WO2013157301A1 - 立体物検出装置及び立体物検出方法 - Google Patents

立体物検出装置及び立体物検出方法 Download PDF

Info

Publication number
WO2013157301A1
WO2013157301A1 PCT/JP2013/054765 JP2013054765W WO2013157301A1 WO 2013157301 A1 WO2013157301 A1 WO 2013157301A1 JP 2013054765 W JP2013054765 W JP 2013054765W WO 2013157301 A1 WO2013157301 A1 WO 2013157301A1
Authority
WO
WIPO (PCT)
Prior art keywords
dimensional object
detected
vehicle
periodicity
value
Prior art date
Application number
PCT/JP2013/054765
Other languages
English (en)
French (fr)
Inventor
修 深田
早川　泰久
Original Assignee
日産自動車株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日産自動車株式会社 filed Critical 日産自動車株式会社
Priority to US14/385,540 priority Critical patent/US9141870B2/en
Priority to CN201380020430.3A priority patent/CN104246821B/zh
Priority to JP2014511132A priority patent/JP5867596B2/ja
Priority to EP13778354.4A priority patent/EP2843615B1/en
Publication of WO2013157301A1 publication Critical patent/WO2013157301A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Definitions

  • the present invention relates to a three-dimensional object detection device and a three-dimensional object detection method.
  • This application claims priority based on Japanese Patent Application No. 2012-092912 filed on Apr. 16, 2012.
  • the contents described in the application are incorporated into the present application by reference and made a part of the description of the present application.
  • Patent Literature a detection device that includes a camera that images the side of a vehicle and detects a three-dimensional object such as an off-road implantation by matching an image captured by the camera with a pattern stored in advance.
  • the shadow image of a tree with a trunk that keeps its shape and leaves that change its shape has periodicity and irregularity, so it grasps the characteristics of the image uniformly.
  • the problem to be solved by the present invention is to prevent erroneous detection of the shadow of a tree having periodicity and irregularity as another vehicle traveling in the adjacent lane adjacent to the traveling lane of the own vehicle. It is providing the solid-object detection apparatus which can detect the other vehicle which drive
  • the present invention calculates a periodicity evaluation value for evaluating periodicity and an irregularity evaluation value for evaluating irregularity based on difference waveform information or edge information of a captured image, and calculates the calculated period If the sex evaluation value is equal to or greater than the first periodicity evaluation threshold and less than the second periodicity evaluation threshold, and the calculated irregularity evaluation value is less than the predetermined irregularity evaluation threshold, the detected three-dimensional object Is determined to be the shadow of a tree that exists along the traveling path of the host vehicle.
  • the periodicity evaluation value calculated from the difference waveform information or edge information calculated from the captured image is within the predetermined value range, and the irregularity evaluation value calculated from the difference waveform information or edge information is also the predetermined value range.
  • the threshold When it is equal to or greater than the threshold, it is possible to identify that the image information includes a shadow of a tree having periodicity and irregularity. It is possible to prevent erroneous detection as another vehicle that travels in the adjacent lane adjacent to the travel lane. As a result, it is possible to provide a three-dimensional object detection device that detects, with high accuracy, other vehicles that travel in the adjacent lane adjacent to the travel lane of the host vehicle.
  • FIG. 1 is a schematic configuration diagram of a vehicle according to an embodiment to which a three-dimensional object detection device of the present invention is applied. It is a top view (three-dimensional object detection by difference waveform information) which shows the driving state of the vehicle of FIG. It is a block diagram which shows the detail of the computer of FIG. 4A and 4B are diagrams for explaining the outline of processing of the alignment unit in FIG. 3, in which FIG. 3A is a plan view showing a moving state of the vehicle, and FIG. It is the schematic which shows the mode of the production
  • FIG. 4 is a flowchart (No. 1) illustrating a three-dimensional object detection method using differential waveform information executed by the viewpoint conversion unit, the alignment unit, the smear detection unit, and the three-dimensional object detection unit of FIG. 3.
  • FIG. 1 is a flowchart (No. 1) illustrating a three-dimensional object detection method using differential waveform information executed by the viewpoint conversion unit, the alignment unit, the smear detection unit, and the three-dimensional object detection unit of FIG. 3.
  • FIG. 4 is a flowchart (part 2) illustrating a three-dimensional object detection method using differential waveform information executed by the viewpoint conversion unit, the alignment unit, the smear detection unit, and the three-dimensional object detection unit of FIG. 3. It is a figure (three-dimensional object detection by edge information) which shows the running state of vehicles of Drawing 1, (a) is a top view showing the positional relationship of a detection field etc., and (b) shows the positional relationship of a detection field etc. in real space. It is a perspective view shown. 4A and 4B are diagrams for explaining the operation of the luminance difference calculation unit in FIG. 3, in which FIG.
  • 3A is a diagram illustrating a positional relationship among attention lines, reference lines, attention points, and reference points in a bird's eye view image; It is a figure which shows the positional relationship of the attention line, reference line, attention point, and reference point.
  • 4A and 4B are diagrams for explaining the detailed operation of the luminance difference calculation unit in FIG. 3, in which FIG. 3A is a diagram illustrating a detection region in a bird's-eye view image, and FIG. It is a figure which shows the positional relationship of a reference point.
  • FIG. 4 is a flowchart (part 1) illustrating a three-dimensional object detection method using edge information executed by a viewpoint conversion unit, a luminance difference calculation unit, an edge line detection unit, and a three-dimensional object detection unit in FIG. 3;
  • FIG. 4 is a flowchart (part 1) illustrating a three-dimensional object detection method using edge information executed by a viewpoint conversion unit, a luminance difference calculation unit, an edge line detection unit, and a three-dimensional object detection unit in FIG. 3;
  • FIG. 4 is a flowchart (part 2) illustrating a three-dimensional object detection method using edge information executed by the viewpoint conversion unit, the luminance difference calculation unit, the edge line detection unit, and the three-dimensional object detection unit of FIG. 3.
  • It is a figure which shows the example of an image for demonstrating edge detection operation
  • FIG.25 (a) shows the difference image PDt in time t
  • FIG.25 (b) shows the difference image PDt-1 in imprint t-1.
  • FIG.25 (a) shows the difference image PDt in time t
  • FIG.25 (b) shows the difference image PDt-1 in imprint t-1.
  • FIG.25 (a) shows the difference image PDt in time t
  • FIG.25 (b) shows the difference image PDt-1 in imprint t-1.
  • FIG. 1 is a schematic configuration diagram of a vehicle according to an embodiment to which a three-dimensional object detection device 1 of the present invention is applied.
  • the three-dimensional object detection device 1 of the present example is careful when the driver of the host vehicle V is driving. Is a device that detects, as an obstacle, other vehicles that are likely to be contacted, for example, other vehicles that may be contacted when the host vehicle V changes lanes.
  • the three-dimensional object detection device 1 of this example detects another vehicle that travels in an adjacent lane (hereinafter also simply referred to as an adjacent lane) adjacent to the lane in which the host vehicle travels. Further, the three-dimensional object detection device 1 of the present example can calculate the detected movement distance and movement speed of the other vehicle.
  • the three-dimensional object detection device 1 is mounted on the own vehicle V, and the three-dimensional object detected around the own vehicle travels in the adjacent lane next to the lane on which the own vehicle V travels.
  • An example of detecting a vehicle will be shown.
  • the three-dimensional object detection device 1 of this example includes a camera 10, a vehicle speed sensor 20, a calculator 30, a brightness sensor 50, and a current position detection device 60.
  • the camera 10 is attached to the host vehicle V so that the optical axis is at an angle ⁇ from the horizontal to the lower side at a height h at the rear of the host vehicle V.
  • the camera 10 images a predetermined area in the surrounding environment of the host vehicle V from this position.
  • the vehicle speed sensor 20 detects the traveling speed of the host vehicle V, and calculates the vehicle speed from the wheel speed detected by, for example, a wheel speed sensor that detects the rotational speed of the wheel.
  • the computer 30 detects a three-dimensional object behind the vehicle, and calculates a moving distance and a moving speed for the three-dimensional object in this example.
  • the brightness sensor 50 detects the brightness around the host vehicle V.
  • the brightness sensor 50 may be configured by an illuminometer, or may be configured to acquire brightness information from image information of the camera 10.
  • the current brightness around the host vehicle V is detected based on the current position and time by referring to the calendar information that associates the spot with the sunset time without directly detecting the brightness. You can also.
  • the current position detection device 60 can also acquire position information from a navigation device of the host vehicle V equipped with GPS or a portable navigation device with built-in GPS.
  • FIG. 2 is a plan view showing a traveling state of the host vehicle V in FIG.
  • the camera 10 images the vehicle rear side at a predetermined angle of view a.
  • the angle of view a of the camera 10 is set to an angle of view at which the left and right lanes can be imaged in addition to the lane in which the host vehicle V travels.
  • the area that can be imaged includes detection target areas A1 and A2 on the adjacent lane that is behind the host vehicle V and that is adjacent to the left and right of the travel lane of the host vehicle V.
  • FIG. 3 is a block diagram showing details of the computer 30 of FIG. 3, the camera 10, the vehicle speed sensor 20, the brightness sensor 50, and the current position detection device 60 are also illustrated in order to clarify the connection relationship.
  • the computer 30 includes a viewpoint conversion unit 31, a positioning unit 32, a three-dimensional object detection unit 33, a detection area setting unit 34, and a smear detection unit 40.
  • the calculation unit 30 of the present embodiment has a configuration relating to a three-dimensional object detection block using differential waveform information.
  • the calculation unit 30 of the present embodiment can also be configured with respect to a three-dimensional object detection block using edge information.
  • a block configuration A configured by the alignment unit 32 and the three-dimensional object detection unit 33 is surrounded by a broken line, a luminance difference calculation unit 35, an edge line detection unit 36, It can be configured by replacing the block configuration B configured by the three-dimensional object detection unit 37.
  • both the block configuration A and the block configuration B can be provided, so that the solid object can be detected using the difference waveform information and the solid object can be detected using the edge information.
  • the block configuration A and the block configuration B can be provided, either the block configuration A or the block configuration B can be operated according to environmental factors such as brightness. Each configuration will be described below.
  • the three-dimensional object detection device 1 of the present embodiment exists in the detection area A1 of the right adjacent lane or the detection area A2 of the left adjacent lane behind the vehicle based on image information obtained by the monocular camera 1 that captures the rear of the vehicle. A three-dimensional object is detected.
  • the detection area setting unit 34 sets detection areas A1 and A2 in the captured image information and on the right and left sides behind the host vehicle V, respectively.
  • the positions of the detection areas A2 and A2 are not particularly limited, and can be set as appropriate according to the processing conditions.
  • the viewpoint conversion unit 31 inputs captured image data of a predetermined area obtained by imaging with the camera 10 and converts the input captured image data into a bird's-eye view image data in a bird's-eye view state.
  • the state viewed from a bird's-eye view is a state viewed from the viewpoint of a virtual camera looking down from above, for example, vertically downward.
  • This viewpoint conversion can be executed as described in, for example, Japanese Patent Application Laid-Open No. 2008-219063.
  • the viewpoint conversion of captured image data to bird's-eye view image data is based on the principle that a vertical edge peculiar to a three-dimensional object is converted into a straight line group passing through a specific fixed point by viewpoint conversion to bird's-eye view image data. This is because a planar object and a three-dimensional object can be distinguished if used. Note that the result of the image conversion processing by the viewpoint conversion unit 31 is also used in detection of a three-dimensional object by edge information described later.
  • the alignment unit 32 sequentially inputs the bird's-eye view image data obtained by the viewpoint conversion of the viewpoint conversion unit 31 and aligns the positions of the inputted bird's-eye view image data at different times.
  • 4A and 4B are diagrams for explaining the outline of the processing of the alignment unit 32, where FIG. 4A is a plan view showing the moving state of the host vehicle V, and FIG. 4B is an image showing the outline of the alignment.
  • the host vehicle V at the current time is located at V1, and the host vehicle V one hour before is located at V2.
  • the other vehicle VX is located in the rear direction of the own vehicle V and is in parallel with the own vehicle V, the other vehicle VX at the current time is located at V3, and the other vehicle VX one hour before is located at V4.
  • the host vehicle V has moved a distance d at one time.
  • “one hour before” may be a past time for a predetermined time (for example, one control cycle) from the current time, or may be a past time for an arbitrary time.
  • the bird's-eye view image PB t at the current time is as shown in Figure 4 (b).
  • the bird's-eye view image PB t becomes a rectangular shape for the white line drawn on the road surface, but a relatively accurate is a plan view state, tilting occurs about the position of another vehicle VX at position V3.
  • the white line drawn on the road surface has a rectangular shape and is relatively accurately viewed in plan, but the other vehicle VX at the position V4 The fall will occur.
  • the vertical edges of solid objects are straight lines along the collapse direction by the viewpoint conversion processing to bird's-eye view image data. This is because the plane image on the road surface does not include a vertical edge, but such a fall does not occur even when the viewpoint is changed.
  • the alignment unit 32 performs alignment of the bird's-eye view images PB t and PB t ⁇ 1 as described above on the data. At this time, the alignment unit 32 is offset a bird's-eye view image PB t-1 before one unit time, to match the position and bird's-eye view image PB t at the current time.
  • the image on the left side and the center image in FIG. 4B show a state that is offset by the movement distance d ′.
  • This offset amount d ′ is a movement amount on the bird's-eye view image data corresponding to the actual movement distance d of the host vehicle V shown in FIG. It is determined based on the time until the time.
  • the alignment unit 32 takes the difference between the bird's-eye view images PB t and PB t ⁇ 1 and generates data of the difference image PD t .
  • the pixel value of the difference image PD t may be an absolute value of the difference between the pixel values of the bird's-eye view images PB t and PB t ⁇ 1 , and the absolute value may be used to cope with a change in illuminance environment. “1” may be set when a predetermined threshold value p is exceeded, and “0” may be set when the threshold value p is not exceeded.
  • the image on the right side of FIG. 4B is the difference image PD t .
  • the three-dimensional object detection unit 33 detects a three-dimensional object based on the data of the difference image PD t shown in FIG. At this time, the three-dimensional object detection unit 33 of this example also calculates the movement distance of the three-dimensional object in the real space. In detecting the three-dimensional object and calculating the movement distance, the three-dimensional object detection unit 33 first generates a differential waveform. Note that the moving distance of the three-dimensional object per time is used for calculating the moving speed of the three-dimensional object. The moving speed of the three-dimensional object can be used to determine whether or not the three-dimensional object is a vehicle.
  • Three-dimensional object detection unit 33 of the present embodiment when generating the differential waveform sets a detection area in the difference image PD t.
  • the three-dimensional object detection device 1 of the present example is another vehicle that the driver of the host vehicle V pays attention to, in particular, the lane in which the host vehicle V that may be contacted when the host vehicle V changes lanes travels. Another vehicle traveling in the adjacent lane is detected as a detection target. For this reason, in this example which detects a solid object based on image information, two detection areas are set on the right side and the left side of the host vehicle V in the image obtained by the camera 1. Specifically, in the present embodiment, rectangular detection areas A1 and A2 are set on the left and right sides behind the host vehicle V as shown in FIG.
  • the other vehicle detected in the detection areas A1 and A2 is detected as an obstacle traveling in the adjacent lane adjacent to the lane in which the host vehicle V is traveling.
  • Such detection areas A1 and A2 may be set from a relative position with respect to the host vehicle V, or may be set based on the position of the white line.
  • the movement distance detection device 1 may use, for example, an existing white line recognition technique.
  • the three-dimensional object detection unit 33 recognizes the sides (sides along the traveling direction) of the set detection areas A1 and A2 on the own vehicle V side as the ground lines L1 and L2 (FIG. 2).
  • the ground line means a line in which the three-dimensional object contacts the ground.
  • the ground line is set as described above, not a line in contact with the ground. Even in this case, from experience, the difference between the ground line according to the present embodiment and the ground line obtained from the position of the other vehicle VX is not too large, and there is no problem in practical use.
  • FIG. 5 is a schematic diagram illustrating how a differential waveform is generated by the three-dimensional object detection unit 33 illustrated in FIG. 3.
  • the three-dimensional object detection unit 33 calculates a differential waveform from a portion corresponding to the detection areas A ⁇ b> 1 and A ⁇ b> 2 in the difference image PD t (right diagram in FIG. 4B) calculated by the alignment unit 32.
  • DW t is generated.
  • the three-dimensional object detection unit 33 generates a differential waveform DW t along the direction in which the three-dimensional object falls by viewpoint conversion.
  • the difference waveform DW t is generated for the detection area A2 in the same procedure.
  • the three-dimensional object detection unit 33 defines a line La in the direction in which the three-dimensional object falls on the data of the difference image DW t . Then, the three-dimensional object detection unit 33 counts the number of difference pixels DP indicating a predetermined difference on the line La.
  • the difference pixel DP indicating the predetermined difference is a predetermined threshold value when the pixel value of the difference image DW t is an absolute value of the difference between the pixel values of the bird's-eye view images PB t and PB t ⁇ 1.
  • the pixel value of the difference image DW t is expressed by “0” and “1”, the pixel indicates “1”.
  • the three-dimensional object detection unit 33 counts the number of difference pixels DP and then obtains an intersection point CP between the line La and the ground line L1. Then, the three-dimensional object detection unit 33 associates the intersection CP with the count number, determines the horizontal axis position based on the position of the intersection CP, that is, the position on the vertical axis in the right diagram of FIG. The axis position, that is, the position on the right and left axis in the right diagram of FIG. 5 is determined and plotted as the count number at the intersection CP.
  • the three-dimensional object detection unit 33 defines lines Lb, Lc... In the direction in which the three-dimensional object falls, counts the number of difference pixels DP, and determines the horizontal axis position based on the position of each intersection CP. Then, the vertical axis position is determined from the count number (number of difference pixels DP) and plotted.
  • the three-dimensional object detection unit 33 generates the differential waveform DW t as shown in the right diagram of FIG.
  • the line La and the line Lb in the direction in which the three-dimensional object collapses have different distances overlapping the detection area A1. For this reason, if the detection area A1 is filled with the difference pixels DP, the number of difference pixels DP is larger on the line La than on the line Lb. For this reason, when the three-dimensional object detection unit 33 determines the vertical axis position from the count number of the difference pixels DP, the three-dimensional object detection unit 33 is normalized based on the distance at which the lines La and Lb in the direction in which the three-dimensional object falls and the detection area A1 overlap. Turn into. As a specific example, in the left diagram of FIG.
  • the three-dimensional object detection unit 33 normalizes the count number by dividing it by the overlap distance.
  • the difference waveform DW t the line La on the direction the three-dimensional object collapses, the value of the differential waveform DW t corresponding to Lb is substantially the same.
  • the three-dimensional object detection unit 33 calculates the movement distance by comparison with the differential waveform DW t ⁇ 1 one time before. That is, the three-dimensional object detection unit 33 calculates the movement distance from the time change of the difference waveforms DW t and DW t ⁇ 1 .
  • the three-dimensional object detection unit 33 divides the differential waveform DW t into a plurality of small areas DW t1 to DW tn (n is an arbitrary integer equal to or greater than 2).
  • FIG. 6 is a diagram illustrating the small areas DW t1 to DW tn divided by the three-dimensional object detection unit 33.
  • the small areas DW t1 to DW tn are divided so as to overlap each other, for example, as shown in FIG. For example, the small area DW t1 and the small area DW t2 overlap, and the small area DW t2 and the small area DW t3 overlap.
  • the three-dimensional object detection unit 33 obtains an offset amount (amount of movement of the differential waveform in the horizontal axis direction (vertical direction in FIG. 6)) for each of the small areas DW t1 to DW tn .
  • the offset amount is determined from the difference between the differential waveform DW t in the difference waveform DW t-1 and the current time before one unit time (distance in the horizontal axis direction).
  • three-dimensional object detection unit 33 for each small area DW t1 ⁇ DW tn, when moving the differential waveform DW t1 before one unit time in the horizontal axis direction, the differential waveform DW t at the current time The position where the error is minimized (the position in the horizontal axis direction) is determined, and the amount of movement in the horizontal axis between the original position of the differential waveform DW t ⁇ 1 and the position where the error is minimized is obtained as an offset amount. Then, the three-dimensional object detection unit 33 counts the offset amount obtained for each of the small areas DW t1 to DW tn and forms a histogram.
  • FIG. 7 is a diagram illustrating an example of a histogram obtained by the three-dimensional object detection unit 33.
  • the offset amount which is the amount of movement that minimizes the error between each of the small areas DW t1 to DW tn and the differential waveform DW t ⁇ 1 one time before, has some variation.
  • the three-dimensional object detection unit 33 forms a histogram of offset amounts including variations, and calculates a movement distance from the histogram.
  • the three-dimensional object detection unit 33 calculates the moving distance of the three-dimensional object from the maximum value of the histogram. That is, in the example illustrated in FIG.
  • the three-dimensional object detection unit 33 calculates the offset amount indicating the maximum value of the histogram as the movement distance ⁇ * .
  • the moving distance ⁇ * is a relative moving distance of the other vehicle VX with respect to the host vehicle V. For this reason, when calculating the absolute movement distance, the three-dimensional object detection unit 33 calculates the absolute movement distance based on the obtained movement distance ⁇ * and the signal from the vehicle speed sensor 20.
  • the three-dimensional object detection unit 33 weights each of the plurality of small areas DW t1 to DW tn and forms a histogram by counting the offset amount obtained for each of the small areas DW t1 to DW tn according to the weight. May be.
  • FIG. 8 is a diagram illustrating weighting by the three-dimensional object detection unit 33.
  • the small area DW m (m is an integer of 1 to n ⁇ 1) is flat. That is, in the small area DW m , the difference between the maximum value and the minimum value of the number of pixels indicating a predetermined difference is small. Three-dimensional object detection unit 33 to reduce the weight for such small area DW m. This is because the flat small area DW m has no characteristics and is likely to have a large error in calculating the offset amount.
  • the small region DW m + k (k is an integer equal to or less than nm) is rich in undulations. That is, in the small area DW m , the difference between the maximum value and the minimum value of the number of pixels indicating a predetermined difference is large.
  • Three-dimensional object detection unit 33 increases the weight for such small area DW m. This is because the small region DW m + k rich in undulations is characteristic and there is a high possibility that the offset amount can be accurately calculated. By weighting in this way, the calculation accuracy of the movement distance can be improved.
  • the differential waveform DW t is divided into a plurality of small areas DW t1 to DW tn in order to improve the calculation accuracy of the movement distance.
  • the small area DW t1 is divided. It is not necessary to divide into ⁇ DW tn .
  • the three-dimensional object detection unit 33 calculates the moving distance from the offset amount of the differential waveform DW t when the error between the differential waveform DW t and the differential waveform DW t ⁇ 1 is minimized. That is, the method for obtaining the offset amount of the difference waveform DW t in the difference waveform DW t-1 and the current time before one unit time is not limited to the above disclosure.
  • the computer 30 includes a smear detection unit 40.
  • the smear detection unit 40 detects a smear generation region from data of a captured image obtained by imaging with the camera 10. Since smear is a whiteout phenomenon that occurs in a CCD image sensor or the like, the smear detection unit 40 may be omitted when the camera 10 using a CMOS image sensor or the like that does not generate such smear is employed.
  • FIG. 9 is an image diagram for explaining the processing by the smear detection unit 40 and the calculation processing of the differential waveform DW t thereby.
  • data of the captured image P in which the smear S exists is input to the smear detection unit 40.
  • the smear detection unit 40 detects the smear S from the captured image P.
  • There are various methods for detecting the smear S For example, in the case of a general CCD (Charge-Coupled Device) camera, the smear S is generated only in the downward direction of the image from the light source.
  • CCD Charge-Coupled Device
  • a region having a luminance value equal to or higher than a predetermined value from the lower side of the image to the upper side of the image and continuous in the vertical direction is searched, and this is identified as a smear S generation region.
  • the smear detection unit 40 generates smear image SP data in which the pixel value is set to “1” for the place where the smear S occurs and the other place is set to “0”. After the generation, the smear detection unit 40 transmits the data of the smear image SP to the viewpoint conversion unit 31.
  • the viewpoint conversion unit 31 to which the data of the smear image SP is input converts the viewpoint into a state of bird's-eye view. Thereby, the viewpoint conversion unit 31 generates data of the smear bird's-eye view image SB t .
  • the viewpoint conversion unit 31 transmits the data of the smear bird's-eye view image SB t to the alignment unit 33. Further, the viewpoint conversion unit 31 transmits the data of the smear bird's-eye view image SB t ⁇ 1 one hour before to the alignment unit 33.
  • the alignment unit 32 performs alignment of the smear bird's-eye view images SB t and SB t ⁇ 1 on the data.
  • the specific alignment is the same as the case where the alignment of the bird's-eye view images PB t and PB t ⁇ 1 is executed on the data.
  • the alignment unit 32 performs a logical sum on the smear S generation region of each smear bird's-eye view image SB t , SB t ⁇ 1 . Thereby, the alignment part 32 produces
  • the alignment unit 32 transmits the data of the mask image MP to the three-dimensional object detection unit 33.
  • the three-dimensional object detection unit 33 sets the count number of the frequency distribution to zero for the portion corresponding to the smear S generation region in the mask image MP. That is, when the differential waveform DW t as shown in FIG. 9 is generated, the three-dimensional object detection unit 33 sets the count number SC by the smear S to zero and generates a corrected differential waveform DW t ′. Become.
  • the three-dimensional object detection unit 33 obtains the moving speed of the vehicle V (camera 10), and obtains the offset amount for the stationary object from the obtained moving speed. After obtaining the offset amount of the stationary object, the three-dimensional object detection unit 33 calculates the moving distance of the three-dimensional object after ignoring the offset amount corresponding to the stationary object among the maximum values of the histogram.
  • FIG. 10 is a diagram illustrating another example of a histogram obtained by the three-dimensional object detection unit 33.
  • a stationary object exists in addition to the other vehicle VX within the angle of view of the camera 10, two maximum values ⁇ 1 and ⁇ 2 appear in the obtained histogram.
  • one of the two maximum values ⁇ 1, ⁇ 2 is the offset amount of the stationary object.
  • the three-dimensional object detection unit 33 calculates the offset amount for the stationary object from the moving speed, ignores the maximum value corresponding to the offset amount, and calculates the moving distance of the three-dimensional object by using the remaining maximum value. To do.
  • the three-dimensional object detection unit 33 stops calculating the movement distance.
  • step S0 the computer 30 sets a detection area based on a predetermined rule. This detection area setting method will be described in detail later.
  • the computer 30 receives data of the image P captured by the camera 10 and generates a smear image SP by the smear detection unit 40 (S1).
  • the viewpoint conversion unit 31 generates data of the bird's-eye view image PB t from the data of the captured image P from the camera 10, and also generates data of the smear bird's-eye view image SB t from the data of the smear image SP (S2). .
  • the alignment unit 33 aligns the data of the bird's-eye view image PB t and the data of the bird's-eye view image PB t ⁇ 1 one hour ago, and the data of the smear bird's-eye view image SB t one hour ago. And the data of the smear bird's-eye view image SB t-1 are aligned (S3).
  • the alignment unit 33 generates data for the difference image PD t and also generates data for the mask image MP (S4).
  • three-dimensional object detection unit 33, the data of the difference image PD t, and a one unit time before the difference image PD t-1 of the data generates a difference waveform DW t (S5).
  • the three-dimensional object detection unit 33 After generating the differential waveform DW t , the three-dimensional object detection unit 33 sets the count number corresponding to the smear S generation region in the differential waveform DW t to zero, and suppresses the influence of the smear S (S6).
  • the three-dimensional object detection unit 33 determines whether or not the peak of the differential waveform DW t is greater than or equal to the first threshold value ⁇ (S7).
  • the peak of the difference waveform DW t is not equal to or greater than the first threshold value ⁇ , that is, when there is almost no difference, it is considered that there is no three-dimensional object in the captured image P.
  • the three-dimensional object detection unit 33 does not have a three-dimensional object and has another vehicle as an obstacle. It is determined not to do so (FIG. 12: S16). Then, the processes shown in FIGS. 11 and 12 are terminated.
  • the three-dimensional object detection unit 33 determines that a three-dimensional object exists, and sets the difference waveform DW t to a plurality of difference waveforms DW t .
  • the area is divided into small areas DW t1 to DW tn (S8).
  • the three-dimensional object detection unit 33 performs weighting for each of the small areas DW t1 to DW tn (S9).
  • the three-dimensional object detection unit 33 calculates an offset amount for each of the small areas DW t1 to DW tn (S10), and generates a histogram with weights added (S11).
  • the three-dimensional object detection unit 33 calculates a relative movement distance that is a movement distance of the three-dimensional object with respect to the host vehicle V based on the histogram (S12). Next, the three-dimensional object detection unit 33 calculates the absolute movement speed of the three-dimensional object from the relative movement distance (S13). At this time, the three-dimensional object detection unit 33 calculates the relative movement speed by differentiating the relative movement distance with respect to time, and adds the own vehicle speed detected by the vehicle speed sensor 20 to calculate the absolute movement speed.
  • the three-dimensional object detection unit 33 determines whether the absolute movement speed of the three-dimensional object is 10 km / h or more and the relative movement speed of the three-dimensional object with respect to the host vehicle V is +60 km / h or less (S14). When both are satisfied (S14: YES), the three-dimensional object detection unit 33 determines that the three-dimensional object is the other vehicle VX (S15). Then, the processes shown in FIGS. 11 and 12 are terminated. On the other hand, when either one is not satisfied (S14: NO), the three-dimensional object detection unit 33 determines that there is no other vehicle (S16). Then, the processes shown in FIGS. 11 and 12 are terminated.
  • the rear side of the host vehicle V is set as the detection areas A1 and A2, and the vehicle V travels in the adjacent lane that travels next to the travel lane of the host vehicle to which attention should be paid while traveling.
  • Emphasis is placed on detecting the vehicle VX, and in particular, whether or not there is a possibility of contact when the host vehicle V changes lanes. This is to determine whether or not there is a possibility of contact with another vehicle VX traveling in the adjacent lane adjacent to the traveling lane of the own vehicle when the own vehicle V changes lanes. For this reason, the process of step S14 is performed.
  • step S14 it is determined whether the absolute moving speed of the three-dimensional object is 10 km / h or more and the relative moving speed of the three-dimensional object with respect to the vehicle V is +60 km / h or less.
  • the absolute moving speed of the stationary object may be detected to be several km / h. Therefore, by determining whether the speed is 10 km / h or more, it is possible to reduce the possibility of determining that the stationary object is the other vehicle VX.
  • the relative speed of the three-dimensional object with respect to the host vehicle V may be detected at a speed exceeding +60 km / h. Therefore, the possibility of erroneous detection due to noise can be reduced by determining whether the relative speed is +60 km / h or less.
  • step S14 it may be determined that the absolute movement speed is not negative or not 0 km / h. Further, in the present embodiment, since emphasis is placed on whether or not there is a possibility of contact when the host vehicle V changes lanes, when another vehicle VX is detected in step S15, the driver of the host vehicle is notified. A warning sound may be emitted or a display corresponding to a warning may be performed by a predetermined display device.
  • the number of pixels indicating a predetermined difference is counted on the data of the difference image PD t along the direction in which the three-dimensional object falls by viewpoint conversion.
  • the difference waveform DW t is generated by frequency distribution.
  • the pixel indicating the predetermined difference on the data of the difference image PD t is a pixel that has changed in an image at a different time, in other words, a place where a three-dimensional object exists.
  • the difference waveform DW t is generated by counting the number of pixels along the direction in which the three-dimensional object collapses and performing frequency distribution at the location where the three-dimensional object exists.
  • the differential waveform DW t is generated from the information in the height direction for the three-dimensional object. Then, the moving distance of the three-dimensional object is calculated from the time change of the differential waveform DW t including the information in the height direction. For this reason, compared with the case where only one point of movement is focused on, the detection location before the time change and the detection location after the time change are specified including information in the height direction. The same location is likely to be obtained, and the movement distance is calculated from the time change of the same location, so that the calculation accuracy of the movement distance can be improved.
  • the count number of the frequency distribution is set to zero for the portion corresponding to the smear S generation region in the differential waveform DW t .
  • the waveform portion generated by the smear S in the differential waveform DW t is removed, and a situation in which the smear S is mistaken as a three-dimensional object can be prevented.
  • the moving distance of the three-dimensional object is calculated from the offset amount of the differential waveform DW t when the error of the differential waveform DW t generated at different times is minimized. For this reason, the movement distance is calculated from the offset amount of the one-dimensional information called the waveform, and the calculation cost can be suppressed in calculating the movement distance.
  • the differential waveform DW t generated at different times is divided into a plurality of small regions DW t1 to DW tn .
  • a plurality of waveforms representing respective portions of the three-dimensional object are obtained.
  • weighting is performed for each of the plurality of small areas DW t1 to DW tn , and the offset amount obtained for each of the small areas DW t1 to DW tn is counted according to the weight to form a histogram. For this reason, the moving distance can be calculated more appropriately by increasing the weight for the characteristic area and decreasing the weight for the non-characteristic area. Therefore, the calculation accuracy of the moving distance can be further improved.
  • the weight is increased as the difference between the maximum value and the minimum value of the number of pixels indicating a predetermined difference increases. For this reason, the characteristic undulation region having a large difference between the maximum value and the minimum value has a larger weight, and the flat region having a small undulation has a smaller weight.
  • the moving distance is calculated by increasing the weight in the area where the difference between the maximum value and the minimum value is large. The accuracy can be further improved.
  • the moving distance of the three-dimensional object is calculated from the maximum value of the histogram obtained by counting the offset amount obtained for each of the small areas DW t1 to DW tn . For this reason, even if there is a variation in the offset amount, a more accurate movement distance can be calculated from the maximum value.
  • the offset amount for a stationary object is obtained and this offset amount is ignored, it is possible to prevent a situation in which the calculation accuracy of the moving distance of the three-dimensional object is lowered due to the stationary object.
  • the calculation of the moving distance of the three-dimensional object is stopped. For this reason, it is possible to prevent a situation in which an erroneous movement distance having a plurality of maximum values is calculated.
  • the vehicle speed of the host vehicle V is determined based on a signal from the vehicle speed sensor 20, but the present invention is not limited to this, and the speed may be estimated from a plurality of images at different times. In this case, a vehicle speed sensor becomes unnecessary, and the configuration can be simplified.
  • the captured image at the current time and the image one hour before are converted into a bird's-eye view, the converted bird's-eye view is aligned, the difference image PD t is generated, and the generated difference image PD
  • t is evaluated along the falling direction (the falling direction of the three-dimensional object when the captured image is converted into a bird's eye view)
  • the differential waveform DW t is generated, but the present invention is not limited to this.
  • the differential waveform DW t may be generated by evaluating along the direction corresponding to the falling direction (that is, the direction in which the falling direction is converted into the direction on the captured image).
  • the difference image PD t is generated from the difference between the two images subjected to the alignment, and the difference image PD t is converted into a bird's eye view
  • the bird's-eye view does not necessarily have to be clearly generated as long as the evaluation can be performed along the direction in which the user falls.
  • FIGS. 13A and 13B are diagrams illustrating an imaging range and the like of the camera 10 in FIG. 3.
  • FIG. 13A is a plan view
  • FIG. 13B is a perspective view in real space on the rear side from the host vehicle V. Show.
  • the camera 10 has a predetermined angle of view a, and images the rear side from the host vehicle V included in the predetermined angle of view a.
  • the angle of view “a” of the camera 10 is set so that the imaging range of the camera 10 includes the adjacent lane in addition to the lane in which the host vehicle V travels.
  • the detection areas A1 and A2 in this example are trapezoidal in a plan view (when viewed from a bird's eye), and the positions, sizes, and shapes of the detection areas A1 and A2 are determined based on the distances d 1 to d 4. Is done.
  • the detection areas A1 and A2 in the example shown in the figure are not limited to a trapezoidal shape, and may be other shapes such as a rectangle when viewed from a bird's eye view as shown in FIG. Note that the detection area setting unit 34 in the present embodiment can also set the detection areas A1 and A2 by the method described above.
  • the distance d1 is a distance from the host vehicle V to the ground lines L1 and L2.
  • the ground lines L1 and L2 mean lines on which a three-dimensional object existing in the lane adjacent to the lane in which the host vehicle V travels contacts the ground.
  • the purpose of the present embodiment is to detect other vehicles VX and the like (including two-wheeled vehicles) traveling in the left and right lanes adjacent to the lane of the host vehicle V on the rear side of the host vehicle V.
  • a distance d1 which is a position to be the ground lines L1 and L2 of the other vehicle VX is obtained from a distance d11 from the own vehicle V to the white line W and a distance d12 from the white line W to a position where the other vehicle VX is predicted to travel. It can be determined substantially fixedly.
  • the distance d1 is not limited to being fixedly determined, and may be variable.
  • the computer 30 recognizes the position of the white line W with respect to the host vehicle V by a technique such as white line recognition, and determines the distance d11 based on the recognized position of the white line W.
  • the distance d1 is variably set using the determined distance d11.
  • the distance d1 is It shall be fixedly determined.
  • the distance d2 is a distance extending from the rear end portion of the host vehicle V in the vehicle traveling direction.
  • the distance d2 is determined so that the detection areas A1 and A2 are at least within the angle of view a of the camera 10.
  • the distance d2 is set so as to be in contact with the range divided into the angle of view a.
  • the distance d3 is a distance indicating the length of the detection areas A1, A2 in the vehicle traveling direction. This distance d3 is determined based on the size of the three-dimensional object to be detected. In the present embodiment, since the detection target is the other vehicle VX or the like, the distance d3 is set to a length including the other vehicle VX.
  • the distance d4 is a distance indicating a height set so as to include a tire such as the other vehicle VX in the real space.
  • the distance d4 is a length shown in FIG. 13A in the bird's-eye view image.
  • the distance d4 may be a length that does not include a lane that is further adjacent to the left and right adjacent lanes in the bird's-eye view image (that is, a lane that is adjacent to two lanes).
  • the distances d1 to d4 are determined, and thereby the positions, sizes, and shapes of the detection areas A1 and A2 are determined. More specifically, the position of the upper side b1 of the detection areas A1 and A2 forming a trapezoid is determined by the distance d1. The starting point position C1 of the upper side b1 is determined by the distance d2. The end point position C2 of the upper side b1 is determined by the distance d3. The side b2 of the detection areas A1 and A2 having a trapezoidal shape is determined by a straight line L3 extending from the camera 10 toward the starting point position C1.
  • a side b3 of trapezoidal detection areas A1 and A2 is determined by a straight line L4 extending from the camera 10 toward the end position C2.
  • the position of the lower side b4 of the detection areas A1 and A2 having a trapezoidal shape is determined by the distance d4.
  • the areas surrounded by the sides b1 to b4 are set as the detection areas A1 and A2.
  • the detection areas A ⁇ b> 1 and A ⁇ b> 2 are true squares (rectangles) in the real space behind the host vehicle V.
  • the viewpoint conversion unit 31 inputs captured image data of a predetermined area obtained by imaging with the camera 10.
  • the viewpoint conversion unit 31 performs viewpoint conversion processing on the bird's-eye view image data in a bird's-eye view state on the input captured image data.
  • the bird's-eye view is a state seen from the viewpoint of a virtual camera looking down from above, for example, vertically downward (or slightly obliquely downward).
  • This viewpoint conversion process can be realized by a technique described in, for example, Japanese Patent Application Laid-Open No. 2008-219063.
  • the luminance difference calculation unit 35 calculates a luminance difference with respect to the bird's-eye view image data subjected to viewpoint conversion by the viewpoint conversion unit 31 in order to detect the edge of the three-dimensional object included in the bird's-eye view image. For each of a plurality of positions along a vertical imaginary line extending in the vertical direction in the real space, the brightness difference calculating unit 35 calculates a brightness difference between two pixels in the vicinity of each position.
  • the luminance difference calculation unit 35 can calculate the luminance difference by either a method of setting only one vertical virtual line extending in the vertical direction in the real space or a method of setting two vertical virtual lines.
  • the brightness difference calculation unit 35 applies a first vertical imaginary line corresponding to a line segment extending in the vertical direction in the real space and a vertical direction in the real space different from the first vertical imaginary line with respect to the bird's-eye view image that has undergone viewpoint conversion.
  • a second vertical imaginary line corresponding to the extending line segment is set.
  • the luminance difference calculation unit 35 continuously obtains a luminance difference between a point on the first vertical imaginary line and a point on the second vertical imaginary line along the first vertical imaginary line and the second vertical imaginary line.
  • the operation of the luminance difference calculation unit 35 will be described in detail.
  • the luminance difference calculation unit 35 corresponds to a line segment extending in the vertical direction in the real space and passes through the detection area A1 (hereinafter referred to as the attention line La).
  • the luminance difference calculation unit 35 corresponds to a line segment extending in the vertical direction in the real space and also passes through the second vertical virtual line Lr (hereinafter referred to as a reference line Lr) passing through the detection area A1.
  • the reference line Lr is set at a position separated from the attention line La by a predetermined distance in the real space.
  • the line corresponding to the line segment extending in the vertical direction in the real space is a line that spreads radially from the position Ps of the camera 10 in the bird's-eye view image.
  • This radially extending line is a line along the direction in which the three-dimensional object falls when converted to bird's-eye view.
  • the luminance difference calculation unit 35 sets the attention point Pa (point on the first vertical imaginary line) on the attention line La.
  • the luminance difference calculation unit 35 sets a reference point Pr (a point on the second vertical plate) on the reference line Lr.
  • the attention line La, the attention point Pa, the reference line Lr, and the reference point Pr have the relationship shown in FIG. 14B in the real space.
  • the attention line La and the reference line Lr are lines extending in the vertical direction in the real space, and the attention point Pa and the reference point Pr are substantially the same height in the real space. This is the point that is set.
  • the attention point Pa and the reference point Pr do not necessarily have the same height, and an error that allows the attention point Pa and the reference point Pr to be regarded as the same height is allowed.
  • the luminance difference calculation unit 35 obtains a luminance difference between the attention point Pa and the reference point Pr. If the luminance difference between the attention point Pa and the reference point Pr is large, it is considered that an edge exists between the attention point Pa and the reference point Pr. Therefore, the edge line detection unit 36 shown in FIG. 3 detects an edge line based on the luminance difference between the attention point Pa and the reference point Pr.
  • FIG. 15 is a diagram illustrating a detailed operation of the luminance difference calculation unit 35, in which FIG. 15 (a) shows a bird's-eye view image in a bird's-eye view state, and FIG. 15 (b) is shown in FIG. 15 (a). It is the figure which expanded a part B1 of the bird's-eye view image. Although only the detection area A1 is illustrated and described in FIG. 15, the luminance difference is calculated in the same procedure for the detection area A2.
  • the other vehicle VX When the other vehicle VX is reflected in the captured image captured by the camera 10, the other vehicle VX appears in the detection area A1 in the bird's-eye view image as shown in FIG. As shown in the enlarged view of the area B1 in FIG. 15A in FIG. 15B, it is assumed that the attention line La is set on the rubber part of the tire of the other vehicle VX on the bird's-eye view image.
  • the luminance difference calculation unit 35 first sets the reference line Lr.
  • the reference line Lr is set along the vertical direction at a position away from the attention line La by a predetermined distance in the real space.
  • the reference line Lr is set at a position separated from the attention line La by 10 cm in real space.
  • the reference line Lr is set on the wheel of the tire of the other vehicle VX that is separated from the rubber of the tire of the other vehicle VX by, for example, 10 cm on the bird's eye view image.
  • the luminance difference calculation unit 35 sets a plurality of attention points Pa1 to PaN on the attention line La.
  • attention point Pai when an arbitrary point is indicated
  • the number of attention points Pa set on the attention line La may be arbitrary.
  • N attention points Pa are set on the attention line La.
  • the luminance difference calculation unit 35 sets the reference points Pr1 to PrN so as to be the same height as the attention points Pa1 to PaN in the real space. Then, the luminance difference calculation unit 35 calculates the luminance difference between the attention point Pa and the reference point Pr having the same height. Thereby, the luminance difference calculation unit 35 calculates the luminance difference between the two pixels for each of a plurality of positions (1 to N) along the vertical imaginary line extending in the vertical direction in the real space. For example, the luminance difference calculating unit 35 calculates a luminance difference between the first attention point Pa1 and the first reference point Pr1, and the second difference between the second attention point Pa2 and the second reference point Pr2. Will be calculated.
  • the luminance difference calculation unit 35 continuously calculates the luminance difference along the attention line La and the reference line Lr. That is, the luminance difference calculation unit 35 sequentially obtains the luminance difference between the third to Nth attention points Pa3 to PaN and the third to Nth reference points Pr3 to PrN.
  • the luminance difference calculation unit 35 repeatedly executes the above-described processing such as setting the reference line Lr, setting the attention point Pa and the reference point Pr, and calculating the luminance difference while shifting the attention line La in the detection area A1. That is, the luminance difference calculation unit 35 repeatedly executes the above processing while changing the position of each of the attention line La and the reference line Lr by the same distance in the presence direction of the ground line L1 in the real space. For example, the luminance difference calculation unit 35 sets the reference line Lr as the reference line Lr in the previous processing, sets the reference line Lr for the attention line La, and sequentially obtains the luminance difference. It will be.
  • the edge line detection unit 36 detects an edge line from the continuous luminance difference calculated by the luminance difference calculation unit 35.
  • the first attention point Pa ⁇ b> 1 and the first reference point Pr ⁇ b> 1 are located in the same tire portion, and thus the luminance difference is small.
