JP2021108035A - 画像処理装置、画像処理方法、及びプログラム - Google Patents

Abstract

【課題】演算コストの低減に加えて、動きベクトルの検出性能の向上をも可能にする。【解決手段】画像処理装置（１０４）は、複数の光学系（１０１，１３１）による視差を有した複数の画像を取得する取得手段（１０４）と、画像から特徴点を抽出する抽出手段（１２１）と、複数の画像のうちの、第１の画像から前記抽出された特徴点を、第２の画像から前記抽出された特徴点に対して、視差を加味して反映する反映手段（１２１）と、特徴点を基に動きベクトルを検出する検出手段（１２１）と、を有し、検出手段（１２１）は、第２の画像については第１の画像の特徴点が反映された特徴点を基に、動きベクトルの検出を行う。【選択図】図１

Description

本発明は、画像の動きを検出する画像処理技術に関する。

従来、臨場感のある映像体験を提供するために、立体視表示用の画像撮影が可能なステレオカメラが提供されている。ステレオカメラから取り込まれた画像データを用いて動きベクトルを検出する場合、画像データにはほぼ同一被写体が撮像されているため、画像データ全体で動きベクトルを検出するのは非効率である。特許文献１には、テンプレートマッチングの方法を工夫することで、その問題を解決可能とする技術が開示されている。テンプレートマッチングでは、画像中のある２枚のフレーム画像の一方を原画像、もう一方を参照画像とする。そして、原画像上に配置した矩形領域をテンプレートブロックとし、参照画像上に配置した矩形領域をサーチ領域とし、サーチ領域の各位置においてテンプレートブロック内の画素値の分布との相関を求める。ここで、ステレオカメラが左眼画像及び左眼画像を取り込んだ場合、左眼画像におけるサーチ領域と右眼画像におけるサーチ領域とで、重複する領域が存在する。特許文献１の技術では、その重複したサーチ領域に対しては、左眼画像または右眼画像のどちらか一方でのみテンプレートマッチングを行うことによって、演算コストを低減させている。

特開２０００−１６５９０９号公報

前述したように特許文献１の手法では、演算コストを低減させるために、左眼画像と右眼画像とで重複したサーチ領域に対して、左眼画像または右眼画像のどちらか一方でのみテンプレートマッチングを行う。しかしながら、手振れ等に起因したカメラの動きによっては、テンプレートブロック内の画像が左眼画像と右眼画像とで異なる方向に移動することがある。この場合、正しくテンプレートマッチングが実行できなくなり、その結果、動きベクトルを正しく検出できなくなって、動きベクトルの検出性能が低下する。

そこで、本発明は、演算コストの低減に加えて、動きベクトルの検出性能の向上をも可能にすることを目的とする。

本発明の画像処理装置は、複数の光学系による視差を有した複数の画像を取得する取得手段と、前記画像から特徴点を抽出する抽出手段と、前記複数の画像のうちの、第１の画像から前記抽出された特徴点を、第２の画像から前記抽出された特徴点に対して、前記視差を加味して反映する反映手段と、前記特徴点を基に動きベクトルを検出する検出手段と、を有し、前記検出手段は、前記第２の画像については前記第１の画像の特徴点が前記反映された特徴点を基に、前記動きベクトルの検出を行うことを特徴とする。

本発明によれば、演算コストの低減に加えて、動きベクトルの検出性能の向上をも図ることが可能になる。

実施形態のデジタルカメラの構成例を示す図である。 動きベクトル検出部の構成例を示す図である。 グリッド配置と特徴点、テンプレートマッチング領域の説明図である。 動きベクトル検出部の処理を示すフローチャートである。 特徴点抽出部の構成例を示す図である。 精度判定部における画素値と判定との関係を示す図である。 追跡先特徴点決定部の処理を示すフローチャートである。 回転方向の手振れが生じた場合の動きベクトル分布例を示す図である。 ２つのイメージサークルの例を示す図である。 ２つのイメージサークルの画像の動きベクトル分布例を示す図である。 特徴点反映処理の説明に用いる図である。 特徴点反映処理のフローチャートである。 特徴点数設定処理のフローチャートである。 特徴点の点数が適切な場合の特徴点分布例を示す図である。 １１点の時の動きベクトル検出に関するタイミングチャートである。 特徴点の点数が不適切な場合の特徴点分布例を示す図である。 １６点の時の動きベクトル検出に関するタイミングチャートである。

以下、添付図面を参照して本発明に係る実施形態について説明する。
＜第１の実施形態＞
図１は、本発明の第１の実施形態に係る画像処理装置の一適用例としてのデジタルカメラの概略的な機能ブロック構成を示した図である。本実施形態のデジタルカメラは、左右の眼に対応した例えば広画角な２つの光学系によって撮像された、左右の眼に対応した視差を有する２つの視差画像のデータを取得可能な撮像装置（以下、ステレオカメラとする）であるとする。なお本実施形態では、２つの光学系が並列に並んでいる構成を例に挙げるが、これには限定されず、３つ以上の複数の光学系によって構成されていてもよい。

図１において、第１の結像光学部１０１及び第２の結像光学部１３１は、それぞれレンズおよび絞りなどを備えており、それら２つで１組となるように光学系が並列に構成されている。撮影の際、第１の結像光学部１０１及び第２の結像光学部１３１は、フォーカス調節および露出調節を行い、撮像素子１０２に対してそれら２つの光学系のイメージサークルを結像する。撮像素子１０２に対する２つの光学系のイメージサークルの具体例については後に図９を用いて説明する。

撮像素子１０２は、光学像を電気信号（アナログ画像信号）に変換する光電変換機能を有し、ＣＣＤやＣＭＯＳセンサ等で構成される。Ａ／Ｄ変換部１０３は、撮像素子１０２からのアナログ画像信号をデジタル画像データ（以下、画像データを、適宜、画像とのみ表記する）に変換する。

揮発性メモリであるＤＲＡＭ１０７は、データを記憶するメモリであり、所定枚数の静止画像、所定時間の動画像、音声等のデータ、およびＣＰＵ１１２の動作用の定数、プログラム等を格納するのに十分な記憶容量を備えている。ＤＲＡＭはダイナミックＲＡＭ（Dynamic Random Access Memory）の略称である。ＤＲＡＭは、書き込みを行って時間が経つと内容が失われるため、一定時間ごとにリフレッシュを行なって記憶を維持する必要がある。メモリ制御部１０６は、ＣＰＵ１１２或いはデータ転送部１０５からの指示に応じて、ＤＲＡＭ１０７へのデータ書き込み及びデータ読み出しを行う。

不揮発性メモリ制御部１０８は、ＣＰＵ１１２からの指示に応じて、不揮発性メモリであるＲＯＭ１０９にデータの書き込み及び読み出しを行う。ＲＯＭ１０９は、電気的に消去・記録可能なメモリであり、ＥＥＰＲＯＭ等が用いられる。ＲＯＭ１０９には、ＣＰＵ１１２の動作用の定数、プログラム等が記憶される。

バス１１４はシステムバスであり、バス１１５は画像データバスである。
データ転送部１０５は、データ転送を行う複数のＤＭＡＣ（Direct Memory Access Controller）で構成されている。なお、ＤＭＡはダイレクトメモリアクセス（Direct Memory Access）の略称である。ＤＭＡとはコンピュータシステム内でのデータ転送方式の一つであり、ＣＰＵを介さずに周辺機器やメインメモリ（ＲＡＭ）などの間で直接データ転送を行う方式である。またＤＭＡＣはＤＭＡコントローラの略称である。ＤＭＡコントローラとは、メモリとメモリ、メモリとハードウェア間で直接データ転送を制御するコントローラである。

