JP7104452B1 - 作業機械の周辺監視装置 - Google Patents

Abstract

【課題】画像処理に対する演算負荷を低減させながら、作業機械とその周囲の人物又は障害物との接触を好適に抑制可能な周辺監視装置を提供する。【解決手段】本開示の作業機械の周辺監視装置１００は、１以上のステレオカメラ２１０を含んだ撮影装置２００と、撮影された作業機械１０の周囲画像を表す撮影画像データに基づいて所定の処理を実行するプロセッサ３０３と、所定の警報信号又は／及び所定の発報を出力する発報装置４００と、を備える。そして、プロセッサ３０３は、作業機械１０の周囲における同一の領域が撮影された複数のステレオ画像データの視差に基づいて、作業機械１０とその周囲の物体との距離を測定する。そして、測定された距離に基づいて、発報装置４００による警報信号又は／及び発報の出力を制御する。このとき、ディープラーニングにより生成されるニューラルネットワークモデルを用いて撮影画像データから人物画像を抽出してもよい。【選択図】図１

Description

本発明は、作業機械の周辺監視装置に関する。

ショベル、フォークリフト等の作業機械が用いられる現場では、作業機械とその周囲の人物や障害物との接触事故の防止が図られている。例えば、作業機械の車体の周辺に存在する障害物をオペレータが視認できるように、ミラーやカメラを設置した作業機械が実用化されている。そして、カメラが撮影した画像を作業機械の運転室内のディスプレイに表示するシステムが知られている。

また、作業機械の周辺に存在する物体を検出する技術として、レーザレーダやミリ波レーダ等の距離センサを用いて障害物を検知することが知られている。例えば、特許文献１には、移動体の移動方向軸に対する全周方向で距離検出を行うことができる移動体用周辺監視装置が開示されている。そして、この周辺監視装置では、距離センサとして、支持軸まわりに等角度で複数配置された撮像部等を有する３Ｄカメラが備えられている。

一方、特許文献２には、下部走行体と上部旋回体とを有するショベルにおいて、上部旋回体に複数のステレオカメラを配置する技術が開示されている。当該技術では、ステレオカメラによって、ショベルの周囲に存在する物体の距離情報が取得される。

特開２０１６－１８０６７４号公報 特開２０２０－１２７２１７号公報

レーザレーダやミリ波レーダ等の距離センサは、所定の一方向にレーザ光や電波を照射し、その反射波からレーザ光等が照射された物体との距離を検出するものである。そのため、このような距離センサを用いて、ショベル、フォークリフト等の作業機械の周囲の物体を検出しようとする場合、複数の方向に距離センサを配置する必要があり、作業機械の周囲物体を検出するためのコストが高くなってしまう。ここで、特許文献１に記載の技術によれば、３Ｄカメラによって支持軸まわりの全周方向で距離検出を行うことができるものの、これは、あくまで支持軸に対する全周方向である。そのため、この場合にも、作業機械の周囲の物体を検出しようとすると、複数の方向に支持軸を配置する必要があり、作業機械の周囲物体を検出するためのコストが高くなってしまう。

一方、カメラによって撮影された撮影画像データを画像処理することで作業機械の周囲物体を検出する方法によれば、例えば、距離センサを複数の方向に配置する場合と比較して、周囲物体を検出するための構成を少なくできる傾向にある。そのため、作業機械の周囲物体を検出するためのコストが抑制され得る。ここで、特許文献２に記載の技術によれば、２組の撮像機構のそれぞれが出力する画像間の視差に基づいて、１つの撮像機構が出力する画像の各画素に写る物体とステレオカメラとの間の距離が導き出されるが、仮に、このときの画像データのサイズが大きい場合には、画像処理に対する演算負荷が問題となり得る。このように、作業機械の周囲物体を検出するための技術については、未だ改善の余地を残すものである。

本開示の目的は、画像処理に対する演算負荷を低減させながら、作業機械とその周囲の人物又は障害物との接触を好適に抑制可能な周辺監視装置を提供することにある。

本開示の作業機械の周辺監視装置は、作業機械に設置され、該作業機械の周囲を撮影する撮影装置と、前記撮影装置によって撮影された前記作業機械の周囲画像を表す撮影画像データを取得し、該撮影画像データに基づいて所定の処理を実行するプロセッサと、所定の警報信号又は／及び所定の発報を出力する発報装置と、を備える。ここで、前記撮影装置は、１以上のステレオカメラを含んで構成され、該撮影装置によって撮影される前記撮影画像データがステレオ画像データである。そして、前記プロセッサは、前記ステレオ画像データの視差に基づいて、前記作業機械とその周囲の物体との距離を測定する測距処理と、前記測距処理によって測定された前記作業機械とその周囲の物体との距離に基づいて、前記発報装置による前記警報信号又は／及び前記発報の出力を制御する発報制御処理と、を実行し、前記測距処理において、前記作業機械の周囲における同一の領域が撮影された複数の前記ステレオ画像データに基づいて、前記作業機械とその周囲の物体との距離を測定する。

ここで、上記の作業機械とは、ショベル等の建設機械や、作業機を備えた機械（フォークリフト等）である。そして、このような作業機械に設置される本開示の周辺監視装置では、該作業機械に撮影装置が配置される。この撮影装置は、１以上のステレオカメラを含んで構成される。そして、本開示の作業機械の周辺監視装置は、撮影装置、画像処理装置、および発報装置といった簡易な構成によって実現され、これらを既存の作業機械に配置するだけで、作業機械に周辺監視装置を簡単に設置することができる。更に、このような周辺監視装置では、作業機械の周囲における同一の領域が撮影された複数のステレオ画像データの視差に基づいて測距処理が実行され、該測距処理の結果に基づいて、発報装置による警報信号又は／及び発報の出力が制御される。なお、発報装置が出力する発報は、例えば、警告灯や警告音である。これにより、作業機械とその周囲の物体との接触を抑制することができる。なお、この場合、前記測距処理において、前記プロセッサは、前記撮影装置によって撮影された元画像データを縮小処理した縮小画像データの視差に基づいて、前記作業機械とその周囲の物体との距離を測定するとともに、前記縮小画像データの視差が略ゼロとなる画像領域については、前記元画像データの視差に基づいて、前記作業機械とその周囲の物体との距離を測定してもよい。これによれば、測距処理に対する演算負荷を低減させながらも、比較的精度よく作業機械とその周囲の物体との距離を算出することができる。また、前記発報制御処理において、前記プロセッサは、前記作業機械とその周囲の人物との距離が所定値以下となった場合に、前記発報装置から、該作業機械とその周囲の人物との接触を回避するための所定の回避動作を指令する信号を出力させてもよい。ここで、上記の回避動作とは、作業機械の作動が減速する動作や、作業機械の作動が停止する動作などである。このような発報制御処理では、発報装置からの上記信号が、作業機械の動作を制御する制御装置に入力されることで、作業機械は、オペレータの操作によらず自動で回避動作を行うことになる。これによれば、オペレータによる運転動作によらずに作業機械の回避動作を行うことができ、作業機械とその周囲の人物との接触をより好適に回避することができる。

そして、上記の作業機械の周辺監視装置において、前記プロセッサは、前記ステレオ画像データの視差に基づいて、前記作業機械の周囲の路面を含んだ周囲空間の三次元座標である周囲空間座標を取得することと、前記周囲空間座標に基づいて、該周囲空間座標において隣接する各座標点が複数纏められたグリッドマップを作成することと、前記周囲空間座標に基づいて、前記作業機械の周囲の路面であって該作業機械が走行する走行路面を検出する走行路面検出処理と、前記走行路面からの高さに基づいて、前記作業機械の周囲の障害物を検出する障害物検出処理と、を更に実行し、前記グリッドマップにおける各グリッドについて、該グリッドに含まれる複数の高さ座標値のうち最も高い座標値を該グリッドのグリッド高さと定義したとき、前記障害物検出処理において、前記走行路面と前記グリッド高さとを比較することで、前記作業機械の周囲の障害物を検出してもよい。これによれば、作業機械の周囲の障害物を検出する際の演算負荷を低減することが可能になる。また、この場合、前記走行路面検出処理において、前記プロセッサは、前記グリッドマップにおける前記グリッド高さが略同一となる複数のグリッドを纏めて前記走行路面として検出してもよい。これによれば、更に、走行路面検出のための演算負荷を低減することができる。

