JP5648546B2

JP5648546B2 - 通路検出装置、方法、及びプログラム

Info

Publication number: JP5648546B2
Application number: JP2011059279A
Authority: JP
Inventors: 鈴木　智広; 智広鈴木
Original assignee: IHI Corp
Current assignee: IHI Corp
Priority date: 2011-03-17
Filing date: 2011-03-17
Publication date: 2015-01-07
Anticipated expiration: 2031-03-17
Also published as: JP2012194872A

Description

本発明は、車両の走行通路等の通路を検出する通路検出装置、方法、及びプログラムに関する。

従来から、車載カメラ等で撮影した画像に対する画像処理を行って、舗装された走行通路上の白線等に基づいて走行通路を自動的に検出し、その検出結果に基づいて車両の運転状態を自動制御する技術が開発されている。また、近年では、かかる技術を発展させ、舗装された走行通路のみならず、林道や災害現場或いは工事現場等の不整地・未舗装路を無人で走行可能な災害救助車両や工事車両等の車両の開発も盛んに行われている。

以下の特許文献１には、道路の轍を検出して轍を避けて走行するようにした車両用自動操舵装置が開示されている。この車両用自動操舵装置は、レーザ光で車両前方を走査して得られる車両前方の撮像画像を処理して道路の白線と轍を検出し、白線の検出結果及び車速検出値に基づいて目標操舵角を演算するとともに、道路の轍の検出結果に基づいて目標操舵角を補正し、操舵角検出値が補正後の目標操舵角となるようにステアリングを駆動制御している。

また、以下の特許文献２には、不整地・未舗装路等のように道路の境界が明確に存在しない場所を、撮像装置によって撮像した画像を用いて自律走行する自律走行体の走行制御方法の一例が開示されている。具体的には、走行体に搭載される撮像装置によって撮像された画像を複数の領域に分割し、各分割領域毎に求めた分割領域内の特徴量と所定の閾値とを比較して追従対象領域を抽出し、この追従対象領域上に設定した注視点に向かうための走行体の操舵角を算出して操舵制御している。

また、本発明の背景となる他の技術を開示するものとして、特許文献３〜特許文献５がある。

特許第３５８２４４９号公報特開２００２−１３２３４３号公報特許第２８３６９４９号公報特開２０１１−８４３９号公報特開２００９−２８１９３１号公報

ところで、従来は、画像の輝度又は画像の輝度の変化を基準として轍の検出を行っている。例えば、画像の輝度が所定の閾値以下である領域を轍として検出し、或いは輝度の変化率が大きい場所を轍のエッジとみなして轍である領域とそれ以外の領域とに分割している。しかしながら、輝度を基準とする方法では、明るさが周囲と殆ど同じで路面の粗さだけが異なるような轍を検出することができないという問題がある。また、輝度の変化に基づいて轍を検出する方法では、例えば草が茂るなどして轍の境界が曖昧な未舗装路に対応することができないという問題がある。

本発明は、上記事情に鑑みてなされたものであり、轍の検出精度を高めることによって、従来よりも精確に通路を検出することができる通路検出装置、方法、及びプログラムを提供することを目的とする。

上記課題を解決するため、本発明は、所定の撮影領域を撮影した画像である入力画像に含まれる通路領域を検出する通路検出装置であって、前記入力画像に対して所定の画像処理を行うことで前記通路領域の中心領域を抽出する抽出手段と、前記撮影領域を撮影した赤外線画像を用いて、撮影対象が植物であるか否かを検出する植生検出手段と、前記植生検出手段による検出結果に基づいて、前記抽出手段によって抽出された前記中心領域の位置を補正する補正手段と、前記補正手段によって位置が補正された中心領域を基準として、前記通路領域を検出する通路領域検出手段とを備えることを特徴とする。

本発明によれば、赤外線画像を用いて撮影対象が植物であるか否かを検出する植生検出手段の検出結果に基づいて、画像処理を用いて抽出手段によって抽出された中心領域の位置が、補正手段によって補正される。そして、補正手段によって位置が補正された中心領域を基準として、通路領域検出手段によって通路領域が検出される。そのため、抽出手段によって抽出された中心領域に植物が存在していた場合には、容易に、植物が比較的存在していない位置に、その中心領域の位置を補正することができる。したがって、通路領域検出手段は、植物が比較的存在していない中心領域を基準として通路領域を検出することができる。よって、植物が存在することによる影響によって通路検出の精度が低下してしまうことを抑えることができ、植物が茂ることで轍や境界が曖昧となった未舗装路も精確に検出することができる。

本発明の一実施形態による通路検出装置の要部構成を示すブロック図である。車載カメラ１００の一例を示す図である。乾燥状態での反射率の一例を示す図である。濡れ状態での反射率の一例を示す図である。図１の植物検出部３２の動作を示すフローチャートである。補正前の中心ブロックの一例を示す図である。中心ブロックの補正処理に関する説明図である。図６に示す中心ブロックを補正した場合の一例を示す図である。図６に示す補正前の中心ブロックを用いて通路を検出した結果の一例を示す図である。図８に示す補正後の中心ブロックを用いて通路を検出した結果の一例を示す図である。特徴量の分布の一例を示す図である。検出動作の全体的な流れを示すフローチャートである。中心ブロックを抽出する処理の詳細を示すフローチャートである。車載カメラから得られる入力画像の一例を示す図である。小領域形成部３１ａのフィルタリング処理に関する説明図である。小領域形成部３１ａのテクスチャ方向特定処理に関する説明図である。小領域形成部３１ａの投票処理に関する説明図である。小領域形成部３１ａの投票処理に関する説明図である。小領域形成部３１ａの投票処理に関する説明図である。小領域形成部３１ａの消失点特定処理に関する説明図である。小領域形成部３１ａの消失点特定処理に関する説明図である。小領域形成部３１ａの小領域分割処理に関する説明図である。小領域形成部３１ａの小領域分割処理に関する説明図である。小領域選別部３１ｂのノイズフィルタリング処理に関する説明図である。小領域選別部３１ｂのノイズフィルタリング処理に関する説明図である。小領域選別部３１ｂのノイズフィルタリング処理に関する説明図である。通路領域推定部３１ｃのクラスタリング処理に関する説明図である。通路領域推定部３１ｃのクラスタリング処理に関する説明図である。通路領域推定部３０ｃの最適クラスタ選択処理に関する説明図である。通路領域推定部３０ｃの最適クラスタ選択処理に関する説明図である。中心ブロック抽出部３１における中心線推定部３０ｄの中心線推定処理を表すフローチャートである。中心線推定部３１ｄの中心線推定処理に関する説明図である。中心線推定部３１ｄの中心線推定処理に関する説明図である。中心線推定部３１ｄの中心線推定処理に関する説明図である。推定された中心線から中心ブロックが抽出される様子を示す図である。補正された中心ブロックの一例を示す図である。基準ブロックを説明するための図である。検出された通路領域の一例を示す図である。

以下、図面を参照して本発明の一実施形態による通路検出装置、方法、及びプログラムについて詳細に説明する。図１は、本発明の一実施形態による通路検出装置の要部構成を示すブロック図である。図１に示す通り、本実施形態の通路検出装置１は、Ａ／Ｄ（アナログ／ディジタル）コンバータ１０、記憶装置２０、画像処理装置３０、及びＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）４０を備えており、外部から入力される画像信号から未舗装路の轍を通路領域として検出する。尚、図１に示す通路検出装置１は、例えばパーソナルコンピュータ等のコンピュータによって実現され、災害救助車両や工事車両等の特殊車両に搭載されて車両の進行方向を撮影する車載カメラ（図示省略）から入力される画像信号から轍を通路領域として検出する。

Ａ／Ｄコンバータ１０は、不図示の車載カメラから入力される画像信号をディジタルデータに変換し、入力画像を示す入力画像データとして画像処理装置３０に出力する。尚、本実施形態においては、図２に示すような車載カメラ１００から入力画像信号が供給されるものとする。

図２に示す車載カメラ１００は、レンズ１１１、ハーフミラー１１２ａ及び１１２ｂ、水吸収波長帯透過フィルタ１１３、レンズ１１４、ＩｎＳｂ（ＩｎｄｉｕｍＡｎｔｉｍｏｎｉｄｅ）半導体受光素子１１５、近赤外透過フィルタ１１６、レンズ１１７、ＣＣＤ（ｃｈａｒｇｅ−ｃｏｕｐｌｅｄｄｅｖｉｃｅ）受光素子１１８、赤外遮断フィルタ（すなわち近赤外カットフィルタ）１１９、レンズ１２０及びＣＣＤ受光素子１２１を具備する。ハーフミラー（もしくは、ダイクロイックミラー）１１２ａ及び１１２ｂは、入射光の一部を反射し、一部を透過させる。

ここで、水吸収波長帯の波長とは、水分によって吸収されやすい波長帯の波長であって、例えば短波赤外（ＳｈｏｒｔＷａｖｅＩｎｆｒａＲｅｄ、以下、適宜「ＳＷＩＲ」と記載する。）内にある水の吸収波長（１４５０ｎｍ±５０ｎｍ、もしくは、１９４０ｎｍ±１００ｎｍ）が該当する。また、ＩｎＳｂ半導体受光素子１１５は、フォトダイオードをアレイ状に形成したイメージセンサであり、短波赤外を電気信号に変換する。このＩｎＳｂ半導体受光素子１１５には、レンズ１１１を透過し、ハーフミラー１１２ａで反射し、さらにハーフミラー１１２ｂ及び水吸収波長帯透過フィルタ１１３を透過し、レンズ１１４で収束された短波赤外線が入射する。

