JP6888559B2 - 形状推定装置、形状推定方法及びプログラム - Google Patents

Description

本発明は、形状推定装置、形状推定方法及びプログラムに関する。

カメラ装置で物体を撮像することで、撮像された物体の形状を把握する技術が知られている。以降、形状を把握する対象の物体を「対象物」と表す。

しかしながら、衛星写真等では、遮蔽物がある場合や対象物が小さい場合等には、対象物の形状を有効に把握できないことがある。また、通常の固定カメラでは、対象物が巨大な場合等に、対象物全体を撮像できないことがある。更に、対象物を直接撮像することは、プライバシー等の観点から好ましくないことがある。

これに対して、ランダムにばらまかれた２値センサを用いて対象物を推定する技術が知られているが（非特許文献１）、凸な２値センサで推定可能であるのは対象物の面積及び外周のみであることが知られている（非特許文献２）。なお、２値センサとは、センシング範囲内に対象物があるか否かを検出するセンサである。

このため、近年、２値センサを組み合わせた複合センサを用いて、対象物の形状を推定する手法が検討されている。

H. Saito, K. Shimogawa, S. Shioda, and J. Harada, "Shape Estimation Using Networked Binary Sensors," Proc. IEEE INFOCOM, 2009. Hiroshi Saito, Local Information, Observable Parameters, and Global View, IEICE Trans. Communications, E96-B, 12, pp.3017-3027, 2013.

しかしながら、上記の複合センサを用いた手法では、対象物の各頂点の角度の推定やシンプルな図形の中からの選択を可能とするに留まっており、形状の推定までは実現できていない。また、複合センサを小型化することや多数の複合センサをランダムに配置することも困難である。

ここで、例えば、小型で車載等が可能な指向性距離センサが市販されている。このような指向性距離センサには、移動方向に対して或る角度内で一番近くの物体までの距離を計測できるものがある。このため、例えば、複数の指向性距離センサを複数の車両等にそれぞれ搭載することで、ランダムに配置され、かつ、移動する複数の指向性距離センサを得ることが可能である。

本発明の実施の形態は、移動する複数の指向性距離センサを用いて、対象物の形状推定を実現することを目的とする。

上記課題を解決するため、所定の領域内を所定の速度で直線的に移動する複数の指向性距離センサが前記領域内に存在する対象物をそれぞれセンシングしたセンシング結果を取得する取得手段と、前記取得手段により取得されたセンシング結果に含まれる線分区間、又は、速度で正規化された結果、線分と同様になった区間のうち、所定の条件を満たす線分区間を表す特徴パラメータを抽出する抽出手段と、前記抽出手段により抽出された特徴パラメータに基づいて、前記対象物の輪郭に含まれる線分の線分長と、前記対象物の輪郭の頂点角度とを推定する第１の推定手段と、前記第１の推定手段により推定された線分長の線分と、前記頂点角度の頂点との接続関係を推定する第２の推定手段と、を有することを特徴とする。

移動する複数の指向性距離センサを用いて、対象物の形状推定を実現することができる。

本発明の実施の形態における形状推定システムの全体構成の一例を示す図である。 本発明の実施の形態における形状推定システムによるセンシングの一例を説明する図である。 本発明の実施の形態における形状推定装置のハードウェア構成の一例を示す図である。 本発明の実施の形態における形状推定装置の機能構成の一例を示す図である。 本発明の実施の形態における形状推定処理の一例を示すフローチャートである。 センシングの一例を説明する図である。 内角の暫定推定値の度数と線分長の暫定推定値の度数との一例を示す図である。 本発明の効果の一例を説明する図である。

以下、本発明の実施の形態について、図面を参照しながら説明する。

＜全体構成＞
まず、本発明の実施の形態における形状推定システム１の全体構成について、図１を参照しながら説明する。図１は、本発明の実施の形態における形状推定システム１の全体構成の一例を示す図である。

図１に示す形状推定システム１には、形状推定装置１０と、複数のセンサ２０とが含まれる。形状推定装置１０と、複数のセンサ２０とは、例えば無線通信ネットワークを介して通信可能に接続される。

形状推定装置１０は、センサ２０によりセンシングされた結果（以降、「センシング結果」とも表す。）を用いて、対象物の形状を推定するコンピュータである。形状推定装置１０は、形状推定プログラム１００と、センシング結果記憶部２００とを有する。

形状推定装置１０は、形状推定プログラム１００により、センサ２０から受信したセンシング結果をセンシング結果記憶部２００に記憶させる。また、形状推定装置１０は、形状推定プログラム１００により、センシング結果記憶部２００に記憶されているセンシング結果を用いて、対象物の形状を推定する処理を実行する。

センサ２０は、例えば超音波センサ等の指向性距離センサである。センサ２０は、例えば自動車や自動二輪車、自転車等の移動する物体（車両）に搭載可能である。ただし、センサ２０は、車両に搭載可能な場合に限られず、例えば、移動する人や動物等が装着可能であっても良い。

センサ２０は、所定の時間毎に対象物までの距離をセンシングして、センシング結果を形状推定装置１０に送信する。なお、以降では、複数のセンサ２０について、それぞれを区別するときは、「センサ２０_１」、「センサ２０_２」等と表す。

図１に示す形状推定システム１の構成は一例であって、他の構成であっても良い。例えば、形状推定装置１０は、複数台のコンピュータにより構成されていても良い。また、例えば、形状推定プログラム１００は、複数のモジュールにより構成されていても良い。更に、例えば、センシング結果記憶部２００は、形状推定装置１０とネットワークを介して接続される他の装置が有していても良い。

＜形状推定システム１におけるセンシング＞
ここで、本発明の実施の形態における形状推定システム１によるセンシングについて、図２を参照しながら説明する。図２は、本発明の実施の形態における形状推定システム１によるセンシングの一例を説明する図である。

