JP2019209734A - Track identification apparatus - Google Patents

Track identification apparatus Download PDF

Info

Publication number
JP2019209734A
JP2019209734A JP2018105211A JP2018105211A JP2019209734A JP 2019209734 A JP2019209734 A JP 2019209734A JP 2018105211 A JP2018105211 A JP 2018105211A JP 2018105211 A JP2018105211 A JP 2018105211A JP 2019209734 A JP2019209734 A JP 2019209734A
Authority
JP
Japan
Prior art keywords
correction
image
line
parameter
track
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.)
Pending
Application number
JP2018105211A
Other languages
Japanese (ja)
Inventor
拓也 二神
Takuya Futagami
拓也 二神
広幸 小林
Hiroyuki Kobayashi
広幸 小林
直人 瀬戸
Naoto Seto
直人 瀬戸
雄介 高橋
Yusuke Takahashi
雄介 高橋
勝大 堀江
Katsuhiro Horie
勝大 堀江
一夫 藤浦
Kazuo Fujiura
一夫 藤浦
陽平 服部
Yohei Hattori
陽平 服部
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.)
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Infrastructure Systems and Solutions Corp filed Critical Toshiba Corp
Priority to JP2018105211A priority Critical patent/JP2019209734A/en
Publication of JP2019209734A publication Critical patent/JP2019209734A/en
Pending legal-status Critical Current

Links

Landscapes

  • Train Traffic Observation, Control, And Security (AREA)
  • Image Analysis (AREA)

Abstract

To provide a track identification apparatus which can acquire a brighter and more beautiful (more noiseless) imaged picture by correcting the picture in accordance with the state of the acquired imaged picture.SOLUTION: A track identification apparatus 10 comprises a picture acquisition part 10a, a parameter acquisition part 10b, a picture correction part 10c and a rail track detection part 10d. The picture acquisition part acquires an imaged picture obtained by imaging an area in a travel direction of a railway vehicle. The parameter acquisition part acquires a correction parameter 18b for picture correction processing which makes a likeness to a rail track based on prescribed criteria prominent before detecting the rail track on the basis of the imaged picture. The picture correction part carries out picture correction processing of the imaged picture on the basis of the correction parameter. The rail track detection part carries out rail track position detection using the picture corrected by the picture correction part.SELECTED DRAWING: Figure 2

Description

本発明の実施形態は、軌道識別装置に関する。   Embodiments described herein relate generally to a trajectory identification device.

従来から、鉄道車両の走行中に、線路の検査や、当該線路内に存在する障害物（注視が必要な注視物）の検出などを目的として、鉄道車両の進行方向の領域を撮像することで得られる撮像画像から線路（が写った領域）を検出する技術が種々検討されている。走行中に取得される撮像画像は、周囲環境によって暗かったり、ノイズが多かったりして線路（が写った領域）を検出するには適さない場合がある。そのため、例えば、撮像画像に対して、露光調整を行う装置や輝度補正を行う装置等が提案されている。   Conventionally, while a railway vehicle is running, the area in the traveling direction of the railway vehicle is imaged for the purpose of inspection of the track and detection of obstacles (gazing objects requiring attention) existing in the track. Various techniques for detecting a track (a region in which a line appears) from the obtained captured image have been studied. A captured image acquired during traveling may be unsuitable for detecting a track (a region where the image is captured) due to darkness or a lot of noise depending on the surrounding environment. Therefore, for example, a device that performs exposure adjustment or a device that performs brightness correction on a captured image has been proposed.

特開２００５−１４８３０８号公報JP 2005-148308 A 特開２００９−１５７０８６号公報JP 2009-157086 A 特開２０１５−１４８８８７号公報JP2015-148887A

鉄道車両の場合、高速で走行するとともに、周囲環境がめまぐるしく変化する。そのため、取得した撮像画像の状況（周囲環境の状況）に応じた画像補正を行い、より明るい、よりきれいな（ノイズの少ない）撮像画像が取得できれば、撮像画像から線路をより精度よく検出すること可能になり、有意義である。   In the case of a railroad vehicle, while driving at high speed, the surrounding environment changes rapidly. Therefore, it is possible to detect the line from the captured image more accurately if image correction is performed according to the acquired captured image status (environmental environment status) and a brighter and cleaner (no noise) captured image can be acquired. Is meaningful.

実施形態にかかる軌道識別装置は、画像取得部と、パラメータ取得部と、画像補正部と、線路検出部と、を備える。画像取得部は、鉄道車両の進行方向の領域を撮像することで得られる撮像画像を取得する。パラメータ取得部は、撮像画像に基づいて線路を検出するのに先立ち、所定の基準に基づく線路らしさを際立たせる画像補正処理のための補正パラメータを取得する。画像補正部は、補正パラメータに基づき、撮像画像に対して画像補正処理を実行する。線路検出部は、画像補正部で補正された補正後画像に対して線路位置の検出を実行する。   The trajectory identification device according to the embodiment includes an image acquisition unit, a parameter acquisition unit, an image correction unit, and a track detection unit. An image acquisition part acquires the captured image obtained by imaging the area | region of the advancing direction of a rail vehicle. The parameter acquisition unit acquires a correction parameter for an image correction process that emphasizes the line quality based on a predetermined reference prior to detecting the line based on the captured image. The image correction unit executes image correction processing on the captured image based on the correction parameter. The track detection unit executes the detection of the track position on the corrected image corrected by the image correction unit.

図１は、第１実施形態にかかる軌道識別装置を含む車両システムの構成を示した例示的かつ模式的な図である。FIG. 1 is an exemplary and schematic diagram illustrating a configuration of a vehicle system including a track identification device according to the first embodiment. 図２は、第１実施形態にかかる軌道識別装置を含む車両システムの機能を示した例示的かつ模式的なブロック図である。FIG. 2 is an exemplary schematic block diagram illustrating functions of the vehicle system including the trajectory identification device according to the first embodiment. 図３は、第１実施形態にかかる軌道識別装置により画像補正を施す前の補正前画像の例示的かつ模式的な図である。FIG. 3 is an exemplary schematic diagram of an uncorrected image before image correction is performed by the trajectory identification device according to the first embodiment. 図４は、第１実施形態にかかる軌道識別装置により画像補正を施した後の補正後画像の例示的かつ模式的な図である。FIG. 4 is an exemplary schematic view of the corrected image after the image correction is performed by the trajectory identification device according to the first embodiment. 図５は、第１実施形態にかかる軌道識別装置において、撮像画像を複数の個別領域に分割して、個別領域ごとに補正パラメータを取得する例を説明するための例示的かつ模式的な図である。FIG. 5 is an exemplary schematic diagram for explaining an example in which the captured image is divided into a plurality of individual areas and a correction parameter is acquired for each individual area in the trajectory identification device according to the first embodiment. is there. 図６は、第１実施形態にかかる軌道識別装置において、現在取得している現在画像と、過去に取得した過去画像に基づき補正パラメータを取得する例を説明するための例示的かつ模式的な図である。FIG. 6 is an exemplary schematic diagram for explaining an example in which correction parameters are acquired based on a current image currently acquired and a past image acquired in the past in the trajectory identification device according to the first embodiment. It is. 図７Ａは、撮像画像において線路の特徴量（例えば輝度）に基づくヒストグラムを示す図であり、線路領域と非線路領域の識別性が高い場合の例を説明する例示的かつ模式的な図である。FIG. 7A is a diagram illustrating a histogram based on a feature amount (for example, luminance) of a track in a captured image, and is an exemplary schematic diagram illustrating an example in a case where the distinction between the track region and the non-track region is high. . 図７Ｂは、撮像画像において線路の特徴量（例えば輝度）に基づくヒストグラムを示す図であり、線路領域と非線路領域の識別性が低い場合の例を説明する例示的かつ模式的な図である。FIG. 7B is a diagram illustrating a histogram based on the feature amount (for example, luminance) of the track in the captured image, and is an exemplary and schematic diagram illustrating an example where the distinction between the track region and the non-track region is low. . 図８は、第１実施形態において、補正後画像に対して線路の検出のために設定する初期エリアを示した例示的かつ模式的な図である。FIG. 8 is an exemplary and schematic diagram illustrating an initial area set for detecting a track in the corrected image in the first embodiment. 図９は、第１実施形態において、初期エリア以降のエリアから線路（の一部）を初期エリアで検出した線路に基づいて検出する例を説明するための例示的かつ模式的な図である。FIG. 9 is an exemplary schematic diagram for explaining an example in which a line (a part thereof) is detected from an area after the initial area based on the line detected in the initial area in the first embodiment. 図１０は、第１実施形態において、初期エリア以降のエリアから線路（の一部）を検出する場合に用いる扇形の探索領域の例示的かつ模式的な図である。FIG. 10 is an exemplary schematic diagram of a sector-shaped search region used when detecting a line (part) from an area after the initial area in the first embodiment. 図１１は、第１実施形態において、扇形の探索領域を用いて線路（の一部）を探索する場合の手法を説明するための例示的かつ模式的な図である。FIG. 11 is an exemplary schematic diagram for explaining a method in the case of searching for a line (part) using a fan-shaped search region in the first embodiment. 図１２は、第１実施形態において、線路の検出および障害物の検知をする場合の処理の流れを示した例示的かつ模式的なフローチャートである。FIG. 12 is an exemplary and schematic flowchart showing a flow of processing when detecting a line and detecting an obstacle in the first embodiment. 図１３は、図１２のフローチャートにおける画像補正処理（Ｓ１０２）の詳細を示す例示的かつ模式的なフローチャートである。FIG. 13 is an exemplary and schematic flowchart showing details of the image correction process (S102) in the flowchart of FIG. 図１４は、図１３のフローチャートにおける補正指標情報および補正パラメータを取得する処理（Ｓ２００）の詳細を示す例示的かつ模式的なフローチャートである。FIG. 14 is an exemplary and schematic flowchart showing details of the process (S200) of acquiring correction index information and correction parameters in the flowchart of FIG. 図１５は、第２実施形態にかかる軌道識別装置を含む車両システムの機能を示した例示的かつ模式的なブロック図である。FIG. 15 is an exemplary and schematic block diagram illustrating functions of a vehicle system including a track identification device according to the second embodiment. 図１６Ａは、第２実施形態において、鉄道車両の位置を考慮した場合の補正指標情報および補正パラメータを取得する処理の一部（トンネルの出入り口付近の処理）の詳細を示す例示的かつ模式的なフローチャートである。FIG. 16A is an exemplary and schematic diagram showing details of a part of the process of obtaining correction index information and correction parameters (processing near the entrance / exit of a tunnel) when the position of the railway vehicle is considered in the second embodiment. It is a flowchart. 図１６Ｂは、第２実施形態において、鉄道車両の位置を考慮した場合の補正指標情報および補正パラメータを取得する処理の一部（トンネルの中を走行している場合の処理）の詳細を示す例示的かつ模式的なフローチャートである。FIG. 16B is an example showing details of a part of the process for obtaining the correction index information and the correction parameter when taking the position of the railway vehicle into consideration (the process when traveling in a tunnel) in the second embodiment. It is a specific and schematic flowchart. 図１６Ｃは、第２実施形態において、鉄道車両の位置を考慮した場合の補正指標情報および補正パラメータを取得する処理の一部（トンネル以外を走行しているときの処理）の詳細を示す例示的かつ模式的なフローチャートである。FIG. 16C is an exemplary diagram illustrating details of a part of the process of obtaining the correction index information and the correction parameter when taking the position of the railway vehicle into consideration (the process when traveling outside the tunnel) in the second embodiment. And it is a typical flowchart.

以下、実施形態を図面に基づいて説明する。以下に記載する実施形態の構成、ならびに当該構成によってもたらされる作用および結果（効果）は、あくまで一例であって、以下の記載内容に限られるものではない。   Hereinafter, embodiments will be described with reference to the drawings. The configuration of the embodiment described below, and the operation and result (effect) brought about by the configuration are merely examples, and are not limited to the following description.

＜第１実施形態＞
まず、第１実施形態の構成について説明する。 <First Embodiment>
First, the configuration of the first embodiment will be described.

図１は、第１実施形態にかかる軌道識別装置１０を含む車両システム１００の構成を示した例示的かつ模式的な図である。図１に示されるように、車両システム１００は、一対のレールにより構成される線路Ｒ上を方向Ｇに沿って走行する鉄道車両ＲＶに搭載されている。   FIG. 1 is an exemplary and schematic diagram showing a configuration of a vehicle system 100 including a trajectory identification device 10 according to the first embodiment. As shown in FIG. 1, the vehicle system 100 is mounted on a railway vehicle RV that travels along a direction G on a track R constituted by a pair of rails.

また、図１に示されるように、車両システム１００は、軌道識別装置１０に加え、撮像部としてのカメラ１２と、表示部１４と、障害物検知装置１６と、を有している。   As shown in FIG. 1, the vehicle system 100 includes a camera 12 as an imaging unit, a display unit 14, and an obstacle detection device 16 in addition to the track identification device 10.

カメラ１２は、鉄道車両ＲＶの端部（例えば運転席）に設けられ、鉄道車両ＲＶの進行方向の領域を撮像する。カメラ１２によって得られる撮像画像には、線路Ｒが含まれる。   The camera 12 is provided at an end portion (for example, a driver's seat) of the railway vehicle RV, and images a region in the traveling direction of the railway vehicle RV. The captured image obtained by the camera 12 includes the track R.

表示部１４は、各種の画像を表示する装置である。表示部１４は、鉄道車両ＲＶの運転席などに設けられる。   The display unit 14 is a device that displays various images. The display unit 14 is provided in the driver's seat of the railway vehicle RV.

軌道識別装置１０は、例えば、プロセッサやメモリなどといったハードウェアを有したコンピュータとして構成される。   The trajectory identification device 10 is configured as a computer having hardware such as a processor and a memory, for example.

ところで、従来から、鉄道車両ＲＶの走行中に、線路Ｒの検査や、当該線路Ｒ内に存在する障害物（注視が必要な注視物）の検出などを目的として、鉄道車両ＲＶの進行方向の領域を撮像することで得られる撮像画像から線路Ｒ（が写った領域）を検出する技術が種々検討されている。このような技術では、撮像画像から線路Ｒをより精度良く検出することが望まれる。   By the way, conventionally, while the railway vehicle RV is traveling, for the purpose of inspecting the track R and detecting an obstacle (a gaze object that needs to be watched) existing in the track R, the traveling direction of the rail vehicle RV is changed. Various techniques for detecting a line R (a region in which a line appears) from a captured image obtained by imaging the region have been studied. In such a technique, it is desired to detect the line R from the captured image with higher accuracy.

そこで、第１実施形態は、軌道識別装置１０に以下のような機能を持たせることで、撮像画像における線路Ｒ（が写っている領域）の鮮明化（明確化、識別化）を図り、自己車両（鉄道車両ＲＶ）が走行すべき線路Ｒをより精度よく検出することを実現する。   Therefore, in the first embodiment, the trajectory identification device 10 is provided with the following functions, thereby clarifying (clarifying and identifying) the line R (the region in which the line is reflected) in the captured image. It is possible to detect the track R on which the vehicle (railway vehicle RV) should travel more accurately.

図２は、第１実施形態にかかる軌道識別装置１０および障害物検知装置１６の機能を示した例示的かつ模式的なブロック図である。図２に示されるように、軌道識別装置１０は、画像取得部１０ａ、パラメータ取得部１０ｂ、画像補正部１０ｃ、線路検出部１０ｄ、記憶部１０ｅ等を有している。また、障害物検知装置１６は、判定領域特定部１６ａ、障害物検出部１６ｂ、出力制御部１６ｃ、記憶部１６ｄ等を有している。   FIG. 2 is an exemplary schematic block diagram illustrating functions of the trajectory identification device 10 and the obstacle detection device 16 according to the first embodiment. As shown in FIG. 2, the trajectory identification device 10 includes an image acquisition unit 10a, a parameter acquisition unit 10b, an image correction unit 10c, a track detection unit 10d, a storage unit 10e, and the like. The obstacle detection device 16 includes a determination area specifying unit 16a, an obstacle detection unit 16b, an output control unit 16c, a storage unit 16d, and the like.

