JP5519381B2 - スペクトル測定装置 - Google Patents

Description

本発明は、スペクトルセンサにより測定された測定対象のスペクトルデータから測定対象を認識するスペクトル測定装置に関する。

近年、自動車等の車両には、その運転支援装置として、車両周囲において動的に変化する歩行者や信号などの状態を認識してドライバーの運転や意思決定を支援する装置が搭載されることが少なくない。そして、そのような装置の多くは、信号や歩行者等の状態をＣＣＤカメラ等にて撮像するとともに、その撮像画像を実時間で画像処理して状態認識し、その認識した結果を上述した運転支援等に用いるようにしている。しかし通常、歩行者は、その形状が大きさや向き、あるいは持ち物の有無などにより多様に変化することから、上記画像処理に基づいて得られる形状からその存在を正確に認識することは難しい。また、信号機は一般に、その大きさや色についての規格性が高いものの、見る角度によってはその形状が変化するなどの不都合も避けがたく、上記画像処理を通じた形状認識ではやはり限界がある。

一方、特許文献１には、測定対象を認識する技術として、スペクトルセンサにより採取されたスペクトルデータを用いるリモートセンシング技術が記載されている。すなわちここでは、航空機や人工衛星に搭載されたスペクトルセンサにより撮影された不可視領域をも含むマルチスペクトル画像データから、例えば森林、田畑、市街地等のような、可視光領域のみでは認識の困難な測定対象の分類、特徴付けが行なわれ、こうして分類され、特徴付けされたデータに基づいて測定対象が認識される。

このように、スペクトルセンサでは、不可視領域をも含む各波長域の輝度値（光強度）が観測されることから、波長毎の輝度値を比較することによって測定対象特有の特性を知ることができ、ひいてはその識別が可能となる。また近年は、このようなスペクトルセンサとして、撮像可能な帯域幅が広く、またその分解能も数ｎｍ〜数十ｎｍと高いハイパースペクトルセンサなども実用化されている（特許文献２参照）。

そこで最近は、このようなスペクトルセンサを自動車等の車両に搭載し、このスペクトルセンサにより撮影されたスペクトルデータを用いて車両周囲の各種測定対象を識別、認識することが検討されている。

特開２０００−２５１０５２号公報 特開２００６−１４５３６２号公報

ところで、こうしたスペクトルセンサを用いて各種測定対象の認識を図ったとしても、太陽光等の環境光の影響によって測定対象のスペクトルは変化する。このため、上記スペクトルセンサによって測定対象のスペクトルデータを取得したとしても、こうした環境光の影響による認識精度の低下が避けられない。すなわち、上記スペクトルセンサにより撮影されたスペクトルデータを用いて車両周囲の各種測定対象を認識しようとしても、環境光の影響による認識精度の低下から、特に車両の運転支援等において要求されるそれら測定対象の認識も困難なものとなっている。

本発明は、このような実情に鑑みてなされたものであり、その目的は、環境光による影響を緩和しつつ、スペクトルセンサによって測定される対象についてのより信頼性の高い認識を可能とするスペクトル測定装置を提供することにある。

以下、上記課題を解決するための手段及びその作用効果について記載する。
請求項１に記載の発明は、波長情報と光強度情報とを測定可能なスペクトルセンサにて検出される観測光のスペクトルデータに基づいて測定対象を認識するスペクトル測定装置であって、前記測定対象に大気吸収率の高い波長域の光、及び前記大気吸収率の高い波長域以外の波長域の光を照射する照明装置と、前記測定対象に前記大気吸収率の高い波長域以外の波長域の光が照射されているときの前記スペクトルセンサによる観測光のスペクトルデータと同スペクトルデータに対応して予めデータベースに登録されている複数の測定対象のスペクトルデータとの対比に基づき前記光が照射されている測定対象を同定するとともに、当該データベースに前記複数の測定対象のスペクトルデータとの対として予め併せて登録されているそれら測定対象の各々に特有の反射率を求める測定対象同定部とを備え、前記求められた反射率に基づく前記照明装置の光出力強度と、前記スペクトルセンサによる観測光の光強度である前記測定対象に前記大気吸収率の高い波長域の光が照射されているときの当該測定対象からの反射光の強度として求められた値と、の比として前記スペクトルデータの観測地点から前記測定対象までの距離を認識することを要旨とする。

大気吸収率の高い波長域においては、上記観測光のスペクトルデータに対する影響が大きい太陽光等の環境光の分布が低減することが発明者らによって確認されている。すなわち、上記照明装置からこの大気吸収率の高い波長域の光として照射された光に基づき測定対象から観測されるスペクトルデータは、太陽光をはじめとする環境光の影響が低いスペクトルデータとなる。この点、上記構成によれば、照明装置からこうした大気吸収率の高い波長域の光が照射された測定対象のスペクトルデータを用いた演算を通じて測定対象の認識が行われることから、例えば、人や車両、動植物等といった測定対象の認識に対する環境光の影響が抑制され、それら如何なる測定対象であれ、その観測地点からの距離や、観測地点との間の相対的な距離の変化といった測定対象の認識にかかる信頼性が高められるようになる。しかも、観測されたスペクトルデータから環境光の影響を除去するといった補正演算等を行う必要もないことから、測定対象の認識にかかる負荷が軽減されるとともに、測定対象の認識にかかる処理の高速化が図られるようにもなる。

ところで、スペクトルセンサの観測地点から測定対象までの距離は、測定対象に特有の反射率さえわかればこの反射率に基づく照明装置の光出力強度とスペクトルセンサによる観測光の光強度（受光強度）との比に相関する値として求めることができる。すなわち、上記構成によるように、測定対象に特有な反射率を予め求めることで、測定対象に対して照射された光の光出力強度に対して同測定対象からの観測光の光強度がどれだけ減衰したかに基づきスペクトルセンサの観測地点から測定対象までの距離を認識することができるようになる。また、上記構成によれば、こうした距離の認識が環境光の影響が少ない光の照射に基づく観測光の光強度を用いて行われることから、スペクトルセンサの観測地点から測定対象までの距離を認識する上で、環境光による影響が抑制された精度の高い距離の認識が可能となる。

