WO2008020544A1 - Dispositif de détection de véhicule, procédé de détection de véhicule, et programme de détection de véhicule - Google Patents

Dispositif de détection de véhicule, procédé de détection de véhicule, et programme de détection de véhicule Download PDF

Info

Publication number
WO2008020544A1
WO2008020544A1 PCT/JP2007/064979 JP2007064979W WO2008020544A1 WO 2008020544 A1 WO2008020544 A1 WO 2008020544A1 JP 2007064979 W JP2007064979 W JP 2007064979W WO 2008020544 A1 WO2008020544 A1 WO 2008020544A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
luminance
image
area
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2007/064979
Other languages
English (en)
French (fr)
Inventor
Katsuhiko Takahashi
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to US12/373,638 priority Critical patent/US8599257B2/en
Priority to EP07791664A priority patent/EP2053861B1/en
Priority to JP2008529842A priority patent/JP5223675B2/ja
Publication of WO2008020544A1 publication Critical patent/WO2008020544A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Definitions

  • Vehicle detection device Vehicle detection method, and vehicle detection program
  • the present invention relates to a vehicle detection device, a vehicle detection method, and a vehicle detection program that detect the presence or absence of a surrounding vehicle from an image captured by an in-vehicle camera, and in particular, is responsible for detecting surrounding vehicles in front and behind the host vehicle.
  • the present invention relates to a vehicle detection device, a vehicle detection method, and a vehicle detection program.
  • Patent Document 1 discloses a method for detecting a vehicle by verifying how much the horizontal edge line segment groups existing between them satisfy the criteria related to the vehicle.
  • voting is performed at a position in the Hough space corresponding to the center position of the two vertical edges, and a partial region image near the position where many votes are collected is input to the neural network classifier to determine whether the vehicle is a vehicle.
  • a method of determining is disclosed in Non-Patent Document 1.
  • the black area of the monochrome image is expanded and then binarized to be divided into black! /
  • the area and the white area, and the black and Patent Documents 2 and 3 disclose methods for determining whether or not the black region is a vehicle based on the area, the center of gravity position, the aspect ratio, and the like.
  • Patent Document 4 discloses a method for determining that the partial region corresponds to a vehicle if the variance of the values is larger than a reference value. This method is said to be effective in distinguishing the shade of the vehicle from the shade of the tree, etc., based on the variance value in the partial area.
  • Non-patent document 1 “Development of vehicle detection technology using edge-pair feature space projection method”, Proceedings of workshop on practical use of ViEW 2005 vision technology, Japan Society for Precision Engineering, p. 160-;
  • Patent Document 2 Japanese Patent No. 3072730
  • Patent Document 3 Japanese Patent Laid-Open No. 9-16751
  • Patent Document 4 JP-A-9-128548
  • Patent Document 5 Japanese Patent No. 3069952
  • Non-Patent Document 1 and Patent Document 1 assume that there is a luminance difference between a pixel corresponding to the detection target vehicle and a pixel corresponding to the background region, As shown in Figure 11, there are buildings 1201 that have low brightness because they are in the shade, and there are black vehicles 1202 in the foreground of street trees, or vehicles 1203 and 1204 of the same body color. For example, when the images are overlapped, the luminance difference between the pixels of the vehicle and the background is small, so that the vertical edge is not extracted, and the possibility is high! / And! //.
  • Patent Document 5 The technique described in Patent Document 5 can more efficiently limit the hypothetical region because it can distinguish between shadows due to vehicles and shadows due to roadside trees or buildings facing roads, compared to the other methods described above.
  • the luminance distribution of the pixels included in the partial region varies depending on the situation, it is very difficult to set a reference value for determining whether or not the region is an assumed region.
  • a partial area including road surface paint such as a pedestrian crossing with a very large contrast with the road surface is erroneously detected as a temporary area. There was an inconvenience.
  • the present invention improves the above-described disadvantages of the prior art, and accurately detects an assumed region that can be assumed to indicate V and a vehicle in an image captured by an in-vehicle camera.
  • the object is to provide a vehicle detection device, a vehicle detection method, and a vehicle detection program for determining whether or not a region is a vehicle image.
  • a vehicle detection device of the present invention is a vehicle detection device that detects the presence or absence of a surrounding vehicle based on an image captured by an in-vehicle camera.
  • Luminance creation means for creating a light / dark distribution of the captured image
  • a brightness threshold specifying means for estimating and outputting the upper limit value of the brightness value corresponding to the area below the vehicle of the surrounding vehicle, and the brightness value of the upper limit value
  • Vehicle detection means for determining a vehicle assumed area including the lower part of the vehicle and determining whether or not an image of the vehicle assumed area corresponds to a vehicle by a pattern matching method.
  • the present invention is not limited to force constructed as a vehicle detection device as hardware.
  • the present invention is constructed as a vehicle detection program or a vehicle detection method as software.
  • a vehicle detection method of the present invention is a vehicle detection method for detecting the presence or absence of a surrounding vehicle based on an image captured by an in-vehicle camera,
  • the upper limit value of the brightness value corresponding to the area below the surrounding vehicle is estimated and output
  • a vehicle assumed area including the lower part of the vehicle having the luminance value of the upper limit value is determined, and it is constructed as a configuration for determining whether or not an image of the vehicle assumed area corresponds to the vehicle by a pattern matching method.
  • the vehicle detection program of the present invention includes a computer constituting a vehicle detection device that detects the presence or absence of a surrounding vehicle based on an image captured by an in-vehicle camera.
  • the illuminance on the road surface and the tire running surface at the bottom of the vehicle is lower than in all other regions including the shadows of street trees and buildings around the road in the image taken by the in-vehicle camera.
  • FIG. 1 is a block diagram showing a configuration of a vehicle detection device according to Embodiment 1 of the present invention.
  • the vehicle detection apparatus includes a luminance creating means (12) that creates a light / dark distribution of a captured image captured by an in-vehicle camera, and the luminance creating means (12
  • the brightness threshold value specifying means 13 for estimating and outputting the upper limit value of the brightness value corresponding to the area under the vehicle in the surrounding vehicle by analyzing the light / dark distribution of the image created by Vehicle detection means 16 for determining a vehicle assumed area including the lower part of the vehicle having a value and determining whether or not an image of the vehicle assumed area corresponds to a vehicle by a pattern matching method.
  • a brightness histogram creating means 12 for creating a brightness histogram of the captured image as the light / dark distribution of the image is used.
  • 1 is an image input means 11 for inputting an image taken by an in-vehicle camera.
  • the vehicle detection means 16 includes a low luminance pixel extraction means 14 and a vehicle assumed area extraction means 15.
  • the low luminance pixel extracting unit 14 extracts low luminance pixels having the upper limit luminance value output from the luminance threshold specifying unit 13 from the captured image.
  • the vehicle assumption region extraction means 15 determines the vehicle assumption region in which the low luminance pixel is included in the vehicle lower portion based on a preset positional relationship between the vehicle lower portion and the vehicle region.
  • the luminance histogram creating means 12 shown in FIG. 1 creates a luminance histogram indicating the luminance distribution of the input image.
  • Input images include grayscale and color images that represent brightness.
  • the luminance histogram creating means 12 calculates the luminance value for the color information power and creates a luminance histogram, or omits the calculation of the luminance component to obtain the green component value that contributes most to the luminance value.
  • a luminance histogram may be created instead of the luminance value.
  • the luminance threshold value specifying means 13 sets in advance the number of pixels of the shadow portion of the road surface below the vehicle when it is assumed that the vehicle to be detected is captured most in the image, and this pixel number is input. The ratio to the total number of pixels of the image is calculated, and the threshold value is calculated so that the calculated ratio and the ratio of the cumulative number of pixels from the lowest luminance to the threshold value in the luminance histogram are equal to the total number of pixels.
  • FIG. 2 is a diagram showing an image captured by the in-vehicle camera.
  • the tire travel surface 203 of the vehicle 201 and the road surface 202 that the tire travel surface 203 is in contact with are located below the vehicle 201, and the distance 204 between the vehicle 201 and the road surface 202 is a normal number. As short as 10 cm.
  • the direct sunlight 205 is shielded by the vehicle 201 and the tire traveling surface 2 03 and the incident amount of the direct light 201 on the road surface 202 side are extremely limited. Indirect light 206 reflected from surrounding objects is also shielded by the vehicle 201, and the amount of indirect light 206 incident on the tire running surface 203 and the road surface 202 is small.
