JP2017107327A - 物体検出装置および物体検出方法 - Google Patents

Abstract

【課題】画像から特定した対象の輪郭線の一部に欠けがある場合であっても、対象が路面上の模様か、静止立体物かを判定すること。【解決手段】物体検出装置１００は、過去の時刻の輪郭線を基にして、模様予測輪郭線および立体物予測輪郭線を作成する。物体検出装置１００は、立体物予測輪郭線の長さと、模様予測輪郭線の長さと、現在時刻の実際の輪郭線の長さとを比較し、実際の輪郭線の長さが、立体物予測輪郭線の長さよりも、模様予測輪郭線の長さに近い場合には、物体が路面であると判定する。一方、物体検出装置１００は、実際の輪郭線の長さが、模様予測輪郭線の長さよりも、立体物予測輪郭線の長さに近い場合には、物体が立体物であると判定する。【選択図】図３

Description

本発明は、物体検出装置等に関する。

車両のような移動体に外界を映すカメラを取り付け、撮影画像から物体を検出する方法として、オプティカルフローを用いた従来技術１がある。従来技術１は、各撮影画像から物体の特徴点をそれぞれ抽出し、時系列順に各撮影画像の各特徴点を対応付けることで、位置ずれ量を算出し、物体が路面模様であるか、立体物であるかを判定する。以下の説明では、適宜、位置ずれ量を、フロー量と表記する。

立体物のフロー量は、路面模様のフロー量よりも大きくなる。このため、従来技術１では、フロー量が閾値以上である場合には、物体が立体物であると判定し、フロー量が閾値未満である場合には、物体が路面模様であると判定する。

図１８は、立体物のフロー量と路面模様のフロー量とを説明するための図である。図１８に示すように、車両１０には、カメラが取り付けられており、車両１０が移動する前の時刻１のカメラをカメラ１１ａとし、車両１０が移動した後の時刻２のカメラをカメラ１１ｂとする。カメラ１１ａと立体物５０の着目点５０ａとを通る線分を、線分１とする。カメラ１１ｂと着目点５０ａとを通る線分を、線分２ａとする。カメラ１１ｂと路面模様５５の点５５ａとを通る線分を、線分２ｂとする。

カメラ１１ａがカメラ１１ｂに移動した場合の、仮想的な路面模様の視差変化Ｆ１は、第１交点と第２交点との差となる。第１交点は路面５と線分１との交点であり、第２交点は線分２ｂと路面５との交点である。

仮想的な立体物の視差変化Ｆ２は、第１交点と第３交点との差となる。第３交点は、線分２ａと路面５との交点である。視差変化Ｆ２の方が、視差変化Ｆ１よりも、１Ａだけ大きいため、立体物のフロー量が、路面模様のフロー量よりも大きくなることがわかる。

ここで、フロー量の大きさから立体物を識別する場合に、特徴点１点のみで立体物と路面とを識別するとノイズの影響を受ける。このため、従来技術１では、特徴点の塊を抽出し、フロー量が閾値以上となる特徴点が近傍領域に一定数以上あれば、物体を立体物として判定する。

しかし、従来技術１では、カメラの移動方向と立体物の形状方向が同じ場合、特徴点の時系列対応が一意に定まらず、フロー量を正しく算出することができず、物体が立体物であるか否かを適切に判定できない場合がある。

図１９は、従来技術１の問題を説明するための図である。図１９に示すように、画像中央に物体６０があり、物体６０に向かってカメラが直進すると、物体６０は矢印の方向に移動する。例えば、時刻１において物体６０から特徴点６０ａを検出し、時刻２において物体６０から特徴点６０ｂを検出したものとする。特徴点の移動方向と、物体形状方向が一致すると、各特徴点の対応が一意に定まらず、結果として物体が立体物であるか否かを判定できない。例えば、時刻１で検出した特徴点６０ａが、時刻２で検出した特徴点６０ｂに対応するのか、その他の特徴点６０ｃ，６０ｄに対応するのかが一意に定まらない。

図１９に示した問題を解消する従来技術２がある。図２０は、従来技術２を説明するための図である。従来技術２は、物体の端点を特徴点として抽出し、特徴点を対応付ける。端点であれば、特徴点の移動方向と物体形状方向が一致しても、各特徴点の対応が一意に定まる。従来技術２は、物体の輪郭線を抽出し、抽出した隅を端点として特定する。図２０に示す例では、時刻１において物体６０から特徴点６１ａ，６１ｂを検出し、時刻２において物体６０から特徴点６１ｃ，６１ｄを検出したとする。この場合には、特徴点６１ａと特徴点６１ｃとを対応付けることができ、特徴点６１ｂと特徴点６１ｄとを対応付けることができる。

ここで、従来技術２で抽出する輪郭線の方向は斜めを含んだ垂直方向である。立体物の特性として輪郭線が垂直方向に写るため垂直方向の輪郭線が支配的となり、水平方向の輪郭線がある場合でもカメラの移動方向と異なる場合が多く、対応が一意に定まりやすい。以下の説明では、縦方向の輪郭線を、輪郭線と表記する。

図２１は、輪郭線を抽出する処理を説明するための図である。従来技術２では、画像から得られた各特徴点６２について、縦方向に隣接する特徴点６２を同一物体の特徴点としてつなげることで、輪郭線６３を抽出する。

特開２０１４−１０４８５３号公報 国際公開第２０１４／０１７３１８号

しかしながら、上述した従来技術では、画像から特定した対象の輪郭線の一部に欠けがあると、物体が路面上の模様か、静止立体物かを判定することができないという問題がある。

図２２および図２３は、従来技術２の問題点を説明するための図である。実際に輪郭線を抽出すると、カメラと物体との距離が遠い場合には、解像度不足により背景と輪郭線との境界付近でぼけが生じ、輪郭線に欠けが生じる。図２２に示すように、時刻１において、物体６０から輪郭線６５ａが検出されるが、解像度不足により、欠け６６が発生する。一方、時刻２において、物体６５がカメラに近づくと、物体６５が大きく写るため、物体６５から輪郭線６５ｂが検出される。

図２２に示した欠け６６の存在により、物体のフロー量が正しく検出できず、物体が、路面上の模様か、立体物であるかを判定できなくなる。

図２３に示すように、時刻１により実際に検出された輪郭線は、輪郭線６５ａとなるが、適切な端点は、端点６７となる。ここで、仮に、輪郭線を輪郭線６５ａとすると、時刻１と時刻２との物体のフロー量は、フロー量２Ａとなる。一方、端点６７に基づく適切なフロー量は、フロー量２Ｂとなる。このため、欠けが発生すると、適切なフロー量２Ｂと比較して、フロー量２Ａが大きくなる。

適切なフロー量２Ｂと比較して、フロー量２Ａが大きくなると、立体物のフロー量に類似するため、物体６５が路面上の模様であるにもかかわらず、物体６５が立体物であると誤判定する場合がある。

１つの側面では、本発明は、画像から特定した対象の輪郭線の一部に欠けがある場合であっても、対象が路面上の模様か、静止立体物かを判定することができる物体検出装置および物体検出方法を提供することを目的とする。

第１の案では、物体検出装置は、特定部と、算出部と、判定部とを有する。特定部は、第一のタイミングで撮像された画像に写る対象物の第一輪郭線を特定する。また、特定部は、第一のタイミングとは異なる第二のタイミングで撮像された画像に写る対象物の第二輪郭線を特定する。算出部は、車両の移動方向、移動速度、及び、前記第一のタイミングと前記第二のタイミングとの時間差を用いて、対象物が路面の模様の場合に第一輪郭線が第二のタイミングで撮影されるべき模様予測輪郭線を算出する。算出部は、対象物が立体物の場合に第一輪郭線が第二のタイミングで撮影されるべき立体物予測輪郭線を算出する。判定部は、模様予測輪郭線と立体物予測輪郭線の内、模様予測輪郭線の長さが立体物予測輪郭線の長さよりも第二輪郭線の長さに近い場合には対象物を路面の模様と判定する。判定部は、立体物予測輪郭線の長さが模様予測輪郭線の長さよりも第二輪郭線の長さに近い場合には対象物を立体物と判定する。

