WO2017159056A1 - 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム - Google Patents

画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム Download PDF

Info

Publication number
WO2017159056A1
WO2017159056A1 PCT/JP2017/002550 JP2017002550W WO2017159056A1 WO 2017159056 A1 WO2017159056 A1 WO 2017159056A1 JP 2017002550 W JP2017002550 W JP 2017002550W WO 2017159056 A1 WO2017159056 A1 WO 2017159056A1
Authority
WO
WIPO (PCT)
Prior art keywords
road surface
image
unit
distance
parallax
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/JP2017/002550
Other languages
English (en)
French (fr)
Inventor
直樹 本橋
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.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
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 Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to JP2018505308A priority Critical patent/JP6711395B2/ja
Priority to EP17766064.4A priority patent/EP3432264A4/en
Publication of WO2017159056A1 publication Critical patent/WO2017159056A1/ja
Priority to US16/127,889 priority patent/US10885351B2/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30181—Earth observation
    • G06T2207/30192—Weather; Meteorology
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/204—Image signal generators using stereoscopic image cameras
    • H04N13/239—Image signal generators using stereoscopic image cameras using two two-dimensional [2D] image sensors having a relative position equal to or related to the interocular distance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N2013/0074—Stereoscopic image analysis
    • H04N2013/0081—Depth or disparity estimation from stereoscopic image signals

