WO2020013021A1

WO2020013021A1 - 検出装置、処理装置、検出方法、及び処理プログラム

Info

Publication number: WO2020013021A1
Application number: PCT/JP2019/026217
Authority: WO
Inventors: 源洋中川
Original assignee: 株式会社ニコン
Priority date: 2018-07-13
Filing date: 2019-07-02
Publication date: 2020-01-16
Also published as: JPWO2020013021A1; JP7200994B2

Abstract

【課題】互いに接触する第１物体と第２物体とを識別可能な検出装置を提供する。【解決手段】検出装置は、対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出する位置検出部と、位置検出部の検出結果に基づく第１物体の物体面と、位置検出部が検出した物体上の各点との距離に基づいて、物体面に接触する第２物体の少なくとも一部を物体面に対して識別する物体識別部と、を備える。

Description

検出装置、処理装置、検出方法、及び処理プログラム

　本発明は、検出装置、処理装置、検出方法、及び処理プログラムに関する。

　物体を検出する技術として、例えば下記の特許文献１に記載された技術がある。検出対象の物体は、互いに接触する第１物体および第２物体を含む場合がある。このような場合、例えば、第１物体と第２物体とを識別して検出可能であることが望まれる。例えば、床面上の人体を検出する場合、床面に接触する人体を床面と識別して高精度に検出可能であることが望まれる。

特開２０１０－１３４５４６号公報

　本発明の態様に従えば、対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出する位置検出部と、位置検出部の検出結果に基づく第１物体の物体面と、位置検出部が検出した物体上の各点との距離に基づいて、物体面に接触する第２物体の少なくとも一部を物体面に対して識別する物体識別部と、を備える検出装置が提供される。

　本発明の態様に従えば、対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出した検出結果に基づく第１物体の物体面と、物体上の各点との距離に基づいて、物体面に接触する第２物体の少なくとも一部を物体面に対して識別する物体識別部、を備える処理装置が提供される。

　本発明の様態に従えば、対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出することと、検出の結果に基づく第１物体の物体面と、物体上の各点との距離に基づいて、物体面に接触する第２物体の少なくとも一部を物体面に対して識別することと、を含む検出方法が提供される。

　本発明の態様に従えば、コンピュータに、対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出した検出結果に基づく第１物体の物体面と、物体上の各点との距離に基づいて、物体面に接触する第２物体の少なくとも一部を物体面に対して識別すること、を実行させる処理プログラムが提供される。

第１実施形態に係る検出装置を示す図である。第１実施形態に係る位置検出部を示す図である。第１実施形態に係る点群処理を示す図である。第１実施形態に係る平面推定処理、及び物体識別処理を示す図である。第１実施形態に係る検出方法を示すフローチャートである。第１実施形態に係る平面推定処理を示すフローチャートである。第１実施形態に係る物体識別処理を示すフローチャートである。第２実施形態に係る検出装置を示す図である。第２実施形態に係る検出方法を示すフローチャートである。第３実施形態に係る物体識別処理を示す図である。第４実施形態に係る物体識別処理を示す図である。第５実施形態に係る検出装置を示す図である。第５実施形態に係る平面推定処理を示す図である。第６実施形態に係る検出装置を示す図である。第７実施形態に係る検出装置を示す図である。第８実施形態に係る検出装置を示す図である。

［第１実施形態］
　第１実施形態について説明する。図１は、実施形態に係る検出装置を示す図である。検出装置１は、対象領域ＡＲにおける物体Ｍを検出する。対象領域ＡＲは、検出装置１による検出の対象となる領域（例、検出装置１の検出領域、視野）である。図１において、物体Ｍは、第１物体Ｍ１と第２物体Ｍ２とを含む。第１物体Ｍ１は、例えば、対象領域ＡＲにおいて固定された物体（例、床、壁、道路、階段、グラウンド、建築物、構造物などの静止物体）を含む。第１物体Ｍ１は、物体面の一例である表面ＳＦ（例、床面、壁面、天井面、地面、路面、斜面、凹面や凸面のような曲率を有する曲面など）を有する。

　第２物体Ｍ２は、第１物体Ｍ１に対して分離可能（例、移動可能）な物体（例、移動する物体）を含む。第２物体Ｍ２は、例えば人体、動物、又はロボットを含む。第２物体Ｍ２は、第１物体Ｍ１の表面ＳＦに接触可能である。例えば、第２物体Ｍ２は、対象領域ＡＲ外から対象領域ＡＲ内に移動して、第１物体Ｍ１の表面ＳＦに接触する。また、第２物体Ｍ２は、表面ＳＦに非接触な状態（例、対象領域ＡＲ外に配置された状態）と、表面ＳＦに接触した状態（例、対象領域ＡＲ内に配置された状態）とのいずれの状態も取り得る。

　検出装置１（検出システム）は、位置検出部２と、処理装置３とを備える。位置検出部２は、対象領域ＡＲにおける第１物体Ｍ１及び第２物体Ｍ２を含む物体Ｍ上の各点の位置情報（例、デプス）を検出する。位置検出部２は、信号（入力信号）を物体Ｍに入力し、物体Ｍから出力される信号（出力信号）を検出する。上記の信号（入力信号、出力信号）は、例えば、光（可視光、非可視光、赤外光、紫外光）、及び音波（例、超音波）から選択されるエネルギー波を含む。

　位置検出部２は、検出部４（例、デプスセンサ、デプスカメラ、測距部）を含む。位置検出部２（検出部４）は、所定の点から物体Ｍにおける各点までのデプス（距離、奥行き、深度）を検出する。上記所定の点は、例えば、位置検出部２による検出の基準になる位置の点（例、視点、検出元の点、位置検出部２の位置の点）である。

　図２は、第１実施形態に係る位置検出部２を示す図である。位置検出部２（検出部４）は、照射部５、光学系６、及び撮像素子７を備える。照射部５は、検出の対象領域ＡＲ（空間、検出領域）に光Ｌａ（例、パターン光、照射光、パルス光）を照射（例、投影）する。光Ｌａは、例えば赤外光を含む。光学系６は、例えば結像光学系（撮像光学系）を含む。撮像素子７は、例えば、ＣＭＯＳイメージセンサあるいはＣＣＤイメージセンサを含む。撮像素子７は、二次元的に配列された複数の画素を有する。撮像素子７は、光学系６を介して、物体Ｍを含む対象領域ＡＲを撮像する。撮像素子７は、対象領域ＡＲにおける物体（物体Ｍ）から光Ｌａの照射によって放射される光Ｌｂ（赤外光、戻り光）を検出する。光Ｌｂは、例えば赤外光を含む。

　検出部４は、例えば、照射部５から照射される光Ｌａのパターン（例、強度分布）と、撮像素子７によって検出された光Ｌｂのパターン（強度分布、撮像画像）に基づいて、撮像素子７の各画素に対応する対象領域ＡＲ上の点から、撮像素子７の各画素までのデプスを検出する。位置検出部２は、その検出結果（領域位置情報）として、対象領域ＡＲにおけるデプスの分布を表したデプスマップ（例、デプス画像、奥行き情報、距離情報）を処理装置３（図１参照）に出力する。

　位置検出部２は、対象領域ＡＲにおいて移動する物体（例、移動体、第２物体Ｍ２）を検出してもよい。この場合、検出部４は、所定のサンプリング周波数で物体の検出を繰り返してもよい。検出部４は、検出を実行するごとに、各検出時の位置情報（例、デプスマップ）を生成してもよい。位置検出部２は、検出部４が生成した物体の位置情報の時間変化に基づいて、物体の移動を検出してもよい。また、位置検出部２は、検出部４による検出時刻が異なる複数の検出結果を演算（例、平均値の算出）することによって、位置情報を生成してもよい。

　なお、位置検出部２による位置情報の検出方法は、受動型計測でもよいし能動型計測でもよく、任意に設定される。位置検出部２は、TOF（time of flight）法によってデプスを検出するデバイスでもよい。また、位置検出部２は、TOF法以外の手法でデプスを検出するデバイスでもよい。位置検出部２は、例えば、レーザスキャナ（例、レーザ測距器）を含み、レーザスキャンによってデプスを検出するデバイスでもよい。位置検出部２は、例えば、位相差センサを含み、位相差法によってデプスを検出するデバイスでもよい。位置検出部２は、例えば、DFD(depth from defocus)法によってデプスを検出するデバイスでもよい。

　なお、位置検出部２は、赤外光以外の光（例、可視光）を物体Ｍに照射し、物体Ｍから出射する光（例、可視光）を検出してもよい。位置検出部２は、例えばステレオカメラなどを含み、複数の視点から物体Ｍを検出（例、撮像）してもよい。位置検出部２は、複数の視点から物体Ｍを撮像した撮像画像を用いて、三角測量によってデプスを検出するデバイスでもよい。位置検出部２は、光学的な手法以外の手法（例、超音波によるスキャン）によって、デプスを検出してもよい。位置検出部２は、物体Ｍ上の各点と所定の点との距離を検出する第１検出部（例、検出部４）と、物体Ｍのテクスチャを検出する第２検出部（例、可視光を検出する撮像部）とを備えてもよい。

　図１の説明に戻り、処理装置３は、位置検出部２が出力する情報（例、検出結果）を処理する情報処理装置である。処理装置３は、モデル生成部１１と、面推定部１２と、物体識別部１３と、記憶部１４とを備える。記憶部１４は、例えば、不揮発性のメモリ、ハードディスク（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）などである。記憶部１４は、位置検出部２から出力された情報を記憶する。また、記憶部１４は、処理装置３の各部で処理された情報を記憶する。

　モデル生成部１１は、位置検出部２の検出結果を用いて、３次元のモデル情報を生成する。モデル生成部１１は、例えば、対象領域ＡＲにおける物体の少なくとも一部をコンピュータグラフィック処理（ＣＧ処理）し、モデル情報（例、３次元のＣＧモデルデータ）を算出する。モデル情報は、対象領域ＡＲにおける物体の形状情報を含む。モデル情報は、対象領域ＡＲにおける物体のテクスチャ情報を含んでもよい。

　モデル生成部１１は、点群データ生成部１５と、サーフェス情報生成部１６とを備える。点群データ生成部１５は、物体Ｍ上の各点の位置情報として点群データを生成する点群処理を実行する。点群データは、対象領域ＡＲにおける物体Ｍ（例、第１物体Ｍ１、第２物体Ｍ２）上の複数の点の３次元座標を含む。点群データ生成部１５は、位置検出部２が検出した位置情報（例、デプス）に基づいて、物体Ｍの点群データを算出する。点群データ生成部１５は、記憶部１４に記憶されている位置検出部２の検出結果を読み出して、点群データを算出する。点群データ生成部１５は、物体Ｍの形状情報として点群データを生成してもよい。

　図３は、第１実施形態に係る点群データ生成部による点群処理を示す図である。符号ＤＭ１は、位置検出部２の検出結果に相当するデプスマップ（デプス画像）である。デプスマップＤＭ１は、位置検出部２によるデプスの測定値の空間分布を表す情報（例、画像）である。デプスマップＤＭ１は、対象領域ＡＲの各点におけるデプスを階調値で表したグレースケールの画像である。デプスマップＤＭ１において、階調値が相対的に高い部分（例、白い部分、明るい部分）は、デプスが相対的に小さい部分（位置検出部２から相対的に近い部分）である。デプスマップＤＭ１において、階調値が相対的に低い部分（例、黒い部分、暗い部分）は、デプスが相対的に大きい部分（位置検出部２から相対的に遠い部分）である。