ＣＰＵ１１２は、ステレオカメラ全体の制御を司るマイクロコンピュータ等で構成され、各機能ブロックに対して動作指示を行い、各種の制御処理を実行する。ＣＰＵ１１２は、バス１１４を介して画像処理部１０４、データ転送部１０５、メモリ制御部１０６、不揮発性メモリ制御部１０８、表示制御部１１０、操作部１１３、撮像素子１０２等を制御する。なお、ＣＰＵ１１２におけるマイクロコンピュータの実行は、ＲＯＭ１０９に記録されたプログラムを実行することにより、本実施形態に係る各処理を実現する。

表示部１１１は、液晶モニタ等から成り、表示制御部１１０により制御され、各種画像データ等を表示部１１１に表示する。
操作部１１３は、ユーザにより操作されるスイッチやボタン等を含み、電源のＯＮ／ＯＦＦ、シャッタのＯＮ／ＯＦＦ等の操作に使用される。

画像処理部１０４は、ホワイトバランス調整、色補間、縮小／拡大、フィルタリング、符号化、復号などの各種画像処理を行う部分及びバッファメモリ等から構成されており、さらに動きベクトル検出部１２１と被写体検出部１２２等を具備する。また、画像処理部１０４は、２つの光学系のイメージサークルで撮像された画像データに対して、光学中心ずれを考慮して各種画像処理を実施し、立体視表示用の画像データを生成することができる。

被写体検出部１２２は、既知の手法により、撮像された画像から被写体の顔部分や物体部分など主となる被写体を検出する。被写体の座標は例えば画像の左上の開始座標と右下の終了座標とで有効範囲が表現され、当該被写体の座標情報はデータ転送部１０５及びメモリ制御部１０６を介してＤＲＡＭ１０７に格納される。

動きベクトル検出部１２１は、画像データを基に動きベクトルを検出する。
ここで、動きベクトルを検出する技術としては、動きベクトルの検出精度を向上させるために、特徴点を抽出し、抽出した特徴点にテンプレートブロックを配置する技術が知られている。ただし、画像全体で特徴点抽出を行うと、特徴点の分布は不均一になることが多い。そして、不均一な特徴点に基づいて得られた動きベクトルを、例えば手振れ補正のために使用すると、特徴点の集中した領域が主となる手振れ補正となってしまう。そこで、特徴点を均一に分布させるために、画像をグリッド状に分割して、特徴の大きさを表す特徴値を画素ごとに計算し、各グリッド内で特徴値が最も大きい画素を特徴点として抽出する技術がある。本実施形態の動きベクトル検出部１２１は、このようにして抽出した特徴点を中心とし、予め設定されたサイズの矩形領域状のサーチ領域及びテンプレート領域を用いたテンプレートマッチング処理を行う。

図２は、動きベクトル検出部１２１の構成例を示したブロック図である。また、図３は、動きベクトル検出部１２１が読み出すグリッド配置と特徴点、テンプレートマッチング領域の関係を示す図である。さらに図４は、図２に示した動きベクトル検出部１２１の各ブロックによる処理の流れを示したフローチャートである。

動きベクトル検出部１２１は、複数のフレーム画像間で特徴点を追跡し、動きベクトルを検出する。動きベクトル検出部１２１は、時間軸上で連続する２枚のフレームの画像の一方を原画像（現フレームの画像）とし、もう一方を参照画像（前フレームの画像）とし、特徴点を中心とする参照画像の矩形領域内と原画像の矩形領域内の画素値で相関値演算処理を行う。そして、動きベクトル検出部１２１は、相関値演算処理によって検出した動きベクトルを基に、被写体の追跡を行う。

以下、図２以降の各図を参照しながら動きベクトル検出部１２１の構成及び動作について説明する。
まず図３に示した、グリッド配置と特徴点、テンプレートマッチング領域の関係について説明する。動きベクトル検出部１２１は、図３に示すように、フレーム画像を複数のグリッドに分割する。各グリッドは、予め設定されたサイズの特徴点配置グリッド３０２及び周辺グリッド３０１（図３中のドット模様が付されたグリッド）として、水平，垂直方向にそれぞれ設定された個数分配置される。動きベクトル検出部１２１は、特徴点配置グリッド３０２毎に、特徴点３０３を一つ抽出する。図３の例は、開始座標が（Ｘｓ，Ｙｓ）で終了座標が（Ｘｅ，Ｙｅ）の特徴点配置グリッド３０２において、座標（ｘ，ｙ）で示された特徴点３０３が抽出された例を示している。周辺グリッド３０１は、各特徴点配置グリッド３０２からなる特徴点配置グリッド群の周囲に配置される。周辺グリッド３０１は、特徴点抽出は実施されないが、テンプレートマッチングで使用される領域である。動きベクトル検出部１２１は、現フレームである原画像から抽出した特徴点３０３の座標（ｘ，ｙ）を中心とし、前フレームの参照画像で予め決めたサイズの矩形領域のサーチ領域３０５及びテンプレート領域３０４を設定してテンプレートマッチング処理を行う。

次に図４のフローチャートを参照して、動きベクトル検出部１２１の各ブロックにおける処理の概要を説明する。
ステップＳ４０１において、データ転送部１０５が具備する第１のＲＤＤＭＡＣ２２１は、バス１１５を介して、ＤＲＡＭ１０７から動きベクトル検出対象となる現フレームの入力画像データ２４１を読み出す。なお、ＲＤＤＭＡＣは、メモリからハードウェアに直接データ読み出す制御を行うコントローラである。このとき読み出すデータ量は、図３に示されるように設定された特徴点配置グリッド３０２及び周辺グリッド３０１のサイズに応じたデータ量となされる。なお、入力画像データ２４１は、画像処理部１０４において各種画像処理が実施された後のデータである。第１のＲＤＤＭＡＣ２２１によってグリッド単位で読み出された画像データ２４１は、マッチング用画像生成部２０１及び特徴点抽出部２０２に出力される。また、第１のＲＤＤＭＡＣ２２１は、読み出したグリッドの座標位置を示すグリッド座標情報２５２を、後述する追跡先特徴点決定部２０５に出力する。ステップＳ４０１の処理後、動きベクトル検出部１２１は、ステップＳ４０２およびその次のステップＳ４０３の処理と、ステップＳ４０４の処理とを並行して実施する。

ステップＳ４０２に進むと、マッチング用画像生成部２０１は、動きベクトル検出時のテンプレートマッチングに使用するマッチング用画像を生成し、ＷＲＤＭＡＣ２３１に出力する。なお、ＷＲＤＭＡＣは、ハードウェアからメモリに直接データ書き出す制御を行うコントローラである。また、マッチング用画像生成部２０１は、バンドパスフィルタ回路を有し、テンプレートマッチング処理に不要な画像信号の高周波成分と低周波成分をカットする。

次にステップＳ４０３に進むと、データ転送部１０５が具備するＷＲＤＭＡＣ２３１は、バス１１５を介してＤＲＡＭ１０７に入力されたマッチング用画像データ２４２を書き出す処理を行う。また、ＤＲＡＭ１０７には、現フレームに対して時間軸上で前である前フレームで生成されたマッチング用画像データ２４３が格納されている。ステップＳ４０３の後、動きベクトル検出部１２１の処理はステップＳ４０５に進む。

またステップＳ４０４に進むと、特徴点抽出部２０２または特徴点反映部２０７は、現フレームの新規特徴点を算出する。
ここで、特徴点抽出部２０２における特徴点抽出処理について説明する。図５は、特徴点抽出部２０２の構成例を示したブロック図である。特徴点抽出部２０２は、特徴フィルタ部５０１、特徴評価部５０２、および特徴点決定部５０３を有して構成されている。

