JP7305509B2 - 情報処理装置、その制御方法、プログラム、及び記憶媒体 - Google Patents

Description

本発明は、構造物を撮影した画像から構造物に生じている変状を検出する技術に関する。

インフラ構造物の維持管理の必要性から、近年、インフラ構造物の経年変化を検査する技術が求められている。インフラ構造物の継続的な維持管理においては、ひび割れ等の変状箇所の特定や記録、観察が重要である。

特許文献１では、ひび割れの等の変状箇所の特定や記録を省力化する方法が提案されている。その方法とは、インフラ構造物を撮影し、撮影した画像に対して、ニューラルネットの動作式を用いてニューラル収束演算を実行する。さらにひび割れ候補画像を生成するひび割れ収束部と備え、前記ひび割れ収束部で発火したニューロンの対応画素をひび割れの候補とするアルゴリズムが提案されている。

特許第５３８４４２９号公報

特許文献１のようにインフラ構造物を撮影した画像から変状箇所を検知する手法は、画像に生じるボケ、ブレ、ノイズなどの影響を受けやすい。また、人の目には十分に鮮明に見える画像であっても、機械的に行われる変状箇所の検知処理に十分な特徴量が得られるとは限らない。画像中から変状の特徴が十分に得られなければ、検知処理の精度が低下する場合もある。画像に生じるボケ、ブレ、ノイズの発生は、撮影時に撮像装置に設定されたＦ値、シャッタースピード、ＩＳＯ感度などの撮影パラメータが適切でない場合には顕著に現れる。しかしながら従来、撮影の時点で、これらの撮影パラメータを後段の変状検知処理に適切な値に設定するのは容易ではなかった。

本発明は上記の課題に鑑みてなされたものであり、構造物の変状を検知する処理に用いる画像の撮影時に、撮像装置に設定するのに適した撮影パラメータを効率的に特定することを目的とする。

以上の課題を解決するために、本発明の情報処理装置は、撮影パラメータの複数の候補のうち各撮影パラメータが設定された状態の撮像装置により構造物の少なくとも一部の撮像を少なくとも１回ずつ行うことで得られた複数の画像を取得する取得手段と、前記複数の画像を解析することにより、前記画像から前記構造物の表面に生じている変状を検知する検知手段と、前記複数の画像のそれぞれに対する前記検知手段による検知結果の量の比較に基づいて特定される、前記撮影パラメータの複数の候補の一部の撮影パラメータを出力する出力制御手段とを備える。

本発明によれば、構造物の変状を検知する処理に用いる画像の撮影時に、撮像装置に設定するのに適した撮影パラメータを効率的に特定できる。

情報処理装置１００を含む撮影システムの構成の一例を表す図。 情報処理装置１００のハードウェア構成、及び機能構成の一例を表す図。 情報処理装置１００が実行する処理の一例を表すフローチャート。 情報処理装置１００に記憶されるテーブルの一例を表す図。 コンクリートの表面を撮影した画像と変状検知結果の一例を表す図。 情報処理装置１００に記憶されるテーブルの一例を表す図。 コンクリートの表面を撮影した画像と変状検知結果の一例を表す図。 情報処理装置１００に記憶されるテーブルの一例を表す図。

以下、本発明に係る実施例の情報処理を、図面を参照して詳細に説明する。なお、実施例に記載する構成は例示であり、本発明の範囲をそれらの構成に限定する趣旨のものではない。

＜第１の実施形態＞
第１の実施形態として電子雲台に設置されたデジタルカメラを制御し構造物の撮影を行う撮像装置を支援する撮影支援システムを説明する。図１は、情報処理装置１００を含む撮影システムの構成の一例を表す図である。図１において、撮像装置１０１は、雲台装置１０２に設置され、三脚１０３によって固定されている。駆動ユニット１０４および駆動ユニット１０５は、それぞれが雲台装置をパン方向とチルト方向に駆動させる。通信ケーブル１０７によって、撮像装置１０１は、雲台装置１０２に接続される。情報処理装置１００は、撮影システムの制御装置であって、ディスプレイと入力装置（キーボード及びポインティングデバイス）を備える。本実施形態ではラップトップ型のコンピュータを想定するが、タッチパネルディスプレイを備えるタブレットＰＣ等でもよい。また、本実施形態では、情報処理装置１００と雲台装置１０２は通信ケーブル１０７によって接続されるものとするが、両者の接続は無線ネットワークによるものであっても構わない。また、図１のシステムは、撮像装置１０１であるデジタルカメラを情報処理装置１００に接続した形態としているが、撮像装置１０１と情報処理装置１００は一体化していても構わない。例えば後述する情報処理装置１００の動作を一機能として搭載するデジタルカメラによっても、本実施形態は実現される。