本発明の実施の形態における形状推定システム１は、予め決められた監視領域Ａ内にある対象物Ｔであって、形状及び位置が未知である対象物Ｔを複数のセンサ２０がセンシングすることで、当該対象物Ｔの形状を推定する。対象物Ｔは、２次元的な広がりを持ち、その輪郭は線分で構成され、かつ、凸であるものとする。

ｎ_ｓ個の車両等に搭載されたセンサ２０（すなわち、ｎ_ｓ個のセンサ２０）が監視領域Ａを通るランダムな直線軌道上を速度ｖ（既知）で移動して立ち去るものとする。各車両の位置及び移動方向（すなわち、各センサ２０の位置及び移動方向）は未知である。なお、速度ｖは、センサ２０に応じて異なっても良い。

図２に示す例では、センサ２０_１とセンサ２０_２とが監視領域Ａ内に入って来た場合を示している。

このとき、各センサ２０の最大センシングレンジをｒ_ｍａｘとする。また、各センサ２０は、移動方向から所定の角度±θ_ｍａｘ（既知）幅のセンシングエリアを持つ。したがって、センシングエリアは扇形になる。

各センサ２０は、時刻ｔ毎に、センシングエリア内で対象物Ｔまでの最短距離ｒをセンシングして、センシング結果ｒと移動速度ｖとを形状推定装置１０に送信する。

各センサ２０は、当該センサ２０の位置が対象物Ｔの中に含まれる場合、センシング結果ｒ＝０を形状推定装置１０に送信する。また、各センサ２０は、センシングエリア内で対象物Ｔまでの最短距離がｒ_ｍａｘを超える場合、センシング結果「検出無し」を形状推定装置１０に送信する。

センシング結果ｒは、時刻ｔの変化とともに変化するため、センサ２０の時刻ｔにおけるセンシング結果をｒ（ｔ）と表す。また、ｉ＝１，２，・・・，ｎ_ｓとして、センサ２０_ｉの時刻ｔにおけるセンシング結果をｒ_ｉ（ｔ）と表す。

なお、監視領域のＡの面積や周長は、対象物Ｔの大きさや最大センシングレンジｒ_ｍａｘに比べて、十分大きいものとする。

以降では、各センサ２０の速度ｖは一定であるものとして説明する。ただし、時刻ｔと共に速度ｖが変化するような場合（すなわち、速度ｖが一定でない場合）には、以下の説明の前提「対象物Ｔの輪郭を構成する線分に対応するｒ（ｔ）の構成区間が線分」が成り立たなくなる。そこで、この場合は、或る時刻ｔでのｒ（ｔ）の変化量を当該時刻ｔの速度ｖ（ｔ）で割ることにより正規化した値が一定の区間（つまり、ｒ（ｔ）の変化量が一定という意味で線分と同様となった区間）を、速度ｖが一定の場合の線分区間に対応する区間として用いる。このとき、この区間の一定の傾き及び区間の長さが、それぞれ後述するｓ_ｄ及びｌ_ｄになる。

以上のように、本発明の実施の形態における形状推定システム１では、監視領域Ａ内に存在する対象物Ｔを、当該監視領域Ａ内の直線的な軌道を一定速度ｖで移動する複数のセンサ２０がセンシングする。なお、図２に示す例では、監視領域Ａ内に形状推定装置１０が設置されている場合を示しているが、形状推定装置１０は、監視領域Ａ内に設置されている必要はない。

＜ハードウェア構成＞
次に、本発明の実施の形態における形状推定装置１０のハードウェア構成について、図３を参照しながら説明する。図３は、本発明の実施の形態における形状推定装置１０のハードウェア構成の一例を示す図である。

図３に示す形状推定装置１０は、入力装置１１と、表示装置１２と、外部Ｉ／Ｆ１３と、ＲＡＭ（Random Access Memory）１４と、ＲＯＭ（Read Only Memory）１５と、ＣＰＵ（Central Processing Unit）１６と、通信Ｉ／Ｆ１７と、補助記憶装置１８とを有する。これら各ハードウェアは、それぞれがバスＢを介して通信可能に接続されている。

入力装置１１は、例えばキーボードやマウス、タッチパネル等であり、ユーザが各種操作を入力するのに用いられる。表示装置１２は、例えばディスプレイ等であり、形状推定装置１０の処理結果を表示する。

外部Ｉ／Ｆ１３は、外部装置とのインタフェースである。外部装置には、記録媒体１３ａ等がある。形状推定装置１０は、外部Ｉ／Ｆ１３を介して、記録媒体１３ａ等の読み取りや書き込みを行うことができる。記録媒体１３ａには、形状推定プログラム１００等が記録されていても良い。

記録媒体１３ａには、例えば、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤ（Secure Digital）メモリカード、ＵＳＢ（Universal Serial Bus）メモリカード等がある。

ＲＡＭ１４は、プログラムやデータを一時保持する揮発性の半導体メモリである。ＲＯＭ１５は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリである。ＲＯＭ１５には、例えば、ＯＳ（Operation System）設定やネットワーク設定等が格納されている。

ＣＰＵ１６は、ＲＯＭ１５や補助記憶装置１８等からプログラムやデータをＲＡＭ１４上に読み出して処理を実行する演算装置である。

通信Ｉ／Ｆ１７は、形状推定装置１０をネットワークに接続するためのインタフェースである。形状推定プログラム１００等は、通信Ｉ／Ｆ１７を介して、所定のサーバ等から取得（ダウンロード）されても良い。

補助記憶装置１８は、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等であり、プログラムやデータを格納している不揮発性の記憶装置である。補助記憶装置１８に格納されているプログラムやデータには、例えば、ＯＳ、当該ＯＳ上において各種機能を実現するアプリケーションプログラム、形状推定プログラム１００等がある。

