WO2016140250A1 - 車軸数検出装置、車種判別システム、車軸数検出方法及びプログラム - Google Patents
車軸数検出装置、車種判別システム、車軸数検出方法及びプログラム Download PDFInfo
- Publication number
- WO2016140250A1 WO2016140250A1 PCT/JP2016/056383 JP2016056383W WO2016140250A1 WO 2016140250 A1 WO2016140250 A1 WO 2016140250A1 JP 2016056383 W JP2016056383 W JP 2016056383W WO 2016140250 A1 WO2016140250 A1 WO 2016140250A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- tire
- vehicle
- image
- unit
- captured image
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/02—Detecting movement of traffic to be counted or controlled using treadles built into the road
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Definitions
- the present invention relates to an axle number detection device, a vehicle type discrimination system, an axle number detection method, and a program.
- Toll collection facilities used on toll roads such as expressways accept bills, coins, etc. from the users and change payments in order to improve the efficiency of toll collection processing with users.
- a toll collector that automatically performs the above and a vehicle type discrimination system (vehicle type discrimination device) that discriminates the vehicle type classification of the traveling vehicle.
- vehicle type discrimination device vehicle type discrimination device
- the automatic fee collection machine collects the fee of the amount corresponding to the vehicle type classification determined by the vehicle type determination system from the user.
- the above-described vehicle type discrimination system includes a vehicle detector that can detect the passage of vehicles one by one and a tread that can detect a stepping by a tire of a traveling vehicle.
- the vehicle type discrimination system generally uses the “number of axles” of the vehicle as one piece of information for discrimination of the vehicle type classification.
- the vehicle type identification system can identify the “number of axles” of the vehicle by detecting the number of times the treadle is stepped on while the vehicle detector detects the passage of one vehicle.
- the vehicle type identification system cannot specify the number of axles of the vehicle unless all the vehicle bodies have passed the vehicle detector. Therefore, conventionally, in a toll collection facility provided on a highway or the like, the maximum vehicle length of the traveling vehicle (for example, 18 m) is taken into account in order to be able to specify the number of axles for all the traveling vehicles.
- the distance between the vehicle type identification system and the automatic toll collector is set to be equal to or greater than the maximum vehicle length.
- Patent Document 1 discloses a vehicle type identification system that can perform vehicle type identification by performing vehicle feature extraction from an image photographed obliquely from the front of the vehicle.
- the vehicle type discrimination system vehicle detector, tread
- the toll collector is at least the maximum vehicle length.
- the number of axles which is information necessary for determining the vehicle type classification, cannot be specified, and the vehicle type classification of the traveling vehicle cannot be determined in detail. For this reason, it is not possible to set a fee according to a sufficiently detailed vehicle type classification for the user.
- the present invention has been made in view of the above problems, and the object thereof is the number of axles that can be installed in a place where a sufficient installation space cannot be secured and the number of axles of a traveling vehicle can be specified.
- the object is to provide a detection device, a vehicle type discrimination system, a method for detecting the number of axles and a program.
- the captured image is acquired from the imaging device (10C) that captures the captured image (D) including the tire of the vehicle from the back side in the traveling direction of the vehicle (A) toward the near side in the traveling direction.
- An axle comprising: a tire extraction unit (102) that extracts a tire included in the photographed image and an axle number identification unit (103) that identifies the number of axles of the vehicle based on the tire extraction result Number detection device (100).
- the photographed image containing the tire of the said vehicle can be acquired in the stage before the driver's seat of a vehicle arrives at a toll collector. Therefore, the number of axles of the vehicle can be specified based on the acquired photographed image before the driver's seat reaches the automatic toll collector.
- the above-described number-of-axes detection device can be installed in a place where a sufficient installation space cannot be secured, and can specify the number of axles of the traveling vehicle.
- the above-described number-of-axle detecting device is configured such that the tread plate by the vehicle traveling in the lane passes through the tread plate (10B) embedded in a predetermined position of the lane (L) in which the vehicle travels.
- the pattern matching based on the stepping number acquisition unit (104) for acquiring the number of steppings, the stepping number acquired by the stepping number acquisition unit, and the number of axles specified by the axle number specifying unit And a pattern matching process learning unit (105) for adjusting determination conditions used for the process.
- a pattern matching process learning unit (105) for adjusting determination conditions used for the process.
- the pattern matching process between the captured images it is assumed that an error (incorrect extraction or missing extraction) occurs in the tire extraction result depending on the captured image to be compared. Therefore, with the configuration as described above, the pattern matching process is optimized so that the result of specifying the number of axles based on the pattern matching process matches the actual number of axles. Can be specified.
- the image acquisition unit acquires a plurality of photographed images in which different portions are photographed in the lane direction of the vehicle body of the vehicle, and the tire extraction unit includes a plurality of photographed images.
- the tires included in each of the captured images are extracted, and the axle number specifying unit is included in one captured image with a tire counting unit (103b) that counts the number of tires included in each of the plurality of captured images.
- a tire determination unit (103a) that determines whether or not the tire included in the other captured image is the same tire, and the tire counting unit includes the same tire determination unit.
- the plurality of determined tires are regarded as one tire and the number of the tires is counted.
- the image acquisition unit acquires one captured image in which all of the vehicle body in the lane direction is captured, and the tire extraction unit captures the one captured image.
- the tires included are extracted, and the axle number specifying unit includes a tire counting unit that counts the number of all tires included in the one captured image.
- the tire extraction unit performs a pattern matching process with the reference image classified by the number of adjacent tires.
- the tire group can be extracted from the acquired photographed image through a pattern matching process with a reference image in which the adjacent tire group is copied. . Therefore, the adjacent tire group can be extracted from the captured image with high accuracy.
- the image acquisition unit has an optical element (10C3) that can expand the field of view in the lane direction, and can capture the entire range of the vehicle body in the lane direction.
- the photographed image is acquired from the photographing apparatus.
- the tire extraction unit performs a pattern matching process with the reference image classified according to the configuration of a single tire or a double tire.
- the pattern matching process by referring to the tire extracted based on the reference image belonging to either the single tire or the double tire, not only the number of axles of the vehicle but also the vehicle Whether the tire configuration is a single tire or a double tire can be determined.
- Another aspect of the present invention includes the above-described number-of-axle detection device and a vehicle type classification determination unit (11) that determines the vehicle type classification of the vehicle based on the number of axles detected by the axle number detection device. It is a vehicle type discrimination system (10).
- the step of acquiring the captured image from a capturing device that captures a captured image including a tire of the vehicle from the vehicle traveling direction back side toward the traveling direction front side is obtained. Extracting a tire included in the captured image by performing pattern matching processing between the captured image and a plurality of reference images that are images including a vehicle tire and stored in the storage unit in advance, and extracting the tire Identifying the number of axles of the vehicle based on the result.
- the computer of the axle number detection device is configured to capture the captured image from a photographing device that captures a photographed image including a tire of the vehicle from the rear side in the traveling direction of the vehicle toward the front side in the traveling direction.
- An image acquisition unit to acquire, the captured image acquired by the image acquisition unit, and a plurality of reference images that are images including a vehicle tire and are stored in advance in a storage unit, and the captured image Is a program that functions as a tire extracting unit that extracts a tire included in the vehicle, and an axle number specifying unit that specifies the number of axles of the vehicle based on the tire extraction result.
- axle number detection device vehicle type discrimination system, axle number detection method and program, it is possible to install the vehicle in a place where a sufficient installation space cannot be secured, and to specify the number of axles of the traveling vehicle.
- FIG. 1 is a diagram illustrating an overall configuration of a fee collection facility according to the first embodiment.
- the toll collection facility 1 according to the first embodiment is provided at an exit toll gate of an expressway that is a toll road (or an entrance toll gate depending on the fee format), and a vehicle on which the user rides from a user of the expressway This is a facility for collecting a charge corresponding to the vehicle type A.
- a vehicle A on which a highway user rides travels in a lane L that leads from the highway side to the general road side in the toll collection facility 1 provided at the exit toll gate. Islands I are laid on both sides of the lane L, and various devices constituting the toll collection facility 1 are installed.
- the direction in which the lane L extends ( ⁇ X direction in FIG. 1) is described as “lane direction”, and the highway side (+ X direction side in FIG. 1) in the lane direction of the lane L is “upstream side”. Alternatively, it is also referred to as “the front side in the traveling direction” of the vehicle A. Further, the general road side (the ⁇ X direction side in FIG. 1) in the lane direction of the lane L is also referred to as “downstream side” or the “traveling direction rear side” of the vehicle A.
- the fee collection facility 1 includes a vehicle type discrimination system 10, an automatic fee collection device 20, a start controller 40, and a start-side vehicle detector 50.
- the vehicle type discrimination system 10 discriminates the vehicle type classification of the vehicle A traveling in the lane L (for example, classification such as “light vehicle”, “normal vehicle”, “medium-sized vehicle”, “large vehicle”, and “extra-large vehicle”). Device.
- the vehicle type discriminating system 10 is provided on the upstream side of the lane L, and various detection sensors (entrance-side vehicle detector 10A, photographing device 10C) provided on the island I, and treads embedded on the road surface of the lane L ( Tread board 10B).
- the automatic toll collector 20 is a machine that performs a toll collection process by presenting a charge amount to a driver or the like (user) of the vehicle A traveling in the lane L.
- a display On the front face of the automatic toll collector 20 (the face facing the lane L side), there are provided a display for presenting a billing amount, a reception opening for receiving bills, coins, credit cards, and the like.
- the automatic toll collector 20 is provided on the island I on the downstream side of the vehicle type identification system 10 and charges an amount corresponding to the vehicle type classification of the vehicle A determined by the vehicle type identification system 10.
- the start controller 40 is a device that is provided on the downstream side of the automatic toll collector 20 and controls the start of the vehicle A traveling in the lane L. For example, the start controller 40 blocks the lane L so that the driver or the like of the vehicle A that has entered the lane L does not start the vehicle A until the necessary amount of money is paid through the automatic toll collector 20. Further, when the payment is completed, the lane L is opened to leave the vehicle A.
- the departure side vehicle detector 50 is provided on the most downstream side of the lane L and detects the exit of the vehicle A from the toll collection facility 1.
- the vehicle type identification system 10 includes an approach side vehicle detector 10A, a tread board 10B, a photographing device 10C, and a main control device 10D.
- the approach-side vehicle detector 10A is provided on the island I, and the vehicle A (vehicle body) traveling on the lane L through the light projecting tower and the light receiving tower facing each other across the lane L in the lane width direction ( ⁇ Y direction). The presence or absence of the vehicle is determined, and the passage (entrance) for one vehicle A is detected.
- the tread board 10B is arranged on the road surface of the lane L so as to extend in the lane width direction, and detects the stepping by the tire of the vehicle A that travels through the energization sensor charged therein.
- the positions in the lane direction ( ⁇ X direction) of the approach-side vehicle detector 10A and the tread board 10B are the same.
- the number of axles of the vehicle A can be detected with high accuracy by acquiring the number of times the tread plate 10B is stepped on while the passage of the vehicle A is being detected by the entry-side vehicle detector 10A.
- the imaging device 10C is provided on the island I on the upstream side of the lane L, and is the vehicle A traveling in the lane L from the rear side in the traveling direction ( ⁇ X direction side) to the front side in the traveling direction (+ X direction side). Take a picture including tires. That is, the photographing apparatus 10C can capture the tire of the vehicle A traveling in the lane L in the photographed image obliquely from the front.
- the photographing apparatus 10C may be a general video camera or the like for photographing a moving image, and can acquire, for example, 30 photographed images per second by continuous photographing.
- the main control device 10D controls the operation of the entire vehicle type identification system 10. Specifically, the main control device 10D receives various detection signals from the approach-side vehicle detector 10A and the tread board 10B, a captured image from the imaging device 10C, and the like, and travels based on the received various information. The vehicle type classification of the vehicle A to be determined is uniquely determined. The main control device 10D immediately notifies the automatic toll collector 20 of the determination result of the vehicle type classification. Thereby, the automatic toll collector 20 can charge an amount corresponding to the vehicle type classification determined by the vehicle type determination system 10 in the fee collection processing with the vehicle A.
- the main control device 10D is illustrated as being built in the vehicle type identification system 10 (for example, the approaching vehicle detector 10A as shown in FIG. 1). The form is not limited to this aspect.
- the main control device 10D may be built in a device other than the vehicle type identification system 10 installed on the island I or in a remote place and connected via a communication network or the like. .
- FIG. 2 is a diagram illustrating a positional relationship between the toll collection facility and the vehicle according to the first embodiment.
- FIG. 2 shows an example in which a vehicle A belonging to a vehicle type classification (“large vehicle”, “extra large vehicle”) having a large vehicle body size enters the toll collection facility 1.
- the interval between the automatic toll collection device 20 and the tread board 10B arranged on the upstream side thereof is an interval d1 (for example, about 6 meters).
- d1 for example, about 6 meters.
- the vehicle type identification system 10 specifies the number of axles of the vehicle A based on the detection result of the tread 10B at the stage of the fee collection process for receiving payment of the fee from the driver on the driver's seat through the automatic fee collector 20. Can not.
- the photographing device 10C is installed so that the photographing direction N faces the upstream side from the downstream side of the lane L and is inclined with respect to the lane direction (side surface of the traveling vehicle A).
- the photographing apparatus 10C causes the tires of the vehicle A belonging to the “large vehicle” (or “extra-large vehicle”) not to pass over the tread 10B from the diagonally forward direction to the vehicle entry time point. Any one of the captured images (described later) acquired by continuous shooting can be captured.
- FIG. 3 is a diagram illustrating a functional configuration of the vehicle type identification system according to the first embodiment.
- the vehicle type identification system 10 includes an approach-side vehicle detector 10A, a tread board 10B, a photographing device 10C, and a main control device 10D.
- Various functions and positional relationships of the approach-side vehicle detector 10A, the tread board 10B, and the photographing device 10C are as described with reference to FIGS.
- the main control device 10D includes an axle number detection device 100 and a vehicle type classification determination unit 11.
- the axle number detection device 100 detects the number of axles of the vehicle A based on the captured image of the vehicle A acquired by the imaging device 10C. Further, the vehicle type classification determination unit 11 determines the vehicle type classification of the vehicle A based on the number of axles of the vehicle A detected by the axle number detection device 100.
- the vehicle type classification determination unit 11 can be acquired from, for example, a tread width that can be acquired from the tread 10B, or a vehicle height detector, a vehicle length detector, and a license plate reader that are not shown in FIG.
- the vehicle type classification of the vehicle A may be determined based on vehicle height information, vehicle length information, and license plate information (plate size, color, etc.).
- the vehicle type classification determination unit 11 outputs the determination result of the vehicle type classification to the automatic fee collector 20.
- the automatic toll collector 20 that has received the determination result of the vehicle type classification requests payment of an amount corresponding to the vehicle type classification.
- the axle number detection device 100 further includes an image acquisition unit 101, a tire extraction unit 102, an axle number identification unit 103, a stepping number acquisition unit 104, and a pattern matching processing learning unit 105.
- the image acquisition unit 101 sequentially acquires captured images that the imaging device 10C acquires at a constant rate (for example, 30 frames / second).
- the tire extraction unit 102 performs pattern matching processing between the captured image acquired by the image acquisition unit 101 and a plurality of reference images that are images including tires of a traveling vehicle and stored in advance in the storage unit 106. Tires included in the captured image are extracted.
- the axle number specifying unit 103 specifies the number of axles of the vehicle A based on the tire extraction result by the tire extracting unit 102.
- the axle number specifying unit 103 specifies the number of axles of the vehicle A by counting the number of tires included in each of the plurality of captured images taken for the vehicle A.
- the axle number specifying unit 103 uses that the number of tires visible from one side surface of the vehicle A (for example, the side surface on the ⁇ Y direction side in FIG. 1) matches the number of axles of the vehicle A. is doing.
- the stepping number obtaining unit 104 obtains the number of times the stepping plate 10B is depressed by the vehicle A through a stepping plate 10B embedded in a predetermined position on the lane L (the same position as the approaching vehicle detector 10A (FIG. 1)).
- the stepping number acquisition unit 104 counts the number of times the stepping plate 10B is stepped on while the passage of the vehicle A is detected by the approaching vehicle detector 10A.
- the stepping number acquired by the stepping number acquisition unit 104 is a detection value indicating the actual number of axles of the vehicle A.
- the axle number specifying unit 103 includes the same tire determining unit 103a and a tire counting unit 103b.
- the same tire determination unit 103a includes the tire of the vehicle A included in one of the plurality of captured images acquired at a constant rate (30 frames / second) and the tire of the vehicle A included in another captured image. And are the same tires.
- the tire counting unit 103b counts the number of tires included in each of the plurality of captured images. In this case, the tire counting unit 103b counts the number of tires by regarding the plurality of tires determined to be the same by the same tire determination unit 103a as one tire.
- FIGS. 4 and 5 are a first diagram and a second diagram, respectively, for explaining the function of the tire extracting unit according to the first embodiment.
- the image acquisition unit 101 performs a plurality of shootings in which different parts (parts whose positions are different with respect to the lane direction) in the lane direction of the vehicle body of the vehicle A are shot in 30 frames / second continuous shooting by the shooting device 10C. Images are acquired (in the present embodiment, each captured image includes overlapping portions of the vehicle body of vehicle A).
- the image acquisition unit 101 acquires a captured image D obtained by capturing a part of the vehicle A as illustrated in FIG. As shown in FIG. 4, in the captured image D, a part of the vehicle body of the vehicle A (FIGS.
- the tire extraction unit 102 performs pattern matching processing between the captured image D and a plurality of reference images Dref stored in advance in the storage unit 106, and generates a tire-containing image T including a part of the tire of the vehicle A and the surrounding vehicle body. Extract.
- the storage unit 106 stores a plurality of reference images Dref in advance.
- the reference image Dref is a plurality of photographed images photographed for a plurality of types of vehicles in the same photographing direction and photographing conditions as those of the photographing device 10C, and includes at least a portion of the tires of each vehicle and the surrounding vehicle body. is there.
- the plurality of reference images Dref are stored in the storage unit 106 by tire mounting position on the vehicle body (“first axis” or “second axis or later”) and by tire configuration (“single tire”). Or “double tire”).
- the tire extraction unit 102 performs pattern matching processing between the captured image D (FIG. 4) and a plurality of reference images Dref (FIG. 5).
- the pattern matching process performed by the tire extraction unit 102 uses each reference image Dref as a template, and has a high “matching degree” with the template (reference image Dref) in the captured image D (a predetermined determination threshold TH (described later) or higher). It may be based on a general image identification technique for extracting a region. Specifically, an area having a feature similar to a common feature (for example, a ring-shaped figure common as a mapping of “tire”) shown on each image of a plurality of reference images Dref belonging to one classification. Search from the captured image D.
