JP2002310896A

JP2002310896A - 路面状態判別装置及び路面状態判別方法

Info

Publication number: JP2002310896A
Application number: JP2001121516A
Authority: JP
Inventors: Masahiro Yamada; 昌弘山田; Shigeyuki Watanabe; 茂幸渡辺
Original assignee: Mitsubishi Heavy Industries Ltd
Current assignee: Mitsubishi Heavy Industries Ltd
Priority date: 2001-04-19
Filing date: 2001-04-19
Publication date: 2002-10-23

Abstract

(57)【要約】【課題】本発明は、路面状態判別装置に関し、路面状
態の判定範囲を拡大するとともに路面状態の検出精度を
高めるようにする。【解決手段】撮像手段１で撮像された路面を複数の判定
領域に分割する画像処理手段３と、路面の状態を表す特
徴量を判定領域毎に算出する特徴量算出手段４と、路面
状態の判別基準となるサンプルデータを予め判定領域毎
に記憶したデータベース６と、特徴量算出手段４で算出
された特徴量とデータベース６に記憶されたサンプルデ
ータとを比較して路面の状態を判定領域毎に判別する路
面状態判別手段５とをそなえるように構成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、撮影された道路の
画像から路面の状態を判別してドライバや道路管理者に
知らせる道路管理支援システム等に用いて好適の、路面
状態判別装置及び路面状態判別方法に関する。

【０００２】

【従来の技術】従来より路面の乾燥，湿潤，積雪及び凍
結等の路面状態を判別するための方法や装置が種々開
発、提案されている。例えば路面に非接触で路面状態を
判定する手法としては、レーザ光の反射特性の変化を利
用するものや、マイクロ波や赤外線を用いるものが知ら
れているが、いずれも測定範囲が比較的狭い領域に限定
されたり、路面状態によって種類分けが必要になったり
して、路面のような面的に広い領域を監視したいという
要望に必ずしも応えられるものではなかった。また、比
較的広範囲が検査できる赤外線カメラを利用した方法で
は、コスト的に高価となるなどの欠点もある。

【０００３】これに対して、可視カメラを用いた手法で
は、監視領域の点で１００〜１５０ｍ先までの比較的広
範囲が検査可能である上にコスト的にも比較的安価とな
る。また、可視カメラそのものは路面状態の判別とは別
の目的、例えば交通量の監視や事故の監視等の目的で既
に多数取り付けられており、また、道路の高度情報化の
流れの中で、今後も路線毎に比較的密に取り付けられる
ことが予想される。このため、可視カメラを用いて路面
状態を把握できれば、コスト面で非常に有益なシステム
なり得る。

【０００４】このような可視カメラを利用した路面状態
判別手法としては、例えば特開平１０−１１５６８４号
公報に開示された技術が知られている。この技術では、
俯瞰撮影した判別対象路面の水平偏光画像（Ｐ画像）と
垂直偏光画像（Ｓ画像）とから、これらの比であるＰＳ
比画像（又は単にＰＳ比ともいう）を求め、このＰＳ比
画像の輝度値，輝度の空間的ばらつき、またはＰ画
像から求められるテクスチャ（要素がある種の規則にし
たがって配列されてできる繰り返しパターン），粒状
性，画像の垂直方向の方向性および画像の水平方向
の方向性をそれぞれ求め、これに気温データを加えて多
変量判別分析により路面状態を判別している。

【０００５】

【発明が解決しようとする課題】しかしながら、このよ
うな従来の技術では、ＰＳ比は路面状態を判定しようと
する地点とカメラとの相対的な位置によって大きく変化
するため、広範囲に亘る路面状況の判別が困難であると
いう課題があった。ここで、図１０は水平偏光画像（Ｐ
画像）及び垂直偏光画像（Ｓ画像）の反射率特性を示す
ものであるが、この図からも、カメラの受光角、即ちカ
メラからの距離に応じて、ＰＳ比が大きく異なってしま
うことがわかる。このため、従来技術では、ＰＳ比画像
の差が最大となる受光角、即ち水のブリュースタ角５３
°付近のみを判定範囲としているのである。