特徴フィルタ部５０１は、バンドパスフィルタ、水平微分フィルタ、垂直微分フィルタ、平滑化フィルタなど、複数のフィルタを有して構成される。特徴フィルタ部５０１は、まずバンドパスフィルタによって画像データから不要な高周波成分と低周波成分をカットする。次に特徴フィルタ部５０１は、バンドパスフィルタ処理後のデータに対し、さらに水平微分フィルタによる水平方向の微分フィルタ処理と、垂直微分フィルタによる垂直方向の微分フィルタ処理とを施す。そして、特徴フィルタ部５０１は、水平方向の微分フィルタ処理を施した画像データと、垂直方向の微分フィルタ処理を施した画像データとの、各々に対して平滑化フィルタ処理を施した後の画像データを、特徴評価部５０２に出力する。

特徴評価部５０２は、特徴フィルタ部５０１によりフィルタ処理された後のグリッド単位の画像データから、特徴点を算出する。例えば、特徴評価部５０２は、所定の特徴評価式を用いた演算を行って、画素ごとに２つのエッジの交点や曲率が極大である曲線状の点など画素の周辺の微分値が多方向に大きい点を、特徴値として算出する。

以下、ここでは、いわゆるＳｈｉ ａｎｄ Ｔｏｍａｓｉの手法を例に挙げて、特徴評価部５０２における特徴点の算出例について説明する。
特徴評価部５０２は、まず、前述した水平微分フィルタによってフィルタ処理が施されたデータと、垂直微分フィルタによってフィルタ処理が施されたデータとを用いて、下記の式（１）に示す演算式により、自己相関行列Ｈを作成する。なお、式中のＩｘは水平微分フィルタを施した結果を表し、Ｉｙは垂直微分フィルタを施した結果を表しており、式（１）は、ガウシアンフィルタＧを畳み込んで自己相関行列Ｈを作成する演算式である。

そして、特徴評価部５０２は、下記の式（２）に示すＳｈｉ ａｎｄ Ｔｏｍａｓｉの特徴評価式により特徴値を算出する。なお、式（２）は、式（１）の自己相関行列Ｈの固有値λ１、λ２のうち、小さい方の固有値を特徴値とすることを示している。

Ｓｈｉ ａｎｄ Ｔｏｍａｓｉ＝ｍｉｎ（λ１，λ２） 式（２）

このようにして特徴評価部５０２にて画素ごとに算出された特徴値は、特徴点決定部５０３に送られる。
特徴点決定部５０３は、グリッド毎に、特徴評価部５０２にてグリッド内の各画素について算出された特徴値の中で最も大きい値を持つ画素を、そのグリッド内の特徴点として決定する。本実施形態の場合、特徴点の情報は、グリッドの左上端を座標（０，０）とした相対座標（ＰＸ，ＰＹ）が用いられる。なお、その特徴点座標は、フレーム画像における絶対座標により表現されてもよい。そして、特徴点決定部５０３により決定された特徴点の情報（以下、特徴点座標情報とする）は、特徴点抽出部２０２が具備している内部メモリに格納される。この内部メモリは、前フレームから取得された各特徴点の情報と現フレームから取得された各特徴点座標情報とを格納できるだけの容量を有している。

特徴点抽出部２０２は、マッチング処理部２０３にて対応するグリッドのテンプレートマッチング処理が開始される際に、前フレームで算出された特徴点座標情報２５１を、内部メモリから読み出して追跡先特徴点決定部２０５に出力する。
追跡先特徴点決定部２０５は、特徴点抽出部２０２から送られてきた特徴点座標情報２５１を、追跡先特徴点座標情報２５７として、データ転送部１０５が具備している第２のＲＤＤＭＡＣ２２２に出力する。

次に特徴点反映部２０７における特徴点反映処理について説明する。
ここでは、第１の結像光学部１０１から取り込まれた画像を第１の画像と呼び、第２の結像光学部１３１から取り込まれた画像を第２の画像と呼ぶ。
特徴点反映部２０７は、特徴点抽出部２０２が第１の画像から抽出した特徴点を、第２の画像の特徴点に対して視差を加味するようにして反映する。視差をｕ、被写体までの距離をＺ、第１の結像光学部１０１及び第２の結像光学部１３１の互いの距離である基線距離をｄ、それら光学部の焦点距離をｆとすると、視差ｕは下記の式（３）で求められる。

ｕ＝（ｄ×ｆ）／Ｚ 式（３）

さらに特徴点反映部２０７は、第１の画像の任意の特徴点座標（ｘ，ｙ）に対して、視差ｕを加算することで、視差が加味された第２の画像の特徴点座標（ｘ＋ｕ，ｙ）を求める。反映元である現フレーム特徴点はＳＲＡＭ２０６に格納されており、前述のような特徴点反映処理がなされた新規特徴点が、特徴点反映部２０７の具備する内部メモリに格納される。

そして特徴点反映部２０７は、マッチング処理部２０３にて対応するグリッドのテンプレートマッチング処理が開始される際に、特徴点反映処理がなされた特徴点座標情報２５９を、内部メモリから読み出して追跡先特徴点決定部２０５に出力する。
追跡先特徴点決定部２０５は、特徴点反映部２０７から送られてきた特徴点座標情報２５９を、第２の画像における追跡先特徴点座標情報２５７として、データ転送部１０５が具備している第２のＲＤＤＭＡＣ２２２に出力する。
なお、ステレオカメラから取り込まれた画像に対して、前述の特徴点反映処理による新規特徴点を算出する具体的な説明は後述する。

図４のフローチャートに説明を戻す。
前述したようにそれぞれ並行して行われるステップＳ４０４とステップＳ４０３の処理後、動きベクトル検出部１２１は、ステップＳ４０５に処理を進める。
ステップＳ４０５に進むと、第２のＲＤＤＭＡＣ２２２は、前述のようにして前フレームにおいて算出された追跡先特徴点座標情報２５７を中心とし、予め設定されたサイズの矩形領域のデータを読み出す。すなわち現フレームで生成されたマッチング用画像データ２４２からは、図３のサーチ領域３０５のデータが、一方、前フレームで生成されたマッチング用画像データ２４３からは、テンプレート領域３０４のデータが読み出される。そして、それら読み出されたサーチ領域画像データ２５３とテンプレート領域画像データ２５４は、マッチング処理部２０３へ送られる。ただし、最初のテンプレートマッチング処理では、前フレームから追跡先特徴点座標を算出することができないため、全て現フレームで算出された新規特徴点座標を用いた処理が実施される。ステップＳ４０５の後、動きベクトル検出部１２１の処理は、ステップＳ４０６に進む。

ステップＳ４０６に進むと、マッチング処理部２０３は、入力されたサーチ領域画像データ２５３とテンプレート領域画像データ２５４とを用いて、相関値を算出し、その相関値を基にベクトル値を算出する。ステップＳ４０６の後、動きベクトル検出部１２１の処理は、ステップＳ４０７に進む。

本実施形態では、相関値の算出方法として、差分絶対値和（Ｓｕｍ ｏｆ Ａｂｓｏｌｕｔｅ Ｄｉｆｆｅｒｅｎｃｅ、以下ＳＡＤと略す。）を使用する。式（４）はＳＡＤの算出式である。

