JPH0812685B2 - 自走車用監視装置 - Google Patents

Description

【発明の詳細な説明】 〔概要〕 カメラより取り込んだ画像中からガイドラインを検出
する自動車用監視装置に関し、 ガイドラインの位置、速度から予測した領域内でパラ
メータ抽出処理を行い、処理量を削減して高速化を図る
と共に雑音に強くすることを目的とし、 カメラより取り込んだ画像の特徴点のパラメータ
（ρ、θ）を抽出するパラメータ抽出部と、このパラメ
ータ抽出部によって抽出したパラメータの頻度を加算し
たうちから最大頻度のパラメータを検出する最大頻度パ
ラメータ検出部と、この最大頻度パラメータ検出部によ
って検出した最大頻度の過去のパラメータから現在のパ
ラメータの領域を予想する予想パラメータ領域算出部
と、この予想パラメータ領域算出部によって予想した現
在の予想パラメータの領域を対応する画面上のマスク領
域に変換するマスク領域テーブルとを備え、このマスク
領域テーブルによって変換したマスク領域内の特徴点に
ついて上記パラメータ抽出部によってパラメータの抽出
を行い、上記最大頻度パラメータ検出部によってこれら
のうちの最大頻度のパラメータを検出し、ガイドライン
のパラメータとして出力するように構成する。また、上
記マスク領域内の特徴点の数が所定閾値以下になった場
合にマスク領域を広げ（あるいは全領域に広げ）、一
方、全領域（あるいはマスク領域）内の特徴点の数が所
定閾値以上になった場合にマスク領域を狭めるように構
成する。

〔産業上の利用分野〕

本発明は、カメラより取り込んだ画像中からガイドラ
インを検出する自走車用監視装置に関するものである。
最近、自走車（例えば自動車）のセンサとしてカメラを
用い、ガイドラインに沿って進む研究が盛んに行われて
いる。この際、カメラによって撮像した画像中からガイ
ドラインを迅速かつ正確に検出することが望まれてい
る。

〔従来の技術と発明が解決しようとする課題〕

従来の装置は、第７図に示すように、カメラから取り
込んだ画像の全ての領域を対象にいわゆるパラメータ空
間法と呼ばれる後述する手法により、特徴点抽出、パラ
メータ抽出、最大頻度パラメータ検出を行い、ガイドラ
インのパラメータ（ρ、θ）を抽出するようにしてい
た。このため、パラメータ抽出のための計算量が多く、
計算時間がかかり過ぎると共に雑音に弱いという問題が
あった。

第７図構成および動作を簡単に説明する。

第７図において、カメラ21から取り込んだ画像につい
て、特徴点抽出部22が特徴点を抽出して特徴点座標格納
部23に格納する。パラメータ抽出部24が特徴点を通る直
線のパラメータ（ρ、θ）を算出し、パラメータ頻度加
算部26に送り、パラメータ頻度格納部27の該当パラメー
タ領域の頻度を加算する。最大頻度パラメータ検出部28
は、最大のパラメータ頻度を持つパラメータを検出し、
これを求めるガイドラインのパラメータとしてガイドラ
イン・パラメータ格納部29に格納する。

第８図は、パラメータ説明図を示す。ここで、パラメ
ータの距離ρおよび角度θは、第８図（イ）に示すよう
に、画面上の中心点Ｏからの距離ρおよび角度θであ
る。ガイドラインの方程式は、下式（１）によって表わ
される。

Xcos（θ）＋Ysin（θ）＝ρ …（１） ここで、ガイドライン上の１つの点（Ｘ、Ｙ）を通る
ガイドラインのパラメータ（ρ、θ）は、上式（１）を
満たす曲線となる。

第８図（ロ）は、ρ−θ空間をメッシュ上に分割し、
パラメータ（ρ、θ）を各分割した領域に加算し、最大
頻度パラメータ（ρ、θ）をガイドラインのパラメータ
として検出する。

本発明は、ガイドラインの位置、速度から予測した領
域内でパラメータ抽出処理を行い、処理量を削減して高
速化を図ると共に雑音の強くすることを目的としてい
る。

〔課題を解決する手段〕

第１図を参照して課題を解決する手段を説明する。

第１図において、パラメータ抽出部４は、カメラ１よ
り取り込んだ画像の特徴点のパラメータ（ρ、θ）を抽
出するものである。

最大頻度パラメータ検出部７は、パラメータ抽出部４
によって抽出したパラメータの頻度を加算したうちから
最大頻度のパラメータを検出するものである。

予想パラメータ領域算出部９は、最大頻度パラメータ
検出部７によって検出した最大頻度の過去のパラメータ
から現在のパラメータの領域を予想するものである。

マスク領域テーブル10は、予想パラメータ領域算出部
９によって予想した現在の予想パラメータの領域（ρ−
θ領域）に対応する画面上のマスク領域（Ｘ−Ｙ領域）
に変換するテーブルである。

