JP7145770B2 - 車間距離測定装置、誤差モデル生成装置および学習モデル生成装置とこれらの方法およびプログラム - Google Patents

Description

本発明は、車間距離測定装置、誤差モデル生成装置および学習モデル生成装置等に関する。

Adaptive Cruise Control（以下、「ＡＣＣ」）による運転支援機能は現在多くの車に搭載されており、重要なシステムとなっている。ＡＣＣの要素技術として先行車両までの距離推定システムが挙げられ、距離センサやステレオカメラを用いた測距方法が使われている（非特許文献１）。近年では、コスト等の面から単眼カメラにおける距離推定技術が注目されており、自車両から先行車両までの路面を平面と仮定することで三角測量により先行車両までの距離を推定するSteinらが提案した手法などがある（非特許文献２）。また、Deep Neural Networks （以下、「ＤＮＮ」）を利用した学習に基づく距離推定手法も提案されており（非特許文献３）、従来の幾何学的アプローチと比較して良好な結果を示している。

特開２０１５－７９３８８号公報

Saneyoshi, K. (1996, September)「Drive assist system using stereo image recognition」In Intelligent Vehicles Symposium, 1996., Proceedings of the 1996 IEEE (pp. 230-235). IEEE. Stein, G. P., Mano, O., & Shashua, A. (2003, June)「Vision-based ACC with a single camera: bounds on range and range rate accuracy」 In Intelligent vehicles symposium, 2003. Proceedings. IEEE (pp. 120125). IEEE. Laina, Iro, et al. 「Deeper depth prediction with fully convolutional residual networks.」3D Vision (3DV), 2016 Fourth International Conference on. IEEE, 2016.

距離センサやステレオカメラを使った方法は、コストが高いという産業的なデメリットが存在する。そのため、現在、単眼カメラによる距離推定器の需要が広がっている。非特許文献２等のように、幾何学的な拘束に基づく単眼カメラを用いた距離推定手法は、多くの仮定の元で成り立っているため、走行環境に依存して推定精度が変化する。例えば、道路形状を平面と仮定しているため、曲率を持った路面に対しては正確な推定ができない。

また、機械学習手法を使った学習に基づく方法は、道路の勾配や周辺の環境に依存しない推定を行うことができる可能性を持つ。しかし、学習に基づく推定器は、学習データに存在するバイアスなどの影響を受け、学習データと異なる環境では推定精度が下がることが知られている。さらに、誤差の解析や推定結果の安定性などの評価を行うことは難しいという側面もある。

本発明者らは、特許文献１にて、単眼カメラにて車間距離を推定する方法を提案した。特許文献１で提案した手法では、路面の形状に依存しない距離推定が可能であるが、路面の形状復元に用いるVisual Odometryの精度が距離の推定精度に依存する。

本発明は、上記背景に鑑み、先行車両との車間距離と共にその誤差をも推定できる車間距離測定装置を提供することを目的とする。

本発明の車間距離測定装置は、車両に搭載されたカメラと、前記車両の位置情報を検出する位置情報検出部と、前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別すると共に前記カメラの光学中心と前記下端とを結ぶ直線を求め、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める距離算出部と、前記カメラの光学中心から先行車両の下端までの前記画像内での長さと、前記第１の位置と前記第２の位置との間での前記カメラのピッチ角の変位とを変数とする誤差のスケールのモデルを記憶した誤差モデル記憶部と、前記誤差モデル記憶部に記憶された誤差のスケールのモデルを参照し、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに基づいて、前記車間距離の誤差のスケールを算出する誤差スケール算出部と、前記車間距離および誤差のスケールを出力する出力部とを備える。この構成により、車間距離だけでなく、その誤差のスケールを求めることができる。誤差のスケールを求めることにより、例えば、車間距離を用いたアプリケーションにおいて、適切な処理を行える。

本発明の車間距離測定装置において、前記誤差モデル記憶部には、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに、前記車間距離の誤差のスケールを関連付けたルックアップテーブルの形式で、前記誤差のスケールのモデルを記憶しておいてもよい。この構成により、誤差のスケールの計算負荷を軽減することができる。

本発明の車間距離測定装置は、車両に搭載されたカメラと、前記車両の位置情報を検出する位置情報検出部と、前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別すると共に前記カメラの光学中心と前記下端とを結ぶ直線を求め、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める距離算出部と、前記第１の位置における路面に対する前記第２の位置における路面の傾きと前記カメラの光学中心から先行車両の下端までの前記画像内での長さとに基づいて、誤差のスケールを算出する誤差スケール算出部と、前記車間距離および誤差のスケールを出力する出力部とを備える。この構成により、車間距離だけでなく、その誤差のスケールを求めることができる。誤差のスケールを求めることにより、例えば、車間距離を用いたアプリケーションにおいて、適切な処理を行える。

本発明の誤差モデル生成装置は、車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別すると共に前記カメラの光学中心と前記下端とを結ぶ直線を求め、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める車間距離測定装置において、当該車間距離の誤差を推定するための誤差モデルの生成装置であって、道路の構造情報を入力する道路構造情報入力部と、前記第１の位置と先行車両の位置をランダムに決定し、前記道路の構造情報を用いて、先行車両までの車間距離の真値を計算すると共に、前記道路構造によって定まるカメラの回転角、車両の位置の真値に対して、ランダムに発生させた誤差を逐次付加して、前記第２の位置を求めることにより車間距離を計算すると共に、計算された車間距離の真値に対する誤差を計算するシミュレーション部と、前記カメラの光学中心から先行車両の下端までの前記画像内での長さと前記カメラのピッチ角の変位とを変数として、前記車間距離の誤差のスケールを解析する誤差解析部とを備える。

