JP2015046126A - 車両検知装置 - Google Patents

Abstract

【課題】車両以外の物体による誤検知を低減することができる車両検知装置を提供することである。
【解決手段】実施形態の車両検知装置は、車両候補オブジェクト検出部と、車両検知部を有する。車両候補オブジェクト検出部は、複数の計測点のデータについて、所定の座標系における計測点間の距離に基づいて、車両の候補となるオブジェクトを検出する。車両検知部は、前記車両候補オブジェクト検出部により検出されたオブジェクトに関して、前記所定の座標系における所定の方向の前記オブジェクトの長さに基づいて、車両のオブジェクトを検知する。
【選択図】図１

Description

本発明の実施形態は、車両検知装置に関する。

料金収受システムに用いられる車両検知装置では、一般に、赤外線を用いた透過型のポールセンサによって車両の通過を検知する。すなわち、一対のポールセンサは、走行車線の両側に設置され、互いに赤外線ビームを照射して検知し合い、車両が赤外線ビームを横切った瞬間を検知する。これにより、比較的安定して車両の通過を検知することができる。

特開平１１−１２０４８０号公報

本発明が解決しようとする課題は、車両以外の物体による誤検知を低減することができる車両検知装置を提供することである。

実施形態の車両検知装置は、車両候補オブジェクト検出部と、車両検知部を有する。車両候補オブジェクト検出部は、複数の計測点のデータについて、所定の座標系における計測点間の距離に基づいて、車両の候補となるオブジェクトを検出する。車両検知部は、前記車両候補オブジェクト検出部により検出されたオブジェクトに関して、前記所定の座標系における所定の方向の前記オブジェクトの長さに基づいて、車両のオブジェクトを検知する。

実施形態１の車両検知装置を適用した車両情報処理システムの構成を示す概要図である。 実施形態１の車両検知装置の構成を示すブロック図である。 実施形態１の車両検知装置における処理の流れを示すフローチャートである。 実施形態１のステレオカメラからの距離と視差との関係を示す関係図である。 実施形態１の撮像画像を車両進行方向に分割した基準期間ａ、ｂおよびｃを示す図である。 実施形態１の判定結果に基づいて割り振られた状態番号を示す図である。 実施形態１の車両が前進通過する場合の状態番号の遷移を示す図である。 実施形態１の車両が前進通過する場合の車両の存在位置と状態番号との関係を示す関係図である。 実施形態１のカメラ座標系から基準座標系への座標変換を示す図である。 実施形態１の車両以外の種別を判定する処理の流れを示すフローチャートである。 実施形態１の車両検知装置の制御部の構成例を示すブロック図である。

（第１の実施形態）
以下、実施形態１の車両情報処理システム１を図面を参照して説明する。
図１は、実施形態１の車両検知装置１３を適用した車両情報処理システム１の構成を示す概要図である。
車両情報処理システム１は、ステレオカメラ１１、ＥＴＣ（Ｅｌｅｃｔｒｏｎｉｃ Ｔｏｌｌ Ｃｏｌｌｅｃｔｉｏｎ）システム１２および車両検知装置１３を備える。

ステレオカメラ１１は、複数のカメラ（本実施形態では、２個のカメラ１１ａ〜１１ｂ）を所定の視差が得られるように配置した撮像装置である。本実施形態では、複数のカメラ１１ａ〜１１ｂを上下に並べて配置し、各カメラ１１ａ〜１１ｂにより車両５２が進行する道路５１の車線を撮像し、各々のカメラ１１ａ〜１１ｂによる撮像画像を車両検知装置１３に送出する。本実施形態では、例として２台のカメラ１１ａ〜１１ｂを用いて、一方のカメラ１１ａ（または、１１ｂ）で撮像した画像を基準画像とし、他方のカメラ１１ｂ（または、１１ａ）で撮像された画像を参照画像とする。

ステレオカメラ１１内の各カメラ１１ａ〜１１ｂは、予め設定したフレームレートで動画像を撮像するディジタルカメラである。このステレオカメラ１１は、料金所のアイランド部分に立つポールに設置され、車両５２の進行方向に対し、上下に並ぶそれぞれのカメラ１１ａ〜１１ｂが上斜め方向から撮像し、車両５２が横方向に通過するようにカメラ視野（撮像領域）２１が設定されている。すなわち、ステレオカメラ１１は、斜め上方から路面を撮像可能な位置に設置される。また、ステレオカメラ１１は、カメラ視野２１内を走行する車両５２について、タイヤ（車軸）と地面との接地部分が映るように調整される。また、ステレオカメラ１１は、牽引棒などの牽引構造物を撮像する際に、車両５２による死角が発生しないように、車両５２の進行方向に対して垂直な方向から撮像可能な位置に設置される。
なお、料金所では、車線内の車両５２の位置を適切に把握するために、１車線あたり例えば３〜４箇所にステレオカメラ１１および車両検知装置１３を設置してもよい。この場合、車両検知装置１３は、複数のステレオカメラ１１に共通化されてもよい。

