JP4102885B2 - 駐車車両検知方法及び駐車車両検知システム - Google Patents

Description

本発明は、駐車車両を自動的に検知する駐車車両検知方法及び駐車車両検出システムに関する。

路上に駐車されている車両（以下「駐車車両」という）は、渋滞や交通事故を招来し、消防活動や救急活動を阻害する要因ともなり得るものである。そのため、従来より、国や地方自治体などによって駐車車両の台数を調査して渋滞等に与える影響を分析することが行われている。

このような駐車車両の調査は、一般に、車両や自転車に搭乗した調査員の手作業によって行われていた。しかし、この調査方法では、作業に手間がかかって効率が悪いと共に駐車車両のカウントや集計にミスが生じ易く、調査精度の面でも問題があった。

この問題を解決するため、ＣＣＤカメラ等で駐車車両を撮像し、この撮像データを画像処理することで、駐車車両を識別してカウントすることも考えられる。

しかしながら、上記した駐車車両の計測方法では、画像処理に時間とコストがかかる割に駐車車両の検知精度が良くないという問題がある。例えば、撮像データの画像処理において、エッジの抽出や２値化処理などの単純な処理だけでは、駐車車両とその背景にある建物や街路樹とを精度良く識別することは困難である。特に、駐車車両は路側に複数台が連続して駐車されるという傾向があるため、個々の駐車車両を検知することができないと、駐車車両の台数をカウントできないことになる。

さらに、調査の高速化・効率化のために調査車両を移動させながら駐車車両の画像データを取得する場合には、画像処理がより一層困難になる。

本発明は上記の課題を解決するためになされたもので、駐車車両の調査を効率的で精度良く行うことができる駐車車両検知方法及び駐車車両検知システムを提供することを目的とする。

本発明の第１の主要な観点によれば、路上を走行する計測車両に搭載されたラインスキャンカメラで路上の対象物を水平方向に複数回ラインスキャンして得られた複数のライン画像を時系列に沿って合成して、時間と空間の成分を有するエピポーラ平面画像（ＥＰＩ画像）を取得する工程と、前記ライン画像における対象物の一以上の特徴点の位置を時系列で結んだ１以上の直線を前記ＥＰＩ画像における当該対象物の一以上の特徴軌跡として抽出する工程と、前記ＥＰＩ画像における時間と空間の成分を座標軸とする座標上で、前記抽出した特徴軌跡の傾きを演算する工程と、演算した特徴軌跡の傾きと前記計測車両の移動速度とに基づいて、対象物の特徴点までの奥行き距離を所定の式に従って演算する工程と、演算した対象物の特徴点までの奥行き距離を所定の閾値と比較することで駐車車両の有無を判別する工程とを備えたことを特徴とする駐車車両検知方法が提供される。

このような構成によれば、複数回のラインスキャンによって取得したＥＰＩ画像（撮像データ）を解析して駐車車両を判別するようにしたので、駐車車両を確実に判別できる。また、駐車車両の周囲のデータも同時に取得することで、駐車車両の規制等の道路行政に有益なデータを提供することができる。

また、本発明の第２の主要な観点によれば、路上を走行する計測車両に搭載されたラインスキャンカメラが、路上の対象物を水平方向に複数回ラインスキャンした複数のライン画像を取得する画像データ取得部と、前記対象物の複数のライン画像を時系列に沿って合成することで水平方向のエピポーラ平面画像（ＥＰＩ画像）を取得する路上撮像部と、前記ライン画像における対象物の一以上の特徴点の位置を時系列で結んだ１以上の直線を前記ＥＰＩ画像における当該対象物の一以上の特徴軌跡として抽出する特徴軌跡抽出部と、前記ＥＰＩ画像における時間と空間の成分を座標軸とする座標上で、前記抽出した特徴軌跡の傾きを演算する傾き演算部と、演算した特徴軌跡の傾きと前記計測車両の移動速度とに基づいて、対象物の特徴点までの奥行き距離を所定の式に従って演算する距離演算部と、演算した対象物の特徴点までの奥行き距離を所定の閾値と比較することで駐車車両の有無を判別する駐車車両有無判別部とを備えたことを特徴とする駐車車両検知システムが提供される。

