性解析において検出されな
かった部分の輪郭については、以降の処理までそのまま
残しておく。

（４）マージンの作成 （３）項により解析された各プリミティブは、ぞの程度
に応じてマージンが自動的に付加される。

すなわち、直線性プリミティブはその長さによりマージ
ンが変わり、円弧性プリミティブはその曲率に応じてマ
ージンが変わることになる。このマージンデータは、主
としてディジタル化による量子化誤差より予測され、形
状の回転などにより形状がどの（らい変化するかを示す
もので、あらかじめメモリ内に設定ファイルとして格納
しておくものとする。ただし、ユーザーによる変更も可
能としておくことが望ましい。このようにして付加され
たマージンは、最初の形状画像取込みで得られ九基準デ
ータの輪郭とともに、ディスプレイ（第１図の符号５参
照）へ表示される。これを、第８図にＭとして示す。

（５）形状端点の処理 形状の端点（凸点、凹点）については、その形状により
安定な場合と不安定な場合とがあり、その程度に応じて
「端点候補領域」の設定を行う。

これは、ユーザーがディスプレイに表示された形状の端
点の様子を見ながら矩形領域を設定する。

すなわち、第９図（イ）、（ロ）の如く直線ではさまれ
た端点ＰＳｌｌＰ８２は一般に比較的安定であるが、同
図（ハ）の如（１８０°に近い変化のゆるい端点Ｐｕ１
？Ｏ°に近い変化の急峻な端点（同図（ニ）のＰｕ２）
および若干の曲率をもった端点（同図（ホ）のＰｕｇ）
は、置かれた角度等によりその位置が不安定になりがち
である。そこで、安定な端点には第１０図（イ）に示す
ように、狭い「端点候補領域」Ａ１を設定し、不安定な
端点には同図（ロ）の如く、広い［端点候補領域ＪＡ２
を設定する。そして、本発明においては、端点候補領域
にある点はすべて同一の端点であると見なし、端点の位
置は端点候補領域の中心座標とし、領域の大きさがその
ばらつきとして計算される。したがって、ユーザーがデ
ィスプレイ上で端点候補領域を示すことにより、端点の
マージンが計算されるので、端点と特徴点間の縮分や、
端点同士の綜分を形状判別に用いる場合にも、ショーウ
ィングをくり返さなくても安定して使用することができ
る。

（６）オペレータ確認モードによる最終調整以上の（６
）〜（５）項の処理により、対象形状における直線部２
田弧部、端点に関するマージンが計算されるが、本発明
における形状認識装置はさまざまな形状を対象にするの
で、（３）〜（５）項の処理ではカバーできない部分が
生ずることも考えられる。そこで、本発明においては、
最後にオペレータ確認モードを設け、ユーザー（オペレ
ータ）がディスプレイ上に表示された対象形状の基準パ
ターンおよびマージンを見てチェックし、不十分な所は
マウス６またはライトペンにてマージン等を修正できる
ようにしておく。このモードは、単に形状のマージンの
最終調整をするという意味だけではな（、例えば工業部
品の形状が製造上のロット変動によりかなりばらつくよ
うな場合に、どこまでを部品形状として認めるかという
「知識」をユーザー（オペレータ）が形状認識装置に教
えるという意味で重要である。

（７）形状特徴量の偏差の演算 上記（３）〜（６）項により定められた形状の輪郭に関
するマージンにもとづいて、形状特徴量（面積２周囲長
、形状係数など）の偏差を算出する。

この場合の基準データは、（１）項にておこなった１回
の画像取込みにもとづくものであるが、複数回の画像取
込みを行った場合はそれぞれに対して、形状特徴量の算
出がおこなわれる。したがって、各特徴音において最大
の偏差をもつものを最終的な偏差とすればよい。

以上に説明してきたような手順により、本発明において
は基本的には１回程度のショーウィングのみで対象形状
の学習を行うことができ、しかもその範囲をオペレータ
が確認もしくは変更できる形式とすることにより、シス
テムの安定性、信頼性の向上を図ることができる。

