JPS63228269A - 線状パタ−ン認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 この発明は、原画像データから線状パターンを認識する
線状パターン認識装置に関し、特に、道路表面等に発生
したひびわれのような雑音が多く不鮮明な画像における
線状パターン認識に好適な装置に関する。

〔従来の技術〕

従来、目視確認によって行なわれていた路面やトンネル
内壁等のクラック・凹凸等の検出を自動化するために、
各種提案がなされている。例えば、特願昭５８−２２９
５６３号あるいは特願昭５９−２３３９２３号において
は、第１５図および第１６図に示す如く、車両２０に、
レーザ発振器２１、ミラー２２および電動機２３等から
なるレーザ走査系と、受光センサ２４と、走行距離計（
図示せず）等を設け、道路横断方向にレーザ光しを走査
し、路面からの散乱光を受光センサ２４で受光するよう
にしている。この際、第１７図（ａ）に示す如く、レー
ザ光が照射された路面にクラック等の凹部が存在しなし
）場合には前記受光センサ２４に所定光量の散乱光が入
射されるが、同図（ｂ）に示す如く、路面上にクラック
が存在する場合にはシャドウ作用により受光センサ２４
に対する入射光量が著しく低下することになり、これら
提案においては、前記受光センサ２４の出力を前記走行
距離計の？ｉｌ測値とともにビデオテープレコーダー＜
ＶＴＲ）等に記録させた後、例えば専用の画像メモリに
格納するようにしている。

この画像メモリに格納されたデータは第１８図に示す如
く、Ｘ方向アドレスが車両の走行方向、Ｙ方向アドレス
が道路横断方向、２方向がクラックについてのデータ（
多階調あるいは２値）を示すことになり、この格納デー
タを解析することによりクラック等の凹凸をその大きさ
、位置および形状について検出することができる。

ところで、このような路面画像からのクラック自ｖＪ認
識においては、 （Ｉ）道路の骨材等の影響で雑音が非常に多い。

（ｎ）クランクは、局所的な方向変化や幅の変動を持つ
。

（ＩＩＩ）不連続部（クラックのとぎれ）を多く生じて
いる。

（ＩＶ）道路の環境条件、施工法等により、表面状態が
大きく異なり重畳する雑音が一様でなく、また、横クラ
ック、亀甲クラックといったクラック発生パターンも異
なる。

等の状況があり、クランク等の線状パターンを高精度に
検出するための技術が要望されていた。

そこで、従来性われてきた線状パターンの認識方式を例
示すると、 （１）′ｆＩ淡画像画像値化し、暗い（又は明るい）線
の領域を抽出し、その後細線化処理を行って線を認識す
るもの （２）例えば線検出テンプレート等により微分処理を行
って線を検出し、そのエツジ強度および方向性等から判
断して隣接した画素を連続した線として連結する謂ゆる
追跡法によるもの （３）得られた線検出結果に対し、パラメータ空間への
写像を行うＨｏｕΩｈ変換を施すもの （４）原画像データを複数の領域に分割し、該分割領域
毎に予め幾つかの線パターンを用意しておき、各分割領
域毎の画像データを前記用意した線パターンのいずれか
に対応付けることによるもの 等があった。

〔発明が解決しようとする問題点〕

上記（１）（２）の従来技術は、総体的に雑音に弱く、
またこれらの方法では画素ごとに細線化や追跡処理を行
うためデータ量や演算量が大きくなる傾向にあり、さら
に複雑な処理を行う割には認識制度があまり良くないの
で、雑音成分が多くかつ線形状が複雑な前記クラック検
出のような分野には適用できないという問題点がある。

また、上記（３）の従来技術では、検出し得る線が直線
や円のような規則的なものに限られているため、前記同
様路面クラックのような複雑なパターン認識には不適で
ある。

更に、上記（４）の従来技術では、検出した線を予め設
定した幾つかの線パターンの１つに近似させるため、充
分な精度を得られない問題点がある。

この発明はこれらの実情に鑑みてなされたもので、路面
クラックのような雑音が多く複雑な線状パターンを高精
度かつ効率良く検出することができる線状パターン認識
装置を提供しようとするものである。

〔問題点を解決するための手段］ この発明では、原画像を複数の領域に分割し、各分割領
域毎に存在する線状パターンを抽出し、該抽出した線状
パターンの種々の特徴を表わす複数の特徴パラメータを
各分割領域毎に求める第１の演算手段と、該第１の演算
手段によって求められた特徴パラメータを記憶する第１
のメモリ手段と、この第１のメモリ手段に記憶した特徴
パラメータに基づき隣接する分割領域に存在する各線状
パターンの相対配置関係を表わす複数の配置パラメータ
を求める第２の演算手段と、該第２の演算手段によって
求められた配置パラメータを記憶する第２のメモリ手段
と、これら第１および第２のメモリ手段に記憶したパラ
メータに基づき隣接する領域間の線状パターンの連続性
の有無を判定する第３の演算手段と、該第３の演算手段
によって判定された連続性の判定結果を記憶する第３の
メモリ手段とを具えるようにする。

