JP5783243B2 - 周期的静止物検出装置及び周期的静止物検出方法 - Google Patents

Description

本発明は、周期的静止物検出装置及び周期的静止物検出方法に関する。

従来、カメラにより撮像された複数の撮像画像から差分画像を生成し、差分画像における差分の存在する領域の形状がカメラの撮像方向の主軸に向かって変化する場合に、当該差分が静止した立体物であると判断する物体検出装置が提案されている（特許文献１参照）。

特開２００７−１２９５６０号公報

特許文献１に記載の物体検出装置は、単独で存在する静止した立体物を判断するものである。そのため、パイロン、ガードレール脚部、電柱等、路側に周期的に存在する静止した立体物（以下、周期的静止物という）を他の立体物と区別して認識することは困難であった。

本発明は上記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、精度良く周期的静止物を検出することが可能な周期的静止物検出装置及び周期的静止物検出方法を提供することにある。

本発明の一態様は、移動体の周囲に存在する周期的静止物を検出する周期的静止物検出装置である。この周期的静止物検出装置は、移動体に搭載されて、移動体の周囲を撮像可能な撮像装置と、撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換部と、鳥瞰画像の所定領域の画像データから、該所定領域に含まれる複数の小領域ごとに立体物の特徴点を抽出する特徴点抽出部と、特徴点抽出部により抽出された特徴点の鳥瞰画像上の所定領域内における分布に対応した波形データを算出する波形データ算出部と、波形データのピーク情報を検出するピーク情報検出部と、ピーク情報が所定の第１閾値以上であるか否かに基づいて、特徴点抽出部により抽出された特徴点を有する立体物が周期的静止物候補であるか否かを判断する周期的静止物候補検出部と、周期的静止物候補検出部により周期的静止物候補が検出され、かつ、その検出が所定の条件の下で為されたとき、当該周期的静止物候補が周期的静止物であると判定する周期的静止物判断部と、を備える。

本発明の他の態様は、移動体の周囲に存在する周期的静止物を検出する周期的静止物検出方法である。この周期的静止物検出方法は、移動体に搭載された撮像装置により、移動体の周囲を撮像する撮像工程と、撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換工程と、鳥瞰画像の所定領域の画像データから、該所定領域に含まれる複数の小領域ごとに立体物の特徴点を抽出する特徴点抽出工程と、特徴点抽出工程により抽出された特徴点の鳥瞰画像上の所定領域内における分布に対応した波形データを算出する波形データ算出工程と、波形データのピーク情報を検出するピーク情報検出工程と、ピーク情報が所定の第１閾値以上であるか否かに基づいて、特徴点抽出工程により抽出された特徴点を有する立体物が周期的静止物候補であるか否かを判断する周期的静止物候補検出工程と、周期的静止物候補検出工程により周期的静止物候補が検出され、かつ、その検出が所定の条件の下で為されたとき、当該周期的静止物候補が周期的静止物であると判定する周期的静止物判断工程と、を備える。

図１は、本発明の第１実施形態に係る周期的静止物検出装置の概略構成図であって、周期的静止物検出装置が車両に搭載される場合の例を示している。 図２は、図１に示した自車両の走行状態を示す上面図である。 図３は、図１に示した計算機の詳細を示すブロック図である。 図４は、図３に示した位置合わせ部の処理の概要を示す上面図であり、（ａ）は自車両の移動状態を示し、（ｂ）は位置合わせの概要を示している。 図５は、図３に示した移動量候補算出部の処理詳細を示す図であり、（ａ）は時刻ｔにおける差分画像ＰＤ_ｔを示し、（ｂ）は時刻ｔ−１における差分画像ＰＤ_ｔ−１を示している。 図６は、図３に示した位置合わせ部及び立体物検出部の処理を示すフローチャートである。 図７は、図３に示した周期性判定部の処理を示すフローチャートである。 図８は、図３に示したカウント部により生成されたヒストグラムを示す図である。 図９は、図３に示した移動範囲算出部及び周期的静止物判断部の処理を示すフローチャートである。 図１０は、図９に示したステップＳ２７の詳細を示す図であり、（ａ）は周期的静止物の手前側に他車両が進入した場合を示し、（ｂ）は（ａ）のときのヒストグラムを示し、（ｃ）は周期的静止物の奥側に他車両が進入した場合を示し、（ｄ）は（ｃ）のときのヒストグラムを示している。 図１１は、本発明の第２実施形態に係る周期的静止物検出装置の概略構成図であって、周期的静止物検出装置が車両に搭載される場合の例を示している。 図１２は、図１１に示した自車両の走行状態および撮像装置の撮像範囲を示す図である。 図１３は、図１１に示した計算機の詳細を示すブロック図である。 図１４は、図１３に示したエッジ分布算出部、カウント部、周期的静止物候補検出部、および周期的静止物判断部の詳細動作を示す図である。 図１５は、本発明の第２実施形態に係る周期的静止物検出方法の詳細を示すフローチャートである。 図１６は、本発明の第２実施形態に係る周期的静止物検出方法の詳細を示すフローチャートであり、図１５に続く処理を示す。 図１７は、本発明の第３実施形態に係る周期的静止物検出装置の計算機の詳細を示すブロック図である。 図１８は、図１７の位置合わせ部の詳細動作を示す図である。 図１９は、図１７の差分算出部の詳細動作を示す図である。（ａ）はエッジ分布波形が周期的静止物に由来するものである場合の差分を示し、（ｂ）はエッジ分布波形が移動物に由来するものである場合の差分を示す。 図２０は、本発明の第３実施形態に係る周期的静止物検出方法の詳細を示すフローチャートであり、図１６に対応する図である。 図２１は、本発明の第３実施形態の変形例に係る周期的静止物検出方法の詳細を示すフローチャートであり、図１６に対応する図である。

＜第１実施形態＞
以下、本発明の好適な実施形態を図面に基づいて説明する。図１は、本発明の第１実施形態に係る周期的静止物検出装置１の概略構成図であって、周期的静止物検出装置１が自車両Ｖに搭載される場合の例を示している。図１に示す周期的静止物検出装置１は、自車両Ｖの周囲に存在する周期的静止物を検出するものであって、具体的にはパイロン、ガードレール脚部、電柱などのように路側に周期的に存在する静止物を検出するものである。なお、以下の例では自車両Ｖを移動体の一例として説明するが、移動体は自車両Ｖに限らず、二輪車や自転車など他の移動体であってもよい。

周期的静止物検出装置１は、カメラ（撮像装置）１０と、車速センサ２０（速度検出器）と、計算機３０とを備えている。図１に示すカメラ１０は、自車両Ｖの後方における高さｈの箇所において、光軸が水平から下向きに角度θとなるように取り付けられている。カメラ１０は、この位置から所定の検出領域を撮像するようになっている。車速センサ２０は、自車両Ｖの走行速度を検出するものであって、例えば車輪に回転数を検知する車輪速センサで検出した車輪速から速度を算出する。計算機３０は、カメラ１０により撮像された画像や車速センサ２０からの信号に基づいて、自車両Ｖの周囲に存在する周期的静止物を検出するものである。

図２は、図１に示した自車両Ｖの走行状態を示す上面図である。図２に示すように、カメラ１０は、所定の画角ａで車両後方側を撮像する。このとき、カメラ１０の画角ａは広くなっており、自車両Ｖが走行する車線に加えて、周期的静止物が存在する路側についても撮像可能となっている。

図３は、図１に示した計算機３０の詳細を示すブロック図である。なお、図３においては、接続関係を明確とするためにカメラ１０、及び車速センサ２０についても図示するものとする。

図３に示すように、計算機３０は、視点変換部３１と、位置合わせ部３２と、立体物検出部３３と、移動量候補算出部３４と、カウント部３５と、移動範囲算出部３６と、周期的静止物判断部３７と、車線変更検出部（横移動検出部）３８とを備えている。

視点変換部３１は、カメラ１０による撮像にて得られた撮像画像データを入力し、入力した撮像画像データを鳥瞰視される状態の鳥瞰画像データに視点変換するものである。鳥瞰視される状態とは、上空から例えば鉛直下向きに見下ろす仮想カメラの視点から見た状態である。この視点変換は、例えば特許文献１に記載されるようにして実行される。

位置合わせ部３２は、視点変換部３１の視点変換により得られた鳥瞰画像データを順次入力し、入力した異なる時刻の鳥瞰画像データの位置を合わせるものである。図４は、図３に示した位置合わせ部３２の処理の概要を示す上面図であり、（ａ）は自車両Ｖの移動状態を示し、（ｂ）は位置合わせの概要を示している。

図４（ａ）に示すように、現時刻の自車両ＶがＶ_１に位置し、一時刻前の自車両ＶがＶ_２に位置しているとする。また、自車両Ｖの後側方領域に他車両Ｖ_Ｏが位置して自車両Ｖと並走状態にあり、現時刻の他車両Ｖ_ＯがＶ_Ｏ１に位置し、一時刻前の他車両Ｖ_ＯがＶ_Ｏ２に位置しているとする。さらに、自車両Ｖは、一時刻で距離ｄ移動したものとする。なお、一時刻前とは、現時刻から予め定められた時間（例えば１制御周期）だけ過去の時刻であっても良いし、任意の時間だけ過去の時刻であっても良い。

このような状態において、現時刻における鳥瞰画像ＰＢ_ｔは図４（ｂ）に示すようになる。この鳥瞰画像ＰＢ_ｔでは、路面上に描かれる白線については矩形状となり、比較的正確に上面視された状態となっているが、Ｖ_Ｏ１に位置している他車両Ｖ_Ｏについては倒れ込みが発生している。また、一時刻前における鳥瞰画像ＰＢ_ｔ−１についても同様に、路面上に描かれる白線については矩形状となり、比較的正確に上面視された状態となっているが、Ｖ_Ｏ２に位置している他車両Ｖ_Ｏについては倒れ込みが発生している。

位置合わせ部３２は、上記のような鳥瞰画像ＰＢ_ｔ，ＰＢ_ｔ−１の位置合わせをデータ上で実行する。この際、位置合わせ部３２は、一時刻前における鳥瞰画像ＰＢ_ｔ−１をオフセットさせ、現時刻における鳥瞰画像ＰＢ_ｔと位置を一致させる。オフセット量ｄ’は、図４（ａ）に示した移動距離ｄに対応するだけの量となり、車速センサ２０からの信号と一時刻前から現時刻までの時間に基づいて決定される。

立体物検出部３３は、差分画像ＰＤ_ｔのデータから複数の立体物を検出するものである。具体的に立体物検出部３３は、鳥瞰画像ＰＢ_ｔ，ＰＢ_ｔ−１の差分をとり、差分画像ＰＤ_ｔのデータを生成する。ここで、差分画像ＰＤ_ｔの画素値は、鳥瞰画像ＰＢ_ｔ，ＰＢ_ｔ−１の画素値の差を絶対値化したものでもよいし、照度環境の変化に対応するために当該絶対値が所定値を超えたときに「１」とし、超えないときに「０」としてもよい。また、立体物検出部３３は、差分画像ＰＤ_ｔのデータ上において上記「１」として検出された領域に立体物が存在すると判断する。

再度、図３を参照する。移動量候補算出部３４は、立体物検出部３３により検出された複数の立体物の移動量候補を算出するものである。図５は、図３に示した移動量候補算出部３４の処理詳細を示す図であり、（ａ）は時刻ｔにおける差分画像ＰＤ_ｔを示し、（ｂ）は時刻ｔ−１における差分画像ＰＤ_ｔ−１を示している。

まず、移動量候補算出部３４は、図５（ｂ）に示すような時刻ｔ−１における差分画像ＰＤ_ｔ−１のデータから、立体物の接地点（特徴点）を検出する。接地点とは、立体物と路面との接触点である。このとき、移動量候補算出部３４は、検出された立体物のうち、自車両Ｖのカメラ１０に最も近い位置を接地点として検出する。移動量候補算出部３４は、立体物検出部３３によって差分画像ＰＤ_ｔ−１のデータ上において立体物が存在すると判断された領域（小領域）ごとに接地点を検出する。

具体的に移動量候補算出部３４は、立体物Ｏ_１について接地点Ｐ_１を検出し、立体物Ｏ_２について接地点Ｐ_２を検出し、立体物Ｏ_３について接地点Ｐ_３を検出する。次いで、移動量候補算出部３４は、図５（ａ）に示すような時刻ｔにおける差分画像ＰＤ_ｔに対して、幅Ｗの領域Ｔを設定する。この際、移動量候補算出部３４は、時刻ｔ−１における差分画像ＰＤ_ｔ−１のデータの接地点Ｐ_１〜Ｐ_３に対応する箇所に領域Ｔを設定する。