  • the brightness of the road surface 202 and the tire traveling surface 203 located below the vehicle 201 is the same as the brightness of the area directly irradiated by the direct light 205 and the indirect light 206 regardless of the weather such as clear weather, cloudy weather, and rainy weather. It becomes darker compared. If the image area corresponding to the road surface and tire running surface below the vehicle in the input image is combined with the vehicle lower area, the brightness value of the pixel corresponding to the vehicle lower area will be below a certain value if the camera parameters are fixed. It is suppressed. This value is the upper limit of the first luminance.
  • the captured image has a small amount of incident! /,
  • the road surface 202 and the tire traveling surface 203, the direct light 205, and the indirect light 206 directly below the vehicle 20 1 outside the vehicle.
  • the illuminance within the imaging range of the in-vehicle camera is blocked by the vehicle 201, and the illuminance on the tire traveling surface 203 and the road surface 202 below the vehicle where the incident amount of the direct light 205 and the indirect light 206 is the smallest is the lowest. .
  • the luminance threshold value specifying means 13 calculates in advance the ratio of the area value to the consecutive image size when the area of the area of the lower part of the vehicle (202, 203) is stored in the captured image at the maximum.
  • the luminance value obtained by accumulating the luminance histogram for the captured image from the low luminance side is equal to the area ratio when the area of the lower region of the vehicle is the maximum.
  • the lower and upper limits of the first and second luminance values are calculated as threshold values. If there is a possibility that a plurality of vehicles are included in the captured image, the upper limit value of the second luminance is calculated based on the ratio of the total area of the vehicle lower area of each vehicle to the captured image size.
  • the low luminance pixel extracting means 14 shown in FIG. 1 extracts a low luminance pixel having a luminance value equal to or lower than the threshold specified by the luminance threshold specifying means 13 from each pixel in the input image.
  • Store location information As a storage format of the position of the low-luminance pixel, a binary image in which the low-luminance pixel 301 is set to 1 and the other pixels are set to 0 as shown in FIG. You may store it in the list format expressed by X and y coordinates.
  • the vehicle assumption region extraction means 15 extracts one or a plurality of vehicle assumption regions based on the extracted positions of the low luminance pixels. The process of extracting the vehicle assumption area in the vehicle assumed area extraction means 15 will be described with reference to FIG.
  • the vehicle assumed area extracting means 15 sets a vehicle assumed area 402 that is assumed to be a surrounding vehicle image. More specifically, the vehicle assumed area extracting means 15 divides the rectangular vehicle assumed area 402 into four equal parts in the vertical direction (shown by dotted lines), and the lower brightness range area 403 is divided into low luminance. A vehicle assumed area 402 where the pixel 401 is located is set.
  • the height of the range area 403 shown in FIG. 4 is a force that is 1 ⁇ 4 of the height of the vehicle assumed area 402.
  • the vehicle lower area is the vehicle height in the image. Calculate the proportion of V in the direction in advance, and assume that the proportion is high.
  • the force that sets the vehicle assumed region 402 so that the low-brightness pixels 401 are included in the range region 403 by a predetermined number or more is not limited to this.
  • the vehicle assumption region 402 is set so that each of the left and right end regions 501 of the range region 403 divided into four horizontally includes low luminance pixels. Also good.
  • the setting conditions of the vehicle assumption area 402 become strict, and the number of pixels of the vehicle assumption area 402 to be set can be suppressed.
  • a fixed number may be used regardless of the position in the image. For the vicinity of the lower part of the input image where the area of the lower part of the vehicle tends to increase, The vehicle assumption area may be set in an area including more low-luminance pixels than in the vicinity of the center of the image.
  • the vehicle assumed area 402 is set in various sizes at various positions that satisfy this condition. However, if it is known that roads and vehicles are imaged as shown in Fig. 2 in the input image, the size of the imaged vehicle is related to the position in the vertical direction of the image. The size of the assumed vehicle area 402 is set corresponding to the position in the image. That is, the vehicle assumed area 402 is set larger as the low luminance pixel 401 is present near the bottom of the input image, and is set smaller as it is closer to the image center.
  • the vehicle detection means 16 shown in FIG. 1 performs pattern matching by comparing the extracted image of each vehicle assumed area 402 with the actual vehicle image (template), and the vehicle assumed area 40 It is determined whether the second image is a vehicle.
  • a learning / discriminator used for pattern matching a neural network such as that described in Non-Patent Document 1 may be used, as well as support vector machine, learning vector quantization method, subspace method, etc. May be used.
  • the feature value used for learning / identification may be the pixel value of the luminance image V, or the Gabor wavelet feature.
  • the image input unit 11 inputs an image captured by the in-vehicle camera (FIG. 6: step s61)
  • the image input unit 11 outputs the input image to the luminance histogram generation unit 12.
  • the luminance histogram creating means 12 creates a luminance histogram of the input image (FIG. 6: step s62, luminance histogram creating step).
  • the brightness threshold value specifying means 13 specifies the brightness threshold value for extracting pixels corresponding to the vehicle lower area based on the brightness histogram created by the brightness histogram creating means 12 (FIG. 6: step s63, brightness threshold value). Specific process).
  • the contents thereof may be programmed and executed by the computer as the luminance histogram creation processing and luminance threshold specification processing.
  • the low luminance pixel extracting means 14 measures the luminance of each pixel in the input image, extracts low luminance pixels having luminance below the threshold, and stores the position information (FIG. 6: step). s6 4, low luminance pixel extraction process).
  • the vehicle assumption area extraction means 15 sets and extracts a vehicle assumption area in the input image based on the position of the low brightness pixel extracted by the low brightness pixel extraction means 14 (FIG. 6: Step s65, vehicle assumption area extraction). Process).
  • the vehicle assumed area extraction means 15 sets the vehicle assumed area at the positions of the low luminance pixels respectively corresponding to the tire running surface 203 and the road surface 202 at the lower part of the vehicle.
  • the vehicle detection means 16 performs pattern matching on the image of each vehicle assumption area set by the vehicle assumption area extraction means 15 and determines whether the image of each vehicle assumption area is a surrounding vehicle image ( Figure 6: Step s66, vehicle detection process).
  • the vehicle detection means 16 detects a vehicle with respect to a plurality of vehicle assumption regions having an overlap. If this is the case, the extraction result is integrated so that only the detection result corresponding to the maximum value of the similarity is adopted (Fig. 6: step s67), and pattern matching is applied to all images in the assumed vehicle area. Execute and finish the process.
  • the contents of the low-luminance pixel extraction process, the vehicle assumed area extraction process, and the vehicle detection process described above are programmed and stored in the computer as the low-luminance pixel extraction process, the vehicle assumed area extraction process, and the vehicle detection process. It may be executed.
  • the upper limit value of the pixel luminance that can be assumed to be a shadow partial image of the lower part of the surrounding vehicle is specified by analyzing the luminance histogram of the input image.
  • a threshold value which is a value, is set adaptively, and a low brightness region that can be assumed to be a shadow portion below the surrounding vehicle can be extracted well.
  • FIG. 7 is a block diagram showing a configuration of the vehicle detection device according to Embodiment 2 of the present invention.
  • the second embodiment includes road surface area extracting means 77 in addition to the configuration of the first embodiment shown in FIG.
  • the road surface area extraction unit 77 extracts a road surface area, which is an image area indicating a road surface, from an image captured by the in-vehicle camera.
  • the road surface area extraction method by the road surface area extraction means 77 is shown in the literature ("Road white line recognition by model-based recognition method", IEICE, PRMU99-211)! / As described above, after detecting a white line by using the white line detection method, a method of extracting a region sandwiched between the left and right white lines as a road region may be used, or disclosed in a patent publication (Japanese Patent Laid-Open No. 2001-101420). As you can see, it is possible to use a method that directly detects the road surface without white line detection.
  • the brightness histogram creating means 72 shown in FIG. 7 creates a brightness histogram indicating the brightness distribution of the road surface area extracted by the road surface area extracting means 78.
  • the luminance threshold value specifying means 73 specifies the upper limit value (threshold value) of the luminance of the pixel assumed to be the vehicle lower region based on the luminance histogram. That is, it differs from the first embodiment shown in FIG. 1 in that the luminance histogram to be analyzed is a luminance distribution for only the road surface area.
  • the aggregation range of the luminance histogram to be created is limited to the road surface area only.
  • the process of specifying the threshold value can be speeded up. Even if there are areas with brightness values similar to the brightness of the lower area of the vehicle due to the special structure of the building facing the road, etc., if these areas are outside the road surface area, It is possible to specify the upper limit value (threshold value) of the luminance value of the pixel that is assumed to be the vehicle lower region without being influenced by the vehicle.
