JP2018017102A - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP2018017102A JP2018017102A JP2016150720A JP2016150720A JP2018017102A JP 2018017102 A JP2018017102 A JP 2018017102A JP 2016150720 A JP2016150720 A JP 2016150720A JP 2016150720 A JP2016150720 A JP 2016150720A JP 2018017102 A JP2018017102 A JP 2018017102A
- Authority
- JP
- Japan
- Prior art keywords
- image
- information
- road surface
- unit
- failure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 17
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000003384 imaging method Methods 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 description 204
- 230000007547 defect Effects 0.000 description 134
- 238000007689 inspection Methods 0.000 description 123
- 238000000605 extraction Methods 0.000 description 86
- 238000000034 method Methods 0.000 description 51
- 230000008569 process Effects 0.000 description 32
- 238000012545 processing Methods 0.000 description 25
- 230000007257 malfunction Effects 0.000 description 17
- 238000013473 artificial intelligence Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 239000003550 marker Substances 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 11
- 238000013211 curve analysis Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Road Repair (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
Description
また、本発明の別の一態様は、情報処理装置が、面に沿って移動する移動体に搭載された撮像装置で撮像され、当該面を含む領域が撮像された画像を取得する第1ステップと、前記第1ステップにおいて取得された画像の各々について、前記画像中の面の状態を示す状態情報と、前記面の位置を示す位置情報と、を対応付けた情報を生成する第2ステップと、地図上に、前記位置情報が示す位置に、当該位置の面の状態を示す状態情報と、当該面を含む画像と、を対応付けて表示部に表示する第3ステップと、を含む情報処理方法である。
また、本発明の別の一態様は、コンピュータに、面に沿って移動する移動体に搭載された撮像装置で撮像され、当該面を含む領域が撮像された画像を取得する第1ステップと、前記第1ステップにおいて取得された画像の各々について、前記画像中の面の状態を示す状態情報と、前記面の位置を示す位置情報と、を対応付けた情報を生成する第2ステップと、地図上に、前記位置情報が示す位置に、当該位置の面の状態を示す状態情報と、当該面を含む画像と、を対応付けて表示部に表示する第3ステップと、を実行させるためのプログラムである。
[第1の実施形態]
〔不具合解析システム1の概要〕
本発明の第1の実施形態について説明する。
図1は、不具合解析システム1の概要を示す図である。
本実施形態に係る不具合解析システム1は、建造物の表面の状態を解析するシステムである。以下では、一例として、不具合解析システム1が建造物の表面に現れた視認可能な不具合を解析する場合について説明する。
建造物とは、例えば、道路、橋梁、施設等であり、社会インフラを含む。
表面とは、建造物の外部又は内部の表面である。つまり、建造物の表面とは、例えば、道路の路面や橋梁、施設の上面、側面、下面である。
視認可能な不具合とは、物理的な凹凸、色彩の変化等である。
路面不具合には、例えば、轍、ポットホール、ひび割れ(クラック)、段差がある。図2から図6は、路面不具合を撮像した画像の例を示す図である。図2に示す画像P1は、轍D1の例を示す。図3に示す画像P2は、ポットホールD2の例を示す。図4に示す画像P3は、ひび割れD3の例を示す。図5に示す画像P4は、段差D4の例を示す。なお、不具合解析システム1は、路面不具合以外にも、パッチング等の路面の状態を解析してよい。図6に示す画像P5は、パッチングD5の例を示す。
まず、ユーザは、撮像部11を備える車両10に運転して、路面不具合を解析する道路を走行する。撮像部11は、路面を撮像可能に車両10に設置されている。そして、撮像部11は、車両10の走行に応じて移り変わる路面を随時撮像する。以下では、路面の画像を「路面画像」と称する。また、ユーザは、路面画像の撮像中、車両10の位置を随時計測する。以下では、測位結果を示す情報(データ)を「測位情報」と称する。
