JP7268471B2 - 検証方法 - Google Patents

Description

この明細書における開示は、カメラの検証方法に関する。

従来、カメラの撮像した画像から対象物を認識する画像認識技術が知られている。例えば特許文献１には、車両に搭載されたカメラの撮影した画像から、車両の走行レーンを画像認識する技術が開示されている。

特開２０１０－２５６８７８号公報

上記の画像認識技術を利用する場合には、カメラの光学特性が画像認識の精度に及ぼす影響を予め検証する必要がある。検証方法としては、検証対象のカメラで実景を撮像することでカメラの光学特性の影響を受けた撮像データを取得し、その撮像データから認識対象物を正しく画像認識できるか否かを評価することが考えられる。しかし、上記の検証方法では、世代や仕様等の変更によってカメラの光学特性が変更されると、新たに実景を撮像する必要が生じ得る。

開示される目的は、カメラの光学特性の変更に伴う実景の撮像の必要性を低減可能な検証方法を提供することである。

この明細書に開示された複数の態様は、それぞれの目的を達成するために、互いに異なる技術的手段を採用する。また、特許請求の範囲およびこの項に記載した括弧内の符号は、ひと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一例であって、技術的範囲を限定するものではない。

開示された検証方法のひとつは、コンピュータ（１００）によって実施され、検証対象カメラ（３０）を検証する検証方法であって、少なくとも１つのプロセッサ（１０１）にて実行される処理に、検証対象カメラとは異なる原画像カメラ（１０）による実景の撮像画像（Ｒｉ）から原画像カメラの光学特性を補正した原画像（Ｏｉ）を準備し（Ｓ１００）、原画像に検証対象カメラの光学特性の影響を付与した検証用画像（Ｖｉ）を準備し（Ｓ１１０）、検証対象カメラにより撮像された画像の画像認識に適用される検証対象アルゴリズムを実行して検証用画像を画像認識し（Ｓ１２０）、検証用画像の画像認識結果を評価する（Ｓ１３６）、というステップを含む。

これによれば、検証対象カメラの光学特性が変更されても、原画像に新たな光学特性の影響を付与することで検証用画像を生成できる。このため、原画像に検証対象カメラの光学特性の影響を付与した検証用画像を生成し、当該検証用画像を画像認識することで、検証対象カメラの光学特性の画像認識機能への影響を検証することができる。故に、検証対象カメラの光学特性が変更されたとしても、新たに実景を撮像する必要性が低減される。

第１実施形態に係る検証方法を提供する構成を示すブロック図である。 原画像生成処理の一例を示すフローチャートである。 検証対象カメラの検証処理の一例を示すフローチャートである。 検証方法の概要と処理された画像を示す概略図である。

（第１実施形態）
第１実施形態の検証方法について、図１～図４を参照しながら説明する。第１実施形態の検証方法は、車両に搭載される検証対象カメラ３０の画像認識の精度を、検証対象カメラ３０およびそれを含む車両システムの開発段階において検証する。検証方法は、開発者の使用するパーソナルコンピュータやワークステーション等のコンピュータである検証装置１００によって実行される。

検証対象カメラ３０は、車両の自動運転または高度運転支援に利用可能な情報を検出する自律センサとして車両に搭載されるカメラである。検証対象カメラ３０は、車両の周囲に存在する人や他車両等の移動物体、および道路設置や区画線等の静止物体を検出し、検出情報を車載ネットワークに出力する。検出情報は、自動運転または高度運転支援に必要な走行計画の算出に利用される。検出情報は、ライダ、ミリ波レーダ、ソナー等の他の自律センサの検出情報と組み合わされて利用されるものであってもよい。

検証対象カメラ３０は、車両の前方の所定範囲を撮像範囲とする。検証対象カメラ３０は、車両のフロントウインドシールド内側の、座席に着座した乗員の視界を実質妨げない箇所に装着される。検証対象カメラ３０は、レンズユニット３１と、イメージャ３２と、制御回路３３とを備えている。

