JP7408572B2 - 車両用灯具および車両 - Google Patents

Description

本発明は、車両用灯具に関する。

自動運転やヘッドランプの配光の自動制御のために、車両の周囲に存在する物体の位置および種類をセンシングする物体識別システムが利用される。物体識別システムは、センサと、センサの出力を解析する演算処理装置を含む。センサは、カメラ、ＬｉＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）、ミリ波レーダ、超音波ソナーなどの中から、用途、要求精度やコストを考慮して選択される。

イメージング装置（センサ）のひとつとして、ゴーストイメージングの原理を利用したものが知られている。ゴーストイメージングは、参照光の強度分布（パターン）をランダムに切り替えながら物体に照射し、パターンごとに反射光の光検出強度を測定する。光検出強度はある平面にわたるエネルギーあるいは強度の積分値であり、強度分布ではない。そして、対応するパターンと光検出強度との相関をとることにより、物体の画像を再構成（reconstruct）する。

特許第６４１２６７３号公報

課題１． 物体の画像を正しく復元するためには、参照光の強度分布を高精度に制御し、物体に照射する必要がある。イメージング装置を車載する場合、数十ｍ先の物体を検出する必要があり、したがって数十ｍ先まで、強度分布を保ったまま参照光を照射する必要がある。

本発明の第１態様の例示的な目的のひとつは、参照光を遠方の物体に精度よく照射することにある。

課題２． 相関計算の量は、復元画像の画素数に応じて爆発的に増加する。具体的には、ランダムな参照光の照射回数をＭ、画素数を（Ｘ×Ｙ）とするとき、演算回数は、
Ｍ×（Ｘ×Ｙ）^２
となる。

１画素の復元に１回のパターン照射が必要と仮定すると、全画素（Ｘ×Ｙ）の復元には、Ｍ＝（Ｘ×Ｙ）回の照射が必要である。また、１回の照射当たりの相関計算の演算回数は、（Ｘ×Ｙ）である。したがって、１回のセンシングあたりの演算回数Ｏは、
Ｏ＝（Ｘ×Ｙ）^２
となる。

実験室に設置されるイメージング装置の場合、演算処理装置として高速なコンピュータやワークステーションを利用できるため、演算回数の増加はそれほど問題にならない。ところが車載用途のイメージング装置では、コストやスペースの関係から、演算処理装置の性能が制約を受ける。したがって、相関計算の演算量を低減することが求められる。

本発明の第２態様の例示的な目的のひとつは、演算量を低減したイメージング装置あるいはイメージング方法の提供にある。

課題３. 参照光のパターニングには、ＤＭＤ（Digital Micromirror Device）や液晶などのパターニングデバイスを用いられる。ＤＭＤや液晶は、マトリクス状に配置される複数の画素を有し、画素毎に、反射率や透過率が制御可能となっている。

車載用のイメージング装置の検出対象は、車、人、バイクや自転車、構造物や動植物とさまざまである。またイメージング装置が使用される状況も、天候、時間帯、走行道路、走行速度などの走行環境に応じて大きく変化する。また、イメージング装置自体が移動するとともに、対象物も移動し、それらの相対的な移動方向もさまざまである。

このように、ある特定用途のイメージングでは、パターニングデバイスの全画素をランダムに制御することが必ずしも最適であるとは限らない。

本発明の第３態様の例示的な目的のひとつは、特定の用途のイメージングに適した照明装置の提供にある。

課題４． ニアフィールドを観察する顕微鏡では、画素ごとの光束の広がりは問題とならない。しかしながら車載用などのイメージング装置１００は、ファーフィールドの物体を検出する必要がある。遠方の物体をセンシング対象とするイメージング装置では、パターニングデバイスの全画素をランダムに制御することが必ずしも最適であるとは限らない。

本発明の第４態様の例示的な目的のひとつは、遠方のイメージング装置に適した照明装置の提供にある。

課題５． 従来、物体の画像を再構成するために必要な測定回数（照射回数）は、数千にも達しており、データ測定に時間がかかっていた。加えて、もとの画像を再構成するために必要な演算量、演算時間は、照射回数の増加にともない爆発的に増加する。

物体が実質的に静止しているアプリケーションでは、大きな照射回数や演算量はそれほど問題とならないが、物体が移動するアプリケーションでは、高いフレームレートが要求されるため、照射回数を減らすことが求められる。

本発明の第５態様の例示的な目的のひとつは、照射回数を低減可能なイメージング装置の提供にある。

１． 本発明の第１態様は、車両用灯具に関する。車両用灯具は、前照灯と、疑似熱光源と、を備える。疑似熱光源は、参照光の強度分布をランダムに変化させながら物体に照射可能である。疑似熱光源は、物体からの反射光を測定する光検出器、ならびに光検出器の出力と参照光の強度分布にもとづいて、物体の復元画像を再構成する演算処理装置とともにイメージング装置を構成する。前照灯の少なくとも一部の構成要素は、疑似熱光源と共有される。

前照灯は、数十ｍ先まで光を照射することを目的として、光源や光学系が設計されている。そこで、イメージング装置の疑似熱光源を車両用灯具に内蔵し、前照灯の構成要素の一部を疑似熱光源に流用することで、遠方の物体に、精度よく参照光を照射することができる。また全体のコストを下げることができる。

疑似熱光源は、前照灯と光学系を共有してもよい。前照灯の光学系は、配光を制御するパターニングデバイスを含んでもよい。疑似熱光源と前照灯は、パターニングデバイスを共有してもよい。

前照灯の光学系は、光源の出射光を車両前方に反射するリフレクタを含んでもよい。疑似熱光源と前照灯は、リフレクタを共有してもよい。

参照光は、赤外または紫外であってもよい。

疑似熱光源は、前照灯と光源を共有してもよい。この場合、参照光は白色光であってもよい。さらには、前照灯全体が、イメージング装置の疑似熱光源として動作可能であってもよい。

２． 本発明の第２態様は、車載用イメージング装置に関する。車載用イメージング装置は、測定範囲を複数の区画に分割し、区画を切り替えながら強度分布がランダムな参照光を照射する照明装置と、物体からの反射光を測定する光検出器と、複数の区画それぞれについて、前記光検出器の出力にもとづく検出強度と前記参照光の強度分布にもとづいて前記物体の当該区画に含まれる部分の復元画像を再構成する演算処理装置と、を備える。

この態様によると、演算時間を減らすことができる。

複数の区画の個数は、分割にともなう演算時間の減少量が、測定時間の増加量より大きくなるように定められてもよい。これにより高速なセンシングが可能となる。

３． 本発明の第３態様は、ゴーストイメージングにもとづくイメージング装置に使用される照明装置に関する。照明装置は、マトリクス状に配置された複数の画素を有し、複数の画素のオン、オフの組み合わせにもとづいて、光の強度分布を変調可能に構成される。少なくともひとつの画素を含むピクセルブロックを単位として強度分布が制御され、ピクセルブロックは可変である。

本発明の別の態様もまた、照明装置である。照明装置は、マトリクス状に配置された複数の画素を有し、複数の画素のオン、オフの組み合わせにもとづいて、光の強度分布を変調可能に構成される。二以上のオン画素とオフ画素を含む所定パターンの組み合わせにより、強度分布が制御される。

４． 本発明の第４態様は、照明装置である。照明装置は、マトリクス状に配置された複数の画素を有し、複数の画素のオン、オフの組み合わせにもとづいて、光の強度分布を変調可能に構成される。所定の制約条件のもと、複数の画素のオン、オフが制御される。

５． 本発明の第５態様はイメージング装置に関する。イメージング装置は、参照光の強度分布を複数Ｍ通りで変化させながら物体に照射する照明と、複数の強度分布Ｉ_１～Ｉ_Ｍそれぞれについて、物体からの反射光を測定する光検出器と、複数の強度分布Ｉ_１～Ｉ_Ｍと、光検出器の出力にもとづく複数の検出強度ｂ_１～ｂ_Ｍの相関をとることにより、物体の復元画像を再構成する演算処理装置と、を備える。複数の強度分布Ｉ_１～Ｉ_Ｍは、（i）照明から物体を経て光検出器に至る経路の伝達特性をモデル化するステップと、（ii）基準物体およびそれに対応する基準画像を定義するステップと、（iii）複数の強度分布Ｉ_１～Ｉ_Ｍに初期値を与えるステップと、（iv)伝達特性にもとづいて、複数の強度分布Ｉ_１～Ｉ_Ｍそれぞれを有する参照光を基準物体に照射したときの、検出強度ｂ_１～ｂ_Ｍの推定値（あるいは計算値）ｂ＾_１～ｂ＾_Ｍを計算するステップと、（v）複数の強度分布Ｉ_１～Ｉ_Ｍと複数の推定値ｂ＾_１～ｂ＾_Ｍの相関をとることにより、基準物体の復元画像を再構築するステップと、（vi）復元画像と基準画像の誤差が小さくなるように、複数の強度分布Ｉ_１～Ｉ_Ｍそれぞれを修正するステップと、（vii）ステップ（iv）～（vi）を繰り返すことにより複数の強度分布Ｉ_１～Ｉ_Ｍを決定するステップにより得られる。

１． 本発明の第１態様によれば、参照光を遠方に正確に照射できる。
２． 本発明の第２態様によれば、高い分解能を得つつ、演算量を低減できる。
３． 本発明の第３態様によれば、特定用途のイメージングに適した照明装置を提供できる。
４． 本発明の第４態様によれば、遠方の物体のイメージング装置に適した照明装置を提供できる。
５． 本発明の第５態様によれば、照射回数を減らすことができる。

実施の形態１に係る車両用灯具を示す図である。 図１のイメージング装置を示す図である。 実施例１に係る車両用灯具を示す図である。 実施例２に係る車両用灯具を示す図である。 実施例２における第１パターン制御を説明する図である。 実施例２における第２パターン制御を説明する図である。 実施例３に係る車両用灯具を示す図である。 実施例３における第１制御を説明する図である。 実施例３における第３制御を説明する図である。 物体識別システムのブロック図である。 自動車を示す図である。 物体検出システムを備える車両用灯具を示すブロック図である。 実施の形態２に係るイメージング装置を示す図である。 実施の形態２に係る参照光の強度分布を説明する図である。 演算時間と測定時間のトレードオフを説明する図である。 図１６（ａ）、（ｂ）は、区画の変形例を示す図である。 実施の形態３に係るイメージング装置を示す図である。 図１８（ａ）～（ｃ）は、パターニングデバイスであるＤＭＤの画素を説明する図である。 図１９（ａ）～（ｄ）は、サイズが異なるピクセルブロックＢを示す図である。 図２０（ａ）、（ｂ）は、サイズが異なるピクセルブロックＢにもとづくパターン信号ＰＴＮの例を示す図である。 パターン制御の変形例を示す図である。 図２２（ａ）、（ｂ）は、走行シーンに応じたサイズの異なるピクセルブロックＢのレイアウトを説明する図である。 サイズの異なるピクセルブロックＢの動的なレイアウトを説明する図である。 図２４（ａ）～（ｃ）は、変形例３．１に係るピクセルブロックＢを示す図である。 図２５（ａ）～（ｄ）は、変形例３．２に係るピクセルブロックＢを示す図である。 図２６（ａ）～（ｄ）は、形状が異なるピクセルブロックＢを示す図である。 図２７（ａ）～（ｃ）は、形状が異なるピクセルブロックにもとづくパターン信号ＰＴＮの例を示す図である。 図２８（ａ）、（ｂ）は、形状に特徴を有するピクセルブロックＢを有するパターン信号ＰＴＮにもとづくセンシングを説明する図である。 図２９（ａ）～（ｄ）は、実施例３．５に係るパターンブロックＰＢを説明する図である。 図３０（ａ）、（ｂ）は、パターンブロックの組み合わせにもとづくパターン信号の例を示す図である。 図３１（ａ）、（ｂ）は、参照光の空間インコヒーレント性の改善を説明する図である。 図３２（ａ）、（ｂ）は、空間インコヒーレント性を改善できる強度分布の例を示す図である。 図３３（ａ）～（ｄ）は、点灯率を制約条件としたパターン制御を説明する図である。 図３４（ａ）、（ｂ）は、変形例に係る点灯率の制御を説明する図である。 実施の形態４に係るイメージング装置を示す図である。 複数の強度分布Ｉ_１～Ｉ_Ｍのセットの決定方法を示すフローチャートである。 基準物体と基準画像Ｔ（ｘ，ｙ）の関係を説明する図である。 Ｍ＝１００に対して得られる１００通りの強度分布Ｉ_１～Ｉ_１００からなるセットＩ_１００＾示す図である。 最適化された強度分布のセットを用いたときの復元画像を示す図である。 ランダムな強度分布のセットを用いたときの復元画像を示す図である。