画像取得部１０ａ、パラメータ取得部１０ｂ、画像補正部１０ｃ、線路検出部１０ｄといった機能モジュール群の一部または全部は、ハードウェアとソフトウェアとの協働によって実現される。より具体的には、軌道識別装置１０のプロセッサが記憶部１０ｅ等のメモリに記憶されたプログラムを読み出して実行することによって各機能モジュールは実現される。同様に、判定領域特定部１６ａ、障害物検出部１６ｂ、出力制御部１６ｃといった機能モジュール群の一部または全部は、ハードウェアとソフトウェアとの協働によって実現される。より具体的には、障害物検知装置１６のプロセッサが記憶部１６ｄ等のメモリに記憶されたプログラムを読み出して実行することによって各機能モジュールは実現される。なお、第１実施形態では、これらの機能モジュール群の一部または全部が、専用のハードウェア（回路）によって実現されてもよい。   Part or all of the functional module groups such as the image acquisition unit 10a, the parameter acquisition unit 10b, the image correction unit 10c, and the line detection unit 10d are realized by cooperation of hardware and software. More specifically, each functional module is realized by the processor of the trajectory identification device 10 reading and executing a program stored in a memory such as the storage unit 10e. Similarly, some or all of the functional module groups such as the determination area specifying unit 16a, the obstacle detection unit 16b, and the output control unit 16c are realized by cooperation of hardware and software. More specifically, each functional module is realized by the processor of the obstacle detection device 16 reading and executing a program stored in a memory such as the storage unit 16d. In the first embodiment, part or all of these functional module groups may be realized by dedicated hardware (circuit).

軌道識別装置１０における記憶部１０ｅおよび障害物検知装置１６における記憶部１６ｄは、それぞれメモリを含む揮発性または不揮発性の様々な記憶媒体によって実現される。記憶部１０ｅは、軌道識別装置１０のプロセッサが実行する上記のプログラムの他、線路Ｒを検出しやすい状態に撮像画像を補正するための情報として、補正指標情報１８ａ、補正パラメータ１８ｂ、標準線路位置情報１８ｃ等を記憶する。補正指標情報１８ａ、補正パラメータ１８ｂ、標準線路位置情報１８ｃの詳細は後述する。また、記憶部１６ｄは、障害物検知装置１６のプロセッサが実行する上記のプログラムや、当該プログラムに従った障害物の検知に用いられる障害物情報１６ｅ（例えば、人物、動物、倒木、車両等、線路内に存在する可能性のある障害物の形状情報（注視点情報）等）を記憶する。   The storage unit 10e in the trajectory identification device 10 and the storage unit 16d in the obstacle detection device 16 are each realized by various volatile or nonvolatile storage media including a memory. In addition to the above program executed by the processor of the trajectory identification device 10, the storage unit 10e includes correction index information 18a, correction parameters 18b, standard line position as information for correcting the captured image so that the line R can be easily detected. Information 18c and the like are stored. Details of the correction index information 18a, the correction parameter 18b, and the standard track position information 18c will be described later. In addition, the storage unit 16d includes the above-described program executed by the processor of the obstacle detection device 16 and obstacle information 16e (for example, a person, an animal, a fallen tree, a vehicle, etc.) used for detecting an obstacle according to the program. Shape information (gazing point information, etc.) of obstacles that may exist on the track is stored.

画像取得部１０ａは、カメラ１２により撮像された撮像画像を取得する。撮像画像は、例えばカラー画像である。画像取得部１０ａは、取得した撮像画像に視点変換処理などを施すことで、カメラ１２が撮像した領域を上方から俯瞰で見た鳥瞰画像を生成することができる。   The image acquisition unit 10 a acquires a captured image captured by the camera 12. The captured image is, for example, a color image. The image acquisition unit 10a can generate a bird's-eye image of the region captured by the camera 12 as seen from above, by performing viewpoint conversion processing or the like on the acquired captured image.

線路Ｒを精度よく検出するためには、撮像環境に拘わらず、検出対象となる撮像画像の状態は、明るく、線路領域と非線路領域の区別が明確であり、さらにノイズが少ない状態であることが望ましい。そこで、パラメータ取得部１０ｂは、撮像画像に基づいて線路Ｒを検出するのに先立ち、所定の基準に基づく線路らしさを際立たせる画像補正処理のための補正パラメータを取得する。   In order to detect the line R with high accuracy, the state of the picked-up image to be detected is bright, the distinction between the line area and the non-line area is clear, and the noise is low, regardless of the image pickup environment. Is desirable. Therefore, prior to detecting the track R based on the captured image, the parameter acquisition unit 10b acquires a correction parameter for image correction processing that highlights the line quality based on a predetermined reference.

パラメータ取得部１０ｂは、まず、記憶部１０ｅの補正指標情報１８ａを参照する。補正指標情報１８ａは、カメラ１２が撮像した撮像画像の補正を行うための補正パラメータを取得するために注目する項目を示す情報である。補正指標情報１８ａは、例えば、撮像画像中で高輝度領域と低輝度領域が分離されているか否かに注目する場合、輝度情報を補正指標情報とする。また、特徴量の変化量を、例えば輝度のヒストグラムの分布状態として示し、線路領域と非線路領域とで二極化しているか否かに注目する場合は、輝度分布情報を補正指標情報とする。また、時間的に連続する複数の撮像画像で、線路位置の変位（変化）の有無や変位量の大小に注目する場合は、座標位置情報を補正指標情報とする。なお、補正に利用する補正指標情報１８ａの種類は、予め設定して（選んで）おいても、撮像画像の状態や撮像状況、撮像位置（鉄道車両ＲＶの位置）等で適宜選択するようにしてもよい。また、補正指標情報１８ａは単独で用いてもよいし、複数を組み合わせて利用してもよい。   First, the parameter acquisition unit 10b refers to the correction index information 18a in the storage unit 10e. The correction index information 18a is information indicating items to be noted in order to acquire correction parameters for correcting a captured image captured by the camera 12. For example, when attention is paid to whether or not a high-brightness region and a low-brightness region are separated in the captured image, the correction index information 18a is brightness information as correction index information. In addition, when the amount of change in the feature amount is shown as, for example, a distribution state of a luminance histogram, and attention is paid to whether or not the line region and the non-line region are bipolar, the luminance distribution information is used as correction index information. When attention is paid to the presence or absence of the displacement (change) of the track position and the amount of displacement in a plurality of captured images that are continuous in time, the coordinate position information is used as the correction index information. Note that the type of the correction index information 18a used for the correction may be selected as appropriate depending on the state of the captured image, the imaging state, the imaging position (the position of the railway vehicle RV), etc., even if it is preset (selected). May be. Further, the correction index information 18a may be used alone or in combination.

また、パラメータ取得部１０ｂは、補正指標情報１８ａに対応する補正パラメータ１８ｂを取得する。補正パラメータ１８ｂは、各補正指標情報（補正手法）に対応して、撮像画像の補正程度を決定するために予め定められた複数の値である。例えば、撮像画像においてエッジ強調（画像鮮明化）の程度を変化させるためのパラメータや、撮像画像のコントラストを変化させるヒストグラムの伸長調整を行うためのパラメータがある。また、撮像画像の鮮鋭化や平滑化を行うためのガウシアンフィルタのフィルタサイズ等を変化させるパラメータや、撮像画像のノイズ除去のために直前に取得した複数枚の過去画像を重ね合わせる処理を実行する場合の重ね合わせ枚数を変化させるパラメータ、撮像画像の二値化を行う場合の閾値を変化させるパラメータ等がある。パラメータ取得部１０ｂは、各補正指標情報（補正方法）に合致するパラメータを選択する。   The parameter acquisition unit 10b acquires the correction parameter 18b corresponding to the correction index information 18a. The correction parameter 18b is a plurality of values determined in advance for determining the degree of correction of the captured image corresponding to each correction index information (correction method). For example, there are parameters for changing the degree of edge enhancement (image sharpening) in a captured image, and parameters for adjusting the expansion of a histogram that changes the contrast of the captured image. Also, a parameter for changing the filter size of the Gaussian filter for sharpening or smoothing the captured image, or a process of superimposing a plurality of past images acquired immediately before for removing noise from the captured image is executed. In this case, there are a parameter for changing the number of superimposed images, a parameter for changing a threshold value when binarizing captured images, and the like. The parameter acquisition unit 10b selects a parameter that matches each correction index information (correction method).

画像補正部１０ｃは、パラメータ取得部１０ｂが取得（選択）した補正パラメータに基づき、画像取得部１０ａが取得した撮像画像に対して、線路らしさを際立たせる画像補正処理を実行する。例えば、撮像画像において二値化のための閾値を変更して、エッジ強調（画像鮮明化）処理を実行したり、ヒストグラムを伸長させて撮像画像のコントラストを強調する処理を実行したりする。また、ガウシアンフィルタのフィルタサイズを大きくしたり、過去画像の重ね合わせ枚数を増やしたりして、撮像画像のノイズを低減する処理を実行する。   The image correction unit 10c performs an image correction process that makes the line quality stand out for the captured image acquired by the image acquisition unit 10a based on the correction parameter acquired (selected) by the parameter acquisition unit 10b. For example, the threshold value for binarization is changed in the captured image to execute edge enhancement (image sharpening) processing, or processing to expand the histogram and enhance the contrast of the captured image. Also, processing for reducing noise in the captured image is performed by increasing the filter size of the Gaussian filter or increasing the number of past images to be superimposed.

例えば、パラメータ取得部１０ｂが補正指標情報１８ａとして、撮像画像中で高輝度領域と低輝度領域が分離されているか否かに注目する場合に用いる輝度情報を補正指標情報としている場合を考える。図３は、軌道識別装置１０により画像補正を施す前の補正前画像３０の例示的かつ模式的な図である。補正前画像３０の場合、一例として、線路Ｒが存在する線路領域Ｅ１と線路Ｒが存在しない非線路領域Ｅ２とで輝度値の差が小さく、補正前画像３０上で線路Ｒの検出が困難な状態を示している。図４は、軌道識別装置１０により画像補正を施した後の補正後画像３２の例示的かつ模式的な図である。画像補正部１０ｃが、例えば、エッジ強調処理やコントラストの強調処理、ノイズ低減処理のいずれかを実行したり、複数の処理を組み合わせて実行したりすることで、補正前画像３０に比べて、線路Ｒの識別性が向上した補正後画像３２を取得することができる。 For example, let us consider a case where the parameter acquisition unit 10b uses, as the correction index information, the luminance information used when paying attention to whether or not the high luminance area and the low luminance area are separated in the captured image as the correction index information 18a. FIG. 3 is an exemplary schematic diagram of the pre-correction image 30 before image correction is performed by the trajectory identification device 10. In the case of the image 30 before correction, as an example, the difference in luminance value between the line region E 1 where the line R exists and the non-line region E 2 where the line R does not exist is small, and the line R is detected on the image 30 before correction. Indicates a difficult situation. FIG. 4 is an exemplary schematic view of the corrected image 32 after the image correction is performed by the trajectory identification device 10. The image correction unit 10c executes, for example, any one of edge enhancement processing, contrast enhancement processing, and noise reduction processing, or a combination of a plurality of processing, so that the line is compared with the uncorrected image 30. The corrected image 32 with improved R discrimination can be acquired.

なお、画像補正部１０ｃは、図５に示すように、補正前画像３４の個別領域ごとに補正方法を異ならせてもよい。例えば、補正前画像３４の場合、画面下側、すなわちカメラ１２から近い領域Ｅ３と画面上側、すなわちカメラ１２から遠い領域Ｅ４とでは、補正前画像３４での線路領域Ｅ１の写り込み方が異なる場合がある。この場合、近い領域Ｅ３と遠い領域Ｅ４に同じ補正を施した場合、近い領域Ｅ３では、線路Ｒが際立つが、遠い領域Ｅ４では十分に際立たない場合がある。逆に、遠い領域Ｅ４では、十分に線路Ｒが際立つが、近い領域Ｅ３では、補正が強すぎて線路Ｒが検出し難くなる場合がある。この場合、パラメータ取得部１０ｂは、近い領域Ｅ３と遠い領域Ｅ４とで、異なる補正指標情報１８ａを取得し異なる種類の補正パラメータ１８ｂを選択してもよいし、近い領域Ｅ３と遠い領域Ｅ４とで、同じ補正指標情報１８ａを取得しつつ、異なる値の補正パラメータ１８ｂを選択してもよい。例えば、パラメータ取得部１０ｂが補正指標情報１８ａとして、補正前画像３４中で高輝度領域と低輝度領域が分離されているか否かに注目する場合に用いる輝度情報を補正指標情報としている場合を考える。この場合、パラメータ取得部１０ｂは、近い領域Ｅ３に対して、ヒストグラムを伸長させる補正パラメータ１８ｂを取得（選択）する。そして、画像補正部１０ｃは、撮像画像のコントラストを強調する処理を施す。一方、パラメータ取得部１０ｂは、遠い領域Ｅ４に対して、ガウシアンフィルタのフィルタサイズを大きくする補正パラメータ１８ｂを取得（選択）する。そして、画像補正部１０ｃは、撮像画像に平滑化を施してノイズを低減する処理を施す。その結果、いずれの領域においても、線路Ｒを際立たせるようにすることが可能になり、図４に示すような補正後画像３２が得られる。 The image correction unit 10c may change the correction method for each individual area of the pre-correction image 34 as shown in FIG. For example, in the case of the pre-correction image 34, the line area E 1 in the pre-correction image 34 is reflected in the lower side of the screen, that is, the region E 3 near the camera 12 and the upper side of the screen, that is, the region E 4 far from the camera 12. May be different. In this case, when the same correction is performed on the near region E 3 and the far region E 4 , the line R may stand out in the near region E 3 , but the far region E 4 may not stand out sufficiently. Conversely, in the region far E 4, but sufficiently line R stand out, in the region close E 3, there is a case where correction is difficult to detect line R too strong. In this case, the parameter obtaining unit 10b is closer in the region E 3 and region far E 4, different correction index to information 18a may be selected obtained different kinds of correction parameters 18b to close area E 3 and far region in the E 4, while obtaining the same correction index information 18a, may be selected correction parameter 18b different values. For example, let us consider a case where the parameter acquisition unit 10b uses, as the correction index information, the luminance information used when correcting whether the high-luminance area and the low-luminance area are separated in the pre-correction image 34 as the correction index information 18a. . In this case, the parameter acquiring unit 10b, to the region close E 3, obtains a correction parameter 18b extending the histogram (selection) of. Then, the image correction unit 10c performs a process of enhancing the contrast of the captured image. On the other hand, the parameter acquiring unit 10b, to the far area E 4, to obtain the correction parameter 18b to increase the filter size of the Gaussian filter (selected). Then, the image correction unit 10c performs a process of smoothing the captured image to reduce noise. As a result, in any region, the line R can be made to stand out, and a corrected image 32 as shown in FIG. 4 is obtained.

また、別の例を図６を用いて説明する。例えば、パラメータ取得部１０ｂが補正指標情報１８ａとして、時間的に連続する複数の撮像画像で、線路位置の変位の有無や変位量の大小に注目する場合に用いる座標位置情報を補正指標情報としている場合を考える。補正前画像３６は短時間で逐次カメラ１２によって撮像されるため直近の過去画像と現在の補正前画像３６に写り込んでいる線路Ｒの位置は大きく変化することはない。しかしながら、突然、撮像環境が変化した場合、例えば、走行中に影が撮像領域に入った場合や進行方向の変化により光量が急激に変化した場合、補正前画像３６にノイズが増加する場合がある。このノイズによって、直近の過去画像と現在の補正前画像３６に写り込んでいる線路Ｒと見なせる画素の位置が大きく変化してしまう場合がある。図６は、説明のため、直近の過去画像と現在の撮像画像とを重ね合わせた例であり、直近の過去画像で線路Ｒと見なせる線路領域Ｅ０と現在の撮像画像で線路Ｒと見なせる線路領域Ｅ１の座標位置がずれている場合である。このような場合、パラメータ取得部１０ｂは、ノイズを軽減するため、ガウシアンフィルタのフィルタサイズを大きくする補正パラメータ１８ｂを取得（選択）したり、現在の撮像画像に重ね合わせる過去画像の枚数を増加するような補正パラメータ１８ｂを取得（選択）したりする。つまり、画像補正部１０ｃは、補正前画像３６にノイズを低減させる平滑化処理を施すことができる。その結果、本来の位置に線路Ｒが位置するような、図４に示すような補正後画像３２が得られる。 Another example will be described with reference to FIG. For example, as the correction index information 18a, the coordinate index information used when the parameter acquisition unit 10b pays attention to the presence / absence of the displacement of the line position and the magnitude of the displacement in a plurality of temporally continuous captured images is used as the correction index information. Think about the case. Since the pre-correction image 36 is sequentially captured by the camera 12 in a short time, the position of the line R reflected in the latest past image and the current pre-correction image 36 does not change significantly. However, when the imaging environment suddenly changes, for example, when a shadow enters the imaging region during traveling or when the light amount changes suddenly due to a change in the traveling direction, noise may increase in the uncorrected image 36. . Due to this noise, the position of the pixel that can be regarded as the line R reflected in the latest past image and the current uncorrected image 36 may change significantly. FIG. 6 is an example in which the most recent past image and the current captured image are superimposed for the sake of explanation. The track region E 0 that can be regarded as the track R in the most recent past image and the track that can be regarded as the track R in the current captured image. a case where is shifted coordinate position of the region E 1. In such a case, the parameter acquisition unit 10b acquires (selects) the correction parameter 18b that increases the filter size of the Gaussian filter or increases the number of past images to be superimposed on the current captured image in order to reduce noise. Such correction parameters 18b are obtained (selected). That is, the image correction unit 10c can perform a smoothing process for reducing noise on the uncorrected image 36. As a result, a corrected image 32 as shown in FIG. 4 is obtained so that the track R is located at the original position.