上記測定対象の観測光のスペクトルデータとしてのスペクトル分布形状やスペクトル強度は、測定対象の表面の特有の表面形状といった物性によっても変化するものであり、こうした測定対象毎に特有のスペクトルデータに基づけば、測定対象が如何なる物体であるかといった同定をより正確に行うことが可能となる。また、こうした測定対象毎に特有の表面形状が観測光のスペクトルデータに与える影響とは、上記観測光の波長域によって異なるものであり、大気吸収率の高い波長域以外の波長域、特に大気吸収率の低い波長域においては、こうした測定対象の物性が反映されたスペクトルデータに対する大気の影響が相対的に低いものとなる。この点、上記構成によれば、測定対象の同定を、大気吸収率の高い波長域以外の波長域、例えば大気吸収率の低い波長域に基づき行うことによって、スペクトルデータに対する測定対象の物性の影響（支配度）が相対的に大きなスペクトルデータに基づく測定対象の同定が可能となる。これにより、測定対象の同定を高い精度のもとに行うことができるようになり、ひいては、こうした同定に基づき求まる反射率を高い精度のもとに求めることができるようになる。また、上記構成によれば、スペクトルセンサによる観測光の光強度は、測定対象に大気吸収率の高い波長域の光が照射されているときの同測定対象からの反射光の強度として求められた値が用いられる。このため、上述のように、環境光の影響が除外された観測光の光強度の算出が可能となる。

このように、上記構成によれば、上記距離の認識に際し、大気吸収率の高い波長域以外の波長域の光を照射して同定した当該測定対象に特有の反射率と、同測定対象に前記大気吸収率の高い波長域の光を照射しているときの上記観測光の光強度とを用いるようにしたことにより、より高精度な距離の認識が可能となる。

請求項２に記載の発明は、請求項１に記載のスペクトル測定装置において、前記測定対象同定部により求められた反射率をＲ、前記照明装置の光出力強度をＰＰ、前記スペクトルセンサによる観測光の光強度をＰｒ、前記照明装置の光出力強度と前記スペクトルセンサによる観測光の光強度との間の補正係数をｋとするとき、前記スペクトルデータの観測地点から前記測定対象までの距離は、これをＬとして、

Ｌ４＝（ＰＰ／Ｐｒ）×Ｒ×ｋ

によって認識することを要旨とする。

上記構成によれば、スペクトルデータの観測地点から前記測定対象までの距離の認識を、測定対象同定部により求められた反射率、照明装置の光出力強度、スペクトルセンサによる観測光の光強度、上記補正係数といった各要素の演算として行うことができるようになる。なお、補正係数ｋは、反射率Ｒ＝１、距離Ｌ＝１としたとき、照明装置の光出力強度ＰＰとスペクトルセンサによる観測光の光強度Ｐｒとの関係を示す係数であり、照明装置の光出力強度ＰＰとスペクトルセンサによる観測光の光強度Ｐｒとの絶対値を所定の距離で規定するためのものである。

請求項３に記載の発明は、請求項１または２に記載のスペクトル測定装置において、前記スペクトルセンサ及び前記照明装置は共に車両に搭載されてなり、前記認識する測定対象が当該車両周囲の物体であることを要旨とする。

本発明は、請求項３にかかる発明のように、スペクトルセンサ及び照明装置を共に車両に搭載し、上記認識する測定対象として例えば前方を走行する車両や、ガードレール、あるいは信号機や障害物となる歩行者なども含めた動植物等々といった物体を認識する上で特に有効である。これにより、前述した車両の運転支援等を行う上で必要とされる各種認識を、環境光による影響を最小限に抑えて的確に行うことができるようになる。

本発明にかかるスペクトル測定装置の第１の実施の形態についてその概略構成を示すブロック図。 太陽光の分光放射照射分布の一例を示すグラフ。 同装置を構成する照明装置から照射される光の波長−出力特性の一例を示すグラフ。 同装置による測定対象として、車両周辺に存在する物体の一例を示す図。 （ａ）〜（ｃ）は、測定対象毎に特有のスペクトル反射率の一例を示すグラフ。 （ａ）及び（ｂ）は、測定対象毎に特有のスペクトル反射率の一例を示すグラフ。 スペクトルデータベースに測定対象毎に登録されているスペクトルデータ及び反射率の一例として、ガードレールの波長毎の反射率テーブルを示す図。 同実施の形態による車両から測定対象までの距離の認識手順を示すフローチャート。 スペクトルセンサにより測定された測定対象のスペクトル分布形状の一例として人の顔肌のスペクトル分布形状例を示すグラフ。 本発明にかかるスペクトル測定装置の第２の実施の形態についてその概略構成を示すブロック図。 同実施の形態による測定対象との相対的な距離の変化についての認識手順を示すフローチャート。 （ａ）は、スペクトルセンサにより測定されたスペクトル分布形状の一例として人の顔肌のスペクトル分布形状例を示すグラフ。（ｂ）は、同例での異なる時刻に測定されたスペクトルデータの推移例を示すグラフ。 本発明にかかるスペクトル測定装置の他の実施の形態についてその概略構成を示すブロック図。 本発明にかかるスペクトル測定装置の他の実施の形態について、特にこれに採用される照明装置の概略構成を示す斜視図。 （ａ）及び（ｂ）は、本発明にかかるスペクトル測定装置の他の実施の形態について照明装置から照射される光の波長−出力特性の一例を示すグラフ。