Definitions

  • the present invention relates to an image processing apparatus, an imaging apparatus, a mobile device control system, an image processing method, and a program.
  • a V-Disparity image in which the coordinate in the vertical direction of an image is one axis, the parallax of the image is the other axis, and the frequency of parallax is a pixel value from a plurality of images captured by a stereo camera.
  • the road surface is detected from the generated V-Disparity image.
  • a U-Disparity image is generated with the horizontal coordinate of the image as the vertical axis, the parallax of the image as the horizontal axis, and the parallax frequency as the pixel value. Then, based on the generated U-Disparity image, an object such as a person or another vehicle is recognized.
  • an image processing apparatus from a distance image having a distance value corresponding to a distance of a road surface in a plurality of photographed images respectively photographed by a plurality of imaging units, a vertical direction showing distribution of frequency of distance values in the vertical direction of the distance image.
  • a generation unit that generates distribution data, an estimation unit that estimates a plurality of road surfaces based on the vertical direction distribution data, and a determination unit that determines the road surface based on each road surface estimated by the estimation unit Prepare.
  • FIG. 1 is a view showing the configuration of an in-vehicle device control system as a mobile device control system according to an embodiment of the present invention.
  • the on-vehicle device control system 1 is mounted on a host vehicle 100 such as a car which is a moving body, and includes an imaging unit 500, an image analysis unit 600, a display monitor 103, and a vehicle travel control unit 104. Then, relative height information (relatively) of the road surface (moving surface) ahead of the host vehicle is obtained from the captured image data of the area ahead of the host vehicle traveling direction (imaging area) captured in front of the moving object by the imaging unit 500. Information indicating the inclination state is detected, and from the detection result, the three-dimensional shape of the traveling road surface ahead of the host vehicle is detected, and the moving object and various in-vehicle devices are controlled using the detection result.
  • the control of the moving body includes, for example, notification of a warning, control of the steering wheel of the own vehicle 100 (self-moving body), or a brake of the own vehicle 100 (self-moving body).
  • the imaging unit 500 is installed, for example, in the vicinity of a rearview mirror (not shown) of the windshield 105 of the vehicle 100.
  • Various data such as captured image data obtained by imaging of the imaging unit 500 is input to an image analysis unit 600 as an image processing unit.
  • the image analysis unit 600 analyzes the data transmitted from the imaging unit 500, and on the traveling road surface ahead of the vehicle with respect to the road surface portion on which the vehicle 100 is traveling (a road surface portion located directly below the vehicle). The relative height (position information) at each point is detected, and the three-dimensional shape of the traveling road surface ahead of the host vehicle is grasped. In addition, other objects ahead of the host vehicle, pedestrians, and various obstacles and other objects to be recognized are recognized.
  • the analysis result of the image analysis unit 600 is sent to the display monitor 103 and the vehicle travel control unit 104.
  • the display monitor 103 displays the captured image data and the analysis result obtained by the imaging unit 500.
  • the vehicle travel control unit 104 notifies, for example, a warning to the driver of the vehicle 100 based on the recognition result of the recognition target such as another vehicle ahead of the vehicle by the image analysis unit 600, a pedestrian, and various obstacles. And driving assistance control such as controlling the steering wheel and brake of the own vehicle.
  • FIG. 2 is a diagram showing the configuration of the imaging unit 500 and the image analysis unit 600.
  • the imaging unit 500 is configured of a stereo camera provided with two imaging units 510a and 510b as imaging means, and the two imaging units 510a and 510b are the same.
  • the respective imaging units 510a and 510b respectively include imaging lenses 511a and 511b, sensor substrates 514a and 514b including image sensors 513a and 513b on which light receiving elements are two-dimensionally arranged, and analog signals output from the sensor substrates 514a and 514b.
  • Electric signal (electrical signal corresponding to the amount of light received by each light receiving element on the image sensor 513a, 513b) is converted into a digital electric signal, and it is composed of signal processing units 515a, 515b for generating and outputting ing.
  • the imaging unit 500 outputs luminance image data and parallax image data.
  • the imaging unit 500 further includes a processing hardware unit 510 including an FPGA (Field-Programmable Gate Array) or the like.
  • the processing hardware unit 510 calculates the parallax values of the corresponding image portions between the images captured by the imaging units 510a and 510b.
  • a parallax calculator 511 is provided as parallax image information generation means for calculating.
  • the parallax value referred to here is a comparison image with respect to an image portion on the reference image corresponding to the same point in the imaging region, with one of the images taken by each of the imaging units 510a and 510b as the reference image and the other as the comparison image.
  • the positional displacement amount of the upper image portion is calculated as the parallax value of the image portion.
  • the image analysis unit 600 includes an image processing board or the like, and stores the luminance image data and the parallax image data output from the imaging unit 500 as storage means 601 including RAM, ROM, etc.
  • a central processing unit (CPU) 602 that executes a computer program for performing parallax calculation control and the like, a data I / F (interface) 603, and a serial I / F 604 are provided.
  • the FPGA that configures the processing hardware unit 510 performs processing that requires real-time processing on image data, such as gamma correction, distortion correction (parallelization of right and left captured images), and parallax calculation using block matching to generate a parallax image. And the like, and performs processing such as writing out in the RAM of the image analysis unit 600.
  • the CPU 602 of the image analysis unit 600 is responsible for control of the image sensor controller of each of the imaging units 510a and 510b and overall control of the image processing board, detection processing of the three-dimensional shape of the road surface, guardrails, and other various objects (identification target Load a program to execute object detection processing etc.
  • the processing result is data I / F 603 or serial I / F Output from F604 to the outside.
  • vehicle operation information such as the vehicle speed, acceleration (acceleration mainly generated in the front and rear direction of the vehicle) of the vehicle 100, steering angle, yaw rate etc. It can also be used as a processing parameter.
  • the data output to the outside is used as input data for performing control (brake control, vehicle speed control, warning control, etc.) of various devices of the host vehicle 100.
  • the imaging unit 500 and the image analysis unit 600 may be configured as an imaging device 2 that is an integral device.
  • FIG. 3 is a functional block diagram of the in-vehicle device control system 1 realized by the processing hardware unit 510, the image analysis unit 600, and the vehicle travel control unit 104 in FIG.
  • the functional unit realized by the image analysis unit 600 is realized by processing that one or more programs installed in the image analysis unit 600 causes the CPU 602 of the image analysis unit 600 to execute.
  • the parallax image generation unit 11 performs parallax image generation processing for generating parallax image data (parallax image information).
  • the parallax image generation unit 11 is configured of, for example, a parallax calculation unit 511 (FIG. 2).
  • luminance image data of one of the two imaging units 510a and 510b is used as reference image data, and luminance image data of the other imaging unit 510b is used as comparison image data.
  • the disparity between the two is calculated using this to generate and output disparity image data.
  • the parallax image data represents a parallax image in which pixel values corresponding to the parallax value d calculated for each image portion on the reference image data are represented as pixel values of the respective image portions.
  • the parallax image generation unit 11 defines a block including a plurality of pixels (for example, 16 pixels ⁇ 1 pixel) centering on one target pixel for a row of reference image data.
  • a block of the same size as the block of the defined reference image data is shifted by one pixel in the horizontal line direction (x direction) to indicate the feature of the pixel value of the block defined in the reference image data.
  • a correlation value indicating a correlation between the feature amount and the feature amount indicating the feature of the pixel value of each block in the comparison image data is calculated.
  • a matching process is performed to select a block of comparison image data that is most correlated with the block of reference image data among the blocks of comparison image data. Thereafter, the amount of positional deviation between the target pixel of the block of the reference image data and the corresponding pixel of the block of the comparison image data selected in the matching process is calculated as the parallax value d. It is possible to obtain parallax image data by performing such a process of calculating the parallax value d for the entire area of the reference image data or a specific area.
  • the value (brightness value) of each pixel in the block can be used as the feature amount of the block used for the matching process, and the correlation value can be, for example, the value of each pixel in the block of the reference image data (brightness A sum of absolute values of differences between the values) and the values (brightness values) of the respective pixels in the block of the comparison image data respectively corresponding to these pixels can be used. In this case, it can be said that the block with the smallest total sum is most correlated.
  • the matching processing in the parallax image generation unit 11 is realized by hardware processing, for example, SSD (Sum of Squared Difference), ZSSD (Zero-mean Sum of Squared Difference), SAD (Sum of Absolute Difference), ZSAD (Sum of Absolute Difference).
  • SSD Sud of Squared Difference
  • ZSSD Zero-mean Sum of Squared Difference
  • SAD Sum of Absolute Difference
  • ZSAD Quantum of Absolute Difference
  • a method such as Zero-mean Sum of Absolute Difference, NCC (Normalized cross correlation), or the like can be used.
  • NCC Normalized cross correlation
  • the estimation method for example, an equiangular linear method, a quadratic curve method or the like can be used.
  • V map generation unit 12 executes V map generation processing for generating a V map (V-Disparity Map, an example of “vertical direction distribution data”) based on parallax pixel data.
  • V-Disparity Map an example of “vertical direction distribution data”
  • Each piece of parallax pixel data included in parallax image data is indicated by a set (x, y, d) of an x-direction position, a y-direction position, and a parallax value d.
  • This is converted into three-dimensional coordinate information (d, y, f) with d set on the X axis, y on the Y axis, and frequency f on the Z axis, or this three-dimensional coordinate information (d, y, f) , And three-dimensional coordinate information (d, y, f) limited to information exceeding a predetermined frequency threshold is generated as disparity histogram information.
  • the parallax histogram information of the present embodiment is composed of three-dimensional coordinate information (d, y, f), and a distribution of this three-dimensional histogram information in an XY two-dimensional coordinate system is called a V map.
  • the V map generation unit 12 calculates a disparity value frequency distribution for each row region obtained by dividing the disparity image in the vertical direction.
  • Information indicating this disparity value frequency distribution is disparity histogram information.
  • FIGS. 4A and 4B are diagrams for explaining parallax image data and a V map generated from the parallax image data.
  • FIG. 4A is a view showing an example of the parallax value distribution of the parallax image
  • FIG. 4B is a view showing a V map showing the parallax value frequency distribution for each row of the parallax image of FIG. 4A.
  • the V map generation unit 12 calculates a parallax value frequency distribution which is a distribution of the number of data of each parallax value for each row, This is output as disparity histogram information.
  • a V map as shown in FIG. 4B can be obtained.
  • This V map can also be expressed as an image in which pixels having pixel values according to the frequency f are distributed on the two-dimensional orthogonal coordinate system.
  • FIG. 5A and FIG. 5B are diagrams showing an image example of a captured image as a reference image captured by one imaging unit, and a V map corresponding to the captured image.
  • FIG. 5A is a captured image
  • FIG. 5B is a V map. That is, the V map shown in FIG. 5B is generated from the photographed image as shown in FIG. 5A.
  • the V map since parallax is not detected in the area below the road surface, parallax is not counted in the hatched area A.
  • working the preceding vehicle 402 which exists in front of the own vehicle, and the utility pole 403 which exists out of the road are shown.
  • the V map shown in FIG. 5B there are a road surface 501, a leading vehicle 502, and a telephone pole 503 corresponding to the image example.
  • the front road surface of the host vehicle is a relatively flat road surface, that is, the front road surface of the host vehicle is obtained by extending the plane parallel to the road surface portion directly below the host vehicle to the front of the host vehicle. It is a case where it corresponds to a reference road surface (virtual reference movement surface).
  • the high frequency points are distributed in a substantially straight line with an inclination such that the parallax value d becomes smaller toward the upper side of the image. Pixels showing such a distribution are present at approximately the same distance in each row on the parallax image and have the highest occupancy rate, and pixels that project an object of identification whose distance increases continuously as they move upward in the image It can be said that
  • the parallax value d of the road surface decreases toward the upper side of the image as shown in FIG. 5A.
  • the high-frequency points distributed in a substantially straight line on the V map correspond to the features possessed by the pixels projecting the road surface (moving surface). Therefore, it is possible to estimate that the pixels of the point distributed on the approximate straight line obtained by straight line approximation of the high frequency points on the V map or in the vicinity thereof are the pixels showing the road surface with high accuracy. Further, the distance to the road surface portion shown in each pixel can be determined with high accuracy from the parallax value d of the corresponding point on the approximate straight line.
  • FIGS. 6A and 6B are diagrams showing an image example of a captured image as a reference image captured by one imaging unit and a V map of a predetermined region corresponding to the captured image.
  • the V map generation unit 12 may generate a V map using all pixels in a parallax image, or a predetermined region (for example, FIG. 6A is an example of a captured image that is a basis of the parallax image).
  • the V map may be generated using only the pixels of the area where the road surface may appear. For example, the road surface narrows toward the vanishing point as it gets farther, so an area may be set according to the width of the road surface as shown in FIG. 6A. This makes it possible to prevent noise from an object (for example, the telephone pole 403) located in an area other than the area where the road surface can be captured from being mixed in the V map.
  • FIGS. 7A and 7B are diagrams showing an image example of a captured image as a reference image captured by one of the imaging units when noise is generated, and a V map corresponding to the captured image.
  • FIG. 7A compared with the example of FIG. 6A, a reflection 404 due to a puddle or the like and a break 405 of a white line are shown in FIG. 7A.
  • the interruption of the white line occurs, for example, when the white line disappears on an old road or when the interval between the white lines is long.
  • the V map shown in FIG. 7B includes noise due to reflection 504 due to a water pool or the like and break 505 of the white line.
  • pixels (disparity points) having a frequency value of a predetermined value (for example, 1) or more are dispersed in the horizontal axis direction (the direction of the disparity value) by the reflection 504 by a pool or the like.
  • the road surface estimation unit 13 estimates (detects) the road surface based on the parallax image generated by the parallax image generation unit 11. As shown in FIG. 3, the road surface estimation unit 13 includes a first road surface estimation unit 13 a and a second road surface estimation unit 13 b. In addition, although the road surface estimation part 13 demonstrates the example which estimates a road surface by two systems below, the road surface estimation part 13 may estimate a road surface by three or more systems.
  • FIG. 8 is a functional block diagram showing an example of the first road surface estimation unit 13a.
  • the first road surface estimation unit 13 a includes a sample point extraction unit 131, an outlier removal unit 132, a road surface shape detection unit 133, a road surface supplementation unit 134, a smoothing processing unit 135, a road surface determination unit 136, and a road surface height table calculation unit 15. Have.
  • sample point extraction processing The sample point extraction unit 131 extracts sample points used for estimation of the road surface from the V map generated by the V map generation unit 12.
  • the V map is divided into a plurality of segments according to a parallax value (distance value from the host vehicle) and sample point extraction processing, road surface shape detection processing, etc. described later are performed.
  • the sample point extraction process or the road surface shape detection process may be performed without dividing the V map.
  • FIG. 9 is a flowchart showing an example of sample point extraction processing.
  • the sample point extraction unit 131 divides the V map into a plurality of segments according to the value of disparity that is the horizontal axis of the V map (step S11).
  • the sample point extraction unit 131 sets a range (search range) for searching for sample points to be extracted in a segment (first segment) having the largest parallax value (the shortest distance from the host vehicle) Step S12).
  • FIG. 10 is a diagram for explaining an example of processing for extracting sample points from the first segment.
  • the sample point extraction unit 131 uses a start point position 552 of a straight line corresponding to the default road surface 551 (“predetermined road surface”) as a reference point, and sets a predetermined range corresponding to the reference point. It is set as a search area 553 of sample points.
  • the data of a default road surface are preset, for example, when a stereo camera is attached to the own vehicle. For example, flat road surface data may be set.
  • the sample point extraction unit 131 is a search area 553 between two straight lines 554 and 555 starting from the reference point and extending to the next segment at a predetermined angle. It may be In this case, the sample point extraction unit 131 may determine the two straight lines 554 and 555 in accordance with the angle at which the road surface can tilt. For example, the lower straight line 554 is determined according to the inclination of the descending road surface which can be photographed by a stereo camera, and the upper straight line 555 is a preset upper limit of the ascending road inclination restricted by law. It may be determined correspondingly. Alternatively, the sample point extraction unit 131 may set the search area 553 to, for example, a rectangular area.
  • the sample point extraction unit 131 extracts sample points from the pixels included in the search range (step S13).
  • the sample point extraction unit 131 may extract, for example, one or more sample points for each coordinate position of each parallax value d from the pixels included in the search range.
  • the sample point extraction unit 131 may extract, as a sample point, the most frequent point with the highest frequency at the coordinate position of each disparity value d from the pixels included in the search range.
  • a plurality of coordinate positions including each parallax value d (for example, coordinate positions of each parallax value d, and the left and right of each parallax value d) among the pixels included in the search range
  • the most frequent mode point in at least one of one or more coordinate positions may be extracted as a sampling point.
  • the outlier removal unit 132, the road surface shape detection unit 133, and the road surface supplementation unit 134 detect the road surface in the segment including the sample points based on the sample points extracted in step S13 (step S14).
  • the road surface selected by the road surface determination unit 14 described later may be the road surface in the segment.
  • the following is detected based on the road surface detected by the second road surface estimation unit 13b:
  • the road surface in the segment can be detected.
  • the sample point extraction unit 131 determines whether there is a next segment (for example, a segment with the next smallest parallax value) (step S15), and if there is no next segment (NO in step S15), the process ends. .
  • step S15 If there is a next segment (YES in step S15), the sample point extraction unit 131 acquires the end point position of the road surface detected in step S14 (step S16).
  • the sample point extraction unit 131 sets a search range in the next segment based on the end point position of the road surface acquired in step S15 (step S17), and the process proceeds to step S13.
  • FIGS. 11A and 11B are diagrams for explaining an example of processing for extracting sample points from the second segments other than the first segment.
  • the sample point extraction unit 131 for example, in the second segment, the end point position (the road surface 561 of the previous segment) of the road surface 561 of the previous segment (the segment adjacent to the second segment having already detected the road surface) A position in contact with the segment 2) is a reference point 562. Then, as in the case of step S12 shown in FIG. 10, the sample point extraction unit 131 sets a predetermined range corresponding to the reference point 562 as a search area 563 of sample points.