次に、移動量候補算出部３４は、時刻ｔにおける差分画像ＰＤ_ｔのデータから、立体物の接地点を検出する。このときも移動量候補算出部３４は、立体物検出部３３によって差分画像ＰＤ_ｔのデータ上において立体物が存在すると判断された領域（小領域）ごとに接地点を検出する。移動量候補算出部３４は、検出された立体物のうち、自車両Ｖのカメラ１０に最も近い位置を接地点として検出する。すなわち、移動量候補算出部３４は、立体物Ｏ_４について接地点Ｐ_４を検出し、立体物Ｏ_５について接地点Ｐ_５を検出し、立体物Ｏ_６について接地点Ｐ_６を検出する。このように位置合わせ部３２、立体物検出部３３、及び移動量候補算出部３４は、鳥瞰画像の所定領域の画像データ(差分画像の後側方領域の画像データ)から、当該所定領域に含まれる複数の小領域ごとに（差分画像の画像データ上において立体物が存在すると判断された領域ごとに）立体物の特徴点（接地点）を抽出する特徴点抽出部として機能する。

そして、移動量候補算出部３４は、接地点同士を対応付ける。すなわち、移動量候補算出部３４は、接地点Ｐ_１に対して接地点Ｐ_４を対応付けると共に、接地点Ｐ_１に対して接地点Ｐ_５を対応付け、且つ、接地点Ｐ_１に対して接地点Ｐ_６を対応付ける。同様に、移動量候補算出部３４は、接地点Ｐ_２，Ｐ_３に対しても接地点Ｐ_４〜Ｐ_６を対応付ける。

その後、移動量候補算出部３４は、対応付けられた接地点Ｐ_１〜Ｐ_６同士の距離（すなわち移動量候補）を算出する。そして、移動量候補算出部３４は、算出した距離を移動量候補とする。このように、移動量候補算出部３４は、各立体物に対して複数の移動量候補を算出する。これにより、立体物の移動量を唯一に決定してしまい、同じような画像的特徴が周期的に出現する周期的静止物に対して誤った移動量を算出してしまう事態を抑制するようにしている。

なお、領域Ｔを設ける理由は、自車両Ｖのピッチングやヨーイング等によって鳥瞰画像ＰＢ_ｔ，ＰＢ_ｔ−１の位置合わせに誤差が生じても、接地点Ｐ_１〜Ｐ_６の対応付けを安定して行うためである。また、接地点Ｐ_１〜Ｐ_６の対応付けは、鳥瞰画像ＰＢ_ｔ，ＰＢ_ｔ−１の接地点周り輝度分布のマッチング処理により決定される。

再度、図３を参照する。カウント部３５は、移動量候補算出部３４により算出された移動量候補をカウントするものであり、カウントによりヒストグラム（波形データ）を作成するものである。例えば、カウント部３５は、接地点Ｐ_１と接地点Ｐ_４との距離、接地点Ｐ_２と接地点Ｐ_５との距離、及び、接地点Ｐ_３と接地点Ｐ_６との距離が同じであれば、カウント値を「３」とする。このように、カウント部３５は、移動量候補をカウントしてヒストグラムを作成することで、差分画像の後側方領域内における各接地点の分布に対応した（各接地点同士の相対的位置関係に基づく）波形データを算出する波形データ算出部として機能する。

移動範囲算出部３６は、カメラ１０の撮像間隔と、車速センサ２０により検出された自車両Ｖの移動速度とに基づいて、周期的静止物の鳥瞰画像上での移動範囲を算出するものである。より詳細に移動範囲算出部３６は、自車両Ｖの速度に対して所定範囲のマージンを持つ移動範囲を算出する。ここで、マージンは例えば±１０ｋｍ／ｈである。具体的に説明すると、移動範囲算出部３６は、カメラ１０の撮像間隔が３３ｍｓであり、１画素がカバーする車両進行方向の実距離が５ｃｍの場合、１制御周期で１画素移動する立体物の速度は約５．５ｋｍ／ｈとなる。車両運動により鳥瞰画像ＰＢ_ｔ，ＰＢ_ｔ−１の精度が悪化することを考慮すると、この約５．５ｋｍ／ｈを許容するため、±１０ｋｍ／ｈのマージンが必要となる。

周期的静止物判断部３７は、立体物検出部３３により検出された複数の立体物が周期的静止物であるか否かを判断するものである。周期的静止物判断部３７は、周期的静止物候補検出部３７ａと周期性判定部３７ｂとを備えている。この周期的静止物判断部３７は、カウント部３５により作成されたヒストグラムと、移動範囲算出部３６により算出された移動範囲と、周期的静止物候補検出部３７ａにより検出された周期的静止物候補（周期的静止物である可能性のある静止物）と、周期性判定部３７ｂにより判定された周期性とに基づいて、立体物検出部３３により検出された複数の立体物が周期的静止物であるか判断する。

次に、フローチャートを参照して周期的静止物検出方法を説明する。図６は、図３に示した位置合わせ部３２及び立体物検出部３３の処理を示すフローチャートである。まず、位置合わせ部３２は、視点変換部３１により検出された異なる時刻の鳥瞰画像ＰＢ_ｔ，ＰＢ_ｔ−１のデータを入力し、位置合わせを行う（Ｓ１）。次いで、立体物検出部３３は、ステップＳ１において位置合わせされた鳥瞰画像ＰＢ_ｔ，ＰＢ_ｔ−１のデータの差分をとる（Ｓ２）。その後、立体物検出部３３は、所定値に基づいて二値化処理を実行して差分画像ＰＤ_ｔのデータを生成する（Ｓ３）。そして、位置合わせ部３２及び立体物検出部３３の処理は終了する。

図７は、図３に示した周期的静止物候補検出部３７ａ及び周期性判定部３７ｂの処理を示すフローチャートであり、図８は、図３に示したカウント部３５により生成されたヒストグラムを示す図である。図８に示すように、カウント部３５は算出された移動量候補のうち同じものをカウントする。すなわち、図８に示す例では移動量ｍ１，ｍ２，ｍ３，ｍ４について複数検出されたため、これらのカウント値が高くなっている。

周期的静止物候補検出部３７ａは、図７及び図８に示すように、まずヒストグラムから最大値Ｍ（ピーク値；ピーク情報）を検出する（Ｓ１１）。次いで、周期的静止物候補検出部３７ａは、ステップＳ１１において検出した最大値Ｍに基づいて所定の閾値Ｔｈ_１を設定する（Ｓ１２）。ここで、所定の閾値Ｔｈ_１は、最大値Ｍの７０％に設定される。例えば、最大値Ｍのカウント値が「７」である場合、所定の閾値Ｔｈ_１は「４．９」に設定されることとなる。このように、カウント値の最大値Ｍから所定の閾値Ｔｈ_１を求めるため、自車両Ｖと立体物の位置関係や日照条件などによりカウント値の大きさが変化してしまっても適切な閾値を設定することができる。なお、本実施形態では所定の閾値Ｔｈ_１は最大値Ｍの７０％の値とされているが、これに限られるものではない。

次に、周期的静止物候補検出部３７ａは、所定の閾値Ｔｈ_１以上の極大値Ｍ１〜Ｍ３（ピーク値；ピーク情報）を検出する（Ｓ１３）。ここで、最大値Ｍが例えば「７」であった場合、周期的静止物候補検出部３７ａは、「５」以上のカウント値を有する極大値Ｍ１〜Ｍ３を検出することとなる。このように周期的静止物候補検出部３７ａは、ヒストグラム（波形データ）のピーク情報を検出するピーク情報検出部として機能する。さらに、周期的静止物候補検出部３７ａは、当該ピーク情報が所定の閾値以上であるか否かに基づいて、検出された接地点を有する各立体物が周期的静止物候補であるか否かを判断する。具体的には、例えば、周期的静止物候補検出部３７ａは、各極大値Ｍ，Ｍ１〜Ｍ３（最大値Ｍを含む）に対応する移動量候補に対応付けられた立体物（例えば、ある２つの接地点間の距離が各極大値Ｍ，Ｍ１〜Ｍ３のいずれかに一致する場合の当該接地点を有する２つの立体物）が周期的静止物候補であると判定する。

その後、周期性判定部３７ｂは、極大値Ｍ，Ｍ１〜Ｍ３（最大値Ｍを含む）の間隔（ピーク情報）を検出し、検出した間隔を投票する（Ｓ１４）。すなわち、図８に示す例では間隔Ｄ_１について投票数「２」となり、間隔Ｄ_２について投票数「１」となる。

次いで、周期性判定部３７ｂは、周期性を判定する（Ｓ１５）。このとき、周期性判定部３７ｂは、ステップＳ１４における投票数が所定投票数以上であるか否かに基づいて周期性を判定する。ここで、所定投票数は、鳥瞰画像ＰＢ_ｔから検出された立体物の検出数の半分とされる。よって、鳥瞰画像ＰＢ_ｔから検出された立体物の検出数が「４」である場合、所定投票数は「２」となる。なお、所定投票数は上記に限らず固定の値であっても構わない。

周期性があると判定された場合（Ｓ１５：ＹＥＳ）、周期性判定部３７ｂは、ステップＳ１２における所定の閾値Ｔｈ_１を低下させる（Ｓ１６）。そして、処理はステップＳ１７に移行する。このため、例えば所定の閾値Ｔｈ_１は最大値Ｍの７０％であるが、最大値Ｍの６０％などに設定される。また、所定の閾値Ｔｈ_１を低下させる期間は大凡１秒程度あり、周期性ありと判定される毎に所定の閾値Ｔｈ_１は再設定される。このように、カウント値の極大値Ｍ，Ｍ１〜Ｍ３の発生位置、すなわち間隔から周期性を判断し、周期性があると判断した場合に所定の閾値Ｔｈ_１を低下させるため、一度周期性が判断されると周期的静止物を判断し易くすることができる。一方、一度周期性が判断されるまでは所定の閾値Ｔｈ_１は低下せず位置合わせの誤差等に起因する立体物の誤検出を抑制することができる。

一方、周期性がないと判定された場合（Ｓ１５：ＮＯ）、所定の閾値Ｔｈ_１は低下させられることなく、処理はステップＳ１７に移行する。

このように、周期性判定部３７ｂは、移動量候補のカウント値の最大値Ｍに基づく所定の閾値Ｔｈ_１以上の極大値Ｍ，Ｍ１〜Ｍ３の発生位置（間隔）の投票数（ピーク情報）から周期性を判断する。このため、比較的値が小さい極大値（例えば図８の符号Ｍ４）を無視することができ、ノイズの影響を受け難く、一層精度良く周期性を判断することができる。

ステップＳ１７において、周期性判定部３７ｂは、車線変更検出部３８により規定以上の横移動が検出されたか否かを判断する（Ｓ１７）。具体的に車線変更検出部３８は、ターンシグナルがオンであり、且つ、車速センサにより検出された車速から決定される規定以上の舵角が検出されたときに、規定以上の横移動が検出されたと判断する。

規定以上の横移動が検出されたと判断した場合（Ｓ１７：ＹＥＳ）、周期性判定部３７ｂは、ステップＳ１６において所定の閾値Ｔｈ_１を低下させていた場合、低下させていた閾値Ｔｈ_１を初期化する（Ｓ１８）。これにより、車線変更後の環境に変化に応じて適切に周期的静止物を検出することができることとなる。そして、図７に示す処理は終了する。一方、規定以上の横移動が検出されないと判断した場合（Ｓ１７：ＮＯ）、所定の閾値Ｔｈ_１は初期化されることなく処理は図７に示す処理は終了する。

図９は、図３に示した移動範囲算出部３６及び周期的静止物判断部３７の処理を示すフローチャートである。図９に示すように、まず移動範囲算出部３６は、静止相当移動量を算出する（Ｓ２１）。すなわち、移動範囲算出部３６は、カメラ１０の撮像間隔と、車速センサ２０により検出された自車両Ｖの移動速度とに基づいて、周期的静止物の鳥瞰画像上での移動範囲を算出する。この際、移動範囲算出部３６は、自車両Ｖの速度に対して所定範囲のマージンを持つ移動範囲を算出する。

次に、周期的静止物判断部３７は、周期的静止物候補検出部３７ａにより周期的静止物候補が検出され、かつ、その検出が所定の条件の下で為されたとき、当該周期的静止物候補が周期的静止物であると判定する。具体的には、周期的静止物判断部３７は、ステップＳ２１において算出された移動量の範囲内（移動範囲内）に極大値Ｍ，Ｍ１〜Ｍ３（ヒストグラムのピーク）が存在するか否かを判断する（Ｓ２２）。極大値Ｍ，Ｍ１〜Ｍ３のいずれかが移動量の範囲内に存在すると判断した場合（Ｓ２２：ＹＥＳ）、周期的静止物判断部３７は、周期的静止物が存在すると判断する（周期的静止物候補検出部３７ａによって検出された周期的静止物候補が周期的静止物であると判断する）（Ｓ２３）。すなわち、周期的静止物は、同じ間隔で並んでいることが多く、特定のカウント値が大きくなる傾向にある。また、周期的静止物は静止しているため、移動量候補のカウント値は移動体の速度等を考慮した移動範囲内に収まるべきである。よって、ステップＳ２２において「ＹＥＳ」と判断された場合、複数の立体物が周期的静止物であるといえる。そして、図９に示す処理は終了する。

一方、上記移動量の範囲内に極大値Ｍ，Ｍ１〜Ｍ３のいずれも存在しないと判断した場合（Ｓ２２：ＮＯ）、周期的静止物判断部３７は、周期性判定部３７ｂにより周期性ありと判定されていたか否かを判断する（Ｓ２４）。周期性判定部３７ｂにより周期性ありと判定されていなかったと判断した場合（Ｓ２４：ＮＯ）、周期的静止物判断部３７は、立体物を移動物であると判断する（Ｓ２５）。そして、図９に示す処理は終了する。