　点群データ生成部１５（図１参照）は、記憶部１４からデプスマップＤＭ１のデータを読み出し、デプスマップＤＭ１の各画素の階調値（デプスの測定値）に基づいて、各画素に相当する実空間上の点の３次元座標を算出し、点群データＰＤを生成する。以下の説明において、適宜、１つの点の三次元座標を点データと称する。点群データＰＤは、複数の点データを一組にしたデータである。

　図３における符号ＰＤは、第１物体Ｍ１における表面ＳＦとしての平面（例、床面）および第２物体Ｍ２（例、人体の足や手）に相当する点群データを表す。ここでは、点データの代わりに各点の位置に丸印を配置することで、点群データＰＤを概念的に表した。また、説明の便宜上、第１物体Ｍ１における点Ｐ１を黒の丸印で表し、第２物体Ｍ２における点Ｐ２を白の丸印で表した。

　以下の説明において、適宜、位置検出部２の検出結果（例、デプスの測定値）に対して上記の点群処理を施した処理結果を、第１点群データと称する。第１点群データは、第１物体Ｍ１に相当する点群データと、第２物体Ｍ２に相当する点群データとを含む。第１点群データにおいて、第２物体Ｍ２に相当する点群データは、第１物体Ｍ１に相当する点群データと区別されていない。例えば、第１点群データにおいて、第１物体Ｍ１と第２物体Ｍ２とは区別されておらず、第２物体Ｍ２上の点Ｐ２は、第１物体Ｍ１に属するか否かが識別されない。

　第１物体Ｍ１と第２物体Ｍ２とが互いに接触する部分において、第１物体Ｍ１上の点Ｐ１と第２物体Ｍ２上の点Ｐ２とは、連続的に分布する。第１物体Ｍ１と第２物体Ｍ２とが互いに接触する部分（例、境界の部分、オーバラップ部分などを含む）において、点Ｐ１の座標は、点Ｐ２の座標との差が小さい。このため、第２物体Ｍ２は、第１物体Ｍ１と接触する部分（接触領域）において、第１物体Ｍ１に対してその接触領域を識別することが難しい場合がある。

　実施形態に係る検出装置１は、第１物体Ｍ１の表面ＳＦを平面として推定（近似）する物体面推定処理（以下、平面推定処理と称する）と、平面推定処理によって推定された表面ＳＦに対して第２物体Ｍ２を識別（区別、分類、セグメント分割、セグメント化）する物体識別処理とを実行する。以下、図１および図４を参照して、平面推定処理および物体識別処理について説明する。図４は、第１実施形態に係る面推定部による平面推定処理、及び物体識別部による物体識別処理を示す図である。図４の符号ＰＤ１は、第１点群データに相当し、符号Ｐ３は第１点群データに含まれる点データに相当する。

　面推定部１２は、位置検出部２の検出結果に基づいて、第１物体Ｍ１における平面を推定する。面推定部１２は、第１物体Ｍ１における表面ＳＦ（図１参照）を、平面として推定する（平面で近似する）。以下の説明において、適宜、面推定部１２が推定した平面を推定平面と称する。図４の符号ＦＰは、推定平面に相当する。面推定部１２は、推定平面ＦＰを表す情報（以下、推定平面情報と称する）を生成する。面推定部１２は、推定平面情報を記憶部１４に記憶させる。

　面推定部１２は、例えば、予め設定された算出条件を満たすように、上記の平面を推定する。上記算出条件は記憶部１４に記憶されており、面推定部１２は、記憶部１４に記憶された算出条件を読み出し、平面推定処理を実行する。上記算出条件は、例えば、鉛直方向に対する角度が所定の範囲内である条件を含む。位置検出部２の検出結果から得られる物体の位置情報（例、点群データ）において実空間の鉛直方向に相当する方向は、位置検出部２の検出方向に基づいて予め設定される。面推定部１２は、例えば、鉛直方向に対する角度が所定の範囲内（例、８０°以上９０°以下）である条件を満たす平面（例、水平面）を、推定平面として導出する。

　推定平面ＦＰの算出条件は、鉛直方向に対する角度以外の条件を含んでもよい。例えば、推定平面ＦＰの算出条件は、面積が所定値以上である条件を含んでもよい。この場合、面推定部１２は、点群データに基づいて推定平面ＦＰの候補を導出し、この候補の面積が所定値以上である場合に、この候補を推定平面として採用（例、決定、特定）してもよい。面推定部１２は、例えば、想定される第２物体Ｍ２（例、人体）のスケールに対して推定平面の候補のスケールが小さい場合に、この候補を推定平面として採用しなくてもよい。上記の所定値は、例えば、対象領域ＡＲ（例、位置検出部２の視野）のサイズに対する比率で与えられてもよい。

　また、面推定部１２は、点群データ生成部１５が生成した点群データに基づいて上記の平面を推定する。面推定部１２は、点群データから選択される複数の点の３次元座標を用いて、平面を推定する。面推定部１２は、例えば、最小二乗法を用いて平面を推定する。この場合、面推定部１２は、選択した複数の点からの距離の二乗和が最小となる平面を、推定平面ＦＰとする。面推定部１２は、推定平面ＦＰを表す数式を導出する。面推定部１２は、推定平面ＦＰを表す数式（例、ａｘ＋ｂｙ＋ｃｚ＋ｄ＝０）における係数（ａ、ｂ、ｃ、ｆ）を算出する。面推定部１２は、推定平面情報として、推定平面ＦＰを表す数式の係数を記憶部１４に記憶させる。

　なお、面推定部１２は、最小二乗法以外の推定法を用いて平面を推定してもよい。例えば、面推定部１２は、Ｍ推定法、ＲＡＭＳＡＣ、最小メジアン法、及びトンプソン法の少なくとも１つの推定法を用いて平面を推定してもよい。また、面推定部１２は、第１の推定法で推定した平面と、第２の推定法で推定した平面との比較等によって、推定平面ＦＰを決定してもよい。

　また、面推定部１２は、上記第１点群データに含まれる複数の点の全てを選択して、選択した点を用いて上記の平面を推定してもよい。また、面推定部１２は、上記第１点群データに含まれる複数の点の一部（例、部分集合）を選択して、選択した点を用いて平面を推定してもよい。面推定部１２が複数の点を選択する条件は、固定でもよいし、可変でもよい。

　面推定部１２は、複数の点を選択する条件を調整してもよい。例えば、面推定部１２は、選択した複数の点と、推定した平面との残差に基づいて複数の点の選択を更新し、更新した複数の点に基づいて上記の平面を推定してもよい。上記の残差は、例えば、選択された各点と、推定された平面との距離の二乗平均平方根（ＲＭＳ）でもよい。例えば、面推定部１２は、複数の点を含む第１グループに基づいて、推定平面の候補として第１平面を推定する。また、面推定部１２は、第１グループのうち第１平面との距離が相対的に大きい点を第１グループから除外した第２グループを選択してもよい。面推定部１２は、第２グループに基づいて、推定平面の候補として第２平面を推定してもよい。面推定部１２は、例えば、上記残差が閾値以下となるまで複数の点の選択を更新し、得られた平面を推定平面として採用してもよい。

　物体識別部１３は、物体Ｍの平面（例、凹凸の無い又は少ない表面ＳＦ）に接触する第２物体Ｍ２の少なくとも一部（例、上記の平面付近の部分）を、平面（例、表面ＳＦ）に対して識別する（特定する、抽出する）。物体識別部１３は、対象領域ＡＲのうち第２物体Ｍ２の少なくとも一部を識別（セグメント化、セグメント分割）する。物体識別部１３は、位置検出部２が検出した物体Ｍ上の各点と面推定部１２が推定した推定平面ＦＰとの距離に基づいて、物体識別処理を実行する。物体識別部１３は、面推定部１２が推定した推定平面ＦＰとの距離が閾値未満（例、１ｍｍ未満、１ｃｍ未満）である物体Ｍ上の各点を除外して、第２物体Ｍ２の位置情報（例、点データ、点群データ）を特定する（抽出する、識別する）。

　図４において、符号ＦＰ１および符号ＦＰ２は、推定平面ＦＰに対する距離Ｄが上記閾値となる平面である。平面ＦＰ１は、推定平面ＦＰに対して第１側（例、鉛直上方側）に配置されている。平面ＦＰ２は、推定平面に対して第１側と反対の第２側（例、鉛直下方）に配置されている。物体識別部１３は、平面ＦＰ１と平面ＦＰ２との間に配置される点の点データＰ４（点線で示す）を、例えばマスキング処理によって第２物体Ｍ２の点群データから除外（例、削除）する。このようにして、物体識別部１３は、推定平面ＦＰとの距離が閾値未満の点データＰ４を第１点群データＰＤ１から除外した第２点群データＰＤ２を生成する。第２点群データＰＤ２は、点データＰ３の集合から点データＰ４の集合を除いた複数の点データである。また、第２点群データＰＤ２は、点データＰ４と後述する点データＰ５とのうち点データＰ５を含む複数の点データである。

　物体識別部１３は、第１点群データに含まれる点ごとに、第２物体Ｍ２に属するか否かを識別する。物体識別部１３は、上記第１点群データから識別対象の点を選択する。識別対象の点は、上記第１点群データから任意に選択される点である。例えば、第１点群データに含まれる各点には番号（例、１、２、３、・・・）が割り付けられており、物体識別部１３は、第１点群データから点を番号順に選択する。そして、物体識別部１３は、推定平面ＦＰと選択した識別対象の点との距離を算出する。例えば、物体識別部１３は、記憶部１４から推定平面情報（例、推定平面ＦＰを表す数式の係数）を読み出し、推定平面情報が表す推定平面と選択した識別対象の点との距離を算出する。

　物体識別部１３は、算出した距離と閾値とを比較して、物体識別処理を実行する。物体識別部１３は、識別対象の点が第１物体Ｍ１に属するか否か（第１物体Ｍ１上の点であるか否か）を判定する。例えば、物体識別部１３は、識別対象の点と推定平面ＦＰとの距離が閾値未満である場合、識別対象の点が第１物体Ｍ１に属すると判定する。図４において、点データＰ４は、物体識別処理によって第１物体Ｍ１に属すると判定された点データに相当する。

　また、物体識別部１３は、識別対象の点と推定平面との距離が閾値以上である場合、識別対象の点が第１物体Ｍ１に属さないと判定する。図４において、符号Ｐ５は、物体識別処理によって第１物体Ｍ１に属さないと判定された点データに相当する。点データＰ５は、第２物体Ｍ２上に属すると推定される点の点データに相当する。このように、第２物体Ｍ２に属すると推定される点データＰ５は、第１物体Ｍ１に属すると推定される点データＰ４に対して識別されて特定される。

　物体識別部１３は、物体Ｍの識別結果を表す識別情報を生成する。物体識別部１３は、識別情報として、識別対象の点が第１物体Ｍ１に属するか否かを示す情報を生成する。例えば、物体識別部１３は、識別情報として第２物体Ｍ２を表す第２点群データＰＤ２を生成する。第２点群データＰＤ２は、第１物体Ｍ１に属すると判定された識別対象の点を第１点群データＰＤ１から除外した点群データである。物体識別部１３は、上記識別情報として、第１物体Ｍ１に属するか否かを示すフラグ（例、属性情報）を点データに付加した情報を生成してもよい。物体識別部１３は、生成した識別情報を記憶部１４に記憶させる。