（第１の実施の形態）
図１に本発明にかかるスペクトル測定装置を具体化した第１の実施の形態についてその概略構成を示す。

図１に示されるように、このスペクトル測定装置は、例えば自動車等の車両に搭載されて歩行者や信号機、障害物等の物体である測定対象に対して、大気吸収率の高い波長域及び大気吸収率の低い波長域による光をそれぞれ照射可能な照明装置１００を備えている。また、こうした照明装置１００により光が照射された測定対象のスペクトルデータを観測するスペクトルセンサＳを備えており、このスペクトルセンサＳの受光感度等がセンサ制御器１１０によって制御される。そして本実施の形態では、上記スペクトルセンサＳによって測定されたスペクトルデータに基づいて、車両周辺に存在する物体である測定対象が、人、車両、ガードレール、アスファルト等のいずれの物体であるかを同定するとともに、この同定された測定対象と車両との距離の認識が行われる。

ただし、上記スペクトルセンサＳによって観測された測定対象のスペクトルデータには、通常、特に太陽光等の環境光の影響が含まれたものとなっている。このため、上記スペクトルセンサＳによって測定対象のスペクトルデータを測定したとしても、このスペクトルデータは太陽光等の環境光の影響を受けたものでしかなく、こうしたスペクトルデータに基づく測定対象の認識精度も自ずと低下することとなってしまう。そこで、本実施の形態では、こうした太陽光が上記スペクトルデータに与える影響を抑制しつつ、スペクトルデータに基づく測定対象の認識、すなわちここでは測定対象との相対的な距離の認識を行うこととする。

ここで、図２に、上記スペクトルセンサＳによって観測された太陽光の分光放射照度分布を示す。
この図２に示すように、スペクトルセンサＳによって観測されたスペクトルデータの波長毎の光強度は波長域によって異なるものとなっている。例えば、約「０．５μｍ」の波長域においては、スペクトルセンサＳによって観測される太陽光の光強度は単位面積辺りに照射されるエネルギが約「１６００Ｗ／ｍ^２／μｍ」と非常に大きい。これに対し、例えば、約「０．９３μｍ」、約「１．１μｍ」、約「１．４μｍ」、約「１．９μｍ」の波長域では、太陽光の光強度は、それぞれ約「２５０Ｗ／ｍ^２／μｍ」、約「１００Ｗ／ｍ^２／μｍ」、「０Ｗ／ｍ^２／μｍ」、「０Ｗ／ｍ^２／μｍ」と非常に小さい。これは、太陽光が大気を通過する過程でそれらの波長域の成分が「Ｈ_２Ｏ」や「ＣＯ_２」等によって吸収されることに起因していることが知られている。すなわち、「０．５μｍ」付近の波長域では大気による光の吸収率すなわち大気吸収率が低く、「０．９３μｍ」、「１．１μｍ」、「１．４μｍ」、「１．９μｍ」付近の波長域では、光の大気吸収率が高いことがわかる。そこで、本実施の形態では、環境光としてのこうした太陽光の分光放射照度分布特性を利用して上記測定対象の認識を行うこととする。

なお、本実施の形態において、上記照明装置１００は、図３に領域ａ１及びａ２として示すように、大気吸収率が低い波長域として「０．５μｍ」〜「０．８μｍ」の波長域と、大気吸収率が高い波長域として「０．９３μｍ」、「１．１μｍ」、「１．４μｍ」、「１．９μｍ」の波長域とを含む光を照射可能に構成されている。なお、この照明装置１００から照射される光の強度は、各々大気吸収率が高い波長域における太陽光の光強度よりも高い値に設定されている。

そして、こうした照明装置により光が投光されているときの測定対象のスペクトルデータがスペクトルセンサＳによって測定され、この測定されたスペクトルデータが例えば８ビットのスペクトル情報として電子制御装置２００を構成するデータ格納メモリ２１０に格納される（図１）。なお、照明装置１００による測定対象への照射とこの照射された測定対象のスペクトルデータの測定とは常時行われており、この測定されたスペクトルデータがデータ格納メモリ２１０に漸次格納される。また、このデータ格納メモリ２１０には、上記照明装置１００に供給される電流値に基づき求められる照明装置１００の光出力強度「ＰＰ」も併せて格納されている。

こうして、データ格納メモリ２１０に漸次格納された測定対象のスペクトルデータは、測定対象としての物体が、人、車両、動植物、ガードレールや電柱等の障害物等のいずれの物体であるかを認識（同定）する測定対象同定部２２０に取り込まれる。

この測定対象同定部２２０に取り込まれた測定対象のスペクトルデータは、このスペクトルデータから「Ｈ_２Ｏ」や「ＣＯ_２」等による大気吸収の影響が小さい波長域、すなわち大気吸収率が低い「０．５μｍ」〜「０．８μｍ」付近の波長域におけるスペクトルデータを限定して抽出するための影響度小帯域限定部２２１に出力される。そして、この影響度小帯域限定部２２１によって抽出された大気吸収率が低い波長域のスペクトルデータ
は、測定対象とされた物体の種類を識別するための対象物種類識別部２２２に取り込まれる。この対象物種類識別部２２２では、上記スペクトルセンサＳによって測定されるスペクトルデータに対応して複数の種類のスペクトルデータが予め登録されているスペクトルデータベース２２３の参照が行われる。

このスペクトルデータベース２２３には、図４に示すように、車両の運転を支援する上で識別が必要とされる物体（測定対象）として、例えば、「樹木ＴＧ１」、「ガードレールＴＧ２」、「タイヤＴＧ３」、「アスファルトＴＧ４」、「人の顔肌ＴＧ５」等のスペクトルデータが予め登録されている。すなわち、「樹木ＴＧ１」、「ガードレールＴＧ２」、「タイヤＴＧ３」、「アスファルトＴＧ４」、「人の顔肌ＴＧ５」のスペクトルデータをそれぞれ図５（ａ）〜図５（ｃ）、図６（ａ）及び（ｂ）に例示するように、測定対象のスペクトルデータとは、その表面形状等といった物性に応じて特有のスペクトル反射率を有している。そして、こうした各測定対象毎のスペクトルデータを示す情報が、図７に示すように、例えば波長毎に８ビットで反射率係数を表すテーブルの態様として、各測定対象毎に記憶されている。反射率係数を８ビットの数値ｒで表現したとすると、「０」の場合は反射率「０」、「２５５」の場合は反射率「１．０」というように、反射率をｒ／２５５とするのが好適である。