レンズユニット３１は、レンズセットとレンズホルダとによって構成されている。レンズセットは、複数枚のレンズによって構成されている。レンズセットは、所期のレンズ画角、明るさ、分解能を確保するようなレンズ構成とされている。レンズホルダは、レンズセットを内部に収容する略円筒状の収容部材であり、内部に光像を導く光路空間を区画形成している。

イメージャ３２は、例えばＣＣＤまたはＣＭＯＳ等といったカラー式もしくはモノクロ式撮像素子を主体に構成されている。イメージャ３２は、所期の画素数、ダイナミックレンジ、感度を確保する構成とされている。イメージャ３２は、当該撮像素子の前側に例えばＩＲカットフィルタ等を組み合わせたものであってもよい。イメージャ３２は、全体として矩形平板状に形成されている。イメージャ３２は、レンズホルダに収容されて、光路空間内に配置されている。イメージャ３２には、レンズユニット３１内のレンズセットを通過した実景の光像が結像される。イメージャ３２は、結像された光像を受光し、そのデータを電気信号として制御回路３３に出力する。

制御回路３３は、プロセッサ３３ａ、ＲＡＭ３３ｂ、メモリ装置３３ｃおよび入出力インターフェイス３３ｄを有するマイクロコンピュータを主体として含む構成である。プロセッサ３３ａは、ＲＡＭ３３ｂと結合された演算処理のためのハードウェアである。プロセッサ３３ａは、ＲＡＭ３３ｂへのアクセスにより、後述する各機能部の機能を実現して検証方法を提供するための種々の処理を実行する。メモリ装置１０３は、不揮発性の記憶媒体を含む構成であり、プロセッサにて実行される種々のプログラムを格納している。

制御回路３３は、画像処理プログラムを実行することで、イメージャ３２から出力された信号を画像処理し、実景の画像を生成する画像処理機能を備えている。加えて制御回路３３は、イメージャ３２による撮像時の露光状態を含めたイメージャ３２の撮像作動を、制御する。例えば制御回路３３は、自車両の一部が映る画素の範囲を避けて、有効画素の範囲を設定する。制御回路３３は、設定された範囲内の有効画素の画素値に基づき、次回撮影時の露光状態を制御する。

制御回路３３は、画像に映る撮像範囲内の認識対象物を画像認識する画像認識機能を備えている。制御回路３３は、メモリ装置３３ｃの記憶領域３３１に格納された画像認識プログラムをプロセッサ３３ａにて実行することで、画像認識のための所定のアルゴリズム（検証対象アルゴリズム）を実行し、画像認識機能を実現する。

制御回路３３は、画像認識機能によって、車両の走行計画生成のために必要な物体を認識対象物として認識する。認識対象物は、例えば車両の周囲に存在する人や他車両等の移動物体、および道路設置や区画線等の静止物体等である。制御回路３３は、画像認識機能によって認識対象物の位置、形状、属性等を認識し、認識結果を車載ネットワークへ出力する。

画像認識機能の認識精度は、レンズユニット３１のレンズ特性およびイメージャ３２の特性といった、検証対象カメラ３０の光学特性に影響を受ける。例えば、実景の光像がレンズ特性によって歪んだ状態でイメージャ３２上に結像されると、画像処理機能により生成される画像も歪んだ状態となる。これにより、実景に映る物体の形状や大きさが本来のものと乖離すると、画像認識機能が認識対象物を正しく認識できない場合がある。例えば、画像に映る認識対象物自体の未認識、認識対象物の形状、属性等の誤認識、認識対象物の存在しない領域での認識対象物の誤認識等が発生し得る。また、歪みの他に、解像度、露出、ダイナミックレンジ、明暗、画角等の光学特性も、画像認識機能の認識精度に影響を与え得る。