　なお、物体識別部１３は、識別対象の点が第２物体Ｍ２に属するか否か（第２物体Ｍ２上の点であるか否か）を判定してもよい。例えば、物体識別部１３は、識別対象の点と推定平面との距離が閾値未満である場合、識別対象の点が第２物体Ｍ２に属さないと判定してもよい。また、物体識別部１３は、識別対象の点と推定平面との距離が閾値以上である場合、識別対象の点が第２物体Ｍ２に属すると判定してもよい。

　また、物体識別部１３は、識別情報として、識別対象の点が第２物体Ｍ２に属するか否かを示す情報を生成してもよい。物体識別部１３は、識別情報として、第２物体Ｍ２に属すると判定した識別対象の点を第１点群データＰＤ１から抽出して、第２点群データＰＤ２を生成してもよい。物体識別部１３は、上記識別情報として、第２物体Ｍ２に属するか否かを示すフラグ（例、属性情報）を点データに付加した情報を生成してもよい。

　図１のサーフェス情報生成部１６は、形状情報としてサーフェス情報を算出する。以下の説明において、適宜、サーフェス情報を算出する処理をサーフェス処理と称する。サーフェス情報は、例えばポリゴンデータ、ベクタデータ、及びドローデータの少なくとも１つを含む。サーフェス情報は、物体の表面上の複数の点の座標と、複数の点間の連結情報とを含む。連結情報（例、属性情報）は、例えば、物体表面の稜線（例、エッジ）に相当する線の両端の点を互いに関連付ける情報を含む。また、連結情報は、例えば、物体表面（サーフェス）の輪郭に相当する複数の線を互いに関連付ける情報を含む。

　サーフェス情報生成部１６は、サーフェス処理において、点群データに含まれる複数の点から選択される点とその近傍の点との間の面を推定する。また、サーフェス情報生成部１６は、サーフェス処理において、点群データを点間の平面情報を持つポリゴンデータに変換する。サーフェス情報生成部１６は、例えば最小二乗法を用いたアルゴリズムにより、点群データをポリゴンデータへ変換する。このアルゴリズムは、例えば、点群処理ライブラリに公開されているアルゴリズムを適用したものでもよい。

　サーフェス情報生成部１６は、物体識別部１３の識別結果に基づいて、サーフェス処理を実行する。サーフェス情報生成部１６は、物体識別部１３が生成した識別情報を記憶部１４から読み出し、識別情報に基づいてサーフェス処理を実行する。例えば、サーフェス情報生成部１６は、物体識別部１３が識別した第２物体Ｍ２を表す第２点群データＰＤ２を用いて、第２物体Ｍ２上の面を推定する。サーフェス情報生成部１６は、サーフェス情報の少なくとも一部として、推定した第２物体Ｍ２上の面を表す情報を生成する。サーフェス情報生成部１６は、算出したサーフェス情報を記憶部１４に記憶させる。

　なお、上記したモデル生成部１１は、モデル情報として、３次元の点座標及びその関連情報で規定された面のテクスチャ情報を生成してもよい。テクスチャ情報は、例えば、物体表面の文字や図形、模様、質感、パターン、凹凸を規定する情報、特定の画像、及び色彩（例、有彩色、無彩色）の少なくとも１つの情報を含む。モデル生成部１１は、生成したテクスチャ情報を記憶部１４に記憶させてもよい。

　また、モデル生成部１１は、モデル情報として、画像の空間情報（例、照明条件、光源情報）を生成してもよい。光源情報は、例えば、対象物を基準とした照明光を照射する光源の位置、この光源から対象物へ光が照射される方向（照射方向）、この光源から照射される光の波長、及びこの光源の種類のうち少なくとも１項目の情報を含む。モデル生成部１１は、例えば、ランバート反射を仮定したモデル、アルベド（Albedo）推定を含むモデルなどを利用して、光源情報を算出してもよい。モデル生成部１１は、生成（例、算出）したモデル情報の少なくとも一部を記憶部１４に記憶させる。モデル生成部１１は、上記モデル情報の一部を生成しなくてもよい。

　次に、上記検出装置１の構成に基づいて、実施形態に係る検出方法について説明する。図５は、第１実施形態に係る検出方法を示すフローチャートである。図６は、第１実施形態に係る平面推定処理を示すフローチャートである。図７は、第１実施形態に係る物体識別処理を示すフローチャートである。検出装置１の構成については、適宜、図１を参照する。

　図５のステップＳ１において、位置検出部２は、対象領域ＡＲにおける物体Ｍ上の位置情報（例、デプス）を検出する。ステップＳ２において、処理装置３の点群データ生成部１５は、物体Ｍの点群データを生成する。例えば、点群データ生成部１５は、ステップＳ１で得られたデプスを用いて点群処理を実行し、第１点群データを生成する。点群データ生成部１５は、記憶部１４に第１点群データを記憶させる。

　ステップＳ３において、面推定部１２は、第１物体Ｍ１における平面を推定する。例えば、面推定部１２は、点群データ生成部１５が生成した第１点群データを用いて、平面推定処理を実行する。ステップＳ４において、物体識別部１３は、物体上の各点と推定平面との距離に基づいて、第２物体を推定平面に対して識別する。

　ここで、ステップＳ３の平面推定処理の例について、図６を参照して説明する。図６のステップＳ１１において、面推定部１２は、点集合を設定する。面推定部１２は、第１点群データに含まれる複数の点の全部または一部を選択し、選択した点からなる点集合を設定する。

　ステップＳ１２において、面推定部１２は、ステップＳ１１で設定した点集合の近似平面を表す数式を導出する。近似平面は、推定平面ＦＰの候補である。面推定部１２は、最小二乗法を用いて、平面を表す数式（ａｘ＋ｂｙ＋ｃｚ＋ｄ＝０）の係数（ａ、ｂ、ｃ、ｄ）を決定する。面推定部１２は、上記平面と点集合に含まれる各点との距離の二乗を算出し、距離の二乗の点集合における総和（以下、距離の二乗和という）が最小となるように、係数（ａ、ｂ、ｃ、ｄ）を算出する。

　ステップＳ１３において、面推定部１２は、点集合に対する近似平面の残差を算出する。この残差は、例えば、ステップＳ１２で算出した係数（ａ、ｂ、ｃ、ｄ）によって規定される近似平面と、点集合の各点との距離のＲＭＳである。上記残差は、近似平面と、点集合の各点との距離の二乗和でもよい。

　ステップＳ１４において、面推定部１２は、ステップＳ１３で算出された残差が閾値以下であるか否かを判定する。面推定部１２は、残差が閾値以下でないと判定した場合（ステップＳ１４；Ｎｏ）、ステップＳ１１に戻り、点集合の設定を行う。例えば、面推定部１２は、前回選択した点集合のうち、ステップＳ１２で導出した近似平面との距離が相対的に長い点（又は大きい点）を除外して、点集合を再設定（更新）する。面推定部１２は、再設定した点集合を用いて、ステップＳ１２からステップＳ１４の処理を繰り返す。

　面推定部１２は、ステップＳ１１においてランダムにいくつかの点を選択してもよい。また、面推定部１２は、ステップＳ１２において、ステップＳ１１で選択した点に基づいて平面（例、推定平面ＦＰの候補）を推定してもよい。面推定部１２は、ステップＳ１３において、ステップＳ１２で推定した平面からその隣接点までの距離を評価関数として、評価値（例、残差）を算出してもよい。面推定部１２は、上述のような点のランダムな選択、選択した点を用いた平面の推定、及び推定した平面に対する評価を繰り返し、評価値が最良の候補を推定平面ＦＰとして採用してもよい。

　ステップＳ１４において、面推定部１２は、残差が閾値以下であると判定した場合（ステップＳ１４；Ｙｅｓ）、ステップＳ１５において近似平面を推定平面ＦＰとして採用する。ステップＳ１６において、面推定部１２は、推定平面ＦＰを表す推定平面情報を記憶部１４に記憶させる。面推定部１２は、推定平面情報として、推定平面ＦＰを表す数式（ａｘ＋ｂｙ＋ｃｚ＋ｄ＝０）の係数（ａ、ｂ、ｃ、ｄ）を記憶部１４に記憶させる。

　次に、図５のステップＳ４の物体識別処理の例について、図７を参照して説明する。ステップＳ２１において、物体識別部１３は、識別対象の点を選択する。物体識別部１３は、第１点群データから識別対象の点を選択する。ステップＳ２２において、物体識別部１３は、ステップＳ２１で選択された点と推定平面ＦＰとの距離を算出する。物体識別部１３は、記憶部１４から推定平面ＦＰを表す数式の情報（例、係数）を読み出し、識別対象の点の点データ（三次元座標）と、推定平面を表す数式とから距離を算出する。

　ステップＳ２３において、物体識別部１３は、ステップＳ２２で算出された距離は閾値未満であるか否かを判定する。物体識別部１３は、算出された距離が閾値未満であると判定した場合（ステップＳ２３；Ｙｅｓ）、ステップＳ２４において、識別対象の点が第２物体Ｍ２上の点でないと識別する。物体識別部１３は、ステップＳ２４において、識別対象の点を、第２物体Ｍ２の点群データからマスキング処理等によって除外する。物体識別部１３は、識別対象の点を、第２物体Ｍ２と異なる物体（例、第１物体Ｍ１）の点群データへ分類（例、登録）してもよい。また、物体識別部１３は、ステップＳ２４において、識別対象の点が第２物体Ｍ２上の点でないことを示す識別情報（例、フラグ）を生成してもよい。例えば、識別対象の点が第２物体Ｍ２上の点ではない対象外の点と識別した場合、物体識別部１３は、識別情報に基づき、識別対象の点のうち該対象外の点（この場合、第２物体Ｍ２ではない点）を第２物体Ｍ２の点群データから削除する。

　なお、物体識別部１３は、ステップＳ２４において、識別対象の点が第１物体Ｍ１上の点であると識別してもよい。この場合、物体識別部１３は、識別対象の点を第１物体Ｍ１の点群データへ分類（例、登録）してもよい。また、物体識別部１３は、識別対象の点が第１物体Ｍ１上の点であることを示す識別情報（例、フラグ）を生成してもよい。

　ステップＳ２３において、物体識別部１３は、算出された距離が閾値未満でない（閾値以上である）と判定した場合（ステップＳ２３；Ｎｏ）、ステップＳ２５において、識別対象の点が第１物体Ｍ１上の点でないと識別する。物体識別部１３は、ステップＳ２５において、識別対象の点を第１物体Ｍ１の点群データから除外する。物体識別部１３は、識別対象の点を第１物体Ｍ１と異なる物体の点群データへ分類（例、登録）してもよい。物体識別部１３は、ステップＳ２５において、識別対象の点が第１物体Ｍ１上の点でないことを示す識別情報（例、フラグ）を生成してもよい。

　なお、物体識別部１３は、ステップＳ２５において、識別対象の点が第２物体Ｍ２上の点であると識別してもよい。この場合、物体識別部１３は、識別対象の点を第２物体Ｍ２の点群データへ分類（例、登録）してもよい。また、物体識別部１３は、識別対象の点が第２物体Ｍ２上の点であることを示す識別情報（例、フラグ）を生成してもよい。