画像から特定した対象の輪郭線の一部に欠けがある場合であっても、対象が路面上の模様か、静止立体物かを判定することができる。

図１は、物体が路面の場合において輪郭線に欠けがある場合とない場合との特性を説明するための図である。 図２は、物体が立体物の場合において輪郭線に欠けがある場合と無い場合との特性を説明するための図である。 図３は、本実施例１に係る物体検出装置の構成を示す機能ブロック図である。 図４は、本実施例１に係る輪郭線ＤＢのデータ構造の一例を示す図である。 図５は、本実施例１に係る特定部が輪郭線を特定する処理を示すフローチャートである。 図６は、本実施例１に係る輪郭線照合部が輪郭線を照合する処理を示すフローチャートである。 図７は、本実施例１に係る輪郭線照合部が実行する類似度判定処理を示すフローチャートである。 図８は、本実施例１に係る算出部が予測輪郭線を算出する処理を示すフローチャートである。 図９は、本実施例１に係る判定部の処理を示すフローチャートである。 図１０は、本実施例１に係る物体検出装置の処理手順を示すフローチャートである。 図１１は、本実施例２に係る物体検出装置の構成を示す機能ブロック図である。 図１２は、本実施例２に係る算出部の処理を説明するための図（１）である。 図１３は、本実施例２に係る算出部の処理を説明するための図（２）である。 図１４は、本実施例２に係る算出部が予測輪郭線を算出する処理を示すフローチャートである。 図１５は、本実施例２に係る判定部の処理を示すフローチャートである。 図１６は、本実施例２に係る物体検出装置の処理手順を示すフローチャートである。 図１７は、物体検出プログラムを実行するコンピュータの一例を示す図である。 図１８は、立体物のフロー量と路面模様のフロー量とを説明するための図である。 図１９は、従来技術１の問題を説明するための図である。 図２０は、従来技術２を説明するための図である。 図２１は、輪郭線を抽出する処理を説明するための図である。 図２２は、従来技術２の問題点を説明するための図（１）である。 図２３は、従来技術２の問題点を説明するための図（２）である。

以下に、本願の開示する物体検出装置および物体検出方法の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

移動中の車両のカメラによって、過去の時刻で撮影された画像から特定した物体の輪郭線が、現在時刻で撮影された画像のどの位置にどの長さで写るのかを、車両の移動量を用いることで、予測することができる。このとき、以下の特性がある。

特性：物体が路面の模様であると仮定した場合の現在時刻の物体の輪郭線を示す模様予測輪郭線と、物体が立体物であると仮定した場合の現在時刻の物体の輪郭線を示す立体物予測輪郭線とを比較すると、模様予測輪郭線が立体物予測輪郭線よりも常に長くなる。

上記の特性に着目すると、現在時刻の実際の輪郭線の長さと、模様予測輪郭線の長さと、立体物予測輪郭線の長さとの大小関係は、条件に応じて下記に示すようになる。

（１）物体が「路面」の場合、輪郭線の欠けの有無によって、現在時刻の実際の輪郭線の長さと、模様予測輪郭線の長さと、立体物予測輪郭線の長さとの大小関係は、下記の通りとなる。
（１−１）過去の時刻で特定した輪郭線に欠けがない場合：立体物予測輪郭線の長さ＜模様予測輪郭線の長さ＝現在時刻の実際の輪郭線の長さ
（１−２）過去の時刻で特定した輪郭線に欠けがある場合：立体物予測輪郭線の長さ＜模様予測輪郭線の長さ＜現在時刻の実際の輪郭線の長さ

図１は、物体が路面の場合において輪郭線に欠けがある場合とない場合との特性を説明するための図である。図１の（１−１）について説明する。輪郭線７０は、過去の時刻で特定した欠けの無い輪郭線である。輪郭線７１は、現在時刻の実際の輪郭線である。輪郭線７２ａは、輪郭線７０に基づき予測された立体物予測輪郭線である。輪郭線７２ｂは、輪郭線７０に基づき予測された模様予測輪郭線である。図１に示すように、輪郭線７１の長さは、輪郭線７２ａの長さよりも、輪郭線７２ｂの長さの方に近くなる。

図１の（１−２）について説明する。輪郭線７５は、過去の時刻で特定した欠けのある輪郭線である。輪郭線７６は、現在時刻の実際の輪郭線である。輪郭線７７ａは、輪郭線７５に基づき予測された立体物予測輪郭線である。輪郭線７７ｂは、輪郭線７５に基づき予測された模様予測輪郭線である。図１に示すように、輪郭線７６の長さは、輪郭線７７ａの長さよりも、輪郭線７７ｂの長さの方に近くなる。

立体物予測輪郭線の長さは、模様予測輪郭線の長さよりも短くなる。過去の時刻で、輪郭線に欠けが無い場合には、模様予測輪郭線の長さと、現在時刻の実際の輪郭線の長さとが等しくなる。過去の時刻で、輪郭線に欠けがある場合には、模様予測輪郭線の長さが、現在時刻の実際の輪郭線の長さよりも短くなるが、立体物予測輪郭線の長さと模様予測輪郭線の長さとの大小関係は変化しない。このため、欠けの有無に関係無く、物体が路面の場合には、立体物予測輪郭線の長さよりも、模様予測輪郭線の長さの方が、現在時刻の実際の輪郭線の長さに近くなる。

（２）物体が「立体物」の場合、輪郭線の欠けの有無によって、現在時刻の実際の輪郭線の長さと、模様予測輪郭線の長さと、立体物予測輪郭線の長さとの大小関係は、下記の通りとなる。
（２−１）過去の時刻で特定した輪郭線に欠けが無い場合：立体物予測輪郭線の長さ＝現在時刻の実際の輪郭線の長さ＜模様予測輪郭線の長さ
（２−２）過去の時刻で特定した輪郭線に欠けがある場合：立体物予測輪郭線の長さ＜現在時刻の実際の輪郭線の長さ＜模様予測輪郭線の長さ

図２は、物体が立体物の場合において輪郭線に欠けがある場合と無い場合との特性を説明するための図である。図２の（２−１）について説明する。輪郭線８０は、過去の時刻で特定した欠けの無い輪郭線である。輪郭線８１は、現在時刻の実際の輪郭線である。輪郭線８２ａは、輪郭線８０に基づき予測された立体物予測輪郭線である。輪郭線８２ｂは、輪郭線８０に基づき予測された模様予測輪郭線である。図２に示すように、輪郭線８１の長さは、輪郭線８２ｂの長さよりも、輪郭線８２ａの長さの方に近くなる。

図２の（２−２）について説明する。輪郭線８５は、過去の時刻で特定した欠けのある輪郭線である。輪郭線８６は、現在時刻の実際の輪郭線である。輪郭線８７ａは、輪郭線８５に基づき予測された立体物予測輪郭線である。輪郭線８７ｂは、輪郭線８５に基づき予測された模様予測輪郭線である。図２に示すように、輪郭線８６の長さは、輪郭線８７ｂの長さよりも、輪郭線８７ａの長さの方に近くなる。

物体が立体物であれば、模様物予測輪郭線の長さよりも、立体物予測輪郭線の長さの方が、現在時刻の実際の輪郭線の長さに近くなる。ただし、過去の時刻の輪郭線の欠けが大きく、現在時刻の輪郭線の欠けが無いと状況は現実的にほぼ起こらないため、欠けが小さいものとして、上記（２−２）を定義している。

