JP2021092996A - 計測システム、車両、計測方法、計測装置及び計測プログラム - Google Patents
計測システム、車両、計測方法、計測装置及び計測プログラム Download PDFInfo
- Publication number
- JP2021092996A JP2021092996A JP2019223499A JP2019223499A JP2021092996A JP 2021092996 A JP2021092996 A JP 2021092996A JP 2019223499 A JP2019223499 A JP 2019223499A JP 2019223499 A JP2019223499 A JP 2019223499A JP 2021092996 A JP2021092996 A JP 2021092996A
- Authority
- JP
- Japan
- Prior art keywords
- image
- feature point
- unit
- measurement
- feature points
- 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.)
- Pending
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 84
- 238000000691 measurement method Methods 0.000 title claims abstract description 14
- 230000003287 optical effect Effects 0.000 claims abstract description 32
- 230000008034 disappearance Effects 0.000 claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 31
- 230000010365 information processing Effects 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 18
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 240000004050 Pentaglottis sempervirens Species 0.000 claims description 3
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 5
- 230000002093 peripheral effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000000034 method Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
本節では、第1の実施形態に係る計測システム1のハードウェア構成について説明する。
図1は、計測システム1の全体構成を示す概要図である。対象物を計測する計測システム1は、撮像装置2と、情報処理装置3とを備え、これらが電気的に接続されたシステムである。計測システム1は、移動体に設置して使用することが好ましい。移動体とは、例えば、自動車、列車(公共交通機関だけでなく遊戯用等も含む)、船舶、移動型ロボット、ヒト、動物等が想定される。本明細書では、例として自動車を取り上げて説明を行い、計測システム1が搭載された自動車を「本自動車」と定義する。すなわち、計測システム1は、車両に載置されたもの(車両が計測システム1を備える)で、対象物が車両に対する障害物又は他の車両である。
撮像装置2は、外界の情報を画像として取得可能に構成される、いわゆるビジョンセンサ(カメラ)であり、特に高速ビジョンと称する撮像レートが高いものが採用されることが好ましい。すなわち、撮像装置2は、画角に含まれる対象物の画像(左画像IMa,右画像IMb)を100fps以上で撮像可能に構成される。
左カメラ2aは、計測システム1において、右カメラ2bと並列に設けられ、本自動車の左側前方を撮像可能に構成される。具体的には、左カメラ2aの画角に、本自動車の前方に延在する路面又は前方に位置する障害物(例えば、前方車両、歩行者、動物等)がとらえられる。また、左カメラ2aは、後述の情報処理装置3における通信部31と電気通信回線(例えばUSBケーブル等)で接続され、撮像した画像を情報処理装置3に転送可能に構成される。
右カメラ2bは、計測システム1において、左カメラ2aと並列に設けられ、本自動車の右側前方を撮像可能に構成される。具体的には、右カメラ2bの画角に、本自動車の前方に延在する路面又は前方に位置する前方車両(すなわち障害物)がとらえられる。また、右カメラ2bは、後述の情報処理装置3における通信部31と電気通信回線(例えばUSBケーブル等)で接続され、撮像した画像を情報処理装置3に転送可能に構成される。