一方、ＣＣＤ受光素子１１８には、レンズ１１１を透過し、ハーフミラー１１２ａで反射し、ハーフミラー１１２ｂで反射し、さらに近赤外透過フィルタ１１６を透過し、レンズ１１７で収束された近赤外線（Ｎｅａｒ−ｖｉｓｉｂｌｅＩｎｆｒａＲｅｄ、以下適宜「ＮＩＲ」と記載する。）が入射する。近赤外透過フィルタ１１６としては、例えば波長８００ｎｍ以上の光のみを透過するロングパスフィルタを使用することができる。なお、本実施形態で用いるＮＩＲの波長としては、８００ｎｍ〜１３００ｎｍの任意の帯域を用いることができる。ただし、この例の場合、近赤外透過フィルタ１１６による下限波長８００ｎｍと、ＣＣＤ受光素子の受光波長の上限である９００ｎｍから１１００ｎｍくらいとの間の帯域が使用されることになる。

また、ＣＣＤ受光素子１２１には、レンズ１１１を透過し、ハーフミラー１１２ａを透過し、さらに赤外遮断フィルタ１２０を透過し、レンズ１２０で収束された可視光が入射する。

尚、本実施形態では、ＣＣＤ受光素子１２１から、一例として、視野が約６０°であって解像度がＶＧＡ（ＶｉｄｅｏＧｒａｐｈｉｃｓＡｒｒａｙ；横６４０画素×縦４８０画素）であり、モノクロの画像信号が出力されることとする。つまり、ＣＣＤ受光素子１２１からは、横６４０×縦４８０個の各画素の輝度を示す輝度データからなる画像信号が出力される。ＣＣＤ受光素子１２１から出力される画像信号は、可視光画像を表す信号であり、Ａ／Ｄコンバータ１０を介して中心ブロック抽出部３１へ入力される。ただし、車載カメラ１００からディジタル化された画像信号が出力される場合には、Ａ／Ｄコンバータ１０を省略することができる。

他方、ＩｎＳｂ半導体受光素子１１５及びＣＣＤ受光素子１１８からも、視野が約６０°であって横６４０×縦４８０個の各画素の輝度を示す輝度データからなる画像信号が出力される。ここで、ＩｎＳｂ半導体受光素子１１５から出力される画像信号は、遠赤外線画像を表す信号であり、Ａ／Ｄコンバータ１０を介して植生検出部３２へ入力される。また、ＣＣＤ受光素子１１８から出力される画像信号は、近赤外線画像を表す信号であり、Ａ／Ｄコンバータ１０を介して植生検出部３２へ入力される。

なお、図２に示す車載カメラ１００は、単一のカメラ内にハーフミラー等を備え、そのハーフミラー等で分光することで可視光画像と赤外線画像とを含む複数種類の画像信号を出力可能としたものである。ただし、本発明の通路検出装置に入力される画像信号は、単一のカメラで撮影したものに限らず、複数のカメラを用いて撮影したものであってもよい。すなわち複数のカメラを用い、複数のカメラが同じ方向で別の周波数帯の画像を撮影するような構成を用いることもできる。

なお、以下の説明では、説明を簡単にするため、ＩｎＳｂ半導体受光素子１１５及びＣＣＤ受光素子１１８並びにＣＣＤ受光素子１２１の視野が一致していることとする。つまり、ＩｎＳｂ半導体受光素子１１５、ＣＣＤ受光素子１１８及びＣＣＤ受光素子１２１の各撮像素子における同一座標の画素（すなわち横６４０画素×縦４８０画素において互いに対応する画素）は、同一の撮影対象を撮影（すなわち同一の撮影対象によって反射された光を光電変換）しているものとする。ただし、実際には、レンズ毎に視野が異なることや、ＩｎＳｂ半導体受光素子とＣＣＤ受光素子とで画素間隔が異なる場合があることなどから、同一画像を撮像する各画素を対応させるには、座標変換や、画素間隔の違いを補正するための補間処理が必要となることがある。

記憶装置２０は、例えばハードディスクによって実現され、通路検出プログラムＰＧ、複数種類のガボールフィルタＦ１〜Ｆ３０（すなわちガボールフィルタＦ１〜Ｆ３０のパラメータを表すデータなど）、及び植生判定閾値ＴＨを記憶する。この記憶装置２０は、画像処理装置３０からの読み出し要求に応じて上記の通路検出プログラムＰＧ、ガボールフィルタＦ１〜Ｆ３０、及び植生判定閾値ＴＨを画像処理装置３０に出力する。

ここで、通路検出プログラムＰＧは、入力画像データから未舗装路の轍を通路領域として検出する処理を通路検出装置１で実現するためのプログラムである。この通路検出プログラムＰＧが画像処理装置３０によって読み出されて実行されることにより、画像処理装置３０において、中心ブロック抽出部３１、植生検出部３２、中心ブロック補正部３３、及び通路領域検出部３４の各機能が実現される。

また、ガボールフィルタＦ１〜Ｆ３０は、２次元ガウス関数と２次元平面上を一方向に伝播する正弦波関数とを乗じて得られる２次元ガボール関数を利用した空間周波数フィルタであり、２次元ウェーブレットフィルタの一形態である。互いに直交するＸ軸及びＹ軸からなる２次元直交座標系における２次元ガボール関数ＧＢ（ｘ，ｙ）は以下の（１）式で表される。尚、以下の（１）式において、ｕ_０は波の角周波数、σはガウス関数の標準偏差（ガウス窓の幅）を示すパラメータである。また、２次元ガボール関数ＧＢ（ｘ，ｙ）は、波の方向を示すパラメータ（方向パラメータ）として角周波数ｕ_０の偏角φを有している。

以上の２次元ガボール関数ＧＢ（ｘ，ｙ）を利用したガボールフィルタを用いて、入力画像データをフィルタリングすることにより、入力画像の周波数特性やテクスチャ（模様）方向特性を抽出することができる。具体的には、入力画像において、方向パラメータ（偏角φ）と平行なテクスチャ方向を有すると共に、周波数パラメータ（角周波数ｕ_０）に近い周波数特性を有する領域が感度良く抽出される。

本実施形態では、方向パラメータ（角周波数ｕ_０の偏角φ）及び周波数パラメータ（角周波数ｕ_０）が異なる３０種類のガボールフィルタＦ１〜Ｆ３０が記憶装置２０に記憶されている。ここで、上記の周波数パラメータは、抽出すべき轍の幅に応じて設定される。例えば、波の波長（周期）が視野上で１．５〜４度（２５〜５０ｃｍ）程度となるように角周波数ｕ_０が設定される。かかる設定によって、轍が感度良く抽出されやすくなる。尚、本実施形態では、３０種類のガボールフィルタＦ１〜Ｆ３０が記憶装置２０に記憶されている例について説明するが、その数や種類は入力画像の解像度や画像処理装置３０の処理能力に応じて適宜変更することができる。

画像処理装置３０は、例えばＣＰＵ（中央処理装置）であり、記憶装置２０から読み出した通路検出プログラムＰＧに従って、入力画像データに対して所定の画像処理を行うことにより、未舗装路の轍を通路領域として検出する。この画像処理装置３０では、上記通路検出プログラムＰＧが実行されることによって中心ブロック抽出部３１（抽出手段）、植生検出部３２（植生検出手段）、中心ブロック補正部３３（補正手段）、及び通路領域検出部３４（検出手段）の各機能が実現される。

中心ブロック抽出部３１は、小領域形成部３１ａ、小領域選別部３１ｂ、通路領域推定部３１ｃ、及び中心線推定部３１ｄを備えており、Ａ／Ｄコンバータ１０から出力される可視光画像データを複数のブロックに区分し、通路領域としての轍のおおよその位置を示すブロック（中心ブロック）を１又は複数、抽出する。尚、この中心ブロックは、轍の画像が含まれる可能性のあるブロックということもできる。

小領域形成部３１ａは、入力画像に含まれる通路領域を推定するために必要な通路推定情報として、通路領域の一部である可能性の高さを示す通路候補パラメータが与えられた複数の小領域を入力画像中に形成する。具体的には、入力画像データに対して、後述するフィルタリング処理、テクスチャ（模様）方向特定処理、強エッジ領域抽出処理、投票処理、消失点特定処理、及び小領域分割処理を実行することによって、上記の小領域を入力画像中に形成する。

ここで、フィルタリング処理とは、記憶装置２０から読み出した複数のガボールフィルタＦ１〜Ｆ３０を用いて入力画像における通路検出対象領域をフィルタリングすることにより、通路検出対象領域についての各方向（φ１〜φ３０）の強度分布データを生成する処理である。テクスチャ方向特定処理とは、上記フィルタリング処理によって生成された強度分布データを基に、通路検出対象領域における各画素のテクスチャ方向を特定する処理である。強エッジ領域抽出処理とは、入力画像における通路検出対象領域のエッジ検出処理を行うことにより、通路検出対象領域に存在する強エッジ領域を抽出する処理である。

投票処理とは、入力画像における通路検出対象領域を奥行き方向に沿って複数に分割して得られる分割領域毎に、分割領域における各画素のそれぞれを投票元画素として選択し、その投票元画素を起点としてそのテクスチャ方向に平行な直線上に存在する画素、又は投票元画素を起点としてそのテクスチャ方向に沿うように設定された投票対象領域に含まれる画素に対して投票を行う処理である。消失点特定処理とは、上記の分割領域毎に、上記投票処理による投票結果を基に投票回数が最も大きい画素を消失点として特定する処理である。