式（４）において、ｆ（ｉ，ｊ）はテンプレート領域画像データ２５４における座標（ｉ，ｊ）の画素値を表しており、ｇ（ｉ，ｊ）はサーチ領域画像データ２５３において相関値算出の対象領域（以下、相関値算出領域とする。）内の各画素値を表している。相関値算出領域は、テンプレート領域画像データ２５４における領域と同じ大きさである。そして、マッチング処理部２０３は、それら領域の各画素値ｆ（ｉ，ｊ）及びｇ（ｉ，ｊ）について差の絶対値を計算し、それらの総和を求めることで相関値Ｓ＿ＳＡＤを算出する。ここで、相関値Ｓ＿ＳＡＤの値が小さいほど両領域間の輝度値の差分が小さい、つまりテンプレート領域画像データ２５４と相関値算出領域内のテクスチャとが類似していることになる。なお、本実施形態では、相関値の一例としてＳＡＤを使用しているが、これに限るものではなく、例えば、差分二乗和（ＳＳＤ）や正規化相互相関（ＮＣＣ）等の他の相関値が用いられてもよい。

そして、マッチング処理部２０３は、相関値の最小値の位置を、グリッドの動きベクトル値として求める。マッチング処理部２０３は、前述のようにして算出したベクトル値及び相関値情報２５５を、精度判定部２０４に出力する。

次にステップＳ４０７に進むと、精度判定部２０４は、ステップＳ４０６の処理で算出されたベクトル値及び相関値情報２５５のうち、相関値を用いて、当該相関値の最大値、最小値、平均値、極小値を求める。そして、精度判定部２０４は、それら相関値の最大値、最小値、平均値、極小値を用いて、以下に説明するような低コントラスト判定、画素値の最大値突出判定、繰り返しパターン判定の処理を行う。ステップＳ４０７の後、動きベクトル検出部１２１の処理は、ステップＳ４０８に進む。

図６（ａ）〜図６（ｄ）は、相関値の最大値、最小値、平均値、極小値と、それらを用いた判定例との関係説明に用いるグラフである。ただし、本実施形態の場合、相関値が小さいほど類似度が高いことになるため、図６（ａ）〜図６（ｄ）において、画素値の最大値は相関値では最小値、画素値の最小値は相関値では最大値、画素値の極大値は相関値では極小値を表す。

図６（ａ）は、それぞれの判定結果が良好な結果となる例を示している。
図６（ｂ）は、低コントラスト判定において低コントラストと判定される例を示している。低コントラスト判定とは、相関値算出領域内が低コントラストであるか否かを判定する処理である。本実施形態における低コントラスト判定では、相関値算出領域内の相関値の最大値と最小値との差分が、予め設定されている所定の閾値よりも小さい場合に、相関値算出領域内は低コントラストであると判定される。図６（ｂ）の場合、図６（ａ）と比べて、画素値の最大値と最小値との差が少なく、相関値算出領域内の相関値の最大値と最小値の差分も所定の閾値より小さいとする。したがって、図６（ｂ）の場合、精度判定部２０４は、相関値算出領域内の相関値の最大値と最小値の差分が所定の閾値よりも小さいため、相関値算出領域内は低コントラストであると判定する。

図６（ｃ）は、画素値の最大値突出判定において低ピークと判定される例を示している。画素値の最大値突出判定とは、相関値算出領域内の相関値の最小値がどれだけ際立っているかを判定する処理である。本実施形態における画素値の最大値突出判定では、画素値の最大値と平均値との差分と、画素値の最大値と最小値との差分との除算結果の値が、予め設定されている所定の閾値よりも小さい場合に、相関値算出領域内は低ピークであると判定される。一方、除算結果の値が所定の閾値よりも大きい場合、相関値算出領域内は高ピークであると判定される。図６（ｃ）の場合、図６（ａ）と比べて、画素値の最大値と平均値との差分と、画素値の最大値と最小値との差分との除算結果の値が小さく、閾値よりも小さいとする。したがって、図６（ｃ）の場合、精度判定部２０４は、除算結果の値が所定の閾値より小さいため、相関値算出領域内は低ピークであると判定する。

図６（ｄ）は、繰り返しパターン判定で繰り返しパターンと判定される例を示している。繰り返しパターン判定とは、画素値が繰り返し変動しているか否かを判定する処理である。本実施形態における繰り返しパターン判定では、相関値算出領域内の画素値の最大値と極大値との差分が、予め設定されている所定の閾値よりも小さい場合に、繰り返しパターンであると判定される。図６（ｄ）の場合、図６（ａ）と比べて、画素値の最大値と極大値との差分が小さく、所定の閾値よりも小さいとする。したがって、図６（ｄ）の場合、精度判定部２０４は、相関値算出領域内の画素値の最大値と極大値との差分が所定の閾値より小さいため、繰り返しパターンであると判定する。

図４のフローチャートに説明を戻す。ステップＳ４０７の後、動きベクトル検出部１２１は、ステップＳ４０８の処理に進む。ステップＳ４０８に進むと、精度判定部２０４は、前述した低コントラスト、低ピーク、繰り返しパターンの各判定情報及びベクトル情報２５６を、ＳＲＡＭ２０６に書き込む。これにより、ＳＲＡＭ２０６の格納領域２４４にはそれら各情報が格納される。なお、ＳＲＡＭはスタティックＲＡＭ（Static Random Access Memory）の略称である。ＳＲＡＭは半導体記憶装置（半導体メモリ）のうち、電源を落とすと記録が失われる揮発性メモリの一つで、素子にデータの書き込みを行うとリフレッシュ動作を行わなくても通電中は内容が失われないという特徴がある。ステップＳ４０８の後、動きベクトル検出部１２１は、ステップＳ４０９の処理に進む。

ステップＳ４０９に進むと、追跡先特徴点決定部２０５は、次フレームのテンプレートマッチング処理に用いるための追跡先特徴点の算出を行う。
ここで、図７は、追跡先特徴点決定部２０５における処理の流れを示すフローチャートである。以下、図７のフローチャートを参照しながら、追跡先特徴点決定部２０５における追跡先特徴点決定処理の概要を説明する。

先ず、ステップＳ７０１の処理として、追跡先特徴点決定部２０５は、ＳＲＡＭ２０６からベクトル値及び前述の判定情報２５８を取得する。追跡先特徴点決定部２０５は、取得したベクトル値を用いて現フレームの追跡先特徴点を算出し、更にその追跡先特徴点座標を中心としてテンプレートマッチング処理で算出したベクトル値を加算して、次フレームの追跡先特徴点の座標を算出する。ステップＳ７０１の後、追跡先特徴点決定部２０５はステップＳ７０２に進む。

ステップＳ７０２に進むと、追跡先特徴点決定部２０５は、ＳＲＡＭ２０６から取得した前述の判定情報を基に、ステップＳ７０１で算出された追跡先特徴点が、次フレームのテンプレートマッチング処理に使用可能な有効な追跡先特徴点であるか否かを判定する。追跡先特徴点決定部２０５は、低コントラスト判定で低コントラストと判定、又は、画素値の最大値突出判定で低ピークと判定、又は、繰り返しパターン判定で繰り返しパターンと判定されている場合、追跡先特徴点は有効でないと判定（ＮＧ判定）する。一方、追跡先特徴点決定部２０５は、低コントラスト、低ピーク、繰り返しパターンの何れでもない場合には、追跡先特徴点は有効であると判定（ＯＫ判定）する。そして、追跡先特徴点決定部２０５は、ステップＳ７０２において、ＮＧ判定とした場合（ＮＯ）にはステップＳ７０４に処理を進め、一方、ＯＫ判定とした場合（ＹＥＳ）にはステップＳ７０３に処理を進める。

