【０００１】[0001]
【産業上の利用分野】本発明はカメラ及び交換レンズに
関し、特にズーム位置に応じて生ずるピント移動を自動
的に補正するカメラ及び交換レンズに関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a camera and an interchangeable lens, and more particularly to a camera and an interchangeable lens which automatically corrects a focus movement that occurs depending on a zoom position.
【０００２】[0002]
【従来の技術】ズーム機能を有する電子スチルカメラや
ビデオムービ等に用いられる撮影光学系においては、小
型化及び駆動アクチュエータ負荷軽減のためインナーフ
ォーカス方式のズーム光学系が用いられる。この種イン
ナーフォーカス方式のズーム光学系では、合焦状態時の
ズーミング動作によりピントズレが生ずる。このズレを
補正するため、従来、ズーミング動作後のズームレンズ
群の移動に対応して、フォーカシングレンズ群を合焦位
置に再移動させるようなズームトラッキング方式が用い
られている。ズームトラッキング方式は、被写体距離と
ズーム位置とに基づいて一義的に定まる合焦すべきフォ
ーカシングレンズ位置の関係を示すデータをズームトラ
ッキングカーブデータとしてシステム内メモリに格納し
ておき、このメモリから読み出したデータを用いて補正
するものである。2. Description of the Related Art In a photographing optical system used for an electronic still camera having a zoom function, a video movie, etc., an inner focus type zoom optical system is used for downsizing and reduction of load on a driving actuator. In this kind of inner focus type zoom optical system, a focus shift occurs due to a zooming operation in a focused state. In order to correct this shift, conventionally, a zoom tracking method has been used in which the focusing lens unit is moved again to the in-focus position in response to the movement of the zoom lens unit after the zooming operation. In the zoom tracking method, data indicating the relationship between the focusing lens position to be focused, which is uniquely determined based on the subject distance and the zoom position, is stored in the system memory as zoom tracking curve data and read from this memory. It is corrected using data.
【０００３】図９には、上記ズームトラッキングカーブ
例が、被写体距離Ｒをパラメータとして示されており、
図中、横軸がズームレンズ位置を、縦軸がフォーカシン
グレンズ位置を示す。ズームレンズ位置は、ズームレン
ズに取り付けられたズームエンコーダで検出され、フォ
ーカシングレンズ位置はフォーカシングレンズ群を駆動
する通常ステッピングモータから得られる。図９におい
て、トラッキングカーブＴＲ１は被写体距離Ｒが０ｍの
ときのズームレンズ位置とフォーカシングレンズ位置と
の対応を示し、トラッキングカーブＴＲ２は被写体距離
Ｒが０.１ｍ、トラッキングカーブＴＲ３は被写体距離
Ｒが０.４ｍ、トラッキングカーブＴＲ４は被写体距離
Ｒが０.６５ｍ、トラッキングカーブＴＲ５は被写体距
離Ｒが１.２ｍ、トラッキングカーブＴＲ６は被写体距
離Ｒが無限大のときの、それぞれのズームトラッキング
カーブを示している。上記ズームトラッキングカーブデ
ータＴＲ１乃至ＴＲ６は、通常マイコン内のＲＯＭ等の
メモリに格納されているが、トラッキング時のピント合
わせの精度を上げるには数多くの上記トラッキングデー
タをＲＯＭに格納すれば良い。しかし、ＲＯＭのメモリ
容量の制限から、通常は６乃至１０本程度のトラッキン
グカーブデータが格納される。これらのデータ以外の被
写体距離についてのデータは、隣接するトラッキングカ
ーブデータを補間することによって求め、フォーカシン
グレンズ位置にピント合わせしている。FIG. 9 shows an example of the above zoom tracking curve with the object distance R as a parameter.