小領域分割処理とは、上記の分割領域毎に、消失点特定処理にて特定した消失点を頂点とする領域を複数の小領域に分割し、各小領域の各々に対して、その小領域に含まれる消失点の投票元画素の比率を基に決定した通路候補パラメータを与える処理である。尚、これらフィルタリング処理、テクスチャ方向特定処理、強エッジ領域抽出処理、投票処理、消失点特定処理、及び小領域分割処理の詳細については後述する。

小領域選別部３１ｂは、上記の小領域形成部３１ａによって形成された複数の小領域の各々に与えられた通路候補パラメータに基づいて、これらの小領域を通路候補領域とそれ以外の（ノイズ成分の可能性の高い）非通路候補領域とに選別する。具体的には、この小領域選別部３１ｂは、複数の小領域の各々に与えられた通路候補パラメータに基づいて、通路領域の一部である可能性の高い小領域を通路候補領域とし、通路領域の一部である可能性の低い小領域を非通路候補領域とする一方で、通路候補領域によって一部又は全部を囲まれた非通路候補領域の通路候補パラメータの値を高くすることで非通路候補領域を通路候補領域に変更し、また、他の通路候補領域から孤立した位置に存在する通路候補領域の通路候補パラメータの値を低くすることで当該通路候補領域を非通路候補領域に変更する。尚、このような小領域選別部３１ｂによる小領域の選別処理（ノイズフィルタリング処理）の詳細については後述する。

通路領域推定部３１ｃは、上記の小領域選別部３１ｂによる小領域の選別結果に基づいて、隣接する通路候補領域をグループ化することで得られる領域群の内、最も通路らしい領域群を入力画像に含まれる通路領域として選択する。具体的には、通路領域推定部３１ｃは、通路候補領域のグループ化により得られる領域群の各々について、以下の（２）式に示される評価関数ｆ（Ｆ，Ｈ，Ｃ，Ａ）の値を求め、その値が最も大きい領域群を入力画像に含まれる通路領域として選択する。

但し、上記（２）式中の第１変数Ｆは領域群に入力画像における奥行き方向の手前側の領域が含まれるか否かを示す変数であり、第２変数Ｈは領域群の奥行き方向の長さを示す変数であり、第３変数Ｃは領域群に含まれる通路候補パラメータの値が最も大きな通路候補領域の数を示す変数であり、第４変数Ａは領域群の総面積を示す変数である。また、上記（２）式中の第１重み係数ｋ_１〜第４重み係数ｋ_４は、第１変数Ｆ〜第４変数Ａにそれぞれ乗算される係数である。尚、通路領域推定部３１ｃによる通路領域の推定処理の詳細については後述する。

中心線推定部３１ｄは、上記の通路領域推定部３１ｃによって選択された通路領域の中心線を推定する機能を有する。具体的には、中心線推定部３１ｄは、入力画像を奥行き方向に沿って複数に分割して得られる分割領域の各々について重心を求め、最も手前側の分割領域の重心を起点として各分割領域毎に消失点に向かう直線を引くことで仮の中心線を作成すると共に仮の中心線と各重心との間の距離の２乗和を算出する。また、入力画像の横方向に沿って起点をずらしながら複数の仮の中心線を作成すると共に複数の仮の中心線の各々について各重心との間の距離の２乗和を算出し、これら２乗和の値が最も小さい仮の中心線を通路領域の中心線として選択する。そして、選択して中心線が通るブロックを中心ブロックとする。尚、中心線推定部３１ｄによる中心線の推定処理の詳細については後述する。

植生検出部３２は、反射率比算出部３２ａ及び判定部３２ｂを備えており、Ａ／Ｄコンバータ１０から出力される赤外線画像データに基づき、赤外線画像を構成する各画素が植生領域（あるいは単体の植物）によって反射された光を撮影したものであるのか否かを検出する。

反射率比算出部３２ａは、ＩｎＳｂ半導体受光素子１１５及びＣＣＤ受光素子１１８の出力をＡ／Ｄコンバータ１０を用いて変換することで得た各画素の画素値と、撮影時の露光時間、ゲインなどのデータとに基づいて、水の吸収波長帯域における反射率と、近赤外帯域における反射率との比（反射率比）を算出する。

判定部３２ｂは、反射率比算出部３２ａによって算出された反射率比と記憶部２０に記憶されている植生判定閾値ＴＨとを比較し、観測対象物が植物か否かを画素毎に判定する。短波赤外（ＳＷＩＲ）と近赤外（ＮＩＲ）とでの反射率比については、図３及び図４に示すようにそれぞれの材質によって植物の葉が持つ値とそれ以外が持つ値について明確な差がある。そのため、判定部３２ｂは、この性質を利用して植生であるか否かの判定を行う。

図５は、植生検出部３２における処理の流れを示す図である。図５に示すように、植生検出部３２は、（１）ＳＷＩＲの波長帯域に関する画像データに基づいて算出される反射率と、ＮＩＲの波長帯域に関する画像データに基づいて算出される反射率との比（反射率比）を算出し（ステップＳ４１）、（２）その反射率比と所定の閾値とを比較することによって、観測対象物が植物か否かを判別する（ステップＳ４２）。

なお、植生判定閾値ＴＨは、例えば、晴れの場合には２．０〜３．０の間の値を用い、雨天の場合には２．５〜４．０の間の値を用いるよう状況に切り分けて設定するか、共通で２．５〜３．０の間の値を設定することができる。

中心ブロック補正部３３は、植生割合算出部３３ａ及び中心ブロック変更部３３ｂを備えており、植生検出部３２の出力に基づいて、中心ブロック抽出部３１で抽出された中心ブロックの位置を補正する。

植生割合算出部３３ａは、中心ブロックの周囲のブロック（例えば、横一列のブロック）それぞれにおける植物の割合を計算する。

中心ブロック変更部３３ｂは、植生割合算出部３３ａで算出された植物の割合の計算結果に基づいて、最も植物の割合が少ないブロックを「補正済み中心ブロック」とする。

ここで、図６〜図８を参照して中心ブロック補正部３３による処理内容について具体例を示して説明する。図６は、中心ブロック抽出部３１が処理対象とした画像５０の一例と、中心ブロック抽出部３１によって画像５０から抽出された中心線５１と中心ブロック５２の一例を示す図である。領域５３及び５４は、中心ブロック５２を中心として植物の割合を計算する対象となる周囲の（左右の）領域である。この例では、図７に示すように、中心ブロック５２の左右５ブロックずつ（ブロック５３１〜５３５及びブロック５４１〜５４５）が計算対象となる。

植物の割合は、植生検出部３２による判定の結果に基づいて、植生割合算出部３３ａによって、植物と判定された画素の個数をブロック毎に積算することで算出される。例えば図７の中心ブロック５２については、中心ブロック５２、ブロック５３１〜５３５及びブロック５４１〜５４５について、各ブロックを構成する複数の画素（各ブロックがｎ画素×ｎ画素とするとｎ×ｎ個分）のうち植物と判定された画素の個数がブロック毎に算出される。そして、中心ブロック変更部３３ｂによって、中心ブロック５２、ブロック５３１〜５３５及びブロック５４１〜５４５のなかで最も植物と判定された画素の個数の少なかったブロックが、新たな中心ブロック５２として選択される（図８参照）。中心ブロック補正部３３では、中心ブロック抽出部３１によって抽出された各中心ブロックについてそれぞれ補正処理が行われる。

尚、図９及び図１０は、図６及び図８に示した画像対して通路領域検出部３４によって通路領域５５を検出した場合の結果の一例を示す図である。中心ブロックの補正処理を行っていない場合（図９の場合）には草地部分が中心ブロックとなっていたため、そのブロックと同様の特徴量をもつ植生領域に通路領域５５が抽出されてしまっている。他方、中心ブロック５２の補正処理を行った場合（図１０の場合）には、中心ブロック５２を草地部分から植物の無い部分へと移動させているため、通路領域５５が植生領域以外の領域（この例では轍の領域）に抽出できている。

通路領域検出部３４は、第１算出部３４ａ（第１算出手段）、第２算出部３４ｂ（第２算出手段）、重み決定部３４ｃ（重み決定手段）、及び抽出部３４ｄ（ブロック抽出手段）を備えており、中心ブロックの特徴量と同様の特徴量を有する領域（ブロック）を入力画像から抽出することによって通路領域を検出する。具体的には、以下に示すような特徴量の重み付けを行うことによって、中心ブロックの特徴量と同様の特徴量を有するブロックを抽出する。

すなわち、通路領域検出部３４によって用いられる特徴量としては、例えば次のような特性を用いることができる。
（ａ）輝度の平均値：１種類
（ｂ）輝度の標準偏差：１種類
（ｃ）ガボールフィルタによって得られる特徴量：３０種類

第１算出部３４ａは、中心ブロック補正部３３で補正された中心ブロックと、この中心ブロックの左右方向に隣接するブロックとを基準ブロックとし、基準ブロックについての特徴量の平均値及び標準偏差を特徴量の種類毎に求める。第２算出部３４ｂは、全てのブロックについての特徴量の平均値を特徴量の種類毎に求める。尚、第２算出部３４ｂが平均値を求める際には、必ずしも全てのブロックを用いる必要はない。例えば、轍の抽出に全く関与しない画像（例えば、地平線の上方の画像）が含まれるブロックを除外し、残りのブロックについての特徴量の平均値を求めるのが望ましい。

重み決定部３４ｃは、第１算出部３４ａで求められた基準ブロックについての平均値と第２算出部３４ｂで求められた複数のブロックの全てについての平均値との差が大きな特徴量については重みが重くなるように特徴量毎の重みを決定する。また、第１算出部３４ａで求められた基準ブロックについての標準偏差が小さな特徴量については重みが重くなるように特徴量毎の重みを決定する。