〔作用〕

本発明は、第１図に示すように、パラメータ抽出部４
がカメラ１より取り込んだ画像の特徴点のパラメータ
（ρ、θ）を抽出し、最大頻度パラメータ検出部７がパ
ラメータ抽出部４によって抽出したパラメータの頻度を
加算したうちから最大頻度のパラメータを検出し、予想
パラメータ領域算出部９が最大頻度パラメータ検出部７
によって検出した最大頻度の過去のパラメータから現在
のパラメータの領域を予想し、この予想した予想パラメ
ータの領域（ρ−θ領域）に対応する画面上のマスク領
域（Ｘ−Ｙ領域）にマスク領域テーブル10を参照して変
換し、この変換したマスク領域内の特徴点について上記
パラメータ抽出部４によってパラメータの抽出を行い、
上記最大頻度パラメータ検出部７によってこれらのうち
の最大頻度のパラメータを検出し、ガイドラインのパラ
メータとして出力するようにしている。また、マスク領
域内の特徴点の数が所定閾値以下になった場合にマスク
領域を広げ（あるいは全領域に広げ）、一方、全領域
（あるいはマスク領域）内の特等点の数が所定閾値以上
になった場合にマスク領域を狭めるようにしている。

従って、ガイドラインの位置、速度から予測したマス
ク領域内でパラメータ抽出処理を行うことにより、処理
量を削減して高速化を図ると共に雑音に強くすることが
可能となる。

〔実施例〕

次に、第１図から第５図を用いて本発明の１実施例の
構成および動作を順次詳細に説明する。

第１図において、カメラ１は、ガイドラインを撮影し
た画像を生成するものである。ガイドラインは、無人自
走車の走路を路上に引いた線や、沿って走るべき線であ
る。例えば作業をしつつ移動する自動車の場合、作業済
区域と未作業区域の境界線、あるいは直前の作業済領域
の線がガイドラインとなる。具体的に言えば、無人芝刈
機の場合には、芝刈済区域と、未芝刈区域との境界線が
ガイドラインとなる。

特徴点抽出部２は、カメラ１より取り込んだ画像中か
らガイドラインに対応する色（例えば白）などの特徴を
持つ点（画素）を抽出するものである。

特徴点座標格納部３は、特徴点抽出部２によって抽出
した特徴点（画素、複数画素）の座標（Ｘ、Ｙ）を格納
するメモリである。

パラメータ抽出部４は、特徴点座標格納部３から取り
出した特徴点の座標からパラメータ（ρ、θ）を抽出す
るものである。

パラメータ頻度加算部５は、パラメータ抽出部４によ
って抽出したパラメータを、ρ−θ空間の該当する領域
の頻度を加算するものである。

パラメータ頻度格納部６は、パラメータの頻度を格納
するメモリである。

最大頻度パラメータ検出部７は、ρ−θ空間の分割し
た領域に加算された頻度のうちの最大の頻度を持つパラ
メータ（ρ、θ）を検出するものである。

ガイドライン・パラメータ格納部８は、最大頻度パラ
メータ検出部７によって検出した最大頻度のパラメータ
（ρ、θ）を格納するメモリである。

予想パラメータ領域算出部９は、ガイドライン・パラ
メータ格納８から取り出した最大頻度の過去のパラメー
タから現在のパラメータの領域を予想するものである
（第２図を用いて後述する）。

マスク領域テーブル10は、予想パラメータ領域算出部
９によって予想した現在の予想パラメータの領域（ρ−
θ領域）に対応する画面上のマスク領域（Ｘ−Ｙ領域）
に変換するテーブルである（第３図参照）。

マスク領域決定部11は、マスク領域テーブル10を参照
して、予想パラメータの領域に対応する画面上のマスク
領域を決定するものである。

マスク領域格納部12は、マスク領域決定部11によって
決定したマスク領域を格納するものである（第３図参
照）。

第２図は、本発明に係わるパラメータ予想によるパラ
メータ頻度の計算領域の決定例を示す。ここで、Ｒは予
想点のパラメータ（ρ、θ）、Ｑは１つの前（直前）に
求めたパラメータ（ρ１、θ１）、Ｐは２つ前に求めた
パラメータ（ρ２、θ２）を表す。

