JP2021086257A - 画像処理装置、および、画像処理方法 - Google Patents

Abstract

【課題】狙った対象以外から抽出される特徴点の動きを利用して後続の処理が行われる可能性を低減することができる技術を提供する。【解決手段】移動体に搭載されるカメラで撮影された撮影画像を処理する画像処理装置は、前記撮影画像に対して特徴点を抽出する抽出領域を複数設定する設定部と、複数の前記抽出領域から抽出された前記特徴点のオプティカルフローを算出するフロー算出部と、複数の前記抽出領域ごとに、前記オプティカルフローに基づき統計情報を求める統計処理部と、前記統計情報に基づき、複数の前記抽出領域の中に前記オプティカルフローの利用が許容される抽出領域が存在するか否かを判断する判断部と、を備える。【選択図】図１

Description

本発明は、画像処理装置および画像処理方法に関する。

従来、形状や寸法が既知の図形を用いることなく車載カメラの現在の取り付け角度を求めることができる技術が知られる（例えば、特許文献１参照）。

特許文献１に開示される方法は、車両に取り付けられたカメラが車両の周囲を撮像するステップと、カメラにより撮像された画像内の路面画像にもとづいて動きベクトルを検出するステップと、検出された動きベクトルを、真上視点の動きベクトルとなるように車両の進行方向軸、路面法線方向軸ならびに進行方向軸および路面法線方向軸に直交する路面平行方向軸の３軸の各軸周りに独立に回転補正させるための式である真上視点の動きベクトルへの変換式を作成するステップと、真上視点の動きベクトルへの変換式からカメラの車両に対する取り付け角度を求めるステップと、を有する。

なお、動きベクトルを検出するステップは、カメラにより撮像された画像内の路面画像が特徴点を含む路面画像であるか否かを判定するステップと、路面画像が特徴点を含む路面画像であると判定されると、この特徴点を含む路面画像にもとづいて動きベクトルを検出するステップと、を有する。

特開２０１３−７４３２５号公報

ところで、カメラで撮影される撮影画像には、路面以外のものが映ることがある。例えば、移動物、立体的な静止物、降っている雪、路面に積もった雪、カメラへの付着物（雨滴やごみ等）等が撮影画像に映ることがある。そして、このような路面以外のものから特徴点が抽出されることがある。

路面から抽出される特徴点と、路面以外のものから抽出される特徴点とでは、車両等の移動体の動きに対する特徴点の動きが異なった動きとなる可能性がある。路面からの特徴点と、路面以外のものからの特徴点との区別が簡単にできればよいが、これらの区別は必ずしも簡単でない。このために、撮影画像から抽出される特徴点の動きを利用してカメラの取り付け角度を推定する場合等において、誤った推定を行う可能性があった。

本発明は、上記の課題に鑑み、狙った対象以外から抽出される特徴点の動きを利用して後続の処理が行われる可能性を低減することができる技術を提供することを目的とする。

上記目的を達成するために本発明の画像処理装置は、移動体に搭載されるカメラで撮影された撮影画像を処理する画像処理装置であって、前記撮影画像に対して特徴点を抽出する抽出領域を複数設定する設定部と、複数の前記抽出領域から抽出された前記特徴点のオプティカルフローを算出するフロー算出部と、複数の前記抽出領域ごとに、前記オプティカルフローに基づき統計情報を求める統計処理部と、前記統計情報に基づき、複数の前記抽出領域の中に前記オプティカルフローの利用が許容される抽出領域が存在するか否かを判断する判断部と、を備える構成（第１の構成）になっている。

また、上記第１の構成の画像処理装置は、前記オプティカルフローの利用が許容される前記抽出領域にて得られる前記オプティカルフローに基づき、前記カメラの姿勢を推定する推定部を更に備える構成（第２の構成）であることが好ましい。

また、上記第１又は第２の構成の画像処理装置において、前記統計情報は、前記オプティカルフローを前記カメラのカメラ座標系から前記移動体が走行する路面の座標系へと座標変換して得られる路面ベクトルと、自装置の外部から入力される情報により得られる前記移動体の移動情報と、に基づき算出される所定値の統計情報である構成（第３の構成）が好ましい。

また、上記第３の構成の画像処理装置において、前記所定値は、前記移動体の速度に依存しない値である構成（第４の構成）であることが好ましい。

また、上記第１から４のいずれかの構成の画像処理装置において、前記統計情報は、複数の前記撮影画像のそれぞれに対して算出された前記オプティカルフローを合わせて求められる構成（第５の構成）であることが好ましい。

また、上記第１から第５のいずれかの構成の画像処理装置において、前記統計情報は、分散であり、前記判断部は、前記分散が所定の閾値を超えない前記抽出領域を前記オプティカルフローの利用が許容される抽出領域と判断する構成（第６の構成）であってよい。

また、上記第１から第５のいずれかの構成の画像処理装置において、前記統計情報は、平均値であり、前記判断部は、前記平均値の差が所定の範囲内となる前記抽出領域が存在する前記抽出領域を、前記オプティカルフローの利用が許容される抽出領域と判断する構成（第７の構成）であってよい。

また、上記第１から第５のいずれかの構成の画像処理装置において、前記統計情報は、平均値と分散とを含み、前記判断部は、前記分散が所定の閾値を超えず、且つ、前記分散が所定の閾値を超えない前記抽出領域の中に前記平均値の差が所定の範囲内となる前記抽出領域が存在する前記抽出領域を、前記オプティカルフローの利用が許容される抽出領域と判断する構成（第８の構成）であってよい。

また、上記目的を達成するために本発明の画像処理方法は、移動体に搭載されるカメラで撮影された撮影画像を処理する画像処理方法であって、前記撮影画像に対して特徴点を抽出する抽出領域を複数設定する設定工程と、複数の前記抽出領域から抽出された前記特徴点のオプティカルフローを算出するフロー算出工程と、複数の前記抽出領域ごとに、前記オプティカルフローに基づき統計情報を求める統計処理工程と、前記統計情報に基づき、複数の前記抽出領域の中に前記オプティカルフローの利用が許容される抽出領域が存在するか否かを判断する判断工程と、を備える構成（第９の構成）になっている。

本発明によれば、狙った対象以外から抽出される特徴点の動きを利用して後続の処理が行われる可能性を低減することができる。

画像処理装置の構成を説明するための図 画像処理装置において実行されるカメラの姿勢推定処理の一例を示すフローチャート 特徴点の抽出について説明するための図 オプティカルフローの算出について説明するための図 オプティカルフローから仮想的に形成される四角形を示す図 所定の平面との交線が互いに平行になる面の組を２組特定する手法を説明するための図 特定した面の組の一方に基づき、面同士の交線の方向を求める手法を説明するための図 特定した面の組の他方に基づき、面同士の交線の方向を求める手法を説明するための図 オプティカルフローの選択処理の一例を示すフローチャート 座標変換処理を説明するための図 オプティカルフローの利用が許容されるＲＯＩについて説明するための模式図 第１変形例におけるオプティカルフローの選択処理を示すフローチャート 第２変形例におけるオプティカルフローの選択処理を示すフローチャート

以下、本発明の例示的な実施形態について、図面を参照しながら詳細に説明する。以下の説明では、移動体として車両を例にとり説明するが、移動体は車両に限定されない。車両には、例えば自動車、電車、二輪車、無人搬送車等の車輪のついた乗り物が広く含まれる。車両以外の移動体として、例えば船舶や航空機等が挙げられる。