ここで、第１算出部３４ａで求められる基準ブロックについてのｉ番目（ｉは１≦ｉ≦３７を満たす整数）の特徴量の平均値及び標準偏差をそれぞれμ＾_ｉ，σ＾_ｉとし、第２算出部３４ｂで求められる複数のブロックの全てについての特徴量の平均値をμ_ｉとし、ａ，ｂ，ｃを任意の定数とする。尚、表記の都合上、上記の記号「μ＾」は、文字「μ」の上部にハット記号「＾」が付された記号であることを意味している。同様に、上記の記号「σ＾」は、文字「σ」の上部にハット記号「＾」が付された記号であることを意味している。重み決定部３４ｃは、以下の（３）式を用いてｉ番目の特徴量毎の重みｗ′_ｉを決定する。

上記（３）式を参照すると、右辺第１項は基準ブロックにおける特徴量の全体に対する偏りを表しており、右辺第２項はその特徴量の基準ブロック内での広がりを表している。右辺第１項が大きく右辺第２項が大きい場合には、その特徴量は基準ブロックとそれ以外のブロックとの間では値が大きく異なる一方で、基準ブロック間では近い値になる。このため、このような特徴量は、未舗装路の轍の特徴を良く表していると考えられるため重みを大きくしている。

また、上記（３）式を参照すると、重みｗ′_ｉは負の値をとる場合がある。重み決定部３４ｃは、得られた重みｗ′_ｉが負の値である場合には、その値を零に決定する。また、どのような画像であっても重みほぼ零に近い特徴量については、精度を保ったまま処理に要する時間を短縮するために削除する処理を行う。更に、重み決定部３４ｃは、以下の（４）式を用いて正規化した重みｗ_ｉを求める。

また、各ブロックの特徴量の分布は、図１１に示す通り、平均値μに関して対称ではなく、偏った分布になることが多い。図１１は、特徴量の分布の一例を示す図である。具体的には、特徴量の分布が、図１１中の符号Ｄを付した曲線の通り、値が平均値μよりも小さな領域では分布が広くなり、値が平均値μよりも大きな領域ではμ＋２σ程度の範囲に集中する分布になる。

このため、重み決定部３４ｃは、以下の（５）式を用いて各特徴量を正規化するための正規化係数ｓ_ｉも求める。

尚、分布の偏りのない特徴量を用いる場合や、基準ブロックのサンプル数が多く特徴量の分布が正確に分かる場合には、必ずしも上記の正規化係数ｓ_ｉを求める必要はなく、別の正規化方法を用いることができる。

抽出部３４ｄは、重み決定部３４ｃで重み付けされた特徴量を用いて画像に含まれる未舗装路の轍を抽出する。具体的には、処理対象のブロックにおけるｉ番目の特徴量の値をｆ_ｉ、中心ブロックにおけるｉ番目の特徴量の値をｆ_ｃｉとすると、抽出部３４ｄは、以下の（６）式に示す評価関数Ｅの値が所定値Ｔよりも大きい場合に、その処理対象のブロックに轍の画像が含まれると評価してそのブロックを抽出する。尚、上記の所定値Ｔは、前述した（３）式中の変数ａ，ｂ，ｃの値や、轍の画像の性質に応じて適宜設定される。

ＲＡＭ４０は、画像処理装置３０が各種画像処理を実行する上で必要なデータや、上記の入力画像データを必要に応じて一時的に記憶するために使用される書換え可能な揮発性メモリである。

次に、上記構成における通路検出装置１の動作について説明する。以下では、通路検出装置１が、車載カメラ１００から得られる画像から轍を抽出して通路領域を検出する検出動作を行う場合について説明する。尚、検出動作時には、車載カメラ１００及び通路検出装置１を搭載する不図示の車両が未舗装路を走行しており、車載カメラ１００からは轍が写り込んだ入力画像が得られるものとする。

図１２は、検出動作の全体的な流れを示すフローチャートである。尚、図１２に示すフローチャートは、車両の走行中に所定の時間間隔で繰り返し実行される。検出動作が開始されると、車載カメラ１００から入力画像がＡ／Ｄコンバータ１０に入力されてディジタルデータに変換され、入力画像データとして画像処理装置３０に出力される（ステップＳ１１：画像入力ステップ）。そして、まず通路領域としての轍のおおよその位置を示す中心ブロックを抽出する処理が行われる（ステップＳ１２：抽出ステップ）。図１３は中心ブロックを抽出する処理の詳細を示すフローチャートであり、図１４は車載カメラ１００から得られる入力画像の一例を示す図である。ここでは、図１４（ａ）に示す通り、轍が写り込んだ入力画像が得られたとする。

また、以下では、図１４（ｂ）に示す通り、入力画像の横方向をＸ軸方向、縦方向をＹ軸方向とし、入力画像の座標（Ｘ，Ｙ）＝（０，０）〜（６３９，４７９）の各画素に対応する輝度データをＢ（０，０）〜Ｂ（６３９，４７９）と表記する。つまり、入力画像データは、これら輝度データＢ（０，０）〜Ｂ（６３９，４７９）の集合である。このような入力画像データは、画像処理装置３０によってＲＡＭ４０に一旦記憶される。

図１３に示す処理が開始されると、まず画像処理装置３０の中心ブロック抽出部３１に設けられた小領域形成部３１ａは、ＲＡＭ４０から入力画像における通路検出対象領域に相当する入力画像データを読み出すとともに、記憶装置２０からガボールフィルタＦ１〜Ｆ３０を読み出し、各ガボールフィルタＦ１〜Ｆ３０を用いて入力画像データをフィルタリングすることにより、各方向の強度分布データを生成する（ステップＳ２１：フィルタリング処理）。

本実施形態では、入力画像の全領域が上記の通路検出対象領域に設定されている場合を例示して説明する。つまり、ＲＡＭ４０から入力画像の全領域に相当する入力画像データが読み出される。尚、入力画像から水平線を抽出可能である場合には、その水平線より下の領域（つまり地面の領域）を通路検出対象領域として設定しても良い。このように、確実に通路が存在すると推定される領域のみを通路検出対象領域とすることにより、以下で説明する画像処理の負荷を軽減でき、処理時間を短縮することができる。

図１５は、小領域形成部３１ａのフィルタリング処理に関する説明図である。図１５（ａ）に示す通り、小領域形成部３１ａは、ガボールフィルタＦ１〜Ｆ３０を用いたフィルタリング処理として、入力画像において、ある画素を中心画素とする畳み込み領域に含まれる各画素の輝度データと、ガボールフィルタ、つまり２次元ガボール関数ＧＢ（ｘ，ｙ）との畳み込み演算を行い、その演算結果をガボールフィルタの方向パラメータφに対応する中心画素の強度として取得する。

つまり、小領域形成部３１ａは、まず、ある画素を中心画素とする畳み込み領域に含まれる各画素の輝度データとガボールフィルタＦ１との畳み込み演算を行い、その演算結果をガボールフィルタＦ１の方向パラメータφ１に対応する中心画素の強度として取得する。ここで、各ガボールフィルタＦ１〜Ｆ３０を、実数部のフィルタと虚数部のフィルタとに分けて作成しておくことにより、実数部のフィルタを用いて得られた強度と、虚数部のフィルタを用いて得られた強度とをそれぞれ２乗して加算し、その加算値の平方根を求めることで最終的な強度を取得することができる。

続いて、小領域形成部３１ａは、ガボールフィルタＦ２に切り替えて同様に畳み込み演算を行い、その演算結果をガボールフィルタＦ２の方向パラメータφ２に対応する中心画素の強度として取得する。以下、同様に、小領域形成部３１ａは、ガボールフィルタを順次切り替えながら畳み込み演算を行うことにより、その演算結果を各ガボールフィルタＦ１〜Ｆ３０の方向パラメータφ１〜φｎに対応する中心画素の強度として取得する。

小領域形成部３１ａは、上記のようなフィルタリング処理を、入力画像の座標（０，０）〜（６３９，４７９）の各画素のそれぞれについて行うことにより、図１５（ｂ）に示すような各方向の強度分布データを生成してＲＡＭ４０に記憶する。尚、図１５（ｂ）では、座標（０，０）〜（６３９，４７９）の各画素のそれぞれを中心画素として得られた強度データをＩ（０，０）〜Ｉ（６３９，４７９）として表記している。

尚、図１５（ａ）から分かる通り、入力画像の端部に近い画素を中心画素とする場合、畳み込み領域が入力画像からはみ出てしまうため、この場合には予め設定した輝度データ（例えば白データ等）を入力画像からはみ出ている畳み込み領域の輝度データとして使用すれば良い。また、畳み込み領域の大きさは、検出対象の通路の大きさに応じて適宜変更すれば良いが、例えば幅２５ｃｍ〜５０ｃｍの車輪跡に相当する轍を検出対象とする場合には、その幅に相当する画素数（３２画素）以上の大きさ、例えば５０×５０画素の大きさとすることが望ましい。

以上説明したステップＳ２１の処理が終了すると、小領域形成部３１ａは、ＲＡＭ４０から各方向の強度分布データを読み出し、それら強度分布データを基に入力画像における各画素のテクスチャ方向を特定する（ステップＳ２２：テクスチャ方向特定処理）。具体的には、例えば座標（０，０）の画素に着目した場合、各方向の強度分布データの中から強度データＩ（０，０）が最も大きいものを探索し、その最大の強度データＩ（０、０）を含む強度分布データに対応する方向を、座標（０，０）の画素のテクスチャ方向として特定する。例えば、方向φ３に対応する強度分布データに最大の強度データＩ（０，０）が含まれている場合、方向φ３が座標（０，０）の画素のテクスチャ方向となる。