図２（ａ）は、本実施形態に係る撮影支援装置として動作する情報処理装置１００のハードウェア構成図である。ＣＰＵ２０１は、情報処理装置１００が備える各機能を実行、制御する。ＲＡＭ２０２は、外部装置などから供給されるプログラムやデータを一時記憶する。ＲＯＭ２０３は、変更を必要としないプログラムや各種パラメータを格納する。表示装置２０７はＣＰＵ２０１で描画されたグラフィックスを表示する。補助記憶装置２０４は、各種情報を記憶するものであり、ハードディスクドライブ等で構成される。ただし、ネットワークを介して接続された外部装置としてもよい。入出力インタフェース２０５は、外部の機器とデータの送受信を行う。本実施形態は、情報処理装置１００が、有線接続された雲台装置１０２及び撮像装置１０１とやり取りするための各種情報及び制御信号を送受信する。入出力バス２０８は、上述した各モジュール間を接続するアドレスバス、データバス、及び制御バスである。通信インタフェース２０６は、ネットワークに接続するための装置であり、ネットワークを介して外部の機器とデータの送受信を行う。バス２０８は、システムバスであり、ＣＰＵ２０１、ＲＡＭ２０２、ＲＯＭ２０３、補助記憶装置２０４、入出力インタフェース２０５、通信インタフェース２０６、表示装置２０７、入力コントローラ２０９を接続する。入力コントローラ２０９は、後述する入力装置２１０からの入力信号を制御する。入力装置２１０は、ユーザからの操作指示を受け付けるための外部入力装置であり、例えば、キーボード、マウスなどである。

図２（ｂ）は、情報処理装置１００のソフトウェアの構成を示すブロック図の一例である。これらの各機能部は、ＣＰＵ２０１が、ＲＯＭ２０３に格納されたプログラムをＲＡＭ２０２に展開し、後述する各フローチャートに従った処理を実行することで実現されている。そして、各処理の実行結果をＲＡＭ２０２に保持する。また例えば、ＣＰＵ２０１を用いたソフトウェア処理の代替としてハードウェアを構成する場合には、ここで説明する各機能部の処理に対応させた演算部や回路を構成すればよい。

撮影制御部２１１は、撮像装置１０１及び雲台装置１０２を制御して撮影を実行させる。本実施形態では、記憶部２１２に記憶されている撮影パラメータの複数の候補の情報を読み出し、撮像装置１０１に候補のそれぞれを設定した状態での撮影を指示する。ここで撮影パラメータとは、Ｆ値、シャッタースピード、デジタルゲイン、ＩＳＯ感度である。ただし、この４種は一例として挙げるものであり、このうちの一部またはその組み合わせを撮影パラメータとして扱ってもよく、また例えば、ノイズ低減処理の強弱やエッジ強調の強弱の設定も撮影パラメータの一種として扱ってもよい。

取得部２１３は、撮像装置１０１から、撮影された複数の画像を取得する。本実施形態では、画像に付与されたメタデータを解析し、撮影時に設定されていた撮影パラメータごとに画像を区別して取得する。例えば、補助記憶装置２０４においてフォルダを分けて記憶する。検知部２１４は、撮像装置によって撮影された画像を解析し、所定の変状を検知する処理を行う。本実施形態では、所定の変状として、コンクリートの表面に生じているひび割れを扱う。評価部２１５は、検知部２１４による変状の検知結果の量を評価する。本実施形態では、ひび割れの単位面積当たりの長さの合計を評価値として取得する。特定部２１６は、評価部２１５による評価結果に基づいて、撮影パラメータの複数の候補のうち、一部を特定する。本実施形態では、撮影パラメータを１つ特定する。特定される撮影パラメータは、被写体の構造物に対してひび割れ検知処理を行うにあたり、候補の中では最も適切な結果が得られると推定される撮影パラメータである。出力制御部２１７は、特定された撮影パラメータを、ユーザ（撮影者）に通知するため、ディスプレイ１０６に表示するための制御を行う。また例えば、特定された撮影パラメータを撮影制御部２１１に通知し、撮像装置１０１に撮影パラメータを設定してもよい。

次に、上述した機能部によって実行される具体的な処理を説明する。図３は、本実施形態における情報処理装置のメイン処理の流れを表すフローチャートである。以下、各工程（ステップ）は、それら符号の先頭にはＳを付与して説明することとする。本実施形態では、情報処理装置１００と撮像装置１０１とが接続され、いずれかの装置から、撮影パラメータを特定する機能が起動されるのに応じて、図３のフローチャートの処理が開始される。