検証装置１００は、上述した検証対象カメラ３０の光学特性による影響下で画像認識機能が認識対象物を正しく認識できているか否かを評価することで、検証対象カメラ３０の認識精度を検証する。検証に際し、検証装置１００は、原画像カメラ１０および比較用カメラ２０と通信可能に接続される。

原画像カメラ１０および比較用カメラ２０は、それぞれ検証対象カメラ３０と同様にレンズユニット１１、２１と、イメージャ１２、２２と、制御回路１３、２３とを備えている。

原画像カメラ１０は、後述の原画像Ｏｉの生成に必要な撮像画像である実景画像Ｒｉを撮像するカメラである。原画像カメラ１０のレンズユニット１１およびイメージャ１２は、検証対象カメラ３０と比較して劣化の少ない画像の撮像が可能な構成、言い換えれば高画質な撮像が可能な構成となっている。すなわち、原画像カメラ１０は、検証対象カメラ３０と比較してより実景に近い実景画像Ｒｉを生成可能である。換言すれば、原画像カメラ１０による実景画像Ｒｉは、形状、色相、明度、彩度、明るさ等の実景の情報の欠落や変形が、検証対象カメラ３０による撮像画像よりも少ない。例えば、原画像カメラ１０は、検証対象カメラ３０よりも歪みの小さい画像の撮像が可能となっている。加えて原画像カメラ１０は、検証対象カメラ３０よりも解像度が高くなるように構成されていてもよい。また、原画像カメラ１０は、検証対象カメラ３０よりもダイナミックレンジが大きくなるように構成されていてもよい。

比較用カメラ２０は、検証装置１００の生成する画像が原画像Ｏｉとして採用可能か否かの評価に必要な比較用の画像を提供するカメラである。比較用カメラ２０は、撮像される画像の劣化が検証対象カメラ３０と同程度、または劣化の大きい構成となっている。なお、比較用カメラ２０は、検証対象カメラ３０と同じものであってもよい。原画像カメラ１０および比較用カメラ２０は、それぞれ予め実際の道路を走行する車両から実景を撮像し、実景を撮像した画像を生成している。

検証装置１００は、プロセッサ１０１、ＲＡＭ１０２、メモリ装置１０３および入出力インターフェイス１０４を有する制御回路を主体に構成されている。プロセッサ１０１は、ＲＡＭ１０２と結合された演算処理のためのハードウェアである。プロセッサ１０１は、ＲＡＭ１０２へのアクセスにより、後述する各機能部の機能を実現するための種々の処理を実行する。メモリ装置１０３は、不揮発性の記憶媒体を含む構成であり、プロセッサ１０１にて実行される種々のプログラムを格納している。

検証装置１００は、メモリ装置１０３に記憶された検証プログラムをプロセッサ１０１によって実行することで、原画像生成部１１０、検証用画像生成部１２０、画像認識部１３０、および認識結果評価部１４０を機能部として実装する。

原画像生成部１１０は、原画像カメラ１０による実景画像Ｒｉを取得し、実景画像Ｒｉから原画像カメラ１０の光学特性を実質的に除去するフィルタ処理を実施する。これにより原画像生成部１１０は、原画像カメラ１０の光学特性を補正された補正画像を生成する。

原画像生成部１１０の実行するフィルタ処理は、実景画像Ｒｉの実景に対する歪みの補正処理を少なくとも含む。加えて、フィルタ処理には、解像度の復元処理、露出の復元処理、ダイナミックレンジの補正処理、明暗の補正処理、画角の補正処理等も含む。これらの各処理にて用いるパラメータは、原画像カメラ１０におけるレンズユニット１１のレンズ特性に基づいて定められる。また、レンズ特性に加えて、イメージャ１２の特性に基づいてパラメータが定められてもよい。

原画像生成部１１０は、上述のフィルタ処理によって実景画像Ｒｉから生成された補正画像を原画像Ｏｉの候補とし、原画像Ｏｉとして使用可能か否かを評価する。原画像生成部１１０は、使用可能と評価した補正画像を原画像Ｏｉとして採用し、メモリ装置１０３に確保された記憶領域１１５に記憶する。