小領域形成部３１ａは、上記のようなテクスチャ方向の特定処理を、座標（０，０）〜（６３９，４７９）の各画素について行うことにより、各画素のテクスチャ方向を特定し、その特定結果をＲＡＭ４０に記憶する。図１６は、小領域形成部３１ａのテクスチャ方向特定処理に関する説明図であって、（ａ）は各画素のテクスチャ方向の特定結果であり、（ｂ）は入力画像とテクスチャ方向の特定結果とを重ねて表示したものである。尚、この図１６では、説明の便宜上、テクスチャ方向の特定結果を、テクスチャ方向を指し示すベクトル線で表しているが、実際にはテクスチャ方向の特定結果は、その方向を表す値（例えばテクスチャ方向がφ１であればφ１の値）によって構成されている。

不整地上に存在する轍等の通路は、車両が複数回その場所を走行することにより、地面や草むらが踏み起こされたり、踏み固められたりした結果残るものであるため、図１４（ａ）に示す通り、その痕跡は入力画像上において不連続且つ不明瞭な帯状やスジ状の疎らな領域として観察される。そこで、上述した入力画像の波の成分を抽出するステップＳ２１及びステップＳ２２の処理を実施することより、通路を形成する模様の間隔は不定でなだらかではあるが、通路の進行方向に平行な波の成分として捕らえることができる。

以上説明したステップＳ２２の処理が終了すると、小領域形成部３１ａは、入力画像データを基に所定のエッジ検出処理を行うことにより、入力画像に存在する強エッジ領域を抽出し、その抽出結果をＲＡＭ４０に記憶する（ステップＳ２３：強エッジ領域抽出処理）。ここで、強エッジ領域の抽出手法としては公知の技術を採用することができる。例えば、Ｘ軸方向のソベルフィルタとＹ軸方向のソベルフィルタを適用して、それらの強度の２乗和が一定の閾値を超えた画素を探索し、その閾値を超えた画素から一定距離以内の領域を強エッジ領域として抽出する。

上記ステップＳ２２の処理が終了すると、小領域形成部３１ａは、入力画像における各画素のそれぞれを投票元画素として順次選択し、当該投票元画素を起点としそのテクスチャ方向に平行な直線上に存在する画素に対して投票を行う（ステップＳ２４：投票処理）。図１７〜図１９は、小領域形成部３１ａの投票処理に関する説明図である。小領域形成部３１ａは、まず、図１７に示す通り、ＲＡＭ４０のメモリ空間上に、投票回数を集計するための投票集計領域を入力画像と同サイズ（つまり、６４０×４８０画素数分の投票回数を集計可能なサイズ）で確保する。

そして、小領域形成部３１ａは、図１８（ａ）に示す通り、ある画素を投票元画素として選択した場合、各画素のテクスチャ方向の特定結果から投票元画素のテクスチャ方向を把握し、投票元画素を起点としそのテクスチャ方向に平行な直線上に存在する画素（投票対象画素）に対して投票を行い、その投票結果を図１８（ｂ）に示す通りＲＡＭ４０上の投票集計領域に反映する。つまり、図１８（ｂ）から分かるように、ＲＡＭ４０上の投票集計領域において投票対象画素に対応する記憶領域に投票値「１」が加算される。

小領域形成部３１ａは、上記のような投票処理を各画素について行い、その投票結果を順次ＲＡＭ４０上の投票集計領域に反映する。ここで、小領域形成部３１ａは、上記のような投票処理を行う際、強エッジ領域抽出処理にて抽出された強エッジ領域の周辺（例えば、２画素以内）に含まれる画素を投票元画素から除外する。この理由については後述する。

尚、上述の投票処理では、投票元画素を起点としそのテクスチャ方向に平行な直線上に存在する投票対象画素に対して投票を行う場合を説明したが、これに限らず、投票元画素を起点としてそのテクスチャ方向に沿うように設定された投票対象領域に含まれる画素（投票対象画素）に対して投票を行うようにしても良い。この投票対象領域は、例えば図１９（ａ）に示すように、テクスチャ方向に平行な帯状（長方形状）のものでも良いし、また、図１９（ｂ）に示すように、円弧状或いは三角形状のものでも良い。

ここで、図１９（ａ）に示すような帯状の投票対象領域を設定する場合には、上述したテクスチャ方向に平行な直線上に存在する投票対象画素に対して投票を行う場合と同様に、投票対象領域に含まれる投票対象画素のそれぞれに対して平等に投票すれば良い。つまり、ＲＡＭ４０上の投票集計領域において、各投票対象画素に対応する記憶領域に平等に投票値「１」を加算する。

これに対し、図１９（ｂ）に示すような円弧状或いは三角形状の投票対象領域を設定する場合には、投票元画素と投票対象画素との間の距離に応じて投票値を変更することが望ましい。具体的には、投票元画素から遠い距離に位置する投票対象画素の投票値を小さくする（例えば、投票値＝１／投票元画素からの距離）。つまり、投票元画素に近い位置の投票対象画素の投票値は「１」又は「１」に近い値となるが、投票元画素から遠い位置の投票対象画素の投票値は「０．５」等の小数点以下の値となる。更には、投票対象領域において同じ距離に位置する投票対象画素の総投票値が「１」となるように各投票対象画素の投票値を決定することが望ましい。つまり、例えば同じ距離に位置する投票対象画素が４つ存在すると仮定すると、それら４つの各投票対象画素に対する投票値をそれぞれ「０．２５」とする。

このように円弧状或いは三角形状の投票対象領域を設定した場合に、投票元画素と投票対象画素との間の距離に応じて投票値を変更する理由は、投票元画素から遠い位置にある投票対象画素は、他の投票対象領域と重なり合う確率が高く、近い位置にある投票対象画素と比べて投票されやすい傾向にあり、後述する消失点を正確に特定することが困難となるためである。また、円弧状或いは三角形状の投票対象領域を設定した場合、その中心角度（投票元画素を起点とする角度）は、ガボールフィルタＦ１〜Ｆ３０の方向パラメータφの変化分と同一にすることが望ましい。

続いて、小領域形成部３１ａは、図２０に示す通り、投票処理による投票結果（つまり、ＲＡＭ４０上の投票集計領域に集計された投票回数）を基に、投票回数が最も大きい画素を入力画像における消失点として特定する（ステップＳ２５：消失点特定処理）。図２０，図２１は、小領域形成部３１ａの消失点特定処理に関する説明図である。轍等の通路の波模様は車両等から見ると完全に平行ではないが同じ消失点を共有していると推測される。このため、上記のような投票処理によって消失点と推測される位置（画素）に投票を行い、統計的に通路と平行している波模様が多い検出結果を活用することにより、消失点を特定することができる。

ここで、入力画像において通路以外に、例えば木や電柱、看板等のコントラストの高い物体が写り込んでいた場合、それらの模様は上記の投票回数の集計に大きな影響を及ぼすことになる。そこで、上述したように、投票処理を行う際には、強エッジ領域抽出処理にて抽出された強エッジ領域に含まれる画素を投票元画素から除外することにより、木や電柱、看板等のコントラストの高い物体の延長線上が消失点として特定されることを防止することができる。

ところで、図２０に示す通り、入力画像中に存在する轍等の通路が水平線に向かって一直線に延びているような場合では消失点が１箇所において特定されることになるが、図２１に示す通り、入力画像中に存在する通路がカーブしているような場合には、入力画像の奥行き方向に沿って消失点の特定箇所が変化することになる。このような場合、入力画像の全領域（通路検出対象領域の全領域）を一度に処理すると、正確な消失点を得ることができなくなる。

そこで、上述の投票処理及び消失点特定処理を、図２２に示す通り、通路領域検出対象領域（ここでは入力画像の全領域）を奥行き方向に沿って複数（Ｍ個）に分割して得られる長方形状の分割領域ごとに行うことが望ましい。図２２，図２３は、小領域形成部３１ａの小領域分割処理に関する説明図である。以下では、この分割領域をスライスと呼び、入力画像の最下段から最上段までの各スライスの符号をＳＬ０〜ＳＬＭとする。つまり、各スライスＳＬ０〜ＳＬＭの各々について上述の投票処理及び消失点特定処理を行うことにより、各スライスＳＬ０〜ＳＬＭの各々について消失点が得られることになる。尚、図２２では、スライスＳＬ０の消失点Ｐ０とスライスＳＬ１の消失点Ｐ１とを代表的に図示している。

続いて、小領域形成部３１ａは、図２２に示す通り、各スライスＳＬ０〜ＳＬＭの各々を、それぞれの消失点を頂点として放射状に引かれた複数の直線とスライスの境界線とで囲まれた複数（Ｎ個）の小領域に分割し、各小領域の各々に対して、その小領域に含まれる消失点の投票元画素の比率を基に決定した通路候補パラメータを与える（ステップＳ２６：小領域分割処理）。各スライスＳＬ０〜ＳＬＭの各々に存在する轍等の通路は、全てその消失点に向かう直線で表されるため、上記の小領域のいずれかに通路が存在すると推定される。

尚、上記の通路候補パラメータは、入力画像に含まれる通路領域を推定するために必要な通路推定情報の１つであり、通路領域の一部である可能性の高さを示すパラメータである。小領域の各々に設定する通路推定情報としては、例として以下の５つが挙げられる。
（１）その小領域のＹ方向（縦方向）インデックスＩｄｙ
（２）その小領域のＸ方向（横方向）インデックスＩｄｘ
（３）その小領域の消失点座標
（４）その小領域の通路検出強度（通路候補パラメータ：０，１，２の何れかの数値）
（５）その小領域の上下端座標

