JPWO2017130285A1 - 車両判定装置、車両判定方法及び車両判定プログラム - Google Patents

Abstract

方向特定部（２１）は、カメラ（３１）で撮影された画像情報（４２）が示す領域の部分領域について、部分領域を周囲車両が走行する走行方向を特定する。特徴量取得部（２２）は、特定された走行方向に応じた参照画像から計算された特徴量である参照特徴量（４１）を取得する。車両判定部（２３）は、部分領域についての画像情報の特徴量である画像特徴量を計算し、計算された画像特徴量と取得された参照特徴量（４１）とを比較することにより、部分領域に周囲車両が存在するか否かを判定する。

Description

本発明は、カメラで撮影された画像情報から道路上の車両を認識する技術に関する。

自動ブレーキ及びＡＣＣ（Ａｄａｐｔｉｖｅ Ｃｒｕｉｓｅ Ｃｏｎｔｒｏｌ）といった先進運転支援システム（ＡＤＡＳ：Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）が一般市場で販売されている。また自動運転システムの研究開発も進んでおり、自動運転車両の公道試験が実施されている。

先進運転支援システムが搭載された車両及び自動運転車両では、車載カメラで車両周囲を撮影して得られた撮影画像から車両周囲に存在する周囲車両を画像認識して検出するものがある。
画像認識処理による周囲車両の検出方法としては、予め様々な車両の画像情報を参照画像として大量にデータベースに蓄積しておき、その参照画像と撮影画像とのパターンマッチング処理をする方法がある。
パターンマッチング処理としては、参照画像と撮影画像とからＨｏＧ（Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓ）特徴量を算出し、ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）を使用して、撮影画像に車両が撮影されているか否かを判定する手法がある。また、パターンマッチング処理としては、他にも、車両の特徴を表す特徴量マップに類似する撮影画像領域をＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）により検出する手法がある。
なお、データベースの参照画像としては、車両を撮影した画像情報である正解画像と車両を撮影していない画像情報である不正解画像とが用いられる。

画像認識処理によって、撮影された画像情報に含まれる車両の画像領域を検出することにより、車両周囲に存在する周囲車両の位置も検知可能である。この検知結果を用いることで、自動ブレーキ及びＡＣＣといった先進運転支援システムと、自動運転車両の進行ルートの決定といった処理を実現できる。

画像認識処理の計算量は多い。そのため、安価な画像処理装置を使用すると画像処理速度が低下し、先進運転支援システム及び自動運転システムといったリアルタイム性が求められるシステムへの適用は困難になる。
また、走行環境によっては、撮影画像に周囲車両が撮影されていても周囲車両を検出しない場合と、反対に周囲車両が撮影されていなくても周囲車両として誤検出する場合とがある。特に、車両の車載カメラと周囲車両との相対位置によって、周囲車両が撮影される方向に違いが生じる。そのため、撮影画像に写る周囲車両の画像情報は大きく変化し、周囲車両の画像認識処理の検出率は低下してしまう。
このように走行環境及び撮影環境によって、周囲車両の検出精度は低くなるため、運転手がミスした時の補助としての自動ブレーキと、渋滞時の運転手の負担を軽減するＡＣＣと等は製品化されているが、自動運転車両の製品化までには至っていない。自動運転車両の製品化はもちろん、自動車の安全性を高めるためにも、今まで以上に周囲車両の検出精度が高く、計算量の少ない画像認識技術が望まれている。

特許文献１には、車両と周囲車両との相対角度である斜行度合いを判定し、斜行度の高低によって、周囲車両の画像認識アルゴリズムを切り替え、撮影画像から周囲車両を検出することが記載されている。具体的には、特許文献１では、斜行度合いが低い場合にはパターンマッチング処理により周囲車両が検出され、斜行度合いが高い場合にはオプティカルフロー処理により周囲車両が検出される。つまり、特許文献１では、車両と周囲車両との斜行度合いが高く、前方から撮影された参照画像と、撮影された撮影画像とに大きな違いが生じる場合には、参照画像を使用せずにオプティカルフロー処理により、周囲車両を検出する。

特開２０１３−１６１２０２号公報

オプティカルフロー処理では、周囲車両の車種の識別と、車両と車両以外の移動物体との識別とが困難になる。そのため、特許文献１に記載された技術では、斜行度合いが高い場合には、周囲車両の車種等を認識できなくなってしまう。
この発明は、カメラで撮影した画像情報から周囲車両を高速かつ精度よく検出可能にすることを目的とする。

この発明に係る車両判定装置は、
カメラで撮影された画像情報が示す領域の部分領域について、前記部分領域を周囲車両が走行する走行方向を特定する方向特定部と、
前記方向特定部によって特定された走行方向に応じた参照画像から計算された画像特徴量を取得する特徴量取得部と、
前記部分領域についての前記画像情報の画像特徴量を計算し、計算された画像特徴量と前記特徴量取得部によって取得された画像特徴量とを比較することにより、前記部分領域に周囲車両が存在するか否かを判定する車両判定部と
を備える。

この発明では、処理対象となる部分領域を周囲車両が走行する走行方向に応じた参照画像を用いて、部分領域に周囲車両が存在するか否かを判定する。これにより、使用する参照画像の数を減らすことにより高速に処理可能になる。また、適切な参照画像が用いられるため、周囲車両を精度よく検出可能になる。

実施の形態１に係る車両判定装置１０の構成図。 実施の形態１に係る周囲車両２００の走行状態を示す図。 実施の形態１に係る図２に示す状況において得られる画像情報４２を示す図。 実施の形態１に係る参照特徴量４１の説明図。 実施の形態１に係るストレージ１２２に記憶される参照特徴量４１の説明図。 実施の形態１に係る車両判定装置１０の動作を示すフローチャート。 実施の形態１に係る部分領域６１の選択方法の説明図。 実施の形態１に係る部分領域６１の領域の判定方法の説明図。 実施の形態１に係る重複領域を狭める方法の説明図。 実施の形態１に係る特徴量の類似判定の説明図。 変形例１に係る車両判定装置１０の構成図。 実施の形態２に係る車両判定装置１０の構成図。 実施の形態２に係る周囲車両２００の走行状態を示す図。 実施の形態２に係る周囲車両２００の走行状態を示す図。 実施の形態２に係る図１３に示す状況において得られる画像情報４２を示す図。 実施の形態２に係る図１４に示す状況において得られる画像情報４２を示す図。 実施の形態２に係る車両判定装置１０の動作を示すフローチャート。 実施の形態２に係る車両１００の走行車線の特定方法の説明図。 実施の形態２に係る部分領域６１の選択方法の説明図。 実施の形態２に係る部分領域６１の選択方法の説明図。 実施の形態２に係る特徴量の類似判定の説明図。 変形例３に係る車両判定装置１０の構成図。 変形例３に係る車両判定装置１０の動作を示すフローチャート。 変形例３に係る車両１００の走行車線の特定方法の説明図。 変形例３に係る車両１００の走行車線の特定方法の説明図。 実施の形態３に係る車両判定装置１０の構成図。 実施の形態３に係る周囲車両２００の走行状態を示す図。 実施の形態３に係るストレージ１２２に記憶される参照特徴量４１の説明図。 実施の形態３に係る車両判定装置１０の動作を示すフローチャート。 変形例５に係る周囲車両２００の走行状態を示す図。 実施の形態４に係る車両判定装置１０の構成図。 実施の形態４に係る周囲車両２００の走行状態を示す図。 実施の形態４に係る図３２に示す状況において得られる画像情報４２を示す図。 実施の形態４に係る参照特徴量４１の説明図。 実施の形態４に係るストレージ１２２に記憶される参照特徴量４１の説明図。 実施の形態４に係る車両判定装置１０の動作を示すフローチャート。 実施の形態４に係る遮蔽領域４７の有無の判定方法の説明図。