周期性判定部３７ｂにより周期性ありと判定されていたと判断した場合（Ｓ２４：ＹＥＳ）、周期的静止物判断部３７は、所定の閾値Ｔｈ_１以上の極大値から非周期的極大値を検出する（Ｓ２６）。非周期的極大値とは、例えば図８に示す極大値Ｍ３が相当する。この極大値Ｍ３は、隣接する極大値との間隔が他の極大値Ｍ，Ｍ１，Ｍ２と異なっている。このため、周期的静止物判断部３７は、この極大値Ｍ３を周期性の無い非周期的極大値と判定する。

そして、非周期的極大値を検出できなった場合（Ｓ２６：ＮＯ）、周期性があり非周期的極大値が存在しないことから、周期的静止物判断部３７は、周期的静止物が存在すると判断する（Ｓ２３）。

一方、非周期的極大値を検出できた場合（Ｓ２６：ＹＥＳ）、周期的静止物判断部３７は、周期的極大値Ｍ，Ｍ１，Ｍ２が前回値よりも低下しているか否か判断する（Ｓ２７）。この処理において、周期的静止物判断部３７は、今回処理における周期的極大値Ｍ，Ｍ１，Ｍ２の平均値を算出すると共に、前回処理における周期的極大値の平均値についても算出する。そして、周期的静止物判断部３７は、今回処理の平均値が前回処理の平均値よりも所定値以上低下しているか判断する。

周期的極大値Ｍ，Ｍ１，Ｍ２が前回値よりも低下していると判断した場合（Ｓ２７：ＹＥＳ）、周期的静止物判断部３７は、自車両Ｖと周期的静止物との間に他車両等が進入したと判断し、移動物を検出する（Ｓ２５）。そして、図９に示す処理を終了する。

一方、周期的極大値Ｍ，Ｍ１，Ｍ２が前回値よりも低下していないと判断した場合（Ｓ２７：ＮＯ）、周期的静止物判断部３７は、自車両Ｖからみて周期的静止物の奥側に他車両等が進入したと判断し、周期的静止物を検出する（Ｓ２３）。そして、図９に示す処理を終了する。

図１０は、図９に示したステップＳ２７の詳細を示す図であり、（ａ）は周期的静止物の手前側に他車両Ｖ_Ｏが進入した場合を示し、（ｂ）は（ａ）のときのヒストグラムを示している。また、（ｃ）は周期的静止物の奥側に他車両Ｖ_Ｏが進入した場合を示し、（ｄ）は（ｃ）のときのヒストグラムを示している。なお、図１０（ｂ）及び（ｄ）において破線は他車両進入前のヒストグラムを示し、実線は他車両進入後のヒストグラムを示している。

まず図１０（ａ）に示すように、周期的静止物の手前側に他車両Ｖ_Ｏが進入したとする。このとき、他車両Ｖ_Ｏにより周期的静止物が遮られることから、図１０（ｂ）に示すように、周期的極大値のカウント値は小さくなる傾向にある。特に、周期的静止物の手前側に他車両Ｖ_Ｏが進入する場合は、自車両Ｖが車線変更可能な位置に他車両Ｖ_Ｏが存在する可能性がある。このため、このような場合、周期的静止物判断部３７は、他車両Ｖ_Ｏ（移動物）を検出する。

これに対して、図１０（ｃ）に示すように、周期的静止物の奥側に他車両Ｖ_Ｏが進入したとする。このとき、他車両Ｖ_Ｏにより周期的静止物が遮られることがない。よって、周期的極大値のカウント値には殆ど影響が無く、周期的極大値のカウント値はあまり小さくならない。周期的静止物の奥側に他車両Ｖ_Ｏが進入する場合は、自車両Ｖが車線変更可能な位置に他車両Ｖ_Ｏは存在しないことから、このような場合、周期的静止物判断部３７は、周期的静止物を検出する。

本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、鳥瞰画像における後側方領域（所定領域）の差分画像の画像データから、差分画像の画像データ上において立体物が存在すると判断された領域ごとに（所定領域に含まれる複数の小領域ごとに）立体物の接地点（特徴点）を抽出し、鳥瞰画像上の後側方領域内における接地点の分布に対応したヒストグラム（波形データ）を算出し、そのヒストグラムのピーク情報（ピークの値、ピークの間隔の投票数等）が所定の閾値以上であるか否かに基づいて、抽出された接地点を有する立体物が周期的静止物候補であるか否かを判断する。このため、周期的静止物検出装置１及び周期的静止物検出方法によれば、周期的静止物の有する周期性（繰り返し性）を波形データのピーク情報としてより明確に抽出することができ、撮像画像に含まれる立体物の中から周期的静止物候補をより容易に抽出できる。これにより、より精度良く周期的静止物を抽出することが可能になる。

周期的静止物には、類似の外観を有する静止物が略等間隔に並んだものが多い。このような周期的静止物を移動している撮像装置によって撮像した場合、前回画像における周期的静止物の各要素が今回画像においてどの部位に対応するかを判別することは難しい。そして、この場合、撮像された周期的静止物が静止物であるのか移動物であるのかを判断することも困難となる。さらに移動体の移動速度、撮像装置の撮像間隔、周期的静止物のピッチ等の条件によっては、周期的静止物を移動物として誤認する虞もある。
本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、上記のとおり、撮像画像に含まれる立体物の中からより精度良く周期的静止物を抽出することが可能になり、周期的静止物を移動物として誤認することを防止することが可能になる。

周期的静止物は、差分画像上においては周期的に存在する差分領域を生じる。これら周期的な差分領域も、それぞれが前画像においてどの部位に相当するのかを対応付けて移動量を算出することが困難であり、静止物であるか否かを判断することが難しい。
本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、検出された複数の立体物の移動量候補を算出し、算出された移動量候補をカウントするため、周期的な差分領域それぞれが前画像においてどの部位に対応するのか不明な状態でカウントすることとなる。そして、カウントされた移動量候補のカウント値のうち、移動体の移動範囲内におけるカウント値が閾値Ｔｈ_１以上であると判断した場合、複数の立体物が周期的静止物であると判断する。ここで、周期的静止物は、同じ間隔で並んでいることが多く、特定のカウント値が大きくなる傾向にある。また、周期的静止物は静止しているため、移動量候補のカウント値は移動体の速度等を考慮した移動範囲内に収まるべきである。よって、移動体の速度等を考慮した移動範囲内に収まる特定のカウント値が所定の閾値Ｔｈ_１以上である場合には複数の立体物が周期的静止物であるといえる。従って、より精度良く周期的静止物を検出することができる。

さらに、本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、各立体物に対して複数の移動量候補を算出するため、立体物の移動量を唯一に決定してしまい、同じような画像的特徴が周期的に出現する周期的静止物に対して誤った移動量を算出してしまう事態を抑制することができる。

また、本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、カウントされたカウント値の最大値Ｍから所定の閾値Ｔｈ_１を求めるため、移動体と立体物の位置関係や日照条件などによりカウント値の大きさが変化してしまっても適切な閾値Ｔｈ_１を設定することができる。

さらに、本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、カウントされたカウント値の極大値Ｍ，Ｍ１〜Ｍ３の発生位置から周期性を判断し、周期性があると判断した場合に所定の閾値Ｔｈ_１を低下させるため、一度周期性が判断されると周期的静止物を判断し易くすることができる。一方、一度周期性が判断されるまでは所定の閾値Ｔｈ_１は低下せず位置合わせの誤差等に起因する立体物の誤検出を抑制することができる。

また、本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、カウント値の最大値Ｍに基づく所定の閾値Ｔｈ_１以上の極大値Ｍ，Ｍ１〜Ｍ３の発生位置から周期性を判断するため、比較的値が小さい極大値を無視することができ、ノイズの影響を受け難く、一層精度良く周期性を判断することができる。

さらに、本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、規定以上の横移動が検出され、且つ、所定の閾値Ｔｈ_１を低下させていた場合、低下させていた閾値Ｔｈ_１を初期化するため、自車両Ｖが車線変更した場合に初期化されることとなり、車線変更後の環境に変化に応じて適切に周期的静止物を検出することができる。

また、本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、今回処理において周期性があると判断された極大値Ｍ，Ｍ１，Ｍ２を除く所定の閾値Ｔｈ_１以上の極大値Ｍ３が検出された場合、今回処理において周期性があると判断された極大値Ｍ，Ｍ１，Ｍ２の平均値が前回処理における周期性があると判断されたときの極大値の平均値よりも所定値以上小さくない場合、複数の立体物が周期的静止物であると判断する。一方、所定値以上小さい場合、移動物が存在すると判断する。

また、ここで、今回処理において周期性があると判断された極大値Ｍ，Ｍ１，Ｍ２を除く所定の閾値Ｔｈ_１以上の極大値Ｍ３が検出された場合とは、例えば他車両等が画角内に進入した場合が想定される。このような場合、自車両Ｖからみて周期的静止物の奥側に他車両等が進入したときと、手前側に進入したときとが想定される。

他車両等が奥側に進入した場合、周期的静止物による周期的極大値Ｍ，Ｍ１，Ｍ２には殆ど影響が無く、非周期的極大値Ｍ３が検出される傾向にある。一方、他車両等が手前側に進入した場合、他車両等により周期的静止物が遮られるため、周期的極大値Ｍ，Ｍ１，Ｍ２のカウント値は小さくなる傾向にある。

よって、今回処理において周期性があると判断された極大値Ｍ，Ｍ１，Ｍ２の平均値が前回処理における周期性があると判断されたときの極大値の平均値よりも所定値以上小さくない場合とは、車線変更が可能な位置ではない周期的静止物の奥側に他車両等が位置していることから、当該他車両等の移動物を検出する必要はない。一方、今回処理において周期性があると判断された極大値Ｍ，Ｍ１，Ｍ２の平均値が前回処理における周期性があると判断されたときの極大値の平均値よりも所定値以上小さい場合とは、車線変更可能な位置である周期的静止物の手前側に他車両等が存在するため、移動物を検出することとなる。

従って、本実施形態に係る周期的静止物検出装置１及び周期的静止物検出方法によれば、実際の現象に応じた適切な判断を行うことができる。

なお、上記実施形態においては撮像した現時刻の画像と一時刻前の画像とを鳥瞰図に変換し、変換した鳥瞰図の位置合わせを行ったうえで差分画像ＰＤ_ｔを生成しているが、これに限定されない。例えば、一時刻前の画像のみを鳥瞰図に変換し、変換した鳥瞰図を位置合わせした後に再び撮像した画像相当に変換し、この画像と現時刻の画像とで差分画像を生成しても良い。すなわち、現時刻の画像と一時刻前の画像との位置合わせを行い、位置合わせを行った両画像の差分から差分画像ＰＤ_ｔを生成すれば、必ずしも明に鳥瞰図を生成しなくとも良い。

＜第２実施形態＞
以下、本発明の第２実施形態を図面に基づいて説明する。なお、第１実施形態において説明したものと同等のものについては、それらと同一の符号を付して説明を省略する。

図１１は、本実施形態に係る周期的静止物検出装置２の概略構成図である。本実施形態は、周期的静止物検出装置２が自車両Ｖに搭載される場合の例を示している。図１１に示すように、周期的静止物検出装置２は、カメラ１０と、計算機４０とを備えている。

図１２は、図１１に示したカメラ１０の撮像範囲等を示す図である。図１２に示すように、カメラ１０は、第１実施形態と同様に、所定の画角ａで自車両Ｖの後側方領域を撮像する。カメラ１０の画角ａは、カメラ１０の撮像範囲に、自車両Ｖが走行する車線に加え、隣接する車線または路側も含まれるように設定される。

計算機４０は、カメラ１０によって撮像した撮像画像のうち、周期的静止物の検出領域Ａ_１，Ａ_２内の部位について各種処理を実行する。これにより、計算機４０は、検出領域Ａ_１，Ａ_２内に存在する立体物が周期的静止物であるか否かを判定する。検出領域Ａ_１，Ａ_２は、上方からみると矩形状となっている。検出領域Ａ_１，Ａ_２の位置は、自車両Ｖに対する相対位置から設定されてもよいし、既存の白線認識技術等を利用して、白線の位置を基準に設定されてもよい。鳥瞰画像上における検出領域Ａ_１，Ａ_２の形状は、矩形状に限らない。実空間における矩形状領域を検出領域とする場合は、鳥瞰画像上における検出領域Ａ_１，Ａ_２の形状を台形形状としてもよい。

検出領域Ａ_１，Ａ_２の自車両Ｖ側における辺（進行方向に沿う辺）は、接地線Ｌ_１，Ｌ_２として設定される。接地線Ｌ_１，Ｌ_２は、自車両Ｖが走行する車線に隣接する車線に存在する他車両Ｖ_Ｏや路側に存在する周期的静止物が地面に接触する線を意味する。