本実施例１に係る物体検出装置は、上記（１−１）、（１−２）、（２−１）、（２−２）で説明した内容に基づき、物体が立体物であるか路面の模様であるかを下記のように判定する。物体検出装置は、立体物予測輪郭線の長さと、模様予測輪郭線の長さと、現在時刻の実際の輪郭線の長さとを比較し、実際の輪郭線の長さが、立体物予測輪郭線の長さよりも、模様予測輪郭線の長さに近い場合には、物体が路面であると判定する。一方、物体検出装置は、実際の輪郭線の長さが、模様予測輪郭線の長さよりも、立体物予測輪郭線の長さに近い場合には、物体が立体物であると判定する。

次に、本実施例１に係る物体検出装置の構成の一例について説明する。図３は、本実施例１に係る物体検出装置の構成を示す機能ブロック図である。図３に示すように、この物体検出装置１００は、カメラ１１０と、移動量検出部１２０と、輪郭線ＤＢ（database）１３０と、映像入力部１４０と、特定部１５０と、輪郭線照合部１６０と、算出部１７０と、判定部１８０と、出力部１９０とを有する。

カメラ１１０は、車両の移動体に設置され、撮像方向の映像を撮影するカメラである。カメラ１１０は、撮影した映像データを映像入力部１４０に出力する。例えば、映像データは、時系列順に、複数の画像フレームが連続する情報である。

移動量検出部１２０は、車両の移動量を検出し、検出した移動量の情報を、輪郭線照合部１６０、算出部１７０に出力する。車両の移動量は、車両の移動方向、移動速度が含まれる。移動量検出部１２０は、車両に設置された各種のセンサを用いて、移動量を検出する。

輪郭線ＤＢ１３０は、各画像フレームから検出される輪郭線の情報を記憶する記憶部である。図４は、本実施例１に係る輪郭線ＤＢのデータ構造の一例を示す図である。図４に示すように、この輪郭線ＤＢ１３０は、輪郭線番号と、始点座標と、終点座標と、フレーム識別番号とを対応付ける。

輪郭線番号は、輪郭線を一意に識別する番号である。始点座標は、輪郭線の始点座標である。終点座標は、輪郭線の終点座標である。フレーム識別番号は、画像フレームを一意に識別する番号である。図４の１行目のレコードに示す例では、輪郭線識別番号「１０１」の輪郭線の始点座標が「ｘ１，ｙ１」、終点座標が「ｘ２，ｙ２」であり、この輪郭線が、フレーム識別番号「Ｆ０１」の画像フレームに存在することを示している。

図３の説明に戻る。映像入力部１４０は、カメラ１１０から映像データの入力を受け付ける処理部である。映像入力部１４０は、受け付けた映像データを、特定部１５０に出力する。映像入力部１４０は、映像データがアナログの映像データである場合には、デジタルの映像データに変換し、デジタルの映像データを、特定部１５０に出力する。また、映像入力部１４０は、映像データがカラーの映像データである場合には、モノクロの映像データに変換し、モノクロの映像データを、特定部１５０に出力する。

特定部１５０は、映像データを基にして、第一のタイミングにおいて画像フレームに写る物体の第一輪郭線を特定し、第二のタイミングにおいて画像フレームに写る第二輪郭線を特定する処理部である。例えば、第一のタイミングは、現在時刻から所定時間前の過去の時刻に対応する。第二のタイミングは、現在時刻に対応する。

特定部１５０は、画像フレームから特徴点を抽出する処理、輪郭線を特定する処理を順に実行する。

特定部１５０が、画像フレームから特徴点を抽出する処理について説明する。特定部１５０は、映像入力部１４０から取得した映像データの各画像フレームに対してエッジ検出を行い、特徴点画像を生成する。特定部１５０は、Sobel等の一般的な微分オペレータを作用させて、微分処理によって得られるエッジ強度と予め定めたエッジ強度閾値とを比較し、エッジ強度閾値以上となるエッジを抽出する。特定部１５０は、抽出したエッジについて、隣接する横方向の画素２つのエッジ強度を比較して、ピーク値となればエッジ点とする細線化処理を行う。特定部１５０は、抽出したエッジ点を特徴点として抽出する。

特定部１５０が、画像フレームに含まれる物体の輪郭線を特定する処理について説明する。特定部１５０は、上記処理により抽出した特徴点を繋げることで輪郭線を特定する処理部である。特定部１５０は、特定した輪郭線の情報を輪郭線ＤＢ１３０に登録する。例えば、特定部１５０は、輪郭線に、輪郭線番号を付与し、輪郭線番号と、始点座標と、終点座標と、フレーム識別番号とを対応付けて、輪郭線照合部１６０に出力する。

図５は、本実施例１に係る特定部が輪郭線を特定する処理を示すフローチャートである。図５に示すように、特定部１５０は、未処理の特徴点Ａを選択する（ステップＳ１０）。特定部１５０は、特徴点Ａの１ライン上の隣接画素に接続可能な特徴点Ｂが存在するか否かを判定する（ステップＳ１１）。

特定部１５０は、特徴点Ａの１ライン上の隣接画素に接続可能な特徴点Ｂが存在しない場合には（ステップＳ１１，Ｎｏ）、ステップＳ１９に移行する。一方、特定部１５０は、特徴点Ａの１ライン上の隣接画素に接続可能な特徴点Ｂが存在する場合には（ステップＳ１１，Ｙｅｓ）、特徴点Ｂが複数であるか否かを判定する（ステップＳ１２）。

特定部１５０は、特徴点Ｂが複数でない場合には（ステップＳ１２，Ｎｏ）、ステップＳ１４に移行する。一方、特定部１５０は、特徴点Ｂが複数である場合には（ステップＳ１２，Ｙｅｓ）、最適点を複数の特徴点Ｂから選択する（ステップＳ１３）。ステップＳ１３において、特定部１５０は、特徴点Ｂのうち、エッジの強度および傾きが、特徴点Ａのエッジの強度および傾きに最も類似するものを、最適点として選択する。

特定部１５０は、選択した特徴点Ｂの輪郭線番号が未登録でない場合には（ステップＳ１４，Ｎｏ）、ステップＳ１９に移行する。一方、特定部１５０は、選択した特徴点Ｂの輪郭線番号が未登録である場合には（ステップＳ１４，Ｙｅｓ）、特徴点Ａと同じライン上で特徴点Ｂに接続可能な特徴点Ｃが存在するか否かを判定する（ステップＳ１５）。

特定部１５０は、特徴点Ｂと同じライン上で特徴点Ｂに接続可能な特徴点Ｃが存在しない場合には（ステップＳ１５，Ｎｏ）、特徴点Ａ，Ｂに、同一の輪郭線番号を割り当て（ステップＳ１６）、ステップＳ１９に移行する。

一方、特定部１５０は、特徴点Ｂと同じライン上で特徴点Ｂに接続可能な特徴点Ｃが存在する場合には（ステップＳ１５，Ｙｅｓ）、特徴点Ｃが特徴点Ａよりも、特徴点Ｂに接続する特徴点として適切であるか否かを判定する（ステップＳ１７）。特定部１５０は、特徴点Ｃが特徴点Ａよりも適切でない場合には（ステップＳ１７，Ｎｏ）、ステップＳ１６に移行する。例えば、特定部１５０は、特徴点Ｂの強度および傾きが、特徴点Ｃの強度および傾きよりも、特徴点Ａの強度および傾きに類似している場合に、特徴点Ｃが特徴点Ａよりも適切でないと判定する。

特定部１５０は、特徴点Ｃが特徴点Ａよりも適切である場合には（ステップＳ１７，Ｙｅｓ）、特徴点Ｂ，Ｃに同一の輪郭線番号を割り当てる（ステップＳ１８）。

特定部１５０は、全特徴点について処理が終了していない場合には（ステップＳ１９，Ｎｏ）、ステップＳ１０に移行する。特定部１５０は、全特徴点について処理が終了した場合には（ステップＳ１９，Ｙｅｓ）、処理を終了する。