ここで、小領域のＹ方向インデックスＩｄｙとは、その小領域のＹ方向の位置を示すパラメータであり、例えば、図２２に示す通り、スライスＳＬ０に存在する全ての小領域のＹ方向インデックスＩｄｙは「０」となる。また、小領域のＸ方向インデックスＩｄｘとは、その小領域のＸ方向の位置を示すパラメータであり、例えば、図２２に示すように、スライスＳＬ０に存在する左端の小領域のＸ方向インデックスＩｄｘは「０」となる。

小領域の消失点座標とは、その小領域が存在するスライスの消失点の座標であり、例えば、図２２に示す通り、スライスＳＬ０に存在する全ての小領域の消失点座標は、スライスＳＬ０の消失点Ｐ０の座標となる。また、小領域の通路検出強度とは、通路候補パラメータに相当し、「０」がその小領域が通路領域の一部である可能性が最も低く、「２」がその小領域が通路領域の一部である可能性が最も高いことを示している。

具体的には、小領域形成部３１ａは、小領域の通路検出強度を以下のように決定する。つまり、小領域形成部３１ａは、まず、各小領域の各々について、その小領域に含まれる画素からその消失点の投票元画素（消失点を向いているテクスチャ方向を有する画素）を有効投票画素（共通項）として抽出する。そして、小領域形成部３１ａは、その小領域に含まれる有効投票画素数を、その小領域に含まれる全画素数で除算することにより、その小領域における有効投票画素の比率ｒを算出する。そして、小領域形成部３１ａは、上記のように算出した有効投票画素の比率ｒと第１閾値ＴＨ１及び第２閾値ＴＨ２（ただし、ＴＨ１＜ＴＨ２）とを比較し、ｒ＜ＴＨ１の場合にはその小領域の通路検出強度を「０」とし、ＴＨ１≦ｒ＜ＴＨ２の場合にはその小領域の通路検出強度を「１」とし、ｒ≧ＴＨ２の場合にはその小領域の通路検出強度を「２」とする。尚、ここでは、消失点を向いているテクスチャ方向を有する画素を有効投票画素（共通項）としたが、小領域の周辺で最も多い向きのテクスチャ方向に一致する画素を有効投票画素とするなど、様々な共通性を利用しても良い。

図２３に示す通り、以下では、その小領域の通路検出強度が「２」の場合、つまりその小領域が通路領域の一部である可能性が最も高い場合には、その通路を濃い色で消失点に向かう１本の直線で表現し、その小領域の通路検出強度が「１」の場合、つまりその小領域が通路領域の一部である可能性がある場合には、その通路を薄い色で消失点に向かう１本の直線で表現するものとする。また、その小領域の通路検出強度が「０」の場合、つまりその小領域が通路領域の一部である可能性が最も低い場合には、通路を示す直線を描画しないものとする。

以上説明したステップＳ２６の処理が終了すると、中心ブロック抽出部３１に設けられた小領域選別部３１ｂは、各小領域に与えられた通路推定情報（特に通路検出強度）に基づいて、これらの小領域を通路候補領域（通路検出強度が「１」以上の小領域）とそれ以外の非通路候補領域（通路検出強度が「０」の小領域）とに選別する（ステップＳ２７：ノイズフィルタリング処理）。図２４〜図２６は、小領域選別部３１ｂのノイズフィルタリング処理に関する説明図である。

小領域選別部３１ｂは、図２４に示す通り、処理対象の小領域Ｗに対して、隣接する６つの小領域ａ，ｂ，ｃ，ｄ，ｅ，ｆに設定された通路検出強度を参照する。尚、これら６つの小領域ａ〜ｆとしては、各々の中心線の位置を基準に、処理対象の小領域Ｗの左上、右上、左、右、左下、右下に位置する最も近い小領域を選択する。そして、小領域選別部３１ｂは、上記の６つの小領域ａ〜ｆに関して以下の通路候補追加条件を満たす場合に、処理対象の小領域Ｗの通路検出強度を「１」に変更する。

つまり、この時の処理対象の小領域Ｗは通路候補領域として選別され、通路候補領域の１つとして追加される。
通路候補追加条件：
（ａｏｒｂ）＋ｃ＋ｄ＋（ｅｏｒｆ） ≧ ３
且つ
処理対象の小領域Ｗの通路検出強度が「０」
ここで、ａ〜ｆは、６つの小領域ａ〜ｆの通路検出強度が「１」以上の時に「１」、通路検出強度が「０」の時に「０」となる変数である。また、（ａｏｒｂ）は、ａかｂの少なくとも一方が「１」以上の時に「１」、両方が「０」の時に「０」となる論理式である。

一方、小領域選別部３１ｂは、上記の６つの小領域ａ〜ｆに関して以下の通路候補削除条件を満たす場合に、処理対象の小領域Ｗの通路検出強度を「０」に変更する。つまり、この時の処理対象の小領域Ｗは非通路候補領域（ノイズ成分）として選別され、通路候補領域から削除される。
通路候補削除条件：
ａ＝０且つｂ＝０且つｅ＝０且つｆ＝０
または
ｃ＝０且つｄ＝０

上記のような通路候補追加条件及び通路候補削除条件によって処理対象の小領域は、図２５に示す通り、通路候補領域と非通路候補領域とに選別される。図２５（ａ）は処理対象の小領域Ｗの通路検出強度が「０」から「１」に変更される場合（通路候補領域として選別される場合）を示し、図２５（ｂ），（ｃ）は処理対象の小領域Ｗの通路検出強度が「１」から「０」に変更される場合（非通路候補領域として選別される場合）を示し、図２５（ｄ）は処理対象の小領域Ｗの通路検出強度が「０」のまま変わらない場合を示している。尚、図中の数字はその小領域の通路検出強度を示している。

小領域選別部３１ｂは、上記のようなノイズフィルタリング処理を入力画像中の全ての小領域について順番に実施すると共に、全ての小領域の通路検出強度が変化しなくなるまでこの処理を繰り返す。例え通路検出強度が「１」以上の小領域であっても、他の通路候補領域である小領域の集団から孤立した位置に存在する小領域であれば、草や樹木等の誤検出によるノイズ成分であると考えられるため、上記のようなノイズフィルタリング処理を行うことにより、ノイズ成分である小領域を通路候補領域から除去することができる。

一方、例え通路検出強度が「０」の小領域であっても、周りを通路検出強度が「１」以上の小領域によって囲まれている場合には通路領域の一部である可能性が高い。このため、そのような通路検出強度が「０」の小領域を通路検出強度「１」の小領域に変更して通路候補領域に追加することにより、精度良く通路領域の一部である小領域（通路候補領域）を抽出することができる。

以上のノイズフィルタリング処理を行う前の各小領域に設定された通路検出強度を基に各小領域に存在する通路を直線で表現したものを図２６（ａ）に示し、ノイズフィルタリング処理を行った後の各小領域の通路検出強度を基に各小領域に存在する通路を直線で表現したものを図２６（ｂ）に示す。これらの図に示す通り、ノイズフィルタリング処理を行うことにより、他の通路候補領域である小領域の集団から孤立した位置に存在する小領域はノイズ成分として除去されていることが分かる。

図２６（ｂ）に示す通り、ノイズフィルタリング処理後の通路候補領域（ノイズフィルタリング処理により通路検出強度が「１」以上となった小領域）は、いくつかの連続した集団を形成している場合が多い。そこで、中心ブロック抽出部３１に設けられた通路領域推定部３１ｃは、互いに隣接している通路候補領域をグループ化することにより、連続した通路候補領域の領域群（以下、クラスタと称す）を作成する（ステップＳ２８：クラスタリング処理）。

具体的には、通路領域推定部３１ｃは、それぞれのクラスタを別々に取り扱うために、ラベリングの手法を用いて、クラスタ固有のＩＤを各通路候補領域に与える処理を行う。図２７，図２８は、通路領域推定部３１ｃのクラスタリング処理に関する説明図である。この図２７（ａ）に示す通り、クラスタリング処理の途中状態では、通路領域推定部３１ｃは、最上段のスライスＳＬＭにおける左端の小領域からＸ方向に順番に通路検出強度を確認し、その小領域が通路候補領域（通路検出強度が「１」以上）であればクラスタＩＤを与え、その小領域が非通路候補領域（通路検出強度が「０」）であればクラスタＩＤを与えない。

尚、通路候補領域にクラスタＩＤを与える場合、以下の３つの規則に従うものとする。
（１）周囲にクラスタＩＤを持った小領域が無い場合、新しいクラスタＩＤを与える（図２７（ａ）参照）。
（２）周囲にクラスタＩＤを持った小領域が１つ存在する場合、それと同じクラスタＩＤを与える（図２７参照）。
（３）周囲にクラスタＩＤを持った領域が２つ以上存在する場合、最も若い番号のクラスタＩＤを与え、これらのクラスタＩＤが同一のものであると記録しておく（図２７（ｂ）参照）。

通路領域推定部３１ｃは、上記の３つの規則に従って入力画像中の全ての通路候補領域にクラスタＩＤを与えた後、もう一度、入力画像全体を走査することにより、同一であると記録したクラスタＩＤを１つのクラスタＩＤ（最も若い番号のクラスタＩＤ）に置き換える。以上のようなクラスタリング処理によって、互いに隣接している通路候補領域に同一のクラスタＩＤが与えられてグループ化され、連続した通路候補領域の領域群であるクラスタが作成される。図２８に示す通り、クラスタリング処理によって入力画像中に存在する通路候補領域が３つのクラスタＣＬ１，ＣＬ２，ＣＬ３にグループ化されていることが分かる。