  • the sample point extraction unit 131 searches the area between the two straight lines 564 and 565 starting from the reference point and between the two straight lines 564 and 565 extending to the adjacent segment at a predetermined angle. It may be In this case, the sample point extraction unit 131 may determine the two straight lines 564 and 565 in accordance with the angle at which the road surface can tilt. Alternatively, the sample point extraction unit 131 may set the search area 563 to a rectangular area having a height corresponding to the y coordinate of the reference point 562 as shown in FIG. 11B, for example.
  • FIG. 12 is a diagram for explaining another example of the process of extracting sample points from the second segment.
  • the sample point extraction unit 131 sets the end point position of the road surface (history road surface) 561a of the segment adjacent to the second segment detected in the frame of the previous parallax image as the reference point 562a. . Then, the sample point extraction unit 131 sets a predetermined range corresponding to the reference point 562a as a search area 563a of sample points.
  • the difference between the default road surface and the correct (actual) road surface 566 is large, for example, in the case of a downhill road surface, it is detected in the first segment as shown in FIGS. 11A and 11B.
  • a more appropriate search range can be set as compared with the case where the end point position of the road surface is used as the reference point.
  • the history road surface may use the road surface detected in the previous one frame, or may use the average of the road surfaces detected in the plurality of previous frames.
  • the outlier removal unit 132 excludes points that are not suitable for linear approximation.
  • FIG. 13 is a flowchart showing an example of the outlier removal process.
  • FIG. 14 is a diagram for explaining outlier removal processing.
  • the outlier removal unit 132 calculates an approximate straight line from the sample points of each segment extracted by the sample point extraction unit 131 or the sample points of all the segments (step S20).
  • the outlier removal unit 132 calculates an approximate straight line using, for example, the least squares method.
  • the approximate straight line 541 is calculated in step S20 of FIG.
  • the outlier removal unit 132 calculates a threshold according to the value of the X coordinate (step S21).
  • a value D of a predetermined X coordinate for example, a parallax value corresponding to a distance of 50 m from the host vehicle
  • D far above the target distance from the host vehicle
  • the above is taken as ⁇ . This is to loose the threshold for removal on a road surface at a position where the parallax value is small, that is, the distance from the host vehicle is long, because the error when measuring with the stereo camera is large.
  • the outlier removal unit 132 removes a sample point at which the Euclidean distance is greater than or equal to the threshold calculated in step S21 with respect to the calculated approximate straight line (step S22).
  • sample points 542 which are equal to or larger than D and separated by a predetermined threshold value ⁇ or more are removed.
  • the road surface shape detection unit 133 extracts the shape of the road surface based on the sample points extracted by the sample point extraction unit 131 and not removed by the outlier removal unit 132 from each segment of the V map generated by the V map generation unit 12 Detect (Position, Height).
  • the road surface shape detection unit 133 calculates an approximate straight line from sample points of each segment by, for example, the least square method, and detects (estimates) the calculated approximate straight line as a road surface.
  • Road surface supplementary processing The road surface supplement unit 134 determines whether the road surface detected (estimated) by the road surface shape detection unit 133 or the road surface selected by the road surface determination unit 14 described later is inappropriate, and determines that the road surface is inappropriate. , Supplement the road surface.
  • the road surface supplementing unit 134 determines whether an inappropriate road surface that can not be photographed by the stereo camera has been estimated by the noise. Then, if it is determined that an inappropriate road surface has been estimated, the road surface supplementing unit 134 supplements (interpolates) the inappropriate road surface based on data of a default road surface or a road surface estimated in a previous frame.
  • the road surface supplement unit 134 when data of a road surface that is steeply rising to the right is detected in the V map in the V map, the road surface supplement unit 134 has a slope that increases as the distance from the host vehicle increases. It is determined that the road surface is a steep downhill road. Then, the road surface supplementing unit 134 removes the data of the road surface and supplements it with data of the default road surface etc. instead.
  • the smoothing processing unit 135 corrects each road surface estimated in each segment so that each road surface is continuous.
  • the smoothing processing unit 135 sets the inclination and intercept of each road surface such that the end point (end point) of one road surface and the start point (end point) of the other road surface of the road surfaces respectively estimated in two adjacent segments coincide with each other.
  • the second road surface estimation unit 13 b estimates the road surface by a method different from that of the first road surface estimation unit 13 a.
  • FIG. 15 is a diagram for explaining the road surface estimation processing by the second road surface estimation unit 13b.
  • the second road surface estimation unit 13b extracts, as sample points 571A,..., 571N, for example, among the pixels of parallax points for each parallax value d in the V map, the second road surface estimation unit 13b extracts the pixels. Do. Then, based on the extracted sample points, for example, the second road surface 572b is extracted by processing such as the above-described outlier removal processing. In this case, if the lowest point is noise, there is a possibility that an erroneous road surface may be estimated, so the frequency of each coordinate may be used to remove the noise.
  • the road surface can be appropriately detected, for example, when it is not rainy (when in good weather) (scene), because it is not affected by the parallax of an object present on the road surface.
  • the road surface estimation method by the first road surface estimation unit 13a or the second road surface estimation unit 13b is not limited to the above-described example.
  • the road surface in the current frame may be a road surface based on, for example, an average of the plurality of road surfaces estimated based on a plurality of frames of the previous parallax image.
  • the V map may be divided into a plurality of segments, and the road surface may be estimated by, for example, extending the road surface estimated in one segment to another segment based on the road surface estimated in one segment.
  • it may be approximated with a curve.
  • the road surface determination unit 14 determines data of a road surface to be adopted based on the road surfaces estimated by the first road surface estimation unit 13a and the second road surface estimation unit 13b.
  • the road surface determination unit 14 selects one road surface from the road surfaces estimated by the first road surface estimation unit 13a and the second road surface estimation unit 13b. Alternatively, the road surface determination unit 14 may perform predetermined weighting on the road surfaces respectively estimated by the first road surface estimation unit 13a and the second road surface estimation unit 13b and combine them. The road surface determination unit 14 may use, for example, a value corresponding to the number of sample points extracted by the first road surface estimation unit 13a and the second road surface estimation unit 13b as a predetermined weighting value.
  • FIG. 16 is a flowchart showing an example of the road surface determination process.
  • the road surface determination unit 14 acquires the road surface (first road surface) for each segment estimated by the first road surface estimation unit 13a (step S31).
  • the road surface determination unit 14 acquires the road surface (second road surface) for each segment estimated by the second road surface estimation unit 13b (step S32).
  • the road surface determination unit 14 calculates the inclination (gradient) of the first road surface and the inclination of the second road surface in each segment (step S33).
  • the road surface determination unit 14 determines that the difference between the inclination of the first road surface and the inclination of the second road surface in the target segment (one segment included in each segment) is equal to or greater than a predetermined threshold Or not (step S34).
  • the road surface determination unit 14 selects one of the first road surface and the second road surface. The road surface with the smaller inclination is selected (step S35), and the process is ended.
  • the road surface determination unit 14 selects one of the first road surface and the second road surface. The road surface with the larger inclination is selected (step S36), and the process ends.
  • 17A and 17B illustrate an example of the road surface determination process.
  • FIG. 17A shows the case where the first road surface 572a in a certain segment 573 estimated by the first road surface estimation unit 13a is pulled upward by the parallax of an object such as a preceding vehicle located on the road surface. It is an example.
  • the road surface determination unit 14 determines that the difference between the inclination of the first road surface and the inclination of the second road surface is equal to or greater than a predetermined threshold value in step S34 of FIG. 16, for example, when the following conditions are satisfied. Do.
  • H1 is the difference between the Y coordinate of the end point of the first road surface 572a in a certain segment 573 and the Y coordinate of the end point of the second road surface 572b
  • H2 is the difference between the Y coordinate of the starting point of the first road surface 572a in the segment and the Y coordinate of the starting point of the second road surface 572b.
  • a and B are predetermined constants.
  • step S34 of FIG. 16 for example, the first road surface is higher than the second road surface, and the inclination of the first road surface in the target segment and the second road surface are determined in step S34 of FIG. It may be determined whether or not the difference with the slope of is greater than or equal to a predetermined threshold.
  • the road surface determination unit 14 selects the road surface based on the upper and lower sides of the Y coordinate of the end point in the target segment, for example. May be
  • the first road surface a pixel having a high value of frequent points with respect to each parallax value d in the V map is extracted as a sample point
  • Y coordinate is the most for each parallax value d in the V map
  • the road surface determination unit 14 selects the road surface to be adopted based on the inclination of the first road surface and the second road surface. Instead of or in addition to this, the road surface determination unit 14 selects the road surface to be adopted based on the respective reliabilities (correlation coefficients) when the first road surface and the second road surface are estimated by linear approximation.
  • the road surface determination unit 14 selects a road surface to be adopted according to the score of the first road surface and the score of the second road surface.
  • the road surface height table calculation unit 15 calculates the road surface height (relative height with respect to the road surface portion immediately below the own vehicle) based on the road surface in each segment corrected by the smoothing processing unit 135 and makes it into a table Road surface height table calculation processing is performed.
  • the road surface height table calculation unit 15 calculates the distance to each road surface portion shown in each row area (each position in the vertical direction of the image) on the captured image from the information of the road surface in each segment. In addition, each surface portion in the traveling direction of the subject vehicle of the virtual plane extending forward to the traveling direction of the subject vehicle so that the road surface portion located directly below the subject vehicle is parallel to the plane is shown in any row region in the captured image.
  • the virtual plane reference road surface
  • the road surface height table calculation unit 15 can obtain the height of each road surface portion ahead of the host vehicle by comparing the road surface in each segment with the reference straight line.
  • the road surface height table calculation unit 15 tabulates the height of each road surface portion obtained from the approximate straight line with respect to a necessary parallax range.
  • the height from the road surface of the object shown in the captured image portion corresponding to the point where the Y-axis position is y ′ at a certain parallax value d is the Y-axis position on the road surface at the parallax value d as y0. It can be calculated from (y'-y0).
  • the height H from the road surface for the object corresponding to the coordinates (d, y ′) on the V map can be calculated by the following equation.
  • “f” is the focal length of the camera (y′ ⁇ y0) It is a value converted to the same unit as the unit.
  • BF is a value obtained by multiplying the base length of the stereo camera and the focal length
  • “offset” is a parallax value when an object at infinity is photographed.
  • the clustering unit 16 sets a pair (x, y, d) of an x-direction position, a y-direction position, and a parallax value d in each parallax pixel data included in parallax image data to the x axis along the x axis and d and z along the y axis.
  • the frequency is set on the axis, and XY two-dimensional histogram information (frequency U map) is created.
  • the clustering unit 16 generates parallax images whose height H from the road surface is in a predetermined height range (for example, 20 cm to 3 m) based on the heights of the road surface portions tabulated by the road surface height table calculation unit 15. Create a frequency U map only for points (x, y, d). In this case, an object present in the predetermined height range can be appropriately extracted from the road surface.
  • a predetermined height range for example, 20 cm to 3 m
  • the clustering unit 16 detects, in the frequency U map, an area where the frequency is higher than a predetermined value and in which parallax is dense as an area of the object, and based on the coordinates on the parallax image and the actual size (size) of the object. It provides individual information such as the predicted type of object (person or pedestrian).
  • the rejection unit 17 rejects information of an object that is not a recognition target based on the parallax image, the frequency U map, and the individual information of the object.
  • the tracking unit 18 determines whether or not the object to be tracked is a tracking object when the detected object appears continuously in frames of a plurality of parallax images.
  • Driving support control The control unit 19 performs driving support control such as, for example, notifying a driver of the own vehicle 100 of a warning or controlling a steering wheel or a brake of the own vehicle based on the detection result of the object by the clustering unit 16.
  • the road surface determination unit 14 selects the road surface to be adopted based on the inclinations of the first road surface and the second road surface.
  • the road surface determination unit 14 selects a road surface to be adopted based on the distribution shape and the number of parallax points in a predetermined area including the first road surface and the second road surface.
  • the second embodiment is the same as the first embodiment except for a part of the second embodiment, so the description will be appropriately omitted.
  • FIG. 18 is a diagram showing an example of a flowchart of road surface determination processing according to the second embodiment.
  • FIG. 19A and FIG. 19B are diagrams showing an example of an area such as a rectangle including the first road surface and the second road surface.
  • the road surface determination unit 14 includes, for example, a rectangle including the first road surface estimated by the first road surface estimation unit 13a and the second road surface estimated by the second road surface estimation unit 13b. Area is set (step S201).
  • the road surface determination unit 14 calculates the number of parallax points included in the set area (step S202).
  • the road surface determination unit 14 calculates the density of parallax points in the set area (step S203). For example, the road surface determination unit 14 calculates the density by dividing the parallax point in the set area by the area of the set area.
  • the road surface determination unit 14 determines whether the density of parallax points in the set area is equal to or more than a predetermined threshold (step S204). In addition, it may be determined whether it is more than a predetermined threshold value using the number of parallax points when the area of the area to be set is fixed instead of the density of the parallax points.
  • the road surface determination unit 14 selects the first road surface 582a existing in the upper side where the height in the vertical direction is high (step S205), and ends the process.
  • the road surface determination unit 14 acquires the distribution shape of the parallax points included in the set area (step S206).
  • the road surface determination unit 14 determines whether the distribution shape of the parallax points included in the set area is a predetermined shape (step S207).
  • the predetermined shape is, for example, a shape in which the distribution of parallax points of at least one of the upper right 583 and the lower left 584 in the set area is equal to or less than a predetermined value.
  • the road surface determination unit 14 determines that the shape is a predetermined shape, for example, when the density or number of at least one of the upper right 583 and the lower left 584 in the set area is less than or equal to a predetermined value. Do.
  • the road surface determination unit 14 selects the second road surface 582b present below (step S208), and ends the process.
  • the road surface determination unit 14 selects the first road surface as in step S205, for example, and ends the process. .
  • the road surface determination process in the first embodiment described above may be executed to select the road surface.
  • the road surface determination unit 14 performs image recognition on a predetermined area of a captured image (luminance image) or a parallax image, and selects a road surface to be adopted based on the result of the image recognition. Note that the third embodiment is the same as the first embodiment except for a part thereof, so the description will be appropriately omitted.
  • FIG. 20 is a diagram showing an example of a flowchart of road surface determination processing according to the third embodiment.
  • the road surface determination unit 14 sets each segment in an area where the road surface can be captured in the captured image or the parallax image (step S301).
  • FIG. 21 is a diagram for explaining the correspondence between a captured image or a parallax image and a V map.
  • FIG. 21 shows an example in which the area where the road surface can be photographed is divided into three segments 591, 592, and 593.
  • the road surface determination unit 14 recognizes each segment of the captured image or the parallax image (step S302).
  • any method may be used as the method of image recognition in step S302.
  • a template for an object such as a vehicle, a person, a road surface, or a raindrop may be prepared in advance, and the object may be recognized by template matching.
  • each segment may be divided and the recognition process may be sequentially performed while raster scanning is performed.
  • recognition accuracy can be improved.
  • the road surface determination unit 14 determines whether it is rainy weather (a scene of rain) based on the result of the image recognition in step S302 (step S303).
  • step S303 If the result of the image recognition is rainy weather (YES in step S303), there is a possibility that the second road surface existing below is affected by noise due to water pooling during rainy weather. Therefore, the road surface determination unit 14 selects the first road surface existing above (step S304), and ends the processing.
  • the road surface determination unit 14 recognizes the image of an object (594 in FIG. 21) in each segment based on the result of the image recognition in step S302. It is determined whether it has been done (step S305).
  • step S305 When an image of an object such as a leading vehicle is recognized (YES in step S305), there is a possibility that the first road surface existing above is pulled upward by the parallax of the object (594a in FIG. 21). Therefore, the road surface determination unit 14 selects the second road surface 582b existing below in the segment in which the image of the object such as the leading vehicle is recognized (step S306), and the process ends.
  • the road surface determination unit 14 selects the first road surface as in step S204, for example, and ends the process.
  • the road surface determination process in each embodiment described above may be executed to select a road surface.
  • the plurality of road surfaces are estimated based on the V map, and the road surface is determined based on the plurality of estimated road surfaces. Therefore, it is possible to improve the accuracy of detecting the road surface.
  • a distance image may be generated by integrating distance information generated using a detection device such as a millimeter wave radar or laser radar with respect to parallax images generated using a stereo camera.
  • the detection accuracy may be further enhanced by using a stereo camera and a detection device such as a millimeter wave radar or a laser radar in combination and combining it with the above-described detection result of an object by the stereo camera.
  • the functional units may not be provided.
  • each functional unit of the processing hardware unit 510, the image analysis unit 600, and the vehicle travel control unit 104 may be realized by hardware, or the CPU executes a program stored in the storage device.
  • the configuration may be realized by This program may be recorded in a computer readable recording medium and distributed by a file in an installable format or an executable format.
  • a CD-R Compact Disc Recordable
  • DVD Digital Versatile Disk
  • Blu-ray Disc etc.
  • recording media such as CD-ROM in which each program is stored, and HD 504 in which these programs are stored can be provided domestically or abroad as a program product (Program Product).
  • In-vehicle device control system (an example of “device control system") 100 self-vehicle 101 imaging unit 103 display monitor 106 vehicle travel control unit (an example of “control unit”) 11 Parallax image generator (an example of “distance image generator”) 12 V map generation unit (an example of “generation unit”) 13 Road surface estimation unit (an example of “estimation unit”) 13a first road surface estimation unit 13b second road surface estimation unit 131 sample point extraction unit 132 outlier removal unit 133 road surface shape detection unit 134 road surface supplementation unit 135 smoothing processing unit 14 road surface determination unit (an example of "determination unit”) 15 road surface height table calculation unit 16 clustering unit (an example of "object detection unit”) 17 rejection unit 18 tracking unit 19 control unit 2 imaging device 510 a, 510 b imaging unit 510 processing hardware unit 600 image analysis unit (an example of “image processing device”)

