JP4696370B2 - 道路の仕切線認識装置 - Google Patents
道路の仕切線認識装置 Download PDFInfo
- Publication number
- JP4696370B2 JP4696370B2 JP2001035438A JP2001035438A JP4696370B2 JP 4696370 B2 JP4696370 B2 JP 4696370B2 JP 2001035438 A JP2001035438 A JP 2001035438A JP 2001035438 A JP2001035438 A JP 2001035438A JP 4696370 B2 JP4696370 B2 JP 4696370B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- parameters
- estimated
- value
- partition line
- 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.)
- Expired - Fee Related
Links
Images
Description
【０００１】
【発明の属する技術分野】
本発明は、道路に引かれた白線等の仕切線を精度良く認識する仕切線認識装置に関する。
【０００２】
【従来の技術】
従来の白線（仕切線）認識装置として、特開平６−２０１８９号公報「道路形状計測装置」（以下、従来例１という）、特開平８−２６１７５６号公報「走行レーン認識装置」（以下、従来例２という）に記載されたものが知られている。
【０００３】
上記の各従来例では、いずれにおいても、道路白線に沿って現れる轍、影、水膜、２重白線等の疑似白線を誤認識し、道路モデルの推定を失敗する可能性がある。以下、従来例１に係る白線認識装置による処理手順を、図８に示すフローチャートを参照しながら説明する。
【０００４】
＜ステップｓ１０１；車両前方画像の採り込み＞
車両に固定され、車両前方を撮像するために用意されたカメラにて撮影された映像を所定周期毎に採り込む。
【０００５】
＜ステップｓ１０２；ウィンドウの設定＞
図９にウィンドの例を示す。ウィンドウは、一般に複数個（図では、左５個、右５個の合計１０個で描かれている）用意され、白線は、このウィンドウ内で検知される。このウィンドウは、前回の映像採り込み時における画像処理結果によって得られた道路モデルにより、その位置が推定される。
【０００６】
道路モデルは、以下に示す（６）式で示される。
【０００７】
【数６】
上記の（６）式は、従来例１に詳述されており、式の導出等の詳細については省略する。（６）式は、車線幅を定数と見なした定式化であり、その他にカメラ高さを定数と見なした定式化がある。両者とも、未知パラメータ数は５つであり、等価であるので、以下では、（６）式に則って説明する。
【０００８】
（６）式において、パラメータ｛Ａ，Ｂ，Ｃ，Ｄ，Ｈ｝は、それぞれ、自車両の車線に対する横位置、道路曲率、自車両の車線に対するヨー角、ピッチ角、カメラ高さに相当する。Ｅ0は車線幅（左側白線と右側白線との間隔）、ｆv，ｆhはカメラ透視変換定数で縦方向、横方向をそれぞれ表す。｛ｘ，ｙ｝は白線候補線の任意の点の座標画像である。また、Ｅ0を車線内側間の距離とすると、｛ｘ，ｙ｝は白線候補点内側の任意の点の座標画像となる。
【０００９】
以後、ｘ，ｙは画像上の座標を意味するものとする。ｉは左白線では０、右白線では１を表す。Ｎ番目のウインドウの上辺（ｙ座標が小さい方）のｙ座標をｙnとする。前回のパラメータ推定結果を｛Ａ-1，Ｂ-1，Ｃ-1，Ｄ-1，Ｈ-1｝とすると、今回のＮ番目のウインドウの中心座標ｘncは、次の（７）式で示される。
【００１０】
【数７】
ウインドウのｘ方向の幅は固定値もあれば、従来例２に示されるように、パラメータの分散から合理的に設定する方法も提示されている。
【００１１】
＜ステップｓ１０３；白線候補点選択＞
sobelフィルタ等のエッジ検知（輝度変化）を利用する。図１０に示すように、左（画像座標のｘ値が小さい方）の画素の輝度が右の画素の輝度よりも大きい場合、フィルタの出力が正であるとする。白線の内側を白線候補点としているので、左白線の場合の白線候補点ではフィルタの出力は正、右白線では負となる。左白線の場合、ウインドウすべての画像を走査して、フィルタの出力が所定の正の値を越えたものを白線候補点と見なす。
【００１２】
＜ステップｓ１０４；白線候補線選択＞
白線候補点集合から白線候補線を得る処理としてハフ変換、最小自乗法等がある。例えば、ハフ変換直線近似では、図１１に示すように、ウインドウ内を通過する直線のうち、最も白線候補点を多く貫いたものを選択する。
【００１３】
＜ステップｓ１０５；白線候補線の代表点算出＞
白線候補線の通過する点を１つ選択し、その画像座標を求める。例えば、白線候補線とウインドウの上辺の交点を代表点とする。これは、図１２中の｛ｘn，ｙn｝に相当する。
【００１４】
＜ステップｓ１０６；道路モデルパラメータ推定＞
代表点の集合｛ｘ0，ｙ0｝〜｛ｘn0，ｙn0｝（ｎ0：代表点の個数）と、上記した（６）式に基づいて、道路モデル｛Ａ，Ｂ，Ｃ，Ｄ，Ｈ｝の推定が行われる。この推定方式の代表として、最小自乗法、カルマンフィルタがある。
【００１５】
【発明が解決しようとする課題】
次に、上記した従来例の問題点について説明する。ウインドウ内に擬似白線が現れた場合には、（６）式の座標値ｘは真でない場合がある。例えば、白線がぼけていて、擬似白線がはっきりと現れている場合は、擬似白線を選択することになる。このため、（６）式を前提に推定されるパラメータ｛Ａ，Ｂ，Ｃ，Ｄ，Ｈ｝は誤差が大きくなる場合があった。
【００１６】
従来例２では、各ウインドウに対し座標値ｘを複数個メモリに蓄え（例えば、Ｎ番目のウインドウではｘn1〜ｘnmというように）、他のウインドウの候補との幾何学的関係から真の座標値ｘを選択するロジックが提案されている。
【００１７】
この従来例では、真の道路モデルは、貫く白線候補点の数が多いと仮定しており、その仮定の成立する場合では良好に動作するものと考えられる。但し、実際には２重白線や波線の脇に現れる水膜等、擬似白線の候補点数が多いことが頻発している。従来例１ではこの問題の対処には触れておらず、擬似白線の誤検知が問題となることは明らかである。
【００１８】
上記問題点克服のために、擬似白線が真の白線に平行であることが多いことに着目し、擬似白線が存在する可能性があるウインドウでは画像上の傾き（∂ｘ／∂ｙ）と画像座標および道路パラメータの満たす（８）式を条件式とし、また、擬似白線が存在しないウインドウに関しては画像座標および道路パラメータの満たす（９）式を条件式として連立方程式を構成し、最小２乗法もしくはカルマンフィルタ等の技法により各パラメータＢ，Ｃ，Ｄ，Ｈ、或いは、各パラメータＡ，Ｂ，Ｃ，Ｄ，Ｈを推定する方法が提案されている。
【００１９】
【数８】
【数９】
しかしながら、擬似白線が存在しないウインドウは厳密に規定できない。実際には白線候補が単数の場合にそれが真の白線と仮定しており、例えば、擬似白線しか現れないウインドウが存在した場合には誤推定が生じる可能性があった。
【００２０】
本発明はこのような従来の課題を解決するためになされたものであり、その目的とするところは、撮影された画像中に真の仕切線以外に擬似的な仕切線が存在する場合においても、高精度に仕切線の位置の存在を検出することのできる道路の仕切線認識装置を提供することにある。
【００２１】
上記目的を達成するため、本願請求項１に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記代表点の画像座標を、左側の仕切線候補線、及び右側の仕切線候補線のそれぞれについて少なくとも１つ以上選択し、この画像座標と、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、に基づいて、パラメータＡ、Ｈを推定する手段と、前記代表点を変更して、前記パラメータＡ、Ｈを推定することにより、パラメータＡ、Ｈの推定値の集合ＧＡＨを作成する手段と、前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡ、及びパラメータＨの推定値の集合ＧＨを作成する手段と、前記集合ＧＡ、及び集合ＧＨを、それぞれ代表値を有する小グループＧＡn、ＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn、ＤＧn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることが特徴である。
【００２２】
請求項２に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記車両前方の道路映像中の、左側仕切線上、及び右側仕切線上にてそれぞれ前記代表点を設定し、これを代表点の組とし、該代表点の組が有する各代表点の画像座標と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式とを用いて、パラメータＡ、Ｈを推定する手段と、前記パラメータＡ、Ｈの推定を、前記代表点の組とは異なる他の１または複数の代表点の組に対して行い、代表点の組毎に推定されるパラメータＨと、車両が標準状態にあるときに想定されるパラメータＨ0との偏差が所定値以下となるパラメータＡ、Ｈの集合ＧＡＨを作成する手段と、前記集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡ、及びパラメータＨの推定値の集合ＧＨを作成する手段と、前記集合ＧＡ、及び集合ＧＨを、それぞれ代表値を有する小グループＧＡn、ＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn、ＤＧn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする。
【００２３】
請求項３に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記代表点の画像座標を、左側の仕切線候補線、及び右側の仕切線候補線のそれぞれについて少なくとも１つ以上選択し、この画像座標と、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、に基づいて、パラメータＡ、Ｈを推定する手段と、前記代表点を変更して、前記パラメータＡ、Ｈを推定することにより、パラメータＡ、Ｈの推定値の集合ＧＡＨを作成する手段と、前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、前記集合ＧＡＨの中で、パラメータＡの推定値が小グループＧＡxに属する集合ＧＡＨxを作成し、この集合ＧＡＨxに基づいて、パラメータＨの推定値の集合ＧＨを求める手段と、前記集合ＧＨを、それぞれ代表値を有する小グループＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＨn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする。
