JPH06215290A - Method of detecting object existing ahead of vehicle - Google Patents

Abstract

PURPOSE:To detect an object existing ahead on a curve road as quickly as possible (during the period of its existence far away) and to improve detecting accuracy. CONSTITUTION:In a method for calculating the differential value of image data representing a scene including a road surface existing ahead of a vehicle on the screen of an X-Y orthogonal coordinate system, for obtaining a straight line representing the range of plural feature points (Xs, Ys) with positions more than a set point value as a feature point (Xs, Ys), detecting right and left end white lines on a traveling lane, and detecting an object in a prescribed area with the straight lines representing the right and left end white lines as a reference point, an area where a road surface is existing ahead of the vehicle on the picture is divided into plural areas in the proceeding direction of the vehicle and the right and left end white lines on the traveling lane are detected successively from the divided area close to the vehicle to detect the object existing between the right and left end white lines.

Description

【発明の詳細な説明】Detailed Description of the Invention

【０００１】[0001]

【産業上の利用分野】本発明は、車両前方の物体の有無
検出に関し、特に、これに限定する意図ではないが、車
両上において車両前方の、路面を含むシ−ンを撮影し、
撮影画面上で、路面上の先行車両や前方障害物の検出な
らびに自車両との距離を検出する、車上距離検出装置に
関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to the detection of the presence or absence of an object in front of a vehicle. In particular, although not intended to be limited to this, a scene including a road surface in front of the vehicle is photographed,
The present invention relates to an on-vehicle distance detection device that detects a preceding vehicle or a front obstacle on a road surface and a distance to a vehicle on a shooting screen.

【０００２】[0002]

【従来の技術】この種の検出装置の一例が、特開昭64-1
5605号公報に開示されている。これにおいては、車両に
搭載された撮影装置で得た、車両前方の路面を含むシ−
ンをＸ，Ｙ直交座標系画面に表わす画像デ−タの、Ｘ軸
に対して45度の角度をなす方向の微分値を算出してそれ
が設定値以上のＸ，Ｙ直交座標上の位置を特徴点とし
て、特徴点の連なりを細線に処理し、所定長以上の細線
を摘出して、車両上のテレビカメラから前方を撮影した
場合の、画面上の白線の特徴に基づいて設定された条件
を満す細線を、路面上の白線と認識する。すなわち自車
が走行中のレ−ンの左，右端白線を表わす二直線を得
る。二直線の交点を求めて、該交点から自車両までの二
直線間の領域（３角形領域）で物体の存否を検出し、物
体を検出すると自車両から該物体までの距離（物体が先
行車両であると車間距離）を算出する。2. Description of the Related Art An example of this type of detection device is disclosed in Japanese Patent Laid-Open No. 64-1
It is disclosed in Japanese Patent No. 5605. In this case, a vehicle including a road surface in front of the vehicle obtained by an image pickup device mounted on the vehicle is used.
Position on the X, Y Cartesian coordinates above the set value by calculating the differential value of the image data showing the image on the X, Y Cartesian coordinate system screen in the direction forming an angle of 45 degrees with respect to the X axis. Is set as a feature point, a series of feature points is processed into a thin line, a thin line with a predetermined length or more is extracted, and it is set based on the feature of the white line on the screen when the front is photographed from the TV camera on the vehicle. A thin line that satisfies the conditions is recognized as a white line on the road surface. That is, two straight lines representing the left and right white lines of the lane on which the vehicle is traveling are obtained. The intersection of the two straight lines is obtained, and the presence or absence of an object is detected in the area between the two straight lines (triangle area) from the intersection to the own vehicle. When the object is detected, the distance from the own vehicle to the object (the object is the preceding vehicle Then the inter-vehicle distance) is calculated.

【０００３】[0003]

【発明が解決しようとする課題】自車が走行中のレ−ン
（自車レ−ン）が直線である場合、該レ−ン上の先行車
両はすべて前記３角形領域に存在する（ル−フは外れて
も、車底は該領域内にある）。ところが、左，右端白線
を近似する二直線は、カメラに近い位置の左，右端白線
像に基づいて決定されるので、自車レ−ンが自車前後で
カ−ブしていると、あるいは前方でカ−ブしていると、
直線レ−ンの場合には無限遠点と見なしうる前記二直線
の交点は、自車レ−ンの遠方点よりも左（自車レ−ンが
右にカ−ブの場合）又は右（左にカ−ブの場合）にずれ
る。すなわち、前記交点は、自車レ−ンが右にカ−ブし
ているときには自車レ−ンの遠方点より左側にずれ、左
にカ−ブしているときには右側にずれる。このため、カ
−ブがあるところでは、前記３角形領域内での物体探索
のみでは、遠方の路面がこの３角形領域から外れるの
で、前方物体（先行車両又は障害物）、特に遠方に存在
する物体、の検知に失敗する確率が高くなる。When the lane in which the vehicle is traveling (the vehicle lane) is a straight line, all the preceding vehicles on the lane are present in the triangular area (rule). -While it is off, the bottom of the car is in that area). However, the two straight lines approximating the left and right white lines are determined based on the left and right white line images close to the camera, so if the vehicle lane covers before and after the vehicle, When carving in the front,
In the case of a straight lane, the intersection point of the two straight lines which can be regarded as an infinite point is left (when the own lane is a curve to the right) or right (a right lane) with respect to the far point of the own lane. In the case of the curve to the left) That is, the intersection is displaced to the left from the far point of the vehicle lane when the vehicle lane is curving to the right, and to the right when the vehicle lane is curving to the left. For this reason, where there is a curve, the distant road surface deviates from this triangular area only by searching for an object in the triangular area, and therefore, there exists a forward object (preceding vehicle or obstacle), particularly a distant object. The probability of failing to detect an object increases.

【０００４】一方、自車レ−ンの左，右白線の検出にお
いても、前述の従来の検出方法では、路面が比較的に暗
い場合や白線が消耗している場合には、路面状態が、前
記条件の前提となる路面状態と異なり、誤認識の確率が
高くなるとか、検出不能となる確率が高い。On the other hand, also in the detection of the left and right white lines of the own vehicle lane, according to the above-mentioned conventional detection method, when the road surface is relatively dark or the white line is exhausted, the road surface condition is Unlike the road surface condition which is the premise of the above conditions, the probability of erroneous recognition is high, or the probability of being undetectable is high.

【０００５】本発明は、カ−ブ路上前方の物体を極力早
期に（それが遠方にある間に）検出することを第１の目
的とし、検出精度を向上することを第２の目的とする。A first object of the present invention is to detect an object in front of the curve of the curve as early as possible (while it is far away), and a second object thereof is to improve the detection accuracy. .

【０００６】[0006]

【課題を解決するための手段】本発明は、車両に搭載さ
れた撮影装置で得た、車両前方の路面を含むシ−ンを
Ｘ，Ｙ直交座標系画面に表わす画像デ−タの、所定方向
の微分値を算出してそれが設定値以上のＸ，Ｙ直交座標
上の位置を特徴点(Xs,Ys)として、複数個の特徴点(Xs,Y
s)の連なりを表わす直線を求めて、前記シ−ン内の、前
記車両が走行中のレ−ンの左，右端白線を検出し、左，
右端白線を表わす直線を基準にした前記画面上の所定領
域で物体検出を行なう、車両前方の物体検出方法におい
て、画面上の、車両前方の路面が存在する領域を、車両
の進行方向で複数個に分割し、車両に近い分割領域から
順次に、分割領域における走行中のレ−ンの左，右端白
線の検出を行ない、少くとも白線検出を行なった分割領
域内の、左，右端白線の間の走行中レ−ン領域の物体検
出を行なうことを特徴とする。SUMMARY OF THE INVENTION According to the present invention, a predetermined image data representing a scene including a road surface in front of the vehicle, which is obtained by a photographing device mounted on the vehicle, is displayed on an X, Y orthogonal coordinate system screen. A differential value in the direction is calculated, and a position on the X, Y Cartesian coordinates that is greater than or equal to the set value is set as a characteristic point (Xs, Ys), and a plurality of characteristic points (Xs, Y
s) is obtained, a straight line is obtained to detect the left and right white lines of the lane in which the vehicle is running in the scene, and the left,
In an object detecting method in front of a vehicle, which detects an object in a predetermined area on the screen based on a straight line representing a white line on the right end, a plurality of areas on the screen where a road surface in front of the vehicle exists are arranged in the traveling direction of the vehicle. The left and right edge white lines of the running lane in the divided area are sequentially detected from the divided area close to the vehicle, and at least between the left and right edge white lines in the divided area where the white line is detected. It is characterized in that it detects an object in the lane area during traveling.

【０００７】本発明の好ましい実施例では、自車レ−ン
の左，右端白線を近似する直線を、公知のハフ変換を利
用して検出する。すなわち、特徴点(Xs,Ys)のそれぞれ
を、ρ，θ極座標系の極座標値（ρ，θ）に変換し、極
座標値（ρ，θ）に割当てた記憶手段の度数デ−タをイ
ンクレメントし、度数デ−タが最大値となった極座標値
（ρm，θm）を摘出してこの極座標値（ρm，θm）で表
わされる直線を、左，右端白線を表わす二直線の一方と
して決定する。この直線検出の演算処理時間を短くしか
つ検出精度を高くするために、本発明の好ましい実施例
では、前記極座標変換を複数回繰返し、この繰返しにお
いてρ，θは、先行の極座標変換では低密度かつ広い範
囲とし、後行の極座標変換では高密度かつ先行の極座標
変換で得た極座標値（ρm，θm）を中心とする狭い範囲
とする。In a preferred embodiment of the present invention, a straight line that approximates the left and right white lines of the vehicle lane is detected by using the known Hough transform. That is, each of the characteristic points (Xs, Ys) is converted into the polar coordinate value (ρ, θ) of the ρ, θ polar coordinate system, and the frequency data of the storage means assigned to the polar coordinate value (ρ, θ) is incremented. Then, the polar coordinate value (ρm, θm) having the maximum frequency data is extracted, and the straight line represented by this polar coordinate value (ρm, θm) is determined as one of the two straight lines representing the left and right white lines. . In order to shorten the calculation processing time of this straight line detection and to increase the detection accuracy, in the preferred embodiment of the present invention, the polar coordinate conversion is repeated a plurality of times, and in this repetition, ρ and θ have a low density in the preceding polar coordinate conversion. In addition, in the subsequent polar coordinate conversion, a high density and a narrow range centered on the polar coordinate values (ρm, θm) obtained in the preceding polar coordinate conversion are used.

【０００８】[0008]

【作用】画面上の、車両前方の路面が存在する領域を、
車両の進行方向で複数個に分割し、車両に近い分割領域
から順次に、分割領域における走行中のレ−ンの左，右
端白線の検出を行ない、検出した左，右端白線の間の走
行中レ−ン領域の物体検出を行なうので、自車両直前か
ら遠方まで、物体検出領域が左右端白線の間に自動的に
定まるので、物体探索領域が遠方点で走行中レ−ン領域
から外れることがなく、比較的に遠方点の物体検出漏れ
が低減する。[Function] The area on the screen where the road surface in front of the vehicle exists
The vehicle is divided into a plurality of areas in the traveling direction of the vehicle, and the left and right white lines of the running lane in the divided areas are sequentially detected from the divided areas close to the vehicle, and the running between the detected left and right white lines is performed. Since the object detection in the lane area is performed, the object detection area is automatically determined between the white lines on the left and right edges from immediately before the own vehicle to the distance, so the object search area should be outside the running lane area at the far point. And the object detection omission at a distant point is relatively reduced.

【０００９】本発明の好ましい実施例では、ハフ変換を
用いて自車レ−ンの左，右端白線の検出を行なうので、
検出精度が向上し、また、複数回の極座標変換を、広範
囲，粗いピッチから、順次に挟い範囲，密なるピッチで
行なうので、直線検出処理時間が短く、かつ検出精度が
高い。In the preferred embodiment of the present invention, the Hough transform is used to detect the left and right white lines of the vehicle lane.
The detection accuracy is improved, and a plurality of polar coordinate conversions are performed from a wide range and a coarse pitch to a sandwiching range and a dense pitch sequentially, so that the straight line detection processing time is short and the detection accuracy is high.

【００１０】本発明の他の目的および特徴は、図面を参
照した以下の実施例の説明より明らかになろう。Other objects and features of the present invention will become apparent from the following description of embodiments with reference to the drawings.

【００１１】[0011]

【実施例】【Example】

−実施例１− 図１に本発明の第１実施例の構成を示す。このシステム
はマイクロコンピュ−タ（以下ＣＰＵという）１を中心
に構成されており、そのバスラインには、制御プログラ
ムが格納された読み出し専用メモリ（ＲＯＭ）２，処理
中のパラメ−タが格納される読み書きメモリ（ＲＡＭ）
３、および、各種構成要素が接続された入出力ポ−ト
（Ｉ／Ｏ）４，５，６等が接続されている。First Embodiment FIG. 1 shows the configuration of the first embodiment of the present invention. This system is mainly composed of a microcomputer (hereinafter referred to as CPU) 1, and its bus line stores a read-only memory (ROM) 2 in which a control program is stored and a parameter being processed. Read / write memory (RAM)
3, and input / output ports (I / O) 4, 5, 6 and the like to which various components are connected are connected.

【００１２】テレビカメラ６ｂは、図２に示すように、
車内のフロントウィンドウの中央上部付近に設置されて
おり、前方のシ−ンを撮影して１フレ−ム当り５１２×
５１２画素のアナログ信号を出力する。このアナログ画
信号は、Ａ／Ｄコンバ−タ６ｃおよびＣＲＴドライバ４
ａに与えられる。Ａ／Ｄコンバ−タ６ｃにおいては、テ
レビカメラ６ｂよりのアナログ画信号を各画素毎に２５
６階調（階調０が黒レベル、階調２５５が白レベル）の
デジタルデ−タ（階調デ−タ）に変換してイメ−ジメモ
リ５ａに与える。なお、イメ−ジメモリ５ａは、一画面
（５１２×５１２画素）の階調デ−タを記憶する領域を
一頁とするとその数頁分の階調デ−タ記憶領域と、１ビ
ット情報（２値デ−タ）を数画面分記憶する２値デ−タ
記憶領域を有する。The television camera 6b, as shown in FIG.
It is installed near the upper center of the front window in the car. The front scene is photographed and 512 x per frame.
It outputs an analog signal of 512 pixels. This analog image signal is sent to the A / D converter 6c and the CRT driver 4
given to a. In the A / D converter 6c, the analog image signal from the television camera 6b is set to 25 for each pixel.
It is converted into digital data (gradation data) of 6 gradations (gradation 0 is a black level and gradation 255 is a white level) and is given to the image memory 5a. In the image memory 5a, assuming that the area for storing the gradation data of one screen (512 × 512 pixels) is one page, the gradation data storage area for several pages and 1-bit information (2 It has a binary data storage area for storing (value data) for several screens.

【００１３】ＣＰＵ１は、テレビカメラコントロ−ラ６
ａを介してテレビカメラ６ｂの絞りおよび画信号の出力
レベル等を制御し、Ａ／Ｄコンバ−タ６ｃの入出力およ
びイメ−ジメモリ５ａの書込み処理等を同期制御する。
ＣＲＴドライバ４ａは、テレビカメラ６ｂより与えられ
たアナログ画信号が表わす画像（例えば図１６）に、Ｃ
ＰＵ１のコントロ−ルのもとに与えられるデジタル画像
（デジタル出力画像；例えば自車走行レ−ンの左，右端
の白線を近似した直線ならびに前方走行車両との車間距
離を示す文字，数字情報）を合成した画像を、車両上の
インナ−パネルの中央付近に設置されたＣＲＴ４ｂに表
示する。The CPU 1 is a television camera controller 6
The aperture of the television camera 6b and the output level of the image signal are controlled via a, and the input / output of the A / D converter 6c and the writing process of the image memory 5a are synchronously controlled.
The CRT driver 4a adds C to the image (for example, FIG. 16) represented by the analog image signal supplied from the television camera 6b.
Digital image provided under the control of PU1 (digital output image; for example, straight lines approximating the white lines at the left and right ends of the vehicle running lane, and character and numerical information indicating the distance between the vehicles running ahead) The combined image is displayed on the CRT 4b installed near the center of the inner panel on the vehicle.

【００１４】図３に、ＣＰＵ１の処理動作の概要を示
す。大略でＣＰＵ１は、それ自身に電源が投入されると
入出力ポ−トの初期化，内部レジスタ，内部カウンタの
初期化等（初期化Ａ）を行なった後、一画面のアナログ
画信号を所定周期でデジタル変換してイメ−ジメモリ５
ａの入力デ−タメモリ領域に書込む（画像入力Ｂ）。こ
れを行なう毎にＣＰＵ１は、「画面の校正」Ｃおよび
「ウィンドウ２−１内の車両検出」ＤＥＴ１を実行し、
このＤＥＴ１で自車走行レ−ン上に先行車両を検出しな
かった場合にはＤＥＴ１に加えて「ウィンドウ２−２内
の車両検出」ＤＥＴ２を実行する。このＤＥＴ２でも自
車走行レ−ン上に先行車両を検出しなかった場合には、
ＤＥＴ２に加えて更に「ウィンドウ２−３内の車両検
出」ＤＥＴ３を実行する。ＤＥＴ１では、「自車レ−ン
検出」Ｄおよび自車レ−ン検出の成否チェックＥ、なら
びに、自車レ−ン検出が成立（成功）した場合は「隣接
レ−ンの推定」Ｆ，「自車レ−ン先行車認識及び測距」
Ｈ，「右隣接レ−ン車両認識及び測距」Ｉ，「左隣接レ
−ン車両認識及び測距」Ｊおよび「出力」Ｋを、この記
載順に実行する。ＤＥＴ２およびＤＥＴ３でもこれらを
同様に実行する。ただし、画像デ−タが表わす画面上の
処理対象領域は異なる。FIG. 3 shows an outline of the processing operation of the CPU 1. Generally, the CPU 1 initializes an input / output port, initializes an internal register and an internal counter (initialization A) when the power is turned on, and then determines an analog image signal of one screen. Image memory 5 with digital conversion in cycles
The data is written in the input data memory area of a (image input B). Every time this is performed, the CPU 1 executes “screen calibration” C and “vehicle detection in window 2-1” DET1,
When the preceding vehicle is not detected on the vehicle traveling lane by this DET1, the "vehicle detection in the window 2-2" DET2 is executed in addition to the DET1. Even if this DET2 does not detect the preceding vehicle on the vehicle traveling lane,
In addition to DET2, “Detect vehicle in window 2-3” DET3 is further executed. In DET1, "own vehicle lane detection" D and own vehicle lane detection success / failure check E, and "own vehicle lane detection" success (success), "adjacent lane estimation" F, "Self-vehicle lane preceding vehicle recognition and distance measurement"
H, "right adjacent lane vehicle recognition and distance measurement" I, "left adjacent lane vehicle recognition and distance measurement" J, and "output" K are executed in this order. Do the same for DET2 and DET3. However, the processing target area on the screen represented by the image data is different.

【００１５】そして「出力」Ｋでは、自車レ−ン端部の
白線を表わす直線，自車レ−ン先行車の検出有無を示す
文字情報，該先行車を囲む４角マ−クおよび該先行車と
の車間距離、右隣接レ−ン車両の検出有無を示す文字情
報，該先行車を囲む４角マ−クおよび該先行車との車間
距離、ならびに、左隣接レ−ン車両の検出有無を示す文
字情報，該先行車を囲む４角マ−クおよび該先行車との
車間距離、を撮影画像に合成してＣＲＴ４ｂに更新表示
すると共に、自車レ−ン端部の白線を表わす直線を示す
デ−タならびに各車間距離を表わすデ−タを、通信コン
トロ−ラ７（図１）を介してホストＣＰＵ８に転送す
る。ホストＣＰＵ８は、これらの情報を、車間距離制御
（車間距離対応のアクセル制御，オ−バドライブ遮断制
御および又は車輪ブレ−キ圧制御），障害物検知＆車輪
ブレ−キ圧制御，レ−ン逸脱警報制御，レ−ン倣い走行
制御（ステアリング制御および又は各輪毎の車輪ブレ−
キ圧制御）等の、走行自動制御に使用する。以下、図３
に示す「画面の校正」Ｃ以下「左隣接レ−ン車両認識及
び測距」Ｊの各項目の内容を詳細に説明する。In "output" K, a straight line representing the white line at the end of the own vehicle lane, character information indicating whether or not a preceding vehicle of the own vehicle lane is detected, a square mark surrounding the preceding vehicle and the Distance between the preceding vehicle, character information indicating whether or not a right adjacent lane vehicle is detected, a square mark surrounding the preceding vehicle and a distance between the preceding vehicle and a left adjacent lane vehicle Character information indicating presence / absence, a square mark surrounding the preceding vehicle, and a distance between the preceding vehicle and the preceding vehicle are combined into a photographed image, which is updated and displayed on the CRT 4b, and a white line at the end of the own vehicle lane is displayed. The data representing a straight line and the data representing each inter-vehicle distance are transferred to the host CPU 8 via the communication controller 7 (FIG. 1). The host CPU 8 applies these information to the following distance control (accelerator control corresponding to the following distance, overdrive cutoff control and / or wheel brake pressure control), obstacle detection & wheel brake pressure control, lane. Deviation warning control, lane copying traveling control (steering control and / or wheel blurring for each wheel)
Used for automatic travel control such as pressure control). Below, FIG.
The contents of each item of "Screen calibration" C and "Left adjacent lane vehicle recognition and distance measurement" J will be described in detail.

【００１６】Ｃ．「画面の校正」Ｃ（図４） この内容を図４に示す。まず「特徴点検出ウィンドウセ
ット」Ｃ１を実行する。C. "Screen calibration" C (Fig. 4) This content is shown in Fig. 4. First, the "feature point detection window set" C1 is executed.

【００１７】 Ｃ１．「特徴点検出ウィンドウ１セット」Ｃ１（図５） この内容を図５の（ａ）に示す。図５の（ｂ）に示すよ
うに、テレビカメラ６ｂの撮影画面（画像デ−タは入力
デ−タメモリにある階調デ−タ）の左上を原点（０，
０）に定めて、一点（０，３５０）ともう一点（５１
１，５１１）を対角コ−ナとする画像領域を特徴点検出
用の領域（ウィンドウ１）に定める。すなわち、定めよ
うとする領域の左上コ−ナのＸ座標値０をレジスタＸＵ
Ｌに、Ｙ座標値５１１をレジスタＹＵＬに、該領域の右
下コ−ナのＸ座標値５１１をレジスタＸＬＲに、Ｙ座標
値３５０をレジスタＹＬＲに書込む（図５の（ａ）のス
テップ１；以下カッコ内ではステップという語は省略
し、ステップＮｏ．のみを記す）。これらのレジスタの
それぞれのデ−タが示す値を以下、レジスタ記号そのも
ので表わす。C1. “One set of feature point detection window” C1 (FIG. 5) This content is shown in FIG. As shown in FIG. 5 (b), the upper left of the shooting screen of the television camera 6b (the image data is gradation data in the input data memory) is the origin (0,
0), one point (0,350) and another point (51
1, 511) is set as a diagonal corner of an image area for feature point detection (window 1). That is, the X coordinate value 0 of the upper left corner of the area to be determined is set in the register XU.
Write the Y coordinate value 511 to the register YUL, the X coordinate value 511 of the lower right corner of the area to the register XLR, and the Y coordinate value 350 to the register YLR (step 1 in FIG. 5A). ; In the following, in parentheses, the word step is omitted, and only the step number is described). The value indicated by the data of each of these registers will be represented below by the register symbol itself.

【００１８】次に説明する「特徴点検出（ＵＰ）」Ｃ２
の処理（図６）に対して、上述の「特徴点検出ウィンド
ウセット」Ｃ１により、図５の（ｂ）に示すように、２
点鎖線で示すブロック（特徴点検出ウィンドウ１）が、
処理対象領域に指定されたことになる。この領域は、図
５の（ｂ）に示すように、車両のボンネットの先端エッ
ジ像を十分に含むものである。"Characteristic point detection (UP)" C2 described below
5 (b) of FIG. 5 by the above-mentioned "feature point detection window set" C1 for the processing of FIG.
The block (feature point detection window 1) shown by the dotted line is
It has been designated as the processing target area. As shown in FIG. 5B, this region sufficiently includes the leading edge image of the hood of the vehicle.

【００１９】次に「特徴点検出（ＵＰ）」Ｃ２を実行す
る。この内容を図６に示す。Next, "feature point detection (UP)" C2 is executed. This content is shown in FIG.