他の構成例として、ステレオカメラ１１としては、上下のカメラに代えて、１枚のレンズで光学的に車両５２の上下の撮像画像を得る撮像装置を用いてもよい。例えば、ステレオカメラ１１としては、特殊なレンズにより１台のカメラで同時に双方向からの映像を一度に分岐できるような場合には、単数のカメラでハードウェアを構築してもよい。この具体例として、光の入り口には２つのレンズを備え、内部には光路を曲げるプリズムが配置されたウェッジプリズム偏光方式を用いたレンズ等が、適宜使用可能である。

ステレオカメラ１１によって得られた撮像画像は、撮像時刻を示すタイムコードを含んでいる。このタイムコードは、例えば、ステレオカメラ１１が撮像画像に含める。ステレオカメラ１１、ＥＴＣシステム１２および車両検知装置１３は、互いに同期した時刻情報を生成する時計装置（図示せず）を有する。
なお、他の手法によって、ステレオカメラ１１、ＥＴＣシステム１２および車両検知装置１３が同期して動作すれば、すなわち、ステレオカメラ１１の撮像画像（画像データ）の撮像時刻をＥＴＣシステム１２および車両検知装置１３が認識することができれば、必ずしも、撮像画像はタイムコードを含まなくてもよい。

ここで、ステレオカメラ１１の撮像画像では、大型車両のような高さ（例えば、４．０ｍ以内）においても、車両の下端（タイヤ接地部分）から上端（屋根）までが映るとする。また、ステレオカメラ１１の撮像画像では、映像が動画で撮像され、車両の通行に際しては、時速８０ｋｍ／ｈまでの移動を想定して、ステレオカメラ１１のカメラ視野２１内への通行履歴として、車両１台につき、少なくとも数フレーム（進入および退出の場面）が映るとする。

ＥＴＣシステム１２は、高速道路等の有料道路を通行する車両５２に対して課せられる通行料金を自動的に徴収する料金収受装置であり、通信エリア２２に存在する車両５２に搭載されるＥＴＣ車載器と無線通信し、通過車両を特定する情報を取得する。ＥＴＣ車載器は、一般に、少なくとも無線通信を行うためのアンテナがフロントガラスを介して視認できる位置に設置される。

図２は、実施形態１の車両検知装置１３の構成を示すブロック図である。
車両検知装置１３は、表示部１０１、ユーザインターフェース１０２、ネットワークインターフェース１０３、記憶部１０４および制御部１０５を備える。
表示部１０１は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）等を用いたディスプレイ装置であり、車両検知装置１３の運用状況を始めとする種々な情報を表示する。
ユーザインターフェース１０２は、キーボード、マウス、タッチパネル等のように、ユーザから指示を受け付けるインターフェースである。
ネットワークインターフェース１０３は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等のネットワークを通じて、ステレオカメラ１１およびＥＴＣシステム１２と通信するインターフェースである。

記憶部１０４は、制御部１０５の制御プログラムや制御データを記憶する記憶装置であり、ハードディスク（ＨＤＤ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）およびフラッシュメモリ等の記憶手段を１つまたは複数用いたものである。
制御データとしては、例えば、立体の形状を表す複数の部品データ（例えば、牽引棒の形状パターン、車軸の円形部分の形状データ、人物の一部の形状データ）などが用いられる。すなわち、記憶部１０４は、複数の部品データを予め記憶する。なお、牽引棒の形状パターンは、例えば、車両の進行方向に沿って長辺を有する長方形を示す形状パターンの如き、牽引棒の典型的な形状パターンを示す情報である。牽引棒の形状パターンは、近接した２台の車両と、被牽引車を牽引棒で牽引する１台の車両と、を区別する場合に記憶される。このため、牽引棒の形状パターンは、これらの両者を区別しない場合には省略することが可能である。

制御部１０５は、メモリを有するマイクロプロセッサを備え、記憶部１０４が記憶する制御プログラムや制御データにしたがって動作し、車両検知装置１３の各部１０１〜１０４を統括して制御する。
制御部１０５は、ステレオカメラ１１により得られた各々の撮像画像から視差を求め、ステレオカメラ１１のカメラ視野２１内（撮像領域内）の物体との距離のデータ（距離データ）を計算する。また、制御部１０５は、予めステレオカメラ１１により取得される背景距離のデータ（背景距離データ）と計算された距離データとの差分により、カメラ視野２１内の物体の存在を確認し、その位置関係を時刻毎に記録し、物体の移動方向を判定して、車両５２の入出を検知する。なお、制御部１０５は、入出車両の検知に加え、実空間上における通過時刻（ＥＴＣシステム１２の通信エリア２２の通過時刻）を予測する機能を有してもよい。