また、以上に述べた作業機械の周辺監視装置において、前記プロセッサは、前記ステレオ画像データに含まれる２つの画像データについて、同一の対象物が撮影された画素の輝度情報を夫々取得し、各画像データにおける隣接する複数の画素の前記輝度情報の積算値を前記２つの画像データで比較することで、前記ステレオカメラのレンズの汚れを検出してもよい。これによれば、画像処理に対する演算負荷を低減させながら、ステレオカメラのレンズの汚れを好適に検出することができる。

また、本開示の作業機械の周辺監視装置は、作業機械に設置され、該作業機械の周囲を撮影する撮影装置と、前記撮影装置によって撮影された前記作業機械の周囲画像を表す撮影画像データを取得し、該撮影画像データに基づいて所定の処理を実行するプロセッサと、所定の警報信号又は／及び所定の発報を出力する発報装置と、を備える。そして、前記プロセッサは、前記撮影画像データから人物画像を抽出する抽出処理と、抽出された前記人物画像に基づいて、前記作業機械とその周囲の人物との距離を測定する測距処理と、前記測距処理によって測定された前記作業機械とその周囲の人物との距離に基づいて、前記発報装置による前記警報信号又は／及び前記発報の出力を制御する発報制御処理と、を実行し、前記測距処理において、前記撮影画像データにおける前記人物画像を囲う検出枠の上端高さを取得するとともに、前記発報制御処理では、前記人物画像に基づく前記作業機械の周囲人物のうち前記上端高さが所定の閾値以上の人物を除外したときの該周囲人物と、前記作業機械と、の距離に基づいて、前記発報装置による前記警報信号又は／及び前記発報の出力を制御する。

このような発報制御処理によれば、より好適に作業機械の周辺を監視することができる。なお、この場合、前記発報制御処理において、前記プロセッサは、前記人物画像に基づく前記作業機械の周囲人物のうち、前記上端高さが所定の閾値以上で、且つ前記撮影画像データにおいて前記作業機械とは異なる他の作業機械の画像と所定割合以上で重なり合っている人物を除外したときの該周囲人物と、前記作業機械と、の距離に基づいて、前記発報装置による前記警報信号又は／及び前記発報の出力を制御してもよい。

そして、上記の作業機械の周辺監視装置では、前記抽出処理において、前記プロセッサは、所定の画像データの入力を受け付ける入力層と、入力された該画像データから人物を表す特徴量を抽出する中間層と、該特徴量に基づく識別結果を出力する出力層と、を有するニューラルネットワークモデルであって、人物を表す画像を含んだデータを用いて学習を行うことにより構築された事前学習モデルに、前記撮影画像データを入力することで、前記人物画像を抽出してもよい。これによれば、事前学習モデルを用いることで、撮影画像データから人物画像を精度よく抽出することができる。

本開示によれば、画像処理に対する演算負荷を低減させながら、作業機械とその周囲の人物又は障害物との接触を好適に抑制可能な周辺監視装置を提供することができる。

第１実施形態における作業機械の周辺監視装置の概略構成を示す図である。 第１実施形態に係る周辺監視装置において、作業機械とその周囲の物体との接触を回避するために制御部が行う処理フローを示すフローチャートである。 第１実施形態に係る測距処理において、測距処理部が行う処理フローを示す第１のフローチャートである。 第１実施形態に係る測距処理において、測距処理部が行う処理フローを示す第２のフローチャートである。 縮小画像データと元画像データとの複数のステレオ画像データに基づく測距処理について、説明するための図である。 第１実施形態の変形例１に係る抽出処理において、抽出処理部が行う処理フローを示すフローチャートである。 グリッドマップに基づく障害物検出について説明するための図である。 グリッド単位で検出される走行路面を例示する図である。 第１実施形態の変形例２に係るレンズの汚れ検出処理において、制御部が行う処理フローを示すフローチャートである。 複数の画素の輝度情報の積算値に基づいて実行されるレンズの汚れ検出について説明するための図である。 第２実施形態における事前学習モデルに対する入力から得られる識別結果と、該事前学習モデルを構成するニューラルネットワークを説明するための図である。 表示装置に表示される撮影画像データおよび人物画像を説明するための図である。 第２実施形態に係る発報制御処理において除外される人物を説明するための図である。

以下、図面に基づいて、本開示の実施の形態を説明する。以下の実施形態の構成は例示であり、本開示は実施形態の構成に限定されない。

＜第１実施形態＞
第１実施形態における作業機械の周辺監視装置の概要について、図１を参照しながら説明する。図１は、本実施形態における作業機械の周辺監視装置の概略構成を示す図である。本実施形態に係る作業機械の周辺監視装置１００は、作業機械１０に設置され、該作業機械１０の周辺を監視するための装置である。ここで、作業機械１０とは、ショベル等の建設機械や、作業機を備えた機械（フォークリフト等）である。そして、周辺監視装置１００は、撮影装置２００と、画像処理装置３００と、発報装置４００と、を備える。

撮影装置２００は、作業機械１０に設置され該作業機械１０の周囲を撮影する装置であって、静止画や動画等の画像の入力を受け付ける機能を有し、具体的には、Charged-Coupled Devices（ＣＣＤ）、Metal-oxide-semiconductor（ＭＯＳ）あるいはComplementary Metal-Oxide-Semiconductor（ＣＭＯＳ）等のイメージセンサを用いたカメラにより実現される。本開示の撮影装置２００は、１以上のステレオカメラ２１０を含んで構成される。ここで、本実施形態では、ステレオカメラ２１０は、図１（ａ）に示すように作業機械１０の上部旋回体１１の上面に配置され、図１（ｂ）に示すように３つのステレオカメラ２１０が上部旋回体１１の側面から周囲３方向に向けられて配置されている。このように、３つのステレオカメラ２１０が配置されることで、作業機械１０の周囲を視野が欠けることなく撮影することができる。なお、本開示の撮影装置を３つのステレオカメラを含んだ構成に限定する意図はない。例えば、作業機械１０のオペレータが運転室内で正面を向いた方向は、オペレータが直接視認できる方向であるため、この方向に向けられたステレオカメラは省略され得る。

画像処理装置３００は、撮影装置２００によって撮影された作業機械１０の周囲画像を表す撮影画像データを取得し、該撮影画像データに基づいて所定の処理を実行する。なお、本実施形態では、撮影装置２００によって撮影される上記の撮影画像データがステレオ画像データである。

ここで、画像処理装置３００は、データの取得、生成、更新等の演算処理及び加工処理のための処理能力のある機器であればどの様な電子機器でもよく、例えば、コンピュータである。すなわち、画像処理装置３００は、ＣＰＵやＧＰＵ等のプロセッサ、ＲＡＭやＲＯＭ等の主記憶装置、ＥＰＲＯＭ、ハードディスクドライブ、リムーバブルメディア等の補助記憶装置を有するコンピュータとして構成することができる。なお、リムーバブルメディアは、例えば、ＵＳＢメモリ、あるいは、ＣＤやＤＶＤのようなディスク記録媒体であってもよい。補助記憶装置には、オペレーティングシステム（ＯＳ）、各種プログラム、各種テーブル等が格納されている。