Ｓ３０１において、撮影制御部２１１は、記憶部２１２から撮像装置１０１に設定可能な撮影パラメータを読み出す。本実施形態では、撮影パラメータはＦ値、シャッタースピード、デジタルゲイン、ＩＳＯ感度の組合せである。ここで図４（ａ）のテーブル４００は、記憶部２１２に記憶されている情報の一例を表す。テーブル４００のレコードのそれぞれには、撮像装置１０１に設定可能な撮影パラメータの組合せが保持されている。以下、単に「撮影パラメータ」と言う場合にも、複数の撮影パラメータが組み合わされた状態を含む。「識別番号」の項目には、設定を一意に特定可能な番号が格納される。それぞれの識別番号に対して、撮像装置１０１に設定可能な撮影パラメータである「Ｆ値」、「シャッタースピード」、「デジタルゲイン」、「ＩＳＯ感度」の値の組合せが各レコードとして格納されている。また、本実施形態では、後述する処理により、各レコードに対して付与される「評価値」をテーブル４００に格納する。「評価値」の項目には、評価値が付与されるまでは初期値としてＮＵＬＬが格納されている。評価値の詳細は後述する。Ｓ３０１において、撮影制御部２１１は、テーブル４００から１レコードを読み出す。

なおテーブル４００に保持される撮影パラメータは、撮像装置１０１に任意に設定される設定事項（設定項目）であれば、Ｆ値、シャッタースピード、デジタルゲイン、ＩＳＯ感度の撮影パラメータに限らない。例えば、ノイズ除去の強弱などを追加してもよい。なお本実施形態では、図４（ａ）のテーブル４００には、予め定義された撮影パラメータの組合せが所定の数だけ保持されるものとしたが、テーブル４００のレコードの数は限定されない。例えば、Ｆ値、シャッタースピード、デジタルゲイン、ＩＳＯ感度の取りうる設定の全ての組み合わせをテーブル４００のレコードとしてもよい。また、確率的に、高い評価値が算出される傾向にあるレコードを厳選してもよい。

Ｓ３０２において、撮影制御部２１１は、テーブル４００から読み出した撮影パラメータを、撮像装置１０１に出力して設定し、撮影を実行させる。このとき、撮影パラメータの候補を比較しやすいように、各候補の撮影パラメータが設定された状態の撮像装置１０１は、雲台装置１０２の角度等が一定に揃った条件下での撮影を行うように、必要に応じて雲台装置１０２等も制御される。本実施形態では、異なる撮影パラメータが設定される度に、被写体となる構造物の表面（例えばコンクリートの表面）の同じ一部分が撮影されるように制御される。なお、１レコードに対応する撮影パラメータが設定された状態で撮影される画像は、１枚でもよいが、雲台装置１０２を使って任意の範囲をパノラマ撮影するための複数枚の画像でもよい。つまり、各撮影パラメータが設定された状態で少なくとも１回ずつ撮影が行われればよい。Ｓ３０３では、取得部２１３が、撮像装置１０１から、撮影された画像群を取得する。本実施形態では、画像に付与されたメタデータを解析し、撮影時に設定されていた撮影パラメータごとに区別して補助記憶装置２０４に記憶する。

Ｓ３０４において、検知部２１４は、撮像装置１０１から取得された画像から、構造物の表面に生じている変状を検知する処理を行う。本実施形態の場合は、コンクリートの表面のひび割れを検知し、ひび割れを表す形状データを生成する。また、撮影パラメータの複数の候補のそれぞれについて、検知結果のひび割れ形状データを生成する。ここで、図５を参照して、本実施形態において検知部２１４によって実行される変状検知処理の具体例を説明する。画像５０１は、撮像装置１０１で撮影された画像の一例である。本実施形態では、点検作業の対象となる構造物の一部を、異なる撮影パラメータを使って複数回撮影して得た複数の画像を使って撮影パラメータを評価する。画像５０１はそのうちの１枚である。画像５０１の全体には、コンクリート壁面が撮像されており、壁面の表面に生じているひび割れ５０２、ひび割れ５０３が写っている。なお、画像５０１に映るコンクリート壁面は、壁５１０を、撮影システム５１１を使って撮影した、一部分５１２に相当する。検知部２１４は、画像５０１を対象に変状検知処理を実行する。図５において、破線５０４、５０５、５０６は、検知部２１４によって検知されたひび割れを表す形状データが、画像５０１に重畳された状態を表す。ただし、図面で重畳関係を表す都合により、実際のひび割れとは位置をずらした位置に破線を配置している。なお破線は、図面において実線および点線と区別するために用いた表現方法であり、ひび割れ検知結果が途切れているのではない。