そして、上記対象物種類識別部２２２では、上記スペクトルセンサＳによって測定された測定対象のスペクトルデータとスペクトルデータベース２２３に登録されている各物体毎のスペクトルデータとの対比（マッチング）が例えば正規化相互相関法等によって行われる。こうした各スペクトルデータの対比を通じて、対象物種類識別部２２２では、スペクトルセンサＳによって測定された測定対象が「人」や「車両」のいずれであるかといった同定が行われる。こうして、対象物種類識別部２２２によって上記特定対象の種類が同定されると、この測定対象の種類を示す情報が、測定対象毎に特有の反射率を求める対象物反射率参照部２２４に出力される。この対象物反射率参照部２２４では、スペクトルデータベース２２３から入力された上記測定対象の種類の識別結果に基づき上記スペクトルデータベース２２３に登録されている測定対象の種類毎に登録された反射率が参照され、上記測定対象の反射率「Ｒ」が求められる。そして、こうして測定対象同定部２２０により上記観測されたスペクトルデータのうちの大気吸収率が低いスペクトルデータに基づき求められた測定対象の反射率「Ｒ」が、車両から測定対象までの距離を算出する対象物距離算出部２４０に出力される。なお、測定対象（人や車両など）の抽出方法については、一般的な画像認識の手法で抽出可能であり、公知な技術であるので詳細を省く。

一方、上記データ格納メモリ２１０に格納された測定対象のスペクトルデータは、照明装置１００によって光が照射された測定対象からの反射光の強度を算出する反射強度（受光強度）取得部２３０にも取り込まれる。この反射強度取得部２３０に取り込まれた測定対象のスペクトルデータは、このスペクトルデータから「Ｈ_２Ｏ」や「ＣＯ_２」等による大気吸収の影響が大きい波長域、すなわち大気吸収率が高い「０．９３μｍ」、「１．１μｍ」、「１．４μｍ」、「１．９μｍ」のいずれかの波長域におけるスペクトルデータを限定して抽出するための影響度大帯域限定部２３１に出力される。そして、この影響度大帯域限定部２３１によって抽出された大気吸収率が高い波長域のスペクトルデータは、照明装置１００によって光が照射された測定対象からの反射強度（受光強度）を算出するための対象物反射強度取得部２３２に取り込まれる。

この対象物反射強度取得部２３２では、上記スペクトルセンサＳによって測定されたスペクトルデータのうちの大気吸収率が高い波長帯に基づき、測定対象からの反射光の強度「Ｐｒ」が求められる。そして、こうした対象物反射強度取得部２３２によって求められた測定対象からの反射光の強度「Ｐｒ」が上記対象物距離算出部２４０に出力される。また、こうした反射光の強度「Ｐｒ」が入力される対象物距離算出部２４０には、上記デー
タ格納メモリ２１０から照明装置１００による投光出力「ＰＰ」が取り込まれる。

こうして、対象物距離算出部２４０では、照明装置１００の投光出力「ＰＰ」、測定対象の反射率「Ｒ」、測定対象からの反射光の強度「Ｐｒ」が取り込まれると、それら各要素と照明装置の光出力強度とスペクトルセンサによる観測光の光強度との間の補正係数「ｋ」との演算を通じてスペクトルデータの観測地点である車両から測定対象までの距離「Ｌ」の算出とが行われる。なお、上記補正係数「ｋ」は、上記反射率「Ｒ」及び上記距離「Ｌ」を「１」としたとき、照明装置１００の出力とスペクトルセンサＳの受光強度との関係を示す係数であり、所定の距離で照明装置１００の光出力強度「ＰＰ」とスペクトルセンサによる観測光の光強度「Ｐｒ」との絶対値を規定するためのものである。この「ｋ」には、例えば「０」〜「１」の値が設定されている。

こうして、車両周辺に存在する測定対象の認識として、この測定対象が人や、ガードレールや動植物といった障害物等のいずれであるかといった同定と車両から測定対象までの距離「Ｌ」が算出とが行われると、この認識情報がナビゲーションやオートクルーズ制御等の運転支援を行う運転支援システム３００に出力される。そして、この運転支援システム３００により、車両周辺に存在する測定対象の認識情報がユーザに対して通知される。

次に、このような前提のもとに行われる上記車両から測定対象までの距離の算出手順について図８及び図９を参照して説明する。なお、図９において実線で示す線Ｂは、上記照明装置１００から測定対象に対して照射される光を示している。また、破線で示す特性ＳＰ１は、照明装置１００による照射がされていないときの人の顔肌のスペクトル分布形状を示しており、実線で示す特性ＳＰ２は、この照明装置１００による照射がされているときにスペクトルセンサＳによって取得されたスペクトルデータに基づくスペクトル分布形状を示したものである。

ここで、上記車両の走行時おいて、この車両の周辺に測定対象としての人が存在したとする。そして、ステップＳ１００において、この測定対象に対して上記照明装置１００から光Ｂが図９に示す態様で照射されたとすると、上記スペクトルセンサＳの受光感度を設定するセンサ制御値の設定が行われる（ステップＳ１０１）。

次いで、このスペクトルセンサＳによって、測定対象としての人に対して照明装置１００による光Ｂが照射されたときのスペクトルデータが取得される（ステップＳ１０２）。これにより、図９に示すように、特性ＳＰ１から特性ＳＰ２に推移した分布形状を有するスペクトルデータが取得される。