- each degree of similarity is digitized as a “matching degree”, and an area of the photographed image D in which the matching degree is equal to or greater than a predetermined determination threshold is extracted.
- the tire extraction unit 102 extracts a region having a high degree of coincidence as the tire-containing image T through the reference image Dref classified as described above in the captured image D.
- the tire extraction unit 102 extracts the tire-containing image T based on the reference image Dref belonging to any of the reference images Dref classified by tire mounting position and tire configuration. Based on the tire-containing image T, it is possible to specify the mounting position and configuration (single tire or double tire) of the tire.
- FIG. 6 is a diagram illustrating the function of the axle number specifying unit according to the first embodiment.
- the tire extraction unit 102 performs the above-described pattern matching process on each of the plurality of captured images D (D0, D1,...) Acquired by the image acquisition unit 101, and extracts a plurality of tire-containing images T. .
- specification part 103 determines whether the some tire contained in each of the tire containing images T extracted from the some captured image D is the same tire.
- the function of the same tire determination unit 103a will be described step by step with reference to FIG.
- the photographed image D0 is a photographed image acquired immediately after the vehicle A traveling in the lane L enters the photographing range of the photographing device 10C.
- the captured image D0 includes a part of the vehicle body front end (the end on the ⁇ X direction side) of the vehicle A, but does not include the entire tire of the vehicle A. Therefore, the tire extraction unit 102 does not extract the tire-containing image T from the captured image D0 as a result of the pattern matching process on the captured image D0. Therefore, at this time, the number of tires is not counted.
- the photographed image D1 is a photographed image obtained after a predetermined time has elapsed since the vehicle A further traveled further in the traveling direction from the stage at which the photographed image D0 was obtained.
- the captured image D1 includes the entire first-axis tire of the vehicle A. Therefore, the tire extraction unit 102 extracts the tire-containing image T11 including the first-axis tire from the photographed image D1 as a result of the pattern matching process on the photographed image D1.
- the tire included in the tire-containing image T11 is a tire that is first extracted by the tire extraction unit 102 for the traveling vehicle A. Therefore, the tire counting unit 103b counts the first-axis tire of the vehicle A based on the tire-containing image T11 that is the extraction result of the tire extracting unit 102.
- the photographed image D2 is a photographed image obtained after a predetermined time has passed since the photographed image D1 was obtained.
- the captured image D2 includes the entire first-axis tire (and a part of the second-axis tire) of the vehicle A that is the same as the captured image D1. Therefore, the tire extraction unit 102 extracts the tire-containing image T21 including the first-axis tire from the captured image D2 as a result of the pattern matching process on the captured image D2 (since the second-axis tire is partially missing). Not extracted).
- the same tire determination unit 103a includes tires included in each of the tire-containing image T11 extracted from the previously acquired captured image D1 and the tire-containing image T21 extracted from the newly acquired captured image D2. Is the same tire.
- the same tire determination unit 103a determines the degree of coincidence between the tire-containing image T11 extracted from the photographed image D1 and the T21 extracted from the photographed image D2 when the tire-containing image T21 is extracted. calculate.
- the same tire determination unit 103a determines whether the tire-containing image T11 and the tire-containing image T21 It is determined that each tire included in each is the same tire.
- the tire included in each of the tire-containing image T11 and the tire-containing image T21 is actually the first-axis tire (the same tire) of the vehicle A.
- the degree of coincidence between the tire-containing image T11 and the tire-containing image T21 is equal to or greater than the determination threshold.
- the same tire determination unit 103a has the same tire included in each of the tire-containing image T11 and the tire-containing image T21. Judge that there is.
- the tire counting unit 103b considers that the tire included in the tire-containing image T21 is the same tire as the tire that has already been counted (the tire included in the tire-containing image T11), and the vehicle A based on the tire-containing image T21. Do not count the number of tires.
- the photographed image D3 is a photographed image obtained after a predetermined time has elapsed since the photographed image D2 was obtained.
- the captured image D3 includes the entire first-axis tire and the entire second-axis tire of the same vehicle A as the captured images D1 and D2. Therefore, as a result of the pattern matching process, the tire extraction unit 102 extracts two tire-containing images T31 and T32 corresponding to each of the first-axis tire and the second-axis tire from the captured image D3.
- the same tire determination unit 103a when the tire-containing images T31 and T32 are extracted, the tire-containing image T21 extracted from the previously acquired captured image D2 and the T31 extracted from the newly acquired captured image D3, The degree of coincidence with T32 is calculated.
- the tire included in each of the tire-containing image T21 and the tire-containing image T31 is a tire on the first axis of the vehicle A (the same tire). Therefore, the degree of coincidence between the tire-containing image T21 and the tire-containing image T31 is equal to or greater than the determination threshold.
- the same tire determination unit 103a has the same tire included in each of the tire-containing image T21 and the tire-containing image T31. Judge that there is.
- the tire included in the tire-containing image T32 is a tire on the second axis of the vehicle A (a tire different from the tire included in the tire-containing image T21). Accordingly, the degree of coincidence between the tire-containing image T21 and the tire-containing image T32 is less than the determination threshold value, and as a result, the same tire determination unit 103a does not have the same tire included in each of the tire-containing image T21 and the tire-containing image T32. Judge that there is no.
- the tire counting unit 103b considers that the tire included in the tire-containing image T31 is the same tire as the tire that has already been counted (the tire included in the tire-containing image T21), and the vehicle A based on the tire-containing image T31. Do not count the number of tires.
- the tire included in the tire-containing image T32 is a new tire different from the tires included in the captured images D0 to D2 acquired so far. Therefore, the tire counting unit 103b counts the second-axis tire of the vehicle A based on the tire-containing image T32 that is the extraction result of the tire extracting unit 102.
- the photographed image D4 is a photographed image acquired after a predetermined time has passed since the photographed image D3 was obtained.
- the captured image D4 includes the entire second-axis tire and the entire third-axis tire.
- the tire extraction unit 102 extracts two tire-containing images T41 and T42 corresponding to each of the second-axis tire and the third-axis tire from the captured image D4 as a result of the pattern matching process.
- the same tire determination unit 103a is extracted from the tire-containing images T31 and T32 extracted from the previously acquired captured image D3 and the newly acquired captured image D4 at the time when the tire-containing images T41 and T42 are extracted.
- the degree of coincidence for each combination of the tire-containing images T41 and T42 is calculated.
- the degree of coincidence between the tire-containing image T31 and the tire-containing images T41 and T42 is less than the determination threshold, and the same tire determination unit 103a includes the tire included in the tire-containing image T31, the tire-containing image T41, It is determined that the tire included in each of T42 is not the same.
- the degree of coincidence between the tire-containing image T32 and the tire-containing image T41 is equal to or greater than the determination threshold, and the degree of coincidence between the tire-containing image T32 and the tire-containing image T42 is less than the determination threshold. Accordingly, in the same tire determination unit 103a, the tire included in the tire-containing image T32 is the same as the tire included in the tire-containing image T41, and is included in the tire and the tire-containing image T42 included in the tire-containing image T32. It is determined that the tire is not the same.
- the tire counting unit 103b considers that the tire included in the tire-containing image T41 is the same tire as the tire that has already been counted (the tire included in the tire-containing image T32), and the vehicle A based on the tire-containing image T41. Do not count the number of tires.
- the tire included in the tire-containing image T42 is a new tire different from the tires included in the captured images D0 to D3 acquired so far. Therefore, the tire counting unit 103b counts the third-axis tire of the vehicle A based on the tire-containing image T42 that is the extraction result of the tire extracting unit 102.
- the same tire determination unit 103a and the tire counting unit 103b perform the above process for all of the series of captured images D (D0, D1, D2,%) Acquired while the vehicle A is traveling.
- the number of axles of the vehicle A can be specified.
- the axle number identification unit 103 outputs the identification result of the number of axles for the vehicle A and information on the configuration of each tire (single tire or double tire) to the vehicle type classification determination unit 11.
- the vehicle type classification determination unit 11 determines the vehicle type classification of the vehicle A based on various information (such as the number of axles) acquired from the axle number specifying unit 103 and outputs the result of the determination to the automatic toll collector 20.
- the imaging device 10C is inclined in the lane direction from the downstream side to the upstream side of the lane L so as to ensure a field of view so that the rear end of the vehicle A of the traveling vehicle A can be captured. (See FIG. 2). Then, even for the same tire, a mapping imaged in the left area (the side where the distance between the imaging device 10C and the imaging object is close) in the acquired captured image D and the right area (imaging area) in the captured image D The size of the tire mapping differs from the mapping taken on the far side of the device 10C and the object to be photographed.
- the same tire determination unit 103a determines whether or not each tire included in the plurality of tire-containing images T is the same tire at a position on the captured image D where each extracted tire-containing image T exists. Accordingly, the degree of coincidence is calculated after performing the process of adjusting (normalizing) the size of the tire-containing image T. In this way, since the variation component of the tire mapping size according to the position (region) on the captured image D is eliminated, it is determined whether or not the tires included in the plurality of captured images D are the same tire. More accurate determination can be made.
- the process of the same tire determination part 103a is not limited to the said aspect.
- the same tire determination unit 103 is acquired in one frame among a plurality of captured images D acquired by the imaging device 10C continuously capturing images at a frame rate of 30 frames / second.
- the photographed image D is compared with the photographed image D acquired in the next frame, and the positions on the images of the tire-containing images T extracted from the respective images overlap each other, each of the tire-containing images T included in the tire-containing image T You may make it determine with a tire being the same tire.
- FIG. 7 is a diagram illustrating the function of the pattern matching processing learning unit according to the first embodiment.
- the graph shown in FIG. 7 is obtained continuously from the degree of coincidence (vertical axis) between the captured image D (FIG. 4) and the reference image Dref (FIG. 5) calculated by the pattern matching process of the tire extraction unit 102.
- each of the plurality of captured images D (horizontal axis) is shown.
- the pattern matching processing learning unit 105 performs pattern matching processing of the tire extraction unit 102 based on the number of steppings acquired by the stepping number acquisition unit 104 and the specification result of the number of axles of the vehicle A specified by the axle number specifying unit 103. Adjust the judgment conditions used for.
- the flow of processing of the vehicle type identification system 10 when the vehicle A belonging to the “large vehicle” (or “extra large vehicle”) enters the toll collection facility 1 will be described with reference to FIG.
- the photographing apparatus 10C is provided so as to be able to photograph a predetermined range on the upstream side (front side in the traveling direction) from the tread board 10B, the image acquisition unit 101 performs photographing including the tire before passing over the tread board 10B. Images can be acquired. Therefore, at the same stage, the axle number specifying unit 103 can specify the number of axles of the vehicle A based on the acquired captured image, and the vehicle type classification determining unit 11 can determine the vehicle A based on the specified number of axles. Can be distinguished.
- the vehicle A travels toward the downstream side (back side in the traveling direction) of the lane L in order to exit the toll collection facility 1.
- the vehicle body rear end (the end on the + X direction side) of the vehicle A detects the approach-side vehicle detector 10A.
- the number of times the tread board 10B has been stepped on until it has passed is acquired. That is, the stepping number acquisition unit 104 acquires the number of steps on the tread plate 10 ⁇ / b> B, which is a detection value indicating the actual number of axles of the vehicle A, after the charge collection process by the automatic charge receiver 20 is completed.
- the pattern matching processing learning unit 105 determines the number of axles specified by the axle number specifying unit 103 (that is, the result of specifying the number of axles acquired based on the pattern matching process) and the rear end of the vehicle A. Is compared with the number of times of trampling (that is, the actual number of axles of the vehicle A) obtained after the vehicle exits the approaching vehicle detector 10A.
- the pattern matching processing learning unit 105 does not perform a process of adjusting the determination condition used for the pattern matching process (a process of changing the determination threshold TH) for the tire extraction unit 102.
- the tire extraction unit 102 skips tire extraction. It is assumed that there was. Therefore, in this case, the pattern matching process learning unit 105 adjusts the determination conditions used for the pattern matching process with respect to the tire extraction unit 102.
- each captured image D and reference image Dref For the vehicle A having an actual number of axles “4”, each captured image D and reference image Dref. Assume that the degree of coincidence with is calculated as shown in FIG. According to FIG. 7, the degree of coincidence with the reference image Dref for the first-axis, second-axis, and fourth-axis tires of the vehicle A captured in each captured image D exceeds the determination threshold value TH. For the tire on the axis, the degree of coincidence with the reference image Dref is below the determination threshold TH. In this case, the tire extraction unit 102 extracts the tire-containing image T (FIG.
- the axle number specifying unit 103 specifies the number of axles as “3” even though the actual number of axles of the vehicle A is “4”.
- the pattern matching processing learning unit 105 acquires the number of times of stepping “4” through the stepping number acquisition unit 104 when the vehicle A leaves the toll collection facility 1. At this time, the pattern matching processing learning unit 105 confirms that the number of axles identification result “3” based on the result of the pattern matching processing by the tire extraction unit 102 is smaller than the number of steps “4” indicating the actual number of axles. To grasp. In response to this result, the pattern matching processing learning unit 105 determines that the tire-containing image T is missing from the series of captured images D of the vehicle A, and the pattern matching by the tire extracting unit 102 is performed. The determination threshold value TH used for the process determination is lowered.
- the tire-containing image T is easily extracted from the series of captured images D (in this example, the third-axis tire is easily extracted correctly), so that the pattern matching process can be optimized.
- the pattern matching process learning unit 105 It is determined that erroneous extraction has occurred, and the determination threshold value TH used for determination of the pattern matching process is increased.
- the pattern matching processing learning unit 105 accumulates information on the number of axles for a plurality of vehicles that have traveled through the toll collection facility 1 in the past, and adjusts the determination threshold value TH in a comprehensive manner. Specifically, the pattern matching process learning unit 105 calculates the degree of difference between the identification result of the number of axles based on the pattern matching process and the actual number of axles (number of steps) for a plurality of vehicles that have traveled in the past, accumulate. Then, the pattern matching process learning unit 105 raises the determination threshold value TH when the frequency of the result of specifying the number of axles based on the pattern matching process is lower than the actual number of axles (number of steps).
- the pattern matching process learning unit 105 lowers the determination threshold TH when the number of axles based on the pattern matching process is frequently higher than the actual number of axles (number of steps).
- the determination threshold value TH is optimized so that the degree to which the result of specifying the number of axles based on the pattern matching process differs from the actual number of axles (number of steps) is minimized.
- the pattern matching processing learning unit 105 adds, to the storage unit 106, the tire-containing image T (the tire-containing image T that did not satisfy the determination threshold value TH before the adjustment process) having a low degree of coincidence as a new reference image Dref. Process. In this way, the next time the same type of vehicle A travels, the tire-containing image T can be correctly extracted through the pattern matching process with the newly added reference image Dref. According to such processing of the pattern matching processing learning unit 105, it is possible to efficiently collect reference images Dref used for pattern matching processing.
- the above-mentioned “adjusting the determination condition” specifically means “to lower or raise the determination threshold TH” and “the tire-containing image T whose degree of coincidence does not reach the determination threshold TH. It means at least one of “added to the storage unit 106 as a new reference image Dref”.
- the image acquisition unit 101 includes the tire of the vehicle A that travels in the lane L from the rear side in the traveling direction of the vehicle A toward the front side in the traveling direction.
- the captured image D is acquired from the imaging device 10C that can capture the captured image D.
- the tire extraction unit 102 performs pattern matching processing between the acquired captured image D and a plurality of reference images Dref that are images including tires of a plurality of vehicles and are stored in the storage unit 106 in advance.
- the tire included in the image D is extracted.
- the axle number specifying unit 103 specifies the number of axles of the vehicle A based on the tire extraction result by the tire extracting unit 102.
- the vehicle type identification system 10 can acquire a captured image including tires up to the rear end of the vehicle body of the vehicle A at a stage before the driver's seat of the vehicle A reaches the automatic toll collector 20. Therefore, when the driver's seat of the vehicle A reaches the automatic toll collector 20, the vehicle type identification system 10 can specify the number of axles of the vehicle A based on the acquired captured image, and further, the specified number of axles.
- the vehicle type classification of the vehicle A can be determined based on the above.
- the vehicle type identification system 10 is based on a pattern matching process between a captured image D in which the vehicle A is captured and a reference image Dref that is an image prepared in advance and in which the periphery of the tires of a plurality of vehicles is captured.
- the number of tires A (that is, the number of axles) is specified. Therefore, the number of axles of the vehicle A can be specified with high accuracy from the captured image D.
- the vehicle type identification system 10 can be installed in a place where a sufficient installation space cannot be secured, and the vehicle type classification of the traveling vehicle can be determined in detail.
- the stepping number obtaining unit 104 obtains the number of times the stepping plate 10B is stepped on by the vehicle A traveling in the lane L through the stepping plate 10B. Then, the pattern matching process learning unit 105 adjusts the determination condition used for the pattern matching process based on the acquired number of steps and the identification result of the number of axles identified by the axle number identification unit 103.
- the pattern matching process is optimized so that the result of specifying the number of axles based on the pattern matching process matches the actual number of axles, so the number of axles is specified with higher accuracy. be able to.
- the axle number specifying unit 103 includes the tire counting unit 103b that counts the number of tires included in each of the plurality of captured images D, and the plurality of captured images D.
- the same tire determination unit 103a that determines whether or not the tire included in one captured image D and the tire included in the other captured image D are the same tire.
- the tire counting unit 103b counts the number of tires by regarding the plurality of tires determined to be the same by the same tire determination unit 103a as one tire.
- the tire extraction unit 102 performs pattern matching processing with the reference image Dref classified according to the configuration of single tire or double tire.
- the tire of the vehicle A is referred to by referring to the tire (tire-containing image T) extracted based on the reference image Dref belonging to either a single tire or a double tire. It is possible to discriminate whether the configuration is a single tire or a double tire. Therefore, as the information for discriminating the vehicle type classification, not only the number of axles but also the tire configuration (single tire or double tire) of the vehicle A can be acquired, so that the vehicle type classification can be discriminated more accurately. Can do.
- the size of the tire mapping in the captured image D differs between the left region and the right region in the acquired captured image D.
- a plurality of reference images Dref may be classified and stored in advance in the storage unit 106 for each predetermined region in the captured image D.
- the reference image Dref is classified into “image right side”, “image center”, “image left side”, and the like.
- the tire extraction unit 102 performs pattern matching processing with the reference image Dref classified as “image left side”. .
- pattern matching with an appropriate reference image Dref corresponding to the size of the photographed tire mapping is performed for each of the left region, the central region, and the right region in the captured image D acquired. Processing can be performed.
- each of the plurality of captured images D has been described as including overlapping portions of the vehicle body of the vehicle A.
- the other embodiments are not limited thereto.
- the plurality of captured images D may be acquired such that overlapping portions of the vehicle body of the vehicle A are not included in each other.
- FIG. 8 is a diagram illustrating the structure of the photographing apparatus according to the second embodiment.