〔作用〕

第１の演算手段は、各領域毎に存在する線状パターンの
抽出結果として幅、長さ、方向、座標位置等の特徴パラ
メータを求め、これを前記第１のメモリ手段に記憶する
。第２の演算手段は第１のメモリ手段に記憶したこれら
の特徴パラメータに基づき隣接する領域に存在する各線
状パターンの幾何学的相対配置関係を表わす、交差性、
方向変化、端点間距離等の配置パラメータを求め、これ
を前記第２のメモリ手段に記憶する。第３の演算手段は
第１および第２のメモリ手段に記憶したパラメータを適
宜用いて隣接する領域間の線状パターンの連続性の有無
を判定し、その判定結果を第３のメモリ手段に記憶する
。そして、これら、第１および第３のメモリ手段の記憶
データに基づき原画像上の線状パターンの最終認識結果
を得るようにする。

〔実施例〕

以下、本発明を添付図面に示す実施例にしたがって詳細
に説明する。

本発明の４！認識処理について説明する前に、分割した
複数の領域単位に線セグメントを抽出するための処理の
一例について説明する。ここでは、線抽出法として特願
昭６１−１２７４９０、同６１−１２７４９Ｌ同６１−
１２７４９２、同６１−１２７４９３に示された［４！
状パターン認識方法」を採用する。以下、第２図にした
がってかかる線抽出法の概略を説明する。

第２図（ａ）に示すような線状パターンＬＰを含む２５
６画素×２５６画素の画像を考える。この場合１画素は
例えば８ビツトからなる多値濃度データであるとする。

この画像に対して同図（ａ）の破線で示すような４×４
の正方スリットをかけ、これらスリットで画像を４Ｘ４
の正方メツシュ領域に分割し、次いで第２図（ｂ）に示
すように、この分割メツシュ領域（以下スリット領域と
いう）のＸ方向およびＹ方向についての投影波形を求め
る。この際の投影波形値Ｓｘ、Ｓ、としては、投影方向
の画素列（ｎ）の７１１度データの平均値うにする。い
ま、線状パターンが背…に比べて大きな濃度値を示すと
仮定すると、線状パターン付近の投影波形値は第２図（
ｂ）に示す如く他領域より大きな値となる。

次に、各スリット領域の領域中心を回転中心としてスリ
ットを０〜９０度の範囲で所定角度ずつ順次回転し、各
回転角度毎の投影波形を求める。

この回転したスリット投影波形を求める方法としては、
画像を固定してスリットを回転する方法と、スリットを
固定して画像を回転させる方法とがある。尚、スリット
とは、投影波形を針環する領域を識別させるためのもの
で、スリット投影波形を求める際には、スリット（又は
画像）の回転に関係なく、常にスリットの各辺に平行な
方向に画素列の平均濃度を求めるようにする。この際、
回転後のスリット領域の格子点は回転前の画像の格子点
と一致しなくなるので、回転後のスリット領域の格子点
の濃度値は、例えば近傍４画素の濃度の重み平均を求め
る補間処理を行うことにより決定する。

このようにして、各回転角度毎の投影波形を求めると、
線状パターンＬＰに沿った方向の投影波形は、第２図（
Ｃ）に示すようにある所定の角度θ回転したときにその
ピーク値Ｐが最大となり、これにより線状パターンの存
在方向θを求めることができる。

次に、このようにして得られた線方向θに本当に線状パ
ターンＬＰが在るか否かは前記ピーク値Ｐの大小に基づ
き判定する。

例えば該ピーク値Ｐを所定の閾ｆｒｉＰｔｈと比較し、
Ｐ≧Ｐｔｈのとき、　　線有り ｐ＜ｐ、ｈのとき、　　線無し と判定する。尚、前記閾値Ｐｔ−例えば次式にしたがっ
て決定する。

Ｐｔｈ＝α・Ｓ　＋β　　（α≧１）・・・（１）Ｖ ここで、Ｓ、Ｖは画像全体＜２５６Ｘ２５６画素）の平
均濃度値であり、またαおよびβは夫々経験的に求めた
重み係数および補正係数である。

次に、線状パターンの線幅Ｗは例えば第２図（Ｃ）に示
す如く投影波形を所定の閾値Ｔｈｄ１で閾値処理しピー
クの切線の長さＷをもって線幅とする。この閾値Ｔｈｄ
１としては前記線対象の有無判定の閾値Ｐｔｈを代用す
るようにしてもよく、また他の適当な値を設定するよう
にしてもよい。

次に、線状パターンの長さＬは第２図（ｄ＞に示すよう
にスリット領域を幅方向にのみ既に得られたクラック幅
Ｗに制限し、該制限されたスリット領域について投影波
形を求め、ある閾値Ｔ　ｈｄ２で閾値処理することでス
リット領域中に含まれる線長りを決定する。スリット領
域を制限したのは、単なる正方スリットでは、線に沿っ
た方向の波形は線のピークが明瞭に現れるが、幅方向の
波形ではピークのコントラストが低くなるためである。

この閾値Ｔ　ｈｄ２としては、例えば、対象有無判定の
前記閾値Ｐｔｈあるいは画像全体の平均濃度値Ｓ　等を
用いるようにする。

ｖ この様な投影波形解析を行うことにより、１つのスリッ
ト領域に含まれる線状パターンを第２図（ｅ）に示すよ
うに幅Ｗ、長さし、方向θが既知の矩形パターンＳＧと
して認識することができる。

これを線セグメントＳＧと呼ぶ。そして、この様な処理
を第２図（ａ）の各メツシュ領域について行うと、各メ
ツシュ毎に線状パターンを幅Ｗ、長さＬ１方向θが既知
である線セグメントＳＧとして抽出することができる。