　ステップＳ２４の処理後またはステップＳ２５の処理後に、ステップＳ２６において、物体識別部１３は、次の識別対象の点があるか否かを判定する。物体識別部１３は、物体識別処理が予定された複数の点のうち物体識別処理が実行されていない点が存在する場合、次の識別対象の点があると判定する。物体識別部１３は、次の識別対象の点があると判定した場合（ステップＳ２６；Ｙｅｓ）、ステップＳ２１に戻り、次の識別対象の点を選択する。物体識別部１３は、次の識別対象の点がないと判定した場合（ステップＳ２６；Ｎｏ）、物体識別処理を終了する。

　図５のステップＳ５において、モデル生成部１１は、ステップＳ４で識別された第２物体Ｍ２の位置情報に基づいて、モデル情報を生成する。例えば、モデル生成部１１は、第１点群データのうち物体識別部１３が識別した第２物体Ｍ２の点群データを選択的に用いて、第２物体Ｍ２のモデル情報を生成する。モデル生成部１１は、モデル情報として、第２物体Ｍ２の形状情報（例、サーフェス情報）を生成する。モデル生成部１１は、生成したモデル情報を記憶部１４に記憶させる。

　なお、モデル生成部１１は、第１点群データから第２点群データを除外した点群データを用いて、第１物体Ｍ１を表す形状情報を生成してもよい。また、モデル生成部１１は、第１物体Ｍ１を表す第１形状情報と、第２物体Ｍ２を表す第２形状情報とを生成してもよい。モデル生成部１１は、第１形状情報と第２形状情報とを合成して、第１物体Ｍ１および第２物体Ｍ２を表す形状情報を生成してもよい。

　上述のように、実施形態に係る検出装置１は、面推定部１２によって第１物体Ｍ１における平面を推定し、物体識別部１３によって第２物体Ｍ２を推定平面ＦＰに対して識別する。したがって、実施形態に係る検出装置１は、第１物体Ｍ１に接触する第２物体Ｍ２を識別することができ、例えば第２物体Ｍ２を高精度にセグメント化することに寄与する。

　なお、第２物体Ｍ２は、人体でなくてもよい。第２物体Ｍ２は、人間以外の生物（例、動物、植物、犬、猫）でもよいし、物品（例、装置、ロボット、自動車）でもよい。第２物体Ｍ２は、対象領域ＡＲにおいて静止する静止物でもよいし、対象領域ＡＲにおいて移動（例、自走）する移動体でもよい。

　また、第１物体Ｍ１は、対象領域ＡＲにおいて静止する物体でもよいし、対象領域ＡＲにおいて移動する物体でもよい。例えば、検出装置１は、移動する第１物体Ｍ１（例、自動車）と接触する第２物体Ｍ２（例、人体）を識別してもよい。第１物体Ｍ１において、第２物体Ｍ２と接触することが想定される表面は、平面でなくてもよく曲面でもよいし、平面と曲面とを有する複合面でもよい。例えば、第１物体Ｍ１の物体面としての表面は、階段の上面のように規則的に配置される面でもよい。また、第１物体Ｍ１の表面が凹凸を含み、面推定部１２は、第１物体Ｍ１の表面を平面で近似してもよい。

　図１などにおいて、第２物体Ｍ２は、第２物体Ｍ２に対して鉛直方向の下方に配置される面に接触する。第２物体Ｍ２は、第２物体Ｍ２に対して鉛直方向の上方に配置される面（例、天井）に接触してもよい。また、第２物体Ｍ２は、第２物体Ｍ２に対して水平方向に配置される面（例、壁面）に接触してもよい。記憶部１４は、第１物体Ｍ１が接触することが想定される面の条件（例、推定平面ＦＰの算出条件）を予め記憶し、面推定部１２は、記憶部１４に記憶された面の条件に基づいて、推定平面ＦＰを導出してもよい。第２物体Ｍ２において第１物体Ｍ１に接触する部分は、任意であり、人体の足以外の部分（例、手）でもよい。

　なお、面推定部１２は、点群データを用いないで推定平面を導出してもよい。例えば、面推定部１２は、位置検出部２が生成するデプスマップにおいて領域内のデプスの分布が所定の条件を満たす場合に、この領域が推定平面ＦＰに属すると判定してもよい。例えば、面推定部１２は、デプスマップにおける複数の画素を含む領域でデプスが規則的に変化する場合に、この領域が推定平面ＦＰに属すると判定してもよい。

　また、面推定部１２は、サーフェス情報に基づいて推定平面ＦＰを導出してもよい。例えば、面推定部１２は、サーフェス情報生成部１６が生成したサーフェス情報から平面で近似される表面の情報を抽出し、抽出した表面の情報を推定平面ＦＰの候補として用いてもよい。この場合、面推定部１２は、推定平面ＦＰの候補を導出しなくてもよい。また、面推定部１２は、サーフェス情報生成部１６がサーフェス処理によって推定した平面の法線方向に基づいて、推定平面ＦＰを導出してもよい。面推定部１２は、サーフェス情報において法線方向が同じ又は類似する領域を推定平面として導出してもよい。面推定部１２は、所定のサイズの領域における法線方向の分散が所定値未満である場合に、この領域を推定平面ＦＰとして導出してもよい。

　なお、検出装置１の少なくとも一部は、据え置き型の装置でもよいし、携帯型の装置でもよい。位置検出部２の少なくとも一部は、処理装置３と同じボディに設けられてもよい。また、処理装置３の少なくとも一部は、位置検出部２に設けられてもよい。例えば、位置検出部２は、点群データ生成部１５を備え、検出によって得られる物体の位置情報として点群データを処理装置３に出力してもよい。

［第２実施形態］
　第２実施形態について説明する。本実施形態において、上述の実施形態と同様の構成については、同じ符号を付してその説明を省略あるいは簡略化する。図８は、本実施形態に係る検出装置を示す図である。本実施形態において、面推定部１２は、例えば第２物体Ｍ２が対象領域ＡＲに配置されていない状態における位置検出部２の検出結果に基づいて、物体Ｍの表面ＳＦを物体面（この場合、平面）として推定する。物体識別部１３は、第２物体Ｍ２が対象領域ＡＲに配置されていない状態における位置検出部２の検出結果に基づいて面推定部１２が推定した平面と、第２物体Ｍ２が対象領域ＡＲに配置されている状態における位置検出部２の検出結果とに基づいて、第２物体Ｍ２を識別する。

　図８の符号Ｑ１は、第２物体Ｍ２が第１位置（例、対象領域ＡＲの外部の位置）に配置された第１状態を表す。第１状態Ｑ１は、例えば、対象領域ＡＲに第２物体Ｍ２が配置されていない状態である。また、図８の符号Ｑ２は、第２物体Ｍ２が第２位置に配置された第２状態を表す。第２位置は、対象領域ＡＲの内部の位置であり、かつ上記第１位置と異なる位置である。

　第１状態Ｑ１において、位置検出部２は、第１物体Ｍ１の位置情報を検出する。そして、面推定部１２は、第１状態Ｑ１で検出された第１物体Ｍ１の位置情報に基づいて、第１物体Ｍ１の表面ＳＦを平面として推定（近似）する。

　また、第２状態Ｑ２において、位置検出部２は、第１物体Ｍ１および第２物体Ｍ２を含む物体Ｍの位置情報を検出する。そして、物体識別部１３は、第１状態Ｑ１で検出された第１物体Ｍ１の位置情報に基づいて面推定部１２が推定した平面と、第２状態Ｑ２で検出された物体Ｍの位置情報とを用いて、第２物体Ｍ２を識別する。

　なお、第１状態Ｑ１における検出と、第２状態Ｑ２における検出との順番は、任意に設定される。位置検出部２は、第１状態Ｑ１における検出を実行した後で、第２状態Ｑ２における検出を実行してもよい。位置検出部２は、第２状態Ｑ２における検出を実行した後で、第１状態Ｑ１における検出を実行してもよい。この場合、面推定部１２は第１状態Ｑ１における検出の終了後に平面を推定し、物体識別部１３は、面推定部１２が平面を推定した後に、第２状態における検出結果を用いて第２物体Ｍ２を識別してもよい。

　なお、第２物体Ｍ２は、図８の第１状態Ｑ１において対象領域ＡＲの外部に配置されているが、対象領域ＡＲにおいて第２状態Ｑ２と異なる位置に配置されてもよい。例えば、検出装置１は、第２状態よりも第２物体Ｍ２が対象領域ＡＲの中心から離れた位置（例、対象領域ＡＲの端）に配置された第３状態で物体Ｍの位置情報を検出し、その検出結果に基づいて面推定部１２が平面を推定してもよい。また、面推定部１２は、第２物体Ｍ２の移動による位置検出部２の検出結果の変化に基づいて平面を推定してもよい。例えば、位置検出部２は、第２物体Ｍ２の位置が異なる複数の条件で物体Ｍの位置情報を検出し、面推定部１２は、複数の条件で検出される物体Ｍの位置情報の変化（差分）に基づいて、物体Ｍの位置情報から第２物体Ｍ２の位置情報の少なくとも一部を除外して平面を推定してもよい。

　次に、上記検出装置１の構成に基づいて、実施形態に係る検出方法について説明する。図９は、第２実施形態に係る検出方法を示すフローチャートである。検出装置１の構成については、適宜、図１、図８を参照する。ステップＳ３１において、位置検出部２は、第２物体Ｍ２が第１位置（例、対象領域ＡＲ外）に配置された第１状態Ｑ１（図８参照）で対象領域ＡＲにおける位置情報（例、デプス）を検出する。

　ステップＳ３２において、処理装置３は、ステップＳ３１で得られる位置検出部２の検出結果からノイズを除去する。ノイズを除去するノイズ除去処理は、例えば、位置検出部２が生成するデプスマップから空間的なノイズを除去する処理を含む。例えば、処理装置３は、デプスマップにおいて隣り合う第１領域（例、第１画素）と第２領域（例、第２画素）とでデプスの差が閾値を超える場合に、第１領域におけるデプスまたは第２領域におけるデプスがノイズであると判定する。処理装置３は、第１領域におけるデプスがノイズであると判定した場合に、第１領域の周囲の領域（例、第３画素、第４画素）のデプスを用いた補間などによって第１領域のデプスを推定し、第１領域のデプスを推定したデプスで更新（置換、補正）することによって、空間的なノイズを除去する。

　また、ノイズを除去するノイズ除去処理は、例えば、位置検出部２が生成するデプスマップから時間的なノイズ（例、時間的に変化するノイズ）を除去する処理を含む。例えば、位置検出部２は、所定のサンプリング周波数で検出を繰り返し、処理装置３は、検出のタイミングが異なる位置検出部２の検出結果（例、デプスマップ）を比較する。例えば、処理装置３は、第１フレームにおけるデプスマップと、第１フレームの次の第２フレームにおけるデプスマップとで、各画素におけるデプスの変化量（時間変化量）を算出する。処理装置３は、各画素におけるデプスの変化量が所定の条件を満たす場合、この画素の第１フレームにおけるデプスまたは第２フレームにおけるデプスがノイズであると判定する。処理装置３は、第２フレームにおけるデプスがノイズであると判定した場合に、第１フレームにおけるデプスと第２フレームの次の第３フレームにおけるデプスとを用いた補間などによって第２フレームのデプスを推定する。処理装置３は、ノイズに対応する画素のデプスを推定したデプスで更新（置換、補正）することによって、時間的なノイズを除去する。