- the imaging apparatus 10C according to the second embodiment includes a camera body 10C1, a housing case 10C2, and a cylindrical lens 10C3.
- the camera body 10C1 is a general camera that acquires a captured image D (FIG. 4) including a predetermined imaging range based on external light collected through a lens.
- the housing case 10C2 is a case provided so as to cover the entire housing of the camera body 10C1, and is provided for the purpose of protecting the camera body 10C1 installed outdoors from dust, raindrops, and the like.
- the cylindrical lens 10C3 is a lens provided in the housing case 10C2.
- the cylindrical lens 10C3 is provided on the optical axis R (imaging direction N) of the camera body 10C1 in the housing case 10C2, and has a concave curved surface with the height direction ( ⁇ Z direction) as an axis.
- the camera body 10C1 can widen the photographing range (view angle) in the horizontal direction by condensing light from the outside through the cylindrical lens 10C3 provided in the housing case 10C2. As a result, the camera body 10C1 can capture a range including the entire vehicle body of the vehicle A traveling in the lane L in the lane direction.
- FIGS. 9 and 10 are a first diagram and a second diagram, respectively, for explaining the function of the tire extracting unit according to the second embodiment.
- the imaging device 10C is, for example, only once at the timing when the vehicle A reaches the position of the entry-side vehicle detector 10A in the lane direction based on a detection signal from the entry-side vehicle detector 10A. Take a picture.
- FIG. 9 shows an example of a photographed image D ′ acquired by one photographing at the above timing.
- the image acquisition unit 101 acquires the captured image D ′ from the imaging device 10 ⁇ / b> C that includes the cylindrical lens 10 ⁇ / b> C ⁇ b> 3 (FIG. 8) and has a wide angle of view in the horizontal direction.
- the photographed image D ′ includes a vehicle body front end ( ⁇ X direction side end) to a vehicle body rear end (+ X direction side end) in the lane direction of the vehicle body of the vehicle A belonging to “extra large vehicle”. Everything up to is included. That is, when the camera body 10C1 captures the vehicle A through the cylindrical lens 10C3, a captured image D ′ obtained by compressing the mapping of the vehicle A in the horizontal direction is obtained. Thereby, even if the vehicle A is the “extra-large vehicle” having the longest vehicle length d2 (FIG. 2), the entire vehicle body in the lane direction of the vehicle A can be included in the imaging range of one captured image D ′. .
- the tire extraction unit 102 performs pattern matching between one captured image D ′ in which the entire vehicle body of the vehicle A is captured and a plurality of reference images Dref stored in the storage unit 106 in advance. Processing is performed to extract the tire-containing image T including the tire of the vehicle A.
- the storage unit 106 stores a plurality of reference images Dref (Dref1, Dref2, Dref3) in advance.
- the reference image Dref is a plurality of photographed images photographed for a plurality of types of vehicles in the same photographing direction and photographing conditions as those of the photographing device 10C, and includes at least a portion of the tires of each vehicle and the surrounding vehicle body. is there. Further, the plurality of reference images Dref according to the second embodiment are classified and stored in advance by the number of adjacent tires (“1-axis”, “2-axis adjacent”, or “3-axis adjacent”) in the storage unit 106. ing.
- the reference image Dref1 belonging to the classification of “one axis” is a photographed image including only a single tire in the vehicle A in which there is no tire adjacent in the lane direction.
- the reference image Dref2 belonging to the classification “2-axis adjacent” is a captured image including two tire groups provided adjacent to each other in the lane direction in the vehicle A.
- the reference image Dref3 belonging to the classification “adjacent to three axes” is a photographed image that includes three tire groups provided adjacent to each other in the lane direction in the vehicle A.
- the tire extraction unit 102 performs pattern matching processing between one captured image D ′ (FIG. 9) and a plurality of reference images Dref (Dref1, Dref2, Dref3), and then includes all tires (tires) included in the captured image D ′.
- the contained image T) is extracted.
- the tire extraction unit 102 performs a pattern matching process between the photographed image D ′ and the reference images Dref (Dref1, Dref2, Dref3) classified according to the number of adjacent tires, as a tire-containing image T. Extracted as (Ta, Tb, Tc) (see FIG. 9).
- the tire extracting unit 102 selects each tire-containing image T (Ta, Tb, Tc) based on the reference image Dref belonging to any of the reference images Dref (Dref1, Dref2, Dref3) classified according to the number of adjacent tires. ) Is extracted, the number of tires included in each tire-containing image T can be specified. For example, in the example illustrated in FIG. 9, the tire extraction unit 102 performs tire matching images Ta and Tb from the captured image D ′ as a region having a high degree of coincidence with the reference image Dref1 belonging to “one axis” through the pattern matching process. Extract. Similarly, the tire extraction unit 102 extracts the tire-containing image Tc from the captured image D ′ as a region having a high degree of coincidence with the reference image Dref2 belonging to “2-axis adjacent” through the pattern matching process.
- the axle number specifying unit 103 (tire counting unit 103b) according to the second embodiment counts the number of all tires included in one photographed image D 'based on the extraction result by the tire extracting unit 102.
- the tire counting unit 103b refers to the tire-containing images Ta and Tb including one tire and the tire-containing image Tc including two tires, and each tire-containing image Ta, Tb and Tc.
- the number of axles of vehicle A is specified as “4” by summing the number of tires included in.
- the image acquisition unit 101 has the cylindrical lens 10 ⁇ / b> C ⁇ b> 3 (FIG. 8) and can capture a range that includes all of the vehicle body of the vehicle A in the lane direction.
- One captured image D ′ (FIG. 9) is acquired from the image capturing apparatus 10C.
- the tire extraction unit 102 extracts tires included in one captured image D ′, and the axle number specifying unit 103 is included in one captured image D ′ based on the tire extraction result by the tire extraction unit 102. Count the number of all tires that will be used.
- the vehicle type identification system 10 can specify the number of all tires (the number of axles) of the vehicle A based on only one captured image D ′ acquired by one imaging. . Therefore, the processing required for specifying the number of axles and the vehicle type classification determination processing can be simplified and speeded up. Further, by using a combination of a general camera (camera body 10C1) and a cylindrical lens 10C3, a captured image D ′ including the entire vehicle body of the vehicle A can be obtained with a simple configuration without using a camera with special specifications. can do. Therefore, the manufacturing cost of the vehicle type identification system 10 can be suppressed.
- the tire extraction unit 102 performs pattern matching processing with reference images Dref (Dref1, Dref2, Dref3) classified according to the number of adjacent tires.
- Dref reference images
- the map of the vehicle A is captured in the horizontal direction by the cylindrical lens 10C3
- a part of the map of the vehicle A is not clearly captured.
- a plurality of adjacent tires such as “2-axis adjacent” and “3-axis adjacent” are accurately extracted one by one from the captured image D ′ obtained by compressing the map in the horizontal direction. It may be difficult to do this.
- reference images Dref (Dref1, Dref2, Dref3) including two or three tire groups provided as “2-axis adjacent” and “3-axis adjacent” are prepared in advance, A pattern matching process is performed on the captured image D ′ with the reference image Dref as a comparison target.
- the tire group provided as “2-axis adjacent” and “3-axis adjacent” can be accurately extracted from the captured image D ′ in the classification unit. Therefore, it is possible to increase the accuracy of specifying the number of axles of the vehicle A based on one captured image D ′.
- FIG. 11 is a diagram illustrating the function of the axle number identification unit according to a modification of the second embodiment. Similar to the second embodiment, the tire extraction unit 102 according to the present modification includes one captured image D ′ in which the entire vehicle body of the vehicle A is captured, and a plurality of reference images Dref stored in the storage unit 106 in advance. And pattern matching processing.
- the reference image Dref according to this modification is classified according to the actual number of axles (“2-axle car”, “3-axle car”, “4-axle car”, “5 Axle wheel ”) and by mounting position (“ first axis ”,“ second axis ”, etc. On the vehicle body of each vehicle, and stored in the storage unit 106 in advance.
- the reference image Dref belonging to the classification “first axis of a biaxial vehicle” is a photographed image including only tires belonging to the first axis of a vehicle having an actual number of axles “2”.
- the reference image Dref belonging to the classification “second axis of the biaxial vehicle” is a captured image including only the tire belonging to the second axis of the vehicle having the actual number of axles “2”.
- the reference image Dref belonging to the classification “first axis of three-axle vehicle” is a photographed image including only the tire belonging to the first axis of the vehicle having the actual number of axles “3”.
