JP7469640B2

JP7469640B2 - タイヤ異常判定装置、タイヤ異常判定方法およびプログラム

Info

Publication number: JP7469640B2
Application number: JP2020088171A
Authority: JP
Inventors: 大輔金成
Original assignee: Yokohama Rubber Co Ltd
Current assignee: Yokohama Rubber Co Ltd
Priority date: 2020-05-20
Filing date: 2020-05-20
Publication date: 2024-04-17
Anticipated expiration: 2040-05-20
Also published as: JP2021181960A

Description

本発明は、タイヤ異常判定装置、タイヤ異常判定方法およびプログラムに関する。

タイヤの温度を直接的に測定するセンサを用いてタイヤに異常が生じたか否かを監視するシステムがある。

特許文献１には、タイヤのトレッド部の温度を赤外線温度計で測定し、走行距離に対する代表的な温度上昇曲線と、測定された温度および走行距離とに基づいて運転者に走行における異常を通知することが開示されている。特許文献２には、車両１にタイヤ３のそれぞれに設けられる圧力センサ１３、温度センサ１４の出力に基づいてタイヤ３の異常を判定することが開示されている。

特許第５０６７２８７号特許第６０６５０２７号

タイヤの温度を直接的に計測するには、例えばタイヤが装着されるホイールにセンサを配置する必要があり、その計測の対象となる車両が限られる。またタイヤの温度は必ずしも一様でないため、例えばホイールに取り付けられたセンサで温度を測定しても異常が生じた個所の温度上昇を捉えられるとは限らず、タイヤの異常を判定することは容易でなかった。

本発明は上記課題を鑑みてなされたものであって、その目的は、不特定の車両のタイヤの異常を容易に検出する技術を提供することにある。

上記課題を解決するために、本発明にかかるタイヤ異常判定装置は、車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段と、前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段と、前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段と、前記判定手段の判定に応じた情報を出力する出力手段と、を含む。

本発明の一態様では、前記抽出手段は、温度画像と、前記温度画像に含まれるタイヤの抽出画像とを含む教師データにより学習された学習済モデルを含んでよい。

本発明の一態様では、前記抽出手段は、前記取得された温度画像から地面と接触する物体の画像を認識し、前記物体の画像を前記タイヤの抽出画像として抽出してもよい。

本発明の一態様では、前記画像取得手段は、車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像と、前記車両に装着された前記タイヤを含む可視画像とを取得し、前記抽出手段は、前記可視画像に基づいて、前記取得された温度画像から前記タイヤの抽出画像を抽出してもよい。

本発明の一態様では、前記判定手段は、前記抽出されたタイヤの周方向の温度の分布に基づいて、前記タイヤに異常が生じているか否かを判定してもよい。

本発明の一態様では、前記画像取得手段は、車両に装着された複数のタイヤを含む温度画像であって、前記複数のタイヤの温度分布を示す１または複数の温度画像を取得し、前記抽出手段は、前記１または複数の温度画像から前記複数のタイヤの抽出画像を抽出し、前記判定手段は、複数のタイヤの抽出画像に基づいて当該複数のタイヤのそれぞれの温度を取得し、前記判定手段は、前記複数のタイヤの取得された温度の相違に基づいて、前記複数のタイヤのいずれに異常が生じているか判定してもよい。

本発明の一態様では、前記画像取得手段は、前記車両に装着された複数のタイヤを含む温度画像であって、前記複数のタイヤの温度分布を示す１または複数の温度画像を取得し、前記抽出手段は、前記１または複数の温度画像から前記複数のタイヤの抽出画像を抽出し、前記車両に装着された複数のタイヤのサイドウォールが隣接して並んでいるか否かを判定し、前記判定手段は、前記複数のタイヤのサイドウォールが隣接して並んでいると判定された場合に、前記複数のタイヤの温度と、前記並んでいる前記複数のタイヤのそれぞれの位置とに基づいて、前記複数のタイヤのいずれかに異常が生じているか判定してもよい。

本発明の一態様では、前記判定手段は、前記車両が停止した後に、前記タイヤの抽出画像に基づいて当該タイヤの温度を繰り返し取得し、前記判定手段は、前記繰り返し取得された前記タイヤの温度が示す温度上昇特性に基づいて前記タイヤに異常が生じているか判定してもよい。

本発明の一態様では、前記車両の種類を推定する種類推定手段をさらに含み、前記判定手段は、前記推定された種類と、前記抽出画像とに基づいて、前記タイヤに異常が生じているか否かを判定してもよい。

本発明の一態様では、前記出力手段は、前記タイヤに異常が生じていると判定された場合に、前記車両に応じた通知先へ異常を通知してもよい。

本発明にかかるタイヤ異常検出方法は、車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得するステップと、前記取得された温度画像から前記タイヤの抽出画像を抽出するステップと、前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定するステップと、前記判定手段の判定に応じた情報を出力するステップと、を含む。