このような構成によれば、上記した第１の主要な観点における駐車車両検知方法を好適に実現可能な駐車車両検知システムを得ることができる。

以上説明したように、本発明によれば、駐車車両の調査を効率的で精度良く行うことができる駐車車両検知方法及び駐車車両検知システムを得ることができる。

特に、走行する調査車両から撮像データを取得しながら駐車車両の判別やカウントを行うことができ、駐車車両の調査を効率良く行うことができる駐車車両検知方法等を得ることができる。

なお、この発明の他の特徴と顕著な効果は、次の発明の実施の形態の項の記載と添付した図面とを参照することで、より明確に理解される。

以下、本発明の実施の形態を図面に基づき説明する。以下においては、まず、本発明の参考となる実施形態を説明してから、本発明の実施形態を説明する。
（参考となる実施形態）
図１は、この実施形態にかかる駐車車両検知システムの概略説明図である。この図で符号１で示す駐車車両検知装置は、レーザスキャナ２によって路上の駐車車両３を含む撮像データを取得するものであり、道路４を走行する計測車両５に搭載されている。前記駐車車両検知装置１は、駐車車両３及び背景の街路樹６や建物７などの対象物までの距離情報、すなわち奥行きに基づいて、前記レーザスキャナ２が撮像した路上データから駐車車両３の側面データを抽出するものである。この実施形態では、前記撮像データの取得、駐車車両３の判別、カウント及び出力の各処理を走行する計測車両５上においてリアルタイムで実行するようにしている。これにより、駐車車両の調査を効率良く行うことができるようになる。

ここで、本実施形態における路上撮像手段である前記レーザスキャナ２の概略構成を図２を参照して説明する。

このレーザスキャナ２は、主として、対象物に対してレーザ光を送出するレーザ光送出部８と、対象物から反射されたレーザ光を受信するレーザ光受信部９とからなる。前記レーザ光送出部８は、半導体レーザダイオード１０と、一対のプリズム１１、１１と、送出用レンズ１２と、回転可能なポリゴンミラー１３と、スキャンライン調整用ミラー１４とを備えている。また、前記レーザ光受信部９は、複数の受信用ミラー１５、１５と、受信用レンズ１６と、フォトダイオード１７とを備えている。なお、符号１８は、レーザ光の送受信用の窓である。

このような構成において、前記半導体レーザダイオード１０からレーザ光を発振するとポリゴンミラー１３の回転によって水平方向に１次元的なスキャンラインを描き、ラインスキャンが可能となる。さらに、前記ミラー１４の回転を加えることで、このスキャンラインを微小角度ずつ垂直方向に変化させ、２次元のエリアスキャンが可能となる。鉛直方向にラインスキャンする場合は、このレーザスキャナ２を９０度傾けて設置すれば良い。

前記レーザスキャナ２を使用して対象物までの距離を計測する方法として、例えば時間差計測法と位相差計測法がある。ここでは、時間差計測法の例を、図３を参照して説明する。この方法は、パルスレーザ光の飛行時間（time-of-flight；TOF）を直接計測することにより、対象物までの距離を求める方法である。この計測法では、対象物までの距離Ｄ［ｍ］は、計測された時間差Δｔ［ｓｅｃ］から次式で求められる。

２Ｄ＝ｃΔｔ（ただし、光速度ｃ＝３．０×１０^２［ｍ／ｓｅｃ］）
時間差計測法を採用する場合、光の速度が速いため、測定精度を上げるには短い時間間隔を正確に計測しなければならない。例えば、測定精度が１ｍの場合には６．７×１０^−９ｓｅｃ（＝６．７ｎｓ）、さらに１ｃｍでは０．０６７ｎｓの時間分解能を必要とする。なお、この方法の測定精度は原理的に測定距離の大小には依存しないという特性を有する。