【００２０】 Ｃ２．「特徴点検出（ＵＰ）」Ｃ２（図６） ここでは、特徴点検出ウィンドウ１の左下コ−ナ（０，
５１１）よりＹ方向２画素上方の画素（０，５０９）か
ら、Ｙ方向座標値を３５０まで順次小さくするＹ方向の
下から上への走査により、該方向（Ｘ＝０の直線上）に
分布する画素を順次に注目画素に指定して（図６のａの
２〜１１）、各注目画素（Ｘｓ，Ｙｓ）に関して、それ
より１画素下側の画素（Ｘｓ，Ｙｓ＋１）と２画素下側
の画素（Ｘｓ，Ｙｓ＋２）の階調デ−タが表わす輝度の
和と、注目画素（Ｘｓ，Ｙｓ）より１画素上側の画素
（Ｘｓ，Ｙｓ−１）と２画素上側の画素（Ｘｓ，Ｙｓ−
２）の、入力デ−タメモリにある階調デ−タが表わす輝
度の和、の差の絶対値すなわち上下方向（Ｙ方向）の階
調微分値の絶対値を算出する（８）。これを注目画素点
（Ｘｓ，Ｙｓ）の階調微分値Ｄ（Ｘｓ，Ｙｓ）とする。
この階調微分値Ｄ（Ｘｓ，Ｙｓ）は、図６の（ｂ）に示
すように、注目点（Ｘｓ，Ｙｓ）の上側２画素の画像濃
度和と下側２画素の画像濃度和との差の絶対値であるの
で、注目点を境にした上下方向の濃度変化を表わし、画
面上の各像の、水平方向に延びる輪郭線のところで大き
い値となる。この階調微分値Ｄ（Ｘｓ，Ｙｓ）がしきい
値Ｔｈ１（設定値）以上であるかをチェックして
（９）、Ｔｈ１以上であると、イメ−ジメモリ５ａのあ
る領域に割り当てている２値デ−タテ−ブルの、注目画
素点（Ｘｓ，Ｙｓ）対応アドレスＥ（Ｘｓ，Ｙｓ）に、
「１」を書込む（１０）。この情報「１」は、像の水平
方向に延びる輪郭線であることを意味する。Ｙ方向にこ
のような処理を一ライン分（Ｘ＝０，Ｙ＝５０９〜３５
０）行なうと、走査線を右方向に移して（６）、次の一
ライン分（Ｘ＝１，Ｙ＝５０９〜３５０）につき同様な
処理を行なう。以下同様に、最後のライン（Ｘ＝５１
１，Ｙ＝５０９〜３５０）まで同様な処理を行なう。C2. “Feature point detection (UP)” C2 (FIG. 6) Here, the lower left corner (0,
511) The pixel (0, 509) two pixels above in the Y direction is scanned in the Y direction from the bottom to the top in which the Y direction coordinate value is sequentially reduced to 350. Pixels to be designated are sequentially designated as target pixels (2 to 11 in FIG. 6A), and for each target pixel (Xs, Ys), a pixel (Xs, Ys + 1) one pixel below and two pixels below Of the luminance represented by the gradation data of the pixel (Xs, Ys + 2), and the pixel (Xs, Ys-1) one pixel above and the pixel (Xs, Ys) two pixels above the target pixel (Xs, Ys). −
The absolute value of the difference between 2) and the sum of the brightness represented by the gradation data in the input data memory, that is, the absolute value of the gradation differential value in the vertical direction (Y direction) is calculated (8). This is defined as the gradation differential value D (Xs, Ys) of the target pixel point (Xs, Ys).
This gradation differential value D (Xs, Ys) is obtained by comparing the image density sum of the upper two pixels and the image density sum of the lower two pixels of the target point (Xs, Ys) as shown in FIG. 6B. Since it is the absolute value of the difference, it represents the change in density in the vertical direction with respect to the point of interest, and has a large value at the contour line extending horizontally of each image on the screen. It is checked whether or not the gradation differential value D (Xs, Ys) is equal to or more than a threshold value Th1 (set value) (9). If it is Th1 or more, it is assigned to a certain area of the image memory 5a. At the address E (Xs, Ys) corresponding to the target pixel point (Xs, Ys) of the value data table,
Write "1" (10). This information "1" means that it is a contour line extending in the horizontal direction of the image. Such processing is performed in the Y direction for one line (X = 0, Y = 509 to 35).
0), the scanning line is moved to the right (6), and the same processing is performed for the next one line (X = 1, Y = 509 to 350). Similarly, the last line (X = 51
1, Y = 509 to 350) are similarly processed.

【００２１】以上の処理により、イメ−ジメモリ５ａの
２値デ−タテ−ブルＥ（Ｘｓ，Ｙｓ），Ｘｓ＝０〜５１
１，Ｙｓ＝５０９〜３５０）に、特徴点検出ウィンドウ
１（図５のｂ）内の像の水平方向に延びる輪郭線を示す
情報が書込まれたことになる。特徴点検出ウィンドウ１
は、ボンネットの先端エッジ像を含む領域に設定されて
いるので、２値デ−タテ−ブルＥ（Ｘｓ，Ｙｓ）にはボ
ンネットの先端エッジを表わす情報が含まれている。こ
の実施例では、ボンネットの先端エッジを直線と見なし
て、次の「ボンネット検出」Ｃ３で該直線を検出する。
この内容を図７に示す。By the above processing, the binary data table E (Xs, Ys), Xs = 0 to 51 of the image memory 5a.
1, Ys = 509 to 350), information indicating the contour line extending in the horizontal direction of the image in the feature point detection window 1 (b in FIG. 5) is written. Feature point detection window 1
Is set in a region including the leading edge image of the bonnet, so the binary data table E (Xs, Ys) contains information representing the leading edge of the bonnet. In this embodiment, the leading edge of the bonnet is regarded as a straight line, and the straight line is detected by the next "bonnet detection" C3.
This content is shown in FIG.

【００２２】Ｃ３．「ボンネット検出」Ｃ３（図７） まず大要を説明するとここでは、公知の「ハフ（Houg
h）変換」を用いて直線を検出する。ハフ変換は、直交
座標系（Ｘ−Ｙ座標系；例えば特徴点検出ウィンドウ１
内の画素分布）で表現されている情報（例えば前記２値
デ−タテ−ブルＥ（Ｘｓ，Ｙｓ））を、極座標系（ρ−
θ座標系）で表現する手法であり、 ρ＝Ｘｃｏｓ(θ)＋Ｙｓｉｎ(θ) の変換を行なう。Ｘ−Ｙ座標系におけるある一点（画
素）はρ−θ極座標系（ρとθを直交２軸の一方と他方
に割り当てる直交座標平面）ではある曲線となり、Ｘ−
Ｙ座標系において直線上に乗っている各点をρ−θ座標
系で各曲線で表わすと、これらの曲線は一点で交わる。
この交点をＸ−Ｙ座標系への変換式に代入することによ
り、Ｘ−Ｙ座標系での直線式が得られる。C3. "Bonnet detection" C3 (Fig. 7) First, the outline is explained here by the known "Houg (Houg
h) Transform ”to detect a straight line. The Hough transform is performed in a rectangular coordinate system (XY coordinate system; for example, the feature point detection window 1
Information (for example, the binary data table E (Xs, Ys)) represented by the pixel distribution in the polar coordinate system (ρ-
This is a method of expressing in the (θ coordinate system), and the conversion of ρ = Xcos (θ) + Ysin (θ) is performed. A certain point (pixel) in the XY coordinate system becomes a certain curve in the ρ-θ polar coordinate system (orthogonal coordinate plane that allocates ρ and θ to one and the other of the two orthogonal axes), and X-
When each point on the straight line in the Y coordinate system is represented by each curve in the ρ-θ coordinate system, these curves intersect at one point.
By substituting this intersection point into the conversion formula to the XY coordinate system, the linear formula in the XY coordinate system can be obtained.

【００２３】したがって、前記２値デ−タテ−ブルＥ
（Ｘｓ，Ｙｓ）上の特徴点情報「１」を有する座標をρ
−θ極座標値に変換し、ρ−θ極座標系において曲線の
交点を求め、この交点をＸ−Ｙ座標系への変換式に代入
することにより、特徴点を結ぶ直線を求めることができ
る。しかし、単に２点を結ぶ直線はＸ−Ｙ座標系で直接
に求めることができ、ρ−θ極座標系への変換を行なう
意味はない。ところが、画面上のボンネット輪郭線は、
実際のボンネットの先端輪郭線がカ−ブしているとか、
ボンネットへの光の当り具合などにより画面上カ−ブし
ているとかあるいは粗れており、ボンネット輪郭線を直
線で近似する場合、単に２値デ−タテ−ブルＥ（Ｘｓ，
Ｙｓ）上の特徴点情報「１」がある２点を結ぶ直線を求
めたのでは、近似誤差が大き過ぎるし、ボンネットでな
いものの輪郭線を摘出してしまうこともあり得る。図５
の（ｂ）および図１６に示すように、ボンネット輪郭線
は広い領域に分布しているので、２値デ−タテ−ブルＥ
（Ｘｓ，Ｙｓ）上には特徴点情報「１」が多く存在す
る。したがって、該「１」がある２点（画素）を結ぶ直
線は多数得られる。多数得た直線群を代表する右下りの
一直線を確定すると、それはボンネットの先端輪郭線の
右半分を最も良く近似するものである（図７のｂ）。同
様に、多数得た直線群を代表する左下りの一直線を確定
すると、それはボンネットの先端輪郭線の左半分を最も
良く近似するものである（図７のｂ）。しかしながらこ
のような統計的処理をＸ−Ｙ座標系で行なうと処理がき
わめて複雑となる。ところがハフ変換を用いて、２値デ
−タテ−ブルＥ（Ｘｓ，Ｙｓ）上の特徴点情報「１」が
ある座標（特徴点）をρ−θ極座標系へ変換すると、各
特徴点を表わす曲線の交点が２点（ボンネットの右半分
輪郭線と左半分輪郭線に対応）に集中する。したがって
２値デ−タテ−ブルＥ（Ｘｓ，Ｙｓ）の特徴点をハフ変
換し、ρ−θ極座標系上の各点で、曲線が通る度数（一
点を通る曲線の数）をカウントし、度数が最大の点と次
に大きい点の二点を選択して、選択した各点をＸ−Ｙ座
標系への変換式に代入することによりボンネットの輪郭
線の右半分，左半分を表わす直線式が得られる。この実
施例ではこのような論理に従って、すなわちハフ変換と
ρ−θ極座標系上各点を曲線が通る度数のカウントによ
り、ボンネットの先端輪郭線を検出する。Therefore, the binary data table E
The coordinate having the feature point information “1” on (Xs, Ys) is ρ
A straight line connecting the characteristic points can be obtained by converting into −θ polar coordinate values, obtaining the intersection of the curves in the ρ−θ polar coordinate system, and substituting this intersection into the conversion formula to the XY coordinate system. However, the straight line connecting the two points can be directly obtained in the XY coordinate system, and there is no point in converting to the ρ-θ polar coordinate system. However, the bonnet outline on the screen is
The contour of the tip of the actual bonnet is curved,
When the bonnet contour is approximated by a straight line, the binary data table E (Xs,
If the straight line connecting the two points having the feature point information “1” on Ys) is obtained, the approximation error is too large, and the contour line of the non-bonnet may be extracted. Figure 5
As shown in FIG. 16B and FIG. 16, the bonnet outline is distributed over a wide area, so that the binary data table E
A lot of feature point information “1” exists on (Xs, Ys). Therefore, a large number of straight lines connecting the two points (pixels) having the "1" are obtained. When a straight line descending to the right that represents a large number of straight lines is determined, it is the one that best approximates the right half of the bonnet tip contour line (b in FIG. 7). Similarly, when a straight line to the left that represents a large number of straight lines is determined, it is the one that best approximates the left half of the bonnet tip contour line (b in FIG. 7). However, if such statistical processing is performed in the XY coordinate system, the processing becomes extremely complicated. However, when the coordinates (feature points) having the feature point information “1” on the binary data table E (Xs, Ys) are transformed into the ρ-θ polar coordinate system using the Hough transform, each feature point is represented. The intersections of the curves are concentrated at two points (corresponding to the right half contour line and the left half contour line of the bonnet). Therefore, the characteristic points of the binary data table E (Xs, Ys) are Hough transformed, and the frequency at which the curve passes (the number of curves passing through one point) is counted at each point on the ρ-θ polar coordinate system. Select the two points, the maximum point and the next largest point, and substitute each selected point into the conversion formula to the XY coordinate system to express the right half and the left half of the bonnet outline. Is obtained. In this embodiment, the tip contour line of the bonnet is detected according to such a logic, that is, by counting the number of times the curve passes through each point on the ρ-θ polar coordinate system.

【００２４】ところで、ρ−θ極座標系上各点での曲線
交鎖度数のカウントを、２値デ−タテ−ブルＥ（Ｘｓ，
Ｙｓ）のサイズ対応の大きさのρ−θ極座標系全領域の
各点で行なうと、曲線が通る度数のカウント処理が膨大
となり、直線検出処理に長い時間がかかる。そこでこの
実施例では、２値デ−タテ−ブルＥ（Ｘｓ，Ｙｓ）の最
下端の左右中間点（Ｘ＝２５５，Ｙ＝５１１）をρ−θ
極座標系の原点（０，０）に定め、かつ、２値デ−タテ
−ブルＥ（Ｘｓ，Ｙｓ）を左右に２分して、右半分につ
いて、第１ハフ変換で、２値デ−タテ−ブルＥ（Ｘｓ，
Ｙｓ）の特徴点を、低密度（サンプリングピッチが大き
い）ρ−θ極座標系に変換して該極座標系の各点を曲線
が通る度数（一点を通る曲線の数）をカウントし、度数
が最大の点（第１予測点）を求める。次に第２ハフ変換
で、第１予測点を中心とする小範囲のρ−θ領域を設定
し、該領域の大きさの中密度ρ−θ極座標系に２値デ−
タテ−ブルＥ（Ｘｓ，Ｙｓ）の特徴点を変換してこのρ
−θ極座標系の各点を曲線が通る度数をカウントし、度
数が最大の点（第２予測点）を求める。そして第３ハフ
変換で、第２予測点を中心とする更に小範囲のρ−θ領
域を設定し、該領域の大きさの高密度ρ−θ極座標系に
２値デ−タテ−ブルＥ（Ｘｓ，Ｙｓ）の特徴点を変換し
てこのρ−θ極座標系の各点を曲線が通る度数をカウン
トし、度数が最大の点（第３予測点）を求める。そして
この第３予測点で表わされる直線をボンネットの先端輪
郭線の右半分と決定する（図７の１２Ｒ〜１４Ｒ）。２
値デ−タテ−ブルＥ（Ｘｓ，Ｙｓ）の左半分について
も、同様に第１ハフ変換，第２ハフ変換および第３ハフ
変換を行って、ボンネットの先端輪郭線の左半分を表わ
す直線を決定する（図７の１２Ｌ〜１４Ｌ）。By the way, the count of the curve crossing frequency at each point on the ρ-θ polar coordinate system is represented by the binary data table E (Xs,
If it is performed at each point in the entire region of the ρ-θ polar coordinate system having a size corresponding to the size of Ys), the count process of the number of times the curve passes becomes enormous, and the straight line detection process takes a long time. Therefore, in this embodiment, the right and left intermediate points (X = 255, Y = 511) at the lowermost end of the binary data table E (Xs, Ys) are set to ρ-θ.
It is set at the origin (0, 0) of the polar coordinate system, and the binary data table E (Xs, Ys) is divided into left and right, and the right half is converted into binary data by the first Hough transform. -Bull E (Xs,
The characteristic point of Ys) is converted into a low-density (large sampling pitch) ρ-θ polar coordinate system, and the number of times the curve passes through each point of the polar coordinate system (the number of curves passing through one point) is counted. Point (first prediction point) is obtained. Next, the second Hough transform is used to set a small range ρ-θ region centered on the first prediction point, and the size of the region is set to the medium density ρ-θ polar coordinate system.
The characteristic point of the table E (Xs, Ys) is converted to
The number of times the curve passes through each point of the −θ polar coordinate system is counted, and the point with the highest frequency (second predicted point) is obtained. Then, in the third Hough transform, a smaller range ρ-θ region centered around the second prediction point is set, and the binary data table E (is set in the high density ρ-θ polar coordinate system of the size of the region. (Xs, Ys) are converted to count the frequency at which the curve passes through each point of this ρ-θ polar coordinate system, and the point with the maximum frequency (third prediction point) is obtained. Then, the straight line represented by the third predicted point is determined as the right half of the bonnet tip contour line (12R to 14R in FIG. 7). Two
The left half of the value data table E (Xs, Ys) is similarly subjected to the first Hough transform, the second Hough transform and the third Hough transform to obtain a straight line representing the left half of the bonnet tip contour line. It is determined (12L to 14L in FIG. 7).

【００２５】次に図７の（ａ）を参照して、「ボンネッ
ト検出」Ｃ３の内容を詳細に説明する。まずボンネット
の先端輪郭線の右半分を近似する直線を検出するための
パラメ−タを設定する（１２Ｒ）。そして該近似する直
線対応の点（Ｒ_m3，Ｔ_m3）を検出する（１３Ｒ）。Ｒ_m3
はρ−θ極座標系のρ値、Ｔ_m3はθ値である。求めた点
の座標値をレジスタＲ_mR，Ｔ_mRに格納する（１４Ｒ）。
同様な処理をボンネットの先端輪郭線の左半分を近似す
る直線を検出するために行なう（１２Ｌ〜１４Ｌ）。ハ
フ変換により直線を検出する「直線当てはめ」１３Ｒ，
１３Ｌの内容は、図１７〜図２１に示す「直線当ては
め」６３の内容と同様であるので、ここでの詳細な説明
は省略する。なお、「直線当てはめ」６３は、特徴点検
出ウィンドウ１に接して上側の特徴点検出ウィンドウ２
−１（図１６）の領域にある路上の白線像の近似直線を
検出するものであるが、「直線当てはめ」１３Ｒはウィ
ンドウ１の右半分の領域の直線を検出するものであるの
で、処理対象のＸ−Ｙ座標領域（始点座標値および終点
座標値）は異なる。「直線当てはめ」１３Ｌでも同様に
処理対象のＸ−Ｙ座標領域が「直線当てはめ」６３とは
異なる。また「直線当てはめ」６３では、ウィンドウ２
−１の全領域を処理対象領域とし、その内に右端白線と
左端白線が存在するので、度数が最大の点と次に大きい
点の二点（２直線）を求めるが、「直線当てはめ」１３
Ｒと「直線当てはめ」１３Ｌは左，右半分の領域である
ので、それぞれ度数が最大の点のみを求める。他の処理
は同様である。Next, the contents of "bonnet detection" C3 will be described in detail with reference to FIG. First, parameters are set for detecting a straight line that approximates the right half of the bonnet tip contour line (12R). Then, the point (R _m3 , T _m3 ) corresponding to the approximate straight line is detected (13R). R _m3
Is the ρ value in the ρ-θ polar coordinate system, and T _m3 is the θ value. The obtained coordinate value of the point is stored in the registers R _mR and T _mR (14R).
Similar processing is performed to detect a straight line that approximates the left half of the bonnet tip contour line (12L to 14L). "Line fitting" 13R, which detects straight lines by Hough transform,
The contents of 13L are the same as the contents of the “straight line fitting” 63 shown in FIGS. 17 to 21, and therefore detailed description thereof is omitted here. Note that the “straight line fitting” 63 is in contact with the feature point detection window 1 and the upper feature point detection window 2
-1 (FIG. 16) detects an approximate straight line of a white line image on the road, but the "straight line fitting" 13R detects a straight line in the right half region of the window 1, and therefore is to be processed. X-Y coordinate areas (start point coordinate value and end point coordinate value) are different. Similarly, in the "straight line fitting" 13L, the XY coordinate area to be processed is different from that of the "straight line fitting" 63. Also, in the "straight line fitting" 63, the window 2
Since the entire area of -1 is the processing target area and the right end white line and the left end white line are present in that area, two points (the two straight lines) of the point with the highest frequency and the point with the next highest frequency are obtained.
Since R and the "straight line fitting" 13L are the left and right half regions, only the point with the highest frequency is obtained. The other processing is the same.

【００２６】「直線当てはめ」１３Ｒおよび１３Ｌで求
めた直線それぞれは、極座標系の点（Ｒ_mR，Ｔ_mR）およ
び（Ｒ_mL，Ｔ_mL）で表わされ、これらの直線をＸ−Ｙ座
標系で表わすと、 Ｒ_mR＝Ｘｃｏｓ(Ｔ_mR)＋Ｙｓｉｎ(Ｔ_mR) および Ｒ_mL＝Ｘｃｏｓ(Ｔ_mL)＋Ｙｓｉｎ(Ｔ_mL) となる。これらの直線は、図７の（ｂ）に示す如きもの
である。[0026] The "line fitting" straight lines obtained in 13R and 13L, the polar coordinate system point (R _mR, T _mR) and (R _mL, T _mL) is represented by, X-Y coordinate system these linear When expressed by, R _mR = Xcos (T _mR ) + Ysin (T _mR ) and R _mL = Xcos (T _mL ) + Ysin (T _mL ). These straight lines are as shown in FIG. 7 (b).

【００２７】Ｃ４．「直線交点計算」Ｃ４（図８） 図４を再度参照するとＣＰＵ１は、上述の「ボンネット
検出」Ｃ３を終了すると、「直線交点計算」Ｃ４のブロ
ックに接したブロック中に示す計算で、これらの直線の
交点（Ｘｃ，Ｙｃ）を算出する。この計算において、Ｘ
ｃｈは２値デ−タテ−ブルＥ（Ｘｓ，Ｙｓ）の領域のＸ
方向中央位置（Ｘｃｈ＝２５５）、Ｙｃｈは最下端位置
（Ｙｃｈ＝５０９）であり、点（Ｘｃｈ，Ｙｃｈ）は前
述の直線検出で極座標原点に定めたものである。C4. "Straight line intersection calculation" C4 (Fig. 8) Referring again to Fig. 4, when the above "bonnet detection" C3 is completed, the CPU 1 performs the calculation shown in the block adjacent to the "straight line intersection calculation" C4 block. The intersection (Xc, Yc) of the straight line is calculated. In this calculation, X
ch is the X of the area of the binary data table E (Xs, Ys).
The directional center position (Xch = 255), Ych is the lowest end position (Ych = 509), and the point (Xch, Ych) is the polar coordinate origin determined by the above-described straight line detection.

【００２８】 Ｃ５．「ロ−ル角，パン移動量計算」Ｃ５（図８） ここでロ−ル角とは、図８の（ａ）に示すように、前記
検出した２直線の交わる角を２等分する直線（車両の縦
軸線）と撮影画面のＹ軸線とのなす角θｒであり、テレ
ビカメラ６ｂの視野中心線と車両の縦軸線が、それらを
水平面に投影した場合になす角度、すなわちテレビカメ
ラ６ｂの視野中心線の、車両の縦軸線に対するロ−ル方
向のずれ角である。パン移動量Ｘｐは、撮影画面上で
の、該画面を左右に２等分する縦軸線に対する、ボンネ
ット先端中央（前記２直線の交点）の横方向ずれ量であ
る。自車から進行方向前方の車両（先行車両）を見てこ
の車両との車間距離を算出する場合、ロ−ル角θｒある
いはパン移動量Ｘｐが大きいと、自車の進行方向から外
れた方向にある車両や物体を自車レ−ン（自車が走行し
ているレ−ン）上の車両等と誤認する確率が高くなる。
この確率を下げるためにはロ−ル角θｒおよびパン移動
量Ｘｐが共に零となるように、カメラ６ｂの取付角を調
整すればよいが、この調整はむつかしくわずらわしい。
したがってある程度のロ−ル角θｒおよびパン移動量Ｘ
ｐは避けられない。そこでこの実施例では、「画面の校
正」Ｃにより、画面上でロ−ル角θｒおよびパン移動量
Ｘｐを零に調整するが、この調整代の算出のために、前
述のＣ１〜Ｃ４の処理を行ない、かつここで説明する
「ロ−ル角，パン移動量計算」Ｃ５を行なう。ロ−ル角
θｒおよびパン移動量Ｘｐの計算式を、図４のブロック
Ｃ５に接するブロックに示す。算出したロ−ル角θｒは
ロ−ル角レジスタθｒに、算出したパン移動量Ｘｐはパ
ン移動量レジスタＸｐに格納する。C5. "Calculation of Roll Angle and Pan Movement Amount" C5 (FIG. 8) Here, the roll angle is a straight line that bisects the intersecting angle of the two detected straight lines, as shown in FIG. It is an angle θr formed between the (vertical axis of the vehicle) and the Y-axis of the shooting screen, and the angle formed by the visual field center line of the television camera 6b and the vertical axis of the vehicle when they are projected on a horizontal plane, that is, the television camera 6b It is the angle of deviation of the center line of view from the longitudinal axis of the vehicle in the roll direction. The pan movement amount Xp is a lateral shift amount of the center of the bonnet tip (intersection point of the two straight lines) with respect to a vertical axis that bisects the screen on the shooting screen. When a vehicle ahead of the host vehicle in the traveling direction (leading vehicle) is calculated and the inter-vehicle distance to this vehicle is calculated, if the roll angle θr or the pan movement amount Xp is large, the vehicle is deviated from the traveling direction of the vehicle. There is a high probability that a certain vehicle or object is mistakenly recognized as a vehicle or the like on the own vehicle lane (the lane on which the own vehicle is traveling).
In order to reduce this probability, the mounting angle of the camera 6b may be adjusted so that the roll angle θr and the pan movement amount Xp are both zero, but this adjustment is difficult and troublesome.
Therefore, to some extent, the roll angle θr and the pan movement amount X
p is inevitable. Therefore, in this embodiment, the "angle of screen" C is used to adjust the roll angle θr and the pan movement amount Xp to zero on the screen. However, in order to calculate the adjustment allowance, the processes of C1 to C4 described above are performed. And "calculate roll angle and pan movement amount" C5 described here. The calculation formulas for the roll angle θr and the pan movement amount Xp are shown in the block in contact with the block C5 in FIG. The calculated roll angle θr is stored in the roll angle register θr, and the calculated pan movement amount Xp is stored in the pan movement amount register Xp.

【００２９】Ｃ６〜８．「画像補正」Ｃ６〜８（図４） そして、次の、「補正画像メモリイニシャライズ」Ｃ
６，「画像回転平行移動」Ｃ７および「補間」Ｃ８を含
む「画像補正」により、イメ−ジメモリ５ａの、入力デ
−タメモリ（１画面分の階調デ−タ記憶領域）の各画素
の階調デ−タのアドレス（図８の（ｂ）のｘ，ｙ）を、
ロ−ル角θｒおよびパン移動量Ｘｐに対応する回転およ
び平行移動を行なったアドレス（θｒ＝０，Ｘｐ＝０で
撮影画像を表わす画面座標系のアドレス；図８の（ｂ）
のｘ’，ｙ’）に変換して、入力デ−タメモリ対応の補
正画像メモリ（イメ−ジメモリ５ａの、１画面分の階調
デ−タ記憶領域）に書込む（Ｃ６，Ｃ７）。C6-8. "Image correction" C6 to 8 (Fig. 4) and the next "corrected image memory initialization" C
6. By "image correction" including "image rotation parallel movement" C7 and "interpolation" C8, the floor of each pixel of the input data memory (one screen of gradation data storage area) of the image memory 5a. The address of the key data (x, y in (b) of FIG. 8) is
The address that has been rotated and translated corresponding to the roll angle θr and the pan movement amount Xp (the address of the screen coordinate system that represents the captured image at θr = 0, Xp = 0; FIG. 8B).
X ', y') of the input data memory and write it in the corrected image memory corresponding to the input data memory (the gradation data storage area for one screen of the image memory 5a) (C6, C7).