また、制御部１０５は、例えば、以下の機能（ｆ１）〜（ｆ６）を備えている。
（ｆ１）各々の撮像画像について、車両の上下方向へのエッジ強調を行うエッジ強調機能。
（ｆ２）エッジ強調された各々の撮像画像間の視差データを画素毎に計測する視差データ計測機能。
（ｆ３）基準画像内および参照画像内の注目画素を含む小領域内の画素値の分散を求め、その結果により不要な視差データを棄却する視差データ棄却機能。つまり、分散が大きい方が信頼できることから、分散が所定の閾値より小さいデータを捨てる機能。
（ｆ４）上記した視差データからステレオカメラ１１と撮像対象との間の距離を示す距離データを画素毎に求め、この距離データを画素毎に有する距離画像を作成する距離データ計測・距離画像作成機能（距離データ計測機能および距離画像作成機能）。
（ｆ５）車両５２の進行方向に距離画像を分割して複数の基準区間を形成し、複数の基準区間のそれぞれで、予め車両５２のない状態で計測される背景距離データと距離データ計測機能で指定車両の入出時に時刻毎に計測される距離データとの差分を求めることで、基準区間毎に差分を時刻毎に求め、基準区間毎に差分を所定の閾値と比較することで、車両５２の有無を時刻毎に状態判定する状態判定機能。
（ｆ６）時刻毎の状態判定の結果を保持し、その履歴に基づいて車両５２の先頭、側面および後端の流れ、あるいは車両５２の後端、側面および先頭の流れを監視することで、車両５２の遷移方向を判定し、その判定結果に基づいて車両の入出を検知する車両検知機能。

図３は、実施形態１の車両検知装置１３における処理の流れを示すフローチャートである。
まず、車両検知装置１３は、撮像画像入力ステップにて、ステレオカメラ１１で撮像（撮影）された撮像画像（一方が基準画像、他方が参照画像）を入力する（ステップＳＴ１）。車両検知装置１３は、平行等位化処理ステップにて、入力された撮像画像の平行等位化および歪み補正を行い（ステップＳＴ２）、輝度補正処理ステップにて、平行等位化およい歪み補正が行われた撮像画像の輝度補正（ステップＳＴ３）を行う。車両検知装置１３は、画像特徴抽出処理ステップにて、各々の撮像画像について、輝度補正が行われた撮像画像に対して制御部１０５の機能（ｆ１）により車両の上下方向へのエッジ強調を行う（ステップＳＴ４）。

次に、車両検知装置１３は、対応点探索マッチングステップにて、エッジ強調を行った各々の撮像画像間の画素毎の対応点をブロックマッチング手法等で求める（ステップＳＴ５）。車両検知装置１３は、マッチング棄却処理ステップにて、制御部１０５の機能（ｆ２）により各々の撮像画像間の視差データを画素毎に求めて、制御部１０５の機能（ｆ３）により不要な視差データを棄却する（ステップＳＴ６）。車両検知装置１３は、距離計測ステップにて、制御部１０５の機能（ｆ４）により視差データから距離データを画素毎に求め、この距離データを画素毎に有する距離画像を作成する（ステップＳＴ７）。

図４は、実施形態１のステレオカメラ１１からの距離と視差との関係を示す関係図である。
実際には、図４に示すように、物体（例えば、車、背景）をステレオカメラ１１で撮像すると、物体上の同一点は、それぞれのカメラ１１ａ，１１ｂの撮像画像内で異なる位置に見える。この位置のズレを視差と呼び、画素毎に得られる視差に基づいて、ステレオカメラ１１から物体までの距離を算出する。
なお、図４には、基準面２０１や、車幅の例や、道路幅の例を示してある。

図３に示されるフローチャートにおいて、上記の処理に続いて、車両検知装置１３は、次のようにして、作成した距離画像から車両の台数を計測する。
車両検知装置１３は、基準区間変化量判定ステップにて、作成した距離画像を、車両の進行方向における進入側（入場側）に位置する基準区間ａの距離画像と、車両の退出側（出場側）に位置する基準区間ｂの距離画像と、基準区間ａおよび基準区間ｂとの間に位置する基準区間ｃの距離画像とに分割する。

図５は、実施形態１の撮像画像を車両進行方向に分割した基準期間ａ、ｂおよびｃを示す図である。
図５の例では、車両の進入側から退出側に向かって、距離画像が９個の単位区間Ａ１〜Ａ９に分割されている。そして、車両の進入側にある３個の単位区間Ａ１〜Ａ３を基準区間ａと設定してあり、それに続く中央の３個の単位区間Ａ４〜Ａ６を基準区間ｃと設定してあり、それに続く車両の退出側にある３個の単位区間Ａ７〜Ａ９を基準区間ｂと設定してある。

車両検知装置１３は、制御部１０５の機能（ｆ５）により距離画像における基準区間ａ内の画素毎の距離データと、背景距離画像における基準区間ａ内の画素毎の距離データとの間の差分を計測する。車両検知装置１３は、この画素毎の差分を基準区間ａ内で合計した総和が所定の閾値を超えた場合に、距離画像の基準区間ａをオン状態と判定し、この総和が当該閾値を超えない（例えば、当該閾値以下である）場合には、距離画像の基準区間ａをオフ状態と判定する。そして、車両検知装置１３は、基準区間ａと同様にして、基準区間ｂおよび基準区間ｃについても、オン／オフの状態を判定する（ステップＳＴ８）。なお、各基準区間ａ、ｂ、ｃ毎の閾値は、同じであってもよく、または、異なっていてもよい。
車両検知装置１３は、状態判定ステップにて、制御部１０５の機能（ｆ５）により判定された基準区間ａ、ｂおよびｃの各変化量の判定結果（オン／オフの状態の判定結果）に基づいて、状態の番号（状態番号）を決定する（ステップＳＴ９）。