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

画像処理装置において、複数の撮像部で各々撮影された複数の撮影画像における路面の距離に応じた距離値を有する距離画像から、前記距離画像の垂直方向に対する距離値の頻度の分布を示す垂直方向分布データを生成する生成部と、前記垂直方向分布データに基づいて、複数の路面を推定する推定部と、前記推定部により推定された各路面に基づいて、路面を決定する決定部と、を備える。

Description

画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
　本発明は、画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラムに関する。
　自動車の安全性において、従来は歩行者や自動車と衝突したときに、いかに歩行者を守れるか、乗員を保護できるかの観点から自動車のボディー構造などの開発が行われてきた。しかしながら近年、情報処理技術、画像処理技術の発達により、高速に人や自動車等を検出する技術が開発されてきている。これらの技術を応用して、衝突する前に自動的にブレーキをかけ、衝突を未然に防ぐという自動車もすでに発売されている。
　自動的にブレーキをかけるには人や他車等の物体までの距離を測定する必要があり、そのために、ステレオカメラの画像を用いた測定が実用化されている。
　このステレオカメラの画像を用いた測定では、次のような画像処理を行うことで、人や他車等の物体の認識を行う技術が知られている（例えば、特許文献１参照）。
　まず、ステレオカメラで撮像した複数の画像から、画像の垂直方向の座標を一方の軸とし、画像の視差(disparity)を他方の軸とし、視差の頻度の値を画素値とするV-Disparity画像を生成する。次に、生成したV-Disparity画像から、路面を検出する。検出した路面を用いてノイズを除去したうえで、画像の水平方向の座標を縦軸とし、画像の視差を横軸とし、視差頻度を画素値とするU-Disparity画像を生成する。そして、生成したU-Disparity画像に基づいて、人や他車等の物体の認識を行う。
特開２０１５－０７５８００号公報
　しかし、従来技術には、雨天時の路面の照り返し等により、視差にノイズが発生し、路面が正確に測定できないという問題がある。
　そこで、路面を検出する精度を向上させる技術を提供することを目的とする。
画像処理装置において、複数の撮像部で各々撮影された複数の撮影画像における路面の距離に応じた距離値を有する距離画像から、前記距離画像の垂直方向に対する距離値の頻度の分布を示す垂直方向分布データを生成する生成部と、前記垂直方向分布データに基づいて、複数の路面を推定する推定部と、前記推定部により推定された各路面に基づいて、路面を決定する決定部と、を備える。
　開示の技術によれば、路面を検出する精度を向上させることが可能となる。
実施形態に係る車載機器制御システムの構成を示す模式図である。 撮像ユニット及び画像解析ユニットの構成を示す模式図である。 移動体機器制御システムの機能ブロック図である。 視差画像データ、及びその視差画像データから生成されるＶマップについて説明するための図である。 視差画像データ、及びその視差画像データから生成されるＶマップについて説明するための図である。 一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応するＶマップを示す図である。 一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応するＶマップを示す図である。 一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応する所定の領域のＶマップを示す図である。 一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応する所定の領域のＶマップを示す図である。 ノイズが発生した場合の、一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応するＶマップを示す図である。 ノイズが発生した場合の、一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応するＶマップを示す図である。 第１の路面推定部の一例を示す機能ブロック図である。 標本点抽出処理の一例を示すフローチャートである。 第１のセグメントから、標本点を抽出する処理の一例を説明する図である。 第２のセグメントから、標本点を抽出する処理の一例を説明する図である。 第２のセグメントから、標本点を抽出する処理の一例を説明する図である。 第２のセグメントから、標本点を抽出する処理の他の例を説明する図である。 外れ点除去処理の一例を示すフローチャートである。 外れ点除去処理を説明する図である。 第２の路面推定部による路面推定処理について説明する図である。 路面決定処理の一例を示すフローチャートである。 路面決定処理の一例を説明する図である。 路面決定処理の一例を説明する図である。 第２の実施形態に係る路面決定処理のフローチャートの一例を示す図である。 第１の路面及び第２の路面を含む矩形等の領域の一例を示す図である。 第１の路面及び第２の路面を含む矩形等の領域の一例を示す図である。 第３の実施形態に係る路面決定処理のフローチャートの一例を示す図である。 撮影画像または視差画像と、Ｖマップの対応関係を説明する図である。
　以下、実施形態に係る画像処理装置を有する移動体機器制御システムについて説明する。
［第１の実施形態］
　〈車載機器制御システムの構成〉
　図１は、本発明の実施形態に係る移動体機器制御システムとしての車載機器制御システムの構成を示す図である。
　この車載機器制御システム１は、移動体である自動車などの自車両１００に搭載されており、撮像ユニット５００、画像解析ユニット６００、表示モニタ１０３、及び車両走行制御ユニット１０４からなる。そして、撮像ユニット５００で、移動体の前方を撮像した自車両進行方向前方領域（撮像領域）の撮像画像データから、自車両前方の路面（移動面）の相対的な高さ情報（相対的な傾斜状況を示す情報）を検知し、その検知結果から、自車両前方の走行路面の３次元形状を検出し、その検出結果を利用して移動体や各種車載機器の制御を行う。移動体の制御には、例えば、警告の報知、自車両１００（自移動体）のハンドルの制御、または自車両１００（自移動体）のブレーキが含まれる。
　撮像ユニット５００は、例えば、自車両１００のフロントガラス１０５のルームミラー（図示せず）付近に設置される。撮像ユニット５００の撮像によって得られる撮像画像データ等の各種データは、画像処理手段としての画像解析ユニット６００に入力される。
　画像解析ユニット６００は、撮像ユニット５００から送信されてくるデータを解析して、自車両１００が走行している路面部分（自車両の真下に位置する路面部分）に対する自車両前方の走行路面上の各地点における相対的な高さ（位置情報）を検出し、自車両前方の走行路面の３次元形状を把握する。また、自車両前方の他車両、歩行者、各種障害物などの認識対象物を認識する。
　画像解析ユニット６００の解析結果は、表示モニタ１０３及び車両走行制御ユニット１０４に送られる。表示モニタ１０３は、撮像ユニット５００で得られた撮像画像データ及び解析結果を表示する。車両走行制御ユニット１０４は、画像解析ユニット６００による自車両前方の他車両、歩行者、各種障害物などの認識対象物の認識結果に基づいて、例えば、自車両１００の運転者へ警告を報知したり、自車両のハンドルやブレーキを制御したりするなどの走行支援制御を行う。
　〈撮像ユニット５００及び画像解析ユニット６００の構成〉
　図２は、撮像ユニット５００及び画像解析ユニット６００の構成を示す図である。
　撮像ユニット５００は、撮像手段としての２つの撮像部５１０ａ，５１０ｂを備えたステレオカメラで構成されており、２つの撮像部５１０ａ，５１０ｂは同一のものである。各撮像部５１０ａ，５１０ｂは、それぞれ、撮像レンズ５１１ａ，５１１ｂと、受光素子が２次元配置された画像センサ５１３ａ，５１３ｂを含んだセンサ基板５１４ａ，５１４ｂと、センサ基板５１４ａ，５１４ｂから出力されるアナログ電気信号（画像センサ５１３ａ，５１３ｂ上の各受光素子が受光した受光量に対応する電気信号）をデジタル電気信号に変換した撮像画像データを生成して出力する信号処理部５１５ａ，５１５ｂとから構成されている。撮像ユニット５００からは、輝度画像データと視差画像データが出力される。
　また、撮像ユニット５００は、ＦＰＧＡ（Field-Programmable Gate Array）等からなる処理ハードウェア部５１０を備えている。この処理ハードウェア部５１０は、各撮像部５１０ａ，５１０ｂから出力される輝度画像データから視差画像を得るために、各撮像部５１０ａ，５１０ｂでそれぞれ撮像した撮像画像間の対応画像部分の視差値を演算する視差画像情報生成手段としての視差演算部５１１を備えている。
　ここでいう視差値とは、各撮像部５１０ａ，５１０ｂでそれぞれ撮像した撮像画像の一方を基準画像、他方を比較画像とし、撮像領域内の同一地点に対応した基準画像上の画像部分に対する比較画像上の画像部分の位置ズレ量を、当該画像部分の視差値として算出したものである。三角測量の原理を利用することで、この視差値から当該画像部分に対応した撮像領域内の当該同一地点までの距離を算出することができる。
　画像解析ユニット６００は、画像処理基板等から構成され、撮像ユニット５００から出力される輝度画像データ及び視差画像データを記憶するＲＡＭやＲＯＭ等で構成される記憶手段６０１と、識別対象の認識処理や視差計算制御などを行うためのコンピュータプログラムを実行するＣＰＵ（Central Processing Unit）６０２と、データＩ／Ｆ（インタフェース）６０３と、シリアルＩ／Ｆ６０４を備えている。
　処理ハードウェア部５１０を構成するＦＰＧＡは、画像データに対してリアルタイム性が要求される処理、例えばガンマ補正、ゆがみ補正（左右の撮像画像の平行化）、ブロックマッチングによる視差演算を行って視差画像の情報を生成し、画像解析ユニット６００のＲＡＭに書き出す処理などを行う。画像解析ユニット６００のＣＰＵ６０２は、各撮像部５１０ａ，５１０ｂの画像センサコントローラの制御および画像処理基板の全体的な制御を担うとともに、路面の３次元形状の検出処理、ガードレールその他の各種オブジェクト（識別対象物）の検出処理などを実行するプログラムをＲＯＭからロードして、ＲＡＭに蓄えられた輝度画像データや視差画像データを入力として各種処理を実行し、その処理結果をデータＩ／Ｆ６０３やシリアルＩ／Ｆ６０４から外部へと出力する。このような処理の実行に際し、データＩ／Ｆ６０３を利用して、自車両１００の車速、加速度（主に自車両前後方向に生じる加速度）、操舵角、ヨーレートなどの車両動作情報を入力し、各種処理のパラメータとして使用することもできる。外部に出力されるデータは、自車両１００の各種機器の制御（ブレーキ制御、車速制御、警告制御など）を行うための入力データとして使用される。
　なお、撮像ユニット５００及び画像解析ユニット６００は、一体の装置である撮像装置２として構成してもよい。
　図３は、図２における処理ハードウェア部５１０、画像解析ユニット６００、及び車両走行制御ユニット１０４で実現される車載機器制御システム１の機能ブロック図である。なお、画像解析ユニット６００で実現される機能部は、画像解析ユニット６００にインストールされた１以上のプログラムが、画像解析ユニット６００のＣＰＵ６０２に実行させる処理により実現される。
　以下、本実施形態における処理について説明する。
　〈視差画像生成処理〉
　視差画像生成部１１は、視差画像データ（視差画像情報）を生成する視差画像生成処理を行う。なお、視差画像生成部１１は、例えば視差演算部５１１（図２）によって構成される。
　視差画像生成処理では、まず、２つの撮像部５１０ａ，５１０ｂのうちの一方の撮像部５１０ａの輝度画像データを基準画像データとし、他方の撮像部５１０ｂの輝度画像データを比較画像データとし、これらを用いて両者の視差を演算して、視差画像データを生成して出力する。この視差画像データは、基準画像データ上の各画像部分について算出される視差値ｄに応じた画素値をそれぞれの画像部分の画素値として表した視差画像を示すものである。
　具体的には、視差画像生成部１１は、基準画像データのある行について、一つの注目画素を中心とした複数画素（例えば１６画素×１画素）からなるブロックを定義する。一方、比較画像データにおける同じ行において、定義した基準画像データのブロックと同じサイズのブロックを１画素ずつ横ライン方向（ｘ方向）へずらし、基準画像データにおいて定義したブロックの画素値の特徴を示す特徴量と比較画像データにおける各ブロックの画素値の特徴を示す特徴量との相関を示す相関値を、それぞれ算出する。そして、算出した相関値に基づき、比較画像データにおける各ブロックの中で最も基準画像データのブロックと相関があった比較画像データのブロックを選定するマッチング処理を行う。その後、基準画像データのブロックの注目画素と、マッチング処理で選定された比較画像データのブロックの対応画素との位置ズレ量を視差値ｄとして算出する。このような視差値ｄを算出する処理を基準画像データの全域又は特定の一領域について行うことで、視差画像データを得ることができる。
　マッチング処理に用いるブロックの特徴量としては、例えば、ブロック内の各画素の値（輝度値）を用いることができ、相関値としては、例えば、基準画像データのブロック内の各画素の値（輝度値）と、これらの画素にそれぞれ対応する比較画像データのブロック内の各画素の値（輝度値）との差分の絶対値の総和を用いることができる。この場合、当該総和が最も小さくなるブロックが最も相関があると言える。
　視差画像生成部１１でのマッチング処理をハードウェア処理によって実現する場合には、例えばＳＳＤ（Sum of Squared Difference）、ＺＳＳＤ（Zero-mean Sum of Squared Difference）、ＳＡＤ（Sum of Absolute Difference）、ＺＳＡＤ（Zero-mean Sum of Absolute Difference）、ＮＣＣ（Normalized cross correlation）などの方法を用いることができる。なお、マッチング処理では画素単位での視差値しか算出できないので、１画素未満のサブピクセルレベルの視差値が必要な場合には推定値を用いる必要がある。その推定方法としては、例えば、等角直線方式、二次曲線方式等を利用することができる。
　〈Ｖマップ生成処理〉
　Ｖマップ生成部１２は、視差画素データに基づき、Ｖマップ（V-Disparity Map、「垂直方向分布データ」の一例）を生成するＶマップ生成処理を実行する。視差画像データに含まれる各視差画素データは、ｘ方向位置とｙ方向位置と視差値ｄとの組（ｘ，ｙ，ｄ）で示される。これを、Ｘ軸にｄ、Ｙ軸にｙ、Ｚ軸に頻度ｆを設定した三次元座標情報（ｄ，ｙ，ｆ）に変換したもの、又はこの三次元座標情報（ｄ，ｙ，ｆ）から所定の頻度閾値を超える情報に限定した三次元座標情報（ｄ，ｙ，ｆ）を、視差ヒストグラム情報として生成する。本実施形態の視差ヒストグラム情報は、三次元座標情報（ｄ，ｙ，ｆ）からなり、この三次元ヒストグラム情報をＸ－Ｙの２次元座標系に分布させたものを、Ｖマップと呼ぶ。
　具体的に説明すると、Ｖマップ生成部１２は、視差画像を上下方向に複数分割して得られる各行領域について、視差値頻度分布を計算する。この視差値頻度分布を示す情報が視差ヒストグラム情報である。
　図４Ａ、図４Ｂは視差画像データ、及びその視差画像データから生成されるＶマップについて説明するための図である。ここで、図４Ａは視差画像の視差値分布の一例を示す図であり、図４Ｂは、図４Ａの視差画像の行毎の視差値頻度分布を示すＶマップを示す図である。
　図４Ａに示すような視差値分布をもった視差画像データが入力されたとき、Ｖマップ生成部１２は、行毎の各視差値のデータの個数の分布である視差値頻度分布を計算し、これを視差ヒストグラム情報として出力する。このようにして得られる各行の視差値頻度分布の情報を、Ｙ軸に視差画像上のｙ方向位置（撮像画像の上下方向位置）をとりＸ軸に視差値ｄをとった二次元直交座標系上に表すことで、図４Ｂに示すようなＶマップを得ることができる。このＶマップは、頻度ｆに応じた画素値をもつ画素が前記二次元直交座標系上に分布した画像として表現することもできる。
　図５Ａ、図５Ｂは、一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応するＶマップを示す図である。ここで、図５Ａが撮影画像であり、図５ＢがＶマップである。即ち、図５Ａに示すような撮影画像から図５Ｂに示すＶマップが生成される。Ｖマップでは、路面より下の領域には視差は検出されないので、斜線で示した領域Ａで視差がカウントされることはない。