例えば原画像生成部１１０は、比較用カメラ２０による撮像画像を用いて、補正画像が原画像Ｏｉとして使用可能か否かを評価する。詳記すると、原画像生成部１１０は、補正画像に対して比較用カメラ２０の光学特性の影響を付与した画像（以下、比較用特性画像）を生成する。加えて、原画像生成部１１０は、比較用カメラ２０によって実景を撮像した画像（以下、比較用実景画像）を取得する。

次に原画像生成部１１０は、比較用特性画像および比較用実景画像のそれぞれに対して、画像認識処理を施す。このとき原画像生成部１１０は、比較用カメラ２０に記憶されたものと同等のアルゴリズムである比較用アルゴリズムによる処理を実現するプログラムを実行することで、画像認識を実施する。原画像生成部１１０は、比較用特性画像を用いた画像認識結果と、比較用実景画像を用いた画像認識結果とが一致した場合に、補正画像を原画像Ｏｉとして採用する。すなわち、原画像生成部１１０は、他のカメラの光学特性の影響を付与しても、そのカメラで実景を撮像した場合と同等の画像認識結果を得られる画像を、原画像Ｏｉとする。

検証用画像生成部１２０は、画像処理によって、原画像Ｏｉに検証対象カメラ３０の光学特性の影響を付与した検証用画像Ｖｉを生成する。検証用画像Ｖｉの生成において検証用画像生成部１２０は、予めメモリ装置１０３の記憶領域１２５に記憶された検証対象カメラ３０の光学特性に関するデータを利用する。付与される光学特性の影響には、例えばレンズによる画像の歪み、解像度の劣化、露出の変化、ダイナミックレンジの変化、明暗の変化、画角の変化等を含む。なお、検証用画像生成部１２０は、レンズ特性の影響に加えて、イメージャ３２の特性の影響を付与してもよい。

画像認識部１３０は、予めメモリ装置１０３に記憶された画像認識プログラムを実行することで、検証用画像Ｖｉの画像認識を実施する。この画像認識プログラムは、検証対象カメラ３０にて実行されるものと同等のアルゴリズム、すなわち検証対象アルゴリズムによる処理を実現するプログラムであり、メモリ装置１０３の記憶領域１３５に格納されている。画像認識部１３０は、この画像認識プログラムの実行により、検証対象カメラ３０により撮像された画像の画像認識に適用される検証対象アルゴリズムを実行し、検証対象カメラ３０にて行われる画像認識処理を再現可能となっている。画像認識部１３０は、画像認識結果を認識結果評価部１４０に提供する。

認識結果評価部１４０は、検証用画像Ｖｉの画像認識結果を評価する。認識結果評価部１４０は、認識対象物を認識できているか否かと、認識対象物ではないものを認識対象物として誤認識していないかとを評価する。認識結果評価部１４０は、リファレンスデータおよび他センサデータを用いて評価を行う。

リファレンスデータは、認識対象物の原画像Ｏｉ中の位置、形状、属性等の正解情報を含むデータである。リファレンスデータは、原画像Ｏｉと紐づけられている。リファレンスデータは、例えば原画像Ｏｉから作業者が認識対象物を判別し、正解情報を入力することで生成される。リファレンスデータは、メモリ装置１０３に確保された記憶領域１４５に予め格納されている。

他センサデータは、ライダ、ミリ波レーダ等の、カメラ以外の自律センサによる認識対象物の認識結果を含むデータである。他センサデータは、原画像カメラ１０を搭載した車両における実景画像Ｒｉの撮影走行時に、他の自律センサによって並行して取得される。他センサデータは、メモリ装置１０３に確保された記憶領域１４６に予め格納されている。