（実施の形態１）
以下、本発明を好適な実施の形態をもとに図面を参照しながら説明する。各図面に示される同一または同等の構成要素、部材、処理には、同一の符号を付するものとし、適宜重複した説明は省略する。また、実施の形態は、発明を限定するものではなく例示であって、実施の形態に記述されるすべての特徴やその組み合わせは、必ずしも発明の本質的なものであるとは限らない。

本明細書における「強度分布がランダム」とは、完全なランダムであることを意味するものではなく、ゴーストイメージングにおいて画像を再構築できる程度に、ランダムであればよい。したがって本明細書における「ランダム」は、その中にある程度の規則性を内包することができる。また「ランダム」は、完全に予測不能であることを要求するものではなく、予想可能、再生可能であってもよい。

図１は、実施の形態１に係る車両用灯具４００を示す図である。車両用灯具（もしくは灯具システム）４００は、前照灯４１０と、疑似熱光源４２０を備える。前照灯４１０および疑似熱光源４２０は、筐体４０２に収容されている。筐体４０２の前面は透明のカバー４０４で覆われている。前照灯４１０は、ロービーム、ハイビームのいずれか、あるいはそれらの両方を含み、車両前方の配光を形成するためのビームＳｂを照射する。

疑似熱光源４２０は、光検出器１２０および演算処理装置１３０とともに、イメージング装置１００を構成する。光検出器１２０および演算処理装置１３０は、筐体４０２に内蔵されてもよいし、筐体４０２の外部に設けられてもよい。

図２は、図１のイメージング装置１００を示す図である。イメージング装置１００はゴーストイメージングの原理を用いた相関関数イメージセンサ（シングルピクセルイメージングともいう）であり、疑似熱光源１１０（図１の疑似熱光源４２０）、光検出器１２０、演算処理装置１３０を備える。イメージング装置１００を、量子レーダカメラとも称する。

疑似熱光源１１０は、実質的にランダムとみなしうる強度分布Ｉ（ｘ，ｙ）を有する参照光Ｓ１を生成し、物体ＯＢＪに照射する。物体ＯＢＪへの参照光Ｓ１の照射は、その強度分布を、複数のＭ通りのパターンに応じて変化させながら行われる。疑似熱光源１１０は、たとえば均一な強度分布を有する光Ｓ０を生成する光源１１２と、この光Ｓ０の強度分布Ｉを空間的に変調可能なパターニングデバイス１１４を含みうる。光源１１２は、レーザや発光ダイオードなどを用いてもよい。参照光Ｓ１の波長やスペクトルは特に限定されず、複数のあるいは連続スペクトルを有する白色光であってもよいし、所定の波長を含む単色光であってもよい。

パターニングデバイス１１４としては、ＤＭＤ（Digital Micromirror Device）や液晶デバイスを用いることができる。パターニングデバイス１１４には、演算処理装置１３０から、強度分布Ｉを指定するパターン信号ＰＴＮ（画像データ）が与えられており、したがって演算処理装置１３０は、現在、物体ＯＢＪに照射される参照光Ｓ１の強度分布Ｉ_ｒを知っている。

光検出器１２０は、物体ＯＢＪからの反射光を測定し検出信号Ｄ_ｒを出力する。検出信号Ｄ_ｒは、強度分布Ｉ_ｒを有する参照光を物体ＯＢＪに照射したときに、光検出器１２０に入射する光エネルギー（あるいは強度）の空間的な積分値である。したがって光検出器１２０は、シングルピクセルの光検出器（フォトディテクタ）を用いることができる。光検出器１２０からは、複数Ｍ通りの強度分布Ｉ_１～Ｉ_Ｍそれぞれに対応する複数の検出信号Ｄ_１～Ｄ_Ｍが出力される。

演算処理装置１３０は、パターン発生器１３２および再構成処理部１３４を含む。パターン発生器１３２は、参照光Ｓ１の強度分布Ｉを指定するパターン信号ＰＴＮ_ｒを発生し、時間とともにパターン信号ＰＴＮ_ｒを切り替える（ｒ＝１，２，…Ｍ）。

演算処理装置１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）、マイコンなどのプロセッサ（ハードウェア）と、プロセッサ（ハードウェア）が実行するソフトウェアプログラムの組み合わせで実装することができる。演算処理装置１３０は、複数のプロセッサの組み合わせであってもよい。あるいは演算処理装置１３０はハードウェアのみで構成してもよい。

疑似熱光源１１０が発生する参照光Ｓ１の強度分布は、その都度、ランダムに生成してもよい。あるいは、複数の強度分布Ｉ_１～Ｉ_Ｍのセットは、予め規定しておいてもよい。この場合、複数の強度分布Ｉ_１～Ｉ_Ｍを規定する複数のパターン信号ＰＴＮ_１～ＰＴＮ_Ｍのセットは、パターン発生器１３２の内部のメモリ（パターンメモリ）に予め保持しておいてもよい。

再構成処理部１３４は、複数の強度分布Ｉ_１～Ｉ_Ｍと、複数の検出強度ｂ_１～ｂ_Ｍの相関をとることにより、物体ＯＢＪの復元画像Ｇ（ｘ，ｙ）を再構成する。検出強度ｂ_１～ｂ_Ｍは、検出信号Ｄ_１～Ｄ_Ｍにもとづいている。検出強度と検出信号の関係は、光検出器１２０の種類や方式などを考慮して定めればよい。

ある強度分布Ｉ_ｒの参照光Ｓ１を、ある照射期間にわたり照射するとする。また検出信号Ｄ_ｒは、ある時刻（あるいは微小時間）の受光量、すなわち瞬時値を表すとする。この場合、照射期間において検出信号Ｄ_ｒを複数回サンプリングし、検出強度ｂ_ｒを、検出信号Ｄ_ｒの全サンプリング値の積分値、平均値あるいは最大値としてもよい。あるいは、全サンプリング値のうちのいくつかを選別し、選別したサンプリング値の積分値や平均値、最大値を用いてもよい。複数のサンプリング値の選別は、たとえば最大値から数えて序列ｘ番目からｙ番目を抽出してもよいし、任意のしきい値より低いサンプリング値を除外してもよいし、信号変動の大きさが小さい範囲のサンプリング値を抽出してもよい。

光検出器１２０として、カメラのように露光時間が設定可能なデバイスを用いる場合には、光検出器１２０の出力Ｄ_ｒをそのまま、検出強度ｂ_ｒとすることができる。

検出信号Ｄ_ｒから検出強度ｂ_ｒへの変換は、演算処理装置１３０が実行してもよいし、演算処理装置１３０の外部で行ってもよい。

相関には、式（１）の相関関数が用いられる。Ｉ_ｒは、ｒ番目の強度分布であり、ｂ_ｒはｒ番目の検出強度の値である。

以上がイメージング装置１００の全体の基本構成である。図１に戻る。

本実施の形態において、疑似熱光源４２０は、車両用灯具４００に内蔵される。そして前照灯４１０の少なくとも一部の構成要素（共通部材）４３０は、疑似熱光源４２０と共有される。

以上が車両用灯具４００の構成である。

前照灯４１０は、数十ｍ先まで光を照射することを目的として、光源や光学系が設計されている。そこで、イメージング装置の疑似熱光源４２０を車両用灯具４００に内蔵し、前照灯４１０の構成要素の一部を疑似熱光源４２０に流用することで、遠方の物体に、精度よく参照光Ｓ１を照射することができる。また重複する部材を減らすことができるため、全体のコストを下げることができる。

本発明は、図１のブロック図として把握され、あるいは上述の説明から導かれるさまざまな装置、方法に及ぶものであり、特定の構成に限定されるものではない。以下、本発明の範囲を狭めるためではなく、発明の本質や動作の理解を助け、またそれらを明確化するために、より具体的な構成例や実施例を説明する。

（実施例１）
図３は、実施例１に係る車両用灯具４００Ａを示す図である。疑似熱光源４２０は、前照灯４１０と光学系を共有する。前照灯４１０は、光源４１２と、リフレクタ４１４を備える。光源４１２は白色の発光ダイオード（あるいは半導体レーザ）およびその点灯回路を含む。リフレクタ４１４は、光源４１２の出射光を、車両前方に反射する。

実施例１では、前照灯４１０のリフレクタ４１４が図１の共通部材４３０であり、疑似熱光源４２０と共有される。疑似熱光源４２０は、光源４２２と、パターニングデバイス４２４を含む。パターニングデバイス４２４によって強度分布がランダム化されたビームは、リフレクタ４１４によって車両前方に反射される。

光源４２２が生成する光Ｓ０は、赤外光あるいは紫外光であってもよい。この場合、光検出器１２０は、可視波長帯において不感であり、光Ｓ０（参照光Ｓ１）の波長にのみ、感度を有するように構成すればよい。これにより、イメージング装置１００によるセンシングは、前照灯の影響を受けない。

光源４２２が生成する光Ｓ０は、可視域の単一波長を含んでもよいし、白色光であってもよい。この場合、光検出器１２０は、前照灯４１０のビームＳｂと参照光Ｓ１の両方に感度を有することとなる。この場合、演算処理によって、光検出器１２０の出力から、ビームＳｂの影響を低減してもよい。たとえば、ビームＳｂが直流とみなせる一方、参照光Ｓ１は交流とみなせる場合には、ハイパスフィルタによりビームＳｂの影響を低減してもよい。あるいは単純に、ビームＳｂに起因する成分の推定値を、減算するオフセット処理を行ってもよい。

（実施例２）
図４は、実施例２に係る車両用灯具４００Ｂを示す図である。実施例２においても、疑似熱光源４２０は、前照灯４１０と光学系を共有する。

実施例２において、前照灯４１０は配光可変ランプ（ＡＤＢ：Adaptive Driving Beam）であり、光源４１２と、パターニングデバイス４１６と、リフレクタ４１４を備える。光源４１２は白色のＬＥＤあるいはＬＤおよびその点灯回路を含む。パターニングデバイス４１６は、たとえばＤＭＤであり、光源４１２の出射光の強度分布を、所望の配光パターンが得られるように、空間的に変調する。リフレクタ４１４は、パターニングデバイス４１６の反射光のうち、オンピクセルに相当する光束を車両前方に反射する。