  • the second to sixth attention points Pa2 to Pa6 are located in the rubber part of the tire, and the second to sixth reference points Pr2 to Pr6 are located in the wheel part of the tire. Therefore, the luminance difference between the second to sixth attention points Pa2 to Pa6 and the second to sixth reference points Pr2 to Pr6 becomes large. Therefore, the edge line detection unit 36 may detect that an edge line exists between the second to sixth attention points Pa2 to Pa6 and the second to sixth reference points Pr2 to Pr6 having a large luminance difference. it can.
  • the edge line detection unit 36 firstly follows the following Equation 1 to determine the i-th attention point Pai (coordinate (xi, yi)) and the i-th reference point Pri (coordinate ( xi ′, yi ′)) and the i th attention point Pai are attributed.
  • Equation 1 t represents a threshold value
  • I (xi, yi) represents the luminance value of the i-th attention point Pai
  • I (xi ′, yi ′) represents the luminance value of the i-th reference point Pri.
  • the attribute s (xi, yi) of the attention point Pai is “1”.
  • the attribute s (xi, yi) of the attention point Pai is “ ⁇ 1”.
  • the edge line detection unit 36 determines whether or not the attention line La is an edge line from the continuity c (xi, yi) of the attribute s along the attention line La based on Equation 2 below.
  • the continuity c (xi, yi) is “1”.
  • the attribute s (xi, yi) of the attention point Pai is not the same as the attribute s (xi + 1, yi + 1) of the adjacent attention point Pai + 1
  • the continuity c (xi, yi) is “0”.
  • the edge line detection unit 36 obtains the sum for the continuity c of all the points of interest Pa on the line of interest La.
  • the edge line detection unit 36 normalizes the continuity c by dividing the obtained sum of continuity c by the number N of points of interest Pa.
  • the edge line detection unit 36 determines that the attention line La is an edge line when the normalized value exceeds the threshold ⁇ .
  • the threshold value ⁇ is a value set in advance through experiments or the like.
  • the edge line detection unit 36 determines whether or not the attention line La is an edge line based on Equation 3 below. Then, the edge line detection unit 36 determines whether or not all the attention lines La drawn on the detection area A1 are edge lines. [Equation 3] ⁇ c (xi, yi) / N> ⁇
  • the three-dimensional object detection unit 37 detects a three-dimensional object based on the amount of edge lines detected by the edge line detection unit 36.
  • the three-dimensional object detection device 1 detects an edge line extending in the vertical direction in real space. The fact that many edge lines extending in the vertical direction are detected means that there is a high possibility that a three-dimensional object exists in the detection areas A1 and A2. For this reason, the three-dimensional object detection unit 37 detects a three-dimensional object based on the amount of edge lines detected by the edge line detection unit 36. Furthermore, prior to detecting the three-dimensional object, the three-dimensional object detection unit 37 determines whether or not the edge line detected by the edge line detection unit 36 is correct.
  • the three-dimensional object detection unit 37 determines whether or not the luminance change along the edge line of the bird's-eye view image on the edge line is larger than a predetermined threshold value. When the luminance change of the bird's-eye view image on the edge line is larger than the threshold value, it is determined that the edge line is detected by erroneous determination. On the other hand, when the luminance change of the bird's-eye view image on the edge line is not larger than the threshold value, it is determined that the edge line is correct.
  • This threshold value is a value set in advance by experiments or the like.
  • FIG. 16 is a diagram illustrating the luminance distribution of the edge line.
  • FIG. 16A illustrates the edge line and the luminance distribution when another vehicle VX as a three-dimensional object exists in the detection area A1, and
  • FIG. Indicates an edge line and a luminance distribution when there is no solid object in the detection area A1.
  • the attention line La set in the tire rubber portion of the other vehicle VX is determined to be an edge line in the bird's-eye view image.
  • the luminance change of the bird's-eye view image on the attention line La is gentle. This is because the tire of the other vehicle VX is extended in the bird's-eye view image by converting the image captured by the camera 10 into a bird's-eye view image.
  • the attention line La set in the white character portion “50” drawn on the road surface in the bird's-eye view image is erroneously determined as an edge line.
  • the brightness change of the bird's-eye view image on the attention line La has a large undulation. This is because a portion with high brightness in white characters and a portion with low brightness such as a road surface are mixed on the edge line.
  • the three-dimensional object detection unit 37 determines whether or not the edge line is detected by erroneous determination. When the luminance change along the edge line is larger than a predetermined threshold, the three-dimensional object detection unit 37 determines that the edge line is detected by erroneous determination. And the said edge line is not used for the detection of a solid object. Thereby, white characters such as “50” on the road surface, weeds on the road shoulder, and the like are determined as edge lines, and the detection accuracy of the three-dimensional object is prevented from being lowered.
  • the three-dimensional object detection unit 37 calculates the luminance change of the edge line by any one of the following mathematical formulas 4 and 5.
  • the luminance change of the edge line corresponds to the evaluation value in the vertical direction in the real space.
  • Equation 4 evaluates the luminance distribution by the sum of the squares of the differences between the i-th luminance value I (xi, yi) on the attention line La and the adjacent i + 1-th luminance value I (xi + 1, yi + 1).
  • Equation 5 evaluates the luminance distribution by the sum of the absolute values of the differences between the i-th luminance value I (xi, yi) on the attention line La and the adjacent i + 1-th luminance value I (xi + 1, yi + 1).
  • the attribute b (xi, yi) of the attention point Pa (xi, yi) is “1”. Become. If the relationship is other than that, the attribute b (xi, yi) of the attention point Pai is '0'.
  • This threshold value t2 is set in advance by an experiment or the like in order to determine that the attention line La is not on the same three-dimensional object. Then, the three-dimensional object detection unit 37 sums up the attributes b for all the attention points Pa on the attention line La, obtains an evaluation value in the vertical equivalent direction, and determines whether the edge line is correct.
  • 17 and 18 are flowcharts showing details of the three-dimensional object detection method according to the present embodiment.
  • FIG. 17 and FIG. 18 for the sake of convenience, the processing for the detection area A1 will be described, but the same processing is executed for the detection area A2.
  • step S20 the computer 30 sets a detection area based on a predetermined rule. This detection area setting method will be described in detail later.
  • step S21 the camera 10 captures an image of a predetermined area specified by the angle of view a and the attachment position.
  • step S22 the viewpoint conversion unit 31 inputs the captured image data captured by the camera 10 in step S21, performs viewpoint conversion, and generates bird's-eye view image data.
  • step S23 the luminance difference calculation unit 35 sets the attention line La on the detection area A1. At this time, the luminance difference calculation unit 35 sets a line corresponding to a line extending in the vertical direction in the real space as the attention line La.
  • luminance difference calculation part 35 sets the reference line Lr on detection area
  • step S25 the luminance difference calculation unit 35 sets a plurality of attention points Pa on the attention line La.
  • the luminance difference calculation unit 35 sets the attention points Pa as many as not causing a problem at the time of edge detection by the edge line detection unit 36.
  • step S26 the luminance difference calculation unit 35 sets the reference point Pr so that the attention point Pa and the reference point Pr are substantially the same height in the real space. Thereby, the attention point Pa and the reference point Pr are arranged in a substantially horizontal direction, and it becomes easy to detect an edge line extending in the vertical direction in the real space.
  • step S27 the luminance difference calculation unit 35 calculates the luminance difference between the attention point Pa and the reference point Pr that have the same height in the real space.
  • the edge line detection unit 36 calculates the attribute s of each attention point Pa in accordance with Equation 1 above.
  • step S28 the edge line detection unit 36 calculates the continuity c of the attribute s of each attention point Pa in accordance with Equation 2 above.
  • step S29 the edge line detection unit 36 determines whether or not the value obtained by normalizing the total sum of continuity c is greater than the threshold value ⁇ according to the above formula 3.
  • the edge line detection unit 36 detects the attention line La as an edge line in step S30. Then, the process proceeds to step S31.
  • the edge line detection unit 36 does not detect the attention line La as an edge line, and the process proceeds to step S31.
  • step S31 the computer 30 determines whether or not the processing in steps S23 to S30 has been executed for all the attention lines La that can be set on the detection area A1. If it is determined that the above processing has not been performed for all the attention lines La (S31: NO), the processing returns to step S23, a new attention line La is set, and the processing up to step S31 is repeated. On the other hand, when it is determined that the above process has been performed for all the attention lines La (S31: YES), the process proceeds to step S32 in FIG.
  • step S32 of FIG. 18 the three-dimensional object detection unit 37 calculates a luminance change along the edge line for each edge line detected in step S30 of FIG.
  • the three-dimensional object detection unit 37 calculates the luminance change of the edge line according to any one of the above formulas 4, 5, and 6.
  • step S33 the three-dimensional object detection unit 37 excludes edge lines whose luminance change is larger than a predetermined threshold from the edge lines. That is, it is determined that an edge line having a large luminance change is not a correct edge line, and the edge line is not used for detecting a three-dimensional object. As described above, this is to prevent characters on the road surface, roadside weeds, and the like included in the detection area A1 from being detected as edge lines. Therefore, the predetermined threshold value is a value set based on a luminance change generated by characters on the road surface, weeds on the road shoulder, or the like obtained in advance by experiments or the like.
  • step S34 the three-dimensional object detection unit 37 determines whether or not the amount of the edge line is equal to or larger than the second threshold value ⁇ .
  • the second threshold value ⁇ is set based on the number of edge lines of the four-wheeled vehicle that have appeared in the detection region A1 in advance through experiments or the like.
  • the three-dimensional object detection unit 37 detects that a three-dimensional object exists in the detection area A1 in step S35.
  • the three-dimensional object detection unit 37 determines that there is no three-dimensional object in the detection area A1. Thereafter, the processing illustrated in FIGS. 17 and 18 ends.
  • the detected three-dimensional object may be determined to be another vehicle VX that travels in the adjacent lane adjacent to the lane in which the host vehicle V travels, and the relative speed of the detected three-dimensional object with respect to the host vehicle V is taken into consideration. It may be determined whether the vehicle is another vehicle VX traveling in the adjacent lane.
  • the vertical direction in the real space with respect to the bird's-eye view image A vertical imaginary line is set as a line segment extending to. Then, for each of a plurality of positions along the vertical imaginary line, a luminance difference between two pixels in the vicinity of each position can be calculated, and the presence or absence of a three-dimensional object can be determined based on the continuity of the luminance difference.
  • the attention line La corresponding to the line segment extending in the vertical direction in the real space and the reference line Lr different from the attention line La are set for the detection areas A1 and A2 in the bird's-eye view image. Then, a luminance difference between the attention point Pa on the attention line La and the reference point Pr on the reference line Lr is continuously obtained along the attention line La and the reference line La. In this way, the luminance difference between the attention line La and the reference line Lr is obtained by continuously obtaining the luminance difference between the points. In the case where the luminance difference between the attention line La and the reference line Lr is high, there is a high possibility that there is an edge of the three-dimensional object at the set position of the attention line La.
  • a three-dimensional object can be detected based on a continuous luminance difference.
  • the detection accuracy of a three-dimensional object can be improved.
  • the luminance difference between two points of approximately the same height near the vertical imaginary line is obtained.
  • the luminance difference is obtained from the attention point Pa on the attention line La and the reference point Pr on the reference line Lr, which are substantially the same height in the real space, and thus the luminance when there is an edge extending in the vertical direction. The difference can be detected clearly.
  • FIG. 19 is a diagram illustrating an example of an image for explaining the processing of the edge line detection unit 36.
  • 102 is an adjacent image.
  • a region where the brightness of the first striped pattern 101 is high and a region where the brightness of the second striped pattern 102 is low are adjacent to each other, and a region where the brightness of the first striped pattern 101 is low and the second striped pattern 102. Is adjacent to a region with high brightness.
  • the portion 103 located at the boundary between the first striped pattern 101 and the second striped pattern 102 tends not to be perceived as an edge depending on human senses.
  • the edge line detection unit 36 determines the part 103 as an edge line only when there is continuity in the attribute of the luminance difference in addition to the luminance difference in the part 103, the edge line detection unit 36 An erroneous determination of recognizing a part 103 that is not recognized as an edge line as a sensation as an edge line can be suppressed, and edge detection according to a human sensation can be performed.
  • the edge line detection unit 36 when the luminance change of the edge line detected by the edge line detection unit 36 is larger than a predetermined threshold value, it is determined that the edge line has been detected by erroneous determination.
  • the captured image acquired by the camera 10 is converted into a bird's-eye view image, the three-dimensional object included in the captured image tends to appear in the bird's-eye view image in a stretched state.
  • the luminance change of the bird's-eye view image in the stretched direction tends to be small.
  • the bird's-eye view image includes a high luminance region such as a character portion and a low luminance region such as a road surface portion.
  • the brightness change in the stretched direction tends to increase in the bird's-eye view image. Therefore, by determining the luminance change of the bird's-eye view image along the edge line as in this example, the edge line detected by the erroneous determination can be recognized, and the detection accuracy of the three-dimensional object can be improved.
  • the edge line detection unit 36 when the luminance change of the edge line detected by the edge line detection unit 36 is larger than a predetermined threshold value, it is determined that the edge line has been detected by erroneous determination.
  • the captured image acquired by the camera 10 is converted into a bird's-eye view image, the three-dimensional object included in the captured image tends to appear in the bird's-eye view image in a stretched state.
  • the luminance change of the bird's-eye view image in the stretched direction tends to be small.
  • the bird's-eye view image includes a high luminance region such as a character portion and a low luminance region such as a road surface portion.
  • the brightness change in the stretched direction tends to increase in the bird's-eye view image. Therefore, by determining the luminance change of the bird's-eye view image along the edge line as in this example, the edge line detected by the erroneous determination can be recognized, and the detection accuracy of the three-dimensional object can be improved.
  • the three-dimensional object detection units 33 and 37 can also send detection results to an external vehicle controller for notification to the occupant and vehicle control.
  • the three-dimensional object detection device 1 of this example includes the two three-dimensional object detection units 33 (or the three-dimensional object detection unit 37), the three-dimensional object determination unit 34, the stationary object determination unit 38, and the control unit. 39.
  • the three-dimensional object determination unit 34 determines whether or not the detected three-dimensional object is the other vehicle VX existing in the detection areas A1 and A2. Judgment finally.
  • the three-dimensional object detection unit 33 (or three-dimensional object detection unit 37) detects a three-dimensional object reflecting the determination result of the stationary object determination unit 38.
  • the stationary object determination unit 38 determines whether the three-dimensional object detected by the three-dimensional object detection unit 33 (or the three-dimensional object detection unit 37) is a shadow of a tree existing along the traveling path of the host vehicle V.
  • the stationary object determination unit 38 of the present embodiment detects a shadow of a tree (hereinafter also referred to as a tree shade). If a tree exists between the host vehicle V and a light source such as the sun, the shadow of the tree may be reflected in the detection areas A1 and A2. Trees have different configurations such as trunks, thick branches, thin branches, long branches, short branches, leaves, and the like. Each of these configurations behaves differently in the same environment. For example, even if it is blown by winds of the same strength (wind speed), the trunk hardly moves and its position remains unchanged, but thick branches and short branches swing slightly and their positions also vary somewhat. In addition, thin branches, long branches, and leaves swing greatly and their positions change greatly.
  • a part of the tree shape does not change, but the other part changes, and in response to this, the shape and position of the other part also changes although the shadow and part of the tree do not change.
  • the shadow of the trunk part shows strong periodic and regular features, but the shadow of the leaf part shows periodic and regular features. Does not appear strongly. For this reason, if the shadow of a tree is analyzed as a single image, it is difficult to find distinctive features, both periodic and regular. That is, it is difficult to determine the shadow characteristics of trees based on periodic characteristics, and it is also difficult to determine based on regular characteristics.
  • structures such as guardrails provided at regular intervals on the shoulder of the traveling road have a constant shape, and the features extracted from the captured image appear periodically.
  • the periodicity is higher than the shadow of the tree described above.
  • an artificial structure such as a guardrail is immovable as a whole and maintains the same shape over time, so there is no variation in the features extracted from the captured image.
  • Low irregularity high regularity.
  • grass grows along the shoulder of the traveling road, and its shape is indefinite, so the features extracted from the captured image appear aperiodically, and thus the above-mentioned It can be said that the periodicity is lower than the shadow of trees.
  • natural objects such as grass are generally indefinite and do not maintain the same shape over time, the characteristics extracted from the captured image can vary. It can be said that irregularity is high (regularity is low). This is because grass does not have a rigid portion that becomes a trunk like a tree, and its shape tends to change according to the external environment such as wind and rain. It should be noted that the image information of snow accumulated on the shoulder tends to show the same characteristics as the image information of grass.
  • the other vehicle VX that is the object to be finally detected by the three-dimensional object detection device 1 of the present embodiment travels on the adjacent lane next to the traveling lane of the host vehicle V as shown in FIG. Since the timing at which the vehicle VX exists in the detection areas A1 and A2 cannot be controlled and the features cannot always be extracted periodically from the captured image, the trees that exist along the travel path of the host vehicle V described above It can be said that the periodicity is lower than the shadow of. On the other hand, since the basic structure of the other vehicle VX is common and maintains the same shape with time, there is no variation in the features extracted from the captured image, so the irregularity is lower than the shadow of the tree described above ( It is highly regular). Moreover, when the periodicity evaluation place is low and irregularity is low, the detected three-dimensional object is highly likely to be another vehicle.
  • FIG. 23 is a diagram showing a relationship H between the periodicity evaluation value and the irregularity evaluation value for a structure Q2, such as a guardrail, a tree shade Q1, grass / snow Q3, and another vehicle VX.
  • a structure Q2 such as a guardrail, a tree shade Q1, grass / snow Q3, and another vehicle VX.
  • the periodicity evaluation value As shown in FIG. 23, regarding the periodicity, since the structures Q2 such as guardrails are regularly arranged on the road shoulder, there is a tendency to show a periodicity evaluation value equal to or higher than a predetermined threshold (second periodicity evaluation threshold). is there. In addition, since the traveling interval of each other vehicle VX is uncontrollable, the periodicity evaluation value tends to be less than a predetermined threshold (first periodicity evaluation threshold). Moreover, as shown in the figure, regarding irregularity, the structure Q2 such as a guardrail and the other vehicle VX tend to exhibit a low irregularity evaluation value because their shapes are constant.
  • a method for identifying a stationary object from various three-dimensional objects included in a captured image there is a method using a point having high periodicity such as a structure Q2 such as a guardrail, and irregularities of natural objects such as grass and snow Q3.
  • a point having high periodicity such as a structure Q2 such as a guardrail
  • irregularities of natural objects such as grass and snow Q3.
  • the inventors have proposed a method using a high point, as described above, the shadow (tree shade) Q1 of the tree has a medium periodicity and a moderate irregularity. There is a problem that it is difficult to distinguish from snow Q3.
  • the three-dimensional object detection device 1 of the present embodiment is intended to detect the other vehicle VX, it can be identified as “a stationary object other than the other vehicle VX without distinguishing it from a structure Q2, such as a guardrail, grass, and snow Q3. It can also be considered that it should be identified as.
  • an object other than the other vehicle VX is a moving object, a stationary object, a three-dimensional object, or a plane. It is necessary to design image processing and object detection processing according to the characteristics of the image to be detected depending on whether the object is an object, or an object other than the other vehicle VX is grass / snow or in the shade of a tree. is there.
  • the shape of the guardrail Q2 can be predicted, it is considered that there is an upper limit on the height of the grass Q3, such as a process of predicting an image area in which the guardrail Q2 is reflected and applying a feedback process to the image processing.
  • the characteristics of the other vehicle VX, the guardrail Q2, the grass / snow Q3, and the tree shade Q1 are analyzed from two viewpoints of periodicity and irregularity, and the periodicity and irregularity are analyzed.
  • the shade Q1 can be accurately identified from the images of various objects included in the captured image based on the nature.
  • the stationary object determination unit 38 can perform processing for determining a shadow of a tree based on differential waveform information or processing for determining a shadow of a tree based on edge information.
  • the stationary object determination unit 38 calculates a periodicity evaluation value for evaluating the periodicity of the difference waveform information based on the difference waveform information generated by the three-dimensional object detection unit 33, and based on the difference waveform information. Then, an irregularity evaluation value for evaluating the irregularity of the differential waveform information is calculated.
  • the calculation method of the periodicity evaluation value based on the difference waveform information is not particularly limited, and can be determined based on the degree to which the features extracted from the difference waveform information are repeated at a predetermined period. For example, the number of peaks extracted from the difference waveform information is greater than or equal to a predetermined value, the variation between peaks is less than the predetermined value, and the area difference of the peak portion of the difference waveform information corresponding to the vehicle speed of the host vehicle V ( It can be determined that the smaller the ratio of the area difference to the peak, the higher the periodicity.
  • the calculation method of the irregularity evaluation value based on the difference waveform information is not particularly limited, and the determination can be made based on the degree of variation of the features extracted from the difference waveform information. For example, the number of peaks extracted from the difference waveform information is less than a predetermined value, the variation between peaks is greater than or equal to a predetermined value, and the area difference of the peak portion of the difference waveform information corresponding to the vehicle speed of the host vehicle V ( It can be determined that the larger the ratio of the area difference to the peak, the higher the irregularity.
  • a specific method for calculating periodicity and irregularity based on the difference waveform information will be described in detail later.
  • the stationary object determination unit 38 calculates a periodicity evaluation value for evaluating the periodicity of the edge information based on the edge information generated by the three-dimensional object detection unit 37, and the edge information based on the edge information. An irregularity evaluation value for evaluating the irregularity of information is calculated.
  • the calculation method of the periodicity evaluation value based on the edge information is not particularly limited, and can be determined based on the degree to which the feature extracted from the edge information is repeated at a predetermined period. For example, the number of peaks extracted from the edge information is greater than or equal to a predetermined value, the variation between the peaks is less than the predetermined value, and the difference in the edge amount of the peak portion of the edge information corresponding to the vehicle speed of the host vehicle V is It can be determined that the smaller the value, the higher the periodicity. A specific method for calculating the periodicity based on the edge information will be described later in detail.
  • the method for calculating the irregularity evaluation value based on the edge information is not particularly limited, and the determination can be made based on the degree of variation of the feature extracted from the edge information. For example, the number of peaks extracted from the edge information is less than a predetermined value, the variation between peaks is greater than or equal to a predetermined value, and the edge amount difference in the peak portion of the edge information corresponding to the vehicle speed of the host vehicle V is large. It can be determined that the irregularity is high. A specific method for calculating periodicity and irregularity based on edge information will be described in detail later.
  • the stationary object determination unit 38 has the calculated periodicity evaluation value equal to or greater than the first periodicity evaluation threshold and less than the second periodicity evaluation threshold, and the calculated irregularity evaluation value is a predetermined irregularity evaluation.
  • the threshold value it is determined that the three-dimensional object detected by the three-dimensional object detection unit 33 is a shadow of a tree existing along the traveling path of the host vehicle V. Thereby, it is possible to identify an image of the shade Q3 having a medium periodicity and irregularity.
  • the first periodicity evaluation threshold value is smaller than the second periodicity evaluation threshold value.
  • the first periodicity evaluation threshold and the second periodicity evaluation threshold described below are different values depending on whether the periodicity is determined based on the difference waveform information and when the periodicity is determined based on the edge information.
  • the irregularity evaluation threshold different values can be set depending on whether the periodicity is determined based on the difference waveform information and when the periodicity is determined based on the edge information.
  • the second periodicity evaluation threshold can be set based on the periodicity obtained experimentally for the structure Q2 such as a guardrail.
  • the periodicity evaluation value is equal to or greater than the set second periodicity evaluation threshold, it can be determined that the detected three-dimensional object is a structure Q2 such as a guardrail. Since the periodicity of the structure Q2 such as the guardrail and the periodicity of the tree shade Q3 can be distinguished relatively clearly, by setting the second periodicity evaluation threshold based on the periodicity of the structure Q2 such as the guardrail, the tree shadow Q3 and grass / snow Q2 can be accurately distinguished from structures Q2 such as guardrails.
  • the first periodicity evaluation threshold value can be set based on the periodicity of a moving body such as another vehicle VX that is experimentally obtained. That is, when the periodicity evaluation value is less than the first periodicity evaluation threshold, it can be determined that the detected three-dimensional object is a moving object, for example, another vehicle VX. Although the periodicity of the other vehicle VX and the periodicity of the grass / snow Q2 are both low, an identifiable difference can be found, so the first periodicity evaluation threshold is set based on the periodicity of the other vehicle VX. Thus, the shade Q3 and the grass / snow Q2 can be accurately identified from the other vehicle VX.
  • the irregularity evaluation threshold can be set based on the irregularity of grass / snow Q3 or the irregularity of the shade Q1 that is experimentally obtained. That is, when the periodicity evaluation value is greater than or equal to the first periodicity evaluation threshold and less than the second periodicity evaluation threshold, and the irregularity evaluation value is greater than or equal to the irregularity evaluation value threshold, the three-dimensional object detection unit 33 When the detected three-dimensional object can be determined to be grass or snow Q3 existing along the traveling path of the host vehicle V, and the irregularity evaluation value is less than the irregularity evaluation threshold, the three-dimensional object It can be determined that the three-dimensional object detected by the detection unit 33 is the shade Q1 existing along the traveling path of the host vehicle V.
  • Grass / snow Q2 and tree shade Q1 both have irregularities, and it is not easy to identify them.
  • tree shade Q1 and grass / snow Q2 are narrowed down based on the periodicity evaluation value. Therefore, by identifying the tree shade Q1 or the grass / snow Q2 based on the irregularity evaluation value, the tree shade Q1 can be accurately identified from the grass / snow Q2.
  • the stationary object determination unit 38 of the present embodiment changes the first periodicity evaluation threshold to a high value.
  • the stationary object determination unit 38 of the present embodiment makes it difficult to detect the periodicity of the grass / snow Q3 and the shade Q1 in a dark situation where the brightness is less than the predetermined value, that is, the grass / snow Q3 and the shade Q1.
  • the stationary object determination unit 38 of the present embodiment refers to the map information 383 in which each position information is associated with information on whether the position is an urban area or a suburban area, and the current position detection device 60 If the detected current position is an urban area, the first periodicity evaluation threshold is changed to a low value. Whether each position is an urban area or a suburban area can be defined in advance according to the number of structures along the road.
  • buildings, advertising towers, signboards, and other structures are often provided along roads in urban areas, and shadows of these structures may be reflected in the detection areas A1 and A2.
  • These structures have a low periodicity because the arrangement interval is not constant, and when the shadows of these structures overlap with the shadows of trees and grass along the road, the periodicity tends to decrease. That is, in an urban area where there are many advertising towers, billboards, and other structures, the periodicity of the shade Q1 or grass / snow Q3 reflected in the road detection areas A1 and A2 tends to be low.
  • the stationary object determination unit 38 of the present embodiment reduces the first periodicity evaluation threshold, which is the lower limit threshold for determining the grass / snow Q3 and the shade Q1. Can be changed to a value. As a result, even in urban areas, the periodicity of grass / snow Q3 and shade Q1 can be accurately determined.
  • the stationary object determination unit 38 of the present embodiment determines that the detected three-dimensional object is a moving object when the periodicity evaluation value is less than the first periodicity evaluation threshold. Similarly, when the periodicity evaluation value is less than the first periodicity evaluation threshold and the irregularity evaluation value is less than the predetermined irregularity evaluation threshold, the stationary object determination unit 38 detects the detected three-dimensional object. It is determined that the object is a moving object. In particular, when both the periodicity evaluation value and the irregularity evaluation value are low, the stationary object determination unit 38 determines that there is a high probability that the moving object is another vehicle.
  • the three-dimensional object determination unit 34 of the present embodiment finally determines whether or not the three-dimensional object detected by the three-dimensional object detection units 33 and 37 is the other vehicle VX existing in the detection areas A1 and A2. Specifically, when the detection result of the three-dimensional object by the three-dimensional object detection units 33 and 37 continues for a predetermined time T, the three-dimensional object is present in the detection areas A1 and A2. It is determined that the vehicle is another vehicle VX.
  • the three-dimensional object determination unit 34 has a predetermined value range such as the number of peaks of the differential waveform extracted from the differential waveform information, a peak value, a moving speed, and the state continues for a predetermined time or longer.
  • the three-dimensional object is the other vehicle VX existing in the detection areas A1 and A2, the continuity of the edges extracted from the edge information, the normalized value of the sum, the edge line
  • the amount of the vehicle is in the predetermined value range and the state continues for a predetermined time or more
  • it is finally determined whether or not the three-dimensional object is the other vehicle VX existing in the detection regions A1 and A2. Also good.
  • the three-dimensional object determination unit 34 of the present embodiment detects the three-dimensional object on the right detection region or the left side. It is determined that the other vehicle VX exists in the detection area.
  • the three-dimensional object determination unit 34 determines that the detected three-dimensional object is the other vehicle VX existing in the detection areas A1 and A2, processing such as notification to the occupant is executed.
  • the three-dimensional object determination unit 34 can suppress determining that the detected three-dimensional object is the other vehicle VX according to the control command of the control unit 38.
  • control unit 39 determines that the captured image includes the image of the tree shade Q1 and the shadow of the tree is reflected in the detection areas A1 and A2 by the stationary object determination unit 38.
  • control executed in each one or more of the three-dimensional object detection units 33 and 37, the three-dimensional object determination unit 34, the stationary object determination unit 38, or the control unit 39 that is itself in the next process. Instructions can be generated.
  • the control command of the present embodiment is a command for controlling the operation of each unit so that it is suppressed that the detected three-dimensional object is the other vehicle VX. This is to prevent the detected three-dimensional object from being mistakenly regarded as another vehicle VX because the detected three-dimensional object is likely to be a tree shadow when the detection areas A1 and A2 have a shadow of the tree. is there. Since the computer 30 of the present embodiment is a computer, control commands for the three-dimensional object detection process, the three-dimensional object determination process, and the stationary object determination process may be incorporated in advance in the program of each process, or may be transmitted at the time of execution.
  • the control command of the present embodiment may be a command for reducing sensitivity when detecting a three-dimensional object based on differential waveform information, or a command for decreasing sensitivity when detecting a three-dimensional object based on edge information.
  • the control command stops the process of determining the detected three-dimensional object as the other vehicle, It may be a command for a result that makes it be judged that the vehicle is not a vehicle.
  • the control unit 39 of the present embodiment detects the solid object, and the detected three-dimensional object. Is sent to the three-dimensional object detection units 33 and 37 or the three-dimensional object determination unit 34 to suppress the determination that the vehicle is the other vehicle VX. This makes it difficult for the three-dimensional object detection units 33 and 37 to detect the three-dimensional object. Further, it is difficult for the three-dimensional object determination unit 34 to determine that the detected three-dimensional object is the other vehicle VX existing in the detection area A.
  • control unit 39 generates a control command with a content to stop the detection process of the three-dimensional object when it is determined that the three-dimensional object detected by the stationary object determination unit 38 is highly likely to be a shadow of the tree. Then, it may be output to the three-dimensional object detection units 33 and 37, or a control command with content for stopping the determination processing of the three-dimensional object or a control command with content for determining that the detected three-dimensional object is not another vehicle is generated. Alternatively, it may be output to the three-dimensional object determination unit 34. Thereby, the effect similar to the above can be obtained.
  • control unit 39 determines that the solid object detected by the stationary object determination unit 38 is highly likely to be a shadow of the tree in the previous process, the shadow of the tree is reflected in the detection areas A1 and A2. It is determined that there is a high possibility that an error will occur in the processing based on the image information. If a three-dimensional object is detected in the same manner as usual, the three-dimensional object detected based on the image of the tree shade Q reflected in the detection areas A1 and A2 may be erroneously determined as the other vehicle VX.
  • the control unit 39 of the present embodiment suppresses the fact that the three-dimensional object detected based on the image of the shade Q is erroneously determined as the other vehicle VX.
  • the threshold value relating to the difference in pixel values when generating is increased.
  • the control unit 39 makes it difficult to detect the three-dimensional object.
  • a control command for increasing the first threshold value ⁇ is generated and output to the three-dimensional object detection unit 33.
  • the first threshold value ⁇ is the first threshold value ⁇ for determining the peak of the differential waveform DW t in step S7 of FIG. 11 (see FIG. 5).
  • the control unit 39 can output a control command for increasing or decreasing the threshold value p regarding the difference between pixel values in the difference waveform information to the three-dimensional object detection unit 33.
  • control unit 39 determines that the three-dimensional object detected by the stationary object determination unit 38 is highly likely to be a shadow of a tree
  • the control unit 39 performs predetermined processing on the difference image of the bird's-eye view image.
  • a control command for counting the number of pixels indicating the difference and outputting the frequency distribution value to a low value can be output to the three-dimensional object detection unit 33.
  • the value obtained by counting the number of pixels indicating a predetermined difference on the difference image of the bird's-eye view image and performing frequency distribution is the value on the vertical axis of the difference waveform DW t generated in step S5 of FIG.
  • the control unit 39 determines the other vehicle VX based on the tree shadow Q1 reflected in the detection areas A1 and A2. Judge that there is a high possibility of false detection. For this reason, in the next processing, the frequency-distributed value of the differential waveform DW t is changed to a low value so that it is difficult to detect the three-dimensional object or the other vehicle VX in the detection areas A1 and A2. As described above, when it is determined that the detected three-dimensional object is likely to be a shadow of a tree, the output value is decreased to detect the other vehicle VX traveling next to the traveling lane of the host vehicle V. Since the sensitivity is adjusted, it is possible to prevent erroneous detection of the other vehicle VX caused by the shade Q1 reflected in the detection areas A1 and A2.
  • control unit 39 determines that the three-dimensional object detected in the previous processing is highly likely to be a shadow of the tree, in the detection areas A1 and A2. It is determined that there is a high possibility of misdetecting the other vehicle VX based on the reflected tree shade Q1. For this reason, if it is determined that the detected three-dimensional object is likely to be a shadow of a tree, the control unit 39 according to the present embodiment increases the predetermined threshold relating to the luminance used when detecting edge information. The control command to be output is output to the three-dimensional object detection unit 37.
  • the predetermined threshold value relating to the luminance used when detecting edge information is the threshold value ⁇ for determining a value obtained by normalizing the sum of the continuity c of the attributes of each point of interest Pa in step S29 in FIG. 17, or the step in FIG. 34 is a second threshold value ⁇ for evaluating the amount of edge lines. That is, when it is determined that the detected three-dimensional object is highly likely a shadow of a tree, the control unit 39 according to the present embodiment detects an edge line so that the three-dimensional object is difficult to detect. A control command for increasing the second threshold ⁇ for evaluating the threshold ⁇ or the amount of the edge line used for is generated and output to the three-dimensional object detection unit 37.
  • the control unit 39 when it is determined that there is a high possibility that the three-dimensional object detected by the stationary object determination unit 38 is a shadow of a tree, the control unit 39 according to the present embodiment decreases or increases the amount of detected edge information.
  • a control command to be output is output to the three-dimensional object detection unit 37.
  • the detected amount of edge information is a value obtained by normalizing the sum of the continuity c of the attributes of each point of interest Pa in step S29 in FIG. 17 or the amount of edge lines in step 34 in FIG.
  • the control unit 39 determines the other vehicle VX based on the tree shadow Q1 reflected in the detection areas A1 and A2.
  • the frequency distribution value of the differential waveform DW t is changed to be low and output.
  • the detection of the three-dimensional object or the determination as the other vehicle VX is suppressed by reducing the output value. Since it can be controlled, it is possible to prevent erroneous detection due to the shade Q1 reflected in the detection areas A1 and A2.
  • the control unit 39 When it is determined that the three-dimensional object detected by the stationary object determination unit 38 is a moving object, the control unit 39 according to the present embodiment finally determines that the three-dimensional object determination unit 34 determines that the three-dimensional object is another vehicle. Try to judge. In other words, the control unit 39 receives the determination that the three-dimensional object is a moving object from the stationary object determination unit 38, and is opposite to the above-described process of “suppressing the determination of the three-dimensional object as another vehicle”. The process which plays is performed. Specifically, the control unit 39 changes the threshold value relating to the difference between the pixel values when generating the difference waveform information, changes the frequency distribution value of the difference waveform DW t to a higher value, and outputs the edge information. Control is performed so that it is easy to determine that the three-dimensional object is another vehicle, for example, by lowering a predetermined threshold value related to luminance used for detection or by outputting a higher amount of detected edge information.
  • the stationary object determination unit 38 moves the detected three-dimensional object on the assumption that the periodicity evaluation value is less than the first periodicity evaluation threshold and the irregularity evaluation value is less than a predetermined irregularity evaluation threshold.
  • the control unit 39 causes the three-dimensional object determination unit 34 to determine that the three-dimensional object detected by the three-dimensional object detection units 33 and 37 is another vehicle.
  • the process illustrated in FIG. 24 is the current three-dimensional object detection process performed using the result of the previous process after the previous three-dimensional object detection process.
  • the stationary object determination unit 38 determines periodicity based on the difference waveform information or the edge information. Specifically, a periodicity evaluation value for determining periodicity is calculated.
  • the periodicity evaluation value is equal to or greater than the vehicle speed of the host vehicle V when the number of peaks extracted from the differential waveform information or edge information is greater than or equal to a predetermined value, and the variation between peaks is less than the predetermined value. It is judged that the periodicity is higher as the area difference of the peak portion of the corresponding difference waveform information (ratio of the area difference to the peak) or the edge amount difference of the edge portion of the edge information (ratio of the edge difference to the peak edge amount) is smaller. can do.
  • a specific method of periodicity evaluation will be described in detail later.
  • step S42 the stationary object determination unit 38 determines whether or not the calculated periodicity evaluation value is greater than or equal to the second periodicity evaluation threshold. If the calculated periodicity evaluation value is equal to or greater than the second periodicity evaluation threshold value, the process proceeds to step S52, and it is determined that the detected three-dimensional object is a structure Q2 such as a guardrail. When the calculated periodicity evaluation value is less than the second periodicity evaluation threshold, the process proceeds to step S43.
  • step S43 the stationary object determination unit 38 determines whether or not the calculated periodicity evaluation value is less than the first periodicity evaluation threshold.
  • the first periodicity evaluation threshold is a value lower than the second periodicity evaluation threshold (a value evaluated as having low periodicity).
  • the process proceeds to step S53, and it is determined that there is a high possibility that the detected three-dimensional object is the other vehicle VX. If the calculated periodicity evaluation value is greater than or equal to the first periodicity evaluation threshold, that is, if the periodicity evaluation value is greater than or equal to the first periodicity evaluation threshold and less than the second periodicity evaluation threshold, the process proceeds to step S44. move on. Through the processing so far, the shade Q1 and the grass / snow Q3 can be narrowed down based on the periodicity.
  • the stationary object determination unit 38 determines irregularity based on the difference waveform information or the edge information.
  • the irregularity evaluation value can be determined based on the variation degree of the feature extracted from the difference waveform information or the edge information. For example, the number of peaks extracted from difference waveform information or edge information is less than a predetermined value, the variation between peaks is greater than or equal to a predetermined value, and the area of the peak portion of the difference waveform information corresponding to the vehicle speed of the host vehicle V It can be determined that the irregularity is higher as the difference (ratio of the area difference to the peak) or the difference in the edge amount of the peak portion of the edge information (ratio of the edge difference to the peak edge amount) is larger. A specific method for evaluating irregularity will be described in detail later.
  • step S45 the stationary object determination unit 38 determines whether or not the calculated irregularity evaluation value is less than the irregularity evaluation threshold. If the calculated irregularity evaluation value is greater than or equal to the irregularity evaluation threshold, the process proceeds to step S54, and it is determined that the detected three-dimensional object is grass / snow Q2.
  • the calculated irregularity evaluation value is less than the irregularity evaluation threshold value, that is, the periodicity evaluation value is not less than the first periodicity evaluation threshold value and less than the second periodicity evaluation threshold value, and the irregularity evaluation value is irregularity. If it is less than the evaluation threshold, the process proceeds to step S46.
  • step S46 the stationary object determination unit 38 determines that the detected three-dimensional object is the shade Q1.
  • step S47 when the stationary object determining unit 38 determines that the three-dimensional object detected in the previous process is the shadow of the tree (tree shade Q1), the control unit 39 sets the detection areas A1 and A2. It is determined that there is a high possibility of misdetecting the other vehicle VX based on the reflected tree shade Q1, and it is suppressed that the three-dimensional object is detected in the next process and the three-dimensional object is determined to be the other vehicle VX. As described above, control is performed such that the threshold value used in the three-dimensional object detection process and the three-dimensional object determination process is set high or the output value compared with the threshold value is low.
  • the threshold p for pixel value difference when generating the difference waveform information, the first threshold ⁇ used when determining the three-dimensional object from the difference waveform information, and the edge so that detection of the three-dimensional object is suppressed A control command for changing any one or more of the threshold value ⁇ for generating information and the second threshold value ⁇ used for determining the solid object from the edge information to the three-dimensional object detection units 33 and 37 is sent. Note that, instead of increasing the threshold value, the control unit 39 may generate a control command for decreasing the output value evaluated by the threshold value and output the control command to the three-dimensional object detection units 33 and 37.
  • the first threshold value ⁇ is used to determine the peak of the differential waveform DW t in step S7 of FIG.
  • the threshold value ⁇ is a threshold value for determining a value obtained by normalizing the sum of the continuity c of the attribute of each target point Pa in step S29 in FIG. 17, and the second threshold value ⁇ is the amount of the edge line in step 34 in FIG. Is a threshold value for evaluating.
  • the control unit 39 detects a three-dimensional object with a control command that counts the number of pixels indicating a predetermined difference on the difference image of the bird's-eye view image and outputs the frequency-distributed value higher.
  • the value obtained by counting the number of pixels indicating a predetermined difference on the difference image of the bird's-eye view image and performing frequency distribution is the value on the vertical axis of the difference waveform DW t generated in step S5 of FIG.
  • the control unit 39 can output a control command for outputting a high amount of detected edge information to the three-dimensional object detection unit 37.
  • the detected amount of edge information is a value obtained by normalizing the sum of the continuity c of the attributes of each point of interest Pa in step S29 in FIG. 17 or the amount of edge lines in step 34 in FIG.
  • the control unit 39 normalizes the sum of the continuity c of the attribute of each attention point Pa so that a solid object is difficult to detect in the next process.
  • a control command for changing the value or the amount of edge line to be high can be output to the three-dimensional object detection unit 37.
  • step S48 a three-dimensional object is detected based on the difference waveform information or edge information
  • step S49 the three-dimensional object detected in step S48 is the other vehicle VX.
  • a determination result indicating that the other vehicle exists is output in step S50.
  • step S51 The determination result that there is no other vehicle is output.
  • the processing in step S48 and step S49 is the detection processing of the other vehicle VX based on the difference waveform information described in FIGS. 11 and 12, and the detection processing of the other vehicle VX based on the edge information described in FIGS. Common.
