JP6398501B2 - 車載カメラ診断装置 - Google Patents

Description

本発明は、車載カメラに不具合が生じているか否かを判断する車載カメラ診断装置に関する。

特許文献１には、車両が移動しているにも関わらず、車載カメラから出力される映像に経時変化が見られない場合に、車載カメラに不具合が生じていると判断する方法が開示されている。

このような構成によれば、車載カメラが出力している映像がフリーズしているか否かを判定することができる。車載カメラが出力する映像がフリーズする原因としては、撮影した映像を処理するＣＰＵなどの画像処理部に不具合が発生している場合や、何らかの原因でそもそも車載カメラによる撮影ができていない場合など、様々な原因が考えられる。

特許第４７７０９４２号公報

車載カメラが備える撮像素子（例えばＣＭＯＳ：Ｃｏｍｐｌｅｍｅｎｔａｒｙ ＭＯＳ）の一部が破損している場合や、レンズの一部が汚損又は欠損している場合には、撮影画像の一部が、本来撮影されるべき実際の画像とは異なる画像となってしまう。

例えば、車載カメラが備える撮像素子の一部（不具合箇所とする）が破損している場合には、撮影画像において、その不具合箇所に対応する領域のデータ（色情報など）が失われてしまい、実際の色とは異なる色となってしまう。

このように撮影画像の一部に影響を及ぼすような不具合が車載カメラに発生している場合、映像信号全体としては時間的に変化するため、特許文献１の方法では不具合の発生を検出できない。

本発明は、この事情に基づいて成されたものであり、その目的とするところは、撮影画像の一部に影響を及ぼす不具合が発生していることを検出可能な車載カメラ診断装置を提供することにある。

その目的を達成するための本発明は、車載カメラ（２）が撮影した画像を所定の時間間隔で取得する画像取得部（１２）と、自車両の現在位置を示す位置情報及び進行方向を取得する車両情報取得部（１４）と、画像取得部が取得した画像を、画像取得部が画像を取得した時点において車両情報取得部が取得した位置情報及び進行方向と対応付けて記憶部（１１）に記憶させる第１記憶処理部（Ｓ１３０）と、画像取得部が新たに取得した画像と、記憶部が記憶している画像に基づいて、車載カメラに不具合が生じているか否かを判定する不具合診断部（１５）と、を備え、不具合診断部は、画像取得部が新たに画像を取得した場合に、記憶部が記憶している画像のうち、車両情報取得部が取得した現在の位置情報及び進行方向と等しい位置情報及び進行方向において撮影された画像を、過去画像として読み出す過去画像読み出し部（Ｓ１５１）と、その新しく取得された画像である現在画像と、過去画像読み出し部が読み出した過去画像の比較に基づいて車載カメラに不具合が生じているか否かを判定する不具合判定部（Ｓ１５９、Ｓ２６９）と、を備えることを特徴とする。

以上の構成では、車載カメラが撮影した画像を、画像取得部がその画像を取得した時点、すなわちその画像が撮影された時点における位置情報及び進行方向と対応付けて記憶部に記憶させていく。

そして、画像取得部が新たに画像を取得した場合には、過去画像読み出し部が、現在位置及び進行方向と等しい地点及び進行方向で過去に撮影された過去画像を読み出す。不具合診断部は、画像取得部が新たに取得した画像（現在画像とする）と、その現在画像の取得に伴って過去画像読み出し部が読み出した過去画像とを比較することによって、車載カメラに不具合が生じているか否かを判定する。

ここで、現在画像と過去画像とを比較することによって、不具合診断部が車載カメラに生じている不具合を検出できる理由について補足する。

一般に、撮影画像の一部（又は全部）に影響を及ぼす不具合が車載カメラに生じていない状態であれば、同じ地点、同じ進行方向で撮影された２つ画像（すなわち、現在画像と過去画像）において一致する部分は相対的に大きくなる。言い換えれば、現在画像と過去画像において相違する部分（不一致部分とする）は、相対的に小さくなる。

なお、ここでの不一致部分の相対的な大小は、次に説明する、撮影画像の一部に影響を及ぼす不具合が車載カメラに生じている場合と比較したものである。もちろん、画像に映り混んでいる移動体（他車両など）の影響や、撮影地点のずれ、進行方向のずれに起因する不一致部分は生じうる。

一方、撮影画像の一部（又は全部）に影響を及ぼすような不具合が車載カメラに生じている場合、画像においてその不具合箇所に対応する領域は、過去の正常な状態であるときに撮影された画像データと異なる画像となる。したがって、車載カメラに不具合が生じている場合には、車載カメラに不具合が生じていない場合に比べて、現在画像と過去画像との不一致部分が増大する。また、画像が備える領域のうち、車載カメラに生じている不具合の影響を受けている不具合影響領域の面積が大きいほど、不一致部分が増大する。

したがって、不具合診断部は現在画像と過去画像とを比較し、例えば、両者における不一致部分の大きさが所定の閾値以上となっている場合に、不具合が生じていると判定すれば良い。このような構成によれば、撮影画像の一部に影響を及ぼす不具合が発生していることを検出することができる。

なお、特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本発明の技術的範囲を限定するものではない。

第１の実施形態にかかる車載カメラ診断システム１００の概略的な構成の一例を示すブロック図である。 記憶部１１が記憶する画像データリストの構造を説明するための概念図である。 画像データの一例である。 画像データにおける移動体領域を説明するための概念図である。 不具合診断部１５が実施する不具合診断関連処理について説明するためのフローチャートである。 不具合診断部１５が実施する不一致部分抽出処理について説明するためのフローチャートである。 移動体領域を反映した画像データの一例である。 不一致部分について説明するための概念図である。 不一致部分について説明するための概念図である。 前方カメラ２に撮影画像の一部に影響を及ぼす不具合が発生している場合の画像データの一例である。 前方カメラ２に不具合が生じている場合の不一致部分抽出処理の処理結果について説明するための概念図である。 第２の実施形態における不具合診断部１５が実施する不具合診断関連処理について説明するためのフローチャートである。 不一致部分データリストの構造を説明するための概念図である。 ある不一致部分データが表す不一致部分の一例である。 図１４に示す不一致部分データとは別の不一致部分データが表す不一致部分の一例である。 不具合影響領域について説明するための概念図である。

＜第１の実施形態＞
以下、本発明の第１の実施形態について図を用いて説明する。図１は、本実施形態に係る車載カメラ診断システム１００の概略的な構成の一例を示す図である。図１に示すように車載カメラ診断システム１００は、車載カメラ診断装置１、前方カメラ２、時計３、位置検出器４、表示部５、及びスピーカ６を備えている。

車載カメラ診断装置１と、前方カメラ２、時計３、位置検出器４、表示部５、及びスピーカ６のそれぞれとは、周知の車両内ネットワークによって相互通信可能な構成となっている。車両内ネットワークは、有線通信、無線通信、又はそれらの組み合わせによって実現されればよい。

本車載カメラ診断システム１００の概略は、次の通りである。一般的に、ビルなどの建築物や信号などの路側設備などは、数日あるいは数週間という相対的に短い時間において変化する可能性は低い。

したがって、例えば数日前に前方カメラ２が撮影した画像（過去画像とする）と、その過去画像を撮影した地点と同じ地点において、同じ進行方向となっている場合に新たに前方カメラ２が撮影した画像（現在画像とする）とは類似しているはずである。すなわち、現在画像と過去画像のそれぞれに写っている被写体の位置や大きさ、色合いなどが一致している可能性が高い。

もちろん、他の車両などの移動体が映り込んだりしていることや、微妙な位置のずれ、進行方向のずれに起因して、２つの画像間において相違している部分（不一致部分とする）は生じうる。しかし、撮影画像の一部（又は全部）に影響を及ぼす不具合が前方カメラ２に生じていない状態であれば、２つの画像間における不一致部分は相対的に小さいはずである。

一方、撮影画像の一部（又は全部）に影響を及ぼすような不具合が前方カメラ２に生じている場合、撮影画像においてその不具合箇所に対応する領域は、過去の正常な状態であるときに撮影された画像とは異なる画像となる。すなわち、前方カメラ２に不具合が生じている場合には、前方カメラ２に不具合が生じていない場合に比べて、不一致部分が増大する。また、車載カメラに生じている不具合が画像に影響を及ぼしている領域の大きさが大きいほど、不一致部分が増大する。

そこで、本実施形態の車載カメラ診断装置１は、異なる日時に同一地点、同一進行方向となっている場合に撮影した複数の画像を比較し、不一致部分の大きさを評価することによって、前方カメラ２に不具合が生じているか否かを判定する。すなわち、２つの画像間に所定の閾値以上の相違が生じている場合に、撮影画像の一部又は全部に影響を与えるような不具合が前方カメラ２に発生していると判定する。

以下、この車載カメラ診断システム１００についてより詳細に説明する。なお、以降では、ビルなどの建築物や、信号等の路側設備などの数日あるいは数週間という相対的に短い時間において変化する可能性が低い被写体を基準被写体と称する。

前方カメラ２は、光学式カメラであって、例えばＣＭＯＳカメラやＣＣＤカメラ等を用いることができる。前方カメラ２は、例えば自車両の前方の所定範囲を撮影するように車室内のルームミラー付近に設置されればよい。