図2は、情報処理装置3のハードウェア構成を示すブロック図である。図2に示されるように、情報処理装置3は、通信部31と、記憶部32と、制御部33とを有し、これらの構成要素が情報処理装置3の内部において通信バス30を介して電気的に接続されている。以下、各構成要素についてさらに説明する。
通信部31は、USB、IEEE1394、Thunderbolt、有線LANネットワーク通信等といった有線型の通信手段が好ましいものの、無線LANネットワーク通信、3G/LTE/5G等のモバイル通信、Bluetooth(登録商標)通信等を必要に応じて含めてもよい。すなわち、これら複数の通信手段の集合として実施することがより好ましい。特に、前述の撮像装置2における左カメラ2a及び右カメラ2bとは、所定の高速通信規格(例えば、USB3.0やカメラリンク等)において通信することで、画像を受信可能に構成されることが好ましい。また、計測システム1が計測する対象物の物理量や本自動車の速度等の計測結果を表示するためのモニター(不図示)や、計測結果に基づいて本自動車を自動制御(自動運転)するための自動制御装置(不図示)が接続されてもよい。
記憶部32は、前述の記載により定義される様々な情報を記憶する。これは、例えばソリッドステートドライブ(Solid State Drive:SSD)等のストレージデバイスとして、あるいは、プログラムの演算に係る一時的に必要な情報(引数、配列等)を記憶するランダムアクセスメモリ(Random Access Memory:RAM)等のメモリとして実施されうる。また、これらの組合せであってもよい。
制御部33は、情報処理装置3に関連する全体動作の処理・制御を行う。制御部33は、例えば不図示の中央処理装置(Central Processing Unit:CPU)である。制御部33は、記憶部32に記憶された所定のプログラムを読み出すことによって、情報処理装置3に係る種々の機能を実現する。具体的には受付機能と、IPM変換機能と、矩形領域設定機能と、特徴点抽出機能と、特徴点情報算出機能と、計測機能とが該当する。すなわち、ソフトウェア(記憶部32に記憶されている)による情報処理がハードウェア(制御部33)によって具体的に実現されることで、図3に示されるように、受付部330、IPM変換部331、矩形領域設定部332、特徴点抽出部333、特徴点情報算出部334、及び計測部335として実行されうる。これらについては、第2節において詳述する。
本節では、本実施形態の機能構成について説明する。図3は、情報処理装置3(制御部33)の機能構成を示すブロック図である。前述の制御部33に関して、情報処理装置3は、受付部330と、IPM変換部331と、矩形領域設定部332と、特徴点抽出部333と、特徴点情報算出部334と、計測部335とを備える。以下、各構成要素についてさらに説明する。
受付部330は、撮像装置2によって撮像された画像を受け付けるように構成される。具体的には、受付部330は、通信部31を介して左画像IMa及び右画像IMbを受信し、これらを記憶部32に記憶させる。
IPM変換部331は、受付部330が受け付けた画像を逆透視投影変換してIPM画像(左IPM画像IM’a,右IPM画像IM’b)を生成するように構成される。ここでIPM画像とは、対象物を含む所定平面を俯瞰するように描画された画像である。換言すると、左画像IMaを逆透視投影変換することによって、左IPM画像IM’aが生成され、右画像IMbを逆透視投影変換することによって、右IPM画像IM’bが生成される。また、IPM変換部331は、左IPM画像IM’a及び右IPM画像IM’bに基づいて、対象物の相対的位置を大略的に把握することができる。これらについては、第3節において補足する。
図4は、左画像IMa及び右画像IMbにおいて設定された矩形領域Ra,Rbを示す概要図である。このように、矩形領域設定部332は、画像中において、対象物の少なくとも一部を包含する矩形領域を設定するように構成される。より詳細には、矩形領域設定部332は、左IPM画像IM’a及び右IPM画像IM’bに基づいて矩形領域Ra,Rbを設定するように構成される。このように矩形領域を設定することによって、画像全体で画像処理を施す場合に比べて、計算コストを削減することができる。また、範囲を限定しているため、次の特徴点抽出部333による各特徴点の対応付けに際しても誤対応(図5におけるNGと記載された組合せ)が低減される。特に、本実施形態では、撮像装置2の撮像レートが高いことから、1フレームあたりの対象物の移動距離が小さく、このような手法が極めて有効に機能する。