  • the low luminance pixel extracting means 74 shown in FIG. 7 extracts low luminance pixels having a luminance equal to or lower than the threshold specified by the luminance threshold specifying means 73 from each pixel in the road surface area, and describes the position.
  • the vehicle assumed region extraction means 75 sets and extracts a vehicle assumed region based on the position of the low luminance pixel.
  • the vehicle detection means 76 also performs pattern matching to determine whether the image of the vehicle assumed area is a surrounding vehicle image.
  • FIG. 8 is a flowchart showing the processing operation of the vehicle detection apparatus of the second embodiment.
  • the brightness histogram creating means 72 creates a brightness histogram of the road surface area extracted by the road surface area extracting means 77 (FIG. 8: step s83, brightness histogram creating step).
  • the luminance threshold value specifying means 73 specifies a luminance threshold value for extracting pixels corresponding to the vehicle lower area based on the luminance histogram created by the luminance histogram creating means 72 (FIG. 8: step s84, luminance threshold value). Specific process).
  • the contents of the road surface area extraction process, the brightness histogram creation process, and the brightness threshold specification process described above are programmed, and the computer is used as the road surface area extraction process, the brightness histogram creation process, and the brightness threshold specification process. May be executed.
  • the low luminance pixel extracting means 74 measures the luminance of each pixel in the road surface area extracted by the road surface area extracting means 77, extracts a low luminance pixel having a luminance equal to or less than a threshold value, and stores the position. ( Figure 8: Step s85, low luminance pixel extraction process).
  • the vehicle assumed region extraction means 75 sets the vehicle assumed region at various positions based on the positions of the low luminance pixels extracted by the low luminance pixel extraction means 74 (FIG. 8: step s8 6, Vehicle assumption area extraction process).
  • the vehicle detection means 76 performs pattern matching on the image of each vehicle assumption area extracted by the vehicle assumption area extraction means 75 to determine whether the image of each vehicle assumption area is a surrounding vehicle image. ( Figure 8: Step s87, vehicle detection process).
  • the vehicle detection means 76 performs a process of integrating the extraction results so that only the detection result corresponding to the maximum value of the similarity is adopted when a vehicle is detected with respect to a plurality of assumed vehicle regions having an overlap (see FIG. 8: Step s88), pattern matching is performed for all vehicle assumed regions, and the process is terminated.
  • the contents of the low luminance pixel extraction step, the vehicle assumed region extraction step, and the vehicle detection step described above are programmed and stored in the computer as a low luminance pixel extraction process, a vehicle assumed region extraction process, and a vehicle detection process. It may be executed.
  • the vehicle detection process is performed only on the image area of the road surface in the captured image, as compared to performing the detection process on the entire captured image. Processing time is reduced. In addition, the false detection rate is reduced because objects similar to vehicles other than vehicles are rarely imaged in the road surface area.
  • the vehicle assumed area extracting means is not limited to the force S which has determined the vehicle assumed area based on the information from the low luminance pixel extracting means.
  • the vehicle assumed area extracting means may extract a partial area that is likely to be a surrounding vehicle from the captured image as a vehicle assumed area and perform the verification in a separate process. This example will be described as Embodiment 3.
  • an image input means 91 for inputting an image captured by a vehicle-mounted camera, a brightness histogram creation means 93 for creating a brightness histogram of the input image, and the brightness histogram Luminance threshold value specifying means 94 for determining the upper limit value (threshold value) of the pixel assumed to be the vehicle lower region by analyzing the vehicle, and the vehicle under the vehicle having the luminance value of the upper limit value
  • Vehicle detection means 95 that determines a vehicle assumed area (202, 203) including a portion and determines whether or not an image of the vehicle assumed area corresponds to the vehicle by a pattern matching method.
  • the vehicle detection means 95 includes a low luminance pixel extraction means 96, a vehicle assumed area extraction means 92, and a verification means 97. Note that the low luminance image extracting means 96 has the same configuration as the low luminance image extracting means 14 shown in FIG.
  • the vehicle assumed area extraction unit 92 extracts a partial area that may correspond to a surrounding vehicle from the image captured by the in-vehicle camera as the vehicle assumed area.
  • the vehicle assumed region extraction unit 92 may perform pattern matching on the entire input image to extract a partial region determined to be a vehicle image, or may include an in-vehicle stereo camera as the imaging unit.
  • the obtained stereo image force distance information may be calculated to extract an area in which the shape of the distance information is similar to that of the vehicle.
  • the position information obtained is associated with the position in the captured image, and the position where the obstacle exists is detected by the millimeter wave sensor or the laser radar sensor. You can also extract the partial area corresponding to that position.
  • the luminance threshold value specifying means 94 shown in FIG. 9 analyzes the luminance histogram of the input image and assumes the upper limit value (threshold value) of the pixel luminance assumed to be the vehicle lower area. Is calculated.
  • the verification unit 97 determines whether or not low luminance pixels having a luminance value equal to or less than a threshold value are included in the lower part of the vehicle assumption region extracted by the vehicle assumption region extraction unit 92 in a predetermined number of pixels. , And it is determined that the vehicle assumed area is a surrounding vehicle image. As a result, a final determination is made as to whether or not the vehicle assumed region is a surrounding vehicle image.
  • FIG. 10 is a flowchart showing the processing operation of the vehicle detection device of the third embodiment.
  • step slOl the vehicle assumed area extraction means 92
  • the partial region is extracted as the vehicle assumed region (FIG. 10: step s102, vehicle assumed region extraction process).
  • the luminance histogram creating means 93 creates a luminance histogram of the input image (FIG. 10: step sl03, luminance histogram creating step), and luminance threshold value specifying means 94 Analyzes the brightness histogram created by the brightness histogram creation means 93 and specifies the upper limit value (threshold value) of the pixel corresponding to the vehicle lower area (FIG. 10: step si 04, brightness threshold value specifying step).
  • the verification means 97 receives the output data from the vehicle assumption area extraction means 92 and the low luminance pixel extraction means 96 and receives a threshold value below the vehicle assumption area extracted by the vehicle assumption area extraction means 92. It is measured whether or not low luminance pixels having the following luminance are included in a predetermined number or more, and a final determination result as to whether or not the image of the vehicle assumed area is a surrounding vehicle image is output.
  • the vehicle detection unit 95 determines whether or not the image of the assumed vehicle region verified by the verification unit 97 corresponds to the vehicle by a pattern matching method (see FIG. 10: Step sl05, vehicle detection process). Measure the presence or absence of low-luminance pixels for all assumed vehicle areas and end the process.
  • the above-described vehicle assumed region extraction step, luminance histogram creation step, luminance threshold specification step, and vehicle detection step are programmed to make the vehicle assumption region extraction processing, luminance histogram creation processing, luminance threshold value, and the like. You may make a computer perform as a specific process and a vehicle detection process.
  • the vehicle assumed region extraction means 92 often has an image region having a shape similar to a vehicle, such as a container-like object placed on the road or a square window frame. Even if the image is mistakenly detected as a vehicle assumption area, the lower part of these objects will not include low-luminance pixels in the detected image that is not in the structure where the direct light of the sun and the indirect light of the surrounding object force are not incident. Therefore, it is possible to determine that the vehicle assumed region is erroneous by measuring that the low-luminance pixel region is included in the detected image.
  • FIG. 1 is a block diagram showing a configuration of a vehicle detection device according to Embodiment 1 of the present invention.
  • FIG. 2 is a diagram showing an example of an image captured by the in-vehicle camera in the embodiment shown in FIG.
  • FIG. 3 is a diagram showing a storage format of the positions of low-luminance pixels extracted in the embodiment shown in FIG.
  • FIG. 4 is a diagram showing an example of a vehicle assumed region set in the embodiment shown in FIG.
  • FIG. 5 is a diagram showing another example of a vehicle assumed region set in the embodiment shown in FIG.
  • FIG. 6 is a flowchart showing the operation of the vehicle detection device of the embodiment shown in FIG.
  • FIG. 7 is a block diagram showing a configuration of a vehicle detection device according to Embodiment 2 of the present invention.
  • FIG. 8 is a flowchart showing the operation of the vehicle detection device of the embodiment shown in FIG.
  • FIG. 9 is a block diagram showing a configuration of a vehicle detection device according to Embodiment 3 of the present invention.
  • FIG. 10 is a flowchart showing the operation of the vehicle detection device of the embodiment shown in FIG.
  • FIG. 11 is a diagram illustrating an example of an image captured by a general in-vehicle camera.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Traffic Control Systems (AREA)