【００３０】 Ｃ６．「補正画像メモリイニシャライズ」Ｃ６（図９） このような回転および平行移動を行なうと、補正した画
面に階調デ−タが存在しない画素が生ずる。このような
画素を後に認識しうるように、「補正画像メモリイニシ
ャライズ」Ｃ６では、補正画像メモリの全アドレスに、
撮影画像デ−タ（階調デ−タ）には存在しない「−１」
を表わすデ−タを書込む。その処理の詳細を図９に示
す。C6. "Corrected image memory initialization" C6 (FIG. 9) When such rotation and parallel movement are performed, pixels having no gradation data are generated in the corrected screen. In order to be able to recognize such pixels later, in the “correction image memory initialization” C6, all addresses of the correction image memory are
"-1" that does not exist in photographed image data (gradation data)
Write the data representing the. The details of the processing are shown in FIG.

【００３１】 Ｃ７．「画像回転平行移動」Ｃ７（図１０） この処理内容を図１０に示す。これにおいては、入力デ
−タメモリのアドレス（ｘ，ｙ）；ｘ＝０〜５１１，ｙ
＝０〜５１１、のそれぞれを、θｒ＝０，Ｘｐ＝０で撮
影画像を表わす画面座標系(補正画像メモリ)のアドレス
（ｘ'，ｙ');ｘ'＝０〜５１１，ｙ'＝０〜５１１、に変
換して（２２〜２８，３０〜３３）、入力デ−タメモリ
のアドレス（ｘ，ｙ）の階調デ−タを、補正画像メモリ
の、該アドレス（ｘ，ｙ）を変換したアドレス（ｘ'，
ｙ')に書込む（２９）。これにより、補正画像メモリの
階調デ−タをＣＲＴ４ｂに表示すると、図８の（ａ）に
示すロ−ル角θｒおよびパン移動量Ｘｐ共に実質上零
の、図１６に示す如き画像が表示される。ただし、この
「画像回転平行移動」により、補正画像メモリ上には、
階調デ−タが存在しないアドレス（画素＝空白画素）が
生じることがあり、その場合そこには、上述の「補正画
像メモリイニシャライズ」Ｃ６により、「−１」を示す
デ−タが残存していることになる。C7. “Image rotation parallel movement” C7 (FIG. 10) This processing content is shown in FIG. In this case, the input data memory address (x, y); x = 0 to 511, y
= 0 to 511, θr = 0, Xp = 0, the address (x ', y') of the screen coordinate system (correction image memory) representing the captured image; x '= 0 to 511, y' = 0 To 511 (22 to 28, 30 to 33), and the gradation data at the address (x, y) of the input data memory is converted to the address (x, y) of the corrected image memory. Address (x ',
y ') (29). As a result, when the gradation data of the corrected image memory is displayed on the CRT 4b, an image as shown in FIG. 16 in which both the roll angle θr and the pan movement amount Xp shown in FIG. 8A are substantially zero is displayed. To be done. However, due to this "image rotation parallel movement", on the corrected image memory,
An address (pixel = blank pixel) where no gradation data exists may occur, in which case data indicating "-1" remains due to the "corrected image memory initialization" C6 described above. Will be.

【００３２】 Ｃ８．「補間」Ｃ８（図１１のａ＆図１２） 「補間」Ｃ８では、階調デ−タが存在しない画素に、そ
の周りの４画素の階調デ−タの平均値を割り当てる。周
り４画素のいずれかが空白画素であると、この割り当て
はしない。この「補間」Ｃ８の内容を図１１の（ａ）お
よび図１２に示す。これにおいては、補正画像メモリの
アドレス（画素）を順次に指定して、指定した画素（注
目画素）が空白画素（メモリデ−タが「−１」を示すも
の）であるかをチェックして（３６）、注目画素が空白
画素であると、図１１の（ｂ）に示すように、その左隣
りの画素ロ，右隣りの画素ハ，上側の画素イおよび下側
の画素ニに階調デ−タがあるかをこの順にチェックし、
これら４個の画素の１つでも空白画素であるとそこで、
該注目画素に対する処理は終了（空白画素のまま放置）
し、注目画素を次に移す（３９−４２，４２−４６，４
６−５０，５０−５４）。前記４画素を１つづつ階調デ
−タがあるかチェックしたとき、階調デ−タがあるとそ
れを累算レジスタＩｓの内容に加算し、得た和を累算レ
ジスタＩｓに更新メモリし（４０，４４，４８，５
２）、回数レジスタＮｓの内容を１インクレメントする
（４１，４５，４９，５３）。前記４個の画素のすべて
についてこれを終了すると、これらの画素の階調デ−タ
の平均値Ｉｃ（ｘ，ｙ）を算出して、注目画素にメモリ
する（５４，５５）。C8. "Interpolation" C8 (a in FIG. 11 & FIG. 12) In "interpolation" C8, the average value of the gradation data of the four pixels surrounding the gradation data is assigned to the pixel having no gradation data. If any of the surrounding four pixels is a blank pixel, this allocation is not performed. The contents of this "interpolation" C8 are shown in FIG. 11 (a) and FIG. In this case, the addresses (pixels) of the corrected image memory are sequentially designated, and it is checked whether or not the designated pixel (pixel of interest) is a blank pixel (memory data indicates "-1") ( 36), if the pixel of interest is a blank pixel, as shown in (b) of FIG. -Check for data in this order,
If even one of these four pixels is a blank pixel,
Processing for the pixel of interest ends (leave blank pixel as is)
Then, the pixel of interest is moved to the next (39-42, 42-46, 4
6-50, 50-54). When it is checked whether each of the four pixels has gradation data, if there is gradation data, it is added to the contents of the accumulation register Is, and the obtained sum is updated in the accumulation register Is. Shi (40,44,48,5
2) The content of the frequency register Ns is incremented by 1 (41, 45, 49, 53). When this is completed for all of the four pixels, the average value Ic (x, y) of the gradation data of these pixels is calculated and stored in the target pixel (54, 55).

【００３３】以上で、「画面の校正」Ｃ（図３）を終了
し、ＣＰＵ１は次に「ウィンドウ２−１内の車両検出」
ＤＥＴ１を実行する。このＤＥＴ１ではまず「自車レ−
ン検出」Ｄを実行する。With the above, the "screen calibration" C (FIG. 3) is completed, and the CPU 1 next performs "vehicle detection in the window 2-1".
Execute DET1. In this DET1, first "
Detection ”D.

【００３４】Ｄ．「自車レ−ン検出」Ｄ（図１３） この内容を図１３に示す。まず「特徴点検出ウィンドウ
２−１セット」Ｄ１を実行する。D. "Own vehicle lane detection" D (Fig. 13) This content is shown in Fig. 13. First, the "feature point detection window 2-1 set" D1 is executed.

【００３５】Ｄ１．「特徴点検出ウィンドウ２−１セッ
ト」Ｄ１（図１４） この内容は、前述の「特徴点検出ウィンドウ１セット」
Ｃ１（図５）と類似であるが、ウィンドウ２−１のサイ
ズと位置がウィンドウ１とは異なり、しかも、ウィンド
ウ２−１を適用するメモリは補正画像メモリである。図
１４および図１６に示すように、ウィンドウ２−１は、
ウィンドウ１の上側に設定される。D1. "Feature point detection window 2-1 set" D1 (Fig. 14)
Similar to C1 (FIG. 5), but the size and position of window 2-1 is different from window 1, and the memory to which window 2-1 is applied is a corrected image memory. As shown in FIGS. 14 and 16, the window 2-1 is
It is set on the upper side of the window 1.

【００３６】Ｄ２．「特徴点検出（ＵＰ）」Ｄ２ ウィンドウ２−１を設定すると、補正画像メモリ上の該
ウィンドウ２−１内の特徴点を検出する。この内容は前
述の「特徴点検出（ＵＰ）」Ｃ２と同様であり、「特徴
点検出（ＵＰ）」Ｄ２でも特徴点を表わす「１」情報
は、２値デ−タテ−ブルＥ（Ｘｓ，Ｙｓ）に書込む。た
だし、検出領域がウィンドウ２−１である点、および、
処理対象デ−タが補正画像メモリ上のデ−タである点、
が異なる。 Ｄ３．「左右白線検出」Ｄ３（図１５） ここでも前述の「ボンネット検出」Ｃ３と類似の処理
で、自車レ−ンの右端白線を近似する直線および左端白
線を近似する直線を検出する。ただし、ウィンドウ２−
１がウィンドウ１とサイズおよび位置が異なるので、極
座標原点が異なる（図１６）。また、ウィンドウ２−１
は左，右に２分割しないので、左,右端白線の粗検出を
行なう第1回のハフ変換６７で、度数最大点と次に大き
い点の２点を検出する点が異なる。先の「ボンネット検
出」Ｃ３では、「直線当てはめ」１３Ｒ，１３Ｌの内容
の詳細な説明を省略しているので、ここで、「直線当て
はめ」６３の内容を、詳細に説明する。D2. "Feature point detection (UP)" D2 When the window 2-1 is set, the feature point in the window 2-1 on the corrected image memory is detected. This content is the same as the above-mentioned "feature point detection (UP)" C2, and the "1" information representing the feature point also in the "feature point detection (UP)" D2 is the binary data table E (Xs, Write in Ys). However, the detection area is the window 2-1 and
That the processing target data is the data on the corrected image memory,
Is different. D3. "Left and Right White Line Detection" D3 (FIG. 15) Here, similar processing to the above-mentioned "bonnet detection" C3 is performed to detect a straight line approximating the right end white line and a straight line approximating the left end white line of the own vehicle lane. However, window 2-
1 differs from window 1 in size and position, so the polar origin is different (FIG. 16). Also, window 2-1
Is not divided into two parts, left and right, and is different in that two points, the maximum frequency point and the next largest point, are detected in the first Hough transform 67 that roughly detects the left and right end white lines. In the above-mentioned "bonnet detection" C3, the detailed description of the contents of the "straight line fitting" 13R and 13L is omitted. Therefore, the contents of the "straight line fitting" 63 will be described in detail here.

【００３７】 ６３．「直線当てはめ」６３（図１７＆図１８） この内容を図１７および図１８に示す。なお、「直線当
てはめ」６３は、ウィンドウ２−１の全体に対して適用
される点に注意されたい。ここではまず、２値デ−タテ
−ブルＥ（Ｘｓ，Ｙｓ）上の特徴点をρ−θ極座標系に
変換してこの座標系の各点（ｒ，ｔ）の曲線が通る度数
カウント値を書込む、イメ−ジメモリ５ａのある領域に
割り当てたデ−タテ−ブルＨＧｎ（ｒ，ｔ）、ここでは
ｎ＝１、のデ−タをクリアする（図１７の６５；詳細は
図１９）。次にハフ変換パラメ−タ（変換領域およびハ
フ変換密度）を設定し（図１７の６６）、第１回のハフ
変換（ＨＧ１）を行なう（図１７の６７；詳細は図２
０）。63. "Straight line fit" 63 (Figs. 17 & 18) This content is shown in Figs. 17 and 18. Note that the “straight line fit” 63 is applied to the entire window 2-1. Here, first, the characteristic points on the binary data table E (Xs, Ys) are converted into a ρ-θ polar coordinate system, and the frequency count value that the curve of each point (r, t) of this coordinate system passes The data of the data table HGn (r, t) assigned to a certain area of the image memory 5a to be written, where n = 1 is cleared (65 in FIG. 17; details are shown in FIG. 19). Next, Hough transform parameters (transformation area and Hough transform density) are set (66 in FIG. 17), and the first Hough transform (HG1) is performed (67 in FIG. 17; details are shown in FIG. 2).
0).

【００３８】「ハフ変換（ＨＧ１）」６７（図２０） 図２０を参照する。これにおいては、２値デ−タテ−ブ
ルＥ（Ｘｓ，Ｙｓ）の、補正画像メモリ対応の一画面の
中のウィンドウ２−１対応領域、すなわち始点が（５１
１，３５０）、終点が（０，２５０）の領域、に特徴点
（「１」情報）があるかをチェックする（８７〜８９，
９５〜９８）。特徴点がある毎に、該点を、Ｘ−Ｙ座標
上で原点が（Ｘｃｈ＝２５５，Ｙｃｈ＝３５０）、θが
０〜πの範囲、かつ、θの単位が（π／２）×（１／３
２）の極座標ρ−θ上の位置（ｒ，ｔ）、ｔ＝０〜３
１、ｒは図２０のステップ９１のブロック中に示す演算
式で算出される値、に変換し、データテーブルＨＧｎ
（ここではｎ＝１）の、位置（ｒ，ｔ）対応のアドレス
のデータを１インクレメントする（９０〜９４）。前に
説明したように、Ｘ−Ｙ座標上の一点は極座標ρ−θに
変換すると極座標ρ−θ上では曲線となるので、前記変
換された位置（ｒ，ｔ）は、ｔ＝０〜３１のそれぞれに
対応する３２個（それらの連なりが曲線）となる。デー
タテーブルＨＧｎの、これらの位置（ｒ，ｔ）に割り当
てたアドレスのデータが１インクレメントされるので、
各アドレスのデータは、Ｘ−Ｙ座標上の特徴点それぞれ
の、ρ−θ座標上の曲線が通る度数を表わすことにな
る。"Hough Transform (HG1)" 67 (FIG. 20) Referring to FIG. In this case, the area corresponding to the window 2-1 in the one screen corresponding to the corrected image memory of the binary data table E (Xs, Ys), that is, the starting point is (51
It is checked whether there is a feature point (“1” information) in the area whose end point is (0,250) (1,350) (87 to 89,
95-98). Every time there is a characteristic point, the origin is (Xch = 255, Ych = 350) on the XY coordinates, θ is in the range of 0 to π, and the unit of θ is (π / 2) × ( 1/3
Position (r, t) on the polar coordinate ρ-θ of 2), t = 0 to 3
20, r is converted into a value calculated by the arithmetic expression shown in the block of step 91 of FIG.
The data of the address (n = 1 in this case) corresponding to the position (r, t) is incremented by 1 (90 to 94). As described above, when one point on the XY coordinate is converted into the polar coordinate ρ-θ, it becomes a curve on the polar coordinate ρ-θ, and thus the converted position (r, t) is t = 0 to 31. 32 (corresponding to a curve) corresponding to each of the above. Since the data of the addresses assigned to these positions (r, t) in the data table HGn is incremented by 1,
The data at each address represents the frequency at which the characteristic point on the XY coordinates passes through the curve on the ρ-θ coordinates.

【００３９】図２０のステップ９１は、 ｒ＝{(Xs−Xch)・cos〔(ｔ・(Te−Ts)/Td)＋Ts〕＋ (Ych−Ys)・sin〔(ｔ・(Te−Ts)/Td)＋Ts〕−Rs}×Rd/(Re−Rs)・・・(1) を算出して、算出値ｒをレジスタｒに格納することを意
味する。この(1)式を変形すると次の(1a)式となる。In step 91 of FIG. 20, r = {(Xs-Xch) .cos [(t. (Te-Ts) / Td) + Ts] + (Ych-Ys) .sin [(t. (Te-Ts ) / Td) + Ts] −Rs} × Rd / (Re−Rs) (1) is calculated and the calculated value r is stored in the register r. When this equation (1) is modified, it becomes the following equation (1a).

【００４０】 ｒ/Rd/(Re−Rs)＋Rs＝ (Xs−Xch)・cos〔(ｔ・(Te−Ts)/Td)＋Ts〕 ＋(Ych−Ys)・sin〔(ｔ・(Te−Ts)/Td)＋Ts〕 ・・・(1a) これは次の(1b)式で表わすことができる。R / Rd / (Re-Rs) + Rs = (Xs-Xch) .cos [(t. (Te-Ts) / Td) + Ts] + (Ych-Ys) .sin [(t. (Te- Ts) / Td) + Ts] (1a) This can be expressed by the following equation (1b).

【００４１】 ｒ/d＋c＝ (Xs−Xch)・cos(a・ｔ＋b) ＋(Ych−Ys)・sin(a・ｔ＋b) ・・・(1b) ここで、ａ＝(Te−Ts)/Td，ｂ＝Ts，ｃ＝Rｓ，ｄ＝Rd/
(Re−Rs)である。R / d + c = (Xs−Xch) · cos (a · t + b) + (Ych−Ys) · sin (a · t + b) (1b) where a = (Te−Ts) / Td , B = Ts, c = Rs, d = Rd /
(Re-Rs).

【００４２】この(1)式において、(Xch,Ych)は、極座標
原点のＸ−Ｙ座標上の位置であり、ここでは Xch＝255、Ych＝350 である。Ｘｓは特徴点の、Ｘ−Ｙ座標上のＸ座標値、Ｙ
ｓはＹ座標値である。In the equation (1), (Xch, Ych) is the position on the XY coordinate of the polar coordinate origin, and here Xch = 255 and Ych = 350. Xs is the X coordinate value of the feature point on the XY coordinate, Y
s is a Y coordinate value.

【００４３】ここで、 θ＝〔(ｔ・(Te−Ts)/Td)＋Ts〕 と表わすと、図１５のステップ６２Ｒと図１７のステッ
プ６６での設定により、 (Te−Ts)/Td＝π／３２、 Ts＝０ であるので、 θ＝ｔ・π／３２ ＝（π／３２）ｔ ａ＝π／３２，ｂ＝０，ｃ＝０，ｄ＝１／８ であり、ｔ＝０〜３１であるので、θ＝０，θ＝π／３
２，θ＝２π／３２，θ＝３π／３２，・・・，３１π
／３２と、π／３２を最小単位として３２点のρ値ｒが
算出される。すなわちこの第１ハフ変換では、ウィンド
ウ２−１の領域の特徴点各点が、θがπ／３２を最小単
位とし、かつ０以上π未満の範囲の極座標平面上の位置
（ｒ，ｔ）に変換される。Here, if θ = [(t (Te-Ts) / Td) + Ts] is expressed, (Te-Ts) / Td = Since π / 32 and Ts = 0, θ = t · π / 32 = (π / 32) ta = π / 32, b = 0, c = 0, d = 1/8, and t = 0 .About.31, θ = 0, θ = π / 3
2, θ = 2π / 32, θ = 3π / 32, ..., 31π
/ 32 and π / 32 are the minimum units, and the ρ value r of 32 points is calculated. That is, in the first Hough transform, each of the feature points in the area of the window 2-1 is located at a position (r, t) on the polar coordinate plane in which θ has a minimum unit of π / 32 and is 0 or more and less than π. To be converted.

【００４４】上記(1)式の、Rd/(Re−Rs)は、図１５のス
テップ６２Ｒと図１７のステップ６６での設定により、 Rd/(Re−Rs)＝３２／２５６ である。これは、θ＝π／３２をｔの１単位としている
ので、すなわち、πを３２分割しているので、これに対
応してρの範囲０〜２５６も同様に３２分割するもので
ある。すなわちｒの一単位は２５６／３２である。Rd / (Re-Rs) in the above equation (1) is Rd / (Re-Rs) = 32/256 according to the settings in step 62R of FIG. 15 and step 66 of FIG. This is because θ = π / 32 is one unit of t, that is, since π is divided into 32, correspondingly, the range 0 to 256 of ρ is also divided into 32. That is, one unit of r is 256/32.

【００４５】要約すると、「ハフ変換（ＨＧ１）」６７
では、(1)式は具体的には次の(1-1)式である。In summary, "Hough transform (HG1)" 67
Then, the expression (1) is specifically the following expression (1-1).

【００４６】 ｒ＝{(Xs−255)・cos〔(ｔ・(π/32)〕＋(350−Ys)・sin〔(ｔ・(π/32)〕}×1/ 8 ・・・(1-1) これを(1b)式の形に変形して、 ｒ/d₁＋c₁＝ (Xs−Xch)・cos(a₁・ｔ＋b₁) ＋(Ych−Ys)・sin(a₁・ｔ＋b₁) ・・・(1-1b) で表わすと、ａ₁＝π／３２，ｂ₁＝０，ｃ₁＝０，ｄ₁＝
１／８ である。R = {(Xs−255) · cos [(t · (π / 32)] + (350−Ys) · sin [(t · (π / 32)]} × 1/8 ( 1-1) Transforming this into the form of equation (1b), r / d ₁ + c ₁ = (Xs−Xch) ・ cos (a ₁・ t + b ₁ ) ＋ (Ych−Ys) ・ sin (a ₁・t + b ₁ ) ... (1-1b), a ₁ = π / 32, b ₁ = 0, c ₁ = 0, d ₁ =
It is 1/8.

【００４７】このように第１ハフ変換では、ρ−θ極座
標のθの単位をπ／３２と粗いものとし、しかもρの単
位を２５６／３２と粗いものとしているので、１つの特
徴点（Ｘｓ，Ｙｓ）をρ−θ極座標に変換する演算回数
（ｔの切換回数３２すなわち(1)式の演算を行なう回数)
が極く少く、ｒデータビット数が少く、特徴点各点をρ
−θ極座標へ変換する速度が速く、かつ、度数カウント
処理速度が速い。As described above, in the first Hough transform, the unit of θ in the ρ-θ polar coordinate is coarse as π / 32, and the unit of ρ is coarse as 256/32, so that one feature point (Xs , Ys) is converted to ρ-θ polar coordinates (the number of times t is switched 32, that is, the number of times the formula (1) is calculated).
Is extremely small, the number of r data bits is small, and each feature point is ρ
-The conversion speed to polar coordinates is fast, and the frequency count processing speed is fast.

【００４８】図１７を再度参照すると、ＣＰＵ１は、第
１回のハフ変換である「ハフ変換（ＨＧ１）」６７を終
了すると、「最大点探索（ＨＧ１）」６８を実行する。
その内容を図２１に示す。Referring to FIG. 17 again, when the CPU 1 completes the first Hough transform "Hough transform (HG1)" 67, it executes "Maximum point search (HG1)" 68.
The contents are shown in FIG.

【００４９】「最大点探索（ＨＧ１）」６８（図２１） 前述のデータテーブルＨＧｎ（ここではｎ＝１）の各ア
ドレス（ｒ，ｔ）のデータ（度数）を順次に読出して
（図２１の９９，１００，１０５〜１０８）、読出した
データをレジスタＧmのデータと比較して、読出しデー
タの方が大きいと読出しデータをレジスタＧmに更新メ
モリし、かつこの時読出しデータのアドレス（ｒ，ｔ）
のｒはレジスタｒm11に、ｔはレジスタｔm11に更新メモ
リする（１０１〜１０４）。読出しデ−タがＧmより小
さいと、読出しデ−タをレジスタＧmnのデ-タと比較し
て、読出しデータの方が大きいと読出しデータをレジス
タＧmnに更新メモリし、かつこの時読出しデータのアド
レス（ｒ，ｔ）のｒはレジスタｒm12に、ｔはレジスタ
ｔm12に更新メモリする（１０２Ａ〜１０２Ｃ）。デー
タテーブルＨＧｎのすべてのアドレスに対してこのよう
な処理を終了すると、レジスタＧmにはデータテーブル
ＨＧｎにある度数の最大値が、レジスタｒm11，ｔm11に
は該最大値があるアドレス（ｒm11，ｔm11）が格納され
ていることになる。レジスタＧmnにはデータテーブルＨ
Ｇｎにある度数の最大値の次に大きい値が、レジスタｒ
m12，ｔm12には該最大値があるアドレス（ｒm12，ｔm1
2）が格納されていることになる。"Maximum point search (HG1)" 68 (FIG. 21) The data (frequency) of each address (r, t) of the above-mentioned data table HGn (here, n = 1) is sequentially read (see FIG. 21). 99, 100, 105-108), the read data is compared with the data in the register Gm, and if the read data is larger, the read data is updated and stored in the register Gm, and at this time, the read data address (r, t )
Of r is updated in the register rm11 and t is updated in the register tm11 (101 to 104). If the read data is smaller than Gm, the read data is compared with the data in the register Gmn, and if the read data is larger, the read data is updated in the register Gmn and the address of the read data is read at this time. R of (r, t) is updated and stored in the register rm12 and t in the register tm12 (102A to 102C). When such processing is completed for all the addresses of the data table HGn, the register Gm has the maximum value of the frequency in the data table HGn, and the registers rm11 and tm11 have the maximum value (rm11, tm11). Will be stored. The data table H is stored in the register Gmn.
The next largest value of the frequency in Gn is the register r.
Addresses (rm12, tm1) that have the maximum value in m12, tm12
2) is stored.

【００５０】図１７を再度参照すると、ＣＰＵ１は、
「最大点探索（ＨＧ１）」６８を終了すると、ｒ−ｔ極
座標系で表現された前記アドレス（ｒm11，ｔm11）を、
Ｘ−Ｙ座標系画面に対応するρ−θ極座標系アドレス
（Ｒm11，Ｔm11）に変換する（６９Ｒ）。ここでは、 Ｒm11＝ｒm11・(Ｒe1−Ｒs1)／Ｒd1 ・・・(2) Tm11＝ｔm11・(Ｔe1−Ｔs1)／Ｔd1 ・・・(3) を算出して、算出したＲm11をレジスタＲm11に、算出し
たＴm11をレジスタＴm11に格納する。同様に、アドレス
（ｒm12，ｔm12）を、Ｘ−Ｙ座標系画面に対応するρ−
θ極座標系アドレス（Ｒm12，Ｔm12）に変換する（６９
Ｌ）。図１５のステップ６２および図１７のステップ６
６での設定により、ここでは、 (Ｒe1−Ｒs1)＝２５６ Ｒd1＝３２ (Ｔe1−Ｔs1)＝π Ｔd1＝３２ であり、(2)式は、Ｒm11＝８・ｒm11 を意味し、(3)式
は、Ｔm11＝(π/32)・ｔm11を意味する。アドレス（Ｒm
11，Ｔm11），（Ｒm12，Ｔm12）をＸ−Ｙ座標系への変
換式に代入すると、補正画像メモリの画像データを表示
する画面上の、ウィンドウ２−１の領域にある、２直線
（低密度ハフ変換６７により検出した直線：以下第１回
検出の直線と称す）を示す式が得られる。Referring again to FIG. 17, the CPU 1
When the "maximum point search (HG1)" 68 is completed, the address (rm11, tm11) expressed in the rt polar coordinate system is changed to
It is converted to ρ-θ polar coordinate system address (Rm11, Tm11) corresponding to the X-Y coordinate system screen (69R). Here, Rm11 = rm11. (Re1-Rs1) / Rd1 (2) Tm11 = tm11. (Te1-Ts1) / Td1 (3) is calculated, and the calculated Rm11 is stored in the register Rm11. The calculated Tm11 is stored in the register Tm11. Similarly, the address (rm12, tm12) is set to ρ− corresponding to the screen of the XY coordinate system.
Convert to θ polar coordinate system address (Rm12, Tm12) (69
L). Step 62 of FIG. 15 and Step 6 of FIG.
According to the setting in 6, here, (Re1−Rs1) = 256 Rd1 = 32 (Te1−Ts1) = π Td1 = 32, and the expression (2) means Rm11 = 8 · rm11, and (3) The formula means Tm11 = (π / 32) · tm11. Address (Rm
Substituting (11, Tm11), (Rm12, Tm12) into the conversion formula to the XY coordinate system, the two straight lines (low line) in the area of the window 2-1 on the screen displaying the image data of the corrected image memory A straight line detected by the density Hough transform 67: hereinafter referred to as a first detection straight line) is obtained.