【０００６】本発明は、このような課題に鑑み創案され
たもので、路面状態の判別範囲を拡大するとともに路面
状態の検出精度を高めるようした、路面状態判別装置及
び路面状態判別方法を提供することを目的とする。

【０００７】

【課題を解決するための手段】このため、請求項１記載
の本発明の路面状態判別装置は、路面を俯瞰するように
取り付けられた撮像手段で撮像された画像情報に基づい
て該路面の状態を判別する路面状態判別装置であって、
該撮像手段で撮像された画像情報に基づいて該路面の領
域を複数の判定領域に分割する画像処理手段と、該画像
情報から路面の状態を表す特徴量を該判定領域毎に算出
する特徴量算出手段と、該路面状態の判別基準となるサ
ンプルデータを予め該判定領域毎に記憶したデータベー
スと、該特徴量算出手段で算出された特徴量と該データ
ベースに記憶されたサンプルデータとを比較して該路面
の状態を該判定領域毎に判別する路面状態判別手段とを
そなえていることを特徴としている。

【０００８】また、請求項２記載の本発明の路面状態判
別装置は、上記請求項１において、該サンプルデータ
が、予め状態のわかっている路面を撮像して得られる該
路面の特徴量であって、該特徴量が該路面の状態毎に分
類されていることを特徴としている。また、請求項３記
載の本発明の路面状態判別装置は、上記請求項１又は２
において、該判定領域が、少なくとも水のブリュースタ
角を含む第１の領域と、該第１の領域よりも遠方の第２
の領域とに分割されていることを特徴としている。

【０００９】また、請求項４記載の本発明の路面状態判
別装置は、上記請求項３において、該特徴量が、少なく
とも天候と時刻とに応じてさらに細かく分類されている
ことを特徴としている。また、請求項５記載の本発明の
路面状態判別方法は、路面を俯瞰するように取り付けら
れた撮像手段で撮像された画像情報に基づいて該路面の
状態を判別する路面状態判別方法であって、該路面状態
を判別する基準となるサンプルデータを予め記憶してお
き、該撮像手段で撮像された路面を複数の判定領域に分
割するとともに各判定領域毎に該路面の状態を表す特徴
量を算出し、該算出された特徴量と該記憶されたサンプ
ルデータとを判定領域毎に比較して該路面の状態を判別
することを特徴としている。

【００１０】また、請求項６記載の本発明の路面状態判
別方法は、上記請求項５において、該サンプルデータ
が、予め状態のわかっている路面を撮像して得られる該
路面の特徴量であって、該特徴量が該路面の状態毎に分
類されていることを特徴としている。また、請求項７記
載の本発明の路面状態判別方法は、上記請求項６におい
て、該特徴量が、少なくとも天候と時刻とに応じてさら
に細かく分類されていることを特徴としている。

【００１１】

【発明の実施の形態】以下、図面により、本発明の第１
実施形態にかかる路面状態判別装置について説明する
と、図１はその要部の機能構成を示す模式的なブロック
図である。図１において、１は撮像手段としての可視カ
メラ、２は本装置の要部をなす演算装置（又は制御装
置）、７は偏光素子である。

【００１２】このうち、可視カメラ（以下、単にカメラ
という）１は路面を俯瞰するように道路上の適当な高さ
（例えば７ｍ）の場所に固定されている。この可視カメ
ラ１で撮像された路面の画像情報は、例えば道路管理者
の管理センター等に設けられた演算装置２に入力される
ようになっている。そして、この演算装置内２で種々の
演算が行なわれて、撮像された路面が乾燥，湿潤，水
膜，積雪及び凍結等いずれの状態であるのかが判別され
るようになっている。

【００１３】演算装置２には、Ａ／Ｄ変換器（図示省
略），画像処理部（画像処理手段）３，特徴量算出部
（特徴量算出手段）４，路面状態判定部（路面状態判別
手段）５，データベース６及び偏光素子制御部８等が設
けられている。また、偏光素子７はカメラ１の前面に配
設され、上記偏光素子制御部８からの制御信号により偏
光素子７の偏光面が一定時間間隔で切り換えられるよう
になっている。