このように、不具合解析システム1は、深層学習した人工知能を用いて、画像中に写り込んだ不具合を検出する。深層学習は、適切な教示情報により学習が行われれば、高い認識精度が得られるという特性がある。そのため、不具合解析システム1は、撮像した範囲については、建造物の不具合を網羅的に検出することができる。
以上が、不具合解析システム1の概要についての説明である。
次に、不具合解析システム1の構成について説明する。
図7は、不具合解析システム1の構成を示すブロック図である。
不具合解析システム1は、車両10と、不具合解析装置30と、不具合情報管理装置50と、台帳情報管理装置70と、地図情報管理装置90と、を備える。車両10には、撮像部11と、測位部12と、情報端末装置13とが搭載されている。情報端末装置13と、不具合解析装置30と、不具合情報管理装置50と、台帳情報管理装置70と、地図情報管理装置90とは、それぞれ、ネットワークNWに接続し、互いに通信を行うことができる。
不具合情報とは、路面不具合の内容、路面不具合の場所等の路面不具合に関する情報である。つまり、不具合情報とは、面の状態を示す情報の一例である。不具合情報には、路面不具合が存在していないことが記述されてもよい。
第1種不具合情報とは、人手により確認された路面不具合に関する情報である。第1種不具合情報は、不具合解析用人工知能の機械学習に用いられる。
第2種不具合情報とは、不具合解析用人工知能により検出された路面不具合に関する情報である。つまり、第2種不具合情報とは、不具合解析装置30による解析結果を示す情報である。
地図情報管理装置90は、地図情報を管理する装置である。台帳情報管理装置70は、例えば、サーバ装置等のコンピュータシステムを備える電子機器である。地図情報管理装置90は、地図情報を記憶する地図情報記憶部91を備える。地図情報とは、建造物の名称、座標、住所、範囲等を含む情報であり、地図の生成に用いられる情報である。
以上が、不具合解析システム1の構成についての説明である。
次に、不具合解析システム1が処理する情報のデータ構成について説明する。
まず、路面画像情報について説明する。ここでは、一例として、路面画像情報が動画像である場合について説明する。
図8は、路面画像情報のデータ構成を示す図である。
図8に示す例では、路面画像情報は、フレーム番号情報(図8の「フレーム番号」)と、フレーム時間情報(図8の「フレーム時間」)と、フレーム画像情報(図8における「フレーム画像」)と、を含み、これらを対応付けて構成される。
フレーム番号情報とは、路面画像の動画像を構成する各フレームの識別情報である。フレーム番号情報は、例えば、動画像の開始から終了までの各フレームに対して昇順に割当てられた番号である。
フレーム画像情報とは、各フレームの画像を示す情報である。フレーム画像は、エンコードされていてもよい。
以上が、路面画像情報のデータ構成についての説明である。
図9は、測位情報のデータ構成を示す図である。
図9に示す例では、測位情報は、タイムスタンプ情報(図9の「タイムスタンプ」)と、測位座標情報(図9の「座標」)とを含み、これらを対応付けて構成される。
タイムスタンプ情報とは、測位を行った時刻を示す情報である。
測位座標情報とは、測位の結果、特定された位置を示す情報である。
以上が、測位情報のデータ構成についての説明である。
図10は、不具合情報のデータ構成を示す図である。
図10に示す例では、不具合情報は、路面不具合ID(図10の「路面不具合ID」)と、住所情報(図10の「住所」)と、不具合座標情報(図10の「座標」)と、路面不具合種別情報(図10の「路面不具合種別」)と、不具合画像情報(図10の「画像」)と、を含み、これらを互いに対応付けて構成される。
住所情報とは、路面不具合が存在する場所の住所を示す情報である。
不具合座標情報とは、路面不具合が存在する場所の座標を示す情報である。
路面不具合種別情報とは、路面不具合の種別を示す情報である。
不具合画像情報とは、路面不具合を撮像した画像を示す情報である。
以上が、不具合情報のデータ構成についての説明である。
図11は、台帳情報のデータ構成を示す図である。
図11に示す例では、台帳情報は、路線番号情報(図11の「路線番号」)と、道路種別情報(図11の「道路種別」)と、路線名称情報(図11の「路線名称」)と、区間番号情報(図11の「区間番号」)と、改良区分情報(図11の「改良区分」)と、路面種別情報(図11の「路面種別」)と、全幅員情報(図11の「全幅員」)と、道路幅員情報(図11の「道路幅員」)と、を含み、これらを対応付けて構成される。
道路種別情報とは、道路の種別を示す情報である。
路線名称情報とは、道路の路線の名称を示す情報である。
区間番号情報とは、路線における道路の区間を示す情報である。
改良区分情報とは、道路の改良区分を示す情報である。
路面種別情報とは、道路の路線の種別を示す情報である。
全幅員情報とは、道路の全幅員を示す情報である。
道路幅員情報とは、道路の幅員を示す情報である。
以上が、台帳情報のデータ構成についての説明である。
次に、不具合解析装置30の構成について説明する。
図12は、不具合解析装置30の構成を示すブロック図である。
図12に示す例において、不具合解析装置30は、入力部31と、表示部32と、音声再生部33と、通信部34と、記憶部35と、制御部360と、を備える。
入力部31は、不具合解析装置30のユーザから、各種情報の入力を受け付ける。入力部31は、例えば、マウス、タッチパッド等のポインティングデバイス、キーボード等を備える。
表示部32は、テキストや画像等の各種情報を表示する。表示部32は、例えば、有機EL(Electro−Luminscence)ディスプレイパネルや液晶ディスプレイパネル等を備える。不具合解析装置30による路面不具合の解析結果を表示する。
音声再生部33は、音声を再生する。音声再生部33は、例えば、スピーカ、アンプ等である。
通信部34は、他の装置と情報を送受信する。通信部34は、例えば、通信用IC(Integrated Circuit)や通信用ポート等を備える。