【００５１】次にＣＰＵ１は、イメージメモリ５ａのあ
る領域に割り当てたデータテーブルＨＧｎ（ｒ，ｔ）、
ここではｎ＝２、のデータをクリアする（図１７の７０
Ｒ）。次に第２回のハフ変換である「ハフ変換（ＨＧ
２）」７２の変換パラメータを設定する（図１７の７１
Ｒ）。前述の第１回のハフ変換ではθの範囲Ｔｓ〜Ｔｅ
を０〜π、単位（Ｔｅ−Ｔｓ）／Ｔｄをπ／３２とし、
ρの範囲Ｒｓ〜Ｒｅは０〜２５６、単位Ｒｄ／（Ｒｅ−
Ｒｓ）を１／８としたが、ここでは、θおよびρの範囲
を、前記（Ｒm11，Ｔm11）を中心とする小範囲に設定
し、θおよびρの単位も小さく設定する。具体的には、 Ｒs＝８（ｒm11−２） Ｒe＝８（ｒm11＋２） Ｒd＝３２ Ｔs＝（π／３２）（ｔm11−２） Ｔe＝（π／３２）（ｔm11＋２） Ｔd＝３２ を設定する。なお、ｒm11＝Ｒm11／８，ｔm1＝Ｔm11／
(π/32）である。そして「ハフ変換（ＨＧ２）」７２Ｒ
を行なう。Next, the CPU 1 assigns a data table HGn (r, t) to a certain area of the image memory 5a,
Here, the data of n = 2 is cleared (70 in FIG. 17).
R). Next, the second Hough transform, "Hough transform (HG
2) ”72 conversion parameters are set (71 in FIG. 17).
R). In the above-mentioned first Hough transform, the range of θ from Ts to Te
Is 0 to π, the unit (Te-Ts) / Td is π / 32,
The range R of Rs to Re is 0 to 256, and the unit Rd / (Re-
Although Rs) is set to 1/8, here, the range of θ and ρ is set to a small range centered on the above (Rm11, Tm11), and the units of θ and ρ are set small. Specifically, Rs = 8 (rm11-2) Re = 8 (rm11 + 2) Rd = 32 Ts = (π / 32) (tm11-2) Te = (π / 32) (tm11 + 2) Td = 32 are set. . Note that rm11 = Rm11 / 8, tm1 = Tm11 /
(π / 32). And "Hough conversion (HG2)" 72R
Do.

【００５２】「ハフ変換（ＨＧ２）」７２Ｒ この「ハフ変換（ＨＧ２）」７２Ｒの内容は、図２０を
参照して説明した「ハフ変換（ＨＧ１）」６７と同様で
あるが、図２０中で、ｎ＝２である点と、ブロック９１
内の演算式（前述の(1)式)の内容が異なる。ステップ７
１Ｒで設定したパラメータに基づいた、図２０のステッ
プ９１の演算式すなわち前記(1)式は具体的には次の(1-
2)式となる。"Hough Transform (HG2)" 72R The content of this "Hough Transform (HG2)" 72R is the same as that of the "Hough Transform (HG1)" 67 described with reference to FIG. , N = 2, and block 91
The contents of the arithmetic expression ((1) above) are different. Step 7
Based on the parameters set in 1R, the arithmetic expression of step 91 of FIG. 20, that is, the above equation (1) is
It becomes the formula 2).

【００５３】 ｒ＝{(Xs−255)・cos〔ｔ・(π/256)＋π(ｔm11−2)/32〕＋ (350−Ys)・sin〔ｔ・(π/256)＋π(ｔm11−2)/32〕−8(ｒm11−2)}×(1/1 ) ・・・(1-2) これを(1b)式の形に変形して、 ｒ/d₂＋c₂＝ (Xs−Xch)・cos(a₂・ｔ＋b₂) ＋(Ych−Ys)・sin(a₂・ｔ＋b₂) ・・・(1-2b) で表わすと、前述の第１回の変換で、 ａ₁＝(π/32)， ｂ₁＝０， ｃ₁＝０，
ｄ₁＝1/8 に対して、 ａ₂＝(π/256)，ｂ₂＝π(ｔm11−2)/32，ｃ₂＝8(ｒm11
−2)，ｄ₂＝１ となる。R = {(Xs−255) · cos [t · (π / 256) + π (tm11-2) / 32] + (350−Ys) · sin [t · (π / 256) + π (tm11− 2) / 32] −8 (rm11−2)} × (1/1) ・ ・ ・ (1-2) By transforming this into the form of equation (1b), r / d ₂ + c ₂ = (Xs− Xch) · cos (a ₂ · t + b ₂ ) + (Ych−Ys) · sin (a ₂ · t + b ₂ ) ... (1-2b) is the first conversion, and a ₁ = (π / 32), b ₁ = 0, c ₁ = 0,
For d ₁ = 1/8, a ₂ = (π / 256), b ₂ = π (tm11-2) / 32, c ₂ = 8 (rm11
−2), d ₂ = 1.

【００５４】ｔ＝０〜３１であるので、 θ＝ π(ｔm11−2)/32， θ＝ (π/256)＋π(ｔm11−2)/32， θ＝ 2(π/256)＋π(ｔm11−2)/32， θ＝ 3(π/256)＋π(ｔm11−2)/32， ・ ・ ・ θ＝31(π/256)＋π(ｔm11−2)/32， と、(π/256)を最小単位として３２点のθに対応するρ
値ｒが算出される。すなわちこの第２ハフ変換では、ウ
ィンドウ２−１の領域の特徴点各点が、θが(π/256)を
最小単位（ｔの１単位がπ/256）とし、かつθ＝π(ｔm
11−2)/32 以上θ＝31(π/256)＋π(ｔm11−2)/32 以下
の範囲の極座標平面上の位置（ｒ，ｔ）に変換される。
ρの範囲は８（ｒm11−２）以上８（ｒm11＋２）以下
で、ρの単位はこの範囲を３２分割するものである。す
なわちｒの一単位は３２／３２＝(1/1)＝１である。し
たがって、第２ハフ変換（７２Ｒ）はウィンドウ２−１
の特徴点を、第１ハフ変換（６７）よりも、狭い範囲か
つ高い密度の極座標に変換するものである。特徴点の１
つの極座標変換では、この第２ハフ変換（７２Ｒ）でも
ｔ＝０〜３１、すなわち３２回の演算を行なうので、第
１ハフ変換（６７）と処理時間は同程度である。１つの
特徴点（Ｘｓ，Ｙｓ）をρ−θ極座標に変換する演算回
数が極く少く、ｒデータビット数が少く、特徴点各点を
ρ−θ極座標へ変換する速度が速く、かつ、度数カウン
ト処理速度が速い。Since t = 0 to 31, θ = π (tm11-2) / 32, θ = (π / 256) + π (tm11-2) / 32, θ = 2 (π / 256) + π (tm11 −2) / 32, θ = 3 (π / 256) + π (tm11−2) / 32, ··· θ = 31 (π / 256) + π (tm11−2) / 32, and (π / 256) Ρ corresponding to 32 points θ with the minimum unit
The value r is calculated. That is, in the second Hough transform, each of the feature points in the area of the window 2-1 has θ of (π / 256) as the minimum unit (one unit of t is π / 256), and θ = π (tm
It is converted to a position (r, t) on the polar coordinate plane within the range of 11-2) / 32 or more and θ = 31 (π / 256) + π (tm11-2) / 32 or less.
The range of ρ is 8 (rm11-2) or more and 8 (rm11 + 2) or less, and the unit of ρ is to divide this range into 32 parts. That is, one unit of r is 32/32 = (1/1) = 1. Therefore, the second Hough transform (72R) is the window 2-1.
Is converted into polar coordinates having a narrower range and higher density than the first Hough transform (67). Feature point 1
In one polar coordinate conversion, the second Hough transform (72R) also performs t = 0 to 31, that is, 32 times of calculation, so that the processing time is approximately the same as that of the first Hough transform (67). The number of operations for converting one feature point (Xs, Ys) to ρ-θ polar coordinates is extremely small, the number of r data bits is small, the speed of converting each feature point to ρ-θ polar coordinates is high, and the frequency is The count processing speed is fast.

【００５５】図１７を再度参照すると、ＣＰＵ１は、第
２回のハフ変換である「ハフ変換（ＨＧ２）」７２Ｒを
終了すると、「最大点探索（ＨＧ２）」７３Ｒを実行す
る。その内容は前述の、「最大点探索（ＨＧ３）」６８
と同様である。ただしｎ＝２である。この処理を終了す
ると、レジスタＧmにはデータテーブルＨＧｎにある度
数の最大値が、レジスタｒm2，ｔm2には該最大値がある
アドレス（ｒm2，ｔm2）が格納されていることになる。Referring to FIG. 17 again, when the CPU 1 completes the second Hough transform "Hough transform (HG2)" 72R, it executes "Maximum point search (HG2)" 73R. The contents are the above-mentioned “maximum point search (HG3)” 68.
Is the same as. However, n = 2. When this process ends, the maximum value of the frequency in the data table HGn is stored in the register Gm, and the address (rm2, tm2) having the maximum value is stored in the registers rm2 and tm2.

【００５６】図１７を再度参照すると、ＣＰＵ１は、
「最大点探索（ＨＧ２）」７３Ｒを終了すると、ｒ−ｔ
極座標系で表現された前記アドレス（ｒm2，ｔm2）を、
Ｘ−Ｙ座標系画面に対応するρ−θ極座標系アドレス
（Ｒm2，Ｔm2）に変換する（７４Ｒ）。演算式は、 Ｒm2＝ｒm2・(Ｒe2−Ｒs2)／Ｒd2＋Ｒs2 ・・・(4) Tm2＝ｔm2・(Ｔe2−Ｔs2)／Ｔd2＋Ｔs2 ・・・(5) である。算出したＲm2をレジスタＲm2に、算出したＴm2
をレジスタＴm2に格納する（７４Ｒ）。図１７のステッ
プ７１Ｒでの設定により、ここでは、 (Ｒe2−Ｒs2)＝３２ Ｒd2＝３２ (Ｔe2−Ｔs2)＝π／８ Ｔd2＝３２ であり、(4)式は、具体的には、 Ｒm2＝ｒm2＋８ｒm11−16 ・・・(4-1) であり、(5)式は、具体的には、 Ｔm2＝ｔm2・(π/256)＋(π/32)・(ｔm11−2) ・・・(5-1) を意味する。アドレス（Ｒm2，Ｔm2）をＸ−Ｙ座標系へ
の変換式に代入すると、補正画像メモリの画像データを
表示する画面上の、ウィンドウ２の領域にある、１つの
直線（中密度ハフ変換７２Ｒにより検出した直線：以下
第２回検出の直線と称す）を示す式が得られる。Referring again to FIG. 17, the CPU 1
When the "maximum point search (HG2)" 73R ends, r-t
The address (rm2, tm2) expressed in polar coordinate system,
It is converted into ρ-θ polar coordinate system address (Rm2, Tm2) corresponding to the XY coordinate system screen (74R). The calculation formula is Rm2 = rm2 (Re2-Rs2) / Rd2 + Rs2 (4) Tm2 = tm2 (Te2-Ts2) / Td2 + Ts2 (5) The calculated Rm2 is stored in the register Rm2 and the calculated Tm2 is stored.
Is stored in the register Tm2 (74R). According to the setting in step 71R of FIG. 17, here, (Re2-Rs2) = 32 Rd2 = 32 (Te2-Ts2) = π / 8 Td2 = 32, and the equation (4) is, specifically, Rm2 = Rm2 + 8rm11-16 (4-1), and the equation (5) is specifically expressed as follows: Tm2 = tm2 · (π / 256) + (π / 32) · (tm11-2) Means (5-1). By substituting the address (Rm2, Tm2) into the conversion formula to the XY coordinate system, one straight line in the area of the window 2 on the screen displaying the image data of the corrected image memory (with the medium density Hough transform 72R The detected straight line: hereinafter referred to as the second detected straight line) is obtained.

【００５７】次にＣＰＵ１は、イメージメモリ５ａのあ
る領域に割り当てたデータテーブルＨＧｎ（ｒ，ｔ）、
ここではｎ＝３、のデータをクリアする（図１７の７５
Ｒ）。次に第３回のハフ変換である「ハフ変換（ＨＧ
３）」７７Ｒの変換パラメータを設定する（図１８の７
６Ｒ）。ここでは、θおよびρの範囲を、前記「ハフ変
換（ＨＧ２）」７２Ｒの場合よりも、前記（Ｒm2，Ｔm
2）を中心とする更に小さい範囲に設定し、θおよびρ
の単位も小さく設定する（７６Ｒ）。具体的には、 Ｒs＝ｒm2＋8ｒm11−18 Ｒe＝ｒm2＋8ｒm11−14 Ｒd＝３２ Ｔs＝(π/256)ｔm2＋(π/32)ｔm1−9π/128 Ｔe＝(π/256)ｔm2＋(π/32)ｔm1−7π/128 Ｔd＝３２ を設定する。なお、ｒm2，ｔm2は、Ｒm2，Ｔm2に対して
上記(4-1)式，(5-1)式で規定されるものである。そして
「ハフ変換（ＨＧ３）」７７Ｒを行なう。Next, the CPU 1 assigns a data table HGn (r, t) to a certain area of the image memory 5a,
Here, the data of n = 3 is cleared (75 in FIG. 17).
R). Next, the third Hough transform, "Hough Transform (HG
3) ”77R conversion parameter is set (7 in FIG. 18).
6R). Here, the range of θ and ρ is (Rm2, Tm
2) centered on a smaller range, and θ and ρ
The unit of is also set small (76R). Specifically, Rs = rm2 + 8rm11-18 Re = rm2 + 8rm11-14 Rd = 32 Ts = (π / 256) tm2 + (π / 32) tm1-9π / 128 Te = (π / 256) tm2 + (π / 32) tm1 Set -7π / 128 Td = 32. It should be noted that rm2 and tm2 are defined by the above equations (4-1) and (5-1) with respect to Rm2 and Tm2. Then, "Hough conversion (HG3)" 77R is performed.

【００５８】「ハフ変換（ＨＧ３）」７７Ｒ この「ハフ変換（ＨＧ３）」７７Ｒの内容は、前述の
「ハフ変換（ＨＧ２）」７２Ｒと同様であるが、図２０
中に示すハフ変換処理で、ｎ＝３である点と、図２０中
のブロック９１内の演算式（前述の(1)式)の内容が異な
る。ステップ７６Ｒで設定したパラメータに基づいた、
図２０のステップ９１の演算式すなわち前記(1)式は、
この「ハフ変換（ＨＧ３）」７７Ｒでは、具体的には次
の(1-3)式となる。"Hough Transform (HG3)" 77R The content of this "Hough Transform (HG3)" 77R is the same as that of the aforementioned "Hough Transform (HG2)" 72R, but FIG.
In the Hough transform process shown therein, the point that n = 3 is different from the content of the arithmetic expression (the above-mentioned expression (1)) in the block 91 in FIG. Based on the parameters set in step 76R,
The arithmetic expression of step 91 of FIG. 20, that is, the expression (1) is
In this “Hough transform (HG3)” 77R, specifically, the following equation (1-3) is obtained.

【００５９】 ｒ＝{(Xs−255)・cos〔ｔ・(π/2048)＋(π/256)ｔm2＋(π/32)ｔm11−9π/128 〕 ＋(350−Ys)・sin〔ｔ・(π/2048)＋(π/256)ｔm2＋(π/32)ｔm11−9π/128 〕 −ｒm2−8ｒm11＋18}×8 ・・・(1−3) これを(1b)式の形に変形して、 ｒ/d₃＋c₃＝ (Xs−Xch)・cos(a₃・ｔ＋b₃) ＋(Ych−Ys)・sin(a₃・ｔ＋b₃) ・・・(1-3b) で表わすと、前述の第１回および第２回の変換で、 ａ₁＝(π/32)， ｂ₁＝０， ｃ₁＝０，
ｄ₁＝1/8 ａ₂＝(π/256)，ｂ₂＝π(ｔm11−2)/32，ｃ₂＝8(ｒm11
−2)，ｄ₂＝１ に対して、 ａ₃＝(π/2048)，ｂ₃＝(π/256)ｔm2＋(π/32)ｔm11−9
π/128， ｃ₃＝ｒm2＋8ｒm11−18，ｄ₃＝８ となる。R = {(Xs−255) · cos [t · (π / 2048) + (π / 256) tm2 + (π / 32) tm11−9π / 128] + (350−Ys) · sin [t · (π / 2048) ＋ (π / 256) tm2 ＋ (π / 32) tm11−9π / 128] −rm2−8rm11 + 18} × 8 ・ ・ ・ (1-3) Change this into the form of equation (1b). , expressed in _{r / d 3 + c 3 =} (Xs-Xch) · cos (a 3 · t + b 3) + (Ych-Ys) · sin (a 3 · t + b 3) ··· (1-3b), above In the first and second conversions of, a ₁ = (π / 32), b ₁ = 0, c ₁ = 0,
_{d 1 = 1/8 a 2} = (π / 256), b 2 = π (tm11-2) / 32, c 2 = 8 (rm11
−2), d ₂ = 1 and a ₃ = (π / 2048), b ₃ = (π / 256) tm 2 + (π / 32) tm 11-9
_{π / 128, c 3 = rm2} + 8rm11-18, a d ₃ = 8.

【００６０】ｔ＝０〜３１であるので、 θ＝ (π/256)ｔm2＋(π/32)ｔm11−9π/128， θ＝ (π/2048)＋(π/256)ｔm2＋(π/32)ｔm11−9π/128， θ＝ 2(π/2048)＋(π/256)ｔm2＋(π/32)ｔm11−9π/128， θ＝ 3(π/2048)＋(π/256)ｔm2＋(π/32)ｔm11−9π/128， ・ ・ ・ θ＝31(π/2048)＋(π/256)ｔm2＋(π/32)ｔm11−9π/128， と、(π/2048)を最小単位として３２点のθ（ｔ＝０〜
３１）に対応するρ値ｒが算出される。すなわちこの第
３ハフ変換では、ウィンドウ２−１の特徴点各点が、θ
が(π/2048)を最小単位（ｔの１単位がπ/2048）とし、
かつθ＝(π/256)ｔm2＋(π/32)ｔm11−9π/128以上 θ
＝31(π/2048)＋(π/256)ｔm2＋(π/32)ｔm11−9π/128
以下 の範囲の極座標平面上の位置（ｒ，ｔ）に変換さ
れる。ρの範囲はＲs＝ｒm2＋8ｒm11−18 以上 Ｒe＝ｒ
m2＋8ｒm11−14 以下で、ρの単位はこの範囲を３２分
割するものである。すなわちｒの一単位は４／３２＝(1
/8)である。したがって、第３ハフ変換（７７Ｒ）はウ
ィンドウ２−１の特徴点を、第２ハフ変換（７２Ｒ）よ
りも、更に狭い範囲かつ高い密度の極座標に変換するも
のである。特徴点の１つの極座標変換では、この第３ハ
フ変換（７７Ｒ）でもｔ＝０〜３１であるので、３２回
の演算を行なうので、第２ハフ変換（７２Ｒ）と処理時
間は同程度である。１つの特徴点（Ｘｓ，Ｙｓ）をρ−
θ極座標に変換する演算回数が極く少く、ｒデータビッ
ト数が少く、特徴点各点をρ−θ極座標へ変換する速度
が速く、かつ、度数カウント処理速度が速い。Since t = 0 to 31, θ = (π / 256) tm2 + (π / 32) tm11-9π / 128, θ = (π / 2048) + (π / 256) tm2 + (π / 32) tm11-9π / 128, θ = 2 (π / 2048) + (π / 256) tm2 + (π / 32) tm11-9π / 128, θ = 3 (π / 2048) + (π / 256) tm2 + (π / 32) tm11-9π / 128, ··· θ = 31 (π / 2048) + (π / 256) tm2 + (π / 32) tm11-9π / 128, and (π / 2048) as the minimum unit, 32 points Θ (t = 0-
31) is calculated corresponding to ρ value r. That is, in the third Hough transform, each feature point of the window 2-1 is
Is the minimum unit (1 unit of t is π / 2048),
And θ = (π / 256) tm2 + (π / 32) tm11-9π / 128 or more θ
= 31 (π / 2048) + (π / 256) tm2 + (π / 32) tm11-9π / 128
It is converted to the position (r, t) on the polar coordinate plane in the following range. The range of ρ is Rs = rm2 + 8rm11-18 or more Re = r
m2 + 8rm11-14 or less, and the unit of ρ divides this range into 32 parts. That is, one unit of r is 4/32 = (1
/ 8). Therefore, the third Hough transform (77R) transforms the feature points of the window 2-1 into polar coordinates having a narrower range and higher density than the second Hough transform (72R). In the polar coordinate conversion of one feature point, since t = 0 to 31 in this third Hough transform (77R), 32 times of calculations are performed, so that the processing time is similar to that of the second Hough transform (72R). . One feature point (Xs, Ys) is ρ−
The number of operations for converting to θ polar coordinates is extremely small, the number of r data bits is small, the speed of converting each feature point to ρ−θ polar coordinates is high, and the frequency count processing speed is high.

【００６１】図１８を参照すると、ＣＰＵ１は、第３回
のハフ変換である「ハフ変換（ＨＧ３）」７７Ｒを終了
すると、「最大点探索（ＨＧ３）」７３Ｒを実行する。
その内容は前述の、「最大点探索（ＨＧ３）」６８と同
様である。ただしｎ＝３である。この処理を終了する
と、レジスタＧmにはデータテーブルＨＧｎにある度数
の最大値が、レジスタｒm3，ｔm3には該最大値があるア
ドレス(ｒm3，ｔm3）が格納されていることになる。Referring to FIG. 18, when the CPU 1 completes the third Hough transform "Hough transform (HG3)" 77R, it executes "Maximum point search (HG3)" 73R.
The content is the same as that of the “maximum point search (HG3)” 68 described above. However, n = 3. When this process is completed, the maximum value of the frequency in the data table HGn is stored in the register Gm, and the address (rm3, tm3) having the maximum value is stored in the registers rm3 and tm3.

【００６２】図１８を参照すると、ＣＰＵ１は、「最大
点探索（ＨＧ３）」７８Ｒを終了すると、ｒ−ｔ極座標
系で表現された前記アドレス（ｒm3，ｔm3）を、Ｘ−Ｙ
座標系画面に対応するρ−θ極座標系アドレス（Ｒm3
1，Ｔm31）に変換する（７９Ｒ）。演算式は、 Ｒm31＝ｒm3・(Ｒe3−Ｒs3)／Ｒd3＋Ｒs3・・・(6) Ｔm31＝Ｔm3・(Ｔe3−Ｔs3)／Ｔd3＋Ｔs3・・・(7) である。算出したＲm31をレジスタＲm31に、算出したＴ
m31をレジスタＴm31に格納する（７９Ｒ）。図１８のス
テップ７６Ｒの設定により、ここでは、 （Ｒe3−Ｒs3)＝４ Ｒd3＝３２ （Ｔe3−Ｔs3)＝π／６４ Ｔd3＝３２ であり、(6)式は、具体的には、 Ｒm31＝(1/8)・ｒm3＋ｒm2＋8ｒm11−18 ・・・(6-1) であり、(7)式は、具体的には、 Ｔm31＝(π/64)・ｔm3＋(π/256)ｔm2＋(π/32)ｔm11−9π/128 ・・・(7-1) を意味する。アドレス（Ｒm31，Ｔm31）をＸ−Ｙ座標系
への変換式に代入すると、補正画像メモリの画像データ
を表示する画面上の、ウィンドウ２-1の、１つの直線
（高密度ハフ変換７７Ｒにより検出した直線：以下第３
回検出の直線と称す）を示す式が得られる。Referring to FIG. 18, when the "maximum point search (HG3)" 78R is completed, the CPU 1 sets the address (rm3, tm3) expressed in the rt polar coordinate system to XY.
Ρ-θ polar coordinate system address (Rm3
1, Tm31) (79R). The calculation formula is Rm31 = rm3 (Re3-Rs3) / Rd3 + Rs3 (6) Tm31 = Tm3 (Te3-Ts3) / Td3 + Ts3 (7) The calculated Rm31 is stored in the register Rm31, and the calculated T
The m31 is stored in the register Tm31 (79R). By the setting of step 76R of FIG. 18, here, (Re3−Rs3) = 4 Rd3 = 32 (Te3−Ts3) = π / 64 Td3 = 32, and the equation (6) is, specifically, Rm31 = (1/8) · rm3 + rm2 + 8rm11−18 (6-1), specifically, the formula (7) is expressed as: Tm31 = (π / 64) · tm3 + (π / 256) tm2 + (π / 32 ) tm11-9π / 128 (7-1) is meant. By substituting the address (Rm31, Tm31) into the conversion formula to the XY coordinate system, one straight line (detected by the high-density Hough transform 77R) of the window 2-1 on the screen displaying the image data of the corrected image memory is detected. Straight line: third below
An equation showing a straight line of detection) is obtained.