そして、こうして取得されたスペクトルデータから、図９に領域ａ１として示す大気吸収率が低い波長域、すなわち「０．５μｍ」〜「０．８μｍ」のスペクトルデータが抽出される（図８：ステップＳ１０３）。また、同じく図９に領域ａ２として示すように、大気吸収率が高い波長域のスペクトルデータとして例えば「０．９３μｍ」のスペクトルデータが抽出される（図８：ステップＳ１０７）。なお、ここでの例では、スペクトルセンサＳの受光感度特性に鑑み、大気吸収率が高い波長域として「０．９３μｍ」の波長域のスペクトルデータを用いることとする。

こうして、まず、各々抽出されたスペクトルデータのうち大気吸収率が低い領域ａ１のスペクトルデータに基づく測定対象の同定が、上記スペクトルデータベース２２３に登録された複数のスペクトルデータとの対比を通じて行われる（ステップＳ１０３、Ｓ１０４）。そして、この対比を通じてスペクトルセンサＳによってスペクトルデータが取得された測定対象の種類が「人」である旨特定されるとともに、この「人」の反射率「Ｒｅ」が求められる（ステップＳ１０５、Ｓ１０６）。

また、各々抽出されたスペクトルデータのうち大気吸収率が高い領域ａ２のスペクトルデータに基づいて、照明装置１００によって照射された光が測定対象である「人」の反射率「Ｒｅ」のもとに反射された光の反射強度「Ｐｒ」が求められる（ステップＳ１０７、Ｓ１０８）。

こうして、測定対象とされた「人」の反射率「Ｒｅ」、この反射率「Ｒｅ」に基づく反射強度「Ｐｒ」が算出されると、測定対象である「人」からそのスペクトルデータの観測地点である車両までの距離「Ｌ」が以下の式（１）に基づき算出される（ステップＳ１０９）。

Ｌ^４＝（ＰＰ／Ｐｒ）×Ｒ×ｋ …（１）
Ｒ＝Ｒｅ

これにより、環境光としての太陽光の影響が抑制された測定対象の認識として、車両から測定対象までの距離が算出されるようになる。

以上説明したように、本実施の形態にかかるスペクトル測定装置によれば、以下の効果が得られるようになる。
（１）測定対象の認識としての車両周辺に存在する測定対象から車両までの距離の認識を、大気吸収率が高い波長域を含む光が照射される測定対象のスペクトルセンサＳによる観測光のスペクトルデータを用いた演算を通じて行うこととした。これにより、太陽光の影響が抑制された波長域のスペクトルデータに基づく測定対象から車両までの距離の認識と、この測定対象の同定とを同時に行うことができるようになる。しかも、観測されたスペクトルデータから環境光の影響を除去するといった補正演算等を行う必要もないことから、測定対象の認識にかかる負荷が軽減されるとともに、測定対象の認識にかかる処理の高速化が図られるようにもなる。

（２）上記照明装置１００を、大気吸収率が高い波長域と大気吸収率が低い波長域とを併せて照射可能に構成した。そして、大気吸収率が低い波長域が照射されているときの測定対象のスペクトルデータに基づき測定対象を同定するともに、大気吸収率が高い波長域が照射されているときの測定対象のスペクトルデータに基づき上記反射強度「Ｐｒ」を求めることとした。これにより、測定対象毎に特有のスペクトルデータに対する大気吸収の影響が少ないスペクトルデータに基づく高精度な測定対象の同定と、環境光の影響が少ないスペクトルデータに基づく高精度な距離「Ｌ」の認識とを行うことが可能となる。

（３）測定対象の同定に際し、大気吸収率が高い波長域以外の波長域のスペクトルデータとして、大気吸収率が特に低い「０．５μｍ」〜「０．８μｍ」のスペクトルデータを用いることとした。これにより、測定対象毎に特有の物性が反映されたスペクトルデータに対する大気吸収の影響が極めて小さい波長域に基づく測定対象の同定が可能となる。

（４）車両から測定対象までの距離の認識を、上記式（１）の演算を通じて行うこととした。これにより、スペクトルセンサＳによって取得された測定対象のスペクトルデータに基づいて車両から測定対象までの距離を認識する上で、この認識を上記反射率「Ｒ」、受光強度「Ｐｒ」、投光出力「ＰＰ」といった各要素の演算として求めることができるようになる。

（５）上記スペクトルセンサＳ及び照明装置１００を共に車両に搭載し、上記認識する測定対象として車両周囲の人、ガードレールや動植物といった物体等を認識することとし
た。このため、車両の周辺に存在する物体の種別の特定としての同定と、車両から同車両の周辺に存在する人や前方車両までの相対的な距離の認識とを、環境光による影響を最小限に抑えて的確に行うことができるようになる。これにより、前述した車両の運転支援等を行う上で必要とされる各種認識を、環境光による影響を最小限に抑えて的確に行うことができるようになる。

（第２の実施の形態）
以下、本発明にかかるスペクトル測定装置を具体化した第２の実施の形態を図１０〜図１２を参照して説明する。なお、この第２の実施の形態は、測定対象の認識として、車両周辺に存在する測定対象の接近状態の認識を行うものであり、その基本的な構成は先の第１の実施の形態と共通になっている。なお、図１０は、先の図１に対応する図として本実施の形態のスペクトル測定対象についてその概略構成を示したものである。

ここで、図１０に示すように、スペクトルセンサＳによって測定対象のスペクトルデータが測定されたとすると、このスペクトルデータが電子制御装置２００を構成するデータ格納メモリ２１０に漸次格納される。そして、このデータ格納メモリ２１０に漸次格納されたスペクトルデータは、このスペクトルデータが測定された測定対象の車両に対する接近状態を認識する接近状態認識部２５０に出力される。この接近状態認識部２５０に取り込まれたスペクトルデータは、このスペクトルデータから大気吸収率が高い波長域のスペクトルデータを選択して抽出する波長域選択部２５１に取り込まれる。そして、こうした波長域選択部２５１により、大気吸収率が高い波長域のスペクトルデータとして、例えば「０．９３μｍ」、「１．１μｍ」、「１．４μｍ」、「１．９μｍ」の波長域におけるスペクトルデータが抽出される。こうして、波長域選択部２５１によって抽出された大気吸収率が高い波長帯のスペクトルデータは、このスペクトルデータの経時的な推移を求めるスペクトル強度差分算出部２５２に取り込まれる。このスペクトル強度差分算出部２５２では、スペクトルセンサＳによって常時測定されてデータ格納メモリ２１０に漸次格納されている各々異なる時刻に得られた同一の測定対象のスペクトルデータに基づきスペクトルデータの差分演算が行われる。