  • step S49 the process proceeds to step S55, and the three-dimensional object detection process may be stopped, or the process proceeds to step S51, and the detected three-dimensional object is not detected in the other vehicle VX. Alternatively, it may be determined that there is no other vehicle VX.
  • the periodicity evaluation method and the irregularity evaluation method will be described.
  • the techniques known at the time of filing can be appropriately applied.
  • An irregularity evaluation method using a detection method can be applied as appropriate.
  • the stationary object determination unit 38 may be the alignment unit 32 or the three-dimensional object detection unit 33, or It is possible to cause the luminance difference calculation unit 35, the edge line detection unit 36, or the three-dimensional object detection unit 37 to perform a part of the processing, acquire the processing result, and finally determine periodicity or irregularity.
  • the stationary object determination unit 38 calculates candidates for the movement amounts of a plurality of three-dimensional objects detected by the three-dimensional object detection unit 33.
  • FIG. 25 (a) shows the difference image PDt at time t
  • FIG. 25 (b) shows the difference image PDt-1 at time t-1.
  • the stationary object determination unit 38 detects a grounding point (feature point) of the three-dimensional object from the difference image PDt illustrated in FIG.
  • the contact point is a contact point between the three-dimensional object and the road surface.
  • the stationary object determination unit 38 detects a position closest to the camera 10 of the host vehicle V as a grounding point among the detected three-dimensional objects.
  • the stationary object determination unit 38 detects the ground point P1 for the three-dimensional object O1, detects the ground point P2 for the three-dimensional object O2, and detects the ground point P3 for the three-dimensional object O3.
  • the stationary object determination unit 38 sets an area T with a width W for the difference image PDt at time t shown in FIG.
  • the stationary object determination unit 38 sets a region T at a location corresponding to the contact points P1 to P3 of the difference image PDt-1 at time t-1.
  • the stationary object determination unit 38 detects the ground contact point of the three-dimensional object from the data of the difference image PDt at time t. Also in this case, a position closest to the camera 10 of the host vehicle V among the detected three-dimensional objects is detected as a grounding point.
  • the stationary object determination unit 38 detects the ground point P4 for the three-dimensional object O4, detects the ground point P5 for the three-dimensional object O5, and detects the ground point P6 for the three-dimensional object O6.
  • the alignment unit 32, the three-dimensional object detection unit 33, and the stationary object determination unit 38 of the present embodiment extract feature points (ground points) of a plurality of three-dimensional objects from the image and data of a predetermined region of the bird's-eye view image.
  • the stationary object determination unit 38 associates the ground points with each other. That is, the ground point P4 is associated with the ground point P1, the ground point P5 is associated with the ground point P1, and the ground point P6 is associated with the ground point P1. Similarly, the ground points P4 to P6 are associated with the ground points P2 and P3.
  • the stationary object determination unit 38 calculates the distance (that is, the movement amount candidate) between the associated grounding points P1 to P6. Then, the stationary object determination unit 38 sets the calculated distance as a movement amount candidate. The stationary object determination unit 38 calculates a plurality of movement amount candidates for each three-dimensional object. As a result, the movement amount of the three-dimensional object is uniquely determined, and the situation in which an erroneous movement amount is calculated for a periodic stationary object in which similar image features appear periodically is suppressed. ing.
  • the region T is provided is that the grounding points P1 to P6 can be associated with each other stably even if an error occurs in the alignment of the bird's-eye view images PBt and PBt-1 due to pitching or winging of the host vehicle V. It is. Further, the association between the ground points P1 to P6 is determined by matching processing of luminance distribution around the ground point of the bird's-eye view images Bt and PBt-1.
  • the stationary object determination unit 38 counts the calculated movement amount candidates and creates a histogram (waveform data). For example, if the distance between the ground point P1 and the ground point P4, the distance between the ground point P2 and the ground point P5, and the distance between the ground point P3 and the ground point P6 are the same, the stationary object determination unit 38 counts the count value. Is “3”. In this way, the stationary object determination unit 38 counts the movement amount candidates, creates a histogram, and calculates waveform data corresponding to the distribution of each ground point in the detection region.
  • the stationary object determination unit 38 calculates the moving range of the periodic stationary object in a bird's-eye view based on the imaging interval of the camera 100 and the moving speed of the host vehicle V detected by the vehicle speed sensor 20.
  • the stationary object determination unit 38 calculates a moving range having a predetermined range (for example, ⁇ 10 km / h) with respect to the speed of the host vehicle V. For example, when the imaging interval of the camera 10 is 33 ms and the actual distance in the vehicle traveling direction covered by one pixel is 5 cm, the speed of a three-dimensional object that moves one pixel in one control cycle is about 5.5 km ⁇ h. Considering that the accuracy of the bird's-eye view images PBt and PBt-1 deteriorates due to vehicle motion, a margin of ⁇ 10 km ⁇ h is required to allow about 5.5 km / h.
  • the stationary object determination unit 38 evaluates the period of the plurality of three-dimensional objects detected by the three-dimensional object detection unit 33, and determines whether each three-dimensional object is a periodic stationary object.
  • the stationary object determination unit 38 determines whether the plurality of three-dimensional objects detected by the three-dimensional object detection unit 33 are periodic stationary objects based on the created histogram, the calculated movement range, and the periodicity evaluation value.
  • the periodic stationary objects include other vehicles VX having the periodicity shown in FIG. 23, grass / snow Q3, tree shade Q1, structures Q2 such as guardrails.
  • FIG. 26 is a flowchart showing processing of the alignment unit 32 and the three-dimensional object detection unit 33.
  • the alignment unit 32 inputs the data of the bird's-eye view images PBt and PBt-1 at different times detected by the viewpoint conversion unit 31, and performs alignment (S1).
  • the three-dimensional object detection unit 33 calculates the difference between the aligned bird's-eye view images PBt and PBt ⁇ 1 (S2).
  • the three-dimensional object detection unit 33 executes binarization processing based on the predetermined value and generates data of the difference image PDt (S3).
  • FIG. 27 is a flowchart illustrating periodic stationary object candidate detection processing and periodicity determination processing for evaluating periodicity
  • FIG. 28 is a diagram illustrating an example of a generated histogram. As shown in FIG. 28, the calculated movement amount candidates are counted. In the example shown in FIG. 28, since a plurality of movement amounts m1, m2, m3, and m4 are detected, these count values are high.
  • the stationary object determination unit 38 detects the maximum value M (peak value; peak information) from the histogram (S11). Next, the stationary object determination unit 38 sets a predetermined threshold Th1 based on the maximum value M detected in step S12 (S12).
  • the predetermined threshold Th1 is set to 70% of the maximum value M. For example, when the count value of the maximum value M is “7”, the predetermined threshold Th1 is set to “4.9”. Since the predetermined threshold value Th1 is obtained from the maximum value M of the count value, an appropriate threshold value can be set even if the magnitude of the count value changes due to the positional relationship between the host vehicle V and the three-dimensional object, the sunshine conditions, or the like. .
  • the predetermined threshold value Th1 is 70% of the maximum value M, but is not limited to this.
  • the stationary object determination unit 38 detects local maximum values M1 to M3 (peak values; peak information) that are equal to or greater than a predetermined threshold Th1 (S13).
  • a predetermined threshold Th1 S13
  • the stationary object determination unit 38 detects local maximum values M1 to M3 having a count value of “5” or more.
  • the stationary object determination unit 38 is a three-dimensional object (for example, a distance between two grounding points corresponding to each of the movement amount candidates corresponding to the local maximum values M and M1 to M3 (including the maximum value M). It is determined that the two solid objects having the grounding point in the case where the maximum values M and any of M1 to M3 coincide with each other are periodic stationary object candidates.
  • the stationary object determination unit 38 detects the interval (peak information) between the maximum values M and M1 to M3 (including the maximum value M), and votes the detected interval (S14). That is, in the example shown in FIG. 28, the number of votes is “2” for the interval D1, and the number of votes is “1” for the interval D2.
  • the stationary object determination unit 38 determines (evaluates) the periodicity (S15). At this time, the stationary object determination unit 38 evaluates the periodicity based on whether or not the number of votes in step S14 is equal to or greater than a predetermined number of votes. This number of votes is an aspect of the periodicity evaluation value, and the predetermined number of votes is an aspect of the periodicity evaluation threshold.
  • the predetermined number of votes is a predetermined number of votes as a second periodicity evaluation threshold set from the viewpoint of identifying the structure Q2 such as the guardrail and the first periodicity evaluation set from the viewpoint of identifying the other vehicle VX. And a predetermined number of votes as a threshold.
  • the predetermined number of votes is half of the number of detected three-dimensional objects detected from the bird's-eye view image PBt. Therefore, when the number of detected three-dimensional objects detected from the bird enemy image PBt is “4”, the predetermined number of votes is “2”.
  • the predetermined number of votes is not limited to the above, and may be a fixed value.
  • the stationary object determination unit 38 decreases the predetermined threshold Th1 in step S12 (S16).
  • the period during which the predetermined threshold value TH1 is lowered is approximately 1 second, and the predetermined threshold value Th1 is reset every time it is determined that there is periodicity.
  • periodicity is determined from the occurrence positions of the maximum values M and M1 to M3 of the count values, that is, the interval, and when it is determined that there is periodicity, the predetermined threshold value Th1 is lowered, so that periodicity is once determined. In such a case, the periodic stationary object can be easily determined.
  • the predetermined threshold value Th1 is not lowered until the periodicity is once determined, so that erroneous detection of a three-dimensional object due to an alignment error or the like can be suppressed.
  • step S15 when it is determined that there is no periodicity (S15: NO), the predetermined threshold value Th1 is not lowered, and the process proceeds to step S17.
  • the stationary object determination unit 38 determines the periodicity from the number of votes (peak information) of occurrence positions (intervals) of local maximum values M and M1 to M3 that are equal to or larger than a predetermined threshold Th1 based on the maximum count value M of the movement amount candidates. To do. For this reason, a local maximum value having a relatively small value (for example, the symbol M4 in FIG. 28) can be ignored, and the periodicity can be judged with higher accuracy without being affected by noise.
  • step S17 the stationary object determination unit 38 determines whether or not lateral movement exceeding the specified level has been detected in the host vehicle V based on the information acquired from the controller of the host vehicle V (S17).
  • the controller of the host vehicle V detects that a lateral movement exceeding a specified value is detected when the turn signal is ON and a steering angle exceeding a specified value determined from the vehicle speed detected by the vehicle speed sensor is detected. to decide.
  • the stationary object determination unit 38 initializes the threshold value Th1 lowered in step S16 (S18) when a lateral movement exceeding the specified value is detected (S17: YES). Thereby, a periodic stationary object can be detected according to a change in the environment after the lane change. On the other hand, when the lateral movement exceeding the specified value is not detected (S17: No), the predetermined threshold value Th1 ends without being initialized.
  • FIG. 29 is a flowchart showing a periodic stationary object determination process.
  • the stationary object determination unit 38 calculates a stationary equivalent movement amount (S21). That is, the stationary object determination unit 38 calculates the moving range of the periodic stationary object in the bird's eye view based on the imaging interval of the camera 10 and the moving speed of the host vehicle V detected by the vehicle speed sensor 20. At this time, the stationary object determination unit 38 calculates a moving range having a predetermined margin with respect to the speed of the host vehicle V.
  • S21 stationary equivalent movement amount
  • the stationary object determination unit 38 determines whether or not the maximum values M, M1, and M3 (histogram peaks) exist within the range of the movement amount detected in step S21 (S22). When the stationary object determining unit 38 determines that any of the maximum values M and M1 to M3 is within the range of the moving amount (S22: YES), the stationary object determining unit 38 determines that a periodic stationary object exists (S23).
  • the periodic stationary objects are often arranged at the same interval, and the specific count value tends to increase.
  • the count value of the movement amount candidate should be within the movement range considering the speed of the moving object. Therefore, when it is determined as [YES] in step S22, it can be said that a plurality of solid objects are periodic stationary objects.
  • step S22 when the stationary object determination unit 38 determines that none of the maximum values M and M1 to M3 exist within the range of the movement amount (S22: No), it determines whether or not there is periodicity in step S24. To do. If it is not determined that there is periodicity (S24: No), it is determined that the three-dimensional object is a moving object (S25). On the other hand, if it is determined in step S24 that there is periodicity (S24: YES), an aperiodic maximum value is detected from a maximum value equal to or greater than a predetermined neighboring value Th1 (S26). The aperiodic maximum value corresponds to, for example, a maximum value M3 shown in FIG. The maximum value M3 is different from the other maximum values M, M1, and M2 in the interval between the adjacent maximum values. Therefore, the stationary object determination unit 38 determines that the maximum value M3 is a non-periodic maximum value without periodicity.
  • the stationary object determination unit 38 determines that a periodic stationary object exists because there is periodicity and there is no aperiodic maximum value. (S23).
  • the stationary object determination unit 38 determines whether or not the periodic maximum values M, M1, and M2 are lower than the previous value (S27). ). In this process, the stationary object determination unit 38 calculates the average value of the periodic maximum values M, M1, and M2 in the current process, and also calculates the average value of the periodic maximum values in the previous process. The stationary object determination unit 38 determines whether the average value of the current process is lower than the average value of the previous process by a predetermined value or more.
  • the stationary object determination unit 38 asks the other vehicle or the like for the question of the vehicle V and the periodic stationary object. Is detected and a moving object is detected (S25).
  • the stationary object determination unit 38 is located behind the periodic stationary object as viewed from the host vehicle V. It is determined that another vehicle VX or the like has entered, and a periodic stationary object is detected (S23).
  • FIG. 30 is a diagram showing details of step S27 shown in FIG. 29, where (a) shows a case where another vehicle V0 has entered the near side of the periodic stationary object, and (b) is a scene in (a). A histogram is shown. Further, (c) shows a case where another vehicle V0 enters the back side of the periodic stationary object, and (d) shows a histogram in the scene of (c).
  • a broken line indicates a histogram before entering another vehicle
  • a solid line indicates a histogram after entering another vehicle.
  • the stationary object determination unit 38 detects the other vehicle V0 (moving object).
  • the grounding points (feature points) of a plurality of three-dimensional objects are extracted from the image and data of a predetermined region of the bird's-eye view image, and the distribution of the grounding points within the predetermined detection region is performed.
  • Histograms (waveform data) corresponding to each of the three-dimensional objects are calculated based on whether the peak value of the histogram, the number of votes in the peak interval, etc. (peak information) is equal to or greater than a predetermined threshold. It is determined whether it is a candidate for a stationary object. The peak value of the histogram, the number of votes in the peak interval, etc.
  • peak information can be applied as one aspect of the periodicity evaluation value
  • predetermined threshold can be applied as one aspect of the periodicity evaluation threshold.
  • the periodicity (repeatability) of a periodic stationary object can be more clearly extracted as peak information of waveform data, and periodic stationary object candidates can be extracted from the three-dimensional objects included in the captured image. It can be extracted more easily. This makes it possible to extract a periodic stationary object with higher accuracy.
  • the stationary object determination unit 38 detects an edge distribution.
  • the stationary object determination unit 38 can cause the edge detection unit 36 to detect the edge distribution and obtain the result.
  • the stationary object determination unit 38 calculates a luminance difference for the bird's-eye view image data converted by the viewpoint conversion unit 31 in order to detect an edge (feature point) of the periodic stationary object included in the bird's-eye view image. Do.
  • the stationary object determination unit 38 calculates the luminance difference between the two pixels near each position for each of a plurality of positions along the vertical imaginary line extending in the vertical direction in the real space.
  • the stationary object determination unit 38 continuously obtains a luminance difference between a point on the first vertical imaginary line and a point on the second vertical imaginary line along the first vertical imaginary line.
  • the stationary object determination unit 38 corresponds to a line segment extending in the vertical direction from a point on the ground line L1 in the real space, and passes through the detection area A1 (hereinafter referred to as the first vertical imaginary line Kai).
  • the stationary object determination unit 38 corresponds to each of the plurality of attention lines Lai, corresponds to a line segment extending in the vertical direction from a point on the ground line L1 in real space, and passes through the detection region A1.
  • a plurality of Lri (hereinafter referred to as reference lines Lri) are set.
  • Each reference line Lri is set at a position that is separated from the corresponding attention line Lai in the real space by a predetermined distance (for example, 10 cm).
  • the line corresponding to the line segment extending in the vertical direction in the real space is a line that spreads radially from the position Ps of the camera 10 in the bird's-eye view image.
  • the stationary object determination unit 38 sets a plurality of attention points Paj on each attention line Lai.
  • attention points Pa1 to Pa8 are set, but the number of attention points Paj is not particularly limited.
  • the stationary object determination unit 38 sets a plurality of reference points Prj each corresponding to the attention point Paj on each reference line Lri.
  • the attention point Paj and the reference point Prj corresponding to each other are set at substantially the same height in the real space. It should be noted that the attention point Paj and the reference point Prj do not necessarily have exactly the same height, and it is a matter of course that an error that allows the attention point Paj and the reference point Prj to be regarded as the same height is allowed.
  • the stationary object determination unit 38 continuously calculates the luminance difference between the attention point Pai and the reference point Prj corresponding to each other along each attention line Lai.
  • a luminance difference is calculated between the first 1 point of interest Pa1 and the first reference point Pr1
  • a luminance difference is calculated between the second point of interest Pa2 and the second reference point Pr2.
  • the luminance difference between the third to eighth attention points Pa3 to Pa8 and the third to eighth reference points Pr3 to Pr8 is obtained sequentially.
  • the stationary object determination unit 38 determines that an edge element exists between the attention point Pai and the reference point Prj when the luminance difference between the attention point Pai and the reference point Prj is equal to or greater than a predetermined value. Then, the stationary object determination unit 38 counts how many edge elements exist along the same attention line Lai. The stationary object determination unit 38 stores the counted number of edge elements as an attribute of each attention line Lai. The stationary object determination unit 38 performs edge element detection and count processing for all attention lines Lai. In addition, the length of the part which overlaps with detection area
  • FIG. 31 another vehicle V0 is shown in the detection area A1. It is assumed that the attention line Lai is set on the rubber part of the tire of the other vehicle V0, and the reference line Lri is set on the wheel of the tire separated by 10 cm from the attention line Lai. At this time, since the first attention point Pa1 and the first reference point Pr1 are located in the same tire portion, the luminance difference between them is small. On the other hand, since the second to eighth attention points Pa2 to Pa8 are located in the rubber part of the tire and the second to eighth reference points Pr2 to Pr8 are located in the wheel part of the tire, the luminance difference between them is large. Become.
  • the stationary object determination unit 38 sets the second to eighth attention points Pa2 to Pa8 as It is detected that an edge element exists between the second to eighth reference points Pr2 to Pr8. Since there are seven second to eighth attention points Pa2 to Pa8 along the attention line Lai, the edge element is detected seven times, and the count value of the edge element is “7”.
  • the stationary object determination unit 38 graphs the edge element count values obtained for each attention line Lai to obtain an edge distribution waveform (waveform data). Specifically, the stationary object determination unit 38 sets the edge element count value on a plane with the vertical axis representing the edge element count value and the horizontal axis representing the position of the attention line Lai on the ground line L1 in real space. Plot. When the attention lines La1 to Lan are set on the ground line L1 at regular intervals in the real space, the edge element count values obtained for the attention lines Lai are arranged in the order of the attention lines Lai to Lan. The edge distribution waveform can be obtained only by this. In the example shown in FIG. 31, the count value of the edge element is “7” at the position where the attention line Lai set in the rubber part of the tire of the other vehicle V0 intersects the ground line L1 on the bird's-eye view image. Yes.
  • the stationary object determination unit 38 integrates the number of edge elements existing along the vertical imaginary line for each of the plurality of vertical imaginary lines extending in the vertical direction in the real space.
  • An edge distribution waveform (waveform data) is obtained based on the integrated number of edge elements.
  • the stationary object determination unit 38 detects the peak of the edge distribution waveform.
  • the peak is a point at which the count value of the edge element turns from increasing to decreasing on the edge distribution waveform.
  • the stationary object determination unit 38 performs peak detection on the edge distribution waveform after performing noise removal processing using, for example, a low-pass filter and a moving average filter.
  • a peak having a value equal to or greater than a predetermined threshold may be detected as a peak.
  • the predetermined threshold value can be set to a value that is 60% of the maximum value of the edge distribution waveform, for example.
  • the stationary object determination unit 38 counts the number of peaks arranged at equal intervals among the detected peaks. Specifically, the distance between the detected peaks is calculated, peaks whose calculated peak-to-peak distance is within a predetermined range are extracted, and the number is counted.
  • the stationary object determination unit 38 determines whether an object corresponding to each counted peak corresponds to a periodic stationary object candidate based on whether or not the counted number of peaks (peak information) is equal to or greater than a predetermined threshold Th2. Determine whether or not. Specifically, the stationary object determining unit 38 determines that the object corresponding to each counted peak is a periodic stationary object candidate when the number of counted peaks is equal to or greater than a predetermined threshold Th2.
  • the threshold value Th2 is a value determined according to the type of a periodic stationary object that is a detection target, such as a pylon, a guardrail leg, or a utility pole, and can be obtained through an experiment or the like. Specifically, the threshold Th2 is set to a value of 3 to 100, for example.
  • the stationary object determination unit 38 determines that the periodic stationary object candidate is a periodic stationary object when the periodic stationary object candidate is continuously detected for a predetermined time. Specifically, when a state where the number of peaks is equal to or greater than a predetermined threshold value Th2 is continuously detected for a predetermined time, it is determined that there is a high possibility that the detected periodic stationary object candidate is a periodic stationary object. Then, the stationary object determination unit 38 determines that the object corresponding to each counted peak is a periodic stationary object.
  • the number of peaks counted in the edge distribution waveform is an aspect of the periodicity evaluation value
  • the threshold Th2 is an aspect of the periodicity evaluation threshold.
  • the threshold value Th2 is a threshold value as a second periodicity evaluation threshold value set from the viewpoint of identifying the structure Q2 such as the guardrail described above, and a first periodicity evaluation threshold value set from the viewpoint of identifying the other vehicle VX. And a threshold value.
  • the “predetermined time” is a value determined according to the type of the periodic stationary object that is the detection target, and can be obtained through an experiment or the like. It may be a fixed value or may be varied according to the imaging interval of the camera 10 or the moving speed of the host vehicle V. Specifically, the “predetermined time” is set to 0.1 to 5 seconds, for example.
  • 32 and 33 are flowcharts of the periodic stationary object detection process. 32 and 33, for the sake of convenience, the processing for the detection area A1 will be described, but the same processing can be performed for the detection area A2.
  • step S31 viewpoint conversion processing is performed based on the obtained captured image data to create bird's-eye view image data.
  • the stationary object determination unit 38 sets the attention line Lai extending in the vertical direction from a point on the ground line L1 in the real space. Further, a reference line Lri corresponding to a line segment extending in the vertical direction from a point on the ground line L1 in the real space and spaced apart from the corresponding attention line Lai in the real space by a predetermined distance is set.
  • the attention point Paj and the reference point Prj corresponding to each other are set so as to have the same height in the real space.
  • step S34 the stationary object determination unit 38 determines whether or not the luminance difference between the corresponding point of interest Paj and the reference point Prj is equal to or greater than a predetermined value. If it is determined that the luminance difference is greater than or equal to the predetermined value, it is determined that an edge element exists between the target point Paj as the determination target and the reference point Prj. In step S35, the i-th target line Lai is determined. “1” is assigned to the count value (bincount (i)). If it is determined in step S34 that the luminance difference is less than the predetermined value, it is determined that there is no edge element between the target point Paj to be determined and the reference point Prj, and the process proceeds to step S36. .
  • step S36 the stationary object determination unit 38 determines whether or not the process of step S34 has been executed for all the attention points Paj on the attention line Lai that is currently being processed. If it is determined that the process of step S34 has not been executed for all the attention points Paj, the process returns to step S34, the luminance difference between the next attention point Paj + 1 and the reference point Prj + 1 is obtained, and the luminance difference is equal to or greater than a predetermined value. It is determined whether or not. In this way, the stationary object determination unit 38 sequentially and continuously obtains the luminance difference between the attention point Paj and the reference point Prj along the attention line Lai, and the obtained luminance difference becomes a predetermined value or more. If it is determined that there is an edge element.
  • step S35 the stationary object determination unit 38 assigns “1” to the count value (bincount (i)) of the first attention line Lai, and then proceeds to step S37.
  • a luminance difference between Paj + 1 and the reference point Prj + 1 is obtained, and it is determined whether or not the luminance difference is a predetermined value or more. If it is determined that the luminance difference is greater than or equal to the predetermined value, the stationary object determination unit 38 determines that an edge element exists between the target point Paj + 1 and the reference point Prj + 1 that are the determination targets, and in step S38, The count value (bincount (i)) of the i-th attention line lai is counted up.
  • step S37 determines in step S37 that the luminance difference is less than the predetermined value, the stationary object determination unit 38 determines that there is no edge element between the target point Paj + 1 and the reference point Prj + 1 as the determination target. Then, step S38 is skipped and the process proceeds to step S39.
  • step S39 the stationary object determination unit 38 determines whether or not the process of step S34 or step S37 has been executed for all the attention points Paj on the attention line Lai that is currently being processed. If it is determined that the above process has not been executed for all the attention points Paj, the process returns to step S37 to obtain the luminance difference between the next attention point Paj + 1 and the reference point Prj + 1, and the luminance difference is a predetermined value. It is determined whether it is above. If it is determined in step S39 that the above processing has been executed for all the points of interest Paj, the process proceeds to step S41.
  • the stationary object determination unit 38 counts how many edge elements exist along the same attention line Lai, and stores the counted even number of edge elements as an attribute (bincount (i)) of the attention line Lai.
  • step S36 determines that there is no edge element on the attention line Lai that is currently the object of processing. to decide.
  • the stationary object determination unit 38 substitutes “0” for bincount (i), and proceeds to step S41.
  • step S41 if the above process is executed for all n attention lines Lai, the process proceeds to step S42. If the above process is not executed, the processes after step S34 are performed.
  • the peak of the edge wrinkle distribution waveform is detected.
  • step S44 the distance between each detected peak is calculated.
  • step S45 peaks whose calculated peak-to-peak distance is within a predetermined range are extracted, and the number is counted.
  • the stationary object determination unit 38 may cause the edge line detection unit 36 and the three-dimensional object detection unit 37 to perform edge detection processing and acquire the processing result.
  • step S46 the stationary object determination unit 38 determines whether or not the number of peaks counted in step S46 is equal to or greater than a predetermined threshold Th2. If it is determined that the number of peaks is equal to or greater than the predetermined threshold Th2, the stationary object determination unit 38 determines that an object corresponding to each peak is a periodic stationary object candidate, and the process proceeds to step S47.
  • step S47 the stationary object determination unit 38 determines whether or not a state in which the number of peaks is equal to or greater than a predetermined threshold Th2 has been continuously detected a predetermined number of times or more. If it is determined that a state in which the number of peaks is equal to or greater than the predetermined threshold Th2 has been continuously detected a predetermined number of times or more, the stationary object determination unit 38 is an object corresponding to each counted peak is a periodic stationary object. In step S48, “1” is substituted for the flag f_shuki.
  • step S47 if it is determined in step S47 that the state in which the number of peaks is equal to or greater than the predetermined threshold Th2 has not been continuously detected a predetermined number of times or more, the stationary object determination unit 38 skips step S48 and sets the flag f_shuki Maintain the value of.
  • step S47 If it is determined in step S47 that the number of peaks is less than the predetermined threshold Th2, the process proceeds to step S49, and the stationary object determination unit 38 is in a state where the number of peaks is less than the predetermined threshold Th2 in step S49. It is determined whether or not it has been continuously detected a predetermined number of times.
  • the number of detections in a state where the number of peaks is less than the predetermined threshold Th2 may be an aspect of the periodicity evaluation value, and the predetermined number of times may be an aspect of the periodicity evaluation threshold.
  • the predetermined number is the number of times as the second periodicity evaluation threshold set from the viewpoint of identifying the structure Q2 such as the guardrail described above, and the first periodicity evaluation threshold set from the viewpoint of identifying the other vehicle VX. And a threshold value. Both the threshold value Th2 and the predetermined number of times described above can be set as the periodicity evaluation threshold value. When it is determined that the state where the number of peaks is less than the predetermined threshold Th2 has been continuously detected a predetermined number of times or more, the stationary object determination unit 38 does not correspond to the counted peaks. In step S50, “0” is substituted for the flag f_shuki.
  • step S49 when the state where the number of peaks is less than the predetermined threshold value Th2 has not been detected continuously for a predetermined number of times, the stationary object determination unit 38 skips step S50 and sets the value of the flag f_shuki. To maintain.
  • edges (feature points) of a plurality of three-dimensional objects are extracted from image data of a predetermined area of a bird's-eye view image, and the distribution of edges in the predetermined area Calculate the edge distribution waveform (waveform data) corresponding to the number of three-dimensional objects based on whether the number of peaks (peak information) in the edge distribution waveform is equal to or greater than a predetermined threshold. It is determined whether or not. Therefore, as in the first embodiment, the periodicity (repeatability) of the periodic stationary object can be more clearly extracted as the peak information of the waveform data, and the periodicity can be extracted from the three-dimensional object included in the captured image. Target stationary object candidates can be extracted more easily. This makes it possible to extract a periodic stationary object with higher accuracy.
  • the number of edge elements existing along the vertical imaginary line is integrated, and an edge distribution waveform is obtained based on the integrated number of edge elements. Then, when the number of peaks of the edge distribution waveform is equal to or greater than a predetermined threshold Th2, it is determined that a plurality of three-dimensional objects are periodic stationary object candidates. For this reason, even if it is not determined whether the detected three-dimensional object is a stationary object or a moving object, it is possible to reliably detect a case where edges extending in the vertical direction are arranged at high density, and to periodically stop Periodic stationary object candidates that are more likely to be objects can be detected more easily.
  • the stationary object determination unit 38 detects irregular edge points that are irregularly arranged without satisfying the predetermined condition of the artificial three-dimensional object from the bird's-eye view image data of the detection areas A1 and A2 subjected to the viewpoint conversion by the viewpoint conversion unit 331.
  • the predetermined condition of the artificial three-dimensional object is that edge points are arranged substantially linearly at a predetermined density or more on the bird's-eye view image data of the detection areas A1 and A2.
  • the stationary object determination unit 38 can cause the edge line detection unit 36 and the three-dimensional object detection unit 37 to execute the edge information processing and acquire the processing result.
  • FIG. 34 is a diagram showing edge points on the bird's-eye view image data of the detection area A1.
  • the edge points P located in the regions R1 and R2 are arranged substantially linearly at a predetermined density or more, and satisfy a predetermined condition of an artificial three-dimensional object.
  • the edge points P located outside the regions R1 and R2 are not substantially linearly arranged with a predetermined density or more, and do not satisfy the predetermined condition of the artificial three-dimensional object.
  • the stationary object determination unit 38 detects an edge point P located outside the regions R1 and R2 among the plurality of edge points P as an irregular edge point P1.
  • the stationary object determination unit 38 detects the edge point P from the bird's-eye view image data of the detection areas A1 and A2.
  • the edge point P is detected by performing a binarization process by applying a Laplacian filter to the bird's-eye view image data.
  • the stationary object determination unit 38 detects, among the detected edge points P, regular edge points P2 that are regularly arranged to satisfy a predetermined condition of the artificial solid object.
  • the stationary object determination unit 38 detects regular edge points P2 in the bird's-eye view image data of the detection areas A1 and A2 on the condition that the edge points P are arranged in a radial direction from the camera 10 at a predetermined density or more.
  • the stationary object determination unit 38 defines a straight line extending in the radial direction from the camera 10 and determines a region that falls within a predetermined pixel (for example, 10 pixels) from the straight line.
  • the stationary object determination unit 38 determines that the edge points P in this region are arranged substantially linearly, and determines whether the edge points P in the region are located within a predetermined distance (predetermined pixel) from each other. Thus, it is determined whether or not they are arranged at a predetermined density or higher.
  • the stationary object determination unit 38 subtracts the number of the regular edge points P2 from the number of the detected edge points P to obtain the number of the irregular edge points P1. Detect as a number.
  • the stationary object determination unit 38 determines whether or not there is at least one of grass, mud, and snow that includes mottle and dirt in the detection areas A1 and A2. In the determination, the stationary object determination unit 38 refers to the number of detected irregular edge points P1.
  • FIG. 35 is a diagram showing edge points P in the bird's-eye view image data of the detection area A1, (a) showing the edge points P of the vehicle (tire portion), (b) showing the grass edge points P, (C) shows an edge point P of snow.
  • the vehicle (tire) is an artifact.
  • the edge points P tend to be regularly arranged. Therefore, as shown in FIG. 35 (a), the number of irregular edge points P1 decreases and the regular edge points P2 tend to increase for the vehicle.
  • grass and snow are not artificial three-dimensional objects, as shown in FIGS. 35 (b) and 35 (c), there are few edge points P (that is, regular edge points P2) arranged substantially linearly at a predetermined density.
  • the stationary object determination unit 38 can determine grass or snow by comparing the number of irregular edge points P1 with a predetermined threshold value.
  • the value of the irregular edge point P1 is an aspect of the irregularity evaluation value
  • the predetermined threshold to be compared is an aspect of the irregularity evaluation threshold.
  • the predetermined threshold includes at least a threshold as an irregularity evaluation threshold set from the viewpoint of identifying the shade Q1 and the grass / snow Q3.
  • the stationary object determination unit 38 preferably detects grass or snow based on the ratio of the number of irregular edge points P1 to the number of edge points P or the number of regular edge points P2.
  • the number of edge points P may increase or decrease under the influence of the light environment at the time of image capturing. For this reason, the stationary object determination unit 38 is less susceptible to the influence of the light environment to compare the ratio and the predetermined threshold than to simply compare the number of irregular edge points P1 and the predetermined threshold. Snow can be judged accurately.
  • the ratio of the number of edge points P or the number of irregular edge points P1 to the number of regular edge points P2 is an aspect of the irregularity evaluation value
  • the predetermined threshold value for the ratio to be compared is irregular. It is one aspect
  • the predetermined threshold includes at least a threshold as an irregularity evaluation threshold set from the viewpoint of identifying the shade Q1 and the grass / snow Q3.
  • FIG. 36 is a flowchart showing the snow / grass wall detection method according to this embodiment.
  • the stationary object determination unit 38 first applies a Laplacian filter to the bird's-eye view image data obtained by the viewpoint conversion of the viewpoint conversion unit 31 (S1). As a result, the pixel value of the pixel corresponding to the edge point P is increased, and the pixel values of other pixels are decreased.
  • the stationary object determination unit 38 performs the binarization process on the image on which the Laplacian filter is applied (S2) to clarify the edge point P. Then, the stationary object determination unit 38 counts the number N of edge points P (S3).
  • the stationary object determination unit 38 detects the regular edge point P2 in the processing of steps S4 and S5, using the condition that the edge points P are arranged in a radial direction from the camera 10 at a predetermined density or more as a condition of the artificial solid object.
  • the number M of regular edge points P2 is counted. That is, the stationary object determination unit 38 first detects a vertical edge (S4), and counts the number M of edge points P around the vertical edge (for example, within 10 pixels from the vertical edge) (S5).
  • the stationary object determination unit 38 counts in step S3, and subtracts the number M of regular edge points P2 calculated in step S5 from the calculated number N of edge points P, whereby the number of irregular edge points P1.
  • L is calculated (S6).
  • the stationary object determination unit 38 calculates the ratio (S7).
  • the stationary object determination unit 38 calculates the ratio of the number L of the irregular edge points P1 to the number N of the edge points P or the number M of the regular edge points P2 from the expression L / N or L / M. . As long as this ratio includes L / N or L / M, other numbers may be added or subtracted, or may be multiplied or divided.
  • the stationary object determination unit 38 determines whether or not the ratio calculated in step S7 is equal to or greater than a predetermined threshold (S8).
  • a predetermined threshold S8: YES
  • the stationary object determination unit 38 determines that grass or snow exists in the detection areas A1 and A2 (S9).
  • the control unit 39 transmits a control command for suppressing the detection or determination of the three-dimensional object to the three-dimensional object detection unit 37 and the three-dimensional object determination unit 34 (S10).
  • the three-dimensional object detection unit 37 and the three-dimensional object determination unit 34 recognize that there is an image derived from grass or snow in the detection areas A1 and A2, and prevent erroneous detection of the grass or snow as the other vehicle VX. be able to.
  • the stationary object determination unit 38 determines that there is no grass or snow image in the detection areas A1 and A2.
  • the irregular edge point P1 that does not satisfy the predetermined condition of the artificial three-dimensional object and is irregularly arranged is detected. It is determined whether grass and snow exist based on the number L of regular edge points P1.
  • the edge points P tend to be regularly arranged because they are artifacts.
  • the edge points P are easily arranged irregularly because they are not artifacts. Therefore, the former and the latter can be distinguished from the number L of irregular edge points P1. Accordingly, it is possible to improve the determination accuracy of grass and snow.
  • edge point P is detected from the image data in the detection areas A1 and A2, and the regular edge point P2 regularly arranged satisfying the condition of the predetermined artificial three-dimensional object is detected. Subtract. For this reason, irregular edge points P1 arranged irregularly can be detected by grasping the whole edge points P and subtracting the regular edge points P2.
  • the ratio between the number N of edge points P or the number M of regular edge points P2 and the number L of irregular edge points P1 at least one of grass and snow exists in the detection areas A1 and A2. Determine whether. For this reason, even when the number of edge points P is detected more or less due to differences in the light environment, the number N of edge points P or the number M of regular edge points P2, and the irregular edge points
  • the number L of P1 is detected in the same way as a large number or a small number. Therefore, it can be said that the ratio itself is hardly affected by the light environment. Therefore, it is possible to detect grass and snow that are not easily affected by changes in the light environment.
  • the regular edge points P1 are extracted on the condition that the edge points are arranged in a substantially linear manner at a predetermined density or more in a state where the image data of the detection areas A1 and A2 are viewed from a bird's-eye view. For this reason, the regular edge point P1 is likely to be detected for an object having a large number of linear components such as an artificial object, and the regular edge point P1 is difficult to be detected for grass or snow. Therefore, grass and snow can be detected more accurately.
  • the regular edge points P2 are detected on condition that the edge points P are arranged in a radial direction from the camera 10 in a radial direction in a state where the image data of the detection areas A1 and A2 are viewed in a bird's eye view. Therefore, a component extending in the vertical direction in the real space is detected as the regular edge point P2, and the vertical edge point P of the vehicle that is a three-dimensional object can be captured. The difference can be clarified.
  • the irregularity of the edge described above can be grasped as a feature of the difference image information of the present invention. That is, when the difference image information is generated, a predetermined difference is calculated on the difference image along the direction in which the three-dimensional object falls when the viewpoint image of the bird's eye view image is converted on the difference image of the aligned bird's eye view image. The number of pixels of the indicated pixel is counted to form a frequency distribution, but a pixel indicating a predetermined difference on this difference image is treated as an edge in the irregularity processing, and the above method is applied based on the frequency distribution of this pixel. To determine irregularities.
  • the periodicity evaluation value for evaluating periodicity and the irregularity for evaluating irregularity based on the difference waveform information or edge information of the captured image.
  • the image information includes a shadow of a tree having periodicity and irregularity. Therefore, it is possible to prevent erroneous detection of the shadow of a tree existing along the traveling path of the vehicle as another vehicle traveling in the adjacent lane adjacent to the traveling lane of the own vehicle. .
  • the periodicity evaluation value is greater than or equal to the first periodicity evaluation threshold and less than the second periodicity evaluation threshold
  • the irregularity evaluation value is the irregularity evaluation value.
  • the threshold it can be determined that the three-dimensional object detected by the three-dimensional object detection unit 33 is grass or snow Q3 existing along the traveling path of the host vehicle V.
  • Grass / snow Q2 and tree shade Q1 both have irregularities, and it is not easy to identify them.
  • tree shade Q1 and grass / snow Q2 are narrowed down based on the periodicity evaluation value. Therefore, by identifying the tree shade Q1 or the grass / snow Q2 based on the irregularity evaluation value, the tree shade Q1 can be accurately identified from the grass / snow Q2.
  • the detected three-dimensional object is a structure Q2 such as a guardrail. It can be judged that there is. Since the periodicity of the structure Q2 such as the guardrail and the periodicity of the tree shade Q3 can be distinguished relatively clearly, by setting the second periodicity evaluation threshold based on the periodicity of the structure Q2 such as the guardrail, the tree shadow Q3 and grass / snow Q2 can be accurately distinguished from structures Q2 such as guardrails. As a result, the tree shade Q1 can be accurately identified.
  • the detected three-dimensional object is a moving body, for example, another vehicle VX. Judgment can be made. Although the periodicity of the other vehicle VX and the periodicity of the grass / snow Q2 are both low, an identifiable difference can be found, so the first periodicity evaluation threshold is set based on the periodicity of the other vehicle VX. Thus, the shade Q3 and the grass / snow Q2 can be accurately identified from the other vehicle VX. As a result, the tree shade Q1 can be accurately identified.
  • the first periodicity which is a lower threshold for determining grass / snow Q3 and shade Q1. Since the evaluation threshold value is changed to a high value, it is possible to easily determine that the three-dimensional object is the other vehicle VX. As a result, the tree shade Q1 can be accurately determined without failing to detect the other vehicle VX even in a dark situation. Since it is difficult to detect the periodicity of the other vehicle VX in a dark situation, it is preferable from the viewpoint of ensuring safety to easily determine that the three-dimensional object is the other vehicle VX.
  • the first periodicity evaluation threshold that is a lower threshold for determining grass / snow Q3 and shade Q1 Because there are many advertising towers, billboards, and other structures, the shadow of Q1 or grass / snow Q3 reflected in the road detection areas A1 and A2 tends to be low.
  • the periodicity of the shade Q1 can be accurately determined.
  • the host vehicle is changed by increasing the first threshold value ⁇ . Since the detection sensitivity can be adjusted so that the other vehicle VX traveling next to the V traveling lane is not easily detected, it is possible to prevent erroneous detection of the image of the shade Q1 as the other vehicle VX traveling in the adjacent lane. .
  • the output value when generating the differential waveform information is lowered.
  • the detection sensitivity can be adjusted so that the other vehicle VX traveling next to the traveling lane of the host vehicle V is difficult to detect, the image of the shade Q1 is erroneously detected as the other vehicle VX traveling in the adjacent lane. Can be prevented.
  • the threshold for determination when generating edge information is increased.
  • the detection sensitivity can be adjusted so that the other vehicle VX traveling next to the traveling lane of the host vehicle V is difficult to detect, so the image of the shade Q1 is erroneously detected as the other vehicle VX traveling in the adjacent lane. Can be prevented.
  • the camera 10 corresponds to an imaging unit according to the present invention
  • the viewpoint conversion unit 31 corresponds to an image conversion unit according to the present invention
  • the alignment unit 32 and the three-dimensional object detection unit 33 include a three-dimensional object detection according to the present invention.
  • the brightness difference calculation unit 35, the edge line detection unit 36, and the three-dimensional object detection unit 37 correspond to a three-dimensional object detection unit according to the present invention
  • the three-dimensional object determination unit 34 corresponds to a three-dimensional object determination unit.
  • the stationary object determination unit 38 corresponds to a stationary object determination unit
  • the control unit 39 corresponds to a control unit
  • the vehicle speed sensor 20 corresponds to a vehicle speed sensor
  • the brightness sensor 50 corresponds to a brightness detection unit.
  • the current position detection device 60 corresponds to current position detection means.
  • SYMBOLS 1 Three-dimensional object detection apparatus 10 ... Camera 20 ... Vehicle speed sensor 30 ... Computer 31 ... Viewpoint conversion part 32 ... Position alignment part 33, 37 ... Three-dimensional object detection part 34 ... Three-dimensional object judgment part 35 ... Luminance difference calculation part 36 ... Edge detection Unit 38 ... stationary object determination unit 40 ... smear detection unit 50 ... brightness sensor 60 ... current position sensors A1, A2 ... detection area CP ... intersection DP ... difference pixels DW t , DW t '... difference waveforms DW t1 to DW m , DW m + k to DW tn ... small areas L1, L2 ... ground lines La and Lb ...