このような距離計測と、図２で説明した２次元のエリアスキャン機構とを組み合わせることで、路上の対象物を３次元的に計測することが可能となる。このとき、対象物の３次元形状は、高精度な３次元位置情報をもつ点の集合、すなわちレンジポイントとして表されることになる。

このレンジポイントで駐車車両３を表わした例を図４に示す。図中の無数の点がレンジポイントである。この図から明らかなように、駐車車両３の車体はレンジポイントが密集している部分（集合）として示されており、このような集合を抽出することで、駐車車両３の存在はもとより、車体の大きさ等を判別することができるものである。

また、駐車車両３の後方（ｙ軸方向）には、レンジポイントが全く現れない領域、すなわち駐車車両３によってレーザ光が遮蔽された領域（影）が存在する。この遮蔽領域を抽出することによっても駐車車両３の有無を容易に判別できるものである。

次に、図５のブロック図を参照して、駐車車両検知装置１の構成を説明する。
この装置１は、前記計測車両５に搭載されたコンピュータシステムに設けられており、ＣＰＵ２０とＲＡＭ２１とモデム等の通信デバイス２２と入出力装置２３が接続されたバス２４に、データ格納部２５とプログラム格納部２６とを備えて構成されている。

前記データ格納部２５は、レーザスキャナ２が撮像したデータを格納する撮像データ格納部２７と、後述する駐車車両有無判別部３６によって判別された駐車車両３の側面データ等を格納する駐車車両データ格納部２８と、駐車車両３の計測条件・計測環境等を格納する計測条件格納部２９とを備えている。ここで、計測条件格納部２９には、例えば、計測の日時・計測時の気象条件・計測車両５の平均速度・設定された閾値などが格納される。

前記プログラム格納部２６は、メインプログラム３２の他、前記レーザスキャナ２が撮像した路上の画像データを受取って前記撮像データ格納部２７に格納する撮像データ取得部３３と、本発明の要旨である側面データ抽出部３４及び遮蔽領域抽出部３５と、駐車車両有無判別部３６と、駐車車両台数算出部３７と、駐車領域占有率演算部３８と、例えば、計測車両５のタイヤの回転数等から計測時の速度や距離の条件を取得して前記計測条件格納部２９に格納する速度・距離情報取得部３９と、算出された駐車車両３の台数や駐車領域占有率等の処理結果を前記入出力装置２３のディスプレイ等に出力する処理結果出力部４０とを備えている。

前記側面データ抽出部３４は、路上の対象物を撮像した撮像データから路上に駐車した駐車車両３の側面データを抽出するものであり、図６に示す構成を備えている。

すなわち、この側面データ抽出部３４は、取得した撮像データのノイズ除去等の前処理を行う撮像データ前処理部４１と、前記撮像データに含まれるレンジポイントの高さの情報（図４のｚ軸の値）に基いて前記対象物の高さを演算する高さ演算部４２と、車両の一般的な車高若しくはタイヤ径の少なくとも何れかに基づいて対象物の高さの閾値を設定する高さ閾値設定部４３と、前記駐車車両有無判別部３６で判別された駐車車両３の所定台数毎若しくはレーザ光の所定の走査周期毎の高さ情報をランダムに抽出する高さデータ抽出部４４と、抽出された複数の高さ情報に基づいて前記設定された閾値を動的に更新する閾値更新部４５と、演算した対象物の高さが所定の閾値以上のフレームが所定数連続する場合に、その連続するフレームを駐車車両３の側面データとして出力する側面データ出力部４６と、前記移動体の移動速度に基づいて、前記フレームが連続する所定数の基準値を設定する基準フレーム数設定部４７とを備えている。