発報装置４００は、所定の警報信号又は／及び所定の発報を出力する装置である。ここで、所定の発報とは、警告灯や警告音などである。本実施形態では、図１（ａ）および図１（ｂ）に示すように、発報装置４００として、例えば、パトライト（登録商標）が上部旋回体１１の上面に配置されてもよい。そうすると、周辺監視装置１００は、例えば、パトライト（登録商標）が発する警告灯によって、作業機械１０の周囲の人物や障害物に対して警告を行うことができる。また、作業機械１０のオペレータに対して、該作業機械１０への人の接近を認知させることができる。なお、発報装置４００は、例えば、パトライト（登録商標）とスピーカーとを含んでもよい。この場合、周辺監視装置１００は、警告灯と警告音によって、警告を行うことができる。

また、周辺監視装置１００は、表示装置を更に備えてもよい。ここで、表示装置は、撮影装置２００によって撮影された撮影画像データ又は／及び該撮影画像データに基づく処理により取得された所定のデータを表示可能に構成された装置である。このような表示装置は、例えば、作業機械１０の運転室内に設けられる。これにより、作業機械１０のオペレータは、該作業機械１０の車体の周辺に存在する人物や障害物を、表示装置を介して視認できるようになる。

以上に述べたように、本開示の作業機械の周辺監視装置１００は、撮影装置２００、画像処理装置３００、および発報装置４００といった簡易な構成によって実現され、これらを既存の作業機械１０に配置するだけで、作業機械１０に周辺監視装置１００を簡単に設置することができる。そのため、例えば、距離センサを複数の方向に配置する場合と比較して、周囲物体を検出するための構成を少なくでき、作業機械１０の周囲物体を検出するためのコストが抑制され得る。

次に、図１（ｃ）に基づいて、画像処理装置３００の構成要素の詳細な説明を行う。図１（ｃ）は、第１実施形態における、周辺監視装置１００に含まれる画像処理装置３００の構成要素をより詳細に示した図である。

画像処理装置３００は、機能部として記憶部３０２、制御部３０３を有しており、補助記憶装置に格納されたプログラムを主記憶装置の作業領域にロードして実行し、プログラムの実行を通じて各機能部等が制御されることによって、各機能部における所定の目的に合致した各機能を実現することができる。ただし、一部または全部の機能はＡＳＩＣやＦＰＧＡのようなハードウェア回路によって実現されてもよい。

記憶部３０２は、主記憶装置と補助記憶装置を含んで構成される。主記憶装置は、制御部３０３によって実行されるプログラムや、当該制御プログラムが利用するデータが展開されるメモリである。補助記憶装置は、制御部３０３において実行されるプログラムや、当該制御プログラムが利用するデータが記憶される装置である。

また、記憶部３０２は、後述する第２実施形態で説明する事前学習モデルを記憶してもよい。この事前学習モデルは、後述する第２実施形態における抽出処理に用いることができる。ここで、画像処理装置３００の機能がＦＰＧＡのようなハードウェア回路によって実現される場合、事前学習モデルはＦＰＧＡに内蔵されたメモリに記憶されてもよい。

制御部３０３は、画像処理装置３００が行う処理を司る機能部である。制御部３０３は、ＣＰＵなどの演算処理装置によって実現することができる。制御部３０３は、更に、取得部３０３１と、抽出処理部３０３２と、測距処理部３０３３と、発報制御処理部３０３４と、の４つの機能部を有して構成される。各機能部は、記憶されたプログラムをＣＰＵによって実行することで実現してもよい。なお、制御部３０３が、取得部３０３１、抽出処理部３０３２、測距処理部３０３３、および発報制御処理部３０３４の処理を実行することで、本開示に係るプロセッサとして機能する。そして、このプロセッサが、画像処理装置３００を構成する集積回路に実装されることで、上記機能部の処理を実行するプロセッサが作業機械１０に設置されることになる。

ここで、制御部３０３が行う処理フローについて、図２に基づいて説明する。図２は、本実施形態に係る周辺監視装置１００において、作業機械１０とその周囲の物体との接触を回避するために制御部３０３が行う処理フローを示すフローチャートである。本実施形態では、周辺監視装置１００の電源が入れられると本フローの実行が開始され、周辺監視装置１００の作動中に所定の演算周期で繰り返し実行される。

本フローでは、先ず、Ｓ１０１において、取得部３０３１が、撮影装置２００によって撮影された作業機械１０の周囲画像を表す撮影画像データを取得する。ここで、撮影装置２００および画像処理装置３００は通信部を有しており、これらの通信部が接続されることで、取得部３０３１が上記の撮影画像データを取得することが可能になる。なお、上記の通信部の接続は、無線であっても有線であっても無線と有線の組み合わせであってもよく、例えば、上記の通信部は、ビデオケーブルによって接続される。また、本実施形態では、撮影装置２００によって撮影される上記の撮影画像データがステレオ画像データである。

次に、Ｓ１０２において、撮影画像データから周囲物体の画像を抽出する抽出処理を実行する。この抽出処理では、作業機械１０の周囲に物体が存在して、その周囲物体が撮影装置２００によって撮影されている場合には、撮影画像データから周囲物体の画像を抽出することができる。なお、上記の周囲物体とは、作業機械１０の周囲に存在する人物や障害物である。また、この抽出処理の詳細について、作業機械１０の周囲に存在する人物の画像を抽出する場合は後述する第２実施形態で、作業機械１０の周囲に存在する障害物の画像を抽出する場合は後述する第１実施形態の変形例１で説明する。そして、抽出処理部３０３２は、Ｓ１０３において、Ｓ１０２で実行した抽出処理の結果に基づいて、作業機械１０の周囲に物体が存在するか否かを判別する。Ｓ１０３において肯定判定された場合、制御部３０３はＳ１０４の処理へ進み、Ｓ１０３において否定判定された場合、本フローの実行が終了される。

Ｓ１０３において肯定判定された場合、次に、Ｓ１０４において、測距処理部３０３３が、作業機械１０とその周囲の物体との距離を測定する測距処理を実行する。この測距処理では、ステレオ画像データの視差に基づいて、作業機械１０とその周囲の物体との距離が測定される。なお、この測距処理の詳細については、後述する。また、Ｓ１０４では、上記の測距処理と併せて、Ｓ１０２の抽出処理によって抽出された周囲物体の画像データの出力が実行される。このとき、表示装置には、後述するように、撮影装置２００によって撮影された撮影画像データに加えて、抽出処理によって抽出された周囲物体の画像が表示される。

次に、Ｓ１０５において、発報制御処理部３０３４は、測距処理によって測定された上記の距離が所定値以下であるか否かを判別する。ここで、上記の所定値とは、作業機械１０の作動により該作業機械１０とその周囲物体との接触が懸念される距離の値であって、例えば、作業機械１０の大きさや作動範囲に基づいて、予め定められる。そして、Ｓ１０５において肯定判定された場合、制御部３０３はＳ１０６の処理へ進み、Ｓ１０５において否定判定された場合、本フローの実行が終了される。

Ｓ１０５において肯定判定された場合、発報制御処理部３０３４は、次に、Ｓ１０６において、発報装置４００の出力を制御する。本実施形態では、発報制御処理部３０３４は、発報装置４００（例えば、パトライト（登録商標））から警告灯を出力させる。なお、発報装置４００が、例えば、パトライト（登録商標）およびスピーカーによって構成される場合には、発報制御処理部３０３４は、パトライト（登録商標）から警告灯を出力させ、スピーカーから警告音を出力させてもよい。そして、Ｓ１０６の処理の後、本フローの実行が終了される。