In the figure, the horizontal axis represents the zoom lens position, and the vertical axis represents the focusing lens position. The zoom lens position is detected by a zoom encoder attached to the zoom lens, and the focusing lens position is obtained from a normal stepping motor that drives the focusing lens group. In FIG. 9, a tracking curve TR1 shows the correspondence between the zoom lens position and the focusing lens position when the subject distance R is 0 m, a tracking curve TR2 has a subject distance R of 0.1 m, and a tracking curve TR3 has a subject distance R of 0 m. .4 m, the tracking curve TR4 shows the respective zoom tracking curves when the subject distance R is 0.65 m, the tracking curve TR5 shows the subject distance R of 1.2 m, and the tracking curve TR6 shows the respective subject tracking distance R is infinite. .. The zoom tracking curve data TR1 to TR6 are usually stored in a memory such as a ROM in a microcomputer, but many tracking data may be stored in the ROM in order to improve the accuracy of focusing during tracking. However, due to the limited memory capacity of the ROM, about 6 to 10 tracking curve data are usually stored. Data about the subject distance other than these data is obtained by interpolating adjacent tracking curve data, and is focused on the focusing lens position.
【０００４】従来のカメラのオートフォーカスは、撮像
素子からの出力中に含まれる高周波数成分が最大になる
ようにフォーカシングレンズを駆動する、いわゆる山登
り方式のイメージャＡＦ（オートフォーカス）を用いて
行われることが多い。この種イメージャＡＦでは、被写
体距離の絶対値が分からないので、例えば、ズーミング
動作開始直前のズームレンズ位置がＺ１で、そのときの
フォーカシングレンズ位置がＦ２であったとすると、こ
れら２点の交点として求まる点Ｐ２に近い２本のトラッ
キングカーブＴＲ５、ＴＲ６を選択し、補間により上記
点Ｐ２を通るトラッキングカーブを想定してズーミング
動作に伴うフォーカシングレンズ位置の補正を行ってい
る。この技術は、例えば、テレビジョン学会技術報告、
１９９０年９月２８日発表論文、「高速・高精度オート
・フォーカスレンズシステムの開発」に詳しく説明され
ている。Conventional autofocus of a camera is performed by using a so-called hill-climbing imager AF (autofocus) which drives a focusing lens so that a high frequency component contained in an output from an image pickup device is maximized. Often. In this type of imager AF, since the absolute value of the subject distance is unknown, for example, if the zoom lens position immediately before the start of the zooming operation is Z1 and the focusing lens position at that time is F2, the intersection point of these two points is obtained. Two tracking curves TR5 and TR6 close to the point P2 are selected, and the focusing lens position associated with the zooming operation is corrected by interpolating the tracking curve passing through the point P2. This technology is, for example, a technical report of the Television Society,
This is described in detail in the paper published on September 28, 1990, "Development of high-speed and high-precision auto-focus lens system".
【０００５】[0005]
【発明が解決しようとする課題】上述のような従来のカ
メラでは、図９に示すようなズームトラッキングカーブ
を無限にメモリに格納しておけば、どんな被写体距離で
もズームトラッキング方式によってズーミング動作に伴
うピントズレを補正できるが、ＲＯＭ（メモリ）容量の
制限から格納可能なトラッキングカーブの数が制限され
る。そのため、前述したように補間データを求めること
によりピントズレを補正している。しかしながら、正確
なデータではない補間データを用いる限りは、実際の最
良ピント位置から若干のズレを生じることは避けられな
い。すなわち、精度を向上するため格納するトラッキン
グカーブ数を増加するとＲＯＭ容量が増大し、ＲＯＭ容
量を節約すると精度上の問題が生ずる。In the conventional camera as described above, if the zoom tracking curve as shown in FIG. 9 is stored infinitely in the memory, the zoom tracking system causes the zooming operation at any object distance. Although the focus shift can be corrected, the number of tracking curves that can be stored is limited due to the limitation of the ROM (memory) capacity. Therefore, the focus shift is corrected by obtaining the interpolation data as described above. However, as long as interpolated data that is not accurate data is used, some deviation from the actual best focus position is unavoidable. That is, if the number of tracking curves to be stored is increased to improve the accuracy, the ROM capacity is increased, and if the ROM capacity is saved, a problem in accuracy occurs.