もちろん、前方カメラ２の設置位置は、室内のルームミラー付近に限らず、フロントガラスの上端などのドライバの視界を遮らない位置に取り付けられればよい。また、車室内に限らず、車室外、例えばフロントバンパ部分などに設置されていても良い。前方カメラ２が撮影した映像信号は、車載カメラ診断装置１に逐次出力される。この前方カメラ２が請求項に記載の車載カメラに相当する。

時計３は、自車両が存在している地域での日時情報を逐次更新する。日時情報には、日付（曜日を含む）や時刻の情報が含まれる。時計３が管理する日時情報は、より好ましい形態として、後述するＧＮＳＳ受信機が受信した測位信号に基づいて補正されるものとする。時計３が管理する日時情報は、車載カメラ診断装置１に逐次（例えば１秒毎に）出力される。

位置検出器４は、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）で用いられる測位衛星からの電波に基づいて自車両の現在位置を逐次（例えば１００ミリ秒毎に）検出する。一例として位置検出器４は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）電波を受信するＧＰＳ受信機を備えており、当該ＧＰＳ受信機が受信した電波に基づいて、自車両の現在位置を検出する。自車両の現在位置を示す位置情報は、例えば緯度及び経度で表されればよい。

また、位置検出器４は、自車両の車速を検出する車速センサや、加速度を検出する加速度センサ、自車両の鉛直軸周りの回転角速度を検出するジャイロセンサなどの、自車両に搭載されている種々のセンサからの信号を取得する。そして、これらのデータを相補的に用いて現在位置を検出する構成となっている。

例えば、トンネル内などのＧＰＳ電波を受信できない状況においては、車速センサやジャイロセンサなどの出力値に基づいて、自車両の移動量を算出して現在位置を推定する。なお、位置検出器４は、上述したセンサの他、例えば地磁気センサの検出値を取得してもよい。位置検出器４が検出した現在位置を示す位置情報は、車載カメラ診断装置１に逐次出力される。

表示部５は、車載カメラ診断装置１からの指示に基づいてテキストや画像を表示する。表示部５は、例えばフルカラー表示が可能なものであり、液晶ディスプレイ、有機ＥＬディスプレイ等を用いて実現することができる。

本実施形態において表示部５は、インストゥルメントパネルの車幅方向中央付近に配置されるセンターディスプレイとするが、これに限らない。表示部５は、インストゥルメントパネルの運転席側に設けられているメータディスプレイであってもよい。さらに、表示部５は、ＨＵＤ（Ｈｅａｄ Ｕｐ Ｄｉｓｐｌａｙ）であってもよい。

スピーカ６は、電気信号を音声（単なる音を含む）に変換して出力する、周知の音声出力装置である。スピーカ６は、車載カメラ診断装置１からの指示に基づいて音声を出力する。

車載カメラ診断装置１は、通常のコンピュータとして構成されており、周知のＣＰＵ、ＲＯＭや、フラッシュメモリなどの不揮発性メモリ、ＲＡＭなどの揮発性メモリ、Ｉ／Ｏ、及びこれらの構成を接続するバスライン（何れも図示略）などを備えている。車載カメラ診断装置１が備える不揮発性メモリには、ＣＰＵが種々の処理を実施するためのプログラムが格納されている。

また、車載カメラ診断装置１は、前述のプログラムを格納している記憶領域とは物理的又は論理的に独立した、書き換え可能な記憶領域である記憶部１１を備える。物理的に独立した２つの記憶領域とは、それらが異なる記憶媒体であることを意味する。また、論理的に独立した２つの記憶領域とは、１つの記憶媒体が備える記憶領域を論理的に区切る（いわゆるパーティションニングする）ことによって実現される記憶領域であることを意味する。

本実施形態における記憶部１１は、一例として、前述のプログラムを格納している記憶領域とは物理的に独立しているものとする。例えば、記憶部１１は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）によって実現されればよい。もちろん、記憶部１１は、その他の磁気ディスクや、光学ディスク、及びフラッシュメモリなど周知の記憶媒体を用いて実現してもよい。さらに、ＳＤカード等の、車載カメラ診断装置１から取り外し可能な記憶媒体であってもよい。この記憶部１１は、次に説明する種々の機能ブロックからの指示に基づいてデータを記憶する。

車載カメラ診断装置１は、機能ブロックとして、画像データ取得部１２、日時情報取得部１３、車両情報取得部１４、不具合診断部１５、及び報知処理部１６を備えている。本実施形態においてこれらの機能ブロックは、ソフトウェアによって実現されるものとする。他の態様として、これらの一部又は全部は、ハードウェアによって実現されても良い。

画像データ取得部１２は、前方カメラ２から入力された映像信号を、コンピュータで処理できるような画像データに変換し、不具合診断部１５に提供する。この画像データ取得部１２が請求項に記載の画像取得部に相当する。

日時情報取得部１３は、時計３から入力された日時情報を不具合診断部１５に提供する。日時情報のデータ・フォーマットは、例えばデータの先頭から年、月、日、時、分、秒という順で並んでいるものとする。より具体的に、２０１４／５／３０／２０：１０：４０は、２０１４年５月３０日の、２０時１０分４０秒であることを示す。

なお、本実施形態では、日時情報取得部１３は、時計３から日時情報を取得する態様とするが、これに限らない。他の態様として、無線通信技術によって車両外部に設けられたサーバから日時情報を取得してもよい。

車両情報取得部１４は、位置検出器４から位置情報を取得する。位置検出器４から取得する位置情報は、緯度を表すデータと、経度を表すデータとを含む。各データのビット列の先頭には、そのデータが示す数値が北緯や南緯、東経、西経の何れを表すものであるかを識別するための識別子が付与されている。すなわち、位置情報は、識別子＋数値情報といったデータ・フォーマットで表される。

例えば、北緯を表すデータに対しては、識別子としてＮを付与し、東経を表すデータの識別子はＥとする。より具体的には、北緯３５．１８２０６９６、東経１３６．９０２３１６４の地点の位置情報は、Ｎ３５．１８２０６９６、Ｅ１３６．９０２３１６４と表す。南緯は、数値の符号を負にすることで表しても良いし、識別子Ｎに代わって、南緯を表すデータであることを示す識別子Ｓをつけることで、北緯と南緯を区別して表しても良い。西経も同様に、データ列の頭に東経を表すＥとは異なる識別子Ｗを付与すればよい。

また、車両情報取得部１４は、今回取得した位置情報と、前回以前の位置情報の差分に基づいて自車の進行方向を算出する。例えば、前回の位置情報が示す地点から現在の位置情報が示す地点への移動方向を進行方向とする。進行方向は、北を基準とし、時計回りを正の角度で表すものとすればよい。例えば北を０度、東を９０度、南を１８０度、西を２７０度として表す。

なお、進行方向は、自車両の車体の向きを表す情報、すなわち前方カメラ２が撮影している方向を特定するための情報として用いる。これは、同じ地点で撮影した画像であっても、自車両の車体の向きが異なれば、車両に搭載されている前方カメラ２の撮影方向が異なり、撮影画像の内容は異なるものとなるためである。

また、車両情報取得部１４は、今回取得した位置情報が示す地点と前回以前の位置情報を示す地点の距離を、その移動に要した時間で除算することで自車両の車速を算出する。車両情報取得部１４が算出した進行方向及び車速（すなわち車速情報）もまた、不具合診断部１５に提供される。

なお、本実施形態では一例として、複数の時点における位置情報から、進行方向や、車速を算出する態様とするが、これに限らない。自車両が備えるジャイロセンサや、車速センサ、地磁気センサなどの検出値を取得出来る場合には、それらの検出値を用いて進行方向及び車速を特定してもよい。また、複数の時点における位置情報に基づいて算出した進行方向や車速を、ジャイロセンサや、車速センサ、地磁気センサなどの検出値に基づいて補正して用いてもよい。

不具合診断部１５は、画像データ取得部１２、日時情報取得部１３、車両情報取得部１４の各部が取得した情報に基づいて前方カメラ２の不具合が生じているか否かの判断を行う。すなわち、この不具合診断部１５が、冒頭で述べた、異なる日時に同一地点、同一方向で撮影した複数の画像を比較して求まる不一致部分の大きさに基づいて前方カメラ２に不具合が生じているか否かを診断する処理を実施する。

また、不具合診断部１５は、その判断を行うための準備として、画像データ取得部１２が取得した画像データを、その画像データを取得した時点における位置情報、日時情報、進行方向、及び車速と対応付けて記憶部１１に保存する。画像データと対応付けて保存する位置情報、日時情報、進行方向、車速は、その画像データを取得した時点における状況を特定するための情報であり、以降では、これらをまとめて属性情報と称する。

一例として本実施形態では不具合診断部１５は、画像データ毎の情報を、１つのデータ構造体（いわゆるオブジェクト）で管理することとする。そして、不具合診断部１５は、それら画像毎のオブジェクトをリスト化した画像データリストによって、各画像毎のオブジェクトを管理する。

図２に、記憶部１１に保存されている画像データリストのデータ構成の一例を示す。図２に示すように、画像データリストは、各画像データに対応するオブジェクトを、時系列順に並べたものである。各画像データのオブジェクトは、その画像データを取得した順を表す番号（データ番号とする）によって管理される。