また以下の説明では、車両の直進進行方向であって、運転席からハンドルに向かう方向を「前方向」とする。また、車両の直進進行方向であって、ハンドルから運転席に向かう方向を「後方向」とする。また、車両の直進進行方向及び鉛直線に垂直な方向であって、前方向を向いている運転者の右側から左側に向かう方向を「左方向」とする。また、車両の直進進行方向及び鉛直線に垂直な方向であって、前方向を向いている運転者の左側から右側に向かう方向を「右方向」とする。

＜１．画像処理装置の概要＞
図１は、本発明の実施形態に係る画像処理装置１の構成を説明するための図である。図１には、画像処理装置１に情報を入力する撮影部２、舵角センサ３、および、速度センサ４も示されている。本実施形態では、画像処理装置１は、撮影部２が搭載される車両ごとに備えられる。以下、画像処理装置１が備えられる車両のことを自車両と表現することがある。なお、画像処理装置１は、車載装置であっても、車両から持ち出し可能な携帯型の装置であってもよい。また、画像処理装置１は、必ずしも車両等の移動体に搭載されなくてよい。

撮影部２は、車両外部の状況を監視する目的で車両に設けられる。撮影部２は、少なくとも１つのカメラ２１を備える。カメラ２１は、いわゆる車載カメラであり、車両に固定配置される。カメラ２１は、画像処理装置１に有線又は無線により接続され、撮影画像を画像処理装置１に出力する。

なお、撮影部２が車両の周囲の状況を監視する目的で設けられる場合には、撮影部２は、好ましくは、フロントカメラと、バックカメラと、左サイドカメラと、右サイドカメラとの４つのカメラ２１を備える。フロントカメラは、車両の前方を撮影するカメラである。バックカメラは、車両の後方を撮影するカメラである。左サイドカメラは、車両の左方を撮影するカメラである。右サイドカメラは、車両の右方を撮影するカメラである。これら４つのカメラ２１は、例えば魚眼レンズを用いて構成され、水平方向の画角θは１８０度以上とされる。これにより、４つのカメラ２１によって、車両の水平方向における全周囲を撮影することができる。

舵角センサ３は、画像処理装置１および撮影部２が搭載される車両に備えられ、当該車両のステアリングホイール（ハンドル）の回転角を検出する。舵角センサ３の出力は、ＣＡＮ（Controller Area Network）バス等の通信バスＢ１を介して画像処理装置１に入力される。

速度センサ４は、画像処理装置１および撮影部２が搭載される車両に備えられ、当該車両の速度を検出する。速度センサ４の出力は、通信バスＢ１を介して画像処理装置１に入力される。

画像処理装置１は、車両（移動体）に搭載されるカメラ２１で撮影された撮影画像を処理する。本実施形態では、画像処理装置１は、カメラ２１の姿勢を推定する姿勢推定装置としての機能も有する。カメラ２１は、例えば、経年劣化や外部からの衝撃等によって取付け姿勢が変化することがある。姿勢推定装置として機能する本実施形態の画像処理装置１は、カメラ２１の姿勢推定を行うことにより、カメラ２１の取付け姿勢の変化（異常）を検出することができる。

図１に示すように、画像処理装置１は、取得部１１と、制御部１２と、記憶部１３と、を備える。

取得部１１は、車両に搭載されるカメラ２１から撮影画像を取得する。取得部１１は、カメラ２１からアナログ又はデジタルの撮影画像を所定の周期（例えば、１／３０秒周期）で時間的に連続して取得する。すなわち、取得部１１によって取得される撮影画像の集合体がカメラ２１で撮影された動画像である。そして、取得した撮影画像がアナログの場合には、取得部１１は、そのアナログの撮影画像をデジタルの撮影画像に変換（Ａ／Ｄ変換）する。取得部１１は、取得した撮影画像（Ａ／Ｄ変換が行われた場合には変換後の撮影画像）を制御部１２に出力する。取得部１１から出力される１つの撮影画像が１つのフレーム画像となる。

制御部１２は、例えばマイクロコンピュータ等のコンピュータであり、画像処理装置１の全体を統括的に制御するコントローラである。制御部１２は、不図示のＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、及びＲＯＭ（Read Only Memory）を含む。記憶部１３は、例えば、フラッシュメモリ等の不揮発性のメモリであり、各種の情報を記憶する。記憶部１３は、ファームウェアとしてのプログラムや各種のデータを記憶する。

図１に示す設定部１２１、フロー算出部１２２、統計処理部１２３、判断部１２４、および、推定部１２５は、制御部１２のＣＰＵが記憶部１３に記憶されるプログラムに従って演算処理を実行することにより実現される制御部１２の機能である。言い換えると、画像処理装置１は、設定部１２１と、フロー算出部１２２と、統計処理部１２３と、判断部１２４と、推定部１２５とを備える。

なお、制御部１２の、設定部１２１、フロー算出部１２２、統計処理部１２３、判断部１２４、および、推定部１２５の少なくともいずれか一つは、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアで構成されてもよい。また、設定部１２１、フロー算出部１２２、統計処理部１２３、判断部１２４、および、推定部１２５は、概念的な構成要素である。１つの構成要素が実行する機能を複数の構成要素に分散させたり、複数の構成要素が有する機能を１つの構成要素に統合させたりしてよい。また、取得部１１は、制御部１２のＣＰＵがプログラムに従って演算処理を行うことによって実現される構成でもよい。

設定部１２１は、撮影画像に対して特徴点を抽出する抽出領域を複数設定する。本実施形態において、撮影画像は、撮影部２から取得部１１を介して得られたフレーム画像である。特徴点は、撮影画像中のエッジの交点など、撮影画像において際立って検出できる点である。特徴点は、例えば路面に描かれた白線のエッジ、路面上のひび、路面上のしみ、路面上の砂利などである。本実施形態では、好ましい形態として、コーナーらしさを示すコーナー度が高い特徴点を抽出する。コーナーとは２つのエッジが交わる部分である。コーナー度は、例えばＨａｒｒｉｓオペレータやＫＬＴ（Kanade-Lucas-Tomasi）トラッカーなどの公知の検出手法を用いて求めることができる。

抽出領域は、撮影画像中の狙った対象から特徴点を効率良く抽出する等の目的で設定される。本実施形態において、狙った対象は、自車両が走行する路面である。このために、抽出領域は、撮影画像における路面が映る領域に設定される。本実施形態では、抽出領域の数は複数である。すなわち、複数の抽出領域から特徴点が抽出される。抽出領域の数は複数であればよく、その数は特に限定されない。なお、本明細書では、抽出領域のことをＲＯＩ（Region Of Interest）と記載することがある。

フロー算出部１２２は、複数の抽出領域（ＲＯＩ）から抽出された特徴点のオプティカルフローを算出する。本実施形態において、フロー算出部１２２は、各ＲＯＩで抽出された各特徴点に対してオプティカルフローを算出する。オプティカルフローは、特徴点の動きを表す動きベクトルである。各ＲＯＩにおいては、特徴点が抽出される場合と、抽出されない場合とがある。特徴点が抽出された場合に、オプティカルフローが算出される。各ＲＯＩにおいては、複数の特徴点が抽出されることもあり、複数の特徴点が抽出された場合には、各特徴点に対してオプティカルフローが算出される。オプティカルフローの算出の詳細ついては後述する。

統計処理部１２３は、複数の抽出領域（ＲＯＩ）ごとに、オプティカルフローに基づき統計情報を求める。ここで言うオプティカルフローは、フロー算出部１２２で算出したオプティカルフローである。ＲＯＩごとにオプティカルフローに基づく統計情報を求めることで、ＲＯＩごとに求められたオプティカルフローのばらつき状態等を確認することが可能になる。統計情報は、例えば、分散、平均値、ヒストグラムの中央値又はピーク値等である。統計情報を求める処理の詳細については後述する。