- the reference image Dref belonging to the classification of “fourth and third axles of a four-axle vehicle” is the third and fourth axes provided adjacent to each other in a vehicle having an actual number of axles “4”. It is a picked-up image including the tire group.
- the tire extraction unit 102 performs pattern matching processing for each of the plurality of reference images Dref stored for each classification as described above, for one captured image D ′ (FIG. 9) in which the entire vehicle body of the vehicle A is captured. I do. Then, the tire extraction unit 102 acquires the degree of coincidence between each reference image Dref and a region corresponding to the reference image Dref in the captured image D ′ for each classification of each reference image Dref (see FIG. 11). Then, the axle number identification unit 103 according to the present modification identifies the number of axles of the vehicle A that is captured in the captured image D ′ based on the classification of the reference image Dref that has obtained a high degree of coincidence.
- the tire extraction unit 102 performs a pattern matching process with the reference image Dref for each classification on the captured image D ′ illustrated in FIG. 9.
- the tire extraction unit 102 performs a pattern matching process with the reference image Dref for each classification on the captured image D ′ illustrated in FIG. 9.
- the first axis of the 4-axle vehicle “the second axis of the 4-axle vehicle”, “the third and fourth axes of the 4-axle vehicle”, “one axis of the 5-axle vehicle”
- a region having a high degree of coincidence with the reference image Dref belonging to “eyes” and “second axis of a 5-axle vehicle” is extracted (FIG. 11).
- the axle number specifying unit 103 refers to the fact that the reference image Dref having a high degree of coincidence with the acquired captured image D ′ is obtained most in the classification of “4-axle vehicle”, and the captured image The number of axles of the vehicle A copied to D ′ is specified as “4”.
- the vehicle type identification system 10 classifies the reference image Dref according to the actual number of axles of a plurality of types of vehicles, and which of the reference images Dref has a high degree of coincidence with the acquired captured image D ′.
- the number of axles of the vehicle A may be specified.
- the number-of-axes specifying unit 103 uses the number of tires actually extracted by the pattern matching process, not the number of axles (“n”) specified by the classification (“n-axis vehicle”) of the reference image Dref.
- the number of axles of vehicle A shall be specified.
- the image capturing apparatus 10C has been described as a combination of a general camera (camera body 10C1) and a cylindrical lens 10C3 to widen the angle of view. It is not limited to an aspect.
- the imaging apparatus 10C may be in a mode in which the camera body 10C1 itself includes a dedicated wide-angle lens.
- the imaging device 10C according to the second embodiment has been described as the aspect in which the cylindrical lens 10C3 is attached to the housing case 10C2, the imaging apparatus 10C is not limited to this aspect in other embodiments.
- the cylindrical lens 10C3 may be separately provided inside or outside the housing case 10C2.
- cylindrical lens 10C3 is only one aspect as an optical element capable of expanding the visual field in the lane direction of the lane L, and is not limited to this aspect in other embodiments.
- the optical element according to another embodiment may be a convex mirror, for example.
- the imaging device 10C captures the light reflected by the convex mirror and performs imaging.
- the vehicle type identification system 10 according to the second embodiment may include the same learning function (stepping number acquisition unit 104 and pattern matching processing learning unit 105) as that of the first embodiment. Good. Further, in the vehicle type identification system 10 according to the second embodiment (and its modifications), as in the first embodiment, the reference image Dref is further classified by tire configuration (single tire or double tire). It may be classified.
- a program for realizing various functions of the main control device 10D of the vehicle type identification system 10 is recorded on a computer-readable recording medium, and the program recorded on the recording medium is recorded on the computer.
- Various processes are performed by being read into the system and executed.
- the various processes of the main controller 10D described above are stored in a computer-readable recording medium in the form of a program, and the above-described various processes are performed by the computer reading and executing the program.
- the computer-readable recording medium is a magnetic disk, a magneto-optical disk, a CD-ROM, a DVD-ROM, a semiconductor memory, or the like.
- the computer program may be distributed to the computer via a communication line, and the computer that has received the distribution may execute the program.
- the main control device 10D is not limited to a mode in which various functional configurations are housed in a single device housing, and the various functional configurations of the main control device 10D are provided over a plurality of devices connected via a network. It may be an embodiment.
- axle number detection device vehicle type discrimination system, axle number detection method and program, it is possible to install the vehicle in a place where a sufficient installation space cannot be secured, and to specify the number of axles of the traveling vehicle.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Image Analysis (AREA)
Abstract
車軸数検出装置(100)は、車両の進行方向奥側から進行方向手前側に向かって、当該車両のタイヤを含む撮影画像を撮影する撮影装置(10C)から撮影画像を取得する画像取得部(101)と、画像取得部(101)が取得した撮影画像と、車両のタイヤを含む画像であって予め記憶部(106)に記憶された複数の参照画像と、のパターンマッチング処理を行い、撮影画像に含まれるタイヤを抽出するタイヤ抽出部(102)と、タイヤの抽出結果に基づいて、車両の車軸数を特定する車軸数特定部(103)と、を備えている。
Description
本発明は、車軸数検出装置、車種判別システム、車軸数検出方法及びプログラムに関する。
本願は、2015年3月4日に、日本に出願された特願2015-042516号に基づき優先権を主張し、その内容をここに援用する。
本願は、2015年3月4日に、日本に出願された特願2015-042516号に基づき優先権を主張し、その内容をここに援用する。
高速道路等の有料道路に用いられる料金収受設備(入口、出口料金所等)は、利用者との料金収受処理の効率化のため、利用者からの紙幣、硬貨等の受付や釣銭の支払い等を自動で行う料金自動収受機と、走行する車両の車種区分を判別する車種判別システム(車種判別装置)と、を備えている。
この場合、料金自動収受機は、車種判別システムによって判別された車種区分に応じた額の料金を利用者から徴収する。
この場合、料金自動収受機は、車種判別システムによって判別された車種区分に応じた額の料金を利用者から徴収する。
また、上述の車種判別システムは、車両の通過を一台ずつ分離して検知可能な車両検知器と、走行する車両のタイヤによる踏み付けを検出可能な踏板と、を備えている。
車種判別システムは、一般に、車種区分の判別のための情報の一つとして、車両の「車軸数」を用いている。車種判別システムは、車両検知器において一台の車両の通過を検出している間に上記踏板が踏まれた回数を検出することで当該車両の「車軸数」を特定することができる。
しかしながら、上述の仕組みによれば、車種判別システムは、車体の全てが車両検知器を通過し終わった後でなければ、車両の車軸数を特定することができない。したがって、従来、高速道路等に設けられた料金収受設備においては、走行する全ての車両についての車軸数を特定できるようにする目的で、走行する車両の最大車長(例えば、18m)を考慮して、車種判別システムと料金自動収受機との間隔が当該最大車長以上となるように設置されている。
しかしながら、上述の仕組みによれば、車種判別システムは、車体の全てが車両検知器を通過し終わった後でなければ、車両の車軸数を特定することができない。したがって、従来、高速道路等に設けられた料金収受設備においては、走行する全ての車両についての車軸数を特定できるようにする目的で、走行する車両の最大車長(例えば、18m)を考慮して、車種判別システムと料金自動収受機との間隔が当該最大車長以上となるように設置されている。
なお、特許文献1には、車両の斜め前方から撮影した画像により車両特徴抽出を行い、車種判別を正確に行なえる車種判別システムが開示されている。
しかしながら、高速道路等における上記料金収受設備の立地条件によっては、車種判別システム(車両検知器、踏板)と料金自動収受機との間隔を最大車長以上とする設置スペースを確保することが困難な場合がある。そうすると、料金収受設備においては、車種区分を判別するために必要な情報である車軸数を特定することができず、走行する車両の車種区分を詳細に判別することができない。そのため、利用者に対し、十分に細分化された車種区分に応じた料金設定を行うことができない。
本発明は、上記課題に鑑みてなされたものであって、その目的は、十分な設置スペースを確保できない場所にも設置可能で、かつ、走行する車両の車軸数を特定することができる車軸数検出装置、車種判別システム、車軸数検出方法及びプログラムを提供することにある。
本発明の一態様は、車両(A)の進行方向奥側から進行方向手前側に向かって、当該車両のタイヤを含む撮影画像(D)を撮影する撮影装置(10C)から前記撮影画像を取得する画像取得部(101)と、前記画像取得部が取得した前記撮影画像と、車両のタイヤを含む画像であって予め記憶部(106)に記憶された複数の参照画像と、のパターンマッチング処理を行い、前記撮影画像に含まれるタイヤを抽出するタイヤ抽出部(102)と、前記タイヤの抽出結果に基づいて、前記車両の車軸数を特定する車軸数特定部(103)と、を備える車軸数検出装置(100)である。
このようにすることで、車両の運転座席が料金自動収受機に到達する前の段階で、当該車両のタイヤを含む撮影画像を取得できる。したがって、車両の運転座席が料金自動収受機に到達する前の段階において、取得した撮影画像に基づいて車両の車軸数を特定できる。以上より、上述の車軸数検出装置は、十分な設置スペースを確保できない場所にも設置可能で、かつ、走行する車両の車軸数を特定することができる。
このようにすることで、車両の運転座席が料金自動収受機に到達する前の段階で、当該車両のタイヤを含む撮影画像を取得できる。したがって、車両の運転座席が料金自動収受機に到達する前の段階において、取得した撮影画像に基づいて車両の車軸数を特定できる。以上より、上述の車軸数検出装置は、十分な設置スペースを確保できない場所にも設置可能で、かつ、走行する車両の車軸数を特定することができる。
また、本発明の一態様によれば、上述の車軸数検出装置は、前記車両が走行する車線(L)の所定位置に埋設された踏板(10B)を通じて、当該車線を走行する車両による前記踏板の踏み付け回数を取得する踏み付け回数取得部(104)と、前記踏み付け回数取得部が取得した前記踏み付け回数と、前記車軸数特定部が特定した車軸数の特定結果と、に基づいて、前記パターンマッチング処理に用いる判定条件を調整するパターンマッチング処理学習部(105)と、を更に備える。
ここで、撮影画像同士のパターンマッチング処理は、対比する撮影画像によってはタイヤの抽出結果に誤差(誤抽出、抽出抜け)が生じることが想定される。そこで、上記のような構成とすることで、パターンマッチング処理に基づく車軸数の特定結果と実際の車軸数とが一致するように、パターンマッチング処理が最適化されるので、車軸数を一層高精度に特定することができる。
ここで、撮影画像同士のパターンマッチング処理は、対比する撮影画像によってはタイヤの抽出結果に誤差(誤抽出、抽出抜け)が生じることが想定される。そこで、上記のような構成とすることで、パターンマッチング処理に基づく車軸数の特定結果と実際の車軸数とが一致するように、パターンマッチング処理が最適化されるので、車軸数を一層高精度に特定することができる。
また、本発明の一態様によれば、前記画像取得部は、前記車両の車体の車線方向における、異なる一部がそれぞれ撮影された複数の撮影画像を取得し、前記タイヤ抽出部は、複数の撮影画像の各々に含まれる前記タイヤを抽出し、前記車軸数特定部は、複数の前記撮影画像の各々に含まれるタイヤの数を数えるタイヤ計数部(103b)と、一の前記撮影画像に含まれるタイヤと他の前記撮影画像に含まれるタイヤとが同一のタイヤか否かを判定する同一タイヤ判定部(103a)と、を有し、前記タイヤ計数部は、前記同一タイヤ判定部が同一と判定した複数のタイヤについては一のタイヤとみなして前記タイヤの数を数える。
このようにすることで、車両の車体全体が一つの撮影画像の撮影範囲内に収まらないような場合であっても、連続撮影により複数の撮影画像を取得することで、走行中の車両の一方側の側面から視認可能なタイヤ全てを写像として捉えることができる。また、複数の撮影画像に渡って写されたタイヤが同一のタイヤであった場合には、タイヤの数を重複して数えないようにするので、上記タイヤの数を精度よく特定することができる。したがって、車両の一方側の側面から視認できるタイヤの数が当該車両の車軸数に一致することを利用して、当該車両の車軸数を精度よく特定することができる。
このようにすることで、車両の車体全体が一つの撮影画像の撮影範囲内に収まらないような場合であっても、連続撮影により複数の撮影画像を取得することで、走行中の車両の一方側の側面から視認可能なタイヤ全てを写像として捉えることができる。また、複数の撮影画像に渡って写されたタイヤが同一のタイヤであった場合には、タイヤの数を重複して数えないようにするので、上記タイヤの数を精度よく特定することができる。したがって、車両の一方側の側面から視認できるタイヤの数が当該車両の車軸数に一致することを利用して、当該車両の車軸数を精度よく特定することができる。
また、本発明の一態様によれば、前記画像取得部は、前記車両の車体の車線方向における全部が撮影された一つの撮影画像を取得し、前記タイヤ抽出部は、前記一つの撮影画像に含まれる前記タイヤを抽出し、前記車軸数特定部は、前記一つの撮影画像に含まれる全てのタイヤの数を数えるタイヤ計数部を有する。
このようにすることで、一回の撮影で取得された一つの撮影画像のみに基づいて、車両の全てのタイヤの数を特定することができるので、車軸数の特定に要する処理を簡素化、かつ、高速化することができる。
このようにすることで、一回の撮影で取得された一つの撮影画像のみに基づいて、車両の全てのタイヤの数を特定することができるので、車軸数の特定に要する処理を簡素化、かつ、高速化することができる。
また、本発明の一態様によれば、前記タイヤ抽出部は、隣接タイヤ数別に分類された前記参照画像とのパターンマッチング処理を行う。
ここで、取得された撮影画像によっては、隣接して設けられた複数のタイヤを一つ一つ精度よく抽出することが困難となる場合が想定される。そこで、上記のような構成とすることで、隣接して設けられたタイヤ群が写された参照画像とのパターンマッチング処理を経て、取得された撮影画像から当該タイヤ群の抽出を行うことができる。したがって、隣接して設けられたタイヤ群を、撮影画像から精度よく抽出することができる。
ここで、取得された撮影画像によっては、隣接して設けられた複数のタイヤを一つ一つ精度よく抽出することが困難となる場合が想定される。そこで、上記のような構成とすることで、隣接して設けられたタイヤ群が写された参照画像とのパターンマッチング処理を経て、取得された撮影画像から当該タイヤ群の抽出を行うことができる。したがって、隣接して設けられたタイヤ群を、撮影画像から精度よく抽出することができる。