こうした差分演算を通じて算出された各スペクトルデータの差分値は、測定対象のスペクトルデータの経時的な推移をもとに車両に対する測定対象の相対的な接近状態を識別する接近状態判定部２５３に出力される。この接近状態判定部２５３では、上記測定対象の各スペクトルデータの差分値に基づき、測定対象が車両に対して相対的に、
ａ．近づいている
ｂ．遠ざかっている
ｃ．車両と測定対象との距離が一定のいずれの状態にある
かが認識される。そして、この接近状態判定部２５３により測定対象の接近状態が認識されると、この認識された情報が運転支援システム３００に出力され、車両周辺に存在する人、前方車両、動物等といった物体の接近の有無がユーザに対して通知されるようになる。

次に、このような前提のもとに行われる測定対象の認識手順について図１１及び図１２を参照して説明する。なお、図１１は、測定対象の接近状態の算出手順を示しており、図１２（ａ）及び（ｂ）は、スペクトルセンサＳによって測定された測定対象のスペクトルデータの推移例を示したものである。また、この図１２において実線で示す線Ｂは、上記照明装置１００から測定対象に対して照射される光を示している。また、破線で示す特性ＳＰ１は、照明装置１００による照射がされていないときの人の顔肌のスペクトル分布形状を示しており、実線で示す特性ＳＰ２は、この照明装置１００による照射がされているときにスペクトルセンサＳによって取得されたスペクトルデータ（スペクトル分布形状）を示したものである。

ここで、上記車両の走行時おいて、この車両の周辺に測定対象としての人が存在したとする。そして、ステップＳ２００において、この測定対象に対して上記照明装置１００から光Ｂが図１２（ａ）に示す態様で照射されたとすると、上記スペクトルセンサＳの受光感度を設定するセンサ制御値の設定が行われる（図１１：ステップＳ２０１）。

次いで、このスペクトルセンサＳによって、測定対象としての人に対して照明装置１００による光が照射されたときのスペクトルデータが異なる時刻毎に取得される（ステップＳ２０２）。これにより、例えば図１２（ａ）に示すように、特性ＳＰ１から特性ＳＰ２に推移した分布形状を有するスペクトルデータが取得される。

そして、こうして異なる時刻毎に取得された各々のスペクトルデータから、例えば領域ａ３として示す波長域「０．９３μｍ」のスペクトルデータが、大気吸収率が高い波長域のスペクトルデータとして選択、抽出される（ステップＳ２０３）。次いで、それら異なる時刻毎に取得された各スペクトルデータの差分が算出される（ステップＳ２０４）。

すなわち、時刻「ｔ」から時刻「ｔ＋１」にかけて測定対象が車両に接近していた場合には、図１２（ｂ）に示すように、時刻「ｔ」に取得された同一の測定対象のスペクトル特性ＳＰｔ１が時刻「ｔ＋１」には特性ＳＰｔ２へと推移し、スペクトルセンサＳによって測定される測定対象のスペクトル強度が増大することとなる。このため、スペクトル特性ＳＰｔ１及び特性ＳＰｔ２のスペクトル強度の差分は、「Ｓｄ１２」となる。一方、時刻「ｔ」から時刻「ｔ＋１」にかけて測定対象が車両から遠ざかっていた場合には、時刻「ｔ」に取得された同一の測定対象のスペクトル特性ＳＰｔ１が時刻「ｔ＋１」には特性ＳＰｔ３へと推移し、スペクトルセンサＳによって測定される測定対象のスペクトル強度が低下することとなる。このため、スペクトル特性ＳＰｔ１及び特性ＳＰｔ３のスペクトル強度の差分は、「Ｓｄ１３」となる。また一方、車両から見た測定対象の相対的な距離が一定であった場合には、測定対象のスペクトル強度は異なる時刻であっても同一のものとなる。これは、照明装置１００から照射された光の強度が大気を通過する過程で所定の減衰率のもとに低下することに起因するものであり、車両と測定対象との距離が縮小、あるいは拡大されることにより、照明装置１００により照射されて測定対象から反射される光の強度が変化したことによる。

そこで、本実施の形態では、ステップＳ２０４において、各スペクトルデータの経時的な変化を示すスペクトル強度差を「Ｓｄ」、異なる時刻「ｔ」及び「ｔ＋１」に取得されて上記抽出されたスペクトルデータのスペクトル強度を強度「Ｓ」及び「Ｓ＋１」とするとき、以下の式（２）によって算出する。

Ｓｄ＝Ｓ（ｔ＋１）−Ｓ（ｔ） …（２）

そして、こうして求められたスペクトル強度差「Ｓｄ」に基づき、車両に対する測定対象の接近状態が判定される（ステップＳ２０４）。この判定では、上記スペクトル強度差「Ｓｄ」が「０」を超えていたときには車両に対して測定対象が接近していると判定され、上記スペクトル強度差「Ｓｄ」が「０」未満であったときには車両から測定対象が遠ざかっていると判定される。また、上記スペクトル強度差「Ｓｄ」が「０」であったときには、車両から見た測定対象の相対的な距離が一定であると判定される。