第２図において、パラメータの予想点Ｒ（ρ、θ）を
線形予測によって求める。

（１） １つ前のガイドラインのパラメータ１組から予
想点Ｒ（ρ、θ）を求める場合、 ρ＝ρ１ …（11） θ＝θ１ …（12） （２） 過去のガイドラインのパラメータ２組から予想
点Ｒ（ρ、θ）を求める場合、 ρ＝ρ１＋（ρ１−ρ２） …（13） θ＝θ１＋（θ１−θ２） …（14） と予想する。

（３） 上記（１）あるいは（２）で決定した予想点の
ρ−θ領域に対応するマスク領域を第３図マスク領域テ
ーブルを参照して求める。そして、この求めたマスク領
域内についてのみ、第１図特徴点抽出部２によって特徴
点を抽出し、更にパラメータ抽出および最大頻度のパラ
メータを検出することにより、計算対象領域をマスク領
域に減少し、処理量を少なくすることが可能となる。

第３図は、本発明に係わるマスク領域テーブル例を示
す。ここで、ρ−θ空間について図示のようにメッシュ
状に分割する。この分割したメッシュ状の斜線の各領域
内に存在するパラメータ（ρ、θ）について、画面
（ｘ、ｙ）上で斜線を引いたマスク領域に対応づけてい
る。例えば左端のは、ρ−θ空間上でρが負であるた
めに画面（ｘ、ｙ）上で左側の領域、かつθが正である
ために画面（ｘ、ｙ）上で右上がりとなり、図示斜線と
マスク領域となる。同様にして、ないしに示すよう
に、ρ−θ空間の斜線の領域が画面（ｘ、ｙ）上で斜線
のマスク領域に対応する。

次に、第４図を用いて第１図構成の全体の動作を詳細
に説明する。

第４図において、は、画像入力する。これは、第１
図カメラ１からガイドラインを含む画像を取り込む。

は、色抽出（例えば白）を行う。これは、で取り
込んだ画像中からガイドラインとして指定した色の画像
（例えば白の画像）のみを抽出する。

は、論理フィルタをかけて特徴点を抽出する。これ
は、で色抽出した画像に対して、更に論理フィルタ
（例えば３ドット×３ドットの論理フィルタ）をかけ
て、例えば全ての画素が有意な値の場合に当該部分を特
徴点として抽出する。

は、パラメータ抽出（ρ、θ）する。これは、特徴
点についてパラメータ抽出を行う。

は、パラメータ頻度を加算する。これは、で抽出
したパラメータ（ρ、θ）について、ρ−θ空間の該当
する部分の頻度を加算する。

は、最大頻度のパラメータ（ρ、θ）を見つける。
これは、左側に示すように、ρ−θ空間でによって頻
度を加算したうちの最大の頻度を持つ部分の座標（ρ、
θ）を見つけ出す。この最大頻度を持つパラメータ
（ρ、θ）をガイドラインのパラメータとしてで出力
する。

は、特徴点数≦閾値か否かを判別する。YESの場合
には、全領域（あるいは拡張マスク領域）について、
以降の処理を行う。NOの場合（特徴点数が所定閾値より
も大きい場合）には、ないしで本実施例に係わるマ
スク領域を求め、このマスク領域内について、以降の
処理を行う。

は、予想パラメータの算出を行う。これは、第２図
を用いて既述したように、式（11）、（12）、あるいは
式（13）、（14）のいずれかによって求めた予想パラメ
ータの算出を行う（例えば後述する第５図現在の状態を
示すように、予想パラメータの算出を行う）。

は、マスク領域テーブル10を参照して、マスク領域
を決定する。これは、例えば第３図マスク領域テーブル
を参照し、で求めた予想パラメータに対応する画面上
のマスク領域を求める。

は、以下の処理について、マスク領域内のみ行う。
これは、で求めたマスク領域内についてのみ、以降
の処理を行い、最大頻度のパラメータを求めることを意
味している。これにより、パラメータを求める領域とマ
スク領域に限定し、処理量を少なくすることが可能とな
ると共に、マスク領域外のノイズの混入を防止して正確
なガイドラインのパラメータを求めることが可能とな
る。

第５図は、本発明に係わるマスク領域算出例を示す。
ここで、ρ−θ空間上の“×”は、２つ前の最大頻度の
パラメータ、１つ前の最大頻度のパラメータ、および現
在の予想パラメータの座標例をそれぞれ示す。画面上の
２点鎖線を用いて示すマスク領域は、ρ−θ空間の
“×”の領域に対応するマスク領域をそれぞれ示す。