実施例２では、パターニングデバイス４１６およびリフレクタ４１４が、疑似熱光源４２０と共有される共通部材４３０である。光源４２２の出射光Ｓ０は、パターニングデバイス４１６に入射し、ランダムに変調され、参照光Ｓ１が生成される。

実施例２では、パターニングデバイス４１６が共有されるため、ビームＳｂのパターン（強度分布）と、参照光Ｓ１のパターンの相互の影響を抑える必要がある。そのためには、光源４２２と光源４１２を相補的に点灯させればよい。たとえば光源４１２と光源４２２を時分割で交互に点灯させ、光源４１２の点灯期間は、配光パターンに応じた画像データ（配光画像データ）ＰＴＮｂをパターニングデバイス４１６に与え、光源４２２の点灯期間は、ランダムな画像データ（ランダム画像データ）ＰＴＮ_１～ＰＴＮ_Ｍをパターニングデバイス４１６に与えればよい（第１パターン制御）。図５は、実施例２における第１パターン制御を説明する図である。

あるいは、ビームＳｂが照射される範囲（照射領域）内でのみ、イメージング装置１００によるセンシングを行えば足りるケースも想定される。この場合、光源４１２と光源４２２を同時点灯させて、パターニングデバイス４１６には、配光画像データＰＴＮｂと、ランダム画像データＰＴＮ_ｉ（ｉ＝１，２，…Ｍ）をピクセルごとに演算し、パターニングデバイス４１６に与えてもよい（第２パターン制御）。図６は、実施例２における第２パターン制御を説明する図である。ＯＮは、配光パターンで規定される照射領域を、ＯＦＦは、配光パターンで規定される遮光領域を示す。点灯に対応する画素値を１、消灯に対応する画素値を０とすれば、画像データＳｂの画素値は、照射領域ＯＮ内で１、遮光領域ＯＦＦ内で０となる。ランダム画像データＰＴＮ_ｉは、画素値はランダムに１と０が分布する。ランダム画像データＰＴＮ_ｉと配光画像データＰＴＮｂの論理積を計算すれば、図６のパターンを生成できる。

（実施例３）
図７は、実施例３に係る車両用灯具４００Ｃを示す図である。実施例３では、前照灯４１０のすべての構成要素が、疑似熱光源４２０と共有される。すなわち前照灯４１０が、疑似熱光源４２０の機能を有する。実施例３では、参照光Ｓ１は、自ずと白色光となる。

実施例３におけるパターニングデバイス４１６の制御を説明する。
・第１制御
実施例３では、通常点灯期間Ｔｂとセンシング期間Ｔｓを時分割で切り替えてもよい。図８は、実施例３における第１制御を説明する図である。図８に示すように、１回のセンシング期間Ｔｓの間に、参照光Ｓ１のパターンを複数回、切り替えてもよい。

・第２制御
実施例２の第２パターン制御を行ってもよい。

・第３制御
図９は、実施例３における第３制御を説明する図である。ＤＭＤなどのパターニングデバイスは、階調制御可能なものが存在する。この場合、ランダム画像データＰＴＮ_ｉと配光画像データＰＴＮｂについて、対応する画素値同士を加算し、パターニングデバイス４１６に与えてもよい。この場合、車両用灯具４００の出射ビームの強度分布は、配光画像データＰＴＮｂで決まるベースレベルを基準として、時間とともにランダムに変化する。

（実施例４）
実施例１～実施例３では、疑似熱光源４２０を、光源４２２とパターニングデバイス４２４の組み合わせで構成したがその限りでない。疑似熱光源４２０は、マトリクス状に配置される複数の半導体光源（ＬＥＤ（発光ダイオード）やＬＤ（レーザダイオード））のアレイで構成し、個々の半導体光源のオン、オフ（あるいは輝度）を制御可能に構成してもよい。

実施の形態１では、照明装置１１０を、光源１１２とパターニングデバイス１１４の組み合わせで構成したがその限りでない。照明装置１１０は、マトリクス状に配置される複数の半導体光源（ＬＥＤ（発光ダイオード）やＬＤ（レーザダイオード））のアレイで構成し、個々の半導体光源のオン、オフ（あるいは輝度）を制御可能に構成してもよい。

続いてイメージング装置１００の用途を説明する。

図１０は、物体識別システム１０のブロック図である。この物体識別システム１０は、自動車やバイクなどの車両に搭載され、車両の周囲に存在する物体ＯＢＪの種類（カテゴリ）を判定する。

物体識別システム１０は、イメージング装置１００と、演算処理装置４０を備える。イメージング装置１００は、上述のように、物体ＯＢＪに参照光Ｓ１を照射し、反射光Ｓ２を測定することにより、物体ＯＢＪの復元画像Ｇを生成する。

演算処理装置４０は、イメージング装置１００の出力画像Ｇを処理し、物体ＯＢＪの位置および種類（カテゴリ）を判定する。

演算処理装置４０の分類器４２は、画像Ｇを入力として受け、それに含まれる物体ＯＢＪの位置および種類を判定する。分類器４２は、機械学習によって生成されたモデルにもとづいて実装される。分類器４２のアルゴリズムは特に限定されないが、ＹＯＬＯ（You Only Look Once）とＳＳＤ（Single Shot MultiBox Detector）、R-CNN（Region-based Convolutional Neural Network）、SPPnet（Spatial Pyramid Pooling）、Faster R-CNN、DSSD（Deconvolution -SSD）、Mask R-CNNなどを採用することができ、あるいは、将来開発されるアルゴリズムを採用できる。

演算処理装置４０が検出した物体ＯＢＪに関する情報は、車両用灯具２００の配光制御に利用してもよい。具体的には、演算処理装置４０が生成する物体ＯＢＪの種類とその位置に関する情報にもとづいて、適切な配光パターンを生成することができる。

また演算処理装置４０が検出した物体ＯＢＪに関する情報は、車両側ＥＣＵに送信してもよい。車両側ＥＣＵは、この情報にもとづいて、自動運転を行ってもよい。

以上が物体識別システム１０の構成である。物体識別システム１０のセンサとして、イメージング装置１００を用いることで、ノイズ耐性が格段に高まる。たとえば降雨時、降雪時、あるいは霧の中を走行する場合、肉眼では物体ＯＢＪを認識しにくいが、このような状況でも、雨、雪、霧の影響を受けずに、物体ＯＢＪの復元画像Ｇを得ることができる。

図１１は、自動車を示す図である。自動車３００は、車両用灯具３０２Ｌ，３０２Ｒを備える。上述のように、疑似熱光源４２０は、車両用灯具３０２Ｌ，３０２Ｒの少なくとも一方に、前照灯とハードウェアの一部を共有した態様にて内蔵される。

図１２は、物体検出システム２１０を備える車両用灯具２００を示すブロック図である。車両用灯具２００は、車両側ＥＣＵ３０４とともに灯具システム３１０を構成する。車両用灯具２００は、光源２０２、点灯回路２０４、光学系２０６を備える。さらに車両用灯具２００には、物体検出システム２１０が設けられる。物体検出システム２１０は、上述の物体識別システム１０に対応しており、イメージング装置１００および演算処理装置４０を含む。

演算処理装置４０が検出した物体ＯＢＪに関する情報は、車両用灯具２００の配光制御に利用してもよい。具体的には、灯具側ＥＣＵ２０８は、演算処理装置４０が生成する物体ＯＢＪの種類とその位置に関する情報にもとづいて、適切な配光パターンを生成する。点灯回路２０４および光学系２０６は、灯具側ＥＣＵ２０８が生成した配光パターンが得られるように動作する。

また演算処理装置４０が検出した物体ＯＢＪに関する情報は、車両側ＥＣＵ３０４に送信してもよい。車両側ＥＣＵは、この情報にもとづいて、自動運転を行ってもよい。

（実施の形態２）
図１３は、実施の形態２に係るイメージング装置１００を示す図である。イメージング装置１００はゴーストイメージングの原理を用いた相関関数イメージセンサであり、照明装置１１０、光検出器１２０、演算処理装置１３０を備える。イメージング装置１００を、量子レーダカメラとも称する。

照明装置１１０は疑似熱光源であり、実質的にランダムとみなしうる強度分布Ｉを有する参照光Ｓ１を生成し、物体ＯＢＪに照射する。図１４は、実施の形態２に係る参照光Ｓ１の強度分布を説明する図である。図中、強度がゼロの部分を白で、強度が非ゼロの部分を黒で示す。

本実施の形態では、測定範囲６００を複数の区画６０２＿１～６０２＿Ｎに分割される。この例では、縦方向に４、横方向に４に分割され、Ｎ＝１６である。照明装置１１０は、光を照射する区画（照射区画という）６０２＿ｉを切り替えながら、照射区画内の強度分布Ｉ（ｘ，ｙ）が実質的にランダムな参照光Ｓ１を照射する。照射区画以外の区画（非照射区画という）内の強度はゼロである。

複数の区画６０２＿１～６０２＿Ｎそれぞれについて、Ｍ通りのランダムな強度分布の参照光Ｓ１が照射される。したがって１回のセンシングあたり、トータルの照射回数はＭ×Ｎとなる。ｉ番目の区画（１≦ｉ≦Ｎ）を選択しているときの、ｊ回目の強度分布をＩ_ｉ，ｊ、そのときの参照光Ｓ１を、Ｓ１_ｉ，ｊのように示すこととする。

図１３に戻る。光検出器１２０は、物体ＯＢＪからの反射光を測定し検出信号Ｄを出力する。検出信号Ｄ_ｉ，ｊは、強度分布Ｉ_ｉ，ｊを有する参照光を物体ＯＢＪに照射したときに、光検出器１２０に入射する光エネルギー（あるいは強度）の空間的な積分値である。したがって光検出器１２０は、シングルピクセルの光検出器（フォトディテクタ）を用いることができる。

Ｍ×Ｎ通りの強度分布Ｉ_１，１～Ｉ_１，Ｍ、Ｉ_２，１～Ｉ_２，Ｍ、Ｉ_Ｎ，１～Ｉ_Ｎ，Ｍを有する参照光Ｓ１_ｉ，ｊ（ｉ∈１～Ｎ，ｊ∈１～Ｍ）を照射すると、光検出器１２０からは、Ｍ×Ｎ個の検出信号Ｄ_ｉ，ｊ（ｉ∈１～Ｎ，ｊ∈１～Ｍ）が出力される。なお、照射の順番は特に限定されない。

たとえば、ある照射区画について、Ｍ個の強度分布を設定し終わった後に、次の照射区画を選択してもよい。照射区画を選択する順序は特に限定されず、所定の規則で選択することができる。たとえば１行目の区画を左から右に順に選択し、一番右まで移動したら、次の行に移動してもよい。あるいは１列目の区画を上から下に順に選択し、一番下まで移動したら、次の列に移動してもよい。

照明装置１１０は、たとえば均一な強度分布を有する光Ｓ０を生成する光源１１２と、この光Ｓ０の強度分布を空間的に変調可能なパターニングデバイス１１４を含みうる。光源１１２は、レーザや発光ダイオードなどを用いてもよい。参照光Ｓ１の波長やスペクトルは特に限定されず、複数のあるいは連続スペクトルを有する白色光であってもよいし、所定の波長を含む単色光であってもよい。

パターニングデバイス１１４としては、ＤＭＤ（Digital Micromirror Device）や液晶デバイスを用いることができる。本実施の形態において、パターニングデバイス１１４は、測定範囲６００全体をカバーしており、測定範囲６００全体を同時照射可能な能力を有するが、パターニングデバイス１１４の非照射区画に対応する画素をオフにすることで、照射区画にのみランダムなパターンを与えることが可能となっている。