認識結果評価部１４０は、リファレンスデータの認識対象物に関する正解情報と、画像認識部１３０にて認識された認識対象物に関する情報との一致度を評価する。詳記すると、認識結果評価部１４０は、検証対象カメラ３０の光学特性の影響を付与した特性付リファレンスデータをまず生成し、この特性付リファレンスデータに含まれる正解情報との一致度を検証対象カメラ３０による認識対象物の認識率として出力する。

認識結果評価部１４０は、他センサデータにおいて認識対象物として認識されていないものが画像認識部１３０にて認識対象物として認識されている誤認識率を評価する。認識結果評価部１４０は、例えば認識率および誤認識率を、検証装置１００のディスプレイに評価結果として表示する。これにより、検証装置１００は、車両システムに採用可能な光学特性を検証対象カメラ３０が備えているのか否かを、開発者から判断可能な状態とする。

次に、検証装置１００の実行する検証処理の一例について、図２および図３に示すフローチャートに基づき説明する。図２は、検証処理のうちの原画像Ｏｉの生成処理を示している。図２の処理は、例えば開発者の操作入力が行われた場合に開始される。

まず検証装置１００は、ステップＳ１０にて、実景画像Ｒｉを取得してステップＳ２０へと進む。ステップＳ２０では、原画像カメラ１０による実景画像Ｒｉから、原画像カメラ１０の光学特性を補正した補正画像を生成する。

次にステップＳ３０では、補正画像から特定シーン画像を抽出する。特定シーン画像は、補正画像の評価に適した特定シーンが撮像された画像である。特定シーンは、例えば写っている認識対象物の数や種類の多さ等に基づき決定される。特定シーン画像を抽出するとステップＳ４０へと進む。

ステップＳ４０では、画像処理により特定シーン画像に比較用カメラ２０の光学特性の影響を付与し、比較用特性画像を生成してステップＳ５０へと進む。ステップＳ５０では、比較用特性画像を画像認識処理し、比較用特性画像から認識対象物を抽出する。

次にステップＳ６０にて、比較用カメラ２０で特定シーンを撮像した比較用実景画像を画像認識処理して認識対象物を抽出する。比較用実景画像は、例えば予め撮像されて比較用カメラ２０から検証装置１００のメモリ装置１０３へと転送されたものである。なお、ステップＳ６０の代わりに、予め記憶された比較用実景画像の画像認識結果を読み出してもよい。

次にステップＳ７０にて、比較用特性画像の画像認識結果と、比較用実景画像の画像認識結果とが一致するか否かを判定する。すなわち、比較用特性画像から抽出された認識対象物の位置、形状、属性等が、比較用実景画像から抽出された認識対象物の位置、形状、属性等と一致するか否かを判定する。ステップＳ７０では、例えば２つの画像認識結果の一致率を数値化し、その値が予め設定された閾値を上回る場合に、画像認識結果が一致したと判定する。

画像認識結果が一致しないと判定した場合には、原画像カメラ１０の光学特性を十分に補正できておらず、画像認識結果へ影響を与えているため、ステップＳ８０へと進む。ステップＳ８０では、補正画像の生成に使用したフィルタのパラメータを変更し、ステップＳ２０へと戻る。これにより、ステップＳ２０にて異なるフィルタによる補正画像を再度生成し、一連の処理を繰り返す。

一方で、ステップＳ７０にて画像認識結果が一致すると判定した場合には、ステップＳ９０へと進む。ステップＳ９０では、比較用特性画像の生成に使用した補正画像を原画像Ｏｉとして採用し、メモリ装置１０３に保存したのち、一連の処理を終了する。

図３は、検証処理のうち原画像Ｏｉの生成処理の後に実行される処理を示す。一連の処理は、開発者の操作入力に基づいて開始されてもよく、原画像Ｏｉの生成処理に続いて自動的に開始されてもよい。