以上に述べた処理によれば、ステレオ画像データの視差に基づいて測定された、作業機械１０とその周囲の人物や障害物との距離に基づいて、発報装置４００から所定の発報が出力されることで、例えば、作業機械１０の周囲の人物に対して、該作業機械１０との接触を回避するための警告を行うことができる。また、作業機械１０のオペレータは、発報装置４００からの発報の出力を認知すると、作業機械１０とその周囲の人物や障害物との接触を回避するための運転動作を行うことができる。これにより、作業機械１０とその周囲の人物や障害物との接触を抑制することができる。

（測距処理）
次に、測距処理部３０３３が実行する測距処理の詳細について説明する。本実施形態の測距処理では、作業機械の周囲における同一の領域が撮影された複数のステレオ画像データに基づいて、作業機械とその周囲の物体との距離が測定される。これにより、画像処理に対する演算負荷を低減させながら、作業機械とその周囲の物体との距離を測定することができる。以下、撮影装置２００によって撮影された元画像データを縮小処理した縮小画像データの視差に基づいて、作業機械とその周囲の物体との距離が測定される例について、詳しく説明する。

図３は、本実施形態に係る測距処理において、測距処理部３０３３が行う処理フローを示す第１のフローチャートである。本フローは、上記の図２に示したＳ１０４における測距処理の内部処理として実行される。

本フローでは、先ず、Ｓ１０４０において、縮小画像データが作成される。ここで、縮小画像データとは、上述したように、撮影装置２００によって撮影された元画像データを縮小処理した画像データであって、本実施形態では、元画像データを縦横１／２のサイズに縮小したデータである。

次に、Ｓ１０４１において、Ｓ１０４０の処理で作成した縮小画像データであるステレオ画像データにおける一対の画像（第１画像および第２画像）を比較画像として、該比較画像上のブロックで対応点が探索される。ここで、上記のブロックとは、ステレオ画像データにおける所定の小領域である。そして、Ｓ１０４２において、探索された対応点でのブロックの座標のズレが、ステレオ画像データの視差として算出される。

ここで、図５は、縮小画像データと元画像データとの複数のステレオ画像データに基づく測距処理について、説明するための図である。図５に示すように、本実施形態では、元画像データと縮小画像データの２つのステレオ画像データが取得され、これらステレオ画像データにおける第１画像と第２画像とを比較することで視差が算出される。

そして、上記のＳ１０４１およびＳ１０４２の処理では、図５（ａ）に示すように、縮小画像データでの比較画像において、近距離側のブロックを起点に視差が算出される。ここで、本実施形態では、上述したように、縮小画像データは、元画像データが縦横１／２のサイズに縮小されている。この場合の縮小画像データに基づく視差の算出では、元画像データに基づく視差の算出と比較して、探索範囲を１／２とすることができる。そして、このような縮小画像データは、縦×横の面積が元画像データの１／４となる。そのため、視差を算出するための処理コストを削減することができる。また、元画像データに基づく視差の算出では、特に近距離領域において、ブロックの座標のズレ量が大きくなるため、視差を算出するための処理コストが増大してしまう。これに対して、縮小画像データに基づく視差の算出では、近距離領域においても、ブロックの座標のズレ量を比較的小さくできるため、視差を算出するための処理コストを削減することができる。このように、縮小画像データに基づく視差の算出によれば、測距処理に対する演算負荷を低減することができる。

ここで、縮小画像データでは、元画像データよりも画素数が削減されている。そのため、縮小画像データにおける遠距離側のブロックでは、算出される視差が略ゼロとなる場合が生じ得る。そうすると、作業機械とその周囲の物体との距離を算出することができなくなってしまう。そこで、本実施形態の測距処理では、縮小画像データの視差が略ゼロとなる画像領域については、元画像データの視差に基づいて、作業機械とその周囲の物体との距離が測定される。

これについて、図３に戻って、Ｓ１０４３において、Ｓ１０４２の処理で算出された縮小画像データに基づく視差が略ゼロとなるか否かが判別される。そして、Ｓ１０４３において肯定判定された場合、測距処理部３０３３はＳ１０４５の処理へ進み、Ｓ１０４３において否定判定された場合、測距処理部３０３３はＳ１０４４の処理へ進む。つまり、Ｓ１０４３において否定判定される場合（縮小画像データに基づく視差が略ゼロではないと判定される場合）には、縮小画像データの視差に基づいて作業機械１０とその周囲の物体との距離を算出することができるため、Ｓ１０４４において、縮小画像データの視差に基づく測距が実行される。なお、縮小画像データは元画像データを１／ｎ倍した画像データであるため（ｎは、測距の許容誤差に基づいて適宜設定され得る）、Ｓ１０４４の処理では、Ｓ１０４２の処理で算出された視差をｎ倍して測距が実行される。そして、Ｓ１０４４の処理の後、測距処理部３０３３はＳ１０４８の処理へ進む。

一方、Ｓ１０４３において肯定判定される場合（縮小画像データに基づく視差が略ゼロであると判定される場合）には、縮小画像データの視差に基づいて作業機械１０とその周囲の物体との距離を算出することができないため、次に、Ｓ１０４５において、元画像データが呼び出される。そして、Ｓ１０４６において、上記のＳ１０４１、Ｓ１０４２と同一探索領域で、元画像データに基づく視差が算出される。

このＳ１０４６の処理では、図５（ｂ）に示すように、縮小画像データにおいて視差が略ゼロとなる領域を元画像データにおける探索の起点として、即ち、元画像データにおいては、縮小画像データで視差が算出された領域を探索範囲外として、視差が算出される。なお、元画像データでは、ステレオカメラ２１０の仕様に応じた画素数が得られるため、縮小画像データでは視差が略ゼロとなるような遠距離領域においても、比較的精度よく視差を算出することができる。

そして、図３に戻って、Ｓ１０４７において、元画像データの視差に基づく測距が実行される。そして、このＳ１０４７の処理の後、または上記のＳ１０４４の処理の後、Ｓ１０４８において、ステレオ画像データの全領域で探索が完了したか否かが判別される。そして、Ｓ１０４８において肯定判定された場合、測距処理部３０３３はＳ１０４９の処理へ進み、Ｓ１０４８において否定判定された場合、測距処理部３０３３はＳ１０４１の処理へ戻る。

Ｓ１０４８において肯定判定された場合、次に、Ｓ１０４９において、測距データが合成される。Ｓ１０４９の処理では、上述したように、Ｓ１０４４の処理で縮小画像データの視差に基づく測距データが作成されるとともに、Ｓ１０４７の処理で元画像データの視差に基づく測距データが作成される場合に、これら測距データが合成される。そして、Ｓ１０４９の処理の後、測距処理部３０３３はＳ１０５の処理へ進む。

以上に述べた処理によれば、元画像データと縮小画像データの２つのステレオ画像データに基づいて測距処理が実行されることで、測距処理に対する演算負荷を低減させながらも、比較的精度よく作業機械とその周囲の物体との距離を算出することができる。

なお、上記では、元画像データと縮小画像データの２つのステレオ画像データに基づいて測距処理が実行される例について説明したが、縮小画像データは複数作成されてもよい。例えば、縮小画像データを２つ作成して、元画像データとこれら縮小画像データの３つのステレオ画像データに基づいて測距処理が実行されてもよい。この場合、作成される２つの縮小画像データは、近距離領域の視差算出用の画像データ（例えば、元画像データを１／４倍したもの）と、中距離領域の視差算出用の画像データ（例えば、元画像データを１／２倍したもの）として用いられ得る。

また、本実施形態では、上述したように、画像処理装置３００の機能をＦＰＧＡのようなハードウェア回路によって実現することができる。この場合、元画像データと縮小画像データとを合成して、ハードウェア回路がこの合成画像データに対して処理を実行してもよい。これについて、図４に基づいて説明する。