パターニングデバイス１１４には、演算処理装置１３０から、強度分布Ｉ_ｉ，ｊを指定するパターン信号ＰＴＮ_ｉ，ｊ（画像データ）が与えられている。したがって演算処理装置１３０は、現在の照射区画の位置と参照光Ｓ１の強度分布Ｉ_ｉ，ｊを知っている。

演算処理装置１３０は、パターン発生器１３２および再構成処理部１３４を含む。

パターン発生器１３２は、参照光Ｓ１の強度分布Ｉ_ｉ，ｊを、その都度、ランダムに生成してもよい。この場合、パターン発生器１３２は、擬似ランダム信号発生器を含むことができる。

あるいは、複数の強度分布Ｉ_ｉ，ｊのセットは、予め規定しておいてもよい。たとえば、区画６０２と同じサイズを有する複数（たとえばＭ個）の強度分布のセットＩ_１～Ｉ_Ｍを予め規定していてもよい。ｉ番目の区画を照射区画とするとき、照射区画に、Ｉ_１～Ｉ_Ｍを順に、あるいはランダムに割り当てればよい。

この場合、複数の強度分布Ｉ_１～Ｉ_Ｍを規定する複数のパターン信号のセットを、パターン発生器１３２の内部のメモリ（パターンメモリ）に予め保持しておいてもよい。

演算処理装置１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）、マイコンなどのプロセッサ（ハードウェア）と、プロセッサ（ハードウェア）が実行するソフトウェアプログラムの組み合わせで実装することができる。演算処理装置１３０は、複数のプロセッサの組み合わせであってもよい。あるいは演算処理装置１３０はハードウェアのみで構成してもよい。

再構成処理部１３４は、複数の区画６０２＿１～６０２＿Ｎそれぞれ（６０２＿ｉ）について、複数の検出強度ｂ_ｉ，１～ｂ_ｉ，Ｍと参照光Ｓ１_ｉ，１～Ｓ１_ｉ，Ｍの強度分布Ｉ_ｉ，１～Ｉ_ｉ，Ｍの相関をとることにより、物体ＯＢＪの当該区画６０２＿ｉに含まれる部分の復元画像Ｇ_ｉを再構成する。

検出強度ｂ_ｉ，１～ｂ_ｉ，Ｍは、検出信号Ｄ_ｉ，１～Ｄ_ｉ，Ｍにもとづいている。検出強度ｂ_ｉ，ｊと検出信号Ｄ_ｉ，ｊの関係は、光検出器１２０の種類や方式などを考慮して定めればよい。

ある強度分布Ｉ_ｉ，ｊの参照光Ｓ１を、ある照射期間にわたり照射するとする。また検出信号Ｄ_ｉ，ｊは、ある時刻（あるいは微小時間）の受光量、すなわち瞬時値を表すとする。この場合、照射期間において検出信号Ｄ_ｉ，ｊを複数回サンプリングし、検出強度ｂ_ｉ，ｊを、検出信号Ｄ_ｉ，ｊの全サンプリング値の積分値、平均値あるいは最大値としてもよい。あるいは、全サンプリング値のうちのいくつかを選別し、選別したサンプリング値の積分値や平均値、最大値を用いてもよい。複数のサンプリング値の選別は、たとえば最大値から数えて序列ｘ番目からｙ番目を抽出してもよいし、任意のしきい値より低いサンプリング値を除外してもよいし、信号変動の大きさが小さい範囲のサンプリング値を抽出してもよい。

光検出器１２０として、カメラのように露光時間が設定可能なデバイスを用いる場合には、光検出器１２０の出力Ｄ_ｉ，ｊをそのまま、検出強度ｂ_ｉ，ｊとすることができる。

検出信号Ｄ_ｉ，ｊから検出強度ｂ_ｉ，ｊへの変換は、演算処理装置１３０が実行してもよいし、演算処理装置１３０の外部で行ってもよい。

ｉ番目（１≦ｉ≦Ｎ）の区画６０２＿ｉの画像Ｇ_ｉの復元には、式（２）の相関関数が用いられる。Ｉ_ｉ，ｊは、ｊ番目（１≦ｊ≦Ｍ）の強度分布であり、ｂ_ｉ，ｊはｊ番目の検出強度の値である。

Ｎ個すべての区画６０２＿１～６０２＿Ｎそれぞれの復元画像Ｇ_１～Ｇ_Ｎを結合することにより、測定範囲全体の像を得ることができる。

以上がイメージング装置１００の構成である。続いてその利点を説明する。

このイメージング装置１００における演算回数は以下の通りである。
測定範囲全体の画素数をＸ×Ｙとし、１区画の水平および垂直方向の画素数をｘ，ｙとする。ただし、Ｘ×Ｙ＝（ｘ×ｙ）×Ｎである。

１画素の復元に１回のパターン照射が必要と仮定するとき、ｘ×ｙ画素の復元に必要な照射回数Ｍ’は、
Ｍ’＝（ｘ×ｙ）
となる。なお、実際の照射回数は、Ｍ’より多いあるいは少ない場合があるが、おおよそ（ｘ×ｙ）に比例することに留意されたい。したがって１区画あたりの計算回数は、（ｘ×ｙ）^２となる。Ｎ個すべての区間に対するトータルの演算回数Ｏ’は、
Ｏ’＝Ｎ×（ｘ×ｙ）^２
となる。

従来の測定範囲全体を照射する手法の計算回数Ｏは、
Ｏ＝（Ｘ×Ｙ）^２
であった。Ｘ×Ｙ＝（ｘ×ｙ）×Ｎの関係が成り立つから、本実施の形態によれば従来に比べて、計算回数をＯ’／Ｏ＝１／Ｎ倍に減らすことができる。

たとえば、Ｘ＝Ｙ＝１０２４のケースを考える。この場合、ｘ＝ｙ＝３２の区画に区切ると、Ｎ＝３２×３２＝１０２４となり、計算回数は１／１０２４倍に減らすことができる。

また、パターン発生器１３２に、参照光の強度分布をメモリに格納しておく場合、照射領域全体（Ｘ×Ｙ）ではなく、１区画（ｘ×ｙ）の強度分布を保持すればよいため、メモリの容量を減らすことができる。

計算回数の減少は、同じ速度の演算処理装置を用いた場合、演算時間を短縮できることを意味する。あるいは、同じ時間で処理を終了するために、より遅い（したがって安価な）演算処理装置を採用することができる。

なお、車載用途では、ある程度大きなフレームレートで、測定範囲のセンシングを行う必要がある。本実施の形態では、計算回数（ひいては演算時間）の減少と引き換えに、照射回数Ｍは、Ｎ倍（Ｎは区画の個数）に増えており、測定時間の増加をもたらす。図１５は、演算時間と測定時間のトレードオフを説明する図である。

区画の個数Ｎは、分割にともなう演算時間の減少量δ１が、測定時間の増加量δ２より大きくなるように定めるとよい。これにより車載用途で必要なフレームレートを実現できる。

続いて実施の形態２に関連する変形例を説明する。

（変形例２．１）
実施の形態では、区画ごとに、照射回数Ｍを同一としたが、区画毎に照射回数Ｍは異なっていてもよい。ｉ番目の区画の照射回数をＭ_ｉと書くとき、演算回数は、
Ｏ＝Σ_{ｉ＝１：Ｎ}Ｍ_ｉ×（ｘ×ｙ）
となる。

照射回数Ｍ_ｉが多いほど、正確な画像を復元できるが、区画の位置によっては、それほどの正確さが要求されない場合もある。そこで区画毎に照射回数を最適化することで、区画毎に、計算回数（演算時間）と測定時間を調整できる。

（変形例２．２）
区画の区切り方は、上述のそれに限定されない。図１６（ａ）、（ｂ）は、区画の変形例を示す図である。図１６（ａ）に示すように、横長の区画に区切ってもよい。あるいは縦長の区画に区切ってもよい。

実施の形態では、複数の区画のサイズ（画素数）を同一としたがその限りでない。図１６（ｂ）に示すように、区画ごとに画素数が異なっていてもよい。

（変形例２．３）
実施の形態では、測定範囲６００全体をカバーするパターニングデバイス１１４を利用したがその限りでない。１区画分の照射能力を有する照明装置１１０を設け、その出射光を可動ミラーを用いて水平方向あるいは水平方向にスキャンしてもよい。

（変形例２．４）
実施の形態２では、照明装置１１０を、光源１１２とパターニングデバイス１１４の組み合わせで構成したがその限りでない。照明装置１１０は、マトリクス状に配置される複数の半導体光源（ＬＥＤ（発光ダイオード）やＬＤ（レーザダイオード））のアレイで構成し、個々の半導体光源のオン、オフ（あるいは輝度）を制御可能に構成してもよい。

（用途）
続いて実施の形態２に係るイメージング装置１００の用途を説明する。イメージング装置１００は、図１０の物体識別システム１０に利用できる。物体識別システム１０のセンサとして、実施の形態２で説明したイメージング装置１００を用いることで、以下の利点を得ることができる。

第１に、イメージング装置１００すなわち量子レーダカメラを用いることで、ノイズ耐性が格段に高まる。たとえば、降雨時、降雪時、あるいは霧の中を走行する場合、肉眼では物体ＯＢＪを認識しにくいが、イメージング装置１００を用いることで、雨、雪、霧の影響を受けずに、物体ＯＢＪの復元画像Ｇを得ることができる。

第２に、測定範囲を複数の区画に分割して、区画毎に画像を復元することで、演算量を減らすことができる。これによりフレームレートを高め、あるいは演算処理装置として安価なプロセッサを選択できるようになる。

なお、イメージング装置１００において、区画の個数Ｎを、走行環境に応じて適応的に変化させてもよい。

実施の形態２で説明したイメージング装置１００は、図１１の自動車に搭載でき、図１２の車両用灯具に内蔵してもよい。

（実施の形態３）
図１７は、実施の形態３に係るイメージング装置１００を示す図である。イメージング装置１００はゴーストイメージングの原理を用いた相関関数イメージセンサであり、照明装置１１０、光検出器１２０、演算処理装置１３０を備える。イメージング装置１００を、量子レーダカメラとも称する。

照明装置１１０は、疑似熱光源であり、実質的にランダムとみなしうる強度分布Ｉ（ｘ，ｙ）を有する参照光Ｓ１を生成し、物体ＯＢＪに照射する。物体ＯＢＪへの参照光Ｓ１の照射は、その強度分布を、複数のＭ通りのパターンに応じて変化させながら行われる。

照明装置１１０は、光源１１２とパターニングデバイス１１４を含む。光源１１２は、均一な強度分布を有する光Ｓ０を生成する。光源１１２は、レーザや発光ダイオードなどを用いてもよい。参照光Ｓ１の波長やスペクトルは特に限定されず、複数のあるいは連続スペクトルを有する白色光であってもよいし、所定の波長を含む単色光であってもよい。参照光Ｓ１の波長は、赤外あるいは紫外であってもよい。

パターニングデバイス１１４は、マトリクス状に配置される複数の画素を有し、複数の画素のオン、オフの組み合わせにもとづいて、光の強度分布Ｉを空間的に変調可能に構成される。本明細書においてオン状態の画素をオン画素、オフ状態の画素をオフ画素という。なお、以下の説明では理解の容易化のために、各画素は、オンとオフの２値（１，０）のみをとるものとするがその限りでなく、中間的な階調をとってもよい。

パターニングデバイス１１４としては、反射型のＤＭＤ（Digital Micromirror Device）や透過型の液晶デバイスを用いることができる。パターニングデバイス１１４には、パターン発生器１１６が発生するパターン信号ＰＴＮ（画像データ）が与えられている。パターニングデバイス１１４はＤＭＤであるとする。