　なお、ノイズ除去処理は、空間的なノイズを除去する処理または時間的なノイズを除去する処理を含まなくてもよい。また、ノイズ除去処理は、処理装置３以外の部分（例、位置検出部２）で実行されてもよい。また、検出装置１は、ノイズ除去処理を実行しなくてもよい。

　図９のステップＳ３３において、点群データ生成部１５は、第３点群データを生成する。例えば、点群データ生成部１５は、ステップＳ３２においてノイズが除去されたデプスマップに対して点群処理を実行して、第３点群データを生成する。点群データ生成部１５は、生成した第３点群データを記憶部１４に記憶させる。ステップＳ３４において、面推定部１２は、平面を推定する。例えば、面推定部１２は、記憶部１４から第３点群データを読み出し、第３点群データに基づいて推定平面ＦＰを導出する。面推定部１２は、導出した推定平面ＦＰを表す情報を記憶部１４に記憶させる（例、初期状態の登録）。

　ステップＳ３５において、位置検出部２は、第２物体Ｍ２が対象領域ＡＲ内の第２位置に配置された第２状態Ｑ２（図８参照）で、対象領域ＡＲにおける物体Ｍの位置情報（例、デプス）を検出する。ステップＳ３７において、処理装置３は、ステップＳ３６で得られる位置検出部２の検出結果からノイズを除去する。ステップＳ３７の処理は、ステップＳ３２の処理と同様である。ステップＳ３８において、点群データ生成部１５は、第４点群データを生成する。例えば、点群データ生成部１５は、ステップＳ３７においてノイズが除去されたデプスマップに対して点群処理を実行して、第４点群データを生成する。点群データ生成部１５は、生成した第４点群データを記憶部１４に記憶させる。

　ステップＳ３９からステップＳ４４の処理は、物体識別処理に相当する。ステップＳ３９において、物体識別部１３は、第４点群データから識別対象の点を設定（例、選択）する。ステップＳ４０において、物体識別部１３は、識別対象の点と、ステップＳ３５で推定された推定平面ＦＰとの距離を算出する。物体識別部１３は、記憶部１４から推定平面ＦＰを表す数式の情報（例、係数）を読み出し、識別対象の点の点データ（三次元座標）と、推定平面を表す数式とから距離を算出する。

　ステップＳ４１において、物体識別部１３は、ステップＳ３０で算出された距離が閾値未満であるか否かを判定する。物体識別部１３は、算出された距離が閾値以上であると判定した場合（ステップＳ４１；Ｙｅｓ）、ステップＳ４２において、識別対象の点を第５点群データに登録する。物体識別部１３は、算出された距離が閾値以上でない（閾値未満である）と判定した場合（ステップＳ４１；Ｎｏ）、又はステップＳ４２の処理後に、ステップＳ４２において、次の識別対象の点があるか否かを判定する。物体識別部１３は、物体識別処理が予定された複数の点のうち物体識別処理が実行されていない点が存在する場合、次の識別対象の点があると判定する。物体識別部１３は、次の識別対象の点があると判定した場合（ステップＳ４３；Ｙｅｓ）、ステップＳ３９に戻り、次の識別対象の点を選択する。

　物体識別部１３は、次の識別対象の点がないと判定した場合（ステップＳ４３；Ｎｏ）、第５点群データを記憶部１４に記憶させ、物体識別処理を終了する。第５点群データは、第４点群データから推定平面ＦＰの近傍の点を除外した点群データである。第５点群データは、推定平面ＦＰに対して識別された第２物体Ｍ２を表す点群データとして利用可能である。

　面推定部１２は、第２物体Ｍ２の移動による位置検出部２の検出結果の変化に基づいて平面を推定してもよい。例えば、第２物体Ｍ２が第１位置から第２位置へ移動した際に、位置検出部２の検出結果の変化に基づく点群データは、上記第３点群データから上記第４点群データへ変化する。第３点群データが示す形状と、第４点群データが示す形状とで変化量が閾値未満である部分は、例えば、対象領域ＡＲにおいて静止した物体に属すると推定される。面推定部１２は、第３点群データが示す形状と、第４点群データが示す形状とで変化量が閾値未満である部分を抽出し、抽出した部分における平面を推定平面として導出してもよい。

　なお、図８では、第２物体Ｍ２が配置される第１位置が対象領域ＡＲ外であるとしたが、第１位置は、対象領域ＡＲ内でもよい。また、第１位置に対応する位置検出部２の検出処理（例、図９のステップＳ３１）は、第２位置に対応する位置検出部２の検出処理（例、図９のステップＳ３６）の終了後に実行されてもよい。ステップＳ３２からステップＳ３４の処理は、ステップＳ３１の処理が終了してから、物体識別処理（例、ステップＳ３９からステップＳ４４）が開始されるまでの任意のタイミングで実行されてもよい。また、ステップＳ３７からステップＳ３８の処理は、ステップＳ３６の処理が終了してから、物体識別処理（例、ステップＳ３９からステップＳ４４）が開始されるまでの任意のタイミングで実行されてもよい。

［第３実施形態］
　第３実施形態について説明する。本実施形態において、検出装置１の構成については適宜図１を参照する。本実施形態に係る物体識別部１３（図１参照）は、位置検出部２が検出した物体Ｍ上の点と、面推定部１２が推定した物体面（この場合、平面）との距離を強調した評価値を算出し、評価値に基づいて第２物体Ｍ２の位置情報を識別する。

　図１０は、本実施形態に係る物体識別部１３による物体識別処理を示す図である。図１０のＸＹＺ直交座標系において、Ｙ方向は、推定平面ＦＰに垂直な方向である。また、Ｘ方向およびＺ方向は、それぞれ推定平面ＦＰに平行、かつ、互いに垂直な方向である。例えば、Ｙ方向は実空間の鉛直方向に対応し、Ｘ方向およびＺ方向は、それぞれ実空間の水平方向に対応する。

　物体識別部１３は、Ｚ方向に領域を分割し、分割した領域ごとに第２物体Ｍ２の位置情報を識別する。図１０における符号ＰＤ_ｍは、分割された領域の１つ（Ｚ_ｍ≦Ｚ<Ｚ_ｍ＋１の領域、ｍは正の整数）における物体Ｍの点群データである。物体識別部１３は、点群データＰＤ_ｍを二次元領域における点データとして（例、Ｚ座標の値を無視して）、物体識別処理を実行する。物体識別部１３は、ｍ＝１、２、・・・について、分割された領域に対する物体識別処理を順に行うことによって、所定の領域（例、対象領域ＡＲ）に関する物体Ｍの点群データから第２物体Ｍ２の点群データを識別する。

　図１０の符号Ｐ_ｉは、点群データＰＤ_ｍに含まれる１つの点を表す。添え字のｉは各点に割り付けられた番号（例、ｉ＝１、２、・・・）である。また、Ｘ_ｉは点Ｐ_ｉのＸ座標であり、Ｙ_ｉは点Ｐ_ｉのＹ座標である。Ｙ_０は、推定平面ＦＰのＹ座標であり、ｈ_ｉは、点Ｐ_ｉと推定平面ＦＰとの距離（ｈ_ｉ＝Ｙ_ｉ－Ｙ_０、推定平面ＦＰからの高さ）である。符号Ｑ３は、物体Ｍ２の一部（例、人体の踵）を表す領域である。

　また、ｄ_ｉは点Ｐ_ｉに対する評価値である。例えば、領域Ｑ３（図１０に円で示す拡大図参照）において、ｄ_ｊは、点Ｐ_ｊに対する評価値である。物体識別部１３は、評価値ｄ_ｉとして、点Ｐ_ｉと推定平面ＦＰとの距離ｈ_ｉに基づいて距離ｈ_ｉを増加させた値を算出する。ｄ_ｉを算出する評価関数は、例えば図１０の式（１）で表される。式（１）において、Ｖ１は閾値（第２閾値）である。閾値Ｖ１は、任意に設定される値である。閾値Ｖ１は、例えば、第１閾値（例、図４の距離Ｄ）以下の値（例、０）に設定される。

　物体識別部１３は、物体Ｍにおける第１点と推定平面ＦＰとの第１距離、及び第１点の周囲の第２点と推定平面ＦＰとの第２距離に基づいて、第１点に関する評価値を算出する。第１点は、例えば点Ｐ_ｉであり、第２点は例えば点Ｐ_ｉ－１および点Ｐ_ｉ＋１である。第１距離は、例えば点Ｐ_ｉと推定平面ＦＰとの距離ｈ_ｉであり、第２距離は、点Ｐ_ｉ－１と推定平面ＦＰとの距離ｈ_ｉ－１、及び点Ｐ_ｉ＋１と推定平面ＦＰとの距離ｈ_ｉ＋１である。式（１）において、ｆ_ｉは、距離（ｈ_ｉ）に対する増加量である。

　図１０の式（１）に示すように、物体識別部１３は、第２距離（ｈ_ｉ－１、ｈ_ｉ＋１）が閾値Ｖ１（第２閾値）以下である場合（ｈ_ｉ－１≦Ｖ１ and ｈ_ｉ+１≦Ｖ１）に、点Ｐ_ｉに対する評価値ｄ_ｉを第１距離（ｈ_ｉ）とする。物体識別部１３は、第２距離（ｈ_ｉ－１、ｈ_ｉ＋１）が閾値Ｖ１（第２閾値）よりも大きい場合（ｈ_ｉ－１>Ｖ１, or ｈ_ｉ＋１>Ｖ１）に、点Ｐ_ｉに対する評価値ｄ_ｉとして、第２距離に基づいて第１距離を増加させた値（ｈ_ｉ＋ｆ_ｉ）を算出する。

　物体識別部１３は、第２距離（ｈ_ｉ－１、ｈ_ｉ＋１）が第２閾値（Ｖ１）よりも大きい場合に、評価値として、第２距離に対して減少する値（ｆ_ｉ）を第１距離（ｈ_ｉ）に加算した値を算出する。増加量ｆ_ｉは、第２距離をパラメータとする関数である。増加量ｆ_ｉは、第２距離の減少に対して、値が増加する関数（傾きが負の関数、負の相関を持つ関数）である。増加量ｆ_ｉは、例えば下記の式（２）で表される。
　　　　　ｆ_ｉ＝（１／ｈ_ｉ－１）＋（１／ｈ_ｉ＋１）　　　　　・・・式（２）

　図１０の符号Ｑ４は、領域Ｑ３に対応する各点の評価値ｄ_ｉを示す領域である。領域Ｑ４において、各点の評価値ｄ_ｉは黒丸で表され、各点の距離ｈ_ｉは白丸で表される。点Ｐ_ｊ－２、点Ｐ_ｊ－１は、推定平面ＦＰから十分に離れた点である。例えば、点Ｐ_ｊ－１と推定平面ＦＰとの距離ｈ_ｊ－１（領域Ｑ４の点Ｐ_ｊ-1に対応する白丸参照）は、第２物体Ｍ２に属するか否かの判定に用いられる第１閾値（例、領域Ｑ４のＤ）よりも大きい。また、点Ｐ_ｊ、点Ｐ_ｊ＋１、及び点Ｐ_ｊ＋２は、推定平面ＦＰの近傍の点である。例えば、点Ｐ_ｊと推定平面ＦＰとの距離ｈ_ｊ（領域Ｑ４の点Ｐ_ｊに対応する白丸参照）は、第２物体Ｍ２に属するか否かの判定に用いられる第１閾値（例、領域Ｑ４のＤ）よりも小さい。