ところで、第３図（ａ）に示すような線状パターンＬＰ
の抽出を考えた場合、前述の可変スリット法では、第３
図＜ｂ＞に示すような４×４の正方メツシュをスリット
領域とし、かつ各ドツト（・）をスリット回転中心とし
て前述したような解析処理を行うため、同図（Ｃ）に示
すような不連続な線セグメントとして認識されることが
多い。

これは各スリットが回転している場合、スリット境界付
近にはスリット領域に含まれない部分が生じるためであ
り、このためその部分に線が存在していたとしても認識
後の画像には欠落が生じることになる。

そこで、下達する本案の認識処理のなかの連続性判定処
理により同図（ｄ）に示すようなとぎれのない連続した
線状パターンを出力するようにする。

第１図は本発明の一実施例について処理の流れを概略的
に図示するものであり、また第４図はかかる処理を実現
する制御構成例を示すものであり、以下、本発明を路面
のクラック検出に適用した場合について説明する。

第１図および第４図において、原画像メモリ１には４０
９６Ｘ４０９６画素（道路上で４ｍ×４ｍ）、濃淡８ビ
ツトの路面計測画像が記憶され、この記憶量が１回の処
理単位となる。スリット投影処理回路２では、１２８ｘ
１２８１［！Ｉの正方スリット（１スリツトが３２Ｘ３
２画素）を用い前述した線セグメントの抽出処理を行う
。

このセグメント抽出処理において、スリット投影処理回
路２は線セグメントを抽出した場合、抽出したセグメン
トＳＧの中心位置を求め、該求めた位置にスリットの中
心を移動させ、再度、セグメント抽出を行うことで、ク
ラックをスリットの中央で検出できるようにしている。

すなわち、第５図（ａ＞に示すようなスリットＳＬと線
状パターンＬＰとの配置関係では、第５図（ｂ）に示す
如くスリットの端で線セグメントＳＧが抽出される。し
たがって第５図（Ｃ）に示す如く該抽出した線セグメン
トＳＧの中心位置とスリット中心とを一致させた後、第
５図（ｄ）に示す如く、再度スリット投影を行うように
している。この結果、各スリットにおいてクラック形状
にフィツトしたセグメントが得られる。このような再抽
出処理が各スリットで行われること等によって、同一の
線状パターンＬＰを近接する複数のスリットで各々抽出
してしまう謂ゆる競合が発生する。このような競合する
セグメントは後述する競合セグメント除去処理によって
除去される。

スリット投影処理回路２は、このようにして処理した抽
出結果を綜セグメントＳＧの基本的な特徴を表わす複数
の特徴パラメータに圧縮して特徴パラメータメモリ（特
徴マツプ）３に記憶する。

特徴パラメータメモリ３に記憶する特徴パラメータとし
ては例えば次のようなものがある。

（１）線セグメントの幅Ｗ （２）線セグメントの長さし く３）線セグメントの方向θ （４）縦横比（Ｌ／Ｗ＞ （５）面積（し・Ｗ） （６）スリット明度（スリット内の濃度データの平均値
） （７）線セグメントの座標 （原画像の座標系による絶対座標で表 わされる線セグメントの４頂点の座 標） （８）尾根線座標 （尾根線とは投影波形のピーク位置で 代表させた線分であり、該線分の２ 頂点の座標として表わされる） 尚、前記尾根線座標の代わりに線セグメントの中心線の
座標を用いるようにしてもよい。

ここで、例えば４×４のスリットを用いてセグメント抽
出が行われたとすると、特徴マツプ３には第６図に示す
如く、各スリット間の縦、横、斜め方向の補間位置での
データも格納できるように７×７の配列を確保しである
。そして、前述のセグメント抽出結果、すなわち、前記
８種類の特徴パラメータは、第６図のハツチングで示す
領域に格納され、他の空いた領域には補間投影結果を格
納するようにしている。尚、補間投影については後述す
るが、隣接するセグメントの中心を結ぶ線分の例えば中
点位置で前述のスリット投影を行うことである。特徴マ
ツプ３は、前述の８種類の特徴パラメータを格納できる
よう、第１図に示す如く、メモリマツプを８固有してい
る。特徴マツプにはセグメントが検出されたスリット領
域に対応する場所にのみデータが溜込まれる。尚、第１
図に示した処理では１２８Ｘ１２８のスリットを用いて
いるので、特徴マツプ３は２５５Ｘ２５５Ｘ８のメモリ
配列を有している。

ところで、道路上にはクラックの他に白線やマンホール
や陥没による影等が存在するが、これらクラック以外の
物は特徴マツプ３の特徴パラメータのなかの「縦横比」
、「面積」、「スリット明度」データ等から判断して画
像データから除外し、これらを適宜選別した後、認識マ
ツプ７の対応する記憶領域に書込むようにしている。す
なわち認識マツプ７においては認識対象に応じて記憶領
域を異なるようにしており、クラックが書込まれる領域
と、白線および影が書込まれる領域と、マンホールが書
込まれる領域とは夫々別にしである。

配置状態演輝回路４は、特徴マツプ３のデータを用いて
、縦、横、斜め方向で夫々隣接するスリット領域で抽出
された各セグメント間の幾何学的位置関係を表わすいく
つかの評価パラメータを計算し、これを配置状態メモリ
（配置状態マツプ）５の対応する領域に書込む。