本発明の実施の形態における形状推定装置１０は、図３に示すハードウェア構成を有することにより、後述する各種処理を実現することができる。

＜機能構成＞
次に、本発明の実施の形態における形状推定装置１０の機能構成について、図４を参照しながら説明する。図４は、本発明の実施の形態における形状推定装置１０の機能構成の一例を示す図である。

図４に示す形状推定装置１０は、センシング結果管理部１０１と、抽出部１０２と、形状パラメータ推定部１０３と、接続関係推定部１０４と、出力部１０５とを有する。これら各機能部は、形状推定プログラム１００がＣＰＵ１６に実行させる処理により実現される。

また、図４に示す形状推定装置１０は、センシング結果記憶部２００を有する。センシング結果記憶部２００は、例えば補助記憶装置１８を用いて実現可能である。

センシング結果記憶部２００は、センサ２０から受信したセンシング結果ｒ（ｔ）と速度ｖとを記憶している。センシング結果ｒ（ｔ）と速度ｖとは、センシング結果管理部１０１によりセンシング結果記憶部２００に記憶される。以降では、センシング結果記憶部２００には、ｎ_ｓ個のセンサ２０が監視領域Ａに入って来てから立ち去るまで（すなわち、監視領域Ａを通過するまで）の間における対象物Ｔのセンシング結果ｒ（ｔ）が記憶されているものとする。

センシング結果管理部１０１は、センシング結果記憶部２００に記憶されるセンシング結果ｒ（ｔ）及び速度ｖを管理する。すなわち、センシング結果管理部１０１は、センサ２０からセンシング結果ｒ（ｔ）と速度ｖとを受信した場合、これらセンシング結果ｒ（ｔ）と速度ｖとをセンシング結果記憶部２００に記憶させる。また、センシング結果管理部１０１は、センシング結果記憶部２００に記憶されるセンシング結果ｒ（ｔ）及び速度ｖを読み出して取得する。

抽出部１０２は、各センサ２０のセンシング結果ｒ（ｔ）から、当該センシング結果ｒ（ｔ）を構成する線分区間の長さｌ_ｄと傾きｓ_ｄとの組（ｌ_ｄ，ｓ_ｄ）を抽出する。また、抽出部１０２は、当該センシング結果ｒ（ｔ）がｒ（ｔ）＞０で線分区間を構成する場合に、その線分区間の長さｌ_ｄと傾きｓ_ｄとの組（ｌ_ｄ，ｓ_ｄ）を抽出し、更に、当該線分区間の終点の端点を共有するか、終点後にｒ（ｔ）＞０の曲線区間を挟んで次の線分区間の傾きがｓ_ｄ´である場合に、組（ｌ_ｄ，ｓ_ｄ，ｓ_ｄ´）を抽出する。なお、（ｌ_ｄ，ｓ_ｄ）及び（ｌ_ｄ，ｓ_ｄ，ｓ_ｄ´）を特徴パラメータとも表す。ただし、（ｌ_ｄ，ｓ_ｄ，ｓ_ｄ´）の代わりに、（ｓ_ｄ，ｓ_ｄ´）を特徴パラメータとしても良い。

形状パラメータ推定部１０３は、対象物Ｔの形状の推定結果である形状パラメータを推定する。形状パラメータ推定部１０３には、暫定推定値算出部１１１と、推定値算出部１１２と、線分数・頂点数推定部１１３とが含まれる。

暫定推定値算出部１１１は、抽出部１０２により抽出された（ｌ_ｄ，ｓ_ｄ）毎に、対象物Ｔの輪郭を構成する線分の線分長の暫定的な推定値（以降、「線分長暫定推定値」とも表す。）と、移動方向から見た当該線分の方向の暫定的な推定値（以降、「線分方向暫定推定値」とも表す。）とを算出する。また、暫定推定値算出部１１１は、抽出部１０２により抽出された（ｌ_ｄ，ｓ_ｄ，ｓ_ｄ´）毎に、対象物Ｔの頂点の内角の暫定的な推定値（以降、「内角暫定推定値」とも表す。）を算出する。

推定値算出部１１２は、暫定推定値算出部１１１により算出された各暫定推定値から、対象物Ｔの輪郭を構成する線分の線分長の推定値（以降、「線分長推定値」とも表す。）と、対象物Ｔの頂点の内角の推定値（以降、「内角推定値」とも表す。）とを算出する。

線分数・頂点数推定部１１３は、推定値算出部１１２により算出された線分長推定値に対する線分数の推定値（以降、「線分数推定値」とも表す。）と、内角推定値に対する内角数の推定値（以降、「内角数推定値」とも表す。）とを算出する。

接続関係推定部１０４は、線分長推定値となる線分と、内角推定値となる頂点との接続関係を推定する。これにより、対象物Ｔの形状（輪郭）が推定される。

出力部１０５は、最終的に得られた形状パラメータ（すなわち、線分と頂点との接続関係、線分長推定値、及び内角推定値）を出力する。なお、形状パラメータには、内角数推定値（すなわち、頂点数の推定値）や線分数推定値が含まれていても良い。出力部１０７による出力先は、表示装置１２であっても良いし、補助記憶装置１８であっても良い。また、記録媒体１３ａやネットワークを介して接続される他の装置等であっても良い。

＜形状推定処理の詳細＞
次に、本発明の実施の形態における形状推定装置１０が実行する処理（形状推定処理）の詳細について、図５を参照しながら説明する。図５は、本発明の実施の形態における形状推定処理の一例を示すフローチャートである。

