JP4762491B2 - 道路の屈曲部を検出するための方法およびこの方法を実施するためのシステム - Google Patents

Description

本発明は、自動車のヘッドライトによる道路の照明の配向をあらかじめ定めるために、道路の屈曲部を自動車から検出するための方法、およびこの方法を実施するためのシステムにも関する。

本発明の用途は、道路を進む車両の技術分野、例えば自動車または大重量車両の技術分野にある。特に、かかる車両による光の投影に関する技術分野にある。

道路を走行する多数の車両に関して、事故のリスクを少なくするために、自動車は、できるだけ好適な照明をする必要がある。特に夜間では、ドライバーが、前方に出現する道路だけでなく、その道路の側部をも見ることができるようになっていることが重要である。換言すれば、安全性の問題に対し、自動車の前方に位置する道路の照明を改善し、車両のドライバーによる道路シーンの視界を改善することが望まれている。このような改善は、特に道路の照明が事前に対処できるようにすることによって達成される。

現在では、ほとんどの自動車では、車両の照明ビームは固定されている。従って、照明ビームは自動車の前方を照明する。そのため、屈曲部では、道路の有効な部分が必ずしも自動車の光ビーム内に現れない。

この問題を解決するために、道路の幾何学的形状に従って、車両のヘッドライトから発生される光を配向させることが求められている。換言すれば、ヘッドライトを道路に追従させること、すなわち道路が直線状であるときには、ヘッドライトが自動車の前方を真っすぐに照明し、道路が右または左に屈曲しているときには、自動車の前方の右または左をヘッドライトが照明するようにすることが求められている。

この目的のために、第１の技術として、路側、すなわち道路のエッジに光を投射する技術がある。この技術は、屈曲部が検出されたときにのみ、オンに切り替えられる補助固定ヘッドライトを使用することにより達成するものである。照明強度は、カーブの半径に反比例する。屈曲部の内側の補助ヘッドライトだけをオンにする。照明の制御は、ハンドルのアングルセンサから行われる。

別の技術として、車両から出力される情報に従って回転するモータにより、ヘッドライトの主ビームを移動自在にする技術がある。かかる移動自在なヘッドライトを含む照明装置は公知であり、この装置によって照明は道路に追従する。

一般に、かかる装置は、道路の幾何学的形状を決定するように、車両で利用できる情報を使用している。これら装置の一部として、ハンドルに設けられたアングルセンサが挙げられ、このアングルセンサは、車両が追従する走行路に関する情報を供給する。

このような装置によると、道路の照明は、ドライバーの挙動にしか従わない。例えば、ドライバーが車両のハンドルを右に回転した場合、車両のヘッドライトは、右折部である場合を考慮して、道路の右側に向けられる。ドライバーがハンドルを移動しなければ、ヘッドライトは、車両の前方を真っすぐに照明するだけである。他方、ドライバーが不幸にも、例えばハンドルを瞬間的に回転するか、またはダッシュボードから物体を取り出す際にハンドルに衝撃を与えた場合、道路の幾何学的形状が変わらないのに、ヘッドライトの向きが変わることがある。

更に、自動車が屈曲部のカーブに進入したまさにその時に、方向変化に関する情報が検出される。従って、この情報は、ある時間遅れを伴って、ヘッドライトのモータへ供給される。従って、カーブでの照明をするトリガーを引くのに装置が遅れ、その結果、ドライバーは屈曲部に進入する際には、光ビームの移動が遅れるを感じ、屈曲部を離れる際には、光ビームが過度の時間をかけて車両の軸線に戻るように感じる。

このようなヘッドライトの向きの変化の遅れにより、ドライバーの快適性が失われるだけでなく、ヘッドライトの向きが変わるごとに、道路が充分に照明されない瞬間が生じるので、安全性を欠如させることにもなる。