第５図（ハ）は、最大頻度のパラメータが第５図
（イ）の“×”から第５図（ロ）の“×”の位置に変化
した場合、現在の予想パラメータを既述した式（13）、
（14）により“×”の位置として算出したものである。
この第５図（ハ）予想パラメータについて、第３図マス
ク領域テーブルのうちのを参照して第５図（ハ）の上
部に示す画面上のマスク領域を得る。この第５図（ハ）
画面上のマスク領域内の特徴点についてのみ、パラメー
タ抽出を行い、最大頻度のパラメータをガイドラインの
パラメータとして出力する。これにより、マスク領域内
の特徴点のみについてパラメータ抽出を行えば良く、処
理量を少なくすることが可能となる。

第６図は、本発明の他の実施例構成図を示す。

第６図（イ）は、に示すように、特徴点座標格納部
３から特徴点の数をマスク領域決定部11へ通知する構成
を付加したものを示す。これは、特徴点座標格納部３か
ら特徴点の数の通知を受けたマスク領域決定部11が、特
徴点の数について所定閾値以下になった場合に画面の全
体から特徴点抽出・パラメータ抽出を行わせ、一方、特
徴点の数が所定閾値以上になった場合にマスク領域内の
特徴点抽出・パラメータ抽出を行わせるようにしたもの
である。他は、第１図構成と同じであるので、説明を省
略する。

第６図（ロ）は、に示す拡張マスク領域テーブル13
を新たに設けた構成を示す。ここで、拡張マスク領域テ
ーブル13は、マスク領域テーブル10よりもマスク領域の
幅を拡張したものである。この拡張マスク領域テーブル
13を新たに設けた状態で、特徴点座標格納部３から特徴
点の数の通知を受けたマスク領域決定部11が、特徴点の
数が所定閾値以下になった場合に拡張マスク領域13によ
って変換した拡張マスク領域について特徴点抽出・パラ
メータ抽出を行わせ、一方、特徴点の数が所定閾値以上
になった場合にマスク領域テーブル10によって変換した
マスク領域について特徴点抽出・パラメータ抽出を行わ
せるようにしたものである。他は、第１図構成と同じで
あるので、説明を省略する。

〔発明の効果〕

以上説明したように、本発明によれば、ガイドライン
の位置、速度から予測したマスク領域内でのみ特徴点抽
出・パラメータ抽出などの処理を行う構成を採用してい
るため、処理量を削減してガイドラインのパラメータを
高速に求めることができると共に、予想されるガイドラ
インのマスク領域のみについて処理を行って他の領域か
らのノイズの混入を避け、正確にガイドラインのパラメ
ータを抽出することができる。

【図面の簡単な説明】

第１図は本発明の１実施例構成図、第２図は本発明に係
わるパラメータ予想によるパラメータ頻度の計算領域の
決定例、第３図は本発明に係わるマスク領域テーブル
例、第４図は本発明の動作説明フローチャート、第５図
は本発明に係わるマスク領域算出例、第６図は本発明の
他の実施例構成図、第７図は従来技術の構成図、第８図
はパラメータ説明図を示す。 図中、１はカメラ、２は特徴点抽出部、４はパラメータ
抽出部、５はパラメータ頻度加算部、７は最大頻度パラ
メータ検出部、９は予想パラメータ領域算出部、10はマ
スク領域テーブル、11はマスク領域決定部、13は拡張マ
スク領域テーブルを表す。

Claims (2)

【特許請求の範囲】
1. 【請求項１】カメラより取り込んだ画像中からガイドラ
   インを検出する自動車用監視装置において、 カメラより取り込んだ画像の特徴点のパラメータ（ρ、
   θ）を抽出するパラメータ抽出部（４）と、 このパラメータ抽出部（４）によって抽出したパラメー
   タの頻度を加算したうちから最大頻度のパラメータを検
   出する最大頻度パラメータ検出部（７）と、 この最大頻度パラメータ検出部（７）によって検出した
   最大頻度の過去のパラメータから現在のパラメータの領
   域を予想する予想パラメータ領域算出部（９）と、 この予想パラメータ領域算出部（９）によって予想した
   現在の予想パラメータの領域を対応する画面上のマスク
   領域に変換するマスク領域テーブル（10）とを備え、 このマスク領域テーブル（10）によって変換したマスク
   領域内の特徴点について上記パラメータ抽出部（４）に
   よってパラメータの抽出を行い、上記最大頻度パラメー
   タ検出部（７）によってこれらのうちの最大頻度のパラ
   メータを検出し、ガイドラインのパラメータとして出力
   するように構成したことを特徴とする自走車用監視装
   置。
2. 【請求項２】上記マスク領域内の特徴点の数が所定閾値
   以下になった場合にマスク領域を広げ（あるいは全領域
   に広げ）、一方、全領域（あるいはマスク領域）の内の
   特徴点の数が所定閾値以上になった場合にマスク領域を
   狭めるように構成したことを特徴とする請求項第（１）
   項記載の自走車用監視装置。