記憶部35は、各種情報を記憶する。記憶部35は、例えば、ROM(Read Only Memory)、RAM(Random Access Memory)等を備える。また、記憶部35は、HDD(Hard Disc Drive)、EEPROM(Electrically Erasable Programmable Read Only Memory)、フラッシュメモリ等を備えてもよい。記憶部35は、不具合解析装置30が備えるCPU(Central Processing Unit、不図示)やGPU(Graphics Processing Unit、不図示)が実行するための各種プログラムやCPUやGPUが実行した処理の結果などを記憶する。また、記憶部35は、学習結果記憶部351を備える。
学習結果記憶部351は、不具合解析装置30が備える不具合解析用人工知能の学習結果を記憶する。学習結果とは、例えば、ニューラルネットワークのネットワークの状態を示す情報である。ニューラルネットワークのネットワークの状態を示す情報とは、例えば、ニューラルネットワークを構成する各ノード(ユニット)に係る活性化関数のパラメータの値を示す情報等である。
画像抽出処理とは、路面画像情報から、路面不具合の有無を解析する対象の画像(以下、「検査画像」と称する。)を抽出する処理である。換言すると、画像抽出処理とは、撮像部11が撮像した一連の画像から、検査画像を特定したり、抽出したり、抜き出したり、絞り込んだりする処理である。また、画像抽出処理とは、撮像部11が撮像した一連の画像から、路面不具合の有無を解析しない画像を特定したり、抽出したり、抜き出したり、間引いたりする処理である。
画像抽出部363は、画像抽出処理により抽出した検査画像の情報を、領域抽出部364に出力する。
領域抽出処理とは、検査画像から、検査領域を抽出する処理である。換言すると、領域抽出処理とは、検査画像から検査領域を、特定したり、抽出したり、抜き出したり、絞り込んだり、生成したり、検査画像を分割したりする処理である。また、領域抽出処理とは、検査画像から、路面不具合の有無を解析しない領域を特定したり、抽出したり、抜き出したり、間引いたりする処理である。検査画像には、路面以外の物体が写り込む場合がある。例えば、検査画像には、道路脇の家屋や道路上の他の車両等が写り込むことがある。これら路面以外の物体についても路面不具合を解析すると、路面以外の物体について路面不具合であると誤認識してしまい、認識精度が低下する可能性がある。特に、路面以外の物体についての機械学習が不十分である場合には、このような誤認識が起こりやすい。また、これら路面以外の物体についても路面不具合を解析すると、路面不具合の解析に要する負荷が増大してしまう。
領域抽出部364は、領域抽出処理により抽出した検査領域の情報を、解析部365に出力する。また、領域抽出部364は、検査領域の各々の検査画像における位置を示す情報を、解析部365に出力する。
学習部366は、不具合情報管理装置50が管理する第1種不具合情報を用いて機械学習を実行する。学習部366は、第1種不具合情報の他、路面画像に写り込む可能性がある路面不具合以外の物体を写した画像により強化学習を行ってもよい。例えば、マンホールの画像や側溝を写した画像等により強化学習を行ってもよい。これにより、不具合解析用人工知能は、路面不具合以外の物体を識別することができるため、路面不具合以外の物体を、路面不具合であると誤認識しにくくなる。従って、路面不具合の認識精度を向上させることができる。
以上が、不具合解析装置30の構成についての説明である。
次に、不具合解析装置30の動作について説明する。
図13は、不具合解析装置30による全体的な処理の流れを示すフローチャートである。
(ステップS100)情報取得部361は、路面画像情報と、測位情報とを取得する。その後、制御部360は、ステップS102に処理を進める。
(ステップS102)画像変換部362は、画像抽出処理を実行し、検査画像を抽出する。その後、制御部360は、ステップS104に処理を進める。
(ステップS106)解析部365は、各検査画像の各検査領域に含まれる路面不具合を解析する。解析部365は、解析結果を示す不具合情報を、第2種不具合情報として、不具合情報管理装置50に記憶させる。その後、制御部360は、ステップS108に処理を進める。
(ステップS108)結果生成部368は、不具合情報管理装置50が管理する不具合情報をユーザに提示するための提示情報を生成する。結果生成部368は、生成した提示情報を表示部32や音声再生部33に出力する。その後、制御部360は、図13に示す処理を終了する。
なお、ステップS102、S104の処理は、省略可能である。
以上が、不具合解析装置30による全体的な処理の流れについての説明である。
次に、不具合解析装置30による画像抽出処理について説明する。
ここでは、一例として、車両10の移動に応じて変化する一連の路面画像から、所定の設定距離の移動に対応する路面画像を抽出する場合について説明する。
図14は、不具合解析装置30による画像抽出処理の流れを示すフローチャートである。
(ステップS200)画像抽出部363は、フレームIDに基づいてフレーム(画像)を選択する。例えば、画像抽出部363は、フレームを未選択の場合には、最初のフレームを選択する。また、画像抽出部363は、既にフレームを選択している場合には、選択中のフレームの次のフレームを選択する。その後、制御部360は、ステップS202に処理を進める。
(ステップS204)画像抽出部363は、算出した移動距離を、移動距離合計に加算する。なお、移動距離合計は、画像抽出処理の開始時に初期化される。その後、制御部360は、ステップS206に処理を進める。
(ステップS210)画像抽出部363は、選択中の画像と測位情報とを対応付ける。その後、制御部360は、ステップS212に処理を進める。