Description

明 細 書
車両検知装置，車両検知方法並びに車両検知プログラム
技術分野
[0001] 本発明は、車載カメラで撮像された画像から周辺車両の有無を検知する車両検知 装置，車両検知方法並びに車両検知プログラムに関し、特に、自車両前方および後 方における周辺車両の検知を担う車両検知装置，車両検知方法並びに車両検知プ ログラムに関する。
背景技術
[0002] 従来、車載カメラを用いて自車両周辺に存在する車両を検知し、ドライバーにその 存在を通知する装置がいくつか開示されている。そして、車載カメラにより撮像された 画像から周辺車両を検知する車両検知技術の代表的なアルゴリズムとして、事前に 画像形式やベクトル形式などで設定した車両の特徴点を、画像内の様々な部分領 域に対して照合し、車両の有無を判定するパターンマッチングを用いた手法が知ら れている。
[0003] しかし、このような手法は、車両の特徴点の形状や大きさが無数に存在するにもか かわらず、画像の全領域に対して照合を行うとなると、照合にかかる計算量が膨大と なり、リアルタイムの車両検知が困難であった。
[0004] これを鑑みて、画像内において車両を示していると仮定できる仮定領域を、計算量 の少ないアルゴリズムを用いて検出し、この仮定領域に対してのみパターンマツチン グを適用するとレ、う手法の車両検知技術が知られてレ、る。
[0005] このような車両検知技術において用いられる仮定領域を検出するアルゴリズムとし て、画像中から車両の両脇に相当する垂直エッジ対を抽出しこれに基づいて仮定領 域を検出するものや、画像中から黒い領域を抽出しその形状に基づいて仮定領域を 検出するもの、画像中から縦方向に輝度変化が大きい箇所を抽出し該箇所を包含 するように設定した局所領域内における画素値の分散値に基づいて仮定領域を検 出するものが挙げられる。
[0006] このうち、垂直エッジ対を抽出するアルゴリズムとしては、 2本の垂直エッジ線分およ びその間に存在する水平エッジ線分グループがそれぞれ車両に係わる基準をどの 程度満たすかを検証することによって車両を検知する方法が特許文献 1に開示され ている。また、 2本の垂直エッジの中心位置に対応するハフ空間中の位置に投票を 行い、多くの投票が集まった位置付近の部分領域画像をニューラルネットワーク識別 器に入力して車両か否力、を判定する方法が非特許文献 1に開示されている。
[0007] 黒い領域を抽出するアルゴリズムとしては、モノクロ画像の黒い領域を膨張させた 後に 2値化を行って黒!/、領域と白い領域に分割し、ノイズ除去処理後の黒レ、領域の 面積，重心位置，縦横比などに基づいて該黒い領域が車両であるか否かを判定する 方法が特許文献 2及び 3に開示されている。
[0008] 縦方向に輝度変化が大きい箇所を抽出するアルゴリズムとしては、輝度を示す画素 値が縦方向に急激に変化する縦軸座標を検出し、これを含むように設定した部分領 域内における画素値の分散値が基準値よりも大きければ該部分領域を車両に対応 するものと判定する方法が特許文献 4に開示されている。この方法は、部分領域内の 分散値に基づくことによって、車両の陰と木の陰などを区別できるようになるという効 果があるとしている。
[0009] 非特許文献 1：「エッジペア特徴空間射影法を用いた車両検知技術の開発」、 ViEW 2005 ビジョン技術の実利用ワークショップ講演予稿集、社団法人精密工学会、 p. 160〜； 165
特許文献 2：特許第 3072730号公報
特許文献 3：特開平 9 - 16751号公報
特許文献 4 :特開平 9- 128548号公報
特許文献 5：特許第 3069952号公報
発明の開示
発明が解決しょうとする課題
[0010] しかしながら、非特許文献 1及び特許文献 1に記載された方法は、検知対象車両に 対応する画素とその背景領域に対応する画素との間に輝度差があることを想定して おり、図 11に示すように、 日陰に存在するため輝度値が低い建物 1201や街路樹の 前景に黒色の車両 1202が存在する場合や、同じ車体色の車両 1203, 1204がー 部重なって撮像された場合などは、車両と背景との画素間の輝度差が小さくなるため 、縦エッジが抽出されな!、可能性が高!/、と!/、う不都合があった。
[0011] また、特許文献 2及び 3に記載の方法では、街路樹や道路に面した建築物の影な どの黒い領域も抽出してしまうため、これらの陰が道路面上に存在すると必要以上の 数の部分領域が仮定領域として検出されてしまうという不都合があった。
[0012] 特許文献 5に記載の技術は、上記他の方法に比べ、車両による影と街路樹や道路 に面した建築物による影とを判別できることから、より効率的に仮定領域を限定できる ものとされるが、部分領域に含まれる画素の輝度分布は、状況によって様々に変化 するので仮定領域か否かを判定するための基準値の設定は非常に困難である。また 、分散値によって車両による影であるか否かを判定し仮定領域を検出するため、路 面とのコントラストが非常に大きい横断歩道などの路面ペイントを含む部分領域を仮 定領域として誤検出してしまう不都合があった。
[0013] 本発明は、上記従来技術の不都合を改善し、車載カメラで撮像された画像内にお V、て車両を示して!/、ると仮定できる仮定領域を正確に検出し、この仮定領域に対して 車両画像であるか否かを判定する車両検知装置及び車両検知方法，車両検知プロ グラムを提供することを、その目的とする。
課題を解決するための手段
[0014] 上記目的を達成するため、本発明の車両検知装置は、車載カメラで撮像した画像 に基づいて周辺の車両の有無を検知する車両検知装置であって、
前記撮像画像の明暗分布を作成する輝度作成手段と、
前記輝度作成手段が作成した画像の明暗分布を解析することで、周辺車両の車両 下部の領域に対応する輝度値の上限値を推定し出力する輝度閾値特定手段と、 前記上限値の輝度値をもつ前記車両下部を含む車両仮定領域を決定し、前記車 両仮定領域の画像が車両に対応するか否かをパターンマッチング法により判定する 車両検知手段と、を有することを特徴とするものである。
[0015] 本発明は、ハードウェアとしての車両検知装置として構築した力 これに限られるも のではない。本発明は、ソフトウェアとしての車両検知プログラム、或いは車両検知方 法として構築してあよレ、あのである。 [0016] 本発明の車両検知方法は、車載カメラで撮像した画像に基づいて周辺の車両の有 無を検知する車両検知方法であって、
前記撮像画像の明暗分布を作成し、
前記画像の明暗分布を解析することで、周辺車両の車両下部の領域に対応する輝 度値の上限値を推定し出力し、
前記上限値の輝度値をもつ前記車両下部を含む車両仮定領域を決定し、前記車 両仮定領域の画像が車両に対応するか否かをパターンマッチング法により判定する 構成として構築する。
[0017] 本発明の車両検知プログラムは、車載カメラで撮像した画像に基づいて周辺の車 両の有無を検知する車両検知装置を構成するコンピュータに、
前記撮像画像の明暗分布を作成する機能と、
前記輝度作成手段が作成した画像の明暗分布を解析することで、周辺車両の車両 下部の領域に対応する輝度値の上限値を推定し出力する機能と、
前記上限値の輝度値をもつ前記車両下部を含む車両仮定領域を決定し、前記車 両仮定領域の画像が車両に対応するか否かをパターンマッチング法により判定する 機能と、を実行させる構成として構築する。
発明の効果
[0018] 本発明によれば、車両下部の道路面及びタイヤ走行面の照度は、車載カメラによる 撮像画像中において街路樹や道路周辺の建物の陰なども含めた他のあらゆる領域 よりも低くなることに着目することで、効率よく周辺車両を検知することができる。 発明を実施するための最良の形態
[0019] 以下、本発明の実施形態を図に基づいて説明する。
[0020] (実施形態 1)
図 1は、本発明の実施形態 1に係る車両検知装置の構成を示すブロック図である。
[0021] 本発明の実施形態 1に係る車両検知装置は図 1に示すように、車載カメラで撮像し た撮像画像の明暗分布を作成する輝度作成手段（12)と、前記輝度作成手段（12) が作成した画像の明暗分布を解析することで、周辺車両の車両下部の領域に対応 する輝度値の上限値を推定し出力する輝度閾値特定手段 13と、前記上限値の輝度 値をもつ前記車両下部を含む車両仮定領域を決定し、前記車両仮定領域の画像が 車両に対応するか否かをパターンマッチング法により判定する車両検知手段 16とを 有している。
[0022] 図 1に示す実施形態では、前記輝度作成手段として、前記画像の明暗分布として 前記撮像画像の輝度ヒストグラムを作成する輝度ヒストグラム作成手段 12を用いてい る。図 1において、 1は、車載カメラで撮像された画像を入力する画像入力手段 11で ある。
[0023] 車両検知手段 16は、低輝度画素抽出手段 14と、車両仮定領域抽出手段 15とを含 んでいる。低輝度画素抽出手段 14は、輝度閾値特定手段 13が出力する前記上限 値の輝度値をもつ低輝度画素を前記撮像画像中から抽出する。車両仮定領域抽出 手段 15は、予め設定した車両下部と車両領域との位置関係に基づいて、前記低輝 度画素が車両下部に含まれる前記車両仮定領域を決定する。
[0024] 図 1に示す輝度ヒストグラム作成手段 12は、入力画像の輝度分布を示す輝度ヒスト グラムを作成する。入力画像には、輝度を表すグレースケールの画像やカラー画像 がある。輝度ヒストグラム作成手段 12は、カラー画像の場合、カラー情報力も輝度値 を計算し輝度ヒストグラムを作成する、或いは輝度成分の計算を省略して高速化する ために輝度値にもっとも寄与する緑成分値を輝度値に代用して輝度ヒストグラムを作 成してもよい。
[0025] 輝度閾値特定手段 13は、検知対象の車両が画像内に最も大きく撮像されたと想定 した場合の車両下部の道路面の影部分の画素数を予め設定しておき、この画素数 の入力画像の総画素数に対する割合を算出し、この算出された割合と輝度ヒストグラ ムにおける最低輝度から閾値までの累積画素数の総画素数に対する割合とが等しく なるように前記閾値を算出する。
[0026] この輝度閾値特定手段 13における輝度の閾値の推定過程について図 2を参照し て説明する。図 2は、車載カメラで撮像される画像を示す図である。