パターン発生器１１６は、参照光Ｓ１の強度分布Ｉ_ｒを指定するパターン信号ＰＴＮ_ｒを発生し、時間とともにパターン信号ＰＴＮ_ｒを切り替える（ｒ＝１，２，…Ｍ）。

光検出器１２０は、物体ＯＢＪからの反射光を測定し検出信号Ｄ_ｒを出力する。検出信号Ｄ_ｒは、強度分布Ｉ_ｒを有する参照光を物体ＯＢＪに照射したときに、光検出器１２０に入射する光エネルギー（あるいは強度）の空間的な積分値である。したがって光検出器１２０は、シングルピクセルの光検出器（フォトディテクタ）を用いることができる。光検出器１２０からは、複数Ｍ通りの強度分布Ｉ_１～Ｉ_Ｍそれぞれに対応する複数の検出信号Ｄ_１～Ｄ_Ｍが出力される。

演算処理装置１３０は、再構成処理部１３４を含む。再構成処理部１３４は、複数の強度分布Ｉ_１～Ｉ_Ｍと、複数の検出強度ｂ_１～ｂ_Ｍの相関をとることにより、物体ＯＢＪの復元画像Ｇ（ｘ，ｙ）を再構成する。

検出強度ｂ_１～ｂ_Ｍは、検出信号Ｄ_１～Ｄ_Ｍにもとづいている。検出強度と検出信号の関係は、光検出器１２０の種類や方式などを考慮して定めればよい。

ある強度分布Ｉ_ｒの参照光Ｓ１を、ある照射期間にわたり照射するとする。また検出信号Ｄ_ｒは、ある時刻（あるいは微小時間）の受光量、すなわち瞬時値を表すとする。この場合、照射期間において検出信号Ｄ_ｒを複数回サンプリングし、検出強度ｂ_ｒを、検出信号Ｄ_ｒの全サンプリング値の積分値、平均値あるいは最大値としてもよい。あるいは、全サンプリング値のうちのいくつかを選別し、選別したサンプリング値の積分値や平均値、最大値を用いてもよい。複数のサンプリング値の選別は、たとえば最大値から数えて序列ｘ番目からｙ番目を抽出してもよいし、任意のしきい値より低いサンプリング値を除外してもよいし、信号変動の大きさが小さい範囲のサンプリング値を抽出してもよい。

光検出器１２０として、カメラのように露光時間が設定可能なデバイスを用いる場合には、光検出器１２０の出力Ｄ_ｒをそのまま、検出強度ｂ_ｒとすることができる。

検出信号Ｄ_ｒから検出強度ｂ_ｒへの変換は、演算処理装置１３０が実行してもよいし、演算処理装置１３０の外部で行ってもよい。

相関には、式（３）の相関関数が用いられる。Ｉ_ｒは、ｒ番目の強度分布であり、ｂ_ｒはｒ番目の検出強度の値である。

演算処理装置１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）、マイコンなどのプロセッサ（ハードウェア）と、プロセッサ（ハードウェア）が実行するソフトウェアプログラムの組み合わせで実装することができる。演算処理装置１３０は、複数のプロセッサの組み合わせであってもよい。あるいは演算処理装置１３０はハードウェアのみで構成してもよい。パターン発生器１１６は、演算処理装置１３０の内部に実装してもよい。

以上がイメージング装置１００の全体の基本構成である。続いて、パターニングデバイス１１４の制御について、いくつかの実施例をもとに説明する。

（実施例３．１）
図１８（ａ）～（ｃ）は、パターニングデバイス１１４であるＤＭＤの画素を説明する図である。図１８（ａ）に示すように、ＤＭＤは、ｍ行ｎ列のマトリクス状に配置される複数の画素ＰＩＸのアレイである。図１８（ｂ）に示すように、各画素ＰＩＸは、正方形のミラーであり、対角に設けられたヒンジを軸として、ＯＮ方向とＯＦＦ方向に傾動可能となっている。パターニングデバイス１１４は、全画素を独立してオン、オフ制御可能に構成される。以下の説明では、マトリクスの形状を図１８（ｃ）のように簡略化して示す。

パターン発生器１１６は、少なくともひとつの画素からなるピクセルブロックＢを単位として、参照光の強度分布（すなわちパターン信号ＰＴＮ）を制御し、さらにピクセルブロックＢは、可変である。ピクセルブロックＢは、連続（隣接）するオン画素の集合（またはオフ画素の集合、もしくはオン画素とオフ画素の集合）と把握することができる。実施例３．１では、ピクセルブロックＢのサイズが可変であるものとする。

図１９（ａ）～（ｄ）は、サイズが異なるピクセルブロックＢを示す図である。サイズは、ピクセルブロックＢに含まれるピクセル数（すなわち面積）と把握できる。図１９（ａ）～（ｄ）はそれぞれ、縦横１×１ピクセル、２×２ピクセル、３×３ピクセル、４×４ピクセルのピクセルブロックＢ_１×１～Ｂ_４×４を示す。同じピクセルブロックＢに含まれる画素は、同じ状態（オン、オフ）とされる。

図２０（ａ）、（ｂ）は、サイズが異なるピクセルブロックＢにもとづくパターン信号（画像データ）ＰＴＮの例を示す図である。以下では、ｍ＝ｎ＝１６のパターニングデバイス１１４を想定する。

図２０（ａ）では、図１９（ｂ）の２×２ピクセルのピクセルブロックＢ_２×２が適用され、ピクセルブロックＢ_２×２ごとにオン、オフが制御される。１回のセンシングあたり、パターン信号ＰＴＮはＭ通りで変化する。なお、ハッチングを付した画素ＰＩＸがオン画素であり、そうでない画素ＰＩＸはオフ画素である。

図２０（ｂ）では、図１９（ｄ）の４×４ピクセルのピクセルブロックＢ_４×４が適用され、ピクセルブロックＢ_４×４ごとにオン、オフが制御される。パターン信号ＰＴＮの個数Ｍは、ピクセルブロックのサイズに応じて異なっていてもよく、一般的には、ピクセルブロックのサイズを大きくし、ピクセルブロックの数を減らすことで、１回のセンシング当たりのパターンの個数Ｍを減らすことができる。

図２１は、パターン制御の変形例を示す図である。４×４ピクセルのピクセルブロックＢ_４×４の配置が、横方向に関して完全に揃っておらず、いくつかの行において横方向に２ピクセル、オフセットしている。

以上が実施例３．１に係るパターン制御である。このパターン制御は、パターニングデバイス１１４の実効的な解像度を動的に変化させているものと把握できる。再構成処理部１３４における演算量は、解像度に応じて増加するところ、空間的な分解能がそれほど必要とされない状況では、ピクセルブロックＢのサイズを大きくすることで、演算量を減らすことができる。

あるいは、高速に移動する物体ＯＢＪを捉えたい場合には、ピクセルブロックＢのサイズを大きくし、パターンの個数を減らして照射時間を減らすことで、ブレのない画像を復元できる。また演算量、照射回数を減らすことにより、フレームレートを高めることができ、物体ＯＢＪの移動に追従することができる。

（実施例３．２）
実施例３．１では、１つのパターンには、同じピクセルブロックＢが含まれたがその限りでない。実施例３．２では、サイズが異なるピクセルブロックのレイアウトを予め規定しておき、走行シーンに応じて選択する。図２２（ａ）、（ｂ）は、走行シーンに応じたサイズの異なるピクセルブロックＢのレイアウトを説明する図である。

図２２（ａ）を参照すると、下側の領域には、サイズが小さいピクセルブロックＢ_Ｓが配置され、上側ほど、サイズが大きいピクセルブロックＢ_Ｌが配置される。郊外の走行シーンでは、車両前方の上方には、空（車両や歩行者が存在しない空間）が広がっているため、ピクセルブロックＢのサイズを大きくして、解像度を低下させる。反対に、下側は路面に対応し、重要な物体（あるいは路面標識）が存在する可能性が高いため、ピクセルブロックＢのサイズを小さくして、解像度を高めている。

図２２（ｂ）を参照すると、中央に近いほどサイズが小さいピクセルブロックＢ_Ｓが配置され、外周側ほど、サイズが大きいピクセルブロックＢ_Ｌが配置される。高速道路などの走行シーンでは、画面中央付近に消失点が位置しており、遠方の対向車は消失点から出現し、出現当初はサイズが小さく、実車に接近するにしたがって、サイズが大きくなる。図２２（ｂ）のレイアウトによれば、遠方の小さく見える物体ＯＢＪを検出しやすくなる。

（実施例３．３）
実施例３．２では、予め複数のレイアウトを規定しておき、複数のレイアウトの中から走行シーンに適したひとつを適応的に選択したが、その限りでなく、サイズの異なるピクセルブロックＢのレイアウトを動的に変化させてもよい。

図２３は、サイズの異なるピクセルブロックＢの動的なレイアウトを説明する図である。あるフレーム１において、均一なサイズ（２×２ピクセル）のピクセルブロックＢ_２×２からなるパターンが使用される。このフレーム１において復元された画像から、物体ＯＢＪの位置が推定される。そして、次のフレーム２では、物体ＯＢＪが存在する領域には、サイズが小さいピクセルブロックＢを配置し、そこから遠ざかるほど、ピクセルブロックＢのサイズを大きくしてもよい。

（実施例３．１～３．３に関連する変形例）
（変形例１）
これまでの説明では、ピクセルブロックＢの形状が正方形であったが、その限りでない。図２４（ａ）～（ｃ）は、変形例１に係るピクセルブロックＢを示す図である。ピクセルブロックＢは横に長い長方形であり、そのサイズが動的に変化する。

（変形例２）
実施例３．１～３．３では、縦方向と横方向を同じスケールで変化させたが、縦方向のピクセル数のみ、あるいは横方向のピクセル数のみを変化させてもよい。図２５（ａ）～（ｄ）は、変形例２に係るピクセルブロックＢを示す図である。この例では、ピクセルブロックＢは横方向のピクセル数が可変である。

（実施例３．４）
実施例３．１～３．３では、ピクセルブロックＢのサイズを変化させる場合を説明した。実施例３．４では、ピクセルブロックＢの形状を適応的に変化させる。

図１７０（ａ）～（ｄ）は、形状が異なるピクセルブロックＢを示す図である。図１７０（ａ）には横方向（Ｘ方向）に長いピクセルブロックＢ_Ｘが、図１７０（ｂ）には、縦方向（Ｙ方向）に長いピクセルブロックＢ_Ｙが、図１７０（ｃ）には、斜め方向に長いピクセルブロックＢ_ＸＹが示される。図１７０（ｄ）には基本となる正方形のピクセルブロックＢ_Ｓが示される。図１７０（ａ）～（ｄ）のピクセルブロックＢのサイズはすべて等しい。

図２７（ａ）～（ｃ）は、形状が異なるピクセルブロックにもとづくパターン信号ＰＴＮの例を示す図である。ピクセルブロックＢの長さおよび位置の少なくとも一方は、ランダムに決定される。図２７（ａ）は、横長のピクセルブロックＢ_Ｘを用いたパターン信号ＰＴＮ_Ｘの一例を、図２７（ｂ）は、縦長のピクセルブロックＢ_Ｙを用いたパターン信号ＰＴＮ_Ｙの一例を、図２７（ｃ）は、斜め方向のピクセルブロックＢ_ＸＹを用いたパターン信号ＰＴＮ_ＸＹの一例を示す。