また、本発明の一態様によれば、前記画像取得部は、車線方向に視野を拡大可能な光学素子(10C3)を有して前記車両の車体の車線方向における全部が含まれる範囲を撮影可能とされた前記撮影装置から前記撮影画像を取得する。
このようにすることで、上記光学素子に対し一般的なカメラを組み合わせて用いることができるので、特殊な仕様のカメラを用いない簡素な構成とすることができる。
このようにすることで、上記光学素子に対し一般的なカメラを組み合わせて用いることができるので、特殊な仕様のカメラを用いない簡素な構成とすることができる。
また、本発明の一態様によれば、前記タイヤ抽出部は、シングルタイヤかダブルタイヤかの構成別に分類された前記参照画像とのパターンマッチング処理を行う。
このようにすることで、パターンマッチング処理において、シングルタイヤ、ダブルタイヤのいずれの分類に属する参照画像に基づいて抽出されたタイヤかを参照することで、車両の車軸数ばかりでなく、当該車両のタイヤの構成がシングルタイヤかダブルタイヤかを判別することができる。
このようにすることで、パターンマッチング処理において、シングルタイヤ、ダブルタイヤのいずれの分類に属する参照画像に基づいて抽出されたタイヤかを参照することで、車両の車軸数ばかりでなく、当該車両のタイヤの構成がシングルタイヤかダブルタイヤかを判別することができる。
また、本発明の一態様は、上述の車軸数検出装置と、前記車軸数検出装置が検出した車軸数に基づいて、前記車両の車種区分を判別する車種区分判別部(11)と、を備える車種判別システム(10)である。
また、本発明の一態様は、車両の進行方向奥側から進行方向手前側に向かって、当該車両のタイヤを含む撮影画像を撮影する撮影装置から前記撮影画像を取得するステップと、取得した前記撮影画像と、車両のタイヤを含む画像であって予め記憶部に記憶された複数の参照画像と、のパターンマッチング処理を行い、前記撮影画像に含まれるタイヤを抽出するステップと、前記タイヤの抽出結果に基づいて、前記車両の車軸数を特定するステップと、を有する車軸数検出方法である。
また、本発明の一態様は、車軸数検出装置のコンピュータを、車両の進行方向奥側から進行方向手前側に向かって、当該車両のタイヤを含む撮影画像を撮影する撮影装置から前記撮影画像を取得する画像取得手段、前記画像取得手段が取得した前記撮影画像と、車両のタイヤを含む画像であって予め記憶部に記憶された複数の参照画像と、のパターンマッチング処理を行い、前記撮影画像に含まれるタイヤを抽出するタイヤ抽出手段、前記タイヤの抽出結果に基づいて、前記車両の車軸数を特定する車軸数特定手段、として機能させるプログラムである。
上述の車軸数検出装置、車種判別システム、車軸数検出方法及びプログラムによれば、十分な設置スペースを確保できない場所にも設置可能で、かつ、走行する車両の車軸数を特定することができる。
<第1の実施形態>
以下、第1の実施形態に係る車種判別システムについて、図1~図7を参照ながら説明する。
以下、第1の実施形態に係る車種判別システムについて、図1~図7を参照ながら説明する。
(全体構成)
図1は、第1の実施形態に係る料金収受設備の全体構成を示す図である。
第1の実施形態に係る料金収受設備1は、有料道路である高速道路の出口料金所(料金形式によっては入口料金所)に設けられ、高速道路の利用者から、当該利用者が乗車する車両Aの車種区分に応じた額の料金の収受を行うための設備である。
図1に示す例では、高速道路の利用者が乗車する車両Aは、出口料金所に設けられた料金収受設備1において高速道路側から一般道路側へと通じる車線Lを走行している。車線Lの両側にはアイランドIが敷設されており、料金収受設備1を構成する各種装置が設置されている。
以下、車線Lが延在する方向(図1における±X方向)を「車線方向」と記載し、また、車線Lの車線方向における高速道路側(図1における+X方向側)を「上流側」、又は、車両Aの「進行方向手前側」とも記載する。また、車線Lの車線方向における一般道路側(図1における-X方向側)を「下流側」、又は、車両Aの「進行方向奥側」とも記載する。
図1は、第1の実施形態に係る料金収受設備の全体構成を示す図である。
第1の実施形態に係る料金収受設備1は、有料道路である高速道路の出口料金所(料金形式によっては入口料金所)に設けられ、高速道路の利用者から、当該利用者が乗車する車両Aの車種区分に応じた額の料金の収受を行うための設備である。
図1に示す例では、高速道路の利用者が乗車する車両Aは、出口料金所に設けられた料金収受設備1において高速道路側から一般道路側へと通じる車線Lを走行している。車線Lの両側にはアイランドIが敷設されており、料金収受設備1を構成する各種装置が設置されている。
以下、車線Lが延在する方向(図1における±X方向)を「車線方向」と記載し、また、車線Lの車線方向における高速道路側(図1における+X方向側)を「上流側」、又は、車両Aの「進行方向手前側」とも記載する。また、車線Lの車線方向における一般道路側(図1における-X方向側)を「下流側」、又は、車両Aの「進行方向奥側」とも記載する。
図1に示すように、料金収受設備1は、車種判別システム10と、料金自動収受機20と、発進制御機40と、発進側車両検知器50と、を備えている。
車種判別システム10は、車線Lを走行する車両Aの車種区分(例えば、「軽自動車」、「普通車」、「中型車」、「大型車」及び「特大車」等の区分)を判別する装置である。
車種判別システム10は、車線Lの上流側に設けられ、アイランドI上に設けられた各種検出センサ(進入側車両検知器10A、撮影装置10C)と、車線Lの路面上に埋設された踏板(踏板10B)と、を有してなる。
車種判別システム10は、車線Lを走行する車両Aの車種区分(例えば、「軽自動車」、「普通車」、「中型車」、「大型車」及び「特大車」等の区分)を判別する装置である。
車種判別システム10は、車線Lの上流側に設けられ、アイランドI上に設けられた各種検出センサ(進入側車両検知器10A、撮影装置10C)と、車線Lの路面上に埋設された踏板(踏板10B)と、を有してなる。
料金自動収受機20は、車線Lを走行する車両Aの運転者等(利用者)に課金額等を提示して、料金収受処理を行う機械である。料金自動収受機20の前面(車線L側を向く面)には、課金額を提示するディスプレイや紙幣、硬貨又はクレジットカード等を受け付ける受け付け口等が設けられている。
料金自動収受機20は、車種判別システム10の下流側におけるアイランドI上に設けられ、車種判別システム10によって判別された車両Aの車種区分に応じた金額を課金する。
料金自動収受機20は、車種判別システム10の下流側におけるアイランドI上に設けられ、車種判別システム10によって判別された車両Aの車種区分に応じた金額を課金する。
発進制御機40は、料金自動収受機20の下流側に設けられ、車線Lを走行する車両Aの発進の制御を行う装置である。例えば、発進制御機40は、車線Lに進入した車両Aの運転者等が、料金自動収受機20を通じて必要な金額の支払いを完了するまで車両Aを発進させないように車線Lを閉塞する。また、支払いが完了した際には、車両Aを退出すべく、車線Lを開放する。
発進側車両検知器50は、車線Lの最も下流側に設けられ、車両Aの料金収受設備1からの退出を検知する。
図1に示すように、車種判別システム10は、進入側車両検知器10Aと、踏板10Bと、撮影装置10Cと、主制御装置10Dと、を備えている。
進入側車両検知器10Aは、アイランドI上に設けられ、車線Lを車線幅方向(±Y方向)に挟んで対向する投光塔及び受光塔を通じて、車線Lを走行する車両A(車体)の存在の有無を判別し、車両A一台分の通過(進入)を検出する。
踏板10Bは、車線Lの路面上において車線幅方向に伸びるように配置され、内部に仕込まれた通電センサを通じて走行する車両Aのタイヤによる踏み付けを検出する。ここで、進入側車両検知器10Aと踏板10Bとの車線方向(±X方向)における位置は同じとされている。これにより、進入側車両検知器10Aによって車両Aの通過が検知されている最中における、踏板10Bの踏み付け回数を取得することで、車両Aの車軸数を高精度に検出することができる。
撮影装置10Cは、車線Lの上流側におけるアイランドI上に設けられ、進行方向奥側(-X方向側)から進行方向手前側(+X方向側)に向かって、車線Lを走行する車両Aのタイヤを含む撮影画像を撮影する。即ち、撮影装置10Cは、車線Lを走行する車両Aのタイヤを斜め前方から撮影画像中に捉えることができる。また、撮影装置10Cは、一般的な動画撮影用のビデオカメラ等であってよく、例えば、連続撮影により1秒間に30枚の撮影画像を取得できる。
主制御装置10Dは、車種判別システム10全体の動作を司る。具体的には、主制御装置10Dは、進入側車両検知器10A、踏板10Bからの各種検出信号、及び、撮影装置10Cからの撮影画像等を受け付けるとともに、当該受け付けた各種情報に基づいて、走行する車両Aの車種区分を一意に判別する。
また、主制御装置10Dは、車種区分の判別結果を直ちに料金自動収受機20に通知する。これにより、料金自動収受機20は、車両Aとの料金収受処理において、車種判別システム10によって判別された車種区分に応じた額を課金することができる。
なお、本実施形態において、主制御装置10Dは、車種判別システム10(例えば、図1に示すように、進入側車両検知器10A)に内蔵されている態様で図示しているが、他の実施形態においてはこの態様に限定されない。例えば、他の実施形態においては、主制御装置10DがアイランドI上、又は、遠隔地に設置された車種判別システム10以外の装置に内蔵され、通信ネットワーク等で接続される態様であってもよい。
また、主制御装置10Dは、車種区分の判別結果を直ちに料金自動収受機20に通知する。これにより、料金自動収受機20は、車両Aとの料金収受処理において、車種判別システム10によって判別された車種区分に応じた額を課金することができる。
なお、本実施形態において、主制御装置10Dは、車種判別システム10(例えば、図1に示すように、進入側車両検知器10A)に内蔵されている態様で図示しているが、他の実施形態においてはこの態様に限定されない。例えば、他の実施形態においては、主制御装置10DがアイランドI上、又は、遠隔地に設置された車種判別システム10以外の装置に内蔵され、通信ネットワーク等で接続される態様であってもよい。
図2は、第1の実施形態に係る料金収受設備と車両との位置関係を示す図である。
図2は、車体サイズが大きい車種区分(「大型車」、「特大車」)に属する車両Aが料金収受設備1に進入した場合の例を示している。
図2は、車体サイズが大きい車種区分(「大型車」、「特大車」)に属する車両Aが料金収受設備1に進入した場合の例を示している。
図2に示すように、第1の実施形態に係る料金収受設備1において、料金自動収受機20とその上流側に配置された踏板10Bとの間隔は、間隔d1(例えば、6メートル程度)とされている。ここで、「大型車」(又は「特大車」)である車両Aの車線方向の長さ(車長d2)が、間隔d1よりも大きい場合を考える。
図2に示す例によれば、車長d2(>間隔d1)の車両Aの運転座席(即ち、車両Aの車体の進行方向奥側の端)が料金自動収受機20に到達した段階において、車両Aの車体の進行方向手前側の一部は、踏板10Bの上を通過していない状態にある。そうすると、車種判別システム10は、運転座席に搭乗する運転者から料金自動収受機20を通じて料金の支払いを受け付ける料金収受処理の段階で、踏板10Bの検出結果に基づいては車両Aの車軸数を特定できない。
一方、撮影装置10Cは、アイランドI上において、撮影方向Nが車線Lの下流側から上流側を向き、かつ、車線方向(走行する車両Aの側面)に対し傾斜するように設置されている。これにより、撮影装置10Cは、「大型車」(又は、「特大車」)に属する車両Aの車体のうち、踏板10Bの上を通過していない部分のタイヤを斜め前方から、車両進入時点からの連続撮影で取得した撮影画像(後述)のいずれかで撮影できる。
一方、撮影装置10Cは、アイランドI上において、撮影方向Nが車線Lの下流側から上流側を向き、かつ、車線方向(走行する車両Aの側面)に対し傾斜するように設置されている。これにより、撮影装置10Cは、「大型車」(又は、「特大車」)に属する車両Aの車体のうち、踏板10Bの上を通過していない部分のタイヤを斜め前方から、車両進入時点からの連続撮影で取得した撮影画像(後述)のいずれかで撮影できる。
(車種判別システムの機能構成)
図3は、第1の実施形態に係る車種判別システムの機能構成を示す図である。
図3に示すように、車種判別システム10は、進入側車両検知器10Aと、踏板10Bと、撮影装置10Cと、主制御装置10Dと、を備えている。進入側車両検知器10A、踏板10B及び撮影装置10Cの各種機能及び位置関係については、図1、図2を用いて説明した通りである。
図3は、第1の実施形態に係る車種判別システムの機能構成を示す図である。
図3に示すように、車種判別システム10は、進入側車両検知器10Aと、踏板10Bと、撮影装置10Cと、主制御装置10Dと、を備えている。進入側車両検知器10A、踏板10B及び撮影装置10Cの各種機能及び位置関係については、図1、図2を用いて説明した通りである。
本実施形態に係る主制御装置10Dは、車軸数検出装置100と、車種区分判別部11と、を備えている。
車軸数検出装置100は、撮影装置10Cにより取得される車両Aについての撮影画像に基づいて、当該車両Aの車軸数を検出する。
また、車種区分判別部11は、車軸数検出装置100が検出した車両Aの車軸数に基づいて、当該車両Aの車種区分を判別する。なお、車種区分判別部11は、上記車軸数に加え、例えば、踏板10Bから取得可能なトレッド幅、又は、図1に図示しない車高検知器、車長検知器、ナンバープレート読取機から取得可能な車両Aの車高情報、車長情報、ナンバープレート情報(プレートサイズ、色等)に基づいて、当該車両Aの車種区分を判別するものであってもよい。
車種区分判別部11は、車種区分の判別結果を料金自動収受機20に出力する。車種区分の判別結果を受け付けた料金自動収受機20は、当該車種区分に応じた額の料金の支払いを求める。
車軸数検出装置100は、撮影装置10Cにより取得される車両Aについての撮影画像に基づいて、当該車両Aの車軸数を検出する。
また、車種区分判別部11は、車軸数検出装置100が検出した車両Aの車軸数に基づいて、当該車両Aの車種区分を判別する。なお、車種区分判別部11は、上記車軸数に加え、例えば、踏板10Bから取得可能なトレッド幅、又は、図1に図示しない車高検知器、車長検知器、ナンバープレート読取機から取得可能な車両Aの車高情報、車長情報、ナンバープレート情報(プレートサイズ、色等)に基づいて、当該車両Aの車種区分を判別するものであってもよい。
車種区分判別部11は、車種区分の判別結果を料金自動収受機20に出力する。車種区分の判別結果を受け付けた料金自動収受機20は、当該車種区分に応じた額の料金の支払いを求める。
車軸数検出装置100は、更に、画像取得部101と、タイヤ抽出部102と、車軸数特定部103と、踏み付け回数取得部104と、パターンマッチング処理学習部105と、を備えている。
画像取得部101は、撮影装置10Cが一定のレート(例えば30フレーム/秒)で取得する撮影画像を逐次取得する。
タイヤ抽出部102は、画像取得部101が取得した撮影画像と、走行する車両のタイヤを含む画像であって予め記憶部106に記憶された複数の参照画像と、のパターンマッチング処理を行い、上記撮影画像に含まれるタイヤを抽出する。
車軸数特定部103は、タイヤ抽出部102によるタイヤの抽出結果に基づいて、車両Aの車軸数を特定する。具体的には、車軸数特定部103は、車両Aについて撮影された複数の撮影画像の各々に含まれるタイヤの数を数えることで、車両Aの車軸数を特定する。ここで、車軸数特定部103は、車両Aの一方側の側面(例えば、図1における-Y方向側の側面)から視認できるタイヤの数は、当該車両Aの車軸数に一致することを利用している。
踏み付け回数取得部104は、車線L上の所定位置(進入側車両検知器10A(図1)と同じ位置)に埋設された踏板10Bを通じて、車両Aによる踏板10Bの踏み付け回数を取得する。具体的には、踏み付け回数取得部104は、進入側車両検知器10Aによる車両Aの通過が検知されている間における、踏板10Bの踏み付け回数をカウントする。踏み付け回数取得部104が取得した踏み付け回数は、車両Aの実際の車軸数を示す検出値となる。
画像取得部101は、撮影装置10Cが一定のレート(例えば30フレーム/秒)で取得する撮影画像を逐次取得する。
タイヤ抽出部102は、画像取得部101が取得した撮影画像と、走行する車両のタイヤを含む画像であって予め記憶部106に記憶された複数の参照画像と、のパターンマッチング処理を行い、上記撮影画像に含まれるタイヤを抽出する。
車軸数特定部103は、タイヤ抽出部102によるタイヤの抽出結果に基づいて、車両Aの車軸数を特定する。具体的には、車軸数特定部103は、車両Aについて撮影された複数の撮影画像の各々に含まれるタイヤの数を数えることで、車両Aの車軸数を特定する。ここで、車軸数特定部103は、車両Aの一方側の側面(例えば、図1における-Y方向側の側面)から視認できるタイヤの数は、当該車両Aの車軸数に一致することを利用している。
踏み付け回数取得部104は、車線L上の所定位置(進入側車両検知器10A(図1)と同じ位置)に埋設された踏板10Bを通じて、車両Aによる踏板10Bの踏み付け回数を取得する。具体的には、踏み付け回数取得部104は、進入側車両検知器10Aによる車両Aの通過が検知されている間における、踏板10Bの踏み付け回数をカウントする。踏み付け回数取得部104が取得した踏み付け回数は、車両Aの実際の車軸数を示す検出値となる。
また、第1の実施形態に係る車軸数特定部103は、同一タイヤ判定部103aと、タイヤ計数部103bと、を備えている。
同一タイヤ判定部103aは、一定のレート(30フレーム/秒)で取得される複数の撮影画像のうち一の撮影画像に含まれる車両Aのタイヤと、他の撮影画像に含まれる車両Aのタイヤと、が同一のタイヤか否かを判定する。
タイヤ計数部103bは、複数の撮影画像の各々に含まれるタイヤの数を数える。この場合において、タイヤ計数部103bは、同一タイヤ判定部103aが同一と判定した複数のタイヤについては一のタイヤとみなしてタイヤの数を数える。
同一タイヤ判定部103aは、一定のレート(30フレーム/秒)で取得される複数の撮影画像のうち一の撮影画像に含まれる車両Aのタイヤと、他の撮影画像に含まれる車両Aのタイヤと、が同一のタイヤか否かを判定する。
タイヤ計数部103bは、複数の撮影画像の各々に含まれるタイヤの数を数える。この場合において、タイヤ計数部103bは、同一タイヤ判定部103aが同一と判定した複数のタイヤについては一のタイヤとみなしてタイヤの数を数える。
以下、図3に示した車種判別システム10の各種機能構成について、より詳細に説明する。
(タイヤ抽出部の機能)
図4、図5は、それぞれ、第1の実施形態に係るタイヤ抽出部の機能を説明する第1の図、第2の図である。
画像取得部101は、撮影装置10Cによる30フレーム/秒の連続撮影の中で、車両Aの車体の車線方向における、異なる一部(車線方向に関して位置が異なる部分)がそれぞれ撮影された複数の撮影画像を取得する(本実施形態においては、各撮影画像には、車両Aの車体のうち互いに重複する部分が含まれているものとする)。例えば、画像取得部101は、図4に示すような車両Aの一部が撮影された撮影画像Dを取得する。
図4に示すように、撮影画像Dには、「特大車」に属する車両A(図1、図2)の車体の一部を進行方向奥側から進行方向手前側に向かって斜めから見た様子が写されている。タイヤ抽出部102は、撮影画像Dと予め記憶部106に記憶された複数の参照画像Drefとのパターンマッチング処理を行い、車両Aのタイヤ及びその周辺の車体の一部を含むタイヤ含有画像Tを抽出する。
図4、図5は、それぞれ、第1の実施形態に係るタイヤ抽出部の機能を説明する第1の図、第2の図である。
画像取得部101は、撮影装置10Cによる30フレーム/秒の連続撮影の中で、車両Aの車体の車線方向における、異なる一部(車線方向に関して位置が異なる部分)がそれぞれ撮影された複数の撮影画像を取得する(本実施形態においては、各撮影画像には、車両Aの車体のうち互いに重複する部分が含まれているものとする)。例えば、画像取得部101は、図4に示すような車両Aの一部が撮影された撮影画像Dを取得する。
図4に示すように、撮影画像Dには、「特大車」に属する車両A(図1、図2)の車体の一部を進行方向奥側から進行方向手前側に向かって斜めから見た様子が写されている。タイヤ抽出部102は、撮影画像Dと予め記憶部106に記憶された複数の参照画像Drefとのパターンマッチング処理を行い、車両Aのタイヤ及びその周辺の車体の一部を含むタイヤ含有画像Tを抽出する。
図5に示すように、記憶部106には、複数の参照画像Drefが予め記憶されている。参照画像Drefは、撮影装置10Cと同様の撮影方向、撮影条件で複数種類の車両別に撮影された複数の撮影画像であって、少なくとも各車両のタイヤ及びその周辺の車体の一部を含む画像である。
また、複数の参照画像Drefは、記憶部106において、車両の車体におけるタイヤの取り付け位置別(「1軸目」か「2軸目以降」か)、及び、タイヤの構成別(「シングルタイヤ」か「ダブルタイヤ」か)に予め分類されて記憶されている。
また、複数の参照画像Drefは、記憶部106において、車両の車体におけるタイヤの取り付け位置別(「1軸目」か「2軸目以降」か)、及び、タイヤの構成別(「シングルタイヤ」か「ダブルタイヤ」か)に予め分類されて記憶されている。
タイヤ抽出部102は、撮影画像D(図4)と複数の参照画像Dref(図5)とのパターンマッチング処理を行う。タイヤ抽出部102が行うパターンマッチング処理は、各参照画像Drefをテンプレートとし、撮影画像Dの中から当該テンプレート(参照画像Dref)との「一致度」が高い(所定の判定閾値TH(後述)以上となる)領域を抽出する、一般的な画像識別技術に基づくものであってよい。
具体的には、一の分類に属する複数の参照画像Drefの各画像上に示された共通する特徴(例えば、「タイヤ」の写像として共通する輪状の図形等)と類似する特徴を有する領域を、撮影画像Dの中から探索する。その際、各々の類似の度合いを「一致度」として数値化し、撮影画像Dのうち当該一致度が所定の判定閾値以上となる領域を抽出する。
タイヤ抽出部102は、撮影画像Dのうち上記のように分類された参照画像Drefを通じて一致度が高い領域をタイヤ含有画像Tとして抽出する。
具体的には、一の分類に属する複数の参照画像Drefの各画像上に示された共通する特徴(例えば、「タイヤ」の写像として共通する輪状の図形等)と類似する特徴を有する領域を、撮影画像Dの中から探索する。その際、各々の類似の度合いを「一致度」として数値化し、撮影画像Dのうち当該一致度が所定の判定閾値以上となる領域を抽出する。
タイヤ抽出部102は、撮影画像Dのうち上記のように分類された参照画像Drefを通じて一致度が高い領域をタイヤ含有画像Tとして抽出する。