　ここで、点Ｐ_ｊ－１を第１点とし、その周囲の第２点を点Ｐ_ｊ－２および点Ｐ_ｊとする。第２点（点Ｐ_ｊ－２および点Ｐ_ｊ）は、例えば点群データＰＤ_ｍにおいて、第１点（点Ｐ_ｊ－１）との距離が最も短い点、及びその次に距離が短い点である。物体識別部１３は、第２点（点Ｐ_ｊ－２）に関する第２距離（ｈ_ｊ－２）がＶ１よりも大きい（ｈ_ｊ－２＞Ｖ１）ので、評価値ｄ_ｊ－１としてｈ_ｊ－１＋ｆ_ｊ－１を算出する。評価値ｄ_ｉ－１は、点Ｐ_ｉ－１が推定平面ＦＰから十分に離れた点であるので、増加量ｆ_ｉが小さいが距離ｈ_ｉが大きく、第２物体Ｍ２であるか否かの判定に用いられる第１閾値（例、領域Ｑ４のＤ）よりも大きくなる。物体識別部１３は、評価値ｄ_ｉ－１が第１閾値（Ｄ）以上であるか否かを判定する。物体識別部１３は、評価値ｄ_ｉ－１が第１閾値（Ｄ）以上であると判定し、点Ｐ_ｉ－１が第２物体Ｍ２上の点であると識別する（第１物体Ｍ１上の点でない識別する）。

　次に、点Ｐ_ｊを第１点とし、その周囲の第２点を点Ｐ_ｊ－１および点Ｐ_ｊ＋１とする。物体識別部１３は、第２点（点Ｐ_ｊ－１）に関する第２距離（ｈ_ｊ－１）がＶ１よりも大きい（ｈ_ｊ－１＞Ｖ１）ので、評価値ｄ_ｊとしてｈ_ｊ＋ｆ_ｊを算出する。評価値ｄ_ｉは、点Ｐ_ｉが推定平面ＦＰの近傍の点であるので、距離ｈ_ｉが小さいが増加量ｆ_ｉが大きく、第２物体Ｍ２であるか否かの判定に用いられる第１閾値（例、領域Ｑ４のＤ）よりも大きくなる。物体識別部１３は、評価値ｄ_ｉが第１閾値（Ｄ）以上であるか否かを判定する。物体識別部１３は、評価値ｄ_ｉが第１閾値（Ｄ）以上であると判定し、点Ｐ_ｉが第２物体Ｍ２上の点であると識別する（第１物体Ｍ１上の点でない識別する）。

　次に、点Ｐ_ｊ＋１を第１点とし、その周囲の第２点を点Ｐ_ｊおよび点Ｐ_ｊ＋２とする。物体識別部１３は、第２点（点Ｐ_ｊ、点Ｐ_ｊ＋２）の第２距離（距離ｈ_ｊ、距離ｈ_ｊ＋２）がＶ１以下（ｈ_ｊ≦Ｖ１ and ｈ_ｊ＋２≦Ｖ１）ので、評価値ｄ_ｊ＋１をｈ_ｊ＋１とする。物体識別部１３は、評価値ｄ_ｉ＋１が第１閾値（Ｄ）以上であるか否かを判定する。物体識別部１３は、評価値ｄ_ｉ＋１が第１閾値（Ｄ）未満であると判定し、点Ｐ_ｉ＋１が第２物体Ｍ２上の点でないと識別する（第１物体Ｍ１上の点である識別する）。

　本実施形態に係る物体識別部１３は、第１点（例、Ｐ_ｊ）の周囲の第２点（例、Ｐ_ｉ－１、Ｐ_ｉ＋１）と面推定部１２が推定した平面（推定平面ＦＰ）との第２距離（例、ｈ_ｉ－１、ｈ_ｉ＋１）に基づいて評価値（例、ｄ_ｊ）を算出し、評価値（例、ｄ_ｊ）と第１閾値（Ｄ）とを比較して第１点が第２物体に属するか否かを判定する。したがって、本実施形態に係る検出装置１は、推定平面ＦＰの近傍の点（例、Ｐ_ｊ）を、推定平面ＦＰ上の点と区別して第２物体Ｍ２に属する点として識別することができる。このように、物体識別部１３は、推定平面ＦＰの近傍の点と推定平面ＦＰ上の点とを高精度に識別して分離可能であり、検出装置１は、例えば第２物体Ｍ２の形状を高精度に検出可能である。

　なお、物体識別部１３は、推定平面ＦＰからの距離（ｈ_ｉ）が所定の範囲内の点に対して、距離を強調した評価値を算出し、算出した評価値と第１閾値と比較して第２物体Ｍ２の位置情報を識別する処理を実行してもよい。例えば、物体識別部１３は、推定平面ＦＰからの距離（ｈ_ｉ）が第１閾値（例、Ｄ）よりも大きい点については評価値を導出しなくてもよい。また、物体識別部１３は、第２閾値（例、Ｖ１）よりも小さい第４閾値を用いて、推定平面ＦＰからの距離（ｈ_ｉ）が第４閾値よりも小さい点については評価値を導出しなくてもよい。物体識別部１３は、例えば、推定平面ＦＰからの距離（ｈ_ｉ）が第４閾値未満の点を、第２物体Ｍ２上の点ではない（第１物体Ｍ１上の点である）と識別してもよい。

　なお、評価値を算出する評価関数（例、式（１））は、図１０で説明した形態に限定されず適宜変更可能である。例えば、評価値ｄ_ｉは、式（１）において距離ｈ_ｉに増加量ｆ_ｉを加算した値であるが、距離ｈ_ｉに係数を乗算した値でもよい。また、増加量ｆ_ｉは、（１／ｈ_ｉ－１）＋（１／ｈ_ｉ＋１）以外の関数で与えられてもよい。

　なお、物体識別部１３は、式（１）のように距離ｈ_ｉに基づいて評価値ｄ_ｉを１次評価値として算出し、式（１）における距離ｈ_ｉの代わりに１次評価値を用いることで２次評価値を算出してもよい（例、物体識別部１３は評価値を再計算してもよい）。物体識別部１３は、このような評価値の再計算によってｋ次評価値（ｋは２以上の整数）を導出し、ｋ次評価値と閾値（例、第１閾値、図４のＤ）との比較によって、第２物体Ｍ２の位置情報を識別してもよい。例えば、図１０の領域Ｑ４に示した点Ｐ_ｊの１次評価値（ｈ_ｊ＋ｆ_ｊ）がｈ_ｊよりも大きくなり、点Ｐ_ｊの１次評価値を用いて点Ｐ_ｊ＋１の２次評価値を算出すると、点Ｐ_ｊ＋１の２次評価値が第１閾値（例、領域Ｑ４のＤ）以上となることで、点Ｐ_ｊ＋１は第２物体Ｍ２上の点として識別可能な場合がある。この場合、推定平面ＦＰの近傍の点（例、点Ｐ_ｊ＋１）が第２物体Ｍ２上の点として認識され、例えば第２物体Ｍ２の形状を高精度に検出可能である。

［第４実施形態］
　第４実施形態について説明する。本実施形態において、検出装置１の構成については適宜図１を参照する。本実施形態において、第２物体Ｍ２上の点であるか否かの判定に用いられる閾値（例、図４の距離Ｄ）は、可変値である。物体識別部１３（図１参照）は、位置検出部２が検出した物体Ｍ上の第１点と、その周囲の第２点とに基づいて閾値を設定し、設定した閾値を用いて第１点が第２物体Ｍ２上の点であるか否かを識別（判定）する。

　図１１は、本実施形態に係る物体識別部１３による物体識別処理を示す図である。図１１において、図１０と同様の要素については同じ符号を付してその説明を簡略化あるいは省略する。物体識別部１３は、図１０と同様に、Ｚ方向に領域を分割し、分割した領域ごとに第２物体Ｍ２の位置情報を識別する。物体識別部１３は、領域を分割しないで物体識別処理を実行してもよい。

　領域Ｑ５において、符号Ｖ_ｉは、物体識別部１３が設定する閾値（第３閾値）である。物体識別部１３は、位置検出部２が検出した物体Ｍにおける第１点（例、点Ｐ_ｊ）の周囲の第２点（例、点Ｐ_ｊ－１、点Ｐ_ｊ＋１）と面推定部１２が推定した物体面（この場合、平面）（推定平面ＦＰ）との距離に基づいて閾値Ｖ_ｉを設定する。閾値Ｖ_ｉは、第１距離（例、ｈ_ｊ）と第２距離（例、ｈ_ｊ－１とｈ_ｊ＋１との一方又は双方）を変数とする関数である。閾値Ｖ_ｉは、例えば、第１距離と第２距離とに重み付けした値（加重平均）であり、下記の式（３）で表される。式（３）のＣ_１、Ｃ_２、及びＣ_３は、係数（重み付け係数）である。Ｃ_１、Ｃ_２、及びＣ_３は、互いに異なる値でもよいし、少なくとも２つが同じ値でもよい。
　　　　　Ｖ_ｉ＝Ｃ_１ｈ_ｉ－１＋Ｃ_２ｈ_ｉ＋Ｃ_３ｈ_ｉ＋１　　　　　・・・式（３）

　物体識別部１３は、第１点（例、点Ｐ_ｉ）と面推定部１２が推定した平面（推定平面ＦＰ）との距離（例、距離ｈ_ｉ）と第３閾値（例、閾値Ｖ_ｉ）とを比較して、第１点が第２物体Ｍ２に属するか否かを判定する。物体識別部１３は、距離ｈ_ｉが閾値Ｖ_ｉ以上である場合、点Ｐ_ｉが第２物体Ｍ２上の点である（第１物体Ｍ１上の点でない）と識別する。例えば、推定平面ＦＰの近傍の点（例、点Ｐ_ｊ）は、推定平面ＦＰとの距離（例、距離ｈ_ｊ）に対して閾値（例、閾値Ｖ_ｊ）が小さくなる。したがって、物体識別部１３は、推定平面ＦＰの近傍の点（例、点Ｐ_ｊ）を第２物体Ｍ２上の点として識別する。また、第１点（例、点Ｐ_ｉ）が推定平面ＦＰ上の点である場合、閾値Ｖ_ｉは小さいがｈ（ｉ）が０となる。このように、物体識別部１３は、距離ｈ_ｉが閾値Ｖ_ｉ未満である場合、点Ｐ_ｉが第２物体Ｍ２上の点でない（第１物体Ｍ１上の点である）と識別する。このように、物体識別部１３は、推定平面ＦＰの近傍の点と推定平面ＦＰ上の点とを高精度に識別可能であり、検出装置１は、例えば第２物体Ｍ２の形状を高精度に検出可能である。

　図１０および図１１で説明したように、物体識別部１３は、第１点（例、点Ｐ_ｉ）と推定平面ＦＰとの距離（例、ｈ_ｉ）に基づく値（例、距離ｈ_ｉ、評価値ｄ_ｉ）と、閾値との相対値（例、コントラスト）を調整して、第１点（例、点Ｐ_ｉ）が第２物体Ｍ２上の点であるか否かを識別してもよい。なお、処理装置３は、上記相対値（例、コントラスト）を強調する第１モードと、上記相対値（例、コントラスト）を強調しない第２モードとを有してもよい。処理装置３は、例えばユーザの指定によって、上記第１モードと第２モードとを切替可能に構成してもよい。また、処理装置３は、上記第１モードまたは第２モードを有さなくてもよい。