以上説明したように、本実施の形態にかかるスペクトル測定装置によれば、以下の効果が得られるようになる。
（１）大気吸収率の高い波長域の光が照射される測定対象のスペクトルデータの経時的
な推移を求める演算を通じて、この測定対象の接近状態を認識することとした。このため、車両と測定対象との位置関係（距離）によって変化するスペクトルデータの経時的な推移に基づき車両に対する測定対象の接近状態を認識する上で、環境光の影響が抑制されたスペクトルデータに基づく高精度な測定対象の認識を行うことができるようになる。

（２）また、このように大気吸収率が高い波長域、すなわち大気による吸収が顕著な波長域は、環境光・太陽光には僅かしか含まれていない。このため、太陽光と比較してエネルギの小さい投光器であっても、スペクトル強度差を得やすい。したがって、少エネルギでの測定が実現できる。

（３）スペクトルデータの経時的な推移を、各々異なる時刻に得られたスペクトルデータの差分演算を通じて求めることとした。これにより、車両と測定対象との距離に相関して変化するスペクトル強度の変化として測定対象の接近状態を認識することができるようになる。

（４）またこのように、スペクトルデータの経時的な推移を各々異なる時刻に得られたスペクトルデータの差分演算を通じて求めることにより、スペクトル強度の増加、減少の有無といった簡易な判定に基づく測定対象の接近状態の認識が可能となる。

（他の実施の形態）
なお、上記実施の形態は、以下のような形態をもって実施することもできる。
・上記第２の実施の形態では、スペクトルデータの経時的な推移を求める演算として、各々異なる時刻に得られたスペクトルデータの差分演算を行うこととした。これに限らず、各々異なる時刻に得られたスペクトルデータの除算演算を通じてスペクトルデータの経時的な推移を求めるようにしてもよい。この場合には、各スペクトルデータの経時的な変化を示す除算値を「Ｓｗ」、異なる時刻「ｔ」及び「ｔ＋１」に取得されて上記抽出されたスペクトルデータのスペクトル強度を強度「Ｓ」及び「Ｓ＋１」とするとき、以下の式（３）によって算出される。

Ｓｗ＝Ｓ（ｔ＋１）／Ｓ（ｔ） …（３）

そして、こうして求められた除算値「Ｓｗ」が「１」を超えていたときには車両に対して測定対象が接近していると判定され、上記除算値「Ｓｗ」が「１」未満であったときには車両から測定対象が遠ざかっていると判定される。また、上記除算値「Ｓｗ」が「１」であったときには、車両から見た測定対象の相対的な距離が一定であると判定される。

・上記第２の実施の形態では、測定対象の認識として、車両の周辺に存在する物体の接近状態の認識のみを行うこととした。これに限らず、測定対象の接近状態の認識に併せて、この測定対象の同定を行うようにしてもよい。すなわち、先の図１０に対応する図として図１３に示すように、スペクトル測定装置として、車両周辺に存在する測定対象が人、ガードレールや動植物等のいずれの物体であるかを認識（同定）する測定対象同定部２６０をさらに備える構成としてもよい。そして、波長域選択部２５１によって抽出された大気吸収率が高い波長域のスペクトルデータを対象物種類識別部２６１に取り込み、複数の測定対象のスペクトルデータが登録されたスペクトルデータベース２６２の参照を通じて測定対象の同定を行うようにしてもよい。これにより、測定対象の同定と、この同定された測定対象の接近状態の認識とを同時に行うことができるようになる。なお、対象物種類識別部２６１に取り込まれる測定対象のスペクトルデータとは、大気吸収率が高い波長帯以外のスペクトルデータであってもよい。

・上記第１の実施の形態では、測定対象の認識として、車両から測定対象までの距離を認識することとした。これに限らず、異なる時刻の２つのスペクトルデータに基づき車両から測定対象までの距離の変化を求め、この単位時間あたりの距離の変化量に基づき車両から見た測定対象の相対的な移動速度を算出することも可能である。これにより、車両周辺に存在する測定対象の認識として、車両から見た測定対象の相対的な移動速度の認識を併せて行うことができるようになる。

・上記第２の実施の形態では、測定対象の認識として、測定対象の接近状態を認識することとした。これに限らず、異なる時刻に得られたスペクトル強度の変化量は、測定対象の移動速度にも相関するものであり、時間あたりのスペクトル強度の変化量が多いほど測定対象が近づく速度あるいは測定対象が遠ざかる速度が速いと認識することも可能である。一方、時間あたりのスペクトル強度の変化量が少ないほど測定対象が近づく速度あるいは測定対象が遠ざかる速度が遅いと認識することも可能である。このため、こうした異なる時刻に測定された同一の測定対象のスペクトル強度の変化量が所定の閾値を超えたか否かの判定を通じて、測定対象が車両に接近するときや車両から遠ざかるときの速度が「早い」、「遅い」といった認識を測定対象の接近状態の認識に併せて行うようにしてもよい。

・上記第２の実施の形態では、スペクトルデータの経時的な推移を、スペクトル強度の変化に基づき求めることとした。これに限らず、スペクトルデータの経時的な推移を、スペクトルデータの分布形状の変化に基づき求めるようにしてもよい。

・上記第１の実施の形態では、大気吸収率が特に低い波長域のスペクトルデータに基づき測定対象を同定するとともに、大気吸収率が高い波長域のスペクトルデータに基づき測定対象からの光の反射強度「Ｐｒ」を求めることとした。これに限らず、測定対象の同定を、大気吸収率が高い波長域以外のスペクトルデータに基づいて行うことも可能である。また、測定対象を同定する上で必要十分なスペクトルデータを測定可能な場合には、大気吸収率が高い波長域のスペクトルデータのみに基づいて測定対象を同定するようにしてもよい。

・上記各実施の形態では、上記測定対象に対して、照明装置１００による光の照射を常時行うこととした。これに限らず、第１の実施の形態においては、測定対象の距離を認識する際にのみ照明装置１００による照射を行うこととしてもよい。また、上記第２の実施の形態では、照明装置１００を所定の間隔で照射／非照射を行うこととし、異なる時刻の各スペクトルデータを測定するときにのみ、照明装置１００による照射を行うようにしてもよい。これにより、必要最小限の光の照射による測定対象のスペクトルデータの取得が可能となる。