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

　カメラ１０の車両後方の画像情報に基づいて車両後方の検出領域Ａ１，Ａ２に存在する立体物を検出する立体物検出部３３，３７と、前回の処理の結果に基づいて、周期性評価値と不規則性評価値を算出し、周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、不規則性評価値が所定の不規則性評価閾値未満である場合には、検出された立体物が自車両Ｖの走行路に沿って存在する樹木の影（木陰Ｑ１）であると判断する静止物判断部３８と、各処理の制御を行う制御部３９とを備え、制御部３９は、静止物判断部３８により検出された立体物が木陰Ｑ１であると判断された場合に、検出された立体物が他車両ＶＸであると判断されることを抑制する。

Description

立体物検出装置及び立体物検出方法
　本発明は、立体物検出装置及び立体物検出方法に関するものである。
　本出願は、２０１２年４月１６日に出願された日本国特許出願の特願２０１２―０９２９１２に基づく優先権を主張するものであり、文献の参照による組み込みが認められる指定国については、上記の出願に記載された内容を参照により本出願に組み込み、本出願の記載の一部とする。
　車両側方を撮像するカメラを備え、カメラにより撮像された画像と予め記憶されたパターンとをマッチングすることにより、路外の植え込み等の立体物を検出する検出装置が知られている（特許文献１参照）。
特開２００８－２２７６４６号公報
　しかしながら、並木道において見られるような、形状が保たれる幹と形状が変化する葉を備える樹木の影の画像は、周期性と不規則性を備えるため、画像の特徴を画一的に把握することが難しく、種々の立体物の像を含む撮像画像から樹木の影の像を識別することは難しいという問題がある。
　本発明が解決しようとする課題は、周期性と不規則性を備える樹木の影を、自車両の走行車線の隣の隣接車線を走行する他車両として誤検出することを防止して、隣接車線を走行する他車両を高い精度で検出することができる立体物検出装置を提供することである。
　本発明は、撮像画像の差分波形情報又はエッジ情報に基づいて周期性を評価するための周期性評価値と不規則性を評価するための不規則性評価値とを算出し、算出された周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、算出された不規則性評価値が所定の不規則性評価閾値未満である場合には、検出された立体物が自車両の走行路に沿って存在する樹木の影であると判断することにより、上記課題を解決する。
　本発明によれば、撮像画像から算出された差分波形情報又はエッジ情報から算出した周期性評価値が所定値域内であり、同じく差分波形情報又はエッジ情報から算出した不規則性評価値が所定の閾値以上である場合に周期性と不規則性を備える樹木の影が画像情報に含まれていることを識別することができるので、車両の走行路に沿って存在する樹木の影を自車両の走行車線の隣の隣接車線を走行する他車両として誤検出することを防止することができる。この結果、自車両の走行車線の隣の隣接車線を走行する他車両を、高い精度で検出する立体物検出装置を提供することができる。
本発明の立体物検出装置を適用した一実施の形態に係る車両の概略構成図である。 図１の車両の走行状態を示す平面図（差分波形情報による立体物検出）である。 図１の計算機の詳細を示すブロック図である。 図３の位置合わせ部の処理の概要を説明するための図であり、（ａ）は車両の移動状態を示す平面図、（ｂ）は位置合わせの概要を示す画像である。 図３の立体物検出部による差分波形の生成の様子を示す概略図である。 図３の立体物検出部によって分割される小領域を示す図である。 図３の立体物検出部により得られるヒストグラムの一例を示す図である。 図３の立体物検出部による重み付けを示す図である。 図３のスミア検出部による処理及びそれによる差分波形の算出処理を示す図である。 図３の立体物検出部により得られるヒストグラムの他の例を示す図である。 図３の視点変換部、位置合わせ部、スミア検出部及び立体物検出部により実行される差分波形情報を用いた立体物検出方法を示すフローチャート（その１）である。 図３の視点変換部、位置合わせ部、スミア検出部及び立体物検出部により実行される差分波形情報を用いた立体物検出方法を示すフローチャート（その２）である。 図１の車両の走行状態を示す図（エッジ情報による立体物検出）であり、（ａ）は検出領域等の位置関係を示す平面図、（ｂ）は実空間における検出領域等の位置関係を示す斜視図である。 図３の輝度差算出部の動作を説明するための図であり、（ａ）は鳥瞰視画像における注目線、参照線、注目点及び参照点の位置関係を示す図、（ｂ）は実空間における注目線、参照線、注目点及び参照点の位置関係を示す図である。 図３の輝度差算出部の詳細な動作を説明するための図であり、（ａ）は鳥瞰視画像における検出領域を示す図、（ｂ）は鳥瞰視画像における注目線、参照線、注目点及び参照点の位置関係を示す図である。 エッジ線とエッジ線上の輝度分布を示す図であり、（ａ）は検出領域に立体物（車両）が存在している場合の輝度分布を示す図、（ｂ）は検出領域に立体物が存在しない場合の輝度分布を示す図である。 図３の視点変換部、輝度差算出部、エッジ線検出部及び立体物検出部により実行されるエッジ情報を用いた立体物検出方法を示すフローチャート（その１）である。 図３の視点変換部、輝度差算出部、エッジ線検出部及び立体物検出部により実行されるエッジ情報を用いた立体物検出方法を示すフローチャート（その２）である。 エッジ検出動作を説明するための画像例を示す図である。 木陰が映り込んだ検出領域と示す第１の図である。 木陰が映り込んだ検出領域と示す第２の図である。 木陰が映り込んだ検出領域と示す第３の図である。 各検出対象の周期性評価値と不規則性評価値との関係の一例を示す表である。 木陰の判定処理を含む制御手順を示す他の例のフローチャートである。 移動量候補の算出処理を説明するための図であり、図２５(a)は時刻tにおける差分画像ＰＤｔを示し、図２５(b)は持刻t-1における差分画像ＰＤt-1を示す。 位置合わせ部及び立体物検出部の処理を示すフローチャートである。 周期性評価部の処理を示すフローチャートである。 生成されたヒストグラムを示す図である。 周期性評価処理の動作手順を示す図である。 図２９に示すステップＳ２７を説明するための図であり、(a)は周期的静止物の手前側に他車両が進入した場合を示し、(b)は(a)の場面いおけるヒストグラムを示し、(c)は周期的静止物の奥側に他車両が進入した場合を示し、(d)は(c)の場面におけるヒストグラムを示す。 エッジ分布算出処理、カウント処理、周期的静止物候補検出処理、および周期的静止物判断処理を説明するための図である。 周期的静止物の判断処理の動作手順を示す第１のフローチャートである。 周期的静止物の判断処理の動作手順を示す第２のフローチャートである。 検出領域の鳥瞰視画像データ上におけるエッジ点を示す図である。 鳥瞰視画像データにおけるエッジ点を示す図であり、(a)は車両(タイヤ部分)のエッジ点を示し、(b)は草のエッジ点を示し、(C)は雪のエッジ点を示す。 不規則性評価処理を示すフローチャートである。
　図１は、本発明の立体物検出装置１を適用した一実施の形態に係る車両の概略構成図であり、本例の立体物検出装置１は、自車両Ｖの運転者が運転中に注意を払うべき他車両、例えば、自車両Ｖが車線変更する際に接触の可能性がある他車両を障害物として検出する装置である。特に、本例の立体物検出装置１は自車両が走行する車線の隣の隣接車線（以下、単に隣接車線ともいう）を走行する他車両を検出する。また、本例の立体物検出装置１は、検出した他車両の移動距離、移動速度を算出することができる。このため、以下説明する一例は、立体物検出装置１を自車両Ｖに搭載し、自車両周囲において検出される立体物のうち、自車両Ｖが走行する車線の隣の隣接車線を走行する他車両を検出する例を示すこととする。同図に示すように、本例の立体物検出装置１は、カメラ１０と、車速センサ２０と、計算機３０と、明るさセンサ５０と、現在位置検出装置６０とを備える。
　カメラ１０は、図１に示すように自車両Ｖの後方における高さｈの箇所において、光軸が水平から下向きに角度θとなるように自車両Ｖに取り付けられている。カメラ１０は、この位置から自車両Ｖの周囲環境のうちの所定領域を撮像する。本実施形態において自車両Ｖの後方の立体物を検出するために設けられるカメラ１は一つであるが、他の用途のため、例えば車両周囲の画像を取得するための他のカメラを設けることもできる。車速センサ２０は、自車両Ｖの走行速度を検出するものであって、例えば車輪に回転数を検知する車輪速センサで検出した車輪速から車速度を算出する。計算機３０は、車両後方の立体物を検出するとともに、本例ではその立体物について移動距離及び移動速度を算出する。明るさセンサ５０は、自車両Ｖの周囲の明るさを検出する。明るさセンサ５０は、照度計により構成してもよいし、カメラ１０の画像情報から明るさ情報を取得可能な構成にしてもよい。また、直接、明るさを検出せずに、地点と日没時刻とを対応づけた暦情報を参照し、現在位置と時刻とに基づいて自車両Ｖの周囲の現在の明るさを検出することもできる。現在位置検出装置６０は、ＧＰＳを備える自車両Ｖのナビゲーション装置やＧＰＳが内蔵された携帯型のナビゲーション装置から位置情報を取得することもできる。
　図２は、図１の自車両Ｖの走行状態を示す平面図である。同図に示すように、カメラ１０は、所定の画角ａで車両後方側を撮像する。このとき、カメラ１０の画角ａは、自車両Ｖが走行する車線に加えて、その左右の車線についても撮像可能な画角に設定されている。撮像可能な領域には、自車両Ｖの後方であり、自車両Ｖの走行車線の左右隣の隣接車線上の検出対象領域Ａ１，Ａ２を含む。
　図３は、図１の計算機３０の詳細を示すブロック図である。なお、図３においては、接続関係を明確とするためにカメラ１０、車速センサ２０、明るさセンサ５０と、現在位置検出装置６０についても図示する。
　図３に示すように、計算機３０は、視点変換部３１と、位置合わせ部３２と、立体物検出部３３と、検出領域設定部３４と、スミア検出部４０とを備える。本実施形態の計算部３０は、差分波形情報を利用した立体物の検出ブロックに関する構成である。本実施形態の計算部３０は、エッジ情報を利用した立体物の検出ブロックに関する構成とすることもできる。この場合は、図３に示す構成のうち、位置合わせ部３２と、立体物検出部３３から構成されるブロック構成Ａを、破線で囲んだ輝度差算出部３５と、エッジ線検出部３６と、立体物検出部３７から構成されるブロック構成Ｂと置き換えて構成することができる。もちろん、ブロック構成Ａ及びブロック構成Ｂの両方を備え、差分波形情報を利用した立体物の検出を行うとともに、エッジ情報を利用した立体物の検出も行うことができるようにすることができる。ブロック構成Ａ及びブロック構成Ｂを備える場合には、例えば明るさなどの環境要因に応じてブロック構成Ａ又はブロック構成Ｂのいずれかを動作させることができる。以下、各構成について説明する。
《差分波形情報による立体物の検出》
　本実施形態の立体物検出装置１は、車両後方を撮像する単眼のカメラ１により得られた画像情報に基づいて車両後方の右側隣接車線の検出領域Ａ１又は左側隣接車線の検出領域Ａ２に存在する立体物を検出する。検出領域設定部３４は、撮像された画像情報内であって、自車両Ｖの後方の右側及び左側のそれぞれに検出領域Ａ１，Ａ２を設定する。この検出領域Ａ２，Ａ２の位置は特に限定されず、また、処理条件に応じて適宜に設定することができる。
　次に、視点変換部について説明する。視点変換部３１は、カメラ１０による撮像にて得られた所定領域の撮像画像データを入力し、入力した撮像画像データを鳥瞰視される状態の鳥瞰視画像データに視点変換する。鳥瞰視される状態とは、上空から例えば鉛直下向きに見下ろす仮想カメラの視点から見た状態である。この視点変換は、例えば特開２００８－２１９０６３号公報に記載されるようにして実行することができる。撮像画像データを鳥瞰視画像データに視点変換するのは、立体物に特有の鉛直エッジは鳥瞰視画像データへの視点変換により特定の定点を通る直線群に変換されるという原理に基づき、これを利用すれば平面物と立体物とを識別できるからである。なお、視点変換部３１による画像変換処理の結果は、後述するエッジ情報による立体物の検出においても利用される。
　位置合わせ部３２は、視点変換部３１の視点変換により得られた鳥瞰視画像データを順次入力し、入力した異なる時刻の鳥瞰視画像データの位置を合わせる。図４は、位置合わせ部３２の処理の概要を説明するための図であり、（ａ）は自車両Ｖの移動状態を示す平面図、（ｂ）は位置合わせの概要を示す画像である。
　図４（ａ）に示すように、現時刻の自車両ＶがＶ１に位置し、一時刻前の自車両ＶがＶ２に位置していたとする。また、自車両Ｖの後側方向に他車両ＶＸが位置して自車両Ｖと並走状態にあり、現時刻の他車両ＶＸがＶ３に位置し、一時刻前の他車両ＶＸがＶ４に位置していたとする。さらに、自車両Ｖは、一時刻で距離ｄ移動したものとする。なお、一時刻前とは、現時刻から予め定められた時間（例えば１制御周期）だけ過去の時刻であってもよいし、任意の時間だけ過去の時刻であってもよい。
　このような状態において、現時刻における鳥瞰視画像ＰＢｔは図４（ｂ）に示すようになる。この鳥瞰視画像ＰＢｔでは、路面上に描かれる白線については矩形状となり、比較的正確に平面視された状態となるが、位置Ｖ３にある他車両ＶＸの位置については倒れ込みが発生する。また、一時刻前における鳥瞰視画像ＰＢｔ－１についても同様に、路面上に描かれる白線については矩形状となり、比較的正確に平面視された状態となるが、位置Ｖ４にある他車両ＶＸについては倒れ込みが発生する。既述したとおり、立体物の鉛直エッジ（厳密な意味の鉛直エッジ以外にも路面から三次元空間に立ち上がったエッジを含む）は、鳥瞰視画像データへの視点変換処理によって倒れ込み方向に沿った直線群として現れるのに対し、路面上の平面画像は鉛直エッジを含まないので、視点変換してもそのような倒れ込みが生じないからである。
　位置合わせ部３２は、上記のような鳥瞰視画像ＰＢｔ，ＰＢｔ－１の位置合わせをデータ上で実行する。この際、位置合わせ部３２は、一時刻前における鳥瞰視画像ＰＢｔ－１をオフセットさせ、現時刻における鳥瞰視画像ＰＢｔと位置を一致させる。図４（ｂ）の左側の画像と中央の画像は、移動距離ｄ’だけオフセットした状態を示す。このオフセット量ｄ’は、図４（ａ）に示した自車両Ｖの実際の移動距離ｄに対応する鳥瞰視画像データ上の移動量であり、車速センサ２０からの信号と一時刻前から現時刻までの時間に基づいて決定される。
　また、位置合わせ後において位置合わせ部３２は、鳥瞰視画像ＰＢｔ，ＰＢｔ－１の差分をとり、差分画像ＰＤｔのデータを生成する。ここで、差分画像ＰＤｔの画素値は、鳥瞰視画像ＰＢｔ，ＰＢｔ－１の画素値の差を絶対値化したものでもよいし、照度環境の変化に対応するために当該絶対値が所定の閾値ｐを超えたときに「１」とし、超えないときに「０」としてもよい。図４（ｂ）の右側の画像が、差分画像ＰＤｔである。
　図３に戻り、立体物検出部３３は、図４（ｂ）に示す差分画像ＰＤｔのデータに基づいて立体物を検出する。この際、本例の立体物検出部３３は、実空間上における立体物の移動距離についても算出する。立体物の検出及び移動距離の算出にあたり、立体物検出部３３は、まず差分波形を生成する。なお、立体物の時間あたりの移動距離は、立体物の移動速度の算出に用いられる。そして、立体物の移動速度は、立体物が車両であるか否かの判断に用いることができる。
　差分波形の生成にあたって本実施形態の立体物検出部３３は、差分画像ＰＤｔにおいて検出領域を設定する。本例の立体物検出装置１は、自車両Ｖの運転手が注意を払う他車両であり、特に、自車両Ｖが車線変更する際に接触の可能性がある自車両Ｖが走行する車線の隣の車線を走行する他車両を検出対象物として検出する。このため、画像情報に基づいて立体物を検出する本例では、カメラ１により得られた画像のうち、自車両Ｖの右側及び左側に二つの検出領域を設定する。具体的に、本実施形態では、図２に示すように自車両Ｖの後方の左側及び右側に矩形状の検出領域Ａ１，Ａ２を設定する。この検出領域Ａ１，Ａ２において検出された他車両は、自車両Ｖが走行する車線の隣の隣接車線を走行する障害物として検出される。なお、このような検出領域Ａ１，Ａ２は、自車両Ｖに対する相対位置から設定してもよいし、白線の位置を基準に設定してもよい。白線の位置を基準に設定する場合に、移動距離検出装置１は、例えば既存の白線認識技術等を利用するとよい。
　また、立体物検出部３３は、設定した検出領域Ａ１，Ａ２の自車両Ｖ側における辺（走行方向に沿う辺）を接地線Ｌ１，Ｌ２（図２）として認識する。一般に接地線は立体物が地面に接触する線を意味するが、本実施形態では地面に接触する線でなく上記の如くに設定される。なおこの場合であっても、経験上、本実施形態に係る接地線と、本来の他車両ＶＸの位置から求められる接地線との差は大きくなり過ぎず、実用上は問題が無い。
　図５は、図３に示す立体物検出部３３による差分波形の生成の様子を示す概略図である。図５に示すように、立体物検出部３３は、位置合わせ部３２で算出した差分画像ＰＤｔ（図４（ｂ）の右図）のうち検出領域Ａ１，Ａ２に相当する部分から、差分波形ＤＷｔを生成する。この際、立体物検出部３３は、視点変換により立体物が倒れ込む方向に沿って、差分波形ＤＷｔを生成する。なお、図５に示す例では、便宜上検出領域Ａ１のみを用いて説明するが、検出領域Ａ２についても同様の手順で差分波形ＤＷｔを生成する。
　具体的に説明すると、立体物検出部３３は、差分画像ＤＷｔのデータ上において立体物が倒れ込む方向上の線Ｌａを定義する。そして、立体物検出部３３は、線Ｌａ上において所定の差分を示す差分画素ＤＰの数をカウントする。ここで、所定の差分を示す差分画素ＤＰは、差分画像ＤＷｔの画素値が鳥瞰視画像ＰＢｔ，ＰＢｔ－１の画素値の差を絶対値化したものである場合は、所定の閾値を超える画素であり、差分画像ＤＷｔの画素値が「０」「１」で表現されている場合は、「１」を示す画素である。
　立体物検出部３３は、差分画素ＤＰの数をカウントした後、線Ｌａと接地線Ｌ１との交点ＣＰを求める。そして、立体物検出部３３は、交点ＣＰとカウント数とを対応付け、交点ＣＰの位置に基づいて横軸位置、すなわち図５右図の上下方向軸における位置を決定するとともに、カウント数から縦軸位置、すなわち図５右図の左右方向軸における位置を決定し、交点ＣＰにおけるカウント数としてプロットする。
　以下同様に、立体物検出部３３は、立体物が倒れ込む方向上の線Ｌｂ，Ｌｃ…を定義して、差分画素ＤＰの数をカウントし、各交点ＣＰの位置に基づいて横軸位置を決定し、カウント数（差分画素ＤＰの数）から縦軸位置を決定しプロットする。立体物検出部３３は、上記を順次繰り返して度数分布化することで、図５右図に示すように差分波形ＤＷｔを生成する。
　なお、図５左図に示すように、立体物が倒れ込む方向上の線Ｌａと線Ｌｂとは検出領域Ａ１と重複する距離が異なっている。このため、検出領域Ａ１が差分画素ＤＰで満たされているとすると、線Ｌｂ上よりも線Ｌａ上の方が差分画素ＤＰの数が多くなる。このため、立体物検出部３３は、差分画素ＤＰのカウント数から縦軸位置を決定する場合に、立体物が倒れ込む方向上の線Ｌａ，Ｌｂと検出領域Ａ１とが重複する距離に基づいて正規化する。具体例を挙げると、図５左図において線Ｌａ上の差分画素ＤＰは６つあり、線Ｌｂ上の差分画素ＤＰは５つである。このため、図５においてカウント数から縦軸位置を決定するにあたり、立体物検出部３３は、カウント数を重複距離で除算するなどして正規化する。これにより、差分波形ＤＷｔに示すように、立体物が倒れ込む方向上の線Ｌａ，Ｌｂに対応する差分波形ＤＷｔの値はほぼ同じとなっている。
　差分波形ＤＷｔの生成後、立体物検出部３３は一時刻前の差分波形ＤＷｔ－１との対比により移動距離を算出する。すなわち、立体物検出部３３は、差分波形ＤＷｔ，ＤＷｔ－１の時間変化から移動距離を算出する。
　詳細に説明すると、立体物検出部３３は、図６に示すように差分波形ＤＷｔを複数の小領域ＤＷｔ１～ＤＷｔｎ（ｎは２以上の任意の整数）に分割する。図６は、立体物検出部３３によって分割される小領域ＤＷｔ１～ＤＷｔｎを示す図である。小領域ＤＷｔ１～ＤＷｔｎは、例えば図６に示すように、互いに重複するようにして分割される。例えば小領域ＤＷｔ１と小領域ＤＷｔ２とは重複し、小領域ＤＷｔ２と小領域ＤＷｔ３とは重複する。
　次いで、立体物検出部３３は、小領域ＤＷｔ１～ＤＷｔｎ毎にオフセット量（差分波形の横軸方向（図６の上下方向）の移動量）を求める。ここで、オフセット量は、一時刻前における差分波形ＤＷｔ－１と現時刻における差分波形ＤＷｔとの差（横軸方向の距離）から求められる。この際、立体物検出部３３は、小領域ＤＷｔ１～ＤＷｔｎ毎に、一時刻前における差分波形ＤＷｔ－１を横軸方向に移動させた際に、現時刻における差分波形ＤＷｔとの誤差が最小となる位置（横軸方向の位置）を判定し、差分波形ＤＷｔ－１の元の位置と誤差が最小となる位置との横軸方向の移動量をオフセット量として求める。そして、立体物検出部３３は、小領域ＤＷｔ１～ＤＷｔｎ毎に求めたオフセット量をカウントしてヒストグラム化する。
　図７は、立体物検出部３３により得られるヒストグラムの一例を示す図である。図７に示すように、各小領域ＤＷｔ１～ＤＷｔｎと一時刻前における差分波形ＤＷｔ－１との誤差が最小となる移動量であるオフセット量には、多少のバラつきが生じる。このため、立体物検出部３３は、バラつきを含んだオフセット量をヒストグラム化し、ヒストグラムから移動距離を算出する。この際、立体物検出部３３は、ヒストグラムの極大値から立体物の移動距離を算出する。すなわち、図７に示す例において立体物検出部３３は、ヒストグラムの極大値を示すオフセット量を移動距離τ＊と算出する。なおこの移動距離τ＊は、自車両Ｖに対する他車両ＶＸの相対移動距離である。このため、立体物検出部３３は、絶対移動距離を算出する場合には、得られた移動距離τ＊と車速センサ２０からの信号とに基づいて、絶対移動距離を算出することとなる。
　なお、ヒストグラム化にあたり立体物検出部３３は、複数の小領域ＤＷｔ１～ＤＷｔｎ毎に重み付けをし、小領域ＤＷｔ１～ＤＷｔｎ毎に求めたオフセット量を重みに応じてカウントしてヒストグラム化してもよい。図８は、立体物検出部３３による重み付けを示す図である。
　図８に示すように、小領域ＤＷｍ（ｍは１以上ｎ－１以下の整数）は平坦となっている。すなわち、小領域ＤＷｍは所定の差分を示す画素数のカウントの最大値と最小値との差が小さくなっている。立体物検出部３３は、このような小領域ＤＷｍについて重みを小さくする。平坦な小領域ＤＷｍについては、特徴がなくオフセット量の算出にあたり誤差が大きくなる可能性が高いからである。
　一方、小領域ＤＷｍ＋ｋ（ｋはｎ－ｍ以下の整数）は起伏に富んでいる。すなわち、小領域ＤＷｍは所定の差分を示す画素数のカウントの最大値と最小値との差が大きくなっている。立体物検出部３３は、このような小領域ＤＷｍについて重みを大きくする。起伏に富む小領域ＤＷｍ＋ｋについては、特徴的でありオフセット量の算出を正確に行える可能性が高いからである。このように重み付けすることにより、移動距離の算出精度を向上することができる。
　なお、移動距離の算出精度を向上するために上記実施形態では差分波形ＤＷｔを複数の小領域ＤＷｔ１～ＤＷｔｎに分割したが、移動距離の算出精度がさほど要求されない場合は小領域ＤＷｔ１～ＤＷｔｎに分割しなくてもよい。この場合に、立体物検出部３３は、差分波形ＤＷｔと差分波形ＤＷｔ－１との誤差が最小となるときの差分波形ＤＷｔのオフセット量から移動距離を算出することとなる。すなわち、一時刻前における差分波形ＤＷｔ－１と現時刻における差分波形ＤＷｔとのオフセット量を求める方法は上記内容に限定されない。
　図３に戻り、計算機３０はスミア検出部４０を備える。スミア検出部４０は、カメラ１０による撮像によって得られた撮像画像のデータからスミアの発生領域を検出する。なお、スミアはＣＣＤイメージセンサ等に生じる白飛び現象であることから、こうしたスミアが生じないＣＭＯＳイメージセンサ等を用いたカメラ１０を採用する場合にはスミア検出部４０を省略してもよい。
　図９は、スミア検出部４０による処理及びそれによる差分波形ＤＷｔの算出処理を説明するための画像図である。まずスミア検出部４０にスミアＳが存在する撮像画像Ｐのデータが入力されたとする。このとき、スミア検出部４０は、撮像画像ＰからスミアＳを検出する。スミアＳの検出方法は様々であるが、例えば一般的なＣＣＤ（Charge-Coupled Device）カメラの場合、光源から画像下方向にだけスミアＳが発生する。このため、本実施形態では画像下側から画像上方に向かって所定値以上の輝度値を持ち、且つ、縦方向に連続した領域を検索し、これをスミアＳの発生領域と特定する。
　また、スミア検出部４０は、スミアＳの発生箇所について画素値を「１」とし、それ以外の箇所を「０」とするスミア画像ＳＰのデータを生成する。生成後、スミア検出部４０はスミア画像ＳＰのデータを視点変換部３１に送信する。また、スミア画像ＳＰのデータを入力した視点変換部３１は、このデータを鳥瞰視される状態に視点変換する。これにより、視点変換部３１はスミア鳥瞰視画像ＳＢｔのデータを生成する。生成後、視点変換部３１はスミア鳥瞰視画像ＳＢｔのデータを位置合わせ部３３に送信する。また、視点変換部３１は一時刻前のスミア鳥瞰視画像ＳＢｔ－１のデータを位置合わせ部３３に送信する。
　位置合わせ部３２は、スミア鳥瞰視画像ＳＢｔ，ＳＢｔ－１の位置合わせをデータ上で実行する。具体的な位置合わせについては、鳥瞰視画像ＰＢｔ，ＰＢｔ－１の位置合わせをデータ上で実行する場合と同様である。また、位置合わせ後、位置合わせ部３２は、各スミア鳥瞰視画像ＳＢｔ，ＳＢｔ－１のスミアＳの発生領域について論理和をとる。これにより、位置合わせ部３２は、マスク画像ＭＰのデータを生成する。生成後、位置合わせ部３２は、マスク画像ＭＰのデータを立体物検出部３３に送信する。
　立体物検出部３３は、マスク画像ＭＰのうちスミアＳの発生領域に該当する箇所について、度数分布のカウント数をゼロとする。すなわち、図９に示すような差分波形ＤＷｔが生成されていた場合に、立体物検出部３３は、スミアＳによるカウント数ＳＣをゼロとし、補正された差分波形ＤＷｔ’を生成することとなる。
　なお、本実施形態において立体物検出部３３は、車両Ｖ（カメラ１０）の移動速度を求め、求めた移動速度から静止物についてのオフセット量を求める。静止物のオフセット量を求めた後、立体物検出部３３は、ヒストグラムの極大値のうち静止物に該当するオフセット量を無視したうえで、立体物の移動距離を算出する。
　図１０は、立体物検出部３３により得られるヒストグラムの他例を示す図である。カメラ１０の画角内に他車両ＶＸの他に静止物が存在する場合に、得られるヒストグラムには２つの極大値τ１，τ２が現れる。この場合、２つの極大値τ１，τ２のうち、いずれか一方は静止物のオフセット量である。このため、立体物検出部３３は、移動速度から静止物についてのオフセット量を求め、そのオフセット量に該当する極大値について無視し、残り一方の極大値を採用して立体物の移動距離を算出する。
　なお、静止物に該当するオフセット量を無視したとしても、極大値が複数存在する場合、カメラ１０の画角内に他車両ＶＸが複数台存在すると想定される。しかし、検出領域Ａ１，Ａ２内に複数の他車両ＶＸが存在することは極めて稀である。このため、立体物検出部３３は、移動距離の算出を中止する。
　次に差分波形情報による立体物検出手順を説明する。図１１及び図１２は、本実施形態の立体物検出手順を示すフローチャートである。図１１に示すように、先ずステップＳ０において、計算機３０は所定のルールに基づいて検出領域を設定する。この検出領域の設定手法については後に詳述する。そして、計算機３０は、カメラ１０による撮像画像Ｐのデータを入力し、スミア検出部４０によりスミア画像ＳＰを生成する（Ｓ１）。次いで、視点変換部３１は、カメラ１０からの撮像画像Ｐのデータから鳥瞰視画像ＰＢｔのデータを生成すると共に、スミア画像ＳＰのデータからスミア鳥瞰視画像ＳＢｔのデータを生成する（Ｓ２）。
　そして、位置合わせ部３３は、鳥瞰視画像ＰＢｔのデータと、一時刻前の鳥瞰視画像ＰＢｔ－１のデータとを位置合わせすると共に、スミア鳥瞰視画像ＳＢｔのデータと、一時刻前のスミア鳥瞰視画像ＳＢｔ－１のデータとを位置合わせする（Ｓ３）。この位置合わせ後、位置合わせ部３３は、差分画像ＰＤｔのデータを生成すると共に、マスク画像ＭＰのデータを生成する（Ｓ４）。その後、立体物検出部３３は、差分画像ＰＤｔのデータと、一時刻前の差分画像ＰＤｔ－１のデータとから、差分波形ＤＷｔを生成する（Ｓ５）。差分波形ＤＷｔを生成後、立体物検出部３３は、差分波形ＤＷｔのうち、スミアＳの発生領域に該当するカウント数をゼロとし、スミアＳによる影響を抑制する（Ｓ６）。
　その後、立体物検出部３３は、差分波形ＤＷｔのピークが第１閾値α以上であるか否かを判断する（Ｓ７）。ここで、差分波形ＤＷｔのピークが第１閾値α以上でない場合、すなわち差分が殆どない場合には、撮像画像Ｐ内には立体物が存在しないと考えられる。このため、差分波形ＤＷｔのピークが第１閾値α以上でないと判断した場合には（Ｓ７：ＮＯ）、立体物検出部３３は、立体物が存在せず、障害物としての他車両が存在しないと判断する（図１２：Ｓ１６）。そして、図１１及び図１２に示す処理を終了する。
　一方、差分波形ＤＷｔのピークが第１閾値α以上であると判断した場合には（Ｓ７：ＹＥＳ）、立体物検出部３３は、立体物が存在すると判断し、差分波形ＤＷｔを複数の小領域ＤＷｔ１～ＤＷｔｎに分割する（Ｓ８）。次いで、立体物検出部３３は、小領域ＤＷｔ１～ＤＷｔｎ毎に重み付けを行う（Ｓ９）。その後、立体物検出部３３は、小領域ＤＷｔ１～ＤＷｔｎ毎のオフセット量を算出し（Ｓ１０）、重みを加味してヒストグラムを生成する（Ｓ１１）。
　そして、立体物検出部３３は、ヒストグラムに基づいて自車両Ｖに対する立体物の移動距離である相対移動距離を算出する（Ｓ１２）。次に、立体物検出部３３は、相対移動距離から立体物の絶対移動速度を算出する（Ｓ１３）。このとき、立体物検出部３３は、相対移動距離を時間微分して相対移動速度を算出すると共に、車速センサ２０で検出された自車速を加算して、絶対移動速度を算出する。
　その後、立体物検出部３３は、立体物の絶対移動速度が１０ｋｍ／ｈ以上、且つ、立体物の自車両Ｖに対する相対移動速度が＋６０ｋｍ／ｈ以下であるか否かを判断する（Ｓ１４）。双方を満たす場合には（Ｓ１４：ＹＥＳ）、立体物検出部３３は、立体物が他車両ＶＸであると判断する（Ｓ１５）。そして、図１１及び図１２に示す処理を終了する。一方、いずれか一方でも満たさない場合には（Ｓ１４：ＮＯ）、立体物検出部３３は、他車両が存在しないと判断する（Ｓ１６）。そして、図１１及び図１２に示す処理を終了する。
　なお、本実施形態では自車両Ｖの後側方を検出領域Ａ１，Ａ２とし、自車両Ｖが走行中に注意を払うべきである自車両の走行車線の隣を走行する隣接車線を走行する他車両ＶＸを検出すること、特に、自車両Ｖが車線変更した場合に接触する可能性がある否かに重点を置いている。自車両Ｖが車線変更した場合に、自車両の走行車線の隣の隣接車線を走行する他車両ＶＸと接触する可能性がある否かを判断するためである。このため、ステップＳ１４の処理が実行されている。すなわち、本実施形態にけるシステムを高速道路で作動させることを前提とすると、立体物の速度が１０ｋｍ／ｈ未満である場合、たとえ他車両ＶＸが存在したとしても、車線変更する際には自車両Ｖの遠く後方に位置するため問題となることが少ない。同様に、立体物の自車両Ｖに対する相対移動速度が＋６０ｋｍ／ｈを超える場合（すなわち、立体物が自車両Ｖの速度よりも６０ｋｍ／ｈより大きな速度で移動している場合）、車線変更する際には自車両Ｖの前方に移動しているため問題となることが少ない。このため、ステップＳ１４では車線変更の際に問題となる他車両ＶＸを判断しているともいえる。
　また、ステップＳ１４において立体物の絶対移動速度が１０ｋｍ／ｈ以上、且つ、立体物の自車両Ｖに対する相対移動速度が＋６０ｋｍ／ｈ以下であるかを判断することにより、以下の効果がある。例えば、カメラ１０の取り付け誤差によっては、静止物の絶対移動速度を数ｋｍ／ｈであると検出してしまう場合があり得る。よって、１０ｋｍ／ｈ以上であるかを判断することにより、静止物を他車両ＶＸであると判断してしまう可能性を低減することができる。また、ノイズによっては立体物の自車両Ｖに対する相対速度を＋６０ｋｍ／ｈを超える速度に検出してしまうことがあり得る。よって、相対速度が＋６０ｋｍ／ｈ以下であるかを判断することにより、ノイズによる誤検出の可能性を低減できる。
　さらに、ステップＳ１４の処理に代えて、絶対移動速度がマイナスでないことや、０ｋｍ／ｈでないことを判断してもよい。また、本実施形態では自車両Ｖが車線変更した場合に接触する可能性がある否かに重点を置いているため、ステップＳ１５において他車両ＶＸが検出された場合に、自車両の運転者に警告音を発したり、所定の表示装置により警告相当の表示を行ったりしてもよい。
　このように、本例の差分波形情報による立体物の検出手順によれば、視点変換により立体物が倒れ込む方向に沿って、差分画像ＰＤｔのデータ上において所定の差分を示す画素数をカウントして度数分布化することで差分波形ＤＷｔを生成する。ここで、差分画像ＰＤｔのデータ上において所定の差分を示す画素とは、異なる時刻の画像において変化があった画素であり、言い換えれば立体物が存在した箇所であるといえる。このため、立体物が存在した箇所において、立体物が倒れ込む方向に沿って画素数をカウントして度数分布化することで差分波形ＤＷｔを生成することとなる。特に、立体物が倒れ込む方向に沿って画素数をカウントすることから、立体物に対して高さ方向の情報から差分波形ＤＷｔを生成することとなる。そして、高さ方向の情報を含む差分波形ＤＷｔの時間変化から立体物の移動距離を算出する。このため、単に１点の移動のみに着目するような場合と比較して、時間変化前の検出箇所と時間変化後の検出箇所とは高さ方向の情報を含んで特定されるため立体物において同じ箇所となり易く、同じ箇所の時間変化から移動距離を算出することとなり、移動距離の算出精度を向上させることができる。
　また、差分波形ＤＷｔのうちスミアＳの発生領域に該当する箇所について、度数分布のカウント数をゼロとする。これにより、差分波形ＤＷｔのうちスミアＳによって生じる波形部位を除去することとなり、スミアＳを立体物と誤認してしまう事態を防止することができる。
　また、異なる時刻に生成された差分波形ＤＷｔの誤差が最小となるときの差分波形ＤＷｔのオフセット量から立体物の移動距離を算出する。このため、波形という１次元の情報のオフセット量から移動距離を算出することとなり、移動距離の算出にあたり計算コストを抑制することができる。
　また、異なる時刻に生成された差分波形ＤＷｔを複数の小領域ＤＷｔ１～ＤＷｔｎに分割する。このように複数の小領域ＤＷｔ１～ＤＷｔｎに分割することによって、立体物のそれぞれの箇所を表わした波形を複数得ることとなる。また、小領域ＤＷｔ１～ＤＷｔｎ毎にそれぞれの波形の誤差が最小となるときのオフセット量を求め、小領域ＤＷｔ１～ＤＷｔｎ毎に求めたオフセット量をカウントしてヒストグラム化することにより、立体物の移動距離を算出する。このため、立体物のそれぞれの箇所毎にオフセット量を求めることとなり、複数のオフセット量から移動距離を求めることとなり、移動距離の算出精度を向上させることができる。
　また、複数の小領域ＤＷｔ１～ＤＷｔｎ毎に重み付けをし、小領域ＤＷｔ１～ＤＷｔｎ毎に求めたオフセット量を重みに応じてカウントしてヒストグラム化する。このため、特徴的な領域については重みを大きくし、特徴的でない領域については重みを小さくすることにより、一層適切に移動距離を算出することができる。従って、移動距離の算出精度を一層向上させることができる。
　また、差分波形ＤＷｔの各小領域ＤＷｔ１～ＤＷｔｎについて、所定の差分を示す画素数のカウントの最大値と最小値との差が大きいほど、重みを大きくする。このため、最大値と最小値との差が大きい特徴的な起伏の領域ほど重みが大きくなり、起伏が小さい平坦な領域については重みが小さくなる。ここで、平坦な領域よりも起伏の大きい領域の方が形状的にオフセット量を正確に求めやすいため、最大値と最小値との差が大きい領域ほど重みを大きくすることにより、移動距離の算出精度を一層向上させることができる。
　また、小領域ＤＷｔ１～ＤＷｔｎ毎に求めたオフセット量をカウントして得られたヒストグラムの極大値から、立体物の移動距離を算出する。このため、オフセット量にバラつきがあったとしても、その極大値から、より正確性の高い移動距離を算出することができる。
　また、静止物についてのオフセット量を求め、このオフセット量を無視するため、静止物により立体物の移動距離の算出精度が低下してしまう事態を防止することができる。また、静止物に該当するオフセット量を無視したうえで、極大値が複数ある場合、立体物の移動距離の算出を中止する。このため、極大値が複数あるような誤った移動距離を算出してしまう事態を防止することができる。