図６は、実施形態１の判定結果に基づいて割り振られた状態番号を示す図である。
図６の表に示すように、本実施形態では、例えば、基準区間ａ、ｂおよびｃがいずれもオフ状態である場合には状態番号をＳ０（車両なし）とし、基準区間ａのみがオン状態である場合には状態番号をＳ１（車両先頭）とし、基準区間ｂのみがオン状態である場合には状態番号をＳ２（車両後端）とし、基準区間ｃのみがオフ状態である場合には状態番号をＳ４（後続車両先端および先行車両後端）とし、その他の状態である場合には状態番号をＳ３（車両側面）とする。

車両検知装置１３は、状態番号の判定結果に基づいて、制御部１０５の機能（ｆ６）により過去の状態番号の判定履歴と比較して遷移状態を判定する。
図７は、車両が前進通過する場合の状態番号の遷移を示す図である。
図７には、状態番号の遷移（例えば、車両の前進時の遷移）と対応させて、基準区間ａにおけるオン（ＯＮ）とオフ（ＯＦＦ）の状態の特性５０１の一例と、基準区間ｂにおけるオン（ＯＮ）とオフ（ＯＦＦ）の状態の特性５０２の一例を示してある。
図８は、車両が前進通過する場合の車両の存在位置と状態番号との関係を示す関係図である。
図８には、状態番号の遷移（例えば、車両の前進時の遷移）と対応させて、基準区間ａ、ｃ、ｂに対応する区間Ｂ１、Ｂ２、Ｂ３について、車両の画像の様子の一例を示してある。

図７および図８に示すように、車両検知装置１３は、例えば、状態番号の遷移として“Ｓ０→Ｓ１→Ｓ３→Ｓ２→Ｓ０”という遷移を、車両の前進通過と判定する。この場合、画像フレーム毎の判定履歴としては、例えば“Ｓ０、Ｓ１、Ｓ１、Ｓ３、Ｓ３、Ｓ３、Ｓ３、Ｓ２、Ｓ２、Ｓ０、・・・”などというように、途中で同じ状態番号が重複して現れることがあり、このため、判定履歴には、このような重複を棄却して、状態番号の変化時に履歴として登録する。車両検知装置１３は、これらの状態番号の遷移を予め登録された遷移のモデルと比較して、車両の通行（例えば、前進通過であるか否か）を判定する。
ここでは前進通過について説明したが、後進通過についても同様である。すなわち、車両検知装置１３は、逆方向についても同様に、“Ｓ０→Ｓ２→Ｓ３→Ｓ１→Ｓ０”という状態番号の遷移である場合に、後進通過であると判定する。

図３に示されるフローチャートにおいて、上記の過程を経て、車両検知装置１３は、次に、台数計測処理ステップにて、通過する車両５２を検出し、通過した車両５２の台数を計測（検出）する（ステップＳＴ１０）。そして、車両検知装置１３は、通過する車両の検出結果を出力する（ステップＳＴ１１）。

以上のように、車両検知装置１３は、上下に設置されたカメラ１１ａ〜１１ｂを有するステレオカメラ１１により、車両５２が通過する車線を撮像した各々の撮像画像から視差データを求め、カメラ視野２１内の物体との距離データを計算する。また、車両検知装置１３は、背景距離データと視差データとの差分により、カメラ視野２１内の物体の存在を確認し、その物体の位置関係を時刻毎に記録し、車両５２の状態の遷移を判定して、車両５２の入出を検知する。

以上は、実施形態１における車両検知装置１３の基本的な構成および動作の例である。
以下において、主に軽自動車より小型の物体による誤検知を低減させることを図る構成および動作について、詳しく説明する。

図９を参照して、カメラ座標系と基準座標系について説明する。
図９は、実施形態１のカメラ座標系から基準座標系への座標変換を示す図である。
図９に示すように、カメラ１１ａ〜１１ｂ（ステレオカメラ１１）を基準とした座標系（カメラ座標系）として、原点Ｏｃ、互いに直交する座標軸Ｘｃ、Ｙｃ、Ｚｃをとる。カメラ１１ａ〜１１ｂから得られた撮像画像に基づく距離データは、カメラ座標系における座標値で表される。
また、図９に示すように、道路上における基準とする世界座標系を定義する。本実施形態では、世界座標系として、カメラ１１ａ〜１１ｂ（ステレオカメラ１１）が設置されている道路面の端を原点Ｏｗとし、道路面における道路幅の方向に軸Ｘｗをとし、車両５２の進行方向に軸Ｙｗをとり、道路面に対して法線方向に軸Ｚｗをとる。

実施形態１では、予め規定したサイズにより検知すべき車両であるか否かを判別する場合について説明する。
図３に示される状態判定ステップ（ステップＳＴ９）において、車両検知装置１３は、図１０に示される処理を行う。
図１０は、実施形態１の車両以外の種別を判定する処理の流れを示すフローチャートである。
まず、車両検知装置１３は、計測点について、カメラ座標系から基準座標系への座標変換を行う（ステップＳＴ１０１）。

任意の点Ｐについて、カメラ座標系で得られた座標Ｐｃから基準となる世界座標系における座標Ｐｗへの変換は式（１）に従う。ここで、Ｒは回転行列を表し、Ｔは平行移動行列を表す。