なお、本実施形態において、検知部２１４は、機械学習された学習済みモデルを用いる。学習済みモデルは、構造物を撮影した画像を入力データ、人によってひび割れであることが確認された画素を出力データとし、これらの複数個の組を学習データとして機械学習することによって知識を獲得することで生成される。この際、検知結果を観察者が修正したデータを教師データとして再学習してもよい。学習済みモデルは、例えばニューラルネットワークモデルで構成可能である。本実施形態では、ニューラルネットワークによりひび割れを検知する。ニューラルネットワークの入力は、２５画素×２５画素×ＲＧＢである。出力は１つであり、２５画素×２５画素の中央の画素のひび割れの尤度を表す値を出力する。出力する値の範囲は、１、０～０である。ニューラルネットワークは公知の技術であるため詳細な説明は省略する。検知部２１４は、検知結果として、画像５０１に対して、スライディングウィンドウ法により、画像５０１のピクセル毎のひび割れの尤度を出力する。最後に尤度を閾値によりひび割れと推測する画素とそうでない画素に分別する。閾値は、画像の２値化の手法として一般的な大津の手法で決定する。大津の手法は一般的な手法であるため説明を省略する。本実施形態では、ピクセル毎にひび割れ検知を行っているため、ひび割れの検知結果は、画像として保持する。一般的にひび割れ検知においては、誤検知（実際には存在しないひび割れを検知すること）や未検知（実際には存在するひび割れを検知しないこと）が存在しないひび割れ検知は困難である。そのため、検知部２１４においても、破線５０６のような誤検知や、ひび割れ５０３の一部５０７に対するひび割れ検知結果である破線５０５のように、未検知の部分が生じる事がある。

Ｓ３０５では、評価部２１５が、検知部２１４による検知結果を評価する。本実施形態では、生成されたひび割れ形状データに基づいて、評価値を取得する。ここで図６（ａ）は、評価部２１５が、評価値を取得するために生成する情報の一例を表す。テーブル６００の項目の項目について説明する。「ひび割れＩＤ」は、１つ（１本）のひび割れとして検知された検知結果を一意に特定可能な番号が格納される項目である。「ひび割れの長さ」は、対応するひび割れＩＤのひび割れ検知結果の長さ、すなわち形状データの長さが格納される項目である。「ひび割れの長さ」に格納される数値の単位はピクセルである。図５で示した例の場合、検知されたひび割れは、破線５０４、５０５、５０６で表される形状データとして生成され、テーブル６００ではそれぞれ「ひび割れＩＤ」が５０４、５０５、５０６として管理され、それぞれの長さが対応付けられている。評価部２１５は、全てのレコードの「ひび割れの長さ」に格納された値の合計値を、評価値として取得する。テーブル６００の例では評価値は、５１＋５４＋５＝１１０となる。評価部２１５は、取得した評価値を、テーブル４００の、撮影時に設定されていた撮影パラメータに対応する「評価値」の項目に格納する。

Ｓ３０６では、撮影制御部２１１が、テーブル４００に読み出していないレコードがあるか、つまり記憶された全ての候補（全てのレコード）に対して評価までの処理が済んだかを判定する。全ての候補を処理済みでなければ（Ｓ３０６でＮＯ）、Ｓ３０１に戻り、次のレコードを読み出して処理を続ける。全ての候補を処理済みであれば（Ｓ３０６でＹＥＳ）、処理はＳ３０７に進む。Ｓ３０７において、特定部２１６は、評価部２１５による評価結果に基づいて、撮像装置１０１に設定される撮影パラメータを特定する。本実施形態では、テーブル４００に格納された「評価値」を比較し、最も評価値が高い評価値に対応するレコード、すなわち撮影パラメータの組合せを１つ特定する。そして、特定された撮影パラメータの組合せをテーブル形式で記憶部２１２に記憶する。図４（ｂ）は、特定部２１６によって特定された撮影パラメータを記憶するための生成されるテーブルの一例を表す。テーブル４０１の項目は、「撮影パラメータ」と、「設定値」である。図４（ｂ）では一例として、図４（ａ）テーブル４００のうち、「識別番号」が１であるレコードに対応する撮影パラメータが、特定部２１６により特定された場合を示している。例えば、撮影制御部２１１は、テーブル４０１を読み出して撮像装置１０１に送信し、撮影パラメータの設定を促すことができる。