【０００６】そこで、本発明の目的は、簡単な構成で、
ズーミング動作後のピント移動を高精度且つ高速に補正
することができるカメラ及び交換レンズを提供すること
にある。Therefore, an object of the present invention is to provide a simple structure,
An object of the present invention is to provide a camera and an interchangeable lens capable of correcting the focus movement after the zooming operation with high accuracy and high speed.
【０００７】[0007]
【課題を解決するための手段】前述の課題を解決するた
め、本発明によるカメラは、ズーム倍率の変化に応じて
生じるピント移動を補正するためのズームトラッキング
制御手段がニューラルネットワークを含んで構成され
る。また、本発明による交換レンズは、ズーム倍率の変
化に応じて生じるピント移動を補正するためのズームト
ラッキング制御手段がニューラルネットワークを含んで
構成されてなるカメラに適合する交換レンズであって、
上記ニューラルネットワークにその結合加重データを供
給するための情報保有手段が内部に設けられてなる。In order to solve the above-mentioned problems, in the camera according to the present invention, the zoom tracking control means for correcting the focus movement which occurs according to the change of the zoom magnification is constituted by including a neural network. It Further, the interchangeable lens according to the present invention is an interchangeable lens suitable for a camera in which zoom tracking control means for correcting a focus movement that occurs according to a change in zoom magnification includes a neural network.
Information holding means for supplying the connection weight data to the neural network is provided inside.
【０００８】[0008]
【作用】本発明では、ニューラルネットワークにより、
非線形で数式表現が難しいズームトラッキングカーブを
学習させ、その出力に基づいて像点補償を行うことによ
り、簡単な構成で高速、高精度なズームトラッキングを
可能としている。In the present invention, the neural network allows
By learning the non-linear zoom tracking curve, which is difficult to express mathematically, and performing image point compensation based on the output, high-speed, high-precision zoom tracking is possible with a simple configuration.
【０００９】[0009]
【実施例】次に、本発明の実施例について説明する。図
１は、本発明によるカメラの一実施例を示す構成図であ
る。被写体像は、撮影光学系１を介してＣＣＤ（撮像素
子）２上に結像され、電気信号に変換されて撮像系３に
入力される。撮像系３では、周知の各種撮像信号処理が
施され、映像（輝度）信号がフォーカス評価部検出部４
に送出される。フォーカス評価値検出部４は、映像信号
の高周波成分を検出し、制御部７内のＡＦ処理部７１に
出力する。ＡＦ処理部７１は、上記高周波成分を用い
て、前述の如く、いわゆる山登り方式処理によってオー
トフォーカシングを行うべくフォーカスモータ制御部７
２に制御信号を送出し、フォーカスモータ９を駆動制御
してフォーカス及び像点補償光学系１１２の位置を移動
せしめる。制御部７には、ＴＥＬＥスイッチ７ＴとＷＩ
ＤＥスイッチ７Ｗが設けられており、各スイッチの操作
情報がズーム制御部７３に入力される。ズーム制御部７
３は、ズーム光学系の位置を検出するズームエンコーダ
６からの情報と上記スイッチ７Ｔ，７Ｗからの情報に基
づいてズームモータ８を駆動し、ズーム光学系１１１を
移動してズーム制御する。EXAMPLES Next, examples of the present invention will be described. FIG. 1 is a block diagram showing an embodiment of a camera according to the present invention. A subject image is formed on a CCD (image pickup device) 2 via a photographing optical system 1, converted into an electric signal, and input to an image pickup system 3. In the image pickup system 3, various well-known image pickup signal processing is performed, and a video (luminance) signal is detected by the focus evaluation unit detection unit 4
Sent to. The focus evaluation value detection unit 4 detects a high frequency component of the video signal and outputs it to the AF processing unit 71 in the control unit 7. The AF processing unit 71 uses the high-frequency component to perform auto-focusing by the so-called hill-climbing process as described above, so that the focus motor control unit 7 can perform the auto focusing.