　図５Ａに示す画像例では、自車両が走行している路面４０１と、自車両の前方に存在する先行車両４０２と、路外に存在する電柱４０３が映し出されている。また、図５Ｂに示すＶマップには、画像例に対応して、路面５０１、先行車両５０２、及び電柱５０３がある。
　この画像例は、自車両の前方路面が、相対的に平坦な路面、即ち、自車両の前方路面が自車両の真下の路面部分と平行な面を自車両前方へ延長して得られる仮想の基準路面（仮想基準移動面）に一致している場合のものである。この場合、画像の下部に対応するＶマップの下部において、高頻度の点は、画像上方へ向かうほど視差値ｄが小さくなるような傾きをもった略直線状に分布する。このような分布を示す画素は、視差画像上の各行においてほぼ同一距離に存在していてかつ最も占有率が高く、しかも画像上方へ向かうほど距離が連続的に遠くなる識別対象物を映し出した画素であると言える。
　撮像部５１０ａでは自車両前方領域を撮像するため、その撮像画像の内容は、図５Ａに示すように、画像上方へ向かうほど路面の視差値ｄは小さくなる。また、同じ行（横ライン）内において、路面を映し出す画素はほぼ同じ視差値ｄを持つことになる。従って、Ｖマップ上において上述した略直線状に分布する高頻度の点は、路面（移動面）を映し出す画素が持つ特徴に対応したものである。よって、Ｖマップ上における高頻度の点を直線近似して得られる近似直線上又はその近傍に分布する点の画素は、高い精度で、路面を映し出している画素であると推定することができる。また、各画素に映し出されている路面部分までの距離は、当該近似直線上の対応点の視差値ｄから高精度に求めることができる。
　図６Ａ、図６Ｂは、一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応する所定の領域のＶマップを示す図である。
　Ｖマップ生成部１２は、視差画像における全画素を用いてＶマップを生成してもよいし、視差画像（図６Ａは、視差画像の基となる撮影画像の例）における所定の領域（例えば、路面が写り得る領域）の画素のみを用いてＶマップを生成してもよい。例えば、路面は遠方になるにつれて、消失点に向かって狭くなるため、図６Ａに示すように、路面の幅に応じた領域を設定してもよい。これにより、路面が写り得る領域以外の領域に位置する物体（例えば電柱４０３）によるノイズがＶマップに混入しないようにすることができる。
　図７Ａ、図７Ｂは、ノイズが発生した場合の、一方の撮像部で撮像された基準画像としての撮影画像の画像例と、その撮影画像に対応するＶマップを示す図である。
　図７Ａの例では、図６Ａの例と比較して、図７Ａに水たまり等による照り返し４０４と、白線の途切れ４０５が映し出されている。なお、白線の途切れは、例えば古い道路で白線が消えている場合や、白線間の間隔が長い場合に発生する。
　図７Ｂに示すＶマップには、水たまり等による照り返し５０４、及び白線の途切れ５０５によるノイズが含まれる。図７Ｂに示すように、水たまり等による照り返し５０４により、所定値（例えば１）以上の頻度の値を有する画素（視差点）は、横軸方向（視差値の方向）に分散する。
　〈路面推定〉
　路面推定部１３は、視差画像生成部１１により生成された視差画像に基づき、路面を推定（検出）する。図３に示すように、路面推定部１３は、第１の路面推定部１３ａ、及び第２の路面推定部１３ｂを有する。なお、以下では、路面推定部１３は、２つの方式で路面を推定する例について説明するが、路面推定部１３は、３以上の方式で路面を推定してもよい。
　図８を参照し、第１の路面推定部１３ａの機能構成の一例について説明する。図８は、第１の路面推定部１３ａの一例を示す機能ブロック図である。
　〈第１の路面の推定〉
　第１の路面推定部１３ａは、標本点抽出部１３１、外れ点除去部１３２、路面形状検出部１３３、路面補足部１３４、スムージング処理部１３５、路面決定部１３６、及び路面高さテーブル算出部１５を有する。
　以下、第１の路面推定部１３ａの各機能部の処理について説明する。
　《標本点抽出処理》
　標本点抽出部１３１は、Ｖマップ生成部１２により生成されたＶマップから、路面の推定に用いる標本点を抽出する。
　なお、以下では、Ｖマップを、視差値（自車両からの距離値）に応じて、複数のセグメントに分割し、後述する標本点抽出処理や路面形状検出処理等を行う例について説明するが、Ｖマップを分割せずに標本点抽出処理や路面形状検出処理等を行ってもよい。
　次に、図９乃至図１２を参照して、標本点抽出部１３１による標本点抽出処理の詳細例について説明する。図９は、標本点抽出処理の一例を示すフローチャートである。
　まず、標本点抽出部１３１は、Ｖマップの横軸である視差の値に応じて、Ｖマップを複数のセグメントに分割する（ステップＳ１１）。
　続いて、標本点抽出部１３１は、最も視差値が大きい（自車両からの距離が最も近い）セグメント（第１のセグメント）において、抽出する標本点を探索する範囲（探索範囲）を設定する（ステップＳ１２）。
　図１０は、第１のセグメントから、標本点を抽出する処理の一例を説明する図である。
　標本点抽出部１３１は、例えば、第１のセグメントにおいて、デフォルト路面５５１（「予め設定されている路面」）に対応する直線の始点位置５５２を基準点とし、当該基準点に応じた所定範囲を標本点の探索領域５５３として設定する。なお、デフォルト路面のデータは、例えば、ステレオカメラを自車両へ取り付けた際に、予め設定される。例えば、平坦な路面のデータが設定されてもよい。
　標本点抽出部１３１は、例えば、図１０のように、基準点を始点とする２直線５５４，５５５であって、所定の角度で隣のセグメントまで延びる２直線５５４，５５５の間を探索領域５５３としてもよい。この場合、標本点抽出部１３１は、当該２直線５５４，５５５を、路面が傾き得る角度に対応して決定してもよい。例えば、下側の直線５５４は、ステレオカメラで撮影可能な下り路面の傾きに対応して決定し、上側の直線５５５は、予め設定された、法律等で規制される上り路面の傾きの上限に対応して決定してもよい。または、標本点抽出部１３１は、探索領域５５３を、例えば、矩形の領域としてもよい。
　続いて、標本点抽出部１３１は、探索範囲に含まれる画素の中から、標本点を抽出する（ステップＳ１３）。標本点抽出部１３１は、探索範囲に含まれる画素の中から、例えば、各視差値ｄの座標位置毎に一つ以上の標本点を抽出してもよい。または、標本点抽出部１３１は、探索範囲に含まれる画素の中から、各視差値ｄの座標位置において、頻度の最も多い最頻点を標本点として抽出してもよい。あるいは、標本点抽出部１３１は、探索範囲に含まれる画素の中から、各視差値ｄを含む複数の座標位置（例えば各視差値ｄの座標位置と、当該各視差値ｄの左及び右の少なくとも一方の１以上の座標位置）における頻度の最も多い最頻点を標本点として抽出してもよい。
　続いて、外れ点除去部１３２、路面形状検出部１３３、及び路面補足部１３４は、ステップＳ１３で抽出した標本点に基づいて、当該標本点を含むセグメントにおける路面を検出する（ステップＳ１４）。なお、後述する路面決定部１４により選択された路面を、当該セグメントにおける路面としてもよい。これにより、例えば、路面上に位置する先行車両等の物体の視差により、検出した路面が上方向に引っ張られている場合に、第２の路面推定部１３ｂにより検出された路面に基づき、次のセグメントにおける路面を検出できる。
　続いて、標本点抽出部１３１は、次のセグメント（例えば次に視差値が小さいセグメント）があるか判断し（ステップＳ１５）、次のセグメントがなければ（ステップＳ１５でＮＯ）、処理を終了する。
　次のセグメントがあれば（ステップＳ１５でＹＥＳ）、標本点抽出部１３１は、ステップＳ１４で検出した路面の終点位置を取得する（ステップＳ１６）。
　続いて、標本点抽出部１３１は、次のセグメントにおいて、ステップＳ１５で取得した路面の終点位置に基づいて、探索範囲を設定し（ステップＳ１７）、ステップＳ１３の処理に進む。
　図１１Ａ、図１１Ｂは、第１のセグメント以外の第２のセグメントから、標本点を抽出する処理の一例を説明する図である。標本点抽出部１３１は、例えば、第２のセグメントにおいて、前のセグメント（既に路面を検出した、第２のセグメントと隣り合うセグメント）の路面５６１の終点位置（前のセグメントの路面５６１が、第２のセグメントと接する位置）を基準点５６２とする。そして、標本点抽出部１３１は、図１０に示すステップＳ１２の場合と同様に、基準点５６２に応じた所定範囲を標本点の探索領域５６３として設定する。
　標本点抽出部１３１は、例えば、図１１Ａのように、基準点を始点とする２直線５６４，５６５であって、所定の角度で隣のセグメントまで延びる２直線５６４，５６５の間を探索領域５６３としてもよい。この場合、標本点抽出部１３１は、当該２直線５６４，５６５を、路面が傾き得る角度に対応して決定してもよい。または、標本点抽出部１３１は、探索領域５６３を、例えば、図１１Ｂのように、基準点５６２のｙ座標に応じた高さを有する矩形の領域としてもよい。
　＜変形例＞
　図１２は、第２のセグメントから、標本点を抽出する処理の他の例を説明する図である。
　標本点抽出部１３１は、例えば、第２のセグメントにおいて、以前の視差画像のフレームにおいて検出された、第２のセグメントと隣り合うセグメントの路面（履歴路面）５６１ａの終点位置を基準点５６２ａとする。そして、標本点抽出部１３１は、基準点５６２ａに応じた所定範囲を標本点の探索領域５６３ａとして設定する。
　これにより、図１２のように、デフォルト路面と正解（実際）の路面５６６の差異が大きい、例えば下り坂の路面の場合に、図１１Ａ、図１１Ｂのような第１のセグメントにて検出された路面の終点位置を基準点とする場合と比較して、より適切な探索範囲を設定できる。
　なお、履歴路面は、以前の１フレームにおいて検出された路面を使用してもよいし、以前の複数のフレームにおいて検出された路面の平均等を使用してもよい。
　《外れ点除去処理》
　外れ点除去部１３２は、標本点抽出部１３１により抽出された標本点のうち、直線近似に適さない点を除外する。
　図１３、図１４を参照して、外れ点除去部１３２による外れ点除去処理について説明する。図１３は、外れ点除去処理の一例を示すフローチャートである。図１４は、外れ点除去処理を説明する図である。
　まず、外れ点除去部１３２は、標本点抽出部１３１により抽出された各セグメントの標本点、または、全セグメントの標本点から、近似直線を算出する（ステップＳ２０）。外れ点除去部１３２は、例えば最小二乗法を用いて近似直線を算出する。図１４の例では、近似直線５４１が、図１３のステップＳ２０にて算出される。
　続いて、外れ点除去部１３２は、Ｘ座標の値に応じた閾値を算出する（ステップＳ２１）。図１４の例では、所定のＸ座標の値Ｄ（例えば自車両からの距離５０ｍに相当する視差値）を境界として、Ｄ未満（自車両から所定距離より遠い）は所定の閾値を２σ、Ｄ以上（自車両から所定距離以下）をσとしている。これは、視差値が小さい、すなわち自車両からの距離が遠い位置の路面については、ステレオカメラで計測する際の誤差が大きいため、除去する際の閾値を緩くするためである。
　続いて、外れ点除去部１３２は、算出した近似直線に対し、ユークリッド距離がステップＳ２１で算出した閾値以上離れている標本点を除去する（ステップＳ２２）。図１４の例では、Ｄ以上で所定の閾値σ以上離れている標本点５４２を除去する。
　《路面形状検出処理》
　路面形状検出部１３３は、Ｖマップ生成部１２により生成されたＶマップの各セグメントから、標本点抽出部１３１により抽出され、外れ点除去部１３２により除去されていない標本点に基づき、路面の形状（位置、高さ）を検出する。
　路面形状検出部１３３は、例えば最小二乗法により、各セグメントの標本点から近似直線を算出し、算出した近似直線を、路面として検出（推定）する。
　《路面補足処理》
　路面補足部１３４は、路面形状検出部１３３により検出（推定）された路面、または、後述する路面決定部１４により選択された路面が不適切か否かを判定し、不適切と判定した場合は、路面を補足する。
　路面補足部１３４は、ノイズにより、ステレオカメラにて撮影されることがあり得ない不適切な路面が推定されたかを判定する。そして、路面補足部１３４は、不適切な路面が推定されたと判定すると、デフォルト路面または、以前のフレームにて推定された路面のデータに基づいて、不適切な路面を補足（補間）する。
　路面補足部１３４は、Ｖマップにおいて、例えば一部の勾配が所定値以上である急な右上がりの路面のデータが検出された場合、当該路面は、自車両からの距離が離れるにつれ、勾配が急になる下り坂の路面であると判定する。そして、路面補足部１３４は、当該路面のデータを除去し、代わりにデフォルト路面等のデータで補足する。
　《スムージング処理》
　スムージング処理部１３５は、各セグメントで推定された各路面を、当該各路面が連続するように修正する。スムージング処理部１３５は、隣り合う２つのセグメントにおいてそれぞれ推定された各路面のうち、一方の路面の終点（端点）と、他方の路面の始点（端点）が一致するよう、各路面の傾きと切片を変更する。
　〈第２の路面の推定〉
　第２の路面推定部１３ｂは、第１の路面推定部１３ａとは異なる方式により、路面を推定する。
　図１５を参照し、第２の路面推定部１３ｂによる路面推定処理について説明する。図１５は、第２の路面推定部１３ｂによる路面推定処理について説明する図である。
　第２の路面推定部１３ｂは、標本点抽出処理において、例えば、Ｖマップにおける各視差値ｄに対する視差点の画素のうち、最も高さの低い画素を標本点５７１Ａ、・・・、５７１Ｎとして抽出する。そして、抽出した標本点に基づき、例えば、上述した外れ点除去処理等の処理により、第２の路面５７２ｂを抽出する。なお、この場合、最下点がノイズの場合、誤った路面を推定してしまう可能性があるため、各座標の頻度を使って、ノイズを除去してもよい。
　この場合、路面上に存在する物体の視差の影響を受けないため、例えば、雨天でない（好天時の）場合（シーン）に、適切に路面を検出できる。
　なお、第１の路面推定部１３ａ、または第２の路面推定部１３ｂによる路面推定手法は、上述した例に限定されない。例えば、以前の視差画像の複数のフレームに基づいて推定した、複数の路面の例えば平均により、今回のフレームにおける路面としてもよい。または、Ｖマップを複数のセグメントに分割し、一のセグメントで推定した路面に基づいて、例えば一のセグメントで推定した路面を他のセグメントにも延長することにより、路面を推定してもよい。あるいは、直線で近似する代わりに、曲線で近似してもよい。
　〈路面決定処理〉
　路面決定部１４は、第１の路面推定部１３ａ、及び第２の路面推定部１３ｂにより各々推定された路面に基づき、採用する路面のデータを決定する。
　路面決定部１４は、第１の路面推定部１３ａ、及び第２の路面推定部１３ｂにより各々推定された路面の中から、一つの路面を選択する。または、路面決定部１４は、第１の路面推定部１３ａ、及び第２の路面推定部１３ｂにより各々推定された路面に所定の重み付けを行って合成してもよい。路面決定部１４は、例えば、第１の路面推定部１３ａ、及び第２の路面推定部１３ｂが各々抽出した標本点の数に応じた値を、所定の重み付けの値としてもよい。
　次に、図１６、図１７Ａ、図１７Ｂを参照し、路面決定部１４による路面決定処理の詳細例について説明する。図１６は、路面決定処理の一例を示すフローチャートである。
　まず、路面決定部１４は、第１の路面推定部１３ａより推定された、各セグメントに対する路面（第１の路面）を取得する（ステップＳ３１）。
　続いて、路面決定部１４は、第２の路面推定部１３ｂより推定された、各セグメントに対する路面（第２の路面）を取得する（ステップＳ３２）。
　続いて、路面決定部１４は、各セグメントにおける第１の路面の傾き（勾配）と、第２の路面の傾きを算出する（ステップＳ３３）。
　続いて、路面決定部１４は、対象のセグメント（各セグメントに含まれる任意の１のセグメント）における第１の路面の傾きと、第２の路面の傾きとの差が、所定の閾値以上であるか判定する（ステップＳ３４）。
　第１の路面の傾きと、第２の路面の傾きとの差が、所定の閾値以上である場合（ステップＳ３４でＹＥＳ）、路面決定部１４は、第１の路面と第２の路面のうち、傾きが小さい方の路面を選択し（ステップＳ３５）、処理を終了する。
　第１の路面の傾きと、第２の路面の傾きとの差が、所定の閾値以上でない場合（ステップＳ３４でＮＯ）、路面決定部１４は、第１の路面と第２の路面のうち、傾きが大きい方の路面を選択し（ステップＳ３６）、処理を終了する。
　図１７Ａ、図１７Ｂは、路面決定処理の一例を説明する図である。
　図１７Ａは、第１の路面推定部１３ａより推定された、あるセグメント５７３における第１の路面５７２ａが、路面上に位置する先行車両等の物体の視差により、上方向に引っ張られている場合の例である。
　路面決定部１４は、図１６のステップＳ３４において、例えば、以下の条件を満たす場合に、第１の路面の傾きと、第２の路面の傾きとの差が、所定の閾値以上であると判断する。
　Ｈ１＞Ａかつ、Ｈ１／Ｂ＞Ｈ２