(ステップS212)画像抽出部363は、選択画像を検査画像として設定する。その後、制御部360は、ステップS214に処理を進める。
(ステップS216)画像抽出部363は、検査画像と、検査画像に対応する測位情報とを記憶部35に記憶し、参照可能にする。その後、制御部360は、図14に示す処理を終了する。
なお、検出画像は、例えば、10フレーム間隔等、設定距離に依らずに抽出されてもよい。また、図14に示す処理では省略したが、測位情報は、車両10の速度情報等により補正されたものであってもよい。
以上が、画像抽出処理の説明である。
次に、領域抽出処理について説明する。
図15は、検査画像の一例を示す図である。
図15に示す例において、撮像部11は、車両10の前方を撮像するように設置されている。この撮像部11によって撮像された検査画像P6には、3つのラインによって区切られた2車線の道路の路面が含まれている。また、検査画像P6には、縁石R4によって区切られた沿道が含まれている。
図16に示す検査画像P7は、図15に示す検査画像P6と同様に撮像された画像である。図16に示す領域A1〜A10は、それぞれ、検査画像P7に設定された検査領域を示す。このように検査領域A1〜A10を設定することにより、各検査領域A1〜A10は、路面以外の物体を含みにくくなる。これにより、路面不具合以外の物体を、路面不具合であると誤認識してしまうことが少なくなるため、不具合解析装置30は、路面不具合の認識精度を向上させることができる。また、路面不具合の画像内の位置を特定することができる。また、検査画像P7に複数の路面不具合が写る場合であっても、各検査領域A1〜A10に個々の路面不具合のみを含みやすくなる。これにより、不具合解析装置30は、個々の路面不具合の種別を精度よく認識することができる。
以上が、領域抽出処理についての説明である。
次に、不具合情報の提示について説明する。
不具合情報は、不具合解析装置30が提示してもよいし、情報端末装置13が提示してもよい。
図17は、不具合情報の提示画面の一例を示す図である。
図17に示す例において、画面O1は、複数の領域O2〜O4を含む。画面O1は、例えばウェブページ化され、任意の端末のウェブブラウザから参照可能である。
領域O2は、車両10の位置を示すマーカO21、路面不具合の位置を示すマーカO22、路面画像を取得した位置、すなわち車両10の走行経路O23を、地図上に表示した画像を提示する領域である。車両10のマーカO21、地図の縮尺、地図の範囲は、ユーザによる操作に応じて変更可能である。地図の範囲は、車両10のマーカO21の位置、路面不具合のマーカO22の位置、車両10の走行経路O23に応じて定められてもよい。
領域O4は、検出された路面不具合を含む路面画像のフレームを一覧表示する領域である。領域O4には、各フレームにおいて、路面不具合を検出した検査領域O41が表示される。
以上が、不具合情報の提示についての説明である。
以上説明したように、不具合解析装置30は、面(例えば、路面)を撮像した画像について、当該面の状態を示す教示データ(例えば、第1種不具合情報)に基づいて、深層学習を行う学習部366と、面を含む領域が撮像された画像(例えば、路面画像)であって、撮像された位置を示す位置情報(例えば、測位情報)と対応付けられた画像を取得する情報取得部361と、前記学習部366の学習結果に基づいて、前記情報取得部361が取得した画像中の面の状態を判定する認識部367と、を備える。
これにより、不具合解析装置30は、撮像された面について、各場所の状態を網羅的に解析することができる。
これにより、不具合解析装置30は、面の各場所の状態を、周囲の状態を参照して判定する。従って、不具合解析装置30は、面の状態の判定精度を向上させることができる。
これにより、不具合解析装置30は、面の各場所の状態を、周囲の状態を参照して判定する。従って、不具合解析装置30は、面の状態の判定精度を向上させることができる。
これにより、不具合解析装置30の判定結果の正当性をユーザが確認した場合、判定に用いられた画像を深層学習に用いることができる。不具合解析装置30は、例えば、判定結果が誤っている場合も、再学習を行うことができるため、より正しい判定結果を表示することができるようになる。従って、不具合解析装置30は、面の状態の判定精度を向上させることができる。
これにより、不具合解析装置30は、移動体の移動に応じて面の状態を判定する画像の量を調整する。従って、不具合解析装置30は、面の状態の判定精度を維持しつつ、判定に要する負荷を低減することができる。
これにより、不具合解析装置30は、移動体の移動速度に応じて、面の状態を判定する画像の量を調整する。従って、不具合解析装置30は、面の状態の判定精度を維持しつつ、判定に要する負荷を低減することができる。
これにより、不具合解析装置30は、画像の一部から面の状態を判定するため、画像に判定精度の低下させる要素が写り込んでいた場合、その要素を排除して判定を行うことができる。従って、不具合解析装置30は、面の状態の判定精度を向上させることができる。
これにより、不具合解析装置30は、画像において、情報量の豊富な手前側に写る面の状態を重点的に判定する。また、画像の手前側には、移動体の近傍が写るため、面以外の物体が写り込みにくい。また、画像の手前側では、移動体の移動方向が変化した場合の撮像範囲の変化量が小さい。従って、不具合解析装置30は、面の状態の判定精度を向上させるとともに、判定に要する負荷を低減することができる。
これにより、不具合解析装置30は、1つの画像から複数の重複した部分画像を生成する。従って、不具合解析装置30は、部分画像の境界の面の状態の判定精度を向上させることができる。
これにより、ユーザは、地図を参照すれば、どの位置のどの面がどのような状態にあるのかを即座に把握することができる。つまり、不具合解析装置30は、面の状態を分かりやすく提示することができる。