ステップＳ７０３に進むと、追跡先特徴点決定部２０５は、ステップＳ７０１で算出された追跡先特徴点座標が、グリッド内であるか否か判定する。具体的には、追跡先特徴点決定部２０５は、追跡先特徴点座標が特徴点配置グリッド３０２の内側に収まっている場合にはＯＫと判定する。前述の図３の例の場合、追跡先特徴点決定部２０５は、特徴点配置グリッド３０２の開始座標（Ｘｓ，Ｙｓ）及び終了座標（Ｘｅ，Ｙｅ）と、特徴点３０３の座標（ｘ，ｙ）とから、Ｘｓ≦ｘ≦Ｘｅ、かつＹｓ≦ｙ≦Ｙｅの時にＯＫと判定する。一方、追跡先特徴点決定部２０５は、追跡先特徴点座標が特徴点配置グリッド３０２の内側に収まっていない場合にはＮＧと判定する。つまり、追跡先特徴点決定部２０５は、ｘ＜Ｘｓ、Ｘｅ＜ｘ、ｙ＜Ｙｓ、Ｙｅ＜ｙのいずれかを満たす時にはＮＧと判定する。そして、追跡先特徴点決定部２０５は、ＯＫと判定した場合にはステップＳ７０３に進み、ＮＧと判定した場合にはステップＳ７０４に進む。

ステップＳ７０４に進むと、追跡先特徴点決定部２０５は、ステップＳ７０２又はステップＳ７０３でＮＧ判定された座標位置に該当する追跡先特徴点座標を削除する。そして、追跡先特徴点決定部２０５は、削除された追跡先特徴点座標を、ステップＳ４０４で算出される新規特徴点座標により置き換える処理を行う。ステップＳ７０４の後、追跡先特徴点決定部２０５は、ステップＳ７０５に処理を進める。

ステップＳ７０５に進むと、追跡先特徴点決定部２０５は、特徴点数分の全ての追跡先特徴点座標が算出されたか否か判定する。ここで、特徴点数は、特徴点数設定部２０８により設定される。追跡先特徴点決定部２０５は、ステップＳ７０５において、全ての追跡先特徴点座標が算出されていないと判定（ＮＯ）した場合にはステップＳ７０１に処理を戻して前述の処理を行う。ステップＳ７０１からステップＳ７０５までの処理は、ステップＳ７０５において全ての追跡先特徴点座標が算出されたと判定（ＹＥＳ）されるまで反復される。一方、ステップＳ７０５において、追跡先特徴点決定部２０５は、全ての追跡先特徴点座標が算出されたと判定（ＹＥＳ）した場合には図７のフローチャートの処理を終了する。以上で、図４のフローチャートの各ステップの処理を基にした動きベクトル検出部１２１の各ブロックの処理が完了する。

次に、図４に示したフローチャートのステップＳ４０４において、特徴点反映部２０７で行われる特徴点反映処理による新規特徴点の算出処理の詳細を、図８から図１１を参照しながら説明する。
図８は、手振れなどにより生ずるカメラの動きのうち、例えば第１の結像光学部１０１と第２の結像光学部１３１との間の中間点を軸とした軸回り方向（ロール方向）にカメラが回転する手振れが生じた場合の画像における動きベクトルの分布例を示す図である。なお、カメラの手振れには、一般的にはロール方向の他にもヨー方向やピッチ方向にカメラが動く成分も含まれるが図８ではそれらヨー方向やピッチ方向による動きベクトルは省略している。以下では、２つの結像光学部間の中間点での軸回り回転方向の手振れのみを例に挙げて説明する。

図８に示すように、回転方向の手振れが生じている場合、画像データ８０１の各動きベクトル８０２は点対称で円を描くような分布になる。図８の画像データ８０１の例の場合、動きベクトル８０２は、左側では上方向を指し、右側では下方向を指している。このような回転方向の動きベクトルの分布は、ステレオカメラから取り込まれた画像に対しても同様になると考えることができる。つまり、ステレオカメラから取り込まれた画像の場合、動きベクトルは２つの結像光学部の中間点に対応して点対称で円を描くような分布になると考えられる。

図９は、本実施形態のステレオカメラのように、第１の結像光学部１０１と第２の結像光学部１３１との２つの光学系を有し、それらによって撮像素子１０２の撮像面上に形成される２つのイメージサークル９０１，９０２の例を示した図である。撮像素子１０２は、それら２つのイメージサークル９０１，９０２の画像を撮像することにより、同じ被写体９０５が写った視差を有する２つの視差画像のデータを取得する。以下の説明では、左側のイメージサークル９０２に対応した画像を左眼画像と呼び、右側のイメージサークル９０１に対応した画像を右眼画像と呼ぶ。

図１０は、２つの結像光学部間の中間点での軸回り回転方向の手振れが生じている場合に、ステレオカメラから取り込まれた左眼画像１００２及び右眼画像１００３からなる画像データ１００１に対する特徴点及び動きベクトルの分布の例を示した図である。なお図１０は、図３と同様に特徴点配置グリッドや周辺グリッド等が表されている。

本実施形態の動きベクトル検出部１２１は、左眼画像１００２の全ての特徴点配置グリッドにおいて特徴点を抽出する。一方、動きベクトル検出部１２１は、右眼画像１００３については一部の特徴点配置グリッドから特徴点を抽出し、左眼画像１００２から抽出した一部の特徴点を右眼画像１００３の特徴点に反映する。そして動きベクトル検出部１２１は、それら左眼画像１００２及び右眼画像１００３の各々の特徴点に対して動きベクトルを検出する。すなわち動きベクトル検出部１２１は、左眼画像１００２については被写体の移動要因及び手振れ要因の動きベクトルを検出するために用い、右眼画像１００３については回転方向の手振れ検出に適した特徴点による動きベクトルのみを検出するために用いる。言い換えると、本実施形態において、動きベクトル検出部１２１は、基本的には左眼画像１００２を用いてベクトル検出を行い、右眼画像１００３については回転方向の手振れ検出を補助するために用いる。なお、右眼画像１００３から特徴点を抽出する特徴点配置グリッドをいずれのグリッドにするか、また、左眼画像１００２の特徴点のうち右眼画像１００３の特徴点に対して反映する特徴点をいずれの特徴点にするのか、についての詳細は後述する。

ここで例えば仮に左眼画像１００２のみを用いて、動きベクトル検出を実施したとすると、回転方向の手振れは検出することができない。なぜなら、図１０の場合、左眼画像１００２における動きベクトルはすべて上方向を指しており、回転方向の手振れであるのか、上方向への並進の手振れであるのか判断できないためである。このとき、もしも右眼画像における動きベクトルが、例えば下方向を指すならば回転方向の手振れであり、一方、上方向を指すならば上方向への並進の手振れであると判断することができる。したがって、右眼画像１００３において動きベクトルが少なくとも１点でも存在していれば、回転方向の手振れか、あるいは並進の手振れであるかの判断が可能になる。

また例えば、抽出する特徴点数を増やすようにすれば、回転方向の手振れ検出精度を向上させることができるが、その場合、動きベクトル検出の処理量が増え、演算コストが増加する。このため、本実施形態では、右眼画像において扱う特徴点の数を例えば２点のように限定（数を制限）している。このように、本実施形態では、左眼画像１００２と比較して、右眼画像１００３において扱う特徴点数を少なくすることにより、動きベクトル検出の処理量を減らし、演算コストを低減させることを可能にしている。

一方、右眼画像１００３の特徴点が被写体由来の特徴点である場合、被写体要因の動きベクトルが手振れ要因の動きベクトルと比較して大きいとき、手振れ要因の動きベクトルが確認できなくなり、回転方向の手振れ検出が正しく成されなくなる。したがって、本実施形態の動きベクトル検出部１２１は、左眼画像１００２において被写体が存在していない特徴点配置グリッドから抽出した特徴点を、右眼画像１００３に反映する。つまり、本実施形態では、左眼画像１００２から抽出される特徴点のうち、被写体要因の特徴点を、右眼画像１００３の特徴点に反映しないようにする。