なお、統計情報は、或る１つの撮影画像を得た時点で算出されたオプティカルフローのみを用いて求められてよい。ただし、統計情報は、複数の撮影画像のそれぞれに対して算出されたオプティカルフローを合わせて求められることが好ましい。これによれば、統計情報を得るために用いるデータの数を増やすことができ、統計情報の信頼性を向上することができる。

判断部１２４は、統計情報に基づき、複数の抽出領域（ＲＯＩ）の中にオプティカルフローの利用が許容される抽出領域（ＲＯＩ）が存在するか否かを判断する。ここで言う統計情報は、統計処理部１２３で求められた情報であり、各ＲＯＩに対して求められている。判断部１２４は、各ＲＯＩに対して、統計情報により適切なオプティカルフローが得られているか否かを判断する。適切なオプティカルフローとは、本実施形態においては、路面から適切な条件で得られたオプティカルフローである。判断部１２４は、適切なオプティカルフローが得られていると判断されたＲＯＩを、オプティカルフローの利用が許容できるＲＯＩとする。判断部１２４の判断処理の詳細については後述する。

設定部１２１、フロー算出部１２２、統計処理部１２３および判断部１２４を備える画像処理装置１によれば、狙った対象（本実施形態では路面）以外から抽出される特徴点の動き（オプティカルフロー）を利用して後続の処理（本実施形態では後述の姿勢推定処理）が行われる可能性を低減することができる。撮影画像に誤推定の要因となる物体が映り込んだ場合でも、適切なオプティカルフローを用いて後続の処理を精度良く行うことができる。

推定部１２５は、オプティカルフローの利用が許容される抽出領域（ＲＯＩ）にて得られるオプティカルフローに基づき、カメラ２１の姿勢を推定する。本実施形態によれば、処理に適したオプティカルフローを用いてカメラ２１の姿勢推定を行うことができ、姿勢推定の精度を向上することができる。カメラ２１の姿勢推定処理の詳細については後述する。

なお、推定部１２５は、例えば、特徴点の位置の時間変化（オプティカルフロー）に基づき自車両の移動量推定を行う構成であってもよい。

＜２．姿勢推定処理＞
次に、画像処理装置１によって実行されるカメラ２１の姿勢推定処理について説明する。図２は、画像処理装置１において実行されるカメラ２１の姿勢推定処理の一例を示すフローチャートである。なお、撮影部２が複数のカメラ２１を備える場合には、画像処理装置１は、各カメラ２１に対して、図２に示す姿勢推定処理を実行する。ここでは、カメラ２１がフロントカメラである場合を例に、画像処理装置１によって実行されるカメラ２１の姿勢推定処理について説明する。

図２に示すように、まず、制御部１２は、カメラ２１を搭載する自車両が直進しているか否かを監視する（ステップＳ１）。自車両が直進しているか否かは、例えば、舵角センサ３から得られるステアリングホイールの回転角情報に基づいて判断することができる。例えば、ステアリングホイールの回転角がゼロのときに自車両が完全にまっすぐに進むとした場合に、回転角がゼロの場合だけでなく、回転角がプラス方向とマイナス方向の一定範囲内の値である場合を含めて、自車両が直進していると判断してよい。なお、直進には、前方方向の直進と、後退方向の直進との両方が含まれる。

制御部１２は、自車両の直進を検出するまで、ステップＳ１の監視を繰り返す。言い換えると、制御部１２は、自車両が直進しない限り、カメラ２１の姿勢の推定処理を進めない。これによれば、直進移動中における特徴点の位置変化を用いて姿勢の推定が行われることになり、自車両の進行方向が曲がっている場合の情報を用いて姿勢の推定が行われないので、姿勢の推定処理が複雑になることを避けることができる。ただし、自車両の進行方向が曲がっているときの特徴点の位置変化を用いて、姿勢の推定処理が進められる構成としてもよい。

なお、自車両が直進走行しているか否かの判断に加えて、制御部１２は、自車両の速度が所定の速度範囲内であるか否かの判断を行う構成とすることが好ましい。自車両の速度が遅すぎると、特徴点の動きが少なくオプティカルフローの算出の精度が低下する可能性がある。一方、自車両の速度が速すぎると、特徴点の動きが速すぎて特徴点を追従できない可能性がある。自車両の速度が所定の速度範囲内である場合にのみ姿勢の推定処理を進めることにより、このような不具合の発生を抑制することができる。なお、所定の速度範囲は、例えば、時速１０ｋｍ以上、時速４０ｋｍ以下等であってよい。自車両の速度は、速度センサ４を利用して取得されてよい。

自車両が直進していると判断される場合（ステップＳ１でＹｅｓ）、制御部１２は、取得部１１を介してカメラ２１から撮影画像を取得する（ステップＳ２）。制御部１２は、例えば数フレームから数十フレームの撮影画像を取得する。なお、取得された各フレーム画像には、設定部１２１によって複数のＲＯＩが設定される。

次に、フロー算出部１２２が、各フレーム画像について、複数の抽出領域のそれぞれから特徴点の抽出を行う（ステップＳ３）。図３は、特徴点の抽出について説明するための図である。図３は、カメラ２１で撮影された撮影画像Ｐを模式的に示している。撮影画像Ｐは、自車両のボディが映り込む領域ＢＯを含む。図３に示す例では、設定部１２１によって２つのＲＯＩ５が設定されている。２つのＲＯＩ５は、路面ＲＳが映る範囲に設定され、前後方向に並ぶ。２つのＲＯＩ５は矩形状である。図３に示す例では、ＲＯＩ５は、矩形状であるが、例えば円形状や楕円状等の矩形状以外の形状であってもよい。図３に示す例では、前方のＲＯＩ５と後方のＲＯＩ５とでサイズが異なるが、同じサイズであってもよい。

図３に示す例では、路面ＲＳに描かれている制限速度を示す数字の部分にコーナー度が高い第１特徴点ＦＰ１及び第２特徴点ＦＰ２が存在する。このために、フロー算出部１２２は、路面ＲＳ上に存在する第１特徴点ＦＰ１及び第２特徴点ＦＰ２を抽出する。第１特徴点ＦＰ１および第２特徴点ＦＰ２は、後方のＲＯＩ５から抽出される。

なお、図３では、便宜的に２つの特徴点ＦＰ１、ＦＰ２のみが示されているが、コーナー度が所定の特徴点閾値を超える特徴点が存在すれば、これ以外にも特徴点は抽出される。逆に、コーナー度が所定の特徴点閾値を超える特徴点が存在しない場合には、特徴点は抽出されない。図３に示す例では、前方のＲＯＩ５においては、特徴点は抽出されていない。また、各フレーム画像において、特徴点が１つも抽出されないこともあり得る。

図２に戻って、特徴点の抽出処理が全てのフレーム画像に対して完了すると、フロー算出部１２２は、オプティカルフローの算出を行う（ステップＳ４）。オプティカルフローは、異なる時刻で撮影された２つの撮影画像間における特徴点の動きを示す動きベクトルである。本例では、異なる時刻の間隔は、取得部１１のフレーム周期と同一である。ただし、これに限らず、異なる時刻の間隔は、例えば、取得部１１のフレーム周期の複数倍であってもよい。