本発明らの研究により、車間距離の誤差のスケールは、複数の変数のうち、カメラの光学中心から先行車両の下端までの画像内での長さとカメラのピッチ角の変位との相関が強いことが分かった。本発明の構成により、シミュレーションによって、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとピッチ角の変位とに基づいて誤差のスケールを求める誤差モデルを生成することができる。

本発明の学習モデル生成装置は、カメラにて撮影した画像から車間距離を推定する学習モデルを生成する生成装置であって、先行車両が映る映像と当該映像の各フレームに対応する車両の位置情報を入力する入力部と、前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別すると共に前記カメラの光学中心と前記下端とを結ぶ直線を求め、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める距離算出部と、前記カメラの光学中心から先行車両の下端までの前記画像内での長さと、前記第１の位置と前記第２の位置との間での前記カメラのピッチ角の変位とを変数とする誤差のスケールのモデルを記憶した誤差モデル記憶部と、前記誤差モデル記憶部に記憶された誤差のスケールのモデルを参照し、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに基づいて、前記車間距離の誤差のスケールを算出する誤差スケール算出部と、複数の前記画像について求めた車間距離および誤差のスケールを教師データとして、画像から車間距離を求める学習モデルを生成するモデル生成部とを備える。

本発明の学習モデル生成装置は、カメラにて撮影した画像から車間距離を推定する学習モデルを生成する生成装置であって、先行車両が映る映像と当該映像の各フレームに対応する車両の位置情報を入力する入力部と、前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別すると共に前記カメラの光学中心と前記下端とを結ぶ直線を求め、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める距離算出部と、前記第１の位置における路面に対する前記第２の位置における路面の傾きと前記カメラの光学中心から先行車両の下端までの前記画像内での長さとに基づいて、誤差のスケールを算出する誤差スケール算出部と、複数の前記画像について求めた車間距離および誤差のスケールを教師データとして、画像から車間距離を求める学習モデルを生成するモデル生成部とを備える。

本発明によれば、先行車両が映る映像と対応する位置情報から教師データを生成するので、大量の教師データを容易に準備できる。また、車間距離と誤差のスケールとを教師データとして学習を行うので、誤差のスケールに応じて学習モデルの学習の強さを変えることができ、適切な学習モデルを生成することができる。一つの態様として、前記モデル生成部は、前記誤差のスケールが大きいほど、損失関数に与える影響を小さくして学習を行ってもよい。

本発明の車間距離測定方法は、車両に搭載されたカメラにて撮影された画像と前記車両の位置情報とに基づいて、先行車両との車間距離を測定する方法であって、車間距離測定装置に前記カメラにて撮影された画像を入力するステップと、前記車間距離測定装置に前記車両の位置情報を検出するステップと、前記車間距離測定装置が、前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求めるステップと、前記車間距離測定装置が、前記カメラの光学中心から先行車両の下端までの前記画像内での長さと、前記第１の位置と前記第２の位置との間での前記カメラのピッチ角の変位とを変数とする誤差のスケールのモデルを記憶した誤差モデル記憶部を参照し、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに基づいて、前記車間距離の誤差のスケールを算出するステップと、前記車間距離測定装置が、前記車間距離および誤差のスケールを出力するステップとを備える。また、誤差のスケールを算出するステップは、誤差モデル記憶部のデータを参照する方法に代えて、前記第１の位置における路面に対する前記第２の位置における路面の傾きと前記カメラの光学中心から先行車両の下端までの前記画像内での長さとに基づいて、誤差のスケールを算出してもよい。

本発明の誤差モデル生成方法は、車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める車間距離測定装置において、当該車間距離の誤差を推定するための誤差モデルの生成方法であって、誤差モデル生成装置に道路の構造情報を入力するステップと、前記誤差モデル生成装置が、前記第１の位置と先行車両の位置をランダムに決定し、前記道路の構造情報を用いて、先行車両までの車間距離の真値を計算すると共に、前記道路構造によって定まるカメラの回転角、車両の位置の真値に対して、ランダムに発生させた誤差を逐次付加して、前記第２の位置を求めることにより車間距離を計算すると共に、計算された車間距離の真値に対する誤差を計算するステップと、前記誤差モデル生成装置が、前記カメラのピッチ角の変位と前記カメラの光学中心から先行車両の下端までの前記画像内での長さを変数として、前記車間距離の誤差のスケールを解析するステップとを備える。

本発明の車間距離測定のプログラムは、車両に搭載されたカメラにて撮影された画像と前記車両の位置情報とに基づいて、先行車両との車間距離を測定するためのプログラムであって、コンピュータに、前記カメラにて撮影された画像を入力するステップと、前記車両の位置情報を入力するステップと、前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求めるステップと、前記カメラの光学中心から先行車両の下端までの前記画像内での長さと、前記第１の位置と前記第２の位置との間での前記カメラのピッチ角の変位とを変数とする誤差のスケールのモデルを記憶した誤差モデル記憶部を参照し、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに基づいて、前記車間距離の誤差のスケールを算出するステップと、前記車間距離および誤差のスケールを出力するステップとを実行させる。また、誤差のスケールを算出するステップは、誤差モデル記憶部のデータを参照する方法に代えて、前記第１の位置における路面に対する前記第２の位置における路面の傾きと前記カメラの光学中心から先行車両の下端までの前記画像内での長さとに基づいて、誤差のスケールを算出してもよい。

本発明の誤差モデル生成のプログラムは、車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める車間距離測定装置において、当該車間距離の誤差を推定するための誤差モデルを生成するためのプログラムであって、コンピュータに、道路の構造情報を入力するステップと、前記第１の位置と先行車両の位置をランダムに決定し、前記道路の構造情報を用いて、先行車両までの車間距離の真値を計算すると共に、前記道路構造によって定まるカメラの回転角、車両の位置の真値に対して、ランダムに発生させた誤差を逐次付加して、前記第２の位置を求めることにより車間距離を計算すると共に、計算された車間距離の真値に対する誤差を計算するステップと、前記カメラのピッチ角の変位と前記カメラの光学中心から先行車両の下端までの前記画像内での長さを変数として、前記車間距離の誤差のスケールを解析するステップと、を実行させる。