なお、タイヤ抽出部102は、タイヤの取り付け位置別、及び、タイヤの構成別に分類された参照画像Drefのうち、いずれの分類に属する参照画像Drefに基づいてタイヤ含有画像Tを抽出したか、に基づいて、当該タイヤ含有画像Tに含まれるタイヤの取り付け位置及び構成(シングルタイヤかダブルタイヤか)を特定することができる。
(車軸数特定部の機能)
図6は、第1の実施形態に係る車軸数特定部の機能を説明する図である。
タイヤ抽出部102は、画像取得部101により取得された複数の撮影画像D(D0、D1、・・・)の各々に対して上述したパターンマッチング処理を行い、複数のタイヤ含有画像Tを抽出する。
そして、車軸数特定部103の同一タイヤ判定部103aは、複数の撮影画像Dから抽出されたタイヤ含有画像Tの各々に含まれる複数のタイヤが、同一のタイヤか否かを判定する。
以下、同一タイヤ判定部103aの機能について、図6を参照しながら順を追って説明する。
図6は、第1の実施形態に係る車軸数特定部の機能を説明する図である。
タイヤ抽出部102は、画像取得部101により取得された複数の撮影画像D(D0、D1、・・・)の各々に対して上述したパターンマッチング処理を行い、複数のタイヤ含有画像Tを抽出する。
そして、車軸数特定部103の同一タイヤ判定部103aは、複数の撮影画像Dから抽出されたタイヤ含有画像Tの各々に含まれる複数のタイヤが、同一のタイヤか否かを判定する。
以下、同一タイヤ判定部103aの機能について、図6を参照しながら順を追って説明する。
撮影画像D0は、車線Lを走行する車両Aが撮影装置10Cの撮影範囲内に入った直後に取得された撮影画像である。図6に示すように、撮影画像D0には、車両Aの車体前方端(-X方向側の端)の一部が含まれているが、車両Aのタイヤ全体は含まれていない。したがって、タイヤ抽出部102は、撮影画像D0に対するパターンマッチング処理の結果、当該撮影画像D0からタイヤ含有画像Tを抽出しない。したがって、この時点では、タイヤの数はカウントされない。
撮影画像D1は、撮影画像D0が取得された段階から車両Aが進行方向奥側に更に走行した所定時間経過後に取得された撮影画像である。図6に示すように、撮影画像D1には、車両Aの1軸目のタイヤ全体が含まれている。したがって、タイヤ抽出部102は、撮影画像D1に対するパターンマッチング処理の結果、当該撮影画像D1から1軸目のタイヤを含むタイヤ含有画像T11を抽出する。
ここで、タイヤ含有画像T11に含まれるタイヤは、走行する車両Aについて、タイヤ抽出部102によって初めて抽出されたタイヤである。したがって、タイヤ計数部103bは、タイヤ抽出部102の抽出結果であるタイヤ含有画像T11に基づいて、車両Aの1軸目のタイヤをカウントする。
ここで、タイヤ含有画像T11に含まれるタイヤは、走行する車両Aについて、タイヤ抽出部102によって初めて抽出されたタイヤである。したがって、タイヤ計数部103bは、タイヤ抽出部102の抽出結果であるタイヤ含有画像T11に基づいて、車両Aの1軸目のタイヤをカウントする。
撮影画像D2は、撮影画像D1が取得された段階から更に所定時間経過後に取得された撮影画像である。図6に示すように、撮影画像D2には、撮影画像D1と同じ車両Aの1軸目のタイヤ全体(及び、2軸目のタイヤの一部)が含まれている。したがって、タイヤ抽出部102は、撮影画像D2に対するパターンマッチング処理の結果、当該撮影画像D2から1軸目のタイヤを含むタイヤ含有画像T21を抽出する(2軸目のタイヤは一部欠けているため抽出されない)。
ここで、同一タイヤ判定部103aは、前回取得した撮影画像D1から抽出されたタイヤ含有画像T11と、今回新たに取得した撮影画像D2から抽出されたタイヤ含有画像T21と、の各々に含まれるタイヤが同一のタイヤか否かを判定する。
ここで、同一タイヤ判定部103aは、前回取得した撮影画像D1から抽出されたタイヤ含有画像T11と、今回新たに取得した撮影画像D2から抽出されたタイヤ含有画像T21と、の各々に含まれるタイヤが同一のタイヤか否かを判定する。
具体的には、同一タイヤ判定部103aは、タイヤ含有画像T21が抽出された時点で、撮影画像D1から抽出されたタイヤ含有画像T11と、撮影画像D2から抽出されたT21と、の一致度を算出する。
各タイヤの周辺の車体を含むタイヤ含有画像T11とタイヤ含有画像T21との一致度が所定の判定閾値以上となる場合には、同一タイヤ判定部103aは、タイヤ含有画像T11、タイヤ含有画像T21の各々に含まれる各タイヤが同一のタイヤであると判定する。ここで、タイヤ含有画像T11、タイヤ含有画像T21の各々に含まれるタイヤは、実際には、いずれも車両Aの1軸目のタイヤ(同一のタイヤ)である。したがって、タイヤ含有画像T11とタイヤ含有画像T21との一致度は判定閾値以上となり、その結果、同一タイヤ判定部103aは、タイヤ含有画像T11とタイヤ含有画像T21との各々に含まれるタイヤが同一であると判定する。
各タイヤの周辺の車体を含むタイヤ含有画像T11とタイヤ含有画像T21との一致度が所定の判定閾値以上となる場合には、同一タイヤ判定部103aは、タイヤ含有画像T11、タイヤ含有画像T21の各々に含まれる各タイヤが同一のタイヤであると判定する。ここで、タイヤ含有画像T11、タイヤ含有画像T21の各々に含まれるタイヤは、実際には、いずれも車両Aの1軸目のタイヤ(同一のタイヤ)である。したがって、タイヤ含有画像T11とタイヤ含有画像T21との一致度は判定閾値以上となり、その結果、同一タイヤ判定部103aは、タイヤ含有画像T11とタイヤ含有画像T21との各々に含まれるタイヤが同一であると判定する。
タイヤ計数部103bは、タイヤ含有画像T21に含まれるタイヤが既に計数済みのタイヤ(タイヤ含有画像T11に含まれるタイヤ)と同一のタイヤであるものとみなし、タイヤ含有画像T21に基づいて車両Aのタイヤの数をカウントしない。
撮影画像D3は、撮影画像D2が取得された段階から更に所定時間経過後に取得された撮影画像である。図6に示すように、撮影画像D3には、撮影画像D1、D2と同じ車両Aの1軸目のタイヤ全体と、2軸目のタイヤ全体と、が含まれている。したがって、タイヤ抽出部102は、パターンマッチング処理の結果、撮影画像D3から、1軸目のタイヤ、2軸目のタイヤの各々に対応する2つのタイヤ含有画像T31、T32を抽出する。
同一タイヤ判定部103aは、タイヤ含有画像T31、T32が抽出された時点で、前回取得した撮影画像D2から抽出されたタイヤ含有画像T21と、今回新たに取得した撮影画像D3から抽出されたT31、T32と、の一致度を算出する。
ここで、タイヤ含有画像T21、タイヤ含有画像T31の各々に含まれるタイヤは、いずれも車両Aの1軸目のタイヤ(同一のタイヤ)である。したがって、タイヤ含有画像T21とタイヤ含有画像T31との一致度は判定閾値以上となり、その結果、同一タイヤ判定部103aは、タイヤ含有画像T21とタイヤ含有画像T31との各々に含まれるタイヤが同一であると判定する。
一方、タイヤ含有画像T32に含まれるタイヤは、車両Aの2軸目のタイヤ(タイヤ含有画像T21に含まれるタイヤとは別のタイヤ)である。したがって、タイヤ含有画像T21とタイヤ含有画像T32との一致度は判定閾値未満となり、その結果、同一タイヤ判定部103aは、タイヤ含有画像T21とタイヤ含有画像T32との各々に含まれるタイヤは同一ではないと判定する。
ここで、タイヤ含有画像T21、タイヤ含有画像T31の各々に含まれるタイヤは、いずれも車両Aの1軸目のタイヤ(同一のタイヤ)である。したがって、タイヤ含有画像T21とタイヤ含有画像T31との一致度は判定閾値以上となり、その結果、同一タイヤ判定部103aは、タイヤ含有画像T21とタイヤ含有画像T31との各々に含まれるタイヤが同一であると判定する。
一方、タイヤ含有画像T32に含まれるタイヤは、車両Aの2軸目のタイヤ(タイヤ含有画像T21に含まれるタイヤとは別のタイヤ)である。したがって、タイヤ含有画像T21とタイヤ含有画像T32との一致度は判定閾値未満となり、その結果、同一タイヤ判定部103aは、タイヤ含有画像T21とタイヤ含有画像T32との各々に含まれるタイヤは同一ではないと判定する。
タイヤ計数部103bは、タイヤ含有画像T31に含まれるタイヤが既に計数済みのタイヤ(タイヤ含有画像T21に含まれるタイヤ)と同一のタイヤであるものとみなし、タイヤ含有画像T31に基づいて車両Aのタイヤの数をカウントしない。
一方、タイヤ含有画像T32に含まれるタイヤは、これまでに取得された撮影画像D0~D2に含まれるタイヤとは異なる新たなタイヤである。したがって、タイヤ計数部103bは、タイヤ抽出部102の抽出結果であるタイヤ含有画像T32に基づいて、車両Aの2軸目のタイヤをカウントする。
一方、タイヤ含有画像T32に含まれるタイヤは、これまでに取得された撮影画像D0~D2に含まれるタイヤとは異なる新たなタイヤである。したがって、タイヤ計数部103bは、タイヤ抽出部102の抽出結果であるタイヤ含有画像T32に基づいて、車両Aの2軸目のタイヤをカウントする。
撮影画像D4は、撮影画像D3が取得された段階から更に所定時間経過後に取得された撮影画像である。図6に示すように、撮影画像D4には、2軸目のタイヤ全体と、3軸目のタイヤ全体と、が含まれている。なお、この段階では、車両Aの1軸目のタイヤは撮影装置10Cの撮影範囲から外れている。したがって、タイヤ抽出部102は、パターンマッチング処理の結果、撮影画像D4から、2軸目のタイヤ、3軸目のタイヤの各々に対応する2つのタイヤ含有画像T41、T42を抽出する。
同一タイヤ判定部103aは、タイヤ含有画像T41、T42が抽出された時点で、前回取得した撮影画像D3から抽出されたタイヤ含有画像T31、T32と、今回新たに取得した撮影画像D4から抽出されたタイヤ含有画像T41、T42と、の各組み合わせ別の一致度を算出する。
その結果、タイヤ含有画像T31と、タイヤ含有画像T41、T42と、の一致度はいずれも判定閾値未満となり、同一タイヤ判定部103aは、タイヤ含有画像T31に含まれるタイヤと、タイヤ含有画像T41、T42の各々に含まれるタイヤと、が同一ではないと判定する。
更に、タイヤ含有画像T32とタイヤ含有画像T41との一致度は判定閾値以上、タイヤ含有画像T32とタイヤ含有画像T42との一致度は判定閾値未満となる。したがって、同一タイヤ判定部103aは、タイヤ含有画像T32に含まれるタイヤとタイヤ含有画像T41に含まれるタイヤとは同一であり、かつ、タイヤ含有画像T32に含まれるタイヤとタイヤ含有画像T42に含まれるタイヤとは同一ではないと判定する。
その結果、タイヤ含有画像T31と、タイヤ含有画像T41、T42と、の一致度はいずれも判定閾値未満となり、同一タイヤ判定部103aは、タイヤ含有画像T31に含まれるタイヤと、タイヤ含有画像T41、T42の各々に含まれるタイヤと、が同一ではないと判定する。
更に、タイヤ含有画像T32とタイヤ含有画像T41との一致度は判定閾値以上、タイヤ含有画像T32とタイヤ含有画像T42との一致度は判定閾値未満となる。したがって、同一タイヤ判定部103aは、タイヤ含有画像T32に含まれるタイヤとタイヤ含有画像T41に含まれるタイヤとは同一であり、かつ、タイヤ含有画像T32に含まれるタイヤとタイヤ含有画像T42に含まれるタイヤとは同一ではないと判定する。
タイヤ計数部103bは、タイヤ含有画像T41に含まれるタイヤが既に計数済みのタイヤ(タイヤ含有画像T32に含まれるタイヤ)と同一のタイヤであるものとみなし、タイヤ含有画像T41に基づいて車両Aのタイヤの数をカウントしない。
一方、タイヤ含有画像T42に含まれるタイヤは、これまでに取得された撮影画像D0~D3に含まれるタイヤとは異なる新たなタイヤである。したがって、タイヤ計数部103bは、タイヤ抽出部102の抽出結果であるタイヤ含有画像T42に基づいて、車両Aの3軸目のタイヤをカウントする。
一方、タイヤ含有画像T42に含まれるタイヤは、これまでに取得された撮影画像D0~D3に含まれるタイヤとは異なる新たなタイヤである。したがって、タイヤ計数部103bは、タイヤ抽出部102の抽出結果であるタイヤ含有画像T42に基づいて、車両Aの3軸目のタイヤをカウントする。
同一タイヤ判定部103a及びタイヤ計数部103bは、以上の処理を、車両Aの走行中に取得される一連の撮影画像D(D0、D1、D2、・・・)の全てについて実行することで、車両Aの車軸数を特定することができる。
車軸数特定部103は、車両Aについての車軸数の特定結果、及び、各タイヤの構成(シングルタイヤかダブルタイヤか)についての情報を、車種区分判別部11に出力する。車種区分判別部11は、車軸数特定部103から取得した各種情報(車軸数等)に基づいて、車両Aの車種区分を判別し、当該判別の結果を料金自動収受機20に出力する。
なお、上述したように、撮影装置10Cは、走行する車両Aの車体後端を撮影できるような視野を確保すべく、車線Lの下流側から上流側に向けて、車線方向に対し傾斜する方向から撮影するものとしている(図2参照)。そうすると、同一のタイヤであっても、取得された撮影画像Dにおける左側の領域(撮影装置10Cと撮影対象との距離が近い側)で写された写像と、撮影画像Dにおける右側の領域(撮影装置10Cと撮影対象との距離が遠い側)で写された写像と、でタイヤの写像のサイズが異なる。
そこで、同一タイヤ判定部103aは、複数のタイヤ含有画像Tに含まれる各タイヤが同一のタイヤか否かを判定するにあたり、抽出された各タイヤ含有画像Tが存在する撮影画像D上の位置に応じて当該タイヤ含有画像Tのサイズを調整する(正規化する)処理を行った後で、一致度を算出する。
このようにすることで、撮影画像D上の位置(領域)に応じたタイヤの写像サイズの変動成分が排されるため、複数の撮影画像Dに含まれるタイヤが同一のタイヤか否か、をより精度よく判定することができる。
そこで、同一タイヤ判定部103aは、複数のタイヤ含有画像Tに含まれる各タイヤが同一のタイヤか否かを判定するにあたり、抽出された各タイヤ含有画像Tが存在する撮影画像D上の位置に応じて当該タイヤ含有画像Tのサイズを調整する(正規化する)処理を行った後で、一致度を算出する。
このようにすることで、撮影画像D上の位置(領域)に応じたタイヤの写像サイズの変動成分が排されるため、複数の撮影画像Dに含まれるタイヤが同一のタイヤか否か、をより精度よく判定することができる。
なお、同一タイヤ判定部103aの処理は、上記態様には限定されない。例えば、他の実施形態に係る同一タイヤ判定部103は、撮影装置10Cが30フレーム/秒のフレームレートで連続撮像することで取得された複数の撮影画像Dのうち、一のフレームに取得された撮影画像Dとその次のフレームに取得された撮影画像Dとを比較し、各々から抽出されたタイヤ含有画像Tの画像上の位置が重なっている場合は、当該タイヤ含有画像Tに含まれる各タイヤが同一のタイヤである、と判定するようにしてもよい。
(パターンマッチング処理学習部の機能)
図7は、第1の実施形態に係るパターンマッチング処理学習部の機能を説明する図である。
図7に示すグラフは、タイヤ抽出部102のパターンマッチング処理により算出された、撮影画像D(図4)と参照画像Dref(図5)との一致度(縦軸)を、連続して取得された複数の撮影画像Dの各々(横軸)について示している。
図7は、第1の実施形態に係るパターンマッチング処理学習部の機能を説明する図である。
図7に示すグラフは、タイヤ抽出部102のパターンマッチング処理により算出された、撮影画像D(図4)と参照画像Dref(図5)との一致度(縦軸)を、連続して取得された複数の撮影画像Dの各々(横軸)について示している。
パターンマッチング処理学習部105は、踏み付け回数取得部104が取得した踏み付け回数と、車軸数特定部103が特定した車両Aの車軸数の特定結果と、に基づいて、タイヤ抽出部102のパターンマッチング処理に用いる判定条件を調整する。
ここで、まず図2を参照しながら、「大型車」(又は、「特大車」)に属する車両Aが料金収受設備1に進入した場合における車種判別システム10の処理の流れを説明する。
上述したように、車両Aの運転座席が料金自動収受機20に到達した段階において、車両Aの車体の進行方向手前側の一部は、踏板10Bの上を通過していない状態にある。しかし、撮影装置10Cは、踏板10Bよりも上流側(進行方向手前側)の所定範囲を撮影可能に設けられているので、画像取得部101は、踏板10B上を通過する前のタイヤを含む撮影画像を取得できる。したがって、同段階において、車軸数特定部103は、取得された撮影画像に基づいて車両Aの車軸数を特定でき、また、車種区分判別部11は、当該特定された車軸数に基づいて車両Aの車種区分を判別できる。
上述したように、車両Aの運転座席が料金自動収受機20に到達した段階において、車両Aの車体の進行方向手前側の一部は、踏板10Bの上を通過していない状態にある。しかし、撮影装置10Cは、踏板10Bよりも上流側(進行方向手前側)の所定範囲を撮影可能に設けられているので、画像取得部101は、踏板10B上を通過する前のタイヤを含む撮影画像を取得できる。したがって、同段階において、車軸数特定部103は、取得された撮影画像に基づいて車両Aの車軸数を特定でき、また、車種区分判別部11は、当該特定された車軸数に基づいて車両Aの車種区分を判別できる。
料金自動収受機20による料金収受処理が完了した後、車両Aは、料金収受設備1から退出すべく、車線Lの下流側(進行方向奥側)に向かって走行する。ここで、踏み付け回数取得部104は、料金収受処理完了後における車両Aの進行方向奥側への走行の際、車両Aの車体後方端(+X方向側の端)が進入側車両検知器10Aを通過し終わるまでの間に踏板10Bが踏み付けられた回数を取得する。即ち、踏み付け回数取得部104は、料金自動収受機20による料金収受処理の完了後において、車両Aの実際の車軸数を示す検出値である踏板10Bの踏み付け回数を取得する。
ここで、パターンマッチング処理学習部105は、車軸数特定部103が特定した車軸数の特定結果(即ち、パターンマッチング処理に基づいて取得された車軸数の特定結果)と、車両Aの車体後端が進入側車両検知器10Aを退出した後に取得された踏み付け回数(即ち、車両Aの実際の車軸数)と、を比較する。比較の結果、車軸数特定部103による車軸数の特定結果が、踏み付け回数取得部104による踏み付け回数と一致していた場合には、パターンマッチング処理学習部105は、当該車軸数特定部103による車軸数の特定結果が正しく、タイヤ抽出部102によるパターンマッチング処理にタイヤの誤抽出又は抽出の抜けが無かったものと判断する。したがって、この場合、パターンマッチング処理学習部105は、タイヤ抽出部102に対し、パターンマッチング処理に用いる判定条件を調整する処理(判定閾値THを変更する処理)を行わない。
一方、上記比較の結果、車軸数特定部103による車軸数の特定結果が、踏み付け回数取得部104による踏み付け回数よりも少なかった場合には、タイヤ抽出部102によるパターンマッチング処理にタイヤの抽出の抜けがあったことが想定される。したがって、この場合、パターンマッチング処理学習部105は、タイヤ抽出部102に対し、パターンマッチング処理に用いる判定条件を調整する。
ここで、例えば、実際の車軸数が“4”である車両Aについての一連の撮影画像D(D0、D1、D2、・・・)に対するパターンマッチング処理の結果、各撮影画像Dと参照画像Drefとの一致度が、図7に示すように算出された場合を考える。
図7によれば、各撮影画像Dに写された車両Aの1軸目、2軸目及び4軸目のタイヤについては参照画像Drefとの一致度が判定閾値THを上回り、車両Aの3軸目のタイヤについては参照画像Drefとの一致度が判定閾値THを下回っている。この場合、タイヤ抽出部102は、各撮影画像Dから、1軸目、2軸目及び4軸目のタイヤを含むタイヤ含有画像T(図4)を抽出するが、3軸目のタイヤを含むタイヤ含有画像Tを抽出しない。その結果、車軸数特定部103は、車両Aの実際の車軸数は“4”であるにもかかわらず車軸数を“3”と特定する。
図7によれば、各撮影画像Dに写された車両Aの1軸目、2軸目及び4軸目のタイヤについては参照画像Drefとの一致度が判定閾値THを上回り、車両Aの3軸目のタイヤについては参照画像Drefとの一致度が判定閾値THを下回っている。この場合、タイヤ抽出部102は、各撮影画像Dから、1軸目、2軸目及び4軸目のタイヤを含むタイヤ含有画像T(図4)を抽出するが、3軸目のタイヤを含むタイヤ含有画像Tを抽出しない。その結果、車軸数特定部103は、車両Aの実際の車軸数は“4”であるにもかかわらず車軸数を“3”と特定する。
一方、パターンマッチング処理学習部105は、車両Aの料金収受設備1からの退出時において、踏み付け回数取得部104を通じて、踏み付け回数“4”を取得する。この時点で、パターンマッチング処理学習部105は、タイヤ抽出部102によるパターンマッチング処理の結果に基づく車軸数の特定結果“3”が、実際の車軸数を示す踏み付け回数“4”よりも小さいことを把握する。この結果を受けて、パターンマッチング処理学習部105は、車両Aについての一連の撮影画像Dの中からタイヤ含有画像Tの抽出抜けが発生しているものと判断し、タイヤ抽出部102によるパターンマッチング処理の判定に用いられる判定閾値THの引き下げを行う。これにより、一連の撮影画像Dの中からタイヤ含有画像Tが抽出されやすくなる(この例では、3軸目のタイヤが正しく抽出されやすくなる)ので、パターンマッチング処理の最適化が図られる。
なお、タイヤ抽出部102によるパターンマッチング処理の結果に基づく車軸数の特定結果が、実際の車軸数(踏み付け回数)よりも大きかった場合には、パターンマッチング処理学習部105は、タイヤ含有画像Tの誤抽出が発生しているものと判断し、パターンマッチング処理の判定に用いられる判定閾値THの引き上げを行う。
なお、タイヤ抽出部102によるパターンマッチング処理の結果に基づく車軸数の特定結果が、実際の車軸数(踏み付け回数)よりも大きかった場合には、パターンマッチング処理学習部105は、タイヤ含有画像Tの誤抽出が発生しているものと判断し、パターンマッチング処理の判定に用いられる判定閾値THの引き上げを行う。
なお、パターンマッチング処理学習部105は、過去に料金収受設備1を走行した複数の車両についての車軸数に関する情報を蓄積し、これらを総合的に考慮して判定閾値THを調整する。具体的には、パターンマッチング処理学習部105は、パターンマッチング処理に基づく車軸数の特定結果と実際の車軸数(踏み付け回数)との相違の度合いを、過去に走行した複数の車両について算出し、蓄積する。そして、パターンマッチング処理学習部105は、パターンマッチング処理に基づく車軸数の特定結果が実際の車軸数(踏み付け回数)を下回る頻度が高い場合には判定閾値THを引き上げる。また、パターンマッチング処理学習部105は、パターンマッチング処理に基づく車軸数の特定結果が実際の車軸数(踏み付け回数)を上回る頻度が高い場合には判定閾値THを引き下げる。
これにより、パターンマッチング処理に基づく車軸数の特定結果が実際の車軸数(踏み付け回数)と異なる度合いが最小となるように、判定閾値THの最適化が図られる。