実施の形態１．
＊＊＊構成の説明＊＊＊
図１を参照して、実施の形態１に係る車両判定装置１０の構成を説明する。
車両判定装置１０は、車両１００に搭載されるコンピュータである。車両判定装置１０は、車両制御インタフェース３２１を介して、車両１００に搭載された車両制御ユニット３２に接続される。
車両判定装置１０は、プロセッサ１１と、記憶装置１２と、カメラインタフェース１３とを備える。プロセッサ１１は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。

プロセッサ１１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。プロセッサ１１は、具体例としては、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。

記憶装置１２は、メモリ１２１と、ストレージ１２２とを備える。メモリ１２１は、具体例としては、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。ストレージ１２２は、具体例としては、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）である。ストレージ１２２は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）であってもよい。また、ストレージ１２２は、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）メモリカード、ＣＦ（ＣｏｍｐａｃｔＦｌａｓｈ）、ＮＡＮＤフラッシュ、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤといった可搬記憶媒体であってもよい。

カメラインタフェース１３は、車両１００に搭載された、車両１００の周囲を撮影するカメラ３１を接続する装置である。具体例としては、カメラインタフェース１３は、カメラ３１を接続するインタフェース基板である。出力コネクタに合わせてカメラインタフェース１３を変更することにより、様々な種類のカメラ３１を車両判定装置１０に接続することができる。

車両判定装置１０は、機能構成要素として、方向特定部２１と、特徴取得部２２と、車両判定部２３とを備える。方向特定部２１と、特徴取得部２２と、車両判定部２３との各部の機能はソフトウェアにより実現される。
記憶装置１２のストレージ１２２には、車両判定装置１０の各部の機能を実現するプログラムが記憶されている。このプログラムは、プロセッサ１１によりメモリ１２１に読み込まれ、プロセッサ１１によって実行される。これにより、車両判定装置１０の各部の機能が実現される。また、記憶装置１２のストレージ１２２には、特徴取得部２２によって使用される参照特徴量４１が記憶されている。なお、参照特徴量４１は外部のサーバに記憶されるものであってもよい。

プロセッサ１１によって実現される各部の機能の処理の結果を示す情報とデータと信号値と変数値は、メモリ１２１、又は、プロセッサ１１内のレジスタ又はキャッシュメモリに記憶される。以下の説明では、プロセッサ１１によって実現される各部の機能の処理の結果を示す情報とデータと信号値と変数値は、メモリ１２１に記憶されるものとする。

プロセッサ１１によって実現される各機能を実現するプログラムは、記憶装置１２に記憶されているとした。しかし、このプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤといった可搬記憶媒体に記憶されてもよい。

図１では、プロセッサ１１は、１つだけ示されていた。しかし、プロセッサ１１は、複数であってもよく、複数のプロセッサ１１が、各機能を実現するプログラムを連携して実行してもよい。

車両制御ユニット３２は、車両１００に搭載されるコンピュータである。
車両制御ユニット３２は、車両制御インタフェース３２１と、センサＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）３２２と、車両ＥＣＵ３２３とを備える。

車両制御インタフェース３２１は、車両判定装置１０といった他の装置と接続するためのインタフェースである。

センサＥＣＵ３２２は、速度センサ、加速度センサ、ジャイロセンサ、レーザセンサ、ミリ波センサといった各種センサが接続され、各種センサから情報を取得する装置である。

車両ＥＣＵ３２３は、車両１００のブレーキ、アクセル、ハンドルといった車両１００を制御する各種制御機器に接続される。車両ＥＣＵ３２３は、センサＥＣＵ３２２によって各種センサから取得された情報と、車両制御インタフェース３２１を介して接続された外部の装置から送信された情報とに基づき、各種制御機器を制御して、車両１００の動作を制御する。

＊＊＊動作の説明＊＊＊
図２から図１０を参照して、実施の形態１に係る車両判定装置１０の動作を説明する。
実施の形態１に係る車両判定装置１０の動作は、実施の形態１に係る車両判定方法に相当する。また、実施の形態１に係る車両判定装置１０の動作は、実施の形態１に係る車両判定プログラムの処理に相当する。
以下の説明では、左側通行の場合を例として説明する。右側通行の場合は、左右逆に考えればよい。

図２及び図３を参照して、実施の形態１に係る車両判定装置１０の動作の概要を説明する。
図２では、車両１００の周囲の道路５０を走行する周囲車両２００として、車両１００が走行する車線と同じ進行方向の並走車線５１を走行する周囲車両２００Ａと、車両１００が走行する車線と対向する進行方向の対向車線５２を走行する周囲車両２００Ｂとが存在する。図２に示す状況において、車両１００に搭載されたカメラ３１で車両１００の前方を撮影した場合、図３に示すような画像情報４２が得られる。つまり、並走車線５１を走行する周囲車両２００Ａが後方から撮影され、対向車線５２を走行する周囲車両２００Ｂが前方から撮影された画像情報４２が得られる。
周囲車両２００が前方から撮影された場合と、後方から撮影された場合とでは、画像は大きく異なる。つまり、周囲車両２００の走行方向によって、カメラ３１で撮影された場合に得られる周囲車両２００の画像は異なる。画像が異なると、その画像から計算される特徴量も異なる。
そこで、車両判定装置１０は、周囲車両２００が撮影される撮影方向毎に、参照特徴量４１を記憶しておく。そして、車両判定装置１０は、画像情報４２が示す領域の各部分領域６１について、処理対象の部分領域６１における周囲車両２００の走行方向を特定して、特定された走行方向に対応する参照特徴量４１を用いて、処理対象の部分領域６１に周囲車両２００が存在するか否かを判定する。

図４及び図５を参照して、実施の形態１に係る参照特徴量４１を説明する。
参照特徴量４１は、対象とする撮影方向に対応する参照画像を用いて計算される。図４では、車両後方から撮影された参照画像を用いて車両後方の参照特徴量４１Ａが計算され、車両前方から撮影された参照画像を用いて車両前方の参照特徴量４１Ｂが計算される。当然のことながら、車両後方から撮影された参照画像は車両後部の画像情報であり、車両前方から撮影された参照画像は車両前部の画像情報である。撮影方向によって分類された参照画像を使用して特徴量を計算することで、車両後部の画像に特化した参照特徴量４１Ａと車両前部の画像に特化した参照特徴量４１Ｂとが計算される。
各々の撮影方向に対応する参照特徴量４１は、図５に示すように各々の撮影方向に対応付けられてストレージ１２２に記憶される。

ここでは、車両後部の画像に特化した参照特徴量４１Ａと車両前部の画像に特化した参照特徴量４１Ｂとが計算された。
参照特徴量４１Ａが計算される場合には、車両の真後ろの画像だけでなく、左斜め後部の画像、右斜め後部の画像、左側部の画像、右側部の画像が含まれてもよい。また、参照特徴量４１Ｂが計算される場合には、車両の正面の画像だけでなく、右斜め前部の画像、右側部の画像が含まれてもよい。なお、ここでは、左側通行を想定しているため、対向車線は車両１００の右側となる。そのため、参照特徴量４１Ｂが計算される場合には、車両の左側の画像が用いられていない。

図６を参照して、実施の形態１に係る車両判定装置１０の動作を詳細に説明する。
実施の形態１では、図６に示す処理は、一定時間毎に繰り返し実行される。なお、図６に示す処理は、イベントの発生に応じて実行されてもよい。