　また、図１０および図１１で説明したように、物体識別部１３は、分割された領域（例、Ｚ_ｍ≦Ｚ＜Ｚ_ｍ＋１の領域）ごとに物体識別処理を実行する場合、例えば第１点の周囲の第２点を探索する処理の負荷が低減される。また、物体識別部１３は、分割された領域の点群データＰＤ_ｍに含まれる点のデータを二次元データ（二次元座標）として物体識別処理を実行する場合、例えば距離を算出する処理の負荷が低減される。

　なお、物体識別部１３は、全体の領域に対して一括して（例、領域を分割せずに）物体識別処理を実行してもよい。また、物体識別部１３は、点群データＰＤに含まれる点のデータを三次元データ（三次元座標）として物体識別処理を実行してもよい。この場合、物体識別部１３は、例えば、第１点の周囲の第２点（例、最近点）を高精度に特定することができる。また、物体識別部１３は、例えば、各点と推定平面ＦＰとの距離を高精度に算出して第２物体Ｍ２に属する点を識別することができる。また、第２点の数は、図１０および図１１において２つであるが、１つでもよいし、３つ以上でもよい。

　なお、物体識別部１３は、推定平面ＦＰからの距離ｈ_ｉが所定の範囲内の点に対して第３閾値を設定し、距離ｈ_ｉと設定した第３閾値と比較して第２物体Ｍ２の位置情報を識別する処理を実行してもよい。更に、例えば、物体識別部１３は、推定平面ＦＰからの距離（ｈ_ｉ）が第１閾値（例、Ｄ）よりも大きい点については、第１閾値を用いて物体識別処理を実行し、第３閾値を算出しなくてもよい。また、物体識別部１３は、第１閾値（例、Ｄ）よりも小さい第５閾値を用いて、推定平面ＦＰからの距離（ｈ_ｉ）が第５閾値よりも小さい点については第３閾値を導出しなくてもよい。物体識別部１３は、例えば、推定平面ＦＰからの距離（ｈ_ｉ）が第５閾値未満の点を、第２物体Ｍ２上の点ではない（第１物体Ｍ１上の点である）と識別してもよい。また、第３閾値を算出する関数は、式（３）の関数に限定されず、適宜変更可能である。

　なお、物体識別部１３は、図４の物体識別処理と、図１０の物体識別処理と、図１１の物体識別処理との少なくとも２つを組み合わせた処理によって、第２物体Ｍ２の位置情報を識別してもよい。例えば、物体識別部１３は、上記したような複数の閾値を用いて、いずれの物体識別処理を実行するかを決定してもよい。また、物体識別部１３は、図１０のように算出した評価値ｄ_ｉと、図１１のように設定した閾値Ｖ_ｉとの比較によって、第２物体Ｍ２の位置情報を識別してもよい。

［第５実施形態］
　第５実施形態について説明する。本実施形態において、上述の実施形態と同様の構成については、同じ符号を付してその説明を省略あるいは簡略化する。図１２は、第５実施形態に係る検出装置を示す図である。本実施形態に係る検出装置１は、例えばユーザから指定される条件に基づいて、第１物体Ｍ１における表面ＳＦを物体面（この場合、平面）として推定する。

　検出装置１は、入力部２１と、表示部２２とを備える。入力部２１は、処理装置３に対する各種情報（例、データ、指令）の入力を受け付ける。入力部２１は、第１物体Ｍ１の面を指定する情報（例、物体面に関する初期状態の情報）の入力を受け付ける。ユーザは、入力部２１を操作することによって、処理装置３に対して各種情報を入力可能である。入力部２１は、例えば、キーボード、マウス、トラックボール、タッチパネル、及び音声入力デバイス（例、マイク）の少なくとも一つを含む。表示部２２は、処理装置３から出力される画像のデータに基づいて、この画像を表示する。表示部２２は、例えば、液晶ディスプレイを含む。表示部２２および入力部２１は、タッチパネルなどでもよい。

　次に、本実施形態に係る平面推定処理について説明する。本実施形態において、位置検出部２は、図８で説明したように第２物体Ｍ２が第１位置（例、対象領域ＡＲ外）に配置された第１状態Ｑ１と、第２物体Ｍ２が第１位置と異なる第２位置（例、対象領域内）に配置された第２状態とのそれぞれにおいて、対象領域ＡＲにおける物体Ｍの位置情報（例、デプス）を検出する。面推定部１２は、第１状態Ｑ１に対応する位置検出部２の検出結果（例、デプスの測定値）に基づいて、平面推定処理を実行する。

　図１３は、第５実施形態に係る平面推定処理を示す図である。図３のデプスマップＤＭ１では第２物体Ｍ２に対する検出結果が含まれるのに対して、図１３のデプスマップＤＭ３では第２物体Ｍ２に対する検出結果が含まれていない。点群データ生成部１５は、デプスマップＤＭ３に対して点群処理を実行し、第３点群データを生成する。面推定部１２は、第３点群データに基づいて平面を推定する。例えば、面推定部１２は、推定平面ＦＰの候補として、平面ＦＰ３、平面ＦＰ４、及び平面ＦＰ５を推定する。例えば、平面ＦＰ３および平面ＦＰ４は、それぞれ、第２物体Ｍ２が配置されることが想定される空間の周囲の壁面である。平面ＦＰ４は、例えば、上記空間の床面、地面、又は路面である。

　処理装置３は、平面ＦＰ３、平面ＦＰ４、及び平面ＦＰ５を表す画像Ｉｍを表示部２２に表示する。入力部２１は、第１物体Ｍ１の面を指定する情報として、推定平面の候補（平面ＦＰ３、平面ＦＰ４、平面ＦＰ５）のうち平面を指定（例、選択）する情報の入力を受け付ける。ユーザは、例えば、入力部２１としてマウスを操作することによって、表示部２２上においてポインタＰＴを所望の平面（例、平面ＦＰ４）上に移動させ、クリック動作などによって平面を指定する。

　入力部２１は、ユーザから入力された情報（例、マウスの移動情報、クリックの有無の情報）を処理装置３に出力する。処理装置３（面推定部１２）は、入力部２１から出力された情報に基づいて、指定された平面（例、平面ＦＰ４）を特定する。面推定部１２は、ユーザが指定する平面として特定された平面を推定平面ＦＰとして採用し、推定平面ＦＰを表す情報を記憶部１４に記憶させる。

　また、点群データ生成部１５は、第２状態Ｑ２に対応する位置検出部２の検出結果（例、デプスの測定値、図３のデプスマップＤＭ１）に対して点群処理を実行し、第４点群データを生成する。物体識別部１３は、第３点群データから得られる推定平面ＦＰと、第４点群データとに基づいて、物体識別処理を実行する。

　なお、第１物体Ｍ１の面を指定する情報は、対象領域ＡＲにおける第２物体Ｍ２に対する第１物体Ｍ１の位置（例、相対位置）を指定する情報を含んでもよい。例えば、第２物体Ｍ２に対する第１物体Ｍ１の位置は、第２物体Ｍ２が存在する位置に基づき設定される第１物体Ｍ１が存在する位置でもよい。また、第２物体Ｍ２に対する第１物体Ｍ１の位置は、第２物体Ｍ２が配置される予定の位置に基づき設定される第１物体Ｍ１が存在する位置でもよい。また、第１物体Ｍ１の面を指定する情報は、対象領域ＡＲにおける第２物体Ｍ２に対する第１物体Ｍ１の方向を指定する情報を含んでもよい。例えば、第２物体Ｍ２に対する第１物体Ｍ１の方向は、第２物体Ｍ２が存在する位置に対して第１物体Ｍ１が存在する方向でもよい。また、第２物体Ｍ２に対する第１物体Ｍ１の方向は、第２物体Ｍ２が配置される予定の位置に対して第１物体Ｍ１が存在する方向でもよい。

　なお、面推定部１２は、予め設定された算出条件に基づいて上記の平面を推定してもよい。入力部２１は、算出条件を設定する際の情報の入力に用いられてもよい。検出装置１は、入力部２１と表示部２２との一方または双方を備えなくてもよい。例えば、入力部２１は検出装置１に外付け可能なデバイスであって、検出装置１は、入力部２１が取り付けられていない状態で提供されてもよい。また、表示部２２は検出装置１に外付け可能なデバイスであって、検出装置１は、表示部２２が取り付けられていない状態で提供されてもよい。

［第６実施形態］
　第６実施形態について説明する。本実施形態において、上述の実施形態と同様の構成については、同じ符号を付してその説明を省略あるいは簡略化する。図１４は、第６実施形態に係る検出装置を示す図である。本実施形態に係る検出装置１は、対象領域ＡＲにおける鉛直方向を検出する方向検出部２３を備える。面推定部１２は、方向検出部２３が検出した鉛直方向の下方の物体面（この場合、平面）を推定平面として推定する。

　方向検出部２３は、例えば、加速度センサ、地磁気センサ、及び慣性計測センサ（ＩＭＵ）の少なくとも１つを含む。方向検出部２３は、重力加速度の向きを検出する。方向検出部２３は、検出装置１（例、位置検出部２）の姿勢を検出してもよい。面推定部１２は、方向検出部２３の検出結果に基づいて、点群データにおいて鉛直方向の下方に相当する向き（例、ベクトル）を算出する。面推定部１２は、算出した向きを法線方向とする平面を推定平面ＦＰとして導出する。

［第７実施形態］
　第７実施形態について説明する。本実施形態において、上述の実施形態と同様の構成については、同じ符号を付してその説明を省略あるいは簡略化する。図１５は、第７実施形態に係る検出装置を示す図である。本実施形態において、処理装置３は、レンダリング処理部２４を備える。

　レンダリング処理部２４は、例えば、グラフィックス　プロセッシング　ユニット（Graphics Processing Unit; GPU）を含む。なお、レンダリング処理部２４は、ＣＰＵおよびメモリが画像処理プログラムに従って各処理を実行する態様でもよい。レンダリング処理部２４は、例えば、描画処理、テクスチャマッピング処理、シェーディング処理の少なくとも一つの処理を行う。

　レンダリング処理部２４は、描画処理において、例えば、モデル情報の形状情報に定められた形状を任意の視点から見た推定画像（例、再構築画像）を算出できる。以下の説明において、形状情報が示す形状をモデル形状という。レンダリング処理部２４は、例えば、描画処理によって、モデル情報（例、形状情報）から推定画像を再構成できる。レンダリング処理部２４は、例えば、算出した推定画像のデータを記憶部５６に記憶させる。

　また、レンダリング処理部２４は、テクスチャマッピング処理において、例えば、推定画像上の物体の表面に、モデル情報のテクスチャ情報が示す画像を貼り付けた推定画像を算出できる。レンダリング処理部２４は、推定画像上の物体の表面に、対象物と別のテクスチャを貼り付けた推定画像を算出することができる。レンダリング処理部２４は、シェーディング処理において、例えば、モデル情報の光源情報が示す光源により形成される陰影を推定画像上の物体に付加した推定画像を算出できる。また、レンダリング処理部２４は、シェーディング処理において、例えば、任意の光源により形成される陰影を推定画像上の物体に付加した推定画像を算出できる。