【００１４】また、カメラ１で撮像された画像情報は、
図示しないＡ／Ｄ変換器でディジタル変換された後、画
像処理部３に入力されるようになっている。また、この
画像処理部３には、偏光素子７の偏光面が垂直であるか
水平であるかのステータス信号も入力されるようになっ
ている。ここで、図１に示すように、カメラ１の取り付
け角度は、路面法線Ｎに対して水のブリュースタ角であ
る５３°を含むように固定されている。これは、撮像さ
れた路面画像の垂直偏光成分（Ｓ偏光成分）と水平偏光
成分（Ｐ偏光成分）との比（ＰＳ比）がブリュースタ角
５３°近傍で最大となるからであり（図１０参照）、こ
のようにＰＳ比が極力大きくなるようにカメラ１を取り
付けることで、路面状態の判別精度を高めているのであ
る。

【００１５】また、特徴量算出部４では、画像処理部３
で処理された画像情報から路面状態を表す特徴量が算出
されるようになっている。ここで、特徴量とは、後述の
路面状態判定部５において、路面の状態を判別するため
のパラメータとして用いられるものであり、具体的に
は、色相（色），彩度，明るさの空間的なばらつ
き，同相色差，直交色差，輝度勾配，輝度誤
差，同時生起行列から求められるテクスチャ（模様）
の種類及びＰＳ比をいう。さらに、上記のテクスチ
ャの種類としては、垂直方向及び水平方向毎にそれぞれ
セカンドモーメント，ディファレンスエントロピ，イン
フォメーションメジャーオブコーリレーションの６種類
のパラメータが算出されるようになっている。したがっ
て、本実施形態では結果的に合計１４種類の特徴量（パ
ラメータ）が算出されるようになっている。なお、これ
らのパラメータの算出手法はいずれも公知であるのでそ
の説明を省略する。

【００１６】ところで、カメラ１で撮像された路面の画
像は、画像処理部３において、図１，図２に示すよう
に、ブリュースタ角付近のａ地点を含む領域Ａ（第１の
領域）と、ブリュースタ角から遠方に離れたｂ地点を含
む領域Ｂ（第２の領域）との２つの領域に分割（又は設
定）されるようになっている。そして、特徴量算出部４
では、各領域Ａ，Ｂ毎にそれぞれ上記の特徴量を算出す
るようになっている。なお、この場合、各画像領域Ａ，
Ｂの代表領域において特徴量を算出するようにしても良
いし、各画像領域Ａ，Ｂにおいて複数の領域毎に各特徴
量を算出した後これを平均化してもよい。また、これ以
外の手法で各領域Ａ，Ｂの特徴量を算出してもよい。ま
た、本実施形態では、画像領域をＡ，Ｂの２つに分割し
た場合について説明するが、画像領域を３つ以上に分割
してもよい。

【００１７】そして、路面状態判定部５では、上記特徴
量算出部４で算出された各種のパラメータを用いて多変
量判別分析が行なわれ、路面の状態が判別されるように
なっている。ここで、路面状態判定部５では、まず、特
徴量算出部４で算出されたパラメータを多次元空間（本
実施形態では１４次元空間）上にプロットし、この点が
判定関数データベース６内に格納された乾燥，湿潤，水
膜，積雪，凍結等のサンプルデータ群のうちどの状態の
グループ（クラス）に属しているか、又は一番近いかを
判定するようになっている。なお、このサンプルデータ
は、予め、各種の路面状態毎にカメラ１で撮像、取得し
ておき、上記の各領域毎にデータベース化されたもので
ある。