本発明によれば、車間距離だけでなく、その誤差のスケールを求めることができる。

第１の実施の形態の車間距離測定装置の構成を示す図である。 カメラの設置位置を示す図である。 自車両の軌跡と地面点の軌跡を示す図である。 （ａ）カメラの光学中心と先行車両の下端とを結ぶ直線Ｌを示す図である。（ｂ）カメラの光学中心と先行車両の下端とを結ぶ直線Ｌを示す図である。 （ａ）地面点の軌跡、および直線Ｌを、世界座標系にプロットした図である。（ｂ）地面点の軌跡、および直線Ｌを、世界座標系にプロットした図である。 第１の実施の形態の車間距離測定方法の動作を示すフローチャートである。 画像から検出された車両の左端、右端、下端の座標の算出例を示す図である。 車間距離測定装置で用いる誤差モデルを生成する誤差モデル生成装置の構成を示す図である。 車間距離Ｄを求める際に用いる主なセンサ値を示す図である。 誤差モデル生成装置の動作を示すフローチャートである。 第２の実施の形態の車間距離測定装置の構成を示す図である。 第２の実施の形態において先行車両の下端を求める原理を示す図である。 第３の実施の形態の学習モデル生成装置の構成を示す図である。 第３の実施の形態の学習モデル生成装置の動作を示すフローチャートである。

以下、本発明の実施の形態に係る車間距離測定装置について図面を参照しながら詳細に説明する。
（第１の実施の形態）
［車間距離測定装置の構成］
図１は、第１の実施の形態の車間距離測定装置１の構成を示す図である。車間距離測定装置１は、車両に搭載されたカメラ１０と、車両の現在位置を検出して位置情報を取得するＧＰＳ／ＩＭＵ１１と、カメラ１０にて撮影した画像とＧＰＳ／ＩＭＵ１１からの位置情報とに基づいて先行車両までの車間距離を推定する距離算出部１２と、距離算出部１２にて推定した車間距離の誤差のスケールを算出する誤差スケール算出部１３と、誤差スケールの算出に用いられる誤差モデルを記憶した誤差モデル記憶部１４と、求めた車間距離および誤差のスケールを出力する出力部１５とを備えている。カメラ１０は、例えば、ＣＣＤカメラ１０である。

図２は、カメラ１０の設置位置を示す図である。カメラ１０は、車両の先端（フロントバンパー）に設置される。カメラ１０の地面からの高さをＨとし、本書では、カメラ１０の光学中心の鉛直下方向の地面を地面点という。

カメラ１０の車両への設置に際して、カメラ１０の光軸（Ｚ軸）が車両の進行方向と一致し、カメラ１０によって撮影された画像の横軸（Ｘ軸）が地面と平行になるように、カメラ１０の設置角度等が調整される。この結果、画像の縦軸（Ｙ軸）は、地面に垂直な方向に一致する。このカメラ１０は、車両が走行している間に画像を撮影して、その撮影した画像を距離算出部１２に入力する。

距離算出部１２は、ＧＰＳ／ＩＭＵ１１から入力された車両の位置情報に基づいて、車両の移動軌跡を求める。これにより、車両が通過した道路の起伏が求まる。

図３は、自車両の軌跡と地面点の軌跡を示す図である。図３においては、初期の時刻におけるカメラ１０の位置を原点、光軸方向をＺ軸、地面方向をＹ軸とし、Ｘ軸は右手座標系によって定めている（世界座標系）。ＹＺ平面上で記述された地面点の軌跡は、地面の起伏を示しており、これにより、車両が通過した道路の起伏が分かる。

また、距離算出部１２は、カメラ１０にて撮影した画像から、先行車両の下端を識別し、その画像座標を求める。画像座標の原点は、カメラの光学中心である。この画像座標を用いて、図４（ａ）に示すように、カメラ１０の光学中心と先行車両の下端とを結ぶ直線Ｌを求める。この直線Ｌは世界座標系における直線である。

続いて、カメラ１０にて撮影した次のフレームの画像から、同様に、カメラ１０の光学中心と先行車両の下端とを結ぶ直線Ｌを求める。図４（ｂ）に示すように、自車両および先行車両が前方に進んでいるので、先に求めた直線Ｌとは異なる直線が求まる。

図５（ａ）及び図５（ｂ）は、地面点の軌跡、および直線Ｌを、世界座標系にプロットした図である。図５（ａ）に示す状態では、先行車両の下端がある方向は分かるものの、何ｍ先の位置に先行車両があるのかを確定することはできない。

図５（ｂ）に示すように、時刻ｔ１までに記述された地面点の軌跡と、過去の時刻ｔ０における直線Ｌとが交差したとすると、この交点は、時刻ｔ０で観測された先行車両の下端があった位置であることが分かる。したがって、距離算出部１２は、時刻ｔ１に求められた交点の位置と、時刻ｔ０におけるカメラ１０の光学中心の位置とに基づいて車間距離を求めることができる。

図５（ｂ）から分かるように、本実施の形態の車間距離測定の原理は、地面を「測量」しつつ進むことで、過去の（時刻ｔ０における）車間距離を測定するというものである。時刻ｔ０に先行車両を撮影したときの自車両の位置を「第１の位置」、時刻ｔ１に求まった直線と地面点の軌跡との交点を「第２の位置」という。

なお、車間距離を求める処理は、車両が直線区間を走行している間に行うことが好ましい。直線区間においては、道路の起伏を「測量」する方向と、先行車両の下端を臨む方向が一致するためである。