【００６３】以上でウィンドウ２−１内の、粗いハフ変
換（６７）で検出した２直線(rm11,tm11)および(rm12,T
m12)の、第１直線(rm11,tm11)を検出したことになり、
この直線は、右端白線又は左端白線である。上述のステ
ップ７０Ｒ〜７９Ｌの処理を同様に第２直線(rm12,Tm1
2)に適用して、第２直線を精細に検出する（図１８の７
０Ｌ〜７９Ｌ）。As described above, the two straight lines (rm11, tm11) and (rm12, T) detected by the rough Hough transform (67) in the window 2-1.
It means that the first straight line (rm11, tm11) of (m12) is detected,
This straight line is the right end white line or the left end white line. In the same manner as the above steps 70R to 79L, the second straight line (rm12, Tm1
2) to detect the second straight line finely (7 in FIG. 18).
0L-79L).

【００６４】以上で図１５に示す「直線当てはめ」６３
（内容は図１７＆図１８）を終了したことになり、ウィ
ンドウ２−１領域にある画像中の２直線（最も代表的な
直線と、次に代表的な直線）を表わす直線式を得たこと
になる。ウィンドウ２−１は、自車レーンの、自車直近
領域の左，右端の白線を検出するに最も適した領域に設
定されており、ウィンドウ２−１領域に右端白線および
左端白線の像があると、第３回検出の直線はこの白線を
近似する直線である確率が高い。したがって、「直線当
てはめ」６３は、自車レーンの左，右端白線の検出であ
る。As described above, the "straight line fitting" 63 shown in FIG.
(Contents: Fig. 17 & Fig. 18) has been completed, and we have obtained a linear equation that expresses two straight lines (the most representative straight line and the next representative straight line) in the image in the window 2-1 area. become. The window 2-1 is set as the most suitable area for detecting the left and right white lines of the area immediately adjacent to the own vehicle in the own vehicle lane, and there are images of the right end white line and the left end white line in the window 2-1 area. Then, the straight line of the third detection has a high probability of being a straight line approximating this white line. Therefore, the "straight line fitting" 63 is the detection of the left and right white lines of the vehicle lane.

【００６５】図１５を再度参照すると、ＣＰＵ１は、次
に、検出した２直線を表わすデータ（Ｒm31，Ｔm31），
（Ｒm32，Ｔm32）の傾斜角を比較して（６４Ａ）、左上
りの直線を右直線レジスタ（ＲmR，ＴmR）に、右左上り
の直線を左直線レジスタ（ＲmL，ＴmL）に格納する(６
４Ｂ，６４Ｃ）。以上で「左右白線検出」Ｄ３を終了す
る。ＣＰＵ１は次に、「無限遠点計算」Ｄ４を行なう。
この内容を図２２に示す。Referring again to FIG. 15, the CPU 1 then outputs data (Rm31, Tm31) representing the detected two straight lines,
The inclination angles of (Rm32, Tm32) are compared (64A), the upper left straight line is stored in the right straight line register (RmR, TmR), and the right upper left straight line is stored in the left straight line register (RmL, TmL) (6
4B, 64C). Thus, the "left and right white line detection" D3 is completed. The CPU 1 then performs "infinity point calculation" D4.
This content is shown in FIG.

【００６６】Ｄ４．「無限遠点計算」Ｄ４（図２２） ここではまず、「直線交点計算」１０９で、レジスタＲ
mR，ＴmRのデータが表わす直線（自車レーン右端白線と
推定した)と、レジスタＲmL，ＴmLのデータが表わす直
線(自車レーン左端白線と推定した）との交点（Ｘｃ，
Ｙｃ）を算出する。次に、算出した交点（Ｘｃ，Ｙｃ）
が、過去に算出した交点データを時系列で重み付け平滑
化（平均化）して得ている無限遠点（Ｘｖ，Ｙｖ）を中
心とする横６０画素×縦６０画素の領域内に存在するか
をチェックする（１１０，１１１）。この領域内である
と、今回求めた交点（Ｘｃ，Ｙｃ）が無限遠点である信
頼性が高いので、無限遠点データ（Ｘｖ，Ｙｖ）を、今
回求めた交点（Ｘｃ，Ｙｃ）に１／８の重み付けをし、
これまでの無限遠点データ（Ｘｖ，Ｙｖ）に７／８の重
み付けをして加算した値に更新する（１１２）。そし
て、無限遠点追跡に失敗した回数をカウントするための
レジスタＮveをクリアする(１１３）。D4. "Point calculation at infinity" D4 (Fig. 22) First, in "Line intersection calculation" 109, register R
An intersection (Xc, Xc, between a straight line (estimated as the right end white line of the own vehicle lane) represented by mR and TmR data and a straight line (estimated as the left end white line of the own vehicle lane) represented by data of registers RmL and TmL
Yc) is calculated. Next, the calculated intersection (Xc, Yc)
Exists in a region of 60 pixels in the horizontal direction and 60 pixels in the vertical direction centered on the point at infinity (Xv, Yv) obtained by weighting smoothing (averaging) the intersection data calculated in the past in time series. Is checked (110, 111). Within this area, the intersection point (Xc, Yc) obtained this time is highly reliable at the point at infinity, so the infinity point data (Xv, Yv) is set to 1 at the intersection point (Xc, Yc) obtained this time. / 8 weighting,
The infinite point data (Xv, Yv) so far is weighted by 7/8 and updated to a value added (112). Then, the register Nve for counting the number of times the tracking of the point at infinity has failed is cleared (113).

【００６７】今回算出した交点（Ｘｃ，Ｙｃ）が、前記
横６０画素×縦６０画素の領域内にないときには、無限
遠点追跡が失敗（今回の交点算出がエラー又はこれまで
の無限遠点データ（Ｘｖ，Ｙｖ）がエラー）であるとし
て、レジスタＮveの内容を１インクレメントし（１１
４）、レジスタＮveの内容が５になったかをチェックす
る（１１５）。５になっていると、今回と過去４回の計
５回連続して交点算出がエラーであったことになり、こ
れは現在保待している無限遠点データ（Ｘｖ，Ｙｖ）が
エラーであると見なして、無限遠点データ（Ｘｖ，Ｙ
ｖ）を今回算出した交点（Ｘｃ，Ｙｃ）に更新する（１
１６）。When the intersection point (Xc, Yc) calculated this time is not within the area of 60 pixels in the horizontal direction and 60 pixels in the vertical direction, the tracking of the point at infinity is unsuccessful. Assuming that (Xv, Yv) is an error, the content of the register Nve is incremented by 1 (11
4) It is checked whether the content of the register Nve has reached 5 (115). When it is 5, this means that there was an error in the intersection calculation this time and the past four times, a total of 5 times in succession. This is because the infinity point data (Xv, Yv) currently held is an error. Infinite point data (Xv, Y
v) is updated to the intersection (Xc, Yc) calculated this time (1
16).

【００６８】Ｄ５．「左右白線間隔（ＷL）計算」Ｄ５
（図１３＆図２３） 再度図１３を参照すると、ＣＰＵ１は次に、自車レーン
の右白線と左白線との間隔（レーン幅）ＷLを算出する
（Ｄ５）。これにおいては、カメラ６ｂの視野中心線
（図２３の２点鎖線）が路面と交わる位置（画面上では
画面の中心点）での、画面上の右端白線（ＲmR，ＴmR）
のＸ位置を路面上位置ＸRに変換し、画面上の左端白線
（ＲmL，ＴmL）のＸ位置を路面上位置ＸLに変換して、
間隔ＷL＝ＸR−ＸLを算出する。なお、図１３の演算ブ
ロックＤ５内の、ＳｘおよびＳｙはそれぞれカメラ６ｂ
の横方向および縦方向のスケールファクタであり、Ｈｃ
は図２３に示すように、カメラ６ｂのレンズ９の中心
の、路面からの高さである。D5. "White line spacing (WL) calculation" D5
(FIGS. 13 & 23) Referring again to FIG. 13, the CPU 1 next calculates the interval (lane width) WL between the right white line and the left white line of the vehicle lane (D5). In this case, the rightmost white line (RmR, TmR) on the screen at the position where the center line of the field of view of the camera 6b (two-dot chain line in FIG. 23) intersects the road surface (the center point of the screen on the screen)
The X position of is converted to the road position XR, and the X position of the left end white line (RmL, TmL) on the screen is converted to the road position XL.
The interval WL = XR-XL is calculated. Note that Sx and Sy in the operation block D5 of FIG.
Horizontal and vertical scale factors of Hc
Is the height of the center of the lens 9 of the camera 6b from the road surface, as shown in FIG.

【００６９】ＣＰＵ１は次に、算出した、路面上のレー
ン間隔ＷLが正しい（自車レーン検出成功)かをチェック
する（Ｄ６）。すなわち、基準値ＷL3Dに対するＷLの偏
差が、許容範囲ＤwL内であるかをチェックする。この実
施例では、日本の高速道路のレーン幅が３．５±０．２
ｍであるので、基準値ＷL3D＝３．５ｍに、許容値ＤwL
＝０．３ｍに定めている。Next, the CPU 1 checks whether the calculated lane interval WL on the road surface is correct (success in detecting the own vehicle lane) (D6). That is, it is checked whether the deviation of WL from the reference value WL3D is within the allowable range DwL. In this example, the highway lane width of Japan is 3.5 ± 0.2.
m, the reference value WL3D = 3.5 m, the allowable value DwL
= 0.3m.

【００７０】基準値ＷL3Dに対するＷLの偏差が許容範囲
ＤwL内にあると、自車レーン検出に成功しているとし
て、これを表わす情報「１」をレジスタＦLに書込み
（６１）、基準値ＷL3Dに対するＷLの偏差が許容範囲Ｄ
wLを外れていると、自車レーン検出に失敗しているとし
て、これを表わす情報「０」をレジスタＦLに書込む
（６２）。以上で、図３に示す「自車レーン検出」Ｄを
終了したことになり、自車レーン検出が成功している
と、レジスタＦLのデータは「１」である。If the deviation of WL with respect to the reference value WL3D is within the allowable range DwL, it is determined that the own vehicle lane has been detected successfully, and information "1" indicating this is written in the register FL (61) to the reference value WL3D. The deviation of WL is the allowable range D
If it is out of wL, it is determined that the vehicle lane detection has failed, and information "0" indicating this is written in the register FL (62). As described above, the “vehicle lane detection” D shown in FIG. 3 is completed, and when the vehicle lane detection is successful, the data in the register FL is “1”.

【００７１】再度図３を参照する。「自車レーン検出」
Ｄを終了するとＣＰＵ１は、レジスタＦLのデータをチ
ェックしてそれが「１」であると、「隣接レーン推定」
Ｆを実行する。この内容を図２４に示す。Referring again to FIG. "Own vehicle lane detection"
When D is finished, the CPU 1 checks the data in the register FL and if it is “1”, “adjacent lane estimation”
Execute F. This content is shown in FIG.

【００７２】 Ｆ．「隣接レーン推定」Ｆ（図２４＆図２４） 図２４を参照すると、ここではまずカメラ６ｂの下向き
角αを算出する（１１７）。ステップ１１７の計算式中
のＹｏは画面中心のＹ座標値、Ｙｃｈは「画面の校正」
Ｃの「直線交点計算」Ｃ４で定めた画面下端のＹ座標値
である。次に、車両の進行方向に対する自車レーンの右
端白線のなす角φRおよび左端白線のなす角φLを算出し
て、それらの平均値φを算出する。「画面の校正」Ｃを
終えた画面（補正画像メモリの画像）では、先の「画面
の校正」Ｃで、車両進行方向が画面を左右に２等分する
中央線（Ｙ＝２５５）に合致しているので、φRはこの
線に対して右端白線が交鎖する角度、φLは左端白線が
交鎖する角度である。図２５に示すように、それらの平
均値φの角度の直線が、自車レ−ンの中央線である。次
のステップ１１９には、カメラ６ｂの視野中心線が路面
と交わる点に対する右端白線の距離ＸRおよび左端白線
の距離ＸLを算出する式を示すが、これらＸRおよびＸL
は、「左右白線間隔（ＷL）計算」Ｄ５で算出している
ので、そこでの算出値を用いる。次に、自車レ−ン右端
白線の右側のレ−ン（右隣接レ−ン）の右端白線の有無
にかかわらず、これが存在すると仮定して、ＸRの点を
水平方向右側にレ−ン幅ＷL（Ｄ５で算出済）をとった
点と、無限遠点とを結ぶ直線が、右レ−ンの右端白線で
あるとして、その直線を表わす式Ｙ＝ＡＸ＋Ｂの比例項
係数Ａの値Ａex1（水平線（Ｘ軸）となす角ＴmRRのｔａ
ｎ値）を算出し、定数項Ｂの値Ｂex1を算出する（１２
０）。同様にして、左レ−ンの左端白線を表わす値Ａex
2およびＢex2を算出する（１２１）。そしてこれらの値
Ａex1，Ｂex1およびＡex2，Ｂex2を、それぞれρ−θ極
座標に変換する（１２２，１２３）。以上で、自車走行
レ−ンの両端白線（２直線）に加えて、左隣接レ−ンお
よび右隣接レ−ンを規定する２直線を更に追加決定した
ことになる。F. “Adjacent lane estimation” F (FIGS. 24 & 24) Referring to FIG. 24, first, the downward angle α of the camera 6b is calculated (117). In the calculation formula of step 117, Yo is the Y coordinate value of the screen center, and Ych is “screen calibration”.
It is the Y coordinate value of the lower edge of the screen defined in “Calculation of straight line intersection” C4. Next, the angle φR formed by the right end white line and the angle φL formed by the left end white line of the vehicle lane with respect to the traveling direction of the vehicle are calculated, and the average value φ thereof is calculated. On the screen (image in the corrected image memory) that has completed the “screen calibration” C, the previous “screen calibration” C indicates that the vehicle traveling direction is aligned with the center line (Y = 255) that bisects the screen left and right. Therefore, φR is the angle at which the right end white line intersects with this line, and φL is the angle at which the left end white line intersects. As shown in FIG. 25, the straight line of the angles of the average values φ is the center line of the own vehicle lane. In the next step 119, formulas for calculating the distance XR of the right end white line and the distance XL of the left end white line to the point where the center line of the field of view of the camera 6b intersects the road surface are shown. XR and XL
Is calculated in "calculation of the space between the left and right white lines (WL)" D5, and the calculated value is used. Next, regardless of the presence or absence of the right end white line of the right side lane (right adjacent lane) of the own vehicle lane right end white line, it is assumed that this exists, and the point of XR is laneed to the right in the horizontal direction. Assuming that the straight line connecting the point having the width WL (calculated in D5) and the point at infinity is the right end white line of the right lane, the value Aex1 of the proportional term coefficient A of the formula Y = AX + B representing the straight line (Ta of the angle TmRR formed with the horizontal line (X axis)
Then, the value Bex1 of the constant term B is calculated (n value) (12)
0). Similarly, the value Aex representing the leftmost white line of the left lane
Calculate 2 and Bex2 (121). Then, these values Aex1, Bex1 and Aex2, Bex2 are converted into ρ-θ polar coordinates (122, 123). As described above, two straight lines defining the left adjacent lane and the right adjacent lane are additionally determined in addition to the white lines (two straight lines) at both ends of the own vehicle traveling lane.

【００７３】再度図３を参照する。「隣接レ−ン推定」
Ｆを終了するとＣＰＵ１は、ＣＰＵ１は、「自車レ−ン
先行車両認識及び測距」Ｈを実行する。この内容を図２
８に示す。Referring again to FIG. "Adjacent lane estimation"
When F is finished, the CPU 1 executes "own vehicle lane preceding vehicle recognition and distance measurement" H. This content is shown in Figure 2.
8 shows.

【００７４】Ｈ．「自車レ−ン先行車両認識及び測距」
Ｈ（図２８＆図２９〜４６） ここではまず「車両候補位置の検出１」Ｈ１を実行す
る。この内容を図２９に示す。H. "Self-vehicle lane preceding vehicle recognition and distance measurement"
H (FIGS. 28 & 29 to 46) Here, "detection 1 of candidate vehicle position 1" H1 is first executed. This content is shown in FIG.

【００７５】 Ｈ１．「車両候補位置の検出１」Ｈ１（図２９） まず「特徴点メモリクリア」１３１で、補正画像メモリ
の画素（アドレス）数と対応する画素数の、多階調デ−
タメモリＤ（ｘ，ｙ）および２値デ−タメモリＥ（ｘ，
ｙ）をクリアする。その処理の詳細を図３０に示す。次
に「水平特徴点の検出」１３２を実行する。この内容を
図３１に示す。H1. “Detection 1 of vehicle candidate position” H1 (FIG. 29) First, in “feature point memory clear” 131, a multi-gradation data of the number of pixels corresponding to the number of pixels (addresses) in the corrected image memory is displayed.
Data memory D (x, y) and binary data memory E (x,
y) is cleared. Details of the processing are shown in FIG. Next, the "detection of horizontal feature point" 132 is executed. This content is shown in FIG.

【００７６】「水平特徴点の検出」１３２ 図３１および図２７を参照するとここでは、図２７に示
される画面上の、Ｙ＝３５０の横線（Ｙ＝350を通るＸ
軸平行線）を低辺とし、自車レ−ンの左，右端白線がＹ
＝２３０（ウィンドウ２−２内：図２６参照）と交わる
２点を結ぶ横線を頂辺とする台形領域（図２６に縦線で
塗りつぶして示す領域＝自車レ−ン領域）の、Ｘ＝Ｘvc
なるＹ軸平行線で区分される左半分領域を規定して、該
左半分領域の内部を、下から上へＹ方向走査し、Ｘ位置
を更新しつつこの走査を繰返して（図３１の１４６Ｌ〜
１５０Ｌ，１５２Ｌ〜１５３Ｌ）、補正画像メモリ上の
画像デ−タのＹ方向微分値を算出し、微分値がしきい値
以上の点を特徴点と検出する（１５１Ｌ）。すなわち
「１ライン水平特徴点検出」１５１Ｌを実行する。この
内容を図３２に示す。この処理１５１Ｌは、図６に示す
「特徴点検出（ＵＰ）」Ｃ２と同様であるので、詳細な
説明は省略する。[Detection of Horizontal Feature Point] 132 Referring to FIGS. 31 and 27, here, a horizontal line of Y = 350 (X passing through Y = 350 on the screen shown in FIG. 27 is displayed.
(Axis parallel line) is the low side, and the left and right white lines of the vehicle lane are Y
= 230 (in the window 2-2: see FIG. 26), X = of a trapezoidal region having a horizontal line connecting the two points intersecting the apex (region shown by vertical lines in FIG. 26 = own vehicle lane region) Xvc
By defining the left half region divided by the Y-axis parallel line, the inside of the left half region is scanned from bottom to top in the Y direction, and this scanning is repeated while updating the X position (146L in FIG. 31). ~
150L, 152L to 153L), the Y-direction differential value of the image data on the corrected image memory is calculated, and a point having a differential value equal to or larger than the threshold value is detected as a feature point (151L). In other words, "1 line horizontal feature point detection" 151L is executed. This content is shown in FIG. This processing 151L is the same as the "feature point detection (UP)" C2 shown in FIG. 6, and thus detailed description thereof will be omitted.

【００７７】次に、前記自車レ−ン領域の、Ｘ＝Ｘvcな
るＹ軸平行線で区分される右半分領域を規定して、該右
半分領域の内部（Ｘ＝Ｘvcは含む）を、下から上へＹ方
向走査し、Ｘ位置を更新しつつこの走査を繰返して（図
３１の１４６Ｒ〜１５０Ｒ，１５２Ｒ〜１５３Ｒ）、補
正画像メモリ上の画像デ−タのＹ方向微分値を算出し、
微分値がしきい値以上の点を特徴点と検出する（１５１
Ｒ）。Next, the right half region of the own vehicle lane region divided by the Y-axis parallel line X = Xvc is defined, and the inside of the right half region (including X = Xvc) is defined as follows. Scan from the bottom to the top in the Y direction, and repeat this scan while updating the X position (146R to 150R, 152R to 153R in FIG. 31) to calculate the Y direction differential value of the image data on the corrected image memory. ,
Points whose differential value is greater than or equal to the threshold value are detected as feature points (151).
R).

【００７８】以上により、前記自車レ−ン領域の特徴点
検出を行なったことになり、２値デ−タメモリＥ（ｘ，
ｙ）の、特徴点に対応するアドレスに、そこが特徴点で
あることを示す「１」が書込まれている。なお、前述の
「特徴点メモリクリア」１３１で、２値デ−タメモリＥ
（ｘ，ｙ）を予めクリアしている（全アドレスに「０」
書込み）ので、２値デ−タメモリＥ（ｘ，ｙ）上では、
自車レ−ン領域内の特徴点に対応するアドレスのみに
「１」（特徴点である）が書込まれていることになる。As described above, the characteristic points in the own vehicle lane area have been detected, and the binary data memory E (x,
"1" indicating that the point is a feature point is written in the address corresponding to the feature point in y). In addition, in the above-mentioned "feature point memory clear" 131, the binary data memory E
Clear (x, y) in advance (“0” for all addresses)
Writing), so on the binary data memory E (x, y),
"1" (which is a feature point) is written only in the address corresponding to the feature point in the own vehicle lane area.

【００７９】次にＣＰＵ１は、ヒストグラムメモリをク
リアする（図２９の１３３）。この内容は図３３に示
す。ＣＰＵ１は次に、「ｙ方向ヒストグラム作成」１３
４を行なう。この内容を図３４に示す。Next, the CPU 1 clears the histogram memory (133 in FIG. 29). This content is shown in FIG. The CPU 1 then performs “y-direction histogram creation” 13
Do 4. This content is shown in FIG.

【００８０】 「ｙ方向ヒストグラム作成」１３４（図３４） ここでは、２値デ−タメモリＥ（ｘ，ｙ）上の、Ｙ＝０
〜Ｙ＝５１１のＸ軸平行線（Ｘ走査線；Ｘ方向の画素の
連なり）のそれぞれにつき、線上にある「１」（特徴
点）の数を、カウントして、ヒストグラムメモリＨ
（ｙ）に走査線（Ｙアドレス）対応でカウント値を書込
む。“Creation of y-direction histogram” 134 (FIG. 34) Here, Y = 0 on the binary data memory E (x, y).
Up to Y = 511 X-axis parallel lines (X scanning lines; a series of pixels in the X direction), the number of "1" (characteristic points) on the line is counted, and the histogram memory H
The count value is written in (y) in correspondence with the scanning line (Y address).

【００８１】「ｙ方向極大点検出」１３５（図３５） ヒストグラムメモリＨ（ｙ）のＹ＝５１１のアドレス
（Ｙ＝５１１のＸ軸走査線）から順次にＹ＝１まで、各
アドレスを注目線（ｙ）に定めて、注目線（ｙ）の特徴
点カウント値Ｈ（ｙ），それよりＹ座標値が１つ小さい
走査線（ｙ−１）の特徴点カウント値Ｈ（ｙ−１）、お
よび、注目線（ｙ）よりＹ座標値が１つ大きい走査線
（ｙ＋１）の特徴点カウント値Ｈ（ｙ＋１）を比較して
（図３５の１７４，１７５）、Ｈ（ｙ）がＨ（ｙ−１）
およびＨ（ｙ＋１）のいずれよりも大きいと、すなわち
注目線（ｙ）が特徴点数のピ−ク位置であると、注目線
（ｙ）の位置（Ｙアドレス）での自車レ−ン左端点（Ｘ
1）と右端点（Ｘ2）を算出する（１７６，１７７；計算
式は図３６に示す）。そして、しきい値Ｔｈ２を（Ｘ2
−Ｘ1）／８に設定して（１７８）、注目線（ｙ）の特
徴点カウント値Ｈ（ｙ）がしきい値Ｔｈ２以上である
と、注目線（ｙ）上に横方向に延びる像輪郭線があると
見なして、注目線（ｙ）のアドレス（Ｙ座標値）をメモ
リＭｙ（Ｎ）のアドレスＮに書込む（１８０）。そして
レジスタＮを１インクレメントする。レジスタＮの値が
５以上（異なった６走査線で像輪郭線を検出した）にな
ると、あるいは最後の走査線Ｙ＝１を注目線とする上記
処理を終了すると、そこで、「ｙ方向極大点検出」１３
５を終了する。[Detection of maximum point in y-direction] 135 (FIG. 35) From the address of Y = 511 (X-axis scanning line of Y = 511) of the histogram memory H (y) to Y = 1, each address is a line of interest. (Y), the characteristic point count value H (y) of the attention line (y), the characteristic point count value H (y-1) of the scanning line (y-1) whose Y coordinate value is one smaller than that, Also, the feature point count values H (y + 1) of the scanning line (y + 1) whose Y coordinate value is one larger than the line of interest (y) are compared (174 and 175 in FIG. 35), and H (y) becomes H (y -1)
And H (y + 1), that is, if the attention line (y) is the peak position of the number of feature points, the left end point of the own vehicle lane at the position (Y address) of the attention line (y). (X
1) and the right end point (X2) are calculated (176, 177; the calculation formula is shown in FIG. 36). Then, the threshold Th2 is set to (X2
If -X1) / 8 is set (178) and the feature point count value H (y) of the attention line (y) is greater than or equal to the threshold Th2, the image contour extending in the horizontal direction on the attention line (y). Assuming that there is a line, the address (Y coordinate value) of the line of interest (y) is written to the address N of the memory My (N) (180). Then, the register N is incremented by 1. When the value of the register N becomes 5 or more (the image contour line is detected by 6 different scanning lines), or when the above-mentioned processing with the last scanning line Y = 1 as the line of interest is completed, the "maximum inspection in the y direction is detected". Out "13
Finish 5

【００８２】図１６に示すように、ウィンドウ２−１内
にに車両（先行車両）の少くとも一部があると、先行車
両の後部像がウィンドウ２−１内に現われ、後部像の下
部の路面上に影（黒）が現われ、先行車両の後部像に
は、バンパ−（その下縁が特に高いコントラストの横線
として現われる），ナンバ−プレ−ト，ブレ−キランプ
パネル，後部窓，ル−フ等々の、横（Ｘ）方向に延びる
像輪郭線が多数あるので、メモリＭｙ（Ｎ）のアドレス
０〜５に、自車に近い（Ｙ座標値が大きい）６個の像輪
郭線の位置（Ｙ座標）が書込まれていることになる。As shown in FIG. 16, when there is at least a part of the vehicle (leading vehicle) in the window 2-1, the rear image of the preceding vehicle appears in the window 2-1 and the rear portion of the rear image is displayed. A shadow (black) appears on the road surface, and a bumper (the lower edge of which appears as a horizontal line with a particularly high contrast), a number plate, a brake lamp panel, a rear window, and a rear window in the rear image of the preceding vehicle. Since there are many image contour lines extending in the lateral (X) direction such as F, there are six image contour lines near the own vehicle (large Y coordinate value) at addresses 0 to 5 of the memory My (N). The position (Y coordinate) is written.