【００１８】以下、このような路面状態の判定の具体例
について説明する。なお、以下では、説明を簡略化する
ために、特徴量（パラメータ）をＰＳ比と輝度値との２
つに限定して、２次元のマップで路面状態を判別する例
について説明するまず、本装置の運用以前に、準備段階
としてサンプルデータの収集を行なう。即ち、予め路面
状態がわかっている時点で、路面を撮影しておき、乾
燥，湿潤，水膜，積雪，凍結等におけるＰＳ比（特徴量
１）と輝度値（特徴量２）とを各路面領域Ａ，Ｂ毎に特
徴量算出部４で算出する。そして、これらの値がサンプ
ルデータとして記憶される。なお、このようなサンプル
データは多い方がよく、ある一定数のデータが蓄積され
るまで収集を行なう。

【００１９】次に、上記の２つの特徴量から、路面領域
毎に図３（ａ），（ｂ）に示すようなデータベースを作
成する。つまり、路面が乾燥状態にあるときのサンプル
データの分布から乾燥状態での特徴量の存在領域（デー
タの広がり）を定め、同様に、湿潤状態，水膜状態等で
の特徴量の存在領域を定める。そして、このようなデー
タベースを、ブリュースタ角近傍（図２に示す領域Ａ）
とブリュースタ角から離れた地点（図２に示す領域Ｂ）
とでそれぞれ作成し、判定関数データベース６に格納す
る。

【００２０】このようにデータベースを作成した状態
で、路面状態の判定を行なう。まず、カメラ１で路面を
撮影し、カメラ１から画像情報を取り込んで画像処理部
３で画像領域を上記２つの領域に分割する。そして、特
徴量算出部６で、それぞれの領域毎に上記の２つの特徴
量（輝度値，ＰＳ比）を算出する。次に、これらの２つ
の特徴量を図３（ａ），（ｂ）に示すマップにプロット
し、この特徴点が、サンプルデータ群のどのクラスに属
しているかが判定される。そして、乾燥状態のクラスに
属していれば、撮影された路面の領域は乾燥状態である
と判定するのである。

【００２１】このように、本発明の路面状態判別装置で
は、カメラ１からの距離（カメラ１の受光角）に応じて
異なるデータベースを作成、記憶するとともに、カメラ
１で撮影された路面を２つの領域に分割して、それぞれ
の領域に対応するデータベースを用いて路面の領域毎に
路面の状態を判定しているのである。一方、従来の技術
のように、カメラ１で撮影された全路面領域で特徴量の
サンプルデータを収集した場合には、受光角に起因する
ＰＳ比の相違により特徴量の散らばり方が大きくなり、
この結果各クラスが重なり合って正確な路面状態の判定
が困難であった（図１１参照）。

【００２２】これに対し、本発明の路面状態判別装置で
は、図１０に示す反射率の特性から、撮像された路面
を、ＰＳ比が略一定となる領域に区切って判別対象とす
ることで判別精度の向上を図っているのである。つま
り、上述のように、カメラ１の受光角に応じた複数の地
点（領域）毎に予めデータベースを作成することで、特
徴量のクラスの重なりを排除し、この路面領域毎に路面
状態を判定することで、正確な路面判定が実現できるの
である。

【００２３】ところで、図３（ａ）に示すように、撮影
された路面の特徴点（図中×，＊で示す）は、マハラノ
ビス距離関数を用いて、どのクラスに属しているかが判
定される。ここでマハラノビス距離は下式で表される。マハラノビス距離＝^t（ｘ−ａ_c）Ｖ_c ^-1（ｘ−ａ_c）ｘ：変数（列ベクトル）であり、検査画像の特徴量ベク
トルａ_c：クラスｃの平均特徴量ベクトル（列ベクトル）Ｖ_c：クラスｃの共分散行列であり、行列のｉｊ成分は
特徴量ｉと特徴量ｊとの共分散なお、路面の特徴点がどのクラスに属しているかの判定
手法は、上記マハラノビス距離関数を用いたものに限定
されるものではなく、各クラスの中心からの距離（ユー
クリッド距離）を用いて判定しても良いし、他の手法で
判定してもよい。