物体ＯＢＪとイメージング装置１００の相対的な運動を考える。

物体ＯＢＪがイメージング装置１００に対して相対的に水平方向に移動するとき、横長のピクセルブロックＢ_Ｘからなるパターン信号ＰＴＮ_Ｘを用いると、正方形のピクセルブロックＢ_Ｓを用いた場合に比べて、横方向の実効的な解像度は低下するため、横方向の画像のシャープさは低下し、あるいは横方向の位置の検出精度は低下するが、捕捉時間（言い換えれば露光時間）が長くなり、検出強度Ｄが増加するため、Ｓ／Ｎ比を高めて検出がしやすくなる（つまり感度が上がる）。

同じパターン信号ＰＴＮ_Ｘを用いて、縦方向に移動する物体ＯＢＪをセンシングする場合、正方形のピクセルブロックＢ_Ｓを用いた場合に比べて、捕捉時間は短くなるため検出強度Ｄが低下し、検出感度は下がるが、縦方向の解像度は改善され、縦方向の位置の検出精度が高まる。

パターン信号ＰＴＮ_Ｙ、パターン信号ＰＴＮ_Ｚにも同様の考えが適用できる。一般化すると、ピクセルブロックＢが伸びる方向に運動する物体に対して検出感度を高め、それと垂直な方向に移動する物体についてはシャープな像が得られ、あるいは位置の検出精度を高めることができる。

図２８（ａ）、（ｂ）は、形状に特徴を有するピクセルブロックＢを有するパターン信号ＰＴＮにもとづくセンシングを説明する図である。はじめは図２８（ａ）に示すように、とある形状（５×５ピクセルの正方形）のピクセルブロックＢ_Ｓを含むパターン信号ＰＴＮ_Ｓを利用してセンシングしている。このセンシングにより、物体ＯＢＪは自動車であり、横方向に移動していることが検出される。パターン信号ＰＴＮ_Ｓにもとづくセンシングでは、物体ＯＢＪの先端の位置はＸ’と判定され、実際の物体ＯＢＪの先端の位置Ｘとは誤差がある。

そこで、物体ＯＢＪの横方向の位置を正確に検出するために、縦長のピクセルブロックＢ_Ｙを含むパターン信号ＰＴＮ_Ｙに切り替える。これにより、横方向の解像度が高まるため、物体ＯＢＪの先端の位置はＸ”と判定され、実際の物体ＯＢＪの先端の位置Ｘに近づけることができる。

縦方向に関しては、物体ＯＢＪは移動しないため、縦長のピクセルブロックＢ_Ｙを用いることのデメリットはほとんど存在しないと言える。

図２８（ａ）、（ｂ）の例では、ある物体ＯＢＪを積極的に捕捉するために、ピクセルブロックＢの形状を切り替えたが、その限りでなく、特定の物体ＯＢＪを消すために、ピクセルブロックＢの形状を利用してもよい。たとえば、車載のセンシング装置にとって、雨や雪はノイズであり、画像を復元する必要がないといえる。そして雨や雪の移動方向は一定であるから、ピクセルブロックＢの形状を最適化すると、雨や雪の影響を排除しやすくなる。

たとえば雨が鉛直方向に降っている場合、縦方向（鉛直方向）に短い、言い換えれば横方向に長い形状のピクセルブロックＢが好適である。複数のパターンを連続して照射する一連のセンシング動作において、特定のピクセルブロックの光が、雨の向こう側の物体ＯＢＪへ到達し、雨の手前側の光検出器１２０に戻ってくる過程で、特定のピクセルブロックの光が雨粒によって大きく影響を受ける（遮蔽される）確率が小さくなる。つまり各画素の雨の影響が均一化されることで、雨の影響を除去する処理（ノイズキャンセリング）が容易になる。

（実施例３．５）
これまでの実施例３．１～３．４では、同一のピクセルブロックＢに含まれる画素はすべてオン（もしくはオフ）であった。これに対して、実施例３．５では、同一のピクセルブロックＢは、オン画素とオフ画素の両方を含む。つまり、ピクセルブロックＢは、所定配置された二以上のオン画素とオフ画素を含む。このようなピクセルブロックをパターンブロック（Patterned Block）と称する。照明装置１１０は、パターンブロックの組み合わせによって、強度分布を規定する。

図２９（ａ）～（ｄ）は、実施例３．５に係るパターンブロックＰＢを説明する図である。図２９（ａ）～（ｄ）には、パターンブロックＰＢ内のオン画素とオフ画素の分布（パターン）が示される。

図２９（ａ）では、パターンブロックＰＢの４辺に沿ってオフ画素が配置されており、図２９（ｂ）では、パターンブロックＰＢの隣接する２辺に沿ってオフ画素が配置されている。

図２９（ｃ）では、オン画素が斜め方向にクロスするように配置される。図２９（ｄ）では、オン画素が縦横でクロスするように配置される。

図３０（ａ）、（ｂ）は、パターンブロックの組み合わせにもとづくパターン信号の例を示す図である。図３０（ａ）は、図２９（ａ）のパターンブロックにより形成されるパターン信号の一例である。図３０（ｂ）は、図２９（ｄ）のパターンブロックにより形成されるパターン信号の一例である。図３０（ａ）と図３０（ｂ）とは、オンであるパターンブロックの配置は同じである。

パターンブロックの概念を導入し、オン画素とオフ画素の分布を最適化することで、ある特定のシーンや物体に対して適したセンシングを提供することができる。

さらに、パターンブロックを複数規定しておき、それらを、物体ＯＢＪの形状や動き、あるいは走行シーンに合わせて適応的に選択することにより、物体ＯＢＪを正確に検出できるようになり、あるいは、演算量やフレームレートを制御できるようになる。

ゴーストイメージングによるセンシングでは、参照光Ｓ１のランダム性、空間インコヒーレント性が画質に大きな影響を与える。図２９（ａ）や（ｂ）のパターンブロックによれば、以下で説明するように、空間インコヒーレント性を改善できる。

図３１（ａ）、（ｂ）は、参照光の空間インコヒーレント性の改善を説明する図である。一般に、ある光源から出射する光束は、ある広がり角を持って進む。ニアフィールドを観察する顕微鏡では、画素ごとの光束の広がりは問題とならない。しかしながら車載用のイメージング装置１００は、ファーフィールドの物体を検出する必要があるため、光束の広がりが問題を引き起こす。具体的には図３１（ａ）に示すように、照明装置１１０の隣接する２つのオン領域（あるいは画素）Ａ，Ｂから出射した２つの光束は、照明装置１１０から遠く離れた物体ＯＢＪの位置においてオーバーラップする。このような光束の重なりは、空間インコヒーレント性を低下させる。

図２９（ａ）や（ｂ）のパターンブロックを利用すると、連続するオン画素の個数を２個に制限することができる。これは、隣接する２個のオン領域の間に、オフ画素が挿入されることを意味する。これにより、図３１（ｂ）に示すように、隣接する２つのオン領域Ａ，Ｂを空間的に分離できるため、物体ＯＢＪに照射される参照光に関しても、光束の重なりを低減することができ、空間インコヒーレント性を改善できる。図２９（ｃ）のパターンブロックＢを用いた場合も、横方向、縦方向に関しては、連続するオン画素の個数を１個または２個とすることができる。

たとえば、遠方に物体ＯＢＪが存在する場合には、図２９（ａ）～（ｃ）のパターンブロックＢを用い、物体ＯＢＪが近い場合には通常のパターンブロック（あるいはピクセルブロック）を用いてもよい。

（実施例３．６）
ピクセルブロックＢあるいはパターンブロックＰＢにもとづく強度分布の制御のいくつかは、照明装置１１０の複数の画素のオン、オフ制御に、制約条件を課していると把握することができる。

たとえば、図２９（ａ）のパターンブロックＰＢを利用した強度分布制御は、隣接する２個のオン画素の間には、２＋４×ｎ個（ｎ≧０）のオフ画素が挿入されるという制約条件と把握できる。

あるいは、図２９（ｂ）のパターンブロックＰＢを利用した強度分布制御は、隣接する３個のオン画素の間には、１＋４×ｎ個（ｎ≧０）のオフ画素が挿入されるという制約条件と把握できる。

言い換えれば、空間インコヒーレント性を改善できる強度分布は、パターンブロックＰＢを用いずに、所定の制約条件にもとづいて生成してもよい。

図３２（ａ）、（ｂ）は、空間インコヒーレント性を改善できる強度分布の例を示す図である。図３２（ａ）、（ｂ）では、隣接する画素がオンとならないという制約条件のもと、複数の画素のオン、オフがランダムに決定されている。図３２（ａ）では、縦方向、横方向、斜め方向に関するオン画素の隣接が禁止される。図３２（ｂ）では、斜め方向のオン画素の隣接は許容され、縦方向と横方向に関するオン画素の隣接が禁止される。

（実施例３．７）
制約条件にもとづく強度分布の制御の別の例を説明する。図３３（ａ）～（ｄ）は、点灯率を制約条件としたパターン制御を説明する図である。図３３（ａ）～（ｄ）では、点灯率（全画素数に対するオン画素の個数の比率）が異なっており、それぞれ、点灯率は２０％、４０％、６０％、８０％である。パターン発生器を擬似ランダム信号（ＰＲＢＳ：Pseudo Random Bit Sequence）発生器で構成する場合、点灯率は、ＲＰＢＳのマーク率に対応付けられる。

点灯率を高めると、光量が増加するため、より遠方の物体をセンシングすることが可能となる。あるいは、より反射率が低い物体や、反射面積が小さい物体の検出が可能となる。点灯率を高めることで、光の減衰率が高い濃霧環境下でも、反射光の量を増やすことができるため、検出感度を高めることができる。

反対に、近い物体をセンシングする場合、反射率が高い物体、大きい物体を検出する際には、点灯率を低下させてもよい。

また参照光Ｓ１を白色光とする場合、走行環境に応じて点灯率を動的に制御することにより、運転者からの視認性を高めたり、他の交通参加者に注意や警報を与えたり、先行車や対向車、歩行者へのグレアを低減できる。

たとえば、点灯率を低下させれば、前方が暗くなるため、対向車や歩行者へのグレアを防止することができる。反対に点灯率を高めれば、前方が明るくなるため、運転者からの視認性を高めたりできる。また点灯率を時間的に増減させれば、参照光Ｓ１を擬似的に点滅させることができ、自車の運転者や、他の交通参加者に注意や警報を与えることができる。

図３３（ａ）～（ｄ）の例では、全画素に関する点灯率を規定しているが、複数の領域に分割して、領域ごとに、点灯率を規定してもよい。図３４（ａ）、（ｂ）は、変形例に係る点灯率の制御を説明する図である。たとえば点灯率が５０％とする場合に、全画素を通してのマーク率を５０％としてＰＲＢＳを生成すると、上半分にオン画素が集中し、下半分にオフ画素が集中し、明るさにムラが生ずる。そこで図３４（ａ）に示すように、上半分の領域と下半分の領域それぞれについて、マーク率が５０％のＰＲＢＳを生成して強度分布を規定すれば、明るさのムラを低減できる。

図３４（ｂ）に示すように、複数の領域に分割し、領域ごとに点灯率を独立に指定可能としてもよい。この場合、対向車や先行車が存在する領域については点灯率を下げるなどの制御を行うことができる。

続いて実施の形態３に関連する変形例を説明する。

（変形例３．１）
実施の形態では、照明装置１１０を、光源１１２とパターニングデバイス１１４の組み合わせで構成したがその限りでない。たとえば照明装置１１０は、マトリクス状に配置される複数の半導体光源（ＬＥＤ（発光ダイオード）やＬＤ（レーザダイオード））のアレイで構成し、個々の半導体光源のオン、オフ（あるいは輝度）を制御可能に構成してもよい。