従って、かかる装置では、ドライバーは事前に対処できない。しかし、屈曲部が多数ある道路、例えば屈曲部が連続して存在する山間道路では、ドライバーが予め道路の幾何学的形状を数メートル前方まで知ることが重要である。

ナビゲーションシステムから出される情報を使用するその他の公知の照明装置もある。このナビゲーションシステムは、自動車用地図情報システムから供給される地図情報と、車両のＧＰＳから与えられる表示とを関連させる。

かかるナビゲーションシステムは、あらかじめ道路の幾何学的形状を知らせることができる。例えば、所定の距離で、道路に生じる屈曲部について、あらかじめ知らせることができる。従って、ナビゲーションシステムによって供給される情報に基づき、車両の光ビームの向きをあらかじめ定め、道路に対して照明を事前に対処させることができる。かかる装置は、欧州特許第780823号および387229号に記載されている。

しかし、現在の自動車用地図情報システムは、まだあまり正確ではない。所定の場所で地図情報がなくなる場合も極めて多い。その理由は、地図データベースによって、国および世界の全領域がカバーされているわけではないからである。ナビゲーションシステムが供給する情報が異常となることもありうる。

例えばドライバーが自分のナビゲーションシステムに記憶させた場所Ａへ行く準備をして、最終的に途中で場所Ｂへ行こうと判断し、ナビゲーションシステムが提供する情報に従わなかった場合、自分のナビゲーションシステムが与える情報は不適当であり、車両が実際に進んでいる道路と正反対となることもある。更に、かかる照明装置は重く、比較的高価な手段を必要とする。

道路に引かれた白線を発見するシステムを使用する照明装置もある。このシステムは、道路の前方に出現する道路の画像を撮影するカメラを一般に使用している。暗い道路上の白線のコントラストを比較的容易に検出できるようにし、この検出に従って、自動車の光ビームを横方向に配向させることができる。

しかし、道路には白線が常時あるわけではなく、もし白線があったとしても、消えたり、ゴミ、例えば土によって覆われている場合があるので、この場合、検出システムによって白線を検出することができなくなる。

本発明の目的は、上記技術の欠点を少なくすることにある。この目的のため、本発明は、道路の比較的暗い路面とより明るいエッジとの間に生じ得るコントラストを使って、事前に道路上の屈曲部を検出するための方法を提案するものである。どの道路も、路面とバージ、すなわち道路エッジとを含むので、この方法には、どの道路上でも実施できるという利点がある。

より正確には、本発明は、通路内の車両の変動から、路面および道路のエッジを含む道路上の、特に屈曲部または直線ラインを検出する方法において、
車両によって少なくとも一部が照明された、車両の前方に出現する道路シーンの画像を取り込む工程と、
画像内の各ピクセルに対し、光の減少勾配を決定する工程と、
これら光の勾配を分析し、道路のエッジの画像を決定する工程と、
道路のエッジの画像から勾配を数学的に判別する工程と、
この判別を分析し、屈曲部の角度を決定する工程とを有することを特徴とする、道路の屈曲部または直線ラインを検出する方法に関する。

本発明は、更に上記方法を実施するためのシステムにも関する。このシステムは、車載カメラと、画像処理ユニットと、ニューラルネットワークとを含む。

本発明は、車両が走行する道路上の屈曲部を、車両から約３０ｍ前方まで予め検出するための方法に関する。この方法は、車両が走行し得るすべての道路は、路面と道路エッジ（路側帯とも称す）とを含むという事実に基づくものである。

道路を覆うアスファルトまたはその他の材料により、路面は一般に暗い色をしている。道路のエッジはカメラから見た場合、比較的明るく、カメラの方向にヘッドライトから発生された光の反射角により、路面よりも輝度が高くなっている。道路のエッジは、通常、草、土または舗装である。草および土は、路面のカバーよりも明るく見える。

舗装は、石であるか、または一般に路面上のアスファルトよりも明るい材料で覆われている。舗装がコールタールで覆われている場合もある。この場合には、舗装はより明るく見え、舗装と路面との間の限界を表示するボーダーを有する。