A control signal is sent to 2 to drive and control the focus motor 9 to move the position of the focus and image point compensation optical system 112. The control unit 7 includes a TELE switch 7T and a WI.
The DE switch 7W is provided, and the operation information of each switch is input to the zoom control unit 73. Zoom control unit 7
Reference numeral 3 drives the zoom motor 8 based on the information from the zoom encoder 6 for detecting the position of the zoom optical system and the information from the switches 7T and 7W, and moves the zoom optical system 111 to perform zoom control.
【００１０】ニューラルネットワーク５は、ズームトラ
ッキングカーブを予め学習させてあり、入力として被写
体距離に相当する値と焦点距離に相当する値、更には予
め定めた後述する調整量を用い、出力はズームトラッキ
ングによる像点補償レンズのくり出し量に相当する値と
なる。ニューラルネットワークは、良く知られているよ
うに、多数のユニット（ニューロン）から成り、ユニッ
トは、入力層、中間層、出力層に分類される。各ユニッ
トは、入力層ー中間層ー出力層の方向に接続され、ネッ
トワーク（ニューラルネットワーク）が形成される。各
ユニットの結合の強さは、学習により決定される。ここ
で、各層内でのユニット相互は接続されない。ニューロ
ンは、各入力Ｘｉを対応する結合加重Ｗｉで重み付け
し、足し合わせて得られる加算結果に、例えばシグモイ
ド関数のような非線形関数を施して出力Ｚを得る働きを
する。シグモイド関数ｆ（ａ）は、 ｆ（ａ）＝１／（１＋ｅｘｐ-a） で表され、図２に示すような特性を示す。The neural network 5 has learned a zoom tracking curve in advance, uses a value corresponding to a subject distance and a value corresponding to a focal length as inputs, and further uses a predetermined adjustment amount described later, and outputs a zoom tracking curve. Is a value corresponding to the amount of projection of the image point compensating lens. As is well known, a neural network is composed of a large number of units (neurons), and the units are classified into an input layer, an intermediate layer and an output layer. The respective units are connected in the direction of input layer-middle layer-output layer to form a network (neural network). The strength of connection of each unit is determined by learning. Here, the units in each layer are not connected to each other. The neuron weights each input Xi with a corresponding connection weight Wi and adds the obtained addition result to a non-linear function such as a sigmoid function to obtain an output Z. The sigmoid function f (a) is represented by f (a) = 1 / (1 + exp−a ) and exhibits the characteristics shown in FIG.
【００１１】図３には、多層パーセプトロンと称され、
中間層が１層の３層パーセプトロンについてのニューラ
ルネットワークの例が示されている。また、図４には、
ユニットの入出力関係が模式的に示され、入力Ｘ0 ，Ｘ
1 ，…，Ｘｉのそれぞれに結合加重Ｗ0 ，Ｗ1 ，…，Ｗ
ｉで重み付けされ、足し合わされ、非線形処理されて、
出力Ｚが得られる。上記３層パーセプトロンは、中間層
のニューロン数が充分多い場合に、結合加重の調整によ
り任意の入出力特性が実現できる。結合加重の調整は、
多数の模範例を提示して学習により行う。結合加重は、
周知の誤差逆伝播学習法を用いて決定することができ
る。例えば、図９のＰ1 を学習させるには、教師データ
をＦ１、そのときの入力期待値をＺ１及び１．２ｍとす
る。教師データは、光線追跡シミュレーションによって
求められた図９のようなトラッキングカーブデータの任
意の点を選択する。こうして学習されたニューラルネッ
トワークは、図９の非線形のズームトラッキングカーブ
を呈し、上述２入力、１出力、３層パーセプトロン、中
間層２０ユニット程度の簡単な構成でトラッキングカー
ブを得ることができる。このように、複数のトラッキン
グカーブをもつ従来の方式では４Ｋバイト〜８Ｋバイト
データが必要であるのに対して、上記例では４０バイト
〜１００バイトデータで済み、回路規模が格段に簡易化
され、演算が高速化される。In FIG. 3, referred to as a multi-layer perceptron,
An example of a neural network for a three-layer perceptron with one hidden layer is shown. In addition, in FIG.