図３の説明に戻る。輪郭線照合部１６０は、特定部１５０が特定した現在時刻の輪郭線と、輪郭線ＤＢ１３０に格納された過去の輪郭線を車両の移動量に応じて移動させた輪郭線とを比較し、同一の輪郭線が存在するか否かを照合する処理部である。輪郭線照合部１６０は、同一の輪郭線が存在する場合には、現在時刻の輪郭線の情報を、輪郭線ＤＢ１３０に登録し、照合した過去の輪郭線の情報を、輪郭線ＤＢ１３０から削除する。一方、輪郭線照合部１６０は、同一の輪郭線が存在せず、輪郭線がロストした場合には、ロストした輪郭線の情報を輪郭線ＤＢ１３０から削除する。

輪郭線照合部１６０は、照合に成功した現在時刻の輪郭線の情報と、過去の時刻の輪郭線の情報とを、算出部１７０に出力する。

図６は、本実施例１に係る輪郭線照合部が輪郭線を照合する処理を示すフローチャートである。図６に示すように、輪郭線照合部１６０は、輪郭線に対応する画像フレームが２フレーム以降であるか否かを判定する（ステップＳ２０）。輪郭線照合部１６０は、２フレーム以降でない場合には（ステップＳ２０，Ｎｏ）、ステップＳ３０に移行する。一方、輪郭線照合部１６０は、２フレーム以降である場合には（ステップＳ２０，Ｙｅｓ）、ステップＳ２１に移行する。

輪郭線照合部１６０は、時系列線分の移動方向を算出する（ステップＳ２１）。例えば、輪郭線照合部１６０は、車両の移動量（並進量、回転量）およびカメラ１１０の設置パラメータから、エピポーラ拘束と呼ばれる幾何学条件を用いて、時系列線分の移動量を算出する。

輪郭線照合部１６０は、移動方向に線分が存在するか否かを判定する（ステップＳ２２）。例えば、輪郭線照合部１６０は、過去の時刻の輪郭線を基準とした時系列線分の移動方向に、現在時刻の輪郭線が存在する場合には、移動方向に線分が存在すると判定する。

輪郭線照合部１６０は、移動方向に線分が存在する場合には（ステップＳ２２，Ｙｅｓ）、ステップＳ２３に移行する。輪郭線照合部１６０は、移動方向に線分が存在しない場合には（ステップＳ２２，Ｎｏ）、ステップＳ２６に移行する。

輪郭線照合部１６０は、過去の時刻の輪郭線と、現在時刻の輪郭線との類似度を算出する（ステップＳ２３）。輪郭線照合部１６０は、類似度が閾値以上でない場合には（ステップＳ２４，Ｎｏ）、ステップＳ２６に移行する。一方、輪郭線照合部１６０は、類似度が閾値以上である場合には（ステップＳ２４，Ｙｅｓ）、過去の時刻の輪郭線と現在時刻の輪郭線とが同一の線分であるとして、輪郭線情報を更新する（ステップＳ２５）。ステップＳ２５において、輪郭線照合部１６０は、現在の輪郭線の輪郭線識別番号、始点座標、終点座標、フレーム識別番号を、輪郭線ＤＢ１３０に登録する。輪郭線照合部１６０は、過去の輪郭線の輪郭線識別番号、始点座標、終点座標、フレーム識別番号を、輪郭線ＤＢ１３０から除去する。

ステップＳ２６の説明に移行する。輪郭線照合部１６０は、ロスト回数を算出する（ステップＳ２６）。例えば、ステップＳ２６において、輪郭線照合部１６０は、過去の輪郭線について、移動方向に現在時刻の輪郭線が存在しない場合や、類似度が閾値以上でない場合には、過去の輪郭線のロスト回数に所定値を加算する。

輪郭線照合部１６０は、ロスト回数が閾値以上でない場合には（ステップＳ２７，Ｎｏ）、ステップＳ２９に移行する。一方、輪郭線照合部１６０は、ロスト回数が閾値以上である場合には（ステップＳ２７，Ｙｅｓ）、輪郭線ＤＢ１３０から、該当輪郭線を除去し（ステップＳ２８）、ステップＳ２９に移行する。

輪郭線照合部１６０は、ループ処理が終了していない場合には（ステップＳ２９，Ｎｏ）、ステップＳ２１に移行する。一方、輪郭線照合部１６０は、ループ処理が終了した場合には（ステップＳ２９，Ｙｅｓ）、未対応の現在時刻の輪郭線の情報を輪郭線ＤＢ１３０に新規登録する（ステップＳ３０）。

続いて、図６のステップＳ２３，Ｓ２４で説明した、輪郭線照合部１６０が、類似度を算出し、類似度が閾値以上であるか否かを判定する類似度判定処理の処理手順について説明する。図７は、本実施例１に係る輪郭線照合部が実行する類似度判定処理を示すフローチャートである。図７に示すように、輪郭線照合部１６０は、移動方向に移動させた過去の時刻の輪郭線と、現在時刻の輪郭線との重複位置を算出する（ステップＳ４０）。

輪郭線照合部１６０は、移動させた過去の時刻の輪郭線のスケール調整を行い（ステップＳ４１）、過去の時刻の輪郭線および現在時刻の輪郭線の重心を算出する（ステップＳ４２）。輪郭線照合部１６０は、各輪郭線の横方向のずれ量を現在のｙ座標について算出する（ステップＳ４３）。

輪郭線照合部１６０は、全てのｙ座標について処理が終了していない場合には（ステップＳ４４，Ｎｏ）、ステップＳ４３に移行する。輪郭線照合部１６０は、全てのｙ座標について処理が終了した場合には（ステップＳ４４，Ｙｅｓ）、ずれ量の合計量が閾値以内であるか否かを判定する（ステップＳ４５）。

輪郭線照合部１６０は、ずれ量の合計量が閾値以内である場合には（ステップＳ４５，Ｙｅｓ）、該当する過去の時刻の輪郭線と、現在時刻の輪郭線との類似度が閾値以上であると判定する（ステップＳ４６）。一方、ずれ量の合計値が閾値以内でない場合には（ステップＳ４５，Ｎｏ）、類似度が閾値未満であると判定する（ステップＳ４７）。

図３の説明に戻る。算出部１７０は、過去の時刻の輪郭線の情報と、車両の移動量に関する情報とを基にして、図１および図２等で説明した模様予測輪郭線と、立体物予測輪郭線とを算出する処理部である。移動量に関する情報は、例えば、車両の移動方向、移動速度、フレーム間時間を含む。フレーム間時間は、過去の時刻から現在時刻までの時間に対応する。算出部１７０は、過去の時刻の輪郭線の情報と、模様予測輪郭線の情報と、立体物予測輪郭線の情報とを、判定部１８０に出力する。

算出部１７０が、過去の時刻の輪郭線に基づいて、模様予測輪郭線を算出する処理の一例について説明する。なお、過去の時刻の輪郭線は、現在時刻の輪郭線と照合に成功した、過去の時刻の輪郭線とする。

算出部１７０は、物体が路面の模様であると仮定し、過去の時刻の輪郭線の下端および上端の３次元座標を算出する。例えば、算出部１７０は、過去の時刻の輪郭線の画像フレームと、この画像フレームの次の画像フレームに含まれる同一の輪郭線とを用いて、ステレオ画像の原理を基にして、過去の時刻の輪郭線の下端および上端の３次元座標を算出する。

算出部１７０は、車両の移動速度とフレーム間時間とを乗算することで、移動距離を算出し、移動距離および移動方向に合わせて、過去の時刻の輪郭線の下端および上端を移動させることで、現在時刻の輪郭線の下端および上端を算出する。算出部１７０は、算出した下端および上端を結んだ線分を、模様予測輪郭線として算出する。