従って、本発明の方法は、屈曲部の存在を決定するために、道路のエッジと路面との間のこのようなコントラストを使用することを提案するものである。この方法は、路面が暗く、路面上の車両の光ビームから発せられた光が光源から離間するにつれて低下する性質があるという事実に基づくものである。

換言すれば、車両から離れれば離れるほど、路面上の光は弱くなる。これとは逆に、より明るい道路エッジ上では、車両から発せられた光が反射される傾向がある。換言すれば、車両から離れても、光は弱くならない。従って、路面上の光と道路のエッジ上の光との間では、コントラストが逆比例するという関係がある。

第１処理段階では、道路エッジの画像を決定するのに、このようなコントラストの逆比例の関係を使用する。屈曲部があるかどうかを判断するために、道路エッジのこのような画像を分析し、屈曲部がある場合、屈曲部は、車両の左または右を向いている。

次に、車両が存在し得る道路のいくつかの例を用いて、本発明の方法についてより詳細に説明する。

図１は、道路の第１実施例を示す。より詳細には、図１は、車両に設置されたカメラが撮った道路のシーンの画像を示す。この画像は、道路の自然の画像である。すなわち車両の前方に出現する道路のシーンの未処理の画像である。この画像は、左側への屈曲部を有する道路を示している。

この道路は、路面１と、車両の左側に位置する第１道路エッジ２と、車両の右前方に位置する第２道路エッジ３とを含む。この自然の画像では、路面１の中心に位置する白色の破線４の一部を見ることもできる。

本発明の方法は、この自然画像の各基本表面に対する光の勾配を決定することから成る、自然画像の第１処理工程を含む。

この目的のために、本発明の方法は、画像内の各ピクセル（またはピクセルのグループ）の光レベルだけでなく、当該ピクセル（単数または複数）に隣接するピクセル（またはピクセルのグループ）の光レベルを分析することを提案するものである。従って、例えば互いに隣接する２つのピクセルを検討すると、ピクセルのうちのどちらが最も多くの光を受光するかを判断し、よって光の変化する方向を決定することができる。

次に、画像内の各ピクセルに、光変化ベクトル、すなわち光勾配を割り当てる。自然の画像内のすべてのピクセルのすべてのベクトルを決定すると、道路側面の画像を決定するために、これらベクトルを分析する。この分析は、すべてのベクトルのうちで、車両の方向に向いているベクトル、すなわち車両の光ビームの発光源の方向に向いているベクトルを探し、他方で、反対方向、すなわち道路の外側に向いているベクトルを探すことから成る。

次に、スレッショルドベクトルと称するある値に対応し、所定の公差を有するベクトルを選択する。処理の他の部分では、このスレッショルドベクトルと異なるベクトルは検討しない。他方、残りの処理のために、このスレッショルドベクトルに対応するベクトルを記憶する。

このスレッショルドベクトルはあらかじめ定められる。このベクトルは、水平線に対する基準値として選択できる。この場合、このスレッショルドベクトルは、水平線に対する基準角をなす。また、最大の勾配を有するピクセル、すなわちベクトルがほとんど車両に向いているピクセルに従って、このスレッショルドベクトルを選択してもよい。この場合、スレッショルドベクトルは、最大勾配を有するピクセルに対する基準角をなす。

換言すれば、図１の自然画像上で並置状態にある第１ピクセルと、第２ピクセルとを検討した場合、第１ピクセルのベクトルは、第２ピクセルのベクトルとある角度をなす。この角度とスレッショルドベクトルが見なす基準角とを比較する。例えば、スレッショルドベクトルが水平ベクトルと３０度の角度をなす場合、所定の公差で、３０度からの角度差をなすベクトルを有するすべてのピクセルは、本方法の残りの部分では、検討しないものとする。