まず検証装置１００は、ステップＳ１００にて、記憶領域１１５に保存された原画像ＯｉをＲＡＭ１０２に読み出すことで、原画像Ｏｉを準備する。次にステップＳ１１０にて、記憶された原画像Ｏｉおよび検証対象カメラ３０の光学特性のデータに基づき、検証対象カメラ３０の光学特性の影響を付与した検証用画像Ｖｉを生成する。検証対象カメラ３０は原画像カメラ１０よりも画像の劣化が大きいため、この検証対象カメラ３０の光学特性の影響が付与された検証用画像Ｖｉも、原画像Ｏｉより劣化の大きいものとなる（図４参照）。原画像次にステップＳ１２０にて、検証対象カメラ３０にて行われるものと同等の画像認識処理を、検証用画像Ｖｉに対して実行する。

次にステップＳ１３０にて、リファレンスデータをメモリ装置１０３から読み出すことで準備し、ステップＳ１３２へと進む。ステップＳ１３２では、リファレンスデータに対して、記憶領域１２５から読み出した検証対象カメラ３０の光学特性の影響を付与した特性付リファレンスデータを生成する。具体的には、リファレンスデータに含まれる原画像Ｏｉ中の認識対象物の位置、形状などに関する正解情報を、光学特性がもたらす原画像Ｏｉの歪み等に応じて、検証用画像Ｖｉ中の認識対象物に関する正解情報に変換する。次にステップＳ１３４では、他センサデータを記憶領域１４６から読み出すことで取得する。

次にステップＳ１３６にて、特性付リファレンスデータおよび他センサデータを利用して検証用画像Ｖｉの画像認識結果を評価する。ステップＳ１３６では、検証用画像Ｖｉに映る認識対象物の認識率および誤認識率が、画像認識結果として評価される。次にステップＳ１４０にて、ステップＳ１３６での評価結果をディスプレイ等に出力する。ステップＳ１４０の処理を実行すると、一連の処理を終了する。

次に第１実施形態の検証方法のもたらす作用効果について説明する。

第１実施形態の検証方法では、原画像Ｏｉに検証対象カメラ３０の光学特性の影響を付与した検証用画像Ｖｉが生成されて画像認識部１３０にて画像認識処理され、その画像認識結果が評価される。これによれば、検証対象カメラ３０の光学特性が変更されても、原画像Ｏｉに新たな光学特性の影響を付与することで検証用画像Ｖｉを生成できる。故に、検証対象カメラ３０により新たに実景を撮像する必要性が低減される。以上により、検証対象カメラ３０の光学特性の変更によって検証のための時間やコスト等が増大することを抑制可能な検証方法が提供される。

また、第１実施形態の検証方法では、検証対象カメラ３０の光学特性の影響が、検証用画像Ｖｉに対して画像処理により付与される。これによれば、検証対象カメラ３０により原画像Ｏｉを撮像する場合等と比較して、検証用画像Ｖｉは、検証対象カメラ３０の光学特性以外の影響を受けづらくなる。したがって、検証対象カメラ３０の光学特性以外の要因の、画像認識結果の評価への影響が、抑制され得る。

加えて第１実施形態の原画像カメラ１０は、検証対象カメラ３０よりも撮像画像の劣化が少ない。このため、原画像カメラ１０の光学特性を補正した原画像Ｏｉの生成がより容易になる。

第１実施形態の検証装置１００は、原画像Ｏｉから予め認識対象物を抽出したリファレンスデータを準備し、リファレンスデータに検証対象カメラ３０の光学特性の影響を付与したデータを生成する。検証装置１００は、このデータに基づき画像認識結果を評価する。これによれば、検証装置１００は、検証対象カメラ３０の光学特性が変更された場合であっても、リファレンスデータに新たな光学特性の影響を付与することで、画像認識結果の評価が可能となる。したがって、検証対象カメラ３０の光学特性が変更されても、新たなリファレンスデータを生成し直す必要性が低減される。