【００２４】
請求項４に記載の発明は、前記所定の演算処理は、平均処理、或いは最小自乗法による演算であることを特徴とする。
【００２５】
請求項５に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記代表点の画像座標を、左側の仕切線候補線、及び右側の仕切線候補線のそれぞれについて少なくとも１つ以上選択し、この画像座標と、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、に基づいて、パラメータＡ、Ｈを推定する手段と、前記代表点を変更して、前記パラメータＡ、Ｈを推定することにより、パラメータＡ、Ｈの推定値の集合ＧＡＨを作成する手段と、前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記集合ＧＡＨの中で、パラメータＡの推定値が前記小グループＧＡxに属する集合ＧＡＨxを作成する手段と、前記集合ＧＡＨxに属するパラメータＡ、Ｈの推定値Ａnx、Ｈnxを与える、仕切線候補線の代表点の画像座標ｘnx、ｙny（ｎ＝１，２，・・）の集合と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＣ、Ｄの推定値、及び、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（５）式に示した第３の方程式に基づいて、再度パラメータＡ、Ｈを推定し直す手段と、前記推定し直されたパラメータＡ、Ｈを、今回のパラメータとし、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする。
【００２６】
請求項６に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記代表点の画像座標を、左側の仕切線候補線、及び右側の仕切線候補線のそれぞれについて少なくとも１つ以上選択し、この画像座標と、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、に基づいて、パラメータＡ、Ｈを推定する手段と、前記代表点を変更して、前記パラメータＡ、Ｈを推定することにより、パラメータＡ、Ｈの推定値の集合ＧＡＨを作成する手段と、前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記集合ＧＡＨの中で、パラメータＡの推定値が小グループＧＡxに属する集合ＧＡＨxを作成する手段と、前記集合ＧＡＨxに属するパラメータＡ、Ｈの推定値Ａnx、Ｈnxを与える、仕切線候補線の代表点の画像座標ｘnx、ｙny（ｎ＝１，２，・・）の集合と、前記積（Ｂ＊Ｈ）の推定値と、パラメータＣ、Ｄの推定値、及び、前記第１の方程式に基づいて、前記各パラメータＡ、Ｂ、Ｈ、Ｃ、Ｄを推定し直し、今回の推定結果とする手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする。
【００２８】
請求項７に記載の発明は、前記集合ＧＡ、ＧＨを分割する小グループは、それぞれ上記した（３）式、及び（４）式で示され、前記小グループの代表値は、中間値であることを特徴とする。
【００２９】
【発明の効果】
請求項１の発明によれば、真の白線以外に擬似白線がウインドウ内に存在した場合でも、また、擬似白線のみが存在するウインドウが存在した場合でも、道路モデルを精度良く推定できる。
【００３０】
まず、真の白線以外に擬似白線のウインドウ内に存在しても道路モデルを精度良く推定できる理由を説明すと、ウインドウに関しては、擬似白線を含めたすべての白線候補線が満たす後述する（８）式を用いているためである。
【００３１】
次に、擬似白線のみが現れるウインドウが存在する場合でも道路モデルを精度良く推定できる理由を説明する。従来においては、白線候補線が単数の場合、それを真の白線として仮定していたが、本発明では、その仮定をおかないことによるものである。即ち、請求項１に記載した仕切線認識装置は、各ウインドウに現れる白線候補線の数に関係なく、一旦、パラメータＢ，Ｈ，Ｃ，Ｄの関係を求め、それを前提に全白線候補それぞれに対し道路パラメータ（Ａ，Ｂ，Ｃ，Ｄ，Ｈ）を推定し、それら複数の推定値の中から真の推定値を選択する。真の白線候補がどのウインドウに現れるかは関係無い。そのため、擬似白線のみが現れるウインドウが存在しても正確に道路パラメータを推定できる。
【００３２】
請求項２の発明によれば、請求項１よりも更に高精度に道路パラメータが推定できる。請求項２では白線候補線毎に横変位Ａとカメラ高さＨの推定が行われる。パラメータＨの度数分布は、真値を中心とした箇所に極大点が現れるが、２重白線走行時等、擬似白線が存在する場合には数箇所極点が現れる。
【００３３】
２重白線を例に採れば、真の左白線と偽の右側誘導線のペア、偽の左誘導線と真の右白線のペア、左右偽の誘導線のペア等による３つの誤推定が発生するためである。左右偽の誘導線のペアによる車両横変位の推定は誘導線が左右対称に路面に引かれている場合には真値と一致するが、それ以外は偽の推定を与えるため、あらかじめ、高さ推定が車両標準状態から大きく逸脱するペアを採用しないことにより、高さは当然であるが、横変位の推定精度も著しく向上する。
【００３４】
請求項３の発明によれば、請求項１，２より更に高精度に道路パラメータが推定できる。請求項１，２において、パラメータＡ，Ｈの推定はそれぞれ別に行われるため、｛Ａ，Ｈ｝の組の情報、即ち、パラメータＡを選択するとパラメータＨが決定するという関係を利用していない。請求項３ではまず、パラメータＡの推定を行い、その後、その推定を与える｛Ａ，Ｈ｝の組を選び出し、パラメータＨを推定するため、｛Ａ，Ｈ｝の組の情報を利用し推定精度が格段に向上する。
【００３５】
請求項４の発明によれば、所定の演算処理として、平均処理、或いは最小自乗法を用いるので、精度の高い演算が可能となる。
【００３６】
請求項５の発明によれば、請求項１〜請求項４に記載した仕切線認識装置よりも、更に高精度に道路パラメータが推定できる。請求項１〜請求項４ではパラメータＡ，Ｈの推定は最終的には独立で行われる（請求項３においては確かにパラメータＡ，Ｈの関連が現れるが、パラメータＡの推定の後、パラメータＨの推定が行われるため）。請求項５のように、Ａ，Ｂ，Ｃ，Ｄ，Ｈを同時に推定することにより、例えばカルマンフィルタ等の推定技法を適用できるようになり、より合理的に推定が行われるため、推定精度が格段に向上する。
【００３７】
請求項６の発明によれば、請求項１〜請求項４に記載した仕切線認識装置よりも、より一層高精度に道路パラメータが推定できる。請求項１〜請求項４では、パラメータＡ，Ｈの推定は最終的には独立で行われる。請求項６のように、各パラメータＡ，Ｂ，Ｃ，Ｄ，Ｈを同時に推定することにより、例えばカルマンフィルタ等の推定技法を適用できるようになり、より合理的に推定が行われるため、推定精度が格段に向上する。
【００４０】
請求項７の発明によれば、集合ＧＡ、ＧＨを分割する小グループを、（３）式、（４）式で示す如くとするので、精度の高い演算が可能となる。
【００４２】
【発明の実施の形態】
以下、本発明の実施形態を図面に基づいて説明する。図１は、本発明に係る仕切線認識装置１が搭載された車両２を示す構成図である。同図に示すように、仕切線認識装置１は、車両２の前方の映像を撮影するＣＣＤカメラ（撮影手段）３と、当該ＣＣＤカメラ３で撮影された映像に基づいて、車両前方側の道路の白線を認識処理を行うプロセッサ４と、から構成されている。なお、以下の説明においては、道路に引かれた仕切線を白線として説明するが、本発明は、これに限定されるものではなく、黄線等の仕切線においても同様に適用することができる。
【００４３】
図２は、本発明の第１の実施形態に係る仕切線認識装置１による画像処理の手順を示すフローチャートである。以下、その詳細を各ステップ毎に説明する。
【００４４】
＜ｓ１；前方画像採り込み＞
従来例で示した手順と同様であり、所定周期でＣＣＤカメラ３は車両前方を撮影し、所定周期でプロセッサ４が画像情報を採り込む。
【００４５】
＜ｓ２；ウインドウ設定＞
従来例で示した手順と同様であり、前回の画像採り込み時にて推定された道路モデルに基づき、ウインドウのｘ方向の中心座標ｘncが計算される。ｘ方向の幅は、道路白線の画像上での動きを考慮して設定する。また、ｙ方向の幅は固定とする。
【００４６】
＜ｓ３；白線候補点選択＞
従来例で示した手順と同様である。
【００４７】
＜ｓ４；白線候補線検出＞
従来例で示した手順と同様であり、ハフ変換により、ウインドウ内の白線候補点の列を直線近似する。座標｛ｘ，ｙ｝を通過する直線はパラメータａ，ｂを用いて、以下の（１０）式のように表すことができる。
【００４８】
ｘ＝ａｙ＋ｂ ・・・（１０）
白線候補点の座標を｛ｘ，ｙ｝とすると、パラメータａを決めることにより、パラメータｂが（１０）式により計算できる。
【００４９】
これにより図３に示す如くの配列を得ることができる。配列の空欄は零を意味している。１が立っている｛ａ，ｂ｝の組合せの中に真値が含まれる。そして、この操作を白線候補点すべてに関して行う。その結果、図４に示す配列を得ることができる。
【００５０】
配列要素｛ａr，ｂr｝の数ｚrは、以下の（１１）式で与えられる直線が貫く白線候補点の数を表している。
【００５１】
ｘ＝ａr*ｙ＋ｂr ・・・（１１）
配列要素の数が所定値以上のものを白線候補点とする。Ｎ番目のウインドウでの白線候補線は以下に示す形で記憶される。
【００５２】
｛｛ａn1，ｂn1），｛ａn2，ｂn2｝，・・・｝
例えば、２重白線の場合、ａn1，an2は同一となる。
【００５３】
＜ｓ５；代表点座標算出＞
代表点は白線候補線とウインドウ上辺との交点とする。Ｎ番目のウインドウの上辺のｙ座標をｙnとすると、ｘ座標ｘnmは、以下の（１２）式で示される。
【００５４】
ｘnm＝ａnm*ｙn＋ｂnm ・・・（１２）
ｘの添え字ｎはウインドウ番号を表し、添え字ｍはウインドウ内での白線候補線番号、ｙの添え字はウインドウ番号を表している。代表点の画像座標の集合は以下のようになる。
【００５５】
｛｛ｘ11，ｙ1｝，・・，｛ｘnm，ｙn｝，・・｝
＜ｓ６；候補線傾き算出＞