本発明の方法では、ピクセルの勾配を分析することから得られた情報を使って、路側の画像を構成する。この路側の画像は、ベクトルがスレッショルドベクトルに匹敵するすべてのピクセル（または複数のピクセルのグループ）によって供給される情報を維持することによって決定される。

より詳細には、これらピクセルの値、すなわちグレーのレベルが処理された画像を形成するように、同じように再現される。他方、スレッショルドベクトルと異なるベクトルを有するすべてのピクセルは再現しない。従って、これらのピクセルは、処理画像では、黒色ピクセルと置換される。こうして形成される画像が、路側の画像となる。

図２に路側の画像の一例が示されている。図２における路側のこの画像は、コントラストの反転により処理後に得られた図１の画像に対応する。この画像は、黒色領域とグレー領域とを示す。実際に、自然画像の暗い部分に対応する黒色領域とは対照的に、図２では、図１における明るい領域しか生じない。特に、路側の画像の明るい領域は、左側の路側２および右側の路側３に対応している。明るい領域の１つは、路面１に対応する暗い領域の中間にある白色点線４に対応している。

３０ｍ先とほぼ水平線との間にある道路の視界に対応する水平運動内に位置するベクトルを選択することにより、屈曲部の分析に適した情報を含まない画像の領域を除くことが好ましい。

事前の画像を得た後に、本発明の方法では、第２の処理を行う。この処理では、光勾配の数学的な判別を行う。この判別は、路側の画像を使ってベクトルの配向に対して行われる。図３は、図１および図２に示された道路の例に対し、かかる数学的判別によって得られた曲線を示す。

本発明の方法では、路側の画像の各フレームに対し、ベクトルが左から中心に向かって配向しているピクセル（またはピクセルのグループ）の数、およびベクトルが右側から中心に向かって配向しているピクセルの数を計算する。換言すれば、路側の画像におけるピクセルの各コラムに対して、まずベクトルが画像の左側から中心に向かって配向しているピクセルの数を計算し、次に、ベクトルが画像の右側から中心に向かって配向しているピクセルの数を計算する。従って、このような数学的判別は、ベクトルの配向に基づいて行われる。

図３では、点線が示す曲線Ｃ１は、画像の右側から中心に向かって配向している減少ベクトルを有するピクセル（または複数のピクセルのグループ）の数に対応している。十字が示す曲線Ｃ２は、画像の左側から画像の中心に向かって配向する減少ベクトルを有するピクセル（またはピクセルのグループ）の数を示す。

路側の画像におけるピクセルの分布に従えば、これから屈曲部が存在しているか否か、およびその向きを導き出すことができる。換言すれば、これら曲線Ｃ１およびＣ２の形状によって、道路上の屈曲部の存在、および配向を推定することができる。また、曲率角度を推定することも可能である。

図３、図４Ｃ、図５Ｃ、図６Ｃは、それぞれ、画像１、２、４ａおよび４ｂ、５ａおよび５ｂ、および６ａ、６ｂの軸線に対して反転されたＸ軸を示す。例えば図３において、明るいピクセルの数は、画像の右側のほうがかなり多くなっている。

このことから、右側路側よりも、画像内では左側路側のほうが見やすくなっていることが分かる。このことから、道路は、左側に向いた屈曲部を有することが分かる。更に、画像の左側では、曲線Ｃ２は存在せず、かつ画像の中心においてピークを有し、曲線Ｃ２は、画像の左側で比較的平坦であり、右側では存在しないことが分かる。このような曲線Ｃ１と曲線Ｃ２との間のピクセルの統計学的分布から、屈曲部の曲率角度が導き出される。

本発明のこの方法では、下記のニューラルネットワーク、すなわちニューロンのネットワークにより、これら判別曲線Ｃ１およびＣ２が分析される。

図４Ａ、図４Ｂおよび図４Ｃは、屈曲部の別の例に対する、これまで説明した本発明の方法の主工程を示す。特にこれらの図は、道路Ｃの自然画像、第１の処理後に得られた路側の画像、および第２の処理後に得られた判別曲線をそれぞれ示す。