　ここで、図１７Ｂに示すように、Ｈ１は、あるセグメント５７３における第１の路面５７２ａの終点のＹ座標と、第２の路面５７２ｂの終点のＹ座標の差である。Ｈ２は、当該あるセグメントにおける第１の路面５７２ａの始点のＹ座標と、第２の路面５７２ｂの始点のＹ座標の差である。Ａ及びＢは所定の定数である。
　なお、路面決定部１４は、図１６のステップＳ３４において、例えば第１の路面が、第２の路面よりも上にあり、かつ、対象のセグメントにおける第１の路面の傾きと、第２の路面の傾きとの差が、所定の閾値以上であるか判定してもよい。
　また、路面決定部１４は、対象のセグメントにおける第１の路面と、第２の路面がクロスしている場合は、例えば、対象のセグメントにおける終点のＹ座標の上下に基づいて、路面を選択してもよい。
　＜第１の実施形態の効果＞
　あるセグメントにおける第１の路面と第２の路面の傾きが異なる場合、上述した第１の路面が、路面上に位置する先行車両等の物体の視差により、上方向に引っ張られている可能性がある。または、上述した第２の路面が、図７Ｂに示すように、水たまり等による照り返し５０４により、下方向に引っ張られている可能性がある。
　例えば、第１の路面として、Ｖマップにおける各視差値ｄに対し頻点の値が高い画素を標本点として抽出し、第２の路面として、Ｖマップにおける各視差値ｄに対し最もＹ座標が低く、視差の値を有する画素を標本点として抽出する場合とする。この場合、上述した実施形態によれば、第１の路面が、物体の視差により上方向に引っ張られている場合に、第２の路面の方を選択（採用）できる。また、第２の路面が、水たまり等による照り返しにより下方向に引っ張られている場合に、第１の路面の方を選択できる。
　＜変形例＞
　上述した実施形態では、路面決定部１４は、第１の路面と第２の路面の傾きに基づいて、採用する路面を選択していた。これに代えて、または加えて、路面決定部１４は、直線近似により第１の路面と第２の路面を推定した際の各々の信頼度（相関係数）に基づいて、採用する路面を選択してもよい。この場合、例えば、第１の路面推定部１３ａ、及び第２の路面推定部１３ｂは、抽出した各標本点に基づいて最小二乗法により近似直線を算出した際、当該近似直線と各標本点との相関係数に基づくスコアを算出する。そして、路面決定部１４は、第１の路面のスコアと第２の路面のスコアに応じて、採用する路面を選択する。この変形例を、上述した路面決定処理に加える場合は、例えば、図１６のステップＳ３６の処理に代えて、この変形例に係る処理を実行してもよい。
　〈路面高さテーブル算出処理〉
　路面高さテーブル算出部１５は、スムージング処理部１３５にて修正された各セグメントにおける路面に基づいて、路面高さ（自車両の真下の路面部分に対する相対的な高さ）を算出してテーブル化する路面高さテーブル算出処理を行う。
　路面高さテーブル算出部１５は、各セグメントにおける路面の情報から、撮像画像上の各行領域（画像上下方向の各位置）に映し出されている各路面部分までの距離を算出する。なお、自車両の真下に位置する路面部分をその面に平行となるように自車両進行方向前方へ延長した仮想平面の自車両進行方向における各面部分が、撮像画像中のどの各行領域に映し出されるかは予め決まっており、この仮想平面（基準路面）はＶマップ上で直線（基準直線）により表される。路面高さテーブル算出部１５は、各セグメントにおける路面と、基準直線とを比較することで、自車両前方の各路面部分の高さを得ることができる。簡易的には、各セグメントにおける路面上のＹ軸位置から、これに対応する視差値から求められる距離だけ自車両前方に存在する路面部分の高さを算出できる。路面高さテーブル算出部１５では、近似直線から得られる各路面部分の高さを、必要な視差範囲についてテーブル化する。
　なお、ある視差値ｄにおいてＹ軸位置がｙ'である地点に対応する撮像画像部分に映し出されている物体の路面からの高さは、当該視差値ｄにおける路面上のＹ軸位置をｙ０としたとき、（ｙ'－ｙ０）から算出することができる。一般に、Ｖマップ上における座標（ｄ，ｙ'）に対応する物体についての路面からの高さＨは、下記の式より算出することができる。ただし、下記の式において、「ｚ」は、視差値ｄから計算される距離（ｚ＝ＢＦ／（ｄ－ｏｆｆｓｅｔ））であり、「ｆ」はカメラの焦点距離を（ｙ'－ｙ０）の単位と同じ単位に変換した値である。ここで、「ＢＦ」は、ステレオカメラの基線長と焦点距離を乗じた値であり、「ｏｆｆｓｅｔ」は無限遠の物体を撮影したときの視差値である。
　Ｈ＝ｚ×（ｙ'－ｙ０）／ｆ
　〈クラスタリング、棄却、トラッキング〉
　クラスタリング部１６は、視差画像データに含まれる各視差画素データにおけるｘ方向位置とｙ方向位置と視差値ｄとの組（ｘ，ｙ，ｄ）を、Ｘ軸にｘ、Ｙ軸にｄ、Ｚ軸に頻度を設定し、Ｘ－Ｙの２次元ヒストグラム情報（頻度Ｕマップ）を作成する。
　クラスタリング部１６は、路面高さテーブル算出部１５によってテーブル化された各路面部分の高さに基づいて、路面からの高さＨが所定の高さ範囲（たとえば２０ｃｍから３ｍ）にある視差画像の点（ｘ，ｙ，ｄ）についてだけ頻度Ｕマップを作成する。この場合、路面から当該所定の高さ範囲に存在する物体を適切に抽出することができる。
　クラスタリング部１６は、頻度Ｕマップにおいて、頻度が所定値よりも多い、視差が密集している領域を物体の領域として検出し、視差画像上の座標や、物体の実際の大きさ（サイズ）から予測した物体のタイプ（人や歩行者）などの個体情報を付与する。
　棄却部１７は、視差画像、頻度Ｕマップ、物体の個体情報に基づいて、認識対象ではない物体の情報を棄却する。
　トラッキング部１８は、検出された物体が複数の視差画像のフレームで連続して出現する場合に、追跡対象であるか否かを判定する。
　〈走行支援制御〉
　制御部１９は、クラスタリング部１６による、物体の検出結果に基づいて、例えば、自車両１００の運転者へ警告を報知したり、自車両のハンドルやブレーキを制御したりするなどの走行支援制御を行う。
［第２の実施形態］
　第１の実施形態では、路面決定部１４は、第１の路面と第２の路面の傾きに基づいて、採用する路面を選択していた。第２の実施形態では、路面決定部１４は、第１の路面と第２の路面を含む所定の領域における視差点の分布形状や数に基づき、採用する路面を選択する。なお、第２の実施形態は一部を除いて第１の実施形態と同様であるため、適宜説明を省略する。
　以下では第２の実施形態に係る車載機器制御システム１の処理の詳細について第１の実施形態との差異を説明する。
　図１８、１９を参照して、第２の実施形態の路面決定部１４による路面決定処理の詳細例を説明する。図１８は、第２の実施形態に係る路面決定処理のフローチャートの一例を示す図である。図１９Ａ、図１９Ｂは、第１の路面及び第２の路面を含む矩形等の領域の一例を示す図である。
　まず、路面決定部１４は、図１８に示すように、第１の路面推定部１３ａ、及び第２の路面推定部１３ｂがそれぞれ推定した第１の路面、及び第２の路面を含む例えば矩形等の領域を設定する（ステップＳ２０１）。
　続いて、路面決定部１４は、設定した領域に含まれる視差点の数を算出する（ステップＳ２０２）。
　続いて、路面決定部１４は、設定した領域における視差点の密度を算出する（ステップＳ２０３）。例えば、路面決定部１４は、設定した領域における視差点を、設定した領域の面積で除算することにより密度を算出する。
　続いて、路面決定部１４は、設定した領域における視差点の密度が、所定の閾値以上であるか判定する（ステップＳ２０４）。なお、視差点の密度に代えて、設定する領域の面積を一定とした場合の視差点の数を用いて、所定の閾値以上であるか判定してもよい。
　設定した領域における視差点の密度が、所定の閾値以上である場合（ステップＳ２０４でＹＥＳ）、図１９Ａのように、垂直方向の高さが低い下方に存在する第２の路面５８１ａが、雨天時の水たまり等によるノイズの影響を受けている可能性がある。そのため、路面決定部１４は、垂直方向の高さが高い上方に存在する第１の路面５８２ａを選択し（ステップＳ２０５）、処理を終了する。
　設定した領域における視差点の密度が、所定の閾値以上でない場合（ステップＳ２０４でＮＯ）、路面決定部１４は、設定した領域に含まれる視差点の分布形状を取得する（ステップＳ２０６）。
　続いて、路面決定部１４は、設定した領域に含まれる視差点の分布形状が、所定の形状であるか判定する（ステップＳ２０７）。ここで、所定の形状は、例えば、設定した領域内の右上５８３及び左下５８４の少なくとも一方の部分の視差点の分布が所定値以下である形状とする。この場合、路面決定部１４は、例えば、設定した領域内の右上５８３及び左下５８４の部分の少なくとも一方の視差点の密度または数が、所定値以下である場合に、所定の形状であると判定する。
　設定した領域に含まれる視差点の分布形状が、所定の形状であれば（ステップＳ２０７でＹＥＳ）、図１９Ｂのように、上方に存在する第１の路面５８１ｂが、物体の視差により上方向に引っ張られている可能性がある。そのため、路面決定部１４は、下方に存在する第２の路面５８２ｂを選択し（ステップＳ２０８）、処理を終了する。
　設定した領域に含まれる視差点の分布形状が、所定の形状でなければ（ステップＳ２０７でＮＯ）、路面決定部１４は、例えばステップＳ２０５と同様に第１の路面を選択し、処理を終了する。または、上述した第１の実施形態における路面決定処理を実行し、路面を選択してもよい。
　＜第２の実施形態の効果＞
　第２の実施形態によれば、第１の実施形態と同様の効果を得られる。
［第３の実施形態］
　第３の実施形態では、路面決定部１４は、撮影画像（輝度画像）または視差画像の所定領域内を画像認識し、画像認識の結果に基づいて、採用する路面を選択する。なお、第３の実施形態は一部を除いて第１の実施形態と同様であるため、適宜説明を省略する。
　以下では第３の実施形態に係る車載機器制御システム１の処理の詳細について第１の実施形態との差異を説明する。
　図２０、２１を参照して、第３の実施形態の路面決定部１４による路面決定処理の詳細例を説明する。図２０は、第３の実施形態に係る路面決定処理のフローチャートの一例を示す図である。
　まず、路面決定部１４は、撮影画像または視差画像中で、路面が写り得る領域に、各セグメントを設定する（ステップＳ３０１）。図２１は、撮影画像または視差画像と、Ｖマップの対応関係を説明する図である。図２１では、路面が写り得る領域を３つのセグメント５９１、５９２、５９３に分割した場合の例を示している。
　続いて、路面決定部１４は、撮影画像または視差画像の各セグメントを画像認識する（ステップＳ３０２）。
　なお、ステップＳ３０２の画像認識の手法としては、任意の手法を使用してよい。例えば、車両、人、路面、雨滴等の物体用のテンプレートを事前に用意しておき、テンプレートマッチングさせることで物体を認識してもよい。
　また、例えば、「Csurka, G., Bray, C., Dance, C. and Fan, L, "Visual categorization with bags of keypoints," Proc. ECCV Workshop on Statistical Learning in Computer Vision, pp.1-22, 2004.」に記載されているような、ＳＩＦＴ(Scale-Invariant Feature Transform)などの局所特徴量を量子化したvisual wordsと称されるベクトルを用いて認識に利用するBag-of-Visual-Words法を用いてもよい。あるいは、「Alex Krizhevsky, Ilya Sutskever, and Geoffrey E Hinton., "Imagenet classification with deep convolutional neural networks," In Advances in neural information processing systems, pp.1097-1105, 2012.」に記載されているような、ニューラルネットを多層化したDeep Learningを用いる方法を用いてもよい。
　また、画像認識する際は、各セグメントを分割し、ラスタスキャンしながら逐次認識処理を実行してもよい。この場合、セグメント全体を認識処理にかけるよりも、ノイズが含まれる領域を除去できるため、認識精度を向上させることができる。
　続いて、路面決定部１４は、ステップＳ３０２の画像認識の結果に基づき、雨天（雨のシーン）であるか判定する（ステップＳ３０３）。
　画像認識の結果が雨天である場合（ステップＳ３０３でＹＥＳ）、下方に存在する第２の路面が、雨天時の水たまり等によるノイズの影響を受けている可能性がある。そのため、路面決定部１４は、上方に存在する第１の路面を選択し（ステップＳ３０４）、処理を終了する。
　画像認識の結果が雨天でない場合（ステップＳ３０３でＮＯ）、路面決定部１４は、ステップＳ３０２の画像認識の結果に基づき、各セグメントにおいて、先行車両等の物体（図２１の５９４）の画像を認識したか判定する（ステップＳ３０５）。
　先行車両等の物体の画像を認識した場合（ステップＳ３０５でＹＥＳ）、上方に存在する第１の路面が、物体の視差（図２１の５９４ａ）により上方向に引っ張られている可能性がある。そのため、路面決定部１４は、先行車両等の物体の画像を認識したセグメントにおいて、下方に存在する第２の路面５８２ｂを選択し（ステップＳ３０６）、処理を終了する。
　先行車両等の物体の画像を認識しない場合（ステップＳ３０５でＮＯ）、路面決定部１４は、例えばステップＳ２０４と同様に第１の路面を選択し、処理を終了する。または、上述した各実施形態における路面決定処理を実行し、路面を選択してもよい。
　＜まとめ＞
　雨天時の路面の照り返し等により、視差にノイズが発生すると、推定される路面が正解に対して低すぎたり、逆に高すぎたりする問題が発生する。推定される路面が低すぎる場合、路面の一部を障害物と誤認識する場合がある。推定される路面が高すぎる場合、推定される路面よりも低い障害物等を検出できない場合がある。
　上述した各実施形態によれば、Ｖマップに基づいて、複数の路面を推定し、推定された複数の路面に基づいて路面を決定する。それにより、路面を検出する精度を向上させることが可能となる。
　なお、距離の値（距離値）と視差値は等価に扱えることから、本実施形態においては距離画像の一例として視差画像を用いて説明しているが、これに限られない。例えば、ステレオカメラを用いて生成した視差画像に対して、ミリ波レーダやレーザレーダ等の検出装置を用いて生成した距離情報を統合して、距離画像を生成してもよい。また、ステレオカメラと、ミリ波レーダやレーザレーダ等の検出装置を併用し、上述したステレオカメラによる物体の検出結果と組み合わせることにより、検出の精度をさらに高める構成としてもよい。
　上述した実施形態におけるシステム構成は一例であり、用途や目的に応じて様々なシステム構成例があることは言うまでもない。また、上述した各実施形態の一部又は全部を組み合わせることも可能である。
　例えば、外れ点除去部１３２、路面補足部１３４、スムージング処理部１３５等の処理は必須ではないため、これらの機能部を有しない構成としてもよい。
　また、処理ハードウェア部５１０、画像解析ユニット６００、及び車両走行制御ユニット１０４の各機能部は、ハードウェアによって実現される構成としてもよいし、ＣＰＵが記憶装置に格納されたプログラムを実行することによって実現される構成としてもよい。このプログラムは、インストール可能な形式又は実行可能な形式のファイルによって、コンピュータで読み取り可能な記録メディアに記録されて流通されるようにしても良い。また、上記記録メディアの例として、ＣＤ－Ｒ(Compact Disc Recordable)、ＤＶＤ(Digital Versatile Disk)、ブルーレイディスク等が挙げられる。また、各プログラムが記憶されたＣＤ－ＲＯＭ等の記録メディア、並びに、これらプログラムが記憶されたＨＤ５０４は、プログラム製品(Program Product)として、国内又は国外へ提供されることができる。
　以上、本発明を実施例に基づいて説明したが、本発明は上記実施例に限定されるものではなく、特許請求の範囲に記載の範囲内で様々な変形が可能である。
　本願は、日本特許庁に２０１６年３月１７日に出願された基礎出願２０１６―０５３３８３号の優先権を主張するものであり、その全内容を参照によりここに援用する。
１　車載機器制御システム（「機器制御システム」の一例）
１００　自車両
１０１　撮像ユニット
１０３　表示モニタ
１０６　車両走行制御ユニット（「制御部」の一例）
１１　視差画像生成部（「距離画像生成部」の一例）
１２　Ｖマップ生成部（「生成部」の一例）
１３　路面推定部（「推定部」の一例）
１３ａ　第１の路面推定部
１３ｂ　第２の路面推定部
１３１　標本点抽出部
１３２　外れ点除去部
１３３　路面形状検出部
１３４　路面補足部
１３５　スムージング処理部
１４　路面決定部（「決定部」の一例）
１５　路面高さテーブル算出部
１６　クラスタリング部（「物体検出部」の一例）
１７　棄却部
１８　トラッキング部
１９　制御部
２　撮像装置
５１０ａ，５１０ｂ　撮像部
５１０　処理ハードウェア部
６００　画像解析ユニット（「画像処理装置」の一例）