Ｓ３０８において、出力制御部２１７が、特定部２１６によって特定された撮影パラメータを通知する。本実施形態では、ディスプレイ１０６に表示する。ただし、撮像装置１０１に出力して、撮影パラメータの設定を促してもよい。

以上説明したように、本実施形態では、撮像装置１０１によって実際に撮影した画像に基づいて、速やかに、変状検知処理に利用する画像を撮影するのに適した撮影パラメータを容易に特定することができる。特に、Ｓ３０２において実行される撮影は、撮影パラメータの候補の１つにつき、構造物の一部だけを撮影した１回乃至数回撮影すればよいとい利点がある。従来であれば、構造物の全体を網羅するパノラマ撮影を終えてから変状検知処理を実施し、画像の一部または全部について撮影パラメータが適切ではないと判明した場合は、再び現場でパノラマ撮影を行う手間が必要となる場合もあり得た。それに対し、本実施形態によれば、１枚乃至数枚の画像を撮影して一度変状検知処理を行った結果を即座に評価して、撮影パラメータの適正を検証することができる。

さらに、本実施形態では、Ｓ３０５における評価では、ひび割れの量を表す長さを評価する。その場で得られたひび割れ検知結果の長さだけを評価するため、評価に必要な参照データを入手する必要がないため、参照データを入力する手間がかからずシステムの構成が簡略化できるという利点がある。なお、ひび割れ検知結果の長さの合計値が長くなる撮影パラメータを特定するのは、ひび割れの検知結果において、検知したひび割れ４０６のような誤検知は、相対的にひび割れの長さが短い傾向にあるという特性を利用している。この特性により、誤検知が含まれていても、合計値の大小関係に大きく影響することはないとみなすことができる。ひび割れ検知結果に誤検知が多く検知された場合、その分、正解のひび割れも多く検知される傾向にある。つまり、正解のひび割れが見逃されている可能性は低いと言える。従って、本実施形態では、撮影パラメータを特定するための評価において、誤検知も含めて、検知されたひび割れの長さの合計が大きいものを選ぶ。

このように本実施形態では、撮影パラメータを適正化するために必要な時間と手間を、従来に比較して低減させる。従って、撮影環境（例えば天候や時間帯）に合わせた撮影パラメータを特定するため、本撮影に先立つ予備撮影としてＳ３０２の処理を行い、Ｓ３０７で特定された撮影パラメータを用いて本撮影を行う、という一連の作業を、撮影現場でも容易に行うことができる。なお、ここでの本撮影とは、撮影パラメータを変化させながら構造物の少なくとも一部だけを撮影する予備撮影に対し、構造物の予め定義された範囲の全体を網羅的に撮影することを意味する。ただし、Ｓ３０２の撮影は必ずしも予備撮影の位置づけでなくても構わない。例えば、パノラマ撮影の最初のコマの撮影にＳ３０２の撮影を割り当て、その後の撮影にＳ３０７で決定された撮影パラメータを適用するといった利用方法もある。

なお、加えて、Ｓ３０１の、撮影パラメータの候補を読み出す処理において、確率的に「評価値」が高い傾向にあるレコードを厳選することにより、撮像装置１０１で撮影する回数が削減され、撮影の設定の決定に要する時間をさらに削減する効果がある。またさらに、Ｓ３０５での評価部２１５の評価処理においては、ひび割れの長さの閾値を設定し、検知したひび割れの内、長いものだけを評価してもよい。また、ランキングを利用し、長いひび割れの内、上位１０個を選び、ひび割れの長さを評価してもよい。加えて、評価値には、ひび割れの長さの統計量、つまり、平均の長さ、中央値の長さ、最頻値の長さを用いてもよい。これらの統計量を評価値に用いる事により、誤検知の変状が評価値に与える影響を減少させる事ができる効果がある。また、ここまで第１の実施形態では、ひび割れの検知結果の量を長さ（１次元）で評価すると説明してきた。ひび割れが線形状であり、長さ方向に伸展してく性質をもつ変状であるため、効率よく評価ができるためである。しかしながら、例えば、ひび割れを検知した結果として注目された注目領域の面積（二次元）で評価しても、変状の権利結果の量を評価することができる。

＜第２の実施形態＞
第１の実施形態とその変形例では、構造物（特にコンクリート壁面）に生じる変状の例として、ひび割れを挙げ、その量として長さを評価に利用する例を説明した。それに対し第２の実施形態では、面積を持つような種類の変状に対する評価に基づき、撮影パラメータを評価する場合を説明する。第２の実施形態に係る撮影システム、及び情報処理装置１００のハードウェアの構成は、図１及び図２（ａ）と同じであるため説明を省略する。以下、上述した実施形態で既に説明した構成については同一の符号を付し、その説明は省略する。