図４Ａは、右側への屈曲部を有する道路の自然画像を示す。図４Ｂは、コントラストの反転を分析した後の、図４Ａにおける画像に対して得られる路側の画像を示す。

図４Ｂでは、有効な情報を有する画像の部分を含む１つの処理ウィンドーしか示されていない。この処理ウィンドーは、画像の中心部分、すなわち、水平線と車両の約３０ｍ前方との間に位置する道路シーンに対応する部分しか処理しないようにウィンドーが選択された、本発明の一実施例に対応している。本発明の別の実施例では、このウィンドーは、道路シーンのすべての画像を処理するように選択されている。

図４Ｃは、路側の画像から得られた判別曲線Ｃ１およびＣ２を示す。曲線Ｃ１およびＣ２上の明るいピクセルの分布は、左の路側が画像内で最も多く存在することを示している。このことから、道路は、右側への屈曲部を有することが推定される。一方向または他方向を向くベクトルを有するピクセルの比率によって、屈曲部の曲率角度を決定することができる。

図４Ａ、図４Ｂおよび図４Ｃと同じように、図５Ａ、図５Ｂおよび図５Ｃだけでなく、図６Ａ、図６Ｂ、図６Ｃは、道路のシーンの自然の画像、路側の画像、および本発明の方法で得られた判別曲線をそれぞれ示している。図５Ａ、 図５Ｂおよび図５Ｃは、直線状の道路の一例を示している。図６Ａ、図６Ｂおよび図６Ｃは、左側への屈曲部の一例を示している。

図５Ａは、カメラが撮った道路のシーンの自然の画像を示す。この道路のシーンは白色の破線を有する直線状道路である。図５Ｂは、処理ウィンドー中の図５Ａの路側の画像を示す。図５Ｃは、図５Ｂから得られた数学的判別曲線Ｃ１およびＣ２を示す。

これら曲線Ｃ１およびＣ２は、画像の片側または反対側に目立った部分がない、互いに実質的に平行な明るいピクセルの分布を有する。このことから、これが右側または左側への屈曲部のない直線状道路の場合であることが推定される。

図６Ａは、左側への急な屈曲部を有する道路の自然の画像を示し、図６Ｂは、処理ウィンドーにおける図６Ａに関する路側の画像を示し、図６Ｃは、図６Ｂにおける路側の画像から得られた判別曲線Ｃ１およびＣ２も示す。曲線Ｃ１およびＣ２上の明るいピクセルの分布は、道路が左側への屈曲部を有していることを示している。

図３、図４Ｃ、図５Ｃおよび図６Ｃにおける曲線の分析は、ニューラルネットワークで実行される。このニューラルネットワークは、画像内の明るいピクセルの分布および曲線Ｃ１およびＣ２のシルエットに従って道路に屈曲部があるかどうか、ある場合には、この屈曲部の配向している向きを決定できる。また、この屈曲部の曲率角度も推定できる。

図７は、本発明の方法を実現するシステムを略図で示す。このシステムは、車載カメラ１０を備え、カメラは、最初に例えば暗視機能のような別の機能のためのカメラ、例えば赤外線カメラでよい。

本発明のシステムは、車両に設置された画像処理ユニット２０も含む。この画像処理ユニットは、マイクロプロセッサ内または車載コンピュータに組み込んでもよい。また、この画像処理ユニットは、専用の電子カードを構成してもよい。この画像処理ユニット２０は、カメラ１０の出力端に接続されており、画像処理ユニットは路側の画像の構成だけでなく、２つの曲線Ｃ１およびＣ２におけるピクセルの判別を実行する。