ステップＳ１０１の撮影画像取得処理では、方向特定部２１は、カメラ３１によって車両１００の前方が撮影された画像情報４２を、カメラインタフェース１３を介して取得する。方向特定部２１は、取得された画像情報４２をメモリ１２１に書き込む。

ステップＳ１０２の領域選択処理では、方向特定部２１は、ステップＳ１０１で取得された画像情報４２が示す領域の部分領域６１を選択する。
図７を参照して具体的に説明する。方向特定部２１は、画像情報４２をメモリ１２１から読み出し、読み出された画像情報４２の左上から右下まで、任意のサイズの部分領域６１を順に選択する。実施の形態１では、方向特定部２１は、横３０画素×縦３０画素の正方形の領域を部分領域６１とし、横５画素×縦５画素を１つのセル６２とする。そして、方向特定部２１は、画像情報４２の左上から右下まで、１セルずつずらして部分領域６１を順に選択する。例えば、参照特徴量４１の画像解像度が横１９８０×縦１２００であれば、５画素ずつずらして部分領域６１が抽出されるので、３９１（＝（１９８０−３０）／５＋１）×２３５（＝（１２００−３０）／５＋１）個の部分領域６１が順に選択される。方向特定部２１は、選択された部分領域６１をメモリ１２１に書き込む。

ステップＳ１０３の方向特定処理では、方向特定部２１は、ステップＳ１０２で選択された部分領域６１を周囲車両２００が走行する走行方向を特定する。
具体的には、方向特定部２１は、部分領域６１をメモリ１２１から読み出し、読み出された部分領域６１が、並走車線５１の領域であるか、対向車線５２の領域であるかを判定する。そして、方向特定部２１は、部分領域６１が並走車線５１の領域であれば、周囲車両２００の走行方向は、車両１００と同じ方向であると特定する。また、方向特定部２１は、部分領域６１が対向車線５２の領域であれば、周囲車両２００の走行方向は、車両１００と対向する方向であると特定する。方向特定部２１は、特定された走行方向を示す方向情報４３をメモリ１２１に書き込む。

図８を参照して、部分領域６１が、並走車線５１の領域であるか、対向車線５２の領域であるかを判定する方法を説明する。
車両１００の前方を撮影するカメラ３１では、左側通行の場合、並走車線５１は画像情報４２の左側となり、対向車線５２は画像情報４２の右側となる。そこで、方向特定部２１は、画像情報４２の左端から中央位置又は中央位置よりも少し右側の位置までを並走車線５１とし、画像情報４２の右端から中央位置又は中央位置よりも少し左側の位置までを対向車線５２とする。
図８では、方向特定部２１は、画像情報４２の左端から中央位置よりも少し右側の位置までを並走車線５１とし、画像情報４２の右端から中央位置よりも少し左側の位置までを対向車線５２としている。そのため、図８では、画像情報４２の中央部分に、並走車線５１及び対向車線５２の両方に含まれる重複領域がある。このように、重複領域を設けるのは、車両１００の走行位置に応じて、画像情報４２内の並走車線５１の領域と対向車線５２の領域との位置が変化する場合があるためである。
方向特定部２１は、部分領域６１が並走車線５１の領域と対向車線５２の領域とのどちらを含むかによって、部分領域６１が、並走車線５１の領域であるか、対向車線５２の領域であるかを判定する。なお、部分領域６１が並走車線５１の領域と対向車線５２の領域との両方を含む場合、部分領域６１が並走車線５１及び対向車線５２の両方の領域であると判定する。
つまり、図８を参照して説明した方法では、方向特定部２１は、画像情報４２が示す領域における部分領域６１の位置により、走行方向を特定することになる。

図９を参照して、重複領域を狭める方法を説明する。
後述する処理で車両判定部２３により、並走車線５１を走行する周囲車両２００が検出されていたとする。この場合、周囲車両２００が検出された領域は、並走車線５１であり、対向車線５２ではないと推定される。そこで、方向特定部２１は、並走車線５１を走行する周囲車両２００が検出された場合には、画像情報４２の右端から周囲車両２００が検出された領域の右端までを対向車線５２とする。これにより、対向車線５２の領域が縮小し、重複領域が狭まる。
同様に、方向特定部２１は、対向車線５２を走行する周囲車両２００が検出された場合には、画像情報４２の左端から周囲車両２００が検出された領域の左端までを並走車線５１とする。これにより、並走車線５１の領域が縮小し、重複領域が狭まる。
つまり、図９を参照して説明した方法では、方向特定部２１は、画像情報４２が示す領域における部分領域６１の位置と、過去に車両判定部２３によって周囲車両２００が存在すると判定された部分領域６１の位置とにより、走行方向を特定することになる。

ステップＳ１０４の特徴量取得処理では、特徴取得部２２は、ステップＳ１０３で特定された周囲車両２００の走行方向に応じた参照特徴量４１を取得する。
具体的には、特徴取得部２２は、周囲車両２００の走行方向が車両１００と同じ方向であると特定された場合には、車両１００と同じ方向に対応する参照特徴量４１を取得する。つまり、特徴取得部２２は、車両後部の参照特徴量４１Ａをストレージ１２２から読み出す。一方、特徴取得部２２は、周囲車両２００の走行方向が車両１００と対向する方向であると特定された場合には、車両１００と対向する方向に対応する参照特徴量４１を取得する。つまり、特徴取得部２２は、車両前部の参照特徴量４１Ｂをストレージ１２２から読み出す。そして、特徴取得部２２は、読み出された参照特徴量４１をメモリ１２１に書き込む。

ステップＳ１０５の特徴量計算処理では、車両判定部２３は、ステップＳ１０２で選択された部分領域６１の特徴量である画像特徴量を計算する。
具体的には、実施の形態１では、車両判定部２３は、部分領域６１のＨＯＧ特徴量を画像特徴量として計算する。まず、車両判定部２３は、部分領域６１を構成する各セル６２に対して、輝度勾配強度値及び輝度勾配方向を計算する。次に、車両判定部２３は、計算された輝度勾配方向を９方向に分割し、各方向に対する輝度勾配強度値のヒストグラムを作成する。最後に、車両判定部２３は、各セル６２のヒストグラムの全てを部分領域６１の画像特徴量とする。車両判定部２３は、計算された画像特徴量をメモリ１２１に書き込む。
ここで、部分領域６１の画像特徴量は、１つのセル６２で９方向の輝度勾配強度値があり、１つの部分領域６１を構成するセル６２が３６個であるため、合計で３２４（＝９×３６）次元の画像特徴量となる。

なお、ストレージ１２２に記憶された参照特徴量４１は、車両方向によって分類した参照画像を用いて、画像特徴量と同様に計算されたものである。予め計算された参照特徴量４１が記憶されていてもよいし、画像情報４２に基づき更新するように構成してもよい。

ここでは、画像特徴量及び参照特徴量４１として、ＨＯＧ特徴量が計算された。しかし、画像特徴量及び参照特徴量４１として他の特徴量が計算されてもよい。

ステップＳ１０６の車両判定処理では、車両判定部２３は、ステップＳ１０４で取得された参照特徴量４１と、ステップＳ１０５で計算された画像特徴量とを比較し、類似するか否かを判定する。
具体的には、車両判定部２３は、ステップＳ１０４でストレージ１２２から参照特徴量４１を読み出し、ステップＳ１０５で計算された画像特徴量をメモリ１２１から読み出す。実施の形態１では、車両判定部２３は、読み出された参照特徴量４１と画像特徴量とを、ＳＶＭにより比較し、類似度が計算される。そして、車両判定部２３は、類似度が閾値よりも高いか否かにより類似するか否かを判定する。
車両判定部２３は、類似すると判定された場合には、処理をステップＳ１０７に進める。一方、車両判定部２３は、類似しないと判定された場合には、処理をステップＳ１０８に進める。