また、本発明にかかるプログラムは、車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段、前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段、前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段、および、前記判定手段の判定に応じた情報を出力する出力手段、としてコンピュータを機能させる。

本発明により、不特定の車両のタイヤの異常を容易に検出することができる。

本発明の実施形態にかかる情報処理システムの構成の一例を示す図である。タイヤを備える車両および撮像部の一例を模式的に示す側面図である。図２に示される車両および撮像部の一例を模式的に示す上面図である。情報処理装置が実現する機能を示すブロック図である。情報処理装置の処理の概要を示すフロー図である。撮影されたタイヤのサイドウォールの可視画像の一例を示す図である。撮影されたタイヤのサイドウォールの温度画像の一例を示す図である。ナンバープレートの分類番号と車種との関係を示す図である。異常判定部の処理の一例を示すフロー図である。異常判定部の処理の他の一例を示すフロー図である。複輪の一例を示す図である。車両停止時からのタイヤ表面の温度変化の一例を示す図である。

以下、本発明の実施形態について、図面を参照しながら説明する。同じ符号を付された構成に対しては、重複する説明を省略する。

図１は、本発明の実施形態にかかる情報処理システムの構成の一例を示す図である。本実施形態にかかる情報処理システムは、情報処理装置１と、撮影装置２２ａ，２２ｂとを含む。情報処理装置１は、例えばパーソナルコンピュータなどのコンピュータである。図１に示すように情報処理装置１は、例えば、プロセッサ１１、記憶部１２、通信部１３、入出力部１４を含む。情報処理装置１は、撮影装置２２ａから離れた場所に配置されてもよい。

プロセッサ１１は、例えばＣＰＵのように、記憶部１２に記憶されたプログラムやデータに従って処理を実行する。またプロセッサ１１は通信部１３、入出力部１４、を制御する。

記憶部１２は、ＲＡＭなどの揮発性メモリと、フラッシュメモリなどの不揮発性メモリと、ハードディスクなどの記憶装置と、を含む。記憶部１２は、上記プログラムを格納する。また、記憶部１２は、プロセッサ１１、通信部１３、入出力部１４から入力される情報や演算結果を格納する。上記プログラムは、インターネット等を介して提供されてもよいし、フラッシュメモリや光ディスク等のコンピュータで読み取り可能な記憶媒体に格納されて提供されてもよい。

通信部１３は、無線通信用の通信インタフェースを実現する集積回路等を含む。通信部１３は、プロセッサ１１の制御に基づいて、他の装置から受信した情報をプロセッサ１１や記憶部１２に入力し、他の装置に情報を送信する。

入出力部１４は、表示出力デバイス、音声出力デバイスおよび入力デバイスへのインタフェースにより構成される。表示出力デバイスは例えば液晶ディスプレイであり、音声出力デバイスは例えばスピーカであり、入力デバイスは例えばキーボードやマウスなどのユーザインタフェースである。入出力部１４は、表示出力デバイス、音声出力デバイスおよび入力デバイスを含んでもよい。

撮影装置２２ａおよび２２ｂは、カメラなどの撮影デバイスであり、撮影によって生成される画像を情報処理装置１へ出力する。撮影装置２２ａは物体が放射する遠赤外線であって、その物体の温度を示す赤外線を受光し、温度画像を撮影する。さらに撮影装置２２ａは可視画像を撮影してもよい。撮影装置２２ｂは車両３０のナンバープレートの画像を含む可視画像を撮影するが、温度画像を撮影してもよい。

図２は、タイヤ３２を備える車両３０および撮影装置２２ａ，２２ｂの一例を模式的に示す側面図である。図３は、図２に示される車両３０および撮影装置２２ａ，２２ｂを模式的に示す上面図である。タイヤ３２は空気入りタイヤであってよく、空気入りタイヤには空気、窒素等の不活性ガス及びその他の気体を充填することができる。

撮影装置２２ａは、タイヤ３２を装着する車両３０が停車する場所においてタイヤ３２を撮影することが可能な場所に設置されており、撮影装置２２ｂはその車両３０のナンバープレートまたは全体形状の撮影が可能な場所に設置されている。例えば、撮影装置２２ａ，２２ｂは有料道路または駐車場の料金所に設置されており、車両３０は、撮影される際にはその料金所において停車または徐行している。撮影装置２２ａ，２２ｂには撮像素子が設けられている。

図２および図３に示すように、本実施形態では、撮影装置２２ａは、車両３０の左後輪として装着されるタイヤ３２の左側面が撮影可能な位置に配置される。図２および図３には左後輪が撮影される例を示しているが、右後輪および左右前輪など、車両３０に装着される他のタイヤ３２を撮影するための他の撮影装置２２ａが設けられてもよいし、撮影装置２２ａを車両３０の左右に配置し、車両３０の移動にあわせて一つの撮影装置２２ａが前輪および後輪を撮影してもよい。