〔発明の効果〕

本発明によれば、形状認識装置における形状の学習を数
十回のショーウィングにより行っていた従来方式に比べ
て、次のような利点がもたらされる。

■従来のショーウィングは、対象形状のおかれるあらゆ
る位置、角度およびあらゆる個体差を考慮して数多く（
数十回）ショーウィングをくり返さないとシステムの安
定化がはかれなかったが、本方式では形状の特徴（直線
２円弧、端点なと）を解析してあらかじめ予測できるマ
ージンを自動的に付加し、またオペレータがこれらのマ
ージンを容易に確認・変更できるようなシステムにして
いるので、１回程度のショーウィングで形状の学習を済
ませることが可能となる。

＠対象形状のディジタル化に伴う量子化誤差などの本質
的に内在するばらつきについても、従来方式ではショー
ウィングのくり返しでしか対処できなかったが、本方式
ではこれらのばらつきの基準をメモリ内へ格納しておく
ことにより、形状のばらつきを推定することができる。

θ従来のショーウィングによる方式では、不安定な端点
は形状特徴点として用いることができなかったが、本方
式では端点を点ではなく領域として扱うことにより、安
定化をはかることができる。

＠周囲条件（照明条件など）の変化や部品の設計変更に
対しても、従来方式ではショーウィングを始めからやり
直さなければならなかったが、本方式では比較的容易に
対処することができる。

【図面の簡単な説明】

第１図はこの発明の詳細な説明するだめのシステム構成
図、第２図は直線性プリミティブと円弧性プリミティブ
とを説明するだめの参照図、第３図は輪郭追跡方法を説
明するための参照図、第４図は方向コードを説明するた
めの参照図、第５図はノイズによる影響を説明するため
の参照図、第６図は小さな突起の除去例を説明するため
の参照図、第７図は方向コードの変化および変化割合を
説明するだめの参照図、第８図は形状輪郭のマージンを
説明するだめの参照図、第９図は端点の種類を説明する
だめの参照図、第１０図は端点候補領域の設定例を説明
するだめの参照図、第１１図はＳＲｉアルゴリズムによ
る認識装置を示すブロック図、第１２図はその判別方法
を説明するだめの参照図、第１３図は量子化誤差を説明
するための参照図である。 符号説明 １・・・・・・固体カメラ、２・・・・・・形状８８部
、６・・・・・・補助記憶装置、４・・・・・・外部制
御装置、５・・・・・・ディスプレイ、６・・・・・・
マウス、７・・・・・・伝送ライン、１１・・・・・・
前処理回路、１２・・・・・・２値化回路、１３・・・
・・・処理装置、１！１１・・・・・・連結性解析部、
１３２・・・・・・特微量計算部、１３６・・・・・・
特微量判別部、１６４・・・・・・標準パターン設定部
、１４・・・・・・外部インタフェイスＯ 代理人　弁理士　並　木　昭　夫 代理人　弁理士　松　崎　　　　清 第１図 第２図 第４図 マ　　　　　　　　　　　　　−υ ］ ェ　　　　　“′４５ ｍ７図 ｗ＆８図 Ｎマージ′ン（市、ＩＩ辛円内 ９９図 （イ）　　　　　　　　　　　　　　　　　　（ロ）第
　１０図

Claims (1)

1. 【特許請求の範囲】 １）対象パターンを撮像する撮像手段とその撮像信号か
   ら種々の幾何学的特徴量を計測しこれを標準データと照
   合することにより対象パターンを認識する処理装置とか
   らなるパターン認識装置において、前記対象パターンに
   ついての数回程度のショーウィングの結果からその形状
   を端点、直線および円弧を含む基本要素に分割し、予め
   記憶されている基本要素のばらつきデータから対象パタ
   ーン全体の形状のばらつきを予測することにより所定の
   マージンを付与した形状特徴量を求め、さらに該形状特
   徴量の統計処理をして標準データの学習を行なうことを
   特徴とするパターン認識装置における学習方法。 ２）特許請求の範囲第１項に記載の学習方法において、
   前記端点についてはその安定性の度合によつて端点候補
   領域の大きさとして処理することを特徴とするパターン
   認識装置における学習方法。 ３）特許請求の範囲第１項に記載の学習方法において、
   前記対象パターンの形状から予測し得ないばらつきデー
   タについては、マウスまたはライトペンを含む入力機器
   によりディスプレイ上で設定可能にしてなることを特徴
   とするパターン認識装置における学習方法。