誤差スケール算出部１３は、誤差モデル記憶部１４に記憶された誤差モデルを参照して、距離算出部１２にて求めた車間距離の誤差を算出する機能を有する。誤差モデル記憶部１４に記憶された誤差モデルは、画像に映る先行車両の下端までの長さ（光学中心を原点とすると下端のｙ座標値）とカメラ１０のピッチ角の変位とに車間距離の誤差スケールを関連付けたルックアップテーブルである。誤差モデル記憶部１４に記憶される誤差モデルの生成の仕方については、後述する。

誤差スケール算出部１３は、（ｉ）第１の位置にて撮影した画像内に映る先行車両の下端座標、（ｉｉ）第１の位置と第２の位置との間でのカメラ１０のピッチ角の変位、に対応する誤差のスケールをルックアップテーブルから読み出し、誤差のスケールを求める。

出力部１５は、距離算出部１２にて求めた先行車両との車間距離と、誤差スケール算出部１３にて求めた誤差スケールのデータを出力する機能を有する。出力部１５は、例えば、ユーザに対して車間距離のデータを表示するモニタであってもよいし、他の車載機器に対して車間距離のデータを出力する通信インターフェースであってもよい。

以上、実施の形態の車間距離測定装置１について説明したが、車間距離測定装置１は、図示しないＣＰＵ、ＲＯＭ、ＲＡＭ等からなるマイクロコンピュータによって構成される。車間距離測定装置１は、例えば、ＲＯＭに記憶されているプログラムに従って、カメラ１０にて撮影された画像に基づき、先行車両との車間距離を算出する。このようなプログラムも本発明の範囲に含まれる。

［車間距離測定装置の動作］
図６は、本実施の形態の車間距離測定装置の動作を示すフローチャートである。
車間距離測定装置１は、カメラ１０にて進行方向の画像を撮影し、その画像を距離算出部１２に入力する（Ｓ１０）。同時に、車間距離測定部は、ＧＰＳ／ＩＭＵ１１にて自車両の位置情報を取得し、距離算出部１２に入力する（Ｓ１１）。

車間距離測定装置１は、入力された画像から先行車両を識別する。例えば、画像からＨＯＧ特徴を抽出し、得られた特徴量に対してサポートベクトルマシンなどのパターン識別器を適応する。ＨＯＧ特徴は、N. Dalal and B. Triggs「Histograms of oriented gradients for human detection」CVPR 2005.に詳しく紹介されている。

次に、図７に示すように、画像から検出された車両の左端のｘ座標、右端のｘ座標、下端のｙ座標を算出する（Ｓ１２）。画像座標は、横方向をｘ、縦方向をｙ、単位をピクセル、原点を光軸の通過点とする。左端の求め方は、例えば、識別器を当てた窓の左の端の近傍のうち、輝度勾配の変化の最も大きな箇所としてよい。または、前のフレームと現在のフレームの間の、先行車両の画像平面上の移動量（オプティカルフロー）を求めることにより、前のフレームの左端の座標を現在のフレームに移動させてもよい。車間距離測定装置１は、世界座標系において第１の位置におけるカメラ１０の光学中心から先行車両の下端までの直線Ｌを算出する（Ｓ１３）。

車両の左端および右端を検出することにより先行車両の実車幅が分かるので、車幅を確定した後は、画像に映る先行車両の車幅と実車幅とに基づいて車間距離を直ちに求めることができるようになる。なお、このような処理を行わない場合には、車両の左右端を検出しなくてもよい。

車間距離測定装置１は、車両の進行とともにＧＰＳ／ＩＭＵ１１にて逐次検出される位置情報に基づいて道路の起伏のデータを求め（Ｓ１４）、求めたデータを用いて直線Ｌと道路とが交差したか否かを判定する（Ｓ１５）。道路が直線Ｌと交差していない場合には（Ｓ１５でＮＯ）、車間距離測定装置１は、ＧＰＳ／ＩＭＵ１１にて検出した位置情報を用いて道路の起伏のデータを求める処理を行う。

直線Ｌと道路とが交差した場合には、交差した位置と最初に先行車両を識別したとき（自車両が第１の位置にあるとき）のカメラ１０の位置に基づいて、先行車両との車間距離を求める（Ｓ１６）。本実施の形態では、最初に先行車両を検知した位置（第１の位置）を世界座標の原点としているので、直線Ｌと道路とが交差した位置のＺ座標値を車間距離とする（図５（ｂ）参照）。

また、車間距離測定装置１は、第１の位置にて検出した先行車両の下端位置Ｌyと、第１の位置と第２の位置との間でのカメラ１０のピッチ角Ｏpitchの変位に対応する誤差スケールを誤差モデル記憶部１４に記憶されたルックアップテーブルから読み出し、誤差スケールを算出する（Ｓ１７）。車間距離測定装置１は、算出した車間距離と誤差スケールとを出力する（Ｓ１８）。

［誤差モデル生成装置］
図８は、車間距離測定装置１で用いる誤差モデルを生成する誤差モデル生成装置２０の構成を示す図である。まず、誤差モデル生成装置２０の概要について説明する。図９は、車間距離Ｄを求める際に用いる主なセンサ値を示す図である。自車両の位置（Ｘ，Ｙ，Ｚ）と、カメラ１０のピッチ角φと、画像に映る先行車両の下端の位置座標ｙがある。なお、ｆは焦点距離、Ｈはカメラ１０の高さである。

上記した車間距離の測定に対する誤差要因としては、自車両位置（Ｘ，Ｙ，Ｚ）の誤差（Ｍx，Ｍy，Ｍz）、自車両のロール角、ピッチ角、ヨー角の誤差（Ｏroll，Ｏpitch，Ｏyaw）、先行車両の下端検出位置（ｘ，ｙ）の誤差（Ｌx，Ｌy）の８要素の誤差が考えられる。誤差モデル生成装置２０は、モンテカルロシミュレーションによって、それぞれの誤差、路面の曲率、自車速度等を擬似的に与えて誤差推定を繰り返し、得られた誤差の推定結果に基づいて、誤差解析を行う。