本実施形態では、撮影装置２２ａにより撮影された温度画像に基づいてタイヤ３２の異常を判定する。以下では、この処理について説明する。

図４は、情報処理装置１が実現する機能を示すブロック図である。情報処理装置１は、機能的に、画像取得部５１、タイヤ抽出部５２、種類推定部５４、異常判定部５７、通知部５９を含む。これらの機能は、記憶部１２に格納されるプログラムをプロセッサ１１が実行し、さらにプロセッサ１１が必要に応じて通信部１３および入出力部１４を制御することにより実装される。また、図４に示される機能は、複数のコンピュータにより実行されてもよい。

画像取得部５１は、例えばタイヤ３２などの物体が放射する赤外線であって、その物体の温度を示す赤外線を検出する撮影装置２２ａから、撮影された領域内の各画素の温度を示す１または複数の温度画像を取得する。温度画像はタイヤ３２の温度分布を示す領域を含んでいる。画像取得部５１は撮影装置２２ａからタイヤ３２の画像を含む１または複数の可視画像を取得してよい。また画像取得部５１は撮影装置２２ｂからナンバープレートなど車両３０の識別および車両３０の種類の推定に用いるための可視画像を取得する。

タイヤ抽出部５２は、画像取得部５１により取得された１または複数の温度画像から、タイヤ３２の温度を示す領域である１または複数のタイヤ３２の温度画像（タイヤ温度画像）を抽出する。タイヤ抽出部５２は、温度画像のみに基づいてタイヤ温度画像を抽出してもよいし、タイヤ抽出部５２は撮影装置２２ａの可視画像に基づいてタイヤ３２の領域を検出し、検出されたタイヤ３２の領域に対応する温度画像の領域を抽出してもよい。

タイヤ抽出部５２は、温度画像または可視画像を機械学習モデルに入力した際の出力に基づいてタイヤ３２の領域を検出し、検出されたタイヤ３２の領域に対応する温度画像の領域を抽出してよい。抽出された領域がタイヤ温度画像となる。機械学習モデルに、温度画像または可視画像の全体が入力されてもよいし、温度画像または可視画像から同じピクセル数となるように切り出された複数の窓画像が入力されてもよい。

機械学習モデルは、本実施形態では例えば、アダブースト、ランダムフォレスト、ニューラルネットワーク、サポートベクタマシン（ＳＶＭ）、最近傍識別器、などの機械学習が実装された機械学習モデルである。機械学習モデルは、入力に応じて、例えば複数のピクセルについて、ピクセルごとにタイヤ３２を示す領域であるか否かを示すビットを出力してもよい。

機械学習モデルは、予め、学習入力画像と教師データとを含む学習データにより学習されている。この学習データには、タイヤ３２が写る所定画素数の画像である学習入力画像と、当該学習入力画像に写るタイヤ３２の領域を示す二値画像を示す所与の教師データと、が含まれている。学習入力画像のピクセル数は、例えば、撮影装置２２ａのピクセル数と同じであってもよいし、温度画像または可視画像の窓画像のピクセル数と同じであってもよい。前者の場合は撮影装置２２ａにより撮影される温度画像または可視画像と同じピクセル数の画像が学習済みモデルに入力され、後者の場合は温度画像または可視画像が切り出された窓画像が学習済みモデルに入力される。

機械学習モデルの教師あり学習においては、例えば、学習入力画像が機械学習モデルに入力する処理、学習入力画像を機械学習モデルに入力した際の出力を用いて、機械学習モデルを学習する処理が行われる。例えば、教師あり学習において、学習データに含まれる学習入力画像を機械学習モデルに入力した際の出力と、当該学習データに含まれる教師データと、の差が特定され、その特定される差に基づいて機械学習モデルのパラメータの値が更新されてよい。

種類推定部５４は、タイヤ３２が装着される車両３０の種類を推定する。種類推定部５４は、より具体的には、車両３０のナンバープレートの画像またはその車両３０の画像に基づいて、車両３０の種類を推定する。種類推定部５４はナンバープレートに記載された情報をＯＣＲ認識により読み取り、その分類番号に基づいて車両３０の種類を推定してもよい。また、種類推定部５４は、車両３０の画像と、その車両３０の種類を示す教師データとにより学習された学習済モデルを含んでもよい。学習済モデルに入力される入力画像は撮影装置２２ｂにより撮影された可視画像またはその可視画像を任意に拡大または縮小された画像であってもよい。

異常判定部５７は、タイヤ抽出部５２により抽出された１または複数のタイヤ温度画像に基づいて、それぞれのタイヤ温度画像が示すタイヤ３２に異常が生じているか判定する。

異常判定部５７は、タイヤ温度画像における、タイヤ３２のサイドウォールにおける周方向の温度の分布に基づいて、そのタイヤ３２に異常が生じているか否かを判定してよい。

異常判定部５７は、タイヤ３２のタイヤ温度画像と、タイヤ３２の異常の有無とを含む教師データを用いて学習された機械学習モデルを含んでよい。以上の判定においては、機械学習モデルが用いられてもよい。この場合、異常判定部５７はタイヤ温度画像を予め定められたサイズに拡大または縮小した入力用画像を生成し、生成された入力用画像が入力された機械学習モデルからの出力を判定結果として出力してよい。また機械学習モデルは、予め定められたサイズに拡大または縮小されたタイヤ温度画像と、異常の有無とを含む教師データにより学習されてよい。