配置状態メモリ５に記憶される評価パラメータとしては
第７図に示す如く例えば次のようなものがある。

（ａ）交差の有無：特徴マツプの「セグメント座標」デ
ータを用いて判断され、 ｒｌＪ、ｒＯＪの２値で表わ される。隣接セグメントが交 差していればクラック連続の 可能性大である。

（ｂ）方向変化：　特徴マツプの「方向」データを用い
て計算され、隣接セグ メントの尾根線の角度の差の 絶対値１α（とじて表わされ る。クランク連続部では通常 隣接セグメントの方向変化が 小さい。

（Ｃ）伸張度：　　特徴マツプの「尾根線座標」データ
を用いて判断され、直 線状である、なしの２値で表 わされる。上記判断基準とし て最近点ベアと最遠点ペアを とった場合、各４点の座標が 全て異なれば直線に近いと判 断する。

（ｄ）端点間距離：特徴マツプの「尾根線座標」データ
を用いて計算され、最 近端点間の距１ｄとして表わ される。

（ｅ）幅差；　　　特徴マツプの「幅」データを用いて
計算され、例えば隣接 セグメントの幅差として表わ される。すなわち、隣接セグ メントの幅の組合わせ態様を 示すものであり、片方のセグ メントの幅が１画素のものは 雑音の可能性大である。

（ｆ）中心点角度；特徴マツプの「尾根線座標」、「方
向」データを用いて針筒 され、隣接しグメントの平均 角度を示す線分と中心点間を 結ぶ線分の角ＩｆＢとして表わ される。この角度βが小さい と直線に近いと判断される。

（ｇ＞接続角度：′＃徴マツプの「尾根線座標」、「方
向」データを用いて計算 され、セグメントとセグメン ト間の接続線との角度γとし て表わされる。

上記評価パラメータの引算の際、（ａ）の交差および（
ｂ）の幅差以外のパラメータは線セグメントを幅を持た
ない尾根線として取扱っている。

第８図は、配置状態マツプ５の記憶配列を示すものであ
り、この場合配置状態マツプ５は特徴マツプ３と同様、
７×７の配列を確保してあり、前記７種類の評価パラメ
ータが同第８図のハツチングで示す領域に格納される。

配置状態マツプ５は前記複数種の評価パラメータを格納
できるよう第１図に示す如くメモリマツプを複数面持っ
ている。

すなわち、第８図において、領域ＢＬ１には該領域ＢＬ
１の左右に存在している各セグメントの位置関係につい
ての評価パラメータが記憶され、また領域ＢＬ２および
Ｂ１０には夫々各領域の上下および斜めに存在している
各セグメントの位置関係についての評価パラメータが記
憶される。尚、ハツチング以外の領域は空となっている
。第１図に示した処理では、１２８ｘ１２８のスリット
を用いているので、配置状態マツプ５は２５５Ｘ２５５
×７のメモリ配列を具えている。

連続性判定回路６は特徴マツプ３に記憶された特徴パラ
メータおよび配置状態メモリ５に記憶された前記評価パ
ラメータを用いて隣接するセグメント間の連続性を判定
する各種処理を行い、その判定結果を順次認識マツプ７
に書込む処理を行う。

連続性判定のための処理としては、雑音・競合セグメン
ト除去、交差セグメント選別、補間スリット投影、配置
による補間、孤立点探索、端点、分岐接続等があるが、
判定回路６ではこれら一連の処理を判定の信頼性が高く
、かつ演算の簡単な処理から順に実行するようにしてい
る。各処理の詳細については後述する。

認識メモリ（認識マツプ）７の連続性判定結果を記憶す
るメモリ領域には、特徴マツプ３および配置状態マツプ
５と同様のサイズおよび配列（第１図の場合２５５Ｘ２
５５）を用意する。第９図（ａ）は該認識マツプ７の配
列を示すものであり、ハツチングが施された部分および
Ｏが記された部分が特徴マツプ３のセグメント抽出結果
格納領域に対応し、その以外の部分が補間領域に対応す
る。

この認識メモリ７に対しては連続性判定回路６の判定結
果がセグメントペア単位に順次書込まれていくのである
が、ここでは、端部を有するセグメントを「１ｊ、端部
を持たないセグメントを「２」、分岐を有するセグメン
トを「３」と表わすようにしている。このような記憶形
態は連続を確認されたセグメントベア毎に初期データｒ
ＯＪを「＋１」、「＋２」、「＋１」で更新していくこ
とにより実現される。すなわち、ハツチング又は○が記
されたセグメント抽出結果格納領域には「＋１」が加え
られ、補間領域には「＋２」が加えられる。かかる記憶
形態によれば、端点判別が容易なので、後述の端点探索
を行うときその始点を容易に判別することができる。

第９図（ｂ）は同図（ａ）に示す認識マツプデータと特
徴マツプ３に記憶した「尾根線」データに基づき再構成
したクラック画像の線画を示すものである。尚、同図（
ｂ）において、Ｏ印が記されている部分は後述するスム
ーズ接続処理によって接続した部分であり、それ以外の
スリット隣接部はセグメント抽出結果が最初の段階から
交差していた部分である。

認識マツプ７には第９図（ａ＞に示したような連続性判
定結果の他に第１図に示す如く、白線およびマンホール
の認識結果が各々格納され、それらの結果を統合して最
終認識結果を得るようにする。