本発明のシステムは、ニューラルネットワーク２１も含む。このニューラルネットワークは、車両の電子回路に挿入されたＤＳＰタイプの部品、または専用の電子カードを構成できる。このニューラルネットワークは、図７に示すように、画像処理ユニット内に組み込むこともできる。

ニューラルネットワークが画像処理ユニット内に組み込まれているかどうかにかかわらず、このニューラルネットワークは、車両のヘッドライト３０、特にヘッドライトのレフレクタを移動できるようにするためのモータに接続されている。従って、このニューラルネットワークは、検出された屈曲部の曲率角度に従って、車両のヘッドライトの横方向の配向を制御する。

当然ながら、ニューラルネットワークは、同時に車両の双方のヘッドライトの配向を制御してもよい。このように、車両のヘッドライトによる道路の照明の向きをあらかじめ定めることができる。

車両ヘッドライトは、横方向に配向可能な可動式ヘッドライトである。このヘッドライト３０は、レフレクタ３１を含み、このレフレクタに光源が取り付けられており、車両の前方に光ビームを発するようになっている。レフレクタ３１は、モータ３４によって回転される可動支持体３３に取り付けられており、このヘッドライト３０は市販されている可動ヘッドライトとすることができる。

ヘッドライトは、本明細書の冒頭に述べたように、屈曲部の角度に従って光強度が変化するあらかじめ配向された固定式ヘッドライトでもよい。

本発明のシステムで使用されるニューラルネットワークは、従来公知のタイプのものである。このニューラルネットワークは、電子工学およびデータ処理の種々の分野で使用されるようなニューラルネットワークである。

本発明を実施する際に、すなわち本発明を道路の屈曲部の検出に実施する際に、このニューラルネットワークは、曲線Ｃ１およびＣ２の相互の比率に従って、屈曲部があるかどうか、およびこの屈曲部の配向を決定できる。また、屈曲部の曲率角度を高精度で推定できる。

しかし、すべてのニューラルネットワークと同じように、このネットワークは、初期化しなければならない。すなわち、最初に屈曲部の種々の形状だけでなく、判別曲線とのこれら屈曲部の相関性も学習しなければならない。換言すれば、ニューラルネットワークは、屈曲部の所定の幾何学的形状と、それに対応するベクトルの分布とを学習しなければならない。一旦この学習が実行されると、ニューラルネットワークは自律的となる。

次に、新しい屈曲部が検出されるたびに自己学習する。すなわち、ニューラルネットワークが異なるケースを分析する際に、これらケースを学習し、より短時間でより高い精度で、その後に判断する屈曲部の形状を決定することができる。

これまで説明した屈曲部検出方法は、相対的な精度で屈曲部の曲率角度を決定できるという利点を有する。この場合の精度は、約２°である。従って、約３０ｍの範囲で、良好な精度で屈曲部に進入したり、屈曲部から出たりすることを予測することができる。

この方法は、他の照明、例えば通過車両からの照明または都市の照明に影響されないという利点もある。

本発明の方法は、車両ヘッドライトを横方向に配向させるためだけに考えられている。しかし、車両のシャーシが道路に対して完全に平行ではないとき、すなわち車両の姿勢が水平でないとき、ブレーキをかけて車両が前方に傾いたとき、車両の積荷の分布がよくないため車両が後方に傾いたとき、本発明の方法では、処理ウィンドーを上方または下方に移動させ、処理される画像の部分が信号処理に有効な道路のシーンに対応するようにすることによって、所期の目的を実現できる。このような変更は、姿勢補正システムから発せられる信号によって行うことができる。

本発明の一実施例では、本発明のシステムは、ニューラルネットワークが供給する情報を考慮しないように選択できる。この場合、ハンドル上のセンサが供給する情報を取り込む劣化制御モードが使用される。この劣化モードは、例えば車両が極めて広い道路上に位置する場合、極めて平らな平面に位置する場合、またはカメラによって検出できる凹凸がほとんどない場合、およびと路側がない場合に選択される。しかしながら、かかる道路は、我々の領域では極めてまれであることに留意すべきである。