画像データ自体は、画像データリストとは別に記憶されてあって、各オブジェクトは、その画像データが格納されている記憶領域を指し示すデータ（アドレス情報とする）を備える。不具合診断部１５は、アドレス情報を参照することによって、画像データを読み出すことができる。

また、各オブジェクトは、上述のアドレス情報の他に、その画像データを取得した時点における位置情報、日時情報、進行方向、車速を備えている。すなわち、アドレス情報と属性情報とが対応付けて保存されることによって、画像データと種々の属性情報とが対応付けられた状態となる。

例えば、画像データリストの１番目に配置されているオブジェクトは、記憶部１１に記憶されている最も古い画像データ（１番目の画像データとする）に対応するオブジェクトである。１番目の画像データは、２０１４年５月３０日の１３時５分４０秒に、北緯３５．１８２０６９６、東経１３６．９０２３１６４の地点において、進行方向が北から時計回りに１０度回転した方向となっている場合に撮影した画像である。また、そのときの車速は４０Ｋｍ／ｈである。なお、２番目の画像データは、その１秒後に撮影された画像データである。

なお、記憶部１１が備える記憶容量は有限であるため、記憶部１１の記憶容量が一杯となった場合には、画像データリストが管理する画像データのうち、日時情報が古いものから順に削除していけばよい。

ところで一般に、同一地点、同一進行方向で撮影した画像であっても、その撮影日時が異なれば、各画像に含まれる移動体の種類や、撮影画像内における位置、数、色合いなどは異なる。このため、各画像間の不一致部分の大きさに基づいて前方カメラ２が正常に動作しているか否かを診断する上で、移動体を含んだままの画像同士を比較すると、不一致部分が大きくなってしまい、診断の精度が劣化してしまう。すなわち、２つの画像を比較する際においては、移動体以外の部分が一致しているかを評価することが好ましい。

そこで、本実施形態の不具合診断部１５は、周知の画像認識技術を用いて、画像データのうち、歩行者や自転車、他の車両などの移動体が撮影されている領域（移動体領域とする）を特定し、移動体領域を示すデータ（移動体領域データ）を、その画像データと対応付けて保存する。

より具体的には、不具合診断部１５は、画像データに対してエッジ検出などの公知の画像処理を行い、画像に含まれている全ての物体の輪郭を抽出する。そして、画像処理を施した画像データに対して、周知のパターンマッチング処理を行うことによって、予め設定されている検出対象物（ここでは移動体）を検出する。なお、画像処理としては、エッジ検出の他にも、例えば鏡像に変換する鏡像変換やレンズの特性で画像周辺部に生じる歪みを補正する歪み補正等も行う態様としてもよい。

そして、不具合診断部１５は、２つの画像データを比較する際に、２つの画像データの少なくとも何れか一方で移動体領域となっている部分については、互いに対応する画素が一致しているか否かの比較を行わない。言い換えれば、不具合診断部１５は、２つの画像データの両方において移動体が映っていない部分を比較して、不一致部分を抽出する。

すなわち、移動体領域データは、後述する２つの画像間の不一致部分を抽出する処理（不一致部分抽出処理とする）において、一致しているか否かの比較対象として採用しない領域を定義するデータとして用いられる。また、画像認識処理によって画像中の移動体領域を特定する処理（移動体領域特定処理とする）は、後述する不一致部分抽出処理の精度を向上させるための準備処理と言える。

以降では便宜上、１つの画像データにおいて、移動体領域となっていない領域を比較可能領域と称する。また、２つの画像データのどちらにおいても移動体領域となっていない領域を相互比較可能領域と称する。比較可能領域及び相互比較可能領域には、基準被写体などが含まれている。

例えば、図３に示す前方カメラ２によって撮影された画像において、他車両Ｍ１〜Ｍ６が移動体として検出される。したがって、図３に示す画像データに対応する移動体領域データは、画像データのうち他車両Ｍ１〜Ｍ６が写っている領域を指し示すデータとなる。

図４は、図３に対応する図であって、ドット柄のハッチングで指し示す移動体領域Ｒｍ１〜６が、不一致部分抽出処理において比較対象として採用されない領域となる。図４において移動体領域Ｒｍ１〜６以外の領域が、当該画像データにおける比較可能領域に相当する。

ここで、図５に示すフローチャートを用いて、不具合診断部１５が実施する不具合診断関連処理について説明する。不具合診断関連処理は、画像データ取得部１２、日時情報取得部１３、車両情報取得部１４の各部が取得した情報に基づいて前方カメラ２に不具合が生じているか否かを判断するための一連の処理である。図５に示すフローチャートは、逐次（例えば１秒毎に）実施されれば良い。

まず、ステップＳ１００では、画像データ取得部１２から画像データを取得してステップＳ１１０に移る。ステップＳ１１０では、当該画像データに対して前述の移動体領域特定処理を実施してステップＳ１２０に移る。すなわち、このステップＳ１１０では、ステップＳ１００で取得した画像データに対する移動体領域データを生成する。このステップＳ１１０の移動体領域特定処理を実施する不具合診断部１５が請求項に記載の移動体領域特定部の一例に相当する。

ステップＳ１２０では、日時情報取得部１３から日時情報を、車両情報取得部１４から位置情報、進行方向、及び車速を取得する。すなわち、ステップＳ１２０では、ステップＳ１００で取得した画像データの属性情報を取得して、ステップＳ１３０に移る。

ステップＳ１３０では、画像保存処理を実施する。この画像保存処理では、ステップＳ１００で取得した画像データを、ステップＳ１２０で取得した属性情報と対応付けて記憶部１１に保存する。

より具体的には、ステップＳ１００で取得した画像データを記憶部１１に格納するとともに、画像データリストに、当該画像データに対応するオブジェクトを追加する。ここで追加されるオブジェクトは、前述の通り、ステップＳ１００で取得した画像データの保存場所を指し示すアドレス情報と種々の属性情報を対応付けたデータである。このステップＳ１３０を画像保存処理と称する。

また、本実施形態ではこのステップＳ１３０で、ステップＳ１１０で生成した移動体領域データを、その元となった画像データと対応付けて保存する。移動体領域データは、当該画像データのオブジェクトに含まれてあっても良いし、独立して備えられてあってもよい。画像データの読み出しに伴って、当該画像データに対応する移動体領域データも読み出されるデータ構成となっていればよい。ステップＳ１３０での処理が完了するとステップＳ１４０に移る。なお、このステップＳ１３０を実施する不具合診断部１５が請求項に記載の第１記憶処理部に相当する。

ステップＳ１４０では、過去画像検索処理を実施する。この過去画像検索処理では、画像データリストから、ステップＳ１２０で取得した（すなわち、現在の）位置情報及び進行方向と一致する位置及び進行方向で撮影された画像データを検索する。なお、このとき、前ステップＳ１３０で格納したデータ、すなわち、今回の不具合診断関連処理で追加した画像データ（現在画像データと称する）は、検索の対象外とする。

そして、ステップＳ１４０での過去画像検索処理の結果、現在の位置情報及び進行方向と一致する位置及び進行方向で撮影された画像データ（過去画像データとする）が存在する場合には、ステップＳ１４９がＹＥＳとなってステップＳ１５０に移る。一方、現在の位置情報及び進行方向と一致する位置及び進行方向で撮影された画像データが存在しなかった場合には、ステップＳ１４９がＮＯとなって本フローを終了する。

なお、測位結果や進行方向の検出結果は、一般的にある程度の誤差を含むとともに、当該不具合診断関連処理を実行する間隔（ここでは１秒）に起因する誤差も含みうる。したがって、ここでの検索条件は、完全な一致に限らない。現在の位置情報と、過去に取得した画像データの位置情報との差が所定の閾値以下であれば、位置情報が一致していると見なす。また、進行方向についても同様に、完全な一致に限らない。現在の進行方向と、比較の対象としている進行方向との差が所定の閾値以下であれば、進行方向が一致していると見なす。

ステップＳ１５０では、不一致部分抽出処理を実施してステップＳ１５９に移る。この不一致部分抽出処理については、別途図６に示すフローチャートを用いて説明する。図６に示す不一致部分抽出処理は、図５のステップＳ１５０に移った際に開始される。

まず、ステップＳ１５１では、ステップＳ１４０で見つかった過去画像データを読み出してステップＳ１５２に移る。このとき、当該過去画像データの移動体領域データも同時に読み出す。このステップＳ１５１を実施する不具合診断部１５が請求項に記載の過去画像読み出し部に相当する。

ステップＳ１５２では、現在画像データと、ステップＳ１５１で読み出した過去画像データとを比較し、不一致となっている部分を抽出する。このステップＳ１５２を実施する不具合診断部１５が請求項に記載の不一致部分抽出部の一例に相当する。

より具体的には、現在画像データと過去画像データとを、互いに対応する位置の画素が一致しているか否かを判定していく。２つの画像データにおいて互いに対応する位置の画素が一致しているか否かは、例えばそれぞれの画素の輝度や色に基づいて判定すればよい。

例えば、２つの画像データにおいて互いに対応する位置の画素の輝度の差が一定の閾値以内となっている場合には、その画素は一致していると判定する。一方、２つの画像データにおいて互いに対応する位置の画素の輝度の差が一定の閾値以内となっていない場合には、その画素は一致していないと判定する。