このように、この線状パターン認識Ｖｔ＠は、第４図に
示す如く、原画像メモリ１、スリット投影処理回路２、
特徴パラメータメモリ３、配置状態演算回路４、配置状
態メモリ５、連続性判定回路６、認識メモリ７、および
コントローラ１０で構成され、コントローラ１０はこれ
ら各構成要素に対する動作・同期制御等を行う。

以下、かかる構成の具体的作用例を第１０図に示すフロ
ーチャート等を参照して説明する。

（Ｉ）　　セグメント抽出 コントローラ１ｏはスリット投影処理回路２を始動し、
原画像メモリ１からセグメント抽出を行う（ステップ１
００）。スリット投影処理回路２は１２８Ｘ１２８個分
正方スリット（１スリツトが３２Ｘ３２画素）を用い、
第２図で説明したような線セグメントの抽出処理を行い
、その抽出処理結果として前記８種類の特徴パラメータ
を特徴マツプ３に格納する。この抽出処理の際、第５図
に示した如く、一旦検出したセグメントの中心位置を求
め、そこにスリット中心を移動させ、再度セグメント抽
出を行うようにしている。また、フライングスポット法
で撮像した画像は、横方向（レーザ走査方向）に強調さ
れるため、検出された線セグメントの方向が所定角（例
えば４５度）以上縦側に傾いているものは、線セグメン
トの長さしを両側に最大１０画素まで延長するようにし
ている。ただし、この際、延長した際の全長が３２画素
以下となるようにしている。

ｖＦ徴マツプ３に対する特徴パラメータの田込みが終了
すると、配置状態演算回路４は該記憶された特徴マツプ
３のデータを用いて隣接するスリット領域で抽出された
セグメント間の位置関係を表わす前記７種の評価パラメ
ータを計算し、これを配置状態マツプ５に閤込む。

（Ｉ［）　　雑音、競合セグメント除去コントローラ１
０は、特徴マツプ３および配置状態マツプ５に格納され
たパラメータに基づき縦横ノイズの除去を行う（ステッ
プ１１０）。この縦横ノイズは縦または横方向に規則的
に表われるノイズであり、例えばメモリの切替えを原因
として２５６画素ピッチで縦方向に出現したり、あるい
は計測時のレーザスキャンエラーを原因として横方向に
出現したりする。

更に、コントローラ１０は前記特徴パラメータに基づき
雑音成分を除去し、以後の処理候補点を選択する（ステ
ップ１２０）。この雑音除去の際の判定基準としては、
８つの特徴パラメータのなかの「長さ」および「幅」デ
ータを用い、「長さ」が所定長より短く、かつ「幅」が
所定長より狭いセグメントを雑音として処理候補セグメ
ントから除く。

次に、コントローラ１ｏは競合判定を行う（ステップ１
３０）。前述したように、このスリット投影処理では、
スリットを回転し、かつセグメント中心にスリットを移
動させる再セグメント抽出処理を行うので、同一クラッ
クを隣接する各スリット領域で別クランクとして夫々抽
出してしまう謂ゆる競合が発生する。したがって、コン
トローラ１０は配置状態マツプ５に書込まれた７つの評
価パラメータのなかの「方向変化」、「伸張度」および
「端点間距離」データを用いて競合の有無を判定する。

すなわち、隣接する各セグメントの位置関係において、
「方向変化」が小さく、「伸張度」が非直線状であり、
かつ「端点間距離」が短いものを競合関係にあると判定
する。そして、コントローラ１ｏは特徴パラメータの「
面積」データを用い、これら競合関係にある一対のセグ
メントのうち「面積」の小さい方を処理候補セグメント
から除去する（ステップ１４ｏ）。尚、この段階で選択
したセグメントはあくまで処理を開始する候補であり、
これら処理によって除去したセグメントは、以後の孤立
点探索処理のとき再度活用するようにしている。

（ＩＩＩ）交差判定 次に、連続性判定回路６は、前述の処理で選択されたセ
グメントのうち隣接するセグメントベアについて、配置
状態メモリ５に記憶した評価パラメータの「交差」デー
タを用いて交差判定を行い（ステップ１５０）　、交差
を確認されたベアについてはセグメントが連続している
として（ステップ１９０）、前記第９図で説明した態様
で認識マツプ７に順次書込むようにする。

（ＩＶ　）補間スリット投影 次に、コントローラ１０は前記交差判定処理で連続性が
確認されなかったセグメントペアについて、各セグメン
トの中心を結ぶ線分の中点位置を夫々計算し、該中点位
置をスリット投影処理回路２に指示することにより、該
中点位置で再度スリット投影を行わせる（ステップ１７
０）。スリット投影処理回路２はその再スリット投影結
果を前述の特徴パラメータに圧縮し、それを特徴マツプ
３の補間領域（第６図のハッヂング以鉢の領域）に書込
む。連続性判定回路６は、特徴マツプに記憶された「セ
グメント座標」データに基づきこれら補間領域で抽出さ
れたセグメントとその両側のセグメントへアとの交差判
定を行い（ステップ１８０）、補間領域のセグメントが
その両側のスリット領域のセグメントと交差していると
き連続と判定する（ステップ１９０）。しかし、補間領
域で抽出されたセグメントが一方のセグメントペアとし
か交差していないとき、および両側のセグメントと交差
していないときには当該セグメントベアは不連続と判定
する（ステップ２００）。

ところで、この補間投影処理においては、補間投影に先
立ち、重複接続の有無を調べ、連続性の判定を行うセグ
メントペアが他のセグメント経由で接続されている場合
は重複接続の可能性があるため、以後の補間投影および
連続判定処理を行わないようにしている（ステップ１６
０）。