図１１は、ステレオカメラから取り込まれた左眼画像１１０２及び右眼画像１１０３よりなる画像データ１１０１の各特徴点の分布及び被写体１１０５の例を示した図である。なお、図１１も図３と同様に特徴点配置グリッドや周辺グリッド等が表されている。図１１は、被写体１１０５が存在している左眼画像１１０２及び右眼画像１１０３からなる画像データ１１０１に対して、左眼画像１１０２の特徴点を右眼画像１１０３の画像データに反映する処理例が示されている。

図１２は、本実施形態の動きベクトル検出部１２１で行われる特徴点反映処理の流れを示すフローチャートである。以下、図１２で示すフローチャートを参照しながら、図１１に示したような特徴点反映処理について説明する。
先ずステップＳ１２０１において、動きベクトル検出部１２１は、新しく特徴点を算出する領域が左眼画像であるのか右眼画像であるのかで処理を分ける。動きベクトル検出部１２１は、新しく特徴点を算出する領域が左眼画像である場合には左眼画像から特徴点を抽出する処理に進み、一方、新しく特徴点を算出する領域が右眼画像である場合には左眼画像から右目画像に特徴点を反映する処理に進む。

新しく特徴点を算出する領域が左眼画像であり、ステップＳ１２０２に進むと、特徴点抽出部２０２は、当該左眼画像から特徴点を抽出する。具体的には特徴点抽出部２０２は、前述のステップＳ７０４のように、削除された追跡先特徴点が一番初めに新規特徴点として算出された位置の特徴点配置グリッドについて、該当する位置で算出された現フレームの新規特徴点座標で置き換える処理を行う。

一方、新しく特徴点を算出する領域が右眼画像であり、ステップＳ１２０３に進むと、特徴点抽出部２０２は、右眼画像の特徴点配置グリッドに対し、特徴点を反映する優先順位を表す番号Ｇｎを割り振る。ここで本実施形態の場合、右眼画像においては、すべての特徴点配置グリッドに特徴点が配置するのではなく、一部に限定される。また本実施形態の場合、右眼画像における特徴点の数は、動きベクトルを算出する処理速度及び回転方向の手振れ検出の精度に基づいて決定される。

ここで、回転方向の手振れを十分な精度で検出可能な特徴点の最低点数をＮｍｉｎとし、リアルタイム性を保持できる十分な処理速度で動きベクトルを算出できる特徴点の最高点数をＮｍａｘとすると、特徴点数ＮはＮｍｉｎ≦Ｎ≦Ｎｍａｘを満たす必要がある。また演算コストを低減させる場合は、Ｎ＝Ｎｍｉｎと設定すればよい。なお図１１の例では右眼画像における特徴点数を２点として説明している。このため、特徴点抽出部２０２は、ステップＳ１２０３において、右眼画像の特徴点配置グリッドに対し、後述する特徴点反映部２０７で特徴点を反映する優先順位を表す番号Ｇｎ＝１−Ｇｍａｘを割り振る。なお、番号Ｇｎ＝１は最も優先順位が高く、Ｇｎ＝Ｇｍａｘは最も優先順位が低いことを示す。図１１の例の場合、最も優先順位が低い特徴点配置グリッドはＧｍａｘ＝９である。つまり左眼画像と右眼画像との中間点からの距離が大きいほど、回転方向の手振れ要因の動きベクトル値は大きくなると考えられる。このため、本実施形態では、左眼画像と右眼画像との中間点からの距離が大きいグリッドほど高い優先順位を設定する。すなわち、図１１の例の場合、回転方向の手振れ要因の動きベクトル値は、右眼画像では図の右側の特徴点配置グリッドにおいて大きい値になると考えられる。このため本実施形態では、右眼画像の右側の特徴点配置グリッド（図１１の例ではＧｎ＝１）の優先順番が高くなるように設定する。本実施形態の場合、特徴点抽出部２０２によって、始めに優先順位の番号Ｇｎが１に初期化されることで、最も優先順位の高い特徴点配置グリッドから順番に処理が行われる。

次にステップＳ１２０４において、特徴点抽出部２０２は、着目するグリッド内に既に特徴点が存在しているか否かを判定する。すなわち本実施形態の場合、１つの特徴点配置グリッドに対して配置される特徴点は最大１つであるため、特徴点抽出部２０２は、右眼画像において優先順位の番号Ｇｎに対応する特徴点配置グリッドに既に特徴点が存在するか否かで処理を分ける。特徴点抽出部２０２は、着目グリッドに既に特徴点が存在すると判定した場合にはステップＳ１２１１に進んで、番号Ｇｎをインクリメント（Ｇ＝Ｇｎ＋１）した後、ステップＳ１２０４に処理を戻す。例えば図１１の画像データ１１０１の場合、右眼画像１１０３のＧｎ＝３に対応した特徴点配置グリッドには既に特徴点１１０４が存在しているため、Ｇｎ＝３以外のグリッドで特徴点の算出処理が行われることになる。一方、特徴点抽出部２０２は、着目グリッドに特徴点が存在していないと判定した場合にはステップＳ１２０５に処理を進める。

ステップＳ１２０５に進むと、特徴点抽出部２０２は、着目するグリッド内に被写体が存在するか否かを判定する。すなわち特徴点抽出部２０２は、右眼画像の特徴点の反映元である左眼画像おける番号Ｇｎに対応する特徴点配置グリッド内に、図１の被写体検出部１２２にて検出された被写体が存在しているか否かで処理を分ける。そして特徴点抽出部２０２において被写体が存在していないと判定された場合には、特徴点反映部２０７で行われるステップＳ１２１０に処理が進む。一方、被写体が存在していると判定した場合、特徴点抽出部２０２は、ステップＳ１２０６以降に処理を進める。すなわち被写体が存在している場合、回転方向の手振れ検出が正しく成されないことになるため、特徴点抽出部２０２は、他の番号Ｇｎの特徴点配置グリッドについて特徴点算出処理を行う。図１１の画像データ１１０１の場合、Ｇｎ＝１及びＧｎ＝２のグリッドに被写体１１０５が存在しているため、Ｇｎ＝１及びＧｎ＝２以外のグリッドで特徴点を算出する必要がある。

ステップＳ１２０６に進むと、特徴点抽出部２０２は、Ｇｎ＝Ｇｍａｘになったか否かを判定する。そして、特徴点抽出部２０２は、Ｇｎ＝Ｇｍａｘになったと判定した場合には特徴点反映部２０７で行われるステップＳ１２０９に処理が進む。一方、Ｇｎ＝Ｇｍａｘになっていないと判定した場合、特徴点抽出部２０２は、ステップＳ１２０７に処理を進める。

ステップＳ１２０７に進むと、特徴点抽出部２０２は、本特徴点抽出処理において初めて本ステップを通過したか否かを判定する。そして、特徴点抽出部２０２は、既に本ステップを通過したことがある場合には、ステップＳ１２１１へ処理を進め、Ｇｎ＝Ｇｎ＋１とした後にステップＳ１２０４へ処理を戻す。一方、本ステップを初めて通過したと判定した場合、特徴点抽出部２０２は、ステップＳ１２０８に処理を進める。

ステップＳ１２０８に進むと、特徴点抽出部２０２は、番号Ｇｎの値を保持した上で、ステップＳ１２０１に処理を進め、Ｇｎ＝Ｇｎ＋１とした後にステップＳ１２０４へ処理を戻す。