【００２４】本発明の第１実施形態にかかる路面状態判
別装置は上述のように構成されているので、以下のよう
にして路面の状態が判別される。まず、実際の運用開始
前にあらゆる状況で予め状態のわかっている路面を撮影
してサンプルデータを収集しデータベースを作成する。
これを図４に示すフローチャートを用いて説明すると、
最初にカメラ１で路面を撮影し（ステップＳ１）、画像
処理部３でカメラ１で撮影された各画像が、判定領域の
路面状態（乾燥，湿潤，水膜等の状態）毎に即ちクラス
毎に分類される（ステップＳ２）。そして、各画像のあ
る判定領域における特徴量が計算され（ステップＳ
３）、判定領域のクラス毎に各特徴量の平均値及び共分
散行列の逆行列からマハラノビス距離関数がそれぞれ算
出される（ステップＳ４）。また、このような判定領域
が他にもあるか否かを判定し（ステップＳ５）、他にも
判定領域があれば、全ての判定領域で上記ステップＳ１
〜Ｓ４の処理を繰り返す。そして、全ての判定領域につ
いて作業を終えると、これらのサンプルを判定関数デー
タベース６に格納して（ステップＳ６）、準備作業を終
了する。

【００２５】ここで、図５を用いて上記マハラノビス距
離関数の作成手法について説明する。例えば乾燥状態の
路面の画像の数が３で、特徴量の数が２であって、乾燥画像１の特徴量ベクトル＝（１，３０）乾燥画像２の特徴量ベクトル＝（４，６）乾燥画像３の特徴量ベクトル＝（１０，３）とすると、乾燥状態の路面の平均特徴量ベクトルａ_cは
下記のように表される。ａ_c＝（５，１３）また、乾燥状態の路面共分散行列Ｖ_cは、この平均特徴
量ベクトルａ_cの各成分の共分散から算出される（具体
的な数値については図５参照）。

【００２６】次に、図６を用いて、実際の路面判別手法
を説明すると、まずカメラ１で対象となる路面を撮影し
（ステップＳ１１）、画像処理部３で路面の判定領域が
分割されるとともに、各判定領域での特徴量が特徴量算
出部４で算出される（ステップＳ１２）。次に、データ
ベース６に格納されたサンプルデータのうち、対応する
判定領域のサンプルデータを参照して、このサンプルデ
ータ（特徴量）の多次元空間位置から各クラスまでのマ
ハラノビス距離が算出される（ステップＳ１３）。そし
て、マハラノビス距離が最小となるクラスを決定し、対
象路面の状態がこのクラスに属していると判定される
（ステップＳ１４）。さらに、ステップＳ１１で撮像さ
れた路面に他に判定領域があるか否かを判定し（ステッ
プＳ１５）、他にも判定領域があれば、全ての判定領域
について、上記ステップＳ１１〜１４の処理を行ない、
判定領域毎に路面の状態を判別する。

【００２７】なお、路面判別が行なわれた後、当該判別
結果が正しかったことが確認できれば、このときのデー
タを新たなサンプルデータとして取得してもよい。この
場合には、装置の運用開始後の時間経過に伴いサンプル
データが増加するので、より的確にクラスを分類するこ
とができ、判別精度を高めることができる。図７
（ａ），（ｂ）に、従来の装置及び本実施形態にかかる
路面状態判別装置による判別試験の結果をそれぞれ示
す。この試験では、道路の状態として乾燥，湿潤及び水
膜の３つの状態について判別を行なった。また、従来の
装置では、路面の領域を分割せずに、撮影された路面の
全領域を判別対象とした。この結果、図示するように、
従来の装置では正しく路面状態を判別できた率（正解
率）が平均で０．６３６であったのに対して、本実施形
態にかかる路面状態判別装置では正解率は平均で０．９
６２と、大幅に正解率が向上した。特に、従来はほとん
ど判別できなかった湿潤状態を完全に判別することがで
き、本装置の有用性が確認できた。

【００２８】なお、水膜状態の路面の正解率のみに着目
すれば本装置は従来の装置よりも正解率が劣っている
が、従来の装置では、水膜状態の路面を正しく判定でき
なっかた事例のうち、その半分を乾燥状態と判別してお
り明らかな誤判定を招いている。一方、本装置では水膜
状態の路面を正しく判定できなかった事例であっても、
これらは全て湿潤状態と判別されており、路面状態を判
別する性能としては向上していることが確認できた。