ステップＳ１０１：センシング結果管理部１０１は、センシング結果記憶部２００に記憶されるセンシング結果ｒ（ｔ）及び速度ｖを取得する。すなわち、センシング結果管理部１０１は、各時刻ｔのセンサ２０_１のセンシング結果ｒ_１（ｔ）、各時刻ｔのセンサ２０_２のセンシング結果ｒ_２（ｔ）、及び各時刻ｔのセンサ２０_３のセンシング結果ｒ_３（ｔ）等を取得する。また、センシング結果管理部１０１は、センサ２０の速度ｖを取得する。

ステップＳ１０２：抽出部１０２は、各センサ２０のセンシング結果ｒ（ｔ）から特徴パラメータを抽出する。

ここで、対象物Ｔの輪郭が線分で構成され、各センサ２０は直線的な軌道を一定速度ｖで移動することから、図６に示すように、ｒ（ｔ）は、１以上の線分、又は、１以上の線分と１以上の曲線とで構成される。後者は、対象物Ｔの頂点部分に対するセンシング結果が、曲線になることがある場合である。なお、各時刻ｔにおけるｒ（ｔ）は、センサ２０から検出点までの距離（最短距離）である。

例えば、図６に示す例では、時刻ｔ＝ｔ_ａからｔ＝ｔ_ｂまでの間のｒ（ｔ）は直線、時刻ｔ＝ｔ_ｂからｔ＝ｔ_ｃまでの間のｒ（ｔ）は曲線、時刻ｔ＝ｔ_ｃからｔ＝ｔ_ｄまでの間のｒ（ｔ）は直線となっている。

ｒ（ｔ）を構成する１つの線分（線分区間）は、対象物Ｔの輪郭を構成する１つの線分の少なくとも一部に対応する。そして、特に、以下の（条件１）〜（条件３）を満たす線分は、対象物Ｔの輪郭を構成する１つの線分全体に対応する。

（条件１）センシング結果ｒ（ｔ）の当該線分中、常にｒ（ｔ）＞０である。

（条件２）センシング結果ｒ（ｔ）の当該線分が、直前の線分区間からの傾き変化で開始されるか又は対象物Ｔを検出していない直後にｒ_ｍａｘより小さい値を検出して開始される。

（条件３）センシング結果ｒ（ｔ）の当該線分が、直後の線分区間への傾きの変化で終了するか又はｒ_ｍａｘより小さい値を検出した直後に対象物Ｔを検出しなくなって終了する。

抽出部１０２は、センシング結果ｒ（ｔ）を構成する各線分のうち、上記の（条件１）〜（条件３）を満たした線分（すなわち、対象物Ｔの輪郭を構成する１つの線分全体に対応する線分）毎に、当該線分の長さｌ_ｄと傾きｓ_ｄとを求める。これにより、各センサ２０のセンシング結果ｒ（ｔ）から（ｌ_ｄ，ｓ_ｄ）が抽出される。

なお、１つのセンサ２０が対象物Ｔの輪郭を構成する複数の線分を検出すれば、当該センサ２０のセンシング結果ｒ（ｔ）から複数の（ｌ_ｄ，ｓ_ｄ）の組が得られる。センシング結果ｒ（ｔ）から、１つの（ｌ_ｄ，ｓ_ｄ）も得られない場合も有り得る。複数のセンサ２０のセンシング結果ｒ（ｔ）から得られた複数の（ｌ_ｄ，ｓ_ｄ）を用いることで、以降で説明する形状推定が行われる。

また、抽出部１０２は、（１）当該センシング結果ｒ（ｔ）がｒ（ｔ）＞０で線分区間を構成する場合に、その線分区間の長さｌ_ｄと傾きｓ_ｄとの組（ｌ_ｄ，ｓ_ｄ）を抽出し、更に、（２）当該線分区間の終点の端点を共有するか、終点後にｒ（ｔ）＞０の曲線区間を挟んで次の線分区間の傾きがｓ_ｄ´である場合に、組（ｌ_ｄ，ｓ_ｄ，ｓ_ｄ´）を抽出する。なお、上記の（２）の「次の線分区間」は、対象物Ｔの輪郭を構成する１つの線分全体に対応していなくも良い。

ステップＳ１０３：暫定推定値算出部１１１は、線分長暫定推定値と線分方向暫定推定値とを算出する。以降では、図６に示すように、或る基準となる方向（基準方向）を決めた上で、基準方向に対して向きがξ、線分長がλの線分（対象物Ｔの輪郭を構成する線分）に対して、移動方向がφ、速度がｖのセンサ２０によるセンシング結果ｒ（ｔ）から（ｌ_ｄ，ｓ_ｄ）が得られた場合について説明する。

−θ_ｍａｘ≦ξ＋π／２−φ≦θ_ｍａｘである場合、暫定推定値算出部１１１は、線分方向暫定推定値を以下の式１又は式２で算出されるξ−φ、線分長暫定推定値を以下の式３で算出されるλとする。

θ_ｍａｘ＜ξ＋π／２−φである場合、暫定推定値算出部１１１は、線分方向暫定推定値を以下の式４で算出されるξ−φとする。

ξ＋π／２−φ＜−θ_ｍａｘである場合、暫定推定値算出部１１１は、線分方向暫定推定値を以下の式５で算出されるξ−φとする。

θ_ｍａｘ＜ξ＋π／２−φ又はξ＋π／２−φ＜−θ_ｍａｘである場合、暫定推定値算出部１１１は、線分長暫定推定値を以下の式６で算出されるλとする。

これにより、線分の線分長λの暫定的な推定値である線分長暫定推定値と、移動方向から見た当該線分の方向ξ−φの暫定的な推定値である線分方向暫定推定値とが得られる。

ステップＳ１０４：暫定推定値算出部１１１は、内角暫定推定値を算出する。内角暫定推定値は、抽出部１０２により抽出された（ｌ_ｄ，ｓ_ｄ，ｓ_ｄ´）を用いて算出することができる。なお、（ｌ_ｄ，ｓ_ｄ，ｓ_ｄ´）の代わりに、（ｓ_ｄ，ｓ_ｄ´）を用いても算出することができる。