【００８３】なお、ステップ１７８で、しきい値Ｔｈ２
を（Ｘ2−Ｘ1）／８に設定するのは、カメラ６ｂに近い
ほど像輪郭線のコントラストが高く、特徴点が多く摘出
されるが、遠くの像輪郭線のコントラストは低く、特徴
点の摘出が少くなるので、（Ｘ2−Ｘ1）により注目線
（ｙ）上にある像輪郭の、カメラ６ｂからの距離を推定
し、距離に応じてしきい値を変更するためである。In step 178, the threshold value Th2
Is set to (X2-X1) / 8, the closer to the camera 6b, the higher the contrast of the image contour line and the more feature points are extracted. However, the contrast of the far image contour line is low, and the feature point is extracted. This is because the distance from the camera 6b of the image contour on the line of interest (y) is estimated from (X2-X1) and the threshold value is changed according to the distance.

【００８４】「Ｘ方向重心計算」１３６（図３７） 次に、メモリＭｙ（Ｎ）に書込んだ、像輪郭線の位置
（Ｙ座標値）のそれぞれにつき、該位置よりＷ1（設定
値）小さくＷ2（設定値）大きい領域内の、２値デ−タ
メモリＥ（ｘ，ｙ）上の特徴点（図２７に横線で塗りつ
ぶした自車レ−ン領域内の特徴点）のＸ座標値を累算レ
ジスタＳumxに加算し、加算回数をレジスタＮｘでカウ
ントして（１８７〜１９７）、重心Ｘ座標値（平均座標
値）を算出してメモリＭｘ（Ｎ）に書込む（１９８）。
これにより、「ｙ方向極大点検出」１３５で検出した、
横方向に延びる像輪郭線それぞれのＸ方向重心位置（Ｘ
座標値）がメモリＭｘ（Ｎ）に存在することになる。な
お、Ｙ方向重心位置はメモリＭｙ（Ｎ）に存在する。[Calculation of Center of Gravity in X Direction] 136 (FIG. 37) Next, for each position (Y coordinate value) of the image contour line written in the memory My (N), W1 (set value) is smaller than the position. W2 (setting value) The X coordinate value of the feature point on the binary data memory E (x, y) (the feature point in the own vehicle lane region filled with a horizontal line in FIG. 27) in the large region is accumulated. The value is added to the arithmetic register Sumx, the number of times of addition is counted by the register Nx (187 to 197), the barycentric X coordinate value (average coordinate value) is calculated and written in the memory Mx (N) (198).
As a result, the “y-direction maximum point detection” 135 detects
Center-of-gravity position in the X direction of each image contour line extending in the lateral direction (X
The coordinate value) exists in the memory Mx (N). The Y-direction center-of-gravity position exists in the memory My (N).

【００８５】以上で、図２８（詳細は図２９）に示す
「車両候補位置の検出」Ｈ１を終了し、ＣＰＵ１は次
に、後に使用するレジスタＮRをクリアして（Ｈ２）、
「車両左右端の検出」Ｈ３を実行する。この内容を図３
８に示す。Thus, the "detection of candidate vehicle position" H1 shown in FIG. 28 (details are shown in FIG. 29) is completed, and the CPU 1 next clears the register NR to be used later (H2).
"Detection of left and right ends of vehicle" H3 is executed. This content is shown in Figure 3.
8 shows.

【００８６】 Ｈ３．「車両左右端の検出」Ｈ３（図３８） ここではまず「車両左右端位置推定」２０１を実行す
る。その内容を図３９に示す。H3. "Detection of left and right ends of vehicle" H3 (Fig. 38) First, "estimation of left and right ends of vehicle" 201 is executed. The contents are shown in FIG.

【００８７】「車両左右端位置推定」２０１（図３９） まず、メモリＭｙ（Ｎ）にある、像輪郭線のＹ座標値の
最も大きい値のものＭｙ（ＮR）（Ｎ＝ＮR＝０のアドレ
スのデ−タ）、すなわち自車に最も近い前方物体の像輪
郭線（横線）のＹ位置、を読出して、カメラ６ｂからそ
こまでの水平距離（路面上の距離）Ｌ1を算出する（２
０８）。次に前方物体が車両であると仮定（この仮定の
正誤は後述する「車両の検定」Ｈ４で検証する）して、
画面上の車幅Ｗv2Dpおよび車高Ｈv2Dpを算出する（２０
９）。この算出に使用するＷv3Dは、車幅学習値を格納
したレジスタＷv3D（図４６を参照して後述）のデ−タ
（先行車両を過去に検出していなと最も代表的な実物車
両の車幅１．７ｍ）であり、Ｈv3Dは、ミニカ−もカバ
−する車高１．２ｍである。次に、画面上の車幅Ｗv2Dp
と、メモリＭｘ（Ｎ）にある像輪郭線の重心位置Ｍｘ
（ＮR）から、前方物体の画面上の左右端位置ＸvLp，Ｘ
vRpを推定演算する（２１０）。そして画面上の上下端
ｙvHp，ｙvLpを推定演算する（２１１）。"Vehicle left and right end position estimation" 201 (FIG. 39) First, the one having the largest Y coordinate value of the image contour line in the memory My (N) My (NR) (address of N = NR = 0) Data), that is, the Y position of the image contour line (horizontal line) of the front object closest to the own vehicle, and the horizontal distance (distance on the road surface) L1 from the camera 6b to that position is calculated (2).
08). Next, it is assumed that the front object is a vehicle (the correctness of this assumption is verified by "vehicle verification" H4 described later),
The vehicle width Wv2Dp and vehicle height Hv2Dp on the screen are calculated (20
9). The Wv3D used for this calculation is the data of the register Wv3D (which will be described later with reference to FIG. 46) that stores the vehicle width learning value (the vehicle width of the actual vehicle that is the most typical vehicle that has not detected the preceding vehicle in the past). Hv3D has a vehicle height of 1.2 m, which covers even mini cars. Next, the vehicle width Wv2Dp on the screen
And the barycentric position Mx of the image contour line in the memory Mx (N)
From (NR), the left and right end positions XvLp, X on the screen of the front object
Estimate vRp (210). Then, the upper and lower ends yvHp and yvLp on the screen are estimated and calculated (211).

【００８８】次に多階調デ−タメモリＤ（ｘ，ｙ）およ
び２値デ−タメモリＥ（ｘ，ｙ）をクリアして（２０２
Ｌ）、「左端垂直特徴点検出」２０３Ｌを実行する。こ
の内容を図４０に示す。Next, the multi-gradation data memory D (x, y) and the binary data memory E (x, y) are cleared (202).
L), "Left edge vertical feature point detection" 203L is executed. This content is shown in FIG.

【００８９】 「左端垂直特徴点検出」２０３Ｌ（図４０） 前記画面上の上下端ｙvHp，ｙvLpの間の、前記画面上の
左端位置ＸvLpを中心に、±Ｗv2Dp／４の領域の、補正
画像メモリ上の画像デ−タのＹ方向微分値を算出して多
階調デ−タメモリＤ（ｘ，ｙ）に書込み、かつ、多階調
デ−タをしきい値Ｔｈ３と比較して、Ｔｈ３以上である
と、２値デ−タメモリＥ（ｘ，ｙ）に「１」を書込む。
この特徴点検出処理は、すでに説明した「特徴点検出
（ＵＰ）」Ｃ２の処理と同様である。次にＣＰＵ１はヒ
ストグラムメモリ（先に使用したＨ（ｙ））をクリアし
て（２０４Ｌ）、「ｘ方向ヒストグラム作成」２０５Ｌ
を実行する。この内容を図４１に示す。“Left edge vertical feature point detection” 203L (FIG. 40) Corrected image memory in an area of ± Wv2Dp / 4 centered on the left edge position XvLp on the screen between the upper and lower edges yvHp and yvLp on the screen. The differential value of the above image data in the Y direction is calculated and written in the multi-gradation data memory D (x, y), and the multi-gradation data is compared with the threshold value Th3 to be Th3 or more. Then, "1" is written in the binary data memory E (x, y).
This feature point detection processing is the same as the "feature point detection (UP)" C2 processing described above. Next, the CPU 1 clears the histogram memory (H (y) used previously) (204L), and "creates an x-direction histogram" 205L
To execute. This content is shown in FIG.

【００９０】 「ｘ方向ヒストグラム作成」２０５Ｌ（図４１） 前記「左端垂直特徴点検出」２０３Ｌで特徴点を検出し
た領域内の、Ｙ軸平行線（画素の連なり）上の特徴点
を、線単位でカウントして、線アドレス（Ｘ座標値）対
応でヒストグラムメモリ（ここではＨ（ｘ）と表記す
る）に書込む。そして「ｘ方向最大点検出」２０６Ｌを
実行する。その内容を図４２に示す。“X-direction histogram creation” 205L (FIG. 41) The feature points on the Y-axis parallel line (consecution of pixels) in the region where the feature points are detected by the “left-end vertical feature point detection” 203L are expressed in line units. Are counted and written in the histogram memory (herein denoted as H (x)) in correspondence with the line address (X coordinate value). Then, "detection of maximum point in x direction" 206L is executed. The contents are shown in FIG.

【００９１】 「ｘ方向最大点検出」２０６Ｌ（図４２） この処理は大要では、先に説明した「ｙ方向極大点検
出」１３５と同様な処理を、Ｙ軸をＸ軸に置き換えて、
「左端垂直特徴点検出」２０３Ｌで特徴点を検出した領
域内で行なうものである。詳しくは、ここでは領域が狭
いので、極大点摘出のためのしきい値Ｔｈ４は、Ｈv2Dp
／４なる固定値とするのに加えて、また、極大点の検出
ごとに、極大点の特徴点カウント数を極大値メモリＨｍ
のデ−タと比較して、今回検出の極大点の方が大きいと
これを極大値メモリＨｍに更新書込みし、そのＸ座標値
を極大点レジスタＸｍに書込む。前記領域内すべてのこ
の処理を終えると、前記領域の中で、特徴点が最も多く
存在するＹ軸平行線（先行車両の左エッジ）のＸ座標値
がレジスタＸｍに格納されていることになる。このＸ座
標値を車両左端位置レジスタＸvLに書込む（２０７
Ｌ）。“Maximum point detection in x direction” 206L (FIG. 42) This process is basically the same as the process described in “Maximum point detection in y direction” 135 described above, with the Y axis replaced by the X axis.
This is performed in the area where the feature point is detected in "left edge vertical feature point detection" 203L. Specifically, since the area is narrow here, the threshold value Th4 for extracting the maximum point is Hv2Dp.
In addition to the fixed value of / 4, the feature point count number of the maximum point is also stored in the maximum value memory Hm every time the maximum point is detected.
If the maximum point detected this time is larger than the data of No. 3, the data is updated and written in the maximum value memory Hm, and the X coordinate value is written in the maximum point register Xm. When this process is completed for all the regions, the X coordinate value of the Y-axis parallel line (left edge of the preceding vehicle) having the most feature points in the region is stored in the register Xm. . This X coordinate value is written in the vehicle left end position register XvL (207
L).

【００９２】以上の「特徴点メモリクリア」２０２Ｌ〜
「ｘ方向最大点検出」２０６Ｌと同様な処理を、画面上
の上下端ｙvHp，ｙvLpの間の、右端位置ＸvRpを中心
に、±Ｗv2Dp／４の領域について行って（図３８の２０
２Ｒ〜２０６Ｒ）、該領域内で特徴点が最も多く存在す
るＹ軸平行線（先行車両の右エッジ）のＸ座標値を車両
右端位置レジスタＸvRに書込む（２０７Ｒ）。「右端垂
直特徴点の検出」２０３Ｒの内容を図４３に示す。The above "feature point memory clear" 202L-
A process similar to “maximum point detection in x direction” 206L is performed for a region of ± Wv2Dp / 4 around the right end position XvRp between the upper and lower ends yvHp and yvLp on the screen (20 in FIG. 38).
2R to 206R), the X coordinate value of the Y-axis parallel line (right edge of the preceding vehicle) having the most feature points in the area is written in the vehicle right end position register XvR (207R). FIG. 43 shows the contents of “Detect right vertical feature point” 203R.

【００９３】以上で、「車両左右端の検出」Ｈ３を終了
する。ＣＰＵ１は次に「車両の検定」Ｈ３を実行する。
その内容を図４４に示す。This is the end of the "detection of the left and right ends of the vehicle" H3. The CPU 1 then executes "vehicle verification" H3.
The contents are shown in FIG.

【００９４】Ｈ４．「車両の検定」Ｈ４（図４４） ここでは、車幅学習値を格納したレジスタＷv3D（図４
６を参照して後述）が保持する先行車両の車幅Ｗv3D
を、「車両左右端位置推定」２０１で算出した前方物体
の自車からの距離Ｌ1とカメラ６ｂのスケ−ルファクタ
Ｓｘを用いて画面上の車幅Ｗv2Dに変換し（２４７）、
前述の車両左，右端位置ＸvL，ＸvRより画面上の車幅Ｗ
vを算出して（２４８）、両者の差Ｗv−Ｗv2Dが、±Ｗv
2D／４の範囲内にあるかをチェックする（２４９）。す
なわち、画面上の車幅計算値Ｗvが、車幅学習値を格納
したレジスタＷv3Dの車幅（実物幅）の画面上の幅Ｗv2D
と実質上合致するかをチェックする。実質上合致する
と、先行車両検出／非検出を表わす情報「１」／「０」
を格納するレジスタＦvMに「１」を書込む（２５０
ａ）。合致しないとレジスタＦvMをクリアする（２５０
ｂ）。H4. "Vehicle verification" H4 (Fig. 44) Here, the register Wv3D (Fig. 4) that stores the vehicle width learning value is stored.
The vehicle width Wv3D of the preceding vehicle held by
Is converted into a vehicle width Wv2D on the screen by using the distance L1 of the front object from the own vehicle calculated in the "vehicle left and right end position estimation" 201 and the scale factor Sx of the camera 6b (247),
Vehicle width W on the screen from the above-mentioned vehicle left and right end positions XvL, XvR
v is calculated (248), and the difference Wv-Wv2D between them is ± Wv
It is checked whether it is within the range of 2D / 4 (249). That is, the vehicle width calculated value Wv on the screen is the vehicle width (actual width) Wv2D of the vehicle width of the register Wv3D storing the vehicle width learning value.
And check if it substantially matches. Information "1" / "0" indicating detection / non-detection of a preceding vehicle when the vehicle substantially matches
Write "1" to the register FvM that stores
a). If they do not match, the register FvM is cleared (250
b).

【００９５】次にＣＰＵ１は、レジスタＦvMに「１」を
書込んだときには後述する「車間距離計算」Ｈ６に進む
が、レジスタＦvMに「０」を書込んだときには、レジス
タＮRを１インクレメントして（Ｈ５−Ｈ８−Ｈ９）ま
た「車両左右端の検出」Ｈ３を実行する。「車両左右端
の検出」Ｈ３は、まずＮR＝０（自車両に最も近い）の
横方向輪郭線からこれを実行するので、２回目以降の
「車両左右端の検出」Ｈ３では、ＮR＝１，２，・・と
なるので、２番目，３番目，・・・と、対象とする横方
向輪郭線を順次に自車両から遠いものに変更することに
なる。ＮRの最大値は５である（図３５のＮ＝０〜４で
５本の横方向輪郭線しか検出していない）ので、最大で
５回の「車両左右端の検出」Ｈ３を実行しそれでもＦvM
＝「１」にならないと後述の「車幅学習計算」Ｈ７に進
み、次に説明する「車間距離計算」Ｈ６は実行しない。Next, when the CPU 1 writes "1" in the register FvM, the CPU 1 proceeds to "inter-vehicle distance calculation" H6, which will be described later, but when "0" is written in the register FvM, the register NR is incremented by 1. (H5-H8-H9) and "detect left and right ends of vehicle" H3 is executed. The "detection of the left and right ends of the vehicle" H3 is first executed from the lateral contour line of NR = 0 (closest to the own vehicle). Therefore, in the "detection of the left and right ends of the vehicle" H3 after the second time, NR = 1 , 2, ..., The second, third, ..., And the target lateral contour lines are sequentially changed to those farther from the vehicle. Since the maximum value of NR is 5 (only 5 horizontal contour lines are detected at N = 0 to 4 in FIG. 35), a maximum of 5 times "detection of left and right ends of vehicle" H3 is executed and still FvM
If the value does not become "1", the process proceeds to "vehicle width learning calculation" H7 described later, and "vehicle distance calculation" H6 described below is not executed.

【００９６】Ｈ６．「車間距離計算」Ｈ６（図４５） レジスタＦvMに「１」を書込んだときには、車間距離Ｌ
2（０）を算出する（２５１）。車幅学習値を格納した
レジスタＷv3Dの車幅（実物幅）Ｗv3D，画面上の車幅計
算値Ｗv，「車両左右端位置推定」２０１で算出した前
方物体の自車からの水平距離Ｌ1（路上実物距離）、お
よび、カメラ６ｂのスケ−ルファクタＳｘを用いて、車
間距離Ｌ2（０）を算出する（２５１）。今回算出値Ｌ2
（０）と、前回算出値Ｌ2（１），前々回算出値Ｌ2
（２）および前々々回算出値Ｌ2（３）の平均値を算出
してレジスタＬ3に書込み（２５２）、前回算出値Ｌ2
（１），前々回算出値Ｌ2（２）および前々々回算出値
Ｌ2（３）を更新する（２５３）。以上により、レジス
タＬ3には、自車レ−ンの先行車との車間距離（最近の
時系列平均値）を格納したことになる。H6. "Vehicle distance calculation" H6 (Fig. 45) When "1" is written in the register FvM, the vehicle distance L
2 (0) is calculated (251). The vehicle width (actual width) Wv3D of the register Wv3D that stores the vehicle width learning value, the vehicle width calculation value Wv on the screen, the horizontal distance L1 of the front object calculated from the “vehicle left and right end position estimation” 201 from the own vehicle (on the road Using the actual distance) and the scale factor Sx of the camera 6b, the inter-vehicle distance L2 (0) is calculated (251). This time calculated value L2
(0), the previously calculated value L2 (1), the two-previously calculated value L2
(2) and the two-previously calculated value L2 (3) is calculated and the average value is written to the register L3 (252), and the previous calculated value L2 is calculated.
(1), the two-preceding calculation value L2 (2) and the two-preceding calculation value L2 (3) are updated (253). As a result, the inter-vehicle distance (latest time-series average value) from the preceding vehicle in the own vehicle lane is stored in the register L3.

【００９７】Ｈ７．「車幅学習計算」Ｈ７（図４６） レジスタＬ3の車間距離を前述のように更新するとＣＰ
Ｕ１は、画面上の車幅Ｗvを実物車幅Ｗvaに変換し、レ
ジスタＷv3Dのデ−タ（時間軸上で、今回の車間距離計
算までに保持する車幅学習値Ｗv3D）と今回の車幅計算
値Ｗvaを、４７対１の重み付けで加算し、和を４８で割
った値、すなわち重み付け平均値、をレジスタＷv3Dに
更新メモリする（２５４，２５５ａ，２５５ｂ）。自車
レ−ン先行車両を検出しない（ＦvM＝「０」）でこの
「車幅学習計算」Ｈ７に進んだときには、レジスタＷv3
Dに、この実施例では、最も代表的な車両（乗用車）の
車幅値１．７ｍを書込む（２５４，２５６）。H7. "Vehicle width learning calculation" H7 (Fig. 46) CP is updated when the inter-vehicle distance in register L3 is updated as described above.
U1 converts the vehicle width Wv on the screen to the actual vehicle width Wva, and the data of the register Wv3D (the vehicle width learning value Wv3D held on the time axis until the current inter-vehicle distance calculation) and the current vehicle width The calculated value Wva is added with weighting of 47 to 1, and the value obtained by dividing the sum by 48, that is, the weighted average value is updated and stored in the register Wv3D (254, 255a, 255b). If the preceding vehicle of the own vehicle lane is not detected (FvM = "0") and the process goes to "vehicle width learning calculation" H7, register Wv3
In this embodiment, the vehicle width value 1.7 m of the most typical vehicle (passenger vehicle) is written in D (254, 256).

【００９８】以上で「自車レ−ン先行車両認識及び測
距」Ｈを終了する。次にＣＰＵ１は、「右隣接レ−ン先
行車両認識及び測距」Ｉを実行する。この内容を図４７
に示す。なお、先に説明した「左右白線検出」Ｄ３で自
車レ−ン右端白線を表わすデ−タ（ＴmR，ＲmR）および
左端白線を表わすデ−タ（ＴmL，ＲmL）をレジスタに格
納し、しかも、「隣接レ−ン推定」Ｆで、右隣接レ−ン
の右端白線（推定）を表わすデ−タ（ＴmRR，ＲmRR）お
よび左隣接レ−ンの左端白線（推定）を表わすデ−タ
（ＴmLL，ＲmLL）をレジスタに格納している点に注意さ
れたい。With the above, the "recognition and distance measurement of the preceding vehicle lane preceding vehicle" H is completed. Next, the CPU 1 executes "right adjacent lane preceding vehicle recognition and distance measurement" I. This content is shown in FIG.
Shown in. In the above-mentioned "left and right white line detection" D3, the data (TmR, RmR) representing the right end white line of the own vehicle lane and the data (TmL, RmL) representing the left end white line are stored in the register, and , "Adjacent lane estimation" F, data (TmRR, RmRR) representing the right end white line (estimation) of the right adjacent lane and data (TmRR, RmRR) representing the left end white line (estimation) of the left adjacent lane. Note that TmLL and RmLL) are stored in the register.

【００９９】Ｉ．「右隣接レ−ン先行車両認識及び測
距」Ｉ（図４７，図４８，図４９） ここでは、ウィンドウ２の下辺（Ｙ＝３５０），自車レ
−ン右端白線（ＴmR，ＲmR）ならびに右隣接レ−ンの右
端白線（ＴmRR，ＲmRR）で囲まれる領域（右隣接レ−ン
領域）に、前述の「自車レ−ン先行車両認識及び測距」
Ｈの処理を同様に適用して、右隣接レ−ン領域の、自車
から見て前方の物体を検出し、自車からの距離を算出す
る。I. "Right adjacent lane preceding vehicle recognition and distance measurement" I (Fig. 47, Fig. 48, Fig. 49) Here, the lower side of the window 2 (Y = 350), the vehicle lane right end white line (TmR, RmR) and In the area (right adjacent lane area) surrounded by the white line (TmRR, RmRR) on the right end of the right adjacent lane, the above-mentioned "recognition and distance measurement of preceding vehicle lane preceding vehicle" is performed.
The process of H is similarly applied to detect an object in the right adjacent lane area in front of the own vehicle, and calculate the distance from the own vehicle.

【０１００】Ｊ．「左隣接レ−ン先行車両認識及び測
距」Ｊ（図５０，図５１，図５２） これにおいても、ウィンドウ２の下辺（Ｙ＝３５０），
自車レ−ン左端白線（ＴmL，ＲmL）ならびに左隣接レ−
ンの左端白線（ＴmLL，ＲmLL）で囲まれる領域（左隣接
レ−ン領域）に、前述の「自車レ−ン先行車両認識及び
測距」Ｈの処理を同様に適用して、左隣接レ−ン領域
の、自車から見て前方の物体を検出し、自車からの距離
を算出する。J. "Left adjacent lane preceding vehicle recognition and distance measurement" J (Figs. 50, 51, 52) Also in this case, the lower side of the window 2 (Y = 350),
Vehicle lane Left edge white line (TmL, RmL) and adjacent left rail
In the same way, the above-mentioned "own vehicle lane preceding vehicle recognition and distance measurement" process H is applied to the area (left adjacent lane area) surrounded by the leftmost white line (TmLL, RmLL) of the vehicle. An object in front of the own vehicle in the lane area is detected, and the distance from the own vehicle is calculated.