[0027] 図 2において、車両 201のタイヤ走行面 203、及びタイヤ走行面 203が接する道路 面 202は、車両 201の下部に位置しており、車両 201と道路面 202との間隔 204は 通常数十 cmと短い。太陽の直射光 205は、車両 201で遮蔽されて、タイヤ走行面 2 03及び道路面 202側への直射光 201の入射量は極めて制限される。また、周囲物 体から反射される間接光 206も車両 201で遮蔽され、タイヤ走行面 203及び道路面 202側への間接光 206の入射量もわずかである。したがって、晴天や曇天、雨天な どの天候にかかわらず、車両 201の下部に位置する道路面 202及びタイヤ走行面 2 03の明るさは、直射光 205及び間接光 206が直接照射する領域の明るさと比較して 暗くなる。入力画像中における車両下部の道路面やタイヤ走行面に対応する画像領 域を併せて車両下部領域とすると、カメラパラメータを固定すれば、車両下部領域に 対応する画素の輝度値は一定値以下に抑制される。この値を第一の輝度の上限値 とする。
[0028] 車載カメラで撮像した場合、その撮像画像には、入射量の少な!/、車両下部の道路 面 202及びタイヤ走行面 203,直接光 205及び間接光 206が直接入射する車両 20 1外の領域，道路面上の街路樹の陰 207, 自車両の脇の陰 206などが撮像される。 この場合、車載カメラの撮像範囲内における照度は、車両 201で遮断されて直接光 205及び間接光 206の入射量の最も少ない車両下部のタイヤ走行面 203及び道路 面 202での照度が最も低くなる。
[0029] そこで、輝度閾値特定手段 13は、撮像画像中において車両下部（202, 203)の領 域の面積が最大貯なる場合の面積値の札続画像サイズに対する割合を事前に計算 しておき、撮像画像に対する輝度ヒストグラムを低輝度側から累積した輝度ヒストグラ ムの割合が前記車両下部領域の面積が最大となる場合の面積割合に等しくなる輝 度値を第二の輝度の上限値とし、第一及び第二の輝度の上限値の小さ!/、方を閾値 として算出する。複数台の車両が撮像画像に含まれる可能性がある場合は、各車両 の車両下部領域を合計した面積の撮像画像サイズに対する割合に基づいて第二の 輝度の上限値を求めればょレ、。
[0030] 図 1に示す低輝度画素抽出手段 14は、入力画像中の各画素の中から輝度閾値特 定手段 13により特定された閾値以下の輝度値を示す低輝度画素を抽出し、その位 置情報を記憶する。低輝度画素の位置の記憶形式としては、図 3 (a)のような低輝度 画素 301を 1とし、それ以外の画素を 0とする 2値画像を生成してもよいし、図 3 (b)の ように、 X, y座標で表わしたリスト形式で記憶してもよい。 [0031] 車両仮定領域抽出手段 15は、抽出された低輝度画素の位置に基づいて 1つもしく は複数の車両仮定領域を抽出する。この車両仮定領域抽出手段 15における車両仮 定領域の抽出過程について図 4を参照して説明する。
[0032] 図 4に示すように、低輝度画素 401が低輝度画素抽出手段 14によって抽出された 場合、車両仮定領域抽出手段 15は、周辺車両画像と仮定する車両仮定領域 402を 設定する。具体的に説明すると、車両仮定領域抽出手段 15は、矩形状の車両仮定 領域 402を縦方向に 4等分し（点線で示す。）、その等分した最下部の範囲領域 403 内に低輝度画素 401を位置させた車両仮定領域 402を設定する。
[0033] ここで、図 4に示す範囲領域 403の高さは、車両仮定領域 402の高さに対して 1/ 4としている力 これに限らず、画像中において車両下部領域が車両の高さ方向にお V、て占める割合を予め計算しておき、その割合の高さとしてもょレ、。
[0034] また、本第 1実施形態では、低輝度画素 401が範囲領域 403に一定数以上含まれ るように車両仮定領域 402を設定している力 これに限らないものである。図 4の構成 に代えて、図 5に示すように、範囲領域 403を横に 4分割したうちの左右端の領域 50 1それぞれに低輝度画素が含まれるように車両仮定領域 402を設定してもよい。これ によって、車両仮定領域 402の設定条件が厳しくなるため、設定される車両仮定領 域 402の画素数を抑えることができる。また、含まれる低輝度画素数に関する基準と しては、画像中の位置にかかわらず一定数としてもよいし、車両下部領域の面積が 大きくなる傾向にある入力画像下部付近に対しては、入力画像中心付近よりもより多 くの低輝度画素が含まれる領域に車両仮定領域を設定するようにしてもよい。
[0035] 車両仮定領域 402は、この条件を満たす様々な位置にさまざまな大きさで設定され る。但し、入力画像において道路及び車両が図 2のように撮像されることが既知の場 合は、撮像される車両の大きさは画像の縦方向における位置と関係があるので、この 関係に基づいて車両仮定領域 402の大きさを画像中の位置に対応して設定しておく 。すなわち、低輝度画素 401が入力画像の底辺近くに存在する場合ほど車両仮定 領域 402も大きく設定され、画像中心に近いほど小さく設定される。
[0036] 図 1に示す車両検知手段 16は、抽出された各車両仮定領域 402の画像と実際の 車両画像 (テンプレート）とを照合してパターンマッチングを実行し、車両仮定領域 40 2の画像が車両であるか否かを判定する。パターンマッチングに用いる学習/識別 器としては、非特許文献 1に記載されて!/、るようなニューラルネットワークを用いてもよ いし、他にサポートベクトルマシン，学習ベクトル量子化法，部分空間法などを用いて もよい。また、学習/識別に用いる特徴量としては、輝度画像の画素値を用いてもよ V、し、ガボールウェーブレット特徴などを用いてもょレ、。
[0037] 次に、本第 1実施形態に係る車両検知装置を用いて車両を検知する場合について 説明する。
[0038] まず、画像入力手段 11は、車載カメラで撮像された画像を入力すると（図 6 :ステツ プ s61)、その入力画像を輝度ヒストグラム作成手段 12に出力する。輝度ヒストグラム 作成手段 12は、前記入力画像を入手すると、前記入力画像の輝度ヒストグラムを作 成する（図 6 :ステップ s62,輝度ヒストグラム作成工程)。輝度閾値特定手段 13は、輝 度ヒストグラム作成手段 12が作成した輝度ヒストグラムに基づいて、車両下部領域に 対応する画素を抽出するための輝度の閾値を特定する（図 6 :ステップ s63,輝度閾 値特定工程)。
[0039] ここで、上述した輝度ヒストグラム作成工程及び輝度閾値特定工程につ!/、ては、そ の内容をプログラム化し輝度ヒストグラム作成処理及び輝度閾値特定処理としてコン ピュータに実行させてもよい。
[0040] 続いて、低輝度画素抽出手段 14は、入力画像中の各画素の輝度を測定し、閾値 以下の輝度を示す低輝度画素を抽出し、その位置情報を記憶する（図 6 :ステップ s6 4,低輝度画素抽出工程)。車両仮定領域抽出手段 15は、低輝度画素抽出手段 14 が抽出した低輝度画素の位置に基づいて、入力画像中に車両仮定領域を設定し抽 出する（図 6 :ステップ s65,車両仮定領域抽出工程)。車両仮定領域抽出手段 15は 、車両下部のタイヤ走行面 203及び道路面 202にそれぞれ対応する低輝度画素の 位置に車両仮定領域をそれぞれ設定する。車両検知手段 16は、車両仮定領域抽 出手段 15が設定した各車両仮定領域の画像に対してパターンマッチングを実行し、 各車両仮定領域の画像が周辺車両画像であるか否かを判定する（図 6：ステップ s66 ,車両検知工程)。
[0041] 車両検知手段 16は、重なりを有する複数の車両仮定領域に対して車両が検知さ れた場合、類似度の極大値に対応する検知結果のみを採用するように抽出結果を 統合する処理を行い（図 6 :ステップ s67)、すべての車両仮定領域の画像に対してパ ターンマッチングを実行し処理を終了する。
[0042] ここで、上述した低輝度画素抽出工程及び車両仮定領域抽出工程，車両検知ェ 程については、その内容をプログラム化し低輝度画素抽出処理及び車両仮定領域 抽出処理，車両検知処理としてコンピュータに実行させてもよい。
[0043] 以上のような本第 1実施形態によれば、周辺車両下部の影部分画像と仮定できる 画素の輝度の上限値を、入力画像の輝度ヒストグラムを解析して特定しているため、 上限値である閾値が適応的に設定され、周辺車両下部の影部分と仮定できる低輝 度領域を良好に抽出することができる。
[0044] (実施形態 2)
次に、本発明の実施形態 2に係る車両検知装置について説明する。
[0045] 図 7は、本発明の実施形態 2に係る車両検知装置の構成を示すブロック図である。
[0046] 本第 2実施形態は図 7に示すように、図 1に示す第 1実施形態の構成に加えて、道 路面領域抽出手段 77を備えている。
[0047] 道路面領域抽出手段 77は、車載カメラで撮像された画像から道路面を示す画像 領域である道路面領域を抽出する。道路面領域抽出手段 77による道路面領域の抽 出方法としては、文献（「モデルベースの認識手法による道路白線認識」、電子情報 通信学会、信学技報 PRMU99— 211)に示されて!/、るように白線検知手法を用いて 白線を検知した後、左右の白線に挟まれる領域を道路領域として抽出する方法を用 いてもよいし、特許公報（特開 2001— 101420)に開示されているように、白線検出 を行わずに道路面を直接検出する方法を用いてもょレ、。
[0048] 図 7に示す輝度ヒストグラム作成手段 72は、道路面領域抽出手段 78により抽出さ れた道路面領域の輝度分布を示す輝度ヒストグラムを作成する。輝度閾値特定手段 73は、この輝度ヒストグラムに基づいて車両下部領域と仮定する画素の輝度の上限 値 (閾値)を特定する。すなわち、図 1に示した第 1実施形態と比較すると、解析する 輝度ヒストグラムが道路面領域のみについての輝度分布であるという点で異なる。
[0049] このように、作成する輝度ヒストグラムの集計範囲を道路面領域のみに限定すること により、閾値を特定する処理を高速化することができる。また、道路に面した建物の特 殊な構造などに起因して車両下部領域の輝度と同程度の輝度値の領域が存在する ような場合でも、その領域が道路面領域外にあれば、それらによる影響を受けること なく車両下部領域と仮定する画素の輝度値の上限値（閾値)を特定することが可能と なる。
[0050] 図 7に示す低輝度画素抽出手段 74は、道路面領域内の各画素の中から輝度閾値 特定手段 73により特定された閾値以下の輝度を示す低輝度画素を抽出し位置を記