　なお上記実施形態において、自車両Ｖの車速を車速センサ２０からの信号に基づいて判断しているが、これに限らず、異なる時刻の複数の画像から速度を推定するようにしてもよい。この場合、車速センサが不要となり、構成の簡素化を図ることができる。
　また、上記実施形態においては撮像した現時刻の画像と一時刻前の画像とを鳥瞰図に変換し、変換した鳥瞰図の位置合わせを行ったうえで差分画像ＰＤｔを生成し、生成した差分画像ＰＤｔを倒れ込み方向（撮像した画像を鳥瞰図に変換した際の立体物の倒れ込み方向）に沿って評価して差分波形ＤＷｔを生成しているが、これに限定されない。例えば、一時刻前の画像のみを鳥瞰図に変換し、変換した鳥瞰図を位置合わせした後に再び撮像した画像相当に変換し、この画像と現時刻の画像とで差分画像を生成し、生成した差分画像を倒れ込み方向に相当する方向（すなわち、倒れ込み方向を撮像画像上の方向に変換した方向）に沿って評価することによって差分波形ＤＷｔを生成してもよい。すなわち、現時刻の画像と一時刻前の画像との位置合わせを行い、位置合わせを行った両画像の差分から差分画像ＰＤｔを生成し、差分画像ＰＤｔを鳥瞰図に変換した際の立体物の倒れ込み方向に沿って評価できれば、必ずしも明確に鳥瞰図を生成しなくともよい。
《エッジ情報による立体物の検出》
　次に、図３に示すブロックＡに代えて動作させることが可能である、輝度差算出部３５、エッジ線検出部３６及び立体物検出部３７で構成されるエッジ情報を利用した立体物の検出ブロックＢについて説明する。図１３は、図３のカメラ１０の撮像範囲等を示す図であり、図１３（ａ）は平面図、図１３（ｂ）は、自車両Ｖから後側方における実空間上の斜視図を示す。図１３（ａ）に示すように、カメラ１０は所定の画角ａとされ、この所定の画角ａに含まれる自車両Ｖから後側方を撮像する。カメラ１０の画角ａは、図２に示す場合と同様に、カメラ１０の撮像範囲に自車両Ｖが走行する車線に加えて、隣接する車線も含まれるように設定されている。
　本例の検出領域Ａ１，Ａ２は、平面視（鳥瞰視された状態）において台形状とされ、これら検出領域Ａ１，Ａ２の位置、大きさ及び形状は、距離ｄ１～ｄ４に基づいて決定される。なお、同図に示す例の検出領域Ａ１，Ａ２は台形状に限らず、図２に示すように鳥瞰視された状態で矩形など他の形状であってもよい。なお、本実施形態における検出領域設定部３４も、先述した手法により検出領域Ａ１，Ａ２を設定することができる。
　ここで、距離ｄ１は、自車両Ｖから接地線Ｌ１，Ｌ２までの距離である。接地線Ｌ１，Ｌ２は、自車両Ｖが走行する車線に隣接する車線に存在する立体物が地面に接触する線を意味する。本実施形態においては、自車両Ｖの後側方において自車両Ｖの車線に隣接する左右の車線を走行する他車両ＶＸ等（２輪車等を含む)を検出することが目的である。このため、自車両Ｖから白線Ｗまでの距離ｄ１１及び白線Ｗから他車両ＶＸが走行すると予測される位置までの距離ｄ１２から、他車両ＶＸの接地線Ｌ１，Ｌ２となる位置である距離ｄ１を略固定的に決定しておくことができる。
　また、距離ｄ１については、固定的に決定されている場合に限らず、可変としてもよい。この場合に、計算機３０は、白線認識等の技術により自車両Ｖに対する白線Ｗの位置を認識し、認識した白線Ｗの位置に基づいて距離ｄ１１を決定する。これにより、距離ｄ１は、決定された距離ｄ１１を用いて可変的に設定される。以下の本実施形態においては、他車両ＶＸが走行する位置（白線Ｗからの距離ｄ１２）及び自車両Ｖが走行する位置（白線Ｗからの距離ｄ１１）は大凡決まっていることから、距離ｄ１は固定的に決定されているものとする。
　距離ｄ２は、自車両Ｖの後端部から車両進行方向に伸びる距離である。この距離ｄ２は、検出領域Ａ１，Ａ２が少なくともカメラ１０の画角ａ内に収まるように決定されている。特に本実施形態において、距離ｄ２は、画角ａに区分される範囲に接するよう設定されている。距離ｄ３は、検出領域Ａ１，Ａ２の車両進行方向における長さを示す距離である。この距離ｄ３は、検出対象となる立体物の大きさに基づいて決定される。本実施形態においては、検出対象が他車両ＶＸ等であるため、距離ｄ３は、他車両ＶＸを含む長さに設定される。
　距離ｄ４は、図１３（ｂ）に示すように、実空間において他車両ＶＸ等のタイヤを含むように設定された高さを示す距離である。距離ｄ４は、鳥瞰視画像においては図１３（ａ）に示す長さとされる。なお、距離ｄ４は、鳥瞰視画像において左右の隣接車線よりも更に隣接する車線（すなわち2車線隣りの車線）を含まない長さとすることもできる。自車両Ｖの車線から２車線隣の車線を含んでしまうと、自車両Ｖが走行している車線である自車線の左右の隣接車線に他車両ＶＸが存在するのか、２車線隣りの車線に他車両ＶＸが存在するのかについて、区別が付かなくなってしまうためである。
　以上のように、距離ｄ１～距離ｄ４が決定され、これにより検出領域Ａ１，Ａ２の位置、大きさ及び形状が決定される。具体的に説明すると、距離ｄ１により、台形をなす検出領域Ａ１，Ａ２の上辺ｂ１の位置が決定される。距離ｄ２により、上辺ｂ１の始点位置Ｃ１が決定される。距離ｄ３により、上辺ｂ１の終点位置Ｃ２が決定される。カメラ１０から始点位置Ｃ１に向かって伸びる直線Ｌ３により、台形をなす検出領域Ａ１，Ａ２の側辺ｂ２が決定される。同様に、カメラ１０から終点位置Ｃ２に向かって伸びる直線Ｌ４により、台形をなす検出領域Ａ１，Ａ２の側辺ｂ３が決定される。距離ｄ４により、台形をなす検出領域Ａ１，Ａ２の下辺ｂ４の位置が決定される。このように、各辺ｂ１～ｂ４により囲まれる領域が検出領域Ａ１，Ａ２とされる。この検出領域Ａ１，Ａ２は、図１３（ｂ）に示すように、自車両Ｖから後側方における実空間上では真四角（長方形）となる。
　図３に戻り、視点変換部３１は、カメラ１０による撮像にて得られた所定領域の撮像画像データを入力する。視点変換部３１は、入力した撮像画像データに対して、鳥瞰視される状態の鳥瞰視画像データに視点変換処理を行う。鳥瞰視される状態とは、上空から例えば鉛直下向き(又は、やや斜め下向き)に見下ろす仮想カメラの視点から見た状態である。この視点変換処理は、例えば特開２００８－２１９０６３号公報に記載された技術によって実現することができる。
　輝度差算出部３５は、鳥瞰視画像に含まれる立体物のエッジを検出するために、視点変換部３１により視点変換された鳥瞰視画像データに対して、輝度差の算出を行う。輝度差算出部３５は、実空間における鉛直方向に伸びる鉛直仮想線に沿った複数の位置ごとに、当該各位置の近傍の２つの画素間の輝度差を算出する。輝度差算出部３５は、実空間における鉛直方向に伸びる鉛直仮想線を１本だけ設定する手法と、鉛直仮想線を２本設定する手法との何れかによって輝度差を算出することができる。
　鉛直仮想線を２本設定する具体的な手法について説明する。輝度差算出部３５は、視点変換された鳥瞰視画像に対して、実空間で鉛直方向に伸びる線分に該当する第１鉛直仮想線と、第１鉛直仮想線と異なり実空間で鉛直方向に伸びる線分に該当する第２鉛直仮想線とを設定する。輝度差算出部３５は、第１鉛直仮想線上の点と第２鉛直仮想線上の点との輝度差を、第１鉛直仮想線及び第２鉛直仮想線に沿って連続的に求める。以下、この輝度差算出部３５の動作について詳細に説明する。
　輝度差算出部３５は、図１４（ａ）に示すように、実空間で鉛直方向に伸びる線分に該当し、且つ、検出領域Ａ１を通過する第１鉛直仮想線Ｌａ（以下、注目線Ｌａという）を設定する。また輝度差算出部３５は、注目線Ｌａと異なり、実空間で鉛直方向に伸びる線分に該当し、且つ、検出領域Ａ１を通過する第２鉛直仮想線Ｌｒ（以下、参照線Ｌｒという）を設定する。ここで参照線Ｌｒは、実空間における所定距離だけ注目線Ｌａから離間する位置に設定される。なお、実空間で鉛直方向に伸びる線分に該当する線とは、鳥瞰視画像においてはカメラ１０の位置Ｐｓから放射状に広がる線となる。この放射状に広がる線は、鳥瞰視に変換した際に立体物が倒れ込む方向に沿う線である。
　輝度差算出部３５は、注目線Ｌａ上に注目点Ｐａ（第１鉛直仮想線上の点）を設定する。また輝度差算出部３５は、参照線Ｌｒ上に参照点Ｐｒ（第２鉛直板想線上の点）を設定する。これら注目線Ｌａ、注目点Ｐａ、参照線Ｌｒ、参照点Ｐｒは、実空間上において図１４（ｂ）に示す関係となる。図１４（ｂ）から明らかなように、注目線Ｌａ及び参照線Ｌｒは、実空間上において鉛直方向に伸びた線であり、注目点Ｐａと参照点Ｐｒとは、実空間上において略同じ高さに設定される点である。なお、注目点Ｐａと参照点Ｐｒとは必ずしも厳密に同じ高さである必要はなく、注目点Ｐａと参照点Ｐｒとが同じ高さとみなせる程度の誤差は許容される。
　輝度差算出部３５は、注目点Ｐａと参照点Ｐｒとの輝度差を求める。仮に、注目点Ｐａと参照点Ｐｒとの輝度差が大きいと、注目点Ｐａと参照点Ｐｒとの間にエッジが存在すると考えられる。このため、図３に示したエッジ線検出部３６は、注目点Ｐａと参照点Ｐｒとの輝度差に基づいてエッジ線を検出する。
　この点をより詳細に説明する。図１５は、輝度差算出部３５の詳細動作を示す図であり、図１５（ａ）は鳥瞰視された状態の鳥瞰視画像を示し、図１５（ｂ）は、図１５（ａ）に示した鳥瞰視画像の一部Ｂ１を拡大した図である。なお図１５についても検出領域Ａ１のみを図示して説明するが、検出領域Ａ２についても同様の手順で輝度差を算出する。
　カメラ１０が撮像した撮像画像内に他車両ＶＸが映っていた場合に、図１５（ａ）に示すように、鳥瞰視画像内の検出領域Ａ１に他車両ＶＸが現れる。図１５（ｂ）に図１５（ａ）中の領域Ｂ１の拡大図を示すように、鳥瞰視画像上において、他車両ＶＸのタイヤのゴム部分上に注目線Ｌａが設定されていたとする。この状態において、輝度差算出部３５は、先ず参照線Ｌｒを設定する。参照線Ｌｒは、注目線Ｌａから実空間上において所定の距離だけ離れた位置に、鉛直方向に沿って設定される。具体的には、本実施形態に係る立体物検出装置１において、参照線Ｌｒは、注目線Ｌａから実空間上において１０ｃｍだけ離れた位置に設定される。これにより、参照線Ｌｒは、鳥瞰視画像上において、例えば他車両ＶＸのタイヤのゴムから１０ｃｍ相当だけ離れた他車両ＶＸのタイヤのホイール上に設定される。
　次に、輝度差算出部３５は、注目線Ｌａ上に複数の注目点Ｐａ１～ＰａＮを設定する。図１５（ｂ）においては、説明の便宜上、６つの注目点Ｐａ１～Ｐａ６（以下、任意の点を示す場合には単に注目点Ｐａｉという）を設定している。なお、注目線Ｌａ上に設定する注目点Ｐａの数は任意でよい。以下の説明では、Ｎ個の注目点Ｐａが注目線Ｌａ上に設定されたものとして説明する。
　次に、輝度差算出部３５は、実空間上において各注目点Ｐａ１～ＰａＮと同じ高さとなるように各参照点Ｐｒ１～ＰｒＮを設定する。そして、輝度差算出部３５は、同じ高さ同士の注目点Ｐａと参照点Ｐｒとの輝度差を算出する。これにより、輝度差算出部３５は、実空間における鉛直方向に伸びる鉛直仮想線に沿った複数の位置（１～Ｎ）ごとに、２つの画素の輝度差を算出する。輝度差算出部３５は、例えば第１注目点Ｐａ１とは、第１参照点Ｐｒ１との間で輝度差を算出し、第２注目点Ｐａ２とは、第２参照点Ｐｒ２との間で輝度差を算出することとなる。これにより、輝度差算出部３５は、注目線Ｌａ及び参照線Ｌｒに沿って、連続的に輝度差を求める。すなわち、輝度差算出部３５は、第３～第Ｎ注目点Ｐａ３～ＰａＮと第３～第Ｎ参照点Ｐｒ３～ＰｒＮとの輝度差を順次求めていくこととなる。
　輝度差算出部３５は、検出領域Ａ１内において注目線Ｌａをずらしながら、上記の参照線Ｌｒの設定、注目点Ｐａ及び参照点Ｐｒの設定、輝度差の算出といった処理を繰り返し実行する。すなわち、輝度差算出部３５は、注目線Ｌａ及び参照線Ｌｒのそれぞれを、実空間上において接地線Ｌ１の存在方向に同一距離だけ位置を変えながら上記の処理を繰り返し実行する。輝度差算出部３５は、例えば、前回処理において参照線Ｌｒとなっていた線を注目線Ｌａに設定し、この注目線Ｌａに対して参照線Ｌｒを設定して、順次輝度差を求めていくことになる。
　図３に戻り、エッジ線検出部３６は、輝度差算出部３５により算出された連続的な輝度差から、エッジ線を検出する。例えば、図１５（ｂ）に示す場合、第１注目点Ｐａ１と第１参照点Ｐｒ１とは、同じタイヤ部分に位置するために、輝度差は、小さい。一方、第２～第６注目点Ｐａ２～Ｐａ６はタイヤのゴム部分に位置し、第２～第６参照点Ｐｒ２～Ｐｒ６はタイヤのホイール部分に位置する。したがって、第２～第６注目点Ｐａ２～Ｐａ６と第２～第６参照点Ｐｒ２～Ｐｒ６との輝度差は大きくなる。このため、エッジ線検出部３６は、輝度差が大きい第２～第６注目点Ｐａ２～Ｐａ６と第２～第６参照点Ｐｒ２～Ｐｒ６との間にエッジ線が存在することを検出することができる。
　具体的には、エッジ線検出部３６は、エッジ線を検出するにあたり、先ず下記の数式１に従って、ｉ番目の注目点Ｐａｉ（座標（ｘｉ，ｙｉ））とｉ番目の参照点Ｐｒｉ（座標（ｘｉ’，ｙｉ’））との輝度差から、ｉ番目の注目点Ｐａｉに属性付けを行う。
[数１]
Ｉ（ｘｉ，ｙｉ）＞Ｉ（ｘｉ’，ｙｉ’）＋ｔのとき
　ｓ（ｘｉ，ｙｉ）＝１
Ｉ（ｘｉ，ｙｉ）＜Ｉ（ｘｉ’，ｙｉ’）－ｔのとき
　ｓ（ｘｉ，ｙｉ）＝－１
上記以外のとき
　ｓ（ｘｉ，ｙｉ）＝０
　上記数式１において、ｔは閾値を示し、Ｉ（ｘｉ，ｙｉ）はｉ番目の注目点Ｐａｉの輝度値を示し、Ｉ（ｘｉ’，ｙｉ’）はｉ番目の参照点Ｐｒｉの輝度値を示す。上記数式１によれば、注目点Ｐａｉの輝度値が、参照点Ｐｒｉに閾値ｔを加えた輝度値よりも高い場合には、当該注目点Ｐａｉの属性ｓ（ｘｉ，ｙｉ）は‘１’となる。一方、注目点Ｐａｉの輝度値が、参照点Ｐｒｉから閾値ｔを減じた輝度値よりも低い場合には、当該注目点Ｐａｉの属性ｓ（ｘｉ，ｙｉ）は‘－１’となる。注目点Ｐａｉの輝度値と参照点Ｐｒｉの輝度値とがそれ以外の関係である場合には、注目点Ｐａｉの属性ｓ（ｘｉ，ｙｉ）は‘０’となる。
　次にエッジ線検出部３６は、下記数式２に基づいて、注目線Ｌａに沿った属性ｓの連続性ｃ（ｘｉ，ｙｉ）から、注目線Ｌａがエッジ線であるか否かを判定する。
[数２]
ｓ（ｘｉ，ｙｉ）＝ｓ（ｘｉ＋１，ｙｉ＋１）のとき（且つ０＝０を除く）、
　ｃ（ｘｉ，ｙｉ）＝１
上記以外のとき、
　ｃ（ｘｉ，ｙｉ）＝０
　注目点Ｐａｉの属性ｓ（ｘｉ，ｙｉ）と隣接する注目点Ｐａｉ＋１の属性ｓ（ｘｉ＋１，ｙｉ＋１）とが同じである場合には、連続性ｃ（ｘｉ，ｙｉ）は‘１’となる。注目点Ｐａｉの属性ｓ（ｘｉ，ｙｉ）と隣接する注目点Ｐａｉ＋１の属性ｓ（ｘｉ＋１，ｙｉ＋１）とが同じではない場合には、連続性ｃ（ｘｉ，ｙｉ）は‘０’となる。
　次にエッジ線検出部３６は、注目線Ｌａ上の全ての注目点Ｐａの連続性ｃについて総和を求める。エッジ線検出部３６は、求めた連続性ｃの総和を注目点Ｐａの数Ｎで割ることにより、連続性ｃを正規化する。エッジ線検出部３６は、正規化した値が閾値θを超えた場合に、注目線Ｌａをエッジ線と判断する。なお、閾値θは、予め実験等によって設定された値である。
　すなわち、エッジ線検出部３６は、下記数式３に基づいて注目線Ｌａがエッジ線であるか否かを判断する。そして、エッジ線検出部３６は、検出領域Ａ１上に描かれた注目線Ｌａの全てについてエッジ線であるか否かを判断する。
[数３]
Σｃ（ｘｉ，ｙｉ）／Ｎ＞θ
　図３に戻り、立体物検出部３７は、エッジ線検出部３６により検出されたエッジ線の量に基づいて立体物を検出する。上述したように、本実施形態に係る立体物検出装置１は、実空間上において鉛直方向に伸びるエッジ線を検出する。鉛直方向に伸びるエッジ線が多く検出されるということは、検出領域Ａ１，Ａ２に立体物が存在する可能性が高いということである。このため、立体物検出部３７は、エッジ線検出部３６により検出されたエッジ線の量に基づいて立体物を検出する。さらに、立体物検出部３７は、立体物を検出するに先立って、エッジ線検出部３６により検出されたエッジ線が正しいものであるか否かを判定する。立体物検出部３７は、エッジ線上の鳥瞰視画像のエッジ線に沿った輝度変化が所定の閾値よりも大きいか否かを判定する。エッジ線上の鳥瞰視画像の輝度変化が閾値よりも大きい場合には、当該エッジ線が誤判定により検出されたものと判断する。一方、エッジ線上の鳥瞰視画像の輝度変化が閾値よりも大きくない場合には、当該エッジ線が正しいものと判定する。なお、この閾値は、実験等により予め設定された値である。
　図１６は、エッジ線の輝度分布を示す図であり、図１６（ａ）は検出領域Ａ１に立体物としての他車両ＶＸが存在した場合のエッジ線及び輝度分布を示し、図１６（ｂ）は検出領域Ａ１に立体物が存在しない場合のエッジ線及び輝度分布を示す。
　図１６（ａ）に示すように、鳥瞰視画像において他車両ＶＸのタイヤゴム部分に設定された注目線Ｌａがエッジ線であると判断されていたとする。この場合、注目線Ｌａ上の鳥瞰視画像の輝度変化はなだらかなものとなる。これは、カメラ１０により撮像された画像が鳥瞰視画像に視点変換されたことにより、他車両ＶＸのタイヤが鳥瞰視画像内で引き延ばされたことによる。一方、図１６（ｂ）に示すように、鳥瞰視画像において路面に描かれた「５０」という白色文字部分に設定された注目線Ｌａがエッジ線であると誤判定されていたとする。この場合、注目線Ｌａ上の鳥瞰視画像の輝度変化は起伏の大きいものとなる。これは、エッジ線上に、白色文字における輝度が高い部分と、路面等の輝度が低い部分とが混在しているからである。
　以上のような注目線Ｌａ上の輝度分布の相違に基づいて、立体物検出部３７は、エッジ線が誤判定により検出されたものか否かを判定する。立体物検出部３７は、エッジ線に沿った輝度変化が所定の閾値よりも大きい場合には、当該エッジ線が誤判定により検出されたものであると判定する。そして、当該エッジ線は、立体物の検出には使用しない。これにより、路面上の「５０」といった白色文字や路肩の雑草等がエッジ線として判定されてしまい、立体物の検出精度が低下することを抑制する。
　具体的には、立体物検出部３７は、下記数式４，５の何れかにより、エッジ線の輝度変化を算出する。このエッジ線の輝度変化は、実空間上における鉛直方向の評価値に相当する。下記数式４は、注目線Ｌａ上のｉ番目の輝度値Ｉ（ｘｉ，ｙｉ）と、隣接するｉ＋１番目の輝度値Ｉ（ｘｉ＋１，ｙｉ＋１）との差分の二乗の合計値によって輝度分布を評価する。下記数式５は、注目線Ｌａ上のｉ番目の輝度値Ｉ（ｘｉ，ｙｉ）と、隣接するｉ＋１番目の輝度値Ｉ（ｘｉ＋１，ｙｉ＋１）との差分の絶対値の合計値よって輝度分布を評価する。
[数４]
鉛直相当方向の評価値＝Σ［｛Ｉ（ｘｉ，ｙｉ）－Ｉ（ｘｉ＋１，ｙｉ＋１）｝２］
[数５]
鉛直相当方向の評価値＝Σ｜Ｉ（ｘｉ，ｙｉ）－Ｉ（ｘｉ＋１，ｙｉ＋１）｜
　なお、数式５に限らず、下記数式６のように、閾値ｔ２を用いて隣接する輝度値の属性ｂを二値化して、当該二値化した属性ｂを全ての注目点Ｐａについて総和してもよい。
[数６]
鉛直相当方向の評価値＝Σｂ（ｘｉ，ｙｉ）
但し、｜Ｉ（ｘｉ，ｙｉ）－Ｉ（ｘｉ＋１，ｙｉ＋１）｜＞ｔ２のとき、
　ｂ（ｘｉ，ｙｉ）＝１
上記以外のとき、
　ｂ（ｘｉ，ｙｉ）＝０
　注目点Ｐａｉの輝度値と参照点Ｐｒｉの輝度値との輝度差の絶対値が閾値ｔ２よりも大きい場合、当該注目点Ｐａ（ｘｉ，ｙｉ）の属性ｂ（ｘｉ，ｙｉ）は‘１’となる。それ以外の関係である場合には、注目点Ｐａｉの属性ｂ（ｘｉ，ｙｉ）は‘０’となる。この閾値ｔ２は、注目線Ｌａが同じ立体物上にないことを判定するために実験等によって予め設定されている。そして、立体物検出部３７は、注目線Ｌａ上の全注目点Ｐａについての属性ｂを総和して、鉛直相当方向の評価値を求めて、エッジ線が正しいものかを判定する。
　次に、本実施形態に係るエッジ情報を利用した立体物検出方法について説明する。図１７及び図１８は、本実施形態に係る立体物検出方法の詳細を示すフローチャートである。なお、図１７及び図１８においては、便宜上、検出領域Ａ１を対象とする処理について説明するが、検出領域Ａ２についても同様の処理が実行される。
　図１７に示すように、まず、先ずステップＳ２０において、計算機３０は所定のルールに基づいて検出領域を設定する。この検出領域の設定手法については後に詳述する。そして、ステップＳ２１において、カメラ１０は、画角ａ及び取付位置によって特定された所定領域を撮像する。次に視点変換部３１は、ステップＳ２２において、ステップＳ２１にてカメラ１０により撮像された撮像画像データを入力し、視点変換を行って鳥瞰視画像データを生成する。
　次に輝度差算出部３５は、ステップＳ２３において、検出領域Ａ１上に注目線Ｌａを設定する。このとき、輝度差算出部３５は、実空間上において鉛直方向に伸びる線に相当する線を注目線Ｌａとして設定する。次に輝度差算出部３５は、ステップＳ２４において、検出領域Ａ１上に参照線Ｌｒを設定する。このとき、輝度差算出部３５は、実空間上において鉛直方向に伸びる線分に該当し、且つ、注目線Ｌａと実空間上において所定距離離れた線を参照線Ｌｒとして設定する。
　次に輝度差算出部３５は、ステップＳ２５において、注目線Ｌａ上に複数の注目点Ｐａを設定する。この際に、輝度差算出部３５は、エッジ線検出部３６によるエッジ検出時に問題とならない程度の数の注目点Ｐａを設定する。また、輝度差算出部３５は、ステップＳ２６において、実空間上において注目点Ｐａと参照点Ｐｒとが略同じ高さとなるように、参照点Ｐｒを設定する。これにより、注目点Ｐａと参照点Ｐｒとが略水平方向に並ぶこととなり、実空間上において鉛直方向に伸びるエッジ線を検出しやすくなる。
　次に輝度差算出部３５は、ステップＳ２７において、実空間上において同じ高さとなる注目点Ｐａと参照点Ｐｒとの輝度差を算出する。次にエッジ線検出部３６は、上記の数式１に従って、各注目点Ｐａの属性ｓを算出する。次にエッジ線検出部３６は、ステップＳ２８において、上記の数式２に従って、各注目点Ｐａの属性ｓの連続性ｃを算出する。次にエッジ線検出部３６は、ステップＳ２９において、上記数式３に従って、連続性ｃの総和を正規化した値が閾値θより大きいか否かを判定する。正規化した値が閾値θよりも大きいと判断した場合（Ｓ２９：ＹＥＳ）、エッジ線検出部３６は、ステップＳ３０において、当該注目線Ｌａをエッジ線として検出する。そして、処理はステップＳ３１に移行する。正規化した値が閾値θより大きくないと判断した場合（Ｓ２９：ＮＯ）、エッジ線検出部３６は、当該注目線Ｌａをエッジ線として検出せず、処理はステップＳ３１に移行する。
　ステップＳ３１において、計算機３０は、検出領域Ａ１上に設定可能な注目線Ｌａの全てについて上記のステップＳ２３～ステップＳ３０の処理を実行したか否かを判断する。全ての注目線Ｌａについて上記処理をしていないと判断した場合（Ｓ３１：ＮＯ）、ステップＳ２３に処理を戻して、新たに注目線Ｌａを設定して、ステップＳ３１までの処理を繰り返す。一方、全ての注目線Ｌａについて上記処理をしたと判断した場合（Ｓ３１：ＹＥＳ）、処理は図１８のステップＳ３２に移行する。
　図１８のステップＳ３２において、立体物検出部３７は、図１７のステップＳ３０において検出された各エッジ線について、当該エッジ線に沿った輝度変化を算出する。立体物検出部３７は、上記数式４，５，６の何れかの式に従って、エッジ線の輝度変化を算出する。次に立体物検出部３７は、ステップＳ３３において、エッジ線のうち、輝度変化が所定の閾値よりも大きいエッジ線を除外する。すなわち、輝度変化の大きいエッジ線は正しいエッジ線ではないと判定し、エッジ線を立体物の検出には使用しない。これは、上述したように、検出領域Ａ１に含まれる路面上の文字や路肩の雑草等がエッジ線として検出されてしまうことを抑制するためである。したがって、所定の閾値とは、予め実験等によって求められた、路面上の文字や路肩の雑草等によって発生する輝度変化に基づいて設定された値となる。
　次に立体物検出部３７は、ステップＳ３４において、エッジ線の量が第２閾値β以上であるか否かを判断する。例えば、検出対象の立体物として四輪車を設定した場合、当該第２閾値βは、予め実験等によって検出領域Ａ１内において出現した四輪車のエッジ線の数に基づいて設定される。エッジ線の量が第２閾値β以上であると判定した場合（Ｓ３４：ＹＥＳ）、立体物検出部３７は、ステップＳ３５において、検出領域Ａ１内に立体物が存在すると検出する。一方、エッジ線の量が第２閾値β以上ではないと判定した場合（Ｓ３４：ＮＯ）、立体物検出部３７は、検出領域Ａ１内に立体物が存在しないと判断する。その後、図１７及び図１８に示す処理は終了する。検出された立体物は、自車両Ｖが走行する車線の隣の隣接車線を走行する他車両ＶＸであると判断してもよいし、検出した立体物の自車両Ｖに対する相対速度を考慮して隣接車線を走行する他車両ＶＸであるか否かを判断してもよい。
　以上のように、本実施形態のエッジ情報を利用した立体物の検出方法によれば、検出領域Ａ１，Ａ２に存在する立体物を検出するために、鳥瞰視画像に対して実空間において鉛直方向に伸びる線分としての鉛直仮想線を設定する。そして、鉛直仮想線に沿った複数の位置ごとに、当該各位置の近傍の２つの画素の輝度差を算出し、当該輝度差の連続性に基づいて立体物の有無を判定することができる。
　具体的には、鳥瞰視画像における検出領域Ａ１，Ａ２に対して、実空間において鉛直方向に伸びる線分に該当する注目線Ｌａと、注目線Ｌａとは異なる参照線Ｌｒとを設定する。そして、注目線Ｌａ上の注目点Ｐａと参照線Ｌｒ上の参照点Ｐｒとの輝度差を注目線Ｌａ及び参照線Ｌａに沿って連続的に求める。このように、点同士の輝度差を連続的に求めることにより、注目線Ｌａと参照線Ｌｒとの輝度差を求める。注目線Ｌａと参照線Ｌｒとの輝度差が高い場合には、注目線Ｌａの設定箇所に立体物のエッジがある可能性が高い。これによって、連続的な輝度差に基づいて立体物を検出することができる。特に、実空間において鉛直方向に伸びる鉛直仮想線同士との輝度比較を行うために、鳥瞰視画像に変換することによって立体物が路面からの高さに応じて引き伸ばされてしまっても、立体物の検出処理が影響されることはない。したがって、本例の方法によれば、立体物の検出精度を向上させることができる。
　また、本例では、鉛直仮想線付近の略同じ高さの２つの点の輝度差を求める。具体的には、実空間上で略同じ高さとなる注目線Ｌａ上の注目点Ｐａと参照線Ｌｒ上の参照点Ｐｒとから輝度差を求めるので、鉛直方向に伸びるエッジが存在する場合における輝度差を明確に検出することができる。
　更に、本例では、注目線Ｌａ上の注目点Ｐａと参照線Ｌｒ上の参照点Ｐｒとの輝度差に基づいて注目点Ｐａに属性付けを行い、注目線Ｌａに沿った属性の連続性ｃに基づいて当該注目線Ｌａがエッジ線であるかを判断するので、輝度の高い領域と輝度の低い領域との境界をエッジ線として検出し、人間の自然な感覚に沿ったエッジ検出を行うことができる。この効果について詳細に説明する。図１９は、エッジ線検出部３６の処理を説明する画像例を示す図である。この画像例は、輝度の高い領域と輝度の低い領域とが繰り返される縞模様を示す第１縞模様１０１と、輝度の低い領域と輝度の高い領域とが繰り返される縞模様を示す第２縞模様１０２とが隣接した画像である。また、この画像例は、第１縞模様１０１の輝度が高い領域と第２縞模様１０２の輝度の低い領域とが隣接すると共に、第１縞模様１０１の輝度が低い領域と第２縞模様１０２の輝度が高い領域とが隣接している。この第１縞模様１０１と第２縞模様１０２との境界に位置する部位１０３は、人間の感覚によってはエッジとは知覚されない傾向にある。
　これに対し、輝度の低い領域と輝度が高い領域とが隣接しているために、輝度差のみでエッジを検出すると、当該部位１０３はエッジとして認識されてしまう。しかし、エッジ線検出部３６は、部位１０３における輝度差に加えて、当該輝度差の属性に連続性がある場合にのみ部位１０３をエッジ線として判定するので、エッジ線検出部３６は、人間の感覚としてエッジ線として認識しない部位１０３をエッジ線として認識してしまう誤判定を抑制でき、人間の感覚に沿ったエッジ検出を行うことができる。
　さらに、本例では、エッジ線検出部３６により検出されたエッジ線の輝度変化が所定の閾値よりも大きい場合には、当該エッジ線が誤判定により検出されたものと判断する。カメラ１０により取得された撮像画像を鳥瞰視画像に変換した場合、当該撮像画像に含まれる立体物は、引き伸ばされた状態で鳥瞰視画像に現れる傾向がある。例えば、上述したように他車両ＶＸのタイヤが引き伸ばされた場合に、タイヤという１つの部位が引き伸ばされるため、引き伸ばされた方向における鳥瞰視画像の輝度変化は小さい傾向となる。これに対し、路面に描かれた文字等をエッジ線として誤判定した場合に、鳥瞰視画像には、文字部分といった輝度が高い領域と路面部分といった輝度が低い領域とが混合されて含まれる。この場合に、鳥瞰視画像において、引き伸ばされた方向の輝度変化は大きくなる傾向がある。したがって、本例のようにエッジ線に沿った鳥瞰視画像の輝度変化を判定することによって、誤判定により検出されたエッジ線を認識することができ、立体物の検出精度を高めることができる。
　さらに、本例では、エッジ線検出部３６により検出されたエッジ線の輝度変化が所定の閾値よりも大きい場合には、当該エッジ線が誤判定により検出されたものと判断する。カメラ１０により取得された撮像画像を鳥瞰視画像に変換した場合、当該撮像画像に含まれる立体物は、引き伸ばされた状態で鳥瞰視画像に現れる傾向がある。例えば、上述したように他車両ＶＸのタイヤが引き伸ばされた場合に、タイヤという１つの部位が引き伸ばされるため、引き伸ばされた方向における鳥瞰視画像の輝度変化は小さい傾向となる。これに対し、路面に描かれた文字等をエッジ線として誤判定した場合に、鳥瞰視画像には、文字部分といった輝度が高い領域と路面部分といった輝度が低い領域とが混合されて含まれる。この場合に、鳥瞰視画像において、引き伸ばされた方向の輝度変化は大きくなる傾向がある。したがって、本例のようにエッジ線に沿った鳥瞰視画像の輝度変化を判定することによって、誤判定により検出されたエッジ線を認識することができ、立体物の検出精度を高めることができる。立体物検出部３３，３７は、さらに乗員への報知や車両制御のため、検出結果を外部の車両コントローラへ送出することもできる。
《立体物の最終判断》
　図３に戻り、本例の立体物検出装置１は、上述した２つの立体物検出部３３（又は立体物検出部３７）と、立体物判断部３４と、静止物判断部３８と、制御部３９とを備える。立体物判断部３４は、立体物検出部３３（又は立体物検出部３７）による検出結果に基づいて、検出された立体物が検出領域Ａ１，Ａ２に存在する他車両ＶＸであるか否かを最終的に判断する。立体物検出部３３（又は立体物検出部３７）は、静止物判断部３８の判断結果を反映させた立体物の検出を行う。静止物判断部３８は、立体物検出部３３（又は立体物検出部３７）により検出された立体物が自車両Ｖの走行路に沿って存在する樹木の影であるか否かを判断する。
　本実施形態の静止物判断部３８は、樹木の影（以下、木陰ともいう）を検出する。自車両Ｖと太陽などの光源との間に樹木が存在すると、樹木の影が検出領域Ａ１，Ａ２に映り込む場合がある。樹木は、幹、太い枝、細い枝、長い枝、短い枝、葉など、複数の態様が異なる構成を有する。これらの各構成は、同じ環境下において異なる挙動を示す。例えば、同じ強さ（風速）の風に吹かれても、幹はほとんど動かず、その位置は不変であるが、太い枝や短い枝は多少搖動し、その位置も多少変動する。さらに、細い枝、長い枝、葉は大きく搖動し、その位置が大きく変化する。このように、樹木の形状の一部分は変化しないが他の一部分は変化し、これに応じて樹木の影も一部分の形状・位置は変化しないが他の部分の形状・位置が変化する。樹木の影の撮像画像を部分ごとに分析すると、幹の部分の影には周期的な特徴及び規則的な特徴が強く表れるが、葉の部分の影には周期的な特徴及び規則的な特徴は強く表れない。このため、樹木の影を一つの映像として分析すると、周期的な特徴においても、規則的な特徴においても際立った特徴を見出すことが難しい。つまり、樹木の影の特徴を、周期的な特徴に基づいて判断することは困難であり、また規則的な特徴に基づいて判断することも困難である。
　以下、樹木の影の周期的な特徴（周期性）と規則的又は不規則的な特徴（不規則性）について、他の静止物と比較する。
　図２０に示すように、走行路の路肩に一定間隔で設けられたガードレールなどの構造物(静止物)は、その形状が一定であり、その撮像画像から抽出される特徴は周期的に表れるので、上述した樹木の影よりも周期性が高い。また、ガードレールのような人工的な構造物は、全体が不動であり、経時的に同じ形状を保つため、その撮像画像から抽出される特徴にはバラつきがないので、上述した樹木の影よりも不規則性が低い（規則性が高い）。
　図２１に示すように、草(静止物)は走行路の路肩に沿って生えており、その形状が不定であるため、その撮像画像から抽出される特徴は非周期的に表れるので、上述した樹木の影よりも周期性が低いといえる。また、草のような自然物は、全体が不定形であり、経時的に同じ形状を保つことは無いため、その撮像画像から抽出される特徴にバラつきが見られるので、上述した樹木の影よりも不規則性が高い（規則性が低い）といえる。これは、草は、樹木のように幹となるような剛性の高い部分が無く、風や雨などの外的環境に応じて形を変える傾向が高いからである。なお、路肩に積もった雪の画像情報も、草の画像情報と同じ特徴を示す傾向がある。
　さらに、本実施形態の立体物検出装置１が最終的に検出する対象である他車両ＶＸは、図２２に示すように、自車両Ｖの走行車線の隣の隣接車線上を走行するが、他車両ＶＸが検出領域Ａ１，Ａ２に存在するタイミングは制御することができず、撮像画像から周期的に特徴が抽出できるとは限らないため、上述した自車両Ｖの走行路に沿って存在する樹木の影よりも周期性が低いといえる。他方、他車両ＶＸの基本的構造は共通し、経時的に同じ形状を保つため、その撮像画像から抽出される特徴にはバラつきがないので、上述した樹木の影よりも不規則性は低い（規則性が高い）といえる。
　また、周期性評価地が低く、かつ不規則性も低い場合には、検出された立体物は他車両である可能性が高い。
　図２３は、ガードレール等の構造物Ｑ２、木陰Ｑ１、草・雪Ｑ３、及び他車両ＶＸについての周期性評価値及び不規則性評価値の関係Ｈを示す図である。
　図２３に示すように、周期性に関し、ガードレール等の構造物Ｑ２は路肩に規則的に配置されているため、所定の閾値（第２周期性評価閾値）以上の周期性評価値を示す傾向がある。また、各他車両ＶＸの走行間隔は制御不能であるため、周期性評価値は所定の閾値（第１周期性評価閾値）未満を示す傾向がある。また、同図に示すように、不規則性に関し、ガードレール等の構造物Ｑ２や他車両ＶＸは、その形状が一定であるため、低い不規則性評価値を示す傾向がある。
　撮像画像に含まれる種々の立体物の中から静止物を識別する手法として、ガードレールなどの構造物Ｑ２などの周期性が高い点を利用する手法、草、雪Ｑ３などの自然物の不規則性が高い点を利用する手法が発明者らによっても提案されているものの、上述したように、樹木の影（木陰）Ｑ１は周期性が中程度であるとともに不規則性も中程度であるため、草、雪Ｑ３と識別することが難しいという問題がある。
　ところで、本実施形態の立体物検出装置１は他車両ＶＸを検出することが目的であるから、ガードレールなどの構造物Ｑ２、草、雪Ｑ３と識別することなく、「他車両ＶＸ以外の静止物」として識別すればよいと考えることもできる。
　しかしながら、自車両Ｖの走行に影響を与える「他車両ＶＸ」を高い精度で検出するためには、他車両ＶＸ以外の物体が移動体であるか静止物であるか、立体物であるか平面物であるか、さらには、他車両ＶＸ以外の物体が草・雪であるか木陰であるかによって、その検出対象の画像の特性に応じた画像処理、物体検出処理を設計することが必要である。たとえば、ガードレールＱ２の形状は予測可能であるので、ガードレールＱ２が映り込む画像領域を予測して画像処理にフィードバック処理をかけるといった処理や、草Ｑ３の高さには上限があると考えられるので、草Ｑ３であるという判断の確からしさを検証するといった物体の特性に応じた処理を行うことができる。このように、検出対象の検出精度を向上させるためには、検出対象から除外するべき物体（非検出対象物）を正確に識別することが求められている。
　本実施形態の立体物検出装置１では、周期性と不規則性の二つの観点から他車両ＶＸ、ガードレールＱ２、草・雪Ｑ３、及び木陰Ｑ１のそれぞれの特性を分析し、周期性及び不規則性に基づいて撮像画像に含まれる種々の物体の像から木陰Ｑ１を正確に識別することができる。
　静止物判断部３８は、差分波形情報に基づく樹木の影を判断する処理、又はエッジ情報に基づく樹木の影を判断する処理を行うことができる。
　まず、差分波形情報に基づいて樹木の影を判断する処理について説明する。静止物判断部３８は、立体物検出部３３により生成された差分波形情報に基づいて、この差分波形情報の周期性を評価するための周期性評価値を算出するとともに、差分波形情報に基づいて、この差分波形情報の不規則性を評価するための不規則性評価値を算出する。
　差分波形情報に基づく周期性評価値の算出手法は特に限定されず、差分波形情報から抽出された特徴が所定周期で繰り返される程度に基づいて判断することができる。たとえば、差分波形情報から抽出されるピークの数が所定値以上であり、ピーク間のばらつきが所定値未満であり、かつ自車両Ｖの車速分に応じた差分波形情報のピーク部分の面積差分（ピークに対する面積差分の比）が小さいほど周期性が高いと判断することができる。