算出部１７０が、過去の時刻の輪郭線に基づいて、立体物予測輪郭線を算出する処理の一例について説明する。算出部１７０は、路面が立体物であると仮定し、過去の時刻の輪郭線の下端および上端の３次元座標を算出する。輪郭線の下端の３次元座標を算出する処理は、上記の模様予測輪郭線を算出する処理と同様である。

算出部１７０は、過去の時刻の輪郭線の下端を算出した後に、下端と上端との３次元座標の奥行きが同じであるという制約を設けて、上端の３次元座標を算出する。例えば、下端および上端の３次元座標のｘ軸の値、ｙ軸の値は同じ値となる。算出部１７０は、ステレオ画像の原理を基に上端のｚ軸の値を算出しても良いし、カメラ設定パラメータと、画像フレーム上の座標位置とを基にした幾何学的な関係から、ｚ軸の値を算出しても良い。

算出部１７０は、車両の移動速度とフレーム間時間とを乗算することで、移動距離を算出し、移動距離および移動方向に合わせて、過去の時刻の輪郭線の下端および上端を移動させることで、現在時刻の輪郭線の下端および上端を算出する。算出部１７０は、算出した下端および上端を結んだ線分を、立体物予測輪郭線として算出する。

図８は、本実施例１に係る算出部が予測輪郭線を算出する処理を示すフローチャートである。予測輪郭線は、模様予測輪郭線、立体物予測輪郭線に対応する。図８に示すように、算出部１７０は、選択した過去の時刻の輪郭線が、輪郭線照合に成功しているか否かを判定する（ステップＳ５０）。算出部１７０は、輪郭線照合に成功していない場合には（ステップＳ５０，Ｎｏ）、ステップＳ５７に移行する。

一方、算出部１７０は、選択した過去の時刻の輪郭線が、輪郭線照合に成功している場合には（ステップＳ５０，Ｙｅｓ）、過去の時刻の輪郭線の下端を路面とした場合の３次元座標を算出する（ステップＳ５１）。算出部１７０は、過去の時刻の輪郭線の上端を路面とした場合の３次元座標を算出する（ステップＳ５２）。

算出部１７０は、過去の時刻の輪郭線の上端を立体物とした場合の３次元座標を算出する（ステップＳ５３）。算出部１７０は、過去の時刻の３次元座標から現在時刻の３次元座標を算出する（ステップＳ５４）。算出部１７０は、現在時刻の３次元座標から画像位置を算出する（ステップＳ５５）。

算出部１７０は、上端・下端の画像位置を結んだ線分を予測輪郭線とする（ステップＳ５６）。算出部１７０は、輪郭線ＤＢ１３０の輪郭線のループ処理を終了するか否かを判定する（ステップＳ５７）。算出部１７０は、ループ処理を終了しない場合には（ステップＳ５７，Ｎｏ）、ステップＳ５０に移行する。算出部１７０は、ループ処理を終了する場合には（ステップＳ５７，Ｙｅｓ）、処理を終了する。

図３の説明に戻る。判定部１８０は、現在時刻の輪郭線の長さと、模様予測輪郭線の長さと、立体物予測輪郭線の長さとを比較して、現在時刻の輪郭線が、路面の模様であるか、立体物であるかを判定する処理部である。判定部１８０は、判定結果を、出力部１９０に出力する。

判定部１８０は、現在時刻の輪郭線の長さが、立体物予測輪郭線の長さよりも模様予測輪郭線の長さに近い場合に、現在時刻の輪郭線が、路面の模様であると判定する。一方、判定部１８０は、現在時刻の輪郭線の長さが、模様予測輪郭線の長さよりも立体物予測輪郭線の長さに近い場合に、現在時刻の輪郭線が、立体物であると判定する。

具体的に、判定部１８０は、現在時刻の輪郭線の長さと、模様予測輪郭線の長さとの第１差分値を算出する。判定部１８０は、現在時刻の輪郭線の長さと、立体物予測輪郭線の長さとの第２差分値を算出する。判定部１８０は、第１差分値が、第２差分値よりも小さい場合に、現在時刻の輪郭線が、路面の模様であると判定する。判定部１８０は、第２差分値が、第１差分値よりも小さい場合に、現在時刻の輪郭線が、立体物であると判定する。

図９は、本実施例１に係る判定部の処理を示すフローチャートである。図９に示すように、判定部１８０は、過去の時刻の輪郭線が照合に成功していない場合には（ステップＳ６０，Ｎｏ）、ステップＳ６４に移行する。一方、判定部１８０は、過去の時刻の輪郭線が照合に成功している場合には（ステップＳ６０，Ｙｅｓ）、ステップＳ６１に移行する。

判定部１８０は、立体物予測輪郭線の長さが、模様予測輪郭線の長さより、現在時刻の輪郭線の長さに近い場合には（ステップＳ６１，Ｙｅｓ）、輪郭線が立体物の輪郭線であると判定し（ステップＳ６２）、ステップＳ６４に移行する。

判定部１８０は、立体物予測輪郭線の長さが、模様予測輪郭線の長さより、現在時刻の輪郭線の長さに近くない場合には（ステップＳ６１，Ｎｏ）、輪郭線が路面の模様の輪郭線であると判定し（ステップＳ６３）、ステップＳ６４に移行する。

判定部１８０は、輪郭線ＤＢ１３０の輪郭線のループ処理を終了しない場合には（ステップＳ６４，Ｎｏ）、ステップＳ６０に移行する。判定部１８０は、輪郭線ＤＢ１３０の輪郭線のループ処理を終了する場合には（ステップＳ６４，Ｙｅｓ）、処理を終了する。

図３の説明に戻る。出力部１９０は、判定部１８０から判定結果を取得し、現在時刻の輪郭線のうち、立体物と判定された輪郭線の情報を外部装置に出力する装置である。

次に、本実施例１に係る物体検出装置１００の処理手順について説明する。図１０は、本実施例１に係る物体検出装置の処理手順を示すフローチャートである。図１０に示すように、物体検出装置１００は、カメラ１１０から映像データを取得する（ステップＳ１０１）。物体検出装置１００の特定部１５０は、特徴点を抽出し（ステップＳ１０２）、輪郭線を抽出する（ステップＳ１０３）。

物体検出装置１００の算出部１７０は、模様予測輪郭線と立体物予測輪郭線とを作成する（ステップＳ１０４）。物体検出装置１００の判定部１８０は、輪郭線が立体物であるか路面の模様であるかを判定する（ステップＳ１０５）。

判定部１８０は、判定結果を出力する（ステップＳ１０６）。物体検出装置１００は、処理を継続する場合には（ステップＳ１０７，Ｙｅｓ）、ステップＳ１０１に移行する。物体検出装置１００は、処理を継続しない場合には（ステップＳ１０７，Ｎｏ）、処理を終了する。

次に、本実施例１に係る物体検出装置１００の効果について説明する。物体検出装置１００は、立体物予測輪郭線の長さと、模様予測輪郭線の長さと、現在時刻の実際の輪郭線の長さとを比較し、実際の輪郭線の長さが、立体物予測輪郭線の長さよりも、模様予測輪郭線の長さに近い場合には、物体が路面であると判定する。一方、物体検出装置１００は、実際の輪郭線の長さが、模様予測輪郭線の長さよりも、立体物予測輪郭線の長さに近い場合には、物体が立体物であると判定する。これにより、画像から特定した物体の輪郭線の一部に欠けがある場合であっても、対象が路面上の模様か、静止立体物かを判定することができる。

図１１は、本実施例２に係る物体検出装置の構成を示す機能ブロック図である。図１１に示すように、この物体検出装置２００は、カメラ２１０と、移動量検出部２２０と、輪郭線ＤＢ（database）２３０と、映像入力部２４０と、特定部２５０と、輪郭線照合部２６０と、算出部２７０と、判定部２８０と、出力部２９０とを有する。