図４は、本実施形態に係る測距処理において、測距処理部３０３３が行う処理フローを示す第２のフローチャートである。本フローは、上記の図２に示したＳ１０４における測距処理の内部処理として実行される。なお、本フローにおいて、上述した図３に示した処理と実質的に同一の処理については、同一の符号を付してその詳細な説明を省略する。

図４に示すフローでは、Ｓ１０４０の処理の後に、Ｓ２０４０において、Ｓ１０４０の処理で作成した縮小画像データと、元画像データと、が合成される。Ｓ２０４０の処理では、合成された合成画像データにおいて縮小画像データ部分と元画像データ部分とを区別できるように、縮小画像データと元画像データとを並べて合成する。そして、Ｓ２０４０の処理の後、測距処理部３０３３はＳ１０４１の処理へ進む。

そして、Ｓ１０４１の処理の後に、Ｓ２０４２において、Ｓ２０４０の処理で合成した合成画像データにおいて視差が算出される。Ｓ２０４２の処理では、合成画像データにおける縮小画像データ部分と元画像データ部分の視差が同時に算出される。そして、次に、Ｓ２０４３において、Ｓ２０４２の処理で算出された合成画像データの視差のうち、縮小画像データ部分に基づく視差が略ゼロとなるか否かが判別される。そして、Ｓ２０４３において肯定判定された場合、測距処理部３０３３はＳ２０４７の処理へ進み、Ｓ２０４３において否定判定された場合、測距処理部３０３３はＳ２０４４の処理へ進む。

Ｓ２０４３において否定判定された場合、縮小画像データ部分の視差に基づいて作業機械１０とその周囲の物体との距離を算出することができるため、Ｓ２０４４において、縮小画像データ部分の視差に基づく測距が実行される。そして、Ｓ２０４４の処理の後、測距処理部３０３３はＳ１０４８の処理へ進む。一方、Ｓ２０４３において肯定判定された場合、縮小画像データ部分の視差に基づいて作業機械１０とその周囲の物体との距離を算出することができないため、Ｓ２０４７において、元画像データ部分の視差に基づく測距が実行される。そして、Ｓ２０４７の処理の後、測距処理部３０３３はＳ１０４８の処理へ進む。

以上に述べた処理によれば、元画像データと縮小画像データの２つのステレオ画像データに基づく測距処理を可及的速やかに実行することができる。

以上に述べたように、本実施形態では、測距処理に対する演算負荷を低減させながらも、比較的精度よく作業機械とその周囲の物体との距離を算出することができる。そして、算出した距離に基づいて発報装置４００から所定の発報が出力されることで、作業機械１０とその周囲の人物や障害物との接触を好適に抑制することができる。このように、本実施形態によれば、画像処理に対する演算負荷を低減させながら、作業機械とその周囲の人物又は障害物との接触を好適に抑制可能な周辺監視装置を提供することができる。

なお、上記の実施形態では、周辺監視装置１００が表示装置を備える構成を例にして説明したが、本開示の周辺監視装置をこれに限定する意図はない。本開示の周辺監視装置は、上述した表示装置を備えていなくてもよく、この場合でも、ステレオ画像データの視差に基づいて測定された、作業機械１０とその周囲の人物や障害物との距離に基づいて、発報制御処理が実行されることで、作業機械とその周囲の人物や障害物との接触を抑制することができる。

また、本実施形態では、発報制御処理部３０３４が、作業機械１０とその周囲の人物との距離が所定値以下となった場合に、発報装置４００から、該作業機械１０とその周囲の人物や障害物との接触を回避するための所定の回避動作を指令する信号を出力させてもよい。

この場合、発報装置４００は、上記の回避動作を指令する信号を出力可能に構成される。そして、この信号は、Controller Area Network（ＣＡＮ）等によって作業機械１０の制御コントローラに送信される。そうすると、作業機械１０は、オペレータの操作によらず自動で回避動作を行うことになる。ここで、回避動作とは、作業機械１０の作動が減速する動作や、作業機械１０の作動が停止する動作などである。これによれば、オペレータによる運転動作によらずに作業機械１０の回避動作を行うことができ、作業機械１０とその周囲の人物や障害物との接触をより好適に回避することができる。なお、発報装置４００は、電気的もしくは機械的な接点または入出力信号を出力可能に構成されてもよい。

また、発報装置４００は、このような回避動作を指令する信号を出力する機能のみを有していてもよいし、当該機能に加えて警告灯や警告音を出力する機能を有していてもよい。また、警報信号として、作業機械１０とその周囲の人物や障害物との距離が所定値以下となった旨の情報が、所定の通信手段（例えば、イーサネット）を介して所定の端末に通知されてもよい。

＜第１実施形態の変形例１＞
第１実施形態の変形例１について説明する。本変形例では、上記第１実施形態の説明で述べた抽出処理において、抽出処理部３０３２が、作業機械１０の周囲に存在する障害物の画像を抽出することで、作業機械１０の周囲の障害物を検出する。これについて、図６から図８に基づいて説明する。

（抽出処理）
本変形例において、抽出処理部３０３２が実行する抽出処理の詳細について説明する。ここで、図６は、本変形例に係る抽出処理において、抽出処理部３０３２が行う処理フローを示すフローチャートである。本フローは、上記の図２に示したＳ１０２における抽出処理の内部処理として実行される。

本フローでは、先ず、Ｓ１０２０において、周囲空間座標が取得される。ここで、周囲空間座標は、作業機械１０の周囲の路面を含んだ周囲空間の三次元座標であって、ステレオ画像データの視差に基づいて算出され得る。

次に、Ｓ１０２１において、グリッドマップが作成される。ここで、グリッドマップは、Ｓ１０２０の処理で取得した周囲空間座標において隣接する各座標点が複数纏められたグリッドがマップ化されたものである。

ここで、図７は、グリッドマップに基づく障害物検出について説明するための図である。上記のＳ１０２１の処理では、図７に示すように、予め定められた間隔でグリッドが設定される。そうすると、周囲空間座標に基づいて定義される走行路面や障害物と、グリッドマップと、が重ねられることになる。

そして、図６に戻って、Ｓ１０２２において、走行路面検出処理が実行される。ここで、走行路面は、作業機械１０の周囲の路面であって該作業機械１０が走行する路面である。Ｓ１０２２の処理では、Ｓ１０２０の処理で取得した周囲空間座標に基づいて、例えば、図７（ａ）に示すように、高さ座標がｚ０で同一となっている領域を走行路面として検出することができる。

次に、Ｓ１０２３において、障害物検出処理が実行される。Ｓ１０２３の処理では、Ｓ１０２２の処理で検出した走行路面からの高さに基づいて、作業機械１０の周囲の障害物が検出される。

ここで、従来技術に基づく障害物検出では、例えば、図７（ａ）に示すように、高さ座標がｚ１やｚ２等の物体が周囲空間座標において取得されていた場合、これら物体に対する座標値に基づいて障害物であるか否かが判定される。この場合、上述したように各座標点が複数纏められてグリッド化されることなく各座標点に基づいて演算処理が実行されるため、その演算負荷が大きくなってしまう傾向にある。

そこで、本変形例では、グリッドマップにおける各グリッドについて、該グリッドに含まれる複数の高さ座標値のうち最も高い座標値を該グリッドのグリッド高さと定義する。そして、上記の障害物検出処理において、走行路面とこのグリッド高さとを比較することで、作業機械１０の周囲の障害物を検出する。詳しくは、図７（ｂ）に示すように、高さ座標がｚ１やｚ２等の障害物を含んだグリッドが障害物グリッドとして定義されるとともに、該障害物の高さ座標値（該障害物の最も高い座標値）が障害物グリッド全体の高さ（グリッド高さ）として定義される。なお、上記の障害物が複数グリッドにまたがっている場合には、その複数グリッドが纏めて障害物グリッドとされる。