これにより、パターンマッチング処理に基づく車軸数の特定結果が実際の車軸数(踏み付け回数)と異なる度合いが最小となるように、判定閾値THの最適化が図られる。
また、パターンマッチング処理学習部105は、一致度が低かったタイヤ含有画像T(調整処理前の判定閾値THに満たなかったタイヤ含有画像T)を、新たな参照画像Drefとして記憶部106に追加する処理を行う。このようにすることで、次に同種の車両Aが走行した際に、新たに追加された参照画像Drefとのパターンマッチング処理を通じて、タイヤ含有画像Tを正しく抽出することができる。
このようなパターンマッチング処理学習部105の処理によれば、パターンマッチング処理に用いる参照画像Drefを効率よく収集することができる。
なお、上記「判定条件を調整する」とは、具体的には、「判定閾値THの引き下げ又は引き上げを行う」こと、及び、「一致度が判定閾値THに満たなかったタイヤ含有画像Tを、新たな参照画像Drefとして記憶部106に追加する」ことの少なくとも何れか一方を意味するものとする。
このようなパターンマッチング処理学習部105の処理によれば、パターンマッチング処理に用いる参照画像Drefを効率よく収集することができる。
なお、上記「判定条件を調整する」とは、具体的には、「判定閾値THの引き下げ又は引き上げを行う」こと、及び、「一致度が判定閾値THに満たなかったタイヤ含有画像Tを、新たな参照画像Drefとして記憶部106に追加する」ことの少なくとも何れか一方を意味するものとする。
(作用効果)
以上、第1の実施形態に係る車種判別システム10によれば、画像取得部101は、車両Aの進行方向奥側から進行方向手前側に向かって、車線Lを走行する車両Aのタイヤを含む撮影画像Dを撮影可能な撮影装置10Cから当該撮影画像Dを取得する。また、タイヤ抽出部102は、取得された撮影画像Dと、複数の車両のタイヤを含む画像であって予め記憶部106に記憶された複数の参照画像Drefと、のパターンマッチング処理を行い、撮影画像Dに含まれるタイヤを抽出する。そして、車軸数特定部103は、タイヤ抽出部102によるタイヤの抽出結果に基づいて、車両Aの車軸数を特定する。
以上、第1の実施形態に係る車種判別システム10によれば、画像取得部101は、車両Aの進行方向奥側から進行方向手前側に向かって、車線Lを走行する車両Aのタイヤを含む撮影画像Dを撮影可能な撮影装置10Cから当該撮影画像Dを取得する。また、タイヤ抽出部102は、取得された撮影画像Dと、複数の車両のタイヤを含む画像であって予め記憶部106に記憶された複数の参照画像Drefと、のパターンマッチング処理を行い、撮影画像Dに含まれるタイヤを抽出する。そして、車軸数特定部103は、タイヤ抽出部102によるタイヤの抽出結果に基づいて、車両Aの車軸数を特定する。
このようにすることで、車種判別システム10は、車両Aの運転座席が料金自動収受機20に到達する前の段階で、当該車両Aの車体後方端までのタイヤを含む撮影画像を取得できる。したがって、車両Aの運転座席が料金自動収受機20に到達した段階で、車種判別システム10は、取得された撮影画像に基づいて車両Aの車軸数を特定でき、更に、当該特定された車軸数に基づいて車両Aの車種区分を判別することができる。
また、車種判別システム10は、車両Aが写された撮影画像Dと、予め用意された画像であって複数の車両のタイヤ周辺が写された参照画像Drefと、のパターンマッチング処理に基づいて車両Aのタイヤの数(即ち、車軸数)を特定する。したがって、撮影画像Dから車両Aの車軸数を高精度に特定することができる。
以上より、車種判別システム10は、十分な設置スペースを確保できない場所にも設置可能で、かつ、走行する車両の車種区分を詳細に判別できる。
また、車種判別システム10は、車両Aが写された撮影画像Dと、予め用意された画像であって複数の車両のタイヤ周辺が写された参照画像Drefと、のパターンマッチング処理に基づいて車両Aのタイヤの数(即ち、車軸数)を特定する。したがって、撮影画像Dから車両Aの車軸数を高精度に特定することができる。
以上より、車種判別システム10は、十分な設置スペースを確保できない場所にも設置可能で、かつ、走行する車両の車種区分を詳細に判別できる。
また、第1の実施形態に係る車種判別システム10によれば、踏み付け回数取得部104は、踏板10Bを通じて、車線Lを走行する車両Aによる踏板10Bの踏み付け回数を取得する。そして、パターンマッチング処理学習部105は、取得された踏み付け回数と、車軸数特定部103が特定した車軸数の特定結果と、に基づいて、パターンマッチング処理に用いる判定条件を調整する。
撮影画像同士のパターンマッチング処理は、対比する撮影画像によってはタイヤの抽出結果に誤差(誤抽出、抽出抜け)が生じることが想定される。しかし、このようにすることで、パターンマッチング処理に基づく車軸数の特定結果と実際の車軸数とが一致するように、パターンマッチング処理が最適化されるので、車軸数を一層高精度に特定することができる。
また、第1の実施形態に係る車種判別システム10によれば、車軸数特定部103は、複数の撮影画像Dの各々に含まれるタイヤの数を数えるタイヤ計数部103bと、複数の撮影画像Dのうち一の撮影画像Dに含まれるタイヤと他の撮影画像Dに含まれるタイヤとが同一のタイヤか否かを判定する同一タイヤ判定部103aと、を有する。そして、タイヤ計数部103bは、同一タイヤ判定部103aが同一と判定した複数のタイヤについては一のタイヤとみなしてタイヤの数を数える。
このようにすることで、車両Aの車体全体が一つの撮影画像Dの撮影範囲内に収まらないような場合であっても、連続撮影により複数の撮影画像Dを取得することで、走行中の車両Aの全てのタイヤを写像として捉えることができる。これにより、車両のタイヤの数を精度よく特定することができる。また、複数の撮影画像Dに渡って写されたタイヤが同一のタイヤであった場合には、タイヤの数を重複して数えないようにするので、車両Aのタイヤの数を一層精度よく特定することができる。
このようにすることで、車両Aの車体全体が一つの撮影画像Dの撮影範囲内に収まらないような場合であっても、連続撮影により複数の撮影画像Dを取得することで、走行中の車両Aの全てのタイヤを写像として捉えることができる。これにより、車両のタイヤの数を精度よく特定することができる。また、複数の撮影画像Dに渡って写されたタイヤが同一のタイヤであった場合には、タイヤの数を重複して数えないようにするので、車両Aのタイヤの数を一層精度よく特定することができる。
また、第1の実施形態に係る車種判別システム10によれば、タイヤ抽出部102は、シングルタイヤかダブルタイヤかの構成別に分類された参照画像Drefとのパターンマッチング処理を行う。
このようにすることで、パターンマッチング処理において、シングルタイヤ、ダブルタイヤのいずれの分類に属する参照画像Drefに基づいて抽出されたタイヤ(タイヤ含有画像T)かを参照することで、車両Aのタイヤの構成がシングルタイヤかダブルタイヤかを判別することができる。したがって、車種区分を判別するための情報として、車軸数ばかりでなく、車両Aが有するタイヤの構成(シングルタイヤかダブルタイヤか)を取得することができるので、一層精度よく車種区分を判別することができる。
このようにすることで、パターンマッチング処理において、シングルタイヤ、ダブルタイヤのいずれの分類に属する参照画像Drefに基づいて抽出されたタイヤ(タイヤ含有画像T)かを参照することで、車両Aのタイヤの構成がシングルタイヤかダブルタイヤかを判別することができる。したがって、車種区分を判別するための情報として、車軸数ばかりでなく、車両Aが有するタイヤの構成(シングルタイヤかダブルタイヤか)を取得することができるので、一層精度よく車種区分を判別することができる。
以上、第1の実施形態に係る車種判別システム10について詳細に説明したが、第1の実施形態に係る車種判別システム10の具体的な態様は、上述のものに限定されることはなく、要旨を逸脱しない範囲内において種々の設計変更等を加えることは可能である。
例えば、第1の実施形態に係る車種判別システム10によれば、上述した通り、取得された撮影画像Dにおける左側の領域と、右側の領域と、で撮影画像Dにおけるタイヤの写像のサイズが異なる(図6等を参照)。
そこで、他の実施形態に係る複数の参照画像Drefは、記憶部106において、撮影画像Dにおける所定の領域別に予め分類されて記憶されていてもよい。具体的には、参照画像Drefは、「画像右側」、「画像中央」、「画像左側」等と分類される。この場合、タイヤ抽出部102は、例えば、撮影画像Dのうち左側の所定領域(左側1/3)に属する画像については、「画像左側」に分類された参照画像Drefとのパターンマッチング処理を行う。
このようにすることで、取得された撮影画像Dにおける左側の領域、中央の領域、右側の領域の各々に対し、撮影されたタイヤの写像のサイズに応じた適切な参照画像Drefとのパターンマッチング処理を行うことができる。
そこで、他の実施形態に係る複数の参照画像Drefは、記憶部106において、撮影画像Dにおける所定の領域別に予め分類されて記憶されていてもよい。具体的には、参照画像Drefは、「画像右側」、「画像中央」、「画像左側」等と分類される。この場合、タイヤ抽出部102は、例えば、撮影画像Dのうち左側の所定領域(左側1/3)に属する画像については、「画像左側」に分類された参照画像Drefとのパターンマッチング処理を行う。
このようにすることで、取得された撮影画像Dにおける左側の領域、中央の領域、右側の領域の各々に対し、撮影されたタイヤの写像のサイズに応じた適切な参照画像Drefとのパターンマッチング処理を行うことができる。
また、第1の実施形態では、複数の撮影画像Dの各々には、車両Aの車体のうち互いに重複する部分が含まれているものとして説明したが、他の実施形態においてはこれに限定されない。即ち、他の実施形態においては、複数の撮影画像Dは、車両Aの車体のうち重複する部分を互いに含まないように取得される態様であってもよい。
<第2の実施形態>
以下、第2の実施形態に係る車種判別システムについて、図8~図10を参照ながら説明する。
以下、第2の実施形態に係る車種判別システムについて、図8~図10を参照ながら説明する。
(撮影装置の構造)
図8は、第2の実施形態に係る撮影装置の構造を示す図である。
図8に示すように、第2の実施形態に係る撮影装置10Cは、カメラ本体部10C1と、収容ケース10C2と、シリンドリカルレンズ10C3と、を有して構成される。
図8は、第2の実施形態に係る撮影装置の構造を示す図である。
図8に示すように、第2の実施形態に係る撮影装置10Cは、カメラ本体部10C1と、収容ケース10C2と、シリンドリカルレンズ10C3と、を有して構成される。
カメラ本体部10C1は、レンズを通じて集光された外光に基づいて所定の撮影範囲を含む撮影画像D(図4)を取得する一般的なカメラである。
収容ケース10C2は、カメラ本体部10C1の筐体全体を覆うように設けられたケースであって、屋外に設置されるカメラ本体部10C1を粉塵や雨滴等から保護する目的で設けられる。
シリンドリカルレンズ10C3は、収容ケース10C2に設けられたレンズである。シリンドリカルレンズ10C3は、収容ケース10C2における、カメラ本体部10C1の光軸R(撮影方向N)上に設けられ、高さ方向(±Z方向)を軸とする凹型の湾曲面を有している。
カメラ本体部10C1は、収容ケース10C2に設けられたシリンドリカルレンズ10C3を通じて外部からの光を集光することで、撮影範囲(画角)を水平方向に広角化させることができる。これにより、カメラ本体部10C1は、車線Lを走行する車両Aの車体の車線方向における全部が含まれる範囲を撮影可能とされる。
収容ケース10C2は、カメラ本体部10C1の筐体全体を覆うように設けられたケースであって、屋外に設置されるカメラ本体部10C1を粉塵や雨滴等から保護する目的で設けられる。
シリンドリカルレンズ10C3は、収容ケース10C2に設けられたレンズである。シリンドリカルレンズ10C3は、収容ケース10C2における、カメラ本体部10C1の光軸R(撮影方向N)上に設けられ、高さ方向(±Z方向)を軸とする凹型の湾曲面を有している。
カメラ本体部10C1は、収容ケース10C2に設けられたシリンドリカルレンズ10C3を通じて外部からの光を集光することで、撮影範囲(画角)を水平方向に広角化させることができる。これにより、カメラ本体部10C1は、車線Lを走行する車両Aの車体の車線方向における全部が含まれる範囲を撮影可能とされる。
(タイヤ抽出部の機能)
図9、図10は、それぞれ、第2の実施形態に係るタイヤ抽出部の機能を説明する第1の図、第2の図である。
第2の実施形態において、撮影装置10Cは、例えば、進入側車両検知器10Aからの検知信号に基づいて、車両Aが車線方向における進入側車両検知器10Aの位置に到達したタイミングで一回のみ撮影を行う。ここで、図9は、上記タイミングにおける一回の撮影で取得された撮影画像D’の例を示している。
図9、図10は、それぞれ、第2の実施形態に係るタイヤ抽出部の機能を説明する第1の図、第2の図である。
第2の実施形態において、撮影装置10Cは、例えば、進入側車両検知器10Aからの検知信号に基づいて、車両Aが車線方向における進入側車両検知器10Aの位置に到達したタイミングで一回のみ撮影を行う。ここで、図9は、上記タイミングにおける一回の撮影で取得された撮影画像D’の例を示している。
第2の実施形態に係る画像取得部101は、シリンドリカルレンズ10C3(図8)を有して画角が水平方向に広角化された撮影装置10Cから撮影画像D’を取得する。図9に示すように、撮影画像D’には、「特大車」に属する車両Aの車体の車線方向における車体前方端(-X方向側の端)から車体後方端(+X方向側の端)までの全部が含まれて撮影されている。即ち、カメラ本体部10C1がシリンドリカルレンズ10C3を通して車両Aを撮影することで、当該車両Aの写像が水平方向に圧縮されて写された撮影画像D’が得られる。これにより、車長d2(図2)が最も長い「特大車」の車両Aであっても、一つの撮影画像D’の撮影範囲内に当該車両Aの車線方向における車体全体を含めることができる。
タイヤ抽出部102は、第1の実施形態と同様に、車両Aの車体全体が写された一つの撮影画像D’と、予め記憶部106に記憶された複数の参照画像Drefと、のパターンマッチング処理を行い、車両Aのタイヤを含むタイヤ含有画像Tを抽出する。
図10に示すように、記憶部106には、複数の参照画像Dref(Dref1、Dref2、Dref3)が予め記憶されている。参照画像Drefは、撮影装置10Cと同様の撮影方向、撮影条件で複数種類の車両別に撮影された複数の撮影画像であって、少なくとも各車両のタイヤ及びその周辺の車体の一部を含む画像である。
また、第2の実施形態に係る複数の参照画像Drefは、記憶部106において、隣接タイヤ数別(「1軸」、「2軸隣接」又は「3軸隣接」)に予め分類されて記憶されている。
また、第2の実施形態に係る複数の参照画像Drefは、記憶部106において、隣接タイヤ数別(「1軸」、「2軸隣接」又は「3軸隣接」)に予め分類されて記憶されている。
ここで、「1軸」の分類に属する参照画像Dref1は、車両Aにおいて、車線方向に隣接するタイヤが存在しない単一のタイヤのみを含む撮影画像である。また、「2軸隣接」の分類に属する参照画像Dref2は、車両Aにおいて、車線方向に2つ隣接して設けられたタイヤ群を含む撮影画像である。同様に、「3軸隣接」の分類に属する参照画像Dref3は、車両Aにおいて、車線方向に3つ隣接して設けられたタイヤ群を含む撮影画像である。
タイヤ抽出部102は、一つの撮影画像D’(図9)と複数の参照画像Dref(Dref1、Dref2、Dref3)とのパターンマッチング処理を経て、当該撮影画像D’に含まれる全てのタイヤ(タイヤ含有画像T)を抽出する。具体的には、タイヤ抽出部102は、撮影画像D’と隣接タイヤ数別に分類された参照画像Dref(Dref1、Dref2、Dref3)とのパターンマッチング処理を通じて、一致度が高い領域をタイヤ含有画像T(Ta、Tb、Tc)として抽出する(図9参照)。
なお、タイヤ抽出部102は、隣接タイヤ数別に分類された参照画像Dref(Dref1、Dref2、Dref3)のうち、いずれの分類に属する参照画像Drefに基づいて各タイヤ含有画像T(Ta、Tb、Tc)を抽出したか、に基づいて、各タイヤ含有画像Tの各々に含まれるタイヤの数を特定することができる。
例えば、図9に示す例では、タイヤ抽出部102は、パターンマッチング処理を経て、「1軸」に属する参照画像Dref1と一致度が高い領域として、撮影画像D’からタイヤ含有画像Ta、Tbを抽出する。同様に、タイヤ抽出部102は、パターンマッチング処理を経て、「2軸隣接」に属する参照画像Dref2と一致度が高い領域として、撮影画像D’からタイヤ含有画像Tcを抽出する。
例えば、図9に示す例では、タイヤ抽出部102は、パターンマッチング処理を経て、「1軸」に属する参照画像Dref1と一致度が高い領域として、撮影画像D’からタイヤ含有画像Ta、Tbを抽出する。同様に、タイヤ抽出部102は、パターンマッチング処理を経て、「2軸隣接」に属する参照画像Dref2と一致度が高い領域として、撮影画像D’からタイヤ含有画像Tcを抽出する。
第2の実施形態に係る車軸数特定部103(タイヤ計数部103b)は、タイヤ抽出部102による抽出結果に基づいて、一つの撮影画像D’に含まれる全てのタイヤの数を数える。図9に示す例では、タイヤ計数部103bは、1つのタイヤを含むタイヤ含有画像Ta、Tbと、2つのタイヤを含むタイヤ含有画像Tcと、を参照し、各タイヤ含有画像Ta、Tb、Tcに含まれるタイヤの数を合計することで、車両Aの車軸数を“4”を特定する。
(作用効果)
以上、第2の実施形態に係る車種判別システム10によれば、画像取得部101は、シリンドリカルレンズ10C3(図8)を有して車両Aの車体の車線方向における全部が含まれる範囲を撮影可能とされた撮影装置10Cから一つの撮影画像D’(図9)を取得する。そして、タイヤ抽出部102は、一つの撮影画像D’に含まれるタイヤを抽出し、車軸数特定部103は、タイヤ抽出部102によるタイヤの抽出結果に基づいて、一つの撮影画像D’に含まれる全てのタイヤの数を数える。
以上、第2の実施形態に係る車種判別システム10によれば、画像取得部101は、シリンドリカルレンズ10C3(図8)を有して車両Aの車体の車線方向における全部が含まれる範囲を撮影可能とされた撮影装置10Cから一つの撮影画像D’(図9)を取得する。そして、タイヤ抽出部102は、一つの撮影画像D’に含まれるタイヤを抽出し、車軸数特定部103は、タイヤ抽出部102によるタイヤの抽出結果に基づいて、一つの撮影画像D’に含まれる全てのタイヤの数を数える。
このようにすることで、車種判別システム10は、一回の撮影で取得された一つの撮影画像D’のみに基づいて、車両Aの全てのタイヤの数(車軸数)を特定することができる。したがって、車軸数の特定に要する処理、及び、車種区分の判別処理を簡素化、かつ、高速化することができる。
また、一般的なカメラ(カメラ本体部10C1)とシリンドリカルレンズ10C3とを組み合わせて用いることで、特殊な仕様のカメラを用いない簡素な構成で、車両Aの車体全体を含む撮影画像D’を取得することができる。したがって、車種判別システム10の製造コストを抑えることができる。
また、一般的なカメラ(カメラ本体部10C1)とシリンドリカルレンズ10C3とを組み合わせて用いることで、特殊な仕様のカメラを用いない簡素な構成で、車両Aの車体全体を含む撮影画像D’を取得することができる。したがって、車種判別システム10の製造コストを抑えることができる。
また、第2の実施形態に係る車種判別システム10によれば、タイヤ抽出部102は、隣接タイヤ数別に分類された参照画像Dref(Dref1、Dref2、Dref3)とのパターンマッチング処理を行う。
ここで、シリンドリカルレンズ10C3により車両Aの写像を水平方向に圧縮して撮影した場合、車両Aの写像の一部(特に車体後方端側)が明瞭に写らないことが想定される。そうすると、写像が水平方向に圧縮されて写された撮影画像D’から、「2軸隣接」、「3軸隣接」等、隣接して設けられた複数のタイヤを一つ一つ精度よく抽出することが困難となる場合が想定される。
そこで、本実施形態のように、「2軸隣接」、「3軸隣接」として設けられた2つ又は3つのタイヤ群が含まれる参照画像Dref(Dref1、Dref2、Dref3)を予め用意するとともに、撮影画像D’に対し当該参照画像Drefを対比の対象とするパターンマッチング処理を行う。このようにすることで、「2軸隣接」、「3軸隣接」として設けられたタイヤ群を、その分類単位で撮影画像D’から精度よく抽出することができる。したがって、一つの撮影画像D’に基づく車両Aの車軸数の特定精度を高めることができる。
ここで、シリンドリカルレンズ10C3により車両Aの写像を水平方向に圧縮して撮影した場合、車両Aの写像の一部(特に車体後方端側)が明瞭に写らないことが想定される。そうすると、写像が水平方向に圧縮されて写された撮影画像D’から、「2軸隣接」、「3軸隣接」等、隣接して設けられた複数のタイヤを一つ一つ精度よく抽出することが困難となる場合が想定される。
そこで、本実施形態のように、「2軸隣接」、「3軸隣接」として設けられた2つ又は3つのタイヤ群が含まれる参照画像Dref(Dref1、Dref2、Dref3)を予め用意するとともに、撮影画像D’に対し当該参照画像Drefを対比の対象とするパターンマッチング処理を行う。このようにすることで、「2軸隣接」、「3軸隣接」として設けられたタイヤ群を、その分類単位で撮影画像D’から精度よく抽出することができる。したがって、一つの撮影画像D’に基づく車両Aの車軸数の特定精度を高めることができる。
(第2の実施形態の変形例)
以上、第2の実施形態に係る車種判別システム10について詳細に説明したが、第2の実施形態に係る車種判別システム10の具体的な態様は、上述のものに限定されることはなく、要旨を逸脱しない範囲内において種々の設計変更等を加えることは可能である。
以上、第2の実施形態に係る車種判別システム10について詳細に説明したが、第2の実施形態に係る車種判別システム10の具体的な態様は、上述のものに限定されることはなく、要旨を逸脱しない範囲内において種々の設計変更等を加えることは可能である。
図11は、第2の実施形態の変形例に係る車軸数特定部の機能を説明する図である。
本変形例に係るタイヤ抽出部102は、第2の実施形態と同様に、車両Aの車体全体が写された一つの撮影画像D’と、予め記憶部106に記憶された複数の参照画像Drefと、のパターンマッチング処理を行う。
本変形例に係るタイヤ抽出部102は、第2の実施形態と同様に、車両Aの車体全体が写された一つの撮影画像D’と、予め記憶部106に記憶された複数の参照画像Drefと、のパターンマッチング処理を行う。
一方、本変形例に係る参照画像Drefは、図11に示すように、複数種類の車両の実際の車軸数別(「2軸車」、「3軸車」、「4軸車」、「5軸車」)、及び、各車両の車体における取り付け位置別(「1軸目」、「2軸目」、・・・)に分類されて、予め記憶部106に記憶される。