自車両Ｖの後端部から検出領域Ａ_１，Ａ_２の前端部までの車両進行方向の距離は、検出領域Ａ_１，Ａ_２が少なくともカメラ１０の画角ａ内に収まるように決定される。
また、検出領域Ａ_１，Ａ_２の車両進行方向における長さ及び車両進行方向に直交する方向における幅は、検出対象となる周期的静止物の大きさに基づいて決定される。本実施形態においては、周期的静止物と他車両Ｖ_Ｏとを区別するため、車両進行方向における長さは、少なくとも他車両Ｖ_Ｏを含み得る長さに設定される。また、車両進行方向に直交する方向における幅は、鳥瞰画像において左右の隣接車線よりも更に隣接する車線（すなわち２車線隣りの車線）を含まない長さとされる。

図１３は、図１１に示した計算機４０の詳細を示すブロック図である。図１３に示すように、計算機４０は、視点変換部４１と、エッジ分布算出部４２と、カウント部４３と、周期的静止物候補検出部４４と、周期的静止物判断部４５とを含む。なお、計算機４０は、ＣＰＵやＲＡＭ、ＲＯＭ等からなるコンピュータである。計算機４０は、予め設定されたプログラムに従って画像処理等を行うことによって、視点変換部４１、エッジ分布算出部４２、カウント部４３、周期的静止物候補検出部４４、周期的静止物判断部４５といった各部の機能を実現する。

視点変換部４１は、カメラ１０による撮像にて得られた所定領域の撮像画像データを入力する。視点変換部４１は、入力した撮像画像データに対して、鳥瞰視される状態の鳥瞰画像データに視点変換処理を行う。鳥瞰視される状態とは、上空から例えば鉛直下向き（又は、やや斜め下向き）に見下ろす仮想カメラの視点から見た状態である。

図１４は、エッジ分布算出部４２、カウント部４３、周期的静止物候補検出部４４、および周期的静止物判断部４５の詳細動作を示す図である。なお、図１４は、検出領域Ａ_１を含む車両進行方向右側のみを図示して説明するが、エッジ分布算出部４２、カウント部４３、周期的静止物候補検出部４４、および周期的静止物判断部４５は、検出領域Ａ_２を含む車両進行方向左側の領域に対しても同様の処理を行う。

エッジ分布算出部４２は、図１３に示すように、エッジ要素抽出部４２ａとエッジ分布波形算出部４２ｂとを備える。エッジ要素抽出部４２ａは、鳥瞰画像に含まれる周期的静止物のエッジの構成要素（以下、エッジ要素（特徴点）という）を検出するために、視点変換部４１により視点変換された鳥瞰画像データに対して、輝度差の算出を行う。エッジ要素抽出部４２ａは、実空間における鉛直方向に伸びる鉛直仮想線に沿った複数の位置ごとに、当該各位置の近傍の２つの画素間の輝度差を算出する。

具体的には、エッジ要素抽出部４２ａは、視点変換された鳥瞰画像に対して実空間で鉛直方向に伸びる線分に該当する第１鉛直仮想線と、実空間で鉛直方向に伸びる線分に該当する第２鉛直仮想線とを設定する。エッジ要素抽出部４２ａは、第１鉛直仮想線上の点と第２鉛直仮想線上の点との輝度差を、第１鉛直仮想線に沿って連続的に求める。

エッジ分布波形算出部４２ｂは、エッジ要素抽出部４２ａにより抽出されたエッジ要素の個数を複数の鉛直仮想線ごとに積算し、積算したエッジ要素の個数に基づいてエッジ分布波形を算出する。

エッジ要素抽出部４２ａおよびエッジ分布波形算出部４２ｂの動作をより詳細に説明する。
エッジ要素抽出部４２ａは、図１４に示すように、実空間で接地線Ｌ_１上の点から鉛直方向に伸びる線分に該当し、且つ、検出領域Ａ_１を通過する第１鉛直仮想線Ｌ_ａｉ（以下、注目線Ｌ_ａｉという）を複数設定する。注目線Ｌ_ａｉの本数は特に限定されない。以下の説明では、ｎ本の注目線Ｌ_ａｉ（ｉ＝１〜ｎ）が設定されたものとして説明する。

また、エッジ要素抽出部４２ａは、複数の注目線Ｌ_ａｉに各々対応し、実空間で接地線Ｌ_１上の点から鉛直方向に伸びる線分に該当し、且つ、検出領域Ａ_１を通過する第２鉛直仮想線Ｌ_ｒｉ（以下、参照線Ｌ_ｒｉという）を複数設定する。各参照線Ｌ_ｒｉは、実空間において対応する注目線Ｌ_ａｉから所定距離（例えば、１０ｃｍ）だけ離間する位置に設定される。なお、実空間で鉛直方向に伸びる線分に該当する線は、鳥瞰画像においてはカメラ１０の位置Ｐ_Ｓから放射状に広がる線となる。

次にエッジ要素抽出部４２ａは、各注目線Ｌ_ａｉ上に注目点Ｐ_ａｊを複数設定する。図１４に示した例では、注目点Ｐ_ａ１〜Ｐ_ａ８が設定されているが、注目点Ｐ_ａｊの個数は特に限定されない。以下の説明では、ｋ個の注目点Ｐ_ａｊ（ｊ＝１〜ｋ）が設定されたものとして説明する。

また、エッジ要素抽出部４２ａは、各参照線Ｌ_ｒｉ上に、上記注目点Ｐ_ａｊに各々対応する参照点Ｐ_ｒｊを複数設定する。互いに対応する注目点Ｐ_ａｊと参照点Ｐ_ｒｊとは、実空間上において略同じ高さに設定される。なお、注目点Ｐ_ａｊと参照点Ｐ_ｒｊとは必ずしも厳密に同じ高さである必要はなく、注目点Ｐ_ａｊと参照点Ｐ_ｒｊとが同じ高さとみなせる程度の誤差は許容されることは勿論である。

エッジ要素抽出部４２ａは、互いに対応する注目点Ｐ_ａｊと参照点Ｐ_ｒｊとの間の輝度差を、各注目線Ｌ_ａｉに沿って連続的に求める。図１４に示した例では、エッジ要素抽出部４２ａは、第１注目点Ｐ_ａ１と第１参照点Ｐ_ｒ１との間で輝度差を算出し、第２注目点Ｐ_ａ２と第２参照点Ｐ_ｒ２との間で輝度差を算出する。そして同様にして、第３〜第８注目点Ｐ_ａ３〜Ｐ_ａ８と第３〜第８参照点Ｐ_ｒ３〜Ｐ_ｒ８との輝度差を順次求めていくこととなる。

エッジ要素抽出部４２ａは、注目点Ｐ_ａｊと参照点Ｐ_ｒｊとの輝度差が所定値以上である場合に、注目点Ｐ_ａｊと参照点Ｐ_ｒｊとの間にエッジ要素が存在すると判定する。このように、エッジ要素抽出部４２ａは、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、当該鉛直仮想線に沿って存在するエッジ要素（特徴点）を抽出する特徴点抽出部として機能する。換言すれば、エッジ要素抽出部４２ａは、鳥瞰画像の所定領域（検出領域）の画像データから、当該所定領域に含まれる複数の小領域ごとに（複数の鉛直仮想線近傍領域ごとに）立体物の特徴点（エッジ要素）を抽出する。

エッジ分布波形算出部４２ｂは、エッジ要素抽出部４２ａによって抽出されたエッジ要素が同じ注目線Ｌ_ａｉに沿って何個存在するかをカウントする。エッジ分布波形算出部４２ｂは、カウントしたエッジ要素の個数を、各注目線Ｌ_ａｉの属性として記憶する。

エッジ分布波形算出部４２ｂは、エッジ要素のカウントの処理をすべての注目線Ｌ_ａｉに対して実行する。なお、注目線Ｌ_ａｉのうち検出領域Ａ_１と重複する部分の長さは、各注目線Ｌ_ａｉの位置に応じて異なるものとなる。カウントしたエッジ要素の個数は、対応する注目線Ｌ_ａｉの重複部分の長さで除算することで正規化してもよい。

図１４に示した例では、検出領域Ａ_１に他車両Ｖ_Ｏが映っている。他車両Ｖ_Ｏのタイヤのゴム部分に注目線Ｌ_ａｉが設定され、そこから１０ｃｍ相当だけ離れたタイヤのホイール上に参照線Ｌ_ｒｉが設定されていると仮定する。このとき第１注目点Ｐ_ａ１と第１参照点Ｐ_ｒ１とは、同じタイヤ部分に位置するために、それらの間の輝度差は小さい。一方、第２〜第８注目点Ｐ_ａ２〜Ｐ_ａ８はタイヤのゴム部分に位置し、第２〜第８参照点Ｐ_ｒ２〜Ｐ_ｒ８はタイヤのホイール部分に位置するために、それらの間の輝度差は大きくなる。第２〜第８注目点Ｐ_ａ２〜Ｐ_ａ８と第２〜第８参照点Ｐ_ｒ２〜Ｐ_ｒ８と輝度差が所定値以上であれば、エッジ要素抽出部４２ａは、第２〜第８注目点Ｐ_ａ２〜Ｐ_ａ８と第２〜第８参照点Ｐ_ｒ２〜Ｐ_ｒ８との間にエッジ要素が存在することを検出する。そして第２〜第８注目点Ｐ_ａ２〜Ｐ_ａ８は注目線Ｌ_ａｉに沿って７個存在しているので、エッジ要素抽出部４２ａは、エッジ要素を７回検出する。このときエッジ分布波形算出部４２ｂは、エッジ要素のカウント値を「７」とする。

さらにエッジ分布波形算出部４２ｂは、各注目線Ｌ_ａｉに対して得られたエッジ要素のカウント値をグラフ化し、エッジ分布の波形（波形データ）を得る。具体的には、エッジ分布波形算出部４２ｂは、エッジ要素のカウント値を縦軸とし、実空間における注目線Ｌ_ａｉの接地線Ｌ_１上の位置を横軸とした平面上に、エッジ要素のカウント値をプロットする。注目線Ｌ_ａ１〜Ｌ_ａｎが、実空間において接地線Ｌ_１上に等間隔で設定されている場合には、各注目線Ｌ_ａｉに対して得られたエッジ要素のカウント値を、注目線Ｌ_ａ１〜Ｌ_ａｎの順に並べるだけで、エッジ分布の波形を得ることができる。図１４に示した例では、他車両Ｖ_Ｏのタイヤのゴム部分に設定された注目線Ｌ_ａｉが、鳥瞰画像上において接地線Ｌ_１と交差する位置において、エッジ要素のカウント値が「７」となっている。

このようにエッジ分布波形算出部４２ｂは、エッジ要素抽出部４２ａにより抽出されたエッジ要素の個数を、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに積算し、積算したエッジ要素の個数に基づいてエッジ分布波形（波形データ）を算出する波形データ算出部として機能する。換言すれば、エッジ分布波形算出部４２ｂは、鳥瞰画像上の所定領域（検出領域）内における特徴点（エッジ要素）の分布に対応した（各エッジ要素の相対的位置関係に基づく）波形データを算出する。

カウント部４３は、エッジ分布算出部４２のエッジ分布波形算出部４２ｂが算出したエッジ分布波形のピークを検出する。ピークとは、エッジ分布波形上においてエッジ要素のカウント値が増加から減少に転じる点である。カウント部４３は、エッジ分布波形に対して、例えば、ローパスフィルタ、移動平均フィルタ等によるノイズ除去処理を施した上で、ピーク検出を行う。ここで、所定の閾値以上の値を有するピークのみをピークとして検出するようにしてもよい。所定の閾値は、例えば、エッジ分布波形の最大値の６０％の値に設定することができる。

また、カウント部４３は、検出したピークのうち等間隔に並んだピークの個数（ピーク情報）をカウントする。具体的には、カウント部４３は、検出した各ピーク間の距離を算出し、算出したピーク間距離が所定範囲内にあるピークを抽出し、その個数をカウントする。ピーク間距離の「所定範囲」は、検出対象である周期的静止物の種類に応じて予め設定した固定値としてもよいし、所定時間以上連続して検出されたピーク間距離に基づいて設定される変動値としてもよい。なお、カウント部４３は、エッジ分布波形からピークを検出する際に前回検出したピークをとばして検出することもある。この場合、ピークの間隔は、実際の間隔の２倍、３倍等の大きさで検出されることになる。そこで、等間隔に並んだピークのカウント漏れをなくすため、「所定範囲」は、本来抽出すべきピークの間隔の倍数に対応する値を含むように設定される。例えば、本来抽出すべきピークの間隔がＸであるとき、ピーク間距離の「所定範囲」は、Ｘ±１０パーセント、２Ｘ±２０パーセント、３Ｘ±３０パーセントに設定される。このようにカウント部４３は、波形データのピーク情報を検出するピーク情報検出部として機能する。

周期的静止物候補検出部４４は、カウント部４３がカウントしたピークの個数（ピーク情報）が所定の閾値Ｔｈ_２以上であるか否かに基づいて、抽出されたエッジ要素を有する立体物が周期的静止物候補に該当するか否かを判定する。具体的には、周期的静止物候補検出部４４は、カウント部４３がカウントしたピークの個数が所定の閾値Ｔｈ_２以上であるとき、カウントされた各ピークに対応する物が周期的静止物候補であると判定する。閾値Ｔｈ_２は、例えば、パイロン、ガードレール脚部、電柱など、検出対象である周期的静止物の種類に応じて定まる値であり、実験等を通じて求めることができる。具体的には、閾値Ｔｈ_２は、例えば、３以上１００以下の値に設定される。