また、別の例として、パラメータ取得部１０ｂは、補正前画像に対して、所定の基準に基づく線路らしさを表す尺度となり得る特徴量（例えば、輝度）の分布状態を取得し、当該分布状態が線路らしさを際立たせる状態になるように補正する補正パラメータを取得（選択）してもよい。具体的には、パラメータ取得部１０ｂは、補正指標情報１８ａとして、輝度のヒストグラムの分布状態が線路領域と非線路領域とで二極化しているか否かに注目する場合に用いる輝度分布情報を補正指標情報としている場合を考える。例えば、画像取得部１０ａの取得した撮像画像が図４に示すように、線路領域Ｅ１と非線路領域Ｅ２との輝度を比較した場合に十分に識別できる場合、特徴量としての輝度の分布状態は、図７Ａに示すように、線路領域Ｅ１と非線路領域Ｅ２とが二極化した状態で示される。一方、例えば、撮像時の周囲環境が暗かったり、撮像領域の広い範囲に影が写り込んでいたりする場合、画像取得部１０ａの取得する撮像画像は、図３に示すように、線路領域Ｅ１と非線路領域Ｅ２とで輝度の差が小さく十分に識別できない場合がある。このような場合、特徴量としての輝度のヒストグラムは、図７Ｂに示すように、輝度の分布状態の二極化が崩れ、輝度分布の偏りが生じることがある（例えば、非線路領域Ｅ２の輝度分布が主として現れる状態）。この場合、パラメータ取得部１０ｂは、明暗のコントラストをより明確化するために、ヒストグラムを伸長する補正パラメータ１８ｂを取得（選択）する。なお、撮像画像において、輝度を０〜２５５の２５６階調（「０」が暗く、「２５５」が明るい）で表した場合、線路領域Ｅ１や非線路領域Ｅ２に対応する輝度値は、予め試験等により既知であるとする。そして、画像補正部１０ｃは、補正前画像において、線路領域Ｅ１や非線路領域Ｅ２に対応する輝度値が増加するようにヒストグラムの伸長処理を実行する。その結果、図７Ａに示すように輝度分布が二極化される。つまり、補正後画像は、線路領域Ｅ１と非線路領域Ｅ２とが識別し易い画像となる。 As another example, the parameter acquisition unit 10b acquires a distribution state of a feature amount (for example, luminance) that can be a scale representing the line quality based on a predetermined criterion with respect to the pre-correction image, and the distribution state is You may acquire (select) the correction parameter which correct | amends so that it may be in the state which makes line quality stand out. Specifically, the parameter acquisition unit 10b corrects the luminance distribution information used when paying attention to whether or not the distribution state of the luminance histogram is bipolar between the line region and the non-line region as the correction index information 18a. Consider the case where index information is used. For example, as obtained captured image of the image acquisition unit 10a is shown in FIG. 4, if sufficiently identified when comparing the luminance of the line region E 1 and the non-line area E 2, the luminance distribution as the feature amount The state is shown in a state in which the line region E 1 and the non-line region E 2 are bipolar as shown in FIG. 7A. On the other hand, for example, when the surrounding environment at the time of imaging is dark or a shadow is reflected in a wide range of the imaging area, the captured image acquired by the image acquisition unit 10a is a track area E 1 as shown in FIG. difference in luminance between the non-line area E 2 may not be reduced sufficiently identified. In such a case, as shown in FIG. 7B, the luminance histogram as the feature amount may be lost in the distribution of luminance distribution, resulting in uneven luminance distribution (for example, in the non-line region E 2 ). A state in which a luminance distribution mainly appears). In this case, the parameter acquisition unit 10b acquires (selects) the correction parameter 18b for expanding the histogram in order to clarify the contrast between light and dark. In the captured image, when the luminance is expressed by 256 gradations of 0 to 255 (“0” is dark and “255” is bright), the luminance values corresponding to the line region E 1 and the non-line region E 2 are as follows. It is assumed that it is already known by a test or the like. Then, the image correcting unit 10c, the image before correction, the luminance value corresponding to the line region E 1 and the non-line region E 2 performs decompression processing of the histogram to increase. As a result, the luminance distribution is bipolarized as shown in FIG. 7A. That is, the corrected image is an image in which the track area E 1 and the non-track area E 2 can be easily identified.

上述したように、画像取得部１０ａの取得した補正前画像の状態に応じてパラメータ取得部１０ｂは、補正指標情報１８ａおよび補正パラメータ１８ｂを取得（選択）する。そして、取得された補正パラメータ１８ｂにしたがい画像補正部１０ｃが、画像補正処理を行うことにより線路Ｒらしさを際立たせた補正後画像を取得することができる。線路検出部１０ｄは、補正後画像に対して線路位置の検出を実行する。   As described above, the parameter acquisition unit 10b acquires (selects) the correction index information 18a and the correction parameter 18b according to the state of the pre-correction image acquired by the image acquisition unit 10a. Then, according to the acquired correction parameter 18b, the image correction unit 10c can acquire a post-correction image that makes the line R characteristic stand out by performing image correction processing. The line detection unit 10d performs line position detection on the corrected image.

次に、図８〜図１１を用いて、線路検出部１０ｄが補正後画像から線路Ｒを検出する手順を説明する。   Next, the procedure in which the line detection unit 10d detects the line R from the corrected image will be described with reference to FIGS.

本実施形態において、線路Ｒは、カメラ１２によって撮像された撮像画像における複数の画素群（探索エリア）ごとに、所定の基準に基づく線路らしさを表す尺度となり得る特徴量（例えば、輝度に関する特徴）に基づき検出される。   In the present embodiment, the line R is a feature quantity (for example, a feature related to luminance) that can be a scale representing the line quality based on a predetermined reference for each of a plurality of pixel groups (search areas) in the captured image captured by the camera 12. Detected based on

撮像画像における線路Ｒの写り込み状態は、撮像環境（例えば周囲の明るさなど）に応じて変化する。また、撮像環境によってノイズの量も変化する。例えば、線路Ｒに対応した領域が、周囲の領域よりも明るく写り込んでいる場合がある。このような場合、線路Ｒが光の反射を起こしやすい撮像環境で取得されたと見なすことができる。このような場合、線路Ｒが存在する線路領域とそれ以外の非線路領域との識別が容易であることが多く、またノイズも少ない場合が多い。この場合、特徴量として、例えば、輝度値そのものに着目して線路Ｒを検出する手法が有効である。線路Ｒに対応した領域が他の領域よりも相対的に明るく写り込んでいるため、鳥瞰画像としての画像全体を、輝度値が閾値以上の領域と、輝度値が閾値未満の領域と、に二分（二値化）した特徴データを取得すれば、線路Ｒに対応した領域を精度良く検出することが可能である。この場合、特徴量として着目するものが単一であるのでノイズに対して頑健であり、また、ハフ変換やＲＡＮＳＡＣなどといった既存の線分検出アルゴリズムを利用した線路検出アルゴリズムへの適用が容易であるため、有用である。   The reflection state of the track R in the captured image changes according to the imaging environment (for example, ambient brightness). In addition, the amount of noise varies depending on the imaging environment. For example, the area corresponding to the track R may appear brighter than the surrounding area. In such a case, it can be considered that the line R is acquired in an imaging environment in which light reflection is likely to occur. In such a case, it is often easy to distinguish between the line region where the line R exists and the other non-line regions, and the noise is also low in many cases. In this case, for example, a technique for detecting the line R by paying attention to the luminance value itself is effective as the feature amount. Since the area corresponding to the track R is reflected relatively brighter than the other areas, the entire image as the bird's-eye view image is divided into an area where the luminance value is equal to or greater than the threshold value and an area where the luminance value is less than the threshold value. If the (binarized) feature data is acquired, the region corresponding to the line R can be detected with high accuracy. In this case, since there is only one feature as the feature amount, it is robust against noise, and it is easy to apply to a line detection algorithm using an existing line segment detection algorithm such as Hough transform or RANSAC. Because it is useful.

逆に、線路Ｒに対応した領域が、周囲の領域よりも暗く写り込んでいる場合がある。このような場合、線路Ｒが光の反射を起こしにくい撮像環境において取得されたと見なすことができる。このような場合、線路領域と非線路領域との識別がし難い場合が多く、ノイズも多い場合が多い。この場合、特徴量として、輝度値の勾配（着目する画素と当該画素に隣接する画素との輝度値の差分）に着目して線路Ｒを検出する手法が有効である。なお、輝度値の勾配は、ＳＯＢＥＬフィルタや、Ｌａｐｌａｃｉａｎフィルタ、Ｒｏｂｉｎｓｏｎフィルタ、Ｃａｎｎｙフィルタなどによって算出可能である。   Conversely, the region corresponding to the line R may appear darker than the surrounding region. In such a case, it can be considered that the line R was acquired in an imaging environment in which light reflection is difficult to occur. In such a case, it is often difficult to distinguish between the line area and the non-line area, and there are many cases of noise. In this case, it is effective to detect the line R by paying attention to the gradient of the luminance value (difference in luminance value between the pixel of interest and the pixel adjacent to the pixel) as the feature amount. Note that the gradient of the luminance value can be calculated by an SOBEL filter, a Laplacian filter, a Robinson filter, a Canny filter, or the like.

一般に、線路Ｒは、カメラ１２の視点で手前側から奥側に向かって延びるため、通常は、輝度値の横軸（ｘ軸）方向の勾配が特徴量として着目される。一方、線路Ｒに対応した領域が、カメラ１２の視点で手前側から奥側に向かう途中でカーブしている場合、奥側の領域で、輝度値の横軸方向の勾配よりも、輝度値の縦軸（ｙ軸）方向の勾配の方が大きくなる。そこで、線路Ｒに対応した領域が、周囲の領域よりも暗く写り込んでいるような撮像環境では、特徴量として、輝度値の横軸方向の勾配と縦軸方向の勾配との両方に着目し、検出対象となるエリア（画素群）に応じて着目する勾配を切り替えながら特徴データを取得する手法が有効である。この手法は、特徴量として着目するものが増加することでノイズが増加する可能性はあるものの、カーブした線路Ｒを当該線路Ｒの延びる方向に応じて適切に検出することが可能であるため、有用である。   In general, the line R extends from the near side to the far side from the viewpoint of the camera 12, and therefore, the gradient of the luminance value in the horizontal axis (x-axis) direction is usually noted as a feature amount. On the other hand, when the region corresponding to the track R is curved on the way from the near side to the far side from the viewpoint of the camera 12, the luminance value of the far side region is larger than the gradient of the luminance value in the horizontal axis direction. The gradient in the direction of the vertical axis (y-axis) is larger. Therefore, in an imaging environment where the area corresponding to the track R is darker than the surrounding area, attention is paid to both the gradient in the horizontal axis direction and the gradient in the vertical axis direction as the feature value. A technique for acquiring feature data while switching the gradient of interest according to the area (pixel group) to be detected is effective. Although this method can detect noise as the feature amount increases, noise can be increased, but the curved line R can be appropriately detected according to the direction in which the line R extends. Useful.

このように、線路Ｒを精度良く検出するために着目すべき特徴量は、撮像画像の撮像環境や、検出対象の線路Ｒの部位など、状況に応じて様々に異なる。したがって、どのような撮像画像からも線路Ｒを精度良く検出するためには、線路Ｒの検出に用いる特徴量として、輝度そのものを用いる場合と輝度の勾配を用いる場合とを、状況に応じて適宜切り替えればよい。   As described above, the feature amount to be noted in order to detect the line R with high accuracy varies depending on the situation, such as the imaging environment of the captured image and the part of the line R to be detected. Therefore, in order to accurately detect the line R from any captured image, the case where the luminance itself is used as the feature amount used for detection of the line R and the case where the luminance gradient is used are appropriately determined depending on the situation. Switch.

線路検出部１０ｄは、画像補正部１０ｃにより補正された図８に示すような補正後画像３８をｙ軸方向（画像の奥側、上側）に分割した、複数の画素群（エリア）ごとに、所定の基準に基づいて、線路らしさを表す尺度となりうる複数の特徴量から、線路Ｒの検出に用いる１つの特徴量を取得する。そして、複数のエリアの各々から、取得された１つの特徴量に基づく特徴データを取得する。   The track detection unit 10d divides the corrected image 38 corrected by the image correction unit 10c as shown in FIG. 8 in the y-axis direction (back side, upper side of the image) for each of a plurality of pixel groups (areas). Based on a predetermined criterion, one feature amount used for detecting the line R is acquired from a plurality of feature amounts that can be a scale representing the line quality. Then, feature data based on one acquired feature amount is acquired from each of the plurality of areas.

線路検出部１０ｄは、取得された特徴データに基づいて、補正後画像３８から線路Ｒを検出する。   The line detection unit 10d detects the line R from the corrected image 38 based on the acquired feature data.

線路検出部１０ｄは、図８に示すように、補正後画像３８に含まれる複数の画素群（エリア）のうち、最初の検出対象となる初期エリアＡ１から線路Ｒ（レール４０Ｌ、レール４０Ｒ）の一部を検出した後、検出した線路Ｒの一部を基準とした次のエリアから線路Ｒの一部をさらに検出する処理を順次繰り返すことで、撮像画像の全体から線路Ｒを検出する。そして、線路検出部１０ｄは、線路Ｒの一部が検出されるごとに、上述した所定の基準として、少なくとも、線路検出部１０ｄにより既に検出済の線路Ｒの一部に関する情報を用いて、次のエリアに対応した１つの特徴量を取得する。   As illustrated in FIG. 8, the line detection unit 10 d includes a plurality of pixel groups (areas) included in the corrected image 38 from the initial area A1 to be detected first to the line R (rail 40L, rail 40R). After a part is detected, the line R is detected from the entire captured image by sequentially repeating a process of further detecting a part of the line R from the next area based on the detected part of the line R. Then, every time a part of the line R is detected, the line detection unit 10d uses at least information on a part of the line R that has already been detected by the line detection unit 10d as the predetermined reference described above. One feature amount corresponding to the area is acquired.

線路検出部１０ｄは、上述した所定の基準として、既に検出済の線路Ｒの一部の補正後画像３８内での明暗に関する画像統計量を用いて、次のエリアに対応した１つの特徴量を選択する。明暗に関する画像統計量とは、例えば平均輝度値である。既に検出済の線路Ｒの一部の平均輝度値に着目すると、処理対象の撮像画像は、線路Ｒが光の反射を起こしやすい撮像環境で取得された画像か、線路Ｒが光の反射を起こしにくい撮像環境で取得された画像か、を判定することができる。   The line detection unit 10d uses, as the predetermined reference described above, one feature amount corresponding to the next area by using image statistics relating to light and darkness in a part of the corrected image 38 of the already detected line R. select. The image statistic relating to light and dark is, for example, an average luminance value. Focusing on the average luminance value of a part of the track R that has already been detected, the captured image to be processed is an image acquired in an imaging environment in which the track R is likely to reflect light, or the track R causes light reflection. It can be determined whether the image is acquired in a difficult imaging environment.