対象物Ｔの頂点のうちのｊ番目の頂点の内角をγ_ｊ、第（ｊ−１）番目の頂点と第ｊ番目の頂点とを結ぶ輪郭上の線分を第ｊ番目の線分と定義する。また、第ｊ番目の線分に対応する線分区間の長さがｌ_ｄ、当該線分区間の傾きがｓ_ｄ、第（ｊ＋１）番目の線分に対応する線分区間の傾きがｓ_ｄ´であるとする。

一方で、γ_ｊは、第ｊ番目の線分の方向ξ_ｊと、第（ｊ＋１）番目の線分の方向ξ_ｊ＋１とを用いて、γ_ｊ＝π−（ξ_ｊ＋１−φ）＋（ξ_ｊ−φ）と表される。このため、暫定推定値算出部１１１は、上記の式１若しくは式２、式４、又は式５を用いて、ｓ_ｄ´からξ_ｊ＋１−φを算出することで、γ_ｊの暫定的な推定値である内角暫定推定値が得られる。なお、線分方向暫定推定値ξ_ｊ−φは、上記のステップＳ１０３で、ｓ_ｄから算出されたものを用いれば良い。

ステップＳ１０５：推定値算出部１１２は、線分長推定値と内角推定値とを算出する。ここで、上記のステップＳ１０３及びステップＳ１０４において、多数の特徴パラメータを用いると、多数の暫定推定値（線分長暫定推定値及び内角暫定推定値）が得られる。通常、１つの特徴パラメータから複数の暫定推定値が得られる。仮に、これらの暫定推定値が真値であれば、対象物Ｔの異なる線分長の数、異なる内角の数それぞれに対応する暫定推定値の集合ができるはずである。

例えば、対象物Ｔの輪郭が線分長「１００」の線分と、線分長「５０」の線分とで構成されている場合、いくつかの線分長暫定推定値は線分長「１００」の集合に分類でき、残りの線分長暫定推定値は線分長「５０」の集合に分類できる。

同様に、例えば、対象物Ｔの輪郭の内角が「Ａ」と「Ｂ」とで構成されている場合、いくつかの内角暫定推定値は内角「Ａ」の集合に分類でき、残りの内角暫定推定値は内角「Ｂ」の集合に分類できる。

そこで、推定値算出部１１２は、上記のステップＳ１０３及びステップＳ１０４で得られた線分長暫定推定値と内角暫定推定値について、所定の区間毎に、その度数を算出し、算出した度数から線分長推定値及び内角推定値を算出する。

或る所定の区間毎における内角暫定推定値の度数と線分長暫定推定値の度数とを表すグラフをそれぞれ図７（ａ）と図７（ｂ）とに示す。

図７（ａ）に示すように、内角暫定推定値が「１．５７１」の度数と、「２．３５６」の度数とがピークとなっている。したがって、推定値算出部１１２は、これらの内角暫定推定値「１．５７１」及び「２．３５６」を内角推定値とする。これは、通常、内角の真値付近に度数のピークが現れるためである。

同様に、図７（ｂ）に示すように、線分長暫定推定値が「１９．８２」の度数と、「４．７３６」の度数と、「５．０７１」の度数と、「２１．１６」の度数とがピークとなっている。したがって、推定値算出部１１２は、これらの線分長暫定推定値「４．７３６」、「５．０７１」、「１９．８２」及び「２１．１６」を線分長推定値とする。これは、通常、線分長の真値付近に度数のピークが現れるためである。

なお、全ての暫定推定値を度数が多い順に並べ、ｎ番目の度数と（ｎ＋１）番目の度数とが一定数以上又は／及び一定倍率以上離れたら、１からｎ番目をピークとする。そして、ピークとなっている度数に対応する全ての暫定推定値（内角暫定推定値又は線分長暫定推定値）を推定値（内角推定値又は線分長推定値）として採用する。

ステップＳ１０６：線分数・頂点数推定部１１３は、線分数推定値と内角数推定値とを算出する。

例えば、１辺の長さが「１００」である正三角形や正方形等で明らかなように、線分長が得られても、その線分長を持つ線分数がいくつであるかを特定できなければ、対象物Ｔの形状を完全に特定することはできない。

そこで、本発明の実施の形態では、線分長がλの線分に対して、ｎ_ｓ個のセンサ２０によって線分長λの線分全体をセンシングできるものがいくつかの期待値Ｅ［ｎ_ｄ（λ）］と、内角γの頂点をセンシングできるものがいくつあるかの期待値Ｅ［ｎ_ｄ（γ）］とを理論的に評価する。なお、以降の式７〜式１０におけるλ及びγとしては、線分長λの推定値Ｈ［λ］及び内角γの推定値Ｈ［γ］を用いるものとする。λ及びγは未知であるためである。

まず、線分数・頂点数推定部１１３は、期待値Ｅ［ｎ_ｄ（λ）］及び期待値Ｅ［ｎ_ｄ（γ）］を以下の式７〜式１０により計算する。

ただし、ηは、ｒ_ｍａｘ×ｓｉｎθ_ｍａｘがλ以上である場合、π／２であり、それ以外の場合、ａｒｃｓｉｎ（ｒ_ｍａｘ×ｓｉｎθ_ｍａｘ／λ）となる関数である。また、ｗ_ｋは、ｋ＝ｊ，ｊ＋１に対して、