第２の実施形態において、情報処理装置１００は、第１の実施形態と比較して検知部２１４、評価部２１５の処理の内容が異なる。まず、図７を参照して第２実施形態の検知部２１４について説明する。本実施形態の撮像装置１０１から取得した画像に変状検知を行う。そして、変状検知結果を評価部２１５へ送る。画像１００１は、撮像装置１０１で撮影されたコンクリートの表面を撮影した画像である。画像１００１には、エフロレッセンス１００２、１００３が写っている。図７において、画像に映るエフロレッセンスは実線で示される。ここで、エフロレッセンスとは、ひび割れなどからコンクリート内に浸入した水分が、内部の可溶性物質と反応・結合し、ひび割れを通じて析出する現象のことである。本実施形態の検知部２１４はエフロレッセンス検知する。画像１００１において、破線１００４、１００５、１００６は、検知部２１４による検知結果である。検知したエフロレッセンスを示す破線１００４、１００５は分かりやすく図示するために、実際のエフロレッセンス１００２と１００３とは位置をずらして示している。

検知部２１４は、ニューラルネットワークによりエフロレッセンスを検知する。エフロレッセンスの検出は、第１の実施形態と同様にピクセル毎に検知する。ニューラルネットワークにより、ピクセル毎に検知する事で、エフロレッセンスの尤度が画素毎に１．０～０の間の値で求まる。尤度の値が閾値以上の画素をエフロレッセンス検知画素とする。閾値は画像の２値化の手法として一般的な大津の手法で決定する。大津の手法は一般的な手法であるため説明を省略する。次にエフロレッセンスの検知画素に対して収縮処理を行い細かいノイズを削減する。さらにエフロレッセンスを検知画素に対して膨張処理を行い、エフロレッセンス検知画素に生じる穴を埋める。収縮処理および膨張処理は一般的な画像処理であるため詳細な説明は省略する。第１の実施形態と同様に、検知部２１４において、エフロレッセンス検知結果には、破線１００６のような誤検知や、エフロレッセンス１００２の一部１００７に対する検知結果である破線１００４のように、未検知の部分が生じる事がある。

次に、図３、図７、図８（ａ）を用いて、評価部２１５の詳細について説明する。評価部２１５では、検知部２１４から入力したエフロレッセンスの検知画像に基づいて図８（ａ）のテーブル１１００を作成する。テーブル１１００の項目は、エフロレッセンスを一意に特定可能な番号を付与した「エフロレッセンスＩＤ」と、「エフロレッセンスの面積」である。エフロレッセンスの面積の単位はピクセルである。本実施例では面積をピクセルで表したが、撮像装置１０１に対する対象物の位置姿勢が既知であれば、実際の面積を計測してもよい。図７において、検知したエフロレッセンスを示す破線１００４、１００５、１００６が、それぞれテーブル１１０１のレコードに対応する。評価部２１５は、各レコードのエフロレッセンスの面積を合計した値を評価値とする。テーブル１１０１において、評価値は、２５００＋２７００＋３００＝５５００である。

また、評価値の算出において、閾値を設定し、検知したエフロレッセンスの内、面積の大きいものだけを評価してもよい。また、ランキングを利用し、面積の大きいエフロレッセンスの内、上位１０個を選び評価してもよい。加えて、エフロレッセンスの統計量、つまり、平均の面積、中央値の面積、再頻値の面積を用いてもよい。評価部２１５は、撮影制御部２１１で読み出し中（Ｓ３０１）の撮影パラメータに相当するテーブル４００のレコードに、取得した評価値を書き込む。

第２の実施形態において情報処理装置１００が実行する処理の流れは、第１の実施形態と同様である。但し検知および評価する変状はひび割れではなくエフロレッセンスとなる。また本実施形態では、検知する変状としてエフロレッセンスを例に挙げたが、面積を有する変状であれば、漏水、剥落、鉄筋露出、骨材露出、錆汁などの他の変状でも適用可能である。