また、第１実施形態の検証装置１００は、実景画像Ｒｉから原画像Ｏｉの候補となる補正画像を生成し、比較用カメラ２０の光学特性を補正画像に付与した比較用特性画像を生成する。検証装置１００は、比較用特性画像と、比較用カメラ２０による比較用実景画像とを画像認識する。検証装置１００は、この画像認識結果同士が一致するか否か判定し、一致すると判定した場合に、補正画像を原画像Ｏｉとして採用する。

これによれば、検証装置１００は、比較用特性画像と比較用実景画像の画像認識結果を比較することにより、原画像カメラ１０の光学特性が画像認識結果に影響を与えない程度に補正されているか否かを判定できる。したがって、検証装置１００は、原画像Ｏｉに残留する原画像カメラ１０の光学特性が検証対象カメラ３０の検証に影響を与えることを抑制できる。

（他の実施形態）
この明細書における開示は、例示された実施形態に制限されない。開示は、例示された実施形態と、それらに基づく当業者による変形態様を包含する。例えば、開示は、実施形態において示された部品および／または要素の組み合わせに限定されない。開示は、多様な組み合わせによって実施可能である。開示は、実施形態に追加可能な追加的な部分をもつことができる。開示は、実施形態の部品および／または要素が省略されたものを包含する。開示は、ひとつの実施形態と他の実施形態との間における部品および／または要素の置き換え、または組み合わせを包含する。開示される技術的範囲は、実施形態の記載に限定されない。開示されるいくつかの技術的範囲は、特許請求の範囲の記載によって示され、さらに特許請求の範囲の記載と均等の意味及び範囲内での全ての変更を含むものと解されるべきである。

上述の実施形態において、検証対象カメラ３０は、画像認識機能を備える構成であるとした。これに代えて、検証対象カメラ３０は、画像認識機能を備えず、撮像データを車載ＥＣＵ等の画像認識機能を備える他の制御装置に出力する構成であってもよい。このような検証対象カメラ３０を検証する場合、検証装置１００は、撮像データの画像認識をする制御装置の画像認識プログラムを利用して検証用画像Ｖｉの画像認識を行えばよい。

上述の実施形態において、検証装置１００は、メモリ装置１０３に予め記憶された画像認識プログラムによって、画像認識処理を実行するとした。これに代えて、検証装置１００は、検証対象カメラ３０の制御回路３３に対して検証用画像Ｖｉを出力し、制御回路３３での画像認識結果を取得する構成であってもよい。

上述の実施形態において、検証装置１００は、原画像カメラ１０の撮像した実景画像Ｒｉから原画像Ｏｉを生成するとしたが、これに代えて、他の装置にて生成された原画像Ｏｉを取得する構成であってもよい。例えば、検証装置１００は、他の事業者から配信される原画像Ｏｉを取得してもよい。

上述の実施形態において、検証装置１００は、画像処理によって原画像Ｏｉに検証対象カメラ３０の光学特性の影響を付与することで、検証用画像Ｖｉを生成するとした。これに代えて、検証装置１００は、検証対象カメラ３０から原画像Ｏｉの撮像データを検証用画像Ｖｉとして取得する構成であってもよい。この場合、検証対象カメラ３０は、スクリーン等に投影された原画像Ｏｉを撮像することで、その撮像データを取得する構成とすればよい。

上述の実施形態のプロセッサは、１つまたは複数のＣＰＵ（Central Processing Unit）を含む処理部である。こうしたプロセッサは、ＣＰＵに加えて、ＧＰＵ（Graphics Processing Unit）およびＤＦＰ（Data Flow Processor）等を含む処理部であってよい。さらにプロセッサは、ＦＰＧＡ（Field-Programmable Gate Array）、並びにＡＩの学習および推論等の特定処理に特化したＩＰコア等を含む処理部であってもよい。こうしたプロセッサの各演算回路部は、プリント基板に個別に実装された構成であってもよく、またはＡＳＩＣ（Application Specific Integrated Circuit）およびＦＰＧＡ等に実装された構成であってもよい。