である場合、ｒ_ｍａｘ×ｓｉｎ（ξ_ｋ＋π／２−φ）、それ以外の場合、ｒ_ｍａｘ×ｓｉｎθ_ｍａｘとなる関数である。

期待値Ｅ［ｎ_ｄ（λ）］の計算に用いる積分Ｍ_１（λ）は、以下の式７により計算される。

ここで、

である。

上記の式７で計算されるＭ_１（λ）を用いて、期待値Ｅ［ｎ_ｄ（λ）］は、以下の式８により計算される。

ここで、Ωは監視領域Ａの周囲長である。

また、期待値Ｅ［ｎ_ｄ（γ）］の計算に用いられる積分Ｍ_２は、以下の式９により計算される。

ここで、

である。

上記の式９により計算されるＭ_２を用いて、期待値Ｅ［ｎ_ｄ（γ）］は、以下の式１０により計算される。

次に、線分数・頂点数推定部１１３は、対象物Ｔの輪郭を構成する線分全体をセンシングできた数ｎ_ｌｉｎｅと、対象物Ｔの輪郭に含まれる連続する頂点をセンシングできた数ｎ_{ｖｅｒｔｅｘ}とを算出する（ｎ_ｌｉｎｅとｎ_{ｖｅｒｔｅｘ}とを数え上げる）。また、線分数・頂点数推定部１１３は、線分長推定値として採用された線分長暫定推定値の度数ｃ_ｌｉｎｅと、内角推定値として採用された内角暫定推定値の度数ｃ_{ｖｅｒｔｅｘ}とを算出する（ｃ_ｌｉｎｅとｃ_{ｖｅｒｔｅｘ}とを数え上げる）。

これにより、１つのセンシング結果ｒ（ｔ）から得られる線分長推定値の度数は、平均で、ｃ_ｌｉｎｅ／ｎ_ｌｉｎｅである。同様に、１つのセンシング結果ｒ（ｔ）から得られる内角推定値の度数は、平均で、ｃ_{ｖｅｒｔｅｘ}／ｎ_{ｖｅｒｔｅｘ}である。

したがって、線分長がλである線分１つに対して得られる線分長推定値の平均度数は、Ｅ［ｎ_ｄ（λ）］×ｃ_ｌｉｎｅ／ｎ_ｌｉｎｅとなる。同様に、内角がγである頂点１つに対して得られる内角推定値の平均度数は、Ｅ［ｎ_ｄ（γ）］×ｃ_{ｖｅｒｔｅｘ}／ｎ_{ｖｅｒｔｅｘ}となる。

また、線分数・頂点数推定部１１３は、線分長推定値がλであるものの度数ｃ（λ）と、内角推定値がγであるものの度数ｃ（γ）とを算出する（ｃ（λ）とｃ（γ）とを数え上げる）。

そして、線分数・頂点数推定部１１３は、ｃ（λ）／（Ｅ［ｎ_ｄ（λ）］×ｃ_ｌｉｎｅ／ｎ_ｌｉｎｅ）を計算することで、線分長推定値がλである場合の線分数推定値Ｎ_λを得る。同様に、線分数・頂点数推定部１１３は、ｃ（γ）／（Ｅ［ｎ_ｄ（γ）］×ｃ_{ｖｅｒｔｅｘ}／ｎ_{ｖｅｒｔｅｘ}）を計算することで、内角推定値がγである場合の頂点数推定値Ｎ_γを得る。

なお、上記で得られた線分数推定値Ｎ_λの小数点以下を四捨五入したものを、改めて線分数推定値Ｎ_λとしても良い。同様に、上記で得られた頂点数推定値Ｎ_γの小数点以下を四捨五入したものを、改めて頂点数推定値Ｎ_γとしても良い。また、四捨五入に代えて、小数点以下を切り上げ又は切り捨てしても良い。

ステップＳ１０７：接続関係推定部１０４は、線分長推定値となる線分と、内角推定値となる頂点との接続関係を推定する。

抽出部１０２により抽出された（ｌ_ｄ，ｓ_ｄ，ｓ_ｄ´）を用いて頂点の内角γの推定値と線分長λの推定値とを得られる場合がある。すなわち、Ｈ［γ］とＨ［λ］との組（Ｈ［γ］，Ｈ［λ］）が得られる場合がある。ここで、γは、線分長λの線分の両端にある頂点のうちの一方の頂点の内角である。このような組が得られたセンサ２０の数Ｋ（Ｈ［γ］，Ｈ［λ］）を算出する（センサ２０の数Ｋ（Ｈ［γ］，Ｈ［λ］）を数え上げる）。

もし、Ｈ［γ］，Ｈ［λ］が独立なら、或る線分長をａ、或る内角をｂとして、Ｋ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）の平均は、以下の式１１で計算することができる。

ここで、Ｅ［Ｎ_ｄ（λ）］＝Ｎ_λ×Ｅ［ｎ_ｄ（λ）］，Ｅ［Ｎ_ｄ（γ）］＝Ｎ_γ×Ｅ［ｎ_ｄ（γ）］である。

Ｋ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）の平均に対してＫ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）の方が大きい場合、線分長ａの線分の両端のうちの一方には、内角ｂの頂点が存在する（すなわち、線分長ａの線分と、内角ｂの頂点とが繋がっている）可能性が高い。一方で、Ｋ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）の平均に対してＫ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）の方が小さい場合、線分長ａの線分の両端には、内角ｂの頂点が存在しない（すなわち、線分長ａの線分と、内角ｂの頂点とは繋がっていない）可能性が高い。