続いて、通路領域推定部３１ｃは、上記のクラスタリング処理によって作成されたクラスタから最適なクラスタ（最も轍等の通路らしいクラスタ）を、入力画像に含まれる通路領域として選択する（ステップＳ２９：最適クラスタ選択処理）。具体的には、通路領域推定部３１ｃは、前述した（２）式で示される評価関数ｆ（Ｆ，Ｈ，Ｃ，Ａ）を用いて最適なクラスタ（以下、最適クラスタと称す）を選択する。尚、本実施形態では、第１重み係数ｋ_１＝１００００、第２重み係数ｋ_２＝１０００、第３重み係数ｋ_３＝５０、第４重み係数ｋ_４＝１としている。

図２９，図３０は、通路領域推定部３０ｃの最適クラスタ選択処理に関する説明図である。図２９に示す通り、上記の評価関数ｆ（Ｆ，Ｈ，Ｃ，Ａ）において、Ｆは現在地との連続性を示す第１変数であり、評価対象のクラスタが最も手前（最下段）のスライスＳＬ０を含んでいる時に「１」、含んでいない時に「０」となる。また、Ｈは奥行き方向の長さを示す第２変数であり、評価対象のクラスタに含まれるスライス数で表される。また、Ｃは有力な通路候補領域の数を示す第３変数であり、評価対象のクラスタに含まれる通路検出強度「２」の通路候補領域の数で表される。また、Ａは総面積を示す第４変数であり、評価対象のクラスタに含まれる通路検出強度「１」及び「２」の通路候補領域の数で表される。

上述した通り、評価関数ｆ（Ｆ，Ｈ，Ｃ，Ａ）において現在地との連続性を示す第１変数であるＦに最も大きな重み付け係数ｋ_１が与えられている。これは、評価対象のクラスタが現在地（入力画像の最も手前側の領域）との連続性を有している場合には、その評価対象のクラスタは轍等の通路である可能性が極めて高いからである。尚、上述した重み付け係数ｋ_１〜ｋ_４の値は一例であり、実験等を行って適宜決定すれば良い。

通路領域推定部３１ｃは、例えば図２８に示した通り、クラスタリング処理によって３つのクラスタＣＬ１，ＣＬ２，ＣＬ３が作成されているとすると、これら３つのクラスタＣＬ１，ＣＬ２，ＣＬ３の各々について上記の評価関数ｆ（Ｆ，Ｈ，Ｃ，Ａ）の値を求め、この値が最も大きいクラスタを最適なクラスタ（入力画像に含まれる通路領域）として選択する。３つのクラスタＣＬ１，ＣＬ２，ＣＬ３のうち、クラスタＣＬ３が最も手前側（最下段）のスライスＳＬ０を含んでいるため、評価関数ｆ（Ｆ，Ｈ，Ｃ，Ａ）の値が最も大きくなる。このため、図３０に示す通り、クラスタＣＬ３が最適なクラスタ（入力画像に含まれる通路領域）として選択されることになる。

次に、中心ブロック抽出部３１に設けられた中心線推定部３１ｄは、上記の最適クラスタ選択処理によって選択された最適クラスタ、つまり入力画像に含まれる通路領域の中心線を推定する（ステップＳ３０：中心線推定処理）。図３１は、中心ブロック抽出部３１における中心線推定部３０ｄの中心線推定処理を表すフローチャートである。図３１に示す通り、中心線推定部３１ｄは、まず、各スライスＳＬ０〜ＳＬＭの重心を算出する（ステップＳ３０ａ）。

具体的には、スライス内に存在する小領域を台形としてそれぞれの重心の位置を求め、それらの位置を通路検出強度で重みを付けて平均化して得られる位置を、そのスライス全体の重心とする。図３２〜図３４は、中心線推定部３１ｄの中心線推定処理に関する説明図である。以上の処理を行うことによって、図３２（ａ）に示す通り、各スライスＳＬ０〜ＳＬＭの重心が求められる。

続いて、中心線推定部３１ｄは、仮の中心線を作成する（ステップＳ３０ｂ）。具体的には、中心線推定部３１ｄは、１回目の仮の中心線を作成する場合には、図３３（ａ）に示す通り、最下段のスライスＳＬ０の重心を起点として、そのスライスＳＬ０の消失点Ｐ０へ向かう方向に直線を引く。そして、中心線推定部３１ｄは、図３３（ｂ）に示す通り、上記の直線が次のスライスＳＬ１との境界に達すると、その直線と境界との交点からスライスＳＬ１の消失点Ｐ１へ向かう方向に直線を引く。中心線推定部３１ｄは、図３３（ｃ）に示すように、上記のような処理を繰り返すことにより得られる折れ線を１回目の仮の中心線とする。

そして、中心線推定部３１ｄは、上記のように作成した仮の中心線と、各スライスＳＬ０〜ＳＬＭの重心との間の距離（Ｘ方向の差）の２乗和を計算して記録する（ステップＳ３０ｃ）。ここで、中心線推定部３１ｄは、上述したステップＳ３０ｂ及びＳ３０ｃをループすることにより、複数の仮の中心線を作成すると共に、それぞれの仮の中心線について各スライスＳＬ０〜ＳＬＭの重心との間の距離の２乗和を計算して記録する。

具体的には、中心線推定部３１ｄは、２回目以降の仮の中心線を作成する場合、前回の仮の中心線の起点から右に１°ずつずらした点を起点として、１回目と同様な手法で仮の中心線を作成し２乗和を記録する。そして、中心線推定部３１ｄは、作成した仮の中心線が全てのスライスの重心の右側を通っていた場合、右方向の探索を打ち切り、それ以降は、１回目の仮の中心線の起点から左に１°ずつずらした点を起点として、１回目と同様な手法で仮の中心線を作成し２乗和を記録する。更に、中心線推定部３１ｄは、作成した仮の中心線が全てのスライスの重心の左側を通っていた場合、左方向の探索を打ち切り、ループを終了して次のステップＳ３０ｄへ移行する。

中心線推定部３１ｄは、上述したステップＳ３０ｂ及びＳ３０ｃのループにより、複数の仮の中心線を作成してそれらの２乗和を記録すると、その２乗和の値が最も小さい中心線を最適な中心線として選択する（ステップＳ３０ｄ）。尚、仮の中心線と各スライスＳＬ０〜ＳＬＭの重心との間の距離の２乗和を計算する処理のイメージを図３２（ｂ）に示しており、最適な中心線の選択結果を示すイメージを図３２（ｃ）に示している。また、図３０において最適クラスタとして選択されたクラスタＣＬ３について中心線推定処理を行うことで得られた最適な中心線のイメージを図３４に示している。

以上の処理が終了すると、入力画像データが、一辺が２０画素程度からなる正方形のブロックに区分される。そして、以上の処理にて得られた中心線が通るブロックが中心ブロックとして抽出される（ステップＳ３１）。図３５は、推定された中心線から中心ブロックが抽出される様子を示す図である。いま、図３５（ａ）に示す画像に対して以上説明した処理が行われて、図中の中心線ＣＬが得られたとする。

中心線推定部３１ｄは、図３５（ｂ）に示す通り、入力画像データを複数のブロックＢに区分する。尚、図３５（ｂ）に示す例では横方向に約３０、縦方向に約２３のブロックＢに区分されている。そして、中心線推定部３１ｄは、図３５（ａ）に示す中心線ＣＬが通るブロックを中心ブロックＣＢとして抽出する。ここで、図３５（ａ）に示す中心線ＣＬは画像の最下部から画像の高さの２／３程度までの領域に亘るものであるが、図３５（ｂ）に示す６個の中心ブロックＣＢは画像の最下部から画像の高さの１／４程度までの領域に限られている。これは、画像の上部に行くほど画像が不鮮明になり、中心ブロックが誤った位置に検出される可能性が高くなるためである。

中心ブロックＣＢの抽出が終了すると（あるいは図１２のステップＳ１２の処理と並行してまたはステップＳ１２の処理に先行して）、植生検出処理が植生検出部３２で行われる（図１２のステップＳ１３：植生検出ステップ）。具体的には、上述したように、植生検出部３２は、赤外線画像の画像データに基づき、画像中の画素毎に、ＳＷＩＲの波長帯域に関する画像データに基づいて算出される反射率と、ＮＩＲの波長帯域に関する画像データに基づいて算出される反射率との比（反射率比）を算出し（図５のステップＳ４１）、（２）その反射率比と所定の閾値とを比較することによって、観測対象物が植物か否かを判別する（図５のステップＳ４２）。

ステップＳ１３で入力画像データの各画素について、植生か否かの検出処理が終了すると、次にステップＳ１２で抽出された中心ブロックＣＢを補正する処理が、中心ブロック補正部３３で行われる（ステップＳ１４：中心ブロックの補正ステップ）。具体的には、上述したようにして、中心ブロック補正部３３の植生割合算出部３３ａが、中心ブロックの周囲のブロック（例えば、横一列のブロック）それぞれにおける植物の割合を計算する。次に、中心ブロック変更部３３ｂが、植生割合算出部３３ａで算出された植物の割合の計算結果に基づいて、最も植物の割合が少ないブロックを「補正済み中心ブロック」とする。

図３６は、補正された中心ブロックの一例を示す図である。図３５（ｂ）に示す例では、轍と草との境界付近に６個の中心ブロックＣＢが配置されていた。これに対し、図３６に示す例では、轍と草との境界付近ではなく、轍の略中心付近に位置するブロックが抽出されていることが分かる。かかる補正によって、中心ブロック抽出部３１によって抽出された中心ブロックよりも正確な中心ブロックを得ることができる。