例えば、第１１図（ａ）に示す補間スリット位置３ａで
水平方向補間を行う場合、それ以前の補間投影５１！Ｍ
ｌで例えば第１１図（ｂ）に示すスリット位＠Ｓｂ、Ｓ
ｃの両方で連続性が確認されているときには、Ｓａで連
続性が確認されると二重の経路で接続されることになる
ので、このような場合、スリット位置Ｓａでの補間投影
は行わないようにしている。

また、第１１図（Ｃ）に示すような補間スリット位１１
ｓａで斜め方向補間を行う場合は、第１１図（ｄ）に示
す補間スリット位置ｓｂおよび３ｃでの連続性を？１認
し、両方が接続されている場合はこの位１ｆＳａでの補
間投影は行わない。

このような補間投影により連続性が確認されたベアにつ
いては、補間セグメントを介してセグメントペアが連続
しているとして、認識マツプ７にデータが更に書込まれ
る。

（Ｖ）配置による補間 この配置による補間では連続性判定回路６は隣接するセ
グメントへアの相対的配置関係を判定し、連続したセグ
メントとして妥当な配置関係にあるものについては前記
補間投影により連続性がｉｉｉ　認されないものについ
ても連続していると判断して認識マツプ７に書込むよう
にする（ステップ２１０）。具体的には、前記補間投影
により連続性が確認されなかったセグメントへアについ
て配置による補間による連続性の判定を行う。この判定
基準としては、配置状態マツプ５に格納された評価パラ
メータのうち、「方向変化」、「伸張度」、「端点間距
離」および「中心点角度」データを用い、「方向変化」
が小さく、「伸張度」が直線状であり、「端点間距離」
が短く、更に「中心的角度」が小さいときにそのセグメ
ントベアは連続していると判断する。この配置による補
間処理の際にも、第１１図を用いて説明した重複接続の
判定を行い、重複接続の可能性のあるセグメントベアに
ついては配置による補間による判定処理を行わないよう
にしている。

（ＶＩ）端点近傍の探索 次に、連続性判定回路６は、認識マツプ７上で既に接続
された線の端点の近傍５方向のスリット領域にある抽出
セグメントについて孤立点、端点、連続点および分岐点
の探索処理を行う。この探索処理においては前述の雑音
および競合セグメントの除去処理で除去されたセグメン
トも探索用データとして用いる。

この探索では、探索方向は認識マツプ７を用いて端点ま
での線存在方向を求めることにより決定し、その延長方
向から優先的に近傍５スリツト領域の探索を順次行う。

第１２図（ａ＞は認識マツプ７において線存在方向（ハ
ツチング）が縦、横方向であるとき、第１２図（ｂ）は
線存在方向が斜め方向にあるときの探索範囲を夫々示す
ものであり、同図に付した番号順に探索が行われる。そ
して、この探索により連続なセグメントが発見されると
、そこから再度同様の探索を行い、追跡的に探索処理を
進めるようにしている。

端点近傍の状態としては第１２図（Ｃ）〜（ｆ）に示す
如く、孤立点、端点、連続点および分岐点が存在するこ
とが考えられ、これらを順に探索していく。

・孤立点探索 まず、孤立点の探索の際の連続性判定基準としては、特
徴パラメータの「長さ」、「幅」データと評価パラメー
タの「方向変化」、「伸張度」、「端点間距離」および
「中心点角度」データとを用いるようにする。そして、
孤立セグメントの「長さ」がある程度・の長さ以上のも
のについて、その「幅」および「接続長」を求め、これ
らの値に応じて「方向変化」、「伸張度」、「端点間距
離」および「中心点角度」を調べるための判定用閾値の
値を変化させる。尚、「接続長」とは今問題にしている
端点迄に既に接続が確認されたセグメント数であり、こ
れが短い場合は判定用閾値の値を厳しくする。また孤立
セグメントの１幅」が狭くなる（例えば１画素）に従っ
て、判定用閾値の値を厳しくする。そして、孤立セグメ
ントの「長さ」が長いものであって、この孤立セグメン
トと端点との位置関係について「方向変化」が小さく、
「伸張度」が直線状であって、「端点間距離」が短く、
かつ「中心点角度」が小さいときに、その孤立セグメン
トとセグメント端点とが連続していると判断するように
している（ステップ２２０）。この連続判定結果は認識
マツプ７に書込まれる。

・端点一端点接続 前記した端点の近傍５方向による探索により、第１２図
（ｄ）に示すような端点一端点ベアが検出された場合は
、これら端点間の距離、即ち「端点間距離」データがあ
る程度短いのものについては、これら端点が連続してい
ると判定し、その判定結果を認識マツプ７に書込む（ス
テップ２３０）。ただし、この判定においても、判定す
る線の「接続長」を調べ、該「接続長」の値に応じて「
端点間距離」判定用の閾値を変化させるようにしている
。

・端点一連続点接続 第１２図（ｅ）に示すような端点一連続点ベアが検出さ
れた場合は、これら端点と連続線との距離、およびこれ
ら両線の角度すなわち「接続角度」から連続性を判定す
る（ス゛テップ２３０）。