例えば、既に検出済の線路Ｒの一部の平均輝度値が閾値以上である場合、当該線路Ｒの一部に対応した領域は、補正後画像３８内で他の領域よりも明るく写り込んでいると言える。このような場合、前述したように、次のエリアに対応した特徴量としては、輝度値そのものに着目することが有効である。一方、既に検出済の線路Ｒの一部の平均輝度値が閾値未満である場合、当該線路Ｒの一部に対応した領域は、補正後画像３８内で他の領域よりも暗く写り込んでいると言える。このような場合、前述したように、次のエリアに対応した特徴量としては、輝度値の勾配に着目することが有効である。したがって、線路検出部１０ｄは、既に検出済の線路Ｒの一部の平均輝度値と閾値との大小関係に応じて、次のエリアの特徴量として、輝度値そのものを選択するか、または、輝度値の勾配を選択するか、を決定する。   For example, when the average luminance value of a part of the track R that has already been detected is greater than or equal to the threshold value, the region corresponding to the part of the track R is reflected brighter than the other regions in the corrected image 38. It can be said. In such a case, as described above, it is effective to pay attention to the luminance value itself as the feature amount corresponding to the next area. On the other hand, when the average luminance value of a part of the line R that has already been detected is less than the threshold value, the area corresponding to the part of the line R appears darker than the other areas in the corrected image 38. It can be said. In such a case, as described above, it is effective to pay attention to the gradient of the luminance value as the feature amount corresponding to the next area. Therefore, the line detection unit 10d selects the luminance value itself as the feature amount of the next area, or selects the luminance value according to the magnitude relationship between the average luminance value of a part of the already detected line R and the threshold value. Decide if you want to choose the slope of the value.

なお、前述したように、特徴量としての輝度値の勾配は、横軸方向の勾配と縦軸方向の勾配との２つが存在し、これら２つのいずれが適切であるかは、線路Ｒのカーブの有無などに応じて異なる。そこで、線路検出部１０ｄは、既に検出済の線路Ｒの一部の角度（線路Ｒの一部が延びる方向）に基づいて、次のエリアから線路Ｒの一部を検出するために用いる１つの特徴量として、輝度値の横軸方向の勾配を選択するか、または、輝度値の縦軸方向の勾配を選択するか、を決定する。   As described above, there are two gradients of the luminance value as the feature amount, the gradient in the horizontal axis direction and the gradient in the vertical axis direction. Which of these two is appropriate depends on the curve of the line R. It depends on the presence or absence of. Therefore, the line detection unit 10d is used to detect a part of the line R from the next area based on a part of the angle of the already detected line R (a direction in which a part of the line R extends). As the feature amount, it is determined whether to select the gradient of the luminance value in the horizontal axis direction or to select the gradient of the luminance value in the vertical axis direction.

ところで、初期エリアＡ１は、最初の検出対象となるエリアであるので、上述したような参照すべき直前の結果は存在しない。したがって、初期エリアＡ１からの線路Ｒの一部の検出には、過去（例えば１フレーム前）の補正後画像３８に対する線路Ｒの検出結果を用いる。すなわち、画像取得部１０ａは、鉄道車両ＲＶの進行とともに撮像画像を複数回取得し、パラメータ取得部１０ｂは、順次、補正指標情報１８ａおよび補正パラメータ１８ｂを取得する。そして、画像補正部１０ｃは、補正後画像３８を逐次生成する。そして、線路検出部１０ｄは、あるタイミングで得られた補正後画像３８における初期エリアＡ１に対応した１つの特徴量を選択する場合、当該１つの特徴量を選択するための所定の基準として、少なくとも、あるタイミングよりも前のタイミングで得られた補正後画像３８（１フレーム前の補正後画像３８）における初期エリアＡ１から検出された線路Ｒの一部に関する情報（上述した平均輝度値などといった画像統計量）を用いる。なお、１フレーム前の補正後画像３８に基づいて検出された線路Ｒに関する情報は、線路情報として、記憶部１０ｅに記憶されているものとする。   By the way, since the initial area A1 is an area to be detected for the first time, there is no immediate result to be referred to as described above. Therefore, the detection result of the line R with respect to the corrected image 38 in the past (for example, one frame before) is used for detecting a part of the line R from the initial area A1. That is, the image acquisition unit 10a acquires a captured image a plurality of times as the railway vehicle RV progresses, and the parameter acquisition unit 10b sequentially acquires the correction index information 18a and the correction parameter 18b. Then, the image correction unit 10c sequentially generates the corrected images 38. When the line detection unit 10d selects one feature amount corresponding to the initial area A1 in the corrected image 38 obtained at a certain timing, at least as a predetermined reference for selecting the one feature amount, Information on a part of the line R detected from the initial area A1 in the corrected image 38 (corrected image 38 one frame before) obtained at a timing before a certain timing (image such as the above-described average luminance value) Statistic). In addition, the information regarding the track | route R detected based on the image 38 after 1 frame correction | amendment shall be memorize | stored in the memory | storage part 10e as track | line information.

鉄道車両ＲＶの場合、撮像時のカメラ１２の位置が固定されているため、撮像画像において、線路Ｒの出現位置（存在位置）は、ある程度限定される。したがって、記憶部１０ｅは、撮像画像における線路Ｒの標準的な出現位置や線路幅情報等を標準線路位置情報１８ｃとして記憶している。また、記憶部１０ｅは、線路Ｒを検出し易いように補正された補正後画像において、線路Ｒの検出に用いられる線路情報（例えば、検出済線路情報、検出済線路幅情報、初期エリア情報、線路位置情報等）を記憶する。   In the case of the railway vehicle RV, since the position of the camera 12 at the time of imaging is fixed, the appearance position (existing position) of the track R is limited to some extent in the captured image. Therefore, the storage unit 10e stores the standard appearance position of the line R in the captured image, the line width information, and the like as the standard line position information 18c. In addition, the storage unit 10e uses track information (for example, detected track information, detected track width information, initial area information, etc.) used in the detection of the track R in the corrected image corrected so that the track R can be easily detected. Track position information).

ここで、補正後画像３８における各エリアから線路Ｒ（の一部）を検出するための手法について説明する。まず、初期エリアＡ１から線路Ｒ（の一部）を検出するための手法について説明する。前述したように、初期エリアＡ１は、線路Ｒの検出の起点となる領域として予め決められた位置に設定されている。初期エリアＡ１の位置は、線路情報として記憶部１０ｅに予め記憶されている。線路検出部１０ｄは、まず、記憶部１０ｅの線路情報を参照することで、上記の手法で選択された特徴量に基づいて取得された特徴データから初期エリアＡ１に対応した領域のデータを抽出する。そして、線路検出部１０ｄは、抽出したデータに対してハフ変換やＲＡＮＳＡＣなどといった線分検出アルゴリズムに基づく処理を実行することで、初期エリアＡ１内に存在する線路Ｒ（の一部）の候補を抽出する。なお、正規の線路Ｒを構成する一対のレール４０Ｌ，４０Ｒの幅は、予め決まっている。したがって、正規の線路Ｒを構成する一対のレール４０Ｌ，４０Ｒの幅に関する情報を取得すれば、上記のように抽出された候補から、正規の線路Ｒ（の一部）を特定することが可能である。そこで、本実施形態においては、線路Ｒを構成する一対のレール４０Ｌ，４０Ｒの幅が、線路情報として記憶部１０ｅに予め記憶されているとしてもよい。   Here, a method for detecting (part of) the line R from each area in the corrected image 38 will be described. First, a method for detecting (part of) the line R from the initial area A1 will be described. As described above, the initial area A1 is set at a position determined in advance as a region from which the line R is detected. The position of the initial area A1 is stored in advance in the storage unit 10e as track information. First, the line detection unit 10d extracts the data of the region corresponding to the initial area A1 from the feature data acquired based on the feature amount selected by the above method by referring to the line information in the storage unit 10e. . Then, the line detection unit 10d performs a process based on a line segment detection algorithm such as Hough transform and RANSAC on the extracted data, thereby selecting candidates for (part of) the line R existing in the initial area A1. Extract. Note that the width of the pair of rails 40L and 40R constituting the regular line R is determined in advance. Therefore, if information on the width of the pair of rails 40L and 40R constituting the regular line R is acquired, it is possible to identify (part of) the regular line R from the candidates extracted as described above. is there. Therefore, in the present embodiment, the width of the pair of rails 40L and 40R constituting the line R may be stored in advance in the storage unit 10e as line information.

そして、線路検出部１０ｄは、線路情報の線路幅を参照し、上記のように抽出された候補から、線路情報で示された線路幅にマッチする幅を有する候補をさらに抽出することで、正規の線路Ｒを特定（検出）する。そして、線路検出部１０ｄは、特定した線路Ｒを構成する複数の座標点を、線路位置情報として記憶部１０ｅに記憶する。例えば、図９に示される補正後画像３８の例では、線路Ｒ（レール４２Ｌ，４２Ｒ）に含まれる座標点Ｌ１，Ｒ１，Ｌ２，Ｒ２等が記憶部１０ｅに記憶される。   Then, the line detection unit 10d refers to the line width of the line information, and further extracts candidates having a width that matches the line width indicated by the line information from the candidates extracted as described above. The line R is identified (detected). And the track | line detection part 10d memorize | stores the some coordinate point which comprises the specified track | line R in the memory | storage part 10e as track | line position information. For example, in the example of the corrected image 38 shown in FIG. 9, the coordinate points L1, R1, L2, R2, etc. included in the track R (rails 42L, 42R) are stored in the storage unit 10e.

次に、初期エリアＡ１以降のエリアから線路Ｒ（の一部）を検出するための手法について説明する。   Next, a technique for detecting (part of) the line R from the area after the initial area A1 will be described.

図１０、図１１は、初期エリアＡ１以降のエリアから線路Ｒ（の一部）を検出するための手法の概略を説明するための例示的かつ模式的な図である。図１０に示される例では、直近の処理により、線路Ｒの一部として、座標点Ｌ１，Ｌ２が検出済となっているものとする。線路検出部１０ｄは、まず、図１０に示されるように、直近に検出された２つの座標点に基づく所定の扇形の領域を設定する。扇形の領域とは、直近に検出された２つの座標点Ｌ１，Ｌ２のうち初期エリアＡ１とは反対側の座標点Ｌ２から、当該２つの座標点Ｌ１，Ｌ２を結ぶ直線Ｌを中心として左右に同一の角度θで広がるように延びる仮想線ＶＲおよび仮想線ＶＬで区画される領域である。なお、角度θは、予め設定された角度であって、例えば、線路Ｒの規格などで規定された最大曲率の範囲をカバーする角度である。また、仮想線ＶＲおよび仮想線ＶＬの長さは、予め設定された長さである。   10 and 11 are exemplary and schematic diagrams for explaining an outline of a technique for detecting (part of) the line R from the area after the initial area A1. In the example shown in FIG. 10, it is assumed that coordinate points L1 and L2 have been detected as part of the line R by the latest processing. First, as illustrated in FIG. 10, the line detection unit 10 d sets a predetermined sector area based on the two most recently detected coordinate points. The sector-shaped area is defined as the left and right of the two coordinate points L1 and L2 detected most recently from the coordinate point L2 on the opposite side of the initial area A1 around the straight line L connecting the two coordinate points L1 and L2. This is a region partitioned by a virtual line VR and a virtual line VL extending so as to spread at the same angle θ. Note that the angle θ is a preset angle, for example, an angle that covers a range of the maximum curvature defined by the standard of the line R and the like. Further, the lengths of the virtual line VR and the virtual line VL are preset lengths.

上記のような扇形の領域を設定すると、線路検出部１０ｄは、図１１に示されるように、扇形の領域の上端の任意の一箇所と、当該扇形の領域の起点（要）となる座標点Ｌ２とを網羅的に結ぶ複数の線分を設定する。これらの複数の線分が、線路Ｒ（の一部）の候補となる。   When the sector area as described above is set, as shown in FIG. 11, the line detection unit 10d has an arbitrary point at the upper end of the sector area and a coordinate point that is the starting point (essential) of the sector area. A plurality of line segments that comprehensively connect L2 are set. These multiple line segments are candidates for the line R (a part of the line R).

そして、線路検出部１０ｄは、上記のように設定した複数の候補を補正後画像３８上にあてはめ、複数の候補の中から選択された、特徴量の平均値が最も大きいものを、正規の線路Ｒ（の一部）として特定（検出）する。   Then, the line detection unit 10d fits the plurality of candidates set as described above on the corrected image 38, and selects the one having the largest feature value average value selected from the plurality of candidates as the normal line R (part) is specified (detected).

ところで、図１０に示された２つの座標点は、線路Ｒを構成する一対のレール４０Ｌ．４０Ｒのうちの一方である、例えば、レール４０Ｌに沿ったものであり、実際には、他方のレール４０Ｒに沿った２つの座標点も検出済である。したがって、線路検出部１０ｄは、他方のレール４０Ｒについても上記の同様の手法で正規の線路Ｒを特定（検出）する。   The two coordinate points shown in FIG. 10 are a pair of rails 40L. One of the 40Rs, for example, along the rail 40L, and actually two coordinate points along the other rail 40R have also been detected. Therefore, the line detection unit 10d specifies (detects) the normal line R in the same manner as described above for the other rail 40R.

線路検出部１０ｄは、上記の手順が順次繰り返されることにより、図９に示す補正後画像３８の全ての領域から線路Ｒ（レール４２Ｌ，４２Ｒ）の全体が検出される。そして、検出された線路Ｒ（の全体）に関する情報は、検出済線路情報として記憶部１０ｅに記憶される。なお、上述の線路Ｒの検出手法の場合、図１１に示されるように、扇形の領域に複数の線分（直線の線路候補）を設定し、特徴量の平均値が最も大きいものを正規の線路Ｒ（の一部）として特定する例を示した。別の例では、扇形の領域に複数の放物線の線路候補を設定し、特徴量の平均値が最も大きいものを正規の線路Ｒ（の一部）として特定するようにしてもよい。この場合、より実際の線路Ｒに近い形状の線路候補で線路Ｒの探索を実行することになる。その結果、より精度よく線路Ｒの検出ができる。一方、上述したように、線路候補を線分（直線）で設定して探索を行う場合、処理負荷の軽減、処理時間の短縮等に寄与することができる。   The line detection unit 10d detects the entire line R (rails 42L and 42R) from all regions of the corrected image 38 shown in FIG. 9 by sequentially repeating the above procedure. And the information regarding the detected line R (the whole) is memorize | stored in the memory | storage part 10e as detected track information. In the case of the above-described detection method of the line R, as shown in FIG. 11, a plurality of line segments (straight line candidates) are set in a sector area, and the one having the largest feature value is normalized. The example specified as (part of) the line R is shown. In another example, a plurality of parabola line candidates may be set in a sector-shaped region, and the one having the largest feature value average value may be specified as (a part of) the normal line R. In this case, the search for the line R is executed with a line candidate having a shape closer to the actual line R. As a result, the line R can be detected with higher accuracy. On the other hand, as described above, when searching by setting line candidates as line segments (straight lines), it is possible to contribute to reduction of processing load, reduction of processing time, and the like.

図２に戻り、障害物検知装置１６は、軌道識別装置１０が検出した線路Ｒに対して、鉄道車両ＲＶが線路Ｒを走行する際に注視する障害物（注視物）が存在するか否かの検知を行い、表示部１４等に検知の結果を表示させる。   Returning to FIG. 2, the obstacle detection device 16 determines whether or not there is an obstacle (gazing object) to be watched when the railway vehicle RV travels on the track R with respect to the track R detected by the track identification device 10. And the detection result is displayed on the display unit 14 or the like.

判定領域特定部１６ａは、線路検出部１０ｄの検出結果に基づいて、補正後画像内における線路Ｒの付近の領域を、障害物（注視が必要な注視物）の有無の判定の対象となる判定領域として特定する。したがって、線路検出部１０ｄは、検出結果を障害物検知装置１６側に出力する線路検出結果出力部として機能する。   Based on the detection result of the line detection unit 10d, the determination area specifying unit 16a determines a region in the vicinity of the line R in the corrected image as a target for determining whether there is an obstacle (a gaze object that requires gaze). Specify as an area. Therefore, the line detection unit 10d functions as a line detection result output unit that outputs the detection result to the obstacle detection device 16 side.