【０１０１】以上で、図３に示す「ウィンドウ２−１内
の車両検出」ＤＥＴ１を終了する。このＤＥＴ１ではウ
ィンドウ２−１（図１４，図１６，図２６）内の自車レ
−ン左，右端白線の検出，これに基づいた右隣接レ−ン
の右端白線の検出，左隣接レ−ンの左端白線の検出，ウ
ィンドウ２−１を中心にして、ウィンドウ２−２の略中
央部まで延びる領域内の自車レ−ン内（図２６の縦線塗
りつぶし領域）の車両検出と距離算出，該領域内の右隣
接レ−ン内（図２６の右側横線塗りつぶし領域）の車両
検出と距離算出、および、該領域内の左隣接レ−ン内
（図２６の左側横線塗りつぶし領域）の車両検出と距離
算出を行なったことになる。これにおいて自車レ−ン内
の先行車両を検出しているとレジスタＦvMには「1」が書
込まれている。右隣接レ-ンの車両を検出しているとレ
ジスタＦvRには「1」が書込まれている。また、左隣接レ-
ンの車両を検出しているとレジスタＦvLには「1」が書込
まれている。 ＣＰＵ１は、次に、レジスタＦvMの内容
が「１」（自車レ−ンに先行車両あり）であるかをチェ
ックして、「１」であると「出力」Ｋに進み、画像認識
結果を出力する。そしてまた「画像入力」Ｂを実行し、
同様な処理を行なう。すなわち、実質上ウィンドウ２−
１を対象とする処理で、自車レ−ン上に先行車両を検出
している間は、先行車両との車間距離が比較的に短いの
で、図３に示す「画像入力」Ｂ〜「出力」Ｋを繰返し実
行し、後述するウィンドウ２−２および２−２を対象と
する処理ＤＥＴ２およびＤＥＴ２は実行しない。Thus, the "vehicle detection in window 2-1" DET1 shown in FIG. 3 is completed. In this DET1, the left and right white lines of the own vehicle lane in the window 2-1 (FIGS. 14, 16, and 26) are detected, and the white line of the right edge of the right adjacent lane based on the detection is detected. Detection of the leftmost white line of the vehicle, detection of the vehicle within the own vehicle lane within the area extending from the window 2-1 to the center of the window 2-2 (vertical line-filled area in FIG. 26) and distance calculation. , Vehicle detection and distance calculation in a right adjacent lane in the area (right side horizontal line filled area in FIG. 26), and vehicle in a left adjacent lane in the area (left side horizontal line filled area in FIG. 26) This means that detection and distance calculation have been performed. At this time, when the preceding vehicle in the own vehicle lane is detected, "1" is written in the register FvM. When the vehicle in the right adjacent lane is detected, "1" is written in the register FvR. Also, the left adjacent record
When the vehicle of the vehicle is detected, "1" is written in the register FvL. Next, the CPU 1 checks whether the content of the register FvM is "1" (the preceding vehicle is in the own vehicle lane), and if it is "1", it proceeds to "output" K and displays the image recognition result. Output. Then, execute "image input" B again,
Perform similar processing. That is, the window 2
Since the inter-vehicle distance to the preceding vehicle is relatively short while the preceding vehicle is detected on the own vehicle lane in the processing for 1, the "image input" B to "output" shown in FIG. The K is repeatedly executed, and the processes DET2 and DET2 for windows 2-2 and 2-2 described later are not executed.

【０１０２】ＤＥＴ１で、自車レ−ン上に先行車両を検
出しなかったとき（ＦvM＝０）には、ＣＰＵ１はＤＥＴ
１に続いて「ウィンドウ２−２内の車両検出」ＤＥＴ２
を実行する。ＤＥＴ２の処理は、図１４，図１６に示す
ウィンドウ２−２領域で、前述のＤＥＴ１の処理と同様
な処理を実行するものであり、図２７の（ａ）に示す自
車レ−ン領域（縦線の塗りつぶし領域），右隣接レ−ン
領域（右側の横線領域）および左隣接レ−ン領域（左側
の横線領域）の先行車両検出処理を行なう。自車レ−ン
領域で先行車両（路上物体）を検出するとレジスタＦvM
に「1」を書込み、右隣接レ-ン領域で車両を検出するとレ
ジスタＦvRに「1」を書込み、また、左隣接レ-ン領域で車
両を検出するとレジスタＦvLに「1」を書込む。そして、
レジスタＦvMに「1」を書込むと、「出力」Ｋに進み、Ｄ
ＥＴ３は実行しない。When the preceding vehicle is not detected on the own vehicle lane in DET1 (FvM = 0), the CPU1 executes the DET.
1 followed by "Vehicle detection in window 2-2" DET2
To execute. The processing of DET2 is to execute the same processing as the processing of DET1 described above in the window 2-2 area shown in FIGS. 14 and 16, and the own vehicle lane area ((a) shown in FIG. A preceding vehicle detection process is performed for a vertical line filled area), a right adjacent lane area (right horizontal line area), and a left adjacent lane area (left horizontal line area). When a preceding vehicle (on-road object) is detected in the own vehicle lane area, the register FvM
When a vehicle is detected in the right adjacent lane area, "1" is written in the register FvR, and when a vehicle is detected in the left adjacent lane area, "1" is written in the register FvL. And
When you write "1" to register FvM, proceed to "Output" K, then D
Do not execute ET3.

【０１０３】ＤＥＴ２で、自車レ−ン上に先行車両を検
出しなかったとき（ＦvM＝０）には、ＣＰＵ１はＤＥＴ
２に続いて「ウィンドウ２−３内の車両検出」ＤＥＴ３
を実行する。ＤＥＴ３の処理は、図１４，図１６に示す
ウィンドウ２−３領域で、前述のＤＥＴ１の処理と同様
な処理を実行するものであり、図２７の（ｂ）に示す自
車レ−ン領域（縦線の塗りつぶし領域），右隣接レ−ン
領域（右側の横線領域）および左隣接レ−ン領域（左側
の横線領域）の先行車両検出処理を行なう。なお、この
ウィンドウ２−３は、前方路上の物体検出領域の最後
（最遠）のものであるので、路面領域の最遠点は、検出
した２直線（図２７のＬＲ３，ＬＬ３）の交点（無限遠
点）又は、この交点が画面を外れるときには、画面端
（Ｙ＝０）として、路面領域を規定する。自車レ−ン領
域で先行車両（路上物体）を検出するとレジスタＦvMに
「1」を書込み、右隣接レ-ン領域で車両を検出するとレジ
スタＦvRに「1」を書込み、また、左隣接レ-ン領域で車両
を検出するとレジスタＦvLに「1」を書込む。そして、
「出力」Ｋに進む。In DET2, when the preceding vehicle is not detected on the own vehicle lane (FvM = 0), the CPU 1 executes the DET.
2 followed by "Detection of vehicle in window 2-3" DET3
To execute. The process of DET3 is to execute the same process as the process of DET1 described above in the window 2-3 area shown in FIGS. 14 and 16, and the own vehicle lane area ((b) of FIG. A preceding vehicle detection process is performed for a vertical line filled area), a right adjacent lane area (right horizontal line area), and a left adjacent lane area (left horizontal line area). Since this window 2-3 is the last (farthest) end of the object detection area on the road ahead, the farthest point of the road surface area is the intersection point of the two detected straight lines (LR3, LL3 in FIG. 27) ( At the point of infinity) or when this point of intersection deviates from the screen, the road surface area is defined as the screen edge (Y = 0). When a preceding vehicle (on-road object) is detected in the own vehicle lane area, "1" is written in the register FvM, when a vehicle is detected in the right adjacent lane area, "1" is written in the register FvR, and the left adjacent area is detected. -When a vehicle is detected in the area, write "1" to the register FvL. And
Go to “Output” K.

【０１０４】以上に説明した第１実施例では、自車両に
最も近いウィンドウ２−１の領域内で自車レ−ン左，右
端白線ＬＲ１，ＬＬ１（図２６）を検出して、これに基
づいて、ウィンドウ２−１内の左，右隣接レ−ンの左
端，右端白線を推定し、ウィンドウ２−１からウィンド
ウ２−２の中程までの、ＬＲ１，ＬＬ１間領域（図２６
の縦線塗りつぶし領域）に物体が存在するか否かを検出
し、かつ同様に左，右隣接レ−ン領域（図２６の横線塗
りつぶし領域）を定めてそこに物体が存在するか否かを
検出して、物体を検出すると自車から該物体までの距離
を算出する。自車レ−ン上のこの領域で物体を検出する
とウィンドウ２−２および２−３に関する処理は実行し
ない。該物体を検出しなかったときにウィンドウ２−２
に関しても同様な処理（図２７のａ）を実行し、ここで
自車レ−ン領域の物体を検出しないとウィンドウ２−３
に関しても同様な処理（図２７のｂ）を実行する。In the first embodiment described above, the left and right white lines LR1 and LL1 of the own vehicle lane (FIG. 26) are detected in the window 2-1 region closest to the own vehicle, and based on this detection. Then, the left and right white lines of the left and right adjacent lanes in the window 2-1 are estimated, and the area between LR1 and LL1 from the window 2-1 to the middle of the window 2-2 (see FIG. 26).
Of vertical lines), and whether or not an object is present in the left and right adjacent lane regions (horizontal line filled regions of FIG. 26) are similarly determined. When the object is detected and the object is detected, the distance from the vehicle to the object is calculated. When an object is detected in this area on the own vehicle lane, the processing regarding windows 2-2 and 2-3 is not executed. Window 2-2 when the object is not detected
The same processing (a in FIG. 27) is also executed for the window 2-3 if the object in the own vehicle lane area is not detected.
The same process (b in FIG. 27) is also executed for the above.

【０１０５】−第２実施例− この実施例では、ＣＰＵ１は図５３に示す処理を実行す
る。すなわち、「画面の校正」Ｃの次に、「自車レ−ン
検出（２−１）」Ｄ１（前述のＤの内容に同じ）で、ウ
ィンドウ２−１内の２直線ＬR1，ＬL1（図１４のｃ）を
検出し、検出した直線に基づいて「隣接レ−ン推定（２
−１）」Ｆ１（前述のＦの内容に同じ）で、右隣接レ−
ンの右端白線ＬRR1および左隣接レ−ンの左端白線ＬLL1
を推定する。そしてウィンドウを２−２に切換えて、
「自車レ−ン検出（２−２）」Ｄ２および「隣接レ−ン
推定（２−２）」Ｆ２で、同様な直線検出および直線推
定を実行して、ウィンドウ２−２内の自車レ−ン端を表
わす２直線ＬR2，ＬL2（図１４のｃ）ならびに右隣接レ
−ンの右端白線ＬRR2および左隣接レ−ンの左端白線ＬL
L2を推定する。更に、ウィンドウを２−３に切換えて、
「自車レ−ン検出（２−３）」Ｄ３および「隣接レ−ン
推定（２−３）」Ｆ３で、同様な直線検出および直線推
定を実行して、ウィンドウ２−３内の自車レ−ン端を表
わす２直線ＬR3，ＬL3（図１４のｃ）ならびに右隣接レ
−ンの右端白線ＬRR3および左隣接レ−ンの左端白線ＬL
L3を推定する。-Second Embodiment- In this embodiment, the CPU 1 executes the processing shown in FIG. That is, next to "Screen calibration" C, "Self-vehicle lane detection (2-1)" D1 (same as the above-mentioned content of D), two straight lines LR1 and LL1 in the window 2-1 (Fig. 14c) is detected, and "adjacent lane estimation (2
-1) "F1 (the same as the content of F described above), the right adjacent
Right edge white line LRR1 and left edge adjacent white line LLL1
To estimate. Then switch the window to 2-2,
The same straight line detection and straight line estimation are executed in "own vehicle lane detection (2-2)" D2 and "adjacent lane estimation (2-2)" F2, and the own vehicle within the window 2-2 is displayed. Two straight lines LR2 and LL2 (c in FIG. 14) representing the lane end, the right end white line LRR2 of the right adjacent lane and the left end white line LL of the left adjacent lane.
Estimate L2. Furthermore, switch the window to 2-3,
The same straight line detection and straight line estimation are executed in "Own vehicle lane detection (2-3)" D3 and "Adjacent lane estimation (2-3)" F3, and the own vehicle in the window 2-3 is displayed. Two straight lines LR3, LL3 (c in FIG. 14) representing the lane end, the right end white line LRR3 of the right adjacent lane and the left end white line LL of the left adjacent lane.
Estimate L3.

【０１０６】以上により、自車レ−ンの右端白線を表わ
す３本の直線ＬR1〜ＬR3，左端白線を表わす３本の直線
ＬL1〜ＬL3（図１４のｃ）、ならびに、それらの外側
の、右隣接レ−ンの右端白線（推定）を表わす３本の直
線ＬRR1〜ＬRR3および左隣接レ−ンの左端白線（推定）
を表わす３本の直線ＬLL1〜ＬLL3が求められたことにな
る。As described above, the three straight lines LR1 to LR3 representing the right end white line of the vehicle lane, the three straight lines LL1 to LL3 representing the left end white line (c in FIG. 14), and the outside of them, the right line Three straight lines LRR1 to LRR3 representing the rightmost white line (estimated) of the adjacent lane and the leftmost white line (estimated) of the left adjacent lane
That is, three straight lines LLL1 to LLL3 representing the above are obtained.

【０１０７】ＣＰＵ１は次に、「自車レ−ン領域設定」
ｈで、直線ＬR1とウィンドウ２−２の右辺又は下辺(X=5
11の縦線又はY=350の横線)との交点，直線ＬR1とＬR2の
交点(図１４のａの丸印）,ＬR2とＬR3の交点，直線ＬL1
とウィンドウ２−１の左辺又は下辺(X=0の縦線又はY=35
0の横線)との交点，直線ＬL1とＬL2の交点,ＬL2とＬL3
の交点、ならびに、直線ＬR3とＬL3との交点を算出し、
これらの交点のＹ方向で隣り合う２点を結ぶ直線とウィ
ンドウ２−１の下辺で囲まれる領域を自車走行レ−ン領
域と設定する。そして次の「自車レ−ン先行車両認識及
び測距」Ｈで、前述の第１実施例における物体検出と距
離算出（Ｈ）と同様な処理により、設定した領域内での
物体検出と距離算出を行なう。Next, the CPU 1 sets "own vehicle lane area setting".
h, the straight line LR1 and the right or lower side of the window 2-2 (X = 5
11 vertical line or Y = 350 horizontal line), intersection of straight lines LR1 and LR2 (circle mark in FIG. 14a), intersection of LR2 and LR3, straight line LL1
And the left or bottom side of window 2-1 (vertical line at X = 0 or Y = 35
0) (horizontal line), intersections of straight lines LL1 and LL2, LL2 and LL3
And the intersection of the straight lines LR3 and LL3,
A region surrounded by a straight line connecting two points adjacent to each other in the Y direction at these intersections and the lower side of the window 2-1 is set as a vehicle traveling lane region. Then, in the next "recognition and distance measurement of the preceding vehicle lane" H, the same processing as the object detection and distance calculation (H) in the first embodiment described above is performed, and the object detection and the distance in the set area are performed. Calculate.

【０１０８】ＣＰＵ１は次に、「右隣接レ−ン領域設
定」ｉで、直線ＬR1とウィンドウ２−１の右辺又は下辺
(X=511の縦線又はY=350の横線)との交点，直線ＬR1とＬ
R2の交点,ＬR2とＬR3の交点，直線ＬRR1とウィンドウ２
−１の右辺又は下辺(X=511の縦線又はY=350の横線)との
交点，直線ＬRR1とＬRR2の交点,ＬRR2とＬRR3の交点、
ならびに、直線ＬR3とＬRR3との交点を算出し、これら
の交点のＹ方向で隣り合う２点を結ぶ直線とウィンドウ
２−１の下辺で囲まれる領域を右隣接レ−ン領域と設定
する。そして次の「右隣接レ−ン先行車両認識及び測
距」Iで、前述の第１実施例における右隣接レ−ンにお
ける物体検出と距離算出（Ｉ）と同様な処理により、設
定した領域内での物体検出と距離算出を行なう。Next, the CPU 1 executes the "right adjacent lane area setting" i, and the straight line LR1 and the right or lower side of the window 2-1.
Intersection with (vertical line of X = 511 or horizontal line of Y = 350), straight lines LR1 and L
R2 intersection, LR2 and LR3 intersection, straight line LRR1 and window 2
-1 right side or lower side (vertical line of X = 511 or horizontal line of Y = 350), intersection of straight lines LRR1 and LRR2, intersection of LRR2 and LRR3,
Further, the intersection between the straight lines LR3 and LRR3 is calculated, and the area surrounded by the straight line connecting two points adjacent to each other in the Y direction of these intersections and the lower side of the window 2-1 is set as the right adjacent lane area. Then, in the next "right adjacent lane preceding vehicle recognition and distance measurement" I, within the set area by the same processing as the object detection and distance calculation (I) in the right adjacent lane in the first embodiment described above. Object detection and distance calculation are performed.

【０１０９】ＣＰＵ１は次に、「左隣接レ−ン領域設
定」ｊで、直線ＬL1とウィンドウ２−１の左辺又は下辺
(X=0の縦線又はY=350の横線)との交点，直線ＬL1とＬL2
の交点,ＬL2とＬL3の交点，直線ＬLL1とウィンドウ２−
１の左辺又は下辺(X=0の縦線又はY=350の横線)との交
点，直線ＬLL1とＬLL2の交点,ＬLL2とＬLL3の交点、な
らびに、直線ＬL3とＬLL3との交点を算出し、これらの
交点のＹ方向で隣り合う２点を結ぶ直線とウィンドウ２
−１の下辺で囲まれる領域を左隣接レ−ン領域と設定す
る。そして次の「左隣接レ−ン先行車両認識及び測距」
Ｊで、前述の第１実施例における左隣接レ−ンにおける
物体検出と距離算出（Ｊ）と同様な処理により、設定し
た領域内での物体検出と距離算出を行なう。Next, the CPU 1 executes the "left adjacent lane area setting" j, and the straight line LL1 and the left or lower side of the window 2-1.
Intersection with (vertical line at X = 0 or horizontal line at Y = 350), straight lines LL1 and LL2
Intersection, intersection of LL2 and LL3, straight line LLL1 and window 2-
Calculate the intersection with the left side or the bottom side of 1 (vertical line at X = 0 or horizontal line at Y = 350), the intersection between straight lines LLL1 and LLL2, the intersection between LLL2 and LLL3, and the intersection between straight lines LL3 and LLL3, and these A window and a straight line connecting two points adjacent to each other in the Y direction of the intersection of
The area surrounded by the lower side of -1 is set as the left adjacent lane area. And the next "Left adjacent lane preceding vehicle recognition and distance measurement"
In J, the object detection and the distance calculation in the set area are performed by the same processing as the object detection and the distance calculation (J) in the left adjacent lane in the first embodiment.

【０１１０】この第２実施例によっても、自車直前か
ら、自車レ−ンの左，右端白線が交わって見える遠方点
までの路面領域の全面（自車レ−ン，右隣接レ−ンおよ
び左隣接レ−ン）について、物体探索と検出した物体の
距離の算出が行なわれる。Also according to the second embodiment, the entire road surface area (own vehicle lane, right adjacent lane) from immediately before the own vehicle to the far point where the left and right white lines of the own vehicle lane intersect. And the left adjacent lane), the object search and the distance of the detected object are calculated.

【０１１１】前述の第１実施例および第２実施例のいず
れにおいても、ウィンドウ２−１，２−２および２−３
と、自車直近から次第に遠方へ探索領域が設定されて各
領域でレ−ンを区切る白線の検出が行なわれて、検出し
た白線に基づいて探索領域が設定されるので、道路がカ
−ブしていても、探索領域が遠方で路面から外れる確率
が低く、路上物体の検出、特に遠方の路上物体の検出、
がより確実となる。In both the first and second embodiments described above, windows 2-1, 2-2 and 2-3 are provided.
Then, a search area is set gradually from the immediate vicinity of the own vehicle, and a white line that separates the lanes is detected in each area, and the search area is set based on the detected white line. Even if the search area is distant, the probability of being off the road surface is low, and detection of road objects, especially detection of distant road objects,
Will be more certain.

【０１１２】[0112]

【発明の効果】以上のように本発明は、ウィンドウ２−
１，２−２および２−３と、自車直近から次第に遠方へ
探索領域が設定されて各領域でレ−ンを区切る白線の検
出が行なわれて、検出した白線に基づいて探索領域が設
定されるので、道路がカ−ブしていても、探索領域が遠
方で路面から外れる確率が低く、路上物体の検出、特に
遠方の路上物体の検出、がより確実となる。As described above, according to the present invention, the window 2-
1, 2-2 and 2-3, and a search area is set gradually from the immediate vicinity of the vehicle to a distant location, and a white line that separates the lanes is detected in each area, and the search area is set based on the detected white line. Therefore, even if the road is curved, the probability that the search area will be off the road surface at a long distance is low, and the detection of a road object, especially the detection of a distant road object becomes more reliable.

【０１１３】本発明の好ましい実施例では、前記「左右
白線検出」Ｄ３の項で説明したように、複数回の極座標
変換を行ない、先行の極座標変換では、極座標系のパラ
メ−タρ，θが広い範囲であるので、特徴点(Xs,Ys)そ
れぞれを表わす曲線の交点（ρm，θm）が漏れる確率
(直線検出失敗確率)が低い。すなわち交点（ρm，θm）
検出の信頼度が高い。広範囲であると度数デ−タ格納用
メモリの所要容量が大きくなり、演算時間が長くなる
が、極座標系のパラメ−タρ，θが低密度であるので、
１つの特徴点(Xs,Ys)を表わす極座標系上の曲線のサン
プリング密度が低く、したがってメモリの所要容量は少
くて済み、演算時間は短い。In the preferred embodiment of the present invention, the polar coordinate conversion is performed a plurality of times as described in the section "Detecting the left and right white lines" D3. In the preceding polar coordinate conversion, the polar coordinate system parameters ρ and θ are determined. Since it is a wide range, the probability that the intersection points (ρm, θm) of the curves representing the characteristic points (Xs, Ys) leak
(Probability of line detection failure) is low. That is, the intersection (ρm, θm)
High reliability of detection. If the range is wide, the required capacity of the frequency data storage memory becomes large and the calculation time becomes long, but since the parameters ρ and θ of the polar coordinate system are low density,
The sampling density of the curve on the polar coordinate system representing one feature point (Xs, Ys) is low, and therefore the required memory capacity is small and the operation time is short.

【０１１４】先行の極座標変換では、極座標系上の曲線
のサンプリング密度が低いことにより交点（ρm，θm）
を表わす精度が低いが、後行の極座標変換では高密度か
つ先行の極座標変換で得た極座標値（ρm，θm）を中心
とする狭い範囲とするので、先行の極座標変換で得た交
点周りの小範囲を精細に探索する極座標変換となり、極
座標系上の曲線のサンプリング密度が高いが範囲が狭い
ことによりメモリの所要容量は少くて済み、演算時間は
短い。サンプリング密度が高いことにより、高精度で交
点（ρm，θm）が検出される。In the preceding polar coordinate conversion, the intersection point (ρm, θm) is set because the sampling density of the curve on the polar coordinate system is low.
Although the precision of expressing is low, in the subsequent polar coordinate conversion, the density is high and the polar coordinate value (ρm, θm) obtained by the preceding polar coordinate conversion is set as a narrow range. This is polar coordinate conversion for finely searching a small range, and the sampling density of the curve on the polar coordinate system is high, but the range is narrow, so the required memory capacity is small and the calculation time is short. Since the sampling density is high, the intersection (ρm, θm) can be detected with high accuracy.

【０１１５】例えば、上述の実施例のように、３回の極
座標変換を順次に行なうと、度数デ−タ格納用メモリの
所要容量は32×32×Ｄａ、合計の演算回数は32×3×Ｎ
で、第３回の極座標変換の分解能を1/1024とすると、こ
の分解能の単純ハフ変換のメモリ所要容量1024×1024×
Ｄａ，演算回数1024×Ｎに対して、メモリ容量は1/204
8、演算回数は96/1024となる。にもかかわらず、該単純
ハフ変換の分解能と同じ分解能(1/1024)で近似直線デ−
タ（第３回の変換で求めた極座標値（rm3，tm3））が得
られる。For example, when the polar coordinate conversion is sequentially performed three times as in the above embodiment, the required capacity of the frequency data storage memory is 32 × 32 × Da, and the total number of operations is 32 × 3 ×. N
Then, if the resolution of the third polar coordinate conversion is 1/1024, the memory requirement of simple Hough conversion of this resolution is 1024 × 1024 ×
The memory capacity is 1/204 for Da and the number of operations 1024 × N.
8, the number of operations is 96/1024. Nevertheless, the approximate straight line data has the same resolution (1/1024) as that of the simple Hough transform.
Data (polar coordinate values (rm3, tm3) obtained in the third conversion) are obtained.

【図面の簡単な説明】[Brief description of drawings]

【図１】 本発明を一態様で実施する、車両上の、前方
路面上白線検出システムを示すブロック図である。FIG. 1 is a block diagram illustrating a front road surface white line detection system on a vehicle embodying the present invention in one aspect.

【図２】 図１に示すテレビカメラ６ｂの、車両上の配
置位置を示す側面概要図である。FIG. 2 is a schematic side view showing an arrangement position on the vehicle of the television camera 6b shown in FIG.

【図３】 テレビカメラ６ｂの撮影画像デ−タに基づい
た、図１に示すマイクロプロセッサ（ＣＰＵ）１の、第
１実施例における、自車両前方の路面上白線および先行
車両を検出する処理の概要を示すフロ−チャ−ト（メイ
ンル−チン）である。FIG. 3 is a flow chart showing a process of detecting a white line on the road surface ahead of the own vehicle and a preceding vehicle in the first embodiment of the microprocessor (CPU) 1 shown in FIG. 1 based on the imaged data of the television camera 6b. It is a flowchart (main routine) showing an outline.

【図４】 図３に示す「画面の校正」Ｃの内容を示すフ
ロ−チャ−ト（サブル−チン）である。FIG. 4 is a flowchart (subroutine) showing the contents of “screen calibration” C shown in FIG.

【図５】 （ａ）は図４に示す「特徴点検出ウィンドウ
１セット」Ｃ１の内容を示すフロ−チヤ−ト、（ｂ）は
図１に示すテレビカメラ６ｂの撮影画面を示す平面図で
ある。5 (a) is a flow chart showing the contents of "1 set of feature point detection windows" C1 shown in FIG. 4, and FIG. 5 (b) is a plan view showing a shooting screen of the television camera 6b shown in FIG. is there.

【図６】 （ａ）は図４に示す「特徴点検出（ＵＰ）」
Ｃ２の内容を示すフロ−チャ−ト、（ｂ）は撮影画面の
Ｙ方向の画像デ−タの微分値を算出するときの、注目点
（算出点画素：×印）と、参照点（参照画素：白四角）
を示す平面図である。6A is a “feature point detection (UP)” shown in FIG.
A flow chart showing the contents of C2, (b) is a target point (calculation point pixel: X mark) and a reference point (reference point) when calculating the differential value of the image data in the Y direction of the photographing screen. Pixel: White square)
FIG.

【図７】 （ａ）は図４に示す「ボンネット検出」Ｃ３
の内容を示すフロ−チャ−ト、（ｂ）は撮影画面上のボ
ンネットエッジを近似する直線を示す平面図である。7 (a) is a "bonnet detection" C3 shown in FIG.
2B is a plan view showing a straight line approximating the bonnet edge on the photographing screen.

