JP2019209734A - 軌道識別装置 - Google Patents

Abstract

【課題】取得した撮像画像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）撮像画像が取得可能な軌道識別装置を提供する。【解決手段】軌道識別装置１０は、画像取得部１０aと、パラメータ取得部１０bと、画像補正部10ｃと、線路検出部１０d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１８b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。【選択図】図２

Description

本発明の実施形態は、軌道識別装置に関する。

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。

特開２００５−１４８３０８号公報 特開２００９−１５７０８６号公報 特開２０１５−１４８８８７号公報

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。

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。

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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。

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。

＜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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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Ｅ_１と線路Ｒが存在しない非線路領域Ｅ_２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。

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Ｅ_３と画面上側、すなわちカメラ１２から遠い領域Ｅ_４とでは、補正前画像３４での線路領域Ｅ_１の写り込み方が異なる場合がある。この場合、近い領域Ｅ_３と遠い領域Ｅ_４に同じ補正を施した場合、近い領域Ｅ_３では、線路Ｒが際立つが、遠い領域Ｅ_４では十分に際立たない場合がある。逆に、遠い領域Ｅ_４では、十分に線路Ｒが際立つが、近い領域Ｅ_３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Ｅ_３と遠い領域Ｅ_４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Ｅ_３と遠い領域Ｅ_４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Ｅ_３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Ｅ_４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。

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Ｅ_０と現在の撮像画像で線路Ｒと見なせる線路領域Ｅ_１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。

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Ｅ_１と非線路領域Ｅ_２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Ｅ_１と非線路領域Ｅ_２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Ｅ_１と非線路領域Ｅ_２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Ｅ_２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Ｅ_１や非線路領域Ｅ_２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Ｅ_１や非線路領域Ｅ_２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Ｅ_１と非線路領域Ｅ_２とが識別し易い画像となる。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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Ｅ_１と線路領域Ｅ_１よりは低輝度の領域となる非線路領域Ｅ_２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Ｅ_１と非線路領域Ｅ_２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。

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Ｅ_１と非線路領域Ｅ_２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。

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Ｅ_１と非線路領域Ｅ_２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。

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。

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）。

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）。

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）。

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）。

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。

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。

＜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。

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。

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。

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。

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。

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。

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。

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）。

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。

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。

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Ｅ_１と線路領域Ｅ_１よりは低輝度の領域となる非線路領域Ｅ_２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。

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。

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。

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。

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Ｅ_１と線路領域Ｅ_１よりは低輝度の領域となる非線路領域Ｅ_２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Ｅ_１と非線路領域Ｅ_２とが十分に識別可能な画像となる。

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）。

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Ｅ_１と非線路領域Ｅ_２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。

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Ｅ_１と線路領域Ｅ_１よりは低輝度の領域となる非線路領域Ｅ_２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Ｅ_１と非線路領域Ｅ_２とが十分に識別可能な画像となる。

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Ｅ_１と非線路領域Ｅ_２とが十分に識別可能な画像となる。

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Ｅ_１と非線路領域Ｅ_２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。

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。

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。

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。

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。

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

Claims (8)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。