障害物検出部１６ｂは、判定領域特定部１６ａにより特定された判定領域内に注視物が存在するか否かを監視（検出）する。注視物の有無を判定するための情報（テンプレート）は、障害物情報２０として記憶部１６ｄに記憶されている。障害物検出部１６ｂは、障害物情報２０と、線路検出部１０ｄが検出した線路Ｒ（線路Ｒの存在領域）と、に基づいて、障害物（注視物）のテンプレートにマッチする画素群が判定領域内に存在するか否かを判定する。   The obstacle detection unit 16b monitors (detects) whether or not there is a gaze object in the determination region specified by the determination region specification unit 16a. Information (template) for determining the presence or absence of the gaze object is stored as the obstacle information 20 in the storage unit 16d. The obstacle detection unit 16b determines, based on the obstacle information 20 and the line R (area where the line R exists) detected by the line detection unit 10d, a pixel group that matches the template of the obstacle (gazing object). It is determined whether or not it exists in the area.

そして、出力制御部１６ｃは、障害物検出部１６ｂにより障害物（注視物）が存在すると判定された場合に、障害物に対応する注視画像（マーク、アイコン、シンボル、キャラクタ等）を障害物情報２０等から読み出す。そして、出力制御部１６ｃは、表示部１４に表示されている画像（線路Ｒが写り込んでいる実画像）の対応する位置に注視画像を重畳して表示させる処理等を実行することで、警報を出力する。なお、この場合、音声やアラームによる警報を併せて出力するようにしてもよい。   When the obstacle detection unit 16b determines that there is an obstacle (gaze object), the output control unit 16c displays the gaze image (mark, icon, symbol, character, etc.) corresponding to the obstacle as obstacle information. Read from 20 etc. Then, the output control unit 16c performs a process of superimposing and displaying the gaze image on the corresponding position of the image displayed on the display unit 14 (the actual image in which the track R is reflected), thereby generating an alarm. Is output. In this case, a warning by voice or alarm may be output together.

以上のように構成される第１実施形態にかかる軌道識別装置１０を含む車両システム１００の動作について図１２〜図１４のフローチャートを用いて説明する。   The operation of the vehicle system 100 including the trajectory identification device 10 according to the first embodiment configured as described above will be described with reference to the flowcharts of FIGS.

図１２は、第１実施形態にかかる軌道識別装置１０を含む車両システム１００が実行する処理の全体的な流れを示した例示的なフローチャートである。この図１２に示される処理フローは、鉄道車両ＲＶの走行中に繰り返し実行される。   FIG. 12 is an exemplary flowchart showing an overall flow of processing executed by the vehicle system 100 including the trajectory identification device 10 according to the first embodiment. The processing flow shown in FIG. 12 is repeatedly executed while the railway vehicle RV is traveling.

図１２に示される処理フローでは、まず、Ｓ１００において、軌道識別装置１０の画像取得部１０ａは、カメラ１２から撮像画像を取得する。なお、画像取得部１０ａは取得した撮像画像を鳥瞰画像に変換してもよい。   In the processing flow shown in FIG. 12, first, in S <b> 100, the image acquisition unit 10 a of the trajectory identification device 10 acquires a captured image from the camera 12. Note that the image acquisition unit 10a may convert the acquired captured image into a bird's-eye view image.

そして、Ｓ１０２において、軌道識別装置１０は、パラメータ取得部１０ｂ、画像補正部１０ｃの動作により、補正前画像に対して、線路Ｒらしさが際立つような補正処理を実行する。   In S102, the trajectory identification device 10 performs a correction process that makes the line R characteristic stand out with respect to the pre-correction image by the operations of the parameter acquisition unit 10b and the image correction unit 10c.

具体的には、図１３のフローチャートに示されるように、Ｓ２００において、補正指標情報１８ａおよび補正パラメータ１８ｂを取得（選択）する。より具体的な取得処理の例を図１４に示されるフローチャートを用いて説明する。なお、図１４に示されるフローチャートでは、一例として、補正指標情報は、予め輝度情報を用いることが決められている場合を説明する。   Specifically, as shown in the flowchart of FIG. 13, in S200, the correction index information 18a and the correction parameter 18b are acquired (selected). A more specific example of the acquisition process will be described with reference to the flowchart shown in FIG. In the flowchart shown in FIG. 14, as an example, a case where it is determined in advance that luminance information is used as correction index information will be described.

パラメータ取得部１０ｂは、まず、画像取得部１０ａが取得した撮像画像（補正前画像）に対して、線路領域と推定される領域と非線路領域と推定される領域の平均輝度差が所定値Ａ以下か否かを判定する（Ｓ３００）。平均輝度差の所定値Ａとは、輝度を０〜２５５の２５６階調（「０」が暗く、「２５５」が明るい）で表した場合、例えば、「１００」とすることができる。平均輝度差が所定値Ａ以下の場合（Ｓ３００のＹｅｓ）補正前画像は、全体として輝度差の小さい例えば、図７Ｂに示すような状態（例えば、全体が暗い画像）であると推定される。この場合、パラメータ取得部１０ｂは、記憶部１０ｅから補正パラメータ１８ｂとして補正前画像のコントラストを変化させるために輝度に関するヒストグラムの伸長調整を行うための補正パラメータを取得（選択）する。具体的には、補正後画像が、図７Ａのように、高輝度の領域となる線路領域Ｅ１と線路領域Ｅ１よりは低輝度の領域となる非線路領域Ｅ２になるように、二極化させる補正パラメータａを取得する（Ｓ３０２）。その結果、補正後画像は、例えば図３に示されるように、線路領域Ｅ１と非線路領域Ｅ２とが十分に識別可能な画像となる。なお、パラメータ取得部１０ｂは、今回の画像処理で取得（選択）したパラメータ取得部１０ｂを補正指標情報１８ａと関連付けて記憶部１０ｅに保存し、次のタイミングの画像補正処理の際に必要に応じて利用できるようにする。 First, the parameter acquisition unit 10b is configured such that an average luminance difference between a region estimated as a line region and a region estimated as a non-line region is a predetermined value A with respect to the captured image (pre-correction image) acquired by the image acquisition unit 10a. It is determined whether or not (S300). The predetermined value A of the average luminance difference can be, for example, “100” when the luminance is expressed by 256 gradations of “0 to 255” (“0” is dark and “255” is bright). When the average luminance difference is equal to or less than the predetermined value A (Yes in S300), it is estimated that the pre-correction image has a small luminance difference as a whole, for example, a state as shown in FIG. In this case, the parameter acquisition unit 10b acquires (selects) a correction parameter for performing a histogram expansion adjustment relating to luminance in order to change the contrast of the pre-correction image as the correction parameter 18b from the storage unit 10e. Specifically, as the corrected image is, as shown in FIG. 7A, in the non-line area E 2 as the low luminance region from the line region E 1 and the line area E 1 formed of a high luminance region, the two The correction parameter a to be polarized is acquired (S302). As a result, the corrected image is an image in which the line area E 1 and the non-line area E 2 are sufficiently distinguishable as shown in FIG. 3, for example. The parameter acquisition unit 10b stores the parameter acquisition unit 10b acquired (selected) in the current image processing in the storage unit 10e in association with the correction index information 18a, and performs image correction processing at the next timing as necessary. Make it available.

一方、Ｓ３００において、平均輝度差が所定値Ａを超えている場合（Ｓ３００のＮｏ）、つまり、補正前画像は、輝度差が十分にあり、明領域と暗領域が存在していると推定される。この場合、パラメータ取得部１０ｂは、続いて、例えば、補正前画像の領域を複数のブロックに分割した場合に、各ブロック内の輝度の分散状態を確認する。例えば、ブロック内の輝度分散が所定値より大きい場合、ブロック内の明暗（色）の変化が大きく、いわゆる「ごま塩ノイズ」が存在することを示す。このような、「ごま塩ノイズ」が存在するブロックの割合が補正前画像全体のＢ以上（例えば５０％以上）を占める場合（Ｓ３０４のＹｅｓ）、パラメータ取得部１０ｂは、記憶部１０ｅから補正前画像の平滑化を行うためのガウシアンフィルタのフィルタサイズを変化させる補正パラメータｂを取得（選択）する（Ｓ３０６）。その結果、補正後画像は、平滑化され、ごま塩ノイズ等が低減された、例えば図３に示されるように、明暗領域の識別が行い易くなり、線路領域Ｅ１と非線路領域Ｅ２とが十分に識別可能な画像となる。なお、パラメータ取得部１０ｂは、今回の画像処理で取得（選択）したパラメータ取得部１０ｂを補正指標情報１８ａと関連付けて記憶部１０ｅに保存し、次のタイミングの画像補正処理の際に必要に応じて利用できるようにする。 On the other hand, when the average luminance difference exceeds the predetermined value A in S300 (No in S300), that is, the pre-correction image has a sufficient luminance difference, and it is estimated that a bright region and a dark region exist. The In this case, the parameter acquisition unit 10b subsequently checks the luminance distribution state in each block, for example, when the region of the pre-correction image is divided into a plurality of blocks. For example, when the luminance dispersion in the block is larger than a predetermined value, the change in brightness (color) in the block is large, indicating that so-called “sesame salt noise” exists. When the proportion of blocks in which such “sesame salt noise” exists occupies B or more (for example, 50% or more) of the entire pre-correction image (Yes in S304), the parameter acquisition unit 10b reads the pre-correction image from the storage unit 10e. The correction parameter b for changing the filter size of the Gaussian filter for smoothing is acquired (selected) (S306). As a result, the corrected image is smoothed and sesame salt noise or the like is reduced. For example, as shown in FIG. 3, it becomes easy to identify the light and dark regions, and the line region E 1 and the non-line region E 2 are separated. The image can be sufficiently identified. The parameter acquisition unit 10b stores the parameter acquisition unit 10b acquired (selected) in the current image processing in the storage unit 10e in association with the correction index information 18a, and performs image correction processing at the next timing as necessary. Make it available.

Ｓ３０４において、「ごま塩ノイズ」が存在するブロックの割合が補正前画像全体のＢ未満の場合（Ｓ３０４のＮｏ）、つまり、補正前画像は、輝度差が十分にあり、かつごま塩ノイズ等が少ない状態である。この場合、補正前画像は、線路領域Ｅ１と非線路領域Ｅ２とが十分に識別可能な画像であり、補正することなく線路Ｒの検出が可能であると推定できる。そのため、パラメータ取得部１０ｂは、補正前画像に対する補正パラメータ１８ｂを現状維持する（Ｓ３０８）。つまり、前回処理時に用いた補正パラメータ１８ｂをそのままの状態で今回の処理のおいても利用する。すなわち、前回の画像補正処理の結果に応じて今回利用する補正パラメータ１８ｂを取得する。その結果、補正処理のための処理負荷の軽減ができる。なお、初回の画像処理の場合、前回の画像補正処理の結果を参照できないため、例えば、予め設定された標準的な補正パラメータ１８ｂを利用することができる。 In S304, when the ratio of the blocks in which “sesame salt noise” is present is less than B in the entire pre-correction image (No in S304), that is, the pre-correction image has a sufficient luminance difference and a small amount of sesame salt noise or the like. It is. In this case, the pre-correction image is an image in which the line area E 1 and the non-line area E 2 can be sufficiently identified, and it can be estimated that the line R can be detected without correction. Therefore, the parameter acquisition unit 10b maintains the current state of the correction parameter 18b for the pre-correction image (S308). That is, the correction parameter 18b used in the previous process is used as it is in the current process. That is, the correction parameter 18b used this time is acquired according to the result of the previous image correction process. As a result, the processing load for the correction process can be reduced. In the case of the first image processing, since the result of the previous image correction processing cannot be referred to, for example, a preset standard correction parameter 18b can be used.

図１４に示すフローチャートでは、補正前画像において、補正指標情報１８ａとして輝度情報を用いる例を説明したが、例えば、時間的に連続する複数の撮像画像で、線路位置の変位の有無や変位量の大小に注目する座標位置情報を補正指標情報として用いてもよい。この場合、位置座表情報のずれが大きい場合、例えば、ノイズが多いと推定される。その場合、直前に取得した複数枚の過去画像を重ね合わせる処理を実行する場合の重ね合わせ枚数を変化（増加）させる補正パラメータ１８ｂを選択することで、撮像画像のノイズ除去（低減）を行うことが可能となる。この場合も、輝度情報を用いる場合と同様に、線路Ｒの識別性を向上することができて、線路Ｒの検出精度の向上に寄与することができる。   In the flowchart illustrated in FIG. 14, the example in which the luminance information is used as the correction index information 18a in the pre-correction image has been described. However, for example, the presence / absence of displacement of the line position and the amount of displacement of a plurality of captured images that are temporally continuous. You may use the coordinate position information which pays attention to magnitude as correction | amendment parameter | index information. In this case, when the position map information has a large deviation, for example, it is estimated that there is a lot of noise. In that case, noise removal (reduction) of the captured image is performed by selecting the correction parameter 18b that changes (increases) the number of superimposed images when executing the process of superimposing a plurality of past images acquired immediately before. Is possible. In this case as well, as in the case of using luminance information, the discriminability of the line R can be improved, and the detection accuracy of the line R can be improved.

図１３に戻り、Ｓ２００において、図１４に示す処理にしたがい補正パラメータ１８ｂが取得された場合、画像補正部１０ｃは、取得された補正パラメータ１８ｂを用いて補正前画像を補正する（Ｓ２０２）。   Returning to FIG. 13, when the correction parameter 18b is acquired in S200 according to the process shown in FIG. 14, the image correction unit 10c corrects the pre-correction image using the acquired correction parameter 18b (S202).

Ｓ２０２において、補正処理が実行され補正後画像が取得されると、図１２のフローチャートに戻り、線路検出部１０ｄは、補正後画像に対して、図８〜図１１で説明した手順にしたがい、線路Ｒの検出を実施する（Ｓ１０４）。   In S202, when the correction process is executed and the corrected image is acquired, the process returns to the flowchart of FIG. 12, and the track detection unit 10d performs the track processing on the corrected image according to the procedure described in FIGS. R is detected (S104).

そして、線路Ｒの検出が完了すると、障害物検知装置１６の判定領域特定部１６ａは、障害物（注視が必要な注視物）の有無判定の対象となる線路Ｒの付近の判定領域を設定する（Ｓ１０６）。   Then, when the detection of the track R is completed, the determination region specifying unit 16a of the obstacle detection device 16 sets a determination region near the track R that is a target for determining the presence or absence of an obstacle (a gazing target that needs to be watched). (S106).

そして、障害物検知装置１６の障害物検出部１６ｂは、Ｓ１０６で特定された判定領域内に障害物が存在するか否かを判断する（Ｓ１０８）。   Then, the obstacle detection unit 16b of the obstacle detection device 16 determines whether there is an obstacle in the determination region specified in S106 (S108).

Ｓ１０８において障害物が存在すると判断された場合、障害物の存在を鉄道車両ＲＶの運転者に通知し、注意喚起を行う必要がある。したがって、障害物検知装置１６の出力制御部１６ｃは、障害物検出結果を表示部１４に対して行う（Ｓ１１０）。出力制御部１６ｃは、例えば、障害物に対応する注視画像（マーク、アイコン、シンボル、キャラクタ等）を障害物情報１６ｅ等から読み出す。そして、出力制御部１６ｃは、表示部１４に表示されている画像（線路Ｒや分岐線路ＳＲ等が写り込んでいる実画像）の対応する位置に注視画像を重畳して表示させる処理等を実行することで、警報を出力する。そして、処理対象の画像に対する一連の処理が終了する。なお、障害物が発見されない場合には、注意喚起を行う必要は特にない。したがって、この場合、表示部１４には、カメラ１２が撮像した現在の画像（実画像）が表示されることになる。   When it is determined in S108 that there is an obstacle, it is necessary to notify the driver of the railway vehicle RV of the presence of the obstacle and call attention. Therefore, the output control unit 16c of the obstacle detection device 16 performs the obstacle detection result on the display unit 14 (S110). For example, the output control unit 16c reads a gaze image (a mark, an icon, a symbol, a character, or the like) corresponding to the obstacle from the obstacle information 16e. And the output control part 16c performs the process etc. which superimpose and display a gaze image on the corresponding position of the image (Actual image in which the track R, the branch line SR, etc. are reflected) displayed on the display part 14 etc. To output an alarm. Then, a series of processes for the image to be processed ends. If no obstacle is found, there is no need to call attention. Therefore, in this case, the display unit 14 displays the current image (actual image) captured by the camera 12.