The input / output relationship of the unit is schematically shown, and the inputs X0, X
1, ..., Xi, respectively, with connection weights W0, W1, ..., W
i weighted, summed, non-linearized,
The output Z is obtained. The above three-layer perceptron can realize arbitrary input / output characteristics by adjusting the coupling weight when the number of neurons in the intermediate layer is sufficiently large. The adjustment of bond weight is
It will be conducted by learning by presenting many model examples. The bond weight is
It can be determined using a well-known error back-propagation learning method. For example, in order to learn P1 in FIG. 9, the teacher data is F1, and the input expected values at that time are Z1 and 1.2 m. As the teacher data, an arbitrary point of the tracking curve data as shown in FIG. 9 obtained by the ray tracing simulation is selected. The neural network learned in this way exhibits the non-linear zoom tracking curve of FIG. 9, and the tracking curve can be obtained with a simple configuration of the above-mentioned two-input, one-output, three-layer perceptron, and intermediate 20 units. As described above, the conventional method having a plurality of tracking curves requires 4 Kbytes to 8 Kbytes of data, whereas the above example requires 40 bytes to 100 bytes of data, which greatly simplifies the circuit scale. The calculation is speeded up.
【００１２】ところで、カメラ製造に際して生ずる光学
系の製造誤差に起因して、シミュレーションで求められ
た理想のズームトラッキンクカーブは現実に要求される
カーブと一致せず、ズレが生ずることが多い。このよう
な場合には、予め上記ズレを求めておき、調整データと
して図１のＥＥＰＲＯＭ１０に格納し、このＥＥＰＲＯ
Ｍ１０から読み出した調整データを調整制御部７４を介
してフォーカスモータ制御部７２に送出し、フォーカス
モータ９の調整を行う。尚、調整制御部７４からは、調
整時にカメラ全体システムを調整モードにすべく他の各
部に制御信号が供給されている。以上の実施例のＡＦ処
理部７１の処理は、山登り方式について説明している
が、位相差方式等の他のＡＦ方式を用いても良く、ニュ
ーラルネットワークも３層以上のパーセプトロンを用い
ることも勿論可能である。By the way, the ideal zoom tracking curve obtained by simulation does not match the curve actually required due to the manufacturing error of the optical system that occurs at the time of manufacturing the camera, and a deviation often occurs. In such a case, the deviation is obtained in advance and stored as adjustment data in the EEPROM 10 of FIG.
The adjustment data read from M10 is sent to the focus motor control unit 72 via the adjustment control unit 74, and the focus motor 9 is adjusted. The adjustment control unit 74 supplies a control signal to each of the other units to put the entire camera system into the adjustment mode during the adjustment. Although the AF processing unit 71 of the above embodiment has described the hill-climbing method, other AF methods such as a phase difference method may be used, and the neural network may of course use three or more layers of perceptrons. It is possible.
【００１３】図５には、本発明の他の実施例に関する構
成図が示されている。図１に示す実施例におけるＥＥＰ
ＲＯＭ１０に格納されているデータに基づく調整は、フ
ォーカスモータ制御回路７２に供給されて最後に補正さ
れているため、制御が複数となるばかりでなく、演算時
間も長くなる。そこで、本実施例では、ニューラルネッ
トワーク５の入力データとして、ＥＥＰＲＯＭ１０から
読み出したデータを調整制御部７４を介して入力せしめ
ている。こうすることにより、演算時間が短縮され、高
速動作が可能となる。FIG. 5 is a block diagram showing another embodiment of the present invention. EEP in the embodiment shown in FIG.