異常判定部５７は、タイヤ抽出部５２により抽出された複数のタイヤ温度画像からタイヤ３２の温度を取得し、取得された温度に基づいてタイヤの異常を判定してもよい。その場合、異常判定部５７は、複数のタイヤ３２のタイヤ温度画像に基づいてその複数のタイヤ３２のそれぞれの温度を取得し、その複数のタイヤ３２の取得された温度の違いに基づいて、その複数のタイヤ３２のいずれに異常が生じているか判定してもよい。また異常判定部５７は、その複数のタイヤ３２の配置にさらに基づいて、タイヤ３２の異常を判定してもよい。異常判定部５７は、さらに車両３０の種類に基づいてタイヤ３２の異常を判定してもよい。

撮影装置２２ａ，２２ｂが駐車スペースに配置されている場合には、異常判定部５７は、車両３０が停止した後に、タイヤ３２のタイヤ温度画像に基づいてタイヤ３２の温度を繰り返し取得し、その繰り返し取得される温度から温度上昇特性を算出し、算出された温度上昇特性に基づいてタイヤ３２に異常が生じているか否かを判定してもよい。

通知部５９は、タイヤ３２に異常が生じていると判定された場合に、その異常が生じていることを通知先へ通知する。通知部５９は、タイヤ３２に異常が生じていると判定された場合に、そのタイヤ３２の修理または交換が可能な店舗を検索し、検索された店舗をその車両３０へ通知してもよい。

以下では、タイヤ３２に異常が生じているか判定するための処理についてさらに説明する。図５は情報処理装置１の処理の概要を示すフロー図である。

はじめに、画像取得部５１は、車両３０のタイヤ３２を撮影可能な状態になるまで待機する（ステップＳ１０１）。車両３０が移動する場合には、撮影可能な状態は、例えばタイヤ３２のサイドウォールが撮影装置２２ａの撮影範囲に収まる状態であってよい。車両３０が停車する箇所で撮影が行われる場合には、撮影可能な状態は、車両３０が停車した状態、または停車から一定時間経過した状態であってもよい。

画像取得部５１は、撮影装置２２ａ，２２ｂの画像に基づいて撮影可能な状態を検知してもよいし、車両３０の停車を検知するセンサを別に設け、そのセンサの出力に基づいて車両３０の停車を検知してもよい。

そして画像取得部５１は撮影装置２２ａからタイヤ３２およびその周囲が撮影された温度画像を取得する（ステップＳ１０２）。ここで画像取得部５１は可視画像も取得してよい。また画像取得部５１は撮影装置２２ｂからナンバープレートを含む可視画像を取得してよい。

図６は、撮影装置２２ａにより撮影されたタイヤ３２のサイドウォールの可視画像の一例を示す図である。可視画像には、タイヤ３２、タイヤ３２が装着されるホイール３６、そしてホイール３６が装着される車両３０が写っている。またホイール３６の裏側には、図示しないブレーキが配置されている。

図７は、撮影装置２２ａにより撮影されたタイヤ３２（サイドウォール）の領域４２を含む温度画像の一例を示す図である。図７の例においてタイヤ３２より中心側にある高温の部分は、ブレーキにより生じる熱に起因している。またタイヤ３２のサイドウォールにはタイヤ３２の異常に伴って生じるホットスポット４３が存在し、領域４２の下方には地面に対応する領域４７も存在する。

例えば撮影装置２２ｂの可視画像が取得された後に、種類推定部５４は車両３０の種類を推定する（ステップＳ１０３）。種類推定部５４は、例えば、ナンバープレートに記載された分類番号を認識し、その分類番号に基づいて車種を推定してよい。

図８は、ナンバープレートの分類番号と車種との関係を示す図である。図１０に示される表に相当するテーブルは記憶部１２に格納され、種類推定部５４はナンバープレートから認識された分類番号と、そのテーブルとに基づいて車両３０の種類（図８の車種ＩＤ）を取得する。例えば、分類番号が「３５１」の場合には、種類推定部５４は推定された種類として、その分類番号を範囲に含む車種ＩＤ「３」を出力する。

種類推定部５４は、車両３０の画像に基づいて種類を推定してもよい。この場合、車両３０の画像と、車両３０の種類を示す教師データとにより学習された学習済モデルを用いてよい。

温度画像が取得されると、タイヤ抽出部５２は温度画像からタイヤ温度画像を抽出するための処理を実行する。より具体的には、タイヤ抽出部５２は温度画像においてタイヤ３２が存在する領域４２を特定し（ステップＳ１０４）、温度画像のうちその特定されたタイヤ３２の領域４２をタイヤ温度画像として抽出する（ステップＳ１０５）。