このように、第１実施形態の車両システム１００によれば、軌道識別装置１０によって、自車両(鉄道車両ＲＶ)が走行する線路Ｒの認識（検出）に先立ち、撮像画像（補正前画像）の状態に応じて、適切な補正パラメータ１８ｂを取得し、線路Ｒらしさを際立たせるように撮像画像を補正する。その結果、より明るい、よりきれいな（ノイズの少ない）撮像画像の取得が可能になり、撮像画像から線路Ｒをより精度良く検出することができる。さらに、現在処理対象となっている画像に存在する線路Ｒが高精度で検出できるため、検出した線路Ｒに対する障害物検知処理を高精度で行うことが可能となり、車両システム１００の信頼性の向上、使い勝手の向上等を図ることができる。   As described above, according to the vehicle system 100 of the first embodiment, the track identification device 10 uses the captured image (pre-correction image) prior to the recognition (detection) of the track R on which the host vehicle (the railway vehicle RV) travels. According to the state, an appropriate correction parameter 18b is acquired, and the captured image is corrected so as to make the line R characteristic stand out. As a result, it is possible to obtain a brighter and cleaner captured image (with less noise), and the line R can be detected from the captured image with higher accuracy. Furthermore, since the track R existing in the image currently being processed can be detected with high accuracy, the obstacle detection processing for the detected track R can be performed with high accuracy, and the reliability of the vehicle system 100 is improved. It is possible to improve usability.

＜第２実施形態＞
画像取得部１０ａが取得するカメラ１２からの撮像画像の明るさ（輝度）が急激に変化する場合がある。例えば、鉄道車両ＲＶが走行中にトンネルに入る場合やトンネルから出る場合に大きく変化する。鉄道車両ＲＶがトンネルの入口に接近すると、カメラ１２の撮像領域においてトンネル内部を写す暗い領域が増える。つまり、撮像画像において、トンネル内部の暗い部分の占める割合が増加する。このような場合、カメラ１２は、撮像時に露光調整等を行い、撮像画像の輝度を高めるような処理を行うことがある。そのため、撮像画像全体が明るくなり、いわゆる「白飛び」を起こしてしまう場合がある。また、鉄道車両ＲＶがトンネルの出口に接近すると、カメラ１２の撮像領域においてトンネル外部の明るい領域が増える。このような場合もカメラ１２は、撮像時に露光調整等を行い、撮像画像の輝度を低めるような処理を行うが、線路Ｒが存在する領域を中心に明るい部分が増加するため、露光調整が行われるまでは、線路Ｒの存在する領域中心に、「白飛び」を起こしてしまう場合がある。このように「白飛び」が生じる場合、トンネル以外を走行している場合に比べて、強い画像補正が必要になる。 Second Embodiment
The brightness (luminance) of the captured image from the camera 12 acquired by the image acquisition unit 10a may change abruptly. For example, it greatly changes when the railway vehicle RV enters or exits the tunnel while traveling. When the railway vehicle RV approaches the entrance of the tunnel, the dark area that captures the inside of the tunnel in the imaging area of the camera 12 increases. That is, the proportion of the dark part inside the tunnel increases in the captured image. In such a case, the camera 12 may perform processing such as performing exposure adjustment at the time of imaging to increase the brightness of the captured image. For this reason, the entire captured image becomes bright, and so-called “whiteout” may occur. When the railway vehicle RV approaches the exit of the tunnel, bright areas outside the tunnel increase in the imaging area of the camera 12. Even in such a case, the camera 12 performs exposure adjustment or the like at the time of image pickup and performs processing to lower the brightness of the picked-up image. However, since the bright part increases around the area where the line R exists, the exposure adjustment is performed. Until it is detected, “whiteout” may occur in the center of the region where the line R exists. When “whiteout” occurs in this way, stronger image correction is required than when traveling outside the tunnel.

鉄道車両ＲＶは、運行管理が詳細に行われている。したがって、車両システム１００は、画像取得部１０ａが取得した撮像画像がトンネルの出入り口付近で取得されたものか、トンネル内部で取得されたものか、またはトンネルの影響を受けない位置で取得されたものなのか、を容易に判定することができる。つまり、鉄道車両ＲＶの運行情報を利用することにより、鉄道車両ＲＶの存在する位置に適した画像補正を行う場合、補正パラメータの選択範囲を特定（決定）して、取得することができる。   The railway vehicle RV is managed in detail. Therefore, in the vehicle system 100, the captured image acquired by the image acquisition unit 10a is acquired near the entrance of the tunnel, acquired inside the tunnel, or acquired at a position not affected by the tunnel. This can be easily determined. That is, by using the operation information of the railway vehicle RV, when performing image correction suitable for the position where the railway vehicle RV exists, the selection range of the correction parameter can be specified (determined) and acquired.

図１５は、第２実施形態にかかる軌道識別装置１０Ａおよび障害物検知装置１６の機能を示した例示的かつ模式的なブロック図である。なお、図１５示されるように、第２実施形態の軌道識別装置１０Ａは、図２に示される第１実施形態の軌道識別装置１０に対して、記憶部１０ｅが記憶する位置−補正パラメータ５０が追加されている以外は同じ構成をとり得る。また、第２実施形態の障害物検知装置１６の構成は第１実施形態の障害物検知装置１６の構成と同じである。したがって、第２実施形態において、第１実施形態と実質的に同じ構成、機能を有する部分に関しては、同じ符号を付し、詳細な説明は省略する。なお、第２実施形態の車両システム１００は、運行情報取得装置５２をさらに備える。   FIG. 15 is an exemplary schematic block diagram illustrating functions of the trajectory identification device 10A and the obstacle detection device 16 according to the second embodiment. As shown in FIG. 15, the trajectory identification device 10 </ b> A of the second embodiment has a position-correction parameter 50 stored in the storage unit 10 e compared to the trajectory identification device 10 of the first embodiment shown in FIG. 2. The same structure can be taken except for being added. The configuration of the obstacle detection device 16 of the second embodiment is the same as the configuration of the obstacle detection device 16 of the first embodiment. Accordingly, in the second embodiment, portions having substantially the same configuration and function as those of the first embodiment are denoted by the same reference numerals, and detailed description thereof is omitted. The vehicle system 100 according to the second embodiment further includes an operation information acquisition device 52.

運行情報取得装置５２は、ＧＮＳＳ（Global Navigation Satellite System：全球測位衛星システム）やＧＰＳ（Global Positioning System）等の絶対位置を取得する装置を含んで構成することができる。また、運行情報取得装置５２は、タコジェネレータ（tachogenerator：ＴＧ）等のように移動距離を取得できる装置を含んで構成されてもよい。また、運行情報取得装置５２は、進行方向取得部５２ａ、現在位置情報取得部５２ｂ、線路情報入力部５２ｃ等の機能モジュールを含む。これらの機能モジュール群の一部または全部は、ハードウェアとソフトウェアとの協働によって実現され得る。例えば、運行情報取得装置５２のプロセッサが記憶部等のメモリに記憶されたプログラムを読み出して実行することによって各機能モジュールは実現される。また、別の例では、これらの機能モジュール群の一部または全部が、専用のハードウェア（回路）によって実現されてもよい。   The operation information acquisition device 52 can be configured to include a device that acquires an absolute position such as a GNSS (Global Navigation Satellite System) or a GPS (Global Positioning System). Moreover, the operation information acquisition apparatus 52 may be comprised including the apparatus which can acquire a movement distance like a tachogenerator (TG). The operation information acquisition device 52 includes functional modules such as a traveling direction acquisition unit 52a, a current position information acquisition unit 52b, and a track information input unit 52c. Some or all of these functional modules may be realized by cooperation of hardware and software. For example, each functional module is realized by the processor of the operation information acquisition device 52 reading and executing a program stored in a memory such as a storage unit. In another example, part or all of these functional module groups may be realized by dedicated hardware (circuit).

進行方向取得部５２ａは、自車両（鉄道車両ＲＶ）の進行方向（上り、下り）の方向情報を取得する。進行方向（方向情報）は、上位のシステムから取得してもよいし、手入力により取得されてもよい。現在位置情報取得部５２ｂは、線路Ｒ上に設定される固有の位置を示す指標である「キロ程」を取得する。線路情報入力部５２ｃは、線路情報の入力を受け付ける。   The traveling direction acquisition unit 52a acquires the direction information of the traveling direction (up and down) of the host vehicle (railway vehicle RV). The traveling direction (direction information) may be acquired from a host system or may be acquired manually. The current position information acquisition unit 52b acquires “about kilometer” which is an index indicating a unique position set on the track R. The track information input unit 52c receives input of track information.

また、軌道識別装置１０Ａの記憶部１０ｅに含まれる位置−補正パラメータ５０は、線路Ｒの位置と対応付けされた補正パラメータである。例えば、位置−補正パラメータ５０として、トンネル入口の手前Ｙｍから利用可能な補正パラメータや、トンネルの内部で利用可能な補正パラメータや、トンネル出口の手前Ｙｍから利用可能な補正パラメータ等を準備することができる。   The position-correction parameter 50 included in the storage unit 10e of the track identification device 10A is a correction parameter associated with the position of the track R. For example, as the position-correction parameter 50, a correction parameter that can be used from the front Ym of the tunnel entrance, a correction parameter that can be used inside the tunnel, a correction parameter that can be used from the front Ym of the tunnel exit, and the like can be prepared. it can.

第２実施形態の軌道識別装置１０Ａは、第１実施形態で示した、図１２および図１３のフローチャートにしたがって、画像補正を行う。ただし、図１３のＳ２００における補正指標情報および補正パラメータの取得処理は、図１６Ａ〜図１６Ｃに示すフローチャートにしたがって実行される。なお、図１２および図１３の処理の流れは、第１実施形態における処理の流れと実質的に同じであるため、その詳細な説明は省略する。ここでは、図１３のＳ２００で実行される処理をとして、トンネルの位置に基づく補正指標情報および補正パラメータの取得処理を図１６Ａ〜図１６Ｃのフローチャートについて説明する。   The trajectory identification device 10A of the second embodiment performs image correction according to the flowcharts of FIGS. 12 and 13 shown in the first embodiment. However, the correction index information and correction parameter acquisition processing in S200 of FIG. 13 is executed according to the flowcharts shown in FIGS. 16A to 16C. Note that the processing flow of FIGS. 12 and 13 is substantially the same as the processing flow in the first embodiment, and thus detailed description thereof is omitted. Here, the correction index information and the correction parameter acquisition process based on the tunnel position will be described with reference to the flowcharts of FIGS.

第２実施形態において、鉄道車両ＲＶが走行中の場合、軌道識別装置１０Ａは、常時、運行情報取得装置５２からの情報に基づき、自車位置を認識している。そして、図１２のＳ１０２において画像補正を行う場合タイミングで、補正指標情報および補正パラメータの取得を行う場合（Ｓ２００）、軌道識別装置１０Ａは、自車位置が、トンネルの出入り口の手前Ｙｍ（例えば３０ｍ）か否かの判定を行う（Ｓ４００）。   In the second embodiment, when the railway vehicle RV is traveling, the track identification device 10 </ b> A always recognizes the position of the vehicle based on information from the operation information acquisition device 52. When the correction index information and the correction parameter are acquired at the timing when image correction is performed in S102 of FIG. 12 (S200), the track identification device 10A has its own vehicle position Ym before the tunnel entrance and exit (for example, 30 m). ) Is determined (S400).

自車位置が、トンネルの出入り口の手前Ｙｍである場合（Ｓ４００のＹｅｓ）、鉄道車両ＲＶがトンネルの入口に向かって走行している場合、前述したように、露光調整が行われる結果、補正前画像の全体が白くなる傾向がある。また、鉄道車両ＲＶがトンネルの出口に接近した場合、トンネル内部に比べてトンネル外部の明るさが急激に増加するため画面全体が白くなる傾向がある。そこで、パラメータ取得部１０ｂは、まず、補正前画像の全体が白くなっている可能性があるか（「白飛び」が生じているか否か）を判定する。具体的には、パラメータ取得部１０ｂは、補正前画像の領域を複数のブロックに分割した場合の各ブロック内の輝度の分散状態を確認する。ブロック内の輝度の分散が大きい場合、ブロック内の明暗の変化が大きく、当該ブロックが「白飛び」の領域ではないと推定することができる。逆に、ブロック内の輝度の分散が小さい場合、ブロック内の明暗の変化が小さく、当該ブロックが「白飛び」の領域であると推定することができる。   When the vehicle position is Ym before the entrance of the tunnel (Yes in S400), when the railway vehicle RV is traveling toward the entrance of the tunnel, as described above, as a result of exposure adjustment, before correction The whole image tends to be white. Also, when the railway vehicle RV approaches the exit of the tunnel, the brightness of the outside of the tunnel increases abruptly as compared to the inside of the tunnel, so that the entire screen tends to be white. Therefore, the parameter acquisition unit 10b first determines whether there is a possibility that the entire pre-correction image is white (whether “out-of-white” has occurred). Specifically, the parameter acquisition unit 10b confirms the luminance distribution state in each block when the pre-correction image area is divided into a plurality of blocks. When the variance of the luminance in the block is large, it can be estimated that the change in brightness in the block is large and the block is not an “out-of-white” region. On the contrary, when the variance of the luminance in the block is small, it can be estimated that the change in brightness in the block is small and the block is a “out-of-white” region.

パラメータ取得部１０ｂは、輝度分散が大きいブロックの割合が補正前画像全体のＣ（例えば、４０％）以下の場合（Ｓ４０２のＹｅｓ）、「白飛び」しているブロックが多く、補正前画像全体として、「白飛び」している可能性が高いと推定する。この場合、パラメータ取得部１０ｂは、現在の処理対象の撮像画像に対して過去画像を重ね合わせることによって、「白飛び」を抑制しつつ、撮像画像の鮮明度を向上させる。したがって、パラメータ取得部１０ｂは、記憶部１０ｅから位置−補正パラメータ５０として、現在の撮像画像に重ね合わせる過去画像の枚数を、例えば標準枚数より増加するような補正パラメータｃを取得（選択）する（Ｓ４０４）。この場合、「白飛び」の抑制が重要になるため、図１４で説明したようなトンネルの有無に拘わらず行う補正の場合より、強力な鮮明化処理（重ね合わせ枚数の増加）を実行し、線路Ｒの識別性を向上させる。   When the ratio of blocks having a large luminance variance is equal to or less than C (for example, 40%) of the entire pre-correction image (Yes in S402), the parameter acquisition unit 10b has many “out-of-white” blocks, and thus It is estimated that there is a high possibility of “out-of-white”. In this case, the parameter acquisition unit 10b improves the definition of the captured image while suppressing “whiteout” by superimposing the past image on the current captured image to be processed. Therefore, the parameter acquisition unit 10b acquires (selects) a correction parameter c that increases the number of past images to be superimposed on the current captured image, for example, as the position-correction parameter 50 from the storage unit 10e. S404). In this case, since suppression of “out-of-white” is important, stronger sharpening processing (increase in the number of superimposed images) is executed than in the case of correction performed regardless of the presence or absence of a tunnel as described in FIG. The discriminability of the line R is improved.