【図８】 （ａ）は図４に示す「ロ−ル角，パン移動量
計算」Ｃ５で算出するロ−ル角とパン移動量を撮影画面
上に示す平面図、（ｂ）は図４に示す「画像回転平行移
動」Ｃ７で撮影画面上の画素アドレスを、ロ−ル角分回
転しパン移動量分平行移動した補正画面上の画素アドレ
スに、変換する変換式を示す平面図である。8A is a plan view showing the roll angle and the pan movement amount calculated by “calculation of roll angle and pan movement amount” C5 shown in FIG. 4 on a photographing screen, and FIG. FIG. 9 is a plan view showing a conversion formula for converting a pixel address on a photographing screen by a “image rotation parallel movement” C7 shown in FIG. 4 into a pixel address on a correction screen which is rotated by a roll angle and translated by a pan movement amount. .

【図９】 図４に示す「補正画像メモリイニシャライ
ズ」Ｃ６の内容を示すフロ−チャ−トである。9 is a flowchart showing the contents of "corrected image memory initialization" C6 shown in FIG.

【図１０】 図４に示す「画像回転平行移動」Ｃ７の内
容を示すフロ−チャ−トである。FIG. 10 is a flowchart showing the contents of “image rotation parallel movement” C7 shown in FIG.

【図１１】 図４に示す「補間」Ｃ８の内容の一部を示
すフロ−チャ−トである。11 is a flowchart showing a part of the contents of "interpolation" C8 shown in FIG.

【図１２】 図４に示す「補間」Ｃ８の内容の残りの部
分を示すフロ−チャ−トである。12 is a flowchart showing the remaining part of the contents of "interpolation" C8 shown in FIG.

【図１３】 図３に示す「自車レ−ン検出」Ｄの内容を
示すフロ−チャ−ト（サブル−チン）である。FIG. 13 is a flowchart (subroutine) showing the contents of “own vehicle lane detection” D shown in FIG.

【図１４】 （ａ）は図１３に示す「特徴点検出ウィン
ドウ２セット」Ｄ１の内容を示すフロ−チヤ−ト、
（ｂ）は前記補正画面上に設定するウィンドウ２の領域
を示す平面図である。14 (a) is a flowchart showing the contents of "two sets of feature point detection windows" D1 shown in FIG.
FIG. 6B is a plan view showing an area of the window 2 set on the correction screen.

【図１５】 図１３に示す「左右白線検出」Ｄ３の内容
を示すフロ−チャ−トである。FIG. 15 is a flowchart showing the contents of “left / right white line detection” D3 shown in FIG.

【図１６】 前記補正画面の画像とウィンドウ２を示す
平面図である。16 is a plan view showing an image of the correction screen and a window 2. FIG.

【図１７】 図１５に示す「直線当てはめ」６３Ｒの内
容の一部を示すフロ−チャ−トである。FIG. 17 is a flowchart showing a part of the content of “straight line fitting” 63R shown in FIG.

【図１８】 図１５に示す「直線当てはめ」６３Ｒの内
容の残りの部分を示すフロ−チャ−トである。FIG. 18 is a flowchart showing the remaining part of the contents of “straight line fitting” 63R shown in FIG.

【図１９】 図１７および図１８に示す「ハフグリッド
クリア（ＨＧ１）」６５，「ハフグリッドクリア（ＨＧ
２）」７０および「ハフグリッドクリア（ＨＧ３）」７
５の内容を、汎用形式で示すフロ−チャ−トであり、図
１９中のｎは、１，２又は３である。FIG. 19 shows “Hough grid clear (HG1)” 65 and “Hough grid clear (HG) shown in FIGS. 17 and 18.
2) ”70 and“ Hough Grid Clear (HG3) ”7
5 is a flow chart showing the contents of 5 in a general-purpose format, and n in FIG. 19 is 1, 2, or 3.

【図２０】 図１７および図１８に示す「ハフ変換（Ｈ
Ｇ１）」６７，「ハフ変換（ＨＧ２）」７２および「ハ
フ変換（ＨＧ３）」７７の内容を、汎用形式で示すフロ
−チャ−トであり、図２０中のｎは、１，２又は３であ
る。FIG. 20 shows the “Hough transform (H
G1) "67," Hough transform (HG2) "72 and" Hough transform (HG3) "77 are flow charts in a general-purpose format, and n in FIG. 20 is 1, 2 or 3 Is.

【図２１】 図１７および図１８に示す「最大点探索
（ＨＧ１）」６８，「最大点探索（ＨＧ２）」７３およ
び「最大点探索（ＨＧ３）」７８の内容を、汎用形式で
示すフロ−チャ−トであり、図２１中のｎは、１，２又
は３である。FIG. 21 is a flow chart showing the contents of “maximum point search (HG1)” 68, “maximum point search (HG2)” 73 and “maximum point search (HG3)” 78 shown in FIGS. 17 and 18 in a general-purpose format. It is a chart, and n in FIG. 21 is 1, 2, or 3.

【図２２】 図１３に示す「無限遠点計算」Ｄ４の内容
を示すフロ−チャ−トである。22 is a flowchart showing the contents of "infinity point calculation" D4 shown in FIG.

【図２３】 図１に示すテレビカメラ６ｂ内のレンズお
よび撮像素子と車両前方の先行車両との幾何学的関係を
示す側面概要図である。FIG. 23 is a schematic side view showing the geometrical relationship between the lens and the image pickup element in the television camera 6b shown in FIG. 1 and a preceding vehicle ahead of the vehicle.

【図２４】 図３に示す「隣接レ−ン推定」Ｆの内容を
示すフロ−チャ−トである。FIG. 24 is a flowchart showing the contents of “adjacent lane estimation” F shown in FIG.

【図２５】 前記補正画面上の、前記「隣接レ−ン推
定」Ｆで推定した隣接レ−ンを斜線で塗りつぶして示す
平面図である。FIG. 25 is a plan view showing the adjacent lanes estimated by the “adjacent lane estimation” F on the correction screen, which are filled with diagonal lines.

【図２６】 図３に示す「ウィンドウ２−１内の車両検
出」ＤＥＴ１の中の、図２８，図４７および図５０に示
す車両認識および測距Ｈ，ＩおよびＪで物体検出を行な
う探索領域を縦線および横線の塗りつぶしで示す平面図
である。FIG. 26 is a search area in the “vehicle detection within window 2-1” DET1 shown in FIG. 3 for performing object recognition by vehicle recognition and distance measurement H, I, and J shown in FIGS. 28, 47, and 50. FIG. 5 is a plan view showing a vertical line and a horizontal line with a black line.

【図２７】 （ａ）は図３に示す「ウィンドウ２−２内
の車両検出」ＤＥＴ２で物体検出を行なう探索領域を縦
線および横線の塗りつぶしで示す平面図、（ｂ）は図３
に示す「ウィンドウ２−２内の車両検出」ＤＥＴ３で物
体検出を行なう探索領域を縦線および横線の塗りつぶし
で示す平面図である。FIG. 27 (a) is a plan view showing a search area for detecting an object in the “vehicle detection in window 2-2” DET2 shown in FIG. 3 by filling vertical and horizontal lines, and FIG.
FIG. 8 is a plan view showing a search area in which an object is detected by “vehicle detection in window 2-2” DET3 shown in FIG.

【図２８】 図３に示す「自車レ−ン先行車両認識及び
測距」Ｈの内容を示すフロ−チャ−トである。28 is a flowchart showing the contents of "recognition and distance measurement of preceding vehicle by own vehicle lane" H shown in FIG.

【図２９】 図２８に示す「車両候補位置の検出１」Ｈ
１の内容を示すフロ−チャ−トである。FIG. 29 shows “Detection of candidate vehicle position 1” H shown in FIG. 28.
It is a flowchart showing the contents of 1.

【図３０】 図２９に示す「特徴点メモリクリア」１３
１の内容を示すフロ−チャ−トである。FIG. 30 is a “feature point memory clear” 13 shown in FIG. 29.
It is a flowchart showing the contents of 1.

【図３１】 図２９に示す「水平特徴点の検出１」１３
２の内容を示すフロ−チャ−トである。[FIG. 31] “Horizontal feature point detection 1” 13 shown in FIG. 29
2 is a flowchart showing the contents of 2.

【図３２】 （ａ）は図３１に示す「１ライン水平特徴
点の検出」１５１Ｌの内容を示すフロ−チャ−ト、
（ｂ）は水平特徴点の検出のため前記補正画面のＹ方向
の画像デ−タの微分値を算出するときの、注目点（算出
点画素：×印）と、参照点（参照画素：白四角）を示す
平面図である。32 (a) is a flow chart showing the contents of "detection of 1-line horizontal feature point" 151L shown in FIG.
(B) is a target point (calculation point pixel: X mark) and a reference point (reference pixel: white) when calculating the differential value of the image data in the Y direction of the correction screen for detecting the horizontal feature point. It is a top view showing a square.

【図３３】 図２９に示す「ヒストグラムメモリクリ
ア」１３３の内容を示すフロ−チャ−トである。FIG. 33 is a flowchart showing the contents of the “histogram memory clear” 133 shown in FIG. 29.

【図３４】 図２９に示す「ｙ方向ヒストグラム作成」
１３４の内容を示すフロ−チャ−トである。FIG. 34 “y-direction histogram creation” shown in FIG.
It is a flowchart showing the contents of 134.

【図３５】 図２９に示す「ｙ方向ヒストグラム作成」
１３４の内容を示すフロ−チャ−トである。FIG. 35 is a “y-direction histogram creation” shown in FIG. 29.
It is a flowchart showing the contents of 134.

【図３６】 図３５に示す「レ−ン左端点検出」１７６
および「レ−ン右端点検出」１７７の内容を示すフロ−
チャ−トである。FIG. 36 is a “lane left end point detection” 176 shown in FIG.
And a flow showing the contents of "lane right end point detection" 177.
It is a chart.

【図３７】 図２９に示す「ｘ方向重心計算」１３６の
内容を示すフロ−チャ−トである。37 is a flowchart showing the contents of "calculation of center of gravity in x direction" 136 shown in FIG.

【図３８】 図２８に示す「車両左右端の検出」Ｈ３の
内容を示すフロ−チャ−トである。FIG. 38 is a flowchart showing the contents of “Detect left and right ends of vehicle” H3 shown in FIG. 28.

【図３９】 図３８に示す「車両左右端位置推定」２０
１の内容を示すフロ−チャ−トである。[FIG. 39] “Vehicle left and right end position estimation” 20 shown in FIG.
It is a flowchart showing the contents of 1.

【図４０】 図３８に示す「左端垂直特徴点検出」２０
３Ｌの内容を示すフロ−チャ−トである。[FIG. 40] “Left edge vertical feature point detection” 20 shown in FIG. 38
It is a flowchart showing the contents of 3L.

【図４１】 図３８に示す「ｘ方向ヒストグラム作成」
２０５Ｌの内容を示すフロ−チャ−トである。FIG. 41 “x-direction histogram creation” shown in FIG.
It is a flowchart showing the contents of 205L.

【図４２】 図３８に示す「ｘ方向最大点検出」２０６
Ｌの内容を示すフロ−チャ−トである。42 shows the "maximum point detection in x direction" 206 shown in FIG.
It is a flowchart showing the contents of L.

【図４３】 図３８に示す「右端垂直特徴点検出」２０
３Ｒの内容を示すフロ−チャ−トである。FIG. 43 shows “right end vertical feature point detection” 20 shown in FIG.
It is a flowchart showing the contents of 3R.

【図４４】 図２８に示す「車両の検定」Ｈ４の内容を
示すフロ−チャ−トである。FIG. 44 is a flowchart showing the contents of “Vehicle verification” H4 shown in FIG.

【図４５】 図２８に示す「車間距離計算」Ｈ６の内容
を示すフロ−チャ−トである。FIG. 45 is a flowchart showing the contents of “vehicle distance calculation” H6 shown in FIG. 28.

【図４６】 図２８に示す「車幅学習計算」Ｈ７の内容
を示すフロ−チャ−トである。FIG. 46 is a flowchart showing the contents of “vehicle width learning calculation” H7 shown in FIG.

【図４７】 図３に示す「右隣接レ−ン車両認識及び測
距」Ｉの内容を示すフロ−チャ−トである。47 is a flowchart showing the contents of "right adjacent lane vehicle recognition and distance measurement" I shown in FIG.

【図４８】 図４７に示す「車両候補の位置の検出２」
Ｉ１の内容を示すフロ−チャ−トである。[FIG. 48] “Detection of vehicle candidate position 2” shown in FIG. 47
It is a flowchart showing the contents of I1.

【図４９】 図４８に示す「水平特徴点の検出２」２５
８の内容を示すフロ−チャ−トである。[FIG. 49] “Horizontal feature point detection 2” 25 shown in FIG.
8 is a flowchart showing the contents of No. 8.

【図５０】 図３に示す「左隣接レ−ン車両認識及び測
距」Ｊの内容を示すフロ−チャ−トである。50 is a flowchart showing the contents of "Left adjacent lane vehicle recognition and distance measurement" J shown in FIG.

【図５１】 図５０に示す「車両候補の位置の検出３」
Ｊ１の内容を示すフロ−チャ−トである。51. "Detection position 3 of vehicle candidate" shown in FIG.
It is a flowchart showing the contents of J1.

【図５２】 図５１に示す「水平特徴点の検出３」２７
７の内容を示すフロ−チャ−トである。FIG. 52 shows “Horizontal feature point detection 3” 27 shown in FIG.
7 is a flowchart showing the contents of 7.

【図５３】 テレビカメラ６ｂの撮影画像デ−タに基づ
いた、図１に示すマイクロプロセッサ（ＣＰＵ）１の、
第２実施例における、自車両前方の路面上白線および先
行車両を検出する処理の概要を示すフロ−チャ−トであ
る。FIG. 53 is a block diagram of the microprocessor (CPU) 1 shown in FIG. 1, which is based on image data captured by the television camera 6b.
8 is a flowchart showing an outline of processing for detecting a white line on the road surface ahead of the own vehicle and a preceding vehicle in the second embodiment.

【符号の説明】[Explanation of symbols]

１：マイクロプロセッサ（ＣＰＵ） ２：ＲＯＭ ３：ＲＡＭ ４〜６：入出力ポ
−ト ４ａ：ＣＲＴドライバ ４ｂ：ＣＲＴ ５ａ：イメ−ジメモリ ６ａ：カメラコ
ントロ−ラ ６ｂ：テレビカメラ ６ｃ：Ａ／Ｄコ
ンバ−タ ７：通信コントロ−ラ ８：ホストマイク
ロプロセッサ（ＣＰＵ）1: Microprocessor (CPU) 2: ROM 3: RAM 4 to 6: Input / output port 4a: CRT driver 4b: CRT 5a: Image memory 6a: Camera controller 6b: Television camera 6c: A / D converter -Ta 7: Communication controller 8: Host microprocessor (CPU)

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁵ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｈ０４Ｎ 1/40 9068−5Ｃ ─────────────────────────────────────────────────── ─── Continuation of the front page (51) Int.Cl. ⁵ Identification code Office reference number FI technical display location H04N 1/40 9068-5C

Claims (6)

【特許請求の範囲】[Claims] 【請求項１】車両に搭載された撮影装置で得た、車両前
方の路面を含むシ−ンをＸ，Ｙ直交座標系画面に表わす
画像デ−タの、所定方向の微分値を算出してそれが設定
値以上のＸ，Ｙ直交座標上の位置を特徴点(Xs,Ys)とし
て、複数個の特徴点(Xs,Ys)の連なりを表わす直線を求
めて、前記シ−ン内の、前記車両が走行中のレ−ンの
左，右端白線を検出し、左，右端白線を表わす直線を基
準にした前記画面上の所定領域で物体検出を行なう、車
両前方の物体検出方法において、 画面上の、車両前方の路面が存在する領域を、車両の進
行方向で複数個に分割し、車両に近い分割領域から順次
に、分割領域における走行中のレ−ンの左，右端白線の
検出を行ない、少くとも白線検出を行なった分割領域内
の、左，右端白線の間の走行中レ−ン領域の物体検出を
行なうことを特徴とする、車両前方の物体検出方法。1. A differential value in a predetermined direction of image data representing a scene including a road surface in front of the vehicle, which is obtained by an image pickup device mounted on the vehicle, on an X, Y Cartesian coordinate system screen is calculated. Using a position on the X, Y Cartesian coordinates above the set value as a feature point (Xs, Ys), a straight line representing a series of a plurality of feature points (Xs, Ys) is obtained, and within the scene, A method for detecting an object in front of a vehicle, which detects white lines on the left and right ends of a running lane of the vehicle and performs object detection in a predetermined area on the screen based on straight lines representing the left and right ends The upper area where the road surface in front of the vehicle exists is divided into a plurality of areas in the traveling direction of the vehicle, and the left and right white lines of the running lane in the divided areas are sequentially detected from the divided areas close to the vehicle. Objects in the running lane area between the left and right white lines in the divided area where at least white line detection was performed And performing output, the vehicle in front of the object detection method. 【請求項２】車両に搭載された撮影装置で得た、車両前
方の路面を含むシ−ンをＸ，Ｙ直交座標系画面に表わす
画像デ−タの、所定方向の微分値を算出してそれが設定
値以上のＸ，Ｙ直交座標上の位置を特徴点(Xs,Ys)とし
て、複数個の特徴点(Xs,Ys)の連なりを表わす直線を求
めて、前記シ−ン内の、前記車両が走行中のレ−ンの
左，右端白線を検出し、左，右端白線を表わす直線を基
準にした前記画面上の所定領域で物体検出を行なう、車
両前方の物体検出方法において、 画面上の、車両前方の路面が存在する領域を、車両の進
行方向で複数個に分割し、車両に近い分割領域から順次
に、分割領域における走行中のレ−ンの左，右端白線の
検出を行ない、隣り合う分割領域で検出した左端白線の
交点および右端白線の交点を算出し、車両の進行方向で
隣り合う交点を結ぶ左端側直線と右端側直線の間の領域
の物体検出を行なうことを特徴とする、車両前方の物体
検出方法。2. A differential value in a predetermined direction of image data representing a scene including a road surface in front of the vehicle, which is obtained by an image pickup device mounted on the vehicle, on an X, Y orthogonal coordinate system screen is calculated. Using a position on the X, Y Cartesian coordinates above the set value as a feature point (Xs, Ys), a straight line representing a series of a plurality of feature points (Xs, Ys) is obtained, and within the scene, A method for detecting an object in front of a vehicle, which detects white lines on the left and right ends of a running lane of the vehicle and performs object detection in a predetermined area on the screen based on straight lines representing the left and right ends The upper area where the road surface in front of the vehicle exists is divided into a plurality of areas in the traveling direction of the vehicle, and the left and right white lines of the running lane in the divided areas are sequentially detected from the divided areas close to the vehicle. The intersection of the leftmost white line and the intersection of the rightmost white line detected in the adjacent divided areas is calculated, and the vehicle progresses. And performing object detection in the region between the left side line and the right end line connecting the intersection points adjacent in countercurrent, the vehicle ahead of the object detection method. 【請求項３】特徴点(Xs,Ys)のそれぞれを、ρ，θ極座
標系の極座標値（ρ，θ）に変換し、極座標値（ρ，
θ）に割当てた記憶手段の度数デ−タをインクレメント
し、度数デ−タが最大値となった極座標値（ρm，θm）
を摘出してこの極座標値（ρm，θm）で表わされる直線
を、左，右端白線を表わす二直線の一方として決定す
る、請求項１又は請求項２記載の、車両前方の物体検出
方法。3. The characteristic points (Xs, Ys) are converted into polar coordinate values (ρ, θ) of a ρ, θ polar coordinate system, and polar coordinate values (ρ,
θ) increments the frequency data of the storage means and polar coordinate value (ρm, θm) at which the frequency data becomes the maximum value
The object detection method in front of the vehicle according to claim 1 or 2, wherein the straight line represented by the polar coordinate values (ρm, θm) is determined as one of two straight lines representing the left and right white lines. 【請求項４】前記極座標変換を複数回繰返し、この繰返
しにおいてρ，θは、先行の極座標変換では低密度かつ
広い範囲とし、後行の極座標変換では高密度かつ先行の
極座標変換で得た極座標値（ρm，θm）を中心とする狭
い範囲とすることを特徴とする、請求項３記載の、車両
前方の物体検出方法。4. The polar coordinate conversion is repeated a plurality of times, and in this repetition, ρ and θ have a low density and a wide range in the preceding polar coordinate conversion, and in the subsequent polar coordinate conversion, high density and the polar coordinate obtained by the preceding polar coordinate conversion. 4. The object detection method in front of the vehicle according to claim 3, wherein the range is a narrow range centered on the value (ρm, θm). 【請求項５】第１回の極座標変換では、特徴点(Xs,Ys)
のそれぞれを、Ｘ，Ｙ直交座標系の(Xch,Ych)を原点と
するρ，θ極座標系に対して ρ＝ｒ／ｄ₁＋ｃ₁， θ＝ａ₁・ｔ＋ｂ₁，ｔ＝0,1,2,・・・ なる関係のｒ，ｔ極座標系の座標値（ｒ，ｔ）に、 ｒ/ｄ₁＋ｃ₁＝ (Xs−Xch)・cos(ａ₁・ｔ＋ｂ₁) ＋(Ych−Ys)・sin(ａ₁・ｔ＋ｂ₁) なる関係で変換し、極座標値（ｒ，ｔ）に割当てた記憶
手段の度数デ−タをインクレメントし、度数デ−タが最
大値となった座標値（ｒm1，ｔm1）を摘出し、第２回の
極座標変換では、特徴点(Xs,Ys)のそれぞれを、Ｘ，Ｙ
直交座標系の(Xch,Ych)を原点とするρ，θ極座標系に
対して ρ＝ｒ／ｄ₂＋ｃ₂， θ＝ａ₂・ｔ＋ｂ₂，ｔ＝0,1,2,・・・ なる関係のｒ，ｔ極座標系の座標値（ｒ，ｔ）に、 ｒ/ｄ₂＋ｃ₂＝ (Xs−Xch)・cos(ａ₂・ｔ＋ｂ₂) ＋(Ych−Ys)・sin(ａ₂・ｔ＋ｂ₂) なる関係で変換し、これにおいてａ₂はａ₁より小さい
値、ｂ₂はｂ₁よりもｔm1に近い値、ｃ₂はｃ₁よりもｒm1
に近い値、かつｄ₂はｄ₁よりも大きい値とし、極座標値
（ｒ，ｔ）に割当てた記憶手段の度数デ−タをインクレ
メントし、度数デ−タが最大値となった座標値（ｒm2，
ｔm2）を摘出する、請求項４記載の、車両前方の物体検
出方法。5. A feature point (Xs, Ys) in the first polar coordinate transformation.
Ρ = r / d ₁ + c ₁ , θ = a ₁ · t + b ₁ , t = 0,1 with respect to the ρ and θ polar coordinate systems with the origin being (Xch, Ych) of the X and Y orthogonal coordinate system. , 2, ... In the coordinate values (r, t) of the r, t polar coordinate system, r / d ₁ + c ₁ = (Xs−Xch) · cos (a ₁ · t + b ₁ ) + (Ych−Ys and in the data increment, power data - -) · sin (converted by a ₁ · t + b ₁₎ the relationship, power data storage means assigned to the polar coordinate value (r, t) coordinates data is the maximum value (Rm1, tm1) is extracted, and in the second polar coordinate conversion, each of the feature points (Xs, Ys) is converted into X, Y.
Ρ with the origin at (Xch, Ych) in Cartesian coordinate system, θ for polar coordinate system ρ = r / d ₂ + c ₂ , θ = a ₂ · t + b ₂ , t = 0,1,2, ... In the coordinate value (r, t) of the relational r, t polar coordinate system, r / d ₂ + c ₂ = (Xs−Xch) · cos (a ₂ · t + b ₂ ) + (Ych−Ys) · sin (a ₂ ·) t ₂ + b ₂ ), where a ₂ is smaller than a ₁ , b ₂ is closer to tm ₁ than b ₁ and c ₂ is rm ₁ rather than c _1.
And the d ₂ is larger than the d ₁ and the frequency data of the storage means assigned to the polar coordinate value (r, t) is incremented, and the coordinate data has the maximum value. (Rm2,
5. The object detection method in front of the vehicle according to claim 4, wherein tm2) is extracted. 【請求項６】第３回の極座標変換で、特徴点(Xs,Ys)の
それぞれを、Ｘ，Ｙ直交座標系の(Xch,Ych)を原点とす
るρ，θ極座標系に対して ρ＝ｒ／ｄ₃＋ｃ₃， θ＝ａ₃・ｔ＋ｂ₃，t=0,1,2,・・・ なる関係のｒ，ｔ極座標系の座標値（ｒ，ｔ）に、 ｒ/ｄ₃＋ｃ₃＝ (Xs−Xch)・cos(ａ₃・ｔ＋ｂ₃) ＋(Ych−Ys)・sin(ａ₃・ｔ＋ｂ₃) なる関係で変換し、これにおいてａ₃はａ₂より小さい
値、ｂ₃はｂ₂よりもｔm2に近い値、ｃ₃はｃ₂よりもｒm2
に近い値、かつｄ₃はｄ₂よりも大きい値とし、極座標値
（ｒ，ｔ）に割当てた記憶手段の度数デ−タをインクレ
メントし、度数デ−タが最大値となった座標値（ｒm3，
ｔm3）を摘出する、請求項５記載の、車両前方の物体検
出方法。6. In the third polar coordinate transformation, each of the feature points (Xs, Ys) is ρ = θ with respect to the θ polar coordinate system whose origin is (Xch, Ych) in the X, Y orthogonal coordinate system. r / d ₃ + c ₃ , θ = a ₃ · t + b ₃ , t = 0,1,2, ... In the coordinate values (r, t) of the r, t polar coordinate system, r / d ₃ + c ₃ = (Xs-Xch) · cos (a 3 · t + b 3) + (Ych-Ys) · sin converted in _{(a 3 · t + b 3} ) the relationship, which in a ₃ is a ₂ smaller value, b ₃ is b ₂ values close to tm2 than, c ₃ is than c ₂ rm2
A value greater than the value close and d ₃ is d _2, a polar coordinate value (r, t) power data storage means assigned to - a motor incrementing, power data - coordinates data is the maximum value (Rm3,
The object detection method in front of the vehicle according to claim 5, wherein tm3) is extracted.