これにより、接続関係推定部１０４は、線分長ａの線分と、内角ｂの頂点との接続関係を推定することができる。より具体的には、接続関係推定部１０４は、例えば、Ｋ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）の平均と、Ｋ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）との比を算出し、算出された比が所定の閾値以上である場合、線分長ａの線分と、内角ｂの頂点とが繋がっていると推定する。一方で、接続関係推定部１０４は、例えば、当該比が所定の閾値未満である場合、線分長ａの線分と、内角ｂの頂点とは繋がっていないと推定する。このようにして、どの線分長の線分が、どの内角の頂点と繋がっているか又は繋がっていないかを判断することで、線分同士の隣接関係を明らかにして対象物Ｔの形状を推定する。

ステップＳ１０８：出力部１０５は、最終的に得られた形状パラメータ（すなわち、線分と頂点との接続関係、線分長推定値、及び内角推定値）を出力する。

以上により、本発明の実施の形態における形状推定装置１０は、監視領域Ａ内に存在する対象物Ｔの形状を、当該監視領域Ａ内で直線的な軌道を一定速度ｖで移動する複数のセンサ２０のセンシング結果ｒ（ｔ）を用いて推定することができる。しかも、本発明の実施の形態における形状推定装置１０は、例えば自動車等に搭載され、一般に市販されている指向性距離センサであるセンサ２０のセンシング結果ｒ（ｔ）を用いて、対象物Ｔの形状を推定することができる。

また、本発明の実施の形態における形状推定装置１０では、センサ２０の位置（すなわち、当該センサ２０が搭載された車両等の位置）を必要ないため、当該車両等の位置情報等のプライバシーを維持しつつ、対象物Ｔの形状を推定することができる。したがって、本発明の実施の形態における形状推定装置１０によれば、例えば、センサ２０が搭載された多数の車両等からセンシング結果を集めて、種々の対象物Ｔの形状を推定することで、この推定結果を用いた様々なアプリケーションが提供可能となることが期待できる。

なお、図５におけるステップＳ１０３及びステップＳ１０４は順不同である。すなわち、ステップＳ１０４の処理が行われた後、ステップＳ１０３の処理が行われても良い。

＜本発明の効果＞
ここで、本発明の効果について、図８を参照しながら説明する。図８は、本発明の効果の一例を説明する図である。以降では、ｒ_ｍａｘ＝１００、θ_ｍａｘ＝π／２、速度ｖ＝０．１で、ｎ_ｓ＝１０００個のセンサ２０が、図８（ａ）に示すビルの形状を推定した場合について説明する。このとき、上記の式１〜式６で得られた内角暫定推定値及び線分長暫定推定値は、それぞれ図７（ａ）及び図７（ｂ）に示す度数であった。

上述した通り、これらの度数がピークとなっている暫定推定値を推定値とする。すなわち、図７（ａ）では、内角暫定推定値「１．５７１」及び「２．３５６」で度数がピークとなっている。したがって、内角暫定推定値「１．５７１」及び「２．３５６」を内角推定値とする。以降では、γ１＝１．５７１、γ２＝２．３５６とも表す。

同様に、図７（ｂ）では、線分長暫定推定値「４．７３６」、「５．０７１」、「１９．８２」、及び「２１．１６」を線分推定値とする。以降では、λ１＝４．７３６、λ２＝５．０７１、λ３＝１９．８２、λ４＝２１．１６とも表す。

そして、上記の式７〜式１０により線分数推定値Ｎ_λと頂点数推定値Ｎ_γとを算出する。これにより、Ｎ_λ１＝１．７９７、Ｎ_λ２＝１．２９１、Ｎ_λ３＝０．８６３９、Ｎ_λ４＝０．７７７０である。したがって、これらの値の小数点以下を四捨五入することで、λ１の線分数は２、λ２〜λ４の線分数は１と判断される。

同様に、Ｎ_γ１＝３．４２０、Ｎ_γ２＝１．６５４である。したがって、これらの値の小数点以下を四捨五入することで、γ１の頂点数は４、γ３の頂点数は２と判断される。

次に、上記の式１１で計算されたＫ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）の平均と、実際のＫ（Ｈ［γ］＝ａ，Ｈ［λ］＝ｂ）との比を算出する。この比を以下の表１に示す。

これにより、例えば、閾値を０．５とした場合、線分長λ３の線分と、内角γ２の頂点とは、比が閾値０．５未満となるため、接続されていないと判断される。同様に、線分長λ４の線分と、内角γ１の頂点とは、比が閾値０．５未満となるため、接続されていないと判断される。これにより、図８（ｂ）に示す推定結果を得る。図８（ｂ）に示すように、本発明の実施の形態における形状推定装置１０により得られた推定値は、真値との誤差が少なく、高い精度で対象物Ｔの形状が推定できていることがわかる。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。

１ 形状推定システム
１０ 形状推定装置
２０ センサ
１００ 形状推定プログラム
１０１ センシング結果管理部
１０２ 抽出部
１０３ 形状パラメータ推定部
１０４ 接続関係推定部
１０５ 出力部
１１１ 暫定推定値算出部
１１２ 推定値算出部
１１３ 線分数・頂点数推定部
２００ センシング結果記憶部

Claims (8)