The adjustment based on the data stored in the ROM 10 is supplied to the focus motor control circuit 72 and is finally corrected, so that not only the control becomes plural, but also the calculation time becomes long. Therefore, in this embodiment, as the input data of the neural network 5, the data read from the EEPROM 10 is input through the adjustment control unit 74. By doing so, the calculation time is shortened and high-speed operation becomes possible.
【００１４】図６には、本発明の更に他の実施例構成が
示されている。本実施例では、別個のＥＥＰＲＯＭ１０
にニューラルネットワーク５の結合加重データが格納さ
れている。したがって、本実施例によれば、調整も含め
て学習された結合加重データが格納されているので、他
に調整部をもつ必要がなく、また組み上げられた一つ一
つのカメラブロック毎に学習可能なので、小量多品種に
も対応しやすい。FIG. 6 shows the configuration of still another embodiment of the present invention. In this embodiment, a separate EEPROM 10
The connection weight data of the neural network 5 is stored in. Therefore, according to the present embodiment, since the combined weighted data learned including adjustment is stored, it is not necessary to have another adjusting unit, and learning can be performed for each assembled camera block. Therefore, it is easy to support small quantity and large variety.
【００１５】図７に示す本発明の他の実施例構成では、
撮影光学系１が交換可能な光学系であり、光学系１に各
光学系に対応して定まるニューラルネットワークの結合
加重データや層データを格納するメモリ１１３を設け、
光学系（レンズ）交換の度に接点１１４を介して当該デ
ータをメモリ１１３からニューラルネットワークに送出
する。その結果、本実施例は、全く同一システムで複数
の交換レンズに対応可能となる。In the configuration of another embodiment of the present invention shown in FIG.
The photographing optical system 1 is a replaceable optical system, and the optical system 1 is provided with a memory 113 for storing connection weight data and layer data of a neural network determined corresponding to each optical system,
Each time the optical system (lens) is replaced, the data is sent from the memory 113 to the neural network via the contact 114. As a result, this embodiment can support a plurality of interchangeable lenses with the completely same system.
【００１６】図８に示す構成例は本発明の更に他の実施
例を示し、図１のＥＥＰＲＯＭ１０や調整制御部７４を
削除し（不要とし）、ニューラルネットワーク５に学習
制御機能をもつニューラルネットワーク（ＮＮ）学習制
御部５Ａを接続している。本実施例では、制御部７の学
習モードスイッチ７ＬがＯＮされると、ＡＦ処理部７１
で得られるピントズレ情報に基づいてニューラルネット
ワークを再学習させる。すなわち、ズーム制御をＴＥＬ
Ｅ端とし、ＡＦ用の被写体距離を所定の複数個定め、ピ
ントズレをなくすように再学習させる。このニューラル
ネットワーク再学習制御については、本願と同一出願人
になる出願「特開平２ー96724号」に開示されている方
式を用いることができる。本実施例によれば、カメラ製
造バラツキ、カメラ使用中のズレ、経年変化や温度特性
によるズレを吸収でき、調整が不要となる。A configuration example shown in FIG. 8 shows still another embodiment of the present invention, in which the EEPROM 10 and the adjustment control unit 74 of FIG. 1 are deleted (made unnecessary) and the neural network 5 has a learning control function. NN) The learning control unit 5A is connected. In this embodiment, when the learning mode switch 7L of the control unit 7 is turned on, the AF processing unit 71
The neural network is relearned based on the out-of-focus information obtained in. That is, the zoom control is TEL
At the E end, a predetermined plurality of AF object distances are set, and re-learning is performed so as to eliminate out-of-focus. For this neural network re-learning control, the method disclosed in the application “Japanese Patent Application Laid-Open No. 2-96724” filed by the same applicant as the present application can be used. According to the present embodiment, it is possible to absorb camera manufacturing variations, deviations during use of the camera, deviations due to secular changes and temperature characteristics, and no adjustment is required.