ここで、前記撮像データ前処理部４１は、主として、前記レーザスキャナ２から取得した撮像データのセンサ座標系の変換及び撮像された対象物の三次元形状の復元と、前記高さ演算部４２が演算した車体側面点集合の平滑化の各処理を行うものである。

また、前記高さデータ抽出部４４は、前記のように高さデータをランダムに抽出して閾値更新部４５に送出するものである。これにより、閾値を動的に更新して検知精度の向上を図ることができ、また更新した閾値に基づいて再度側面データの抽出処理を行うことで、側面データの抽出漏れを検証することができる。

なお、前記撮像データ前処理部４１及び高さ演算部４２が行う各処理の詳細については後述する。

次に、図５に示す前記遮蔽領域抽出部３５は、前記撮像データから、対象物によってレーザ光が遮蔽された領域（オクルージョン）を抽出するものである（図４参照）。この遮蔽領域抽出部３５は、本実施形態では、前記側面データ抽出部３４を補完する機能を備えている。すなわち、対象物が黒色の場合はレーザ光の反射率が極端に低いため、黒色の駐車車両３については側面データを抽出できないおそれがある。そのため、遮蔽領域の抽出による駐車車両３の判別を併用することで、判別精度の向上を図るものである。なお、遮蔽領域抽出部３５の機能等は、後に詳しく説明する。

前記駐車車両有無判別部３６は、前記側面データ抽出部３４が抽出した駐車車両３の側面データ若しくは遮蔽領域抽出部３５が抽出した遮蔽領域データに基づいて、駐車車両３の有無を判別するものである。

前記駐車車両台数算出部３７は、前記駐車車両有無判別部３６で判別された駐車車両３の台数をリアルタイムでカウントするものである。

前記駐車領域占有率演算部３８は、前記駐車車両有無判別部３６で駐車車両３が存在すると判別されたフレームの数を、前記撮像データの総フレーム数で除算することで、駐車可能な領域に占める駐車車両の比率を算出するものである。この占有率の具体的な考え方を図７に示す。

この図において、右下がりの斜線で示すのが駐車車両３によって占有されたフレーム数であり、右上がりの斜線で示すのが計測対象の全フレーム数である。この図から明らかなように、車両の長さの固定値（例えば３ｍ）に駐車車両３の台数を乗じて画一的に算出するのではなく、駐車車両３のフレーム数（すなわち、車両の全長）を基礎とすることで占有率をより正確に算出できるものである。

このように、駐車領域における占有率という新たな指標を提供することで、渋滞の解消等の道路行政の種々の課題解決への有効活用が期待できる。

上記の各構成要素等は、実際には、コンピュータシステムにインストールされたコンピュータソフトウエアプログラム若しくは１つのプログラム中のサブルーチンである。そして、前記ＣＰＵ２０によってＲＡＭ２１上に呼び出され実行されることで、この発明の各機能を奏するものである。

次に、図８〜図１０を参照して前記撮像データ前処理部４１が行う各処理を説明する。

まず、センサ座標系の変換について説明する。
前記レーザスキャナ２が撮像したデータでは、１つのレンジポイントについて以下の情報を得ることができる。

フレーム番号：ｍ（その点が属するフレームの番号；ｍ＝１、２、３、L）
スキャン番号：ｎ（フレーム内でのその点の番号；ｎ＝１、２、３…１６５）
点までの距離：ｒ
スイング角：α（一定値；α＝０°）
スキャン角：β（−５０°≦β≦＋２０°）
計測時刻：ｔ（ｎ＝１の時のみ）
ここで、本実施形態では、対象物を鉛直（縦）方向に走査するラインスキャンを行うようにしており、水平方向の計測角を示す前記スイング角αは０°に固定されている。また、前記スキャン角βは垂直方向の計測角を示している。これらの計測角は、図８に示すように、計測車両５と計測対象である駐車車両３との距離や車高、レーザスキャナ２の設置高さ等を参照して設定される。