ステップＳ１２０６でＧｎ＝Ｇｍａｘになったと判定されてステップＳ１２０９に進むと、特徴点反映部２０７は、ステップＳ１２０８で保持された番号Ｇｎの値を基に、左眼画像から右眼画像に特徴点を反映する処理を行う。ステップＳ１２０９の処理は、左眼画像から右眼画像に反映する適切な特徴点を見つけることができなかった場合の処置であり、被写体が検出された特徴点配置グリッド内の特徴点ではあるが、優先順位が高いデータを用いて、特徴点が反映されることになる。ステップＳ１２０９の後、特徴点反映部２０７は、ステップＳ１２１０に処理を進める。

ステップＳ１２１０に進むと、特徴点反映部２０７は、番号Ｇｎの値に基づいて、左眼画像の特徴点を右眼画像の特徴点に、それら左眼画像と右眼画像との間の視差を加味して反映する。図１１の画像データ１１０１の場合は、Ｇｎ＝４において特徴点が反映されている例を示している。

その後、前述したように追跡先特徴点決定部２０５、マッチング処理部２０３による処理を経ることで動きベクトルが算出され、これにより動きベクトル検出部１２１では回転方向の手振れ検出が可能となる。

前述のように、第１の実施形態に係る画像処理装置は、回転方向の手振れ要因の動きベクトルを検出するために、左眼画像の特徴点のうち一部を右目画像の特徴点に反映させることで、回転方向の手振れは検出しつつ、演算コストを低減させることが可能となる。

前述した図１１では、優先順位の番号の割り振りを、右眼画像の右側の優先順番を高くするように設定したが、優先順位は自由に決定することができる。例えば、ステレオカメラから取り込まれた画像データにおいては、左眼画像及び右眼画像の各々の画像の中心付近（中心座標から所定範囲内の領域あるいは所定幅、所定高さの矩形領域）で、より画像の歪みが小さい。よって、各々の画像の中心付近の優先順位を高く設定（優先的に設定）するとしても良い。また、特徴点がある一定箇所に集まり、得られる動きベクトルに偏りが生じることを防ぐために、優先順位は、特徴点を画像の全体に均等に散りばめるように設定されてもよい。これにより、例えば右眼画像における各特徴点の間の距離が均等に配置されるように特徴点の反映がなされるようになる。

＜第２の実施形態＞
次に本発明の第２の実施形態に係る画像処理装置について説明する。なお、第２の実施形態に係る画像処理装置の構成は前述の図１、図２と同様であるためそれらの図示及び説明は省略する。また第２の実施形態の画像処理装置での処理も図３〜図１２で説明したのと概ね同様であるが、第１の実施形態では左眼画像から右目画像に反映する特徴点数を固定していたのに対し、第２の実施形態の画像処理装置は特徴点数を時間的にダイナミックに制御する。

以下、図１３から図１７を参照しながら、第２の実施形態の画像処理装置において特徴点数を時間的にダイナミックに制御する特徴点数設定処理について説明する。
図１３は、第２の実施形態の画像処理装置における特徴点数設定処理の流れを示すフローチャートである。

まずステップＳ１３０１において、回転方向手振れ検出部２０９は、ＳＲＡＭ２０６に格納されている動きベクトルデータを用いて、回転方向の手振れを検出し、回転方向の手振れ量の情報を特徴点数設定部２０８に送る。

特徴点数設定部２０８は、回転方向手振れ検出部２０９において現フレームで検出された回転方向の手振れ量と、前フレームで検出された回転方向の手振れ量とを比較する。そして、特徴点数設定部２０８は、前フレームと比較して現フレームでは回転方向の手振れ量が増加したか否かを判定する。そして、特徴点数設定部２０８は、前フレームと比較して現フレームでは回転方向の手振れ量が増加したと判定した場合には、演算コストを低減させるために特徴点数を減らすフローであるステップＳ１３０４以降に処理を進める。一方、特徴点数設定部２０８は、前フレームと比較して現フレームでは回転方向の手振れ量が増加していないと判定した場合には、回転方向の手振れ検出の精度を上げるために特徴点数を増やすフローであるステップＳ１３０２以降に処理を進める。

ステップＳ１３０２に進むと、特徴点数設定部２０８は、特徴点数Ｎが、回転方向の手振れ検出が可能な特徴点の最低点数Ｎｍｉｎと等しいか否かを判定する。そして、特徴点数設定部２０８は、Ｎ＝Ｎｍｉｎである場合、特徴点数Ｎをさらに減らすことはできないため、図１３のフローチャートによる特徴点数設定処理を終了する。一方、特徴点数設定部２０８は、特徴点数Ｎが最低点数Ｎｍｉｎと等しくないと判定した場合にはステップＳ１３０３に処理を進める。

ステップＳ１３０３に進むと、特徴点数設定部２０８は、特徴点数Ｎが最低点数Ｎｍｉｎ未満（Ｎ＜Ｎｍｉｎ）にならない範囲で、特徴点数Ｎを減少させる。このステップＳ１３０３の後、特徴点数設定部２０８は図１３のフローチャートの処理を終了する。

またステップＳ１３０４に進むと、特徴点数設定部２０８は、特徴点数Ｎが、リアルタイム性を保持して動きベクトルを算出できる特徴点の最高点数Ｎｍａｘと等しいか否を判定する。そして、特徴点数設定部２０８は、Ｎ＝Ｎｍａｘである場合、特徴点数Ｎをさらに増やすことはできないため、図１３のフローチャートの処理を終了する。一方、特徴点数設定部２０８は、特徴点数Ｎが最高点数Ｎｍａｘと等しくないと判定した場合にはステップＳ１３０５に処理を進める。

ステップＳ１３０５に進むと、特徴点数設定部２０８は、特徴点数Ｎが最高点数Ｎｍａｘを超えない（Ｎ＞Ｎｍａｘ）範囲で、特徴点数Ｎを増加させる。このステップＳ１３０５の後、特徴点数設定部２０８は図１３のフローチャートの処理を終了する。

ここで最高点数Ｎｍａｘの決め方について、図１４から図１７を用いて説明する。
図１４は、前述の図１０の例と同様に、ステレオカメラから取り込まれた左眼画像１４０２及び右眼画像１４０３からなる画像データ１４０１に対する特徴点の分布の例を示す図である。なお図１４には動きベクトルを表す矢印は図示していない。また図１４は、図３と同様に特徴点配置グリッドや周辺グリッド等が表されている。図１４の例では、左眼画像１４０２には特徴点が９点、右眼画像１４０３には特徴点が２点の、合計で特徴点が１１点配置されている。

図１５は、図１４に例示したように特徴点が１１点の場合の動きベクトル検出に関するタイミングチャートである。動きベクトル検出部１２１では、図１５に示すように、１フレーム間で、撮像素子１０２から出力された画像データからマッチング用画像が生成され、特徴点数Ｎに応じてテンプレートマッチングが順次行われる。ここで、１フレームの時間１５０５をＲＶＤとし、一つ目の特徴点に対するテンプレートマッチングが開始されるまでに要する時間１５０６をＴ０、予め求めた１つ当たりのテンプレートマッチングを実行するのに要する処理時間１５０７をＴＴとする。この場合、それら時間は、ＴＤＶ＞Ｔ０＞Ｔ０＋Ｎ×ＴＴの関係を満たす必要がある。

図１５に示すように、特徴点数が１１点である場合、それら１１点の特徴点に対する動きベクトル検出の処理時間（Ｔ０＋Ｎ×ＴＴ）は、図１５のＶＤで示す１フレームの時間ＴＤＶに収まっている。このことから、特徴点数が１１点である場合には、リアルタイム性を保持して動きベクトルが算出可能であることがわかる。