ここでは、特徴量の類似判定に、ＳＶＭが用いられた。しかし、特徴量の類似判定に他の方法が用いられてもよい。

つまり、図１０に示すように、部分領域６１が並走車線５１の画像領域である場合には、車両後部の参照特徴量４１Ａを用いて判定される。部分領域６１が対向車線５２の画像領域である場合には、車両前部の参照特徴量４１Ｂを用いて判定される。部分領域６１が重複領域である場合には、車両後部の参照特徴量４１Ａと車両前部の参照特徴量４１Ｂとの両方を用いて判定される。

ステップＳ１０７の車両判定処理では、車両判定部２３は、ステップＳ１０２で選択された部分領域６１に周囲車両２００が撮影されていると判定する。つまり、車両判定部２３は、部分領域６１に周囲車両２００が存在すると判定する。そして、車両判定部２３は、画像情報４２における部分領域６１の位置から、周囲車両２００の位置を特定する。
車両判定部２３は、特定された周囲車両２００の位置を示す特定情報４４を車両制御ユニット３２に送信する。そして、車両判定部２３は、処理をステップＳ１０２に戻す。
車両制御ユニット３２は、送信された特定情報４４を用いて車両１００の走行を制御する。例えば、車両制御ユニット３２は、車両１００の進行方向近くに周囲車両２００が検出された場合には、車両１００のブレーキ制御を行い、周囲車両２００との衝突を回避する。

ステップＳ１０８の非車両判定処理では、車両判定部２３は、ステップＳ１０２で選択された部分領域６１に車両が撮影されていないと判定する。つまり、車両判定部２３は、部分領域６１に周囲車両２００が存在しないと判定する。そして、車両判定部２３は、処理をステップＳ１０２に戻す。

なお、方向特定部２１は、ステップＳ１０２で画像情報４２が示す領域が全て部分領域６１として選択した場合には処理を終了する。

＊＊＊実施の形態１の効果＊＊＊
以上のように、実施の形態１に係る車両判定装置１０は、部分領域６１における周囲車両２００の走行方向に対応する参照特徴量４１を用いて、部分領域６１に周囲車両２００が撮影されているか否かを判定する。これにより、画像情報４２から周囲車両２００を高速かつ精度よく検出可能である。

＊＊＊他の構成＊＊＊
＜変形例１＞
実施の形態１では、車両判定装置１０の各部の機能がソフトウェアで実現された。しかし、変形例１として、車両判定装置１０の各部の機能はハードウェアで実現されてもよい。この変形例１について、実施の形態１と異なる点を説明する。

図１１を参照して、変形例１に係る車両判定装置１０の構成を説明する。
各部の機能がハードウェアで実現される場合、車両判定装置１０は、プロセッサ１１と記憶装置１２とに代えて、処理回路１４を備える。処理回路１４は、車両判定装置１０の各部の機能及び記憶装置１２の機能を実現する専用の電子回路である。

処理回路１４は、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックＩＣ、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）が想定される。
各部の機能を１つの処理回路１４で実現してもよいし、各部の機能を複数の処理回路１４に分散させて実現してもよい。

＜変形例２＞
変形例２として、一部の機能がハードウェアで実現され、他の機能がソフトウェアで実現されてもよい。つまり、車両判定装置１０の各部のうち、一部の機能がハードウェアで実現され、他の機能がソフトウェアで実現されてもよい。

プロセッサ１１と記憶装置１２と処理回路１４とを、総称して「プロセッシングサーキットリー」という。つまり、各部の機能は、プロセッシングサーキットリーにより実現される。

実施の形態２．
実施の形態２は、片側に複数の車線がある場合に並走車線５１の領域及び対向車線５２の領域を特定する点が実施の形態１と異なる。実施の形態２では、この異なる点を説明する。
実施の形態２では、片側２車線の場合を説明する。しかし、片側３車線以上の場合でも、同様の考え方により対応可能である。

＊＊＊構成の説明＊＊＊
図１２を参照して、実施の形態２に係る車両判定装置１０の構成を説明する。
車両判定装置１０は、図１に示す車両判定装置１０のハードウェア構成に加え、通信インタフェース１５と、測位センサ１６とを備える。

通信インタフェース１５は、データを受信するレシーバ及びデータを送信するトランスミッターを含む装置である。通信インタフェース１５は、具体例としては、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。

測位センサ１６は、ＧＰＳ衛星といった測位衛星によって送信され、車両１００の位置を特定可能な測位信号を受信する装置である。測位衛星として、特定地域の上空に長時間とどまる軌道を取る準天頂衛星が使用されてもよい。準天頂衛星が使用されることで、高精度な位置情報を算出可能となる。

車両判定装置１０は、図１に示す車両判定装置１０の機能構成要素に加え、車線特定部２４を備える。車線特定部２４の機能は、車両判定装置１０の他の機能と同様に、ソフトウェアにより実現される。

＊＊＊動作の説明＊＊＊
図１３から図２０を参照して、実施の形態２に係る車両判定装置１０の動作を説明する。
実施の形態２に係る車両判定装置１０の動作は、実施の形態２に係る車両判定方法に相当する。また、実施の形態２に係る車両判定装置１０の動作は、実施の形態２に係る車両判定プログラムの処理に相当する。

図１３から図１６を参照して、実施の形態２に係る車両判定装置１０の動作の概要を説明する。
図１３及び図１４では、片側２車線の道路が示されており、各車線を周囲車両２００が走行している。図１３と図１４とでは、車両１００が走行している車線が異なる。具体的には、図１３では、車両１００が対向車線５２に隣接する車線を走行しているのに対して、図１４では、車両１００が路肩５３に隣接する車線を走行している。図１３に示す状況において、車両１００に搭載されたカメラ３１で車両１００の前方を撮影した場合、図１５に示すような画像情報４２が得られる。図１４に示す状況において、車両１００に搭載されたカメラ３１で車両１００の前方を撮影した場合、図１６に示すような画像情報４２が得られる。
図１５及び図１６に示すように、車両１００が走行している車線によって、撮影される領域が異なる。そこで、車両判定装置１０は、車両１００が走行する走行車線を考慮して、周囲車両２００の走行方向を特定する。具体的には、単純に画像情報４２の左側半分程度を並走車線５１の領域とし、右側半分程度を対向車線５２の領域とするのではなく、走行車線に応じて、画像情報４２のどの範囲を並走車線５１の領域と対向車線５２の領域とするかを特定する。

図１７を参照して、実施の形態２に係る車両判定装置１０の動作を詳細に説明する。
実施の形態２では、図１７に示す処理は、一定時間毎に繰り返し実行される。なお、図１７に示す処理は、イベントの発生に応じて実行されてもよい。

ステップＳ２０１の撮影画像取得処理では、方向特定部２１は、図７のステップＳ１０１と同様に、画像情報４２を取得する。

ステップＳ２０２の位置検出処理では、車線特定部２４は、測位センサ１６を介して測位信号を取得することにより、車両１００の位置を特定する。車両１００の位置を特定するということは、カメラ３１の位置を特定することに相当する。
具体的には、車線特定部２４は、ＧＰＳといった測位衛星から測位センサ１６を介して測位信号を受信するとともに、特定地域の上空に長時間とどまる軌道を取る準天頂衛星から測位センサ１６を介して測位衛星用の測位補正情報を受信する。車線特定部２４は、受信された測位信号により計算される位置を、測位補正情報を用いて補正して、位置を特定する。車線特定部２４は、特定された位置をメモリ１２１に書き込む。
測位補正情報は、地上に設置された電子基準点における観測データと、衛星軌道情報と、対流圏遅延モデルと、電離層遅延モデルとから構成される。対流圏遅延モデルは、地上に近い対流圏において測位信号の電波が大気中を通過することにより真空中よりも減速する効果と伝搬経路がわずかなに曲がるために直線より距離が延びる効果を表す。電離層遅延モデルは、太陽放射によって地上から高度２５０ｋｍ〜４００ｋｍ付近にある電離層の電子密度が変化し、その電子密度に依存してＧＰＳ測位信号の電波速度が変化する効果を表す。測位補正情報を使用することで、トンネル等の上空の遮蔽物が無い道路であれば、数センチメートル単位の精度で車両１００の位置を特定可能である。
ここでは、測位信号を用いて撮影位置を特定した。しかし、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ、Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）といったセンサを使用して道路上の白線位置を検出し、その白線位置から車両１００の位置を特定してもよい。