（数１）
Ｐｗ＝Ｒ・Ｐｃ＋Ｔ ・・（１）

次に、車両検知装置１３は、カメラ１１ａ〜１１ｂで計測した３次元座標点において、例えばＺｗの座標値について正の座標値を持つ点を抽出することで、道路面上に高さを持つ物体として、車両候補点を抽出することができる。また、車両検知装置１３は、車両が存在しないシーンにおいて予め計測点を得ることで、道路面上を含む背景物体の３次元座標値を得ておき、任意の計測点において、背景物体の３次元座標値と比較することで、前景となる車両候補点を抽出することができる（ステップＳＴ１０２）。

次に、車両検知装置１３は、計測された複数の車両候補点の群のデータに対して、基準となる世界座標系における分布状況に応じて複数のグループ（クラスタ）に分類し、各グループを１つのオブジェクト（車両候補オブジェクト）として扱って抽出する（ステップＳＴ１０３）。
ここで、代表的なクラスタリング手法として、Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ Ａｌｇｏｒｉｔｈｍ（ＮＮ法）や、Ｋ−Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ Ａｌｇｏｒｉｔｈｍ（Ｋ−ＮＮ法）や、Ｋ−Ｍｅａｎ Ａｌｇｏｒｉｔｈｍ（Ｋ平均法）などがあり、用いることができる。

次に、車両検知装置１３は、車両候補オブジェクトについて、基準となる世界座標系における車両の進行方向の座標軸Ｙｗにおける分布を分析する。具体的には、車両検知装置１３は、車両候補オブジェクトを構成する点群のデータについて、座標Ｙｗの最大値と最小値からオブジェクトの長さを算出し、これにより、車両であると判定する基準の長さ（所定の閾値）以上の長さを有する車両候補オブジェクトを車両（検知の対象とする物体）であると判定し、それ以下の車両候補オブジェクトを車両以外のオブジェクト（非車両オブジェクト：検知の対象としない物体）として判定する（ステップＳＴ１０４）。
なお、非車両オブジェクトは、本実施形態において車両としては検知の対象としない物体であり、例えば、一般的に車両と呼ばれるものが含まれていてもよい。

また、車両検知装置１３は、車両候補オブジェクトについて、基準となる世界座標系における道路幅方向の座標軸Ｘｗ、および道路面に対して法線方向の座標軸Ｚｗに関しても、オブジェクトの長さを算出し、これらに基づいて、車両候補オブジェクトを詳細に判別する。具体的には、車両検知装置１３は、車両については、規程の車両の寸法に基づいて決定する。また、車両検知装置１３は、車両以外のオブジェクト（非車両のオブジェクト）については、Ｙｗ方向の長さとＸｗ方向の長さを比較して、この結果、Ｙｗ方向に顕著に長い場合には、自動二輪車もしくは自転車であるとして車両候補オブジェクトの種別を判別し、また、Ｘｗ方向の長さとＹｗ方向の長さに対して、Ｚｗ方向に顕著に長い場合には、人であるとして車両候補オブジェクトの種別を判別する（ステップＳＴ１０５）。

ここで、本実施形態では、センサとしてステレオカメラ１１（カメラ１１ａ〜１１ｂ）を用いて、ステレオカメラ１１（カメラ１１ａ〜１１ｂ）による撮像画像から３次元座標データを計測する方法を例として記述したが、他の構成例として、センサとしては、様々なものが用いられてもよい。具体例として、センサとしては、赤外線を用いたＴＯＦ（Ｔｉｍｅ Ｏｆ Ｆｌｉｇｈｔ）カメラが用いられてもよく、また、センサとしては、カメラのみでなく、例えば、レーザ測距計、赤外線測距計等が用いられてもよい。これら様々なセンサを基準とした距離を測定して得られる３次元座標データ（本実施形態におけるカメラの座標系に対応するセンサの座標系のデータ）を用いることができる。

図１１を参照して、効果の例を説明する。
図１１は、実施形態１の車両検知装置１３の制御部１０５の構成例を示すブロック図である。
制御部１０５は、距離データ計測部１００１、座標変換部１００２、車両候補点検出部１００３、車両候補オブジェクト検出部１００４、車両検知部１００５を備える。

本実施形態に係る車両情報処理システム１では、車両５２が通過する道路５１をセンサ（本実施形態では、ステレオカメラ１１）で監視して監視エリア（例えば、カメラ視野２１）内を入出する車両５２を検知する車両検知装置１３において、次のような処理を行う。
距離データ計測部１００１が、センサにより監視エリア内の物体との距離を計測する。座標変換部１００２が、センサを起点とした距離データに基づいて、当該距離データを基準座標系における３次元空間上の計測点データへ変換する。車両候補点検出部１００３が、基準座標系の任意の１軸において予め設定した範囲内の値を有する計測点データを車両候補点として検出する。車両候補オブジェクト検出部１００４が、車両候補点となる複数の計測点データから基準座標系での計測点間の距離に基づいて１つのオブジェクト（車両候補オブジェクト）として検出する。車両検知部１００５が、車両候補オブジェクトに関して、基準座標系における任意の１つの軸の方向のオブジェクトの長さに基づいて、車両と車両以外のオブジェクトを判別する。したがって、車両以外の物体による誤検知を低減することができる。