各プログラムを記憶するメモリ装置には、フラッシュメモリおよびハードディスク等の種々の非遷移的実体的記憶媒体（non-transitory tangible storage medium）が採用可能である。こうした記憶媒体の形態も、適宜変更されてよい。例えば記憶媒体は、メモリカード等の形態であり、検証装置１００に設けられたスロット部に挿入されて、制御回路に電気的に接続される構成であってよい。

本開示に記載の制御回路およびその手法は、コンピュータプログラムにより具体化された１つ乃至は複数の機能を実行するようにプログラムされたプロセッサを構成する専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の装置およびその手法は、専用ハードウェア論理回路により、実現されてもよい。もしくは、本開示に記載の装置およびその手法は、コンピュータプログラムを実行するプロセッサと１つ以上のハードウェア論理回路との組み合わせにより構成された１つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。

１０ 原画像カメラ、 ２０ 比較用カメラ、 ３０ 検証対象カメラ、 １００ 検証装置（コンピュータ）、 １０１ プロセッサ、 １１０ 原画像生成部、 １３０ 画像認識部、 Ｒｉ 実景画像（撮像画像）、 Ｏｉ 原画像、 Ｖｉ 検証用画像。

Claims (5)

1. コンピュータ（１００）によって実施され、検証対象カメラ（３０）を検証する検証方法であって、
   少なくとも１つのプロセッサ（１０１）にて実行される処理に、
   前記検証対象カメラとは異なる原画像カメラ（１０）による実景の撮像画像（Ｒｉ）から前記原画像カメラの光学特性を補正した原画像（Ｏｉ）を準備し（Ｓ１００）、
   前記原画像に前記検証対象カメラの光学特性の影響を付与した検証用画像（Ｖｉ）を準備し（Ｓ１１０）、
   前記検証対象カメラにより撮像された画像の画像認識に適用される検証対象アルゴリズムを実行して前記検証用画像を画像認識し（Ｓ１２０）、
   前記検証用画像の画像認識結果を評価する（Ｓ１３６）、
   というステップを含む検証方法。
2. 前記検証用画像を取得するステップでは、
   前記検証対象カメラの光学特性の影響を、画像処理により付与する請求項１に記載の検証方法。
3. 前記原画像カメラによる前記撮像画像から前記原画像の候補となる補正画像を生成し（Ｓ２０）、
   前記原画像カメラとは異なる比較用カメラ（２０）の光学特性を前記補正画像に付与した比較用特性画像を生成し（Ｓ４０）、
   前記比較用カメラにより撮像された画像の画像認識に適用される比較用アルゴリズムを実行して前記比較用特性画像を画像認識し（Ｓ５０）、
   前記比較用カメラにより実景を撮像した比較用実景画像を前記比較用アルゴリズムの実行により画像認識し（Ｓ６０）、
   前記比較用特性画像の画像認識結果と、前記比較用実景画像の画像認識結果とが一致するか否かを判定し（Ｓ７０）、
   画像認識結果同士が一致すると判定した場合には、前記補正画像を前記原画像として採用する（Ｓ９０）、
   というステップをさらに含む請求項１または請求項２に記載の検証方法。
4. 前記原画像を準備するステップでは、
   前記検証対象カメラによる前記撮像画像よりも劣化の少ない前記原画像カメラによる前記撮像画像から生成された前記原画像を取得する請求項１から請求項３のいずれか１項に記載の検証方法。
5. 前記原画像から予め認識対象物を抽出したリファレンスデータを準備し（Ｓ１３０）、
   前記リファレンスデータに前記検証対象カメラの光学特性の影響を付与した特性付リファレンスデータを生成する（Ｓ１３２）、
   というステップをさらに含み、
   画像認識結果を評価するステップでは、
   前記特性付リファレンスデータに基づいて画像認識結果を評価する請求項１から請求項４のいずれか１項に記載の検証方法。

Images