図１１において、カメラ２１０、移動量検出部２２０、輪郭線ＤＢ２３０、映像入力部２４０に関する説明は、図３に示したカメラ１１０、移動量検出部１２０、輪郭線ＤＢ１３０、映像入力部１４０に関する説明と同様である。また、特定部２５０、輪郭線照合部２６に関する説明は、図３に示した特定部１５０、輪郭線照合部１６０に関する説明と同様である。

算出部２７０は、過去の時刻の輪郭線の情報と、車両の移動量に関する情報を基にして、模様予測輪郭線と、立体物予測輪郭線とを算出する処理部である。算出部２７０が、模様予測輪郭線および立体物予測輪郭線を算出する処理は、実施例１で説明した算出部１７０が、模様予測輪郭線および立体物予測輪郭線を算出する処理と同様である。

算出部２７０は、上記処理に加えて、過去の時刻の輪郭線の輝度値を基にして、模様予測輪郭線の輝度値および立体物予測輪郭線の輝度値を予測する。

算出部２７０は、過去の時刻の輪郭線の情報と、模様予測輪郭線の情報と、立体物予測輪郭線の情報とを、判定部２８０に出力する。

算出部２７０が、過去の時刻の輪郭線の輝度値を基にして、模様予測輪郭線の輝度値を予測する処理の一例について説明する。図１２は、本実施例２に係る算出部の処理を説明するための図（１）である。図１２に示す輪郭線９０は、過去の時刻の輪郭線を示し、輪郭線９４は、模様予測輪郭線を示す。説明の便宜上、輪郭線９０は、ピクセル９０ａ〜９０ｅを有し、輪郭線９４は、ピクセル９４ａ〜９４ｍを有するものとする。輪郭線９０の各ピクセル９０ａ〜９０ｅには、過去の時刻の画像フレームに基づく輝度値が設定されている。輪郭線９４の各ピクセル９４ａ〜９４ｍの輝度値は、初期状態では、ブランクとなる。

算出部２７０は、輪郭線９０の各ピクセル９０ａ〜９０ｅの輝度値を、輪郭線９４の各ピクセル９４ａ〜９４ｍに均等の間隔で分布させる。図１２に示す例では、算出部２７０は、ピクセル９０ａの輝度値を、ピクセル９４ａの輝度値に設定し、ピクセル９０ｂの輝度値を、ピクセル９４ｄの輝度値に設定し、ピクセル９０ｃの輝度値を、ピクセル９４ｇの輝度値に設定する。算出部２７０は、ピクセル９０ｄの輝度値を、ピクセル９４ｊの輝度値に設定し、ピクセル９０ｅの輝度値を、ピクセル９４ｍの輝度値に設定する。

算出部２７０は、輪郭線９４の各ピクセル９４ａ〜９４ｍのうち、ブランクとなっているピクセルの輝度値については、前後のピクセルの輝度値に基づく補間演算により、輝度値を算出する。例えば、算出部２７０は、ピクセル９４ｂ，９４ｃの輝度値を、ピクセル９４ａの輝度値と、ピクセル９４ｄの輝度値との補間演算により算出する。

続いて、算出部２７０が、過去の時刻の輪郭線の輝度値を基にして、立体物予測輪郭線の輝度値を予測する処理の一例について説明する。図１３は、本実施例２に係る算出部の処理を説明するための図（２）である。図１３に示す輪郭線９０は、過去の時刻の輪郭線を示し、輪郭線９５は、立体物予測輪郭線を示す。説明の便宜上、輪郭線９０は、ピクセル９０ａ〜９０ｅを有し、輪郭線９５は、ピクセル９５ａ〜９５ｉを有するものとする。輪郭線９０の各ピクセル９０ａ〜９０ｅには、過去の時刻の画像フレームに基づく輝度値が設定されている。輪郭線９５の各ピクセル９５ａ〜９５ｉの輝度値は、初期状態では、ブランクとなる。

算出部２７０は、輪郭線９０の各ピクセル９０ａ〜９０ｅの輝度値を、輪郭線９５の各ピクセル９５ａ〜９５ｉに均等の間隔で分布させる。図１３に示す例では、算出部２７０は、ピクセル９０ａの輝度値を、ピクセル９５ａの輝度値に設定し、ピクセル９０ｂの輝度値を、ピクセル９５ｃの輝度値に設定し、ピクセル９０ｃの輝度値を、ピクセル９５ｅの輝度値に設定する。算出部２７０は、ピクセル９０ｄの輝度値を、ピクセル９５ｇの輝度値に設定し、ピクセル９０ｅの輝度値を、ピクセル９５ｉの輝度値に設定する。

算出部２７０は、輪郭線９５の各ピクセル９５ａ〜９５ｉのうち、ブランクとなっているピクセルの輝度値については、前後のピクセルの輝度値に基づく補間演算により、輝度値を算出する。例えば、算出部２７０は、ピクセル９５ｂの輝度値を、ピクセル９５ａの輝度値と、ピクセル９５ｃの輝度値との補間演算により算出する。

算出部２７０が、図１２および図１３で説明した処理を実行することで、模様予測輪郭線の輝度値および立体物予測輪郭線の輝度値を算出する。一般的に、模様予測輪郭線が、立体物予測輪郭線より長いため、模様予測輪郭線の方が立体物予測輪郭線よりもぼやけた輪郭線となる。

図１４は、本実施例２に係る算出部が予測輪郭線を算出する処理を示すフローチャートである。図１４に示すように、算出部２７０は、選択した過去の時刻の輪郭線が、輪郭線照合に成功しているか否かを判定する（ステップＳ７０）。算出部２７０は、輪郭線照合に成功していない場合には（ステップＳ７０，Ｎｏ）、ステップＳ７６に移行する。

一方、算出部２７０は、選択した過去の時刻の輪郭線が、輪郭線照合に成功している場合には（ステップＳ７０，Ｙｅｓ）、過去の時刻の画像フレームに含まれる輪郭線の輝度値を記録する（ステップＳ７１）。

算出部２７０は、過去の時刻の輪郭線について、立体物／路面とした場合の輪郭線の３次元座標を算出する（ステップＳ７２）。算出部２７０は、過去の時刻の輪郭線の３次元座標から、現在時刻の下端・上端の３次元座標を算出する（ステップＳ７３）。

算出部２７０は、現在時刻の下端・上端の３次元座標から模様予測輪郭線および立体物予測輪郭線の輝度値を算出部する（ステップＳ７４）。算出部２７０は、模様予測輪郭線の輝度値および立体物予測輪郭線の輝度値を算出する（ステップＳ７５）。

算出部２７０は、輪郭線ＤＢ２３０の輪郭線のループ処理を終了するか否かを判定する（ステップＳ７６）。算出部２７０は、ループ処理を終了しない場合には（ステップＳ７６，Ｎｏ）、ステップＳ７０に移行する。算出部２７０は、ループ処理を終了する場合には（ステップＳ７６，Ｙｅｓ）、処理を終了する。

図１１の説明に戻る。判定部２８０は、現在時刻の輪郭線と、模様予測輪郭線とを比較して、第１重複率と、第１輝度差を算出し、第１重複率および第１輝度差から第１スコアを算出する。判定部２８０は、現在時刻の輪郭線と、立体物予測輪郭線とを比較して、第２重複率と、第２輝度差を算出し、第２重複率および第２輝度差から第２スコアを算出する。判定部２８０は、第１スコアおよび第２スコアを基にして、現在時刻の輪郭線が、立体物であるか路面の模様であるかを判定する。判定部２８０は、判定結果を出力部２９０に出力する。

判定部２８０が、第１スコアを算出する処理について説明する。判定部２８０は、現在時刻の輪郭線と、模様予測輪郭線との重複位置を摂動範囲内で調整し、最も重複率が高くなる位置を特定する。判定部２８０は、特定した最も高い重複率を第１重複率とする。判定部２８０は、第１重複率と、重複スコアテーブルとを比較して、第１重複率のスコアを算出する。重複スコアテーブルは、重複率をスコアに変換するテーブルであり、重複率が大きいほど、大きなスコアを与える。