また本実施形態では、計測車両５が走行しながらレーザスキャナ２で路上の対象物をスキャンしており、レーザスキャナ２の位置が時々刻々と変化している。そのため、「センサ座標系」上の値である「点までの距離ｒ、スイング角α及びスキャン角β」を夫々ワールド座標系に変換してレンジポイントの位置を実空間上で正確に表現する必要がある。このような座標系の変換は図９に示す工程で行う。また、ワールド座標系（ｐ）とセンサ座標系（ｐ’）との関係を図１０に示す。

前記レンジポイントは、全てが特定のスキャンラインに属し、その中でも何番目にスキャンされた点であるかという情報を持っているため、ｍ、ｎのＩＤタグが付加される。従って、対象物の三次元形状を以下のように表わすことができる。

上記のような座標変換を行うことで、駐車車両３の三次元形状を復元したのが前記した図４の状態である。このような処理は、換言すれば、レーザスキャナで２で取得されたデータは計測点から対象物までの距離情報を有し、極座標系モデルによって記述される。このデータを直交座標系モデルに変換することで、前記三次元形状への復元を行うものである。

また、この撮像データ前処理部４１は、車体側面点集合の平滑化も行う。この平滑化処理は、前記高さ演算部４２が作成した後述する高さ曲線について、所定の幅でフィルタ処理を行い、所定の重み係数を適用することで、この高さ曲線に含まれるノイズを除去するものである。

次に、前記高さ演算部４２が、撮像データに含まれる対象物の高さを演算する工程を詳細に説明する。

まず、この高さ演算部４２は、撮像データから車体側面を示す点の集合（Ｂ）を以下の式に従って抽出する。

この式では、以下の式で抽出した路面点集合（Ａ）に属さない点のうち、ｙ座標が適当な範囲におさまっているレンジポイントを車体側面点集合（Ｂ）に属するとみなしている。なお、次式は遮蔽領域の抽出の際にも用いる。

また、上記の「適当な範囲」の例を図１１に示す。この図では、煩雑さを避けるため、レンジポイントが密集した部分を右上がりの斜線で示し、レンジポイントの密度が小さい部分を左上がりの斜線で示している。この例では、最小値を１．０ｍの固定値とし、最大値については、ｙ_peakなる奥行き位置を決めてそれよりも１．０ｍ奥までを最大値とした。このｙ_peakは、「前記路面点集合に属さない点集合内において、ｙ軸方向に沿って点の個数のヒストグラムをとり、最初の極大値を与えるｙ座標」と定義できる。これにより、ｙ_peakは縦列駐車された駐車車両の車体右側付近に存在することになり、車体側面の点集合を正確に抽出することができる。また、レーザスキャナ２の測定精度（０．５ｍ等）を考慮して駐車車両の側面を含む領域を抽出するのが好ましい。なお、この図で、駐車車両の奥側に現れているレンジポイントの密集部分は、ガードレール若しくは建物の壁等の背景と考えられる。

このようにして抽出した車体側面点集合（Ｂ）の内の各スキャンラインについて、座標が最大となる点を結ぶことによって図１２に示す高さ曲線が得られる。なお、この高さ曲線については、前記撮像データ前処理部４１が平滑化フィルタにより高周波ノイズを除去することで車体側面の稜線（輪郭線）を表わす線を取得するようにする。一例として、フィルタの幅は３（前後１近傍）、各重み係数は何れも１に設定する。

また、この高さ曲線の主変数はスキャンライン番号ｎであり、次式で表わすことができる。

図１２（Ａ）は前記撮像データ前処理部４１による平滑化処理前、（Ｂ）は平滑化処理後の高さ曲線である。この図に示す撮像データからは、車体側面データが３台分抽出されることが分かる。

次に、前記駐車車両有無判別部３６が、前記高さ曲線に基づいて駐車車両の有無を判別する工程を詳細に説明する。

この駐車車両有無判別部３６は、図１２に示した高さ曲線に所定の閾値を与えて、高さ曲線の交点から交点までを駐車車両の候補が存在する部分、あるいは存在しない部分と判断するものである。