ｎ番目のウインドウの中のｍ番目の白線候補線の画像上の傾きは、次の（１３）式で得られる。
【００５６】
【数１０】
＜ｓ７；Ｂ＊Ｈ，Ｃ，Ｄの推定＞
擬似白線を含めた白線候補線は真の白線に平行であると見なして良い場合が圧倒的に多く、（１４）式が成立すると言える。
【００５７】
【数１１】
ｎ番目のウインドウの第ｍ候補について書き直すと、（１５）式となる。
【００５８】
【数１２】
（１５）式中で、道路パラメータＢ，Ｃ，Ｄ，Ｈ以外はすべて既知である。複数の代表点にわたって（１５）式を連立しパラメータＢ，Ｃ，Ｄ，Ｈを推定する手法に最小２乗法、カルマンフィルタがあるが、ここではその詳細は省略する。ただし、注意点として、Ｂ，Ｈは式の構造上、その積しか推定できない。結果として、Ｂ＊Ｈ，Ｃ，Ｄが推定される。
【００５９】
＜ｓ８；ＧＡＨの作成＞
左右白線の代表点をそれぞれ１点、無作為に選択し、それらの画像座標を以下のように定義する。
【００６０】
左側白線代表点座標：｛ｘln，ｙln｝
右側白線代表点座標：｛ｘrn，ｙrn｝
ステップｓ７の処理で算出されたＢ＊Ｈ，Ｃ，Ｄを以下の連立方程式（１６）、（１７）に代入し、パラメータＡ，Ｈの推定値｛Ａn，Ｈn｝を得る。
【００６１】
【数１３】
これを所定回数行う。ただし、当然であるが、互いの選択が異なるようにする。また、（１６）式，（１７）式より理解されるように、どちらか一方が異なっただけでも良い。
【００６２】
この結果以下の集合ＧＡＨを得る。
【００６３】
ＧＡＨ：｛｛Ａ0，Ｈ0｝，・・，｛Ａn，Ｈn｝，・・｝
＜ｓ９；ＧＡ，ＧＨの作成＞
集合ＧＡＨから以下の集合ＧＡ，ＧＨを抽出する。
【００６４】
ＧＡ：｛Ａ0，・・，Ａn，・・｝
ＧＨ：｛Ｈ0，・・，Ｈn，…｝
＜ｓ１０；ＧＡn，ＧＨnの作成＞
集合ＧＡを以下の例に示すような所定幅のグループに分割する。
【００６５】
ＧＡ0（Ａ｜-2.0<Ａ<=-1.8）： ｛｝
ＧＡ1（Ａ｜-1.8<Ａ<=-1.6）： ｛｝
・・・
ＧＡn（Ａ｜Ａg(n-1)<Ａ<=Ａg(n)： ｛Ａn0，Ａn1，Ａn2｝
・・・
集合ＧＨも同様に以下の例に示すようなグループに分割する。
【００６６】
ＧＨ0（Ｈ｜1.4<Ｈ<=1.5)： ｛｝
ＧＨ1（Ｈ｜1.5<Ｈ<=1.6)： ｛Ｈ10｝
・・・
ＧＨn（Ｈ｜Ｈg(n-1)<Ｈ<=Ｈg(n))：｛Ｈn0，Ｈn1，Ｈn2｝
＜ｓ１１；ＤＡn，ＤＨnの作成＞
ＧＡn，ＧＨnの要素数（度数）をＤＡn，ＤＨnとして記憶する。
【００６７】
＜ｓ１２；ＧＡxの決定＞
真値を含むグループの度数が大きいことは明らかである。しかし、２重白線走行時は誤推定のグループの度数が最大となる場合もあり、必ずしも度数が大きければ信頼性が高い訳ではない。そのため、本発明ではパラメータの変化に着目した。
【００６８】
道路パラメータはすべて連続的に変わるものであり、サンプル時間が短い処理系においては、前回に基づき想定される今回の推定値と真値の偏差は微少であると言える。ただし、これのみによってグループを選択すると、推定のロバスト性が低下する。例えば、ドライバ介入意志は画像処理系には前もって入らないため、想定される推定値の真値への追従遅れが発生する場合がある。即ち、度数、パラメータ変化いずれか一方のみではロバストな推定が達成できない。
【００６９】
これらの事情から、両者の長所を共に採り入れた以下の手順が、パラメータＡの推定に有効であることは明らかである。
【００７０】
ＤＡnが所定値以上であり、かつ、グループの代表値（例えば、（Ａg(n-1)＋Ａag(n)／２）が今回想定されるパラメータＡと最も近いグループＧＡxを選択する。ここで、所定値は２重白線走行時の真のグループの度数を考慮して設定する。また、度数は全体の総数に対する割合で代用しても等価である。
【００７１】
全体の総数の増減に応じて度数の所定値も増減する。なお、前回の推定に基づき今回の推定値を得る方法として、予測フィルタや予測型カルマンフィルタが知られている。例えば予測フィルタの一例として過去の２情報の外挿による予測する手法を（１８）式に示す。
【００７２】
Ａ（０）＝２・Ａ（−１）−Ａ（−２） ・・・（１８）
（Ｎ）はＮサンプル前であることを意味する。
【００７３】
＜ｓ１３；Ａの推定＞
ＧＡxから平均処理、最小２乗法等により代表値Ａxを算出し、それを今回のＡの推定値とする。例えば平均処理の場合Ａxは（１９）式で表される。
【００７４】
【数１４】
＜ｓ１４；ＧＨxの決定＞
ステップｓ１２と同じ理由で、以下の手順がパラメータＨの推定に有効であることは明らかである。
【００７５】
ＤＨnが所定値以上であり、かつ、グループの代表値（例えば、（Ｈg(n-1))＋Ｈag(n)／２）が今回想定されるパラメータＨと最も近いグループＧＨxを選択する。ここで、所定値は２重白線走行時の真のグループの度数を考慮して設定する。また、度数は全体の総数に対する割合で代用しても等価である。
【００７６】
全体の総数の増減に応じて度数の所定値も増減する。なお、前回の推定に基づき今回の推定値を得る方法はパラメータＡと同じであり、省略する。
【００７７】
＜ｓ１５；Ｈの推定＞
ＧＨxから平均処理、最小２乗法等により代表値Ｈxを算出し、それを今回のＨの推定値とする。
【００７８】
＜ｓ１６；Ｂの推定＞
Ｂ＊Ｈの推定値をＨxで除した値を今回のＢの推定値とする。
【００７９】
＜ｓ１７；Ｃ，Ｄの推定＞
Ｃ，Ｄはすでに推定されている値を今回の推定値とする。
【００８０】
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【００８１】
次に、本発明の第２の実施形態について説明する。
【００８２】
第２実施形態は、前述した第１の実施形態とは、ステップｓ８の処理のみが相違する。よって、ステップｓ８以外の処理フローは、図２と同様となる。以下、ステップｓ８における相違点（ｓ８′）についてのみ説明する。
【００８３】
＜ｓ８′；ＧＡＨの作成＞
左側右側白線の代表点をそれぞれ１点、無作為に選択し、それらの画像座標を以下のように定義する。
【００８４】
左側白線｛ｘln，ｙln｝
右側白線｛ｘrn，ｙrn｝
そして、下記の連立方程式（２０）、（２１）式を解き、パラメータＡ，Ｈの推定値｛Ａn，Ｈn｝を得る。
【００８５】
【数１５】
これを所定回数行う。ただし、当然であるが、互いの選択が異なるようにする。また、（２０）、（２１）式よりわかるように、左側が同じでも右側が異なるものでも良い。
【００８６】
ただし、パラメータＨの推定値が車両標準姿勢で想定されるＨ0と大きく異なる｛Ａ，Ｈ｝の組は選択しない。この効果は説明済みである。２重白線で著しい効果がある。
【００８７】
この結果以下の集合ＧＡＨを得る。
【００８８】
｛｛Ａ0，Ｈ0｝，・・，｛Ａn，Ｈn｝，・・｝
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【００８９】
次に、第３の実施形態について説明する。第３実施形態の処理フローを図５に示す。なお、該第３の実施形態において、ｓ２１〜ｓ２８までの処理は、第１の実施形態のｓ１〜ｓ８と同一であるので、その説明を省略する。
【００９０】
＜ｓ２９；ＧＡの作成＞
ＧＡＨから以下のＧＡを抽出する。
【００９１】
ＧＡ：｛Ａ0，・・，Ａｎ，・・｝
＜ｓ３０；ＧＡnの作成＞
ＧＡを以下の例に示すような所定幅のグループに分割する。
【００９２】
ＧＡ0（Ａ｜-2.0<Ａ<=-1.8）： ｛｝
ＧＡ1（Ａ｜-1.8<Ａ<=-1.6）： ｛｝
・・・
ＧＡn（Ａ｜Ａg(n-1)<Ａ<=Ａg(n)： ｛Ａn0，Ａn1，Ａn2｝
・・・
＜ｓ３１；ＤＡnの作成＞
ＧＡnの要素数（度数）をＤＡnとして記憶する。
【００９３】
＜ｓ３２；ＧＡxの決定＞
第１の実施形態と同一である。
【００９４】
＜ｓ３３；Ａの推定＞
第１の実施形態と同一である。
【００９５】
＜ｓ３４；ＧＡＨxの作成＞
ＧＡＨの中でＡがグループＧＡxに属する集合ＧＡＨx（＝｛｛Ａx0，Ｈx0｝，｛Ａx1，Ｈx1｝，・・｝）を作成する。
【００９６】
＜ｓ３５；ＧＨの作成＞
ＧＡＨxよりＨの集合ＧＨ（＝｛Ｈx0，Ｈx1，・・｝）を抽出する。
【００９７】
＜ｓ３６；ＧＨnの作成＞
ＧＨを以下の例に示すような所定幅のグループに分割する。
【００９８】
ＧＨ0（Ｈ｜1.4<Ｈ<=1.5)： ｛｝
ＧＨ1（Ｈ｜1.5<Ｈ<=1.6)： ｛Ｈ10｝
・・・
ＧＨn（Ｈ｜Ｈg(n-1)<Ｈ<=Ｈg(n))：｛Ｈn0，Ｈn1，Ｈn2｝
・・・
＜ｓ３７；ＤＨnの作成＞
ＧＨnの要素数（度数）をＤＨnとして記憶する。
【００９９】
＜ｓ３８；ＧＨxの決定＞
ＤＨnが所定値以上であり、かつ、グループの代表値（例えば、（Ｈg(n-1)＋Ｈag(n)／２）が今回想定されるＨと最も近いグループＧＨxを選択する。
【０１００】
＜ｓ３９；Ｈの推定＞
ＧＨxから平均処理、最小２乗法等により代表値Ｈxを算出し、それを今回のパラメータＨの推定値とする。
【０１０１】
＜ｓ４０；Ｂの推定＞
Ｂ＊Ｈの推定値をＨxで除した値を今回のＢの推定値とする。
【０１０２】
＜ｓ４１；Ｃ，Ｄの推定＞
Ｃ，Ｄはすでに推定されている値を今回の推定値とする。
【０１０３】
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【０１０４】
次に、第４の実施形態について説明する。第４実施形態の処理フローを図６に示す。
【０１０５】
ステップｓ５１〜ｓ６３までの処理は、前述の第３実施形態のステップｓ２１〜ｓ３４と同一である。但し、ステップｓ３３の「Ａの推定」は行われない。
【０１０６】
＜ｓ６４；Ａ，Ｈの推定＞
ＧＡＨxに属する推定値｛Ａxn，Ｈxn｝を与える白線候補線の代表点の画像座標｛ｘxnl，ｙxnl｝（左側）｛ｘxnr，ｙxnr｝（右側）の集合（ｎ＝０，１，２）、すでに推定されているＢ＊Ｈ，Ｃ，Ｄ、及び下記の（２２）、（２３）式を用いて、パラメータＡ、Ｈを推定する。
【０１０７】
【数１６】
ただし、ｉは左白線で０、右白線で１、Ｅ0は左右白線の幅である。推定する手法に最小２乗法、カルマンフィルタがあるが、ここではその詳細は省略する。パラメータＡ，Ｈは同時に推定されるため、それぞれ独立に推定することによる矛盾は全く発生せず、推定精度は格段に向上する。
【０１０８】
＜ｓ６５；Ｂの推定＞
Ｂ＊Ｈの推定値をステップｓ６４で得られたパラメータＨで除した値を今回のＢの推定値とする。
【０１０９】
＜ｓ６６；Ｃ，Ｄの推定＞
Ｃ，Ｄはすでに推定されている値を今回の推定値とする。
【０１１０】
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【０１１１】