図４は、オプティカルフローの算出について説明するための図である。図４は、図３と同様に便宜的に示された模式図である。図４は、図３に示す撮影画像Ｐ（便宜的に前フレームＰとする）の撮影後、１フレーム周期経過した後にカメラ２１で撮影された撮影画像Ｐ’（便宜的に現フレームＰ’とする）である。図３に示す撮影画像Ｐの撮影後、１フレーム周期の間、自車両は前方に直進している。図４に示す丸印ＦＰ１Ｐは、図３に示す前フレームＰの撮影時点における第１特徴点ＦＰ１の位置を示す。図４に示す丸印ＦＰ２Ｐは、図３に示す前フレームＰの撮影時点における第２特徴点ＦＰ２の位置を示す。

図４に示すように、自車両が前方に直進すると、自車両の前方に存在する第１特徴点ＦＰ１及び第２特徴点ＦＰ２は自車両に近づく。すなわち、第１特徴点ＦＰ１及び第２特徴点ＦＰ２は、現フレームＰ’と前フレームＰとで異なる位置に現れる。フロー算出部１２２は、現フレームＰ’の第１特徴点ＦＰ１と前フレームＰの第１特徴点ＦＰ１とを、その近傍の画素値に基づいて対応付け、対応付けた第１特徴点ＦＰ１のそれぞれの位置に基づいて、第１特徴点ＦＰ１のオプティカルフローＯＦ１を算出する。同様に、フロー算出部１２２は、現フレームＰ’の第２特徴点ＦＰ２と前フレームＰの第２特徴点ＦＰ２とを、その近傍の画素値に基づいて対応付け、対応付けた第２特徴点ＦＰ２のそれぞれの位置に基づいて、第２特徴点ＦＰ２のオプティカルフローＯＦ２を算出する。

なお、フロー算出部１２２は、取得した複数のフレーム画像のそれぞれについて上述のようにしてオプティカルフローの算出を行う。また、各フレーム画像において２つより多くのオプティカルフローが得られる場合がある。逆に、各フレーム画像において、オプティカルフローが１つしか得られない場合や、１つも得られない場合がある。

図２に戻って、オプティカルフローが求められると、以後に行われる処理に使用するオプティカルフローが所定の選択条件に従って選択される（ステップＳ５）。所定の選択条件にしたがって、以後に行われる姿勢の推定に適した、２つのオプティカルフローで構成されるオプティカルフローの組が選択される。選択される当該組の数は、１つの場合もあるし、複数の場合もある。また、選択される組の数は、ゼロの場合もある。図２には記載されないが、選択される組の数がゼロの場合には、ステップＳ１に処理が戻される。

オプティカルフローの選択処理の詳細については後述する。ここでは、ステップＳ５で選択された使用オプティカルフローの組に、図４に示す第１オプティカルフローＯＦ１と第２オプティカルフローＯＦ２との組が含まれるものして、ステップＳ６以降の処理について説明する。

推定部１２５は、第１特徴点ＦＰ１のオプティカルフローＯＦ１と第２特徴点ＦＰ２のオプティカルフローＯＦ２を用いた処理を進める。推定部１２５は、特徴点に対し、記憶部１３に記憶されているカメラ２１の内部パラメータを用いて座標変換を行う。座標変換では、カメラ２１の収差補正と、歪み補正とが行われる。収差補正は、カメラ２１の光学系の収差による歪みを補正するために行われる。具体的には樽型歪みや糸巻歪みなど歪曲収差の補正である。歪み補正は、カメラ２１の光学系そのものの歪みを補正するために行われる。具体的には魚眼補正などである。座標変換により、特徴点の座標は、被写体が透視投影によって撮影された場合に二次元画像上で得られる座標に変換される。

特徴点の座標変換が行われると、推定部１２５は、図５に示すように、第１特徴点ＦＰ１のオプティカルフローＯＦ１の始点を頂点ＳＰ１、第１特徴点ＦＰ１のオプティカルフローＯＦ１の終点を頂点ＥＰ１、第２特徴点ＦＰ１のオプティカルフローＯＦ２の始点を頂点ＳＰ２、及び第２特徴点ＦＰ２のオプティカルフローＯＦ２の終点を頂点ＥＰ２とする四角形ＱＬを仮想的に形成する（ステップＳ６）。以降、説明のために四角形や、該四角形の辺などの幾何的要素を仮想的に形成して用いる。しかし、実際の処理では、特徴点の座標や直線の方向などのベクトル演算に基づき、同等の作用を持つ幾何的要素に基づかない処理としてもよい。

四角形ＱＬが仮想的に形成されると、推定部１２５は、四角形ＱＬと、記憶部１３に記憶されているカメラ２１の内部パラメータとを用いて、三次元空間におけるカメラ２１の投影面ＩＭＧ（図６参照）上に四角形ＱＬを移動させ、投影面ＩＭＧ上での四角形ＱＬ１を仮想的に生成する（ステップＳ７）。

なお説明のため、以下のように辺を定義する。四角形ＱＬ１の第１辺ＳＤ１は、四角形ＱＬにおいて、頂点ＳＰ１および頂点ＳＰ２を結んだ辺に対応する。つまり、前フレームＰにおける第１特徴点ＦＰ１と第２特徴点ＦＰ２を結んだ辺に相当する。同様に、四角形ＱＬ１の第２辺ＳＤ２は、四角形ＱＬにおいて、頂点ＳＰ２および頂点ＥＰ２を結んだ辺に対応する。つまり、第２特徴点ＦＰ２のオプティカルフローＯＦ２に相当する。同様に、四角形ＱＬ１の第３辺ＳＤ３は、四角形ＱＬにおいて、頂点ＥＰ１および頂点ＥＰ２を結んだ辺に対応する。つまり、現フレームＰ’における第１特徴点ＦＰ１と第２特徴点ＦＰ２とを結んだ辺に相当する。同様に、四角形ＱＬ１の第４辺ＳＤ４は、四角形ＱＬにおいて、頂点ＳＰ１および頂点ＥＰ１を結んだ辺に対応する。つまり、第１特徴点ＦＰ１のオプティカルフローＯＦ１に相当する。

また、以下のように面を定義する（図６参照）。四角形ＱＬ１の第１辺ＳＤ１とカメラ２１の光学中心ＯＣとが含まれる面を第１面Ｆ１とする。同様に、四角形ＱＬ１の第２辺ＳＤ２とカメラ２１の光学中心ＯＣとが含まれる面を第２面Ｆ２とする。同様に、四角形ＱＬ１の第３辺ＳＤ３とカメラ２１の光学中心ＯＣとが含まれる面を第３面Ｆ３とする。同様に、四角形ＱＬ１の第４辺ＳＤ４とカメラ２１の光学中心ＯＣとが含まれる面を第４面Ｆ４とする。

次に、推定部１２５は、所定の平面との交線が互いに平行になる面の組を２組特定する（ステップＳ８）。所定の平面とはあらかじめ平面の法線が分かっている面である。具体的には車両が移動を行っている平面であり、つまり路面である。所定の平面は、厳密な平面でなくてもよく、推定部１２５が所定の平面との交線が互いに平行になる面の組を２組特定する際に平面とみなすことができるものであればよい。

本実施形態では、画像処理装置１は、自車両が直進している場合に、異なる時刻に撮影された２つの画像から特徴点を抽出し、該特徴点のオプティカルフローを算出する。また、該特徴点は所定の平面（本実施形態では路面）上に位置している静止物から抽出される。したがって、算出されるオプティカルフローは実世界上では、自車両に対する静止物の相対的な位置変化を表す。つまり向きが逆となった自車両の移動ベクトルである。

四角形ＱＬ１の第２辺ＳＤ２と第４辺ＳＤ４とは、共に特徴点のオプティカルフローに対応するので、共に実世界上では自車両の移動ベクトルに相当する。したがって、路面上では互いに平行となると想定される。