以上、本実施形態の情報処理装置１００は、異なる撮影の設定により撮影した画像に対してエフロレッセンスの検知を行い、検知結果のエフロレッセンスの面積を評価する事で、撮影の設定を決定する。このようにすることで、正解値を入力する工数を削減できるという効果がある。また、例えエフロレッセンスの検知結果に誤検知が多く検知されたとしても、その分、正解のエフロレッセンスも多く検知される傾向にあるので、撮影の設定を決定する事においては、誤検知が多く検知される影響は少ない。さらに評価部２１５の説明で示した通り、評価値の計算において閾値を設定し、検知したエフロレッセンスの内、面積の大きいものだけを評価してもよい。また、ランキングを利用し、面積の大きいエフロレッセンスの内、上位１０個を選び評価してもよい。この事により面積の小さい誤検知の変状が評価値に与える影響を減少させ評価値の精度が向上するという効果がある。加えて、評価値には、エフロレッセンスの統計量、つまり、検知したエフロレッセンスにおける平均の面積、中央値の面積、最頻値の面積を用いてもよい。これらの統計量を用いる事により、誤検知の変状が評価値に与える影響を減少させ評価値の精度が向上するという効果がある。

＜その他の実施形態＞
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

２１１ 撮影制御部
２１２ 記憶部
２１３ 取得部
２１４ 検知部
２１５ 評価部
２１６ 特定部
２１７ 出力制御部

Claims (20)