ここで、基準座標系としては、例えば、道路５１の面に対して法線方向を１つの軸とする基準座標系や、もしくは、垂直方向（重力の方向）を１つの軸とする基準座標系を用いることができる。この場合、残りの２つの軸は任意であってもよい。一例として、車両の横幅方向に沿った軸と、車両の進行方向（長さ方向）に沿った軸と、車両の高さ方向に沿った軸と、からなる基準座標系を用いることができる。

また、車両検知装置１３において、車両候補点検出部１００３は、予め通過車両が存在しないシーンにおける道路面を含む計測点データを背景オブジェクトとして記憶しておき、センサにより得られた計測点データと背景オブジェクトデータとを比較し、基準座標系の任意の１つの軸における差が一定以上である場合に車両候補点として検出することができる。したがって、車両以外の物体による誤検知を低減することができる。

このように、車両検知装置１３において、車両候補オブジェクト検出部１００４が、複数の計測点のデータについて、所定の座標系（例えば、基準座標系）における計測点間の距離に基づいて、車両の候補となるオブジェクトを検出し、車両検知部１００５が、車両候補オブジェクト検出部１００４により検出されたオブジェクトに関して、前記所定の座標系における所定の方向の前記オブジェクトの長さに基づいて、車両のオブジェクトを検知する。
また、車両検知装置１３において、座標変換部１００２が、所定の監視エリア（例えば、カメラ視野２１）における物体に関して得られた複数の計測点の距離データを、道路に対応する前記所定の座標系における３次元空間上の距離データへ変換し、車両候補オブジェクト検出部１００４は、複数の計測点のデータとして、座標変換部１００２による変換により得られた距離データを用いる。

以上のように、本実施形態に係る車両情報処理システム１では、ステレオカメラ１１等のように３次元距離データを取得することが可能なエリアセンサを用いて、道路上の特定の領域を入出する車両を検知することができる。例えば、料金収受システムに用いられる車両検知装置１３において、カメラ等を用いたエリアセンサにより装置コストを低減することができ、また、車両以外の物体である例えば自動二輪車、自転車、人などが通過した際に誤って車両として検知してしまう誤検知を低減することができる。

（第２の実施形態）
以下、実施形態２の車両情報処理システム１を説明する。本実施形態では、実施形態１とは異なる点について詳細に説明し、実施形態１と同様な点については詳しい説明を省略する。車両検知装置１３において、各種の処理は、制御部１０５により制御されて行われる。

本実施形態では、車両検知装置１３は、車両候補オブジェクトについて、センサから抽出されたオブジェクトの任意の２次元平面への射影シルエット、オブジェクトの形状および構造のデータを用いて、オブジェクトの位置、姿勢の取得を行う。
具体的には、予め計算機上に記憶したオブジェクトの形状および構造のモデルを基に、オブジェクトに様々な位置、姿勢をとらせ、仮想的にオブジェクトを２次元平面上に投影し、シルエットを得る。このシルエットと、実際に計測したオブジェクトのシルエットとの一致度を比較し、最も一致した位置、姿勢をそのときのオブジェクトの位置、姿勢として出力する。

射影平面としては、例えば実施形態１で示した基準座標系によると、Ｙｗ−Ｚｗ平面への射影では車両等を側方から見たシルエットになり、Ｘｗ−Ｚｗ平面への射影では車両等を前方もしくは後方から見たシルエットとなる。但し、センサが車両走行方向に垂直な方向にある場合には、Ｘｗ−Ｚｗ平面においては十分な車幅方向の座標データが得られないことがあり得る。このため、センサの監視方向を車両走行方向に対して（垂直な方向ではなく）角度をつけ、車両走行方向に対して斜め前方もしくは斜め後方にすることで、車幅方向の計測方向についても測定値を十分に取得することが好ましい一例である。

一般的に用いられるオブジェクト間の一致度としては、例えば、実際のシルエットと仮想的なシルエットとが重なった領域に対する２つのシルエットの和集合領域の比や、あるいは、仮想的なシルエットの輪郭上の点に対する実際のシルエットの輪郭上で最も近い点の距離を全体にわたって平均した結果の値、などが用いられる。また、さまざまな位置、姿勢をとらせる際には、自由度が大きいことからあらゆる姿勢に対して評価することは不可能に近いため、例えば、最急降下法などの最小化アルゴリズムや、遺伝的アルゴリズム（ＧＡ）などを利用して解を求めることが行われる。

以上のように、本実施形態に係る車両情報処理システム１では、予め自動二輪車、自転車、人などのモデルデータを計算機上に持つことで、これらの判別を可能とすることができる。

図１１を参照して、効果の例を説明する。
本実施形態に係る車両情報処理システム１では、車両検知装置１３において、次のような処理を行う。
車両検知部１００５は、車両候補オブジェクトに関して、基準座標系における任意の２つの軸からなる平面に車両候補オブジェクトを構成する車両候補点の３次元座標を正射影し、車両候補オブジェクトの正射影した点群に関して射影平面の２つの軸の方向の大きさに基づいて、車両種別と自動二輪車、自転車、人などを判別する。したがって、車両の種別を精度よく判別することができる。