（用途）
続いて実施の形態３に係るイメージング装置１００の用途を説明する。このイメージング装置１００は、図１０の物体識別システム１０に利用できる。物体識別システム１０のセンサとして、実施の形態２で説明したイメージング装置１００を用いることで、以下の利点を得ることができる。

イメージング装置１００すなわち量子レーダカメラを用いることで、ノイズ耐性が格段に高まる。たとえば、降雨時、降雪時、あるいは霧の中を走行する場合、肉眼では物体ＯＢＪを認識しにくいが、イメージング装置１００を用いることで、雨、雪、霧の影響を受けずに、物体ＯＢＪの復元画像Ｇを得ることができる。

車載用のイメージング装置１００の検出対象は、車、人、バイクや自転車、構造物や動植物とさまざまである。またイメージング装置が使用される状況も、天候、時間帯、走行道路、走行速度などの走行環境に応じて大きく変化する。また、イメージング装置自体が移動するとともに、対象物も移動し、それらの相対的な移動方向もさまざまである。参照光の強度分布を、ピクセルブロックやパターンブロックにもとづいて動的に制御することにより、車載用途に適したセンシングが可能となる。

実施の形態３で説明したイメージング装置１００は、図１１の自動車に搭載でき、図１２の車両用灯具に内蔵してもよい。

（実施の形態４）
（実施の形態４の概要）
以下で説明する実施の形態４は、ゴーストイメージングの原理を用いたイメージング装置に関する。イメージング装置は、参照光の強度分布を複数Ｍ通りで変化させながら物体に照射する照明と、複数の強度分布Ｉ_１～Ｉ_Ｍそれぞれについて、物体からの反射光を測定する光検出器と、複数の強度分布Ｉ_１～Ｉ_Ｍと光検出器の出力にもとづく複数の検出強度ｂ_１～ｂ_Ｍの相関をとることにより、物体の復元画像を再構成する演算処理装置と、を備える。

複数の強度分布Ｉ_１～Ｉ_Ｍは以下の処理によって決定することができる。
（i）照明から物体を経て光検出器に至る経路の伝達特性をモデル化する。
（ii）基準物体およびそれに対応する基準画像を定義する。
（iii）複数の強度分布Ｉ_１～Ｉ_Ｍに初期値を与える。
（iv)モデル化した伝達特性にもとづいて、複数の強度分布Ｉ_１～Ｉ_Ｍそれぞれを有する参照光を基準物体に照射したときの、検出強度ｂ_１～ｂ_Ｍの推定値ｂ＾_１～ｂ＾_Ｍを計算する。
（v）複数の強度分布Ｉ_１～Ｉ_Ｍと複数の推定値ｂ＾_１～ｂ＾_Ｍの相関をとることにより、基準物体の復元画像を再構築する。
（vi）復元画像と基準画像の誤差が小さくなるように、複数の強度分布Ｉ_１～Ｉ_Ｍそれぞれを修正する。処理（iv）～（vi）を繰り返すことにより、複数の強度分布Ｉ_１～Ｉ_Ｍを決定することができる。

この実施の形態によれば、想定される被写体などに応じて基準画像を定義して、パターンを最適化することにより、照射回数を減らすことができる。

基準物体および基準画像は、複数Ｎセット（Ｎ≧２）、定義されてもよい。この場合、複数の被写体を想定できるため、より汎用性を高めることができる。

誤差は、式（４）の目的関数Ｆ（Ｉ）で表されてもよい。

但し、Ｗは画像の幅、Ｈは画像の高さ、Ｔ_ｉ（ｘ，ｙ）はｉ番目の基準画像、Ｇ_ｉ（ｘ，ｙ，Ｉ）はｉ番目の復元画像を表す。

複数の強度分布Ｉ_１～Ｉ_Ｍを、複数セット用意しておき、走行環境に応じたひとつのセットを選択的に使用してもよい。これにより、さまざまな走行環境において常に同じ強度分布のセットを用いる場合に比べて、画質を改善できる。

（実施の形態４の詳細な説明）
図３５は、実施の形態４に係るイメージング装置１００を示す図である。イメージング装置１００はゴーストイメージングの原理を用いた相関関数イメージセンサであり、照明１１０、光検出器１２０、演算処理装置１３０を備える。イメージング装置１００を、量子レーダカメラとも称する。

照明１１０は、疑似熱光源であり、実質的にランダムとみなしうる強度分布Ｉ（ｘ，ｙ）を有する参照光Ｓ１を生成し、物体ＯＢＪに照射する。物体ＯＢＪへの参照光Ｓ１の照射は、その強度分布を、複数のＭ通りのパターンに応じて変化させながら行われる。照明１１０は、たとえば均一な強度分布を有する光Ｓ０を生成する光源１１２と、この光Ｓ０の強度分布Ｉを空間的に変調可能なパターニングデバイス１１４を含みうる。光源１１２は、レーザや発光ダイオードなどを用いてもよい。参照光Ｓ１の波長やスペクトルは特に限定されず、複数のあるいは連続スペクトルを有する白色光であってもよいし、所定の波長を含む単色光であってもよい。

パターニングデバイス１１４としては、ＤＭＤ（Digital Micromirror Device）や液晶デバイスを用いることができる。パターニングデバイス１１４には、演算処理装置１３０から、強度分布Ｉを指定するパターン信号ＰＴＮ（画像データ）が与えられており、したがって演算処理装置１３０は、現在、物体ＯＢＪに照射される参照光Ｓ１の強度分布Ｉ_ｒを知っている。

光検出器１２０は、物体ＯＢＪからの反射光を測定し、検出信号Ｄ_ｒを出力する。検出信号Ｄ_ｒは、強度分布Ｉ_ｒを有する参照光を物体ＯＢＪに照射したときに、光検出器１２０に入射する光エネルギー（あるいは強度）の空間的な積分値である。したがって光検出器１２０は、シングルピクセルのデバイス（フォトディテクタ）を用いることができる。光検出器１２０からは、複数Ｍ通りの強度分布Ｉ_１～Ｉ_Ｍそれぞれに対応する複数の検出信号Ｄ_１～Ｄ_Ｍが出力される。

演算処理装置１３０は、パターン発生器１３２および再構成処理部１３４を含む。パターン発生器１３２は、参照光Ｓ１の強度分布Ｉを指定するパターン信号ＰＴＮ_ｒを発生し、時間とともにパターン信号ＰＴＮ_ｒを切り替える（ｒ＝１，２，…Ｍ）。従来では、照明１１０が発生する参照光Ｓ１の強度分布は、ランダムに生成していたが、本実施の形態では、予め決められた複数の強度分布Ｉ_１～Ｉ_Ｍのセットが用いられる。したがって複数の強度分布Ｉ_１～Ｉ_Ｍを規定する複数のパターン信号ＰＴＮ_１～ＰＴＮ_Ｍのセットは、パターン発生器１３２の内部のメモリ（パターンメモリ）に予め保持されている。

再構成処理部１３４は、複数の強度分布Ｉ_１～Ｉ_Ｍと、複数の検出強度ｂ_１～ｂ_Ｍの相関をとることにより、物体ＯＢＪの復元画像Ｇ（ｘ，ｙ）を再構成する。検出強度ｂ_１～ｂ_Ｍは、検出信号Ｄ_１～Ｄ_Ｍにもとづいている。検出強度ｂと検出信号Ｄの関係は、光検出器１２０の種類や方式などを考慮して定めればよい。

ある強度分布Ｉ_ｒの参照光Ｓ１を、ある照射期間にわたり照射するとする。また検出信号Ｄ_ｒは、ある時刻（あるいは微小時間）の受光量すなわち瞬時値を表すとする。この場合、照射期間において検出信号Ｄ_ｒを複数回サンプリングし、検出強度ｂ_ｒを、検出信号Ｄ_ｒの全サンプリング値の積分値、平均値あるいは最大値としてもよい。あるいは、全サンプリング値のうちのいくつかを選別し、選別したサンプリング値の積分値や平均値、最大値を用いてもよい。複数のサンプリング値の選別は、たとえば最大値から数えて序列ｘ番目からｙ番目を抽出してもよいし、任意のしきい値より低いサンプリング値を除外してもよいし、信号変動の大きさが小さい範囲のサンプリング値を抽出してもよい。

光検出器１２０として、カメラのように露光時間が設定可能なデバイスを用いる場合には、光検出器１２０の出力Ｄ_ｒをそのまま、検出強度ｂ_ｒとすることができる。

検出信号Ｄ_ｒから検出強度ｂ_ｒへの変換は、演算処理装置１３０が実行してもよいし、演算処理装置１３０の外部で行ってもよい。

相関には、式（５）の相関関数が用いられる。Ｉ_ｒは、ｒ番目の強度分布であり、ｂ_ｒはｒ番目の検出強度の値である。

以上がイメージング装置１００の全体の基本構成である。以下、複数の強度分布Ｉ_１～Ｉ_Ｍの決め方を説明する。複数の強度Ｉ_１～Ｉ_Ｍは、予めコンピュータを用いて決定される。

図３６は、複数の強度分布Ｉ_１～Ｉ_Ｍのセットの決定方法を示すフローチャートである。照明１１０から物体ＯＢＪを経て光検出器１２０に至る経路の伝達特性をモデル化する（Ｓ１００）。この伝達特性には、照明１１０から物体ＯＢＪまでの光の伝達特性と、物体ＯＢＪの反射特性と、物体ＯＢＪから光検出器１２０までの光の伝搬特性と、光検出器１２０の変換特性が含まれる。

基準物体およびそれに対応する基準画像Ｔ（ｘ，ｙ）を定義する（Ｓ１０２）。基準画像Ｔ（ｘ，ｙ）は、基準物体の反射特性を規定する。図３７は、基準物体と基準画像Ｔ（ｘ，ｙ）の関係を説明する図である。

ここでは説明の簡素化、理解の容易化のために、グレースケールとして考える。基準画像Ｔ（ｘ，ｙ）の画素値は０～１で正規化されるものとする。この場合、各画素ｐの画素値は、基準物体の対応する部分の反射率を表す。たとえばある画素ｐの画素値が１であるとき、それに対応する基準物体の反射率は１（すなわち１００％）であり、画素値が０であるとき、それに対応する基準物体の反射率は０（すなわち０％）であり、画素値が０．５であるとき、それに対応する基準物体の反射率は０．５（すなわち５０％）のように対応付けることができる。

図３６に戻る。複数のパターンに初期値を与えるステップと、（iv)伝達特性にもとづいて、複数の強度分布Ｉ_１～Ｉ_Ｍそれぞれを有する参照光Ｓ１を基準物体ＯＢＪに照射したときの、検出強度ｂ_１～ｂ_Ｍの推定値ｂ＾_１～ｂ＾_Ｍを計算する（Ｓ１０６）。

たとえば照明１１０から物体ＯＢＪまでの光路において光は減衰せず、参照光Ｓ１は、基準物体ＯＢＪを包含する矩形（図３７の右の破線で示す矩形）の全体にわたって照射されるものとする。また物体ＯＢＪから光検出器１２０までの光路において光は減衰せず、物体ＯＢＪからの反射光はすべて光検出器１２０に入射するものと仮定する。この仮定のもとでは、強度分布がＩ_ｒ（ｘ，ｙ）である参照光を基準物体に照射したときの検出強度の推定値ｂ＾_ｒは、式（６）で表される。但し、Ｗは画像の幅、Ｈは画像の高さを表す。