【００１７】[0017]
【発明の効果】以上説明したように、本発明によるカメ
ラおよび交換レンズは、ニューラルネットワークによ
り、非線形で数式表現が難しいズームトラッキングカー
ブを学習させ、その出力に基づいて像点補償を行ってい
るので、簡単な構成で高速、高精度なズームトラッキン
グが可能となり、ズームによるピントズレがなく、使用
性が格段に改善されたコンパクトなカメラが得られる。As described above, the camera and the interchangeable lens according to the present invention learn the non-linear zoom tracking curve which is difficult to express by a neural network by the neural network and perform the image point compensation based on the output thereof. With a simple structure, high-speed and high-precision zoom tracking is possible, there is no focus shift due to zoom, and a compact camera with significantly improved usability can be obtained.
【図１】本発明によるカメラの一実施例を示す構成図で
ある。FIG. 1 is a configuration diagram showing an embodiment of a camera according to the present invention.
【図２】ニューロンの非線形関数特性を示す図である。FIG. 2 is a diagram showing a non-linear function characteristic of a neuron.
【図３】ニューラルネットワークの一構成例を示す模式
図である。FIG. 3 is a schematic diagram showing a configuration example of a neural network.
【図４】ニューラルネットワークのユニットの入出力関
係を示す模式図である。FIG. 4 is a schematic diagram showing an input / output relationship of units of a neural network.
【図５】本発明によるカメラの他の実施例を示す構成図
である。FIG. 5 is a configuration diagram showing another embodiment of the camera according to the present invention.
【図６】本発明によるカメラの更に他の実施例を示す構
成図である。FIG. 6 is a configuration diagram showing still another embodiment of the camera according to the present invention.
【図７】本発明によるカメラの他の実施例を示す構成図
である。FIG. 7 is a configuration diagram showing another embodiment of a camera according to the present invention.
【図８】本発明によるカメラの他の実施例を示す構成図
である。FIG. 8 is a configuration diagram showing another embodiment of a camera according to the present invention.
【図９】通常のズームトラッキングカーブ例を示す図で
ある。FIG. 9 is a diagram showing an example of a normal zoom tracking curve.
１ 撮像光学系 ２ ＣＣ
Ｄ ３ 撮像系 ４ フォ
ーカス評価値検出部 ５ ニューラルネットワーク ５Ａ ニューラルネットワーク学習制御部 ６ ズームエンコーダ ７ 制御
部 ８ ズームモータ ９ フォ
ーカスモータ １０ ＥＥＰＲＯＭ ７１ ＡＦ
処理部 ７２ フォーカスモータ制御部 ７３ ズー
ム制御部 ７４ 調整制御部 １１１ ズー
ム光学系 １１２ フォーカス及び像点補償光学系 １１３ メモリ １１４ 接点 ７Ｔ ＴＥＬＥスイッチ ７Ｗ ＷＩ
ＤＥスイッチ ７Ｌ 学習モードスイッチ1 Imaging optical system 2 CC
D 3 Imaging system 4 Focus evaluation value detection unit 5 Neural network 5A Neural network learning control unit 6 Zoom encoder 7 Control unit 8 Zoom motor 9 Focus motor 10 EEPROM 71 AF
Processing unit 72 Focus motor control unit 73 Zoom control unit 74 Adjustment control unit 111 Zoom optical system 112 Focus and image point compensation optical system 113 Memory 114 Contact point 7T TELE switch 7W WI
DE switch 7L learning mode switch
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4028838AJPH05199444A (en) | 1992-01-20 | 1992-01-20 | Camera and interchangeable lens |
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4028838AJPH05199444A (en) | 1992-01-20 | 1992-01-20 | Camera and interchangeable lens |
| Publication Number | Publication Date |
|---|---|
| JPH05199444Atrue JPH05199444A (en) | 1993-08-06 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4028838APendingJPH05199444A (en) | 1992-01-20 | 1992-01-20 | Camera and interchangeable lens |
| Country | Link |
|---|---|
| JP (1) | JPH05199444A (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7936987B2 (en) | 2007-09-14 | 2011-05-03 | Samsung Electronics Co., Ltd. | Method and apparatus for auto focusing |