また、四角形ＱＬ１の第１辺ＳＤ１と第３辺ＳＤ３とは、共に特徴点同士の位置関係なので、実世界上では自車両の移動に伴う静止物同士の位置関係に相当する。移動前の位置関係が第１辺ＳＤ１に相当し、移動後の位置関係が第３辺ＳＤ３に相当する。このとき静止物の位置は変わらないため、移動前後で位置関係は変わらない。したがって、路面上ではこれも互いに平行となると想定される。

したがって、推定部１２５は、路面との交線が平行な面として、第２面Ｆ２と第４面Ｆ４との組と、第１面Ｆ１と第３面Ｆ３との組と、の２つの組を特定する。つまり、推定部１２５は、オプティカルフローを含む面同士を１つの組とし、同時刻に撮影された特徴点を含む面同士を他の組として、計２つの組を特定する。

なお、図６において四角形ＱＬ２は、現フレームＰ’の撮影時点での第１特徴点ＦＰ１の３次元空間（実世界）上の位置、現フレームＰ’の撮影時点での第２特徴点ＦＰ２の３次元空間上の位置、前フレームＰの撮影時点での第１特徴点ＦＰ１の３次元空間上の位置、及び前フレームＰの撮影時点での第２特徴点ＦＰ２の３次元空間上の位置を頂点とする四角形である。第１面Ｆ１は、四角形ＱＬ２の第１辺ＳＤ１１を含む。同様に、第２面Ｆ２は四角形ＱＬ２の第２辺ＳＤ１２を含み、第３面Ｆ３は四角形ＱＬ２の第３辺ＳＤ１３を含み、第４面Ｆ４は四角形ＱＬ２の第４辺ＳＤ１４を含む。このとき、上記のように四角形ＱＬ２は路面上に形成される平行四辺形であると想定される。

次に、推定部１２５は、路面の法線を算出する（ステップＳ９）。まず、推定部１２５は、先に特定した面の組の一方である第１面Ｆ１と第３面Ｆ３とに基づき、面同士の交線の方向を求める。詳細には、第１面Ｆ１と第３面Ｆ３との交線ＣＬ１の向きを求める（図７参照）。交線ＣＬ１の方向ベクトルＶ１は、第１面Ｆ１の法線ベクトル及び第３面Ｆ３の法線ベクトルそれぞれと垂直なベクトルである。したがって、推定部１２５は、第１面Ｆ１の法線ベクトルと第３面Ｆ３の法線ベクトルとの外積により、交線ＣＬ１の方向ベクトルＶ１を求める。第１面Ｆ１と第３面Ｆ３は、路面との交線が平行となるため、方向ベクトルＶ１は路面と平行になる。

同様に、推定部１２５は、先に特定した面の組の他方である第２面Ｆ２と第４面Ｆ４との交線の方向を求める。詳細には第２面Ｆ２と第４面Ｆ４との交線ＣＬ２の向きを求める（図８参照）。交線ＣＬ２の方向ベクトルＶ２は、第２面Ｆ２の法線ベクトル及び第４面Ｆ４の法線ベクトルそれぞれと垂直なベクトルである。したがって、推定部１２５は、第２面Ｆ２の法線ベクトルと第４面Ｆ４の法線ベクトルとの外積により、交線ＣＬ２の方向ベクトルＶ２を求める。第２面Ｆ２と第４面Ｆ４も同様に、路面との交線が平行となるため、方向ベクトルＶ２は路面と平行になる。

推定部１２５は、方向ベクトルＶ１と方向ベクトルＶ２との外積により、四角形ＱＬ２の面の法線、すなわち路面の法線を算出する。推定部１２５が算出した路面の法線はカメラ２１のカメラ座標系で算出されるため、実際の路面の法線である垂直方向との違いから３次元空間の座標系を求め、路面に対するカメラ２１の姿勢を推定することができる。その推定結果から推定部１２５は自車両に対するカメラ２１の姿勢を推定する（ステップＳ１０）。なお、ステップＳ９の算出処理は、例えば公知のARToolkitを利用して実行することができる。

ステップＳ１０における姿勢推定が終了すると、推定部１２５は、ステップＳ５で選択した全てのオプティカルフローの組について、姿勢の推定が完了したか否かを確認する（ステップＳ１１）。全ての組に対して姿勢の推定が完了している場合には（ステップＳ１１でＹｅｓ）、図２に示すフローが終了する。一方、全ての組に対して姿勢の推定が完了していない場合には（ステップＳ１１でＮｏ）、ステップＳ６に戻ってステップＳ６以降の処理が繰り返される。

なお、上記の説明ではカメラ２１の光学中心ＯＣと、四角形ＱＬ１の１つの辺を含む平面を特定するとしたがこの限りではない。当該平面の法線方向の特定をもって平面を特定するとしてもよい。例えば光学中心ＯＣから各頂点への方向ベクトルの外積により平面の法線方向を求め、該法線方向によって面を特定するとしてもよい。この場合、第１面Ｆ１の法線方向と第３面Ｆ３の法線方向とを１つの組とし、第２面Ｆ２の法線方向と第４面Ｆ４の法線方向とを他の組として２つの組を特定するとよい。

また、面は平行移動させてもよい。例えば第１面Ｆ１の代わりに、第１面Ｆ１を平行移動させた面を第３面Ｆ３と組としてもよい。平行移動しても所定の平面との交線の向きは変わらないからである。

また、画像処理装置１は、複数の推定結果に基づいて姿勢の推定を確定させることが好ましい。この場合、所定数以上の姿勢の推定結果が得られるまで図２の処理を繰り返す構成としてよい。所定数以上の姿勢の推定結果が蓄積された時点で、例えば、平均値、又は、ヒストグラムの中央値やピーク値を求めて、当該求めた結果を姿勢推定の確定結果としてよい。姿勢推定の確定結果は、画像処理装置１における更なる処理に利用されてもよいし、外部装置に出力されてもよい。

姿勢推定の確定結果に基づいて、例えば、カメラ２１の取付けのずれが生じた状態であるか否かが判定されてよい。カメラ２１の取付けのずれが生じた状態であると判定された場合、例えば、当該異常事態が自車両のユーザに報知される。これにより、自車両のユーザはディーラによるカメラの取付け調整を依頼する等の対策をとることが可能となる。

また、カメラ２１の姿勢推定の確定結果は、カメラ２１のパラメータの補正に利用されてよい。これにより、カメラ２１の取付けのずれが生じても、そのずれに応じたカメラのキャリブレーションが実行されることになり、カメラ２１の取付けのずれが撮影画像に及ぼす悪影響を抑制することができる。また、姿勢の推定結果は、複数の車両とネットワークにより通信可能に設けられるセンターに撮影画像を送信する場合に、撮影画像とセットにしてセンターに送信されてもよい。これにより、センターでの撮影情報の取り扱いを適切に行うことができる。

＜３．オプティカルフローの選択処理＞
図９は、オプティカルフローの選択処理の一例を示すフローチャートである。図９は、図２のステップＳ５の処理の詳細例を示す図である。

まず、統計処理部１２３は、フロー算出部１２２によりフレーム画像ごとに求められたオプティカルフローについて、路面ベクトルに変換する（ステップＳ５１）。路面ベクトルは、オプティカルフローを、カメラ２１のカメラ座標系から車両が走行する路面の座標系へと座標変換して得られる。なお、カメラ２１が魚眼レンズである場合、座標変換処理には歪補正が含まれることが好ましい。また、フレーム画像ごとに求められたオプティカルフローが複数の場合には、複数のオプティカルフローのそれぞれについて路面ベクトルへの変換が行われる。