また、車両検知部１００５は、サイズを基に判別した車両以外のオブジェクトに関して、基準座標系における任意の２つの軸からなる平面に車両以外と判別された車両候補オブジェクトを構成する車両候補点の３次元座標を正射影し、正射影した点群に関して射影平面上での形状と、予め記憶した自動二輪車、自転車、人などの射影平面上での種別形状モデルとを比較し、これらの一致度が最大となる種別を判別することで、小型車両候補の種別を判定する。したがって、小型車両の種別を精度よく判別することができる。
また、車両検知部１００５は、サイズを基に判別した車両以外のオブジェクトに関して、予め記憶した自動二輪車、自転車、人などの３次元座標点群からなる種別モデルと、センサにより得られた複数の車両候補点との間で対応点探索を行い、対応点間の距離が最小となる種別を判別することで、小型車両候補の種別を判定する。したがって、小型車両の種別を精度よく判別することができる。

このように、車両検知装置１３において、車両検知部１００５は、車両候補オブジェクト検出部１００４により検出されたオブジェクトに関するデータと予め定められた種別毎のモデルのデータとを比較した結果に基づいて、オブジェクトの種別を判別する。

（第３の実施形態）
以下、実施形態３の車両情報処理システム１を説明する。本実施形態では、実施形態１とは異なる点について詳細に説明し、実施形態１と同様な点については詳しい説明を省略する。車両検知装置１３において、各種の処理は、制御部１０５により制御されて行われる。

本実施形態では、車両検知装置１３は、車両候補オブジェクトについて、センサがカメラを用いている場合に、実施形態２のような３次元データを用いたモデルマッチングではなく、オブジェクトに対応する画像特徴を用いたモデルマッチングを行う。

例えば、画像特徴量の一種である画像の局所特徴量としては、勾配情報から算出されるＳＩＦＴ（Ｓｃａｌｅ Ｉｎｖａｒｉａｎｔ Ｆｅａｔｕｒｅ Ｔｒａｎｓｆｏｒｍ）や、ＨＯＧ（Ｈｉｓｔｏｇｒａｍ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓ）が一般的に用いられている。ＳＩＦＴは、スケール変化、回転変化に不変な特徴量を記述することができる。ＨＯＧは、画像から輝度勾配を算出し、算出された勾配の強度と勾配の方向から輝度の勾配方向ヒストグラムを作成し、正規化を行い、歩行者認識等の物体検出に用いられる。

次に、画像特徴量（例えば、画像の局所特徴量）を基に、オブジェクトを、自動二輪車、自転車、人、などに分類判別する。各分類について、多数の画像から学習用データを抽出し、画像特徴量を学習させた辞書を予め準備する。認識アルゴリズムとしては、例えば、ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）やＡｄａＢｏｏｓｔ等の識別器により、パターン認識で分類を判別することができる。なお、画像特徴量の空間においてクラス間の分離境界面を決定する方式としては、他の方法が用いられてもよい。

図１１を参照して、効果の例を説明する。
本実施形態に係る車両情報処理システム１では、車両検知装置１３において、次のような処理を行う。
距離データ計測部１００１は、カメラ映像を用いた手法を使用する。車両検知部１００５は、サイズを基に判別した車両以外のオブジェクトに関して、当該オブジェクトに対応するカメラ画像上の領域を求め、予め記憶した自動二輪車、自転車、人などの種別画像との画像特徴量に関する比較を行い、画像特徴量の一致度が最大となる種別を判別することで、小型車両候補の種別を判定する。したがって、小型車両の種別を精度よく判別することができる。

このように、車両検知装置１３において、車両検知部１００５は、車両候補オブジェクト検出部１００４により検出されたオブジェクトに関するデータから得られる画像特徴量と予め定められた種別毎のモデルの画像特徴量とを比較した結果に基づいて、オブジェクトの種別を判別する。

（第４の実施形態）
以下、実施形態４の車両情報処理システム１を説明する。本実施形態では、実施形態１〜３とは異なる点について詳細に説明し、実施形態１〜３と同様な点については詳しい説明を省略する。車両検知装置１３において、各種の処理は、制御部１０５により制御されて行われる。

本実施形態では、実施形態１〜３のいずれかにおいて、車両検知装置１３は、車両候補オブジェクトについて、複数の時間で得られるオブジェクト間で、カルマンフィルタ、パーティクルフィルタ等により、同一のオブジェクトの通過軌跡（追跡軌跡）を得る。
ここで、車両検知装置１３は、通過軌跡のパターンに基づいて、例えば、オブジェクトが、監視エリア（例えば、カメラ視野２１）内で行き来したり、車線幅方向に移動したりする場合には、そのオブジェクトは人であると判別することができる。このように人であると判別する条件は、予め車両検知装置１３に設定される。

図１１を参照して、効果の例を説明する。
本実施形態に係る車両情報処理システム１では、車両検知装置１３において、次のような処理を行う。
車両検知部１００５は、サイズを基に判別した車両以外のオブジェクトに関して、複数の時間で得られるオブジェクトの間の対応付けを行って追跡し、オブジェクトの通過軌跡に基づいて自動二輪車、自転車、人などの種別を判別することで、小型車両候補の種別を判定する。したがって、小型車両の種別を精度よく判別することができる。