ステップＳ２０３の地図取得処理では、車線特定部２４は、ステップＳ２０２で特定された車両１００の位置周辺の地図情報を取得する。
具体的には、車線特定部２４は、ステップＳ２０２で特定された位置をメモリ１２１から読み出す。そして、車線特定部２４は、通信インタフェース１５を介して外部のサーバから、ステップＳ２０２で特定された位置周辺の地図情報を受信する。地図情報は、道路の各車線の位置が特定可能な精度の情報である。地図情報には、道路の３次元形状情報が含まれていてもよい。車線特定部２４は、受信された地図情報をメモリ１２１に書き込む。
ここでは、車線特定部２４は、外部のサーバから地図情報を受信した。しかし、ストレージ１２２に地図情報を記憶しておき、車線特定部２４はストレージ１２２から地図情報を読み出してもよい。

ステップＳ２０４の走行車線特定処理では、車線特定部２４は、車両１００が走行する走行車線を特定する。
図１８を参照して具体的に説明する。車線特定部２４は、ステップＳ２０２で特定された車両１００の位置と、ステップＳ２０３で取得された地図情報とをメモリ１２１から読み出す。車線特定部２４は、車両１００の位置と地図情報が示す車線の位置とを比較して、走行車線を特定する。
例えば、図１８に示すように、地図情報は、車線を区切る線を表す数式であるとする。図１８では、各線は、直線であると仮定し、各線がＸ＝ａＺ＋ｂで表されている。ここで、ａ，ｂは定数であり、線毎に異なる値が設定される。車線特定部２４は、地図情報が表す数式と、車両１００の位置（Ｘｃ，Ｚｃ）とから、車両１００の走行車線を特定する。車線特定部２４は、特定された走行車線を示す走行車線情報４５をメモリ１２１に書き込む。

ステップＳ２０５の領域選択処理では、方向特定部２１は、図６のステップＳ１０２と同様に、ステップＳ２０１で取得された画像情報４２が示す領域の部分領域６１を選択する。

ステップＳ２０６の方向特定処理では、方向特定部２１は、ステップＳ２０５で選択された部分領域６１を周囲車両２００が走行する走行方向を特定する。
具体的には、方向特定部２１は、ステップＳ２０５で選択された部分領域６１と、ステップＳ２０４で特定された走行車線を示す走行車線情報４５とをメモリ１２１から読み出す。方向特定部２１は、読み出された走行車線情報４５が示す走行車線を考慮して、部分領域６１が、並走車線５１の領域であるか、対向車線５２の領域であるか、どちらの領域でもないかを判定する。
方向特定部２１は、部分領域６１が、並走車線５１の領域、又は、対向車線５２の領域であると判定された場合には、処理をステップＳ２０７に進める。方向特定部２１は、部分領域６１が、並走車線５１及び対向車線５２のどちらでもない領域であったと判定された場合には、処理をステップＳ２０５に戻して、新たな部分領域６１を選択する。

図１９及び図２０を参照して、部分領域６１が、並走車線５１の領域であるか、対向車線５２の領域であるか、どちらの領域でもないかを判定する方法を説明する。
車両１００が対向車線５２に隣接する車線を走行している場合に比べ、車両１００が路肩５３に隣接する車線を走行している場合には、図１９及び図２０に示すように、道路５０が撮影された領域が１車線分右にずれる。
そこで、方向特定部２１は、車両１００の走行車線毎に、並走車線５１の領域と対向車線５２の領域とを定めておく。例えば、方向特定部２１は、車両１００が対向車線５２に隣接する車線を走行している場合には、画像情報４２の左端から中央位置又は中央位置よりも少し右側の位置までを並走車線５１とし、画像情報４２の右端から中央位置又は中央位置よりも少し左側の位置までを対向車線５２とする。また、方向特定部２１は、車両１００が路肩５３に隣接する車線を走行している場合には、画像情報４２の左端から１車線分右へ移動した位置から、中央位置から１車線分右へ移動した位置又は中央位置よりも少し右側から１車線分右へ移動した位置までを並走車線５１とし、並走車線５１よりも右側の範囲を対向車線５２とする。
方向特定部２１は、部分領域６１が並走車線５１の領域を含むか、対向車線５２の領域を含むか、どちらも含まないかによって、部分領域６１が、並走車線５１の領域であるか、対向車線５２の領域であるか、どちらにも含まれないかを判定する。

ステップＳ２０７からステップＳ２１１の処理は、図６に示すステップＳ１０４からステップＳ１０８の処理と同じである。

つまり、図２１に示すように、部分領域６１が、並走車線５１の領域又は対向車線５２の領域を含む場合のみ、ステップＳ２０７以降の処理が実行される。言い換えると、部分領域６１が路肩である場合のように、並走車線５１の領域及び対向車線５２の領域のどちらにも部分領域６１が含まれない場合には、ステップＳ２０７以降の処理が省略され、特徴量の計算等が行われない。

＊＊＊実施の形態２の効果＊＊＊
以上のように、実施の形態２に係る車両判定装置１０は、車両１００の走行車線を特定することにより、並走車線５１及び対向車線５２を精度よく特定する。
これにより、路肩５３といった周囲車両２００が走行しない領域については、ステップＳ２０７以降の処理が省略される。そのため、画像情報４２から周囲車両２００を高速に検出可能である。また、適切な参照特徴量４１を用いて、特徴量の類似判定が行われる。そのため、画像情報４２から周囲車両２００を精度よく検出可能である。

＊＊＊他の構成＊＊＊
＜変形例３＞
実施の形態２では、ステップＳ２０４で車両１００の走行車線が特定され、ステップＳ２０６で走行車線を考慮して並走車線５１の領域及び対向車線５２の領域が特定された。変形例３として、車両１００の位置と地図情報とから画像情報４２が示す領域における並走車線５１の領域及び対向車線５２の領域が特定されてもよい。

図２２を参照して、変形例３に係る車両判定装置１０の構成を説明する。
車両判定装置１０は、機能構成要素として、車線特定部２４を備えていない点が図１２に示す車両判定装置１０と異なる。

図２３を参照して、変形例３に係る車両判定装置１０の動作を説明する。
変形例３では、図２３に示す処理は、一定時間毎に繰り返し実行される。なお、図２３に示す処理は、イベントの発生に応じて実行されてもよい。

ステップＳ３０１からステップＳ３０３の処理は、図１７のステップＳ２０１からステップＳ２０３の処理と同じである。但し、ステップＳ２０２では車線特定部２４が車両１００の位置を特定し、ステップＳ２０３では車線特定部２４が地図情報を取得した。しかし、ステップＳ３０２では方向特定部２１が車両１００の位置を特定し、ステップＳ３０３では方向特定部２１が地図情報を取得する。
また、ステップＳ３０４の処理は、図１７のステップＳ２０５の処理と同じである。また、ステップＳ３０６からステップＳ３１０の処理は、図１７のステップＳ２０７からステップＳ２１１の処理と同じである。