Ｓ４０２において、輝度分散が大きいブロックの割合が補正前画像全体のＣ（例えば、４０％）を超えている場合（Ｓ４０２のＮｏ）、パラメータ取得部１０ｂは、「白飛び」しているブロックは少なく、補正前画像全体として、「白飛び」していない可能性が高いと推定する。ただし、この場合、検出対象となる線路Ｒが存在するトンネル内部が暗いため、線路領域と非線路領域との輝度差が小さく、線路Ｒの識別が困難な場合がある。そこで、パラメータ取得部１０ｂは、次の段階として、補正前画像に対して、線路領域と推定される領域と非線路領域と推定される領域の平均輝度差が所定値Ｄ以下か否かを判定する（Ｓ４０６）。平均輝度差の所定値Ｄとは、輝度を０〜２５５の２５６階調で表した場合、例えば、「６０」とすることができる。平均輝度差が所定値Ｄ以下の場合（Ｓ４０６のＹｅｓ）、補正前画像は、全体として輝度差が小さく、例えば、図７Ｂに示すような状態（全体が暗い画像）であると推定される。この場合、パラメータ取得部１０ｂは、記憶部１０ｅから位置−補正パラメータ５０として、補正前画像のコントラストを変化させるヒストグラムの伸長調整を行うための位置−補正パラメータ５０を取得（選択）する。具体的には、補正後画像が、図７Ａのように、高輝度の領域となる線路領域Ｅ１と線路領域Ｅ１よりは低輝度の領域となる非線路領域Ｅ２になるように、二極化させる補正パラメータｄを取得する（Ｓ４０８）。ただし、この場合、「白飛び」が発生し易い状況での補正になるため、図１４で説明したようなトンネルの有無に拘わらず行う補正の場合よりはヒストグラムの伸長を抑えるような補正パラメータｄが選択されることが望ましい。 In S402, when the ratio of blocks having a large luminance variance exceeds C (for example, 40%) of the entire image before correction (No in S402), the parameter acquisition unit 10b has few blocks that are “out-of-white”. It is estimated that there is a high possibility that the entire pre-correction image is not “out-of-white”. However, in this case, since the inside of the tunnel in which the line R to be detected exists is dark, the luminance difference between the line region and the non-line region is small, and the line R may be difficult to identify. Therefore, as a next step, the parameter acquisition unit 10b determines whether or not the average luminance difference between the area estimated as the line area and the area estimated as the non-line area is equal to or less than a predetermined value D with respect to the pre-correction image. (S406). The predetermined value D of the average luminance difference can be set to, for example, “60” when the luminance is expressed by 256 gradations of 0 to 255. When the average luminance difference is equal to or smaller than the predetermined value D (Yes in S406), the pre-correction image has a small luminance difference as a whole, and is estimated to be in a state as shown in FIG. In this case, the parameter acquisition unit 10b acquires (selects) the position-correction parameter 50 for adjusting the expansion of the histogram that changes the contrast of the uncorrected image as the position-correction parameter 50 from the storage unit 10e. Specifically, as the corrected image is, as shown in FIG. 7A, in the non-line area E 2 as the low luminance region from the line region E 1 and the line area E 1 formed of a high luminance region, the two The correction parameter d to be polarized is acquired (S408). However, in this case, since correction is performed in a situation where “out-of-white” is likely to occur, a correction parameter d that suppresses expansion of the histogram as compared with the correction performed regardless of the presence or absence of a tunnel as described in FIG. Is preferably selected.

なお、鉄道車両ＲＶがトンネルの入口に向かって走行している場合は鉄道車両ＲＶの周囲に主として明るい領域が存在し、トンネルの出口に向かって走行している場合は、鉄道車両ＲＶの周囲に主として暗い領域が存在する。つまり、鉄道車両ＲＶの周囲環境が異なるため、補正前画像に対する補正程度が異なる。鉄道車両ＲＶがトンネルの入口に接近するように走行しているか、トンネルの出口に接近するように走行しているかは、進行方向取得部５２ａからの方向情報によって判定することができる。したがって、パラメータ取得部１０ｂは、鉄道車両ＲＶの方向情報（進行方向）と、現在位置情報取得部５２ｂからの位置情報、線路情報入力部５２ｃからの路線情報に基づき、現在の画像処理のタイミングで、鉄道車両ＲＶがトンネルの入口に接近するように走行しているか、トンネルの出口に接近するように走行しているかを判定する。そして、パラメータ取得部１０ｂは、トンネルの入口用の位置−補正パラメータ５０、またはトンネルの出口用の位置−補正パラメータ５０を適宜取得するようにすることができる。   When the railway vehicle RV is traveling toward the entrance of the tunnel, there is mainly a bright area around the railway vehicle RV. When the railway vehicle RV is traveling toward the exit of the tunnel, the railway vehicle RV is around the railway vehicle RV. There are mainly dark areas. That is, since the surrounding environment of the railway vehicle RV is different, the degree of correction for the pre-correction image is different. Whether the railway vehicle RV is traveling so as to approach the entrance of the tunnel or whether it is traveling so as to approach the exit of the tunnel can be determined by the direction information from the traveling direction acquisition unit 52a. Therefore, the parameter acquisition unit 10b is based on the direction information (traveling direction) of the railway vehicle RV, the position information from the current position information acquisition unit 52b, and the route information from the track information input unit 52c at the current image processing timing. Then, it is determined whether the railway vehicle RV is traveling so as to approach the entrance of the tunnel or whether it is traveling so as to approach the exit of the tunnel. Then, the parameter acquisition unit 10b can appropriately acquire the position-correction parameter 50 for the entrance of the tunnel or the position-correction parameter 50 for the exit of the tunnel.

Ｓ４０６において、平均輝度差が所定値Ｄを超えている場合（Ｓ４０６のＮｏ）、つまり、「白飛び」が発生している可能性は低く、線路領域と非線路領域との輝度差がある程度ある場合である。この場合、補正前画像は、線路領域と非線路領域とが識別可能な画像であり、補正することなく線路Ｒの検出が可能であると推定できる。そのため、パラメータ取得部１０ｂは、補正前画像に対する位置−補正パラメータ５０を現状維持する（Ｓ４１０）。つまり、前回処理時に用いた位置−補正パラメータ５０をそのままの状態で、今回の処理のおいても利用する。すなわち、前回の画像補正処理の結果に応じて今回利用する位置−補正パラメータ５０を取得する。その結果、補正処理のための処理負荷の軽減ができる。   In S406, when the average luminance difference exceeds the predetermined value D (No in S406), that is, it is unlikely that “whiteout” has occurred, and there is some luminance difference between the line area and the non-line area. Is the case. In this case, the pre-correction image is an image in which the line area and the non-line area can be identified, and it can be estimated that the line R can be detected without correction. Therefore, the parameter acquisition unit 10b maintains the current position-correction parameter 50 for the pre-correction image (S410). That is, the position-correction parameter 50 used in the previous process is used as it is in the current process with the state unchanged. That is, the position-correction parameter 50 used this time is acquired according to the result of the previous image correction process. As a result, the processing load for the correction process can be reduced.

Ｓ４００において、自車位置が、トンネルの出入り口の手前Ｙｍではない場合で（Ｓ４００のＮｏ）、トンネル内部である場合（Ｓ５００のＹｅｓ）、トンネル内部では、線路Ｒの反射が減るため、線路領域と非線路領域との輝度差が小さくなる傾向がある。そこで、図１６Ｂに示すように、パラメータ取得部１０ｂは、まず、トンネル内部で線路Ｒの識別ができるか否かを判別するために、輝度差を比較する。   In S400, when the vehicle position is not Ym before the entrance of the tunnel (No in S400) and inside the tunnel (Yes in S500), the reflection of the line R is reduced inside the tunnel. There is a tendency that the luminance difference from the non-line region is reduced. Therefore, as illustrated in FIG. 16B, the parameter acquisition unit 10b first compares the luminance difference in order to determine whether or not the line R can be identified inside the tunnel.

つまり、パラメータ取得部１０ｂは、画像取得部１０ａが取得した撮像画像（補正前画像）に対して、線路領域と推定される領域と非線路領域と推定される領域の平均輝度差が所定値Ｅ以下か否かを判定する（Ｓ５０２）。平均輝度差の所定値Ｅとは、輝度を０〜２５５の２５６階調で表した場合、例えば、「５０」とすることができる。平均輝度差が所定値Ｅ以下の場合（Ｓ５０２のＹｅｓ）補正前画像は、全体として輝度差の小さい例えば、図７Ｂに示すような状態（例えば、全体が暗い画像）であると推定される。この場合、パラメータ取得部１０ｂは、記憶部１０ｅから位置−補正パラメータ５０として補正前画像のコントラストを変化させるヒストグラムの伸長調整を行うための補正パラメータを取得（選択）する。具体的には、補正後画像が、図７Ａのように、高輝度の領域となる線路領域Ｅ１と線路領域Ｅ１よりは低輝度の領域となる非線路領域Ｅ２のように二極化するよう補正パラメータｅを取得する（Ｓ５０４）。その結果、補正後画像は、例えば図３に示されるように、線路領域Ｅ１と非線路領域Ｅ２とが十分に識別可能な画像となる。 That is, the parameter acquisition unit 10b has an average luminance difference between a region estimated as a track region and a region estimated as a non-line region with respect to the captured image (pre-correction image) acquired by the image acquisition unit 10a. It is determined whether or not (S502). The predetermined value E of the average luminance difference can be set to, for example, “50” when the luminance is expressed by 256 gradations of 0 to 255. When the average luminance difference is equal to or smaller than the predetermined value E (Yes in S502), it is estimated that the pre-correction image has a small luminance difference as a whole, for example, a state as shown in FIG. 7B (for example, a dark image as a whole). In this case, the parameter acquisition unit 10b acquires (selects) a correction parameter for adjusting the expansion of the histogram that changes the contrast of the uncorrected image as the position-correction parameter 50 from the storage unit 10e. Specifically, the corrected image, as shown in FIG. 7A, is from the line region E 1 and the line area E 1 formed of a high-luminance region Polarization as non line area E 2 as the low luminance region The correction parameter e is acquired so as to be performed (S504). As a result, the corrected image is an image in which the line area E 1 and the non-line area E 2 are sufficiently distinguishable as shown in FIG. 3, for example.

一方、Ｓ５０２において、平均輝度差が所定値Ｅを超えている場合（Ｓ５０２のＮｏ）、つまり、補正前画像は、輝度差がある程度あり、明領域と暗領域が存在していると推定される。この場合、パラメータ取得部１０ｂは、続いて、補正前画像にけるノイズの存在程度を確認する。この場合、パラメータ取得部１０ｂは、例えば、補正前画像の領域を複数のブロックに分割した場合に、各ブロック内の輝度の分散状態を確認する。例えば、ブロック内の輝度分散が所定値Ｆ以上の場合、ブロック内の明暗（色）の変化が大きく、いわゆる「ごま塩ノイズ」が存在することを示す。このような、「ごま塩ノイズ」が存在するブロックの割合が補正前画像全体のＦ以上（例えば５０％以上）を占める場合（Ｓ５０６のＹｅｓ）、パラメータ取得部１０ｂは、現在の処理対象の撮像画像に対して過去画像を重ね合わせることによって、「ごま塩ノイズ」を抑制しつつ、撮像画像の鮮明度を向上させる。したがって、パラメータ取得部１０ｂは、位置−補正パラメータ５０として、現在の撮像画像に重ね合わせる過去画像の枚数を増加するような補正パラメータｆを取得（選択）する（Ｓ５０８）。   On the other hand, in S502, when the average luminance difference exceeds the predetermined value E (No in S502), that is, the pre-correction image has a certain luminance difference, and it is estimated that a bright region and a dark region exist. . In this case, the parameter acquisition unit 10b subsequently checks the presence of noise in the pre-correction image. In this case, for example, when the area of the pre-correction image is divided into a plurality of blocks, the parameter acquisition unit 10b checks the luminance distribution state in each block. For example, when the luminance dispersion in the block is equal to or greater than a predetermined value F, the change in brightness (color) in the block is large, indicating that so-called “sesame salt noise” exists. When the ratio of blocks in which such “sesame salt noise” is present occupies F or more (for example, 50% or more) of the entire pre-correction image (Yes in S506), the parameter acquisition unit 10b captures the current captured image to be processed. By superimposing the past images on the image, the “sesame salt noise” is suppressed and the sharpness of the captured image is improved. Accordingly, the parameter acquisition unit 10b acquires (selects) a correction parameter f that increases the number of past images to be superimposed on the current captured image as the position-correction parameter 50 (S508).

Ｓ５０６において、「ごま塩ノイズ」が存在するブロックの割合が補正前画像全体のＦ未満の場合（Ｓ５０６のＮｏ）、つまり、補正前画像は、輝度差がある程度あり、かつごま塩ノイズ等が少ない状態である。この場合、補正前画像は、線路領域Ｅ１と非線路領域Ｅ２との識別が可能な画像であり、補正することなく線路Ｒの検出が可能であると推定できる。そのため、パラメータ取得部１０ｂは、補正前画像に対する位置−補正パラメータ５０を現状維持する（Ｓ５１０）。つまり、前回処理時に用いた位置−補正パラメータ５０をそのままの状態で、今回の処理のおいても利用する。 In S506, when the ratio of the blocks in which “sesame salt noise” exists is less than F in the entire image before correction (No in S506), that is, the image before correction has a certain luminance difference, and there is little sesame salt noise or the like. is there. In this case, the pre-correction image is an image in which the line area E 1 and the non-line area E 2 can be identified, and it can be estimated that the line R can be detected without correction. Therefore, the parameter acquisition unit 10b maintains the current position-correction parameter 50 for the pre-correction image (S510). That is, the position-correction parameter 50 used in the previous process is used as it is in the current process with the state unchanged.

Ｓ５００において、トンネル内部ではない場合（Ｓ５００のＮｏ）、つまり、鉄道車両ＲＶは、トンネルの影響を受けない場所を走行中である。この場合、パラメータ取得部１０ｂは、図１６Ｃに示されるように、図１４と同様な処理を実行する。すなわち、パラメータ取得部１０ｂは、まず、画像取得部１０ａが取得した撮像画像（補正前画像）に対して、線路領域と推定される領域と非線路領域と推定される領域の平均輝度差が所定値Ａ以下か否かを判定する（Ｓ６００）。平均輝度差の所定値Ａとは、輝度を０〜２５５の２５６階調で表した場合、例えば、「１００」とすることができる。平均輝度差が所定値Ａ以下の場合（Ｓ６００のＹｅｓ）、補正前画像は、全体として輝度差の小さい例えば、図７Ｂに示すような状態（例えば、全体が暗い画像）であると推定される。この場合、パラメータ取得部１０ｂは、記憶部１０ｅから補正パラメータ１８ｂとして補正前画像のコントラストを変化させるヒストグラムの伸長調整を行うための補正パラメータを取得（選択）する。具体的には、補正後画像が、図７Ａのように、高輝度の領域となる線路領域Ｅ１と線路領域Ｅ１よりは低輝度の領域となる非線路領域Ｅ２のように二極化するよう補正パラメータａを取得する（Ｓ６０２）。その結果、補正後画像は、例えば図３に示されるように、線路領域Ｅ１と非線路領域Ｅ２とが十分に識別可能な画像となる。 In S500, when it is not inside the tunnel (No in S500), that is, the railway vehicle RV is traveling in a place not affected by the tunnel. In this case, as shown in FIG. 16C, the parameter acquisition unit 10b performs the same process as in FIG. That is, first, the parameter acquisition unit 10b has a predetermined average luminance difference between a region estimated as a track region and a region estimated as a non-line region with respect to a captured image (pre-correction image) acquired by the image acquisition unit 10a. It is determined whether or not the value is A or less (S600). The predetermined value A of the average luminance difference can be set to “100”, for example, when the luminance is expressed by 256 gradations of 0 to 255. When the average luminance difference is equal to or smaller than the predetermined value A (Yes in S600), it is estimated that the pre-correction image has a small luminance difference as a whole, for example, a state as shown in FIG. . In this case, the parameter acquisition unit 10b acquires (selects) a correction parameter for performing histogram expansion adjustment that changes the contrast of the uncorrected image as the correction parameter 18b from the storage unit 10e. Specifically, the corrected image, as shown in FIG. 7A, is from the line region E 1 and the line area E 1 formed of a high-luminance region Polarization as non line area E 2 as the low luminance region The correction parameter a is acquired so as to perform (S602). As a result, the corrected image is an image in which the line area E 1 and the non-line area E 2 are sufficiently distinguishable as shown in FIG. 3, for example.