また図１６は、ステレオカメラから取り込まれた左眼画像１６０２及び右眼画像１６０３からなる画像データ１６０１に対する特徴点の分布の例を示す図である。図１６の例では、左眼画像１６０２には特徴点が９点、右眼画像１６０３には特徴点が７点の、合計で特徴点が１６点配置されている。なお図１６は、図３と同様に特徴点配置グリッドや周辺グリッド等が表されている。

図１７は、図１６に例示したように特徴点が１６点の場合の動きベクトル検出に関するタイミングチャートである。なお図１７では、１フレームの時間が時間１７０５、一つ目の特徴点に対するテンプレートマッチング開始されるまでの時間が時間１７０６、１つ当たりのテンプレートマッチングの実行に要する処理時間が時間１７０７としている。動きベクトル検出部１２１では、前述同様に、１フレーム間で、撮像素子１０２から出力された画像データからマッチング用画像が生成され、特徴点数Ｎに応じてテンプレートマッチングが順次行われる。特徴点が１６点の場合、それら１６点の特徴点に対する動きベクトル検出の処理時間（Ｔ０＋Ｎ×ＴＴ）は、図１７のＶＤで示す１フレームの時間ＴＤＶ内には収まらず、したがってリアルタイム性を保持して動きベクトルは算出できないことがわかる。すなわち、１６点の特徴点数Ｎは適切ではない。そして、図１７の例からは、リアルタイム性を保持して動きベクトルを算出できる特徴点の最高点数Ｎｍａｘは１５点であると言える。

以上説明したように、第２の実施形態に係る画像処理装置は、左眼画像から右目画像に反映する特徴点数を時間的にダイナミックに制御している。これにより、第２の実施形態によれば、動きベクトルを算出する処理速度と回転方向の手振れ検出の精度とに基づいて、最適な条件で演算コストを低減させることができる。

前述したように第１、第２の実施形態の画像処理装置においては、サーチ領域を限定せずに、特徴点数を限定することでテンプレートマッチングに費やされる演算コストを低減させことができる。これにより、第１、第２の実施形態の画像処理装置によれば、ステレオカメラが取り込んだ画像データに対して、安価に回転方向の手振れを検出することが可能となり、動きベクトル検出の性能を向上させることができる。

なお、第１、第２の実施形態では、左眼画像から右目画像に特徴点を反映する例を挙げたが、右眼画像から左眼画像に特徴点が反映されてもよい。また、第１、第２の実施形態において、左眼画像及び右眼画像の２つの画像の場合に限らず、複数の画像の場合でも同様に処理すればよい。

以上、本発明をその好適な実施形態に基づいて詳述してきたが、本発明はこれら特定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様々な形態も本発明に含まれる。上述の実施形態の一部を適宜組み合わせてもよい。

本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

上述の実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。即ち、本発明は、その技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

１０１：第１の結像光学部、１３１：第２の結像光学部、１０２：撮像素子、１０４：画像処理部、１１２：ＣＰＵ、１２１：動きベクトル検出部、２０２：特徴点抽出部、２０７：特徴点反映部、２０８：特徴点数設定部、２０９：回転方向手振れ検出部

Claims (15)

1. 複数の光学系による視差を有した複数の画像を取得する取得手段と、
   前記画像から特徴点を抽出する抽出手段と、
   前記複数の画像のうちの、第１の画像から前記抽出された特徴点を、第２の画像から前記抽出された特徴点に対して、前記視差を加味して反映する反映手段と、
   前記特徴点を基に動きベクトルを検出する検出手段と、を有し、
   前記検出手段は、前記第２の画像については前記第１の画像の特徴点が前記反映された特徴点を基に、前記動きベクトルの検出を行うことを特徴とする画像処理装置。
2. 前記第１の画像の前記特徴点を基に検出された動きベクトルと、前記第２の画像の特徴点に前記第１の画像の特徴点が前記反映された特徴点を基に検出された動きベクトルとを用いて、前記複数の光学系による視差を有した前記複数の画像を撮像した撮像装置の回転方向の手振れを検出する手振れ検出手段を有することを特徴とする請求項１に記載の画像処理装置。
3. 前記反映手段は、前記第１の画像の特徴点を前記反映する、前記第２の画像の特徴点の数を限定することを特徴とする請求項２に記載の画像処理装置。
4. 前記反映手段は、前記検出手段が前記動きベクトルを検出する処理の速度に基づいて、前記限定する特徴点の数を決定することを特徴とする請求項３に記載の画像処理装置。
5. 前記反映手段は、前記回転方向の手振れ検出の精度に基づいて、前記限定する特徴点の数を決定することを特徴とする請求項３に記載の画像処理装置。
6. 前記反映手段は、前記第１の画像から前記抽出された特徴点のうち、前記撮像装置の回転方向の手振れ検出に適する特徴点を、前記第２の画像の特徴点に前記反映することを特徴とする請求項３から請求項５のいずれか１項に記載の画像処理装置。
7. 前記画像から被写体を検出する被写体検出手段を有し、
   前記反映手段は、前記第１の画像から前記抽出された特徴点のうち前記被写体の特徴点を、前記第２の画像の前記特徴点には反映しないことを特徴とする請求項１から請求項６のいずれか１項に記載の画像処理装置。
8. 前記反映手段は、複数の領域に分割された前記第２の画像の各々の領域に対して優先順位を設定し、前記第１の画像から前記抽出した特徴点を、前記設定された領域ごとの優先順位に基づいて前記第２の画像の前記領域の特徴点に反映することを特徴とする請求項１から請求項７のいずれか１項に記載の画像処理装置。
9. 前記反映手段は、前記第１の画像と前記第２の画像との中間点からの距離の大きい前記領域ほど高い優先順位を設定することを特徴とする請求項８に記載の画像処理装置。
10. 前記反映手段は、前記第２の画像の中心から所定範囲内の領域に対して優先的に特徴点を反映することを特徴とする請求項８に記載の画像処理装置。
11. 前記反映手段は、前記第２の画像における複数の特徴点の距離が均等に配置されるように前記特徴点を反映することを特徴とする請求項１から請求項１０のいずれか１項に記載の画像処理装置。
12. 前記反映手段は、前記回転方向の手振れが大きくなるほど前記第１の画像の特徴点を前記反映する前記第２の画像の特徴点の数を増やし、前記回転方向の手振れが小さいほど前記第１の画像の特徴点を前記反映する前記第２の画像の特徴点の数を減らすことを特徴とする請求項３から請求項６のいずれか１項に記載の画像処理装置。
13. 前記検出手段は、時間軸上で連続する２枚の画像の一方を原画像とし、もう一方を参照画像として、前記特徴点を中心とする前記参照画像の矩形領域内と前記原画像の矩形領域内の画素値で相関値演算を行って前記動きベクトルを検出することを特徴とする請求項１から請求項１２のいずれか１項に記載の画像処理装置。
14. 画像処理装置が実行する画像処理方法であって、
    複数の光学系による視差を有した複数の画像を取得する取得工程と、
    前記画像から特徴点を抽出する抽出工程と、
    前記複数の画像のうちの、第１の画像から前記抽出された特徴点を、第２の画像から前記抽出された特徴点に対して、前記視差を加味して反映する反映工程と、
    前記特徴点を基に動きベクトルを検出する検出工程と、を有し、
    前記検出工程では、前記第２の画像については前記第１の画像の特徴点が前記反映された特徴点を基に、前記動きベクトルの検出を行うことを特徴とする画像処理方法。
15. コンピュータを、請求項１から請求項１３のいずれか１項に記載の画像処理装置の各手段として機能させるためのプログラム。

Images