図１０は、座標変換処理を説明するための図である。図１０の符号Ｐは撮影画像を示す。統計処理部１２３は、カメラ２１の視点位置２１ａに基づいて、オプティカルフローＯＦを座標平面Ｒに投影することで路面ベクトルＶｒへ変換する。具体的には、統計処理部１２３は、カメラ２１の取付け高さおよび取付け俯角によって設定される視点位置２１ａを仮想視点に変換することで、オプティカルフローＯＦを路面ベクトルＶｒへ変換する。 より詳細には、統計処理部１２３は、撮影画像Ｐを等距離射影方式により変換した平面を取り付け俯角だけ回転させることで、オプティカルフローＯＦを路面座標系である座標平面Ｒの路面ベクトルＶｒへ変換する。

路面ベクトルへの変換を完了すると、統計処理部１２３は、路面ベクトルと、自装置１の外部から入力される情報により得られる車両の移動情報と、に基づき所定値を算出する。路面ベクトルごとに所定値の算出が行われる。車両の移動情報は、例えば自車両の移動距離又は車両の速度である。自装置１の外部から入力される情報は、例えば自車両の速度である。自車両の速度は、例えば速度センサ４から取得することができる。ただし、自車両の速度は、例えばＧＰＳ（Global Positioning System）受信機等の他の車載センサから取得されてもよい。なお、車両の移動情報は、自装置１の外部から入力される情報からそのまま得られる情報でもよいし、自装置１の外部から入力される情報に対して演算処理を行うことによって得られる情報でもよい。

本実施形態において、所定値は、路面ベクトルの前後方向成分の大きさをＶｒｙ、自車両の前後方向の移動距離の期待値をＥｙとした場合に、以下の式（１）で求められる移動量比率Ｍｙである。
Ｍｙ（％） ＝ （Ｖｒｙ−Ｅｙ）／Ｅｙ × １００ （１）

路面ベクトルの前後方向成分の大きさを利用するのは、車両が前後方向に直進する場合に撮影される画像から路面ベクトルの元になる特徴量の抽出が行われることを考慮するものである。自車両の前後方向の移動距離の期待値Ｅｙは、前回フレーム画像の撮影タイミングから現フレーム画像の撮影タイミングまでの間における自車両の前後方向の移動距離である。前回フレーム画像と現フレーム画像との撮影時間間隔をＴｓ、当該撮影時間間隔における自車両の速度をＳとした場合、前後方向の移動距離の期待値Ｅｙは、自車両が直進走行をしているために以下の式（２）で求められる。
Ｅｙ ＝ Ｓ × Ｔｓ （２）
自車両の速度Ｓは、速度センサ４から取得することができる。

なお、移動量比率Ｍｙは、車両の速度の変動によって変動しない値である。すなわち、所定値は、車両の速度に依存しない値である。このために、本実施形態によれば、各フレーム画像を取得する際における自車両の速度が変動した場合でも、複数のフレーム画像から得られる所定値（移動量比率Ｍｙ）の統計情報を、自車両の速度変動の影響を除外して算出することができる。

また、所定値は、式（１）で求められるもの以外であってもよい。例えば、所定値は、式（１）の差分値（Ｖｒｙ−Ｅｙ）を、路面ベクトルＶｒの前後方向成分の大きさＶｒｙに替えて求めた値であってもよい。また、上記では移動距離を基準として所定値が設定されたが、速度を基準として所定値が設定されてもよい。また、上述したように、統計情報は、或る１つのフレーム画像の結果のみから得てもよい。この場合には、自車両の速度変動の影響を考慮しなくてもよい。このために、所定値は、例えば、単に、路面ベクトルの前後方向成分の大きさＶｒｙから自車両の前後方向の移動距離の期待値Ｅｙを差し引いた値（Ｖｒｙ−Ｅｙ）等としてもよい。

移動量比率Ｍｙ（所定値）が求められると、統計処理部１２３は、ＲＯＩごとに移動量比率Ｍｙの分散を算出する（ステップＳ５３）。すなわち、本実施形態では、統計情報は分散である。分散は、例えば、以下の式（３）で求められる。

ｎ ：算出対象ＲＯＩにおける移動量比率Ｍｙの数
ｘi ：算出対象ＲＯＩにおける各移動量比率Ｍｙの値
ｍ ：算出対象ＲＯＩにおけるｎ個の移動量比率Ｍｙの平均値

本実施形態では、複数のフレーム画像のそれぞれについて、ＲＯＩごとの移動量比率Ｍｙの算出結果が存在する。なお、各フレーム画像において、ＲＯＩごとに求められる移動量比率Ｍｙの数は、複数、単数、ゼロのいずれかである。算出対象ＲＯＩにおける移動量比率Ｍｙの数は、各フレーム画像の算出対象ＲＯＩで得られた移動量比率Ｍｙの数を全て足した値である。算出対象ＲＯＩにおける各移動量比率Ｍｙの値は、各フレーム画像の算出対象ＲＯＩで得られた移動量比率Ｍｙを一纏めとした場合における各移動量比率Ｍｙの値が該当する。

なお、上述のように、ＲＯＩごとに求められる統計情報（ここでは分散）は、或る１つのフレーム画像の結果のみから得てもよい。この場合には、算出対象ＲＯＩにおける移動量比率Ｍｙの数は、当該フレーム画像の算出対象ＲＯＩで得られた移動量比率Ｍｙの数である。また、算出対象ＲＯＩにおける各移動量比率Ｍｙの値は、当該フレーム画像の算出対象ＲＯＩで得られた移動量比率Ｍｙの値のそれぞれが該当する。

以上からわかるように、本実施形態では、ＲＯＩごとに得られる統計情報は、路面ベクトルと、車両の移動情報とに基づき算出される所定値の統計情報である。本実施形態によれば、車両の実際の移動情報（例えば移動量）を考慮して、各ＲＯＩにて得られるオプティカルフローの利用の適否を判断することができる。このために、路面以外のものから抽出された特徴点のオプティカルフローが得られる可能性が高いＲＯＩを除外できる可能性を向上できる。

ＲＯＩごとの所定値（移動量比率Ｍｙ）の分散が算出されると、判断部１２４は、求めた分散が所定の閾値を超えないＲＯＩがあるか否かを判断する（ステップＳ５４）。分散が大きいＲＯＩは、路面以外のものから抽出された特徴点を追跡したオプティカルフローが多く含まれている可能性が高い。また、分散が大きいＲＯＩは、例えば、走行環境（明るさや影の存在等）や路面状況（白線がかすれている等）が安定していない可能性が高い。すなわち、分散が大きいＲＯＩは、その後の姿勢推定処理に不適切なオプティカルフローを含む可能性が高い。ステップＳ５４は、このような不適切なオプティカルフローが求められるＲＯＩを、オプティカルフローの選択対象から除外する目的で設けられる。

所定の閾値は、路面以外のものから抽出された特徴点のオプティカルフロー等の、不適切なオプティカルフローが求められるＲＯＩの除外漏れがないように設定される。所定の閾値は、例えば実験やシミュレーション等によって求められる。路面以外のものとしては、例えば、立体物、降っている雪や雨、カメラ２１への付着物等が挙げられる。立体物には、移動物および静止物が含まれる。移動物は、例えば他車両等である。静止物は、例えば道路に降り積もった雪等である。

求めた分散が所定の閾値を超えないＲＯＩがある場合（ステップＳ５４でＹｅｓ）、判断部１２４は、当該ＲＯＩからオプティカルフローの選択を行ってよいと判断する。図９においては、求めた分散が所定の閾値を超えないＲＯＩのことを許容ＲＯＩと表現している。許容ＲＯＩからオプティカルフローの選択が行われる（ステップＳ５５）。許容ＲＯＩの数は、１つに限らず、複数のこともある。