図5は、矩形領域Ra,Rbにおける対象物の特徴点の対応を示す概要図である。撮像装置2によって撮像された画像は、時刻t−1における第1の画像と時刻tにおける第2の画像とを含む。特徴点抽出部333は、時刻t−1の第1の画像において対象物に係る特徴点である第1の特徴点F1を複数抽出する。特に、矩形領域設定部332が矩形領域Ra,Rbを設定しているため、特徴点抽出部333は、矩形領域Ra,Rbの範囲で特徴点を抽出するように構成されるとよい。そして、矩形領域Raにおける各特徴点と、矩形領域Rbにおける各特徴点との対応付けが行われる。このとき、計算コストを考慮して、所定の幾何的な条件を考慮して誤対応(図5におけるNGと記載された組合せ)を除外するように実施することが好ましい。
特徴点情報算出部334は、第1の特徴点F1の第2の画像における推定移動先EPをオプティカルフローOFに基づいて算出する。つまり、第1の特徴点F1に係る位置ベクトルに、オプティカルフローOF(ベクトル)を足し合わせることによって、推定移動先EPに係る位置ベクトルが求められる。ここでは、第1の特徴点F1a,F1b,F1c,F1dの推定移動先EPa,EPb,EPc,EPdがオプティカルフローOFa,OFb,OFc,OFdによって求められている。
計測部335は、特徴点情報算出部334によって算出された特徴点情報に基づいて、対象物の移動に関する物理量を計測するように構成される。すなわち、こうして得られたフレーム間の2つの点群(第1の特徴点F1及び第2の特徴点F2)から、対象物のダイナミクス変化を捉える。つまり、オプティカルフローOFにより得られた点の移動を表す変換行列を繰り返し演算による最適化により求めることが好ましい。ところで、計測システム1によって直接計測される対象物の物理量は、本自動車に対する相対的なものであるから、本自動車の物理量(速度等)を別途計測することで、対象物の絶対的な物理量を計測するように実施してもよい。このような事情を鑑みると、ここでの物理量は、対象物までの距離と、対象物の奥行き方向の変位と、対象物の横方向の変位と、対象物の速度と、対象物の姿勢とのうち少なくとも1つを含む。なお、外れ値等を除外してより正確に物理量を計測するために、計測部335は、フィルタを用いて、物理量を推定的に計測するように構成されることが好ましい。このフィルタは、例えば、カルマンフィルタやベイズフィルタ等、制御系の状態空間を推定するものであれば特に限定されるものではない。
本節では、逆透視投影変換について説明する。図9は、逆透視投影変換の概要図である。図10は、IPM変換部331による処理の流れを示す概要図である。ここではモデルとして、ピンホールカメラを仮定するとともに、カメラのピッチ角のみを考慮して表式化していることにも留意されたい。もちろん、魚眼カメラやオムニディレクショナルカメラを仮定してもよいし、ロール角を考慮して表式化してもよい。図2に示されるように、世界座標系O_Wで表された点(X_W、Y_W,Z_W)をカメラ画像平面π_Cに投影したときの点(x,y)は[数1]のように表される。
ただし、Kはカメラ(左カメラ2a及び右カメラ2b)の内部行列、Πはカメラ座標系O_Cからカメラ画像平面π_Cへの射影行列、R∈SO(3)及びT∈R^3は、世界座標系O_Wからカメラ座標系O_Cへの回転行列、及び並進ベクトルをそれぞれ表す。
と表されるとき、画像上の点(x,y)の逆透視投影像であるπ上の点(X_W,Y_W,Z_W)は、(x,y)を用いて、[数3]のように計算される。
本節では、対象物を計測する計測方法について詳述する。対象物を計測する計測方法は、撮像ステップと、受付ステップと、特徴点抽出ステップと、特徴点情報産出ステップと、計測ステップとを備える。撮像ステップでは、画角に含まれる対象物の画像を100fps以上で撮像する。ここで画像は、時刻t−1における第1の画像と時刻tにおける第2の画像とを含む。受付ステップでは、撮像ステップで撮像された画像を受け付ける。特徴点抽出ステップでは、第1の画像において対象物に係る特徴点である複数の第1の特徴点F1を抽出するとともに、そのオプティカルフローOFを演算する。続いて、第2の画像において対象物に係る特徴点である複数の第2の特徴点F2を抽出する。特徴点情報算出ステップでは、第1の特徴点F1の第2の画像における推定移動先EPをオプティカルフローOFに基づいて算出するとともに、これらの推定移動先EPと第2の特徴点F2とを比較することで、特徴点の新たな出現又は消滅を含む特徴点情報を算出す。計測ステップでは、特徴点情報に基づいて、対象物の移動に関する物理量を計測する。
(アクティビティA1)
撮像装置2(左カメラ2a及び右カメラ2b)が対象物を100fps以上の撮像レートで画像(左画像IMa及び右画像IMb)として撮像する。
アクティビティA1に続いて、IPM変換部331が画像に対して逆透視投影変換を行って、IPM画像(左IPM画像IM’a及び右IPM画像IM’b)を生成する。
アクティビティA2に続いて、IPM変換部331が対象物の位置を大略的に把握する。
アクティビティA3に続いて、矩形領域設定部332がアクティビティA3で大略的に把握された対象物の位置に基づいて、左画像IMaに矩形領域Raを、右画像IMbに矩形領域Rbをそれぞれ設定する。
アクティビティA4に続いて、特徴点抽出部333が矩形領域Ra,Rbにおいて複数の特徴点を抽出し、その位置の対応関係を把握する。