現在の強度分布Ｉ_１（ｘ，ｙ）～Ｉ_Ｍ（ｘ，ｙ）の組み合わせ（あるいは状態）をＩと表記する。式（７）の相関関数にもとづいて、強度分布のセットＩを用いて、復元画像Ｇ（ｘ，ｙ，Ｉ）を再構成する（Ｓ１０８）。式（７）は、式（５）の検出強度ｂ_ｒを、推定値ｂ＾_ｒに置き換えたものである。

基準画像Ｔ（ｘ，ｙ）は、復元画像Ｇ（ｘ，ｙ，Ｉ）の正解に相当する。そこで、復元画像Ｇ（ｘ，ｙ，Ｉ）と、基準画像Ｔ（ｘ，ｙ）の誤差εを計算し（Ｓ１１０）、誤差ε小さくなるように、複数の強度分布Ｉ_１～Ｉ_Ｍそれぞれを修正する（Ｓ１１４）。

この処理は誤差εがその許容値ε_ＭＡＸより大きい間繰り返される（Ｓ１１２のＹ）。ε＜ε_ＭＡＸとなると（Ｓ１１２のＮ）、そのときの複数の強度分布Ｉ_１～Ｉ_ＭのセットＩを保存し（Ｓ１１６）、最適化処理が終了する。

この実施の形態によれば、想定される被写体などに応じて基準画像を定義して、パターンを最適化することにより、照射回数を減らすことができる。

好ましくは、基準画像Ｔ（ｘ，ｙ）と基準物体を、複数Ｎセット用意し、それらについて総合的な誤差εが小さくなるように、複数の強度分布Ｉ_１～Ｉ_Ｍを最適化するとよい。この場合、複数の被写体を想定できるため、より汎用性を高めることができる。

この場合の誤差εは、式（８）の目的関数Ｆ（Ｉ）で表されてもよい。

Ｔ_ｉ（ｘ，ｙ）は、ｉ番目のセットの基準画像を表す。

誤差εを最小化するアルゴリズムは特に限定されず、公知のものを用いることができる。たとえば最小化には、確率的勾配降下法を用いることができる。この問題は以下の式（９）で定式化できる。

Ｉ＾は、最適な強度分布Ｉ_１～Ｉ_Ｍのセットである。なお、強度分布Ｉ_１～Ｉ_Ｍの画素値は負をとらないから、非負の制約条件を設けることができる。

（検証）
以下、具体的な強度分布Ｉ_１～Ｉ_Ｍのセットの決定および検証について説明する。基準画像（基準物体）としては、ｎｏｔＭＮＩＳＴと呼ばれるさまざまなフォントで表されたアルファベット等の画像データのセットを利用した（https://kaggle.com/lubaroli/notmnist/home）。このデータセットに含まれる画像は５２９１１４枚である。機械学習において、データの多様性は性能向上につながる可能性が高いため、以下の処理を加えて擬似的にデータ数を増加させた（かさ増し）。これらのデータを用いて、バッチサイズ６４で１０エポック学習を行った。
・ランダムに上下方向、左右方向に１０％シフト
・ランダムに１０％ズーム
・ランダムに１０％回転
・ランダムに上下、左右反転

強度分布Ｉ_１～Ｉ_Ｍの数Ｍは、１００、５００，１０００として、それぞれの最適な強度分布のセットＩ_１００＾、Ｉ_５００＾、Ｉ_１０００＾を求めた。最適化アルゴリズムとしては、Ａｄａｍ（Kingma Diederik, Jimmy Ba, "Adam-: A Method for Stochastic Optimization", arXiv:1412.6980,2014）を用いた。パラメータは文献にしたがい、α＝０．００１、β_１＝０．９、β_２＝０．９９９とした。

図３８は、Ｍ＝１００に対して得られる１００通りの強度分布Ｉ_１～Ｉ_１００からなるセットＩ_１００＾示す図である。各画素の値は、０～２５５の範囲に正規化されている。Ｍ＝５００，Ｍ＝１０００についても同様のセットが得られるが、スペースの関係で図示は省略する。

図３９は、最適化された強度分布のセットを用いたときの復元画像を示す図である。一番左は正解画像であり、上から順に、アルファベットのＫ、カエル、電車、トラックの写真を用いている。復元画像の下には、正解画像との誤差を表すＰＳＮＲの数値を示す。カエル、電車、トラックの画像は、ＣＩＦＡＲ－１０から引用した（Alex Krizhevsky, "Learning multiple layers of features from tiny images" 2009）。ＰＳＮＲは、数値が大きいほど、誤差が小さいことを示す。

最適化された強度分布のセットを用いることにより、Ｍ＝１００の場合であっても、元の物体をある程度復元できており、Ｍ＝５００ではさらに正確に復元でき、Ｍ＝１０００ではさらに正確に復元できることがわかる。

比較のために、従来のランダムな強度分布のセットを用いたときの復元画像を計算した。ここではアルファベットのＫについての結果を示す。図４０は、ランダムな強度分布のセットを用いたときの復元画像を示す図である。ランダムな強度分布を用いると、１００００回照射を行う場合でも、ＰＳＮＲは９．５７８程度である。これに対して、本実施の形態によれば、１００回照射でＰＳＮＲ＝１４．２０、５００回照射でＰＳＮＲ＝１８．６３、１０００回照射でＰＳＮＲ＝２２．１３が得られており、従来に比べてＰＳＮＲは著しく改善されることがわかる。

続いて実施の形態４に関する変形例を説明する。

（変形例４．１）
イメージング装置１００において、強度分布のセットを複数用意しておき、走行環境に応じてそれらを切り替えるようにしてもよい。

上述の説明では、イメージング装置１００から物体ＯＢＪの間で、光の減衰等が存在しないとした。これは、晴天時の見通しがよい場合に対応付けることができる。もちろん、この仮定のもとで得られた強度分布のセットは、降雨、降雪あるいは濃霧の中を走行する状況でも有効であるが、降雨、降雪、あるいは濃霧などの走行環境に応じて、強度分布のセットを切り替えれば、さらに復元画像Ｇの誤差を小さくできる。

たとえばイメージング装置１００と物体ＯＢＪの間に、雨、雪、霧が存在する走行環境を想定する場合、それぞれ影響を考慮して、伝達特性（光の伝搬特性）をモデル化すればよい。この場合、検出強度ｂ_ｒの推定値ｂ＾_ｒの計算式が式（６）から修正されることとなる。そして、修正された推定値ｂ＾_ｒにもとづいて、強度分布のセットを最適化すればよい。

複数の走行環境を想定し、各走行環境に適した強度分布のセットを最適化する際には、各走行環境（すなわち降雨、降雪、濃霧）において基準物体を撮影し、得られた画像を基準画像として、上述の機械学習を行ってもよい。この場合、伝達特性（光の伝搬特性）のモデル化を簡略化できる。

あるいは、走行環境としては、雨、雪、霧などの違いに加えて、あるいはそれらに変えて、昼の走行と夜の走行、低速走行と高速走行などを考慮して、各走行環境に適した強度分布のセットを用意してもよい。

（変形例４．２）
実施の形態４では、照明１１０を、光源１１２とパターニングデバイス１１４の組み合わせで構成したがその限りでない。たとえば照明１１０は、マトリクス状に配置される複数の半導体光源（ＬＥＤ（発光ダイオード）やＬＤ（レーザダイオード））のアレイで構成し、個々の半導体光源のオン、オフ（あるいは輝度）を制御可能に構成してもよい。

続いて実施の形態４に係るイメージング装置１００の用途を説明する。このイメージング装置１００は、図１０の物体識別システム１０に利用できる。物体識別システム１０のセンサとして、実施の形態４で説明したイメージング装置１００を用いることで、以下の利点を得ることができる。

第１に、イメージング装置１００すなわち量子レーダカメラを用いることで、ノイズ耐性が格段に高まる。たとえば、降雨時、降雪時、あるいは霧の中を走行する場合、肉眼では物体ＯＢＪを認識しにくいが、イメージング装置１００を用いることで、雨、雪、霧の影響を受けずに、物体ＯＢＪの復元画像Ｇを得ることができる。

第２に、参照光Ｓ１として、予め機械学習によって最適化した強度分布Ｉ_１～Ｉ_Ｍのセットを用いることで、少ない照射回数で、物体ＯＢＪの像を復元できる。上の対比では従来のランダムな強度分布では、数千回にも及ぶ照射回数が必要であったのに対して、本実施形態では、１００～１０００回程度の照射回数まで減らすことができる。これにより、１枚の復元画像を得るために要する時間、すなわちフレームレートを従来よりも増やすことができる。これにより、イメージング装置１００と物体ＯＢＪが相対的に移動する車載用途において必要なフレームレートを達成することができる。

実施の形態４で説明したイメージング装置１００は、図１１の自動車に搭載でき、図１２の車両用灯具に内蔵してもよい。

実施の形態１～４において、ゴーストイメージング（あるいはシングルピクセルイメージング）の手法として、相関計算を用いた手法を説明したが、画像の再構築の手法はそれに限定されない。いくつかの実施の形態では、相関計算に変えて、フーリエ変換やアダマール逆変換を使用した解析的手法や、スパースモデリングなどの最適化問題を解く手法、およびＡＩ・機械学習を利用したアルゴリズムによって、画像を再構築してもよい。

実施の形態にもとづき、具体的な語句を用いて本発明を説明したが、実施の形態は、本発明の原理、応用の一側面を示しているにすぎず、実施の形態には、請求の範囲に規定された本発明の思想を逸脱しない範囲において、多くの変形例や配置の変更が認められる。

本発明は、車両用灯具に関する。

ＯＢＪ…物体、１０…物体識別システム、２０…イメージング装置、４０…演算処理装置、４２…分類器、１００…イメージング装置、１１０…照明、１２０…光検出器、１３０…演算処理装置、１３２…パターン発生器、１３４…再構成処理部、２００…車両用灯具、２０２…光源、２０４…点灯回路、２０６…光学系、３００…自動車、３０２…前照灯、３１０…灯具システム、３０４…車両側ＥＣＵ、４００…車両用灯具、４０２…筐体、４０４…カバー、４１０…前照灯、４１２…光源、４１４…リフレクタ、４１６…パターニングデバイス、４２０…疑似熱光源、４２２…光源、４２４…パターニングデバイス、４３０…共通部材。

Claims (5)

1. 車両用灯具であって、
   前照灯と、
   参照光の強度分布をランダムに切り替えながら物体に照射する疑似熱光源と、
   を備え、
   前記疑似熱光源は、前記物体からの反射光を測定する光検出器、および、前記光検出器の出力と前記参照光の強度分布にもとづいて、前記物体の復元画像を再構成する演算処理装置とともにイメージング装置を構成するものであり、
   前記前照灯および前記疑似熱光源は、パターニングデバイスを共有して構成され、
   前記パターニングデバイスは、前記前照灯の配光を規定する配光画像データと、前記参照光の強度分布を規定するランダム画像データをピクセルごとに論理積を計算して得られる画像データに応じて制御されることを特徴とする車両用灯具。
2. 前記パターニングデバイスによりパターニングされた光を車両前方に反射するリフレクタをさらに備えることを特徴とする請求項１に記載の車両用灯具。
3. 前記参照光は、赤外または紫外であることを特徴とする請求項１または２に記載の車両用灯具。
4. 前記参照光は白色光であることを特徴とする請求項１または２に記載の車両用灯具。
5. 請求項１から４のいずれかに記載の車両用灯具を備えることを特徴とする車両。

Images