これにより、不具合解析装置30は、地図上に複数の状態情報が密集する場合であっても、代表位置を示すため、面の状態を分かりやすく提示することができる。
以上が、第1の実施形態についての説明である。
第2の実施形態について説明する。ここでは、上述した各実施形態と同様の構成については、同一の符号を付し、説明を援用する。
〔不具合解析システム1Aの概要〕
本実施形態に係る不具合解析システム1A(不図示)は、第1の実施形態に係る不具合解析システム1と同様の構成を備える。ただし、不具合解析システム1Aは、画像抽出処理において、道路のカーブを検出する処理を行う点が異なる。カーブでは、車両の移動方向が変化する。カーブでは車両10の移動速度が一定であったとしても、路面画像の特に奥側の撮像範囲の変化が直線より大きくなる。そこで、カーブの度合いに応じて画像間の移動距離を補正する。これにより、路面不具合の解析精度を向上させることができるとともに、解析に要する処理の負荷を低減することができる。
不具合解析システム1Aは、不具合解析システム1が備える不具合解析装置30に代えて、不具合解析装置30A(不図示)を備える。不具合解析装置30Aは、不具合解析装置30が備える画像抽出部363に代えて、画像抽出部363A(不図示)を備える。
画像抽出部363Aは、画像抽出部363と同様に画像抽出処理を行う。ただし、画像抽出部363Aは、画像間の移動距離を、道路のカーブに応じて補正する点が異なる。画像抽出部363Aは、カーブの度合いが大きい程(すなわち、カーブが急である程)、画像間の移動距離が大きくなるように補正し、カーブの度合いが小さい程(すなわち、カーブが緩やかである程)、画像間の移動距離が小さくなるように補正する。つまり、カーブの度合いが大きい程、少ない路面画像が間引かれ、カーブの度合いが小さい程、多くの路面画像が間引かれるようにする。これにより、カーブの度合いが大きい程、より多くの画像が抽出され、カーブの度合いが小さい程、より少ない画像が抽出されるようになる。
まず、第1のカーブ解析手法について説明する。
図18は、第1のカーブ解析手法の概要を示す図である。
図18に示す例では、道路R10上に8つの測位点m1〜m8が存在する。道路R10は、概ね位置m4〜m7に渡り、カーブしている。
第1のカーブ解析手法では、連続した3点の測位情報から傾き度合いを計測する。例えば、測位点m5におけるカーブを解析する場合、測位点m4から測位点m5への移動方向v4と、測位点m5から測位点m6への移動方向v5とを算出する。そして、2つの移動方向v4、v5のなす角度θを算出する。これにより、画像抽出部363Aは、カーブの度合いを示す角度θを算出することができる。
図19は、第2のカーブ解析手法の概要を示す図である。
図19に示す例では、図18に示す例と同様に、道路R10上に8つの測位点m1〜m8が存在する。
第2のカーブ解析手法では、所定期間内に測定された位置間の距離の総和と、所定期間の最初と最後とで測定された位置の距離とを比較することにカーブの度合いを算出する。例えば、測位点m2の測定開始から所定期間内に特定された測位点が、測位点m3〜m7である場合、画像抽出部363は、測位点m2〜m3、m3〜m4、m4〜m5、m5〜m6、m6〜m7間のそれぞれの距離の総和L1を算出する。また、画像抽出部363Aは、測位点m2〜m7間の直線距離L2を算出する。画像抽出部363Aは、距離L1と距離L2とを比較することによりカーブの度合いを特定することができる。例えば、距離L1に比して距離L2が短い程、カーブの度合いが大きい。また、距離L1と距離L2が同程度であれば、カーブの度合いが小さい。
上記の第2のカーブ解析手法では、距離の算出及び距離の比較しか行わないため、処理に要する負荷を低減することができる。
以上が、不具合解析システム1Aの構成についての説明である。
次に、不具合解析装置30Aの動作について説明する。ここでは、画像抽出処理における動作について説明する。
図20は、不具合解析装置30Aによる画像抽出処理の流れを示すフローチャートである。
図20に示すステップS200、S202、S204〜S216の処理は、図14に示す処理と同様であるため、説明を援用する。
なお、ここでは、画像間の移動距離を補正する場合について説明したが、画像間の移動距離の代わりに設定距離を補正してもよい。また、距離の補正は、任意の方法により行われてよい。例えば、カーブの度合いごとの補正量を予め設定し、この補正量に基づいて距離の補正が行われてもよいし、カーブの度合いを示すパラメータを含む関数により補正が行われてもよい。
以上が、不具合解析装置30Aの動作についての説明である。
以上説明したように、不具合解析装置30Aは、移動体(例えば、車両10)の移動方向の変化量(例えば、カーブの度合い)に基づいて、第2画像(例えば、検査画像)を抽出する。
これにより、不具合解析装置30Aは、例えば移動体の移動方向の変化量に応じて第2画像の抽出量を変化させる。つまり、画像の撮像範囲の変化に応じて第2画像の抽出量を変化させる。従って、移動体の移動方向が一定でない場合であっても、面の状態の判定に必要十分な第2画像を抽出することができる。
これにより、不具合解析装置30Aは、移動体の移動方向が一定でない場合であっても、面の状態の判定に必要十分な第2画像を抽出することができる。
以上が、第2の実施形態についての説明である。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成は上述の実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。例えば、上述の第1〜2の実施形態において説明した各構成は、任意に組み合わせることができる。また、例えば、上述の第1〜2の実施形態において説明した各構成は、特定の機能を発揮するのに不要である場合には、省略することができる。また、例えば、上述の第1〜2の実施形態において説明した各構成は、任意に分離して別体の装置に備えることができる。