アクティビティA5に続いて、特徴点抽出部333が抽出した特徴点をクラスタリングする。各クラスタCの代表点を第1の特徴点F1とする。
アクティビティA6に続いて、特徴点抽出部333が各クラスタCにおける第1の特徴点F1に対するオプティカルフローOFを算出する。
アクティビティA7に続いて、特徴点抽出部333が第1の特徴点F1とオプティカルフローOFとに基づいて、第1の特徴点F1の推定移動先EPを算出する。
アクティビティA8に続いて、特徴点情報算出部334が推定移動先EPと第2の特徴点F2とを比較することで、特徴点の出現又は消滅に関する情報を含む特徴点情報を算出する。
アクティビティA9に続いて、計測部335がアクティビティA9において算出された特徴点情報に基づいて、対象物の物理量を計測する。
[ここまで]
本節では、計測システム1の変形例について説明する。すなわち、次のような態様によって、本実施形態に係る計測システム1をさらに創意工夫してもよい。
(2)前述の実施形態では、左カメラ2a及び右カメラ2bからなる2眼の撮像装置2を用いているが、3つ以上のカメラを用いた3眼以上の撮像装置2を実施してもよい。この際、異なる種類のカメラ(例えば、可視光カメラ及び赤外線カメラ)を組み合わせて実施してもよい。カメラの個数を増やすことで、計測システム1による計測に係るロバスト性が向上するという、有利な効果を奏する。
(3)前述の実施形態では、時刻t−1及び時刻tを用いて特徴点情報が算出されているが、これ以外の時刻も含めた複数時刻の画像を合わせて処理してもよい。処理する時系列の画像を増やすことで、さらなる精度向上が期待される。
(4)IPM変換部331及び矩形領域設定部332に係る対象物の認識に関する処理と、特徴点抽出部333、特徴点情報算出部334及び計測部335に係る対象物のトラッキングに関する処理とを並列化することが好ましい。このような構成によれば、処理の高速化に寄与すると解する。
(5)撮像装置2及び情報処理装置3を、計測システム1としてではなく、これらの機能を有する1つの計測装置として実現してもよい。具体的には例えば、3次元計測装置、画像処理装置、投影表示装置、3次元シミュレータ装置等が挙げられる。かかる場合、対象物を計測する計測装置は、受付部330と、特徴点抽出部333と、特徴点情報算出部334と、計測部335とを備える。受付部330は、対象物を含む画像を受け付けるように構成される。ここで画像は、時刻t−1における第1の画像と時刻tにおける第2の画像とを含む。特徴点抽出部333は、第1の画像において対象物に係る特徴点である複数の第1の特徴点F1を抽出するとともに、そのオプティカルフローOFを演算するように構成される。続いて、第2の画像において対象物に係る特徴点である複数の第2の特徴点F2を抽出するように構成される。特徴点情報算出部334は、第1の特徴点F1の第2の画像における推定移動先EPをオプティカルフローOFに基づいて算出するとともに、これらの推定移動先EPと第2の特徴点F2とを比較することで、特徴点の新たな出現又は消滅を含む特徴点情報を算出するように構成される。計測部335は、特徴点情報に基づいて、対象物の移動に関する物理量を計測するように構成される。
(6)コンピュータを計測装置として機能させる計測プログラムを実施してもよい。この計測プログラムは、サーバからダウンロード可能な態様であってもよいし、不揮発性又は揮発性の記憶媒体に記憶させて、このようなプログラムが頒布されてもよい。
(7)撮像装置2が撮像した画像IMを直接画像処理して位置合わせを行ってもよいし、撮像装置2以外のセンサ、例えば、レーザ変位センサ、赤外線センサ等を用いる態様であってもよい。
(8)本自動車に代えて、ドローン等3次元に移動可能な移動体に計測システム1を搭載してもよい。
本節では、第2の実施形態に係る計測システム1について説明する。なお、第1の実施形態に係る計測システム1との共通部分についてはその記載を省略する。
重畳対象物分離部332aは、前々方車両を含む画像に対して、前方車両に係る領域を単色で塗って特徴を消す消去処理を実行するように構成される。これにより前方車両学習の抑制を行う。このとき、視差による前方車両の情報が残らないように、左画像IMa及び右画像IMbのそれぞれの矩形領域Ra,Rbの重畳領域を内包する最小の長方形を単色塗付領域として設定する。
サイズ変更部332bは、矩形領域のサイズを変更するように構成される。画像中における車両を含む面積は、時間とともに変化することが想定される。このような変化に対する頑健性を維持するために、サイズ変更部332bは、車間距離を用いて矩形領域の大きさをスケーリングし、各矩形領域が占める車両面積の割合がほとんど変化しないように矩形領域のサイズを変更する。
以上のように、本実施形態によれば、対象物の突然の出現等にも対応することができる、周囲の対象物の計測システム、車両、計測方法、計測装置及び計測プログラムを実施することができる。