1. 撮影パラメータの複数の候補のうち各撮影パラメータが設定された状態の撮像装置により構造物の少なくとも一部の撮像を少なくとも１回ずつ行うことで得られた複数の画像を取得する取得手段と、
   前記複数の画像を解析することにより、前記画像から前記構造物の表面に生じている変状を検知する検知手段と、
   前記複数の画像のそれぞれに対する前記検知手段による検知結果の量の比較に基づいて特定される、前記撮影パラメータの複数の候補の一部の撮影パラメータを出力する出力制御手段と、
   を備えることを特徴とする情報処理装置。
2. 前記構造物の表面に生じている変状には、ひび割れ、漏水、剥落、鉄筋露出、骨材露出、錆汁、エフロレッセンスの少なくともいずれかを含むことを特徴とする請求項１に記載の情報処理装置。
3. 前記構造物の表面に生じている変状とは、前記構造物の表面に生じたひび割れであって、
   前記出力制御手段は、前記複数の画像のうち、前記検知手段によって検知されたひび割れの長さの合計が長い画像の撮影時に設定されていた撮影パラメータを前記出力することを特徴とする請求項１に記載の情報処理装置。
4. 前記構造物の表面に生じている変状とは、前記構造物の表面に生じたエフロレッセンスであって、
   前記出力制御手段は、前記複数の画像のうち、前記検知手段によって検知されたエフロレッセンスの面積の合計が大きい画像の撮影時に設定されていた撮影パラメータを前記出力することを特徴とする請求項１に記載の情報処理装置。
5. 前記検知手段による検知結果は、前記複数の画像の画素ごと求めた尤度と閾値の比較に基づいてひび割れと推測された画素を示し、
   前記出力制御手段は、前記複数の画像のうち、前記検知手段によって検知された画素の合計の数が多い画像の撮影時に設定されていた撮影パラメータを前記出力することを特徴とする請求項１に記載の情報処理装置。
6. 前記複数の画像のそれぞれについて、前記検知手段による検知結果の量を評価する評価手段と、
   前記評価手段による評価結果に基づいて、前記撮影パラメータの複数の候補から、前記撮像装置に設定される前記一部の撮影パラメータを特定する特定手段を更に備えることを特徴とする請求項１乃至５のいずれか１項に記載の情報処理装置。
7. 前記構造物の表面に生じている変状が、前記構造物の表面に生じたひび割れである場合、
   前記評価手段は、撮影時に前記撮像装置に設定されていた前記撮影パラメータが異なる前記複数の画像ごとに、前記検知手段によって検知されたひび割れの長さを評価することを特徴とする請求項６に記載の情報処理装置。
8. 前記評価手段は、前記複数の画像のそれぞれから、前記検知手段によって検知された単位面積あたりのひび割れの長さを合計した値を評価値として取得するものであって、
   前記特定手段は、前記撮影パラメータの複数の候補のうち、前記評価手段が取得した最も大きい評価値に対応する撮影パラメータを特定する請求項７に記載の情報処理装置。
9. 前記構造物の表面に生じている変状が、前記構造物の表面に生じたエフロレッセンスである場合、
   前記評価手段は、前記複数の画像ごとに、前記検知手段によって検知されたエフロレッセンスの面積を評価することを特徴とする請求項６に記載の情報処理装置。
10. 前記評価手段は、前記複数の画像のそれぞれから、前記検知手段によって検知された単位面積あたりのエフロレッセンスの面積を合計した値を評価値として取得するものであって、
    前記特定手段は、前記撮影パラメータの複数の候補のうち、前記評価手段が取得した最も大きい評価値に対応する撮影パラメータを特定する請求項９に記載の情報処理装置。
11. 前記検知手段による検知結果は、前記複数の画像の画素ごと求めた尤度と閾値の比較に基づいてひび割れと推測された画素を示し、
    前記評価手段は、前記複数の画像のそれぞれについて、前記検知手段によってひび割れと推測された画素の数を評価値として取得するものであって、
    前記特定手段は、前記撮影パラメータの複数の候補のうち、前記評価手段が取得した最も大きい評価値に対応する撮影パラメータを特定する請求項６に記載の情報処理装置。
12. 前記取得手段は、本撮影に先立ち、前記撮像装置が前記撮影パラメータの複数の候補のそれぞれが設定された状態かつ一定の条件下において、前記構造物の少なくとも一部を撮影する予備撮影によって撮影した複数の画像を取得し、
    前記出力制御手段は、前記特定された前記撮影パラメータの複数の候補の一部を、前記構造物の予め定義された範囲の全体を撮影する本撮影において前記撮像装置に設定される撮影パラメータとして前記出力することを特徴とする請求項１乃至１１のいずれか１項に記載の情報処理装置。
13. 前記撮像装置を制御し、撮影時に前記撮像装置に設定される撮影パラメータの前記複数の候補のうち各撮影パラメータが設定された状態で、構造物の少なくとも一部の撮像を少なくとも１回ずつ行わせる撮影制御手段を更に備えることを特徴とする請求項６乃至１１のいずれか１項に記載の情報処理装置。
14. 前記撮影制御手段は、本撮影に先立ち、前記撮像装置を制御して、撮影パラメータの複数の候補のそれぞれが設定された状態かつ一定の条件下において、前記構造物の少なくとも一部を撮影する予備撮影を行わせ、
    前記評価手段は、前記予備撮影において前記撮像装置に設定されていた前記撮影パラメータが異なる画像ごとに、前記検知手段による検知結果を評価するものであって、
    前記特定手段は、前記評価手段による評価結果に基づいて、前記撮影パラメータの複数の候補から、前記構造物の予め定義された範囲の全体を撮影する本撮影において前記撮像装置に設定される撮影パラメータを決定することを特徴とする請求項１３に記載の情報処理装置。
15. 前記出力制御手段はさらに、前記検知手段による検知結果の量に基づいて特定される、前記撮影パラメータの複数の候補の一部の撮影パラメータを前記撮影制御手段に通知し、前記撮影制御手段は、前記撮像装置に設定させることを特徴とする請求項１３または１４に記載の情報処理装置。
16. 前記撮影制御手段は、本撮影に先立ち、前記撮像装置を制御して、撮影パラメータの複数の候補のそれぞれが設定された状態かつ一定の条件下において、前記構造物の少なくとも一部を撮影する予備撮影を行わせ、
    前記評価手段は、前記予備撮影において前記撮像装置に設定されていた前記撮影パラメータが異なる画像ごとに、前記検知手段による検知結果を評価するものであって、
    前記特定手段は、前記評価手段による評価結果に基づいて、前記撮影パラメータの複数の候補から、前記構造物の予め定義された範囲の全体を撮影する本撮影において前記撮像装置に設定される撮影パラメータを特定することを特徴とする請求項１３乃至１５のいずれか１項に記載の情報処理装置。
17. 前記撮影パラメータとは、前記撮像装置に任意に設定される設定事項であって、Ｆ値、シャッタースピード、デジタルゲイン、ＩＳＯ感度、ノイズ低減処理の強弱、エッジ強調の強弱の少なくともいずれかまたはその組合せを含むことを特徴とする請求項１乃至１６のいずれか１項に記載の情報処理装置。
18. 前記検知手段は、前記構造物を撮影した画像を入力データ、該画像のうち人により変状であることが確認された画素を出力データとして学習した学習済みモデルにより、前記検知を行うことを特徴とする請求項１乃至１７のいずれかに記載の情報処理装置。
19. 取得手段により、撮影パラメータの複数の候補のうち各撮影パラメータが設定された状態の撮像装置により構造物の少なくとも一部の撮像を少なくとも１回ずつ行うことで得られた複数の画像を取得する取得工程と、
    検知手段により、前記複数の画像を解析することにより、前記画像から構造物の表面に生じている変状を検知する検知工程と、
    出力制御手段により、前記複数の画像のそれぞれに対する前記検知手段による検知結果の量の比較に基づいて特定される、前記撮影パラメータの複数の候補の一部の撮影パラメータを出力する工程と、
    を備えることを特徴とする情報処理装置の制御方法。
20. コンピュータに読み込ませ実行させることで、前記コンピュータを、請求項１乃至１７のいずれか１項に記載の情報処理装置として機能させるプログラム。

Images