[0051] 車両仮定領域抽出手段 75は、図 1に示す第 1実施形態と同様に、低輝度画素の 位置に基づいて車両仮定領域を設定し抽出する。車両検知手段 76も、図 1に示す 第 1実施形態と同様に、パターンマッチングを行って車両仮定領域の画像が周辺車 両画像であるか否かを判定する。
[0052] 次に、本発明の実施形態 2に係る車両検知装置を用いて車両を検知する場合につ いて説明する。
[0053] 図 8は、本第 2実施形態の車両検知装置の処理動作を示すフローチャートである。
[0054] まず、画像入力手段 71によって、車載カメラで撮像された画像が入力されると（図 8 ：ステップ s81)、道路面領域抽出手段 77は、入力画像中から道路面領域を抽出す る（図 8 :ステップ s82,道路面領域抽出工程)。
[0055] 輝度ヒストグラム作成手段 72は、道路面領域抽出手段 77で抽出した道路面領域の 輝度ヒストグラムを作成する（図 8 :ステップ s83,輝度ヒストグラム作成工程)。輝度閾 値特定手段 73は、輝度ヒストグラム作成手段 72が作成した輝度ヒストグラムに基づい て、車両下部領域に対応する画素を抽出するための輝度の閾値を特定する（図 8 :ス テツプ s84,輝度閾値特定工程)。
[0056] ここで、上述した道路面領域抽出工程及び輝度ヒストグラム作成工程，輝度閾値特 定工程については、その内容をプログラム化し道路面領域抽出処理及び輝度ヒスト グラム作成処理，輝度閾値特定処理としてコンピュータに実行させてもよい。
[0057] 低輝度画素抽出手段 74は、道路面領域抽出手段 77で抽出した道路面領域内の 各画素の輝度を測定し、閾値以下の輝度を示す低輝度画素を抽出し位置を記憶す る（図 8 :ステップ s85,低輝度画素抽出工程)。
[0058] 車両仮定領域抽出手段 75は、低輝度画素抽出手段 74が抽出した低輝度画素の 位置に基づいて、車両仮定領域を様々な位置に設定して抽出する（図 8 :ステップ s8 6,車両仮定領域抽出工程)。車両検知手段 76は、車両仮定領域抽出手段 75が抽 出した各車両仮定領域の画像に対してパターンマッチングを行って、各車両仮定領 域の画像が周辺車両画像であるか否かを判定する（図 8 :ステップ s87,車両検知ェ 程)。車両検知手段 76は、重なりを有する複数の車両仮定領域に対して車両が検知 された場合、類似度の極大値に対応する検知結果のみを採用するように抽出結果を 統合する処理を行い（図 8 :ステップ s88)、すべての車両仮定領域に対してパターン マッチングを行い、処理を終了する。
[0059] ここで、上述した低輝度画素抽出工程，車両仮定領域抽出工程及び車両検知ェ 程については、その内容をプログラム化し低輝度画素抽出処理，車両仮定領域抽出 処理及び車両検知処理としてコンピュータに実行させてもよい。
[0060] 以上のような第 2実施形態によれば、撮像画像内における道路面の画像領域に対 してのみ車両検知処理を行うので、撮像画像全体に対して検知処理を行うのに比べ て処理時間が軽減される。また、道路面領域内には、車両以外の車両に似た物体が 撮像されることが少ないことから誤検知率も軽減される。
[0061] (実施形態 3)
次に、本発明の実施形態 3に係る車両検知装置を図 9に基づいて説明する。
[0062] 以上の実施形態では、車両仮定領域抽出手段は、低輝度画素抽出手段がらの情 報に基づいて車両仮定領域を決定していた力 S、これに限られるものではない。車両 仮定領域抽出手段は、撮像画像中から周辺車両に対する可能性がある部分領域を 車両仮定領域として抽出し、その検証を別工程で行うようにしてもよいものである。こ の例を実施形態 3として説明する。
[0063] 本第 3実施形態は図 9に示すように、車載カメラで撮像された画像を入力する画像 入力手段 91と、入力画像の輝度ヒストグラムを作成する輝度ヒストグラム作成手段 93 と、この輝度ヒストグラムを解析して車両下部領域と仮定する画素の輝度の上限値（ 閾値)を特定する輝度閾値特定手段 94と、前記上限値の輝度値をもつ前記車両下 部を含む車両仮定領域（202, 203)を決定し、前記車両仮定領域の画像が車両に 対するか否かをパターンマッチング法により判定する車両検知手段 95を有している。
[0064] 車両検知手段 95は、低輝度画素抽出手段 96と、車両仮定領域抽出手段 92と、検 証手段 97とを含んでいる。なお、低輝度画ぞ抽出手段 96は、図 1に示す低輝度画 素抽出手段 14と同様の構成になっている。
[0065] 車両仮定領域抽出手段 92は、車載カメラによる撮像画像中から周辺車両に対応 する可能性がある部分領域を前記車両仮定領域として抽出する。具体的には、車両 仮定領域抽出手段 92は、入力画像全体に対してパターンマッチングを行って車両 画像であると判定された部分領域を抽出してもよいし、撮像手段に車載ステレオカメ ラを用いて、得られたステレオ画像力 距離情報を算出し、距離情報の形状が車両と 類似している領域を抽出してもよい。また、ミリ波センサやレーザレーダセンサを用い て、得られる位置情報と撮像画像中の位置を対応づけておき、ミリ波センサやレーザ レーダセンサで障害物が存在する位置を検出し、入力画像中のその位置に対応す る部分領域を抽出してもよレ、。
[0066] 図 9に示す輝度閾値特定手段 94は、図 1に示す第 1実施形態と同様に、入力画像 の輝度ヒストグラムを解析して車両下部領域と仮定する画素の輝度の上限値（閾値） を算出する。
[0067] 検証手段 97は、車両仮定領域抽出手段 92により抽出された車両仮定領域の下部 に、閾値以下の輝度値を示す低輝度画素が、予め定めた画素数以上含まれている か否力、を測定し、含まれて!/、る場合に車両仮定領域が周辺車両画像であると判定す る。これにより、車両仮定領域が周辺車両画像であるか否かの最終判定が実行され
[0068] 次に、本発明の実施形態 3に係る車両検知装置を用いて、車両検知を行う場合に ついて説明する。
[0069] 図 10は、本第 3実施形態の車両検知装置の処理動作を示すフローチャートである
[0070] まず、画像入力手段 91によって、車載カメラで撮像された画像が入力されると（図 1 0 :ステップ slOl)、車両仮定領域抽出手段 92は、周辺車両画像の可能性がある部 分領域を車両仮定領域として抽出する（図 10：ステップ s 102 ,車両仮定領域抽出ェ 程)。
[0071] 輝度ヒストグラム作成手段 93は、図 1に示す第 1実施形態と同様に、入力画像の輝 度ヒストグラムを作成する（図 10 :ステップ sl03,輝度ヒストグラム作成工程）、輝度閾 値特定手段 94は、輝度ヒストグラム作成手段 93が作成した輝度ヒストグラムを解析し て、車両下部領域に対応する画素の輝度の上限値（閾値)を特定する（図 10 :ステツ プ si 04,輝度閾値特定工程)。
[0072] 検証手段 97は、車両仮定領域抽出手段 92と低輝度画素抽出手段 96とからの出 力データを受けて、車両仮定領域抽出手段 92により抽出された車両仮定領域の下 部に、閾値以下の輝度を示す低輝度画素が、予め定めた画素数以上含まれている か否かを測定し、車両仮定領域の画像が周辺車両画像であるか否かの最終判定結 果を出力する。
[0073] 車両検知手段 95は、検証手段 97から出力されるデータに基づいて、検証手段 97 が検証した車両仮定領域の画像が車両に対応する否かをパターンマッチング法によ り判定する（図 10 :ステップ s l05,車両検知工程)。すべての車両仮定領域に対して 低輝度画素の有無を測定し処理を終了する。
[0074] ここで、上述した車両仮定領域抽出工程，輝度ヒストグラム作成工程，輝度閾値特 定工程及び車両検知工程については、その内容をプログラム化し車両仮定領域抽 出処理，輝度ヒストグラム作成処理，輝度閾値特定処理及び車両検知処理としてコン ピュータに実行させてもよい。
[0075] 以上のような第 3実施形態によれば、車両仮定領域抽出手段 92が、しばしば車両 に類似した形状の画像領域、例えば、路上に置かれたコンテナ状の物体や四角い 窓枠などの画像を車両仮定領域として誤検出しても、これらの物体の下部は、太陽 の直接光および周囲物体力 の間接光が入射しない構造ではなぐ検出画像に低 輝度画素が含まれることはなレ、ので、検出画像に低輝度画素領域が含まれて!/、なレ、 ことを測定することで車両仮定領域が誤りであることを判定することができる。
[0076] 以上、実施形態 (及び実施例）を参照して本願発明を説明したが、本願発明は上記 実施形態（及び実施例）に限定されるものではない。本願発明の構成や詳細には、 本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
[0077] この出願は 2006年 8月 18日に出願された日本出願特願 2006— 223597を基礎 とする優先権を主張し、その開示の全てをここに取り込む。
図面の簡単な説明
[0078] [図 1]本発明の実施形態 1に係る車両検知装置の構成を示すブロック図である。
[図 2]図 1に示す実施形態における車載カメラによる撮像画像の一例を示す図である
[図 3]図 1に示す実施形態において抽出された低輝度画素の位置の記憶形式を示す 図である。
[図 4]図 1に示す実施形態において設定される車両仮定領域の一例を示す図である
[図 5]図 1に示す実施形態において設定される車両仮定領域の別の例を示す図であ
[図 6]図 1に示す実施形態の車両検知装置の動作を示すフローチャートである。
[図 7]本発明の実施形態 2に係る車両検知装置の構成を示すブロック図である。
[図 8]図 7に示す実施形態の車両検知装置の動作を示すフローチャートである。
[図 9]本発明の実施形態 3に係る車両検知装置の構成を示すブロック図である。
[図 10]図 9に示す実施形態の車両検知装置の動作を示すフローチャートである。
[図 11]一般的な車載カメラによる撮像画像の一例を示す図である。
符号の説明
[0079] 11 , 71 , 91 画像入力手段
12, 72, 93 輝度ヒストグラム作成手段
13, 73, 94 輝度閾値特定手段
14, 74 低輝度画素抽出手段
15, 75 車両仮定領域抽出手段
16, 76 車両検知手段
77 道路面領域抽出手段
92 車両仮定領域抽出手段 95 車両検知手段