高さ曲線に与える閾値をｚ_ｔｈとすると、車両候補の存在判定は次式で表現される。

ここで、Ｅ_ｍは、第ｍ番目のフレームに駐車車両の候補が存在しているかどうかを表す０／１変数である。１は車両候補が存在することを、０は存在しないことを意味する。

また、閾値ｚ_ｔｈは、例えば次式で与えることができる。

０．５ｍという固定値は、駐車車両３のタイヤ径よりも高い位置にある車両本体を考慮して前記高さ閾値設定部４３が設定したものである。

前記Ｅ_ｍは１本のスキャンラインにのみ関する情報である。そこで、Ｅ_１、Ｅ_２、Ｅ_３、…のシーケンスから、「０１１１…１１１０」のように１が連続するパターンを検索する。また、ノイズや突出値の影響を取り除くため、予め「０１１１１０」や「１００００１」のように幅が４以内の１若しくは０は、すべて０若しくは１に変換してＥ_ｍを修正しておく。

検索されたパターンのうち、「１１１Ｌ１１１」の幅がＦ_ｍ以上であるものを1台の駐車車両と識別する。Ｆ_ｍの値は、前記基準フレーム数設定部４７が計測車両５の走行速度ｖに応じて設定するものである。ここでは、長さが２ｍ以上のものを1車両と識別することにし、次式のように与えることにした。

このような処理を行うことで、図１２（Ｂ）に示すように、適切な位置に閾値線を引くことができ、高さ曲線に基づいて駐車車両を正確に識別することができる。

以下、この駐車車両検知装置１の詳細な機能を実際の動作と共に、図１３を参照して説明する。なお、これらの図のＳ１〜Ｓ１２は処理順序を示す符号であり、以下の説明のステップＳ１〜Ｓ１２に対応する。

まず、前記撮像データ取得部３３が、レーザスキャナ２が路上を撮像した撮像データを取得して、前記撮像データ格納部２７に格納する（ステップＳ１）。

ついで、取得した撮像データについて、前記撮像データ前処理部４８が所定の前処理を実行する。具体的には、上記したように「センサ座標系」をワールド座標系に変換し（ステップＳ２）、図１１に示すように、ＩＤタグ付き点集合によって対象物の３次元形状を復元する（ステップＳ３）。

ついで、前記高さ演算部４２が車体側面の点集合を抽出する（ステップＳ４）。抽出した点集合にはノイズが多く含まれていることから、前記撮像データ前処理部４８が平滑化処理によってノイズを除去する（ステップＳ５）。

ついで、前記高さ演算部４２が、対象物の高さ曲線を演算すると共に（ステップＳ６）、前記高さ閾値設定部４３が、車高やタイヤ径に基づいて対象物の高さ曲線に対する閾値線（この例では０．５ｍ）を算出する（ステップＳ７）。この状態で、高さが閾値線よりも大きいフレームを前記側面データ出力部４６が抽出して前記駐車車両有無判別部３６に送出する（ステップＳ８）。抽出された高さのデータが車両の候補となる。

抽出された高さ（車両候補）のデータを受取った駐車車両有無判別部３６は、対象物の高さが閾値線よりも大きい「Ｅ_ｍ＝１」フレームが所定数以上連続しているかを判断し、連続していないフレームについては「Ｅ_ｍ＝０」に補正する（ステップＳ９）。補正した結果、「Ｅ_ｍ＝１」が所定数連続するフレームを駐車車両３と判別する（ステップＳ１０）。そして、前記駐車車両台数算出部３７が、前記駐車車両３と判別された台数をカウントして出力する（ステップＳ１１）。また、前記駐車領域占有率演算部３８が、図７に示すように、駐車車両３と判別されたフレームの数に基づいて駐車車両３の占有率を演算する（ステップＳ１２）。