前記計測システムにおいて、矩形領域設定部をさらに備え、前記矩形領域設定部は、前記画像中において、前記対象物の少なくとも一部を包含する矩形領域を設定するように構成され、前記特徴点抽出部は、前記矩形領域の範囲で前記特徴点を抽出するように構成されるもの。
前記計測システムにおいて、IPM変換部をさらに備え、前記IPM変換部は、前記受付部が受け付けた前記画像を逆透視投影変換してIPM画像を生成するように構成され、ここで前記IPM画像とは、前記対象物を含む所定平面を俯瞰するように描画された画像で、前記矩形領域設定部は、前記IPM画像に基づいて前記矩形領域を設定するように構成されるもの。
前記計測システムにおいて、記憶部をさらに備え、前記記憶部は、種々の対象物とこれらに対する前記矩形領域との相関を予め学習させた学習済みモデルを記憶し、前記矩形領域設定部は、前記学習済みモデルに基づいて前記矩形領域を設定するように構成されるもの。
前記計測システムにおいて、前記特徴点は、クラスタに分類されたもので、前記特徴点情報は、前記クラスタの新たな出現又は消滅を含む情報であるもの。
前記計測システムにおいて、前記物理量は、前記対象物までの距離と、前記対象物の奥行き方向の変位と、前記対象物の横方向の変位と、前記対象物の速度と、前記対象物の姿勢とのうち少なくとも1つを含むもの。
前記計測システムにおいて、前記計測部は、フィルタを用いて、前記物理量を推定的に計測するように構成されるもの。
前記計測システムにおいて、車両に載置されたもので、前記対象物が前記車両に対する障害物又は他の車両であるもの。
車両であって、前記計測システムを備えるもの。
対象物を計測する計測方法であって、撮像ステップと、受付ステップと、特徴点抽出ステップと、特徴点情報産出ステップと、計測ステップとを備え、前記撮像ステップでは、画角に含まれる前記対象物の画像を100fps以上で撮像し、ここで前記画像は、時刻t−1における第1の画像と時刻tにおける第2の画像とを含み、前記受付ステップでは、前記撮像ステップで撮像された前記画像を受け付け、前記特徴点抽出ステップでは、前記第1の画像において前記対象物に係る特徴点である複数の第1の特徴点を抽出するとともに、そのオプティカルフローを演算し、続いて、前記第2の画像において前記対象物に係る特徴点である複数の第2の特徴点を抽出し、前記特徴点情報算出ステップでは、前記第1の特徴点の前記第2の画像における推定移動先を前記オプティカルフローに基づいて算出するとともに、これらの推定移動先と前記第2の特徴点とを比較することで、前記特徴点の新たな出現又は消滅を含む特徴点情報を算出し、前記計測ステップでは、前記特徴点情報に基づいて、前記対象物の移動に関する物理量を計測するもの。
対象物を計測する計測装置であって、受付部と、特徴点抽出部と、特徴点情報算出部と、計測部とを備え、前記受付部は、前記対象物を含む画像を受け付けるように構成され、ここで前記画像は、時刻t−1における第1の画像と時刻tにおける第2の画像とを含み、前記特徴点抽出部は、前記第1の画像において前記対象物に係る特徴点である複数の第1の特徴点を抽出するとともに、そのオプティカルフローを演算するように構成され、続いて、前記第2の画像において前記対象物に係る特徴点である複数の第2の特徴点を抽出するように構成され、前記特徴点情報算出部は、前記第1の特徴点の前記第2の画像における推定移動先を前記オプティカルフローに基づいて算出するとともに、これらの推定移動先と前記第2の特徴点とを比較することで、前記特徴点の新たな出現又は消滅を含む特徴点情報を算出するように構成され、前記計測部は、前記特徴点情報に基づいて、前記対象物の移動に関する物理量を計測するように構成されるもの。
計測プログラムであって、コンピュータを前記計測装置として機能させるもの。
もちろん、この限りではない。
2 :撮像装置
2a :左カメラ
2b :右カメラ
3 :情報処理装置
30 :通信バス
31 :通信部
32 :記憶部
33 :制御部
330 :受付部
331 :IPM変換部
331a :機械学習部
332 :矩形領域設定部
332a :重畳対象物分離部
332b :サイズ変更部
333 :特徴点抽出部
334 :特徴点情報算出部
335 :計測部
C :クラスタ
D :差分
EP :推定移動先
F1 :第1の特徴点
F2 :第2の特徴点
IM :画像
IM’a :左IPM画像
IM’b :右IPM画像
IMa :左画像
IMb :右画像
OF :オプティカルフロー
O_C :カメラ座標系
O_W :世界座標系
Ra :矩形領域
Rb :矩形領域
Claims (12)
- 対象物を計測する計測システムであって、
撮像装置と、情報処理装置とを備え、
前記撮像装置は、画角に含まれる前記対象物の画像を100fps以上で撮像可能に構成され、ここで前記画像は、時刻t−1における第1の画像と時刻tにおける第2の画像とを含み、
前記情報処理装置は、受付部と、特徴点抽出部と、特徴点情報算出部と、計測部とを備え、