この判定においても、「接続長」に応じて「接続角度」
判定用の閾値を変化させる。

・端点−分岐接続 第１２図（ｆ）に示すような端点−分岐点ぺアが検出さ
れた場合は、これらペアの「端点間距離」および「接続
角度」データを用い、「端点間距離」が短く、かつ「接
続角度」が小さいときには、これらペアは連続している
と判断し、この判定結果を認識マツプ７に書込む。この
判定においても、「接続長」に応じて「端点間距離」お
よび「接続角度」判定用の閾値を変化させるようにして
いる。

これら１連の判定処理に用いるパラメータを次表に例示
しておく。○を付したものが使用するパラメータである
。

かかる判定方式においては、個々の評価項目としては信
頼性が低くてもそれを複数組み合わせることで充分な判
定精度が得られるようにしている。

（■）ラベリング・尾根線接続処理等 このような処理を行うことで、認識マツプ７上には例え
ば第９図（ａ＞に示したような連続性の判定結果が格納
されることになる。

次に、コントローラ１０は認識マツプ７の記憶データに
基づき、連続した線を一単位として、各線に適当な名前
あるいは番号を割付るラベリング処理を行った後（ステ
ップ２４０＞　、短いクラックを除去する（ステップ２
５０）。

上記認識マツプ７上に格納した連続性判定結果と、特徴
マツプ３に格納された「尾根Ｓ座標」データを用いれば
、第９図（ｂ）に示すような尾根線接続結果を得ること
ができるのであるが、この尾根線接続の際、第１３図に
示すような接続処理を行うことにより滑らかな接続を行
うようにしている（ステップ２６０）。すなわち、第１
３図（ａ）、（ｂ）はセグメントペアが交差していない
場合を示しているが、これらを接続する際には、各尾根
線の端点から接続したい相手の尾根線へ最近線（同図（
ｂ）の場合は垂線となる）を引き、得られる２つの交点
を連結するようにして、滑らかな連続線が得られるよう
にする。また、同図（Ｃ）はセグメントへアが交差して
いる場合を示しているが、このような場合は、これらの
交点でセグメントベアを持続するようにする。尚、第９
図（ｂ）において、Ｏ印が付されてＱ＼る部分はかかる
接続処理によりセグメント接続を行った部分である。

第１４図（ａ）乃至（ｉ）は１０２４ｘ１０２４画素の
領域について、前述した一連の処理を行わせた際のコン
ピュータ出力によるＸ−Ｙブロック画像を示すものであ
る。第１４図（ａ＞はセグメント抽出後の画像、同図（
ｂ）は（ａ）の画像を尾根線表示したもの、同図（Ｃ）
は雑音および競合セグメント除去後の画像、同図（ｄ）
は交差判定により連続性が確認されたセグメントを表示
した画像、同図（ｅ）は補間投影により連続性が確認さ
れたセグメントを更に表示した画像、同図（ｆ）は配置
による補間により連続性が確認されたセグメントを更に
表示した画像、同図（ｇ）は端点一端点接続結果を更に
加えた画像、同図（ｈ）は端点−孤立点接続結果を更に
加えた画像、同図（ｉ）は端点一連続点接続結果および
端点−分岐点接続結果を更に加えた画像を示すものであ
り、接続箇所が各処理に伴って段々と増大しているのが
判る。尚、クラックの途中で何らかの理由で周辺の連続
性と矛盾するセグメントが検出された場合は不連続な結
果となっている。このようなｔＢ理によれば、第１４図
（＋＞に示す如くクラックを確実に認識することができ
る。

このように、この実施例によれば、画像をスリットによ
り複数の領域に分割し、各領域毎にそこを代表する線を
１つずつ抽出し、その抽出結果を幅、長さ、方向、座標
位置等で構成される複数の特徴パラメータにデータ圧縮
して特徴マツプ３に記憶するとともに、該記憶された特
徴パラメータに基づき隣接する線セグメント間の位置関
係を示す複数の評価パラメータを輝出し、これを配置状
態マツプ５に記憶し、これら特徴マツプ３Ｉ３よび配置
状態マツプ５の記憶データに基づき隣接するセグメント
の連続性を判定し、これら判定結果を順次認識マツプ７
に記憶するようにした。このため、従来装置のように逐
次追跡的な処理を行うものに比べてデータａおよび演算
量を大幅に低減することができる。

また、各メモリを画像分割領域と同様な配列形態として
いるので、重複接続の防止処理の際、競合セグメントの
除去の際、端点からの探索先を決定する際、既に線とし
て接続されたセグメント数を計算する際に、単に上下、
左右、斜めの領域を調べても十分な精度を得ることがで
き、これらの処理を容易かつ高速化することができる。

また、この実施例では、特徴マツプに記憶した特徴パラ
メータ値を用いて雑音除去を行うようにしているので、
路面画像のような雑音成分の多い画像でも雑音除去処理
が簡単かつ確実になる。更に、この場合、分割領域毎に
１つの代表セグメントを抽出するので雑音の一次選別を
行なわせることになり、画素単位の雑音は除去すること
ができる。

尚、本発明は上記実施例に限定されることなく、適宜の
変更実施が可能なものであり、例えば、原画像から複数
の領域毎に線を抽出するための手法は前述した可変スリ
ット法に限るわけでなく、他の任意の手法を用いるよう
にしてもよい。