・上記各実施の形態では、照明装置１００を、大気吸収率が高い波長域の光と大気吸収率が高い波長域以外の光とを共に照射可能に構成した。これに限らず、上記照明装置１００としては、例えば図１４に示すように、それぞれ波長の異なる光を発光するマトリクス状の複数のＬＥＤ発光素子によって構成されるＬＥＤ発光体を光源とした照明装置１００Ａを用いてもよい。詳述すると、この照明装置１００Ａは、大気吸収率が低い波長域として例えば「０．５μｍ」のみ、あるいは「０．５μｍ」〜「０．８μｍ」の波長域を有するＬＥＤ発光素子群と、大気吸収率が高い波長域として「０．９３μｍ」、「１．１μｍ」、「１．４μｍ」、「１．９μｍ」のいずれかの波長域を有するＬＥＤ発光素子群とによって構成される。このＬＥＤ発光素子は、短波長の光を発する特性を有しており、その波長域がＬＥＤ発光素子に含まれる不純物の含有量によって決定される。そして、上記第１の実施の形態においては、先の図３に対応する図として図１５（ａ）に示すように、大気吸収率が高い波長域として「０．９３μｍ」、「１．１μｍ」、「１．４μｍ」、「１
．９μｍ」のうち任意の波長域の光を測定対象に照射することとしてもよい。また、大気吸収率が低い波長域として「０．５μｍ」〜「０．８μｍ」の波長域の光を測定対象に照射することとしてもよい。さらに、上記第２の実施の形態においては、先の図３に対応する図として図１５（ｂ）に示すように、大気吸収率が高い波長域として「０．９３μｍ」、「１．１μｍ」、「１．４μｍ」、「１．９μｍ」のうち任意の波長域の光のみを測定対象に照射することとしてもよい。照明装置としてこのような構成によれば、大気吸収率が高い波長域の光や大気吸収率が低い波長域の光を測定対象に対して照射する上で、必要十分な光の照射が可能となる。これにより、同一の消費電力であっても、照明装置としての光強度出力を高めることができるようになり、スペクトルセンサＳによって測定されるスペクトルデータに対する環境光の影響をより低減することができるようになる。また、照明装置としてこのような構成によれば、照明装置としての消費電力の低減を図ることができるようになる。

・上記各実施の形態では、上記スペクトルセンサＳ及び照明装置を共に車両に搭載し、認識する測定対象として車両周囲の物体を認識することとした。これに限らず、スペクトルセンサＳ及び照明装置を単体のスペクトル測定装置として構成し、この装置の周辺に存在する物体を認識することとしてもよい。また、測定対象としては、人や動植物等に限らず、スペクトルセンサＳによるスペクトルデータを測定可能な物体であれば、本発明の適用は可能である。

・上記各実施の形態では、スペクトルセンサＳによって測定されたスペクトルデータに影響を及ぼす環境光として太陽光を例示した。これに限らず、環境光としては、大気吸収率の高い波長域において測定対象に照射される単位面積あたりのエネルギが低減する特性を有するものであればよい。

１００、１００Ａ…照明装置、１１０…センサ制御器、２００…電子制御装置、２１０…データ格納メモリ、２２０…測定対象同定部、２２１…影響度小帯域限定部、２２２…対象物種類識別部、２２３…スペクトルデータベース、２２４…対象物反射率参照部、２３０…反射強度取得部、２３１…影響度大帯域限定部、２３２…対象物反射強度取得部、２４０…対象物距離算出部、２５０…接近状態認識部、２５１…波長域選択部、２５２…スペクトル強度差分算出部、２５３…接近状態判定部、２６０…測定対象同定部、２６１…対象物種類識別部、２６２…スペクトルデータベース、３００…運転支援システム、Ｓ…スペクトルセンサ。

Claims (3)

1. 波長情報と光強度情報とを測定可能なスペクトルセンサにて検出される観測光のスペクトルデータに基づいて測定対象を認識するスペクトル測定装置であって、
   前記測定対象に大気吸収率の高い波長域の光、及び前記大気吸収率の高い波長域以外の波長域の光を照射する照明装置と、
   前記測定対象に前記大気吸収率の高い波長域以外の波長域の光が照射されているときの前記スペクトルセンサによる観測光のスペクトルデータと同スペクトルデータに対応して予めデータベースに登録されている複数の測定対象のスペクトルデータとの対比に基づき前記光が照射されている測定対象を同定するとともに、当該データベースに前記複数の測定対象のスペクトルデータとの対として予め併せて登録されているそれら測定対象の各々に特有の反射率を求める測定対象同定部とを備え、
   前記求められた反射率に基づく前記照明装置の光出力強度と、前記スペクトルセンサによる観測光の光強度である前記測定対象に前記大気吸収率の高い波長域の光が照射されているときの当該測定対象からの反射光の強度として求められた値と、の比として前記スペクトルデータの観測地点から前記測定対象までの距離を認識することを特徴とするスペクトル測定装置。
2. 前記測定対象同定部により求められた反射率をＲ、前記照明装置の光出力強度をＰＰ、前記スペクトルセンサによる観測光の光強度をＰｒ、前記照明装置の光出力強度と前記スペクトルセンサによる観測光の光強度との間の補正係数をｋとするとき、前記スペクトルデータの観測地点から前記測定対象までの距離は、これをＬとして、
   Ｌ４＝（ＰＰ／Ｐｒ）×Ｒ×ｋ
   によって認識する
   請求項１に記載のスペクトル測定装置。
3. 前記スペクトルセンサ及び前記照明装置は共に車両に搭載されてなり、前記認識する測定対象が当該車両周囲の物体である
   請求項１または２に記載のスペクトル測定装置。