このように、車両検知装置１３において、車両検知部１００５は、車両候補オブジェクト検出部１００４により検出されたオブジェクトに関するデータから得られるオブジェクトの時間的な変化のデータに基づいて、オブジェクトの種別を判別する。

（第５の実施形態）
以下、実施形態５の車両情報処理システム１を説明する。本実施形態では、実施形態１〜３とは異なる点について詳細に説明し、実施形態１〜３と同様な点については詳しい説明を省略する。車両検知装置１３において、各種の処理は、制御部１０５により制御されて行われる。

本実施形態では、実施形態１〜３のいずれかにおいて、実施形態４と同様に、車両検知装置１３は、車両候補オブジェクトについて、複数の時間で得られるオブジェクト間で、カルマンフィルタ、パーティクルフィルタ等により、同一のオブジェクトの通過軌跡（追跡軌跡）を得る。
そして、本実施形態では、車両検知装置１３は、同一のオブジェクトのシルエット等の形状の変化を分析し、形状の変化が大きい場合には、人の歩行による形状の変化であると判定し、対象のオブジェクトは人であると判別することができる。一つの単純な例としては、射影平面への２次元シルエットにおける各軸上での最大値と最小値の差の比率（例えば、複数の軸間での比率）を取り、この比率の変化が所定の閾値以上である場合にオブジェクトは人であると判別することができる。

図１１を参照して、効果の例を説明する。
本実施形態に係る車両情報処理システム１では、車両検知装置１３において、次のような処理を行う。
車両検知部１００５は、サイズを基に判別した車両以外のオブジェクトに関して、複数の時間で得られるオブジェクトの間の対応付けを行って追跡し、同一のオブジェクトの時間による形状変化情報に基づいて自動二輪車、自転車、人などの種別を判別することで、小型車両候補の種別を判定する。したがって、小型車両の種別を精度よく判別することができる。

このように、車両検知装置１３において、車両検知部１００５は、車両候補オブジェクト検出部１００４により検出されたオブジェクトに関するデータから得られるオブジェクトの時間的な変化のデータに基づいて、オブジェクトの種別を判別する。

以上述べた少なくともひとつの実施形態の車両検知装置１３によれば、車両候補オブジェクトに関して所定の座標系（例えば、基準座標系）における所定の方向の長さに基づいて車両のオブジェクトを検知する車両検知部１００５を有することにより、車両以外の物体による誤検知を低減することができる。

以上に示した実施形態に係る各装置（例えば、センサ、車両検知装置１３、ＥＴＣシステム１２など）の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、処理を行ってもよい。

なお、ここでいう「コンピュータシステム」とは、オペレーティング・システム（ＯＳ：Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）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である。

１…車両情報処理システム、１１…ステレオカメラ、１１ａ、１１ｂ…カメラ、１２…ＥＴＣシステム、１３…車両検知装置、２１…カメラ視野、２２…通信エリア、５１…道路、５２…車両、１０１…表示部、１０２…ユーザインターフェース、１０３…ネットワークインターフェース、１０４…記憶部、１０５…制御部、２０１…基準面、Ａ１〜Ａ９…単位区間、５０１、５０２…特性、１００１…距離データ計測部、１００２…座標変換部、１００３…車両候補点検出部、１００４…車両候補オブジェクト検出部、１００５…車両検知部

Claims (5)

1. 複数の計測点のデータについて、所定の座標系における計測点間の距離に基づいて、車両の候補となるオブジェクトを検出する車両候補オブジェクト検出部と、
   前記車両候補オブジェクト検出部により検出されたオブジェクトに関して、前記所定の座標系における所定の方向の前記オブジェクトの長さに基づいて、車両のオブジェクトを検知する車両検知部と、
   を有する車両検知装置。
2. 所定の監視エリアにおける物体に関して得られた複数の計測点の距離データを、道路に対応する前記所定の座標系における３次元空間上の距離データへ変換する座標変換部を有し、
   前記車両候補オブジェクト検出部は、前記複数の計測点のデータとして、前記座標変換部による変換により得られた距離データを用いる、
   請求項１に記載の車両検知装置。
3. 前記車両検知部は、前記車両候補オブジェクト検出部により検出されたオブジェクトに関するデータと予め定められた種別毎のモデルのデータとを比較した結果に基づいて、前記オブジェクトの種別を判別する、
   請求項１または請求項２のいずれか１項に記載の車両検知装置。
4. 前記車両検知部は、前記車両候補オブジェクト検出部により検出されたオブジェクトに関するデータから得られる画像特徴量と予め定められた種別毎のモデルの画像特徴量とを比較した結果に基づいて、前記オブジェクトの種別を判別する、
   請求項１から請求項３のいずれか１項に記載の車両検知装置。
5. 前記車両検知部は、前記車両候補オブジェクト検出部により検出されたオブジェクトに関するデータから得られる前記オブジェクトの時間的な変化のデータに基づいて、前記オブジェクトの種別を判別する、
   請求項１から請求項４のいずれか１項に記載の車両検知装置。

Images