次に、第５の実施形態について説明する。第５実施形態の処理フローを図７に示す。ここで、ステップｓ７１〜ｓ８３までの処理は、前述した第３実施形態のステップｓ２１〜ｓ３４と同一である。但し、ステップｓ３３の「Ａの推定」は行われない。
【０１１２】
＜ｓ８４；Ａ，Ｂ，Ｃ，Ｄ，Ｈの推定＞
ＧＡＨxに属する推定値｛Ａxn，Ｈxn｝を与える白線候補線の代表点の画像座標｛ｘxnl，ｙxnl｝（左側）｛ｘxnr，ｙxnr｝（右側）の集合（ｎ＝０，１，２）、及び上記した（２２）、（２３）式の連立方程式により、全ての道路パラメータ（Ａ，Ｂ，Ｃ，Ｄ，Ｈ）を一括推定する。推定する手法に最小２乗法、カルマンフィルタがあるが、ここではその詳細は省略する。
【０１１３】
一括で推定することにより、パラメータＡ，Ｂ，Ｃ，Ｄ，Ｈを独立に推定することによる矛盾は全く発生しない。推定精度は格段に向上する。
【０１１４】
補足として、このように｛ｘ，ｙ｝の集合と（２２）、（２３）式より、パラメータＡ，Ｂ，Ｃ，Ｄ，Ｈを推定することは公知であるが、本実施形態の特徴は｛ｘ，ｙ｝の選定が異なっている。従来は｛ｘ，ｙ｝の中に擬似白線候補が含まれ、誤推定が発生したが、本発明では第１〜第４実施形態で説明したように、真の白線候補点候補に絞り込まれているため誤推定が発生しない。
【０１１５】
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【０１１６】
以上、本発明の道路の仕切線認識装置を図示の実施形態に基づいて説明したが、本発明はこれに限定されるものではなく、各部の構成は、同様の機能を有する任意の構成のものに置き換えることができる。
【図面の簡単な説明】
【図１】本発明の各実施形態に係る仕切線認識装置の構成図である。
【図２】本発明の第１の実施形態、及び第２の実施形態に係る仕切線認識装置の処理手順を示すフローチャートである。
【図３】ハフ変換を示す第１の説明図である。
【図４】ハフ変換を示す第２の説明図である。
【図５】本発明の第３の実施形態に係る仕切線認識装置の処理手順を示すフローチャートである。
【図６】本発明の第４の実施形態に係る仕切線認識装置の処理手順を示すフローチャートである。
【図７】本発明の第５の実施形態に係る仕切線認識装置の処理手順を示すフローチャートである。
【図８】従来における仕切線認識装置の処理手順を示すフローチャートである。
【図９】白線に沿って設定されるウインドウを示す説明図である。
【図１０】白線候補点を示す説明図である。
【図１１】ハフ変換により得られる白線候補線を示す説明図である。
【図１２】白線候補線の代表点を示す説明図である。
【符号の説明】
１ 仕切線認識装置
２ 車両
３ ＣＣＤカメラ（撮影手段）
４ プロセッサ
【発明の属する技術分野】
本発明は、道路に引かれた白線等の仕切線を精度良く認識する仕切線認識装置に関する。
【０００２】
【従来の技術】
従来の白線（仕切線）認識装置として、特開平６−２０１８９号公報「道路形状計測装置」（以下、従来例１という）、特開平８−２６１７５６号公報「走行レーン認識装置」（以下、従来例２という）に記載されたものが知られている。
【０００３】
上記の各従来例では、いずれにおいても、道路白線に沿って現れる轍、影、水膜、２重白線等の疑似白線を誤認識し、道路モデルの推定を失敗する可能性がある。以下、従来例１に係る白線認識装置による処理手順を、図８に示すフローチャートを参照しながら説明する。
【０００４】
＜ステップｓ１０１；車両前方画像の採り込み＞
車両に固定され、車両前方を撮像するために用意されたカメラにて撮影された映像を所定周期毎に採り込む。
【０００５】
＜ステップｓ１０２；ウィンドウの設定＞
図９にウィンドの例を示す。ウィンドウは、一般に複数個（図では、左５個、右５個の合計１０個で描かれている）用意され、白線は、このウィンドウ内で検知される。このウィンドウは、前回の映像採り込み時における画像処理結果によって得られた道路モデルにより、その位置が推定される。
【０００６】
道路モデルは、以下に示す（６）式で示される。
【０００７】
【数６】
【０００８】
（６）式において、パラメータ｛Ａ，Ｂ，Ｃ，Ｄ，Ｈ｝は、それぞれ、自車両の車線に対する横位置、道路曲率、自車両の車線に対するヨー角、ピッチ角、カメラ高さに相当する。Ｅ0は車線幅（左側白線と右側白線との間隔）、ｆv，ｆhはカメラ透視変換定数で縦方向、横方向をそれぞれ表す。｛ｘ，ｙ｝は白線候補線の任意の点の座標画像である。また、Ｅ0を車線内側間の距離とすると、｛ｘ，ｙ｝は白線候補点内側の任意の点の座標画像となる。
【０００９】
以後、ｘ，ｙは画像上の座標を意味するものとする。ｉは左白線では０、右白線では１を表す。Ｎ番目のウインドウの上辺（ｙ座標が小さい方）のｙ座標をｙnとする。前回のパラメータ推定結果を｛Ａ-1，Ｂ-1，Ｃ-1，Ｄ-1，Ｈ-1｝とすると、今回のＮ番目のウインドウの中心座標ｘncは、次の（７）式で示される。
【００１０】
【数７】
【００１１】
＜ステップｓ１０３；白線候補点選択＞
sobelフィルタ等のエッジ検知（輝度変化）を利用する。図１０に示すように、左（画像座標のｘ値が小さい方）の画素の輝度が右の画素の輝度よりも大きい場合、フィルタの出力が正であるとする。白線の内側を白線候補点としているので、左白線の場合の白線候補点ではフィルタの出力は正、右白線では負となる。左白線の場合、ウインドウすべての画像を走査して、フィルタの出力が所定の正の値を越えたものを白線候補点と見なす。
【００１２】
＜ステップｓ１０４；白線候補線選択＞
白線候補点集合から白線候補線を得る処理としてハフ変換、最小自乗法等がある。例えば、ハフ変換直線近似では、図１１に示すように、ウインドウ内を通過する直線のうち、最も白線候補点を多く貫いたものを選択する。
【００１３】
＜ステップｓ１０５；白線候補線の代表点算出＞
白線候補線の通過する点を１つ選択し、その画像座標を求める。例えば、白線候補線とウインドウの上辺の交点を代表点とする。これは、図１２中の｛ｘn，ｙn｝に相当する。
【００１４】
＜ステップｓ１０６；道路モデルパラメータ推定＞
代表点の集合｛ｘ0，ｙ0｝〜｛ｘn0，ｙn0｝（ｎ0：代表点の個数）と、上記した（６）式に基づいて、道路モデル｛Ａ，Ｂ，Ｃ，Ｄ，Ｈ｝の推定が行われる。この推定方式の代表として、最小自乗法、カルマンフィルタがある。
【００１５】
【発明が解決しようとする課題】
次に、上記した従来例の問題点について説明する。ウインドウ内に擬似白線が現れた場合には、（６）式の座標値ｘは真でない場合がある。例えば、白線がぼけていて、擬似白線がはっきりと現れている場合は、擬似白線を選択することになる。このため、（６）式を前提に推定されるパラメータ｛Ａ，Ｂ，Ｃ，Ｄ，Ｈ｝は誤差が大きくなる場合があった。
【００１６】
従来例２では、各ウインドウに対し座標値ｘを複数個メモリに蓄え（例えば、Ｎ番目のウインドウではｘn1〜ｘnmというように）、他のウインドウの候補との幾何学的関係から真の座標値ｘを選択するロジックが提案されている。
【００１７】
この従来例では、真の道路モデルは、貫く白線候補点の数が多いと仮定しており、その仮定の成立する場合では良好に動作するものと考えられる。但し、実際には２重白線や波線の脇に現れる水膜等、擬似白線の候補点数が多いことが頻発している。従来例１ではこの問題の対処には触れておらず、擬似白線の誤検知が問題となることは明らかである。
【００１８】
上記問題点克服のために、擬似白線が真の白線に平行であることが多いことに着目し、擬似白線が存在する可能性があるウインドウでは画像上の傾き（∂ｘ／∂ｙ）と画像座標および道路パラメータの満たす（８）式を条件式とし、また、擬似白線が存在しないウインドウに関しては画像座標および道路パラメータの満たす（９）式を条件式として連立方程式を構成し、最小２乗法もしくはカルマンフィルタ等の技法により各パラメータＢ，Ｃ，Ｄ，Ｈ、或いは、各パラメータＡ，Ｂ，Ｃ，Ｄ，Ｈを推定する方法が提案されている。
【００１９】
【数８】
【００２０】
本発明はこのような従来の課題を解決するためになされたものであり、その目的とするところは、撮影された画像中に真の仕切線以外に擬似的な仕切線が存在する場合においても、高精度に仕切線の位置の存在を検出することのできる道路の仕切線認識装置を提供することにある。
【００２１】
上記目的を達成するため、本願請求項１に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記代表点の画像座標を、左側の仕切線候補線、及び右側の仕切線候補線のそれぞれについて少なくとも１つ以上選択し、この画像座標と、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、に基づいて、パラメータＡ、Ｈを推定する手段と、前記代表点を変更して、前記パラメータＡ、Ｈを推定することにより、パラメータＡ、Ｈの推定値の集合ＧＡＨを作成する手段と、前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡ、及びパラメータＨの推定値の集合ＧＨを作成する手段と、前記集合ＧＡ、及び集合ＧＨを、それぞれ代表値を有する小グループＧＡn、ＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn、ＤＧn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることが特徴である。
【００２２】
請求項２に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記車両前方の道路映像中の、左側仕切線上、及び右側仕切線上にてそれぞれ前記代表点を設定し、これを代表点の組とし、該代表点の組が有する各代表点の画像座標と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式とを用いて、パラメータＡ、Ｈを推定する手段と、前記パラメータＡ、Ｈの推定を、前記代表点の組とは異なる他の１または複数の代表点の組に対して行い、代表点の組毎に推定されるパラメータＨと、車両が標準状態にあるときに想定されるパラメータＨ0との偏差が所定値以下となるパラメータＡ、Ｈの集合ＧＡＨを作成する手段と、前記集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡ、及びパラメータＨの推定値の集合ＧＨを作成する手段と、前記集合ＧＡ、及び集合ＧＨを、それぞれ代表値を有する小グループＧＡn、ＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn、ＤＧn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする。
【００２３】