Claims

請求の範囲
[1] 車載カメラで撮像した画像に基づ!/、て周辺の車両の有無を検知する車両検知装置 であって、
前記撮像画像の明暗分布を作成する輝度作成手段と、
前記輝度作成手段が作成した画像の明暗分布を解析することで、周辺車両の車両 下部の領域に対応する輝度値の上限値を推定し出力する輝度閾値特定手段と、 前記上限値の輝度値をもつ前記車両下部を含む車両仮定領域を決定し、前記車 両仮定領域の画像が車両に対応するか否かをパターンマッチング法により判定する 車両検知手段と、を有することを特徴とする車両検知装置。
[2] 前記輝度作成手段は、前記画像の明暗分布として前記撮像画像の輝度ヒストグラ ムを作成するものである、請求項 1に記載の車両検知装置。
[3] 前記車両検知手段は、低輝度画素抽出手段と、車両仮定領域抽出手段とを含み、 前記低輝度画素抽出手段は、前記輝度閾値特定手段が出力する前記上限値の 輝度値をもつ低輝度画素を前記撮像画像中から抽出するものであり、
前記車両仮定領域抽出手段は、予め設定した車両下部と車両領域との位置関係 に基づいて、前記低輝度画素が車両下部に含まれる前記車両仮定領域を決定する ものである、請求項 1に記載の車両検知装置。
[4] 前記車両検知手段は、低輝度画素抽出手段と、車両仮定領域抽出手段と、検証 手段と、を含み、
前記低輝度画素抽出手段は、前記輝度閾値特定手段が出力する前記上限値の 輝度値をもつ低輝度画素を前記撮像画像中から抽出するものであり、
前記車両仮定領域抽出手段は、前記撮像画像中から周辺車両に対応する可能性 力 る部分領域を前記車両仮定領域として抽出するものであり、
前記検証手段は、前記低輝度画素抽出手段が出力する前記上限値の輝度値に基 づいて、前記車両仮定領域抽出手段が抽出した前記車両仮定領域に、前記低輝度 画素が含まれるか否力、を検証するものである、請求項 1に記載の車両検知装置。
[5] 道路面領域抽出手段を含み、
前記道路面領域抽出手段は、前記撮像画像中から道路領域を抽出するものであり 前記輝度閾値特定手段は、前記道路面領域抽出手段が抽出した前記道路領域内 にお!/、て前記輝度作成手段が作成した画像の明暗分布を解析することで、周辺車 両の車両下部の領域に対応する輝度値の上限値を推定し出力するものである、請 求項 1に記載の車両検知装置。
[6] 前記輝度閾値特定手段は、前記明暗分布の低輝度側から累積した累積ヒストグラ ム値が前記明暗分布の作成に用いた総画素数に対して予め設定した割合となる輝 度値を前記輝度値の上限値とするものである、請求項 1に記載の車両検知装置。
[7] 前記輝度閾値特定手段は、検知対象の周辺車両が前記撮像画像中に最も大きく 撮像される場合における車両下部領域として判定される画素数と、前記明暗分布の 作成に用いた総画素数との比に基づいて前記割合を決定するものである、請求項 6 に記載の車両検知装置。
[8] 車載カメラで撮像した画像に基づ!/、て周辺の車両の有無を検知する車両検知方法 でめって、
前記撮像画像の明暗分布を作成し、
前記画像の明暗分布を解析することで、周辺車両の車両下部の領域に対応する輝 度値の上限値を推定し出力し、
前記上限値の輝度値をもつ前記車両下部を含む車両仮定領域を決定し、前記車 両仮定領域の画像が車両に対応するか否かをパターンマッチング法により判定する ことを特徴とする車両検知方法。
[9] 前記画像の明暗分布として前記撮像画像の輝度ヒストグラムを作成する、請求項 8 に記載の車両検知方法。
[10] 前記上限値の輝度値をもつ低輝度画素を前記撮像画像中から抽出し、
予め設定した車両下部と車両領域との位置関係に基づいて、前記低輝度画素が 車両下部に含まれる前記車両仮定領域を決定する、請求項 8に記載の車両検知方 法。
[11] 前記上限値の輝度値をもつ低輝度画素を前記撮像画像中から抽出し、
前記撮像画像中から周辺車両に対応する可能性がある部分領域を前記車両仮定 領域として抽出し、
前記上限値の輝度値に基づいて、前記車両仮定領域に、前記低輝度画素が含ま れるか否かを検証する、請求項 8に記載の車両検知方法。
[12] 前記撮像画像中から道路領域を抽出し、
前記抽出した前記道路領域内において前記輝度作成手段が作成した画像の明暗 分布を解析することで、周辺車両の車両下部の領域に対応する輝度値の上限値を 推定し出力する、請求項 8に記載の車両検知方法。
[13] 前記明暗分布の低輝度側から累積した累積ヒストグラム値が前記明暗分布の作成 に用いた総画素数に対して予め設定した割合となる輝度値を前記輝度値の上限値 とする、請求項 8に記載の車両検知方法。
[14] 検知対象の周辺車両が前記撮像画像中に最も大きく撮像される場合における車両 下部領域として判定される画素数と、前記明暗分布の作成に用いた総画素数との比 に基づいて前記割合を決定する、請求項 13に記載の車両検知方法。
[15] 車載カメラで撮像した画像に基づ!/、て周辺の車両の有無を検知する車両検知装置 を構成するコンピュータに、
前記撮像画像の明暗分布を作成する機能と、
前記輝度作成手段が作成した画像の明暗分布を解析することで、周辺車両の車両 下部の領域に対応する輝度値の上限値を推定し出力する機能と、
前記上限値の輝度値をもつ前記車両下部を含む車両仮定領域を決定し、前記車 両仮定領域の画像が車両に対応するか否かをパターンマッチング法により判定する 機能と、を実行させることを特徴とする車両検知プログラム。
[16] 前記コンピュータに、
前記画像の明暗分布として前記撮像画像の輝度ヒストグラムを作成させる、請求項 15に記載の車両検知プログラム。
[17] 前記コンピュータに、
前記上限値の輝度値をもつ低輝度画素を前記撮像画像中から抽出する機能と、 予め設定した車両下部と車両領域との位置関係に基づいて、前記低輝度画素が 車両下部に含まれる前記車両仮定領域を決定する機能とを実行させる、請求項 15 に記載の車両検知プログラム。
[18] 前記コンピュータに、
前記輝度閾値特定手段が出力する前記上限値の輝度値をもつ低輝度画素を前記 撮像画像中から抽出する機能と、
前記撮像画像中から周辺車両に対応する可能性がある部分領域を前記車両仮定 領域として抽出する機能と、
前記低輝度画素抽出手段が出力する前記上限値の輝度値に基づいて、前記車両 仮定領域抽出手段が抽出した前記車両仮定領域に、前記低輝度画素が含まれるか 否かを検証する機能とを実行させる、請求項 15に記載の車両検知プログラム。
[19] 前記コンピュータに、
前記撮像画像中から道路領域を抽出する機能と、
前記道路領域内において前記画像の明暗分布を解析することで、周辺車両の車 両下部の領域に対応する輝度値の上限値を推定し出力する機能を実行させる、請 求項 15に記載の車両検知プログラム。
[20] 前記コンピュータに、
前記明暗分布の低輝度側から累積した累積ヒストグラム値が前記明暗分布の作成 に用いた総画素数に対して予め設定した割合となる輝度値を前記輝度値の上限値 として推定する機能を実行させる、請求項 15に記載の車両検知プログラム。
[21] 前記コンピュータに、
検知対象の周辺車両が前記撮像画像中に最も大きく撮像される場合における車両 下部領域として判定される画素数と、前記明暗分布の作成に用いた総画素数との比 に基づいて前記割合を決定する機能を実行させる、請求項 20に記載の車両検知プ ログラム。
PCT/JP2007/064979 2006-08-18 2007-07-31 Dispositif de détection de véhicule, procédé de détection de véhicule, et programme de détection de véhicule Ceased WO2008020544A1 (fr)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US12/373,638 US8599257B2 (en) 2006-08-18 2007-07-31 Vehicle detection device, vehicle detection method, and vehicle detection program
EP07791664A EP2053861B1 (en) 2006-08-18 2007-07-31 Vehicle detection device, vehicle detection method, and vehicle detection program
JP2008529842A JP5223675B2 (ja) 2006-08-18 2007-07-31 車両検知装置，車両検知方法並びに車両検知プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2006-223597 2006-08-18
JP2006223597 2006-08-18

Publications (1)

Publication Number Publication Date
WO2008020544A1 true WO2008020544A1 (fr) 2008-02-21

Family

ID=39082070

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2007/064979 Ceased WO2008020544A1 (fr) 2006-08-18 2007-07-31 Dispositif de détection de véhicule, procédé de détection de véhicule, et programme de détection de véhicule

Country Status (4)

Country Link
US (1) US8599257B2 (ja)
EP (1) EP2053861B1 (ja)
JP (1) JP5223675B2 (ja)
WO (1) WO2008020544A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013055706A (ja) * 1997-12-23 2013-03-21 Intel Corp 画像コンテンツに基づく画像選択法
JP2013058199A (ja) * 2011-09-07 2013-03-28 Ricoh Co Ltd 偏光画像による車両位置検知方法及びシステム
JP2014104853A (ja) * 2012-11-27 2014-06-09 Clarion Co Ltd 車載用制御装置
KR101793400B1 (ko) 2017-01-18 2017-11-20 (주)베라시스 후보영역에서의 차량의 하단선 검출방법