詳細には、各フレーム画像における許容ＲＯＩから、２つのオプティカルフローで構成されるオプティカルフローの組が選択される。許容ＲＯＩに含まれるオプティカルフローの数が２つを超える場合、例えば、組み合わせ可能な全ての組が選択される。なお、許容ＲＯＩから２つのオプティカルフローで構成される組が選択できないこともあり得る。オプティカルフローの組が選択できないフレーム画像について、当該フレーム画像を用いた姿勢推定を行うことはできない。

一方、全てのＲＯＩの求めた分散が所定の閾値を超える場合（ステップＳ５４でＮｏ）、判断部１２４は、オプティカルフローの利用を許容されるＲＯＩがないと判断する。この場合、姿勢推定を行うためのオプティカルフローの組を得ることができないために、図２のステップＳ１に戻ってステップＳ１以降の処理が行われる。

以上のように、本実施形態では、判断部１２４は、分散が所定の閾値を超えない抽出領域（ＲＯＩ）をオプティカルフローの利用が許容される抽出領域と判断する。このような構成では、路面以外のものから得られるオプティカルフローや、信頼性の低いオプティカルフローを用いて、その後の処理（本実施形態では姿勢推定処理）が行われることを避けられる。すなわち、本実施形態によれば、姿勢推定処理の精度を向上することができる。

図１１は、オプティカルフローの利用が許容されるＲＯＩについて説明するための模式図である。図１１において、符号１００は自車両、符号２００は他車両である。図１１に示す例では、第１抽出領域５ａ、第２抽出領域５ｂ、第３抽出領域５ｃ、および、第４抽出領域５ｄの４つのＲＯＩが設定されている。図１１において、黒丸は特徴点ＦＰを示す。

第１抽出領域５ａおよび第２抽出領域５ｂにおいては、路面上の白線３００から得られる特徴点ＦＰの他に、他車両２００から特徴点ＦＰが抽出されている。一方、第３抽出領域５ｃおよび第４抽出領域５ｄにおいては、路面上の白線３００から得られる特徴点ＦＰのみが抽出されている。

他車両２００は立体物であり、路面以外のものである。上述のように、路面以外のものから抽出された特徴点のオプティカルフローは分散を大きくする原因となる。このために、図１１に示す例では、判断部１２４により、第１抽出領域５ａおよび第２抽出領域５ｂから得られるオプティカルフローは利用が許容されないと判断される。一方、判断部１２４は、第３抽出領域５ｃおよび第４抽出領域５ｄから得られるオプティカルフローについて利用が許容されると判断する。図１１に示す例では、第３抽出領域５ｃおよび第４抽出領域５ｄから得られるオプティカルフローを用いて、推定部１２５による姿勢推定処理が行われることになる。

＜４．変形例＞
以下、２つの変形例について説明する。変形例の説明に際して、上述の実施形態と重複する内容については、原則としてその説明を省略する。

（４−１．第１変形例）
以上に示す実施形態では、統計処理部１２３が求める統計情報を分散としたが、例えば、統計情報は平均値であってよい。第１変形例は、統計処理部１２３が求める統計情報が平均値である場合を想定する。

図１２は、第１変形例におけるオプティカルフローの選択処理を示すフローチャートである。図１２は、図２のステップＳ５の処理の詳細例を示す図である。

上述の実施形態と同様に、統計処理部１２３は、まず、フレーム画像ごとに求められたオプティカルフローについて、路面ベクトルに変換する（ステップＳ５１Ａ）。路面ベクトルへの変換を完了すると、統計処理部１２３は、路面ベクトルごとに、上述の式（１）により移動量比率Ｍｙを算出する（ステップＳ５２Ａ）。

移動量比率Ｍｙが求められると、統計処理部１２３は、ＲＯＩごとに移動量比率Ｍｙの平均値を算出する（ステップＳ５３Ａ）。第１実施形態と同様に、本変形例でも、複数のフレーム画像のそれぞれについて、ＲＯＩごとの移動量比率Ｍｙの算出結果が存在する。各フレーム画像の結果を一纏めとしてＲＯＩごとの平均値が算出される。なお、平均値の算出対象ＲＯＩにおける移動量比率Ｍｙの数は、各フレーム画像の算出対象ＲＯＩで得られた移動量比率Ｍｙの数を全て足した値である。

ＲＯＩごとの所定値（移動量比率Ｍｙ）の平均値が算出されると、判断部１２４は、各ＲＯＩについて、平均値の差が所定の範囲内となるＲＯＩがあるか否かを判断する（ステップＳ５４Ａ）。平均値が他のＲＯＩと大きく異なるＲＯＩは、例えば、路面以外のものから抽出された特徴点のオプティカルフローが多く含まれている可能性が高い。すなわち、平均値が他のＲＯＩと大きく異なるＲＯＩは、その後の姿勢推定処理に不適切なオプティカルフローを含む可能性が高い。ステップＳ５４Ａは、このような不適切なオプティカルフローが求められるＲＯＩを、オプティカルフローの選択対象から除外する目的で設けられる。

所定の範囲は、路面以外のものから抽出された特徴点のオプティカルフロー等の、不適切なオプティカルフローが求められるＲＯＩの除外漏れがないように設定される。所定の範囲は、例えば実験やシミュレーション等によって求められる。

平均値の差が所定の範囲内となるＲＯＩがある場合（ステップＳ５４ＡでＹｅｓ）、判断部１２４は、当該ＲＯＩからオプティカルフローの選択を行ってよいと判断する。図１２においては、平均値の差が所定の範囲内となるＲＯＩが存在するＲＯＩのことを許容ＲＯＩと表現している。許容ＲＯＩからオプティカルフローの選択が行われる（ステップＳ５５Ａ）。許容ＲＯＩの数は、２つのみ限らず、３つ以上となる場合もある。

一方、全てのＲＯＩにおいて平均値の差が所定の範囲内となるＲＯＩが存在しない場合（ステップＳ５４ＡでＮｏ）、判断部１２４は、オプティカルフローの利用を許容されるＲＯＩがないと判断する。この場合、姿勢推定を行うためのオプティカルフローの組を得ることができないために、図２のステップＳ１に戻ってステップＳ１以降の処理が行われる。

以上のように、本変形例では、判断部１２４は、平均値の差が所定の範囲内となる抽出領域（ＲＯＩ）が存在する抽出領域を、オプティカルフローの利用が許容される抽出領域と判断する。このような構成では、路面以外のものから得られるオプティカルフロー等の不適切なオプティカルフローを用いて、その後の処理（本例では姿勢推定処理）が行われることが避けられる。すなわち、本変形例によれば、姿勢推定処理の精度を向上することができる。

（４−２．第２変形例）
以上に示す実施形態では、統計処理部１２３が求める統計情報を分散としたが、例えば、統計情報は平均値と分散とを含んでよい。第２変形例は、統計処理部１２３が求める統計情報が平均値と分散とである場合を想定する。

図１３は、第２変形例におけるオプティカルフローの選択処理を示すフローチャートである。図１３は、図２のステップＳ５の処理の詳細例を示す図である。

上述の実施形態と同様に、統計処理部１２３は、まず、フレーム画像ごとに求められたオプティカルフローについて、路面ベクトルに変換する（ステップＳ５１Ｂ）。路面ベクトルへの変換を完了すると、統計処理部１２３は、路面ベクトルごとに、上述の式（１）により移動量比率Ｍｙを算出する（ステップＳ５２Ｂ）。