周期的静止物判断部４５は、周期的静止物候補が所定時間継続して検出されたとき、当該周期的静止物候補が周期的静止物であると判定する。具体的には、周期的静止物候補検出部４４によって、ピークの個数が所定の閾値Ｔｈ_２以上である状態が所定時間継続して検出されたとき、周期的静止物判断部４５は、検出した周期的静止物候補が周期的静止物である可能性が十分に高くなったと判断する。そして、周期的静止物判断部４５は、カウントされた各ピークに対応する物が周期的静止物であると判定する。「所定時間」は、検出対象である周期的静止物の種類に応じて定まる値であり、実験等を通じて求めることができる。固定値としてもよいし、カメラ１０の撮像間隔や自車両Ｖの移動速度に応じて変動させてもよい。具体的には、「所定時間」は、例えば、０．１〜５秒に設定される。

次に、本実施形態に係る周期的静止物検出方法について説明する。図１５及び図１６は、本実施形態に係る周期的静止物検出方法の詳細を示すフローチャートである。なお、図１５及び図１６においては、便宜上、検出領域Ａ_１を対象とする処理について説明するが、検出領域Ａ_２についても同様に処理を行うことができる。

図１５に示すように、先ず、ステップＳ３１において、視点変換部４１は、カメラ１０による撮像にて得られた所定領域の撮像画像データを入力し、これに対して視点変換処理を行い、鳥瞰画像データを作成する。

次に、エッジ分布算出部４２は、ステップＳ３２において、検出領域Ａ_１上にｎ本の注目線Ｌ_ａｉを設定するとともに、ｎ本の注目線Ｌ_ａｉに各々対応するｎ本の参照線Ｌ_ｒｉを設定する（ｉ＝１〜ｎ）。エッジ分布算出部４２は、実空間で接地線Ｌ_１上の点から鉛直方向に伸びる線分を注目線Ｌ_ａｉに設定する。また、エッジ分布算出部４２は、実空間で接地線Ｌ_１上の点から鉛直方向に伸びる線分に該当し、且つ、実空間において対応する注目線Ｌ_ａｉから所定距離だけ離間した線分を参照線Ｌ_ｒｉに設定する。

次にエッジ分布算出部４２は、ステップＳ３３において、各注目線Ｌ_ａｉ上にｋ個の注目点Ｐ_ａｊを設定するとともに、各参照線Ｌ_ｒｉ上に、注目点Ｐ_ａｊに各々対応するｋ個の参照点Ｐ_ｒｊを設定する（ｊ＝１〜ｋ）。エッジ分布算出部４２は、互いに対応する注目点Ｐ_ａｊと参照点Ｐ_ｒｊとが、実空間上において略同じ高さとなるように設定する。

次にエッジ分布算出部４２は、ステップＳ３４において、互いに対応する注目点Ｐ_ａｊと参照点Ｐ_ｒｊとの輝度差が所定値以上であるか否かを判定する。輝度差が所定値以上であると判定した場合は、エッジ分布算出部４２は、判断対象となった注目点Ｐ_ａｊと参照点Ｐ_ｒｊとの間にエッジ要素が存在すると判断し、ステップＳ３５にて、第ｉ番目の注目線Ｌ_ａｉのカウント値（bincount(ｉ)）に「１」を代入する。ステップＳ３４において、輝度差が所定値に満たないと判定した場合は、エッジ分布算出部４２は、判断対象となった注目点Ｐ_ａｊと参照点Ｐ_ｒｊとの間にはエッジ要素が存在しないと判断し、ステップＳ３６へ処理を進める。

エッジ分布算出部４２は、ステップＳ３６において、現在処理対象となっている注目線Ｌ_ａｉ上のすべての注目点Ｐ_ａｊについて、ステップＳ３４の処理を実行したか否かを判定する。すべての注目点Ｐ_ａｊについて、ステップＳ３４の処理を実行していないと判定した場合は、エッジ分布算出部４２は、ステップＳ３４に処理を戻し、次の注目点Ｐ_ａｊ+１と参照点Ｐ_ｒｊ+１との輝度差を求め、当該輝度差が所定値以上であるか否かを判定する。このようにして、エッジ分布算出部４２は、注目点Ｐ_ａｊと参照点Ｐ_ｒｊとの間の輝度差を、注目線Ｌ_ａｉに沿って順次連続的に求めてゆき、求めた輝度差が所定値以上となった場合に、エッジ要素が存在すると判断する。

エッジ分布算出部４２は、ステップＳ３５にて、第ｉ番目の注目線Ｌ_ａｉのカウント値（bincount(ｉ)）に「１」を代入したあと、ステップＳ３７へ処理を進め、そこで、次の注目点Ｐ_ａｊ+１と参照点Ｐ_ｒｊ+１との輝度差を求め、当該輝度差が所定値以上であるか否かを判定する。輝度差が所定値以上であると判定した場合は、エッジ分布算出部４２は、判断対象となった注目点Ｐ_ａｊ+１と参照点Ｐ_ｒｊ+１との間にエッジ要素が存在すると判断し、ステップＳ３８にて、第ｉ番目の注目線Ｌ_ａｉのカウント値（bincount(ｉ)）をカウントアップする。

ステップＳ３７において、輝度差が所定値に満たないと判定した場合は、エッジ分布算出部４２は、判断対象となった注目点Ｐ_ａｊ+１と参照点Ｐ_ｒｊ+１との間にはエッジ要素が存在しないと判断し、ステップＳ３８をとばして、ステップＳ３９に処理を進める。

次にエッジ分布算出部４２は、ステップＳ３９において、現在処理対象となっている注目線Ｌ_ａｉ上のすべての注目点Ｐ_ａｊについて、ステップＳ３４またはステップＳ３７の処理を実行したか否かを判定する。すべての注目点Ｐ_ａｊについて、上記の処理を実行していないと判定した場合は、エッジ分布算出部４２は、ステップＳ３７に処理を戻し、次の注目点Ｐ_ａｊ+１と参照点Ｐ_ｒｊ+１との輝度差を求め、当該輝度差が所定値以上であるか否かを判定する。ステップＳ３９において、すべての注目点Ｐ_ａｊについて上記の処理を実行したと判定した場合は、エッジ分布算出部４２は、ステップＳ４１に処理を進める。このようにして、エッジ分布算出部４２は、エッジ要素が同じ注目線Ｌ_ａｉに沿って何個存在しているかをカウントし、カウントしたエッジ要素の個数を、注目線Ｌ_ａｉの属性（bincount(ｉ)）として記憶する。

なお、ステップＳ３６において、すべての注目点Ｐ_ａｊにステップＳ３４の処理を実行したと判定した場合は、エッジ分布算出部４２は、現在処理対象となっている注目線Ｌ_ａｉ上にはエッジ要素が存在しないと判断する。そして、エッジ分布算出部４２は、ステップＳ４０にて、bincount(ｉ)に「０」を代入し、ステップＳ４１に処理を進める。

次にエッジ分布算出部４２は、ステップＳ４１において、ｎ本の注目線Ｌ_ａｉすべてについて、上記の処理を実行したか否かを判定する。すべての注目線Ｌ_ａｉについて、上記の処理を実行していないと判定した場合は、エッジ分布算出部４２は、ステップＳ３４に処理を戻し、次の注目線Ｌ_ａｉ+１について、上記の処理を実行する。ステップＳ４１において、すべての注目線Ｌ_ａｉについて、上記の処理を実行したと判定した場合は、エッジ分布算出部４２は、ステップＳ４２に処理を進める。

次に、エッジ分布算出部４２は、ステップＳ４２において、ｎ本の注目線Ｌ_ａｉの各々に対して得られたエッジ要素のカウント値bincount(ｉ) （ｉ＝１〜ｎ）をグラフ化し、エッジ分布波形を得る。具体的には、エッジ分布算出部４２は、エッジ要素のカウント値を縦軸とし、実空間における注目線Ｌ_ａｉの接地線Ｌ_１上の位置を横軸とした平面上に、エッジ要素のカウント値bincount(ｉ) （ｉ＝１〜ｎ）をプロットする。

続くステップＳ４３では、カウント部４３が、エッジ分布算出部４２が算出したエッジ分布波形のピークを検出する。

続くステップＳ４４では、カウント部４３が、検出した各ピーク間の距離を算出する。

続くステップＳ４５では、カウント部４３が、算出したピーク間距離が所定範囲内にあるピークを抽出し、その個数をカウントする。

続くステップＳ４６では、周期的静止物候補検出部４４が、カウント部４３がカウントしたピークの個数が所定の閾値Ｔｈ_２以上であるか否かを判定する。ピークの個数が所定の閾値Ｔｈ_２以上であると判定した場合、周期的静止物候補検出部４４は、カウントされた各ピークに対応する物が周期的静止物候補であると判定し、ステップＳ４７に処理を進める。

ステップＳ４７では、周期的静止物判断部４５が、ピークの個数が所定の閾値Ｔｈ_２以上である状態が所定回数以上連続して検出されたか否か判断する。ピークの個数が所定の閾値Ｔｈ_２以上である状態が所定回数以上連続して検出されたと判断した場合は、周期的静止物判断部４５は、カウントされた各ピークに対応する物が周期的静止物であると判断し、ステップＳ４８にて、フラグf_shukiに「１」を代入する。一方、ステップＳ４７において、ピークの個数が所定の閾値Ｔｈ_２以上である状態が所定回数以上連続して検出されていないと判断した場合は、周期的静止物判断部４５は、ステップＳ４８をとばして、フラグf_shukiの値を維持する。その後、図１５及び図１６の処理を終了する。

ステップＳ４６において、ピークの個数が所定の閾値Ｔｈ_２未満であると判定した場合、周期的静止物候補検出部４４は、ステップＳ４９に処理を進める。

ステップＳ４９では、周期的静止物判断部４５が、ピークの個数が所定の閾値Ｔｈ_２未満である状態が所定回数以上連続して検出されたか否か判断する。ピークの個数が所定の閾値Ｔｈ_２未満である状態が所定回数以上連続して検出されたと判断した場合は、周期的静止物判断部４５は、カウントされた各ピークに対応する物は周期的静止物ではないと判断し、ステップＳ５０にて、フラグf_shukiに「０」を代入する。一方、ステップＳ４９において、ピークの個数が所定の閾値Ｔｈ_２未満である状態が所定回数以上連続して検出されていないと判断した場合は、周期的静止物判断部４５は、ステップＳ５０をとばして、フラグf_shukiの値を維持する。その後、図１５及び図１６の処理を終了する。

本実施形態に係る周期的静止物検出装置２及び周期的静止物検出方法によれば、鳥瞰画像の所定領域の画像データから、該所定領域に含まれる複数の鉛直仮想線近傍領域（小領域）ごとに立体物のエッジ要素（特徴点）を抽出し、所定領域内におけるエッジ要素の分布に対応したエッジ分布波形（波形データ）を算出し、そのエッジ分布波形のピークの個数（ピーク情報）が所定の閾値以上であるか否かに基づいて、抽出されたエッジ要素を有する立体物が周期的静止物候補であるか否かを判断する。このため、第１実施形態と同様に、周期的静止物の有する周期性（繰り返し性）を波形データのピーク情報としてより明確に抽出することができ、撮像画像に含まれる立体物の中から周期的静止物候補をより容易に抽出できる。これにより、より精度良く周期的静止物を抽出することが可能になる。

また、本実施形態に係る周期的静止物検出装置２及び周期的静止物検出方法によれば、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、鉛直仮想線に沿って存在するエッジ要素の個数を積算し、積算したエッジ要素の個数に基づいてエッジ分布波形を得ている。そして、エッジ分布波形のピークの個数が所定の閾値Ｔｈ_２以上であるとき、抽出されたエッジ要素を有する立体物が周期的静止物候補であると判定する。このため、検知した立体物が静止物であるか移動物であるかを判定しなくても、鉛直方向に延びるエッジが高密度に並んでいる場合を確実に検知して、周期的静止物である可能性がより高い周期的静止物候補をより容易に検出することができる。

特に、本実施形態に係る周期的静止物検出装置２及び周期的静止物検出方法では、エッジ分布波形のピークのうち等間隔に並んだピークの個数をカウントしている。このため、鉛直方向に延びるエッジが高密度かつ等間隔に並んでおり、周期的静止物である可能性がより高い周期的静止物候補を更に確実に検出することができる。

また、本実施形態に係る周期的静止物検出装置２及び周期的静止物検出方法によれば、周期的静止物候補が所定時間継続して検出されたときに、その周期的静止物候補が周期的静止物であると判定する。このため、ノイズによる誤検出を防止して、周期的静止物を一層確実に検出することができる。

＜第３実施形態＞
以下、本発明の第３実施形態を図面に基づいて説明する。なお、第１および第２実施形態において説明したものと同等のものについては、それらと同一の符号を付して説明を省略する。