これにより、情報端末装置13は、例えば、移動体の近傍の面の画像を提示するため、移動体で移動中のユーザに、面の状態を分かりやすく提示することができる。
これにより、情報端末装置13は、例えば、移動体の近傍の面の状態を提示するため、移動体で移動中のユーザに、面の状態を分かりやすく提示することができる。
図21は、領域抽出処理の別例を示す図である。
図21に示す例では、検査画像P8から、領域A21を間引き、残りの台形型の領域を検査領域としている。領域A21は、撮像画像への路面の写り方に応じて予め定められてよい。このように、不具合解析装置30、30Aは、検査領域としない領域を定めてもよい。
なお、一度に撮像された一連の路面画像の解析範囲は、ユーザからの入力により定められてよい。不具合解析装置30、30Aは、例えば、解析するフレームの範囲を時間指定により受け付けてもよいし、場所の指定により受け付けてもよい。不具合解析装置30、30Aは、場所の指定を受け付ける場合、指定された場所の座標と、路面画像に対応付けられている測位情報とを参照して解析範囲を定めてよい。
撮像部11は、車内に設置されてもよいし、車外に設置されてもよい。また、撮像部11は、車両の前方を撮像するように設置されてもよいし、後方を撮像するように設置されてもよい。また、撮像部11は、ユーザが身に着ける等、ユーザが携行してもよい。
Claims (6)
- 面に沿って移動する移動体に搭載された撮像装置で撮像され、当該面を含む領域が撮像された画像を取得する画像取得部と、
前記画像取得部が取得する画像の各々について、前記画像中の面の状態を示す状態情報と、前記面の位置を示す位置情報と、を対応付けた情報を生成する状態判定部と、
地図上に、前記位置情報が示す位置に、当該位置の面の状態を示す状態情報と、当該面を含む画像と、を対応付けて表示する表示部と、
を備える情報処理装置。 - 前記表示部は、予め定めた範囲内に前記位置情報が属する面であって、前記状態情報が同一である複数の面については、当該複数の面を代表する代表位置に、当該状態情報を対応付けて表示する、
請求項1に記載の情報処理装置。 - 前記表示部は、移動体の位置に基づいて、前記面を含む画像を表示する、
請求項1又は請求項2に記載の情報処理装置。 - 前記表示部は、移動体の位置と前記位置情報とに基づいて、当該位置情報に対応する状態情報を表示する、
請求項1から請求項3のいずれか一項に記載の情報処理装置。 - 情報処理装置が、
面に沿って移動する移動体に搭載された撮像装置で撮像され、当該面を含む領域が撮像された画像を取得する第1ステップと、
前記第1ステップにおいて取得された画像の各々について、前記画像中の面の状態を示す状態情報と、前記面の位置を示す位置情報と、を対応付けた情報を生成する第2ステップと、
地図上に、前記位置情報が示す位置に、当該位置の面の状態を示す状態情報と、当該面を含む画像と、を対応付けて表示部に表示する第3ステップと、
を含む情報処理方法。 - コンピュータに、
面に沿って移動する移動体に搭載された撮像装置で撮像され、当該面を含む領域が撮像された画像を取得する第1ステップと、
前記第1ステップにおいて取得された画像の各々について、前記画像中の面の状態を示す状態情報と、前記面の位置を示す位置情報と、を対応付けた情報を生成する第2ステップと、
地図上に、前記位置情報が示す位置に、当該位置の面の状態を示す状態情報と、当該面を含む画像と、を対応付けて表示部に表示する第3ステップと、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016150720A JP6615065B2 (ja) | 2016-07-29 | 2016-07-29 | 情報処理装置、情報処理方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016150720A JP6615065B2 (ja) | 2016-07-29 | 2016-07-29 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018017102A true JP2018017102A (ja) | 2018-02-01 |
JP6615065B2 JP6615065B2 (ja) | 2019-12-04 |
Family
ID=61076023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016150720A Active JP6615065B2 (ja) | 2016-07-29 | 2016-07-29 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6615065B2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378878A (zh) * | 2019-06-24 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 检测飞机进气道的方法、装置及存储介质 |
JP2020021465A (ja) * | 2018-07-18 | 2020-02-06 | エヌ・ティ・ティ・コムウェア株式会社 | 点検システム及び点検方法 |
JP2021033130A (ja) * | 2019-08-27 | 2021-03-01 | トヨタ自動車株式会社 | 表示処理装置、表示処理方法、プログラム |
EP3786897A1 (en) | 2019-08-27 | 2021-03-03 | Toyota Jidosha Kabushiki Kaisha | Display processing device, display processing method and program |
JP2021036454A (ja) * | 2020-11-11 | 2021-03-04 | トヨタ自動車株式会社 | 表示処理装置、表示処理方法、プログラム |