請求項３に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記代表点の画像座標を、左側の仕切線候補線、及び右側の仕切線候補線のそれぞれについて少なくとも１つ以上選択し、この画像座標と、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、に基づいて、パラメータＡ、Ｈを推定する手段と、前記代表点を変更して、前記パラメータＡ、Ｈを推定することにより、パラメータＡ、Ｈの推定値の集合ＧＡＨを作成する手段と、前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、前記集合ＧＡＨの中で、パラメータＡの推定値が小グループＧＡxに属する集合ＧＡＨxを作成し、この集合ＧＡＨxに基づいて、パラメータＨの推定値の集合ＧＨを求める手段と、前記集合ＧＨを、それぞれ代表値を有する小グループＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＨn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする。
【００２４】
請求項４に記載の発明は、前記所定の演算処理は、平均処理、或いは最小自乗法による演算であることを特徴とする。
【００２５】
請求項５に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記代表点の画像座標を、左側の仕切線候補線、及び右側の仕切線候補線のそれぞれについて少なくとも１つ以上選択し、この画像座標と、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、に基づいて、パラメータＡ、Ｈを推定する手段と、前記代表点を変更して、前記パラメータＡ、Ｈを推定することにより、パラメータＡ、Ｈの推定値の集合ＧＡＨを作成する手段と、前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記集合ＧＡＨの中で、パラメータＡの推定値が前記小グループＧＡxに属する集合ＧＡＨxを作成する手段と、前記集合ＧＡＨxに属するパラメータＡ、Ｈの推定値Ａnx、Ｈnxを与える、仕切線候補線の代表点の画像座標ｘnx、ｙny（ｎ＝１，２，・・）の集合と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＣ、Ｄの推定値、及び、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（５）式に示した第３の方程式に基づいて、再度パラメータＡ、Ｈを推定し直す手段と、前記推定し直されたパラメータＡ、Ｈを、今回のパラメータとし、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする。
【００２６】
請求項６に記載の発明は、車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、前記各代表点における仕切線候補線の傾きを求める手段と、前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む上記（１）式に示した第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、前記代表点の画像座標を、左側の仕切線候補線、及び右側の仕切線候補線のそれぞれについて少なくとも１つ以上選択し、この画像座標と、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む上記（２）式に示した第２の方程式と、前記推定された積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄと、に基づいて、パラメータＡ、Ｈを推定する手段と、前記代表点を変更して、前記パラメータＡ、Ｈを推定することにより、パラメータＡ、Ｈの推定値の集合ＧＡＨを作成する手段と、前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、前記集合ＧＡＨの中で、パラメータＡの推定値が小グループＧＡxに属する集合ＧＡＨxを作成する手段と、前記集合ＧＡＨxに属するパラメータＡ、Ｈの推定値Ａnx、Ｈnxを与える、仕切線候補線の代表点の画像座標ｘnx、ｙny（ｎ＝１，２，・・）の集合と、前記積（Ｂ＊Ｈ）の推定値と、パラメータＣ、Ｄの推定値、及び、前記第１の方程式に基づいて、前記各パラメータＡ、Ｂ、Ｈ、Ｃ、Ｄを推定し直し、今回の推定結果とする手段と、を有し、前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする。
【００２８】
請求項７に記載の発明は、前記集合ＧＡ、ＧＨを分割する小グループは、それぞれ上記した（３）式、及び（４）式で示され、前記小グループの代表値は、中間値であることを特徴とする。
【００２９】
【発明の効果】
請求項１の発明によれば、真の白線以外に擬似白線がウインドウ内に存在した場合でも、また、擬似白線のみが存在するウインドウが存在した場合でも、道路モデルを精度良く推定できる。
【００３０】
まず、真の白線以外に擬似白線のウインドウ内に存在しても道路モデルを精度良く推定できる理由を説明すと、ウインドウに関しては、擬似白線を含めたすべての白線候補線が満たす後述する（８）式を用いているためである。
【００３１】
次に、擬似白線のみが現れるウインドウが存在する場合でも道路モデルを精度良く推定できる理由を説明する。従来においては、白線候補線が単数の場合、それを真の白線として仮定していたが、本発明では、その仮定をおかないことによるものである。即ち、請求項１に記載した仕切線認識装置は、各ウインドウに現れる白線候補線の数に関係なく、一旦、パラメータＢ，Ｈ，Ｃ，Ｄの関係を求め、それを前提に全白線候補それぞれに対し道路パラメータ（Ａ，Ｂ，Ｃ，Ｄ，Ｈ）を推定し、それら複数の推定値の中から真の推定値を選択する。真の白線候補がどのウインドウに現れるかは関係無い。そのため、擬似白線のみが現れるウインドウが存在しても正確に道路パラメータを推定できる。
【００３２】
請求項２の発明によれば、請求項１よりも更に高精度に道路パラメータが推定できる。請求項２では白線候補線毎に横変位Ａとカメラ高さＨの推定が行われる。パラメータＨの度数分布は、真値を中心とした箇所に極大点が現れるが、２重白線走行時等、擬似白線が存在する場合には数箇所極点が現れる。
【００３３】
２重白線を例に採れば、真の左白線と偽の右側誘導線のペア、偽の左誘導線と真の右白線のペア、左右偽の誘導線のペア等による３つの誤推定が発生するためである。左右偽の誘導線のペアによる車両横変位の推定は誘導線が左右対称に路面に引かれている場合には真値と一致するが、それ以外は偽の推定を与えるため、あらかじめ、高さ推定が車両標準状態から大きく逸脱するペアを採用しないことにより、高さは当然であるが、横変位の推定精度も著しく向上する。
【００３４】
請求項３の発明によれば、請求項１，２より更に高精度に道路パラメータが推定できる。請求項１，２において、パラメータＡ，Ｈの推定はそれぞれ別に行われるため、｛Ａ，Ｈ｝の組の情報、即ち、パラメータＡを選択するとパラメータＨが決定するという関係を利用していない。請求項３ではまず、パラメータＡの推定を行い、その後、その推定を与える｛Ａ，Ｈ｝の組を選び出し、パラメータＨを推定するため、｛Ａ，Ｈ｝の組の情報を利用し推定精度が格段に向上する。
【００３５】
請求項４の発明によれば、所定の演算処理として、平均処理、或いは最小自乗法を用いるので、精度の高い演算が可能となる。
【００３６】
請求項５の発明によれば、請求項１〜請求項４に記載した仕切線認識装置よりも、更に高精度に道路パラメータが推定できる。請求項１〜請求項４ではパラメータＡ，Ｈの推定は最終的には独立で行われる（請求項３においては確かにパラメータＡ，Ｈの関連が現れるが、パラメータＡの推定の後、パラメータＨの推定が行われるため）。請求項５のように、Ａ，Ｂ，Ｃ，Ｄ，Ｈを同時に推定することにより、例えばカルマンフィルタ等の推定技法を適用できるようになり、より合理的に推定が行われるため、推定精度が格段に向上する。
【００３７】
請求項６の発明によれば、請求項１〜請求項４に記載した仕切線認識装置よりも、より一層高精度に道路パラメータが推定できる。請求項１〜請求項４では、パラメータＡ，Ｈの推定は最終的には独立で行われる。請求項６のように、各パラメータＡ，Ｂ，Ｃ，Ｄ，Ｈを同時に推定することにより、例えばカルマンフィルタ等の推定技法を適用できるようになり、より合理的に推定が行われるため、推定精度が格段に向上する。
【００４０】
請求項７の発明によれば、集合ＧＡ、ＧＨを分割する小グループを、（３）式、（４）式で示す如くとするので、精度の高い演算が可能となる。
【００４２】
【発明の実施の形態】
以下、本発明の実施形態を図面に基づいて説明する。図１は、本発明に係る仕切線認識装置１が搭載された車両２を示す構成図である。同図に示すように、仕切線認識装置１は、車両２の前方の映像を撮影するＣＣＤカメラ（撮影手段）３と、当該ＣＣＤカメラ３で撮影された映像に基づいて、車両前方側の道路の白線を認識処理を行うプロセッサ４と、から構成されている。なお、以下の説明においては、道路に引かれた仕切線を白線として説明するが、本発明は、これに限定されるものではなく、黄線等の仕切線においても同様に適用することができる。
【００４３】
図２は、本発明の第１の実施形態に係る仕切線認識装置１による画像処理の手順を示すフローチャートである。以下、その詳細を各ステップ毎に説明する。
【００４４】
＜ｓ１；前方画像採り込み＞
従来例で示した手順と同様であり、所定周期でＣＣＤカメラ３は車両前方を撮影し、所定周期でプロセッサ４が画像情報を採り込む。
【００４５】
＜ｓ２；ウインドウ設定＞
従来例で示した手順と同様であり、前回の画像採り込み時にて推定された道路モデルに基づき、ウインドウのｘ方向の中心座標ｘncが計算される。ｘ方向の幅は、道路白線の画像上での動きを考慮して設定する。また、ｙ方向の幅は固定とする。
【００４６】
＜ｓ３；白線候補点選択＞
従来例で示した手順と同様である。
【００４７】
＜ｓ４；白線候補線検出＞
従来例で示した手順と同様であり、ハフ変換により、ウインドウ内の白線候補点の列を直線近似する。座標｛ｘ，ｙ｝を通過する直線はパラメータａ，ｂを用いて、以下の（１０）式のように表すことができる。
【００４８】
ｘ＝ａｙ＋ｂ ・・・（１０）
白線候補点の座標を｛ｘ，ｙ｝とすると、パラメータａを決めることにより、パラメータｂが（１０）式により計算できる。
【００４９】
