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
【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
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。
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 |