本発明者らは、これらの８要素のうち、車間距離に対する誤差の支配項は、自車両のピッチ角Ｏpitchと下端検出位置Ｌyの誤差であることを見出した。そこで、誤差解析を行う際には、ピッチ角Ｏpitchと先行車両の下端検出位置Ｌyを変数として誤差解析を行う。これにより、誤差のスケールをピッチ角Ｏpitchと先行車両の下端検出位置Ｌyによってモデル化する。以下、誤差モデル生成装置２０の構成について具体的に説明する。

図８に示すように、誤差モデル生成装置２０は、道路構造の情報を入力する道路構造情報入力部２１と、入力された道路構造上に自車両と先行車両をランダムに配置してその車間距離と誤差のシミュレーションを行うシミュレーション部２２と、シミュレーションによって求めた車間距離と誤差のデータを用いて誤差解析を行う誤差解析部２８と、誤差解析部２８による解析結果に基づいて生成した誤差モデルを記憶する記憶部２９とを有している。

シミュレーション部２２は、車両配置部２３と、真値計算部２４と、誤差設定部２５と、距離算出部２６と、誤差スケール算出部２７とを有している。車両配置部２３は、道路構造上に自車両と先行車両をランダムに配置する機能を有する。真値計算部２４は、ランダムに配置された自車両と先行車両の車間距離の真値を計算する機能を有する。距離算出部２６は、車間距離測定装置１の距離算出部１２と同様に自車両を先行車両の位置にまで移動させるシミュレーションを行い、自車両と先行車両との車間距離を計算する機能を有する。

距離算出部２６は、車間距離の計算において自車両が先行車両の位置まで移動する間の自車両位置（Ｘ，Ｙ，Ｚ）、自車両の姿勢（Ｏroll，Ｏpitch，Ｏyaw）、先行車両の下端検出位置（Ｌx，Ｌy）の真値に対してランダムな誤差を設定し、誤差が付加された値を用いて車間距離を算出する。誤差設定部２５は、ランダムな誤差を発生し、距離算出部１２に入力する機能を有する。車間距離を自車両の速度と車間時間とに基づいて決定する場合には、誤差設定部２５は、各センサ値の誤差だけでなく、自車両の速度、車間時間もランダムに設定してもよい。

誤差スケール算出部２７は、距離算出部２６にて算出された車間距離と真値との差によって誤差を算出する機能を有する。シミュレーション部２２は、付加する誤差を変えて、距離算出部２６により車間距離の算出を繰り返し行って、多数のシミュレーション結果を得る。また、車両配置部２３にて車両の位置をランダムに変えて多数のシミュレーション結果を得る。

誤差解析部２８は、車間距離とそれに対する誤差のシミュレーション結果に基づいて、誤差モデルを生成する機能を有する。誤差解析部２８は、得られたシミュレーション結果に対し、自車両のピッチ角Ｏpitchの変位と下端の検出位置Ｌyを入力変数として、次式に示すように、誤差の分散の回帰問題から誤差の分散をモデル化する。

図１０は、誤差モデル生成装置２０の動作を示すフローチャートである。誤差モデル生成装置２０は、まず、シミュレーションを行う道路構造の情報の入力を受け付ける（Ｓ２０）。道路構造の情報としては、道路構造令の規定に準拠した構造の情報を入力する。誤差モデル生成装置２０は、自車両及び先行車両の位置をランダムに決定し（Ｓ２１）、その車間距離の真値を計算する（Ｓ２２）。

次に、誤差モデル生成装置２０は、自車両の位置から先行車両の位置まで移動させるシミュレーションを行って車間距離を算出する。具体的には、自車両の位置から先行車両の位置まで移動する間における各センサ値の真値に対して、ランダムに発生した誤差を付加して車間距離を算出し、算出した車間距離の真値からの誤差を算出する（Ｓ２３）。

誤差モデル生成装置２０は、車両配置部２３にてランダムに設定した配置でのシミュレーションを終了するか否かを判定する（Ｓ２４）。設定された配置でのシミュレーションを終了しない場合には（Ｓ２４でＮＯ）、誤差モデル生成装置２０は、ランダムな誤差を設定して車間距離及び誤差の計算を繰り返し行う。設定された配置でのシミュレーションを終了する場合には（Ｓ２４でＹＥＳ）、自車両及び先行車両を別の位置に設定して計算を行うか否かを判定する（Ｓ２５）。

別の配置でのシミュレーションを行う場合には（Ｓ２５でＹＥＳ）、誤差モデル生成装置２０は、自車両及び先行車両の位置をランダムに決定し（Ｓ２１）、上記したシミュレーションを行って車間距離及び誤差のデータを求める（Ｓ２２～Ｓ２４）。別の配置でのシミュレーションを行わない場合には、別の道路構造でシミュレーションを行うか否かを判定する（Ｓ２６）。別の道路構造でシミュレーションを行う場合には（Ｓ２６でＹＥＳ）、道路の構造情報の入力（Ｓ２０）に戻って、新たな道路構造情報の入力を受け付け、上記したシミュレーションを行う（Ｓ２１～Ｓ２５）。別の道路構造でのシミュレーションを行わない場合には（Ｓ２６でＮＯ）、シミュレーションによって求めた車間距離及び誤差を解析して誤差モデルを生成し、生成した誤差モデルを記憶する（Ｓ２７）。