また、この実施例では、この発明を路面上のクラック認
識に適用するようにしたが、他に例えば、アスファルト
、コンクリート道路、空港滑走路、ビル外壁、コンクリ
ート法面、トンネル内壁等の構造物あるいは金属鋼板、
プラスチック板、ビニルシート等の工業製品等に生じる
クラック、割れ、縞、折れ目、筋等の線状パターン認識
に適用してもよく、さらにロボット、搬送システム等の
視覚手段での棒状ワーク、誘導用白線等の線状パターン
認識に適用するようにしてもよい。

ところで、本発明の実際のハードウェアを考えた場合、
ｊｌ＞セグメント抽出（２）相対配置の計算（３）線連
結の３つの各機能ごとにハードウェアを用意し、これら
各ハードウェアをバイブライン処理構成とすることによ
り高速処理を実現することができる。また、各メモリに
格納するパラメータを夫々計算するハードウェアを別々
に用意し、これらを並列化処理することにより一層の高
速化を図ることができる。

〔発明の効果〕

以上の説明からも明らかなように、本発明によれば、デ
ータ童および演ｔ＠量が大幅に削減され、ＦＪ　ｍ識処
理が大幅に簡略化されるとともに、クラック画像のよう
な雑音の多い１！雑な線状パターンを高精度に認識する
ことができるようになる。

【図面の簡単な説明】

第１図はこの発明の一実施例について処理の流れを示す
概念図、第２図は可変スリット法による線抽出を説明す
るための図、第３図は可変スリット法による線欠落を説
明するための図、第４図はこの発明の一実施例について
制御ｉＯ構成例を示すブロック図、第５図はスリットｇ
肋による線抽出を説明する図、第６図は特徴マツプの配
列例を示す図、第７図は配置状態マツプに記憶される各
種パラメータを説明する図、第８図は配置状態マツプの
配列例を示す図、第９図（ａ）、（ｂ）は認識マツプの
記憶態様およびその出力画像例を示す図、第１０図は実
施例の作用例を示すフローチャート、第１１図は重複接
続防止のための処理例を説明する図、第１２図は端点か
らの探索処理を説明する図、第１３図は尾根線接続処理
例を示す図、第１４図（ａ）乃至（ｉ）は夫々実施例に
よる各処理段階での出力画像例を示す図、第１５図は路
面上のクラックを検出する計測車両を示す斜視図、第１
６図は路面上のクラックを搬像するための概略構成を示
す図、第１７図はレーザ光の散乱態様を説明する図、第
１８図は画像メモリに記憶された画像データを示す模式
図である。 １・・・原画像メモリ、２・・・スリット投影処理回路
、３・・・特徴パラメータメモリ（特徴マツプ）、４・
・・配置状態演緯回路、５・・・配置状態メモリ（配置
状態マツプ）、６・・・連続性判定回路、７・・・認識
メモリ（認識マツプ）、１ｏ・・・コントローラ、２ｏ
・・・計測車両、２１・・・レーザ発振器、２２・・・
ミラー、２３・・・発動機、２４・・・受光センサｍつ 第１図 第２図　　　（ｅ） （Ｃ） （ｄ） 第６図 第８図 （Ｃン　　　　　　　　　　　　　　　　　　　　　（
ｄン第５図 気層　　　　３厘ｔ！ｆ　　　　交圧 ｆ１ｆｆ変に中　　かｆＩｉＩ負４ヒ人　　τｍ炙に小
醜万ヒ巳ｌ１ＩＩ人　　均方′人　　　山ガＣ４’ｌ＠
＋ｉ中ｌこ池内廃車　　　　　　中心青、内庭人第７図 （ａ） （ｂ） 第９図 （ａ）　　　　　　　　　　　　　　　　　　　　　　
　（ｂン（ｃ）　　　　　　　　　　　　　　　　　　
　　　　　　　　（ｄン第１１図 （ａ）　　　　　　　　　　（ｂン （Ｃ）ｓ代ｘｉ、　　　　　　　　　　　　　　　　　
　　　（ｄ　）Ｍｅａｔ。 （ｅ）を挟＊、　　　　　　　　　　　　　　　　　　
　（ｆ）肴長党、第１４図（ｉ）曜就・分岐沢存純 第１６図 （ａ）　　　　（ｂ）

Claims (2)

【特許請求の範囲】
1. （１）原画像を複数の領域に分割し、各分割領域毎に存
   在する線状パターンを抽出し、該抽出した線状パターン
   の種々の特徴を表わす複数の特徴パラメータを各分割領
   域毎に求める第１の演算手段と、 該第１の演算手段によって求められた特徴パラメータを
   記憶する第１のメモリ手段と、 この第１のメモリ手段に記憶した特徴パラメータに基づ
   き隣接する分割領域に存在する各線状パターンの相対配
   置関係を表わす複数の配置パラメータを求める第２の演
   算手段と、 該第２の演算手段によって求められた配置パラメータを
   記憶する第２のメモリ手段と、 これら第１および第２のメモリ手段に記憶したパラメー
   タに基づき隣接する領域間の線状パターンの連続性の有
   無を判定する第３の演算手段と、該第３の演算手段によ
   って判定された連続性の判定結果を記憶する第３のメモ
   リ手段とを具え、これら第１および第３のメモリ手段の
   記憶データに基づき原画像上の線状パターンを認識する
   ようにした線状パターン認識装置。
2. （２）前記第１の演算手段は、分割した領域の画像デー
   タから複数の異なる投影角度による投影波形を各領域毎
   に求め、これら投影波形を解析することにより各分割領
   域毎の特徴パラメータを求める特許請求の範囲第（１）
   項記載の線状パターン認識装置。