本実施形態に係る周期的静止物検出装置３の概略構成は、図１に示した周期的静止物検出装置１と同様であるが、計算機３０の代わりに計算機４０’を備える。すなわち、本実施形態に係る周期的静止物検出装置３は、カメラ１０と、車速センサ２０と、計算機４０’とを備えている。

図１７は、本実施形態に係る計算機４０’の詳細を示すブロック図である。図１７に示すように、計算機４０’は、視点変換部４１と、エッジ分布算出部４２と、カウント部４３’と、周期的静止物候補検出部４４と、位置合わせ部５１と、差分算出部５２と、周期的静止物判断部５３とを含む。なお、計算機４０’は、ＣＰＵやＲＡＭ、ＲＯＭ等からなるコンピュータである。計算機４０’は、予め設定されたプログラムに従って画像処理等を行うことによって、視点変換部４１、エッジ分布算出部４２、カウント部４３’、周期的静止物候補検出部４４、位置合わせ部５１、差分算出部５２、周期的静止物判断部５３といった各部の機能を実現する。

本実施形態におけるカウント部４３’は、エッジ分布算出部４２が算出したエッジ分布波形のピークを検出し、その個数をカウントする。カウント部４３’は、ピーク間距離が所定範囲外にあるピークを除外せずにピークの個数をカウントしている点において、第２実施形態におけるカウント部４３と異なる。

周期的静止物候補検出部４４は、カウント部４３’がカウントしたピークの個数（ピーク情報）が所定の閾値Ｔｈ_３以上であるか否かに基づいて、各ピークに対応する物が周期的静止物候補に該当するか否かを判定する。具体的には、周期的静止物候補検出部４４は、カウント部４３’がカウントしたピークの個数が所定の閾値Ｔｈ_３以上であるとき、各ピークに対応する物が周期的静止物候補であると判定する。閾値Ｔｈ_３は、例えば、パイロン、ガードレール脚部、電柱など、検出対象である周期的静止物の種類に応じて定まる値であり、実験等を通じて求めることができる。具体的には、閾値Ｔｈ_３は、例えば、３以上１００以下の値に設定される。

図１８は、位置合わせ部５１の詳細動作を示す図である。位置合わせ部５１は、エッジ分布算出部４２が算出したエッジ分布波形を順次入力し、車速センサ２０により検出された自車両Ｖの移動速度に基づいて、入力した異なる時刻のエッジ分布波形の位置を合わせるものである。例えば、エッジ分布算出部４２が時刻ｔ−Δｔ（第２時刻）に算出したエッジ分布波形Ｅ_ｔ−Δｔと、時刻ｔ（第１時刻）に算出したエッジ分布波形Ｅ_ｔとが位置合わせ部５１に入力されたとする。そして、一時刻（Δｔ）の間に自車両Ｖが移動したことにより、エッジ分布波形が座標系に対してδだけ移動していたとする。このとき位置合わせ部５１は、図１８に示すように、エッジ分布波形Ｅ_ｔを横軸に沿ってδだけシフトすることにより、エッジ分布波形Ｅ_ｔの位置を、エッジ分布波形Ｅ_ｔ−Δｔの位置に一致させる。このようにして、位置合わせ部５１は、エッジ分布波形Ｅ_ｔ’を得る。ここで、エッジ分布波形の位置を合わせるとは、一方のエッジ分布波形上の点（例えば、Ｇ１）に対応する注目線Ｌ_ａｉと、他方のエッジ分布波形上の点（例えば、Ｇ２）に対応する注目線Ｌ_ａｉとが実空間上において同一または略同一の位置に存在するとき、点Ｇ１と点Ｇ２の横軸座標値が一致するようにエッジ分布波形を平行移動することを意味する。なお、一時刻（Δｔ）の長さは、例えば１制御周期など予め定められた時間であってもよく、任意の時間であっても良い。

図１９は、差分算出部５２の詳細動作を示す図である。差分算出部５２は、位置合わせ部５１が算出したエッジ分布波形Ｅ_ｔ’と、エッジ分布波形Ｅ_ｔ−Δｔとを入力し、その差分の絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜の分布を算出する。エッジ分布波形が周期的静止物に由来するものである場合は、エッジ分布波形Ｅ_ｔ−Δｔと、エッジ分布波形Ｅ_ｔ’とがよく一致するため、差分の絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜は、図１９（ａ）に示すように全体的に小さな値となる。一方、エッジ分布波形が移動物に由来するものである場合は、エッジ分布波形Ｅ_ｔ−Δｔと、エッジ分布波形Ｅ_ｔ’とが一致せず、差分の絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜は、図１９（ｂ）に示すように、図１９（ａ）と比較して大きく変化する。

周期的静止物判断部５３は、差分算出部５２が算出した絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜を積分し、その積分値Ｉ_Ｄ１（第１の積分値）を算出するとともに、エッジ分布波形Ｅ_ｔ’の積分値Ｉ_１（第２の積分値）を算出する。さらに周期的静止物判断部５３は、積分値Ｉ_１に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_１）を計算し、その値が所定の閾値Ｔｈ_４より小さいか否かに基づいて、周期的静止物候補検出部４４が検出した周期的静止物候補が静止しているか否か（静止性）を判定する。閾値Ｔｈ_４は、例えば、パイロン、ガードレール脚部、電柱など、検出対象である周期的静止物の種類に応じて定まる値であり、実験等を通じて求めることができる。周期的静止物判断部５３は、積分値Ｉ_１に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_１）が所定の閾値Ｔｈ_４より小さいときは、周期的静止物候補が静止していると判定する。

周期的静止物判断部５３は、静止している周期的静止物候補が所定時間継続して検出されたとき、当該周期的静止物候補が周期的静止物であると判定する。具体的には、比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４より小さい状態が所定時間継続して検出されたとき、周期的静止物判断部５３は、検出した周期的静止物候補が周期的静止物である可能性が十分に高くなったと判断する。そして、周期的静止物判断部５３は、カウントされた各ピークに対応する物が周期的静止物であると判定する。「所定時間」は、検出対象である周期的静止物の種類に応じて定まる値であり、実験等を通じて求めることができる。固定値としてもよいし、カメラ１０の撮像間隔や自車両Ｖの移動速度に応じて変動させてもよい。具体的には、「所定時間」は、例えば、周期的静止物候補が周期的静止物であるとの判定の信頼性を確保でき、かつ自車両Ｖの移動速度等の測定誤差の平均発生間隔より短い時間である、０．１〜５秒に設定される。

次に、本実施形態に係る周期的静止物検出方法について説明する。図２０は、第２実施形態の図１６に対応する図であり、本実施形態に係る周期的静止物検出方法の詳細を示すフローチャートである。なお、本実施形態に係る周期的静止物検出方法のステップＳ３１からステップＳ４１までの処理は、第２実施形態のステップＳ３１からステップＳ４１までの処理と同じであるため、図示および説明を省略する。また、以下では、便宜上、検出領域Ａ_１を対象とする処理について説明するが、検出領域Ａ_２についても同様に処理を行うことができる。

図２０に示すように、ステップＳ４１（図１５参照）に続くステップＳ５１において、エッジ分布算出部４２は、ｎ本の注目線Ｌ_ａｉの各々に対して得られたエッジ要素のカウント値bincount(ｉ) （ｉ＝１〜ｎ）をグラフ化し、エッジ分布波形を得る。具体的には、エッジ分布算出部４２は、エッジ要素のカウント値を縦軸とし、実空間における注目線Ｌ_ａｉの接地線Ｌ_１上の位置を横軸とした平面上に、エッジ要素のカウント値bincount(ｉ) （ｉ＝１〜ｎ）をプロットする。

続くステップＳ５２では、カウント部４３’は、エッジ分布算出部４２が算出したエッジ分布波形のピークを検出し、その個数をカウントする。

続くステップＳ５３では、周期的静止物候補検出部４４が、カウント部４３’がカウントしたピークの個数が所定の閾値Ｔｈ_３以上であるか否かを判定する。ピークの個数が所定の閾値Ｔｈ_３以上であると判定した場合、周期的静止物候補検出部４４は、各ピークに対応する物が周期的静止物候補であると判定し、ステップＳ５４に処理を進める。ステップＳ５３において、カウント部４３’がカウントしたピークの個数が所定の閾値Ｔｈ_３未満であると判定したときは、図２０の処理を終了する。

続くステップＳ５４では、位置合わせ部５１が、車速センサ２０により検出された自車両Ｖの移動速度に基づいて、エッジ分布算出部４２から入力された異なる時刻のエッジ分布波形の位置を合わせる。具体的には、一時刻（Δｔ）の間に自車両Ｖが移動したことにより、エッジ分布波形がグラフの座標系に対してδだけ移動していた場合、位置合わせ部５１は、エッジ分布波形Ｅ_ｔを横軸に沿ってδだけシフトすることにより、エッジ分布波形Ｅ_ｔ’を得る。

次に差分算出部５２は、ステップＳ５５において、位置合わせ部５１が算出したエッジ分布波形Ｅ_ｔ’と、エッジ分布波形Ｅ_ｔ−Δｔとから、それらの差分の絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜の分布を算出する。

次に周期的静止物判断部５３は、ステップＳ５６において、エッジ分布波形Ｅ_ｔ’の積分値Ｉ_１を計算し、続くステップＳ５７において、絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜の積分値Ｉ_Ｄ１を計算する。

次に周期的静止物判断部５３は、ステップＳ５８において、積分値Ｉ_１に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_１）を計算し、その値が所定の閾値Ｔｈ_４より小さいか否かに基づいて、周期的静止物候補検出部４４が検出した周期的静止物候補が静止しているか否かを判定する。比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４より小さいと判定した場合、周期的静止物判断部５３は、周期的静止物候補が静止していると判定し、ステップＳ５９に処理を進める。

ステップＳ５９では、周期的静止物判断部５３が、比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４より小さい状態が所定回数以上連続して検出されたか否か、すなわち所定時間継続して検出されたか否かを判断する。比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４より小さい状態が所定回数以上連続して検出されたと判断した場合は、周期的静止物判断部５３は、カウントされた各ピークに対応する物が周期的静止物であると判断し、ステップＳ６０にて、フラグf_shukiに「１」を代入する。一方、ステップＳ５９において、比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４より小さい状態が所定回数以上連続して検出されていないと判断した場合は、周期的静止物判断部５３は、ステップＳ６０をとばして、フラグf_shukiの値を維持する。その後、図２０の処理を終了する。

ステップＳ５８において、比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４以上であると判定した場合、周期的静止物判断部５３は、ステップＳ６１に処理を進める。

ステップＳ６１では、周期的静止物判断部５３が、比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４以上である状態が所定回数以上連続して検出されたか否かを判断する。比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４以上である状態が所定回数以上連続して検出されたと判断した場合は、周期的静止物判断部５３は、カウントされた各ピークに対応する物は周期的静止物ではないと判断し、ステップＳ６２にて、フラグf_shukiに「０」を代入する。一方、ステップＳ６１において、比Ｉ_Ｄ１／Ｉ_１が所定の閾値Ｔｈ_４以上である状態が所定回数以上連続して検出されていないと判断した場合は、周期的静止物判断部５３は、ステップＳ６２をとばして、フラグf_shukiの値を維持する。その後、図２０の処理を終了する。

本実施形態に係る周期的静止物検出装置３及び周期的静止物検出方法によれば、鳥瞰画像の所定領域の画像データから、該所定領域に含まれる複数の鉛直仮想線近傍領域（小領域）ごとに立体物のエッジ要素（特徴点）を抽出し、所定領域内におけるエッジ要素の分布に対応したエッジ分布波形（波形データ）を算出し、そのエッジ分布波形のピークの個数（ピーク情報）が所定の閾値以上であるか否かに基づいて、抽出されたエッジ要素を有する立体物が周期的静止物候補であるか否かを判断する。このため、第１実施形態および第２実施形態と同様に、周期的静止物の有する周期性（繰り返し性）を波形データのピーク情報としてより明確に抽出することができ、撮像画像に含まれる立体物の中から周期的静止物候補をより容易に抽出できる。これにより、より精度良く周期的静止物を抽出することが可能になる。

また、本実施形態に係る周期的静止物検出装置３及び周期的静止物検出方法によれば、第２実施形態と同様に、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、鉛直仮想線に沿って存在するエッジ要素の個数を積算し、積算したエッジ要素の個数に基づいてエッジ分布波形を得ている。そして、エッジ分布波形のピークの個数が所定の閾値Ｔｈ _３ 以上であるとき、抽出されたエッジ要素を有する立体物が周期的静止物候補であると判定する。このため、第２実施形態と同様に、検知した立体物が静止物であるか移動物であるかを判定しなくても、鉛直方向に延びるエッジが高密度に並んでいる場合を確実に検知して、周期的静止物である可能性がより高い周期的静止物候補をより容易に検出することができる。