【００２９】このように、本第１実施形態にかかる路面
状態判別装置によれば、装置のハードウェアをほとんど
変更することなく路面状態の判別精度を大幅に向上させ
ることができる利点があるほか、ブリュースタ角近傍の
領域のみならず、１００〜１５０ｍ前方の領域の路面状
態を正確に判別でき、判別する路面の範囲を大幅に拡大
することができるという特有の利点を有している。

【００３０】また、サンプルデータが、予め状態のわか
っている路面を撮像して得られる路面の特徴量であっ
て、このサンプルデータとしての特徴量を路面の状態毎
に分類することにより、従来より知られている多変量判
別分析の手法（例えばマハラノビスの距離を用いた判別
手法）等を適用できる。したがって、比較的簡単に路面
状態を判別することができるという利点がる。

【００３１】次に、本発明の第２実施形態にかかる路面
状態判別装置について説明すると、本第２実施形態にか
かる路面状態判別装置は、上記第１実施形態で説明した
路面状態判別装置において、データベースを天候や時刻
等の条件に応じてさらに細かく分類したものである。し
たがって、装置の構成としては、第１実施形態のものと
略同様に構成されており、重複する部分については説明
を省略する。

【００３２】さて、本第２実施形態にかかる路面状態判
別装置では、演算装置２に天候データを取り込むための
日照計（天候判別手段）及び太陽の位置を判定するため
の時計とが接続されており、これら日照計及び時計から
の情報に基づいて天候及び太陽の位置が取り込まれるよ
うになっている。これは、カメラ１で撮像された画像の
特徴量（特に輝度）は天候や太陽の位置（時刻）により
大きく変動することを考慮したものである。つまり、サ
ンプルデータを取得する際に天候や太陽の位置を考慮し
ない場合には、図８（ａ）に示すように、特徴量の分布
が広がってしまい、異なるクラスで重複する領域が生じ
る場合があった。この結果、路面状態を誤判定してしま
うおそれがあった。

【００３３】そこで、本第２実施形態では、天候や時間
に応じてクラスを分割するようになっており、これによ
り、例えば図８（ｂ）に示すように、天候が晴れのとき
の乾燥状態での特徴量の分布と、天候が曇りのときの乾
燥状態での特徴量の分布とを分けることができる。そし
て、判定対象の路面を撮影したときの天候や時刻のデー
タを取り込むことで、対応するサンプルデータを絞り込
むことができ、路面状態の判別精度を向上させることが
できるのである。

【００３４】なお、ここでは特徴量が変動する要素とし
て天候や時刻を適用したが、これ以外にも種々のパラメ
ータを適用することができる。例えば、太陽の位置は季
節によっても変動するので、例えば１ヶ月毎にデータベ
ースを分類してもよいし、路面への影の影響の有無等に
より、さらに詳細にデータを分類しても良い。さらに
は、積雪状態のクラスを新雪と圧雪等のクラスに細分化
してもよい。

【００３５】本発明の第２実施形態にかかる路面状態判
別装置は上述のように構成されているので、例えば図９
に示すフローチャートにしたがってデータベースが作成
される。なお、このフローチャートでは説明を簡略化す
るために、撮影された路面のうち、ある１つの判定領域
に着目して説明する。まず、カメラ１で予め状態がわか
っている路面を多数撮影し（ステップＳ２１）、各画像
を路面状態，天候及び時刻等で細かく分類する（ステッ
プＳ２２）。次に、各画像毎に特徴量を算出し（ステッ
プＳ２３）、分類された全てのクラス毎に各特徴量の平
均値及び共分散行列の逆行列からマハラノビス距離関数
を算出する（ステップＳ２４）。そして、これらのサン
プルを判定関数データベース６に格納して（ステップＳ
２５）、準備作業を終了する。