ここで、例えば、「2軸車の1軸目」の分類に属する参照画像Drefは、実際の車軸数が“2”の車両の1軸目に属するタイヤのみを含む撮影画像である。また、「2軸車の2軸目」の分類に属する参照画像Drefは、実際の車軸数が“2”の車両の2軸目に属するタイヤのみを含む撮影画像である。また、「3軸車の1軸目」の分類に属する参照画像Drefは、実際の車軸数が“3”の車両の1軸目に属するタイヤのみを含む撮影画像である。
同様に、例えば、「4軸車の3・4軸目」の分類に属する参照画像Drefは、実際の車軸数が“4”の車両において、2つ隣接して設けられた3・4軸目のタイヤ群を含む撮影画像である。
同様に、例えば、「4軸車の3・4軸目」の分類に属する参照画像Drefは、実際の車軸数が“4”の車両において、2つ隣接して設けられた3・4軸目のタイヤ群を含む撮影画像である。
タイヤ抽出部102は、車両Aの車体全体が写された一つの撮影画像D’(図9)に対し、上記のような各分類別に記憶された複数の参照画像Drefの各々についてのパターンマッチング処理を行う。そして、タイヤ抽出部102は、各参照画像Drefと、撮影画像D’のうち当該参照画像Drefに相当する領域との一致度を、各参照画像Drefの上記分類別に取得する(図11参照)。
そして、本変形例に係る車軸数特定部103は、高い一致度が得られた参照画像Drefの分類に基づいて、撮影画像D’に写された車両Aの車軸数を特定する。
そして、本変形例に係る車軸数特定部103は、高い一致度が得られた参照画像Drefの分類に基づいて、撮影画像D’に写された車両Aの車軸数を特定する。
具体的には、タイヤ抽出部102は、例えば、図9に例示する撮影画像D’に対し、各分類別の参照画像Drefとのパターンマッチング処理を行う。その結果、例えば、撮影画像D’から、「4軸車の1軸目」、「4軸車の2軸目」、「4軸車の3・4軸目」、「5軸車の1軸目」及び「5軸車の2軸目」に属する参照画像Drefとの一致度が高い領域が抽出されたとする(図11)。
この場合、車軸数特定部103は、取得された撮影画像D’と高い一致度を有する参照画像Drefが、「4軸車」の分類の中から最も多く得られたことを参照し、撮影画像D’に写された車両Aの車軸数を“4”と特定する。
この場合、車軸数特定部103は、取得された撮影画像D’と高い一致度を有する参照画像Drefが、「4軸車」の分類の中から最も多く得られたことを参照し、撮影画像D’に写された車両Aの車軸数を“4”と特定する。
以上のように、車種判別システム10は、参照画像Drefを、複数種類の車両の実際の車軸数別に分類するとともに、取得された撮影画像D’がいずれの参照画像Drefとの一致度が高いか、に基づいて、車両Aの車軸数を特定してもよい。
また、この場合において、車軸数特定部103は、パターンマッチング処理を通じて実際に撮影画像D’から抽出されたタイヤの数と、高い一致度を有する参照画像Drefが最も多く得られた分類「n軸車」の“n”(n=2、3、4、・・・)と、を比較して、“n”の方が大きい場合には、車両Aの車軸数を“n”と特定する。このようにすることで、パターンマッチング処理を通じて撮影画像D’から全てのタイヤを正しく抽出することができなかった場合であっても、車両Aの車軸数を正しく取得することができる。
ただし、パターンマッチング処理を通じて撮影画像D’から抽出されたタイヤの数に比べて上記“n”の値が小さい場合は、(n軸車である)車両Aが更に被牽引車を牽引している可能性が考えられる。そのため、この場合は、車軸数特定部103は、参照画像Drefの分類(「n軸車」)によって特定される車軸数(“n”)ではなく、パターンマッチング処理により実際に抽出したタイヤ数を車両Aの車軸数として特定するものとする。
また、この場合において、車軸数特定部103は、パターンマッチング処理を通じて実際に撮影画像D’から抽出されたタイヤの数と、高い一致度を有する参照画像Drefが最も多く得られた分類「n軸車」の“n”(n=2、3、4、・・・)と、を比較して、“n”の方が大きい場合には、車両Aの車軸数を“n”と特定する。このようにすることで、パターンマッチング処理を通じて撮影画像D’から全てのタイヤを正しく抽出することができなかった場合であっても、車両Aの車軸数を正しく取得することができる。
ただし、パターンマッチング処理を通じて撮影画像D’から抽出されたタイヤの数に比べて上記“n”の値が小さい場合は、(n軸車である)車両Aが更に被牽引車を牽引している可能性が考えられる。そのため、この場合は、車軸数特定部103は、参照画像Drefの分類(「n軸車」)によって特定される車軸数(“n”)ではなく、パターンマッチング処理により実際に抽出したタイヤ数を車両Aの車軸数として特定するものとする。
また、第2の実施形態に係る撮影装置10Cは、一般的なカメラ(カメラ本体部10C1)にシリンドリカルレンズ10C3を組み合わせて画角を広角化させるものとして説明したが、他の実施形態においてはこの態様に限定されない。
例えば、撮影装置10Cは、カメラ本体部10C1自身が専用の広角レンズを備える態様であってもよい。
例えば、撮影装置10Cは、カメラ本体部10C1自身が専用の広角レンズを備える態様であってもよい。
また、第2の実施形態に係る撮影装置10Cは、シリンドリカルレンズ10C3が、収容ケース10C2に取り付けられる態様として説明したが、他の実施形態においてはこの態様に限定されない。
例えば、シリンドリカルレンズ10C3は、収容ケース10C2の内側又は外側に別途設けられる態様であってもよい。
例えば、シリンドリカルレンズ10C3は、収容ケース10C2の内側又は外側に別途設けられる態様であってもよい。
また、上述のシリンドリカルレンズ10C3は、車線Lの車線方向に視野を拡大可能な光学素子としての一態様に過ぎず、他の実施形態においてはこの態様に限定されない。他の実施形態に係る上記光学素子は、例えば、凸面鏡であってもよい。この場合、撮影装置10Cは、当該凸面鏡で反射された光を取り込んで撮影を行う。
また、第2の実施形態(及びその変形例)に係る車種判別システム10は、第1の実施形態と同様の学習機能(踏み付け回数取得部104及びパターンマッチング処理学習部105)を備えていてもよい。
また、第2の実施形態(及びその変形例)に係る車種判別システム10において、第1の実施形態と同様に、参照画像Drefが、更に、タイヤの構成別(シングルタイヤかダブルタイヤか)に分類されていてもよい。
また、第2の実施形態(及びその変形例)に係る車種判別システム10において、第1の実施形態と同様に、参照画像Drefが、更に、タイヤの構成別(シングルタイヤかダブルタイヤか)に分類されていてもよい。
なお、上述の各実施形態においては、車種判別システム10の主制御装置10Dの各種機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各種処理を行うものとしている。ここで、上述した主制御装置10Dの各種処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって上記各種処理が行われる。また、コンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、CD-ROM、DVD-ROM、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。
また、主制御装置10Dは、各種機能構成が単一の装置筐体に収められる態様に限定されず、主制御装置10Dが有する各種機能構成が、ネットワークで接続される複数の装置に渡って具備される態様であってもよい。
また、主制御装置10Dは、各種機能構成が単一の装置筐体に収められる態様に限定されず、主制御装置10Dが有する各種機能構成が、ネットワークで接続される複数の装置に渡って具備される態様であってもよい。
以上、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものとする。
上述の車軸数検出装置、車種判別システム、車軸数検出方法及びプログラムによれば、十分な設置スペースを確保できない場所にも設置可能で、かつ、走行する車両の車軸数を特定することができる。
1 料金収受設備
10 車種判別システム
10A 進入側車両検知器
10B 踏板
10C 撮影装置
10C1 カメラ本体部
10C2 収容ケース
10C3 シリンドリカルレンズ
10D 主制御装置
100 車軸数検出装置
101 画像取得部
102 タイヤ抽出部
103 車軸数特定部
103a 同一タイヤ判定部
103b タイヤ計数部
104 踏み付け回数取得部
105 パターンマッチング処理学習部
106 記憶部
11 車種区分判別部
20 料金自動収受機
40 発進制御機
50 発進側車両検知器
L 車線
A 車両
I アイランド
d1 間隔
d2 車長
N 撮影方向
R 光軸
D 撮影画像
T タイヤ含有画像
TH 判定閾値
10 車種判別システム
10A 進入側車両検知器
10B 踏板
10C 撮影装置
10C1 カメラ本体部
10C2 収容ケース
10C3 シリンドリカルレンズ
10D 主制御装置
100 車軸数検出装置
101 画像取得部
102 タイヤ抽出部
103 車軸数特定部
103a 同一タイヤ判定部
103b タイヤ計数部
104 踏み付け回数取得部
105 パターンマッチング処理学習部
106 記憶部
11 車種区分判別部
20 料金自動収受機
40 発進制御機
50 発進側車両検知器
L 車線
A 車両
I アイランド
d1 間隔
d2 車長
N 撮影方向
R 光軸
D 撮影画像
T タイヤ含有画像
TH 判定閾値
Claims (10)
- 車両の進行方向奥側から進行方向手前側に向かって、当該車両のタイヤを含む撮影画像を撮影する撮影装置から前記撮影画像を取得する画像取得部と、
前記画像取得部が取得した前記撮影画像と、車両のタイヤを含む画像であって予め記憶部に記憶された複数の参照画像と、のパターンマッチング処理を行い、前記撮影画像に含まれるタイヤを抽出するタイヤ抽出部と、
前記タイヤの抽出結果に基づいて、前記車両の車軸数を特定する車軸数特定部と、
を備える車軸数検出装置。 - 前記車両が走行する車線の所定位置に埋設された踏板を通じて、当該車線を走行する車両による前記踏板の踏み付け回数を取得する踏み付け回数取得部と、
前記踏み付け回数取得部が取得した前記踏み付け回数と、前記車軸数特定部が特定した車軸数の特定結果と、に基づいて、前記パターンマッチング処理に用いる判定条件を調整するパターンマッチング処理学習部と、
を更に備える請求項1に記載の車軸数検出装置。 - 前記画像取得部は、前記車両の車体の車線方向における、異なる一部がそれぞれ撮影された複数の撮影画像を取得し、
前記タイヤ抽出部は、複数の撮影画像の各々に含まれる前記タイヤを抽出し、
前記車軸数特定部は、
複数の前記撮影画像の各々に含まれるタイヤの数を数えるタイヤ計数部と、
一の前記撮影画像に含まれるタイヤと他の前記撮影画像に含まれるタイヤとが同一のタイヤか否かを判定する同一タイヤ判定部と、を有し、
前記タイヤ計数部は、前記同一タイヤ判定部が同一と判定した複数のタイヤについては一のタイヤとみなして前記タイヤの数を数える
請求項1又は請求項2に記載の車軸数検出装置。 - 前記画像取得部は、前記車両の車体の車線方向における全部が撮影された一つの撮影画像を取得し、
前記タイヤ抽出部は、前記一つの撮影画像に含まれる前記タイヤを抽出し、
前記車軸数特定部は、前記一つの撮影画像に含まれる全てのタイヤの数を数えるタイヤ計数部を有する
請求項1又は請求項2に記載の車軸数検出装置。 - 前記タイヤ抽出部は、隣接タイヤ数別に分類された前記参照画像とのパターンマッチング処理を行う
請求項4に記載の車軸数検出装置。 - 前記画像取得部は、車線方向に視野を拡大可能な光学素子を有して前記車両の車体の車線方向における全部が含まれる範囲を撮影可能とされた前記撮影装置から前記撮影画像を取得する
請求項4又は請求項5に記載の車軸数検出装置。 - 前記タイヤ抽出部は、シングルタイヤかダブルタイヤかの構成別に分類された前記参照画像とのパターンマッチング処理を行う
請求項4に記載の車軸数検出装置。 - 請求項1から請求項7の何れか一項に記載の車軸数検出装置と、
前記車軸数検出装置が検出した車軸数に基づいて、前記車両の車種区分を判別する車種区分判別部と、
を備える車種判別システム。 - 車両の進行方向奥側から進行方向手前側に向かって、当該車両のタイヤを含む撮影画像を撮影する撮影装置から前記撮影画像を取得するステップと、
取得した前記撮影画像と、車両のタイヤを含む画像であって予め記憶部に記憶された複数の参照画像と、のパターンマッチング処理を行い、前記撮影画像に含まれるタイヤを抽出するステップと、
前記タイヤの抽出結果に基づいて、前記車両の車軸数を特定するステップと、
を有する車軸数検出方法。 - 車軸数検出装置のコンピュータを、
車両の進行方向奥側から進行方向手前側に向かって、当該車両のタイヤを含む撮影画像を撮影する撮影装置から前記撮影画像を取得する画像取得手段、
前記画像取得手段が取得した前記撮影画像と、車両のタイヤを含む画像であって予め記憶部に記憶された複数の参照画像と、のパターンマッチング処理を行い、前記撮影画像に含まれるタイヤを抽出するタイヤ抽出手段、
前記タイヤの抽出結果に基づいて、前記車両の車軸数を特定する車軸数特定手段、
として機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020177024135A KR20170109018A (ko) | 2015-03-04 | 2016-03-02 | 차축 수 검출 장치, 차종 판별 시스템, 차축 수 검출 방법 및 프로그램 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015-042516 | 2015-03-04 | ||
JP2015042516A JP6569138B2 (ja) | 2015-03-04 | 2015-03-04 | 車軸数検出装置、車種判別システム、車軸数検出方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2016140250A1 true WO2016140250A1 (ja) | 2016-09-09 |
Family
ID=56845168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2016/056383 WO2016140250A1 (ja) | 2015-03-04 | 2016-03-02 | 車軸数検出装置、車種判別システム、車軸数検出方法及びプログラム |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP6569138B2 (ja) |
KR (1) | KR20170109018A (ja) |
MY (1) | MY187840A (ja) |
WO (1) | WO2016140250A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018195237A (ja) * | 2017-05-22 | 2018-12-06 | トヨタ自動車株式会社 | 画像処理システム、画像処理方法、情報処理装置及び記録媒体 |
US11961335B1 (en) * | 2020-06-26 | 2024-04-16 | Harris County Toll Road Authority | Dual mode electronic toll road system |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3690847A4 (en) | 2017-09-26 | 2020-11-04 | Panasonic Intellectual Property Management Co., Ltd. | DEVICE FOR LIFT-UP DETERMINATION AND METHOD FOR LIFT-UP DETERMINATION |
CN111213192B (zh) * | 2017-10-31 | 2022-05-10 | 松下知识产权经营株式会社 | 双轮胎判定装置以及双轮胎判定方法 |
JP2019197314A (ja) * | 2018-05-08 | 2019-11-14 | 株式会社東芝 | 車種判別装置及び車種判別方法 |
KR102097673B1 (ko) * | 2019-04-29 | 2020-04-06 | 주식회사에스에이티 | 차량의 측면 영상을 이용한 차량 정보 획득 시스템 및 방법 |
JP6900448B2 (ja) * | 2019-10-28 | 2021-07-07 | 龍一 今井 | 車推定装置 |
JP7425645B2 (ja) * | 2020-03-26 | 2024-01-31 | 三菱重工機械システム株式会社 | 車軸数検出装置、料金収受システム、車軸数検出方法、及びプログラム |
KR102573990B1 (ko) * | 2022-11-08 | 2023-09-06 | 한국건설기술연구원 | 듀얼 카메라를 이용한 차축 검지 및 차종 분류 시스템 및 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08233525A (ja) * | 1995-02-24 | 1996-09-13 | Hitachi Ltd | 車種判別装置 |
-
2015
- 2015-03-04 JP JP2015042516A patent/JP6569138B2/ja active Active
-
2016
- 2016-03-02 WO PCT/JP2016/056383 patent/WO2016140250A1/ja active Application Filing
- 2016-03-02 MY MYPI2017703158A patent/MY187840A/en unknown
- 2016-03-02 KR KR1020177024135A patent/KR20170109018A/ko not_active Application Discontinuation
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08233525A (ja) * | 1995-02-24 | 1996-09-13 | Hitachi Ltd | 車種判別装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018195237A (ja) * | 2017-05-22 | 2018-12-06 | トヨタ自動車株式会社 | 画像処理システム、画像処理方法、情報処理装置及び記録媒体 |
US11961335B1 (en) * | 2020-06-26 | 2024-04-16 | Harris County Toll Road Authority | Dual mode electronic toll road system |
Also Published As
Publication number | Publication date |
---|---|
JP2016162354A (ja) | 2016-09-05 |
MY187840A (en) | 2021-10-26 |
KR20170109018A (ko) | 2017-09-27 |
JP6569138B2 (ja) | 2019-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6569138B2 (ja) | 車軸数検出装置、車種判別システム、車軸数検出方法及びプログラム | |
JP4813987B2 (ja) | 車種判別装置を要しない料金自動収受システム | |
RU2658204C2 (ru) | Устройство для систем сбора дорожных пошлин или телематических систем | |
JP5781638B2 (ja) | 入口料金収受施設、出口料金収受施設、料金収受システム、通行券発行方法及びプログラム | |
JP6627183B2 (ja) | 同一車両検出装置、料金収受設備、同一車両検出方法及びプログラム | |
KR101880243B1 (ko) | 차량번호와 하이패스 단말고유번호의 매칭 정확도를 향상시킨 다차로 기반 하이패스 시스템 | |
KR101819568B1 (ko) | 전기차 및 하이패스 인식에 따른 주차 관리 시스템 운영 방법 | |
JP2014048964A (ja) | 駐車場システム | |
JP3004501B2 (ja) | 車種判別装置 | |
JP2009048225A (ja) | 車両認識装置及び車両認識方法 | |
KR20020032049A (ko) | 요금 징수방법 | |
JP5517669B2 (ja) | 料金自動収受機およびその処理方法 | |
KR101363176B1 (ko) | 전자 요금 징수 시스템 및 방법 | |
JP2010218482A (ja) | 不正車両検出装置及び不正車両検出プログラム及び記録媒体 | |
JP6584001B2 (ja) | 料金収受機、料金収受システム、統計システム、料金収受方法及びプログラム | |
JP3562417B2 (ja) | 自動料金収受システム | |
JP6300011B2 (ja) | 料金機械及びこれを備える料金所設備 | |
JP7097193B2 (ja) | 料金収受システム、及び料金収受方法 | |
JP2024015738A (ja) | 車両監視システム、車両監視装置、及び車両監視方法 | |
JP2017041095A (ja) | 料金収受機、料金収受システム、料金収受方法及びプログラム | |
JP2024081293A (ja) | 情報処理装置、情報処理方法、情報処理プログラム、情報処理システム | |
WO2020084742A1 (ja) | 監視装置、監視装置制御方法およびプログラム | |
CN113643449A (zh) | 一种用于无道闸停车场进出口的防跟车装置及处理方法 | |
JP2019012332A (ja) | 料金収受システムおよびレーン監視方法 | |
JPH0498499A (ja) | 路線バス識別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 16758943 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 20177024135 Country of ref document: KR Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 16758943 Country of ref document: EP Kind code of ref document: A1 |