そして、このようなグリッド高さと走行路面との比較による障害物検出によれば、グリッド毎に演算処理が実行され且つ該グリッドの高さが上記のグリッド高さで代表されることになるため、即ち、隣接する各座標点が複数纏められたグリッド単位でそのグリッドが障害物として検出されるか否かが判断されることになるため、その演算負荷を低減することができる。なお、以上に述べた障害物検出処理では、走行路面とグリッド高さとの差分値（各グリッドにおける走行路面からの高さ）が所定の高さ閾値以上のグリッドが障害物（障害物グリッド）として検出される。また、上記の高さ閾値は、作業機械１０の仕様等に基づいて予め定められる。

以上に述べた処理によれば、作業機械１０の周囲の障害物を検出する際の演算負荷を低減することが可能になる。このように、本変形例によれば、画像処理に対する演算負荷を低減させながら、作業機械とその周囲の障害物との接触を好適に抑制可能な周辺監視装置を提供することができる。

なお、本変形例では、上記の走行路面検出処理において、グリッドマップにおけるグリッド高さが略同一となる複数のグリッドを纏めて走行路面として検出してもよい。ここで、図８は、グリッド単位で検出される走行路面を例示する図である。この場合、図８に示すように、例えば、グリッド高さがｚ０で同一となっている複数のグリッドを纏めて走行路面として検出することができる。これによれば、走行路面検出のための演算負荷を低減することができる。

＜第１実施形態の変形例２＞
第１実施形態の変形例２について説明する。本変形例では、撮影装置２００のステレオカメラ２１０で撮影されたステレオ画像データに基づいて、該ステレオカメラ２１０のレンズの汚れ検出処理を実行する。これについて、図９および図１０に基づいて説明する。

（レンズの汚れ検出処理）
本変形例において、画像処理装置３００の制御部３０３が実行するレンズの汚れ検出処理の詳細について説明する。ここで、図９は、本変形例に係るレンズの汚れ検出処理において、制御部３０３が行う処理フローを示すフローチャートである。

本フローでは、先ず、Ｓ２０１において、ステレオ画像データに含まれる２つの画像データについて同一の対象物が撮影された任意の画素と隣接する対象画素が、２つの画像データ夫々について選択される。そして、選択された夫々の画素について、Ｓ２０２において、輝度情報が取得される。

次に、Ｓ２０３において、ステレオ画像データに含まれる２つの画像データについて、Ｓ２０２の処理で取得された輝度情報が夫々積算される。

このように、本変形例に係るレンズの汚れ検出では、複数の画素の輝度情報の積算値に基づいて処理が実行される。そのため、次に、Ｓ２０４において、所定数以上の画素の輝度情報の積算が完了したか否かが判別される。なお、上記の所定数はステレオカメラ２１０の仕様等に基づいて予め設定され、例えば、４０×４０ｐｉｘｅｌの画素数である。そして、Ｓ２０４において肯定判定された場合、制御部３０３はＳ２０５の処理へ進み、Ｓ２０４において否定判定された場合、制御部３０３はＳ２０１の処理へ戻る。

ここで、図１０は、複数の画素の輝度情報の積算値に基づいて実行されるレンズの汚れ検出について説明するための図である。上記のＳ２０３の処理では、図１０（ａ）に示すような複数の対象画素が纏められた比較ブロックにおいて、そこに含まれる対象画素の輝度情報が積算される。そして、この比較ブロックに含まれ得る全ての画素について輝度情報の積算が完了すると（これは、Ｓ２０４において肯定判定される場合である。）、制御部３０３はＳ２０５の処理へ進む。一方、比較ブロックに含まれ得る全ての画素についての輝度情報の積算が完了していない場合には（これは、Ｓ２０４において否定判定される場合である。）、制御部３０３はＳ２０１の処理へ戻って、対象画素の選択とその輝度情報の取得を継続する。

そして、図９に戻って、Ｓ２０４において肯定判定された場合、次に、Ｓ２０５において、２つの画像データにおいて積算値が比較される。そして、Ｓ２０５の処理の後、本フローの実行が終了される。

詳しくは、図１０（ｂ）に示すように、ステレオ画像データの比較画像（第１画像および第２画像）において、各比較ブロックで輝度差が算出される。ここで、仮に、ステレオカメラ２１０のいずれかのレンズに汚れが付着していた場合、２つの画像データ間で所定値以上の輝度差が生じることになる。そこで、制御部３０３は、２つの画像データ間で所定値以上の輝度差が生じていないブロックについては汚れが付着していないと判定することができ、２つの画像データ間で所定値以上の輝度差が生じているブロックについては汚れが付着していると判定することができる。本変形例では、このようにして、ステレオカメラ２１０のレンズの汚れ検出処理が実行される。

そして、本変形例に係るレンズの汚れ検出処理によれば、複数の画素の輝度情報の積算値に基づいて処理が実行されることで、画像処理に対する演算負荷を低減させながら、ステレオカメラ２１０のレンズの汚れを好適に検出することができる。

＜第２実施形態＞
第２実施形態について説明する。本実施形態では、上記第１実施形態の説明で述べた抽出処理において、抽出処理部３０３２が、作業機械１０の周囲に存在する人物の画像を抽出することで、作業機械１０の周囲の人物を検出する。これについて、図１１から図１２に基づいて説明する。なお、上記第１実施形態では、撮影装置２００がステレオカメラ２１０を備える構成を例にして説明したが、本実施形態の撮影装置２００が備えるカメラは、ステレオカメラであってもよいし、単眼カメラであってもよいし、半天球カメラであってもよい。したがって、以下、撮影装置２００がステレオカメラを備える構成を例にして説明する。

（抽出処理）
本実施形態において、抽出処理部３０３２が実行する抽出処理の詳細について説明する。本実施形態の抽出処理では、事前学習モデルに撮影画像データが入力されることで、人物画像が抽出される。そして、事前学習モデルは、人物を表す画像を含んだデータを用いて学習を行うことにより構築される。

ここで、図１１は、本実施形態における事前学習モデルに対する入力から得られる識別結果と、該事前学習モデルを構成するニューラルネットワークを説明するための図である。本実施形態では、事前学習モデルとして、ディープラーニングにより生成されるニューラルネットワークモデルを用いる。本実施形態における事前学習モデル３０は、所定の画像データの入力を受け付ける入力層３１と、入力層３１に入力された該画像データから人物を表す特徴量を抽出する中間層（隠れ層）３２と、特徴量に基づく識別結果を出力する出力層３３とを有する。なお、図１１の例では、事前学習モデル３０は、１層の中間層３２を有しており、入力層３１の出力が中間層３２に入力され、中間層３２の出力が出力層３３に入力されている。ただし、中間層３２の数は、１層に限られなくてもよく、事前学習モデル３０は、２層以上の中間層３２を有してもよい。

また、図１１によると、各層３１～３３は、１又は複数のニューロンを備えている。例えば、入力層３１のニューロンの数は、入力される画像データに応じて設定することができる。また、出力層３３のニューロンの数は、識別結果である人物画像に応じて設定することができる。

そして、隣接する層のニューロン同士は適宜結合され、各結合には重み（結合荷重）が機械学習の結果に基づいて設定される。図１１の例では、各ニューロンは、隣接する層の全てのニューロンと結合されているが、ニューロンの結合は、このような例に限定されなくてもよく、適宜設定することができる。

このような事前学習モデル３０は、例えば、人物を表す画像を含んだ画像データと、人物を表す画像のラベルと、の組みである教師データを用いて教師あり学習を行うことで構築される。具体的には、特徴量とラベルとの組みをニューラルネットワークに与え、ニューラルネットワークの出力がラベルと同じとなるように、ニューロン同士の結合の重みがチューニングされる。このようにして、教師データの特徴を学習し、入力から結果を推定するための事前学習モデルが帰納的に獲得される。