　また、差分波形情報に基づく不規則性評価値の算出手法は特に限定されず、差分波形情報から抽出された特徴のばらつき程度に基づいて判断することができる。たとえば、差分波形情報から抽出されるピークの数が所定値未満であり、ピーク間のばらつきが所定値以上であり、かつ自車両Ｖの車速分に応じた差分波形情報のピーク部分の面積差分（ピークに対する面積差分の比）が大きいほど不規則性が高いと判断することができる。なお、差分波形情報に基づいて周期性及び不規則性を算出する具体的な手法は後に詳述する。
　次に、エッジ情報に基づいて樹木の影を判断する処理について説明する。静止物判断部３８は、立体物検出部３７により生成されたエッジ情報に基づいて、このエッジ情報の周期性を評価するための周期性評価値を算出するとともに、エッジ情報に基づいて、このエッジ情報の不規則性を評価するための不規則性評価値を算出する。
　エッジ情報に基づく周期性評価値の算出手法は特に限定されず、エッジ情報から抽出された特徴が所定周期で繰り返される程度に基づいて判断することができる。たとえば、エッジ情報から抽出されるピークの数が所定値以上であり、ピーク間のばらつきが所定値未満であり、かつ自車両Ｖの車速分に応じたエッジ情報のピーク部分のエッジ量の差分が小さいほど周期性が高いと判断することができる。なお、エッジ情報に基づいて周期性を算出する具体的な手法は後に詳述する。
　また、エッジ情報に基づく不規則性評価値の算出手法は特に限定されず、エッジ情報から抽出された特徴のばらつき程度に基づいて判断することができる。たとえば、エッジ情報から抽出されるピークの数が所定値未満であり、ピーク間のばらつきが所定値以上であり、かつ自車両Ｖの車速分に応じたエッジ情報のピーク部分のエッジ量差分が大きいほど不規則性が高いと判断することができる。
　なお、エッジ情報に基づいて周期性及び不規則性を算出する具体的な手法は後に詳述する。
　そして、静止物判断部３８は、算出された周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、算出された不規則性評価値が所定の不規則性評価閾値未満である場合には、立体物検出部３３により検出された立体物が自車両Ｖの走行路に沿って存在する樹木の影であると判断する。これにより、周期性及び不規則性が中程度である木陰Ｑ３の像を識別することができる。なお、第１周期性評価閾値は第２周期性評価閾値よりも小さい値である。
　なお、以下に説明する第１周期性評価閾値と第２周期性評価閾値は、差分波形情報に基づいて周期性を判断する場合と、エッジ情報に基づいて周期性を判断する場合とで異なる値を設定することができ、不規則性評価閾値は、差分波形情報に基づいて周期性を判断する場合と、エッジ情報に基づいて周期性を判断する場合とで異なる値を設定することができる。
　特に限定されないが、第２周期性評価閾値は、ガードレールなどの構造物Ｑ２について実験的に求められた周期性に基づいて設定することができる。周期性評価値が設定された第２周期性評価閾値以上である場合には、検出された立体物がガードレールなどの構造物Ｑ２であると判断することができる。ガードレールなどの構造物Ｑ２の周期性と木陰Ｑ３の周期性とは比較的明確に識別できるので、第２周期性評価閾値をガードレールなどの構造物Ｑ２の周期性に基づいて設定することにより、木陰Ｑ３及び草・雪Ｑ２をガードレールなどの構造物Ｑ２と正確に識別することができる。
　また、第１周期性評価閾値は、実験的に求められる他車両ＶＸなどの移動体の周期性に基づいて設定することができる。つまり、周期性評価値が第１周期性評価閾値未満である場合には、検出された立体物が移動体、例えば他車両ＶＸであると判断することができる。他車両ＶＸの周期性と草・雪Ｑ２の周期性とはいずれも低いものの、識別可能な差を見出すことができるので、第１周期性評価閾値を他車両ＶＸの周期性に基づいて設定することにより、木陰Ｑ３及び草・雪Ｑ２を他車両ＶＸから正確に識別することができる。
　同様に、不規則性評価閾値は、実験的に求められる草・雪Ｑ３の不規則性又は木陰Ｑ１の不規則性に基づいて設定することができる。つまり、周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、不規則性評価値が不規則性評価値閾値以上である場合には、立体物検出部３３により検出された立体物が自車両Ｖの走行路に沿って存在する草又は雪Ｑ３であると判断することができ、不規則性評価値が不規則性評価閾値未満である場合には、立体物検出部３３により検出された立体物が自車両Ｖの走行路に沿って存在する木陰Ｑ１であると判断することができる。草・雪Ｑ２と木陰Ｑ１はいずれも不規則性を備え、これらを識別することは容易ではないが、本実施形態のように、周期性評価値に基づいて木陰Ｑ１及び草・雪Ｑ２を絞り込んでから、不規則性評価値に基づいて、木陰Ｑ１又は草・雪Ｑ２を識別することにより、木陰Ｑ１を草・雪Ｑ２から正確に識別することができる。
　さらに、本実施形態の静止物判断部３８は、明るさセンサ５０により検出された明るさが所定値未満である場合には、第１周期性評価閾値を高い値に変更する。本実施形態の静止物判断部３８は、明るさが所定値未満である、つまり暗い状況においては、草・雪Ｑ３及び木陰Ｑ１の周期性が検出し難くなるので、草・雪Ｑ３及び木陰Ｑ１を判断するための下限の閾値である第１周期性評価閾値を高い値に変更することができる。暗い状況においては、他車両ＶＸの周期性も検出し難くなるので、安全のためにも、立体物を他車両ＶＸであると判断し易くすることが好ましい。この結果、暗い状況においても、他車両ＶＸを検出し損ねることなく、草・雪Ｑ３及び木陰Ｑ１を正確に判断することができる。
　加えて、本実施形態の静止物判断部３８は、各位置情報に当該位置が都市地域であるか郊外地域であるかの情報を対応づけた地図情報３８３を参照し、現在位置検出装置６０により検出された現在位置が都市地域である場合には、第１周期性評価閾値を低い値に変更する。各位置が都市地域であるか郊外地域であるかは、道路沿いの構造物の多さなどに応じて、予め定義することができる。
　一般に、都市地域の道路沿いにはビル、広告塔、看板、その他の構造物が設けられている場合が多く、これらの構造物の影が検出領域Ａ１，Ａ２に映り込むことがある。これらの構造物は配置間隔が一定ではないため周期性が低く、これらの構造物の影が道路沿いの樹木や草の影に重なると、その周期性を低下させる傾向がある。つまり、広告塔、看板、その他の構造物が多く存在する都市地域では、道路の検出領域Ａ１，Ａ２に映り込む木陰Ｑ１又は草・雪Ｑ３の周期性が低くなる傾向がある。このため、本実施形態の静止物判断部３８は、現在位置が都市地域に属する場合には、草・雪Ｑ３及び木陰Ｑ１を判断するための下限の閾値である第１周期性評価閾値を低い値に変更することができる。この結果、都市部においても、草・雪Ｑ３及び木陰Ｑ１の周期性を正確に判断することができる。
　本実施形態の静止物判断部３８は、静止物判断部３８は、周期性評価値が第１周期性評価閾値未満である場合に、検出された立体物を移動体であると判断する。同様に、静止物判断部３８は、周期性評価値が第１周期性評価閾値未満であり、かつ不規則性評価値が所定の不規則性評価閾値未満である場合には、検出された立体物が移動体であると判断する。特に、静止物判断部３８は、周期性評価値及び不規則性評価値のいずれもが低い場合には、移動体のうち、他車両である蓋然性が高いと判断する。
　次に、立体物判断部３４について説明する。本実施形態の立体物判断部３４は、立体物検出部３３、３７において検出された立体物が検出領域Ａ１，Ａ２に存在する他車両ＶＸであるか否かを最終的に判断する。具体的に、立体物判断部３４は、立体物検出部３３、３７による立体物の検出結果が所定時間Ｔの間に渡って継続する場合には、立体物は検出領域Ａ１，Ａ２に存在する他車両ＶＸであると判断する。特に限定されないが、立体物判断部３４は、差分波形情報から抽出される差分波形のピークの数、ピーク値、移動速度などが所定値域であり、その状態が所定時間以上継続した場合には、立体物が検出領域Ａ１，Ａ２に存在する他車両ＶＸであるか否かを最終的に判断してもよいし、エッジ情報から抽出されるエッジの連続性、総和の正規化した値、エッジ線の量などが所定値域であり、その状態が所定時間以上に渡って継続した場合には、立体物が検出領域Ａ１，Ａ２に存在する他車両ＶＸであるか否かを最終的に判断してもよい。
　本実施形態の立体物判断部３４は、立体物検出部３３，３７により検出された立体物が所定時間以上に渡って継続して検出される場合には、この立体物を右側検出領域又は左側検出領域に存在する他車両ＶＸであると判断する。
　ちなみに、立体物判断部３４が、検出された立体物は検出領域Ａ１，Ａ２に存在する他車両ＶＸであると判断した場合には、乗員への報知などの処理が実行される。この立体物判断部３４は、制御部３８の制御命令に従い、検出された立体物が他車両ＶＸであると判断することを抑制することができる。
　続いて、制御部３９について説明する。本実施形態の制御部３９は、前回の処理において、撮像画像に木陰Ｑ１の像が含まれており、検出領域Ａ１，Ａ２に樹木の影が映り込んでいることが静止物判断部３８により判断された場合には、次回の処理において立体物検出部３３，３７、立体物判断部３４、静止物判断部３８、又は自身である制御部３９の何れか一つ以上の各部において実行される制御命令を生成することができる。
　本実施形態の制御命令は、検出される立体物が他車両ＶＸであると判断されることが抑制されるように各部の動作を制御するための命令である。検出領域Ａ１，Ａ２に樹木の影が映り込んでいる場合に、検出された立体物は樹木の影である可能性が高いため、それを誤って他車両ＶＸと判断することを防止するためである。本実施形態の計算機３０はコンピュータであるため、立体物検出処理、立体物判断処理、静止物判断処理に対する制御命令は各処理のプログラムに予め組み込んでもよいし、実行時に送出してもよい。本実施形態の制御命令は、差分波形情報に基づいて立体物を検出する際の感度を低下させる命令、エッジ情報に基づいて立体物を検出する際の感度を低下させる命令であってもよい。また、立体物が他車両ＶＸであると判断されることを抑制する場合には、制御命令は、検出された立体物を他車両として判断する処理を中止させたり、検出された立体物を他車両ではないと判断させたりする結果に対する命令であってもよい。
　本実施形態の制御部３９は、静止物判断部３８により検出された立体物は樹木の影である可能性が高いと判断された場合には、立体物が検出され、この検出された立体物が他車両ＶＸであると判断されることを抑制する制御命令を立体物検出部３３，３７又は立体物判断部３４に送出する。これにより、立体物検出部３３，３７は立体物を検出し難くなる。また、立体物判断部３４は検出された立体物が検出領域Ａに存在する他車両ＶＸであると判断し難くなる。
　また、制御部３９は、静止物判断部３８により検出された立体物は樹木の影である可能性が高いと判断された場合には、立体物の検出処理を中止する内容の制御命令を生成して立体物検出部３３，３７に出力してもよいし、立体物の判断処理を中止する内容の制御命令又は検出された立体物が他車両ではないと判断する内容の制御命令を生成し、立体物判断部３４に出力してもよい。これにより、上述と同様の作用効果を得ることができる。
　以下、制御部３９が出力する具体的な各制御命令について説明する。
　制御部３９は、前回の処理で、静止物判断部３８により検出された立体物は樹木の影である可能性が高いと判断された場合には、検出領域Ａ１，Ａ２に樹木の影が映り込んでおり、画像情報に基づく処理に誤りが発生する可能性が高いと判断する。このまま、通常と同じ手法で立体物を検出すると、検出領域Ａ１，Ａ２に映り込んだ木陰Ｑの像に基づいて検出された立体物を誤って他車両ＶＸと判断する場合がある。このため、本実施形態の制御部３９は、次回の処理においては、木陰Ｑの像に基づいて検出された立体物が誤って他車両ＶＸと判断されることを抑制するために、差分波形情報を生成する際の画素値の差分に関する閾値を高く変更する。このように、検出領域Ａ１，Ａ２に木陰Ｑ１が映り込んでいる場合には、判断の閾値を高く変更することにより、立体物の検出又は他車両ＶＸであるとの判断が抑制されるので、木陰Ｑ１に起因する誤検出することを防止することができる。
　まず、差分波形情報に基づいて立体物を検出する場合の制御命令について説明する。先述したように、立体物検出部３３は、差分波形情報と第１閾値αとに基づいて立体物を検出する。そして、本実施形態の制御部３９は、静止物判断部３８により検出された立体物は樹木の影である可能性が高いと判断された場合には、立体物が検出され難くなるように、第１閾値αを高くする制御命令を生成し、立体物検出部３３に出力する。第１閾値αとは、図１１のステップＳ７において、差分波形ＤＷｔのピークを判断するための第１閾値αである(図５参照)。また、制御部３９は、差分波形情報における画素値の差分に関する閾値ｐを高く又は低くする制御命令を立体物検出部３３に出力することができる。
　また、本実施形態の制御部３９は、静止物判断部３８により検出された立体物は樹木の影である可能性が高いと判断された場合には、鳥瞰視画像の差分画像上において所定の差分を示す画素数をカウントして度数分布化された値を低く出力する制御命令を立体物検出部３３に出力することができる。鳥瞰視画像の差分画像上において所定の差分を示す画素数をカウントして度数分布化された値とは、図１１のステップＳ５において生成される差分波形ＤＷｔの縦軸の値である。制御部３９は、前回の処理で検出された立体物は樹木の影である可能性が高いと判断された場合には、検出領域Ａ１，Ａ２に映り込んだ木陰Ｑ１に基づいて他車両ＶＸを誤検出する可能性が高いと判断する。このため、次回の処理においては検出領域Ａ１，Ａ２において立体物又は他車両ＶＸが検出され難くなるように、差分波形ＤＷｔの度数分布化された値を低く変更して出力する。このように、検出された立体物は樹木の影である可能性が高いと判断された場合に、出力値を低くすることにより、自車両Ｖの走行車線の隣を走行する他車両ＶＸの検出感度が調整されるため、検出領域Ａ１，Ａ２に映り込んだ木陰Ｑ１に起因する他車両ＶＸの誤検出を防止することができる。
　次に、エッジ情報に基づいて立体物を検出する場合の制御命令について説明する。先述した差分波形情報に基づく処理と同様に、制御部３９は、前回の処理で検出された立体物は樹木の影である可能性が高いと判断された場合には、検出領域Ａ１，Ａ２に映り込んだ木陰Ｑ１に基づいて他車両ＶＸを誤検出する可能性が高いと判断する。このため、本実施形態の制御部３９は、検出された立体物は樹木の影である可能性が高いと判断された場合には、エッジ情報を検出する際に用いられる輝度に関する所定閾値を高くする制御命令を立体物検出部３７に出力する。エッジ情報を検出する際に用いられる輝度に関する所定閾値とは、図１７のステップＳ２９における各注目点Ｐａの属性の連続性ｃの総和を正規化した値を判断する閾値θ、又は図１８のステップ３４におけるエッジ線の量を評価する第２閾値βである。つまり、本実施形態の制御部３９は、検出された立体物は樹木の影である可能性が高いと判断された場合には、立体物が検出され難くなるように、エッジ線を検出する際に用いられる閾値θ又はエッジ線の量を評価する第２閾値βを高くする制御命令を生成し、立体物検出部３７へ出力する。このように、検出された立体物は樹木の影である可能性が高いと判断された場合に、判断の閾値を高く変更することにより、立体物の検出又は他車両ＶＸであるとの判断がされることを抑制するので、検出領域Ａ１，Ａ２に映り込んだ木陰Ｑ１に起因する誤検出することを防止することができる。
　また、本実施形態の制御部３９は、静止物判断部３８により検出された立体物は樹木の影である可能性が高いと判断された場合には、検出したエッジ情報の量を低く又は高く出力する制御命令を立体物検出部３７に出力する。検出したエッジ情報の量とは、図１７のステップＳ２９における各注目点Ｐａの属性の連続性ｃの総和を正規化した値、又は図１８のステップ３４におけるエッジ線の量である。制御部３９は、前回の処理で検出された立体物は樹木の影である可能性が高いと判断された場合には、検出領域Ａ１，Ａ２に映り込んだ木陰Ｑ１に基づいて他車両ＶＸを誤検出する可能性が高いと判断する。このため、次回の処理においては、立体物が検出され、その立体物が他車両ＶＸであると判断されることが抑制されるように、各注目点Ｐａの属性の連続性ｃの総和を正規化した値又はエッジ線の量を低く変更して出力する。
　具体的に、検出された立体物は樹木の影である可能性が高い場合には、差分波形ＤＷｔの度数分布化された値を低く変更して出力する。このように、検出された立体物は樹木の影である可能性が高い場合には、出力値を低くすることにより、立体物の検出又は他車両ＶＸであるとの判断が抑制されるように制御することができるので、検出領域Ａ１，Ａ２に映り込んだ木陰Ｑ１に起因する誤検出することを防止することができる。
　本実施形態の制御部３９は、静止物判断部３８により検出された立体物が移動体であると判断された場合には、立体物判断部３４がその立体物を他車両であると最終的に判断するようにする。つまり、制御部３９は、静止物判断部３８の「立体物は移動体である」との判断を受けて、上述の「立体物を他車両と判断することを抑制する」処理と反対の作用を奏する処理を行う。具体的に、制御部３９は、差分波形情報を生成する際の画素値の差分に関する閾値を低く変更する、差分波形ＤＷｔの度数分布化された値を高く変更して出力する、エッジ情報を検出する際に用いられる輝度に関する所定閾値を低くする、又は検出したエッジ情報の量を高く出力するなど、立体物が他車両であると判断されやすくなるように制御する。
　特に、静止物判断部３８が、周期性評価値が第１周期性評価閾値未満であり、かつ不規則性評価値が所定の不規則性評価閾値未満であるとして、検出された立体物が移動体であると判断した場合には、制御部３９は、立体物判断部３４に立体物検出部３３，３７が検出した立体物が他車両であると判断させる。
　以下、図２４に基づいて、本実施形態の立体物検出装置１の動作、特に、制御部３９及び制御命令を取得した立体物判断部３４、立体物検出部３３，３７の動作を説明する。図２４に示す処理は、前回の立体物検出処理の後に、前回処理の結果を利用して行われる今回の立体物検出処理である。
　まず、図２４に示すステップＳ４１において、静止物判断部３８は、差分波形情報又はエッジ情報に基づいて周期性を判定する。具体的には周期性を判定するための周期性評価値を算出する。特に限定されないが、周期性評価値は、差分波形情報又はエッジ情報から抽出されるピークの数が所定値以上であり、ピーク間のばらつきが所定値未満であり、かつ自車両Ｖの車速分に応じた差分波形情報のピーク部分の面積差分（ピークに対する面積差分の比）又はエッジ情報のピーク部分のエッジ量の差分（ピークのエッジ量に対するエッジ差分の比）が小さいほど周期性が高いと判断することができる。周期性評価の具体的な手法については、後に詳述する。
　続く、ステップＳ４２において、静止物判断部３８は、算出された周期性評価値が第２周期性評価閾値以上であるか否かを判断する。算出された周期性評価値は第２周期性評価閾値以上である場合にはステップＳ５２へ進み、検出された立体物はガードレール等の構造物Ｑ２であると判断する。算出された周期性評価値は第２周期性評価閾値未満である場合にはステップＳ４３に進む。
　ステップＳ４３において、静止物判断部３８は、算出された周期性評価値が第１周期性評価閾値未満であるか否かを判断する。ここで第１周期性評価閾値は第２周期性評価閾値よりも低い値（周期性が低いと評価される値）である。算出された周期性評価値が第１周期性評価閾値未満である場合にはステップＳ５３へ進み、検出された立体物は他車両ＶＸである可能性が高いと判断する。算出された周期性評価値が第１周期性評価閾値以上、つまり、周期性評価値が第１周期性評価閾値以上であり、かつ第２周期性評価閾値未満である場合には、ステップＳ４４へ進む。ここまでの処理により、木陰Ｑ１及び草・雪Ｑ３を周期性に基づいて絞り込むことができる。
　次に、ステップＳ４４において、静止物判断部３８は、差分波形情報又はエッジ情報に基づいて不規則性を判定する。特に限定されないが、不規則性評価値は、差分波形情報又はエッジ情報から抽出された特徴のばらつき程度に基づいて判断することができる。たとえば、差分波形情報又はエッジ情報から抽出されるピークの数が所定値未満であり、ピーク間のばらつきが所定値以上であり、かつ自車両Ｖの車速分に応じる差分波形情報のピーク部分の面積差分（ピークに対する面積差分の比）又はエッジ情報のピーク部分のエッジ量の差分（ピークのエッジ量に対するエッジ差分の比）が大きいほど不規則性が高いと判断することができる。不規則性評価の具体的な手法については、後に詳述する。
　ステップＳ４５において、静止物判断部３８は、算出された不規則性評価値が不規則性評価閾値未満であるか否かを判断する。算出された不規則性性評価値が不規則性評価閾値以上である場合にはステップＳ５４へ進み、検出された立体物は草・雪Ｑ２であると判断する。算出された不規則性評価値が不規則性評価閾値未満、つまり、周期性評価値が第１周期性評価閾値以上、第２周期性評価閾値未満であり、不規則性評価値が不規則性評価閾値未満である場合には、ステップＳ４６へ進む。
　ステップＳ４６において、静止物判断部３８は、検出された立体物が木陰Ｑ１であると判定する。続くステップＳ４７において、制御部３９は、静止物判断部３８により、前回の処理で検出された立体物が樹木の影(木陰Ｑ１)であると判断された場合には、検出領域Ａ１，Ａ２に映り込んだ木陰Ｑ１に基づいて他車両ＶＸを誤検出する可能性が高いと判断し、次回の処理において立体物が検出され、その立体物が他車両ＶＸであると判断されることが抑制されるように、立体物検出処理、立体物判断処理において用いられる閾値を高く設定するか、閾値と比較される出力値を低く出力する制御を行う。具体的には、立体物の検出が抑制されるように、差分波形情報を生成する際の画素値の差分に関する閾値ｐ、差分波形情報から立体物を判断する際に用いる第１閾値α、エッジ情報を生成する際の閾値θ、エッジ情報から立体物を判断する際に用いる第２閾値βの何れか一つ以上を高く変更する旨の制御命令を立体物検出部３３，３７へ送出する。なお、制御部３９は、閾値を上げる代わりに、閾値によって評価される出力値を低くする制御命令を生成し、立体物検出部３３、３７に出力してもよい。先述したように、第１閾値αは、図１１のステップＳ７において、差分波形ＤＷｔのピークを判断するためのである。閾値θは、図１７のステップＳ２９における各注目点Ｐａの属性の連続性ｃの総和を正規化した値を判断する閾値であり、第２閾値βは、図１８のステップ３４におけるエッジ線の量を評価する閾値である。
　なお出力値を高くする場合には、制御部３９は、鳥瞰視画像の差分画像上において所定の差分を示す画素数をカウントして度数分布化された値を高く出力する制御命令を立体物検出部３３に出力する。鳥瞰視画像の差分画像上において所定の差分を示す画素数をカウントして度数分布化された値とは、図１１のステップＳ５において生成される差分波形ＤＷｔの縦軸の値である。同様に、制御部３９は、検出したエッジ情報の量を高く出力する制御命令を立体物検出部３７に出力することができる。検出したエッジ情報の量とは、図１７のステップＳ２９における各注目点Ｐａの属性の連続性ｃの総和を正規化した値、又は図１８のステップ３４におけるエッジ線の量である。制御部３９は、前回の処理で光環境が急変すると判断された場合には、次回の処理においては立体物が検出されにくいように、各注目点Ｐａの属性の連続性ｃの総和を正規化した値又はエッジ線の量を高く変更する制御命令を立体物検出部３７に出力することができる。
　各閾値又は各出力値を変化させたのち、ステップＳ４８に進み、差分波形情報又はエッジ情報に基づいて立体物を検出し、さらにステップＳ４９において、ステップＳ４８において検出された立体物が他車両ＶＸであるか否かを判断し、立体物が他車両ＶＸである場合には、ステップＳ５０において他車両が存在する旨の判断結果を出力し、立体物が他車両ＶＸでない場合には、ステップＳ５１において他車両は存在しない旨の判断結果を出力する。ステップＳ４８及びステップＳ４９における処理は、先に図１１及び１２において説明した差分波形情報に基づく他車両ＶＸの検出処理、同じく図１７及び図１８において説明したエッジ情報に基づく他車両ＶＸの検出処理と共通する。
　他方、ステップＳ４９において、立体物が非検出である場合には、ステップＳ５５に進み、立体物の検出処理を中止してもよいし、ステップＳ５１に進み、検出された立体物は他車両ＶＸではなく、他車両ＶＸは存在しないと判断してもよい。
　最後に、周期性の評価手法と、不規則性の評価手法について説明する。なお、撮像画像から抽出された特徴点の周期性の評価手法、及び撮像画像から抽出された特徴点の不規則性の評価手法については、出願時に知られた手法を適宜に適用することができる。例えば、出願人が先に出願した、PCT/JP2012/053834において開示した周期性物体の検出手法を利用した被写体の周期性の評価手法や、特願2011-198007において開示した被写体の不規則性の検出手法を利用した不規則性の評価手法を適宜に適用することができる。
　なお、以下においては、周期性又は不規則性の評価手法について、静止部判断部３８を処理の主体として説明するが、静止物判断部３８は、位置合わせ部３２若しくは立体物検出部３３、又は輝度差算出部３５、エッジ線検出部３６若しくは立体物検出部３７に処理の一部を行わせて、その処理結果を取得し、最終的に周期性又は不規則性を判断することができる。
　まず、差分波形情報に基づく周期性の評価手法の一例について説明する。本例において静止物判断部３８は、立体物検出部３３により検出された複数の立体物の移動量の候補を算出する。図２５(a)は時刻ｔにおける差分画像ＰＤｔを示し、図２５(b)は時刻ｔ－１における差分画像ＰＤｔ-1を示す。静止物判断部３８は、図２５(b)に示す差分画像ＰＤｔから、立体物の接地点(特徴点)を検出する。ここで、接地点とは、立体物と路面との接触点である。静止物判断部３８は検出された立体物のうち、自車両Ｖのカメラ１０に最も近い位置を接地点として検出する。
　図２５に示すように、静止物判断部３８は、立体物Ｏ１について接地点Ｐ１を検出し、立体物Ｏ２について接地点Ｐ２を検出し、立体物Ｏ３について接地点Ｐ３を検出する。次いで、静止物判断部３８は、図２５(a)に示す時刻ｔにおける差分画像ＰＤｔに対して、幅Ｗの領域Ｔを設定する。この際、静止物判断部３８は時刻ｔ-1における差分画像ＰＤｔ-1の接地点Ｐ１～Ｐ３に対応する箇所に領域Ｔを設定する。 
　次に、静止物判断部３８は、時刻ｔにおける差分画像ＰＤｔのデータから、立体物の接地点を検出する。この場合も検出された立体物のうち、自車両Ｖのカメラ10に最も近い位置を接地点として検出する。本例において、静止物判断部３８は、立体物Ｏ４について接地点Ｐ４を検出し、立体物Ｏ５について接地点Ｐ５を検出し、立体物Ｏ６について接地点Ｐ６を検出する。本実施形態の位置合わせ部３２、立体物検出部３３及び静止物判断部３８は鳥瞰視画像の所定領域の画像、データから複数の立体物の特徴点(接地点)を抽出する。
　そして、静止物判断部３８は、接地点同士を対応付ける。すなわち、接地点Ｐ１に対して接地点Ｐ４を対応付けると共に、接地点Ｐ１に対して接地点Ｐ５を対応付け、且つ、接地点Ｐ１に対して接地点Ｐ６を対応付ける。同様に、接地点Ｐ２、Ｐ３に対しでも接地点Ｐ４～Ｐ６を対応付ける。
　静止物判断部３８は、対応付けられた接地点Ｐ１～Ｐ６の距離(すなわち移動量候補)を算出する。そして、静止物判断部３８は、算出した距離を移動量候補とする。静止物判断部３８は、各立体物に対して複数の移動量候補を算出する。これにより、立体物の移動量を唯一に決定してしまい、同じような画像的特徴が周期的に出現する周期的静止物に対して誤った移動量を算出してしまう事態を抑制するようにしている。 
　なお、領域Ｔを設ける理由は、自車両Ｖのピッチングやョーイング等によって鳥瞰視画像ＰＢｔ，ＰＢｔ－１の位置合わせに誤差が生じても、接地点Ｐ１～Ｐ６の対応付けを安定して行うためである。また、接地点Ｐ１～Ｐ６の対応付けは、鳥瞰視画像Ｂｔ、ＰＢｔ－１の接地点周りの輝度分布のマッチング処理により決定される。
　静止物判断部３８は、算出した移動量候補をカウントし、ヒストグラム(波形データ)を作成する。例えば、静止物判断部３８は、接地点Ｐ１と接地点Ｐ４とび距離、接地点Ｐ２と接地点Ｐ５との距離、及び、接地点Ｐ３と接地点Ｐ６との距離が同じであれば、カウント値を「３」とする。このように、静止物判断部３８は、移動量候補をカウントしてヒストグラムを作成し、検出領域内における各接地点の分布に対応した波形データを算出する。
　静止物判断部３８は、カメラ１０0の撮像間隔と、車速センサ２０により検出された自車両Ｖの移動速度とに基づいて、周期的静止物の鳥瞰視上での移動範囲を算出する。静止物判断部３８は、自車両Ｖの速度に対して所定範囲（例えば±１０km/h）のマージンを持つ移動範囲を算出する。たとえば、カメラ１０の撮像間隔が３３ｍｓであり、１画素がカバーする車両進行方向の実距離が５ｃｍの場合、１制御周期で１画素移動する立体物の速度は約５．５ｋｍ・ｈとなる。車両運動により鳥瞰視画像ＰＢｔ，ＰＢｔ－１の精度が悪化することを考慮すると、この約５．５ｋｍ／ｈを許容するため、±１０ｋｍ・ｈのマージンが必要となる。 
　静止物判断部３８は、立体物検出部３３により検出された複数の立体物の周期を評価し、各立体物が周期的静止物であるか否かを判断する。静止物判断部３８は、作成したヒストグラムと、算出した移動範囲と、周期性評価値とに基づいて、立体物検出部３３により検出された複数の立体物が周期的静止物であるか判断する。この周期的静止物としては、図２３に示す周期性を備える他車両ＶＸ、草・雪Ｑ３、木陰Ｑ１、ガードレール等の構造物Ｑ２を含む。
　次に、フローチャートを参照して周期性の評価方法、つまり周期的静止物検出方法を説明する。図２６は、位置合わせ部３２及び立体物検出部３３の処理を示すフローチャートである。位置合わせ部３２は、視点変換部３１により検出された異なる時刻の鳥瞰視画像ＰＢｔ，ＰＢｔ－１のデータを入力し、位置合わせを行う（Ｓ１）。次いで、立体物検出部３３は、位置合わせされた鳥瞰視画像ＰＢｔ，ＰＢｔ－１のデータの差分をとる（Ｓ２）。その後、立体物検出部３３は、所定値に基づいて二値化処理を実行して差分画像ＰＤｔのデータを生成する（Ｓ３）。
　図２７は、周期性を評価し、周期的静止物候補の検出処理及び周期性の判定処理を示すフローチャートであり、図２８は生成されたヒストグラムの一例を示す図である。図２８に示すように、算出された移動量候補が同じものをカウントする。図２８に示す例では移動量ｍ１，ｍ２，ｍ３，ｍ４について複数検出されたため、これらのカウント値が高くなっている。
　静止物判断部３８は、ヒストグラムから最大値Ｍ(ピーク値;ピーク情報)を検出する（Ｓ１１）。次いで、静止物判断部３８は、ステップＳ１２において検出した最大値Ｍに基づいて所定の閾値Ｔｈ１を設定する（Ｓ１２）。ここで、所定の閾値Ｔｈ１は、最大値Ｍの７０％に設定される。例えば、最大値Ｍのカウント値が「７」である場合、所定の閾値Ｔｈ１は「４．９」に設定される。カウント値の最大値Ｍから所定の閾値Ｔｈ１を求めるため、自車両Ｖと立体物の位置関係や日照条件などによりカウント値の大きさが変化してしまっても適切な閾値を設定することができる。なお、本実施形態では所定の閾値Ｔｈ１は最大値Ｍの７０％の値とするが、これに限られるものではない。 
　静止物判断部３８は、所定の閾値Ｔｈ１以上の極大値Ｍ１～Ｍ３(ピーク値;ピーク情報)を検出する（Ｓ１３）。ここで、最大値Ｍが例えば「７」である場合に、静止物判断部３８は、「５」以上のカウント値を有する極大値Ｍ１～Ｍ３を検出する。そして、静止物判断部３８は、各極大値Ｍ、Ｍ１～Ｍ３(最大値Ｍを含む)に対応する移動量候補に対応付けられた立体物(例えば、ある２つの接地点間の距離が各極大値Ｍ、Ｍ１～Ｍ３のいずれかに一致する場合の当該接地点を有する２つの立体物)は、周期的静止物候補であると判定する。
　静止物判断部３８は、極大値Ｍ，Ｍ１～Ｍ３(最大値Ｍを含む)の間隔(ピーク情報)を検出し、検出した間隔を投票する（Ｓ１４）。すなわち、図２８に示す例では間隔Ｄ１について投票数「２」となり、間隔Ｄ２について投票数「１」となる。
　静止物判断部３８は、周期性を判定（評価）する（Ｓ１５）。このとき、静止物判断部３８は、ステップＳ１４における投票数が所定投票数以上であるか否かに基づいて周期性を評価する。なお、この投票数が周期性評価値の一態様であり、所定投票数が周期性評価閾値の一態様である。所定投票数は、上述したガードレール等の構造物Ｑ２を識別する観点から設定される第２周期性評価閾値としての所定投票数と、他車両ＶＸを識別する観点から設定される第１周期性評価閾値としての所定投票数とを含む。ここで、所定投票数は、鳥瞰視画像ＰＢｔから検出された立体物の検出数の半分とされる。よって、鳥敵画像ＰＢｔから検出された立体物の検出数が「４」である場合、所定投票数は「２」となる。なお、所定投票数は上記に限らず固定の値であっても構わない。
　周期性があると判定された場合(Ｓ１５:ＹＥＳ)には、静止物判断部３８は、ステップＳ１２における所定の閾値Ｔｈ１を低下させる（Ｓ１６）。また、所定の閾値ＴＨ１を低下させる期間は大凡１秒程度であり、周期性ありと判定される毎に所定の閾値Ｔｈ１は再設定される。このように、カウント値の極大値Ｍ，Ｍ１～Ｍ３の発生位置、すなわち間隔から周期性を判断し、周期性があると判断した場合に所定の閾値Ｔｈ１を低下させるため、一度周期性が判断された場合には周期的静止物が判断され易くすることができる。一方、一度周期性が判断されるまでは所定の閾値Ｔｈ１は低下させることがないので、位置合わせの誤差等に起因する立体物の誤検出を抑制することができる。
　一方、周期性がないと判定された場合（Ｓ１５:NO）には、所定の閾値Ｔｈ１は低下させられることなく、処理はステップＳ１７に移行する。
　静止物判断部３８は、移動量候補のカウント値の最大値Ｍに基づく所定の閾値Ｔｈ１以上の極大値Ｍ，Ｍ１～Ｍ３の発生位置(間隔)の投票数(ピーク情報)から周期性を判断する。このため、比較的値が小さい極大値(例えば図２８の符号Ｍ４)を無視することができ、ノイズの影響を受け難く、一層精度良く周期性を判断することができる。 
　静止物判断部３８は、ステップＳ１７において、自車両Ｖのコントローラから取得した情報に基づいて、自車両Ｖに規定以上の横移動が検出されたか否かを判断する（Ｓ１７）。ちなみに、自車両Ｖのコントローラは、ターンシグナルがオンであり、且つ、車速センサにより検出された車速から決定される規定以上の舵角が検出されたときに、規定以上の横移動が検出されたと判断する。 
　静止物判断部３８は、規定以上の横移動が検出された場合（Ｓ１７:ＹＥＳ)、ステップＳ１６において低下させた閾値Ｔｈ１を初期化する（Ｓ１８）。これにより、車線変更後の環境に変化に応じて周期的静止物を検出することができる。一方、規定以上の横移動が検出されないと場合（Ｓ１７:Ｎｏ)、所定の閾値Ｔｈ１は初期化されることなく、終了する。 
　図２９は、周期的静止物の判断処理を示すフローチャートである。静止物判断部３８は、静止相当移動量を算出する（Ｓ２１)。すなわち、静止物判断部３８は、カメラ１０の撮像間隔と、車速センサ２０により検出された自車両Ｖの移動速度とに基づいて、周期的静止物の鳥瞰視上での移動範囲を算出する。この際、静止物判断部３８は、自車両Ｖの速度に対して所定範囲のマージンを持つ移動範囲を算出する。
　静止物判断部３８は、ステップＳ２１において検出された移動量の範囲内に極大値Ｍ，Ｍ１、Ｍ３(ヒストグラムのピーク)が存在するか否かを判断する（Ｓ２２）。静止物判断部３８は、極大値Ｍ，Ｍ１～Ｍ３のいずれかが移動量の範囲内に存在すると判断した場合に（Ｓ２２:ＹＥＳ)、周期的静止物が存在すると判断する（Ｓ２３）。周期的静止物は、同じ間隔で並んでいることが多く、特定のカウント値が大きくなる傾向にある。また、周期的静止物は静止しているため、移動量候補のカウント値は移動体の速度等を考慮した移動範囲内に収まるはずである。よって、ステップＳ２２において [ＹＥＳ]と判断された場合、複数の立体物が周期的静止物であるといえる。
　ステップＳ２２において、静止物判断部３８は、上記移動量の範囲内に極大値Ｍ，Ｍ１～Ｍ３のいずれも存在しないと判断した場合（Ｓ２２:Ｎｏ)は、ステップＳ２４において周期性の有無を判断する。周期性があると判定されなかった場合（Ｓ２４:Ｎｏ)には、立体物を移動物であると判断する（Ｓ２５）。他方、ステップＳ２４において周期性があると判断された場合（Ｓ２４:ＹＥＳ)には、所定の隣値Ｔｈ１以上の極大値から非周期的極大値を検出する（Ｓ２６）。非周期的極大値とは、例えば図２８に示す極大値Ｍ３が相当する。この極大値Ｍ３は、隣接する極大値との間隔が他の極大値Ｍ，Ｍ１，Ｍ２と異なっている。このため、静止物判断部３８は、この極大値Ｍ３を周期性の無い非周期的極大値と判定する。 