【００３６】なお、これ以降は、上記の第１実施形態と
同様にして路面の判別が実行される。したがって、本第
２実施形態にかかる路面状態判別装置では、上記の第１
実施形態の路面状態判別装置と同様の利点があるほか、
天候や時間等のさまざまな外乱要因の影響を排除でき、
路面状態の判定精度をさらに高めることができるという
利点があるなお、本発明の路面状態判別装置は上述の各
実施形態に限定されるものではなく、本発明の趣旨を逸
脱しない範囲で種々の変形例が可能である。例えば演算
装置２をカメラ１と一体化しても良い。また、判別結果
を道路上に設けたディスプレイやカーナビゲーションに
表示してドライバに前方の路面状態を知らせるようなシ
ステムや、或いは道路の状態を道路管理者に知らせるよ
うなシステムに適用してもよい。また、このような路面
状態の伝達する手法としては、インターネットや無線通
信等の種々の手法を利用することができる。

【００３７】

【発明の効果】以上詳述したように、請求項１記載の本
発明の路面状態判別装置によれば、撮像手段で撮像され
た画像情報に基づいて路面の領域を複数の判定領域に分
割する画像処理手段と、該画像情報から路面の状態を表
す特徴量を判定領域毎に算出する特徴量算出手段と、該
路面状態の判別基準となるサンプルデータを予め該判定
領域毎に記憶したデータベースと、該特徴量算出手段で
算出された特徴量と該データベースに記憶されたサンプ
ルデータとを比較して該路面の状態を該判定領域毎に判
別する路面状態判別手段とをそなえるという簡素な構成
により、従来の装置のハードウェアをほとんど変更する
ことなく、路面状態の判別範囲を拡大することができる
とともに、判別精度を大幅に向上させることができる。

【００３８】また、請求項２記載の本発明の路面状態判
別装置によれば、該サンプルデータが、予め状態のわか
っている路面を撮像して得られる該路面の特徴量であっ
て、該特徴量が該路面の状態毎に分類されているという
構成により、多変量判別分析等の手法により比較的簡単
に路面状態を判別することができる利点がある。また、
請求項３記載の本発明の路面状態判別装置によれば、該
判定領域が、少なくとも水のブリュースタ角を含む第１
の領域と、該第１の領域よりも遠方の第２の領域とに分
割されているので、サンプルデータの分布の重なり合う
領域を排除でき、正確な路面判定が実現できるという利
点がある。

【００３９】また、請求項４記載の本発明の路面状態判
別装置によれば、特徴量が、少なくとも天候と時刻とに
応じてさらに細かく分類されているので、天候や時間に
よる外乱要因の影響を排除でき、路面状態の判定精度を
さらに高めることができるという利点がある。また、請
求項５記載の本発明の路面状態判別方法によれば、路面
状態を判別する基準となるサンプルデータを予め記憶し
ておき、撮像手段で撮像された路面を複数の判定領域に
分割するとともに各判定領域毎に該路面の状態を表す特
徴量を算出し、該算出された特徴量と記憶されたサンプ
ルデータとを該判定領域毎に比較して該路面の状態を判
別することにより、路面状態の判別範囲を拡大すること
ができるとともに、判別精度を大幅に向上させることが
できるという利点がある。

【００４０】また、請求項６記載の本発明の路面状態判
別方法によれば、サンプルデータが、予め状態のわかっ
ている路面を撮像して得られる路面の特徴量であって、
特徴量が該路面の状態毎に分類されているので、多変量
判別分析等の手法により比較的簡単に路面状態を判別す
ることができる利点がある。また、請求項７記載の本発
明の路面状態判別方法によれば、該特徴量が、少なくと
も天候と時刻とに応じてさらに細かく分類されているの
で、天候や時間による外乱要因の影響を排除でき、路面
状態の判定精度をさらに高めることができるという利点
がある。