前記受付部は、前記撮像装置によって撮像された前記画像を受け付けるように構成され、
前記特徴点抽出部は、
前記第1の画像において前記対象物に係る特徴点である第1の特徴点を複数抽出するとともに、そのオプティカルフローを演算するように構成され、
続いて、前記第2の画像において前記対象物に係る特徴点である第2の特徴点を複数抽出するように構成され、
前記特徴点情報算出部は、前記第1の特徴点の前記第2の画像における推定移動先を前記オプティカルフローに基づいて算出するとともに、これらの推定移動先と前記第2の特徴点とを比較することで、前記特徴点の新たな出現又は消滅を含む特徴点情報を算出するように構成され、
前記計測部は、前記特徴点情報に基づいて、前記対象物の移動に関する物理量を計測するように構成されるもの。 - 請求項1に記載の計測システムにおいて、
矩形領域設定部をさらに備え、
前記矩形領域設定部は、前記画像中において、前記対象物の少なくとも一部を包含する矩形領域を設定するように構成され、
前記特徴点抽出部は、前記矩形領域の範囲で前記特徴点を抽出するように構成されるもの。 - 請求項2に記載の計測システムにおいて、
IPM変換部をさらに備え、
前記IPM変換部は、前記受付部が受け付けた前記画像を逆透視投影変換してIPM画像を生成するように構成され、ここで前記IPM画像とは、前記対象物を含む所定平面を俯瞰するように描画された画像で、
前記矩形領域設定部は、前記IPM画像に基づいて前記矩形領域を設定するように構成されるもの。 - 請求項2に記載の計測システムにおいて、
記憶部をさらに備え、
前記記憶部は、種々の対象物とこれらに対する前記矩形領域との相関を予め学習させた学習済みモデルを記憶し、
前記矩形領域設定部は、前記学習済みモデルに基づいて前記矩形領域を設定するように構成されるもの。 - 請求項1〜請求項4の何れか1つに記載の計測システムにおいて、
前記特徴点は、クラスタに分類されたもので、
前記特徴点情報は、前記クラスタの新たな出現又は消滅を含む情報であるもの。 - 請求項1〜請求項5の何れか1つに記載の計測システムにおいて、
前記物理量は、前記対象物までの距離と、前記対象物の奥行き方向の変位と、前記対象物の横方向の変位と、前記対象物の速度と、前記対象物の姿勢とのうち少なくとも1つを含むもの。 - 請求項1〜請求項6の何れか1つに記載の計測システムにおいて、
前記計測部は、フィルタを用いて、前記物理量を推定的に計測するように構成されるもの。 - 請求項1〜請求項7の何れか1つに記載の計測システムにおいて、
車両に載置されたもので、前記対象物が前記車両に対する障害物又は他の車両であるもの。 - 車両であって、
請求項1〜請求項8の何れか1つに記載の計測システムを備えるもの。 - 対象物を計測する計測方法であって、
撮像ステップと、受付ステップと、特徴点抽出ステップと、特徴点情報産出ステップと、計測ステップとを備え、
前記撮像ステップでは、画角に含まれる前記対象物の画像を100fps以上で撮像し、ここで前記画像は、時刻t−1における第1の画像と時刻tにおける第2の画像とを含み、
前記受付ステップでは、前記撮像ステップで撮像された前記画像を受け付け、
前記特徴点抽出ステップでは、
前記第1の画像において前記対象物に係る特徴点である複数の第1の特徴点を抽出するとともに、そのオプティカルフローを演算し、
続いて、前記第2の画像において前記対象物に係る特徴点である複数の第2の特徴点を抽出し、
前記特徴点情報算出ステップでは、前記第1の特徴点の前記第2の画像における推定移動先を前記オプティカルフローに基づいて算出するとともに、これらの推定移動先と前記第2の特徴点とを比較することで、前記特徴点の新たな出現又は消滅を含む特徴点情報を算出し、
前記計測ステップでは、前記特徴点情報に基づいて、前記対象物の移動に関する物理量を計測するもの。 - 対象物を計測する計測装置であって、
受付部と、特徴点抽出部と、特徴点情報算出部と、計測部とを備え、
前記受付部は、前記対象物を含む画像を受け付けるように構成され、ここで前記画像は、時刻t−1における第1の画像と時刻tにおける第2の画像とを含み、
前記特徴点抽出部は、
前記第1の画像において前記対象物に係る特徴点である複数の第1の特徴点を抽出するとともに、そのオプティカルフローを演算するように構成され、
続いて、前記第2の画像において前記対象物に係る特徴点である複数の第2の特徴点を抽出するように構成され、
前記特徴点情報算出部は、前記第1の特徴点の前記第2の画像における推定移動先を前記オプティカルフローに基づいて算出するとともに、これらの推定移動先と前記第2の特徴点とを比較することで、前記特徴点の新たな出現又は消滅を含む特徴点情報を算出するように構成され、
前記計測部は、前記特徴点情報に基づいて、前記対象物の移動に関する物理量を計測するように構成されるもの。 - 計測プログラムであって、