　そして、非周期的極大値を検出できなった場合（Ｓ２６：Ｎｏ）は、周期性があり非周期的極大値が存在しないことから、静止物判断部３８は、周期的静止物が存在すると判断する（Ｓ２３）。
　一方、非周期的極大値を検出できた場合（Ｓ２６：ＹＥＳ）に、静止物判断部３８は、周期的極大値Ｍ，Ｍ１、Ｍ２が前回値よりも低下しているか否か判断する（Ｓ２７）。この処理において、静止物判断部３８は、今回処理における周期的極大値Ｍ，Ｍ１，Ｍ２の平均値を算出すると共に、前回処理における周期的極大値の平均値についても算出する。静止物判断部３８は、今回処理の平均値が前回処理の平均値よりも所定値以上低下しているか判断する。
　周期的極大値Ｍ，Ｍ１，Ｍ２が前回値よりも低下していると判断した場合（Ｓ２７：ＹＥＳ）、静止物判断部３８は、自車両Ｖと周期的静止物との問に他車両等が進入したと判断し、移動物を検出する（Ｓ２５）。
　一方、周期的極大値Ｍ，Ｍ１，Ｍ２が前回値よりも低下していないと判断した場合（Ｓ２７：Ｎｏ）、静止物判断部３８は、自車両Ｖからみて周期的静止物の奥側に他車両ＶＸ等が進入したと判断し、周期的静止物を検出する（Ｓ２３）。
　図３０は、図２９に示すステップＳ２７の詳細を示す図であり、（ａ）は周期的静止物の手前側に他車両Ｖ０が進入した場合を示し、（ｂ）は（ａ）の場面におけるヒストグラムを示している。また、（ｃ）は周期的静止物の奥側に他車両Ｖ０が進入した場合を示し、（ｄ）は（ｃ）の場面におけるヒストグラムを示している。なお、図３０（ｂ）及び（ｄ）において破線は他車両進入前のヒストグラムを示し、実線は他車両進入後のヒストグラムを示している。 
　図３０（ａ）に示すように、周期的静止物の手前側に他車両Ｖ０が進入したとする。このとき、他車両Ｖ０により周期的静止物の撮像が遮られることから、図３０（ｂ）に示すように、周期的極大値のカウント値は小さくなる傾向にある。特に、周期的静止物の手前側に他車両Ｖ０が進入する場合は、自車両Ｖが車線変更可能な位置に他車両Ｖ０が存在する可能性がある。このため、このような場合、静止物判断部３８は、他車両Ｖ０(移動物)を検出する。
　本実施形態に係る立体物検出装置１によれば、鳥瞰視画像の所定領域の画像、データから複数の立体物の接地点(特徴点)を抽出し、所定の検知領域内における接地点の分布に対応したヒストグラム(波形データ)を算出し、そのヒストグラムのピークの値、ピークの間隔の投票数等(ピーク情報)が所定の閾値以上であるか否かに基づいて、複数の立体物が周期的静止物候補であるか否かを判断する。上記ヒストグラムのピークの値、ピークの間隔の投票数等(ピーク情報)を周期性評価値の一態様として適用し、上記所定の閾値を周期性評価閾値の一態様として適用することができる。本手法によれば、周期的静止物の有する周期性(繰り返し性)を波形データのピーク情報としてより明確に抽出することができ、撮像画像に含まれる立体物の中から周期的静止物候補をより容易に抽出できる。これにより、より精度良く周期的静止物を抽出することが可能になる。
　次に、エッジ情報に基づく周期性の評価手法の一例について説明する。本例において静止物判断部３８はエッジの分布を検出する。なお、静止物判断部３８は、エッジの分布の検出をエッジ検出部３６に行わせ、その結果を取得することができる。静止物判断部３８は、鳥瞰視画像に含まれる周期的静止物のエッジ(特徴点)を検出するために、視点変換部３１により視点変換された鳥瞰視画像データに対して輝度差の算出を行う。静止物判断部３８は、実空間における鉛直方向に伸びる鉛直仮想線に沿った複数の位置ごとに当該各位置の近傍の２つの画素問の輝度差を算出する。具体的には、視点変換された鳥瞰視画像に対して実空間で鉛直方向に伸びる線分に該当する第１鉛直仮想線と、実空間で鉛直方向に伸びる線分に該当する第２鉛直仮想線とを設定する。静止物判断部３８は、第１鉛直仮想線上の点と第２鉛直仮想線上の点との輝度差を第１鉛直仮想線に沿って連続的に求める。
　静止物判断部３８は、図３１に示すように、実空間で接地線Ｌ１上の点から鉛直方向に伸びる線分に該当し、且つ、検出領域Ａ１を通過する第１鉛直仮想線Ｋａｉ(以下、注目線Ｌａｉという)を複数設定する。注目線Ｌａｉの本数は特に限定されない。以下の説明では、ｎ本の注目線Ｌａｉ（ｉ＝１～ｎ)が設定されたものとして説明する。 
　静止物判断部３８は、複数の注目線Ｌａｉに各々対応し、実空間で接地線Ｌ１上の点から鉛直方向に伸びる線分に該当し、且つ、検出領域Ａ１を通過する第２鉛直仮想線Ｌｒｉ(以下、参照線Ｌｒｉという)を複数設定する。各参照線Ｌｒｉは、実空間において対応する注目線Ｌａｉから所定距離(例えば、１０c m)だけ離間する位置に設定される。なお、実空間で鉛直方向に伸びる線分に該当する線は、鳥瞰視画像においてはカメラ１０の位置Ｐｓから放射状に広がる線となる。
　静止物判断部３８は、各注目線Ｌａｉ上に注目点Ｐａｊを複数設定する。図３１に示す例では注目点Ｐａ１～Ｐａ８が設定されているが、注目点Ｐａｊの個数は特に限定されない。以下の説明では、ｋ個の注目点Ｐａｊ（ｊ＝１～ｋ)が設定されたものとして説明する。
　静止物判断部３８は、各参照線Ｌｒｉ上に、上記注目点Ｐａｊに各々対応する参照点Ｐｒｊを複数設定する。互いに対応する注目点Ｐａｊと参照点Ｐｒｊとは、実空間上において略同じ高さに設定される。なお、注目点Ｐａｊと参照点Ｐｒｊとは必ずしも厳密に同じ高さである必要はなく、注目点Ｐａｊと参照点Ｐｒｊとが同じ高さとみなせる程度の誤差は許容されることは勿論である。
　静止物判断部３８は、互いに対応する注目点Ｐａｉと参照点Ｐｒｊとの聞の輝度差を、各注目線Ｌａｉに沿って連続的に求める。図３１に示す例では、第 １注目点Ｐａ１と第１参照点Ｐｒ１との間で輝度差を算出し、第２注目点Ｐａ２と第２参照点Ｐｒ２との問で輝度差を算出する。そして同様にして、第３～第８注目点Ｐａ３～Ｐａ８と第３～第８参照点Ｐｒ３～Ｐｒ８との輝度差を順次求める。
　静止物判断部３８は、注目点Ｐａｉと参照点Ｐｒｊとの輝度差が所定値以上である場合に、注目点Ｐａｉと参照点Ｐｒｊとの間にエッジ要素が存在すると判定する。そして静止物判断部３８は、当該エッジ要素が同じ注目線Ｌａｉに沿って何個存在するかをカウントする。静止物判断部３８は、カウントしたエッジ要素の個数を、各注目線Ｌａｉの属性として記憶する。静止物判断部３８は、エッジ要素の検出およびカウントの処理をすべての注目線Ｌａｉに対して実行する。なお、注目線Ｌａｉのうち検出領域Ａ１と重複する部分の長さは、各注目線Ｌａｉの位置に応じて異なるものとなる。カウントしたエッジ要素の個数は、対応する注目線Ｌａｉの重複部分の長さで除算することで正規化してもよい。 
　図３１に示す例では、検出領域Ａ１に他車両Ｖ０が映っている。他車両Ｖ０のタイヤのゴム部分に注目線Ｌａｉが設定され、そこから１０cm相当だけ離れたタイヤのホイール上に参照線Ｌｒｉが設定されていると仮定する。このとき第１注目点Ｐａ１と第１参照点Ｐｒ１とは、同じタイヤ部分に位置するために、それらの聞の輝度差は小さい。一方、第２～第８注目点Ｐａ２～Ｐａ８はタイヤのゴム部分に位置し、第２～第８参照点Ｐｒ２～Ｐｒ８はタイヤのホイール部分に位置するために、それらの聞の輝度差は大きくなる。第２～８注目点Ｐａ２～Ｐａ８と第２～第８参照点Ｐｒ２～Ｐｒ８との輝度差が所定値以上であれば、静止物判断部３８は、第２～第８注目点Ｐａ２～Ｐａ８と第２～第８参照点Ｐｒ２～Ｐｒ８との間にエッジ要素が存在することを検出する。第２～第８注目点Ｐａ２～Ｐａ８は注目線Ｌａｉに沿って７個存在しているので、エッジ要素を７回検出し、エッジ要素のカウント値は「７」となる。
　静止物判断部３８は、各注目線Ｌａｉに対して得られたエッジ要素のカウント値をグラフ化し、エッジ分布の波形(波形データ)を得る。具体的には、静止物判断部３８は、エッジ要素のカウント値を縦軸とし、実空間における注目線Ｌａｉの接地線Ｌ１上の位置を横軸とした平面上に、エッジ要素のカウント値をプロットする。注目線Ｌａ１～Ｌａｎが実空間において接地線Ｌ１上に等間隔で設定されている場合には、各注目線Ｌａｉに対して得られたエッジ要素のカウント値を、注目線Ｌａｉ～Ｌａｎの順に並べるだけで、エッジ分布の波形を得ることができる。図３１に示した例では、他車両Ｖ０のタイヤのゴム部分に設定された注目線Ｌａｉが鳥瞰視画像上において接地線Ｌ１と交差する位置において、エッジ要素のカウント値が「７」となっている。
　このように静止物判断部３８は、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、当該鉛直仮想線に沿って存在するエッジ要素の個数を積算する。積算したエッジ要素の個数に基づいてエッジ分布波形(波形データ)を得る。
　静止物判断部３８は、エッジ分布波形のピークを検出する。ピークとは、エッジ分布波形上においてエッジ要素のカウント値が増加から減少に転じる点である。静止物判断部３８は、エッジ分布波形に対して、例えば、ローパスフィル夕、移動平均フィルタ等によるノイズ除去処理を施した上で、ピーク検出を行う。ここで、所定の閾値以上の値を有するピークのみをピークとして検出するようにしてもよい。所定の閾値は、例えば、エッジ分布波形の最大値の６０％の値に設定することができる。
　静止物判断部３８は、検出したピークのうち等間隔に並んだピークの個数をカウントする。具体的には、検出した各ピーク間の距離を算出し、算出したピーク間距離が所定範囲内にあるピークを抽出し、その個数をカウントする。
　静止物判断部３８は、カウントしたピークの個数(ピーク情報)が所定の閾値Ｔｈ２以上であるか否かに基づいて、カウントされた各ピークに対応する物が周期的静止物候補に該当するか否かを判定する。具体的には、静止物判断部３８は、カウントしたピークの個数が所定の閾値Ｔｈ２以上であるとき、カウントされた各ピークに対応する物が周期的静止物候補であると判定する。閾値Ｔｈ２は、例えば、パイロン、ガードレール脚部、電柱など、検出対象である周期的静止物の種類に応じて定まる値であり、実験等を通じて求めることができる。具体的には、閾値Ｔｈ２は、例えば、３以上１００以下の値に設定される。
　静止物判断部３８は、周期的静止物候補が所定時間継続して検出されたとき、当該周期的静止物候補が周期的静止物であると判定する。具体的には、ピークの個数が所定の閾値Ｔｈ２以上である状態が所定時間継続して検出されたとき、検出した周期的静止物候補が周期的静止物である可能性が高いと判断する。そして、静止物判断部３８は、カウントされた各ピークに対応する物体が周期的静止物であると判定する。本例では、エッジ分布波形においてカウントされるピークの個数が周期性評価値の一態様であり、閾値Ｔｈ２が周期性評価閾値の一態様である。閾値Ｔｈ２は、上述したガードレール等の構造物Ｑ２を識別する観点から設定される第２周期性評価閾値としての閾値と、他車両ＶＸを識別する観点から設定される第１周期性評価閾値としての閾値とを含む。「所定時間」は、検出対象である周期的静止物の種類に応じて定まる値であり、実験等を通じて求めることができる。固定値としてもよいし、カメラ１０の撮像間隔や自車両Ｖの移動速度に応じて変動させてもよい。具体的に「所定時間」は、例えば、０．１～５秒に設定される。 
　図３２、図３３は、周期的静止物の検出処理のフローチャートである。なお、図３２，３３においては、便宜上、検出領域Ａ１を対象とする処理について説明するが、検出領域Ａ２についても同様に処理を行うことができる。 
　図３２に示すように、ステップＳ３１において、得られた撮像画像データに基づいて視点変換処理を行い、鳥瞰視画像データを作成する。次に、ステップＳ３２において、検出領域Ａ１上にｎ本の注目線Ｌａｉを設定するとともに、ｎ本の注目線Ｌａｉに各々対応するｎ本の参照線Ｌｒｉを設定する（i=１～ｎ)。静止物判断部３８は、実空間で接地線Ｌ１上の点から鉛直方向に伸びる注目線Ｌａｉを設定する。また、実空間で接地線Ｌ１上の点から鉛直方向に伸びる線分に該当し、且つ、実空間において対応する注目線Ｌａｉから所定距離だけ離間した参照線Ｌｒｉを設定する。 
　静止物判断部３８は、ステップＳ３３において、各注目線Ｌａｉ上にｋ個の注目点Ｐａｊを設定するとともに、各参照線Ｌｒｉ上に、注目点Ｐａｊに各々対応するｋ個の参照点Ｐｒｊを設定する（j=l～ｋ)。互いに対応する注目点Ｐａｊと参照点Ｐｒｊとは、実空間上において路同じ高さとなるように設定する。
　静止物判断部３８は、ステップＳ３４において、互いに対応する注目点Ｐａｊと参照点Ｐｒｊとの輝度差が所定値以上であるか否かを判定する。輝度差が所定値以上であると判定した場合は、判断対象となった注目点Ｐａｊと参照点Ｐｒｊとの間にエッジ要素が存在すると判断し、ステップＳ３５にて、第ｉ番目の注目線Ｌａｉのカウント値(bincount(i))に「１」を代入する。ステップS３４において、輝度差が所定値に満たないと判定した場合は、判断対象となった注目点Ｐａｊと参照点Ｐｒｊとの間にはエッジ要素が存在しないと判断し、ステップＳ３６へ処理を進める。
　静止物判断部３８は、ステップＳ３６において、現在処理対象となっている注目線Ｌａｉ上のすべての注目点Ｐａｊについて、ステップＳ３４の処理を実行したか否かを判定する。すべての注目点Ｐａｊについて、ステップＳ３４の処理を実行していないと判定した場合は、ステップＳ３４に戻り、次の注目点Ｐａｊ＋１と参照点Ｐｒｊ＋１との輝度差を求め、当該輝度差が所定値以上であるか否かを判定する。このようにして、静止物判断部３８は、注目点Ｐａｊと参照点Ｐｒｊとの関の輝度差を、注目線Ｌａｉに沿って順次連続的に求めて、求めた輝度差が所定値以上となった場合に、エッジ要素が存在すると判断する。
　静止物判断部３８は、ステップＳ３５にて、第１番目の注目線Ｌａｉのカウント値(bincount(i))に「１」を代入したあと、ステップＳ３７へ処理を進め、そこで、次の注目点Ｐａｊ＋１と参照点Ｐｒｊ＋１との輝度差を求め、当該輝度差が所定値以上であるか否かを判定する。輝度差が所定値以上であると判定した場合は、静止物判断部３８は、判断対象となった注目点Ｐａｊ＋１と参照点Ｐｒｊ＋１との間にエッジ要素が存在すると判断し、ステップＳ３８にて、第ｉ番目の注目線ｌａｉのカウント値 (bincount(i))をカウントアップする。
　静止物判断部３８は、ステップＳ３７において、輝度差が所定値に満たないと判定した場合は、判断対象となった注目点Ｐａｊ＋１と参照点Ｐｒｊ＋１との間にはエッジ要素が存在しないと判断し、ステップＳ３８をとばして、ステップＳ３９に処理を進める。
　静止物判断部３８は、ステップＳ３９において、現在処理対象となっている注目線Ｌａｉ上のすべての注目点Ｐａｊについて、ステップＳ３４またはステップＳ３７の処理を実行したか否かを判定する。すべての注目点Ｐａｊについて、上記の処理を実行していないと判定した場合は、ステップＳ３７に処理を戻し、次の注目点Ｐａｊ＋１と参照点Ｐｒｊ＋１との輝度差を求め、当該輝度差が所定値以上であるか否かを判定する。ステップＳ３９において、すべての注目点Ｐａｊについて上記の処理を実行したと判定した場合は、ステップＳ４１に進む。静止物判断部３８は、エッジ要素が同じ注目線Ｌａｉに沿って何個存在しているかをカウントし、カウントしたエッジ要素の偶数を、注目線Ｌａｉの属性 (bincount(i))として記憶する。
　なお、ステップＳ３６において、すべての注目点ＰａｊにステップＳ３４の処理を実行したと判定した場合は、静止物判断部３８は現在処理対象となっている注目線Ｌａｉ上にはエッジ要素が存在しないと判断する。そして、静止物判断部３８はステップＳ４０にて、 bincount(i)に「０」を代入し、ステップＳ４１に処理を進める。ステップＳ４１において、ｎ本の注目線Ｌａｉすべてについて、上記の処理を実行した場合は、ステップＳ４２に処理を進め、上記の処理を実行していない場合には、ステップＳ３４以降の処理を行う。
　静止物判断部３８は、ステップＳ４２において、ｎ本の注目線Ｌａｉの各々に対して得られたエッジ要素のカウント値 bincount(i)(i=1～ｎ)をグラフ化し、エッジ分布波形を得る。具体的には、エッジ要素のカウント値を縦軸とし、実空間における注目線Ｌａｉの接地線Ｌ１上の位置を横軸とした平面上に、エッジ要素のカウント値bincount(i)(i=1～ｎ)をプロットする。続くステップＳ４３では、エッジ 分布波形のピークを検出する。ステップＳ４４では、検出した各ピーク間の距離を算出する。ステップＳ４５では、算出したピーク間距離が所定範囲内にあるピークを抽出し、その個数をカウントする。静止物判断部３８は、エッジの検出処理をエッジ線検出部３６、立体物検出部３７にさせて、処理結果を取得してもよい。
　ステップＳ４６において、静止物判断部３８は、ステップＳ４６において、カウントしたピークの個数が所定の閾値Ｔｈ２以上であるか否かを判定する。ピークの個数が所定の閾値Ｔｈ２以上であると判定した場合に、静止物判断部３８は、各ピークに対応する物が周期的静止物候補であると判定し、ステップＳ４７に処理を進める。
　ステップＳ４７において、静止物判断部３８は、ピークの個数が所定の閾値Ｔｈ２以上である状態が所定回数以上連続して検出されたか否か判断する。ピークの個数が所定の閾値Ｔｈ2以上である状態が所定回数以上連続して検出されたと判断した場合は、静止物判断部３８は、カウントされた各ピークに対応する物が周期的静止物であると判断し、ステップＳ４８にて、フラグf_shukiに「１」を代入する。一方、ステップＳ４７において、ピークの個数が所定の閾値Ｔｈ２以上である状態が所定回数以上連続して検出されていないと判断した場合は、静止物判断部３８は、ステップＳ４８をとばして、フラグf_shukiの値を維持する。
　ステップＳ４７において、ピークの個数が所定の閾値Ｔｈ２未満であると判定した場合はステップS４９に処理を進め、静止物判断部３８は、ステップＳ４９においてピークの個数が所定の閾値Ｔｈ２未満である状態が所定回数以上連続して検出されたか否か判断する。本例では、ピークの個数が所定の閾値Ｔｈ２未満である状態の検出回数を周期性評価値の一態様とし、所定回数を周期性評価閾値の一態様とすることもできる。所定回数は、上述したガードレール等の構造物Ｑ２を識別する観点から設定される第２周期性評価閾値としての回数と、他車両ＶＸを識別する観点から設定される第１周期性評価閾値としての閾値とを含ませることができる。先述した閾値Ｔｈ２及び所定回数の両方を周期性評価閾値として設定することもできる。ピークの個数が所定の閾値Ｔｈ２未満である状態が所定回数以上連続して検出されたと判断した場合は、静止物判断部３８は、カウントされた各ピークに対応する物は周期的静止物ではないと判断し、ステップＳ５０にて、フラグf_shukiに「０」を代入する。一方、ステップＳ４９において、ピークの個数が所定の閾値Ｔｈ２未満である状態が所定回数以上連続して検出されてなかった場合は、静止物判断部３８は、ステップＳ５０をとばして、フラグ f_shukiの値を維持する。
　本実施形態に係る立体物検出装置１及び立体物検出方法によれば、鳥瞰視画像の所定領域の画像データから複数の立体物のエッジ(特徴点)を抽出し、所定領域内におけるエッジの分布に対応したエッジ分布波形(波形データ)を算出し、そのエッジ分布波形のピークの個数(ピーク情報)が所定の閾値以上であるか否かに基づいて、複数の立体物が周期的静止物候補であるか否かを判断する。このため、第1実施形態と同様に、周期的静止物の有する周期性(繰り返し性)を波形データのピーク情報としてより明確に抽出することができ、撮像画像に含まれる立体物の中から周期的静止物候補をより容易に抽出できる。これにより、より精度良く周期的静止物を抽出することが可能になる。 
　また、実空間において鉛直方向に伸びる複数の鉛直仮想線ごとに、鉛直仮想線に沿って存在するエッジ要素の個数を積算し、積算したエッジ要素の個数に基づいてエッジ分布波形を得ている。そして、エッジ分布波形のピークの個数が所定の閾値Ｔｈ２以上であるとき、複数の立体物が周期的静止物候補であると判定する。このため、検知した複数の立体物が静止物であるか移動物であるかを判定しなくても、鉛直方向に延びるエッジが高密度に並んでいる場合を確実に検知して、周期的静止物である可能性がより高い周期的静止物候補をより容易に検出することができる。
　次に、エッジ情報に基づく不規則性の判断手法の一例を説明する。
　静止物判断部３８は視点変換部3３１により視点変換された検出領域Ａ１，Ａ２の鳥瞰視画像データから、予め定められた人工的立体物の条件を満たさず不規則に並ぶ不規則エッジ点を検出するものである。ここで、予め定められた人工的立体物の条件とは、検出領域Ａ１，Ａ２の鳥瞰視画像データ上において、略直線的に所定密度以上でエッジ点が並んでいることである。なお不規則性の判断処理において、静止物判断部３８は、エッジ情報の処理を、エッジ線検出部３６、立体物検出部３７に実行させ、その処理結果を取得することができる。
　図３４は、検出領域Ａ１の鳥瞰視画像データ上におけるエッジ点を示す図である。図３４に示すように、検出領域Ａ１の鳥瞰視画像データ上には複数のエッジ点Ｐが存在する。このうち、領域Ｒ１,Ｒ２内に位置するエッジ点Ｐについては、略直線的に所定密度以上で並んでおり、予め定められた人工的立体物の条件を満たしている。しかし、領域Ｒ１,Ｒ２外に位置するエッジ点Ｐについては、略直線的に所定密度以上で並んでおらず、予め定められた人工的立体物の条件を満たしていない。静止物判断部３８は、上記複数のエッジ点Ｐのうち領域Ｒ１,Ｒ２外に位置するエッジ点Ｐを、不規則エッジ点Ｐ１として検出する。
　静止物判断部３８は、検出領域Ａ１，Ａ２の鳥瞰視画像データからエッジ点Ｐを検出する。このエッジ点検出処理は、例えぱ鳥瞰視画像データにラプラシアンフィルタをかけて２値化処理を行うことにより、エッジ点Ｐを検出する。
　静止物判断部３８は、検出されたエッジ点Ｐのうち、予め定められた人工的立体物の条件を満たす規則的に並んだ規則的エッジ点Ｐ２を検出する。静止物判断部３８は、検出領域Ａ１，Ａ２の鳥瞰視画像データにおいて、カメラ１０から放射方向に所定密度以上でエッジ点Ｐが並んでいることを条件として、規則的エッジ点Ｐ２を検出する。一例を挙げると、静止物判断部３８は、カメラ１０から放射方向に伸びる直線を定義し、この直線から所定画素(例えば１０画素)以内に収まる領域を決定する。静止物判断部３８は、この領域内のエッジ点Ｐを略直線的に並ぶものと判断し、領域内のエッジ点Ｐが互いに所定距離(所定画素)以内に位置しているか否かを判断することで、所定密度以上で並んでいるか否かを判断する。
　エッジ点Ｐと規則的エッジ点Ｐ２が検出されると、静止物判断部３８は、検出されたエッジ点Ｐの数から規則的エッジ点Ｐ２の数を減算した数を、不規則エッジ点Ｐ１の数として検出する。静止物判断部３８は、検出領域Ａ１，Ａ２内に草及び泥や士をまだらに含む雪の少なくとも一方が存在するか否かを判断するものである。判断にあたり、静止物判断部３８は、検出された不規則エッジ点Ｐ１の数を参照する。
　図３５は、検出領域Ａ１の鳥瞰視画像データにおけるエッジ点Ｐを示す図であり、(a)は車両(タイヤ部分)のエッジ点Ｐを示し、(b)は草のエッジ点Ｐを示し、(C)は雪のエッジ点Ｐを示している。まず、車両(タイヤ)は人工物である。このため、エッジ点Ｐは規則的に並び易い傾向にある。よって、図３５（ａ）に示すように、車両については不規則エッジ点Ｐ１の数が少なくなり、規則的エッジ点Ｐ２が多くなる傾向にある。一方、草や雪は人工的立体物でないことから、図３５（ｂ）及び３５（ｃ）に示すように、略直線的に所定密度で並ぶエッジ点Ｐ (すなわち規則的エッジ点Ｐ２)が少なく、不規則エッジ点Ｐ１の数が多くなる。静止物判断部３８は、不規則エッジ点Ｐ１の数と所定の閾値とを比較することで、草や雪を判断することができる。ここで、不規則エッジ点Ｐ１の値は不規則性評価値の一態様であり、比較される所定の閾値は不規則性評価閾値の一態様である。所定の閾値は、上述した木陰Ｑ１と草・雪Ｑ３を識別する観点から設定される不規則性評価閾値としての閾値を少なくとも含む。
　静止物判断部３８は、エッジ点Ｐの数又は規則的エッジ点Ｐ２の数に対する、不規則エッジ点Ｐ１の数の比率に基づいて、草や雪を検出することが望ましい。エッジ点Ｐの数は、画像撮像時における光環境の影響を受けて増減する場合がある。このため、静止物判断部３８は、単に不規則エッジ点Ｐ１の数と所定の閾値とを比較するよりも、上記比率と所定の閾値とを比較する方が光環境の影響を受け難く草や雪を正確に判断することができる。ここで、エッジ点Ｐの数又は規則的エッジ点Ｐ２の数に対する、不規則エッジ点Ｐ１の数の比率は不規則性評価値の一態様であり、比較される比率に関する所定の閾値は不規則性評価閾値の一態様である。所定の閾値は、上述した木陰Ｑ１と草・雪Ｑ３を識別する観点から設定される不規則性評価閾値としての閾値を少なくとも含む。
　次に、本実施形態に係る不規則性の評価方法、具体定期には不規則性の高い草・雪検出方法について説明する。図３６は、本実施形態に係る雪・草壁検出方法を示すフローチャートである。図３６に示すように、まず静止物判断部３８は視点変換部３１の視点変換により得られた鳥瞰視画像データにラプラシアンフィルタを掛ける(Ｓ１)。これにより、エッジ点Ｐに相当する画素の画素値は大きくなり、その他の画素については画素値が小さくなる。
　その後、静止物判断部３８は、ラプラシアンフィルタを掛けた画像に対して、 2値化処理を施し（Ｓ２）、エッジ点Ｐを明確にする。そして、静止物判断部３８は、エッジ点Ｐの数Ｎをカウントする（Ｓ３）。静止物判断部３８は、ステップＳ４，Ｓ５の処理において、カメラ１０から放射方向に、所定密度以上でエッジ点Ｐが並んでいることを人工的立体物の条件として規則的エッジ点Ｐ２を検出し、規則的エッジ点Ｐ２の数Ｍをカウントする。すなわち、静止物判断部３８は、まず鉛直エッジを検出し（Ｓ４）、鉛直エッジ周辺(例えば鉛直エッジから１０画素以内)のエッジ点Ｐの数Ｍをカウントする（Ｓ５）。
　次に、静止物判断部３８は、ステップＳ３においてカウントし、算出したエッジ点Ｐの数ＮからステップＳ５において算出した規則的エッジ点Ｐ２の数Ｍを減じることで、不規則エッジ点Ｐ１の数Ｌを算出する（Ｓ６）。静止物判断部３８は、比率を算出する（Ｓ７）。このとき、静止物判断部３８は、エッジ点Ｐの数Ｎ又は規則的エッジ点Ｐ２の数Ｍに対する不規則エッジ点Ｐ１の数Ｌの比率を、Ｌ／Ｎ又はＬ／Ｍなる式から算出する。なお、この比率は、Ｌ／Ｎ又はＬ／Ｍを含んでいれば、他の数が加減算されてもよいし乗除算されてもよい。
　次に、静止物判断部３８は、ステップＳ７にて算出された比率が所定の閾値以上であるか否かを判断する（Ｓ８）。比率が所定の閧値以上であると判断した場合（Ｓ８：ＹＥＳ)、不規則エッジ点Ｐ１の数が多いことから検出領域Ａ１,Ａ２内に草や雪が存在する可能性が高い。よって、静止物判断部３８は、検出領域Ａ１,Ａ２内に草又は雪が存在すると判断する（Ｓ９）。制御部３９は、立体物検出部３７、立体物判断部３４に対して立体物が検出され又は判断されることを抑制する旨の制御命令を送信する（Ｓ１０）。これにより、立体物検出部３７、立体物判断部３４は、検出領域Ａ１，Ａ２内に草又は雪に由来する像が存在すると認識し、草又は雪を他車両ＶＸとして誤検出しないようにすることができる。
　静止物判断部３８は、一方、比率が所定の閾値値以上でないと判断した場合（Ｓ８：Ｎｏ）、検出領域Ａ１、Ａ２内に草又は雪の像が存在しないと判断する。
　本実施形態に係る不規則性の判断に基づく草・雪の検出手法によれば、予め定められた人工的立体物の条件を満たさず不規則に並ぶ不規則エッジ点Ｐ１を検出すると共に、不規則エッジ点Ｐ１の数Ｌに基づいて草及び雪が存在するかを判断する。ここで、検出領域Ａ１、Ａ２内に車両などの人工物が入っている場合、人工物であるがゆえにエッジ点Ｐは規則的に並びやすい傾向にある。これに対して、草及び雪の場合、人工物でないためエッジ点Ｐは不規則に並び易くなる。よって、不規則エッジ点Ｐ１の数Ｌから、前者と後者とを区別づけることができる。従って、草や雪の判断精度を向上させることができる。
　また、検出領域Ａ１、Ａ２内の画像データからエッジ点Ｐを検出すると共に、予め定められた人工的立体物の条件を満たす規則的に並んだ規則的エッジ点Ｐ２を検出し、前者から後者を減算する。このため、全体のエッジ点Ｐを把握したうえで規則的なエッジ点Ｐ２を減じることで、不規則に並ぶ不規則エッジ点Ｐ１を検出することができる。
　また、エッジ点Ｐの数Ｎ又は規則的エッジ点Ｐ２の数Ｍと、不規則エッジ点Ｐ１の数Ｌとの比率に基づいて、検出領域Ａ１、Ａ２内に草及び雪の少なくとも一方が存在するかを判断する。このため、光環境の相違によりエッジ点Ｐが多く検出されたり少なく検出されたりするような場合であっても、エッジ点Ｐの数Ｎ又は規則的エッジ点Ｐ２の数Ｍと、不規則エッジ点Ｐ１の数Ｌとは、それぞれ同様に多く検出されたり少なく検出されたりすることとなる。よって、比率自体は光環境に影響され難いといえる。従って、光環境の変化によっても影響を受け難く草や雪を検出することができる。
　また、検出領域Ａ１，Ａ２の画像データを鳥瞰視した状態で略直線的に所定密度以上でエッジ点が並んでいることを条件として、規則的エッジ点Ｐ１を抽出する。このため、人工物などのように直線成分が多いものについては、規則的エッジ点Ｐ１が検出され易くなり、草や雪については規則的エッジ点Ｐ１が検出され難くなる。よって、一層正確に草や雪を検出することができる。
　また、検出領域Ａ１，Ａ２の画像データを鳥瞰視した状態で、カメラ１０から放射方向に、所定密度以上でエッジ点Ｐが並んでいることを条件として、規則的エッジ点Ｐ２を検出する。このため、実空間上において鉛直方向に伸びる成分を規則的エッジ点Ｐ２として検出することとなり、立体物である車両がもつ鉛直方向のエッジ点Ｐを捉えることができるため、車両と草や雪との相違を明確とすることができる。
　上述したエッジの不規則性は、本発明の差分画像情報の特徴として把握することができる。つまり、差分画像情報を生成する際に、位置合わせされた鳥瞰視画像の差分画像上において、鳥瞰視画像を視点変換した際に立体物が倒れ込む方向に沿って、差分画像上において所定の差分を示す画素の画素数をカウントして度数分布化するが、この差分画像上で所定の差分を示す画素を本不規則性処理におけるエッジとして扱い、この画素の度数分布に基づいて上記手法を適用して不規則性を判断することができる。
　以上のとおり構成され、動作する本発明の本実施形態に係る立体物検出装置１によれば、以下の効果を奏する。
　（１）本実施形態の立体物検出装置１によれば、撮像画像の差分波形情報又はエッジ情報に基づいて周期性を評価するための周期性評価値と不規則性を評価するための不規則性評価値とを算出し、周期性評価値が所定値域内であり、不規則性評価値が所定の閾値以上である場合に周期性と不規則性を備える樹木の影が画像情報に含まれていることを識別することができるので、車両の走行路に沿って存在する樹木の影を自車両の走行車線の隣の隣接車線を走行する他車両として誤検出することを防止することができる。この結果、自車両の走行車線の隣の隣接車線を走行する他車両ＶＸを、高い精度で検出する立体物検出装置を提供することができる。
　差分波形情報に基づく処理であっても、エッジ情報に基づく処理であっても同様の作用及び効果を奏する。
　（２）本実施形態の立体物検出装置１によれば、周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、不規則性評価値が不規則性評価値閾値以上である場合には、立体物検出部３３により検出された立体物が自車両Ｖの走行路に沿って存在する草又は雪Ｑ３であると判断することができる。草・雪Ｑ２と木陰Ｑ１はいずれも不規則性を備え、これらを識別することは容易ではないが、本実施形態のように、周期性評価値に基づいて木陰Ｑ１及び草・雪Ｑ２を絞り込んでから、不規則性評価値に基づいて、木陰Ｑ１又は草・雪Ｑ２を識別することにより、木陰Ｑ１を草・雪Ｑ２から正確に識別することができる。
　（３）本実施形態の立体物検出装置１によれば、周期性評価値が設定された第２周期性評価閾値以上である場合には、検出された立体物がガードレールなどの構造物Ｑ２であると判断することができる。ガードレールなどの構造物Ｑ２の周期性と木陰Ｑ３の周期性とは比較的明確に識別できるので、第２周期性評価閾値をガードレールなどの構造物Ｑ２の周期性に基づいて設定することにより、木陰Ｑ３及び草・雪Ｑ２をガードレールなどの構造物Ｑ２と正確に識別することができる。この結果、木陰Ｑ１を正確に識別することができる。
　（４）本実施形態の立体物検出装置１によれば、周期性評価値が第１周期性評価閾値未満である場合には、検出された立体物が移動体、例えば他車両ＶＸであると判断することができる。他車両ＶＸの周期性と草・雪Ｑ２の周期性とはいずれも低いものの、識別可能な差を見出すことができるので、第１周期性評価閾値を他車両ＶＸの周期性に基づいて設定することにより、木陰Ｑ３及び草・雪Ｑ２を他車両ＶＸから正確に識別することができる。この結果、木陰Ｑ１を正確に識別することができる。
　（５）本実施形態の立体物検出装置１によれば、物体の周期性が検出し難い暗い状況においては、草・雪Ｑ３及び木陰Ｑ１を判断するための下限の閾値である第１周期性評価閾値を高い値に変更するので、立体物を他車両ＶＸであると判断し易くすることができる。この結果、暗い状況においても、他車両ＶＸを検出し損ねることなく、木陰Ｑ１を正確に判断することができる。暗い状況においては、他車両ＶＸの周期性も検出し難くなるので、立体物を他車両ＶＸであると判断し易くすることは、安全確保の観点からも好ましい。
　（６）本実施形態の立体物検出装置１によれば、現在位置が都市地域に属する場合には、草・雪Ｑ３及び木陰Ｑ１を判断するための下限の閾値である第１周期性評価閾値を低い値に変更するので、広告塔、看板、その他の構造物が多く存在し、道路の検出領域Ａ１，Ａ２に映り込む木陰Ｑ１又は草・雪Ｑ３の周期性が低くなる傾向がある都市部においても、木陰Ｑ１の周期性を正確に判断することができる。
　（７）前回の処理において検出された立体物が自車両Ｖの走行路に沿って存在する樹木の影であると判断された場合には、第１閾値αを高く変更することにより、自車両Ｖの走行車線の隣を走行する他車両ＶＸが検出されにくいように検出感度を調整できるため、木陰Ｑ１の像を隣の車線を走行する他車両ＶＸとして誤検出することを防止することができる。
　（８）前回の処理において検出された立体物が自車両Ｖの走行路に沿って存在する樹木の影であると判断された場合には、差分波形情報を生成する際の出力値を低くすることにより、自車両Ｖの走行車線の隣を走行する他車両ＶＸが検出されにくいように検出感度を調整できるため、木陰Ｑ１の像を隣の車線を走行する他車両ＶＸとして誤検出することを防止することができる。
　（９）前回の処理において検出された立体物が自車両Ｖの走行路に沿って存在する樹木の影であると判断された場合には、エッジ情報を生成する際の判断の閾値を高く変更することにより、自車両Ｖの走行車線の隣を走行する他車両ＶＸが検出されにくいように検出感度を調整できるため、木陰Ｑ１の像を隣の車線を走行する他車両ＶＸとして誤検出することを防止することができる。
　（１０）前回の処理において検出された立体物が自車両Ｖの走行路に沿って存在する樹木の影であると判断された場合には、エッジ情報を生成する際の出力値を低くすることにより、自車両Ｖの走行車線の隣を走行する他車両ＶＸが検出されにくいように検出感度を調整できるため、木陰Ｑ１の像を隣の車線を走行する他車両ＶＸとして誤検出することを防止することができる。
　（１１）なお、本実施形態に立体物の検出方法においても同様の作用及び同様の効果を得ることができる。差分波形情報に基づく処理であっても、エッジ情報に基づく処理であっても同様の作用及び効果を奏する。
　上記カメラ１０は本発明に係る撮像手段に相当し、上記視点変換部３１は本発明に係る画像変換手段に相当し、上記位置合わせ部３２及び立体物検出部３３は本発明に係る立体物検出手段に相当し、上記輝度差算出部３５，エッジ線検出部３６及び立体物検出部３７は本発明に係る立体物検出手段に相当し、上記立体物判断部３４は立体物判断手段に相当し、上記静止物判断部３８は静止物判断手段に相当し、制御部３９は制御手段に相当し、上記車速センサ２０は車速センサに相当し、上記明るさセンサ５０は、明るさ検出手段に相当し、上記現在位置検出装置６０は、現在位置検出手段に相当する。
１…立体物検出装置
１０…カメラ
２０…車速センサ
３０…計算機
３１…視点変換部
３２…位置合わせ部
３３，３７…立体物検出部
３４…立体物判断部
３５…輝度差算出部
３６…エッジ検出部
３８…静止物判断部
４０…スミア検出部
５０…明るさセンサ
６０…現在位置センサ
Ａ１，Ａ２…検出領域
ＣＰ…交点
ＤＰ…差分画素
ＤＷｔ，ＤＷｔ’…差分波形
ＤＷｔ１～ＤＷｍ，ＤＷｍ＋ｋ～ＤＷｔｎ…小領域
Ｌ１，Ｌ２…接地線
Ｌａ，Ｌｂ…立体物が倒れ込む方向上の線
Ｐ…撮像画像
ＰＢｔ…鳥瞰視画像
ＰＤｔ…差分画像
ＭＰ…マスク画像
Ｓ…スミア
ＳＰ…スミア画像
ＳＢｔ…スミア鳥瞰視画像
Ｖ…自車両
ＶＸ…他車両