ステップＳ３０５の方向特定処理では、方向特定部２１は、ステップＳ３０２で特定された車両１００の位置と、ステップＳ３０３で取得された地図情報とから、部分領域６１を周囲車両２００が走行する走行方向を特定する。

図２４及び図２５を参照して具体的に説明する。
方向特定部２１は、撮影時のカメラ３１の焦点位置（Ｘ_０，Ｙ_０，Ｚ_０）を特定する。カメラ３１の焦点位置（Ｘ_０，Ｙ_０，Ｚ_０）は、車両１００の位置と、画素単位の焦点距離といったカメラ３１の設定パラメータとから特定される。
方向特定部２１は、地図情報から並走車線５１のいくつかの境界部分の位置（Ｘ_１，Ｙ_１，Ｚ_１）と対向車線５２のいくつかの境界部分の位置（Ｘ_２，Ｙ_２，Ｚ_２）を取得し、カメラ３１の焦点位置（Ｘ_０，Ｙ_０，Ｚ_０）との相対的な位置を計算する。仮にカメラ３１の焦点位置が原点（０，０，０）であれば、並走車線５１の相対的な位置は（Ｘ_１，Ｙ_１，Ｚ_１）となり、対向車線５２の相対的な位置は（Ｘ_２，Ｙ_２，Ｚ_２）となる。方向特定部２１は、並走車線５１の相対的な位置（Ｘ_１，Ｙ_１，Ｚ_１）を透視投影変換処理によってカメラ３１の撮像面に投影される画素位置（ｕ_１，ｖ_１）を計算する。同様に、方向特定部２１は、対向車線５２の相対的な位置（Ｘ_２，Ｙ_２，Ｚ_２）を透視投影変換処理によってカメラ３１の撮像面に投影される画素位置（ｕ_２，ｖ_２）を計算する。
方向特定部２１は、複数の境界部分の位置（Ｘ_１，Ｙ_１，Ｚ_１）について、画素位置（ｕ_１，ｖ_１）を計算するとともに、複数の境界部分の位置（Ｘ_２，Ｙ_２，Ｚ_２）について、画素位置（ｕ_２，ｖ_２）を計算する。そして、方向特定部２１は、各位置（ｕ_１，ｖ_１）から特定される範囲を並走車線５１の領域とし、各位置（ｕ_２，ｖ_２）から特定される範囲を対向車線５２の領域とする。具体例としては、方向特定部２１は、隣り合う位置（ｕ_１，ｖ_１）を直線でつなぎ、囲まれた範囲を並走車線５１の領域とし、隣り合う位置（ｕ_２，ｖ_２）を直線でつなぎ、囲まれた範囲を対向車線５２の領域とする。

ここで透視投影変換式は数１に示す通りであり、ｆ_ｘとｆ_ｙはカメラ３１の設定パラメータである画素単位の焦点距離を表す。また、画素位置（ｕ_１，ｖ_１）はカメラデバイスの撮像面中心（撮影画像の中心位置）を原点位置（０，０）にした際の画素位置を表す。

これにより、より正確に並走車線５１の領域及び対向車線５２の領域を特定可能である。その結果、画像情報４２から周囲車両２００を高速かつ精度よく検出可能である。

実施の形態３．
実施の形態３は、部分領域６１の車線である対応車線の位置に応じた参照特徴量４１を用いて、特徴量の類似判定を行う点が実施の形態１，２と異なる。

＊＊＊構成の説明＊＊＊
図２６を参照して、実施の形態３に係る車両判定装置１０の構成を説明する。
車両判定装置１０は、車線特定部２４が特徴取得部２２に対応車線情報４６を受け渡す点が、図１２に示す車両判定装置１０と異なる。

＊＊＊動作の説明＊＊＊
図２７から図２９を参照して、実施の形態３に係る車両判定装置１０の動作を説明する。
実施の形態３に係る車両判定装置１０の動作は、実施の形態３に係る車両判定方法に相当する。また、実施の形態３に係る車両判定装置１０の動作は、実施の形態３に係る車両判定プログラムの処理に相当する。

図２７を参照して、実施の形態３に係る車両判定装置１０の動作の概要を説明する。
図２７では、車線Ｘ１，Ｘ２が並走車線５１であり、車線Ｘ３，Ｘ４が対向車線５２である。また、図２７では、車両１００の走行車線が車線Ｘ２であるとする。
この場合、車線Ｘ１を走行する周囲車両２００Ａは、周囲車両２００Ａの右斜め後部が撮影される。車線Ｘ２を走行する周囲車両２００Ｂは、周囲車両２００Ｂの真後ろが撮影される。車線Ｘ３を走行する周囲車両２００Ｃは、周囲車両２００Ｃの右斜め前部が撮影される。車線Ｘ４を走行する周囲車両２００Ｄは、車線Ｘ３を走行する周囲車両２００Ｃよりも側部に近い、周囲車両２００Ｄの右斜め前部が撮影される。
つまり、車両１００に対する周囲車両２００の走行する相対的な位置によって、撮影される角度が異なる。そこで、車両判定装置１０は、車両１００の走行車線に対する、部分領域６１に対応する対応車線の相対的な位置毎に、参照特徴量４１を記憶しておく。そして、車両判定装置１０は、車両１００の走行車線に対する、部分領域６１に対応する対応車線の相対的な位置に応じた参照特徴量４１を用いて、処理対象の部分領域６１に周囲車両２００が存在するか否かを判定する。

図２８を参照して、実施の形態３に係る参照特徴量４１を説明する。
参照特徴量４１は、対象とする撮影方向と、走行車線に対する対応車線の相対的な位置とに対応する参照画像を用いて計算される。図２８では、車両後方と車両前方との２つの撮影方向と、同一車線と左隣接車線と右隣接車線と第２右隣接車線との４つの相対的な位置との組合せによる８個の分類の参照特徴量４１が計算される。第２右隣接車線は、走行車線の２つ右の車線のことである。
各々の分類に対応する参照特徴量４１は、図２８に示すように各々の分類に対応付けられてストレージ１２２に記憶される。
なお、左側通行の場合、対向車線５２を走行する周囲車両２００が同一車線と左隣接車線とを走行することは原則としてない。そのため、車両前方の同一車線と左隣接車線との参照特徴量４１は記憶されていなくてもよい。また、片側２車線の場合、並走車線５１を走行する周囲車両２００が第２右隣接車線を走行することは原則としてない。そのため、車両後方の第２右隣接車線の参照特徴量４１は記憶されていなくてもよい。

図２９を参照して、実施の形態３に係る車両判定装置１０の動作を詳細に説明する。
実施の形態３では、図２９に示す処理は、一定時間毎に繰り返し実行される。なお、図２９に示す処理は、イベントの発生に応じて実行されてもよい。

ステップＳ４０１からステップＳ４０６の処理は、図１７に示すステップＳ２０１からステップＳ２０６の処理と同じである。また、ステップＳ４０９からステップＳ４１２の処理は、図１７に示すステップＳ２０８からステップＳ２１１の処理と同じである。

ステップＳ４０７の対応車線特定処理では、車線特定部２４は、ステップＳ４０５で選択された部分領域６１に対応する車線である対応車線を特定する。
具体的には、車線特定部２４は、変形例３で図２４及び図２５を参照して説明した方法により、カメラ３１の撮像面における各車線の範囲を特定する。つまり、変形例３では、カメラ３１の撮像面における並走車線５１の領域及び対向車線５２の領域が特定されたが、ここではカメラ３１の撮像面における各車線の範囲が特定される。具体例としては、並走車線５１が２車線ある場合には、並走車線５１を構成する２つの車線それぞれの領域が特定される。そして、車線特定部２４は、部分領域６１がどの車線の領域を含むかにより、対応車線を特定する。車線特定部２４は、特定された対応車線をメモリ１２１に書き込む。
なお、部分領域６１が２つの車線の領域を含む場合には、２つの車線両方が対応車線として特定される。