コンピュータを請求項11に記載の計測装置として機能させるもの。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019223499A JP2021092996A (ja) | 2019-12-11 | 2019-12-11 | 計測システム、車両、計測方法、計測装置及び計測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019223499A JP2021092996A (ja) | 2019-12-11 | 2019-12-11 | 計測システム、車両、計測方法、計測装置及び計測プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021092996A true JP2021092996A (ja) | 2021-06-17 |
Family
ID=76312473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019223499A Pending JP2021092996A (ja) | 2019-12-11 | 2019-12-11 | 計測システム、車両、計測方法、計測装置及び計測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021092996A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102499023B1 (ko) * | 2022-01-27 | 2023-02-14 | 포티투닷 주식회사 | 차로 별 트래픽 흐름을 결정하는 장치 및 방법 |
JP7253302B1 (ja) * | 2022-11-14 | 2023-04-06 | 株式会社ASED Lab. | 情報処理システム、プログラム及び情報処理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008158640A (ja) * | 2006-12-21 | 2008-07-10 | Fuji Heavy Ind Ltd | 移動物体検出装置 |
WO2009005025A1 (ja) * | 2007-07-03 | 2009-01-08 | Konica Minolta Holdings, Inc. | 移動物体検出装置 |
JP2012173803A (ja) * | 2011-02-17 | 2012-09-10 | Panasonic Corp | 安全運転支援装置及び安全運転支援方法 |
JP2016024602A (ja) * | 2014-07-18 | 2016-02-08 | 日立オートモティブシステムズ株式会社 | 物体検知装置及びそれを用いた車両制御システム |
JP2017167608A (ja) * | 2016-03-14 | 2017-09-21 | 株式会社Jvcケンウッド | 物体認識装置、物体認識方法及び物体認識プログラム |
JP2018063606A (ja) * | 2016-10-13 | 2018-04-19 | 株式会社デンソー | 移動検出装置、移動検出方法 |
JP2018097582A (ja) * | 2016-12-13 | 2018-06-21 | 株式会社デンソー | 運転支援装置、及び運転支援方法 |
-
2019
- 2019-12-11 JP JP2019223499A patent/JP2021092996A/ja active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008158640A (ja) * | 2006-12-21 | 2008-07-10 | Fuji Heavy Ind Ltd | 移動物体検出装置 |
WO2009005025A1 (ja) * | 2007-07-03 | 2009-01-08 | Konica Minolta Holdings, Inc. | 移動物体検出装置 |
JP2012173803A (ja) * | 2011-02-17 | 2012-09-10 | Panasonic Corp | 安全運転支援装置及び安全運転支援方法 |
JP2016024602A (ja) * | 2014-07-18 | 2016-02-08 | 日立オートモティブシステムズ株式会社 | 物体検知装置及びそれを用いた車両制御システム |
JP2017167608A (ja) * | 2016-03-14 | 2017-09-21 | 株式会社Jvcケンウッド | 物体認識装置、物体認識方法及び物体認識プログラム |
JP2018063606A (ja) * | 2016-10-13 | 2018-04-19 | 株式会社デンソー | 移動検出装置、移動検出方法 |
JP2018097582A (ja) * | 2016-12-13 | 2018-06-21 | 株式会社デンソー | 運転支援装置、及び運転支援方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102499023B1 (ko) * | 2022-01-27 | 2023-02-14 | 포티투닷 주식회사 | 차로 별 트래픽 흐름을 결정하는 장치 및 방법 |