| CN113050260A (en)* | 2019-12-26 | 2021-06-29 | 佳能株式会社 | Lens apparatus, image pickup apparatus, control method, and computer-readable storage medium |
| CN113329144A (en)* | 2020-02-28 | 2021-08-31 | 佳能株式会社 | Lens device, imaging device, processing method, and storage medium |
| JP2023019697A (en)* | 2021-07-29 | 2023-02-09 | キヤノン株式会社 | CONTROL DEVICE FOR VIBRATION-TYPE ACTUATOR, IMAGING DEVICE, AND AUTOMATIC STAGE |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7936987B2 (en) | 2007-09-14 | 2011-05-03 | Samsung Electronics Co., Ltd. | Method and apparatus for auto focusing |
| CN113050260A (en)* | 2019-12-26 | 2021-06-29 | 佳能株式会社 | Lens apparatus, image pickup apparatus, control method, and computer-readable storage medium |
| JP2021105660A (en)* | 2019-12-26 | 2021-07-26 | キヤノン株式会社 | Lens device, imaging apparatus, control method, and program |
| CN113050260B (en)* | 2019-12-26 | 2024-10-29 | 佳能株式会社 | Lens apparatus, image pickup apparatus, control method, and computer-readable storage medium |
| CN113329144A (en)* | 2020-02-28 | 2021-08-31 | 佳能株式会社 | Lens device, imaging device, processing method, and storage medium |
| JP2021136648A (en)* | 2020-02-28 | 2021-09-13 | キヤノン株式会社 | Lens device, imaging device, processing device, processing method, and program |
| CN113329144B (en)* | 2020-02-28 | 2025-08-08 | 佳能株式会社 | Lens device, camera device, processing device, processing method and storage medium |
| JP2023019697A (en)* | 2021-07-29 | 2023-02-09 | キヤノン株式会社 | CONTROL DEVICE FOR VIBRATION-TYPE ACTUATOR, IMAGING DEVICE, AND AUTOMATIC STAGE |
| Publication | Publication Date | Title |
|---|---|---|
| JP4346988B2 (en) | Image capturing apparatus and optical adjustment method for image capturing apparatus | |
| US9354487B2 (en) | Image-pickup apparatus | |
| US5325145A (en) | Camera system | |
| US5867217A (en) | Photographing apparatus and lens position control device | |
| JP2901116B2 (en) | Control method of autofocus device | |
| CN100517044C (en) | Image capturing apparatus | |
| JP3893203B2 (en) | Optical equipment | |
| JP2773310B2 (en) | Zoom lens with focus adjustment means | |
| JP6639117B2 (en) | Optical equipment and focus control program | |
| JP3407366B2 (en) | camera | |
| JPH05199444A (en) | Camera and interchangeable lens | |
| JPH04235512A (en) | Focus detecting device having grouping function | |
| US6085041A (en) | Autofocus system and photographic lens | |
| JP3096828B2 (en) | camera | |
| JP3382979B2 (en) | camera | |
| JP2531182B2 (en) | Camera auto focus device | |
| JP3610097B2 (en) | Imaging device | |
| JP2988793B2 (en) | Optical equipment | |
| JP3407365B2 (en) | camera | |
| US5781808A (en) | Zoom-lens drive control apparatus | |
| US20060044456A1 (en) | Zoom lens system and camera using the same | |
| JPH066653A (en) | Controller for position of lens | |
| US5493361A (en) | Focus correcting apparatus for an auto focus camera | |
| JP2757592B2 (en) | Camera system | |
| JP2025035541A (en) | CONTROL DEVICE, LENS DEVICE, IMAGING DEVICE, CONTROL METHOD, AND PROGRAM |
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal | Free format text:JAPANESE INTERMEDIATE CODE: A02 Effective date:20040302 |