ステップＳ４０８の特徴量取得処理では、特徴取得部２２は、ステップＳ４０６で特定された周囲車両２００の走行方向と、ステップＳ４０７で特定された対応車線とに応じた参照特徴量４１を取得する。つまり、特徴取得部２２は、周囲車両２００の走行方向と、走行車線に対する対応車線の相対的な位置とに応じた参照特徴量４１を取得する。特徴取得部２２は、読み出された参照特徴量４１をメモリ１２１に書き込む。
具体例としては、特徴取得部２２は、周囲車両２００の走行方向が車両１００と同じ方向であり、対応車線が走行車線の左隣接車線である場合には、車両１００と同じ方向に対応し、かつ、左隣接車線に対応する参照特徴量４１を取得する。つまり、特徴取得部２２は、図２８の参照特徴量４１Ｃをストレージ１２２から読み出す。
なお、特徴取得部２２は、部分領域６１が２つの車線の領域を含む場合には、２つの対応車線の両方に対応する参照特徴量４１を取得する。

＊＊＊実施の形態３の効果＊＊＊
以上のように、実施の形態３に係る車両判定装置１０は、部分領域６１における周囲車両２００の走行方向と、走行車線に対する対応車線の相対的な位置とに対応する参照特徴量４１を用いて、部分領域６１に周囲車両２００が撮影されているか否かを判定する。これにより、画像情報４２から周囲車両２００を高速かつ精度よく検出可能である。

＊＊＊他の構成＊＊＊
＜変形例４＞
実施の形態３では、走行車線に対する対応車線の相対的な位置により参照特徴量４１が分類された。変形例４として、走行車線に対する対応車線の相対的な位置だけでなく、車両１００と周囲車両２００との間の進行方向の距離によって参照特徴量４１が分類されてもよい。
例えば、左隣接車線を走行する周囲車両２００であっても、車両１００と離れた位置にいる場合と、車両１００と近い位置にいる場合とで撮影される角度が異なる。
そこで、車両判定装置１０は、走行車線に対する対応車線の相対的な位置だけでなく、車両１００と周囲車両２００との間の進行方向の距離によって参照特徴量４１を分類して、ストレージ１２２に記憶しておく。そして、特徴取得部２２は、車両１００と周囲車両２００との間の進行方向の距離に応じた参照特徴量４１を取得する。
ここで、画像情報４２の上部の領域には車両１００と離れた位置にいる周囲車両２００が撮影され、下部の領域には車両１００と近い位置にいる周囲車両２００が撮影される。したがって、特徴取得部２２は、画像情報４２が示す領域の上下方向における部分領域６１の位置に応じた参照特徴量４１を取得することにより、車両１００と周囲車両２００との間の進行方向の距離に応じた参照特徴量４１を取得することができる。
これにより、より適切な参照特徴量４１を用いて、特徴量の類似判定が行われる。そのため、そのため、画像情報４２から周囲車両２００を精度よく検出可能である。

＜変形例５＞
実施の形態３では、周囲車両２００が車両１００と同じ方向に走行するか、車両１００と対向する方向に走行するかが想定された。変形例５として、車両１００の前方に交差点がある場合を説明する。
図３０に示すように、交差点では、右折している周囲車両２００Ｍと、左折している周囲車両２００Ｎといった周囲車両２００が存在する場合がある。右折している周囲車両２００Ｍと左折している周囲車両２００Ｎとは、車両１００に対して斜め横、あるいは、横を向いている。
そこで、車両１００は、交差点用の参照特徴量４１をストレージ１２２に記憶しておく。交差点用の参照特徴量４１は、車両の左右の側部から撮影された参照画像と、車両の左右の斜め前部及び後部から撮影された参照画像とを用いて計算される。そして、図２９のステップＳ４０７で車線特定部２４は、変形例３で図２４及び図２５を参照して説明した方法により、カメラ３１の撮像面における交差点の範囲を特定し、部分領域６１がどの車線及び交差点の領域を含むかを特定する。ステップＳ４０８で特徴取得部２２は、ステップＳ４０７で部分領域６１が交差点を含むと特定された場合には、周囲車両２００の走行方向によらず、交差点に対応する参照特徴量４１を取得する。
これにより、交差点にいる周囲車両２００を高速かつ精度よく検出可能である。

実施の形態４．
実施の形態４は、一部が隠れて撮影された周囲車両２００用の参照特徴量４１を用いて、特徴量の類似判定を行う点が実施の形態１〜３と異なる。
実施の形態４では、実施の形態３に機能追加した場合を説明する。しかし、実施の形態１，２に機能追加することも可能である。

＊＊＊構成の説明＊＊＊
図３１を参照して、実施の形態４に係る車両判定装置１０の構成を説明する。
車両判定装置１０は、図２６に示す車両判定装置１０の機能構成要素に加え、遮蔽判定部２５を備える。遮蔽判定部２５の機能は、車両判定装置１０の他の機能と同様に、ソフトウェアにより実現される。

＊＊＊動作の説明＊＊＊
図３２から図３６を参照して、実施の形態４に係る車両判定装置１０の動作を説明する。
実施の形態４に係る車両判定装置１０の動作は、実施の形態４に係る車両判定方法に相当する。また、実施の形態４に係る車両判定装置１０の動作は、実施の形態４に係る車両判定プログラムの処理に相当する。

図３２及び図３３を参照して、実施の形態４に係る車両判定装置１０の動作の概要を説明する。
図３２では、対向車線５２を走行する周囲車両２００Ｃのすぐ後ろを周囲車両２００Ｄが走行している。図３２に示す状況において、車両１００に搭載されたカメラ３１で車両１００の前方を撮影した場合、図３３に示すような画像情報４２が得られる。
図３３に示すように、周囲車両２００Ｃのすぐ後ろを走行している周囲車両２００Ｄは、周囲車両２００Ｃに隠れてしまい、一部だけしか撮影されない。そこで、車両判定装置１０は、他の周囲車両２００等によって隠れてしまう遮蔽領域４７の有無毎に、参照特徴量４１を記憶しておく。そして、車両判定装置１０は、遮蔽領域４７の有無に応じた参照特徴量４１を用いて、処理対象の部分領域６１に周囲車両２００が存在するか否かを判定する。

図３４及び図３５を参照して、実施の形態４に係る参照特徴量４１を説明する。
参照特徴量４１は、対象とする撮影方向と、走行車線に対する対応車線の相対的な位置と、遮蔽領域４７の有無とに対応する参照画像を用いて計算される。図３５では、車両後方と車両前方との２つの撮影方向と、同一車線と左隣接車線と右隣接車線と第２右隣接車線との４つの相対的な位置と、遮蔽領域４７の有無との組合せによる１６個の分類の参照特徴量４１が計算される。図３４に示すように、遮蔽領域４７無しの場合の参照特徴量４１は、遮蔽領域４７がない参照画像から計算され、遮蔽領域４７有りの場合の参照特徴量４１は、遮蔽領域４７がある参照画像から計算される。
各々の分類に対応する参照特徴量４１は、図３５に示すように各々の分類に対応付けられてストレージ１２２に記憶される。

図３６を参照して、実施の形態４に係る車両判定装置１０の動作を詳細に説明する。
実施の形態４では、図３６に示す処理は、一定時間毎に繰り返し実行される。なお、図３６に示す処理は、イベントの発生に応じて実行されてもよい。