Claims (11)

  1. 　複数の撮像部で各々撮影された複数の撮影画像における路面の距離に応じた距離値を有する距離画像から、前記距離画像の垂直方向に対する距離値の頻度の分布を示す垂直方向分布データを生成する生成部と、
    　前記垂直方向分布データに基づいて、複数の路面を推定する推定部と、
    　前記推定部により推定された各路面に基づいて、路面を決定する決定部と、
    を備えることを特徴とする画像処理装置。
  2. 　前記決定部は、前記推定部により推定された各路面の傾きの差が所定の閾値以上の場合に、傾きが小さい方の路面に決定する、
    ことを特徴とする請求項１記載の画像処理装置。
  3. 　前記推定部は、前記垂直方向分布データに基づいて、最小二乗法により直線近似により複数の路面を推定し、
    　前記決定部は、前記推定部により直線近似された際の各路面の相関係数に基づいて、路面を決定する、
    ことを特徴とする請求項１または２記載の画像処理装置。
  4. 　前記決定部は、前記推定部により推定された各路面を含む所定の領域における、所定値以上の距離値を有する画素の数または密度が所定の閾値以上である場合に、高さが高い方の路面に決定する、
    ことを特徴とする請求項１乃至３のいずれか一項に記載の画像処理装置。
  5. 　前記決定部は、前記推定部により推定された各路面を含む所定の領域における、所定値以上の距離値を有する画素の分布形状が、視差が大きく高さが高い部分、または視差が小さく高さが低い部分の分布が所定値以下である場合に、高さが低い方の路面に決定する、
    ことを特徴とする請求項１乃至４のいずれか一項に記載の画像処理装置。
  6. 　前記決定部は、前記撮影画像または前記距離画像を画像認識し、路面以外の物体を認識した場合に、高さが低い方の路面に決定する、
    ことを特徴とする請求項１乃至５のいずれか一項に記載の画像処理装置。
  7. 　前記決定部は、前記撮影画像または前記距離画像を画像認識し、雨滴を認識した場合に、高さが高い方の路面に決定する、
    ことを特徴とする請求項１乃至６のいずれか一項に記載の画像処理装置。
  8. 　複数の撮像部と、
    　前記複数の撮像部で各々撮影された複数の撮影画像から、前記複数の撮影画像における物体の視差に応じた距離値を有する距離画像を生成する距離画像生成部と、
    　前記距離画像の垂直方向に対する距離値の頻度の分布を示す垂直方向分布データを生成する生成部と、
    　前記垂直方向分布データに基づいて、複数の路面を推定する推定部と、
    　前記推定部により推定された各路面に基づいて、路面を決定する決定部と、
    を備える撮像装置。
  9. 　移動体に搭載され、前記移動体の前方を撮像する複数の撮像部と、
    　前記複数の撮像部で各々撮影された複数の撮影画像から、前記複数の撮影画像における物体の視差に応じた距離値を有する距離画像を生成する距離画像生成部と、
    　前記距離画像の垂直方向に対する距離値の頻度の分布を示す垂直方向分布データを生成する生成部と、
    　前記垂直方向分布データに基づいて、複数の移動面を推定する推定部と、
    　前記推定部により推定された各移動面に基づいて、移動面を決定する決定部と、
    　前記決定部により決定された移動面、及び前記距離画像に基づいて、前記複数の撮影画像における物体を検出する物体検出部と、
    　前記物体検出部により検出された物体のデータに基づいて、前記移動体の制御を行う制御部と、
    を備える移動体機器制御システム。
  10. 　コンピュータが、
    　複数の撮像部で各々撮影された複数の撮影画像における路面の距離に応じた距離値を有する距離画像から、前記距離画像の垂直方向に対する距離値の頻度の分布を示す垂直方向分布データを生成するステップと、
    　前記垂直方向分布データに基づいて、複数の路面を推定するステップと、
    　前記推定された各路面に基づいて、路面を決定するステップと、
    を実行する、画像処理方法。
  11. 　コンピュータに、
    　複数の撮像部で各々撮影された複数の撮影画像における路面の距離に応じた距離値を有する距離画像から、前記距離画像の垂直方向に対する距離値の頻度の分布を示す垂直方向分布データを生成するステップと、
    　前記垂直方向分布データに基づいて、複数の路面を推定するステップと、
    　前記推定された各路面に基づいて、路面を決定するステップと、
    を実行させるプログラム。
PCT/JP2017/002550 2016-03-17 2017-01-25 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム Ceased WO2017159056A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2018505308A JP6711395B2 (ja) 2016-03-17 2017-01-25 画像処理装置、撮像装置、移動体機器制御システム、移動体、画像処理方法、及びプログラム
EP17766064.4A EP3432264A4 (en) 2016-03-17 2017-01-25 IMAGE PROCESSING DEVICE, IMAGE RECORDING, MOBILE BODY DEVICE CONTROL SYSTEM, PICTURE PROCESSING METHOD AND PROGRAM
US16/127,889 US10885351B2 (en) 2016-03-17 2018-09-11 Image processing apparatus to estimate a plurality of road surfaces