ここで、一例として、誤差モデルの多項式回帰の例を示す。

上述したように車間距離測定装置１では、誤差モデル記憶部１４は、画像に映る先行車両の下端位置とカメラ１０のピッチ角の変位とに車間距離の誤差のスケールを関連付けたルックアップテーブルの形式の誤差モデルを記憶している。それに合わせて、誤差モデル生成装置２０は、誤差モデルをルックアップテーブルに加工してもよい。以上、第１の実施の形態の車間距離測定装置１および車間距離測定装置１で用いられる誤差モデルを生成する誤差モデル生成装置２０とそれらの動作について説明した。

第１の実施の形態の車間距離測定装置１は、先行車両との車間距離だけでなく、その誤差のスケールを求めることができる。誤差のスケールは、車間距離の信頼度を示すものであり、距離推定を行う上での補助的な情報を得ることが可能となる。例えば、測定された車間距離をカルマンフィルタに適用する際に、誤差のスケールを入力することにより、信頼度の低い測定結果はカルマンフィルタの更新に用いないという処理をすることができる。

誤差モデル生成装置２０では、シミュレーションによる擬似的な距離推定を繰り返して車間距離の測定結果のサンプルを収集することで、各サンプルと解析的に特定された誤差の支配項を使った多項式回帰による誤差のモデリングが可能である。

（第２の実施の形態）
図１１は、第２の実施の形態の車間距離測定装置２の構成を示す図である。第２の実施の形態の基本的な構成は、第１の実施の形態の車間距離測定装置１と同じであり、車間距離とその誤差スケールを求める。第２の実施の形態の車間距離測定装置２による車間距離の測定の仕方は第１の実施の形態の車間距離測定装置１と同じである。第２の実施の形態の車間距離測定装置２では、誤差スケール算出部１６が誤差スケール算出式を用いて誤差のスケールを算出する点が異なる。

最初に、第２の実施の形態における誤差スケール算出の考え方を説明する。自車両と先行車両との間の路面が曲率を有する場合であっても、自車両および先行車両が載っている路面は局所的にみれば平面である。本発明者らは、車間距離の誤差は、自車両が載っている路面から見た先行車両が載っている路面の傾きに依存することに着目した。

図１２は、第２の実施の形態において先行車両の下端を求める原理を示す図である。自車両が載っている平面に対する先行車両が載っている平面の傾きは「ａ」である。先行車両の下端は、（ｉ）自車両のカメラの光学中心と下端とを結ぶ直線と、（ｉｉ）先行車両が載っている路面との交点である。（ｉ）自車両のカメラの光学中心と下端とを結ぶ直線は、カメラの焦点距離をｆとすると次式（１）で表され、（ｉｉ）路面は次式（２）で表される。

これをＺについて解くと、

となる。先行車両の下端の観測誤差を

とすれば、１次のテイラー展開により、車間距離の誤差のスケールは、次式（４）で表される。

第２の実施の形態の車間距離測定装置２は、式（４）で示される誤差スケールの算式を記憶部１７に記憶している。誤差スケール算出部１６は、記憶部１７から誤差スケールの算式を読み出し、誤差スケールを計算する。

第２の実施の形態の車間距離測定装置２において、カメラ画像及びＧＰＳ／ＩＭＵ１１からの位置情報に基づいて先行車両との車間距離を算出する距離算出部１２の構成、および、車間距離と誤差スケールを出力する出力部１５の構成は、第１の実施の形態の車間距離測定装置１と同じである。

第２の実施の形態の車間距離測定装置２は、第１の実施の形態の車間距離測定装置１と同様に、先行車両との車間距離だけでなく、その誤差のスケールを求めることができる。また、シミュレーションを行って誤差モデルを生成することなく誤差スケールを計算できるので、車間距離測定装置２を容易に構成することができる。

なお、本実施の形態では、ピンホールカメラモデルを採用した例を挙げて説明したが、ピンホールカメラ以外のカメラにおいても上記と同様に誤差のスケールを求めることが可能である。

（第３の実施の形態）
第３の実施の形態では、カメラで撮影した画像から車間距離を推定する装置で用いられる学習モデルを生成する学習モデル生成装置３について説明する。学習モデルを生成するためには、教師データとして、カメラ画像とそのカメラ画像に映る先行車両までの車間距離の正解データのセットが必要であるが、一般的に、大量の教師データを準備することは容易なことではない。第３の実施の形態の学習モデル生成装置３では、道路を走行した際に前方を撮影した映像と当該映像の各フレームに対応する自車両の位置情報とを用いて、学習モデルを生成する。

図１３は、第３の実施の形態の学習モデル生成装置３の構成を示す図である。学習モデル生成装置３は、入力部３０と、距離算出部３１と、誤差スケール算出部３２と、誤差モデル記憶部３３と、モデル生成部３４と、学習モデル記憶部３５とを有している。入力部３０は、道路を走行した際に前方を撮影した映像と当該映像の各フレームに対応する自車両の位置情報の入力を受け付ける。距離算出部３１および誤差スケール算出部３２は、第１の実施の形態の車両測定装置で説明した距離算出部３１および誤差スケール算出部３２と同じ構成を有し、動画の各フレームに映る先行車両までの車間距離を求める。これにより、動画の各フレームの画像と、車間距離及びその誤差スケールとをセットにした教師データを生成する。

モデル生成部３４は、先行車両が映る画像と、車間距離及びその誤差スケールとを教師データとして学習モデルを生成し、生成した学習モデルを学習モデル記憶部３５に記憶する。学習パラメータθを持つ推定器を関数ｆ_θ（・）で表し、入力変数をｘとし、車間距離のターゲット値をＺとすれば、回帰問題として以下の定式化が可能である。

距離算出部３１で算出した車間距離を正解として扱うが、上述したとおり距離算出部３１にて求めた車間距離には誤差が含まれる。モデル生成部３４は、誤差のスケールが大きいほど、損失関数に与える影響を小さくして学習を行う。具体的には、本実施の形態では、誤差スケールの大きい車間距離は重要視しないように、次式を用いて学習を行う。