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5325765B2 (ja) * 2009-12-28 2013-10-23 日立オートモティブシステムズ株式会社 路肩検出装置及び路肩検出装置を用いた車両
JP5919988B2 (ja) * 2012-04-13 2016-05-18 株式会社デンソー 画像処理装置
JP6055681B2 (ja) * 2013-01-10 2016-12-27 株式会社 日立産業制御ソリューションズ 撮像装置
US9652851B2 (en) 2014-04-01 2017-05-16 Conduent Business Services, Llc Side window detection in near-infrared images utilizing machine learning
JP6562770B2 (ja) * 2015-08-24 2019-08-21 キヤノン株式会社 画像処理装置及び画像処理方法、プログラム、記憶媒体
WO2019202628A1 (ja) * 2018-04-16 2019-10-24 三菱電機株式会社 路面検出装置、路面検出装置を利用した画像表示装置、路面検出装置を利用した障害物検知装置、路面検出方法、路面検出方法を利用した画像表示方法、および路面検出方法を利用した障害物検知方法
US11967229B1 (en) * 2019-04-19 2024-04-23 Board Of Trustees Of The University Of Alabama, For And On Behalf Of The University Of Alabama In Huntsville Systems and methods for monitoring vehicular traffic
DE102019110871A1 (de) * 2019-04-26 2020-10-29 Mekra Lang Gmbh & Co. Kg Sichtsystem für ein Fahrzeug
CN113052845B (zh) * 2021-06-02 2021-09-24 常州星宇车灯股份有限公司 车辆地毯灯的检测方法和装置
CN113506264B (zh) * 2021-07-07 2023-08-29 北京航空航天大学 道路车辆数识别方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0369952B2 (ja) 1986-11-07 1991-11-05 Nitto Denko Corp
JPH0372730B2 (ja) 1982-09-22 1991-11-19 Unitika Ltd
JPH0916751A (ja) 1995-06-30 1997-01-17 Mitsubishi Motors Corp 障害物検出方法
JPH09128548A (ja) 1995-11-06 1997-05-16 Mitsubishi Motors Corp 車両検出方法
JPH11284997A (ja) * 1998-03-31 1999-10-15 Oki Electric Ind Co Ltd 移動体検知装置
JP2000039306A (ja) * 1998-07-22 2000-02-08 Nec Corp 車両領域検出装置及び車両領域検定方法
JP2001101420A (ja) 1999-09-27 2001-04-13 Toshiba Corp 障害物検出装置及びその方法
JP2004180200A (ja) * 2002-11-29 2004-06-24 Daihatsu Motor Co Ltd 車両認識装置及び認識方法
JP2006223597A (ja) 2005-02-17 2006-08-31 Tokuichi Tomizawa カバー一体型布おむつ

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2823317B2 (ja) 1989-05-25 1998-11-11 三洋電機株式会社 受光モジュール
JPH0369952A (ja) 1989-08-10 1991-03-26 Canon Inc 転写記録媒体
DE4031404A1 (de) * 1990-10-04 1992-04-09 Esg Elektronik System Gmbh Verfahren zur identifizierung von zeichenketten
JPH07192192A (ja) * 1993-09-17 1995-07-28 Hideo Mori 画像による車両検出装置
JPH1042191A (ja) 1996-07-22 1998-02-13 Nec Corp 画像の逆光補正方法及び装置
KR100412434B1 (ko) 1996-11-09 2004-03-19 현대자동차주식회사 영상시스템을 이용한 차량인식방법
JPH10260016A (ja) 1997-03-18 1998-09-29 Fujitsu Ltd 画像認識装置
FR2769733B1 (fr) * 1997-10-15 2000-01-07 Jeffrey Horace Johnson Procede d'extraction automatique d'inscriptions imprimees ou manuscrites sur un fond, dans une image numerique multiniveaux
JP2000113169A (ja) 1998-10-01 2000-04-21 Toshiba Corp 車両検出装置及びその方法
JP3072730B2 (ja) 1998-10-09 2000-08-07 日本電気株式会社 車両検出方法および装置
US6978037B1 (en) * 2000-11-01 2005-12-20 Daimlerchrysler Ag Process for recognition of lane markers using image data
US6978307B2 (en) * 2001-07-19 2005-12-20 Hewlett-Packard Development Company, L.P. Apparatus and method for providing customer service
JP4018524B2 (ja) 2002-12-16 2007-12-05 キヤノン株式会社 画像処理方法および装置ならびにプログラム
JP2005031800A (ja) * 2003-07-08 2005-02-03 Mitsubishi Electric Corp 熱画像表示装置
DE102004034532B4 (de) * 2004-07-16 2009-05-28 Audi Ag Verfahren zur Kennzeichnung von Bildinformationen in der Darstellung eines mit einer fahrzeugseitigen Bildaufnahmeeinrichtung aufgenommenen Nachtsichtbildes und zugehöriges Nachtsichtsystem
JP4130434B2 (ja) * 2004-11-30 2008-08-06 本田技研工業株式会社 撮像装置の異常検知装置
CN101142810B (zh) * 2005-03-15 2010-09-01 欧姆龙株式会社 图像处理装置和图像处理方法、图像处理系统
JP4616046B2 (ja) * 2005-03-22 2011-01-19 本田技研工業株式会社 車両用画像処理システム、車両用画像処理方法、車両用画像処理プログラム、及び車両
US7689016B2 (en) * 2005-05-27 2010-03-30 Stoecker & Associates, A Subsidiary Of The Dermatology Center, Llc Automatic detection of critical dermoscopy features for malignant melanoma diagnosis
US8811664B2 (en) * 2011-12-06 2014-08-19 Xerox Corporation Vehicle occupancy detection via single band infrared imaging

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0372730B2 (ja) 1982-09-22 1991-11-19 Unitika Ltd
JPH0369952B2 (ja) 1986-11-07 1991-11-05 Nitto Denko Corp
JPH0916751A (ja) 1995-06-30 1997-01-17 Mitsubishi Motors Corp 障害物検出方法
JPH09128548A (ja) 1995-11-06 1997-05-16 Mitsubishi Motors Corp 車両検出方法
JPH11284997A (ja) * 1998-03-31 1999-10-15 Oki Electric Ind Co Ltd 移動体検知装置
JP2000039306A (ja) * 1998-07-22 2000-02-08 Nec Corp 車両領域検出装置及び車両領域検定方法
JP2001101420A (ja) 1999-09-27 2001-04-13 Toshiba Corp 障害物検出装置及びその方法
JP2004180200A (ja) * 2002-11-29 2004-06-24 Daihatsu Motor Co Ltd 車両認識装置及び認識方法
JP2006223597A (ja) 2005-02-17 2006-08-31 Tokuichi Tomizawa カバー一体型布おむつ

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Vehicle Detection Technology Using Method of Feature Space Projection of Edge Pair", VIEW 2005, PROCEEDINGS OF VISION ENGINEERING WORKSHOP, pages 160 - 165
See also references of EP2053861A4

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013055706A (ja) * 1997-12-23 2013-03-21 Intel Corp 画像コンテンツに基づく画像選択法
JP2013058199A (ja) * 2011-09-07 2013-03-28 Ricoh Co Ltd 偏光画像による車両位置検知方法及びシステム
JP2014104853A (ja) * 2012-11-27 2014-06-09 Clarion Co Ltd 車載用制御装置
US9734581B2 (en) 2012-11-27 2017-08-15 Clarion Co., Ltd. On-vehicle control device
KR101793400B1 (ko) 2017-01-18 2017-11-20 (주)베라시스 후보영역에서의 차량의 하단선 검출방법

Also Published As

Publication number Publication date
EP2053861B1 (en) 2012-03-07
JP5223675B2 (ja) 2013-06-26
EP2053861A1 (en) 2009-04-29
JPWO2008020544A1 (ja) 2010-01-07
EP2053861A4 (en) 2010-10-13
US20100208071A1 (en) 2010-08-19
US8599257B2 (en) 2013-12-03

Similar Documents

Publication Publication Date Title
JP5223675B2 (ja) 車両検知装置，車両検知方法並びに車両検知プログラム
KR102441085B1 (ko) 횡단보도 인식 결과를 이용한 안내 정보 제공 장치 및 방법
Mammeri et al. A real-time lane marking localization, tracking and communication system
KR101848019B1 (ko) 차량 영역 검출을 통한 차량 번호판 검출 방법 및 장치
US8737747B2 (en) Method for automated tire detection and recognition
Huang et al. Vehicle detection and inter-vehicle distance estimation using single-lens video camera on urban/suburb roads
US10552706B2 (en) Attachable matter detection apparatus and attachable matter detection method
CN111832536A (zh) 一种车道线检测方法及装置
KR101191308B1 (ko) 지능형 운송 시스템의 도로 및 차선 검출 시스템 및 방법
US20100098297A1 (en) Clear path detection using segmentation-based method
US8718329B2 (en) Top-down view classification in clear path detection
CN104899554A (zh) 一种基于单目视觉的车辆测距方法
Ding et al. Fast lane detection based on bird’s eye view and improved random sample consensus algorithm
CN104766042A (zh) 交通标志板识别方法及装置
KR101178508B1 (ko) 차량 충돌 경보 시스템 및 방법
JP7264428B2 (ja) 道路標識認識装置及びそのプログラム
KR20110001427A (ko) 관심영역 추출에 의한 차선 고속검출 방법
CN111027535A (zh) 一种车牌识别方法及相关设备
CN115327572A (zh) 一种车辆前方障碍物检测方法
Danescu et al. Detection and classification of painted road objects for intersection assistance applications
CN103295003B (zh) 一种基于多特征融合的车辆检测方法
CN101978392B (zh) 车辆用图像处理装置
Coronado et al. Detection and classification of road signs for automatic inventory systems using computer vision
CN107153823B (zh) 一种基于视觉关联双空间的车道线特征提取方法
Yan et al. Ghost-probe: Nlos pedestrian rushing detection with monocular camera for automated driving

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 07791664

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2007791664

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 12373638

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2008529842

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

NENP Non-entry into the national phase

Ref country code: RU