ステップＳ１０５における領域４２の特定には、機械学習モデルを用いてよい。この場合、タイヤ抽出部５２は、機械学習モデルを用いて、可視画像に基づくタイヤ３２が存在する領域を検出し、検出された領域に対応する温度画像の領域４２を特定してよい。また、タイヤ抽出部５２は、可視画像の代わりに温度画像に基づいてタイヤ３２が存在する領域４２を検出してもよい。領域４２の特定に温度画像を用いるか可視画像を用いるかについては、機械学習モデルの精度に応じて選択してよい。

また、機械学習モデルの代わりに、タイヤ抽出部５２は温度画像から地面と接触する物体の画像を認識し、その物体の領域をタイヤ３２の領域４２として特定してもよい。より具体的には、タイヤ抽出部５２は温度画像において地面の領域４７を認識し、その地面の領域４７に接しかつ温度が外気温と所定の値との和より高い領域をタイヤ３２の領域４２として認識し、温度画像におけるその領域４２をタイヤ温度画像として抽出してもよい。

タイヤ温度画像が抽出されると、異常判定部５７は、抽出されたタイヤ温度画像に基づいて、タイヤ３２に異常が生じているか否か判定する（ステップＳ１１２）。以上の判定の詳細については後述する。

タイヤ３２に異常が生じていると判定された場合には（ステップＳ１１３のＹ）、通知部５９は、異常通知を車両３０へ通知する（ステップＳ１１５）。通知部５９は、撮影装置２２ａ，２２ｂが配置された場所の位置情報に基づいて、その場所に近いタイヤ交換または修理が可能な店舗を検索し、検索された店舗を含む異常通知を通知してもよい。通知部５９は、車両３０の外部に設置されるディスプレイまたはスピーカに対して情報を出力させることにより異常を通知してもよいし、車両３０との無線通信により異常通知を送信することにより異常を通知してもよい。

以下では異常判定部５７の処理についてさらに詳細を説明する。図９は、異常判定部５７の処理の一例を示すフロー図であり、異常判定部５７がサイドウォールのホットスポット４３の有無に基づいてタイヤ３２に異常が生じているか否か判定する処理の一例を説明する。図９に示される処理はタイヤ３２ごとに実行される。

はじめに異常判定部５７は、環状のタイヤ３２の中心からの距離がある値である環状の部分領域において、周方向の温度変化を算出する。温度変化は、温度の最高値から最低値を引いた差であってもよいし、温度の分布の分散であってもよい。また、温度変化の算出の前に、隣り合う周囲の画素との温度差が大きいノイズ画素を排除するフィルタ処理が行われてもよい。また、環状の部分領域として、タイヤ３２のサイドウォールのうちホイール３６付近の領域を除いた部分について処理が行われてもよい。

そして、異常判定部５７は、温度変化が閾値を超えているか否かを判定する（ステップＳ３０２）。異常判定部５７は、車両３０の種類に応じて閾値を選択し、選択された閾値と比較してよい。温度変化が閾値を超えている場合には（ステップＳ３０２のＹ）、異常判定部５７はタイヤ３２に異常が生じていると判定する（ステップＳ３０３）。

ここで、図９に示される処理の代わりに、機械学習モデルを用いて処理が実行されてもよい。この場合には、タイヤ３２のタイヤ温度画像と、タイヤ３２の異常の有無とを含む教師データを用いて学習された機械学習モデルが用いられ、異常判定部５７はタイヤ温度画像を所定のサイズに拡大または縮小し、拡大または縮小されたタイヤ温度画像を機械学習モデルに入力する。また異常判定部５７は機械学習モデルの出力を判定結果として取得する。

異常判定部５７は、他のタイヤ３２との温度差に基づいてタイヤ３２の異常を判定してもよい。図１０は、異常判定部５７の処理の他の一例を示すフロー図である。以下では、複輪の場合におけるタイヤ３２の温度の相違に基づく以上の判定について説明する。

図１１は、複輪の一例を示す図である。図１１の例では、車両３０に装着されたタイヤ３２ａ，３２ｂのサイドウォールが隣接して並び、タイヤ３２ｃ，３２ｄのサイドウォールが隣接して並んでいる。複輪に関して異常を判定する場合、撮影装置２２ａは車両３０の前または後ろからタイヤ３２を撮影できる位置に配置されている。

図１０に示される処理が開始される前に、タイヤ抽出部５２は、車両３０に装着された複数のタイヤ３２のサイドウォールが隣接して並んでいるか否か（複輪であるか否か）判定する処理を実行し、さらに、複輪であると判定された場合に図１０に示す処理が実行されるものとする。

図１０に示される処理において、はじめに、異常判定部５７は、複数のタイヤ３２のそれぞれについて抽出されたタイヤ温度画像から複数のタイヤ３２の温度を取得する（ステップＳ３５１）。例えば、異常判定部５７は、タイヤ温度画像のそれぞれの各画素が示す温度のうち最も高い温度をタイヤ３２の温度として取得する。

タイヤ３２の温度が取得されると、異常判定部５７はタイヤ３２の位置に応じて温度を補正する（ステップＳ３５２）。複輪においては、走行時の風による冷却のむらにより、例えば、内側にあるタイヤ３２ｂ，３２ｃの温度が外側にあるタイヤ３２ａ，ｄより高くなる。そこで、予め位置の違いに応じた補正値を記憶部１２に格納しておき、異常判定部５７は位置に応じた補正値を取得し、その補正値を加算又は減算することによりタイヤ３２の温度を補正する。

異常判定部５７は、補正された複数のタイヤ３２の温度差を算出する（ステップＳ３５３）。例えば、異常判定部５７は、複数のタイヤ３２のそれぞれの補正された温度と、他のタイヤ３２の補正された温度との温度差を算出する。

異常判定部５７は、タイヤ３２のそれぞれについて、他のタイヤ３２との温度差が閾値を超えるタイヤ３２が存在するか否か判定する（ステップＳ３５７）。異常判定部５７は、タイヤ３２のそれぞれについて、他のタイヤ３２のいずれかより温度が高く、かつ温度差が閾値を超える場合に（ステップＳ３５７のＹ）、そのタイヤ３２が異常であると判定する（ステップＳ３５８）。ステップＳ３５７およびＳ３５８の処理はタイヤ３２のそれぞれについて行われる。異常判定部５７は、この閾値として、記憶部１２から車両３０の種類に関連付けて格納される値を取得してもよい。

なお、ステップＳ３５３の補正は行われなくてもよい。代わりに、ステップＳ３５７において外側のタイヤ３２の異常を判定する際に、内側のタイヤ３２との温度差の閾値を補正値に相当する分大きくすればよい。また内側のタイヤ３２の異常を判定する際に、外側のタイヤ３２との温度差の閾値を補正値に相当する分小さくすればよい。

図１０に示される処理は複輪以外に対しても応用できる。例えば４輪の車両３０の場合、タイヤ３２の間の温度差に基づいて異常が判定されてもよい。また、走行風の影響により前輪と後輪とで温度が異なるため、予め位置の違いに応じた補正値を記憶部１２に格納しておき、異常判定部５７は位置に応じてタイヤ３２の温度を補正してよい。

異常判定部５７は、車両３０の停止時からの温度上昇の特性に基づいてタイヤ３２の異常を判定してもよい。この場合、異常判定部５７は、車両３０が停止した後に、タイヤ３２について抽出されたタイヤ温度画像からタイヤ３２の温度を取得することを繰り返し行う。そして、異常判定部５７は、繰り返し取得されたタイヤ３２の温度が示す温度上昇特性に基づいてタイヤ３２に異常が生じているか判定する。

図１２は車両停止時からのタイヤ３２の表面の温度変化の一例を示す図である。例えば、異常判定部５７は繰り返し取得されたタイヤ３２の温度をフィッティングさせることにより温度変化のカーブを推定し、推定されたカーブがタイヤ３２の温度の速い上昇を示す場合に、タイヤ３２に異常があると判定する。異常判定部５７は繰り返し取得されたタイヤ３２の温度の上昇速度を算出し、その上昇速度が判定閾値より大きい場合に異常があると判定してもよい。

１情報処理装置、１１プロセッサ、１２記憶部、１３通信部、１４入出力部、２２，２２ａ，２２ｂ撮影装置、３０車両、３２，３２ａ，３２ｂ，３２ｃ，３２ｄタイヤ、３６ホイール、４２，４７領域、４３ホットスポット、５１画像取得部、５２タイヤ抽出部、５３車両識別部、５４種類推定部、５７異常判定部、５９通知部。

Claims

車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段と、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段と、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段と、
前記判定手段の判定に応じた情報を出力する出力手段と、
を含み、
前記抽出手段は、前記取得された温度画像から地面と接触する物体の画像を認識し、前記物体の画像を前記タイヤの抽出画像として抽出する、
タイヤ異常判定装置。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段と、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段と、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段と、
前記判定手段の判定に応じた情報を出力する出力手段と、
を含み、
前記画像取得手段は、車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像と、前記車両に装着された前記タイヤを含む可視画像とを取得し、
前記抽出手段は、前記可視画像に基づいて、前記取得された温度画像から前記タイヤの抽出画像を抽出する、
タイヤ異常判定装置。
車両に装着されたタイヤを含む温度画像であって、前記タイヤのサイドウォールにおける温度分布を示す温度画像を取得する画像取得手段と、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段と、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段と、
前記判定手段の判定に応じた情報を出力する出力手段と、
を含み、
前記判定手段は、前記抽出されたタイヤのサイドウォールにおける周方向の温度の分布に基づいて、前記タイヤに異常が生じているか否かを判定する、
タイヤ異常判定装置。
車両に装着された複数のタイヤを含む温度画像であって、前記複数のタイヤの温度分布を示す１または複数の温度画像を取得する画像取得手段と、
前記１または複数の温度画像から前記複数のタイヤの抽出画像を抽出する抽出手段と、
前記複数のタイヤの抽出画像に基づいて、前記複数のタイヤのいずれに異常が生じているか否かを判定する判定手段と、
前記判定手段の判定に応じた情報を出力する出力手段と、
を含み、
前記判定手段は、前記複数のタイヤの抽出画像に基づいて当該複数のタイヤのそれぞれの温度を取得し、
前記判定手段は、前記複数のタイヤの取得された温度の相違に基づいて、前記複数のタイヤのいずれに異常が生じているか判定する、
タイヤ異常判定装置。
車両に装着された複数のタイヤを含む温度画像であって、前記複数のタイヤの温度分布を示す１または複数の温度画像を取得する画像取得手段と、
前記１または複数の温度画像から前記複数のタイヤの抽出画像を抽出し、前記車両に装着された複数のタイヤが隣接して並んでいるか否かを判定する抽出手段と、
前記抽出画像に基づいて、前記複数のタイヤのいずれかに異常が生じているか否かを判定する判定手段と、
前記判定手段の判定に応じた情報を出力する出力手段と、
を含み、
前記判定手段は、前記複数のタイヤが隣接して並んでいると判定された場合に、前記複数のタイヤの温度と、前記並んでいる前記複数のタイヤのそれぞれの位置とに基づいて、前記複数のタイヤのいずれかに異常が生じているか判定する、
タイヤ異常判定装置。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段と、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段と、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段と、
前記判定手段の判定に応じた情報を出力する出力手段と、
を含み、
前記判定手段は、前記車両が停止した後に、前記タイヤの抽出画像に基づいて当該タイヤの温度を繰り返し取得し、
前記判定手段は、前記繰り返し取得された前記タイヤの温度が示す温度上昇特性に基づいて前記タイヤに異常が生じているか判定する、
タイヤ異常判定装置。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段と、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段と、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段と、
前記判定手段の判定に応じた情報を出力する出力手段と、
前記車両の種類を推定する種類推定手段と、を含み、
前記判定手段は、前記推定された種類と、前記抽出画像とに基づいて、前記タイヤに異常が生じているか否かを判定する、
タイヤ異常判定装置。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得するステップと、
前記取得された温度画像から前記タイヤの抽出画像を抽出するステップと、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定するステップと、
前記異常が生じているか否かの判定に応じた情報を出力するステップと、
を含み、
前記抽出画像を抽出するステップでは、前記取得された温度画像から地面と接触する物体の画像を認識し、前記物体の画像を前記タイヤの抽出画像として抽出する、
タイヤ異常判定方法。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像と、前記車両に装着された前記タイヤを含む可視画像とを取得するステップと、
前記可視画像に基づいて、前記取得された温度画像から前記タイヤの抽出画像を抽出するステップと、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定するステップと、
前記異常が生じているか否かの判定に応じた情報を出力するステップと、
を含むタイヤ異常判定方法。
車両に装着されたタイヤを含む温度画像であって、前記タイヤのサイドウォールにおける温度分布を示す温度画像を取得するステップと、
前記取得された温度画像から前記タイヤの抽出画像を抽出するステップと、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定するステップと、
前記異常が生じているか否かの判定に応じた情報を出力するステップと、
を含み、
前記判定するステップでは、前記抽出されたタイヤのサイドウォールにおける周方向の温度の分布に基づいて、前記タイヤに異常が生じているか否かを判定する、
タイヤ異常判定方法。