【図面の簡単な説明】

【図１】本発明の第１実施形態にかかる路面状態判別装
置の要部構成を示す模式的なブロック図である。

【図２】本発明の第１実施形態にかかる路面状態判別装
置のカメラで撮影された路面の画像を示す模式図であ
る。

【図３】（ａ），（ｂ）はともに本発明の第１実施形態
にかかる路面状態判別装置の作用を説明するための図で
あって、いずれも特徴量の分布を示す図である。

【図４】本発明の第１実施形態にかかる路面状態判別装
置におけるデータベース作成の流れを説明するためのフ
ローチャートである。

【図５】本発明の第１実施形態にかかる路面状態判別装
置におけるマハラノビス距離関数の作成手法を説明する
ための図である。

【図６】本発明の第１実施形態にかかる路面状態判別装
置における路面状態の判別時の流れを説明するためのフ
ローチャートである。

【図７】本発明の第１実施形態にかかる路面状態判別装
置による試験結果を従来の装置と比較して示す図であ
る。

【図８】本発明の第２実施形態にかかる路面状態判別装
置の作用を従来の装置と比較して示す図である。

【図９】本発明の第２実施形態にかかる路面状態判別装
置におけるデータベース作成の流れを説明するためのフ
ローチャートである。

【図１０】一般的な水平偏光画像（Ｐ画像）及び垂直偏
光画像（Ｓ画像）の反射率特性を示す図である。

【図１１】従来の装置における特徴量の分布を示す図で
ある。

【符号の説明】

１可視カメラ（撮像手段）２演算装置３画像処理部（画像処理手段）４特徴量算出部（特徴量算出手段）５路面状態判定部（路面状態判別手段）６データベース７偏光素子８偏光素子制御部

───────────────────────────────────────────────────── フロントページの続きＦターム(参考） 2D053 AA32 AB01 AD01 FA03 2G059 AA05 BB08 CC11 EE02 EE05 EE13 FF01 FF08 JJ19 KK04 MM01 MM03 MM05 MM09 MM10 NN01 PP03

Claims

【特許請求の範囲】

【請求項１】路面を俯瞰するように取り付けられた撮
像手段で撮像された画像情報に基づいて該路面の状態を
判別する路面状態判別装置であって、該撮像手段で撮像された画像情報に基づいて該路面の領
域を複数の判定領域に分割する画像処理手段と、該画像情報から路面の状態を表す特徴量を該判定領域毎
に算出する特徴量算出手段と、該路面状態の判別基準となるサンプルデータを予め該判
定領域毎に記憶したデータベースと、該特徴量算出手段で算出された特徴量と該データベース
に記憶されたサンプルデータとを比較して該路面の状態
を該判定領域毎に判別する路面状態判別手段とをそなえ
ていることを特徴とする、路面状態判別装置。
【請求項２】該サンプルデータが、予め状態のわかっ
ている路面を撮像して得られる該路面の特徴量であっ
て、該特徴量が該路面の状態毎に分類されていることを
特徴とする、請求項１記載の路面状態判別装置。
【請求項３】該判定領域が、少なくとも水のブリュー
スタ角を含む第１の領域と、該第１の領域よりも遠方の
第２の領域とに分割されていることを特徴とする、請求
項１又は２記載の路面状態判別装置。
【請求項４】該特徴量が、少なくとも天候と時刻とに
応じてさらに細かく分類されていることを特徴とする、
請求項２又は３記載の路面状態判別装置。
【請求項５】路面を俯瞰するように取り付けられた撮
像手段で撮像された画像情報に基づいて該路面の状態を
判別する路面状態判別方法であって、該路面状態を判別する基準となるサンプルデータを予め
記憶しておき、該撮像手段で撮像された路面を複数の判定領域に分割す
るとともに各判定領域毎に該路面の状態を表す特徴量を
算出し、該算出された特徴量と該記憶されたサンプルデータとを
該判定領域毎に比較して該路面の状態を判別することを
特徴とする、路面状態判別方法。
【請求項６】該サンプルデータが、予め状態のわかっ
ている路面を撮像して得られる該路面の特徴量であっ
て、該特徴量が該路面の状態毎に分類されていることを
特徴とする、請求項５記載の路面状態判別方法。
【請求項７】該特徴量が、少なくとも天候と時刻とに
応じてさらに細かく分類されていることを特徴とする、
請求項６記載の路面状態判別方法。