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016053383 2016-03-17
JP2016-053383 2016-03-17

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/127,889 Continuation US10885351B2 (en) 2016-03-17 2018-09-11 Image processing apparatus to estimate a plurality of road surfaces

Publications (1)

Publication Number Publication Date
WO2017159056A1 true WO2017159056A1 (ja) 2017-09-21

Family

ID=59852078

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/002550 Ceased WO2017159056A1 (ja) 2016-03-17 2017-01-25 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム

Country Status (4)

Country Link
US (1) US10885351B2 (ja)
EP (1) EP3432264A4 (ja)
JP (1) JP6711395B2 (ja)
WO (1) WO2017159056A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019116958A1 (ja) * 2017-12-13 2019-06-20 日立オートモティブシステムズ株式会社 車載環境認識装置
JP2022149060A (ja) * 2021-03-25 2022-10-06 本田技研工業株式会社 アクティブサスペンション装置、及びサスペンションの制御装置
JP2022179433A (ja) * 2021-05-19 2022-12-02 キヤノンメディカルシステムズ株式会社 画像処理装置及び画像処理方法
JP2023536407A (ja) * 2020-07-24 2023-08-25 セーフ エーアイ，インコーポレイテッド 走行可能面識別技術
JP2023174682A (ja) * 2018-12-28 2023-12-08 株式会社Ｊｖｃケンウッド 車両用映像処理装置および車両用映像処理方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017199178A (ja) * 2016-04-27 2017-11-02 Ｋｙｂ株式会社 路面状態検出装置
JP7034158B2 (ja) * 2017-06-15 2022-03-11 日立Astemo株式会社 車両システム
JP7022624B2 (ja) * 2018-03-13 2022-02-18 株式会社ディスコ 位置付け方法
JP7136663B2 (ja) * 2018-11-07 2022-09-13 日立Astemo株式会社 車載制御装置
JP2020160914A (ja) * 2019-03-27 2020-10-01 株式会社豊田自動織機 物体検出装置
DE102020206355A1 (de) * 2020-05-20 2021-11-25 BSH Hausgeräte GmbH Erstellen einer Umgebungskarte
JP7561107B2 (ja) * 2021-09-09 2024-10-03 株式会社デンソー 障害物検出装置、障害物検出方法および障害物検出プログラム
US12482137B2 (en) * 2022-04-29 2025-11-25 Nvidia Corporation Detecting hazards based on disparity maps using computer vision for autonomous machine systems and applications
US20230351769A1 (en) * 2022-04-29 2023-11-02 Nvidia Corporation Detecting hazards based on disparity maps using machine learning for autonomous machine systems and applications
US20250388223A1 (en) * 2024-06-21 2025-12-25 Ford Global Technologies, Llc Systems and methods to adjust vehicle parameters in a geofenced area

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014225220A (ja) * 2013-02-18 2014-12-04 株式会社リコー 移動面情報検出装置、及びこれを用いた移動体機器制御システム並びに移動面情報検出用プログラム
JP2015075800A (ja) 2013-10-07 2015-04-20 日立オートモティブシステムズ株式会社 物体検出装置及びそれを用いた車両
JP2015179302A (ja) * 2014-03-18 2015-10-08 株式会社リコー 立体物検出装置、立体物検出方法、立体物検出プログラム、及び移動体機器制御システム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007102545A (ja) 2005-10-05 2007-04-19 Ricoh Co Ltd 電子文書作成装置、電子文書作成方法及び電子文書作成プログラム
JP4647515B2 (ja) 2006-02-20 2011-03-09 株式会社リコー 座標検出装置、筆記具および座標入力システム
EP2602761A4 (en) 2010-08-03 2017-11-01 Panasonic Intellectual Property Management Co., Ltd. Object detection device, object detection method, and program
JP6102088B2 (ja) 2011-09-01 2017-03-29 株式会社リコー 画像投影装置、画像処理装置、画像投影方法、画像投影方法のプログラム及びそのプログラムを記録した記録媒体
CN103177236B (zh) * 2011-12-22 2016-06-01 株式会社理光 道路区域检测方法和装置、分道线检测方法和装置
CN103489175B (zh) * 2012-06-13 2016-02-10 株式会社理光 路面检测方法和装置
JP2014131257A (ja) 2012-11-27 2014-07-10 Ricoh Co Ltd 画像補正システム、画像補正方法及びプログラム
CN103854008B (zh) * 2012-12-04 2019-10-18 株式会社理光 路面检测方法和装置
JP5874756B2 (ja) * 2014-02-07 2016-03-02 トヨタ自動車株式会社 区画線検出システム及び区画線検出方法
JP6519262B2 (ja) 2014-04-10 2019-05-29 株式会社リコー 立体物検出装置、立体物検出方法、立体物検出プログラム、及び移動体機器制御システム
JP6550881B2 (ja) 2014-07-14 2019-07-31 株式会社リコー 立体物検出装置、立体物検出方法、立体物検出プログラム、及び移動体機器制御システム
US20160019429A1 (en) 2014-07-17 2016-01-21 Tomoko Ishigaki Image processing apparatus, solid object detection method, solid object detection program, and moving object control system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014225220A (ja) * 2013-02-18 2014-12-04 株式会社リコー 移動面情報検出装置、及びこれを用いた移動体機器制御システム並びに移動面情報検出用プログラム
JP2015075800A (ja) 2013-10-07 2015-04-20 日立オートモティブシステムズ株式会社 物体検出装置及びそれを用いた車両
JP2015179302A (ja) * 2014-03-18 2015-10-08 株式会社リコー 立体物検出装置、立体物検出方法、立体物検出プログラム、及び移動体機器制御システム

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ALEX KRIZHEVSKY; ILYA SUTSKEVER; GEOFFREY E HINTON: "Imagenet classification with deep convolutional neural networks", ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS, 2012, pages 1097 - 1105, XP055309176
CSURKA, G.; BRAY, C.; DANCE, C.; FAN, L: "Visual categorization with bags of keypoints", PROC. ECCV WORKSHOP ON STATISTICAL LEARNING IN COMPUTER VISION, 22 January 2004 (2004-01-22)
See also references of EP3432264A4

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019116958A1 (ja) * 2017-12-13 2019-06-20 日立オートモティブシステムズ株式会社 車載環境認識装置
JP2019106026A (ja) * 2017-12-13 2019-06-27 日立オートモティブシステムズ株式会社 車載環境認識装置
US11093763B2 (en) 2017-12-13 2021-08-17 Hitachi Automotive Systems, Ltd. Onboard environment recognition device
JP7025912B2 (ja) 2017-12-13 2022-02-25 日立Astemo株式会社 車載環境認識装置
JP2023174682A (ja) * 2018-12-28 2023-12-08 株式会社Ｊｖｃケンウッド 車両用映像処理装置および車両用映像処理方法
JP7571843B2 (ja) 2018-12-28 2024-10-23 株式会社Ｊｖｃケンウッド 車両用映像処理装置および車両用映像処理方法
JP2023536407A (ja) * 2020-07-24 2023-08-25 セーフ エーアイ，インコーポレイテッド 走行可能面識別技術
JP2022149060A (ja) * 2021-03-25 2022-10-06 本田技研工業株式会社 アクティブサスペンション装置、及びサスペンションの制御装置
JP7214776B2 (ja) 2021-03-25 2023-01-30 本田技研工業株式会社 アクティブサスペンション装置、及びサスペンションの制御装置
JP2022179433A (ja) * 2021-05-19 2022-12-02 キヤノンメディカルシステムズ株式会社 画像処理装置及び画像処理方法

Also Published As

Publication number Publication date
JPWO2017159056A1 (ja) 2019-01-10
US20190019044A1 (en) 2019-01-17
EP3432264A1 (en) 2019-01-23
US10885351B2 (en) 2021-01-05
JP6711395B2 (ja) 2020-06-17
EP3432264A4 (en) 2019-07-10

Similar Documents

Publication Publication Date Title
JP6711395B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、移動体、画像処理方法、及びプログラム
US10580155B2 (en) Image processing apparatus, imaging device, device control system, frequency distribution image generation method, and recording medium
US10755116B2 (en) Image processing apparatus, imaging apparatus, and device control system
JP6733225B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
JP6705496B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、移動体、画像処理方法、及びプログラム
JP6769477B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
JP6816401B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
JP7206583B2 (ja) 情報処理装置、撮像装置、機器制御システム、移動体、情報処理方法およびプログラム
JP6705497B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、プログラム、及び移動体
JP6583527B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
WO2017130640A1 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
US10628960B2 (en) Information processing apparatus, imaging apparatus, device control system, moving object, information processing method, and recording medium
WO2017094300A1 (ja) 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム
JP2019106026A (ja) 車載環境認識装置
JP6733302B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
JP2016206801A (ja) 物体検出装置、移動体機器制御システム及び物体検出用プログラム
JP2012252501A (ja) 走行路認識装置及び走行路認識用プログラム
JP6711128B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
JPWO2017099199A1 (ja) 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム
EP3287948B1 (en) Image processing apparatus, moving body apparatus control system, image processing method, and program
JP6763198B2 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
WO2018097269A1 (en) Information processing device, imaging device, equipment control system, mobile object, information processing method, and computer-readable recording medium

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2018505308

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2017766064

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2017766064

Country of ref document: EP

Effective date: 20181017

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

Ref document number: 17766064

Country of ref document: EP

Kind code of ref document: A1

WWW Wipo information: withdrawn in national office

Ref document number: 2017766064

Country of ref document: EP