移動量比率Ｍｙが求められると、統計処理部１２３は、上述した第１変形例と同様にして、ＲＯＩごとに移動量比率Ｍｙの平均値を算出する（ステップＳ５３Ｂ）。また、統計処理部１２３は、上述した実施形態と同様にして、ＲＯＩごとの分散を算出する（ステップＳ５４Ｂ）。

ＲＯＩごとの所定値（移動量比率Ｍｙ）の平均値および分散が算出されると、判断部１２４は、求めた分散が所定の閾値を超えないＲＯＩがあるか否かを判断する（ステップＳ５５Ｂ）。求めた分散が所定の閾値を超えないＲＯＩがある場合（ステップＳ５５ＢでＹｅｓ）、判断部１２４は、当該ＲＯＩを対象ＲＯＩとし、各対象ＲＯＩについて、対象ＲＯＩの中に、平均値の差が所定の範囲内となるＲＯＩがあるか否かを判断する（ステップＳ５６Ｂ）。

なお、全てのＲＯＩにおいて求めた分散が所定の閾値を超える場合（ステップＳ５５ＢでＮｏ）、判断部１２４は、オプティカルフローの利用を許容されるＲＯＩがないと判断して、図２のステップＳ１に処理を戻す。

対象ＲＯＩの中に平均値の差が所定の範囲内となるＲＯＩがある場合（ステップＳ５６ＢでＹｅｓ）、判断部１２４は、当該ＲＯＩからオプティカルフローの選択を行ってよいと判断する。図１３においては、分散が所定の閾値を超えず、且つ、分散が所定の閾値を超えない対象ＲＯＩの中に平均値の差が所定の範囲内となるＲＯＩが存在するＲＯＩのことを許容ＲＯＩと表現している。許容ＲＯＩからオプティカルフローの選択が行われる（ステップＳ５７Ｂ）。許容ＲＯＩの数は、２つのみ限らず、３つ以上となる場合もある。

一方、全ての対象ＲＯＩにおいて、対象ＲＯＩの中に平均値の差が所定の範囲内となるＲＯＩが存在しない場合（ステップＳ５６ＢでＮｏ）、判断部１２４は、オプティカルフローの利用を許容されるＲＯＩがないと判断して、図２のステップＳ１に処理を戻す。

以上のように、本変形例では、判断部１２４は、分散が所定の閾値を超えず、且つ、分散が所定の閾値を超えない抽出領域（対象ＲＯＩ）の中に平均値の差が所定の範囲内となる抽出領域（ＲＯＩ）が存在する抽出領域（ＲＯＩ）を、オプティカルフローの利用が許容される抽出領域と判断する。このような構成では、単に分散のみや平均値のみを用いて不適切なオプティカルフローが算出される可能性が高いＲＯＩを除外する場合に比べて、不適切なオプティカルフローが算出される可能性が高いＲＯＩをより適切に除外することができる。このために、本変形例によれば、姿勢推定処理の精度をより向上することができる。

＜５．留意事項＞
本明細書における実施形態や変形例の構成は、本発明の例示にすぎない。実施形態や変形例の構成は、本発明の技術的思想を超えない範囲で適宜変更されてよい。また、複数の実施形態及び変形例は、可能な範囲で組み合わせて実施されてよい。

本発明は、自動駐車等の移動体の運転支援を行うカメラの姿勢推定を行うために利用することができる。また、本発明は、ドライブレコーダ等の運転情報を記録するカメラの姿勢推定を行うために利用することができる。また、本発明は、カメラの姿勢の推定情報を利用して撮影画像を補正する補正装置等に利用することができる。

また、本発明は、複数の移動体とネットワークにより通信可能に設けられるセンターと連携して動作する装置等に利用することができる。当該装置は、例えば、センターに撮影画像を送信する場合に、カメラの姿勢の推定情報を撮影画像とセットにして送信する構成であってよい。そして、センターでは、カメラの姿勢の推定情報を用いて、各種画像処理（カメラの姿勢も考慮した画像の視点・視方向を変更する処理、例えば車両の車体前方方向の画像に視点・視方向変換した画像を生成する等）、画像を用いた計測処理におけるカメラの姿勢に対する補正処理、カメラ姿勢の経年変化の統計処理（多くの車両のデータ）等を行い、ユーザへの有用な提供データを生成する等を行う。

１ 画像処理装置
５ 抽出領域
５ａ 第１抽出領域
５ｂ 第２抽出領域
５ｃ 第３抽出領域
５ｄ 第４抽出領域
２１ カメラ
１００ 自車両（移動体）
１２１ 設定部
１２２ フロー算出部
１２３ 統計処理部
１２４ 判断部
１２５ 推定部

Claims (9)

1. 移動体に搭載されるカメラで撮影された撮影画像を処理する画像処理装置であって、
   前記撮影画像に対して特徴点を抽出する抽出領域を複数設定する設定部と、
   複数の前記抽出領域から抽出された前記特徴点のオプティカルフローを算出するフロー算出部と、
   複数の前記抽出領域ごとに、前記オプティカルフローに基づき統計情報を求める統計処理部と、
   前記統計情報に基づき、複数の前記抽出領域の中に前記オプティカルフローの利用が許容される抽出領域が存在するか否かを判断する判断部と、
   を備える、画像処理装置。
2. 前記オプティカルフローの利用が許容される前記抽出領域にて得られる前記オプティカルフローに基づき、前記カメラの姿勢を推定する推定部を更に備える、請求項１に記載の画像処理装置。
3. 前記統計情報は、
   前記オプティカルフローを前記カメラのカメラ座標系から前記移動体が走行する路面の座標系へと座標変換して得られる路面ベクトルと、
   自装置の外部から入力される情報により得られる前記移動体の移動情報と、
   に基づき算出される所定値の統計情報である、請求項１又は２に記載の画像処理装置。
4. 前記所定値は、前記移動体の速度に依存しない値である、請求項３に記載の画像処理装置。
5. 前記統計情報は、複数の前記撮影画像のそれぞれに対して算出された前記オプティカルフローを合わせて求められる、請求項１から４のいずれか１項に記載の画像処理装置。
6. 前記統計情報は、分散であり、
   前記判断部は、前記分散が所定の閾値を超えない前記抽出領域を前記オプティカルフローの利用が許容される抽出領域と判断する、請求項１から５のいずれか１項に記載の画像処理装置。
7. 前記統計情報は、平均値であり、
   前記判断部は、前記平均値の差が所定の範囲内となる前記抽出領域が存在する前記抽出領域を、前記オプティカルフローの利用が許容される抽出領域と判断する、請求項１から５のいずれか１項に記載の画像処理装置。
8. 前記統計情報は、平均値と分散とを含み、
   前記判断部は、前記分散が所定の閾値を超えず、且つ、前記分散が所定の閾値を超えない前記抽出領域の中に前記平均値の差が所定の範囲内となる前記抽出領域が存在する前記抽出領域を、前記オプティカルフローの利用が許容される抽出領域と判断する、請求項１から５のいずれか１項に記載の画像処理装置。
9. 移動体に搭載されるカメラで撮影された撮影画像を処理する画像処理方法であって、
   前記撮影画像に対して特徴点を抽出する抽出領域を複数設定する設定工程と、
   複数の前記抽出領域から抽出された前記特徴点のオプティカルフローを算出するフロー算出工程と、
   複数の前記抽出領域ごとに、前記オプティカルフローに基づき統計情報を求める統計処理工程と、
   前記統計情報に基づき、複数の前記抽出領域の中に前記オプティカルフローの利用が許容される抽出領域が存在するか否かを判断する判断工程と、
   を備える、画像処理方法。

Images