図１４は、第３の実施の形態の学習モデル生成装置３の動作を示すフローチャートである。学習モデル生成装置３は、車両が走行して撮影した動画と各フレームでの位置情報の入力を受け付ける（Ｓ３０）。学習モデル生成装置３は、各フレームにおいて先行車両を識別し、先行車両までの車間距離および誤差スケールを算出する（Ｓ３１）。この処理は、第１の実施の形態の車間距離測定装置１における車間距離の測定の動作（図６参照）と同じである。これにより、学習モデル生成装置３は、教師データを生成する。学習モデル生成装置３は、生成された教師データを用いて学習モデルを生成する（Ｓ３２）。

第３の実施の形態の学習モデル生成装置３は、走行中の映像とそれに対応する位置情報を用いて、画像に対応する車間距離を計算して教師データとして用いるので、教師データの作成にかかるコストを大幅に下げることができる。

また、車間距離のデータだけでなく、その誤差のスケールを用いて学習を行うので、精度の良い学習モデルを生成することができる。このようにして生成された学習モデルを用いることにより、車間距離を推定する際には、先行車両が映った画像から直ちに車間距離を推定することができる。

なお、第３の実施の形態では、車間距離および誤差スケールの算出に、第１の実施の形態の車間距離測定装置１で説明した方法を採用する例を説明したが、第２の実施の形態の車間距離測定装置２で説明した方法を採用することももちろん可能である。

以上、本発明の車間距離測定装置、誤差モデル生成装置および学習モデル生成装置について説明したが、本発明は上記した実施の形態に限定されるものではない。

上記した実施の形態においては、ＧＰＳ／ＩＭＵから車両の位置情報を取得する例について説明したが、車両の位置情報は、特許文献１で説明したように、Visual Odometryによって計測することとしてもよい。

本発明は、先行車両との車間距離を測定する車間距離測定装置として有用である。

１，２ 車間距離測定装置
３ 学習モデル生成装置
１０ カメラ
１１ ＧＰＳ／ＩＭＵ
１２ 距離算出部
１３，１６ 誤差スケール算出部
１４，１７ 誤差モデル記憶部
１５ 出力部
２０ 誤差モデル生成装置
２１ 道路構造情報入力部
２２ シミュレーション部
２３ 車両配置部
２４ 真値計算部
２５ 誤差設定部
２６ 距離算出部
２７ 誤差スケール算出部
２８ 誤差解析部
２９ 誤差モデル記憶部
３０ 入力部
３１ 距離算出部
３２ 誤差スケール算出部
３３ 誤差モデル記憶部
３４ モデル生成部
３５ 学習モデル記憶部

Claims (13)

1. 車両に搭載されたカメラと、
   前記車両の位置情報を検出する位置情報検出部と、
   前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める距離算出部と、
   前記カメラの光学中心から先行車両の下端までの前記画像内での長さと、前記第１の位置と前記第２の位置との間での前記カメラのピッチ角の変位とを変数とする誤差のスケールのモデルを記憶した誤差モデル記憶部と、
   前記誤差モデル記憶部に記憶された誤差のスケールのモデルを参照し、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに基づいて、前記車間距離の誤差のスケールを算出する誤差スケール算出部と、
   前記車間距離および誤差のスケールを出力する出力部と、
   を備える車間距離測定装置。
2. 前記誤差モデル記憶部には、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに、前記車間距離の誤差のスケールを関連付けたルックアップテーブルの形式で、前記誤差のスケールのモデルが記憶されている請求項１に記載の車間距離測定装置。
3. 車両に搭載されたカメラと、
   前記車両の位置情報を検出する位置情報検出部と、
   前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める距離算出部と、
   前記第１の位置における路面に対する前記第２の位置における路面の傾きと前記カメラの光学中心から先行車両の下端までの前記画像内での長さとに基づいて、誤差のスケールを算出する誤差スケール算出部と、
   前記車間距離および誤差のスケールを出力する出力部と、
   を備える車間距離測定装置。
4. 車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める車間距離測定装置において、当該車間距離の誤差を推定するための誤差モデルの生成装置であって、
   道路の構造情報を入力する道路構造情報入力部と、
   前記第１の位置と先行車両の位置をランダムに決定し、前記道路の構造情報を用いて、先行車両までの車間距離の真値を計算すると共に、前記道路構造によって定まるカメラの回転角、車両の位置の真値に対して、ランダムに発生させた誤差を逐次付加して、前記第２の位置を求めることにより車間距離を計算すると共に、計算された車間距離の真値に対する誤差を計算するシミュレーション部と、
   前記カメラの光学中心から先行車両の下端までの前記画像内での長さと前記カメラのピッチ角の変位とを変数として、前記車間距離の誤差のスケールを解析する誤差解析部と、
   を備える誤差モデル生成装置。
5. カメラにて撮影した画像から車間距離を推定する学習モデルを生成する生成装置であって、
   先行車両が映る映像と当該映像の各フレームに対応する車両の位置情報を入力する入力部と、
   前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系における前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める距離算出部と、
   前記カメラの光学中心から先行車両の下端までの前記画像内での長さと、前記第１の位置と前記第２の位置との間での前記カメラのピッチ角の変位とを変数とする誤差のスケールのモデルを記憶した誤差モデル記憶部と、
   前記誤差モデル記憶部に記憶された誤差のスケールのモデルを参照し、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに基づいて、前記車間距離の誤差のスケールを算出する誤差スケール算出部と、
   複数の前記画像について求めた車間距離および誤差のスケールを教師データとして、画像から車間距離を求める学習モデルを生成するモデル生成部と、
   を備える学習モデル生成装置。
6. カメラにて撮影した画像から車間距離を推定する学習モデルを生成する生成装置であって、
   先行車両が映る映像と当該映像の各フレームに対応する車両の位置情報を入力する入力部と、
   前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系における前記カメラの光学中心と前記下端とを結ぶ直線を求め、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める距離算出部と、
   前記第１の位置における路面に対する前記第２の位置における路面の傾きと前記カメラの光学中心から先行車両の下端までの前記画像内での長さとに基づいて、誤差のスケールを算出する誤差スケール算出部と、
   複数の前記画像について求めた車間距離および誤差のスケールを教師データとして、画像から車間距離を求める学習モデルを生成するモデル生成部と、
   を備える学習モデル生成装置。
7. 前記モデル生成部は、前記誤差のスケールが大きいほど、損失関数に与える影響を小さくして学習を行う請求項５または６に記載の学習モデル生成装置。
8. 車両に搭載されたカメラにて撮影された画像と前記車両の位置情報とに基づいて、先行車両との車間距離を測定する方法であって、
   車間距離測定装置に前記カメラにて撮影された画像を入力するステップと、
   前記車間距離測定装置に前記車両の位置情報を検出するステップと、
   前記車間距離測定装置が、前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求めるステップと、
   前記車間距離測定装置が、前記カメラの光学中心から先行車両の下端までの前記画像内での長さと、前記第１の位置と前記第２の位置との間での前記カメラのピッチ角の変位とを変数とする誤差のスケールのモデルを記憶した誤差モデル記憶部を参照し、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに基づいて、前記車間距離の誤差のスケールを算出するステップと、
   前記車間距離測定装置が、前記車間距離および誤差のスケールを出力するステップと、
   を備える車間距離測定方法。
9. 車両に搭載されたカメラにて撮影された画像と前記車両の位置情報とに基づいて、先行車両との車間距離を測定する方法であって、
   車間距離測定装置に前記カメラにて撮影された画像を入力するステップと、
   前記車間距離測定装置に前記車両の位置情報を検出するステップと、
   前記車間距離測定装置が、前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求めるステップと、
   前記車間距離測定装置が、前記第１の位置における路面に対する前記第２の位置における路面の傾きと前記カメラの光学中心から先行車両の下端までの前記画像内での長さとに基づいて、誤差のスケールを算出するステップと、
   前記車間距離測定装置が、前記車間距離および誤差のスケールを出力するステップと、
   を備える車間距離測定方法。
10. 車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める車間距離測定装置において、当該車間距離の誤差を推定するための誤差モデルの生成方法であって、
    誤差モデル生成装置に道路の構造情報を入力するステップと、
    前記誤差モデル生成装置が、前記第１の位置と先行車両の位置をランダムに決定し、前記道路の構造情報を用いて、先行車両までの車間距離の真値を計算すると共に、前記道路構造によって定まるカメラの回転角、車両の位置の真値に対して、ランダムに発生させた誤差を逐次付加して、前記第２の位置を求めることにより車間距離を計算すると共に、計算された車間距離の真値に対する誤差を計算するステップと、
    前記誤差モデル生成装置が、前記カメラのピッチ角の変位と前記カメラの光学中心から先行車両の下端までの前記画像内での長さを変数として、前記車間距離の誤差のスケールを解析するステップと、
    を備える誤差モデル生成方法。
11. 車両に搭載されたカメラにて撮影された画像と前記車両の位置情報とに基づいて、先行車両との車間距離を測定するためのプログラムであって、コンピュータに、
    前記カメラにて撮影された画像を入力するステップと、
    前記車両の位置情報を入力するステップと、
    前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求めるステップと、
    前記カメラの光学中心から先行車両の下端までの前記画像内での長さと、前記第１の位置と前記第２の位置との間での前記カメラのピッチ角の変位とを変数とする誤差のスケールのモデルを記憶した誤差モデル記憶部を参照し、前記カメラの光学中心から先行車両の下端までの前記画像内での長さとカメラのピッチ角の変位とに基づいて、前記車間距離の誤差のスケールを算出するステップと、
    前記車間距離および誤差のスケールを出力するステップと、
    を実行させるプログラム。
12. 車両に搭載されたカメラにて撮影された画像と前記車両の位置情報とに基づいて、先行車両との車間距離を測定するためのプログラムであって、コンピュータに、
    前記カメラにて撮影された画像を入力するステップと、
    前記車両の位置情報を入力するステップと、
    前記車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求めるステップと、
    前記第１の位置における路面に対する前記第２の位置における路面の傾きと前記カメラの光学中心から先行車両の下端までの前記画像内での長さとに基づいて、誤差のスケールを算出するステップと、
    前記車間距離および誤差のスケールを出力するステップと、
    を実行させるプログラム。
13. 車両が第１の位置にあるときに先行車両を撮影した画像において先行車両の下端を識別し、世界座標系において前記カメラの光学中心と前記下端とを結ぶ直線を求めると共に、前記車両が走行することにより逐次得られる位置情報に基づいて道路の形状を求め、前記直線が前記道路と交差する第２の位置を求めることにより、前記車両が前記第１の位置にあったときの先行車両との車間距離を求める車間距離測定装置において、当該車間距離の誤差を推定するための誤差モデルを生成するためのプログラムであって、コンピュータに、
    道路の構造情報を入力するステップと、
    前記第１の位置と先行車両の位置をランダムに決定し、前記道路の構造情報を用いて、先行車両までの車間距離の真値を計算すると共に、前記道路構造によって定まるカメラの回転角、車両の位置の真値に対して、ランダムに発生させた誤差を逐次付加して、前記第２の位置を求めることにより車間距離を計算すると共に、計算された車間距離の真値に対する誤差を計算するステップと、
    前記カメラのピッチ角の変位と前記カメラの光学中心から先行車両の下端までの前記画像内での長さを変数として、前記車間距離の誤差のスケールを解析するステップと、
    を実行させるプログラム。

Images