一方、Ｓ６００において、平均輝度差が所定値Ａを超えている場合（Ｓ６００のＮｏ）、つまり、補正前画像は、輝度差が十分にあり、明領域と暗領域が存在していると推定される。図１６Ｃに示すように、パラメータ取得部１０ｂは、補正前画像にけるノイズの存在程度を確認する。この場合、パラメータ取得部１０ｂは、例えば、補正前画像の領域を複数のブロックに分割した場合に、各ブロック内の輝度の分散状態を確認する。例えば、ブロック内の輝度分散が所定値より大きい場合、ブロック内の明暗（色）の変化が大きく、いわゆる「ごま塩ノイズ」が存在することを示す。このような、「ごま塩ノイズ」が存在するブロックの割合が補正前画像全体のＢ以上（例えば５０％以上）を占める場合（Ｓ６０４のＹｅｓ）、パラメータ取得部１０ｂは、記憶部１０ｅから補正前画像の平滑化を行うためのガウシアンフィルタのフィルタサイズを変化させる補正パラメータｂを取得（選択）する（Ｓ６０６）。その結果、補正後画像は、平滑化された画像となり、ごま塩ノイズ等が低減された、例えば図３に示されるように、明暗領域の識別が行い易くなり、線路領域Ｅ１と非線路領域Ｅ２とが十分に識別可能な画像となる。 On the other hand, when the average luminance difference exceeds the predetermined value A in S600 (No in S600), that is, the pre-correction image has a sufficient luminance difference, and it is estimated that a bright region and a dark region exist. The As shown in FIG. 16C, the parameter acquisition unit 10b checks the presence of noise in the pre-correction image. In this case, for example, when the area of the pre-correction image is divided into a plurality of blocks, the parameter acquisition unit 10b checks the luminance distribution state in each block. For example, when the luminance dispersion in the block is larger than a predetermined value, the change in brightness (color) in the block is large, indicating that so-called “sesame salt noise” exists. When the ratio of blocks in which such “sesame salt noise” exists occupies B or more (for example, 50% or more) of the entire pre-correction image (Yes in S604), the parameter acquisition unit 10b reads the pre-correction image from the storage unit 10e. The correction parameter b for changing the filter size of the Gaussian filter for smoothing is acquired (selected) (S606). As a result, the corrected image becomes a smoothed image, and sesame salt noise or the like is reduced. For example, as shown in FIG. 3, it becomes easy to identify the bright and dark areas, and the line area E 1 and the non-line area E 2 is a sufficiently distinguishable image.

Ｓ６０４において、「ごま塩ノイズ」が存在するブロックの割合が補正前画像全体のＢ未満の場合（Ｓ６０４のＮｏ）、つまり、補正前画像は、輝度差が十分にあり、かつ、ごま塩ノイズ等が少ない状態である。この場合、補正前画像は、線路領域Ｅ１と非線路領域Ｅ２とが十分に識別可能な画像であり、補正することなく線路Ｒの検出が可能であると推定できる。そのため、パラメータ取得部１０ｂは、補正前画像に対する補正パラメータ１８ｂを現状維持する（Ｓ６０８）。つまり、前回処理時に用いた補正パラメータ１８ｂをそのままの今回の処理のおいても利用する。すなわち、前回の画像補正処理の結果に応じて今回利用する補正パラメータ１８ｂを取得する。その結果、補正処理のための処理負荷の軽減ができる。 In S604, when the ratio of blocks in which “sesame salt noise” is present is less than B in the entire pre-correction image (No in S604), that is, the pre-correction image has a sufficient luminance difference and has small sesame salt noise and the like. State. In this case, the pre-correction image is an image in which the line area E 1 and the non-line area E 2 can be sufficiently identified, and it can be estimated that the line R can be detected without correction. Therefore, the parameter acquisition unit 10b maintains the current state of the correction parameter 18b for the pre-correction image (S608). That is, the correction parameter 18b used in the previous process is also used in the current process as it is. That is, the correction parameter 18b used this time is acquired according to the result of the previous image correction process. As a result, the processing load for the correction process can be reduced.

このように、補正パラメータ（位置−補正パラメータ５０または補正パラメータ１８ｂ）が取得された後は、図１２のＳ１０４以降の処理が実行され、上述したように、線路検出、障害物検出、および障害物検出結果の出力（運転者等への報知）が実行される。   In this way, after the correction parameter (position-correction parameter 50 or correction parameter 18b) is acquired, the processing after S104 in FIG. 12 is executed, and as described above, track detection, obstacle detection, and obstacle detection are performed. Output of the detection result (notification to the driver or the like) is executed.

第２実施形態の車両システム１００によれば、自車両（鉄道車両ＲＶ）の位置、鉄道車両ＲＶの方向情報（進行方向）、および運行情報等に基づき、鉄道車両ＲＶの現在位置およびこれから撮像される位置の周囲状況が限定できる。その結果、より容易に適切な補正パラメータの取得（選択）ができるので、軌道識別処理および障害物検知処理が実行できる。また、鉄道車両ＲＶの位置情報に基づき、補正パラメータの絞り込みができるため、処理負荷の軽減および処理時間の短縮を実現することができる。   According to the vehicle system 100 of the second embodiment, the current position of the railway vehicle RV and the image of the railway vehicle RV are picked up based on the position of the own vehicle (the railway vehicle RV), the direction information (traveling direction) of the railway vehicle RV, the operation information, and the like. The surroundings of the location can be limited. As a result, since appropriate correction parameters can be acquired (selected) more easily, trajectory identification processing and obstacle detection processing can be executed. Further, since the correction parameters can be narrowed down based on the position information of the railway vehicle RV, it is possible to reduce the processing load and the processing time.

なお、上述した第１実施形態、第２実施形態においては、撮像画像の全体を対象に、画像補正を行う例を示した。別の実施形態では、標準線路位置情報１８ｃ等に基づき、線路Ｒの存在し得る領域を特定した上で、その領域およびその周辺の所定範囲の領域に対して、選択範囲を特定した画像補正を行うようにしてもよい。この場合、画像処理範囲を限定することができるため、軌道識別装置１０（軌道識別装置１０Ａ）の画像処理負荷を軽減することができると共に、処理時間の短縮に寄与することができる。   In the first embodiment and the second embodiment described above, an example in which image correction is performed on the entire captured image has been described. In another embodiment, after specifying an area where the line R can exist based on the standard line position information 18c and the like, image correction specifying the selected range is performed for the area and a predetermined range area around the area. You may make it perform. In this case, since the image processing range can be limited, the image processing load of the trajectory identification device 10 (trajectory identification device 10A) can be reduced and the processing time can be shortened.

以上、本発明のいくつかの実施形態を説明したが、上記実施形態および変形例はあくまで一例であって、発明の範囲を限定することは意図していない。上記実施形態は、様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。上記実施形態およびその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。   As mentioned above, although several embodiment of this invention was described, the said embodiment and modification are an example to the last, Comprising: It is not intending limiting the range of invention. The above embodiment can be implemented in various forms, and various omissions, replacements, and changes can be made without departing from the spirit of the invention. The above-described embodiments and modifications thereof are included in the scope and spirit of the invention, and are included in the invention described in the claims and the equivalents thereof.

１０，１０Ａ 軌道識別装置
１０ａ 画像取得部
１０ｂ パラメータ取得部
１０ｃ 画像補正部
１０ｄ 線路検出部
１０ｅ 記憶部
１２ カメラ
１４ 表示部
１６ 障害物検知装置
１８ａ 補正指標情報
１８ｂ 補正パラメータ
１８ｃ 標準線路位置情報
５０ 位置−補正パラメータ
５２ 運行情報取得装置
５２ａ 進行方向取得部
５２ｂ 現在位置情報取得部
５２ｃ 線路情報入力部
１００ 車両システム
ＲＶ 鉄道車両 10, 10A Trajectory identification device 10a Image acquisition unit 10b Parameter acquisition unit 10c Image correction unit 10d Line detection unit 10e Storage unit 12 Camera 14 Display unit 16 Obstacle detection device 18a Correction index information 18b Correction parameter 18c Standard line position information 50 Position- Correction parameter 52 Operation information acquisition device 52a Traveling direction acquisition unit 52b Current position information acquisition unit 52c Track information input unit 100 Vehicle system RV Railway vehicle

Claims (8)

鉄道車両の進行方向の領域を撮像することで得られる撮像画像を取得する画像取得部と、
前記撮像画像に基づいて線路を検出するのに先立ち、所定の基準に基づく線路らしさを際立たせる画像補正処理のための補正パラメータを取得するパラメータ取得部と、
前記補正パラメータに基づき、前記撮像画像に対して前記画像補正処理を実行する画像補正部と、
前記画像補正部で補正された補正後画像に対して線路位置の検出を実行する線路検出部と、
を備える、軌道識別装置。 An image acquisition unit for acquiring a captured image obtained by imaging a region in the traveling direction of the railway vehicle;
Prior to detecting a track based on the captured image, a parameter acquisition unit that acquires a correction parameter for an image correction process that highlights the line quality based on a predetermined reference;
An image correction unit that executes the image correction process on the captured image based on the correction parameter;
A line detection unit for detecting a line position for the corrected image corrected by the image correction unit;
An orbit identification device comprising: 前記パラメータ取得部は、前回の画像補正処理の結果に応じて前記補正パラメータを取得する、請求項１に記載の軌道識別装置。   The trajectory identification device according to claim 1, wherein the parameter acquisition unit acquires the correction parameter according to a result of a previous image correction process. 前記パラメータ取得部は、前記撮像画像の領域を所定数に分割した個別領域ごとに前記補正パラメータを取得する、請求項１または請求項２に記載の軌道識別装置。   The trajectory identification device according to claim 1, wherein the parameter acquisition unit acquires the correction parameter for each individual region obtained by dividing the region of the captured image into a predetermined number. 前記パラメータ取得部は、前記線路検出部が前回の処理で検出した前記線路位置を基準に設定した領域において、前記線路らしさを表す尺度となり得る特徴量に基づき、前記補正パラメータを取得する、請求項１から請求項３のいずれか１項に記載の軌道識別装置。   The parameter acquisition unit acquires the correction parameter based on a feature amount that can be a scale representing the line quality in an area set based on the line position detected by the line detection unit in a previous process. The trajectory identification device according to any one of claims 1 to 3. 前記パラメータ取得部は、過去に取得された前記撮像画像における前記線路位置と今回取得された前記撮像画像における前記線路位置と位置の変位に基づき、前記補正パラメータを取得する請求項１から請求項３のいずれか１項に記載の軌道識別装置。   The said parameter acquisition part acquires the said correction parameter based on the said track position in the said captured image acquired in the past, and the displacement of the said track position and position in the said captured image acquired this time. The trajectory identification device according to any one of the above. 前記パラメータ取得部は、前記撮像画像に対して、所定の基準に基づく線路らしさを表す尺度となり得る特徴量の分布状態を取得し、当該分布状態が前記線路らしさを際立たせる状態になるように補正するための補正パラメータを取得し、
前記線路検出部は、前記分布状態が補正された補正後画像に対して線路位置の検出を実行する、請求項１から請求項３のいずれか１項に記載の軌道識別装置。 The parameter acquisition unit acquires, for the captured image, a distribution state of a feature amount that can be a scale representing a line-likeness based on a predetermined criterion, and corrects the distribution state to make the line-like state stand out. To get the correction parameters to
The track identification device according to any one of claims 1 to 3, wherein the track detection unit performs track position detection on the corrected image in which the distribution state is corrected. 前記パラメータ取得部は、
過去に取得された前記撮像画像と今回取得された前記撮像画像における前記線路らしさを示す領域における前記線路らしさを表す尺度となり得る特徴量の変化量に基づき前記補正パラメータを取得する、請求項１または請求項６に記載の軌道識別装置。 The parameter acquisition unit
The correction parameter is acquired based on a change amount of a feature amount that can be a scale representing the line-likeness in a region indicating the line-likeness in the captured image acquired in the past and the captured image obtained this time. The trajectory identification device according to claim 6. 前記鉄道車両の現在の位置を示す現在位置情報と前記鉄道車両の進行方向を示す方向情報とを取得する情報取得部をさらに備え、
前記パラメータ取得部は、前記現在位置情報と前記進行方向に基づき前記補正パラメータの選択範囲を決定する、請求項１から請求項７のいずれか１項に記載の軌道識別装置。 An information acquisition unit for acquiring current position information indicating a current position of the railway vehicle and direction information indicating a traveling direction of the railway vehicle;
The trajectory identification device according to any one of claims 1 to 7, wherein the parameter acquisition unit determines a selection range of the correction parameter based on the current position information and the traveling direction.
JP2018105211A 2018-05-31 2018-05-31 Track identification apparatus Pending JP2019209734A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018105211A JP2019209734A (en) 2018-05-31 2018-05-31 Track identification apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018105211A JP2019209734A (en) 2018-05-31 2018-05-31 Track identification apparatus

Publications (1)

Publication Number Publication Date
JP2019209734A true JP2019209734A (en) 2019-12-12

Family

ID=68846376

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018105211A Pending JP2019209734A (en) 2018-05-31 2018-05-31 Track identification apparatus

Country Status (1)

Country Link
JP (1) JP2019209734A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6800388B1 (en) * 2020-02-14 2020-12-16 三菱電機株式会社 Detection device, detection method, and detection program
WO2022009506A1 (en) * 2020-07-07 2022-01-13 株式会社 東芝 Imaging device
JPWO2022123641A1 (en) * 2020-12-08 2022-06-16
JP7481872B2 (en) 2020-03-27 2024-05-13 日立造船株式会社 How to detect railroad tracks using images

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014062415A (en) * 2012-09-21 2014-04-10 Mitsubishi Electric Corp Trajectory detector and trajectory monitoring device
JP2015010456A (en) * 2013-07-02 2015-01-19 日本電気株式会社 Rail inspection device, and rail inspection method
JP2016091506A (en) * 2014-11-11 2016-05-23 株式会社明電舎 Rail detection device
JP2016088183A (en) * 2014-10-31 2016-05-23 株式会社Ihi Obstacle detection system and railway vehicle
JP2016192108A (en) * 2015-03-31 2016-11-10 公益財団法人鉄道総合技術研究所 Stereo image processing method and device therefor

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014062415A (en) * 2012-09-21 2014-04-10 Mitsubishi Electric Corp Trajectory detector and trajectory monitoring device
JP2015010456A (en) * 2013-07-02 2015-01-19 日本電気株式会社 Rail inspection device, and rail inspection method
JP2016088183A (en) * 2014-10-31 2016-05-23 株式会社Ihi Obstacle detection system and railway vehicle
JP2016091506A (en) * 2014-11-11 2016-05-23 株式会社明電舎 Rail detection device
JP2016192108A (en) * 2015-03-31 2016-11-10 公益財団法人鉄道総合技術研究所 Stereo image processing method and device therefor

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6800388B1 (en) * 2020-02-14 2020-12-16 三菱電機株式会社 Detection device, detection method, and detection program
WO2021161508A1 (en) * 2020-02-14 2021-08-19 三菱電機株式会社 Detection device, detection method, and detection program
JP7481872B2 (en) 2020-03-27 2024-05-13 日立造船株式会社 How to detect railroad tracks using images
WO2022009506A1 (en) * 2020-07-07 2022-01-13 株式会社 東芝 Imaging device
JPWO2022123641A1 (en) * 2020-12-08 2022-06-16
WO2022123641A1 (en) * 2020-12-08 2022-06-16 三菱電機株式会社 Rail detection device and rail detection method
JP7209916B2 (en) 2020-12-08 2023-01-20 三菱電機株式会社 Rail detection device and rail detection method

Similar Documents

Publication Publication Date Title
JP2019209734A (en) Track identification apparatus
US9846823B2 (en) Traffic lane boundary line extraction apparatus and method of extracting traffic lane boundary line
JP4437714B2 (en) Lane recognition image processing device
JP3780922B2 (en) Road white line recognition device
EP3287985A1 (en) Image processing device
US20030090593A1 (en) Video stabilizer
JP2004112144A (en) Front car tracking system and method for tracking front car
JP4872769B2 (en) Road surface discrimination device and road surface discrimination method
JP2007164636A (en) Lane line detection device
JP2008158958A (en) Road surface determination method and road surface determination device
JP2000011133A (en) Device and method for detecting moving object
CN107748882B (en) Lane line detection method and device
JP2009048629A (en) Detecting method
KR101239718B1 (en) System and method for detecting object of vehicle surroundings
JP2006318059A (en) Apparatus, method, and program for image processing
JP6903477B2 (en) Orbit identification device and program
WO2019203354A1 (en) Trajectory discrimination device
CN110688887B (en) Device and method for processing transverse image of rearview mirror-free vehicle
JP2010286995A (en) Image processing system for vehicle
US10346706B2 (en) Image processing device, image processing method, and non-transitory storage medium storing image processing program
JP2019218022A (en) Rail track detection device
US10970592B2 (en) Adhering substance detection apparatus and adhering substance detection method
JP2010136207A (en) System for detecting and displaying pedestrian
CN116147898A (en) Method and device for detecting luminous intensity of automobile headlamp
JP2006318061A (en) Apparatus, method, and program for image processing

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210511

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220518

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220621

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20221213