なお、事前学習モデル３０は、教師なし学習を行うことで構築されてもよい。教師なし学習には、例えば、転移学習の一種であるドメイン適応を用いることができる。これによれば、ラベルが付された教師データを大量に用意することなく、事前学習モデルを獲得することができる。

そして、本実施形態では、上述した表示装置に、撮影装置２００によって撮影された撮影画像データに加えて、抽出処理によって抽出された人物画像が矩形とともに表示される。ここで、図１２は、表示装置に表示される撮影画像データおよび人物画像を説明するための図である。作業機械１０のオペレータは、表示装置の画面ＳＣ１を介して、該作業機械１０の周囲を視認することができる。

図１２（ａ）は、表示装置に表示された撮影画像データを示す図である。図１２（ａ）に示すように、表示装置の画面ＳＣ１には、撮影画像データＳＣ１１が表示される。そして、図１２（ｂ）は、表示装置に、撮影画像データとともに、抽出処理によって抽出された人物画像が表示される例を示す図である。図１２（ｂ）に示すように、表示装置の画面ＳＣ１には、撮影画像データＳＣ１１、および人物画像ＳＣ１２が表示される。このように、抽出処理によって抽出された人物画像ＳＣ１２は、矩形とともに表示される。これによれば、作業機械１０のオペレータは、表示装置の画面ＳＣ１に表示された人物画像ＳＣ１２を視認し易くなる。なお、上述した事前学習モデルを用いて人物画像が抽出されることで、撮影画像データからの人物画像の抽出精度、具体的には、撮影画像データＳＣ１１に含んで表示される人物画像ＳＣ１２を表す矩形の位置精度が向上する。

ここで、本実施形態の画像処理装置３００では、撮影装置２００が備えるカメラのレンズの歪み補正値を用いて、撮影画像データの歪み補正が行われる。そして、表示装置の画面ＳＣ１には、歪み補正が行われた撮影画像データＳＣ１１が表示される。また、歪み補正が行われた撮影画像データから人物画像が抽出される。そのため、事前学習モデルを構成するにあたっては、学習に用いられる人物を表す画像を含んだ画像データとして、歪み補正が行われた画像が使用される。ただし、本開示をこれに限定する意図はなく、本開示の周辺監視装置では、上記の歪み補正が実行されなくてもよい。この場合、表示装置には、歪みを含んだ撮影画像データが表示されることになるが、この歪みを含んだ撮影画像データからも精度よく人物画像を抽出することができれば、作業機械１０のオペレータは、矩形とともに表示された人物画像を視認することができる。そこで、このような場合には、事前学習モデルを構成するにあたって、学習に用いられる人物を表す画像を含んだ画像データとして、歪みを含んだ画像が使用される。そうすると、歪みを含んだ撮影画像データからも精度よく人物画像を抽出することができる。これによれば、画像処理装置３００は、撮影装置２００から取得した撮影画像データを歪み補正する必要がなく、以て、周辺監視装置における画像処理の処理負担が軽減されるため、より迅速に作業機械１０の周辺を監視することができる。

また、図１２（ｃ）は、人物画像ＳＣ１２を表す矩形のバリエーションを示す図である。図１２（ｃ）に示すように、人物画像ＳＣ１２を表す矩形は、人の全身を囲う矩形ＳＣ１２１であってもよいし、人の上半身を囲う矩形ＳＣ１２２であってもよいし、人の首上を囲う矩形ＳＣ１２３であってもよい。作業機械１０のオペレータは、いずれの矩形であっても人物画像を認知することができるが、例えば、人の全身を囲う矩形ＳＣ１２１の場合は、その人の大きさを認知し易くなる。また、例えば、撮影画像データに複数の人物画像が含まれる場合には、人の首上を囲う矩形ＳＣ１２３が用いられることで、人の数が認知され易くなる。つまり、撮影画像データに複数の人物画像が含まれる場合に、好ましくは人の首上を囲う矩形ＳＣ１２３が用いられ得る。

なお、本実施形態では、上述したように、画像処理装置３００の機能をＦＰＧＡのようなハードウェア回路によって実現することができる。この場合、事前学習モデルはＦＰＧＡに内蔵されたメモリに記憶され得る。これによれば、事前学習モデルを用いた抽出処理を可及的速やかに実行することができ、以て、より迅速に作業機械１０の周辺を監視することができる。

このように、本実施形態の抽出処理によれば、事前学習モデルを用いることで、撮影画像データから人物画像を精度よく抽出することができるとともに、抽出した人物画像を作業機械１０のオペレータに好適に視認させることができる。

なお、周辺監視装置１００の電源が入れられてから所定時間が経過するまでは、制御部３０３は抽出処理をすぐに実行することができない場合がある。このような場合、仮に、抽出処理が実行可能になるまで制御部３０３の処理が待機され、作業機械１０のオペレータが表示装置を介して周囲を視認することができないとすると、この間に作業機械１０とその周囲の人物との接触が生じ得る虞がある。

そこで、本実施形態では、周辺監視装置１００の電源が入れられてから所定時間が経過したか否かが判別され、所定時間が経過していないと判定された場合には、撮影画像データのみが表示装置に出力されてもよい。ここで、所定時間とは、例えば、抽出処理に用いられる事前学習モデルやプログラムが画像処理装置３００の作業領域にロードされるまでの時間であって、モデルの規模に応じて予め定められる。

これによれば、周辺監視装置１００の電源が入れられてから所定時間が経過するまでは、抽出処理や後述の測距処理により取得され得るデータは表示装置に出力されずに撮影画像データのみが表示装置に出力される。つまり、周辺監視装置１００の電源が入れられてから可及的速やかに作業機械１０の周囲画像が表示装置に出力されることになる。そのため、作業機械１０のオペレータは、周辺監視装置１００の電源が入れられてから可及的速やかに、表示装置を介して周囲を視認することができる。そうすると、作業機械１０とその周囲の人物との接触をより好適に回避することができる。

なお、このように撮影画像データのみが表示装置に出力される場合には、撮影画像データに含まれる人物には矩形が表示されない。そうすると、作業機械１０のオペレータは、抽出処理や後述の測距処理が未だ実行されていないことを認識できる。

（測距処理）
次に、本実施形態において、測距処理部３０３３が実行する測距処理の詳細について説明する。本実施形態の測距処理では、抽出処理によって抽出された人物画像に基づいて、作業機械１０とその周囲の人物との距離が測定される。詳しくは、測距処理部３０３３は、人物画像に対して、上記第１実施形態の説明で述べた縮小画像データの視差および元画像データの視差に基づく測距処理を実行する。そして、縮小画像データを用いても視差算出のための探索範囲が大きくなりすぎて視差を算出することができない超近距離については、撮影画像データにおける人物画像の頭の画像を取得するとともに、該頭の画像の大きさに基づいて、作業機械１０とその周囲の人物との距離を測定する。このような超近距離における頭の画像の大きさに基づく測距処理について、以下に説明する。

測距処理部３０３３は、撮影画像データにおける人物画像の頭の画像の画素数を取得する。ここで、頭の画像の画素数は、例えば、人の首上を囲う矩形の縦方向の画素数から取得することができる。そして、本開示人は、人の頭の大きさは個人差が少ないことを利用して、頭の大きさを表す上記の画素数に基づいて測距できることを見出した。そこで、測距処理部３０３３は、下記式１に基づいて、作業機械１０とその周囲の人物との距離を算出する。

Ｄ：周囲人物との距離（ｍｍ）
Ｄｒｅｆ：基準距離（ｍｍ）
Ｎｒｅｆ：基準距離での画素数（ｐｉｘｅｌ）
Ｎｈｅａｄ：頭の画像の画素数（ｐｉｘｅｌ）
なお、基準距離Ｄｒｅｆおよび該基準距離での画素数Ｎｒｅｆは、予め定められる。そして、このように予め定められた基準と、撮影画像データから取得した頭の画像の画素数Ｎｈｅａｄと、を比較することで、周囲人物との距離Ｄが算出される。