判定部２８０は、最も重複率が高くなる現在時刻の輪郭線と、模様予測輪郭線とを固定し、現在時刻の輪郭線と模様予測輪郭線との輝度値の差分値をピクセル毎に算出し、各差分値を合計することで、第１輝度差を算出する。判定部２８０は、第１輝度差と、輝度差スコアテーブルとを比較して、第１輝度差のスコアを算出する。輝度差スコアテーブルは、輝度差をスコアに変換するテーブルであり、輝度差が小さいほど、大きなスコアを与える。

判定部２８０は、上記により求めた第１重複率のスコアと、第１輝度差のスコアとを合計することで、第１スコアを算出する。

判定部２８０が、第２スコアを算出する処理について説明する。判定部２８０は、現在時刻の輪郭線と、立体物予測輪郭線との重複位置を摂動範囲内で調整し、最も重複率が高くなる位置を特定する。判定部２８０は、特定した最も高い重複率を第２重複率とする。判定部２８０は、第２重複率と、重複スコアテーブルとを比較して、第２重複率のスコアを算出する。

判定部２８０は、最も重複率が高くなる現在時刻の輪郭線と、立体物予測輪郭線とを固定し、現在時刻の輪郭線と立体物予測輪郭線との輝度値の差分値をピクセル毎に算出し、各差分値を合計することで、第２輝度差を算出する。判定部２８０は、第２輝度差と、輝度差スコアテーブルとを比較して、第２輝度差のスコアを算出する。

判定部２８０は、上記により求めた第２重複率のスコアと、第２輝度差のスコアとを合計することで、第２スコアを算出する。

判定部２８０は、第１スコアが第２スコアよりも大きい場合には、現在時刻の輪郭線が、路面の模様であると判定する。一方、判定部２８０は、第１スコアが第２スコアよりも大きくない場合には、現在時刻の輪郭線が立体物であると判定する。

図１５は、本実施例２に係る判定部の処理を示すフローチャートである。図１５に示すように、判定部２８０は、過去の時刻の輪郭線が照合に成功していない場合には（ステップＳ８０，Ｎｏ）、ステップＳ８８に移行する。一方、判定部２８０は、過去の時刻の輪郭線が照合に成功している場合には（ステップＳ８０，Ｙｅｓ）、ステップＳ８１に移行する。

判定部２８０は、現在時刻の輪郭線と、模様予測輪郭線とを比較して、第１重複率および第１輝度差を算出する（ステップＳ８１）。判定部２８０は、第１重複率および第１輝度差を基にして、第１スコアを算出する（ステップＳ８２）。

判定部２８０は、現在時刻の輪郭線と、立体物予測輪郭線とを比較して、第２重複率および第２輝度差を算出する（ステップＳ８３）。判定部２８０は、第２重複率および第２輝度差を基にして、第２スコアを算出する（ステップＳ８４）。

判定部２８０は、第１スコアが第２スコアよりも大きいか否かを判定する（ステップＳ８５）。判定部２８０は、第１スコアが第２スコアよりも大きい場合には（ステップＳ８５，Ｙｅｓ）、現在時刻の輪郭線が路面の模様であると判定し（ステップＳ８６）、ステップＳ８８に移行する。

一方、判定部２８０は、第１スコアが第２スコアよりも大きくない場合には（ステップＳ８５，Ｎｏ）、現在時刻の輪郭線が立体物であると判定し（ステップＳ８７）、ステップＳ８８に移行する。

判定部２８０は、輪郭線ＤＢ２３０の輪郭線のループ処理を終了していない場合には（ステップＳ８８，Ｎｏ）、ステップＳ８０に移行する。一方、判定部２８０は、輪郭線ＤＢ２３０の輪郭線のループ処理を終了した場合には（ステップＳ８８，Ｙｅｓ）、処理を終了する。

次に、本実施例２に係る物体検出装置２００の処理手順について説明する。図１６は、本実施例２に係る物体検出装置の処理手順を示すフローチャートである。図１６に示すように、物体検出装置２００は、カメラ２１０から映像データを取得する（ステップＳ２０１）。物体検出装置２００の特定部２５０は、特徴点を抽出し（ステップＳ２０２）、輪郭線を抽出する（ステップＳ２０３）。

物体検出装置２００の算出部２７０は、模様予測輪郭線と立体物予測輪郭線とを作成する（ステップＳ２０４）。物体検出装置２００の判定部２８０は、第１スコアおよび第２スコアを基にして、輪郭線が立体物であるか路面の模様であるかを判定する（ステップＳ２０５）。

判定部２８０は、判定結果を出力する（ステップＳ２０６）。物体検出装置２００は、処理を継続する場合には（ステップＳ２０７，Ｙｅｓ）、ステップＳ２０１に移行する。物体検出装置２００は、処理を継続しない場合には（ステップＳ２０７，Ｎｏ）、処理を終了する。

次に、本実施例２に係る物体検出装置２００の効果について説明する。物体検出装置２００は、第１重複率および第１輝度差を基にして模様予測輪郭線の第１スコアを算出し、第２重複率および第２輝度差を基にして立体物予測輪郭線の第２スコアを算出し、第１スコアおよび第２スコアを基にして、物体が立体物であるか路面の模様であるかを判定する。実施例２の物体検出装置２００は、実施例１の処理に加えて、各輪郭線の輝度値の差を更に用いて、判定を行うため、より正確に、物体が立体物であるか路面の模様であるかを判定することができる。

次に、上記実施例に示した物体検出装置１００，２００と同様の機能を実現する物体検出プログラムを実行するコンピュータの一例について説明する。図１７は、物体検出プログラムを実行するコンピュータの一例を示す図である。

図１７に示すように、コンピュータ３００は、各種演算処理を実行するＣＰＵ３０１と、ユーザからのデータの入力を受け付ける入力装置３０２と、ディスプレイ３０３とを有する。また、コンピュータ３００は、記憶媒体からプログラム等を読み取る読み取り装置３０４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインターフェース装置３０５と、カメラ３０６とを有する。また、コンピュータ３００は、各種情報を一時記憶するＲＡＭ３０７と、ハードディスク装置３０８とを有する。そして、各装置３０１〜３０８は、バス３０９に接続される。

ハードディスク装置３０８は、特定プログラム３０８ａ、照合プログラム３０８ｂ、算出プログラム３０８ｃ、判定プログラム３０８ｄを有する。ＣＰＵ３０１は、特定プログラム３０８ａ、照合プログラム３０８ｂ、算出プログラム３０８ｃ、判定プログラム３０８ｄを読み出してＲＡＭ３０７に展開する。

特定プログラム３０８ａは、特定プロセス３０７ａとして機能する。照合プログラム３０８ｂは、照合プロセス３０７ｂとして機能する。算出プログラム３０８ｃは、算出プロセス３０７ｃとして機能する。判定プログラム３０８ｄは、判定プロセス３０７ｄとして機能する。

特定プロセス３０７ａの処理は、特定部１５０，２５０の処理に対応する。照合プロセス３０７ｂの処理は、輪郭線照合部１６０，２６０の処理に対応する。算出プロセス３０７ｃの処理は、算出部１７０，２７０の処理に対応する。判定プロセス３０７ｄの処理は、判定部１８０，２８０の処理に対応する。

なお、特定プログラム３０８ａ、照合プログラム３０８ｂ、算出プログラム３０８ｃ、判定プログラム３０８ｄについては、必ずしも最初からハードディスク装置３０８に記憶させておかなくても良い。例えば、コンピュータ３００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ３００が各プログラム３０８ａ〜３０８ｄを読み出して実行するようにしてもよい。