Claims (13)

  1. 　車両に搭載され、車両後方を撮像する撮像手段と、
    　前記撮像手段により得られた画像を鳥瞰視画像に視点変換する画像変換手段と、
    　前記画像変換手段により得られた異なる時刻の鳥瞰視画像の位置を鳥瞰視上で位置合わせし、当該位置合わせされた鳥瞰視画像の差分画像上において、前記鳥瞰視画像を視点変換した際に立体物が倒れ込む方向に沿って、前記差分画像上において所定の差分を示す画素数をカウントして度数分布化することで差分波形情報を生成し、当該差分波形情報に基づいて、前記車両後方の右側及び左側のそれぞれに設定された検出領域に存在する立体物を検出する立体物検出手段と、を備え、
    　前記差分波形情報に基づいて、当該差分波形情報の周期性を評価するための周期性評価値を算出するとともに、前記差分波形情報に基づいて、当該差分波形情報の不規則性を評価するための不規則性評価値を算出し、前記算出された周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、前記算出された不規則性評価値が所定の不規則性評価閾値未満である場合には、前記立体物検出手段により検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断する静止物判断手段と、
    　前記立体物検出手段により検出された立体物が前記検出領域に存在する他車両であるか否かを判断する立体物判断手段と、
    　前記静止物判断手段により前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記立体物判断手段により前記検出された立体物が他車両であると判断されることを抑制する制御手段と、を備えることを特徴とする立体物検出装置。
  2. 　車両に搭載され、車両後方を撮像する撮像手段と、
    　前記撮像手段により得られた画像を鳥瞰視画像に視点変換する画像変換手段と、
    　前記画像変換手段により得られた鳥瞰視画像において、鳥瞰視画像に視点変換した際に立体物が倒れ込む方向に沿って、互いに隣接する画像領域の輝度差が所定閾値以上であるエッジ情報を検出し、当該エッジ情報に基づいて前記車両後方の右側及び左側のそれぞれに設定された検出領域に存在する立体物を検出する立体物検出手段と、を備え、
    　前記エッジ情報に基づいて、当該エッジ情報の周期性を評価するための周期性評価値を算出するとともに、前記エッジ情報に基づいて、当該エッジ情報の不規則性を評価するための不規則性評価値を算出し、前記算出された周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、前記算出された不規則性評価値が所定の不規則性評価閾値未満である場合には、前記立体物検出手段により検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断する静止物判断手段と、
    　前記立体物検出手段により検出された立体物が前記検出領域に存在する他車両であるか否かを判断する立体物判断手段と、
    　前記静止物判断手段により前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記立体物判断手段により前記検出された立体物が他車両であると判断されることを抑制する制御手段と、を備えることを特徴とする立体物検出装置。
  3. 　前記静止物判断手段は、前記算出された周期性評価値が第１周期性評価閾値未満である場合には、前記立体物検出手段により検出された立体物が移動体であると判断することを特徴とする請求項１又は２に記載の立体物検出装置。
  4. 　前記車両周囲の明るさを検出する明るさ検出手段をさらに備え、
    　前記静止物判断手段は、明るさ検出手段により検出された明るさが所定値未満である場合には、第１周期性評価閾値を高い値に変更することを特徴とする請求項１～３の何れか一項に記載の立体物検出装置。
  5. 　前記車両の現在位置を検出する現在位置検出手段をさらに備え、
    　前記静止物判断手段は、各位置情報に当該位置が都市地域であるか郊外地域であるかの情報を対応づけた地図情報を参照し、現在位置検出手段により検出された現在位置が都市地域に含まれる場合には、第１周期性評価閾値を低い値に変更することを特徴とする請求項１～４の何れか一項に記載の立体物検出装置。
  6. 　前記制御手段は、前記静止物判断手段により前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記立体物の判断処理を中止する内容の制御命令又は前記検出された立体物が他車両ではないと判断する内容の制御命令を生成し、前記立体物判断手段に出力することを特徴とする請求項１～５の何れか一項に記載の立体物検出装置。
  7. 　前記立体物検出手段は、前記差分波形情報と第１閾値αとに基づいて立体物を検出し、
    　前記制御手段は、前記静止物判断手段により前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記第１閾値αを前記立体物が検出され難いように高く変更する制御命令を前記立体物検出手段に出力することを特徴とする請求項１に従属する請求項３～６の何れか一項に記載の立体物検出装置。
  8. 　前記制御手段は、前記静止物判断手段により前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記鳥瞰視画像の差分画像上において所定の差分を示す画素数をカウントして度数分布化された値を低くする制御命令を生成し、当該制御命令を前記立体物検出手段に出力することを特徴とする請求項７に記載の立体物検出装置。
  9. 　前記立体物検出手段は、前記エッジ情報と第２閾値βとに基づいて立体物を検出し、
    　前記制御手段は、前記静止物判断手段により前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記第２閾値βを前記立体物が検出され難いように高く変更する制御命令を前記立体物検出手段に出力することを特徴とする請求項２に従属する請求項３～６の何れか一項に記載の立体物検出装置。
  10. 　前記制御手段は、前記静止物判断手段により前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記検出したエッジ情報の量を低く出力する制御命令を前記立体物検出手段に出力することを特徴とする請求項９に記載の立体物検出装置。
  11. 　前記静止物判断手段は、前記算出された周期性評価値が第１周期性評価閾値未満であり、かつ前記算出された不規則性評価値が所定の不規則性評価閾値未満である場合には、前記立体物検出手段により検出された立体物が移動体であると判断し、
    　前記制御手段は、前記静止物判断手段により前記検出された立体物が移動体であると判断された場合には、前記立体物判断手段により前記検出された立体物が他車両であると判断させることを特徴とする請求項１～１０の何れか一項に記載の立体物検出装置。
  12. 　車両に搭載されたカメラにより撮像された車両後方の画像情報を鳥瞰視画像に視点変換するステップと、
    　前記支店変換された異なる時刻の鳥瞰視画像の位置を鳥瞰視上で位置合わせし、当該位置合わせされた鳥瞰視画像の差分画像上において、前記鳥瞰視画像を視点変換した際に立体物が倒れ込む方向に沿って、前記差分画像上において所定の差分を示す画素数をカウントして度数分布化することで差分波形情報を生成し、当該差分波形情報に基づいて、前記車両後方の右側及び左側のそれぞれに設定された検出領域に存在する立体物を検出するステップと、
    　前記検出された立体物が前記検出領域に存在する他車両であるか否かを判断するステップと、
    　前記差分波形情報に基づいて、当該差分波形情報の周期性を評価するための周期性評価値を算出するとともに、前記差分波形情報に基づいて、当該差分波形情報の不規則性を評価するための不規則性評価値を算出し、前記算出された周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、前記算出された不規則性評価値が所定の不規則性評価閾値未満である場合には、前記立体物検出手段により検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断するステップと、
    　前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記検出された立体物が他車両であると判断されることを抑制するステップと、を備えることを特徴とする立体物検出方法。
  13. 　車両に搭載されたカメラにより撮像された車両後方の画像情報を鳥瞰視画像に視点変換するステップと、
    　前記得られた鳥瞰視画像において、鳥瞰視画像に視点変換した際に立体物が倒れ込む方向に沿って、互いに隣接する画像領域の輝度差が所定閾値以上であるエッジ情報を検出し、当該エッジ情報に基づいて前記車両後方の右側及び左側のそれぞれに設定された検出領域に存在する立体物を検出するステップと、
    　前記検出された立体物が前記検出領域に存在する他車両であるか否かを判断するステップと、
    　前記エッジ情報に基づいて、当該エッジ情報の周期性を評価するための周期性評価値を算出するとともに、前記エッジ情報に基づいて、当該エッジ情報の不規則性を評価するための不規則性評価値を算出し、前記算出された周期性評価値が第１周期性評価閾値以上かつ第２周期性評価閾値未満であり、前記算出された不規則性評価値が所定の不規則性評価閾値未満である場合には、前記立体物検出手段により検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断するステップと、
    　前記検出された立体物が前記自車両の走行路に沿って存在する樹木の影であると判断された場合には、前記検出された立体物が他車両であると判断されることを抑制するステップと、を有することを特徴とする立体物検出方法。
PCT/JP2013/054765 2012-04-16 2013-02-25 立体物検出装置及び立体物検出方法 WO2013157301A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US14/385,540 US9141870B2 (en) 2012-04-16 2013-02-25 Three-dimensional object detection device and three-dimensional object detection method
CN201380020430.3A CN104246821B (zh) 2012-04-16 2013-02-25 三维物体检测装置和三维物体检测方法
JP2014511132A JP5867596B2 (ja) 2012-04-16 2013-02-25 立体物検出装置及び立体物検出方法
EP13778354.4A EP2843615B1 (en) 2012-04-16 2013-02-25 Device for detecting three-dimensional object and method for detecting three-dimensional object

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-092912 2012-04-16
JP2012092912 2012-04-16

Publications (1)

Publication Number Publication Date
WO2013157301A1 true WO2013157301A1 (ja) 2013-10-24

Family

ID=49383270

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/054765 WO2013157301A1 (ja) 2012-04-16 2013-02-25 立体物検出装置及び立体物検出方法

Country Status (5)

Country Link
US (1) US9141870B2 (ja)
EP (1) EP2843615B1 (ja)
JP (1) JP5867596B2 (ja)
CN (1) CN104246821B (ja)
WO (1) WO2013157301A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017076276A (ja) * 2015-10-15 2017-04-20 株式会社日本自動車部品総合研究所 静止物検出装置、及びプログラム
CN110088803A (zh) * 2016-12-26 2019-08-02 日立汽车系统株式会社 摄像装置
JP2021177136A (ja) * 2020-05-07 2021-11-11 株式会社トヨタマップマスター 情報処理装置、情報処理方法及び情報処理プログラム

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5413516B2 (ja) * 2010-08-19 2014-02-12 日産自動車株式会社 立体物検出装置及び立体物検出方法
JP5614504B2 (ja) * 2011-09-12 2014-10-29 日産自動車株式会社 立体物検出装置
JP5708689B2 (ja) * 2013-03-13 2015-04-30 株式会社デンソー 物体検出装置
DE102013216994A1 (de) * 2013-08-27 2015-03-05 Robert Bosch Gmbh Geschwindigkeitsassistent für ein Kraftfahrzeug
US9903719B2 (en) * 2013-09-03 2018-02-27 Litel Instruments System and method for advanced navigation
US10223800B2 (en) * 2014-03-28 2019-03-05 Hewlett-Packard Development Company, L.P. Determine presence of quasi-periodic two-dimensional object
DE102014105297A1 (de) * 2014-04-14 2015-10-15 Connaught Electronics Ltd. Verfahren zum Detektieren eines Objekts in einem Umgebungsbereich eines Kraftfahrzeugs mittels eines Kamerasystems des Kraftfahrzeugs, Kamerasystem und Kraftfahrzeug
US10929702B2 (en) * 2015-09-10 2021-02-23 Sync-Rx, Ltd Automatic image feature removal
US10019805B1 (en) * 2015-09-29 2018-07-10 Waymo Llc Detecting vehicle movement through wheel movement
JP6466811B2 (ja) * 2015-09-30 2019-02-06 株式会社Ｓｏｋｅｎ 走行区画線認識装置
JP6623729B2 (ja) * 2015-12-04 2019-12-25 株式会社ソシオネクスト 測距システム、移動体及び部品
DE102016003424B4 (de) * 2016-03-21 2023-09-28 Elektrobit Automotive Gmbh Verfahren und Vorrichtung zum Erkennen von Verkehrszeichen
US10183677B2 (en) * 2016-09-20 2019-01-22 Ford Global Technologies, Llc Ice and snow detection systems and methods
US10339708B2 (en) * 2016-11-01 2019-07-02 Google Inc. Map summarization and localization
US10671873B2 (en) * 2017-03-10 2020-06-02 Tusimple, Inc. System and method for vehicle wheel detection
DE112017007347T5 (de) * 2017-03-30 2019-12-12 Mitsubishi Electric Corporation Objekterkennungsvorrichtung und fahrzeug
US10789727B2 (en) * 2017-05-18 2020-09-29 Panasonic Intellectual Property Corporation Of America Information processing apparatus and non-transitory recording medium storing thereon a computer program
JP7072641B2 (ja) * 2018-04-16 2022-05-20 三菱電機株式会社 路面検出装置、路面検出装置を利用した画像表示装置、路面検出装置を利用した障害物検知装置、路面検出方法、路面検出方法を利用した画像表示方法、および路面検出方法を利用した障害物検知方法
JP7327992B2 (ja) 2019-05-10 2023-08-16 フォルシアクラリオン・エレクトロニクス株式会社 立体物検出装置、及び立体物検出方法
JP2022548645A (ja) 2019-09-17 2022-11-21 カーボン オートノマス ロボティック システムズ， インコーポレイテッド 自律レーザ雑草根絶
CN114730526A (zh) * 2019-11-28 2022-07-08 三菱电机株式会社 物体识别装置、物体识别方法及物体识别程序
CN111160214B (zh) * 2019-12-25 2022-03-15 电子科技大学 一种基于数据融合的3d目标检测方法
US20220299635A1 (en) * 2021-03-17 2022-09-22 Carbon Autonomous Robotic Systems Inc. Systems and methods for point to point object matching and targeting

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007219393A (ja) * 2006-02-20 2007-08-30 Doshisha 画像から音楽を生成する音楽生成装置
JP2008158958A (ja) * 2006-12-26 2008-07-10 Nissan Motor Co Ltd 路面判別方法および路面判別装置。
JP2008219063A (ja) 2007-02-28 2008-09-18 Sanyo Electric Co Ltd 車両周辺監視装置及び方法
JP2008227646A (ja) 2007-03-09 2008-09-25 Clarion Co Ltd 障害物検知装置
JP2009265783A (ja) * 2008-04-23 2009-11-12 Sanyo Electric Co Ltd 運転支援システム及び車両
JP2010533282A (ja) * 2007-06-08 2010-10-21 テレ アトラス ベスローテン フエンノートシャップ 多視点パノラマを生成する方法及び装置
JP2011198007A (ja) 2010-03-19 2011-10-06 Konica Minolta Business Technologies Inc プレゼンテーションシステム、管理装置およびプログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6411898B2 (en) * 2000-04-24 2002-06-25 Matsushita Electric Industrial Co., Ltd. Navigation device
DE10035223A1 (de) * 2000-07-20 2002-01-31 Daimler Chrysler Ag Vorrichtung und Verfahren zur Überwachung der Umgebung eines Objekts
JP4596978B2 (ja) * 2005-03-09 2010-12-15 三洋電機株式会社 運転支援システム
JP2010141836A (ja) 2008-12-15 2010-06-24 Sanyo Electric Co Ltd 障害物検知装置
JP5251927B2 (ja) 2010-06-21 2013-07-31 日産自動車株式会社 移動距離検出装置及び移動距離検出方法
JP5413516B2 (ja) * 2010-08-19 2014-02-12 日産自動車株式会社 立体物検出装置及び立体物検出方法
MX321872B (es) 2011-02-21 2014-07-11 Nissan Motor Sistema de deteccion de objeto estacionario periodico y metodo de deteccion de objeto estacionario periodico.
JP5614504B2 (ja) 2011-09-12 2014-10-29 日産自動車株式会社 立体物検出装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007219393A (ja) * 2006-02-20 2007-08-30 Doshisha 画像から音楽を生成する音楽生成装置
JP2008158958A (ja) * 2006-12-26 2008-07-10 Nissan Motor Co Ltd 路面判別方法および路面判別装置。
JP2008219063A (ja) 2007-02-28 2008-09-18 Sanyo Electric Co Ltd 車両周辺監視装置及び方法
JP2008227646A (ja) 2007-03-09 2008-09-25 Clarion Co Ltd 障害物検知装置
JP2010533282A (ja) * 2007-06-08 2010-10-21 テレ アトラス ベスローテン フエンノートシャップ 多視点パノラマを生成する方法及び装置
JP2009265783A (ja) * 2008-04-23 2009-11-12 Sanyo Electric Co Ltd 運転支援システム及び車両
JP2011198007A (ja) 2010-03-19 2011-10-06 Konica Minolta Business Technologies Inc プレゼンテーションシステム、管理装置およびプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2843615A4

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017076276A (ja) * 2015-10-15 2017-04-20 株式会社日本自動車部品総合研究所 静止物検出装置、及びプログラム
CN110088803A (zh) * 2016-12-26 2019-08-02 日立汽车系统株式会社 摄像装置
CN110088803B (zh) * 2016-12-26 2023-05-12 日立安斯泰莫株式会社 摄像装置
JP2021177136A (ja) * 2020-05-07 2021-11-11 株式会社トヨタマップマスター 情報処理装置、情報処理方法及び情報処理プログラム
JP7417466B2 (ja) 2020-05-07 2024-01-18 株式会社トヨタマップマスター 情報処理装置、情報処理方法及び情報処理プログラム

Also Published As

Publication number Publication date
US20150071490A1 (en) 2015-03-12
EP2843615A1 (en) 2015-03-04
US9141870B2 (en) 2015-09-22
EP2843615B1 (en) 2016-12-07
CN104246821A (zh) 2014-12-24
EP2843615A4 (en) 2015-05-27
JPWO2013157301A1 (ja) 2015-12-21
CN104246821B (zh) 2016-08-17
JP5867596B2 (ja) 2016-02-24

Similar Documents

Publication Publication Date Title
JP5867596B2 (ja) 立体物検出装置及び立体物検出方法
JP5997276B2 (ja) 立体物検出装置及び異物検出装置
JP5614504B2 (ja) 立体物検出装置
JP5896027B2 (ja) 立体物検出装置及び立体物検出方法
JP5776795B2 (ja) 立体物検出装置
JP5874831B2 (ja) 立体物検出装置
JP5682735B2 (ja) 立体物検出装置
JP5794378B2 (ja) 立体物検出装置及び立体物検出方法
JP5783319B2 (ja) 立体物検出装置及び立体物検出方法
JP5871069B2 (ja) 立体物検出装置及び立体物検出方法
WO2013125335A1 (ja) 立体物検出装置及び立体物検出方法
JP6003987B2 (ja) 立体物検出装置及び立体物検出方法
WO2013129360A1 (ja) 立体物検出装置
JP5768927B2 (ja) 立体物検出装置
JP5817913B2 (ja) 立体物検出装置及び立体物検出方法
WO2013129359A1 (ja) 立体物検出装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13778354

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014511132

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14385540

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

REEP Request for entry into the european phase

Ref document number: 2013778354

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2013778354

Country of ref document: EP