JP7253302B1 (ja) * | 2022-11-14 | 2023-04-06 | 株式会社ASED Lab. | 情報処理システム、プログラム及び情報処理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112292711B (zh) | 关联lidar数据和图像数据 | |
EP3418943B1 (en) | Object detecting apparatus, object detecting method, and computer-readable medium | |
US10860870B2 (en) | Object detecting apparatus, object detecting method, and computer program product | |
US11527077B2 (en) | Advanced driver assist system, method of calibrating the same, and method of detecting object in the same | |
US8406472B2 (en) | Method and system for processing image data | |
JP6574611B2 (ja) | 立体画像に基づいて距離情報を求めるためのセンサシステム | |
CN107273788B (zh) | 在车辆中执行车道检测的成像系统与车辆成像系统 | |
US11233983B2 (en) | Camera-parameter-set calculation apparatus, camera-parameter-set calculation method, and recording medium | |
JP2014138420A (ja) | 自律車両用の奥行き検知方法及びシステム | |
JP7135665B2 (ja) | 車両制御システム、車両の制御方法及びコンピュータプログラム | |
JP2014137815A (ja) | 歪みのあるカメラ画像を補正するシステム及び方法 | |
US11748998B1 (en) | Three-dimensional object estimation using two-dimensional annotations | |
JP4967758B2 (ja) | 物体移動の検出方法及び検出装置 | |
JP2021092996A (ja) | 計測システム、車両、計測方法、計測装置及び計測プログラム | |
JP2012252501A (ja) | 走行路認識装置及び走行路認識用プログラム | |
Nambi et al. | FarSight: a smartphone-based vehicle ranging system | |
JP7360520B1 (ja) | オブジェクト追跡統合方法及び統合装置 | |
JP2019087166A (ja) | 撮影画像に含まれる境界線を検出するための装置、方法、及びプログラム | |
CN114170267A (zh) | 目标跟踪方法、装置、设备及计算机可读存储介质 | |
JPWO2020122143A1 (ja) | 計測システム、計測方法、及び計測プログラム | |
KR20200072590A (ko) | 자동 주차 기능을 위한 주차선 이탈 감지 방법 및 장치 | |
WO2020246202A1 (ja) | 計測システム、計測方法、及び計測プログラム | |
JP2019096031A (ja) | 推定プログラム、推定装置、及び推定方法 | |
US20220406070A1 (en) | Method and device for recognizing an object for a vehicle including a mono camera, and camera system | |
WO2021230314A1 (ja) | 計測システム、車両、計測装置、計測プログラム及び計測方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200519 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200520 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200706 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230418 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231010 |