さらに、本実施形態に係る周期的静止物検出装置３及び周期的静止物検出方法によれば、移動体の移動速度に基づいて、時刻ｔにおけるエッジ分布波形Ｅ_ｔの位置を、時刻ｔ−Δｔにおけるエッジ分布波形Ｅ_ｔ−Δｔの位置に合わせ、位置合わせしたエッジ分布波形Ｅ_ｔ’と、時刻ｔ−Δｔにおけるエッジ分布波形Ｅ_ｔ−Δｔとの間の差分の分布波形｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜を算出している。そして、この差分の分布波形｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜を積分して積分値Ｉ_Ｄ１を算出し、位置合わせしたエッジ分布波形Ｅ_ｔ’を積分して積分値Ｉ_１を算出し、積分値Ｉ_１に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_１）を計算し、その比の値が所定の閾値Ｔｈ_４より小さいか否かに基づいて、周期的静止物候補が静止しているか否かを判定する。このため、周期的静止物である可能性が更に高い静止した周期的静止物候補を検出することができ、周期的静止物をより一層容易かつ確実に検出することができる。

また、本実施形態に係る周期的静止物検出装置３及び周期的静止物検出方法によれば、周期的静止物候補が静止していることを所定時間継続して検出したとき、その周期的静止物候補が周期的静止物であると判定する。このため、ノイズによる誤検出を防止して、周期的静止物を一層確実に検出することができる。

＜変形例＞
上記第３実施形態では、積分値Ｉ_１に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_１）を計算し、その値が所定の閾値Ｔｈ_４より小さいか否かに基づいて、周期的静止物候補が静止しているか否かを判定したが、判定方法はこれに限らない。

本変形例では、差分算出部５２において、エッジ分布波形Ｅ_ｔ’と、エッジ分布波形Ｅ_ｔ−Δｔとの差分（第１差分）の絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜の分布を算出するとともに、エッジ分布波形Ｅ_ｔと、エッジ分布波形Ｅ_ｔ−Δｔとの差分（第２差分）の絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ｜の分布を算出する。

そして、周期的静止物判断部５３では、差分算出部５２が算出した絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜を積分し、その積分値Ｉ_Ｄ１（第１の積分値）を算出するとともに、絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ｜を積分し、その積分値Ｉ_Ｄ２（第２の積分値）を算出する。

さらに周期的静止物判断部５３は、積分値Ｉ_Ｄ２に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_Ｄ２）を計算し、その値が所定の閾値Ｔｈ_５より小さいか否かに基づいて、周期的静止物候補検出部４４が検出した周期的静止物候補が静止しているか否かを判定する。閾値Ｔｈ_５は、例えば、パイロン、ガードレール脚部、電柱など、検出対象である周期的静止物の種類に応じて定まる値であり、実験等を通じて求めることができる。周期的静止物判断部５３は、積分値Ｉ_Ｄ２に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_Ｄ２）が所定の閾値Ｔｈ_５より小さいときは、周期的静止物候補が静止していると判定する。

周期的静止物判断部５３は、静止している周期的静止物候補が所定時間継続して検出されたとき、当該周期的静止物候補が周期的静止物であると判定する。具体的には、比Ｉ_Ｄ１／Ｉ_Ｄ２が所定の閾値Ｔｈ_４より小さい状態が所定時間継続して検出されたとき、周期的静止物判断部５３は、検出した周期的静止物候補が周期的静止物である可能性が十分に高くなったと判断する。そして、周期的静止物判断部５３は、カウントされた各ピークに対応する物が周期的静止物であると判定する。

次に、本変形例に係る周期的静止物検出方法について説明する。図２１は、図１６及び図２０に対応する図であり、本変形例に係る周期的静止物検出方法の詳細を示すフローチャートである。なお、本変形例に係る周期的静止物検出方法のステップＳ３１からステップＳ４１までの処理は、上記実施形態におけるステップＳ３１からステップＳ４１までの処理と同じであるため、図示および説明を省略する。また、本変形例に係る周期的静止物検出方法のうち、第２および第３実施形態において説明した処理と同等の処理については、それらと同一の符号を付して説明を省略する。

本変形例では、図２１に示すように、ステップＳ５５に続くステップＳ５５’において、周期的静止物判断部５３が、位置合わせ部５１が算出したエッジ分布波形Ｅ_ｔと、エッジ分布波形Ｅ_ｔ−Δｔとから、それらの差分の絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ｜の分布を算出する。

次に周期的静止物判断部５３は、ステップＳ５７において、絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜の積分値Ｉ_Ｄ１を計算し、続くステップＳ５７’において、絶対値｜Ｅ_ｔ−Δｔ−Ｅ_ｔ｜の積分値Ｉ_Ｄ２を計算する。

次に周期的静止物判断部５３は、ステップＳ５８’において、積分値Ｉ_Ｄ２に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_Ｄ２）を計算し、その値が所定の閾値Ｔｈ_５より小さいか否かに基づいて、周期的静止物候補検出部４４が検出した周期的静止物候補が静止しているか否かを判定する。比Ｉ_Ｄ１／Ｉ_Ｄ２が所定の閾値Ｔｈ_５より小さいと判定した場合、周期的静止物判断部５３は、周期的静止物候補が静止していると判定し、ステップＳ５９に処理を進める。一方、ステップＳ５８において、Ｉ_Ｄ１／Ｉ_Ｄ２が所定の閾値Ｔｈ_５以上であると判定した場合、周期的静止物判断部５３は、ステップＳ６１に処理を進める。

ステップＳ５９以降の処理およびステップＳ６１以降の処理は、上記第３実施形態のそれらと同様であるので説明を省略する。

本変形例によれば、位置合わせしたエッジ分布波形Ｅ_ｔ’と、時刻ｔ−Δｔにおけるエッジ分布波形Ｅ_ｔ−Δｔとの間の第１差分の分布波形｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜と、時刻ｔにおけるエッジ分布波形Ｅ_ｔと時刻ｔ−Δｔにおけるエッジ分布波形Ｅ_ｔ−Δｔとの間の第２差分の分布波形｜Ｅ_ｔ−Δｔ−Ｅ_ｔ｜と、を算出している。そして、第１差分の分布波形｜Ｅ_ｔ−Δｔ−Ｅ_ｔ’｜を積分して積分値Ｉ_Ｄ１を算出するとともに、第２差分の分布波形｜Ｅ_ｔ−Δｔ−Ｅ_ｔ｜を積分して積分値Ｉ_Ｄ２を算出し、積分値Ｉ_Ｄ２に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_Ｄ２）を計算し、その比の値が所定の閾値Ｔｈ_５より小さいか否かに基づいて、周期的静止物候補が静止しているか否かを判定する。上記比は、時刻ｔにおけるエッジ分布波形Ｅ_ｔと時刻ｔ−Δｔにおけるエッジ分布波形Ｅ_ｔ−Δｔとの間の差分の積分値Ｉ_Ｄ２を分母としているため、エッジ分布波形Ｅ_ｔ，Ｅ_ｔ−Δｔが移動物に由来する場合の比の値と周期的静止物に由来する場合の比の値との差がより顕著になり、静止した周期的静止物候補をより確実に検出することができる。

なお、第３実施形態およびその変形例において、周期的静止物候補が静止しているか否かを判定する際に所定の閾値と比較される対象は、比Ｉ_Ｄ１／Ｉ_１や比Ｉ_Ｄ１／Ｉ_Ｄ２に限らない。その比は、例えば、エッジ分布波形Ｅ_ｔの積分値Ｉ_２に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_２）や、時刻ｔ−Δｔに算出したエッジ分布波形Ｅ_ｔ−Δｔの積分値Ｉ_３に対する積分値Ｉ_Ｄ１の比（Ｉ_Ｄ１／Ｉ_３）であってもよい。

また、上記比の分母分子を構成する積分値Ｉ_１、Ｉ_２、Ｉ_３、Ｉ_Ｄ１、Ｉ_Ｄ２は、いずれもエッジ分布波形またはその差分の絶対値を積分したものであったが、エッジ分布波形またはその差分を各々２乗して得た波形を積分したものとしてもよい。

以上、本発明の実施形態について説明したが、これらの実施形態は本発明の理解を容易にするために記載された単なる例示に過ぎず、本発明は当該実施形態に限定されるものではない。本発明の技術的範囲は、上記実施形態で開示した具体的な技術事項に限らず、そこから容易に導きうる様々な変形、変更、代替技術なども含むものである。

例えば、上記実施形態において、自車両Ｖの車速を車速センサ２０からの信号に基づいて判断しているが、これに限らず、異なる時刻の複数の画像から速度を推定するようにしてもよい。この場合、車速センサが不要となり、構成の簡素化を図ることができる。

本出願は、２０１１年２月２１日に出願された日本国特許願第２０１１−０３４０９７号に基づく優先権を主張しており、この出願の全内容が参照により本明細書に組み込まれる。

本発明に係る周期的静止物検出装置及び周期的静止物検出方法によれば、鳥瞰画像の所定領域の画像データから、該所定領域に含まれる複数の小領域ごとに立体物の特徴点を抽出し、鳥瞰画像上の所定領域内における特徴点の分布に対応した波形データを算出し、その波形データのピーク情報が所定の閾値以上であるか否かに基づいて、抽出された特徴点を有する立体物が周期的静止物候補であるか否かを判断する。このため、周期的静止物の有する周期性（繰り返し性）を波形データのピーク情報としてより明確に抽出することができ、撮像画像に含まれる立体物の中から周期的静止物候補をより容易に抽出できる。これにより、より精度良く周期的静止物を抽出することが可能になる。

１，２，３ 周期的静止物検出装置
１０ カメラ（撮像装置）
２０ 車速センサ（速度検出器）
３０，４０ 計算機
３１，４１ 視点変換部
３２，５１ 位置合わせ部
３３ 立体物検出部
３４ 移動量候補算出部
３５，４３ カウント部
３６ 移動範囲算出部
３７，４５，５３ 周期的静止物判断部
３７ａ 周期的静止物候補検出部
３７ｂ 周期性判定部
３８ 車線変更検出部（横移動検出部）
４２ エッジ分布算出部
４４ 周期的静止物候補検出部
５２ 差分算出部
ａ 画角
ＰＢ_ｔ 鳥瞰画像
ＰＤ_ｔ 差分画像
Ｖ 自車両

Claims (16)