本発明の変形例として、システムはフラッシュを含み、このフラッシュを、極めて短時間の間に道路を証明するために、屈曲部からの出口で使用できる。これによって、３０ｍを越える距離で、道路の幾何学的形状がどのようなものであるかを知ることができる。かかるフラッシュは、例えば屈曲部が連続するエリア、例えば山間部の道路で有効となる。このシステムは、３０ｍをかなり越える距離での予測も可能としうる。

路面および道路のエッジを有する道路の画像の一例を示す。 図１の画像の処理後に得られる道路のエッジの画像を示す。 図２の画像に対して得られる数学的分布の曲線を示す。 屈曲部の第１の例における本発明の方法の１つの工程を示す。 屈曲部の第１の例における本発明の方法の１つの工程を示す。 屈曲部の第１の例における本発明の方法の１つの工程を示す。 直線ラインにおける道路の一例における本発明の方法の１つの工程を示す。 直線ラインにおける道路の一例における本発明の方法の１つの工程を示す。 直線ラインにおける道路の一例における本発明の方法の１つの工程を示す。 屈曲部の第２例における本発明のの方法の１つの工程を示す。 屈曲部の第２例における本発明のの方法の１つの工程を示す。 屈曲部の第２例における本発明のの方法の１つの工程を示す。 本発明のシステムを略図で示す。

符号の説明

１ 路面
２ 第１の道路のエッジ
３ 第２の道路のエッジ
４ 白色破線
１０ カメラ
２０ 画像処理ユニット
２１ ニューラルネットワーク
３０ ヘッドライト
３１ レフレクタ
３３ 可動支持体
３４ モータ

Claims (8)

1. 道路内を走行する車両の軌跡の変動から路面（１）および道路のエッジ（２）（３）を含む道路上の屈曲部または直線ラインを検出する方法において、
   車両によって少なくとも一部が照明された、車両の前方に出現する道路シーンの画像を
   取り込む工程と、
   画像内の各ピクセルに対し、光の減少勾配を決定する工程と、
   画像の左側から中心に向かって配向する光の減少勾配を有するピクセル数を画像の列ごとにカウントして得られた曲線と、画像の右側から中心に向かって配向する光の減少勾配を有するピクセル数を画像の列ごとにカウントして得られた曲線とを分析し、屈曲部の角度を決定する工程とを有することを特徴とする、道路の屈曲部または直線ラインを検出する方法。
2. 光の減少勾配が、隣接するピクセル間に形成された光の減少ベクトルに対応することを特徴とする、請求項１記載の屈曲部を検出する方法。
3. ピクセル数を画像の列ごとにカウントする際、減少ベクトルをスレッショルドとして使用し、そのスレッショルド外の減少ベクトルを除くことを含むことを特徴とする、請求項２記載の、屈曲部を検出する方法。
4. 判別の分析をニューラルネットワークによって実行することを特徴とする、請求項１〜３のいずれか１項に記載の屈曲部を検出する方法。
5. 前記ニューラルネットワークが、屈曲部の幾何学的形状、およびそれに対応する数学的な判別を、あらかじめ学習していることを特徴とする、請求項４記載の屈曲部を検出する方法。
6. 請求項１〜５のいずれか１項に記載の方法を実現する道路上の屈曲部を検出するためのシステムにおいて、車載カメラ（１０）、画像処理ユニット（２０）およびニューラルネットワーク（２１）を含むことを特徴とする、道路上の屈曲部を検出するためのシステム。
7. 前記ニューラルネットワークが、画像処理ユニット内に組み込まれていることを特徴とする、請求項６記載の屈曲部を検出するためのシステム。
8. 可動式（３０）または固定式であって、強度に従って変調される車両ヘッドライトに接続されていることを特徴とする、請求項６または７に記載の屈曲部を検出するためのシステム。

Images