中心ブロックＣＢの補正が終了すると、通路領域を検出する処理が通路領域検出部３４で行われる（ステップＳ１５：検出ステップ）。処理が開始されると、まず基準ブロックを特定する処理が行われる。図３７は、基準ブロックを説明するための図である。具体的には、ステップＳ１２で補正された中心ブロックＣＢと中心ブロックの左右方向に隣接するブロックＬＢとが基準ブロックに特定される。尚、図３７に示す例では、６個の中心ブロックＣＢと１２個のブロックＬＢとからなる合計１８個のブロックが基準ブロックとして特定されている。

以上の処理が終了すると、まず、特定された基準ブロックについて、特徴量の平均値及び標準偏差を特徴量の種類毎に求める処理が第１算出部３４ａで行われる（ステップＳ１５１）。次に、特徴量算出部３２で求められた全てのブロックについての特徴量の平均値を特徴量の種類毎に求める処理が第２算出部３４ｂで行われる（ステップＳ１５２）。ここで、図３７に示す画像の上部の領域Ｒには地平線の上方の画像が写り込んでおり、かかる領域Ｒの画像は通路領域としての轍の検出には関与しない画像である。このため、ステップＳ１５２の処理を行う場合には、この領域Ｒ内のブロックを除外し、残りのブロックについての特徴量の平均値を求めるのが望ましい。

以上の処理が終了すると、重み決定部３４ｃによって特徴量毎の重みが決定される（ステップＳ１５３）。具体的には、ステップＳ１５１で求められた基準ブロックについての特徴量の平均値μ＾_ｉ及び標準偏差σ＾_ｉと、ステップＳ１５２で求められた全てのブロックについての平均値μ_ｉとを、特徴量の種類毎に前述した（３）式に代入し、特徴量の種類毎の重みｗ′_ｉを決定する処理が行われる。尚、得られた重みｗ′_ｉが負の値である場合には、その値を零に決定する処理が行われる。重み決定部３４ｃは、以上の重みｗ′_ｉを決定したら、前述した（４）式を用いて正規化した重みｗ_ｉを求めるとともに、前述した（５）式を用いて各特徴量を正規化するための正規化係数ｓ_ｉを求める処理も行う。

特徴量に対する重み付けが終了すると、通路領域検出部３４で重み付けされた特徴量を用いて画像に含まれる轍を抽出する処理が抽出部３４ｄで行われる（ステップＳ１５４）。具体的には、まず処理対象のブロックを特定し、そのブロックのｉ番目の特徴量の値ｆ_ｉ及びそのブロックと画像の縦方向の位置が同じである中心ブロックにおけるｉ番目の特徴量の値ｆ_ｃｉ、並びに、ステップＳ１５３の処理にて得られた重みｗ_ｉ及び正規化係数ｓ_ｉを前述した（６）式に示す評価関数Ｅに代入する。そして、評価関数Ｅの値が所定値Ｔよりも大きい場合に、その処理対象のブロックに轍の画像が含まれると評価してそのブロックを抽出する。

尚、処理対象のブロックと画像の縦方向の位置が同じである中心ブロックが存在しない場合には、画像の縦方向における位置がそのブロックよりも下方向であって、そのブロックに最も近い中心ブロックを用いて上記の評価を行う。以上の処理を全てのブロック（図３７中の領域Ｒ内のブロックを除く）について行うことによって轍が含まれるブロックが抽出され、これにより通路領域が検出される。

図３８は、検出された通路領域の一例を示す図である。以上の処理が行われることによって、図３５（ａ）に示す画像から、図３８中の斜線を付したブロックＢＥが通路領域として検出される。図３８を参照すると、斜線が付されたブロックＢＥは、僅かながら轍とは異なる部分に点在するものの、殆どは轍が写り込んでいる部分に存在しており、通路領域である轍を高精度で検出できていることが分かる。

以上説明した通り、本実施形態によれば、入力画像に含まれる通路領域のおおよその位置を示す中心ブロックＣＢを抽出し、入力画像に対して複数種類のフィルタ処理を行って入力画像の評価に用いる特徴量をフィルタ処理の種類毎に求め、抽出された中心ブロックＣＢにおける特徴量と同様の特徴量を有する領域を入力画像から抽出することによって通路領域を検出している。その際、抽出された中心ブロックが植生領域となることを、できるだけ回避するような補正処理を行うようにしている。このため、例えば道の中央に草が生えているような場合でも正確に通路領域を検出することができる。また、中心ブロックの補正処理を、（１）植生であるか否かを画素毎に示すデータをブロック単位で積算する処理と、（２）その積算結果をブロック間で比較する処理と、で行うようにしている。そのため、補正処理を単純な加減算処理などで行うことができ、処理時間を容易に短縮することができる。よって、例えばリアルタイムに精度よく通路領域を検出することが可能となる。

以上、本発明の実施形態について説明したが、本発明は上記実施形態に制限されず、本発明の範囲内で自由に変更が可能である。例えば、上記実施形態では、通路領域を検出する際に、前述した（３）式を用いて重みｗ′_ｉを求める例について説明したが、重み決定部３４ｃによって決定される重みは、基準ブロックについての平均値と複数のブロックの全てについての平均値との差が大きな特徴量、及び基準ブロックについての標準偏差が小さな特徴量について重くなるものであれば良い。従って、前述した（３）式に代えて、以下の（７）式を用いて重みｗ′_ｉを求めても良い。

また、上記実施形態では、中心ブロックＣＢを抽出する方法として、轍を含む通路であると推定される通路領域の中心線を用いる方法を例に挙げて説明したが、これ以外の方法を用いることも可能である。例えば、車両にレーザレーダを設け、このレーザレーダの測定結果に基づいて中心ブロックを特定しても良い。具体的には、車載カメラの視野内における特定部位（例えば、視野の最下部）をレーザレーダで走査し、得られる信号のうちの最も平坦な部分を轍と推定して中心ブロックＣＢを抽出して良い。

また、図１に示す植生検出部３２は、水の吸収波長帯域における反射率と、近赤外帯域における反射率との比（反射率比）に基づいて撮影対象が植物であるか否かを検出することしたが、例えば、可視光の反射率と、水の吸収波長帯域における反射率又は近赤外帯域における反射率との比に基づいて撮影対象が植物であるか否かを検出するような構成としてもよい。この場合、例えば、図２の車載カメラ１００の構成から、ＣＣＤ受光素子１１８又はＩｎＳｂ半導体受光素子１１５のどちらか一方などの構成を省略することができる。

１通路検出装置
３１中心ブロック抽出部
３２植生検出部
３３中心ブロック補正部
３４通路領域検出部
３４ａ第１算出部
３４ｂ第２算出部
３４ｃ重み決定部
３４ｄ抽出部
Ｂブロック

Claims

所定の撮影領域を撮影した画像である入力画像に含まれる通路領域を検出する通路検出装置であって、
前記入力画像に対して所定の画像処理を行うことで前記通路領域の中心領域を抽出する抽出手段と、
前記撮影領域を撮影した赤外線画像を用いて、撮影対象が植物であるか否かを検出する植生検出手段と、
前記植生検出手段による検出結果に基づいて、前記抽出手段によって抽出された前記中心領域の位置を補正する補正手段と、
前記補正手段によって位置が補正された中心領域を基準として、前記通路領域を検出する通路領域検出手段と
を備えることを特徴とする通路検出装置。
前記中心領域が、前記通路領域の中心部に位置する１又は複数の中心ブロックであり、
前記抽出手段が、前記中心領域として、前記通路領域の中心部に位置する１又は複数の中心ブロックを抽出するものであって、
前記補正手段が、前記植生検出手段による検出結果に基づいて、前記抽出手段によって抽出された前記中心ブロックの位置を補正し、
前記通路領域検出手段が、前記補正手段によって位置が補正された中心ブロックを基準として、前記通路領域を検出する
ことを特徴とする請求項１に記載の通路検出装置。
前記補正手段が、前記抽出手段によって抽出された前記中心領域及び該中心領域の周囲の所定領域を、植物であるか否かを検出する検出の対象とした前記植生検出手段による検出結果に基づいて、前記抽出手段によって抽出された前記中心領域の位置を補正する
ことを特徴とする請求項１又は２に記載の通路検出装置。
前記補正手段が、前記抽出手段によって抽出された前記中心領域及び該中心領域の周囲の所定領域を、植物であるか否かを検出する検出の対象とした前記植生検出手段による検出結果に基づいて、前記中心領域及び前記周囲の所定領域のなかで植物の割合が比較的低い位置に、前記抽出手段によって抽出された前記中心領域の位置を変更する補正を行う
ことを特徴とする請求項１〜３のいずれか１項に記載の通路検出装置。
所定の撮影領域を撮影した画像である入力画像に含まれる通路領域を検出する通路検出方法であって、
前記入力画像に対して所定の画像処理を行うことで前記通路領域の中心領域を抽出する抽出過程と、
前記撮影領域を撮影した赤外線画像を用いて、撮影対象が植物であるか否かを検出する植生検出過程と、
前記植生検出過程での検出結果に基づいて、前記抽出過程で抽出された前記中心領域の位置を補正する補正過程と、
前記補正過程で位置が補正された中心領域を基準として、前記通路領域を検出する通路領域検出過程と
を含むことを特徴とする通路検出方法。
所定の撮影領域を撮影した画像である入力画像に含まれる通路領域を検出する通路検出プログラムであって、
前記入力画像に対して所定の画像処理を行うことで前記通路領域の中心領域を抽出する抽出過程と、
前記撮影領域を撮影した赤外線画像を用いて、撮影対象が植物であるか否かを検出する植生検出過程と、
前記植生検出過程での検出結果に基づいて、前記抽出過程で抽出された前記中心領域の位置を補正する補正過程と、
前記補正過程で位置が補正された中心領域を基準として、前記通路領域を検出する通路領域検出過程と
をコンピュータを用いて実行させる
ことを特徴とする通路検出プログラム。