これにより図３に示す如くの配列を得ることができる。配列の空欄は零を意味している。１が立っている｛ａ，ｂ｝の組合せの中に真値が含まれる。そして、この操作を白線候補点すべてに関して行う。その結果、図４に示す配列を得ることができる。
【００５０】
配列要素｛ａr，ｂr｝の数ｚrは、以下の（１１）式で与えられる直線が貫く白線候補点の数を表している。
【００５１】
ｘ＝ａr*ｙ＋ｂr ・・・（１１）
配列要素の数が所定値以上のものを白線候補点とする。Ｎ番目のウインドウでの白線候補線は以下に示す形で記憶される。
【００５２】
｛｛ａn1，ｂn1），｛ａn2，ｂn2｝，・・・｝
例えば、２重白線の場合、ａn1，an2は同一となる。
【００５３】
＜ｓ５；代表点座標算出＞
代表点は白線候補線とウインドウ上辺との交点とする。Ｎ番目のウインドウの上辺のｙ座標をｙnとすると、ｘ座標ｘnmは、以下の（１２）式で示される。
【００５４】
ｘnm＝ａnm*ｙn＋ｂnm ・・・（１２）
ｘの添え字ｎはウインドウ番号を表し、添え字ｍはウインドウ内での白線候補線番号、ｙの添え字はウインドウ番号を表している。代表点の画像座標の集合は以下のようになる。
【００５５】
｛｛ｘ11，ｙ1｝，・・，｛ｘnm，ｙn｝，・・｝
＜ｓ６；候補線傾き算出＞
ｎ番目のウインドウの中のｍ番目の白線候補線の画像上の傾きは、次の（１３）式で得られる。
【００５６】
【数１０】
擬似白線を含めた白線候補線は真の白線に平行であると見なして良い場合が圧倒的に多く、（１４）式が成立すると言える。
【００５７】
【数１１】
【００５８】
【数１２】
【００５９】
＜ｓ８；ＧＡＨの作成＞
左右白線の代表点をそれぞれ１点、無作為に選択し、それらの画像座標を以下のように定義する。
【００６０】
左側白線代表点座標：｛ｘln，ｙln｝
右側白線代表点座標：｛ｘrn，ｙrn｝
ステップｓ７の処理で算出されたＢ＊Ｈ，Ｃ，Ｄを以下の連立方程式（１６）、（１７）に代入し、パラメータＡ，Ｈの推定値｛Ａn，Ｈn｝を得る。
【００６１】
【数１３】
【００６２】
この結果以下の集合ＧＡＨを得る。
【００６３】
ＧＡＨ：｛｛Ａ0，Ｈ0｝，・・，｛Ａn，Ｈn｝，・・｝
＜ｓ９；ＧＡ，ＧＨの作成＞
集合ＧＡＨから以下の集合ＧＡ，ＧＨを抽出する。
【００６４】
ＧＡ：｛Ａ0，・・，Ａn，・・｝
ＧＨ：｛Ｈ0，・・，Ｈn，…｝
＜ｓ１０；ＧＡn，ＧＨnの作成＞
集合ＧＡを以下の例に示すような所定幅のグループに分割する。
【００６５】
ＧＡ0（Ａ｜-2.0<Ａ<=-1.8）： ｛｝
ＧＡ1（Ａ｜-1.8<Ａ<=-1.6）： ｛｝
・・・
ＧＡn（Ａ｜Ａg(n-1)<Ａ<=Ａg(n)： ｛Ａn0，Ａn1，Ａn2｝
・・・
集合ＧＨも同様に以下の例に示すようなグループに分割する。
【００６６】
ＧＨ0（Ｈ｜1.4<Ｈ<=1.5)： ｛｝
ＧＨ1（Ｈ｜1.5<Ｈ<=1.6)： ｛Ｈ10｝
・・・
ＧＨn（Ｈ｜Ｈg(n-1)<Ｈ<=Ｈg(n))：｛Ｈn0，Ｈn1，Ｈn2｝
＜ｓ１１；ＤＡn，ＤＨnの作成＞
ＧＡn，ＧＨnの要素数（度数）をＤＡn，ＤＨnとして記憶する。
【００６７】
＜ｓ１２；ＧＡxの決定＞
真値を含むグループの度数が大きいことは明らかである。しかし、２重白線走行時は誤推定のグループの度数が最大となる場合もあり、必ずしも度数が大きければ信頼性が高い訳ではない。そのため、本発明ではパラメータの変化に着目した。
【００６８】
道路パラメータはすべて連続的に変わるものであり、サンプル時間が短い処理系においては、前回に基づき想定される今回の推定値と真値の偏差は微少であると言える。ただし、これのみによってグループを選択すると、推定のロバスト性が低下する。例えば、ドライバ介入意志は画像処理系には前もって入らないため、想定される推定値の真値への追従遅れが発生する場合がある。即ち、度数、パラメータ変化いずれか一方のみではロバストな推定が達成できない。
【００６９】
これらの事情から、両者の長所を共に採り入れた以下の手順が、パラメータＡの推定に有効であることは明らかである。
【００７０】
ＤＡnが所定値以上であり、かつ、グループの代表値（例えば、（Ａg(n-1)＋Ａag(n)／２）が今回想定されるパラメータＡと最も近いグループＧＡxを選択する。ここで、所定値は２重白線走行時の真のグループの度数を考慮して設定する。また、度数は全体の総数に対する割合で代用しても等価である。
【００７１】
全体の総数の増減に応じて度数の所定値も増減する。なお、前回の推定に基づき今回の推定値を得る方法として、予測フィルタや予測型カルマンフィルタが知られている。例えば予測フィルタの一例として過去の２情報の外挿による予測する手法を（１８）式に示す。
【００７２】
Ａ（０）＝２・Ａ（−１）−Ａ（−２） ・・・（１８）
（Ｎ）はＮサンプル前であることを意味する。
【００７３】
＜ｓ１３；Ａの推定＞
ＧＡxから平均処理、最小２乗法等により代表値Ａxを算出し、それを今回のＡの推定値とする。例えば平均処理の場合Ａxは（１９）式で表される。
【００７４】
【数１４】
ステップｓ１２と同じ理由で、以下の手順がパラメータＨの推定に有効であることは明らかである。
【００７５】
ＤＨnが所定値以上であり、かつ、グループの代表値（例えば、（Ｈg(n-1))＋Ｈag(n)／２）が今回想定されるパラメータＨと最も近いグループＧＨxを選択する。ここで、所定値は２重白線走行時の真のグループの度数を考慮して設定する。また、度数は全体の総数に対する割合で代用しても等価である。
【００７６】
全体の総数の増減に応じて度数の所定値も増減する。なお、前回の推定に基づき今回の推定値を得る方法はパラメータＡと同じであり、省略する。
【００７７】
＜ｓ１５；Ｈの推定＞
ＧＨxから平均処理、最小２乗法等により代表値Ｈxを算出し、それを今回のＨの推定値とする。
【００７８】
＜ｓ１６；Ｂの推定＞
Ｂ＊Ｈの推定値をＨxで除した値を今回のＢの推定値とする。
【００７９】
＜ｓ１７；Ｃ，Ｄの推定＞
Ｃ，Ｄはすでに推定されている値を今回の推定値とする。
【００８０】
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【００８１】
次に、本発明の第２の実施形態について説明する。
【００８２】
第２実施形態は、前述した第１の実施形態とは、ステップｓ８の処理のみが相違する。よって、ステップｓ８以外の処理フローは、図２と同様となる。以下、ステップｓ８における相違点（ｓ８′）についてのみ説明する。
【００８３】
＜ｓ８′；ＧＡＨの作成＞
左側右側白線の代表点をそれぞれ１点、無作為に選択し、それらの画像座標を以下のように定義する。
【００８４】
左側白線｛ｘln，ｙln｝
右側白線｛ｘrn，ｙrn｝
そして、下記の連立方程式（２０）、（２１）式を解き、パラメータＡ，Ｈの推定値｛Ａn，Ｈn｝を得る。
【００８５】
【数１５】
【００８６】
ただし、パラメータＨの推定値が車両標準姿勢で想定されるＨ0と大きく異なる｛Ａ，Ｈ｝の組は選択しない。この効果は説明済みである。２重白線で著しい効果がある。
【００８７】
この結果以下の集合ＧＡＨを得る。
【００８８】
｛｛Ａ0，Ｈ0｝，・・，｛Ａn，Ｈn｝，・・｝
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【００８９】
次に、第３の実施形態について説明する。第３実施形態の処理フローを図５に示す。なお、該第３の実施形態において、ｓ２１〜ｓ２８までの処理は、第１の実施形態のｓ１〜ｓ８と同一であるので、その説明を省略する。
【００９０】
＜ｓ２９；ＧＡの作成＞
ＧＡＨから以下のＧＡを抽出する。
【００９１】
ＧＡ：｛Ａ0，・・，Ａｎ，・・｝
＜ｓ３０；ＧＡnの作成＞
ＧＡを以下の例に示すような所定幅のグループに分割する。
【００９２】
ＧＡ0（Ａ｜-2.0<Ａ<=-1.8）： ｛｝
ＧＡ1（Ａ｜-1.8<Ａ<=-1.6）： ｛｝
・・・
ＧＡn（Ａ｜Ａg(n-1)<Ａ<=Ａg(n)： ｛Ａn0，Ａn1，Ａn2｝
・・・
＜ｓ３１；ＤＡnの作成＞
ＧＡnの要素数（度数）をＤＡnとして記憶する。
【００９３】
＜ｓ３２；ＧＡxの決定＞
第１の実施形態と同一である。
【００９４】
＜ｓ３３；Ａの推定＞
第１の実施形態と同一である。
【００９５】
＜ｓ３４；ＧＡＨxの作成＞
ＧＡＨの中でＡがグループＧＡxに属する集合ＧＡＨx（＝｛｛Ａx0，Ｈx0｝，｛Ａx1，Ｈx1｝，・・｝）を作成する。
【００９６】
＜ｓ３５；ＧＨの作成＞
ＧＡＨxよりＨの集合ＧＨ（＝｛Ｈx0，Ｈx1，・・｝）を抽出する。
【００９７】
＜ｓ３６；ＧＨnの作成＞
ＧＨを以下の例に示すような所定幅のグループに分割する。
【００９８】
ＧＨ0（Ｈ｜1.4<Ｈ<=1.5)： ｛｝
ＧＨ1（Ｈ｜1.5<Ｈ<=1.6)： ｛Ｈ10｝
・・・
ＧＨn（Ｈ｜Ｈg(n-1)<Ｈ<=Ｈg(n))：｛Ｈn0，Ｈn1，Ｈn2｝
・・・
＜ｓ３７；ＤＨnの作成＞
ＧＨnの要素数（度数）をＤＨnとして記憶する。
【００９９】
＜ｓ３８；ＧＨxの決定＞
ＤＨnが所定値以上であり、かつ、グループの代表値（例えば、（Ｈg(n-1)＋Ｈag(n)／２）が今回想定されるＨと最も近いグループＧＨxを選択する。
【０１００】
＜ｓ３９；Ｈの推定＞
ＧＨxから平均処理、最小２乗法等により代表値Ｈxを算出し、それを今回のパラメータＨの推定値とする。
【０１０１】
＜ｓ４０；Ｂの推定＞
Ｂ＊Ｈの推定値をＨxで除した値を今回のＢの推定値とする。
【０１０２】
＜ｓ４１；Ｃ，Ｄの推定＞
Ｃ，Ｄはすでに推定されている値を今回の推定値とする。
【０１０３】
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【０１０４】
次に、第４の実施形態について説明する。第４実施形態の処理フローを図６に示す。
【０１０５】
ステップｓ５１〜ｓ６３までの処理は、前述の第３実施形態のステップｓ２１〜ｓ３４と同一である。但し、ステップｓ３３の「Ａの推定」は行われない。
【０１０６】
＜ｓ６４；Ａ，Ｈの推定＞
ＧＡＨxに属する推定値｛Ａxn，Ｈxn｝を与える白線候補線の代表点の画像座標｛ｘxnl，ｙxnl｝（左側）｛ｘxnr，ｙxnr｝（右側）の集合（ｎ＝０，１，２）、すでに推定されているＢ＊Ｈ，Ｃ，Ｄ、及び下記の（２２）、（２３）式を用いて、パラメータＡ、Ｈを推定する。
【０１０７】
【数１６】
【０１０８】
＜ｓ６５；Ｂの推定＞
Ｂ＊Ｈの推定値をステップｓ６４で得られたパラメータＨで除した値を今回のＢの推定値とする。
【０１０９】
＜ｓ６６；Ｃ，Ｄの推定＞
Ｃ，Ｄはすでに推定されている値を今回の推定値とする。
【０１１０】
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【０１１１】