ステップＳ５０１からステップＳ５０７の処理は、図２９に示すステップＳ４０１からステップＳ４０７の処理と同じである。ステップＳ５１０からステップＳ５１３の処理は、図２９に示すステップＳ４０９からステップＳ４１２の処理と同じである。

ステップＳ５０８の遮蔽判定処理では、遮蔽判定部２５は、ステップＳ５０５で選択された部分領域６１が遮蔽領域４７を有するか否かを判定する。
図３７を参照して具体的に説明する。部分領域６１が、車両判定部２３によって周囲車両２００が撮影されたと判定された他の部分領域６１を含む場合、部分領域６１は遮蔽領域４７を含む可能性が高い。そこで、遮蔽判定部２５は、特定された周囲車両２００の位置を示す特定情報４４をメモリ１２１から読み出す。そして、遮蔽判定部２５は、ステップＳ５０１で取得された画像情報４２のうち、周囲車両２００が撮影されたと判定された他の部分領域６１を部分領域６１が含む場合には、遮蔽領域４７を有すると判定する。一方、遮蔽判定部２５は、周囲車両２００が撮影されたと判定された他の部分領域６１を部分領域６１が含まない場合には、遮蔽領域４７を有さないと判定する。遮蔽判定部２５は、判定された結果をメモリ１２１に書き込む。

ステップＳ５０９の特徴量取得処理では、特徴取得部２２は、ステップＳ５０６で特定された周囲車両２００の走行方向と、ステップＳ５０７で特定された対応車線と、ステップＳ５０８で判定された遮蔽領域４７の有無とに応じた参照特徴量４１を取得する。
具体例としては、特徴取得部２２は、周囲車両２００の走行方向が車両１００と同じ方向であり、対応車線が走行車線の左隣接車線であり、遮蔽領域４７がある場合には、車両１００と同じ方向に対応し、かつ、左隣接車線に対応し、かつ、遮蔽領域４７ありに対応する参照特徴量４１を取得する。つまり、特徴取得部２２は、図３５の参照特徴量４１Ｃ２をストレージ１２２から読み出す。特徴取得部２２は、読み出された参照特徴量４１をメモリ１２１に書き込む。

＊＊＊実施の形態４の効果＊＊＊
以上のように、実施の形態４に係る車両判定装置１０は、部分領域６１が遮蔽領域４７を有するか否かに対応する参照特徴量４１を用いて、部分領域６１に周囲車両２００が撮影されているか否かを判定する。これにより、画像情報４２から周囲車両２００を高速かつ精度よく検出可能である。

＊＊＊他の構成＊＊＊
＜変形例６＞
実施の形態２〜４では、実施の形態１と同じように、車両判定装置１０の各部の機能がソフトウェアで実現された。しかし、変形例１と同じように、車両判定装置１０の各部の機能はハードウェアで実現されてもよい。また、変形例２と同じように、車両判定装置１０は、一部の機能がハードウェアで実現され、他の機能がソフトウェアで実現されてもよい。

以上、本発明の実施の形態について説明した。これらの実施の形態及び変形例のうち、いくつかを組み合わせて実施してもよい。また、いずれか１つ又はいくつかを部分的に実施してもよい。なお、本発明は、以上の実施の形態及び変形例に限定されるものではなく、必要に応じて種々の変更が可能である。

１０ 車両判定装置、１１ プロセッサ、１２ 記憶装置、１３ カメラインタフェース、１４ 処理回路、１５ 通信インタフェース、１６ 測位センサ、２１ 方向特定部、２２ 特徴取得部、２３ 車両判定部、２４ 車線特定部、２５ 遮蔽判定部、３１ カメラ、３２ 車両制御ユニット、３２１ 車両制御インタフェース、３２２ センサＥＣＵ、３２３ 車両ＥＣＵ、４１ 参照特徴量、４２ 画像情報、４３ 方向情報、４４ 特定情報、４５ 走行車線情報、４６ 対応車線情報、４７ 遮蔽領域、５０ 道路、５１ 並走車線、５２ 対向車線、５３ 路肩、６１ 部分領域、６２ セル、１００ 車両、２００ 周囲車両。

Claims (10)

1. カメラで撮影された画像情報が示す領域の部分領域について、前記部分領域を周囲車両が走行する走行方向を特定する方向特定部と、
   前記方向特定部によって特定された走行方向に応じた参照画像から計算された特徴量である参照特徴量を取得する特徴量取得部と、
   前記部分領域についての前記画像情報の特徴量である画像特徴量を計算し、計算された画像特徴量と前記特徴量取得部によって取得された参照特徴量とを比較することにより、前記部分領域に周囲車両が存在するか否かを判定する車両判定部と
   を備える車両判定装置。
2. 前記方向特定部は、前記画像情報が示す領域における前記部分領域の位置により、前記走行方向を特定する
   請求項１に記載の車両判定装置。
3. 前記方向特定部は、過去に前記車両判定部によって周囲車両が存在すると判定された部分領域の位置により、前記走行方向を特定する
   請求項２に記載の車両判定装置。
4. 前記車両判定装置は、さらに、
   前記カメラが搭載された車両が走行する走行車線を特定する車線特定部
   を備え、
   前記方向特定部は、前記車線特定部によって特定された走行車線により、前記走行方向を特定する
   請求項２に記載の車両判定装置。
5. 前記方向特定部は、前記画像情報が示す領域における、前記カメラが搭載された車両が走行する方向と同じ進行方向の並走車線の領域と、前記カメラが搭載された車両が走行する方向と対向する進行方向の対向車線の領域とを特定することにより、前記走行方向を特定する
   請求項２に記載の車両判定装置。
6. 前記車両判定装置は、さらに、
   前記カメラが搭載された車両が走行する走行車線と、前記部分領域に対応する対応車線とを特定する車線特定部
   を備え、
   前記特徴量取得部は、前記車線特定部によって特定された前記走行車線に対する前記対応車線の相対的な位置に応じた参照画像から計算された参照特徴量を取得する
   請求項１に記載の車両判定装置。
7. 前記特徴量取得部は、前記画像情報が示す領域の上下方向における前記部分領域の位置に応じた参照画像から計算された参照特徴量を取得する
   請求項６に記載の車両判定装置。
8. 前記車両判定装置は、さらに、
   前記部分領域が、前記車両判定部によって周囲車両が存在すると判定された他の部分領域と重なる遮蔽領域を含む領域であるか否かを判定する遮蔽判定部
   を備え、
   前記特徴量取得部は、前記遮蔽判定部によって遮蔽領域を含む領域であると判定されたか否かに応じた参照画像から計算された参照特徴量を取得する
   請求項１に記載の車両判定装置。
9. カメラで撮影された画像情報が示す領域の部分領域について、前記部分領域を周囲車両が走行する走行方向を特定し、
   特定された走行方向に応じた参照画像から計算された特徴量である参照特徴量を取得し、
   前記部分領域についての前記画像情報の特徴量である画像特徴量を計算し、計算された画像特徴量と取得された参照特徴量とを比較することにより、前記部分領域に周囲車両が存在するか否かを判定する車両判定方法。
10. カメラで撮影された画像情報が示す領域の部分領域について、前記部分領域を周囲車両が走行する走行方向を特定する方向特定処理と、
    前記方向特定処理によって特定された走行方向に応じた参照画像から計算された参照特徴量を取得する特徴量取得処理と、
    前記部分領域についての前記画像情報の特徴量である画像特徴量を計算し、計算された画像特徴量と前記特徴量取得処理によって取得された参照特徴量とを比較することにより、前記部分領域に周囲車両が存在するか否かを判定する車両判定処理と
    をコンピュータに実行させる車両判定プログラム。

Images