　処理装置３は、レンダリング処理部２４が生成した推定画像を、表示部２２に表示させる。例えば、レンダリング処理部２４は、ユーザが入力部２１を用いて指定する条件（例、視点の位置、視点の方向）に基づいて描画処理を実行して推定画像を生成し、推定画像を表示部２２に表示させる。ユーザは、指定した条件で生成される推定画像を表示部２２上でみることができる。

　実施形態において、物体識別部１３は、第２物体Ｍ２を第１物体Ｍ１に対して識別可能であるので、モデル生成部１１は、例えば第２物体Ｍ２を高精度にセグメント化して形状情報を生成することができる。レンダリング処理部２４は、第２物体Ｍ２が高精度にセグメント化されて生成される形状情報に基づいて推定画像を生成するので、例えば、推定画像において第２物体Ｍ２を高精度に表すことができる。

　なお、処理装置３は、レンダリング処理部２４を備えなくてもよい。レンダリング処理部２４は、処理装置３の外部に設けられてもよい。処理装置３は、物体識別部１３の識別結果に基づいてモデル生成部１１が生成したモデル情報を、処理装置３の外部に設けられるレンダリング処理部２４に出力してもよい。

［第８実施形態］
　第８実施形態について説明する。本実施形態において、上述の実施形態と同様の構成については、同じ符号を付してその説明を省略あるいは簡略化する。図１６は、第８実施形態に係る検出装置を示す図である。本実施形態において、処理装置３は、姿勢推定部２５を備える。姿勢推定部２５は、物体識別部１３の識別結果に基づいてモデル生成部１１が生成するモデル情報を用いて、第２物体Ｍ２の姿勢を推定する（姿勢解析処理）。ここでは、第２物体Ｍ２が人体であり、物体面としての表面ＳＦが床面であるとする。

　姿勢推定部２５は、人体Ｍ２の特徴的な部分（例、特徴部分、特徴点）の位置情報を生成する。人体Ｍ２の特徴部分は、例えば、人体Ｍ２のうち他の部分と区別可能な部分である。人体Ｍ２の特徴部分は、例えば、人体の末端部（例、足先）、関節（例、膝）、又は末端部と関節との間もしくは２つの関節の間の中間部の少なくとも１つを含む。特徴部分の位置情報は、例えば、特徴部分を代表する点の座標（例、３次元座標）を含む。

　姿勢推定部２５は、例えば、モデル生成部１１（例、点群データ生成部１５）が生成した形状情報（例、点群データ）を用いた認識処理（例、パターン認識、形状認識、骨格認識）等によって、上記の特徴部分の位置情報を生成する。姿勢推定部２５は、上記の認識処理によって、特徴部分を表す点の座標を算出し、複数の特徴部位（例、足先、膝、股関節）の相対位置によって、人体の少なくとも一部（例、脚部）の姿勢を推定する。

　人体Ｍ２が床面ＳＦ上で歩行する場合、例えば、床面ＳＦに接した足の足先（足首から先の部分）が床面ＳＦの近くに配置される状態がある。最初に、実施形態に係る面推定部１２は、位置検出部２が検出した上記の位置情報を用いて床面ＳＦを平面で推定する。その後、物体識別部１３は、面推定部１２が推定した床面ＳＦとの距離が閾値以上の部分と、面推定部１２が推定した床面ＳＦとの距離が閾値未満の部分（床面近傍の部分）とのコントラストを強調する。モデル生成部１１は、物体識別部１３の識別結果を用いることで、足部の抽出誤差を小さくして分離精度を向上させることができる。モデル生成部１１は、例えば、人体Ｍ２のうち床面ＳＦと接触する部分（例、手先、足先）の高精度な形状情報を生成することができる。姿勢推定部２５は、高精度な形状情報に基づいて人体Ｍ２の特徴部分を高精度に抽出することができ、人体Ｍ２の姿勢を高精度に推定することができる。

　姿勢推定部２５は、人体Ｍ２の動作（例、運動）を検出（例、推定）してもよい。姿勢推定部２５は、フェンシング、野球、サッカー、ゴルフ、剣道、アメリカンフットボール、アイスホッケー、体操などのスポーツ、ダンス、芸能、ランニング、エクササイズ、ヨガ、ボディビル、ファッションショーなどのウォーキングもしくはポージング、ゲーム、人物認証、又は仕事において人体Ｍ２の動作を検出してもよい。例えば、姿勢推定部２５は、人体Ｍ２の姿勢に基づいて、人体Ｍ２が歩行する動作を検出してもよい。

　なお、処理装置３は、姿勢推定部２５を備えなくてもよい。姿勢推定部２５は、処理装置３の外部に設けられてもよい。処理装置３は、物体識別部１３の識別結果に基づいてモデル生成部１１が生成したモデル情報を、処理装置３の外部に設けられる姿勢推定部２５に出力してもよい。

　上述の実施形態において、処理装置３は、例えばコンピュータシステムを含む。処理装置３は、記憶部１４に記憶されている処理プログラム（検出プログラム）を読み出し、この処理プログラムに従って各種の処理を実行する。この処理プログラムは、コンピュータに、対象領域ＡＲにおける第１物体Ｍ１及び第２物体Ｍ２を含む物体Ｍ上の各点の位置情報を検出した検出結果に基づく第１物体Ｍ１の物体面（推定平面ＦＰ）と、物体Ｍ上の各点との距離に基づいて、物体面（推定平面ＦＰ）に接触する第２物体Ｍ２の少なくとも一部を物体面（推定平面ＦＰ）に対して識別すること、を実行させる。この処理プログラムは、コンピュータ読み取り可能な記憶媒体（例、非一時的な記録媒体、non-transitory tangible media）に記録されて提供されてもよい。

　なお、本発明の技術範囲は、上述の実施形態などで説明した態様に限定されるものではない。上述の実施形態などで説明した要件の１つ以上は、省略されることがある。例えば、検出装置１は、位置検出部２と面推定部１２と物体識別部１３とを備える場合、第２物体Ｍ２を第１物体Ｍ１と識別して検出可能である。検出装置１は、位置検出部２と面推定部１２と物体識別部１３とを除いた部分の少なくとも一部を備えなくてもよい。また、上述の実施形態などで説明した要件は、適宜組み合わせることができる。検出装置１は、位置検出部２と面推定部１２と物体識別部１３との他に、所定の処理を実行する部分を備えてもよい。また、法令で許容される限りにおいて、上述の実施形態などで引用した全ての文献の開示を援用して本文の記載の一部とする。

　なお、本発明の技術範囲は、上述の実施形態などで説明した態様に限定されるものではない。上述の実施形態などで説明した要件の１つ以上は、省略されることがある。また、上述の実施形態などで説明した要件は、適宜組み合わせることができる。また、法令で許容される限りにおいて、日本特許出願である特願２０１８－１３３５１７、及び、上述の実施形態などで引用した全ての文献の開示を援用して本文の記載の一部とする。

１・・・検出装置、２・・・位置検出部、３・・・処理装置、４・・・検出部、Ｍ・・・物体、Ｍ１・・・第１物体、Ｍ２・・・第２物体、１２・・・面推定部、１３・・・物体識別部、１４・・・記憶部、１５・・・点群データ生成部、２１・・・入力部、２２・・・表示部、ＡＲ・・・対象領域、ＦＰ・・・推定平面

Claims

　対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出する位置検出部と、
　前記位置検出部の検出結果に基づく前記第１物体の物体面と、前記位置検出部が検出した前記物体上の各点との距離に基づいて、前記物体面に接触する前記第２物体の少なくとも一部を前記物体面に対して識別する物体識別部と、を備える検出装置。
　前記物体上の各点の位置情報として点群データを生成する点群データ生成部を備え、
　前記点群データ生成部が生成した点群データに基づいて前記物体面を求める、
　請求項１に記載の検出装置。
　前記位置検出部は、前記物体上の各点の位置情報として前記物体上の各点と所定の点との距離を検出する検出部を含み、
　前記点群データ生成部は、前記検出部の検出結果に基づいて前記点群データを生成する、
　請求項２に記載の検出装置。
　前記物体識別部は、前記物体面との距離が所定値以上である点を前記第２物体と識別する、
　請求項１から請求項３のいずれか一項に記載の検出装置。
　前記物体識別部は、前記物体における第１点と前記物体面との第１距離について、前記第１点の周囲の第２点と前記物体面との第２距離に基づいて、前記第１距離を強調した評価値を算出し、前記評価値と第１閾値とを比較して前記第１点が前記第２物体に属するか否かを判定する、
　請求項１から請求項４のいずれか一項に記載の検出装置。
　前記物体識別部は、前記第２距離が第２閾値よりも大きい場合に、前記評価値として、前記第２距離に基づいて前記第１距離を増加させた値を算出する、
　請求項５に記載の検出装置。
　前記物体識別部は、前記第２距離が前記第２閾値よりも大きい場合に、前記評価値として、前記第２距離に対して減少する値を前記第１距離に加算した値を算出する、
　請求項６に記載の検出装置。
　前記物体識別部は、前記物体における第１点の周囲の第２点と前記物体面との距離に基づいて第３閾値を設定し、前記第１点と前記物体面との距離と前記第３閾値とを比較して、前記第１点が前記第２物体に属するか否かを判定する、
　請求項１から請求項７のいずれか一項に記載の検出装置。
　前記対象領域における鉛直方向を検出する方向検出部を備え、
　前記方向検出部が検出した鉛直方向の下方の面を前記物体面とする、
　請求項１から請求項８のいずれか一項に記載の検出装置。
　前記物体面を表す数式を導出する、
　請求項１から請求項９のいずれか一項に記載の検出装置。
　前記物体識別部は、前記数式を用いて、前記物体面と前記物体上の各点との距離を算出する、
　請求項１０に記載の検出装置。
　前記第１物体の面を指定する情報の入力を受け付ける入力部を備え、
　前記物体面は、前記入力部に入力された情報に基づいて決まるものである、
　請求項１から請求項１１のいずれか一項に記載の検出装置。
　前記物体面は、前記第２物体の移動による前記位置検出部の検出結果の変化に基づいて決まるものである、
　請求項１から請求項１２のいずれか一項に記載の検出装置。
　前記物体識別部が識別した前記第２物体の位置情報に基づいて、前記第２物体の形状情報を含むモデル情報を生成するモデル生成部を備える、
　請求項１から請求項１３のいずれか一項に記載の検出装置。
　前記物体面は、前記対象領域における床面または地面を含み、
　前記第２物体は人体を含み、
　前記物体識別部は、前記人体のうち前記物体面に接触する部位の位置情報を識別する、
　請求項１から請求項１４のいずれか一項に記載の検出装置。
　対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出した検出結果に基づく前記第１物体の物体面と、前記物体上の各点との距離に基づいて、前記物体面に接触する前記第２物体の少なくとも一部を前記物体面に対して識別する物体識別部、を備える処理装置。
　対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出することと、
　前記検出の結果に基づく前記第１物体の物体面と、前記物体上の各点との距離に基づいて、前記物体面に接触する前記第２物体の少なくとも一部を前記物体面に対して識別することと、を含む検出方法。
　コンピュータに、
　対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出した検出結果に基づく前記第１物体の物体面と、前記物体上の各点との距離に基づいて、前記物体面に接触する前記第２物体の少なくとも一部を前記物体面に対して識別すること、を実行させる処理プログラム。
　対象領域における第１物体及び第２物体を含む物体上の各点の位置情報を検出する検出部と、
　前記位置情報に基づいて前記第１物体と前記第２物体とを識別する識別部と、を備える検出装置。