車両に装着された複数のタイヤを含む温度画像であって、前記複数のタイヤの温度分布を示す１または複数の温度画像を取得するステップと、
前記１または複数の温度画像から前記複数のタイヤの抽出画像を抽出するステップと、
前記複数のタイヤの抽出画像に基づいて当該複数のタイヤのそれぞれの温度を取得し、前記複数のタイヤの取得された温度の相違に基づいて、前記複数のタイヤのいずれに異常が生じているか判定するステップと、
前記異常が生じているか否かの判定に応じた情報を出力するステップと、
を含むタイヤ異常判定方法。
車両に装着された複数のタイヤを含む温度画像であって、前記複数のタイヤの温度分布を示す１または複数の温度画像を取得するステップと、
前記１または複数の温度画像から前記複数のタイヤの抽出画像を抽出し、前記車両に装着された複数のタイヤが隣接して並んでいるか否かを判定するステップと、
前記抽出画像に基づいて、前記複数のタイヤのいずれかに異常が生じているか否かを判定するステップと、
前記異常が生じているか否かの判定に応じた情報を出力するステップと、
を含み、
前記異常が生じているか否かを判定するステップでは、前記複数のタイヤが隣接して並んでいると判定された場合に、前記複数のタイヤの温度と、前記並んでいる前記複数のタイヤのそれぞれの位置とに基づいて、前記複数のタイヤのいずれかに異常が生じているか判定する、
タイヤ異常判定方法。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得するステップと、
前記取得された温度画像から前記タイヤの抽出画像を抽出するステップと、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定するステップと、
前記異常が生じているか否かの判定に応じた情報を出力するステップと、
を含み、
前記異常が生じているか否かを判定するステップでは、前記車両が停止した後に、前記タイヤの抽出画像に基づいて当該タイヤの温度を繰り返し取得し、前記繰り返し取得された前記タイヤの温度が示す温度上昇特性に基づいて前記タイヤに異常が生じているか判定する、
タイヤ異常判定方法。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得するステップと、
前記取得された温度画像から前記タイヤの抽出画像を抽出するステップと、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定するステップと、
前記異常が生じているか否かの判定に応じた情報を出力するステップと、
前記車両の種類を推定するステップと、
を含み、
前記異常が生じているか否かを判定するステップでは、前記推定された種類と、前記抽出画像とに基づいて、前記タイヤに異常が生じているか否かを判定する、
タイヤ異常判定方法。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段、および、
前記判定手段の判定に応じた情報を出力する出力手段、
としてコンピュータを機能させ
前記抽出手段は、前記取得された温度画像から地面と接触する物体の画像を認識し、前記物体の画像を前記タイヤの抽出画像として抽出する、
プログラム。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段、および、
前記判定手段の判定に応じた情報を出力する出力手段、
としてコンピュータを機能させ、
前記画像取得手段は、車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像と、前記車両に装着された前記タイヤを含む可視画像とを取得し、
前記抽出手段は、前記可視画像に基づいて、前記取得された温度画像から前記タイヤの抽出画像を抽出する、
プログラム。
車両に装着されたタイヤを含む温度画像であって、前記タイヤのサイドウォールにおける温度分布を示す温度画像を取得する画像取得手段、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段、および、
前記判定手段の判定に応じた情報を出力する出力手段、
としてコンピュータを機能させ、
前記判定手段は、前記抽出されたタイヤのサイドウォールにおける周方向の温度の分布に基づいて、前記タイヤに異常が生じているか否かを判定する、
プログラム。
車両に装着された複数のタイヤを含む温度画像であって、前記複数のタイヤの温度分布を示す１または複数の温度画像を取得する画像取得手段、
前記１または複数の温度画像から前記複数のタイヤの抽出画像を抽出する抽出手段、
前記複数のタイヤの抽出画像に基づいて、前記複数のタイヤのいずれに異常が生じているか否かを判定する判定手段、および、
前記判定手段の判定に応じた情報を出力する出力手段、
としてコンピュータを機能させ、
前記判定手段は、前記複数のタイヤの抽出画像に基づいて当該複数のタイヤのそれぞれの温度を取得し、
前記判定手段は、前記複数のタイヤの取得された温度の相違に基づいて、前記複数のタイヤのいずれに異常が生じているか判定する、
プログラム。
車両に装着された複数のタイヤを含む温度画像であって、前記複数のタイヤの温度分布を示す１または複数の温度画像を取得する画像取得手段、
前記１または複数の温度画像から前記複数のタイヤの抽出画像を抽出し、前記車両に装着された複数のタイヤが隣接して並んでいるか否かを判定する抽出手段、
前記抽出画像に基づいて、前記複数のタイヤのいずれかに異常が生じているか否かを判定する判定手段、および、
前記判定手段の判定に応じた情報を出力する出力手段、
としてコンピュータを機能させ、
前記判定手段は、前記複数のタイヤが隣接して並んでいると判定された場合に、前記複数のタイヤの温度と、前記並んでいる前記複数のタイヤのそれぞれの位置とに基づいて、前記複数のタイヤのいずれかに異常が生じているか判定する、
プログラム。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段、および、
前記判定手段の判定に応じた情報を出力する出力手段、
としてコンピュータを機能させ、
前記判定手段は、前記車両が停止した後に、前記タイヤの抽出画像に基づいて当該タイヤの温度を繰り返し取得し、
前記判定手段は、前記繰り返し取得された前記タイヤの温度が示す温度上昇特性に基づいて前記タイヤに異常が生じているか判定する、
プログラム。
車両に装着されたタイヤを含む温度画像であって、前記タイヤの温度分布を示す温度画像を取得する画像取得手段、
前記取得された温度画像から前記タイヤの抽出画像を抽出する抽出手段、
前記抽出画像に基づいて、前記タイヤに異常が生じているか否かを判定する判定手段、
前記判定手段の判定に応じた情報を出力する出力手段、および、
前記車両の種類を推定する種類推定手段、
としてコンピュータを機能させ、
前記判定手段は、前記推定された種類と、前記抽出画像とに基づいて、前記タイヤに異常が生じているか否かを判定する、
プログラム。