JP6892974B1 (ja) * | 2020-07-06 | 2021-06-23 | 日本電気株式会社 | 劣化診断システム、劣化診断装置、劣化診断方法、及び、プログラム |
EP3979150A4 (en) * | 2019-06-03 | 2023-04-26 | Furukawa Electric Co., Ltd. | ASSISTANT INFORMATION GENERATION DEVICE, ASSISTANT INFORMATION GENERATION METHOD, AND ASSISTANT INFORMATION GENERATION PROGRAM |
WO2023067717A1 (ja) * | 2021-10-20 | 2023-04-27 | 日本電気株式会社 | 施設点検表示装置、情報処理装置、施設点検表示方法及び非一時的なコンピュータ可読媒体 |
JP7440855B1 (ja) | 2023-01-26 | 2024-02-29 | ナカシャ クリエイテブ株式会社 | 点検支援システム、撮影位置同定システム、及び、プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000194983A (ja) * | 1998-12-28 | 2000-07-14 | Nichireki Co Ltd | 路面沿道撮影車 |
JP2006112127A (ja) * | 2004-10-15 | 2006-04-27 | Hitachi Ltd | 道路管理システム |
JP2007232652A (ja) * | 2006-03-02 | 2007-09-13 | Fujitsu Ltd | 路面状態判定装置および路面状態判定方法 |
JP2013140448A (ja) * | 2011-12-28 | 2013-07-18 | Fujitsu Ltd | 路面調査プログラム及び路面調査装置 |
US20150371094A1 (en) * | 2013-02-13 | 2015-12-24 | W.D.M. Limited | A road marking analyser and a method of analysis of road markings and an apparatus and method for detecting vehicle weave |
-
2016
- 2016-07-29 JP JP2016150720A patent/JP6615065B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000194983A (ja) * | 1998-12-28 | 2000-07-14 | Nichireki Co Ltd | 路面沿道撮影車 |
JP2006112127A (ja) * | 2004-10-15 | 2006-04-27 | Hitachi Ltd | 道路管理システム |
JP2007232652A (ja) * | 2006-03-02 | 2007-09-13 | Fujitsu Ltd | 路面状態判定装置および路面状態判定方法 |
JP2013140448A (ja) * | 2011-12-28 | 2013-07-18 | Fujitsu Ltd | 路面調査プログラム及び路面調査装置 |
US20150371094A1 (en) * | 2013-02-13 | 2015-12-24 | W.D.M. Limited | A road marking analyser and a method of analysis of road markings and an apparatus and method for detecting vehicle weave |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020021465A (ja) * | 2018-07-18 | 2020-02-06 | エヌ・ティ・ティ・コムウェア株式会社 | 点検システム及び点検方法 |
EP3979150A4 (en) * | 2019-06-03 | 2023-04-26 | Furukawa Electric Co., Ltd. | ASSISTANT INFORMATION GENERATION DEVICE, ASSISTANT INFORMATION GENERATION METHOD, AND ASSISTANT INFORMATION GENERATION PROGRAM |
CN110378878B (zh) * | 2019-06-24 | 2022-03-11 | 达闼机器人有限公司 | 检测飞机进气道的方法、装置及存储介质 |
CN110378878A (zh) * | 2019-06-24 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 检测飞机进气道的方法、装置及存储介质 |
JP2021033130A (ja) * | 2019-08-27 | 2021-03-01 | トヨタ自動車株式会社 | 表示処理装置、表示処理方法、プログラム |
EP3786897A1 (en) | 2019-08-27 | 2021-03-03 | Toyota Jidosha Kabushiki Kaisha | Display processing device, display processing method and program |
EP3786898A1 (en) | 2019-08-27 | 2021-03-03 | Toyota Jidosha Kabushiki Kaisha | Display processing device, display processing method and storage medium |