1. 所定の領域内を所定の速度で直線的に移動する複数の指向性距離センサが前記領域内に存在する対象物をそれぞれセンシングしたセンシング結果を取得する取得手段と、
   前記取得手段により取得されたセンシング結果に含まれる線分区間、又は、速度で正規化された結果、線分と同様になった区間のうち、所定の条件を満たす線分区間を表す特徴パラメータを抽出する抽出手段と、
   前記抽出手段により抽出された特徴パラメータに基づいて、前記対象物の輪郭に含まれる線分の線分長と、前記対象物の輪郭の頂点角度とを推定する第１の推定手段と、
   前記第１の推定手段により推定された線分長の線分と、前記頂点角度の頂点との接続関係を推定する第２の推定手段と、
   前記抽出手段により抽出された特徴パラメータに基づいて、前記線分長の暫定的な推定値と、前記頂点角度の暫定的な推定値とを推定する第３の推定手段と、を有し、
   前記第１の推定手段は、
   前記線分長の暫定的な推定値の度数から前記線分長を推定し、前記頂点角度の暫定的な推定値の度数から前記頂点角度を推定する、ことを特徴とする形状推定装置。
2. 所定の領域内を所定の速度で直線的に移動する複数の指向性距離センサが前記領域内に存在する対象物をそれぞれセンシングしたセンシング結果を取得する取得手段と、
   前記取得手段により取得されたセンシング結果に含まれる線分区間、又は、速度で正規化された結果、線分と同様になった区間のうち、所定の条件を満たす線分区間を表す特徴パラメータを抽出する抽出手段と、
   前記抽出手段により抽出された特徴パラメータに基づいて、前記対象物の輪郭に含まれる線分の線分長と、前記対象物の輪郭の頂点角度とを推定する第１の推定手段と、
   前記第１の推定手段により推定された線分長の線分と、前記頂点角度の頂点との接続関係を推定する第２の推定手段と、
   前記第１の推定手段により推定された線分長に対して、前記抽出手段により特徴パラメータが抽出された抽出数と、該特徴パラメータが抽出される期待値とに基づいて、前記線分長の線分数を推定すると共に、前記第１の推定手段により推定された頂点角度に対して、前記抽出手段により特徴パラメータが抽出された抽出数と、該特徴パラメータが抽出される期待値とに基づいて、前記頂点角度の頂点数を推定する第４の推定手段と、
   を有することを特徴とする形状推定装置。
3. 前記抽出手段は、
   前記取得手段により取得されたセンシング結果に含まれる線分区間、又は、速度で正規化された結果、線分と同様になった区間のうち、前記対象物の輪郭を構成する１つの線分全体に対応する線分区間の傾きｓ_ｄと長さｌ_ｄとが含まれる特徴パラメータ、又は、前記線分区間の傾きｓ_ｄと、該線分区間の終点の端点を共有する他の線分区間若しくは終点後に前記センシング結果が正である曲線区間を挟んだ他の線分区間の傾きｓ_ｄ´とが含まれる特徴パラメータを抽出する、ことを特徴とする請求項１又は２に記載の形状推定装置。
4. 前記第１の推定手段は、
   前記速度をｖ、前記指向性距離センサの移動方向に対するセンシングエリアの幅をθ_ｍａｘとして、前記対象物の輪郭に含まれる線分の方向と移動方向とに応じて、前記線分長λを、
   

   

   又は
   

   

   により推定する、ことを特徴とする請求項３に記載の形状推定装置。
5. 前記第１の推定手段は、
   前記速度をｖ、前記指向性距離センサの移動方向に対するセンシングエリアの幅をθ_ｍａｘ、前記移動方向をφ、前記対象物の輪郭に含まれる線分の方向をξとして、該線分の方向ξと前記移動方向φとに応じて、
   

   

   、
   

   

   又は
   

   

   のいずれかを計算し、計算されたξ−φにより前記頂点角度を推定する、ことを特徴とする請求項３又は４に記載の形状推定装置。
6. 所定の領域内を所定の速度で直線的に移動する複数の指向性距離センサが前記領域内に存在する対象物をそれぞれセンシングしたセンシング結果を取得する取得手順と、
   前記取得手順により取得されたセンシング結果に含まれる線分区間、又は、速度で正規化された結果、線分と同様になった区間のうち、所定の条件を満たす線分区間を表す特徴パラメータを抽出する抽出手順と、
   前記抽出手順により抽出された特徴パラメータに基づいて、前記対象物の輪郭に含まれる線分の線分長と、前記対象物の輪郭の頂点角度とを推定する第１の推定手順と、
   前記第１の推定手順により推定された線分長の線分と、前記頂点角度の頂点との接続関係を推定する第２の推定手順と、
   前記抽出手順により抽出された特徴パラメータに基づいて、前記線分長の暫定的な推定値と、前記頂点角度の暫定的な推定値とを推定する第３の推定手順と、
   をコンピュータが実行し、
   前記第１の推定手順は、
   前記線分長の暫定的な推定値の度数から前記線分長を推定し、前記頂点角度の暫定的な推定値の度数から前記頂点角度を推定する、ことを特徴する形状推定方法。
7. 所定の領域内を所定の速度で直線的に移動する複数の指向性距離センサが前記領域内に存在する対象物をそれぞれセンシングしたセンシング結果を取得する取得手順と、
   前記取得手順により取得されたセンシング結果に含まれる線分区間、又は、速度で正規化された結果、線分と同様になった区間のうち、所定の条件を満たす線分区間を表す特徴パラメータを抽出する抽出手順と、
   前記抽出手順により抽出された特徴パラメータに基づいて、前記対象物の輪郭に含まれる線分の線分長と、前記対象物の輪郭の頂点角度とを推定する第１の推定手順と、
   前記第１の推定手順により推定された線分長の線分と、前記頂点角度の頂点との接続関係を推定する第２の推定手順と、
   前記第１の推定手順により推定された線分長に対して、前記抽出手順により特徴パラメータが抽出された抽出数と、該特徴パラメータが抽出される期待値とに基づいて、前記線分長の線分数を推定すると共に、前記第１の推定手順により推定された頂点角度に対して、前記抽出手順により特徴パラメータが抽出された抽出数と、該特徴パラメータが抽出される期待値とに基づいて、前記頂点角度の頂点数を推定する第４の推定手順と、
   をコンピュータが実行することを特徴とする形状推定方法。
8. コンピュータを、請求項１乃至５の何れか一項に記載の形状推定装置における各手段として機能させるためのプログラム。

Images