ここで用いる閾値は、互いに対応する位置の画素が異なる被写体を映していると判定するための閾値であって、適宜設計されればよい。輝度情報に代わって色情報を用いて各画素が一致しているか否かを判定する場合には、各画素の色が、周知の色空間において所定の閾値以上離れている場合に互いの画素が一致していないと判定すればよい。

ここでの画素毎の一致／不一致の判定処理は、現在画像データと過去画像データとの間で相互比較可能領域となっている部分の画素を母集団として実施する。そして、上述した判定処理を、２つの画像データにおいて比較可能な全ての画素に対して実施し、互いの画素が一致していないと判定した部分（不一致部分）を特定する。

ここで、一例として、図４に示す画像データを現在画像データ、図７に示す画像データを、現在の位置情報及び進行方向と一致する状況で撮影された過去画像データとした場合の、不一致部分について図８、図９を用いて説明する。

なお、図４及び図７においてドット模様のハッチングを施している領域は、移動体領域を表している。また、図４及び図７に示す画像データは、いずれも前方カメラ２に不具合が生じていない状態で撮像された画像データとする。

図８は、図４に示す現在画像と図７に示す過去画像とを、比較のために重ねあわせた概念図である。図８において、破線は過去画像に写っている物体の輪郭を、実線は現在画像に写っている物体の輪郭を示している。図８において、実線と破線とがずれている部分は、現在画像と過去画像との間で互いに対応する被写体の、画像内での位置がずれている部分を表している。

各画像における被写体の位置がずれている部分は、それぞれ別の物体を映しているため、その輝度は異なる値となって不一致部分として抽出される。より具体的には、図９における斜め線のハッチングで示す部分が、図４及び図７に示す画像データ間の不一致部分として抽出される。

なお、図４及び図７に示す画像データは、いずれも前方カメラ２に不具合が生じていない状態で撮像された画像データであるため、現在画像と過去画像との間の不一致部分は相対的に小さい値となる。以降では、現在画像と過去画像との間の不一致部分の大きさを不一致割合で表す。不一致割合とは、２つの画像データにおいて相互比較可能領域となっている画素数に対する不一致部分と判定された画素の数の割合である。

一方、撮影画像の一部に影響を及ぼすような不具合が前方カメラ２に発生している場合、画像データにおいて不具合の影響を受けている部分は、過去の正常な状態であるときに撮影された画像データと異なる画素となる。そのため、その不具合が影響を及ぼしている部分の大きさが大きいほど不一致部分が増大し、不一致割合も増大する。

前方カメラ２に生じている不具合によって、撮影範囲の一部が欠けてしまっている画像の一例を図１０に示す。なお、ここでの撮影範囲の一部が欠けた画像とは、画像データの一部が実際の画像とは異なる画像を表すデータとなっている画像を指す。図１０中の領域Ｒｘが、前方カメラ２に生じている不具合に起因して、実際とは異なる画像となっている領域（不具合影響領域とする）を表している。

画像データの一部の情報が欠けてしまう原因としては、前方カメラ２が備える撮像素子のうちの一部が破損していたり、撮像素子から出力される信号を伝達及び処理する周辺回路の一部に異常が生じていたりする場合などがある。また、前方カメラ２のレンズにゴミが付着していたり、レンズに衝撃が加わることによって、レンズ自体に欠損が生じている場合にも、同様に、撮影範囲の一部の情報が欠けてしまう。

そして、現在画像データが不具合影響領域Ｒｘを含んでいる場合、画像比較処理の結果、図１１に示すように、当該不具合影響領域Ｒｘに対応する領域Ｒｄｘは、不一致部分（斜め線のハッチング部分）として抽出される。すなわち、前方カメラ２に不具合が生じている場合には、領域Ｒｄｘの分だけ不一致部分の面積が増大し、不一致割合も増加する。

ステップＳ１５３では、２つの画像データ間の不一致部分を抽出したデータ（不一致部分データとする）を、位置情報などの属性情報と対応づけて記憶部１１に保存して本フローを終了する。すなわち、この不一致部分抽出処理の呼び出し元である不具合診断関連処理に戻ってステップＳ１５９に移る。このステップＳ１５３を実施する不具合診断部１５が請求項に記載の第２記憶処理部の一例に相当する。

なお、現在画像データに含まれる被写体の位置や大きさと、過去画像データに含まれる被写体の位置や大きさは、それぞれを撮影した時の地点や進行方向の許容範囲内の誤差に起因して、微妙に異なっていることが想定される。

そこで、ステップＳ１５２での画像比較処理を実施する際には、２つの画像の特徴点が一致するように、何れか一方の画像に対して拡大縮小、平行移動、回転などの画像処理を施すことが好ましい。２つの画像の特徴点が一致させる方法は、周知のものを援用すればよい。なお、現在画像と過去画像のうち、現在画像と過去画像の特徴点が一致するように画像処理を施す画像は、過去画像と現在画像のどちらでもよい。例えば、過去画像を基準として現在画像に対して画像処理を施せば良い。

また、同一地点、同一方向からの撮影した画像であっても、撮影した時間帯や天気によって、撮影画像の明るさは異なると想定される。そこで、ステップＳ１５２での画像比較処理を実施する際には、２つの画像の輝度分布や色分布が近くなるように周知の画像処理を施すことが好ましい。または、２つの画像の輝度分布や色分布が所定の閾値以上乖離している場合には、ステップＳ１５２を実施しない態様としてもよい。その他、現在画像と過去画像との不一致部分を抽出する精度を向上させるための施策については、別途後述する。

ステップＳ１５９では、現在画像データと過去画像データにおける不一致割合を算出する。そして、不一致割合が、所定の閾値以上である場合には、ステップＳ１５９がＹＥＳとなってステップＳ１６０に移る。不一致割合が所定の閾値未満である場合には、ステップＳ１５９がＮＯとなって本フローを終了する。このステップＳ１５９を実施する不具合診断部１５が請求項に記載の不具合判定部の一例に相当する。

ここで用いる閾値は、撮影画像の一部又は全部に影響を及ぼす不具合が前方カメラ２に発生しているか否かを判定するための閾値である。すなわち、ステップＳ１５９がＹＥＳと判定したということは、前方カメラ２に不具合が生じていると判定したことを意味する。また、ステップＳ１５９がＮＯと判定したということは、前方カメラ２に不具合が生じていないと判定したことを意味する。このステップＳ１５９での判定処理（便宜上、不具合判定処理とする）に用いる閾値は、適宜設定されればよい。

例えば、撮影画像において相対的に小さい領域に影響を及ぼすような不具合も検出させたい場合には、不一致割合が相対的に小さい場合に不具合が発生していると判定する必要があるため、閾値も小さく設定する。その場合には、上述したような現在画像と過去画像との不一致部分を抽出する精度を向上させる必要があるための仕組みを導入することが好ましい。

また、例えば撮影範囲の４分の１に相当する領域など、撮影画像において相対的に大きい領域に影響を及ぼすような不具合を検出できればよい場合には、閾値は相対的に大きく設定すればよい。

ところで、過去画像データが一定時間（例えば１ヶ月）以上過去に取得されたものである場合、ビルが取り壊わされていたり、コンビニエンスストアが別の店舗に変わっていたりする可能性がある。そのようにビルなどの基準被写体が変化していると、その基準被写体の変化に起因して不一致割合が増大し、不具合の判定（ステップＳ１５９）が適切にできなくなる可能性がある。

そこで、ステップＳ１４０での過去画像検索処理において、日時情報に対して条件を設けることによって、所定の時間以上前に取得した画像データを検索の対象外としてもよい。例えば１ヶ月以降過去のデータは検索対象外とする条件を追加する。なお、１ヶ月以上前に取得した画像データ及びそのオブジェクトは、記憶部１１から削除していく態様としてもよい。何れの態様においても、現在から一定時間以内に撮影された画像データを母集団とした過去画像検索処理が行われるようになる。

ステップＳ１６０では、前方カメラ２に不具合が生じている旨をドライバに報知するように報知処理部１６に依頼する。この不具合診断部１５からの報知要求を受けた報知処理部１６は、表示部５に前方カメラ２に不具合が生じている旨を表す情報（テキストや画像）を表示する。

また、報知処理部１６は、スピーカ６から警報音を出力させたり、前方カメラ２に不具合が生じている旨を表す音声を出力させたりしてもよい。前方カメラ２に不具合が生じている旨の報知は、表示部５とスピーカ６の何れか一方だけを利用して実施されてもよいし、その他の媒体と組み合わせて実施されても良い。例えば、ドライバに対して振動を印加する振動発生装置を報知媒体として用いてもよい。

このステップＳ１６０による報知を受けて、ドライバは前方カメラ２に不具合がある旨を認識でき、前方カメラ２の使用を中止したりなどの処置を講ずることができる。

ところで、前方カメラ２が撮影している画像を表示部５に逐次表示するようなシステムとなっている場合には、ドライバは、当該表示部５を見れば前方カメラ２に不具合が生じていることを認識することができる。

しかしながら、近年は、車載カメラが撮影した画像データに基づいてドライバの運転操作を支援する運転支援システムが開発されている。例えば、前方カメラ２が撮影した画像データに基づいて、自車両の先行車両を特定するとともに、先行車両との相対距離や相対速度などを算出し、車間距離を一定に保つＡＣＣ（Ａｄａｐｔｉｖｅ Ｃｒｕｉｓｅ Ｃｏｎｔｒｏｌ）システムがある。また、先行車両と接触する可能性が高いと判定した場合には、その旨をドライバに報知したり、自動でブレーキをかけたりするシステムを搭載した車両も販売されている。

前方カメラ２が撮影した画像データを、そのような運転支援システムにおける内部処理（例えば先行車両の認識処理など）に用いる場合、前方カメラ２が撮影した画像を表示部５に表示しない構成も想定される。そのような構成においては、前方カメラ２が撮影した画像が表示部５に表示されないため、前方カメラ２に部分的な不具合が生じていることにドライバは気付きにくい。

また、前方カメラ２が撮影した画像データを、上述したような運転支援システムに用いる場合には、その撮影画像の一部に影響を及ぼすような不具合が発生していると、先行車両を適切に検出できなくなってしまう可能性がある。すなわち、前方カメラ２が撮影した画像データを運転支援システムで用いる場合には、前方カメラ２には、正常に動作していることがより強く求められる。そして、仮に前方カメラ２に不具合が生じた場合には、より精度よく、その不具合の発生を検出する必要がある。すなわち、撮影画像の一部に影響を及ぼすような不具合の発生についても検出する必要がある。

本実施形態の構成によれば、撮影画像の一部に影響を及ぼすような不具合も検出できるため、上述したような運転支援システムに画像データを提供するカメラの診断にも適用することができる。そして、運転支援システムの動作の信頼性を、さらに高めることができる。

また、車載カメラ診断装置１は、運転支援システムが備える画像処理装置に、ソフトウェアとして追加することで実現することができる。すなわち、画像処理装置を既に搭載している車両であれば、本車載カメラ診断装置１のためのハードウェアなどを新たに必要としないため、この車載カメラ診断装置１を車両に搭載するためのコストを抑制することができる。

なお、以上では車載カメラとして、自車両の前方を撮影する前方カメラ２を診断する態様を例示したが、これに限らない。車載カメラ診断装置１の診断対象とする車載カメラは、自車両の後方を撮影する後方カメラであってもよいし、自車両の側方を撮影する側方カメラであってもよい。もちろん、車載カメラ診断装置１は複数の車載カメラに対して診断を実施してもよい。

また、本実施形態では、ステップＳ１５９の不具合判定処理で不一致割合が所定の閾値以上であった場合には、不具合が生じていると判定する態様を例示したが、これに限らない。ステップＳ１５９の不具合判定処理で不一致割合が所定の閾値以上となっているという判定結果が複数回連続した場合に、不具合が生じていると判定してもよい。

さらに、ステップＳ１５９の不具合判定処理を複数回実施し、そのうち、不一致割合が所定の閾値以上となっていると判定された回数が、所定の割合（例えば８０％）となっている場合に、不具合が生じていると判定してもよい。

また、本実施形態では、不一致割合を用いて、過去画像データと現在画像データとが異なるか否か、すなわち現在、前方カメラ２に不具合が生じているか否かを判定する態様とした。しかし、過去画像データと現在画像データが一致しているか否かを評価する指標は、不一致割合に限らない。周知の画像間の類似度を計算する手法（例えばＰｅｒｃｅｐｔｕａｌ Ｈａｓｈ）を用いてもよい。その場合、算出された類似度が所定の閾値以下である場合に、過去画像データと現在画像データが一致しておらず、何かしらの不具合が前方カメラ２に生じていると判定すれば良い。

＜第２の実施形態＞
上述した第１の実施形態では、現在画像と過去画像における不一致部分の割合に基づいて不具合が生じているか否かを判定する態様を例示したが、これに限らない。次に、本発明の第２の実施形態について、図を用いて説明する。

第２の実施形態における車載カメラ診断システム１００は、第１の実施形態における車載カメラ診断システム１００と同様の構成によって実現することができる。便宜上、前述の第１の実施形態の説明に用いた図に示した部材と同一の機能を有する部材については、同一の符号を付し、その説明を省略する。また、構成の一部のみを説明している場合、構成の他の部分については先に説明した第１の実施形態を適用することができる。

第２の実施形態と、第１の実施形態との主たる違いは、不具合診断部１５が実施する不具合診断関連処理の内容である。以降では、この第２の実施形態における不具合診断関連処理について、図１２に示すフローチャートを用いて説明する。図１２に示すフローチャートは、第１の実施形態と同様に、逐次（例えば１秒毎に）実施されればよい。

まず、ステップＳ２００では、画像データ取得部１２から画像データを取得してステップＳ２１０に移る。ステップＳ２１０では、当該画像データに対して前述の移動体領域特定処理を実施してステップＳ２２０に移る。すなわち、このステップＳ２１０では、ステップＳ２００で取得した画像データに対する移動体領域データを生成する。このステップＳ２１０の移動体領域特定処理を実施する不具合診断部１５が請求項に記載の移動体領域特定部の一例に相当する。ステップＳ２２０では、種々の属性情報、すなわち日時情報、位置情報、進行方向、及び車速を取得して、ステップＳ２３０に移る。

ステップＳ２３０では、画像保存処理を実施してステップＳ２４０に移る。より具体的には、ステップＳ２００で取得した画像データを、ステップＳ２２０で取得した属性情報と対応付けて記憶部１１に保存する。また、ステップＳ２１０で生成した移動体領域データを、ステップＳ２００で取得した画像データと対応付けて記憶部１１に保存する。

ステップＳ２４０では、画像データリストから、現在の位置情報及び進行方向と一致する位置及び進行方向で撮影された画像データ（すなわち過去画像データ）を検索する。なお、このとき、今回の不具合診断関連処理で取得した現在画像データは、検索の対象外とする。

そして、ステップＳ２４０での過去画像検索処理の結果、現在の位置情報及び進行方向と一致する、位置及び進行方向で撮影された過去画像データが存在する場合には、ステップＳ２４９がＹＥＳとなってステップＳ２５０に移る。一方、現在の位置情報及び進行方向と一致する、位置及び進行方向で撮影された過去画像データが存在しなかった場合には、ステップＳ２４９がＮＯとなって本フローを終了する。

ステップＳ２５０では、不一致部分抽出処理を実施してステップＳ２５９に移る。なお、この不一致部分抽出処理で作成された不一致部分データは、図１３に示すように、そのデータが保存されているアドレスの情報、位置情報、作成日時などとの対応付けられた、不一致部分データリストとして管理される。

ステップＳ２５９では、不一致部分データが複数存在するか否かを判定する。すなわち、不一致部分データリストが複数の不一致部分データを備えている場合には、ステップＳ２５９がＹＥＳとなってステップＳ２６０に移る。一方、不一致部分データリストが複数の不一致部分データを備えていない場合には、ステップＳ２５９がＮＯとなって本フローを終了する。

ステップＳ２６０では、複数の不一致部分データに基づいて、不具合影響領域特定処理を実施する。この不具合影響領域特定処理は、複数の不一致部分データを比較することによって、撮影画像が不具合影響領域を含んでいるか否か、及び撮影画像が不具合影響領域を含んでいる場合には、その位置を特定する処理である。この不具合影響領域特定処理について、図１４、図１５、図１６を用いて説明する。

図１４は、ある不一致部分データの概念図であって、図中の斜め線のハッチング部分が、この不一致部分データが示す不一致部分を表している。また、図１５は、図１４に示す不一致部分データとは別の不一致部分データが示す不一致部分を表している。

不具合影響領域特定処理において不具合診断部１５は、図１４に示す不一致部分データと、図１５に示す不一致部分データを比較して、共通して不一致部分となっている箇所を特定する。図１６において網状のハッチングを施した部分Ｒｃ１及びＲｃ２は、図１４と図１５において共通して不一致部分となっている部分を表しており、図１６中の破線で囲む部分は、図１４と図１５の何れか一方でのみ不一致部分となっている領域を表している。

仮に前方カメラ２に不具合が生じてあって、その不具合の影響によって撮影画像の一部が欠けている画像となっている場合、その不具合影響領域は、複数の不一致部分データにおいて共通して不一致部分となっているはずである。すなわち、複数の不一致部分データにおいて共通して不一致部分となっている領域とは、不具合影響領域である可能性が高い。

そこで、この第２に実施形態における不具合診断部１５は、複数の不一致部分データにおいて、共通して不一致部分となっている部分を不具合影響領域と判定する。なお、ここでは、２つの不一致部分データにおいて共通して不一致部分となっている部分を不具合影響領域と判定する態様としたが、これに限らない。３つ以上（例えば４つ）の不一致部分データにおいて共通して不一致部分となっている部分を不具合影響領域と判定する態様としてもよい。

より多くの不一致部分データにおいて共通して不一致部分となっているほど、不具合影響領域である可能性が高まる。すなわち、不具合影響領域特定処理で用いる不一致部分データの数が多いほど、より正確な不具合の発見、及びその不具合影響領域の特定を実現することができる。このステップＳ２６０の不具合影響領域特定処理を実施する不具合診断部１５が、請求項に記載の不具合影響領域特定部の一例に相当する。

ステップＳ２６９では、ステップＳ２６０での不具合影響領域特定処理において不具合影響領域が検出されたか否かを判定する。ステップＳ２６０での不具合影響領域特定処理において、不具合影響領域が検出された場合には、ステップＳ２６９がＹＥＳとなってステップＳ２７０に移る。一方、ステップＳ２６０での不具合影響領域特定処理において、不具合影響領域が検出されなかった場合には、ステップＳ２６９がＮＯとなって本フローを終了する。このステップＳ２６９を実施する不具合診断部１５が請求項に記載の不具合判定部の一例に相当する。

ステップＳ２７０では、第１の実施形態におけるステップＳ１６０と同様に、前方カメラ２に不具合が生じている旨をドライバに報知するように報知処理部１６に依頼する。なお、この第２の実施形態の態様によれば、より具体的に、撮像領域のどの部分が不具合影響領域となっているかを示す情報を報知してもよい。

以上で述べたように、第２の実施形態では第１の実施形態よりも精度良く、前方カメラ２に不具合が生じているか否かを判定する。また、前方カメラ２に不具合が生じている場合には、撮像画像のうち、その不具合の影響を受けている領域を特定することができる。

なお、不具合影響領域特定処理では、画像データの或る領域が不具合影響領域となっている確率（不具合確率とする）を、複数の不一致部分データのうち、その領域を不一致部分として示している不一致部分データの数に基づいて評価してもよい。

例えば、４つの不一致部分データを比較した結果、３つの不一致部分データにおいて不一致部分となっている領域は、不具合確率を７５％とする。また、４つの不一致部分データを比較した結果、１つの不一致部分データにおいて不一致部分となっている領域は、不具合確率を２５％とする。このような態様では、不具合確率が所定の閾値（例えば８０％）以上となっている領域を不具合影響領域と判断すればよい。

また、ステップＳ２７０では、画像データの全ての領域に対して不具合影響領域となっている領域の割合に応じて、ドライバに、前方カメラ２に不具合が生じている旨を訴えかける強さを変化させても良い。

例えば、画像データの全領域に対して不具合影響領域が占める割合が許容範囲内（例えば１〜２％）である場合には控えめな報知態様で報知し、一方、不具合影響領域の割合が５％以上である場合には、ドライバに対してより強く訴えかける報知態様で報知を実施する。すなわち、不具合影響領域の割合が高いほど、より強くドライバに訴えかける態様とする。

さらに、画像データの全領域に対する不具合影響領域の割合の大きさや、不具合確率の高さに応じて、ドライバに報知する情報の内容を変更してもよい。例えば、画像データの全ての領域に対して不具合影響領域となっている領域の割合の大きさが大きくなるほど、また、不具合確率が高くなるほど、ドライバに前方カメラ２の点検を行うように促す内容とすればよい。

以上、本発明の第１及び第２の実施形態を説明したが、本発明は上述の実施形態に限定されるものではなく、次に述べる変形例も本発明の技術的範囲に含まれる。さらに、下記以外にも要旨を逸脱しない範囲内で種々変更して実施することができる。

なお、下記の変形例のうち、特に断りを入れていないものついては、第１の実施形態と第２の実施形態のどちらにも適用可能である。また、以降で述べる種々の変形例の中には、不具合診断関連処理を実施しない条件を設けることによって、不具合診断関連処理を実施する場合を限定するものがある。そのような変形例によれば、前方カメラ２に不具合が生じているか否かの判定の精度を上げるとともに、消費電力を抑制することができる。

＜変形例１＞
自車両が停車している場合には、不具合診断関連処理（特に、画像保存処理）を実施しない態様としてもよい。これは、次の理由による。

自車両が停車している場合には、信号待ちで停車している場合が含まれる。信号待ちで停車している場合には、先行車両との車間距離は車両走行時に対して小さくなりやすく、先行車両が前方カメラ２の撮影画像に大きく映りこんでしまう可能性が高くなる。

そして、先行車両（すなわち移動体）が前方カメラ２の撮影画像に大きく映りこんでいる場合には、画像データにおける移動体領域が占める割合が大きくなってしまい、比較可能領域が相対的に小さくなってしまう。

また、不具合診断関連処理を実施する毎に画像データを保存していくため、停車中においても不具合診断関連処理を実施すると、同一地点における画像データが多数となってしまう。すなわち、記憶部１１の記憶領域を効率的に利用できているとは言えない。

以上を鑑みて、停車中においては不具合診断関連処理を実施しない態様としてもよい。なお、自車両が停車しているか否かは、車速に基づいて判定すればよい。すなわち、車速が所定の閾値（例えば５ｋｍ／ｈ）以下となっている場合に停車していると判定すればよい。言い換えれば、車速が所定の閾値以上となっている場合に不具合診断関連処理を実施する態様とすることが好ましい。ここで用いる閾値は、自車両が停車していると見なすことができる値とすればよく、適宜設計されればよい。

また、シフトポジションを検出するシフトポジションセンサや、サイドブレーキのオン／オフを検出するサイドブレーキセンサなどの車載センサの検出値を取得出来る場合には、その検出値に基づいて自車両が停車しているか否かを判定しても良い。

＜変形例２＞
前方カメラ２の撮影方向（すなわち自車両前方）に存在する物体との距離を検出する測距センサを備えている場合には、その測距センサの検出結果に基づいて、不具合診断関連処理を実施するか否かを判断してもよい。

例えば、前方カメラ２の撮影方向の、自車両から所定距離（例えば１０ｍ）以内に他の物体が存在していることを測距センサが検出している場合には、不具合診断関連処理を実施しない態様としてもよい。これは、前方カメラ２の撮影方向において、自車両から所定距離（例えば１０ｍ）以内に他の物体が存在しているということは、自車両前方に存在する物体が前方カメラ２の撮影画像に大きく映りこんでいる可能性が高いことを示唆しているためである。

なお、測距センサとしては、例えば超音波センサや、ミリ波レーダ、レーザーレーダ等の、探査波を逐次送信し、その反射波を逐次受信することで、自車両周辺に存在する物体との距離や位置を検出するセンサを利用することができる。

また、検出している物体が移動体か否かを識別できる場合には、単純に他の物体ではなく、他の移動体が前方カメラ２の撮影方向、自車両から所定距離（例えば１０ｍ）以内に存在している場合に不具合診断関連処理を実施しない態様としてもよい。測距センサが検出している物体（検出物とする）が、移動体であるか否かは、その検出物の形状や、その検出物が移動しているか否かに基づいて識別すればよい。例えば検出物の形状が車両などの形状パターンと一致している場合には、その検出物を移動体と見なせば良い。また、検出物が移動している場合に、移動体と見なせばよい。

＜変形例３＞
さらに、自車両の車速が所定の速度以上（例えば６０Ｋｍ／ｈ）となっている場合には、不具合診断関連処理を実施しない態様としてもよい。自車両が高速で走行している場合、自車両から相対的に近い距離にある被写体は、ピントが合いにくく、撮影画像において被写体の像がぶれて（ぼやけて）しまいやすい。すなわち、画像比較処理において自車両から相対的に近い距離に存在する被写体が写っている領域が不一致部分となりやすい。

したがって、自車両の車速が所定の速度以上となっている場合には、不具合診断関連処理を実施しない態様とすることが好ましい。もちろん、上述した変形例１と組み合わせて、自車両の車速がある一定の範囲内、例えば１０Ｋｍ／ｈ以上であって６０Ｋｍ／ｈ以下となっている場合に不具合診断関連処理を実施する態様としてもよい。

＜変形例４＞
自車両が、ガソリンスタンド、パーキングエリアなどの店舗の駐車場に停車している場合、自車両周辺には他の移動体（他車両や歩行者など）が相対的に多く存在し、それに伴って、撮影画像における移動体が占める割合が高くなることが想定される。

そこで、自車両が店舗の駐車場に停車している場合には、不具合診断関連処理を実施しない態様としてもよい。言い換えれば、不具合診断部１５は、位置情報と地図データに基づいて、自車両が道路上を走行していると判定した場合に、不具合診断関連処理を行う態様としてもよい。

自車両が店舗の駐車場に存在しているか否かは、自車両の位置情報と、図示しないナビゲーション装置が備える地図データに基づいて判定すればよい。なお、この地図データは、道路の接続関係を示す道路網データの他に、施設などの情報を、その所在地と対応付けた情報である施設情報も含んでいるものとする。

また、自車両が道路上を走行しているか否かは、位置情報の時系列データを生成し、その時系列データから定まる自車両の走行軌跡が地図データに示される道路の形状と一致しているか否かに基づいて判定されればよい。その他、車速が所定の閾値（３０ｋｍ／ｈ）となっている場合に道路を走行していると判定してもよい。ここで用いる閾値は、車両が駐車場内を走行する可能性が低い速度、すなわち道路を走行している可能性が高い速度とすればよい。

＜変形例５＞
また、自車両が自走式立体駐車場の中や、高架上、高架下で併走する他の道路が存在する道路を走行している場合には、緯度、経度の位置情報だけでは、過去に画像を撮影した地点と同一地点にいるか否かを判定することができない。そこで、不具合診断部１５は、自車両の位置情報と地図データに基づいて、高さ方向に複数の異なる位置を取りうる場所に自車両が存在していると判定した場合には、不具合診断関連処理を実施しない態様としてもよい。高さ方向に複数の異なる位置を取りうる場所とは、前述の通り、自走式立体駐車場や、高架上、高架下で併走する他の道路が存在する道路などが該当する。

＜変形例６＞
なお、上述した実施形態において位置情報は、緯度及び経度によって表す態様を例示したが、これに限らない。位置情報は、基準面（例えば海面）からの高さを表す高度情報を含んでいても良い。このような構成によれば、変形例５で述べたような場所においても、自車両が過去画像に対応付けられている地点と同一地点にいるか否かを識別することができる。

＜変形例７＞
不具合診断部１５は、例えば通勤路などの、相対的に自車両が頻繁に走行する道路（日常利用道路とする）を走行している場合に、不具合診断関連処理を実施する態様としてもよい。日常利用道路を走行している時に格納した画像データであれば、後日その地点を同じ進行方向で通過する可能性が高いため、過去画像として画像比較処理で用いられる可能性が高い。

一方、旅先などで取得した画像データは、その画像データを撮影した地点を再び同じ進行方向で走行する可能性は低いため、過去画像として画像比較処理に用いられる可能性もまた低い。すなわち、旅先などの習慣的に走行されない道路を走行している場合には、不具合診断処理を実施しても無駄になる可能性が高い。

そこで、この変形例７のように自車両が日常利用道路を走行している場合に、不具合診断関連処理を実施する態様とすれば、記憶部１１に格納している画像データを効率的に利用する事ができる。

日常利用道路は、ユーザによって予め登録されてあっても良いし、自車両の走行軌跡の情報を蓄積することで、所定回数以上走行した道路を自動的に日常利用道路に設定してもよい。日常利用道路としては、通勤経路を構成する道路の他、自宅周辺の道路などが該当する。

また、自宅から所定距離（例えば５００ｍ）以内の道路を、日常利用道路として自動的に設定してもよい。すなわち、自車両の現在位置が自宅から所定距離以内となっている場合に、不具合診断関連処理を実施する態様としてもよい。自宅の位置は、ユーザによって登録されてあっても良いし、車両のイグニッション電源が入り切りされた地点の位置情報を蓄積していき、最も頻繁にイグニッション電源が入り切りされた地点を自宅と見なしても良い。

＜変形例８＞
さらに、例えば自宅の駐車のような、撮影画像の内容が変化しにくい地点を記憶部１１に登録しておき、自車両がその地点に存在している場合に不具合診断関連処理を実施する態様としてもよい。

＜変形例９＞
前方カメラ２が車室内にあってワイパーが撮像範囲に映りこむ場合は、ワイパーが映りこむ事によって不具合の有無の判断が正常に行えない可能性がある。そこで、ワイパーモータが作動している場合には、不具合診断関連処理を実施しない態様としてもよい。

＜変形例１０＞
雨天や濃霧の中では安定した画像を撮像する事が困難になるため、雨天や濃霧などの所定の天候条件となっている場合には、不具合診断関連処理を実施しない態様としてもよい。雨天であるか否かは、車両に搭載されたレインセンサの検出結果に基づいて判定されても良いし、ワイパーモータの駆動状況に基づいて判定されても良い。すなわち、ワイパーモータが駆動している場合には、雨天であると判定すればよい。

また、濃霧であるか否かは、フォグランプが点灯しているか否かによって判定すれば良い。例えばフォグランプが点灯している場合には濃霧が発生していると判定する。なお、現在の天候を表す情報は、車載カメラ診断装置１が利用可能な通信装置を用いて、車両外部、例えば天候情報や交通情報を配信する交通情報センタなどから取得してもよい。

＜変形例１１＞
また、道路の混雑度合いは平日と休日で異なるため、撮影日が平日か休日かによって、画像に映り込む移動体の数や大きさも変化する。したがって、平日の画像データと休日の画像データとを区別して、不具合診断関連処理を実施するようにしてもよい。また、画像データを曜日毎に区別して管理し、過去画像検索処理では、現在の曜日と同じ曜日の画像データを検索の対象とする態様としてもよい。

＜変形例１２＞
前方カメラ２が撮影した画像の上方領域には基準被写体が映りこみやすいため、撮影画像の上方領域を優先的に利用して判定を行う態様としてもよい。

＜変形例１３＞
位置検出器４の測位精度が低い場合には、位置情報の誤りに起因して誤った判定をしてしまう可能性が高まる。このため、位置検出器４の測位精度が低いと見なすことが出来る場合には、不具合診断関連処理を実施しない態様としてもよい。

例えば不具合診断部１５は、ＧＰＳ受信機が捕捉しているＧＰＳ衛星の数が３個以下となっている場合や、ＧＰＳ衛星が補足できず、ジャイロセンサや車速センサから自車位置を推測している場合に、位置検出器４の測位精度が低いとみなせばよい。

＜変形例１４＞
イグニッション電源がオフとなる直前の画像と、その後、イグニッション電源がオンとなった直後に取得した画像とを比較して不具合の判定を実施する態様としてもよい。なお、この変形例１４の処理は、イグニッション電源がオフとなった時の位置情報と、オンとなった時の位置情報が等しい場合に実施する態様とした方がより正確な判定が行うことができる。

＜変形例１５＞
現在の位置情報及び進行方向と等しい状況において撮影された画像が、記憶部１１に複数記憶されている場合には、それらの複数の画像のうちの何れか１つを下記の（ａ）〜（ｃ）に示す方針の何れかに基づいて過去画像として採用すればよい。
（ａ）日時情報が最も新しい画像を過去画像とする。
（ｂ）日時情報のうちの撮影時刻が現在の時刻と最も近い画像を過去画像とする。
（ｃ）撮影時の車速が現在の車速に最も近い画像を過去画像とする。

（ａ）の方針によれば、過去画像が撮影された時点から現在までの間の経過時間が最も小さいものを選択することに成るため、その間にビルなどの建物の基準被写体が変化（取り壊しや建造など）している可能性を抑制することができる。したがって、基準被写体の変化に起因して不一致部分を増大させてしまう恐れを抑制でき、不具合の有無の判定精度を向上させることができる。

（ｂ）の方針によれば、できるだけ撮影時刻が現在時刻と近い画像を過去画像として採用する。交通状況（混雑度合いなど）は、時間帯によって異なるとともに、時間帯によって日射量、すなわち明るさが異なる。

道路の混雑度合いが異なれば、画像における移動体領域の面積などが変化する。また、明るさが異なれば、同一物を撮影していても画像が備える各画素の輝度情報や色情報は異なってくる。例えば、夕方撮影された画像と、昼間に撮影された画像では、色味は異なる。したがって、できるだけ撮影時刻が現在時刻と近い画像を過去画像として採用したほうが、時刻の差に起因する不一致部分の増大を抑制でき、不具合の有無の判定精度を向上させることができる。

（ｃ）の方針によれば、撮影時の車速が現在の車速に最も近い画像を過去画像として採用する。車速が異なれば、物体に対するピントの合いやすさなどがことなるため、同一物を撮影していても、画像データにおける像は異なってしまう場合がある。

そこで、撮影時の車速が現在の車速に最も近い画像を過去画像として採用することで、車速の違いに応じた不一致部分の増大を抑制でき、不具合の有無の判定精度を向上させることができる。

なお、方針（ａ）〜（ｃ）の何れか１つに基づいて、複数の過去画像のうちの１つを選択する態様としてもよいし、方針（ａ）〜（ｃ）を組み合わせて用いてもよい。

＜変形例１６＞
また、第１の実施形態において、現在画像に対応する過去画像が、記憶部１１に複数記憶されている場合には、変形例１５の他の態様として、それら全ての過去画像のそれぞれと画像比較処理を実施してもよい。そして、複数の過去画像のうちの何れか１つと、不一致部分の割合が所定の閾値以下となっている場合に、不具合が生じていないと判定する態様としてもよい。そのような態様によれば、撮影範囲に生じた偶発的な変化に起因して、不具合が生じていると誤って判定される可能性を抑制することができる。

＜変形例１７＞
不具合診断関連処理のステップＳ１４０（又はＳ２４０）以降の処理（便宜上、不具合検出処理とする）については、毎回実行するのではなく、一度実行した場合には任意の休止時間（例えば６０秒）は判定を行わない態様としてもよい。この休止時間は、ステップＳ１００からＳ１３０まで（又はステップＳ２００からＳ２３０まで）の処理のみが実行される。すなわち、画像データの蓄積を行う。

この休止時間は、上述したように６０秒や３０分などの相対的に短い時間としてもよいし、１日（すなわち２４時間）や１週間といった相対的に長い時間であってもよい。また、不具合検出処理は、例えば１日のうち、最初に走行を開始した時に実行する態様としてもよい。

＜変形例１８＞
上述した第１、第２の実施形態においてステップＳ１４０やステップＳ２４０がＹＥＳとなった以降の処理を実施するためには、過去に一度、同じ地点を同じ進行方向で走行する必要がある。すなわち、初めて走行する道路ではステップＳ１５０（及びステップＳ２５０）以降の処理を実行することができない。

そこで、複数の車両で用いられている車載カメラ診断装置１のそれぞれが取得した画像データを互いに共有し、適宜、過去画像として用いる構成としてもよい。例えば車載カメラ診断装置１に周知の移動体通信ネットワーク等を通じて通信を行う通信機を備えさせ、車両外部に設けられたセンターが、各車両で用いられている車載カメラ診断装置１が取得した画像データを収集する。そして、各車載カメラ診断装置１は、センターに集約されている画像データから、現在位置及び現在の進行方向と一致する過去画像データを取得して、画像比較処理を実施する。

このような構成とすれば、不具合診断部１５は、自車両が初めて通過する道路を走行している場合でも、ステップＳ１５０（及びステップＳ２５０）以降の処理を実施する事が可能である。なお、センターでは、車載カメラ診断装置１から取得した画像データを、車種や車両モデル毎に区別して管理していることが好ましい。これは、車種や車両モデル毎に前方カメラ２の搭載位置が異なることが想定されるためである。

＜変形例１９＞
また現在画像データとの比較対象を過去画像データとせずに、ナビゲーション装置等に搭載されている地図情報を元に、本来その位置から撮影可能と思われる対象物が撮影できていない場合に、前方カメラ２に不具合が生じていると判定してもよい。

例えば現在市販されているナビゲーション装置でも、交差点情報として、信号機の設置の有無を含んでいる。そこで、信号機が設置されている交差点から所定距離以内（例えば３０ｍ）に存在するにも関わらず、前方カメラ２の撮影画像に信号機の像が含まれていない場合には、前方カメラ２に不具合が生じていると判定する。撮影画像に信号機の像が含まれているか否かは、画像データ内の移動体領域の検出と同様に、周知のパターンマッチング処理を用いて判定すれば良い。

１００ 車載カメラ不具合診断システム、１ 車載カメラ不具合診断装置、２、前方カメラ（車載カメラ）、３ 時計、４ 位置検出器、５ 表示部、６ スピーカ、１１ 記憶部、１２ 画像データ取得部（画像取得部）、１３ 日時情報取得部、１４ 車両情報取得部、１５ 不具合診断部、１６ 報知処理部、Ｍ１〜６ 他車両（移動体）、Ｒｍ１〜６ 移動体領域、Ｒｘ 不具合影響領域、Ｒｃ１〜２ 不具合影響領域、Ｓ１３０ 第１記憶処理部、Ｓ１５１ 過去画像読み出し部、Ｓ１５９・Ｓ２６９ 不具合判定部、Ｓ１５２ 不一致部分抽出部、Ｓ１５３ 第２記憶処理部、Ｓ２６０ 不具合影響領域特定部、Ｓ１１０・Ｓ２１０ 移動体領域特定部

Claims (13)

1. 車載カメラ（２）が撮影した画像を逐次取得する画像取得部（１２）と、
   自車両の現在位置を示す位置情報及び進行方向を取得する車両情報取得部（１４）と、
   前記画像取得部が取得した前記画像を、前記画像取得部が前記画像を取得した時点において前記車両情報取得部が取得した位置情報及び進行方向と対応付けて記憶部（１１）に記憶させる第１記憶処理部（Ｓ１３０）と、
   前記画像取得部が新たに取得した前記画像と、前記記憶部が記憶している前記画像に基づいて、前記車載カメラに不具合が生じているか否かを判定する不具合診断部（１５）と、を備え、
   前記不具合診断部は、
   前記画像取得部が新たに前記画像を取得した場合に、前記記憶部が記憶している前記画像のうち、前記車両情報取得部が取得した現在の位置情報及び進行方向と等しい位置情報及び進行方向において撮影された前記画像を、過去画像として読み出す過去画像読み出し部（Ｓ１５１）と、
   その新しく取得された前記画像である現在画像と、前記過去画像読み出し部が読み出した前記過去画像の比較に基づいて前記車載カメラに不具合が生じているか否かを判定する不具合判定部（Ｓ１５９、Ｓ２６９）と、を備えることを特徴とする車載カメラ診断装置。
2. 請求項１において、
   前記不具合判定部は、前記現在画像と前記過去画像の輝度分布が所定の閾値以上乖離している場合、又は、前記現在画像と前記過去画像の色分布が所定の閾値以上乖離している場合には、前記現在画像と前記過去画像との比較に基づく前記車載カメラに不具合が生じているか否かの判定を行わないように構成されていることを特徴とする車載カメラ診断装置。
3. 請求項１又は２において、
   前記不具合判定部は、自車両に搭載されたレインセンサの検出結果、ワイパーモータの駆動状況、フォグランプの点灯状況、及び、交通情報センタから配信される情報の少なくとも何れか一方に基づいて、現在の状況が、安定した画像を撮像する事が困難な所定の天候条件に該当する否かを判定し、前記天候条件に該当すると判定している場合には、前記現在画像と前記過去画像との比較に基づく前記車載カメラに不具合が生じているか否かの判定を行わないように構成されていることを特徴とする車載カメラ診断装置。
4. 請求項１から３の何れか１項において、
   前記不具合診断部は、
   前記現在画像と、前記過去画像読み出し部が読み出した前記過去画像とを比較することによって、前記現在画像と前記過去画像において相違する部分である不一致部分を抽出する不一致部分抽出部（Ｓ１５２）と、
   前記不一致部分抽出部が抽出した前記不一致部分を表す不一致部分データを前記記憶部に記憶させる第２記憶処理部（Ｓ１５３）と、を備え、
   前記不具合判定部は、
   前記記憶部が複数の前記不一致部分データを記憶しており、かつ、前記画像が備える領域のうち、複数の前記不一致部分データにおいて共通して前記不一致部分として表されている部分が存在する場合に、前記車載カメラに不具合が生じていると判定することを特徴とする車載カメラ診断装置。
5. 請求項４において、
   前記記憶部が複数の前記不一致部分データを記憶している場合において、前記画像が備える領域のうち、複数の前記不一致部分データにおいて共通して前記不一致部分として表されている部分を、前記車載カメラに生じた不具合の影響を受けている部分である不具合影響領域として検出する不具合影響領域特定部（Ｓ２６０）を備え、
   前記不具合判定部は、前記不具合影響領域特定部によって不具合影響領域が検出された場合に、前記車載カメラに不具合が生じていると判定することを特徴とする車載カメラ診断装置。
6. 請求項５において、
   前記不具合影響領域特定部は、
   前記画像が備える画素毎に、複数の前記不一致部分データのうち、その画素を前記不一致部分として示している前記不一致部分データの数に応じて、その画素が前記車載カメラに生じた不具合の影響を受けている可能性である不具合確率を算出し、
   前記不具合確率が所定の閾値以上となっている前記画素を、前記不具合影響領域として検出することを特徴とする車載カメラ診断装置。
7. 請求項１から３の何れか１項において、
   前記現在画像と、前記過去画像読み出し部が読み出した前記過去画像とを比較することによって、前記現在画像と前記過去画像において相違する部分である不一致部分を抽出する不一致部分抽出部（Ｓ１５２）を備え、
   前記不一致部分抽出部によって抽出された前記不一致部分の大きさが所定の閾値以上となっていることに基づいて、前記車載カメラに不具合が生じていると判定することを特徴とする車載カメラ診断装置。
8. 請求項７において、
   前記不具合診断部は、前記現在画像と前記過去画像を比較する処理を、複数の前記現在画像と前記過去画像の組み合わせにおいて実施した結果、前記不一致部分抽出部によって抽出された前記不一致部分の大きさが所定の閾値以上となっている回数が、所定の閾値以上となっている場合に、前記車載カメラに不具合が生じていると判定することを特徴とする車載カメラ診断装置。
9. 請求項４から８の何れか１項において、
   前記画像のうち、移動体が撮影されている領域である移動体領域を特定する移動体領域特定部（Ｓ１１０、Ｓ２１０）を備え、
   前記不一致部分抽出部は、前記現在画像と前記過去画像の両方において前記移動体領域となっていない領域を比較することによって、前記現在画像と前記過去画像の前記不一致部分を抽出することを特徴とする車載カメラ診断装置。
10. 請求項１から９の何れか１項において、
    前記不具合診断部が前記車載カメラに不具合が生じていると判定した場合には、前記車載カメラに不具合が生じていることを、ドライバに報知する報知処理部（１６）を備えていることを特徴とする車載カメラ診断装置。
11. 請求項１から１０の何れか１項において、
    現在の日付及び時刻を表す日時情報を取得する日時情報取得部（１３）を備え、
    前記記憶部は、前記画像取得部が取得した前記画像を、前記画像取得部がその画像を取得した時点において前記日時情報取得部が取得した日時情報と対応付けて記憶し、
    前記過去画像読み出し部は、現在から所定の時間以内に撮影された前記過去画像を読み出すことを特徴とする車載カメラ診断装置。
12. 請求項１から１１の何れか１項において、
    前記車載カメラの撮影方向に対して探査波を送信し、その探査波の反射波を受信することによって、前記車載カメラの撮影方向に存在する物体を検出する測距センサを備え、
    前記測距センサが前記車載カメラの撮影方向の自車両から所定距離以内に物体が存在することを検出している場合には、前記第１記憶処理部は前記画像取得部が取得した前記画像を前記記憶部に記憶させず、かつ、前記不具合診断部は前記車載カメラに不具合が生じているか否かの判定を行わないことを特徴とする車載カメラ診断装置。
13. 請求項１から１２の何れか１項において、
    前記車両情報取得部は、自車両の車速を示す車速情報を取得し、
    前記不具合診断部は、前記車両情報取得部が取得した車速情報に基づいて、自車両の車速が走行しているか否かを判定し、自車両が走行していると判定した場合に、前記車載カメラに不具合が生じているか否かの判定を行うことを特徴とする車載カメラ診断装置。

Images