1. 移動体の周囲に存在する周期的静止物を検出する周期的静止物検出装置であって、
   前記移動体に搭載されて、前記移動体の周囲を撮像可能な撮像装置と、
   前記撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換部と、
   前記鳥瞰画像の所定領域の画像データから、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、当該鉛直仮想線に沿って存在するエッジ要素を立体物の特徴点として抽出する特徴点抽出部と、
   前記特徴点抽出部により抽出された前記エッジ要素の個数を前記鉛直仮想線ごとに積算し、実空間における前記鉛直仮想線の位置に積算した前記エッジ要素の個数を対応させたエッジ分布波形を算出する波形データ算出部と、
   前記波形データ算出部が算出したエッジ分布波形のピークを検出し、検出したピークのうちピーク間距離が所定範囲内にあるピークを抽出し、抽出されたピークの個数をカウントするカウント部と、
   前記カウント部がカウントしたピークの個数が所定の第１閾値以上であるとき、前記特徴点抽出部により抽出された特徴点を有する立体物が周期的静止物候補であると判定する周期的静止物判断部と、
   を備えたことを特徴とする周期的静止物検出装置。
2. 前記周期的静止物判断部は、前記周期的静止物候補が所定時間継続して検出されたとき、当該周期的静止物候補が周期的静止物であると判定することを特徴とする請求項１に記載の周期的静止物検出装置。
3. 移動体の周囲に存在する周期的静止物を検出する周期的静止物検出装置であって、
   前記移動体に搭載されて、前記移動体の周囲を撮像可能な撮像装置と、
   前記撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換部と、
   前記鳥瞰画像の所定領域の画像データから、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、当該鉛直仮想線に沿って存在するエッジ要素を立体物の特徴点として抽出する特徴点抽出部と、
   前記特徴点抽出部により抽出された前記エッジ要素の個数を前記鉛直仮想線ごとに積算し、実空間における前記鉛直仮想線の位置に積算した前記エッジ要素の個数を対応させたエッジ分布波形を算出する波形データ算出部と、
   前記波形データ算出部が算出したエッジ分布波形のピークを検出し、検出したピークの個数をカウントするカウント部と、
   前記カウント部がカウントしたピークの個数が所定の第１閾値以上であるとき、前記特徴点抽出部により抽出された特徴点を有する立体物が周期的静止物候補であると判定する周期的静止物判断部と、
   前記移動体の移動速度を検出する速度検出器と、
   前記速度検出器により検出された移動速度に基づいて、実空間における前記鉛直仮想線の位置を表す軸に沿ってエッジ分布波形を平行移動させて、前記波形データ算出部により算出された第１時刻におけるエッジ分布波形の位置を、前記第１時刻と異なる第２時刻におけるエッジ分布波形の位置に合わせる位置合わせ部と、
   前記位置合わせ部が位置合わせしたエッジ分布波形と、前記第２時刻におけるエッジ分布波形との間の差分の分布波形を算出する差分算出部と、
   を備える周期的静止物検出装置であって、
   前記周期的静止物判断部は、前記差分算出部が算出した差分の分布波形を積分して第１の積分値を算出するとともに、前記第１時刻におけるエッジ分布波形、前記第２時刻におけるエッジ分布波形、または前記位置合わせ部が位置合わせしたエッジ分布波形のいずれかを積分して第２の積分値を算出し、前記第２の積分値に対する前記第１の積分値の比を計算し、当該比の値が所定の第２閾値より小さいか否かに基づいて、前記周期的静止物候補が静止しているか否かを判定することを特徴とする周期的静止物検出装置。
4. 移動体の周囲に存在する周期的静止物を検出する周期的静止物検出装置であって、
   前記移動体に搭載されて、前記移動体の周囲を撮像可能な撮像装置と、
   前記撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換部と、
   前記鳥瞰画像の所定領域の画像データから、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、当該鉛直仮想線に沿って存在するエッジ要素を立体物の特徴点として抽出する特徴点抽出部と、
   前記特徴点抽出部により抽出された前記エッジ要素の個数を前記鉛直仮想線ごとに積算し、実空間における前記鉛直仮想線の位置に積算した前記エッジ要素の個数を対応させたエッジ分布波形を算出する波形データ算出部と、
   前記波形データ算出部が算出したエッジ分布波形のピークを検出し、検出したピークの個数をカウントするカウント部と、
   前記カウント部がカウントしたピークの個数が所定の第１閾値以上であるとき、前記特徴点抽出部により抽出された特徴点を有する立体物が周期的静止物候補であると判定する周期的静止物判断部と、
   前記移動体の移動速度を検出する速度検出器と、
   前記速度検出器により検出された移動速度に基づいて、実空間における前記鉛直仮想線の位置を表す軸に沿ってエッジ分布波形を平行移動させて、前記波形データ算出部により算出された第１時刻におけるエッジ分布波形の位置を、前記第１時刻と異なる第２時刻におけるエッジ分布波形の位置に合わせる位置合わせ部と、
   前記位置合わせ部が位置合わせしたエッジ分布波形と前記第２時刻におけるエッジ分布波形との間の第１差分の分布波形と、前記第１時刻におけるエッジ分布波形と前記第２時刻におけるエッジ分布波形との間の第２差分の分布波形と、を算出する差分算出部と、
   を備える周期的静止物検出装置であって、
   前記周期的静止物判断部は、前記第１差分の分布波形を積分して第１の積分値を算出するとともに、前記第２差分の分布波形を積分して第２の積分値を算出し、第２の積分値に対する第１の積分値の比を計算し、当該比の値が所定の第３閾値より小さいか否かに基づいて、前記周期的静止物候補が静止しているか否かを判定することを特徴とする周期的静止物検出装置。
5. 前記周期的静止物判断部は、前記周期的静止物候補が静止していることを所定時間継続して検出したとき、当該周期的静止物候補が周期的静止物であると判定することを特徴とする請求項３または４に記載の周期的静止物検出装置。
6. 移動体の周囲に存在する周期的静止物を検出する周期的静止物検出方法であって、
   前記移動体に搭載された撮像装置により、前記移動体の周囲を撮像する撮像工程と、
   前記撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換工程と、
   前記鳥瞰画像の所定領域の画像データから、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、当該鉛直仮想線に沿って存在するエッジ要素を立体の特徴点として抽出する特徴点抽出工程と、
   前記特徴点抽出工程により抽出された前記エッジ要素の個数を前記鉛直仮想線ごとに積算し、実空間における前記鉛直仮想線の位置に積算した前記エッジ要素の個数を対応させたエッジ分布波形を算出する波形データ算出工程と、
   前記波形データ算出工程により算出したエッジ分布波形のピークを検出し、検出したピークのうちピーク間距離が所定範囲内にあるピークを抽出し、抽出されたピークの個数をカウントするカウント工程と、
   前記カウント工程によりカウントしたピークの個数が所定の第１閾値以上であるとき、前記特徴点抽出工程により抽出された特徴点を有する立体物が周期的静止物候補であると判定する周期的静止物判断工程と、
   を備えたことを特徴とする周期的静止物検出方法。
7. 移動体の周囲に存在する周期的静止物を検出する周期的静止物検出方法であって、
   前記移動体に搭載された撮像装置により、前記移動体の周囲を撮像する撮像工程と、
   前記撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換工程と、
   前記鳥瞰画像の所定領域の画像データから、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、当該鉛直仮想線に沿って存在するエッジ要素を立体の特徴点として抽出する特徴点抽出工程と、
   前記特徴点抽出工程により抽出された前記エッジ要素の個数を前記鉛直仮想線ごとに積算し、実空間における前記鉛直仮想線の位置に積算した前記エッジ要素の個数を対応させたエッジ分布波形を算出する波形データ算出工程と、
   前記波形データ算出工程により算出したエッジ分布波形のピークを検出し、検出したピークの個数をカウントするカウント工程と、
   前記カウント工程によりカウントしたピークの個数が所定の第１閾値以上であるとき、前記特徴点抽出工程により抽出された特徴点を有する立体物が周期的静止物候補であると判定する周期的静止物判断工程と、
   前記移動体の移動速度を検出する速度検出工程と、
   前記速度検出工程により検出された移動速度に基づいて、実空間における前記鉛直仮想線の位置を表す軸に沿ってエッジ分布波形を平行移動させて、前記波形データ算出工程により算出された第１時刻におけるエッジ分布波形の位置を、前記第１時刻と異なる第２時刻におけるエッジ分布波形の位置に合わせる位置合わせ工程と、
   前記位置合わせ工程により位置合わせしたエッジ分布波形と、前記第２時刻におけるエッジ分布波形との間の差分の分布波形を算出する差分算出工程と、
   を備える周期的静止物検出方法であって、
   前記周期的静止物判断工程は、前記差分算出工程により算出した差分の分布波形を積分して第１の積分値を算出するとともに、前記第１時刻におけるエッジ分布波形、前記第２時刻におけるエッジ分布波形、または前記位置合わせ工程により位置合わせしたエッジ分布波形のいずれかを積分して第２の積分値を算出し、前記第２の積分値に対する前記第１の積分値の比を計算し、当該比の値が所定の第２閾値より小さいか否かに基づいて、前記周期的静止物候補が静止しているか否かを判定することを特徴とする周期的静止物検出方法。
8. 移動体の周囲に存在する周期的静止物を検出する周期的静止物検出方法であって、
   前記移動体に搭載された撮像装置により、前記移動体の周囲を撮像する撮像工程と、
   前記撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換工程と、
   前記鳥瞰画像の所定領域の画像データから、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、当該鉛直仮想線に沿って存在するエッジ要素を立体の特徴点として抽出する特徴点抽出工程と、
   前記特徴点抽出工程により抽出された前記エッジ要素の個数を前記鉛直仮想線ごとに積算し、実空間における前記鉛直仮想線の位置に積算した前記エッジ要素の個数を対応させたエッジ分布波形を算出する波形データ算出工程と、
   前記波形データ算出工程により算出したエッジ分布波形のピークを検出し、検出したピークの個数をカウントするカウント工程と、
   前記カウント工程によりカウントしたピークの個数が所定の第１閾値以上であるとき、前記特徴点抽出工程により抽出された特徴点を有する立体物が周期的静止物候補であると判定する周期的静止物判断工程と、
   前記移動体の移動速度を検出する速度検出工程と、
   前記速度検出工程により検出された移動速度に基づいて、実空間における前記鉛直仮想線の位置を表す軸に沿ってエッジ分布波形を平行移動させて、前記波形データ算出工程により算出された第１時刻におけるエッジ分布波形の位置を、前記第１時刻と異なる第２時刻におけるエッジ分布波形の位置に合わせる位置合わせ工程と、
   前記位置合わせ工程により位置合わせしたエッジ分布波形と前記第２時刻におけるエッジ分布波形との間の第１差分の分布波形と、前記第１時刻におけるエッジ分布波形と前記第２時刻におけるエッジ分布波形との間の第２差分の分布波形と、を算出する差分算出工程と、
   を備える周期的静止物検出方法であって、
   前記周期的静止物判断工程は、前記第１差分の分布波形を積分して第１の積分値を算出するとともに、前記第２差分の分布波形を積分して第２の積分値を算出し、第２の積分値に対する第１の積分値の比を計算し、当該比の値が所定の第３閾値より小さいか否かに基づいて、前記周期的静止物候補が静止しているか否かを判定することを特徴とする周期的静止物検出方法。
9. 移動体の周囲に存在する周期的静止物を検出する周期的静止物検出装置であって、
   前記移動体に搭載されて、前記移動体の周囲を撮像可能な撮像装置と、
   前記撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換部と、
   前記移動体の移動速度を検出する速度検出器と、
   前記撮像装置の撮像間隔と前記速度検出器により検出された移動速度とに基づいて、前記鳥瞰画像上での周期的静止物の移動範囲を算出する移動範囲算出部と、
   前記視点変換部により生成された異なる時刻の画像データの位置を合わせる位置合わせ部と、
   前記位置合わせ部により位置合わせされた異なる時刻の画像データの差分画像データに基づいて複数の立体物を検出する立体物検出部と、
   第１時刻における差分画像データから検出された複数の立体物と、該第１時刻とは異なる第２時刻における差分画像データから検出された複数の立体物と、互いに対応付けることにより、前記立体物検出部により検出された複数の立体物の移動量候補を算出する移動量候補算出部と、
   を備える特徴点抽出部と、
   所定の移動量毎に前記移動量候補の数がカウントされたヒストグラムを作成するカウント部と、
   前記カウント部が作成したヒストグラムのピーク値が所定閾値以上であるとき、当該ピークに対応する移動量候補に対応づけられた立体物が周期的静止物候補であると判定し、前記移動範囲算出部により算出された移動範囲内に前記ヒストグラムのピークが存在する場合、前記周期的静止物候補が周期的静止物であると判断する周期的静止物判断部と、
   を備えたことを特徴とする周期的静止物検出装置。
10. 前記移動量候補算出部は、各立体物に対して複数の移動量候補を算出することを特徴とする請求項９に記載の周期的静止物検出装置。
11. 前記周期的静止物判断部は、前記ピーク値の最大値から前記所定閾値を求めることを特徴とする請求項９または１０に記載の周期的静止物検出装置。
12. 前記ピークの発生位置から周期性を判断し、周期性があると判断した場合に前記所定閾値を低下させる周期性判定部を更に備えることを特徴とする請求項９〜１１のいずれか１項に記載の周期的静止物検出装置。
13. 前記周期性判定部は、前記ピーク値の最大値から求めた前記所定閾値以上の値を有するピークの発生位置から周期性を判断することを特徴とする請求項１２に記載の周期的静止物検出装置。
14. 前記移動体の横移動を検出する横移動検出部をさらに備え、
    前記周期性判定部は、前記横移動検出部により規定以上の横移動が検出され、且つ、前記所定閾値を低下させていた場合、低下させていた前記所定閾値を初期化することを特徴とする請求項１２または１３に記載の周期的静止物検出装置。
15. 前記周期的静止物判断部は、前回処理において周期性があると判断されたときのピークの発生位置及びピーク値を記憶しており、今回処理において周期性があると判断されたピーク以外に前記所定閾値以上のピーク値を有するピークが検出された場合、今回処理において周期性があると判断されたピーク値の平均値が前回処理における周期性があると判断されたピーク値の平均値よりも所定値以上小さくない場合、前記周期的静止物候補が周期的静止物であると判断すると共に、今回処理において周期性があると判断されたピーク値の平均値が前回処理における周期性があると判断されたピーク値の平均値よりも所定値以上小さい場合、移動物が存在すると判断することを特徴とする請求項９〜１４のいずれか１項に記載の周期的静止物検出装置。
16. 移動体の周囲に存在する周期的静止物を検出する周期的静止物検出方法であって、
    前記移動体に搭載された撮像装置により、前記移動体の周囲を撮像する撮像工程と、
    前記撮像装置により撮像された画像に対して視点変換処理を行って鳥瞰画像を生成する視点変換工程と、
    前記移動体の移動速度を検出する速度検出工程と、
    前記撮像装置の撮像間隔と前記速度検出工程により検出された移動速度とに基づいて、前記鳥瞰画像上での周期的静止物の移動範囲を算出する移動範囲算出工程と、
    前記視点変換工程により生成された異なる時刻の画像データの位置を合わせる位置合わせ工程と、
    前記位置合わせ工程により位置合わせされた異なる時刻の画像データの差分画像データに基づいて複数の立体物を検出する立体物検出工程と、
    第１時刻における差分画像データから検出された複数の立体物と、該第１時刻とは異なる第２時刻における差分画像データから検出された複数の立体物と、互いに対応付けることにより、前記立体物検出工程により検出された複数の立体物の移動量候補を算出する移動量候補算出工程と、
    を備える特徴点抽出工程と、
    所定の移動量毎に前記移動量候補の数がカウントされたヒストグラムを生成するカウント工程と、
    前記カウント工程により生成したヒストグラムのピーク値が所定閾値以上であるとき、当該ピークに対応する移動量候補に対応づけられた立体物が周期的静止物候補であると判定し、前記移動範囲算出工程により算出された移動範囲内に前記ヒストグラムのピークが存在する場合、前記周期的静止物候補が周期的静止物であると判断する周期的静止物判断工程と、
    を備えたことを特徴とする周期的静止物検出方法。

Images