そして、本実施形態の発報制御処理では、上記の測距処理によって測定された作業機械１０とその周囲の人物との距離に基づいて発報装置４００の出力が制御されるときに、人物画像に基づく作業機械１０の周囲人物のうち所定の人物を除外して発報装置４００の出力が制御される。これについて、以下に説明する。

（発報制御処理）
本実施形態において、発報制御処理部３０３４が実行する発報制御処理の詳細について説明する。本実施形態の発報制御処理では、人物画像に基づく作業機械１０の周囲人物のうち、その人物画像を囲う検出枠の上端高さが所定の閾値以上の人物を除外したときの該周囲人物と、作業機械１０と、の距離に基づいて、発報装置４００の出力が制御される。なお、上記の人物画像を囲う検出枠は、例えば、上述した抽出処理によって抽出された人物画像を囲う矩形であって、この検出枠の上端高さは、測距処理によって取得される。

ここで、図１３は、本実施形態に係る発報制御処理において除外される人物を説明するための図である。図１３に示すように、作業機械１０の周囲には、別の作業機械が存在している。そして、この周辺作業機械には、オペレータが乗車している。そうすると、上記の抽出処理では、このオペレータも周囲人物として抽出され、更に、上記の測距処理では、このオペレータとの距離も測距されることになる。しかしながら、作業機械１０の周囲人物が周辺作業機械のオペレータである場合、該作業機械１０と該オペレータとが接触してしまう事態は生じない。そこで、本実施形態に係る発報制御処理では、このような人物を除外して発報装置４００の出力が制御される。

そして、本実施形態に係る発報制御処理において除外される人物の条件は、作業機械１０の周囲の人物のうち、その人物画像を囲う検出枠の上端高さが所定の閾値以上の人物である。図１３に示すように、周辺作業機械に乗車しているオペレータは、その存在位置が高くなっている。そこで、発報制御処理部３０３４は、人物画像に基づく作業機械１０の周囲人物のうちその検出枠の上端高さが所定の閾値以上の人物を除外して発報装置４００の出力を制御する。なお、上記の閾値は、作業機械の仕様等に基づいて予め設定される。

更に、本実施形態に係る発報制御処理において除外される人物は、上記の除外条件に加えて、撮影画像データにおいて作業機械１０とは異なる他の周辺作業機械の画像と所定割合以上で重なり合っている人物であってもよい。これによれば、除外される人物が周辺作業機械のオペレータであることをより好適に判断することができる。なお、この場合、図１３に示すように、周辺作業機械の検出枠と周囲人物の検出枠との重なりに基づいて判定され得る。

このような発報制御処理によれば、より好適に作業機械１０の周辺を監視することができる。そして、このような処理によっても、画像処理に対する演算負荷を低減させながら、作業機械とその周囲の人物との接触を好適に抑制可能な周辺監視装置を提供することができる。

＜その他の変形例＞
上記の実施形態はあくまでも一例であって、本開示はその要旨を逸脱しない範囲内で適宜変更して実施しうる。例えば、本開示において説明した処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。

上記の第１実施形態では、撮影装置２００が３つのステレオカメラ２１０を含んで構成される例を説明したが、本開示の撮影装置はこれに限定されない。例えば、本開示の撮影装置は２つのステレオカメラを含んで構成されてもよい。この場合、作業機械のオペレータが運転室内で正面を向いた方向は、オペレータが直接視認できる方向であるため、この方向に向けられたステレオカメラは省略され得る。

また、１つの装置が行うものとして説明した処理が、複数の装置によって分担して実行されてもよい。例えば、抽出処理部３０３２を画像処理装置３００とは別の集積回路に形成してもよい。このとき当該別の集積回路は画像処理装置３００と好適に協働可能に構成される。また、異なる装置が行うものとして説明した処理が、１つの装置によって実行されても構わない。集積回路において、各機能をどのようなハードウェア構成によって実現するかは柔軟に変更可能である。

本開示は、上記の実施形態で説明した機能を実装したコンピュータプログラムをコンピュータに供給し、当該コンピュータが有する１つ以上のプロセッサがプログラムを読み出して実行することによっても実現可能である。このようなコンピュータプログラムは、コンピュータのシステムバスに接続可能な非一時的なコンピュータ可読記憶媒体によってコンピュータに提供されてもよい。非一時的なコンピュータ可読記憶媒体は、例えば、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクドライブ（ＨＤＤ）等）、光ディスク（ＣＤ－ＲＯＭ、ＤＶＤディスク・ブルーレイディスク等）など任意のタイプのディスク、読み込み専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気カード、フラッシュメモリ、光学式カード、電子的命令を格納するために適した任意のタイプの媒体を含む。

１０・・・・作業機械
１００・・・周辺監視装置
２００・・・撮影装置
２１０・・・ステレオカメラ
３００・・・画像処理装置
３０３・・・制御部
４００・・・発報装置

Claims (3)

1. 作業機械に設置され、該作業機械の周囲を撮影する撮影装置と、
   前記撮影装置によって撮影された前記作業機械の周囲画像を表す撮影画像データを取得し、該撮影画像データに基づいて所定の処理を実行するプロセッサと、
   所定の警報信号又は／及び所定の発報を出力する発報装置と、
   を備え、
   前記撮影装置は、１以上のステレオカメラを含んで構成され、該撮影装置によって撮影される前記撮影画像データがステレオ画像データであって、
   前記プロセッサは、
   前記ステレオ画像データの視差に基づいて、前記作業機械とその周囲の物体との距離を測定する測距処理と、
   前記測距処理によって測定された前記作業機械とその周囲の物体との距離に基づいて、前記発報装置による前記警報信号又は／及び前記発報の出力を制御する発報制御処理と、
   を実行し、
   前記測距処理において、前記作業機械の周囲における同一の領域が撮影された複数の前記ステレオ画像データに基づいて、前記作業機械とその周囲の物体との距離を測定することと、
   前記ステレオ画像データの視差に基づいて、前記作業機械の周囲の路面を含んだ周囲空間の三次元座標である周囲空間座標を取得することと、
   前記周囲空間座標に基づいて、該周囲空間座標において隣接する各座標点が複数纏められたグリッドマップを作成することと、
   前記周囲空間座標に基づいて、前記作業機械の周囲の路面であって該作業機械が走行する走行路面を検出する走行路面検出処理と、
   前記走行路面からの高さに基づいて、前記作業機械の周囲の障害物を検出する障害物検出処理と、
   を更に実行し、
   前記グリッドマップにおける各グリッドについて、該グリッドに含まれる複数の高さ座標値のうち最も高い座標値を該グリッドのグリッド高さと定義したとき、
   前記障害物検出処理において、
   前記走行路面と前記グリッド高さとを比較することで、前記作業機械の周囲の障害物を検出し、
   前記走行路面検出処理において、
   グリッド単位で前記走行路面を検出するとき、前記グリッドマップにおける前記グリッド高さが略同一となる複数のグリッドを纏めて前記走行路面として検出する、
   作業機械の周辺監視装置。
2. 前記発報制御処理において、前記プロセッサは、
   前記作業機械とその周囲の物体との距離が所定値以下となった場合に、前記発報装置から、該作業機械とその周囲の物体との接触を回避するための所定の回避動作を指令する信号を出力させる、
   請求項１に記載の作業機械の周辺監視装置。
3. 前記プロセッサは、前記作業機械に設置された集積回路に実装される、
   請求項１又は請求項２に記載の 作業機械の周辺監視装置。

Images