次に、第５の実施形態について説明する。第５実施形態の処理フローを図７に示す。ここで、ステップｓ７１〜ｓ８３までの処理は、前述した第３実施形態のステップｓ２１〜ｓ３４と同一である。但し、ステップｓ３３の「Ａの推定」は行われない。
【０１１２】
＜ｓ８４；Ａ，Ｂ，Ｃ，Ｄ，Ｈの推定＞
ＧＡＨxに属する推定値｛Ａxn，Ｈxn｝を与える白線候補線の代表点の画像座標｛ｘxnl，ｙxnl｝（左側）｛ｘxnr，ｙxnr｝（右側）の集合（ｎ＝０，１，２）、及び上記した（２２）、（２３）式の連立方程式により、全ての道路パラメータ（Ａ，Ｂ，Ｃ，Ｄ，Ｈ）を一括推定する。推定する手法に最小２乗法、カルマンフィルタがあるが、ここではその詳細は省略する。
【０１１３】
一括で推定することにより、パラメータＡ，Ｂ，Ｃ，Ｄ，Ｈを独立に推定することによる矛盾は全く発生しない。推定精度は格段に向上する。
【０１１４】
補足として、このように｛ｘ，ｙ｝の集合と（２２）、（２３）式より、パラメータＡ，Ｂ，Ｃ，Ｄ，Ｈを推定することは公知であるが、本実施形態の特徴は｛ｘ，ｙ｝の選定が異なっている。従来は｛ｘ，ｙ｝の中に擬似白線候補が含まれ、誤推定が発生したが、本発明では第１〜第４実施形態で説明したように、真の白線候補点候補に絞り込まれているため誤推定が発生しない。
【０１１５】
こうして、各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈが推定され、該パラメータを代入することにより、精度の高い白線の認識が可能となる。
【０１１６】
以上、本発明の道路の仕切線認識装置を図示の実施形態に基づいて説明したが、本発明はこれに限定されるものではなく、各部の構成は、同様の機能を有する任意の構成のものに置き換えることができる。
【図面の簡単な説明】
【図１】本発明の各実施形態に係る仕切線認識装置の構成図である。
【図２】本発明の第１の実施形態、及び第２の実施形態に係る仕切線認識装置の処理手順を示すフローチャートである。
【図３】ハフ変換を示す第１の説明図である。
【図４】ハフ変換を示す第２の説明図である。
【図５】本発明の第３の実施形態に係る仕切線認識装置の処理手順を示すフローチャートである。
【図６】本発明の第４の実施形態に係る仕切線認識装置の処理手順を示すフローチャートである。
【図７】本発明の第５の実施形態に係る仕切線認識装置の処理手順を示すフローチャートである。
【図８】従来における仕切線認識装置の処理手順を示すフローチャートである。
【図９】白線に沿って設定されるウインドウを示す説明図である。
【図１０】白線候補点を示す説明図である。
【図１１】ハフ変換により得られる白線候補線を示す説明図である。
【図１２】白線候補線の代表点を示す説明図である。
【符号の説明】
１ 仕切線認識装置
２ 車両
３ ＣＣＤカメラ（撮影手段）
４ プロセッサ
Claims (7)
- 車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、
前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、
前記各代表点における仕切線候補線の傾きを求める手段と、
前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む下記の第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、
前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡ、及びパラメータＨの推定値の集合ＧＨを作成する手段と、
前記集合ＧＡ、及び集合ＧＨを、それぞれ代表値を有する小グループＧＡn、ＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn、ＤＧn（ｎ＝１，２，・・）を算出する手段と、
前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、
前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、
前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、
前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、
前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、
を有し、
前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする道路の仕切線認識装置。 - 車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、
前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、
前記各代表点における仕切線候補線の傾きを求める手段と、
前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む下記の第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、
前記集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡ、及びパラメータＨの推定値の集合ＧＨを作成する手段と、
前記集合ＧＡ、及び集合ＧＨを、それぞれ代表値を有する小グループＧＡn、ＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn、ＤＧn（ｎ＝１，２，・・）を算出する手段と、
前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、
前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、
前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、
前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、
前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、
を有し、
前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする道路の仕切線認識装置。 - 車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、
前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、
前記各代表点における仕切線候補線の傾きを求める手段と、
前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む下記の第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、
前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、
前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、
前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、
前記選択された小グループＧＡxに基づき、所定の演算処理によりパラメータＡの推定値を求める手段と、
前記集合ＧＡＨの中で、パラメータＡの推定値が小グループＧＡxに属する集合ＧＡＨxを作成し、この集合ＧＡＨxに基づいて、パラメータＨの推定値の集合ＧＨを求める手段と、
前記集合ＧＨを、それぞれ代表値を有する小グループＧＨn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＨn（ｎ＝１，２，・・）を算出する手段と、
前記集合ＧＨの各小グループＧＨn中から、前記要素数ＤＨnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＨと最も近い値となる小グループＧＨxを選択する手段と、
前記選択された小グループＧＨxに基づき、所定の演算処理によりパラメータＨの推定値を求める手段と、
前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＨの推定値に基づいて、パラメータＢの推定値を求める手段と、
を有し、
前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする道路の仕切線認識装置。 - 前記所定の演算処理は、平均処理、或いは最小自乗法による演算であることを特徴とする請求項１〜請求項３のいずれか１項に記載の道路の仕切線認識装置。
- 車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、
前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、
前記各代表点における仕切線候補線の傾きを求める手段と、
前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む下記の第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、
前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、
前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、
前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、
前記集合ＧＡＨの中で、パラメータＡの推定値が前記小グループＧＡxに属する集合ＧＡＨxを作成する手段と、
前記集合ＧＡＨxに属するパラメータＡ、Ｈの推定値Ａnx、Ｈnxを与える、仕切線候補線の代表点の画像座標ｘnx、ｙny（ｎ＝１，２，・・）の集合と、前記積（Ｂ＊Ｈ）の推定値と、前記パラメータＣ、Ｄの推定値、及び、前記各パラメータＣ、Ａ、Ｂ、Ｄ、Ｈを含む下記の第３の方程式に基づいて、再度パラメータＡ、Ｈを推定し直す手段と、
を有し、
前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする道路の仕切線認識装置。 - 車両前方の道路映像を撮影する撮影手段を有し、該撮影手段にて撮影された映像に基づき、離散時間的に、ヨー角相当のパラメータＣ、横変位相当のパラメータＡ、曲率相当のパラメータＢ、ピッチ角相当のパラメータＤ、及びカメラ高さ相当のパラメータＨを推定し、推定された各パラメータに基づいて、前記道路映像に含まれる仕切線を認識する道路の仕切線認識装置において、