JP6892974B1 (ja) * | 2020-07-06 | 2021-06-23 | 日本電気株式会社 | 劣化診断システム、劣化診断装置、劣化診断方法、及び、プログラム |
WO2022009272A1 (ja) * | 2020-07-06 | 2022-01-13 | 日本電気株式会社 | 劣化診断システム、劣化診断装置、劣化診断方法、及び、記録媒体 |
JP7036181B2 (ja) | 2020-11-11 | 2022-03-15 | トヨタ自動車株式会社 | 表示処理装置、表示処理方法、プログラム |
JP2021036454A (ja) * | 2020-11-11 | 2021-03-04 | トヨタ自動車株式会社 | 表示処理装置、表示処理方法、プログラム |
WO2023067717A1 (ja) * | 2021-10-20 | 2023-04-27 | 日本電気株式会社 | 施設点検表示装置、情報処理装置、施設点検表示方法及び非一時的なコンピュータ可読媒体 |
JP7440855B1 (ja) | 2023-01-26 | 2024-02-29 | ナカシャ クリエイテブ株式会社 | 点検支援システム、撮影位置同定システム、及び、プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6615065B2 (ja) | 2019-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6713368B2 (ja) | 情報処理装置、表示装置、情報処理方法、及びプログラム | |
JP6615065B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP6615066B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP7155321B2 (ja) | ひび割れ解析データ編集装置、ひび割れ解析データ編集方法、及び、ひび割れ解析データの編集プログラム | |
US20200042800A1 (en) | Image acquiring system, terminal, image acquiring method, and image acquiring program | |
JP6647171B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP6904614B2 (ja) | 対象物検出装置、予測モデル作成装置、対象物検出方法及びプログラム | |
JP6826421B2 (ja) | 設備巡視システム及び設備巡視方法 | |
US8953838B2 (en) | Detecting ground geographic features in images based on invariant components | |
JP4902575B2 (ja) | 道路標示認識装置、および道路標示認識方法 | |
US20150345955A1 (en) | Detecting Common Geographic Features in Images Based on Invariant Components | |
EP2930686A1 (en) | Context-aware object detection in aerial photographs/videos using travel path metadata | |
JP2011505610A (ja) | 画像センサデータに距離センサデータをマッピングする方法及び装置 | |
JP2006208223A (ja) | 車両位置認識装置及び車両位置認識方法 | |
US11990041B2 (en) | Moving body tracking system, moving body tracking method, and program | |
KR20110037180A (ko) | 카메라를 이용한 도로 시정 측정 시스템 및 그 방법 | |
JP2010223901A (ja) | 地図データ誤り検査システム、地図データ誤り検査用端末装置、地図データ誤り検査方法 | |
JP4775658B2 (ja) | 地物認識装置・自車位置認識装置・ナビゲーション装置・地物認識方法 | |
JP2010210477A (ja) | ナビゲーション装置 | |
JP6916975B2 (ja) | 標識位置特定システム及びプログラム | |
JP6629009B2 (ja) | 走行路附属物検出装置、走行路附属物および走行路検出方法 | |
JP2018206014A (ja) | 交通情報取得装置、交通情報取得システム、交通情報取得方法、および交通情報取得プログラム | |
JP4817019B2 (ja) | 自車位置認識装置及び自車位置認識プログラム | |
JP2006322892A (ja) | 3次元位置測定装置および3次元位置測定プログラム | |
CN118062016B (zh) | 车辆环境感知方法、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180425 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20181116 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190405 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191008 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6615065 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |