JP6800388B1 - 検出装置、検出方法、及び検出プログラム - Google Patents

Abstract

検出装置（１００）は、移動体（１０）に設置されている撮像装置が対象物を撮像することにより得られた第１の画像を取得し、過去に対象物を撮像することにより得られた複数の画像を取得する取得部（１２０）と、複数の画像の中から、アーティファクトが予め設定された基準よりも小さい画像である第２の画像を特定する特定部（１３０）と、第１の画像と第２の画像とを比較し、第１の画像と第２の画像とに差がある場合、障害物を検出する比較検出部（１５０）と、を有する。

Description

本開示は、検出装置、検出方法、及び検出プログラムに関する。

列車などの移動体は、走行する。例えば、列車は、レールを走行する。レールなどの設備に障害物が存在する場合がある。障害物は、移動体の走行を妨げる。そのため、障害物を迅速に検出することが、望ましい。そこで、障害物を検出する技術が提案されている（特許文献１を参照）。特許文献１の障害物検出装置は、過去に鉄道車両が走行した区間において撮影された前方監視画像である背景画像データと、撮像部によって生成された観測画像データとを比較して、障害物を検出する。

特開２０１６−５２８４９号公報

ところで、画像を解析する際、ノイズなどのアーティファクトが解析結果に悪影響を与える。例えば、トンネル内を撮像する場合、ある場所を夜間に撮像する場合などの暗い場所を撮像する場合、撮像装置に届く光量は、微量である。そのため、撮像装置で取得した画像は、コントラストが悪い。また、当該画像内の暗部のノイズは、多い。暗部のノイズは、ランダムに生じるため、上記技術のように、単純に、背景画像データと観測画像データとを比較した場合、比較結果の差が大きくなる可能性が高い。そのため、上記技術では、障害物以外の物が障害物として誤検出される可能性がある。よって、上記技術では、障害物を適切に検出できない。

本開示の目的は、障害物を適切に検出することである。

本開示の一態様に係る検出装置が提供される。検出装置は、移動体に設置されている撮像装置が対象物を撮像することにより得られた第１の画像を取得し、過去に前記対象物を撮像することにより得られた複数の画像を取得する取得部と、前記複数の画像の中から、補正処理を行った場合及び前記補正処理を行わない場合のアーティファクトが予め設定された基準よりも小さい画像である第２の画像を特定する特定部と、前記第１の画像と前記第２の画像とを比較し、前記第１の画像と前記第２の画像とに差がある場合、障害物を検出する比較検出部と、を有する。

本開示によれば、障害物を適切に検出できる。

実施の形態１の移動体の例を示す図である。 実施の形態１の検出装置が有する機能ブロックを示す図である。 実施の形態１の検出装置が実行する処理の例を示すフローチャートである。 実施の形態２の検出装置が有する機能ブロックを示す図である。 実施の形態２の検出装置が実行する処理の例を示すフローチャートである。

以下、図面を参照しながら実施の形態を説明する。以下の実施の形態は、例にすぎず、本開示の範囲内で種々の変更が可能である。

実施の形態１．
図１は、実施の形態１の移動体の例を示す図である。例えば、移動体１０は、列車である。以下の説明では、移動体１０は、列車であるものとする。
移動体１０は、検出装置１００、移動体コントロールユニット２００、及びセンサ３００を含む。

検出装置１００は、移動体１０に搭載されているコンピュータである。また、検出装置１００は、検出方法を実行する装置である。検出装置１００は、情報処理装置と呼んでもよい。なお、検出装置１００は、移動体１０と分離不可能な形態でもよいし、移動体１０と分離可能な形態でもよい。

検出装置１００は、プロセッサ１０１、記憶装置１０２、通信インタフェース１０３、及び通信インタフェース１０４を有する。プロセッサ１０１、記憶装置１０２、通信インタフェース１０３、及び通信インタフェース１０４は、バスを介して接続される。

プロセッサ１０１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。例えば、プロセッサ１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。プロセッサ１０１は、マルチプロセッサでもよい。

記憶装置１０２は、揮発性記憶装置１０２ａと不揮発性記憶装置１０２ｂとを有する。揮発性記憶装置１０２ａは、検出装置１００の主記憶装置である。例えば、揮発性記憶装置１０２ａは、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。不揮発性記憶装置１０２ｂは、検出装置１００の補助記憶装置である。例えば、不揮発性記憶装置１０２ｂは、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）である。また、不揮発性記憶装置１０２ｂは、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）メモリカード、ＣＦ（ＣｏｍｐａｃｔＦｌａｓｈ）（登録商標）、ＮＡＮＤフラッシュ、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）などの可搬記憶媒体でもよい。

通信インタフェース１０３は、移動体１０の周辺の通信装置と通信する。例えば、通信インタフェース１０３は、移動体１０の前方を走行している移動体に搭載されている通信装置と通信する。例えば、通信インタフェース１０３は、Ｅｔｈｅｒｎｅｔ（登録商標）の端子、又はＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）の端子でもよい。

通信インタフェース１０４は、移動体コントロールユニット２００及びセンサ３００と通信する。例えば、通信インタフェース１０４は、ＵＳＢの端子、ＩＥＥＥ１３９４の端子、又はＨＤＭＩ（登録商標）の端子でもよい。なお、移動体コントロールユニット２００及びセンサ３００が、異なる通信インタフェースと通信してもよい。

移動体コントロールユニット２００は、移動体１０を制御する。例えば、移動体コントロールユニット２００は、ステアリング、ブレーキ、アクセルなど制御する。
例えば、センサ３００は、カメラ、ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）、レーダ、ソナー、測位装置等などである。なお、例えば、カメラは、移動体１０の前方に設置される。また、カメラは、前方を撮像するだけでなく、前方以外の方向も撮像することができる。ここで、カメラは、撮像装置とも言う。

次に、検出装置１００が有する機能を説明する。
図２は、実施の形態１の検出装置が有する機能ブロックを示す図である。検出装置１００は、記憶部１１０、取得部１２０、特定部１３０、調整部１４０、及び比較検出部１５０を有する。
記憶部１１０は、記憶装置１０２に確保した記憶領域として実現してもよい。

取得部１２０、特定部１３０、調整部１４０、及び比較検出部１５０の一部又は全部は、プロセッサ１０１によって実現してもよい。取得部１２０、特定部１３０、調整部１４０、及び比較検出部１５０の一部又は全部は、プロセッサ１０１が実行するプログラムのモジュールとして実現してもよい。例えば、プロセッサ１０１が実行するプログラムは、検出プログラムとも言う。例えば、検出プログラムは、記録媒体に記録されている。

記憶部１１０は、取得情報格納部１１１と画像情報格納部１１２とを有する。取得情報格納部１１１には、取得部１２０が取得した情報が格納される。画像情報格納部１１２には、過去に生成された複数の画像が格納されている。ここで、当該複数の画像は、複数の過去画像とも言う。また、検出装置１００は、移動体１０の前を走行している移動体のカメラで取得した画像を、ネットワークを介して、取得してもよい。そして、検出装置１００は、取得した当該画像を画像情報格納部１１２に格納する。

取得部１２０は、センサ３００から情報を取得する。例えば、当該情報は、移動体１０の現在の位置情報、移動体１０に設置されているカメラで取得した画像、及び移動体１０のステータス情報を含む。なお、例えば、移動体１０のステータス情報とは、移動体１０のスピード、姿勢角（例えば、ロール角、ピッチ角、ヨー角）、及び移動体１０が照らしているライトの色である。

また、センサ３００から取得される情報は、カメラで取得した画像に写っている物体の位置情報を含む。例えば、物体の位置情報は、距離測定センサが測定することで得られた距離と移動体１０の位置情報とに基づいて、特定される。また、例えば、物体の位置情報は、移動体１０のスピード、走行時間、及び地図情報に基づいて、特定される。また、例えば、物体の位置情報は、カメラの位置と焦点距離と画角とに基づいて、特定される。物体の位置情報は、上記の方法以外の方法で特定されてもよい。また、物体の位置情報は、検出装置１００が有する、図示されていない機能ブロックによって、算出されてもよい。当該機能ブロックは、上記の方法で物体の位置情報を算出できる。当該機能ブロックが物体の位置情報を算出した場合、取得部１２０は、当該機能ブロックが算出した位置情報を取得してもよい。

移動体１０の現在の位置情報及び画像に写っている物体の位置情報は、緯度と経度で表されてもよい。なお、移動体１０に設置されているカメラが物体を撮像することにより得られた画像は、観測画像又は第１の画像と呼ぶ。言い換えれば、取得部１２０が取得した画像は、観測画像又は第１の画像と呼ぶ。
ここで、例えば、観測画像に写っている物体は、線路沿いに存在する建造物、柱、看板、特徴的なランドスケープ、レール、レールの周辺の物体などである。以下、観測画像に写っている物体は、対象物と呼ぶ。

取得部１２０は、センサ３００から取得した情報を取得情報格納部１１１に格納する。また、取得部１２０は、センサ３００から取得した情報を検出装置１００に接続可能な外部装置に格納してもよい。
取得部１２０は、過去に対象物を撮像することにより得られた複数の画像を含む複数の過去画像を取得する。例えば、取得部１２０は、複数の過去画像を画像情報格納部１１２から取得する。ここで、複数の過去画像は、検出装置１００に接続可能な外部装置に格納されていてもよい。外部装置が複数の過去画像を格納している場合、取得部１２０は、複数の過去画像を外部装置から取得する。

特定部１３０は、複数の過去画像の中から、対象物が写っている複数の画像を特定する。ここで、複数の過去画像のそれぞれには、位置情報が付加されてもよい。そして、特定部１３０は、対象物の位置情報と複数の画像のそれぞれに付加されている位置情報とに基づいて、対象物が写っている複数の画像を特定する。このように、複数の画像のそれぞれに位置情報が付加されることで、特定部１３０は、対象物が写っている画像を短い時間で特定できる。

また、特定部１３０は、観測画像及び複数の過去画像に影が含まれている場合、影を除去する処理を実行してもよい。特定部１３０は、観測画像に影が含まれている場合、当該観測画像を用いずに、影が含まれていない観測画像を取得部１２０が取得するまで待機してもよい。なお、影であるか否かは、画素に基づいて判定できる。また、影であるか否かは、撮影時刻と撮影場所とに基づいて算出された太陽の位置と移動体１０の大きさから判定されてもよい。
特定部１３０は、対象物が写っている複数の画像を特定する場合、画素、対象物の大きさなどを一致させるために、スケーリング、角度の調整などにより、対象物が写っている複数の画像を特定してもよい。

特定部１３０は、特定された複数の画像の中から、アーティファクトが少ない画像を特定する。言い換えれば、特定部１３０は、特定された複数の画像の中から、アーティファクトが予め設定された基準よりも小さい画像を特定する。例えば、特定部１３０は、複数の画像の中から、ノイズレベルが予め設定された閾値以下の画像又は高周波成分が予め設定された閾値以上の画像を特定する。言い換えれば、特定部１３０は、複数の画像の中から、ノイズが少ない画像又はぼけが少ない画像を特定する。また、特定部１３０は、複数の画像の中から、暗部のノイズレベルが予め設定された閾値以下の画像を特定してもよい。特定部１３０は、複数の画像の中から、ノイズレベルが最も低い画像又は高周波成分の量が最も多い画像を特定してもよい。ここで、特定された画像は、比較画像又は第２の画像と呼ぶ。なお、上記のアーティファクトが少ない画像を特定する方法は、一例である。例えば、アーティファクトが少ない画像を特定する方法は、他の定量化手法でもよいし、他の方法でもよい。

ここで、複数の過去画像の中から特定された複数の画像には、撮像時刻が付加されてもよい。特定部１３０は、複数の過去画像の中から特定された複数の画像の中から、アーティファクトが少ない、かつ、観測画像が生成された時刻に近い撮像時刻の画像を、比較画像として、特定してもよい。

また、特定部１３０が複数の過去画像の中から対象物が写っている複数の画像を特定する場合、特定部１３０は、観測画像で対象物が写っている領域及び画角を条件に追加してもよい。これにより、特定部１３０は、多くの画像を特定できる。多くの画像を特定することで、特定部１３０は、よりアーティファクトが少ない画像を、比較画像として、特定できる。

調整部１４０は、画角及び画質のうちの少なくとも１つが合うように、観測画像と比較画像とのうちの少なくとも１つを調整する。例えば、調整部１４０は、観測画像と比較画像との画角を合わせる場合、トリミング及び射影変換を用いる。これにより、調整部１４０は、観測画像と比較画像とに写っている対象物を対応させることができる。例えば、調整部１４０は、観測画像と比較画像との画質を合わせる場合、輝度、色などを合わせる。観測画像と比較画像との画質を合わせることで、調整部１４０は、観測画像と比較画像と差を小さくできる。

調整部１４０は、調整を実行する場合、観測画像と比較画像との一方を基準にして、調整を実行してもよい。また、調整部１４０は、基準を用いる方法ではなく、画角及び画質のうちの少なくとも１つが合うように、観測画像と比較画像の両方を調整する。すなわち、観測画像と比較画像とのうちの少なくとも１つを調整するとは、観測画像のみが調整される場合、比較画像のみが調整される場合、及び観測画像と比較画像との両方が調整される場合のいずれかである。
また、調整部１４０は、観測画像と比較画像との一部の領域に対して、画角及び画質のうちの少なくとも１つを合わせてもよい。

観測画像が暗く、観測画像のノイズが多い場合、調整部１４０は、ノイズ除去処理を実行してもよい。観測画像と比較画像との輝度の差が大きい場合、調整部１４０は、輝度値にオフセットを加える又は輝度値からオフセットを減らしてもよい。また、観測画像と比較画像との輝度の差が大きい場合、調整部１４０は、輝度ヒストグラムをスケーリングしてもよい。また、調整部１４０は、色温度の違いに基づいて、観測画像と比較画像とを調整してもよい。

比較検出部１５０は、観測画像と比較画像とを比較する。比較検出部１５０は、観測画像と比較画像とに差があるか否かを判定する。詳細には、比較検出部１５０は、観測画像の画素値と比較画像の画素値とに差があるか否かを判定する。観測画像と比較画像とに差がある場合、比較検出部１５０は、障害物を検出する。言い換えれば、観測画像と比較画像とに差がある場合、比較検出部１５０は、差を示す領域に対応する現実の場所に障害物が存在することを検出する。また、言い換えれば、観測画像と比較画像とに差がある場合、比較検出部１５０は、移動体１０の経路に障害物を検出する。なお、経路には、レール、架線などが含まれる。

また、比較検出部１５０は、観測画像の画素値と比較画像の画素値との差が予め設定された閾値以上である場合、障害物を検出してもよい。
比較検出部１５０は、比較する領域を小さい領域に設定し、観測画像に設定された小さい領域と比較画像に設定された小さい領域とを比較し、相関関数又は類似度を用いて、障害物を検出してもよい。

比較検出部１５０は、画角又はレールの幅に基づいて、障害物の大きさを特定してもよい。例えば、観測画像が示すレールと比較画像が示すレールとに差がある場合、比較検出部１５０は、小石がレールの間に存在することを検出する。比較検出部１５０は、小石は移動体１０の走行を妨げないため、障害物を検出しない。このように、比較検出部１５０は、差を示す領域が予め設定された面積よりも小さい場合、障害物を検出しない。

次に、検出装置１００が実行する処理を、フローチャートを用いて説明する。
図３は、実施の形態１の検出装置が実行する処理の例を示すフローチャートである。
（ステップＳ１１）取得部１２０は、観測画像を含む情報をセンサ３００から取得する。
（ステップＳ１２）特定部１３０は、過去画像の中から、観測画像に写っている対象物が写っている複数の画像を特定する。特定部１３０は、特定された複数の画像の中から、比較画像を特定する。

（ステップＳ１３）調整部１４０は、画角及び画質のうちの少なくとも１つを合うように、観測画像と比較画像とのうちの少なくとも１つを調整する。

（ステップＳ１４）比較検出部１５０は、観測画像と比較画像とのうちの少なくとも１つが調整された後の観測画像と比較画像とを比較する。例えば、比較検出部１５０は、調整された観測画像と比較画像を比較する。また、例えば、比較検出部１５０は、観測画像と調整された比較画像を比較する。また、例えば、比較検出部１５０は、調整された観測画像と調整された比較画像を比較する。

（ステップＳ１５）比較検出部１５０は、調整された観測画像と調整された比較画像とに差があるか否かを判定する。差がある場合、処理は、ステップＳ１６に進む。差がない場合、処理は、終了する。
（ステップＳ１６）比較検出部１５０は、障害物を検出する。

ここで、特許文献１のように、単純に、背景画像データと観測画像データとを比較した場合、比較結果の差が大きくなる可能性が高い。よって、特許文献１の技術では、障害物以外の物が障害物として誤検出される可能性がある。また、ノイズの影響を低減する方法として、フィルタ処理を行うことが考えられる。しかし、フィルタ処理を実行した場合、当該背景画像データと当該観測画像データは、ぼけてしまう。そのため、単純に、ぼけた画像同士を比較した場合、比較結果の差が大きくなる可能性が高い。よって、特許文献１の技術では、障害物以外の物が障害物として誤検出される可能性がある。

実施の形態１によれば、検出装置１００は、単純に、複数の過去画像のうちの１つの画像と観測画像とを比較しない。検出装置１００は、複数の過去画像のうちアーティファクトが少ない画像（すなわち、比較画像）と観測画像とを比較する。これにより、検出装置１００は、障害物を適切に検出できる。

実施の形態２．
次に、実施の形態２を説明する。実施の形態２では、実施の形態１と相違する事項を主に説明する。そして、実施の形態２では、実施の形態１と共通する事項の説明を省略する。実施の形態２の説明では、図１〜３を参照する。

図４は、実施の形態２の検出装置が有する機能ブロックを示す図である。図２に示される構成と同じ図４の構成は、図２に示される符号と同じ符号を付している。
検出装置１００は、判定部１６０と処理実行部１７０とをさらに有する。また、記憶部１１０は、学習モデル１１３を記憶する。

学習モデル１１３は、機械学習により、障害物を検出することが可能になった学習モデルである。すなわち、学習モデル１１３は、障害物を検出するための学習モデルである。機械学習では、Ｄｅｅｐ Ｌｅａｒｎｉｎｇが用いられてもよい。なお、学習モデル１１３は、学習済モデルと呼んでもよい。

取得部１２０は、学習モデル１１３を取得する機能をさらに有する。例えば、取得部１２０は、学習モデル１１３を記憶部１１０から取得する。ここで、学習モデル１１３は、外部装置に格納されていてもよい。学習モデル１１３が外部装置に格納されている場合、取得部１２０は、学習モデル１１３を外部装置から取得する。

判定部１６０は、観測画像がアーティファクトの少ない画像であるか否かにより、特定部１３０などに実施の形態１の処理を実行させるか、処理実行部１７０に処理を実行させるかを判定する。

処理実行部１７０は、観測画像がアーティファクトの少ない画像である場合、学習モデル１１３と観測画像とを用いて、障害物を検出する処理を実行する。

図５は、実施の形態２の検出装置が実行する処理の例を示すフローチャートである。
図５の処理では、ステップＳ１１ａ，１７が実行される点が、図３の処理と異なる。そのため、図５では、ステップＳ１１ａ，１７を説明する。図５における他のステップについては、図３のステップ番号と同じ番号を付することによって、処理の説明を省略する。

（ステップＳ１１ａ）判定部１６０は、観測画像がアーティファクトの少ない画像であるか否かを判定する。言い換えれば、判定部１６０は、観測画像のアーティファクトが予め設定された基準よりも小さいか否かを判定する。例えば、観測画像のノイズレベルが予め設定された閾値以下である場合、判定部１６０は、観測画像がアーティファクトの少ない画像であると判定する。言い換えれば、観測画像の粒状性が良い場合、判定部１６０は、観測画像がアーティファクトの少ない画像であると判定する。また、例えば、観測画像の高周波成分が予め設定された閾値以上である場合、判定部１６０は、観測画像がアーティファクトの少ない画像であると判定する。言い換えれば、観測画像のぼけが少ない場合、判定部１６０は、観測画像がアーティファクトの少ない画像であると判定する。

また、判定部１６０は、学習モデル１１３以外の学習モデルを用いて、観測画像のアーティファクトが当該基準よりも小さいか否かを判定してもよい。当該学習モデルは、判定学習モデル又は判定学習済モデルとも言う。当該学習モデルは、アーティファクトが当該基準よりも小さいか否かを判定するための学習モデルである。
観測画像がアーティファクトの少ない画像である場合、処理は、ステップＳ１７に進む。言い換えれば、観測画像のアーティファクトが予め設定された基準よりも小さい場合、処理は、ステップＳ１７に進む。
観測画像がアーティファクトの多い画像である場合、処理は、ステップＳ１２に進む。言い換えれば、観測画像のアーティファクトが予め設定された基準よりも大きい場合、処理は、ステップＳ１２に進む。

（ステップＳ１７）処理実行部１７０は、学習モデル１１３と観測画像とを用いて、障害物を検出する処理を実行する。

実施の形態２によれば、検出装置１００は、観測画像がアーティファクトの少ない画像である場合、ステップＳ１２以降を実行せず、観測画像単体に対して検出処理を行う。ステップＳ１２以降を実行しないことは、検出装置１００の負荷を軽減する。よって、検出装置１００は、学習モデル１１３を用いて障害物を検出することで、検出装置１００の負荷を軽減できる。また、一般に機械学習、特にＤｅｅｐ Ｌｅａｒｎｉｎｇにより得られた学習モデルは、障害物を検出する確率が高いと言われている。そのため、検出装置１００は、学習モデル１１３を用いて障害物を検出することで、障害物を検出する確率を向上できる。

以上に説明した各実施の形態における特徴は、互いに適宜組み合わせることができる。

１０ 移動体、 １００ 検出装置、 １０１ プロセッサ、 １０２ 記憶装置、 １０２ａ 揮発性記憶装置、 １０２ｂ 不揮発性記憶装置、 １０３ 通信インタフェース、 １０４ 通信インタフェース、 １１０ 記憶部、 １１１ 取得情報格納部、 １１２ 画像情報格納部、 １１３ 学習モデル、 １２０ 取得部、 １３０ 特定部、 １４０ 調整部、 １５０ 比較検出部、 １６０ 判定部、 １７０ 処理実行部、 ２００ 移動体コントロールユニット、 ３００ センサ。

Claims (9)

1. 移動体に設置されている撮像装置が対象物を撮像することにより得られた第１の画像を取得し、過去に前記対象物を撮像することにより得られた複数の画像を取得する取得部と、
   前記複数の画像の中から、補正処理を行った場合及び前記補正処理を行わない場合のアーティファクトが予め設定された基準よりも小さい画像である第２の画像を特定する特定部と、
   前記第１の画像と前記第２の画像とを比較し、前記第１の画像と前記第２の画像とに差がある場合、障害物を検出する比較検出部と、
   を有する検出装置。
2. 前記特定部は、前記複数の画像の中から、ノイズレベルが予め設定された閾値以下の前記第２の画像又は高周波成分が予め設定された閾値以上の前記第２の画像を特定する、
   請求項１に記載の検出装置。
3. 前記比較検出部は、前記第１の画像の画素値と前記第２の画像の画素値との差が予め設定された閾値以上である場合、前記障害物が存在すると判定する、
   請求項１又は２に記載の検出装置。
4. 前記取得部は、前記複数の画像を含み、かつ位置情報が付加されている複数の過去画像と、前記対象物の位置情報とを取得し、
   前記特定部は、前記対象物の位置情報に基づいて、前記複数の過去画像の中から前記複数の画像を特定する、
   請求項１から３のいずれか１項に記載の検出装置。
5. 画角及び画質のうちの少なくとも１つが合うように、前記第１の画像と前記第２の画像とのうちの少なくとも１つを調整する調整部をさらに有し、
   前記比較検出部は、前記第１の画像と前記第２の画像とのうちの少なくとも１つが調整された後の前記第１の画像と前記第２の画像とに差がある場合、前記障害物を検出する、
   請求項１から４のいずれか１項に記載の検出装置。
6. 前記第１の画像のアーティファクトが前記基準よりも小さいか否かを判定する判定部と、
   処理実行部と、
   をさらに有し、
   前記取得部は、前記障害物を検出するための学習モデルを取得し、
   前記処理実行部は、前記第１の画像のアーティファクトが前記基準よりも小さい場合、前記学習モデルと前記第１の画像とを用いて、前記障害物を検出する処理を実行する、
   請求項１から５のいずれか１項に記載の検出装置。
7. 前記判定部は、アーティファクトが前記基準よりも小さいか否かを判定するための判定学習モデルを用いて、前記第１の画像のアーティファクトが前記基準よりも小さいか否かを判定する、
   請求項６に記載の検出装置。
8. 検出装置が、
   移動体に設置されている撮像装置が対象物を撮像することにより得られた第１の画像を取得し、過去に前記対象物を撮像することにより得られた複数の画像を取得し、
   前記複数の画像の中から、補正処理を行った場合及び前記補正処理を行わない場合のアーティファクトが予め設定された基準よりも小さい画像である第２の画像を特定し、
   前記第１の画像と前記第２の画像とを比較し、
   前記第１の画像と前記第２の画像とに差がある場合、障害物を検出する、
   検出方法。
9. 検出装置に、
   移動体に設置されている撮像装置が対象物を撮像することにより得られた第１の画像を取得し、過去に前記対象物を撮像することにより得られた複数の画像を取得し、
   前記複数の画像の中から、補正処理を行った場合及び前記補正処理を行わない場合のアーティファクトが予め設定された基準よりも小さい画像である第２の画像を特定し、
   前記第１の画像と前記第２の画像とを比較し、
   前記第１の画像と前記第２の画像とに差がある場合、障害物を検出する、
   処理を実行させる検出プログラム。

Images