前記撮影手段にて撮影された映像から、仕切線の候補となる仕切線候補線を検出し、該仕切線候補線上にて設定される代表点の画像座標を算出する手段と、
前記各代表点における仕切線候補線の傾きを求める手段と、
前記各パラメータＣ、Ｂ、Ｄ、Ｈを含む下記の第１の方程式と、前記代表点の画像座標、及び前記仕切線候補線の傾きに基づいて、パラメータＢとＨとの積（Ｂ＊Ｈ）、及びパラメータＣ、Ｄを推定する手段と、
前記作成された集合ＧＡＨに基づいて、パラメータＡの推定値の集合ＧＡを作成する手段と、
前記集合ＧＡを、それぞれ代表値を有する小グループＧＡn（ｎ＝１，２，・・）に分割し、各小グループに含まれる要素数ＤＡn（ｎ＝１，２，・・）を算出する手段と、
前記集合ＧＡの各小グループＧＡn中から、前記要素数ＤＡnが所定値以上であり、且つ、前記小グループに設定される前記代表値が、今回の処理で想定されるパラメータＡと最も近い値となる小グループＧＡxを選択する手段と、
前記集合ＧＡＨの中で、パラメータＡの推定値が小グループＧＡxに属する集合ＧＡＨxを作成する手段と、
前記集合ＧＡＨxに属するパラメータＡ、Ｈの推定値Ａnx、Ｈnxを与える、仕切線候補線の代表点の画像座標ｘnx、ｙny（ｎ＝１，２，・・）の集合と、前記積（Ｂ＊Ｈ）の推定値と、パラメータＣ、Ｄの推定値、及び、前記第１の方程式に基づいて、前記各パラメータＡ、Ｂ、Ｈ、Ｃ、Ｄを推定し直し、今回の推定結果とする手段と、
を有し、
前記求められたＣ、Ａ、Ｂ、Ｄ、Ｈの推定値を今回のパラメータ値として、前記仕切線位置を求めることを特徴とする道路の仕切線認識装置。 - 前記集合ＧＡ、ＧＨを分割する小グループは、それぞれ下記（３）式、及び（４）式で示され、前記小グループの代表値は、中間値であることを特徴とする請求項１〜請求項６のいずれか１項に記載の道路の仕切線認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001035438A JP4696370B2 (ja) | 2001-02-13 | 2001-02-13 | 道路の仕切線認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001035438A JP4696370B2 (ja) | 2001-02-13 | 2001-02-13 | 道路の仕切線認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002236911A JP2002236911A (ja) | 2002-08-23 |
| JP4696370B2 true JP4696370B2 (ja) | 2011-06-08 |
Family
ID=18898875
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001035438A Expired - Fee Related JP4696370B2 (ja) | 2001-02-13 | 2001-02-13 | 道路の仕切線認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4696370B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111275766B (zh) * | 2018-12-05 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 图像坐标系与gps坐标系的标定方法、装置及摄像机 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002175535A (ja) * | 2000-09-29 | 2002-06-21 | Nissan Motor Co Ltd | 道路白線認識装置 |
| JP2002236912A (ja) * | 2001-02-13 | 2002-08-23 | Nissan Motor Co Ltd | 道路の仕切線認識装置 |
-
2001
- 2001-02-13 JP JP2001035438A patent/JP4696370B2/ja not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002175535A (ja) * | 2000-09-29 | 2002-06-21 | Nissan Motor Co Ltd | 道路白線認識装置 |
| JP2002236912A (ja) * | 2001-02-13 | 2002-08-23 | Nissan Motor Co Ltd | 道路の仕切線認識装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2002236911A (ja) | 2002-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10043082B2 (en) | Image processing method for detecting objects using relative motion | |
| US7899211B2 (en) | Object detecting system and object detecting method | |
| US8050459B2 (en) | System and method for detecting pedestrians | |
| US7660436B2 (en) | Stereo-vision based imminent collision detection | |
| US5311305A (en) | Technique for edge/corner detection/tracking in image frames | |
| Kim | Real time object tracking based on dynamic feature grouping with background subtraction | |
| US5757287A (en) | Object recognition system and abnormality detection system using image processing | |
| JP5127182B2 (ja) | 物体検出装置 | |
| US8406474B2 (en) | Method and apparatus for identifying obstacle in image | |
| US7262710B2 (en) | Collision time estimation apparatus for vehicles, collision time estimation method for vehicles, collision alarm apparatus for vehicles, and collision alarm method for vehicles | |
| EP3070430B1 (en) | Moving body position estimation device and moving body position estimation method | |
| WO2008020598A1 (fr) | Dispositif et procédé de détection d'un nombre d'objets | |
| JP2000011133A (ja) | 移動物体検出装置及びその方法 | |
| US8339454B1 (en) | Vision-based car counting for multi-story carparks | |
| CN112580508A (zh) | 停车位角点修正方法以及停车位角点修正系统、车辆 | |
| CN108108667A (zh) | 一种基于窄基线双目视觉的前方车辆快速测距方法 | |
| US20180060679A1 (en) | Vanishing point correction apparatus and method | |
| Cerri et al. | Free space detection on highways using time correlation between stabilized sub-pixel precision IPM images | |
| US10417507B2 (en) | Freespace detection apparatus and freespace detection method | |
| Srinivasa et al. | A fusion system for real-time forward collision warning in automobiles | |
| JP6798609B2 (ja) | 映像解析装置、映像解析方法およびプログラム | |
| CN113221739A (zh) | 基于单目视觉的车距测量方法 | |
| JP4696370B2 (ja) | 道路の仕切線認識装置 | |
| JP2002367077A (ja) | 交通渋滞判定装置及び交通渋滞判定方法 | |
| US20200003574A1 (en) | Method and device for fast detection of repetitive structures in the image of a road scene |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071221 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20101007 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101019 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101206 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110201 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110214 |
|
| LAPS | Cancellation because of no payment of annual fees |