以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）第一のタイミングで撮像された画像に写る対象物の第一輪郭線を特定し、前記第一のタイミングとは異なる第二のタイミングで撮像された画像に写る対象物の第二輪郭線を特定する特定部と、
車両の移動方向、移動速度、及び、前記第一のタイミングと前記第二のタイミングとの時間差を用いて、対象物が路面の模様の場合に前記第一輪郭線が前記第二のタイミングで撮影されるべき模様予測輪郭線と、対象物が立体物の場合に前記第一輪郭線が前記第二のタイミングで撮影されるべき立体物予測輪郭線とを算出する算出部と、
前記模様予測輪郭線と前記立体物予測輪郭線の内、前記模様
予測輪郭線の長さが前記立体物予測輪郭線の長さよりも前記第二輪郭線の長さに近い場合には対象物を路面の模様と判定し、前記立体物予測輪郭線の長さが前記模様予測輪郭線の長さよりも前記第二輪郭線の長さに近い場合には対象物を立体物と判定する判定部と
を有することを特徴とする物体検出装置。

（付記２）前記特定部は、前記第一輪郭線の輝度値および前記第二輪郭線の輝度値を更に特定し、前記算出部は、前記第一輪郭線の輝度値を基にして、前記模様予測輪郭線の輝度値および前記立体物予測輪郭線の輝度値を更に算出し、前記判定部は、前記模様予測輪郭線の輝度値および前記立体物予測輪郭線の輝度値を更に用いて、対象物が路面の模様であるか立体物であるかを判定することを特徴とする付記１に記載の物体検出装置。

（付記３）前記判定部は、前記第二輪郭線と前記模様予測輪郭線との重複率、および、前記第二輪郭線の輝度値と前記模様予測輪郭線の輝度値との差分値から第１スコアを算出し、前記第二輪郭線と前記立体物予測輪郭線との重複率、および、前記第二輪郭線の輝度値と前記立体物予測輪郭線の輝度値との差分値から第２スコアを算出し、前記第１スコアと前記第２スコアとを基にして、対象物が路面の模様であるか立体物であるかを判定することを特徴とする付記２に記載の物体検出装置。

（付記４）コンピュータが実行する物体検出方法であって、
第一のタイミングで撮像された画像に写る対象物の第一輪郭線を特定し、
前記第一のタイミングとは異なる第二のタイミングで撮像された画像に写る対象物の第二輪郭線を特定し、
車両の移動方向、移動速度、及び、前記第一のタイミングと前記第二のタイミングとの時間差を用いて、対象物が路面の模様の場合に前記第一輪郭線が前記第二のタイミングで撮影されるべき模様予測輪郭線と、対象物が立体物の場合に前記第一輪郭線が前記第二のタイミングで撮影されるべき立体物予測輪郭線とを算出し、
前記模様予測輪郭線と前記立体物予測輪郭線の内、前記模様予測輪郭線の長さが前記立体物予測輪郭線の長さよりも前記第二輪郭線の長さに近い場合には対象物を路面の模様と判定し、
前記立体物予測輪郭線の長さが前記模様予測輪郭線の長さよりも前記第二輪郭線の長さに近い場合には対象物を立体物と判定する
処理を実行することを特徴とする物体検出方法。

（付記５）前記コンピュータは、前記第一輪郭線の輝度値および前記第二輪郭線の輝度値を更に特定し、前記算出する処理は、前記第一輪郭線の輝度値を基にして、前記模様予測輪郭線の輝度値および前記立体物予測輪郭線の輝度値を更に算出し、前記判定する処理は、前記模様予測輪郭線の輝度値および前記立体物予測輪郭線の輝度値を更に用いて、対象物が路面の模様であるか立体物であるかを判定することを特徴とする付記４に記載の物体検出方法。

（付記６）前記コンピュータは、前記第二輪郭線と前記模様予測輪郭線との重複率、および、前記第二輪郭線の輝度値と前記模様予測輪郭線の輝度値との差分値から第１スコアを算出し、前記第二輪郭線と前記立体物予測輪郭線との重複率、および、前記第二輪郭線の輝度値と前記立体物予測輪郭線の輝度値との差分値から第２スコアを算出し、前記第１スコアと前記第２スコアとを基にして、対象物が路面の模様であるか立体物であるかを判定することを特徴とする付記５に記載の物体検出方法。

１００，２００ 物体検出装置
１１０，２１０ カメラ
１２０，２２０ 移動量検出部
１３０，２３０ 輪郭線ＤＢ
１４０，２４０ 映像入力部
１５０，２５０ 特定部
１６０，２６０ 輪郭線照合部
１７０，２７０ 算出部
１８０，２８０ 判定部
１９０，２９０ 出力部

Claims (4)

1. 第一のタイミングで撮像された画像に写る対象物の第一輪郭線を特定し、前記第一のタイミングとは異なる第二のタイミングで撮像された画像に写る対象物の第二輪郭線を特定する特定部と、
   車両の移動方向、移動速度、及び、前記第一のタイミングと前記第二のタイミングとの時間差を用いて、対象物が路面の模様の場合に前記第一輪郭線が前記第二のタイミングで撮影されるべき模様予測輪郭線と、対象物が立体物の場合に前記第一輪郭線が前記第二のタイミングで撮影されるべき立体物予測輪郭線とを算出する算出部と、
   前記模様予測輪郭線と前記立体物予測輪郭線の内、前記模様
   予測輪郭線の長さが前記立体物予測輪郭線の長さよりも前記第二輪郭線の長さに近い場合には対象物を路面の模様と判定し、前記立体物予測輪郭線の長さが前記模様予測輪郭線の長さよりも前記第二輪郭線の長さに近い場合には対象物を立体物と判定する判定部と
   を有することを特徴とする物体検出装置。
2. 前記特定部は、前記第一輪郭線の輝度値および前記第二輪郭線の輝度値を更に特定し、前記算出部は、前記第一輪郭線の輝度値を基にして、前記模様予測輪郭線の輝度値および前記立体物予測輪郭線の輝度値を更に算出し、前記判定部は、前記模様予測輪郭線の輝度値および前記立体物予測輪郭線の輝度値を更に用いて、対象物が路面の模様であるか立体物であるかを判定することを特徴とする請求項１に記載の物体検出装置。
3. 前記判定部は、前記第二輪郭線と前記模様予測輪郭線との重複率、および、前記第二輪郭線の輝度値と前記模様予測輪郭線の輝度値との差分値から第１スコアを算出し、前記第二輪郭線と前記立体物予測輪郭線との重複率、および、前記第二輪郭線の輝度値と前記立体物予測輪郭線の輝度値との差分値から第２スコアを算出し、前記第１スコアと前記第２スコアとを基にして、対象物が路面の模様であるか立体物であるかを判定することを特徴とする請求項２に記載の物体検出装置。
4. コンピュータが実行する物体検出方法であって、
   第一のタイミングで撮像された画像に写る対象物の第一輪郭線を特定し、
   前記第一のタイミングとは異なる第二のタイミングで撮像された画像に写る対象物の第二輪郭線を特定し、
   車両の移動方向、移動速度、及び、前記第一のタイミングと前記第二のタイミングとの時間差を用いて、対象物が路面の模様の場合に前記第一輪郭線が前記第二のタイミングで撮影されるべき模様予測輪郭線と、対象物が立体物の場合に前記第一輪郭線が前記第二のタイミングで撮影されるべき立体物予測輪郭線とを算出し、
   前記模様予測輪郭線と前記立体物予測輪郭線の内、前記模様予測輪郭線の長さが前記立体物予測輪郭線の長さよりも前記第二輪郭線の長さに近い場合には対象物を路面の模様と判定し、
   前記立体物予測輪郭線の長さが前記模様予測輪郭線の長さよりも前記第二輪郭線の長さに近い場合には対象物を立体物と判定する
   処理を実行することを特徴とする物体検出方法。

Images