次に、前記遮蔽領域抽出部３５について説明する。
本の実施形態では、上記したように前記側面データ抽出部３４が抽出する側面データと、遮蔽領域抽出部３５が抽出するレーザ光の遮蔽エリア（路面点集合）とに基づいて駐車車両３の有無を判別する点に特徴を有している。

図１４に示すように、この実施形態にかかる遮蔽領域抽出部３５は、撮像データ前処理部５０と、前記撮像データに含まれるレンジポイントの奥行きの情報（図４のｙの値）に基いて前記対象物の奥行きを演算する奥行き演算部５１と、車両の全幅に基づいて対象物の奥行きの閾値を設定する奥行き閾値設定部５２と、奥行きデータ抽出部５３と、閾値更新部５４と、演算した対象物の奥行きが所定の閾値以下のフレームが所定数連続する場合に、その連続するフレームを駐車車両３による遮蔽領域として出力する遮蔽領域出力部５５と、基準フレーム数設定部５６とを備えている。

前記奥行き演算部５１は、まず、次式によって撮像データから路面を示す点の集合（Ａ）を抽出する。この路面点集合の抽出は、レンジポイントの垂直位置（路面からの高さ）に着目して行う。この例では、駐車車両の前後のタイヤの間（車体の底面）はレーザ光が車体側面よりも奥側に到達することから、タイヤ径よりも高い位置のレンジポイントを基準にするため、高さを０．５ｍに設定した。この場合も、レーザスキャナ２の測定精度を考慮して路面点集合を抽出する領域を決定するのが好ましい。

次に、抽出した路面点集合から、図１５に示す奥行き曲線を作成する。具体的には、抽出した路面点集合の内の各スキャンラインについて、ｙ座標が最大となる点を結ぶことによって得られる。この奥行き曲線はスキャンライン番号ｎを主変数とし、以下のように表される。

この奥行き曲線は、レーザスキャナ２から離れた位置の少ないレンジポイントに基づいて作成することになり、ノイズを多く含むことから、前記撮像データ前処理部５０によってフィルタをかけて平滑化しておく。具体的には、路面データの分布領域は、レーザによる路面上の可視領域を意味し、その奥行き（ｙ軸）方向の境界は、スキャン毎のｙの最大値から構成することができることになる。この奥行き方向の境界線から、平滑化フィルタによって高周波ノイズを除去することで、路上駐車車両による遮蔽部分を表わす奥行き曲線を好適に取得できる。一例として、フィルタの幅は９（前後４近傍）、各重み係数は何れも１に設定した。

これにより図１５の奥行き曲線が得られる。図１５（Ａ）は前記撮像データ前処理部５０による平滑化処理前、（Ｂ）は平滑化処理後の奥行き曲線である。この図に示す撮像データからは、遮蔽領域データが３台分抽出されることが分かる。

また、この状態の遮蔽領域データが前記駐車車両有無判別部３６に送出されると、この駐車車両有無判別部３６は、図１５に示した奥行き曲線に所定の閾値を与えて、奥行き曲線の交点から交点までを駐車車両の候補が存在する部分、あるいは存在しない部分と判断する。

奥行き曲線に与える閾値をｙ_ｔｈとすると、車両候補の存在判定は次式で表現される。なお、この閾値は、前記奥行き閾値設定部５２が設定するものである。

ここで、Ｅ_ｍは、第ｍ番目のフレームに駐車車両の候補が存在しているかどうかを表す０／１変数である。１は車両候補が存在することを、０は存在しないことを意味する。

また、閾値ｙ_ｔｈは、例えば次式で与えることができる。

このように、駐車車両と識別された若しくは識別される可能性が高いデータに基づいて閾値を設定することで、駐車車両の判別精度を向上させることができる。また、１．５ｍという固定値は、駐車車両３の全幅が通常３ｍ程度であることを考慮したものである。

このようにして設定された閾値線（この例では約５．５ｍ）を適用すると共に、第１の実施形態と同様にＥ_ｍを修正することで、図１５（Ｂ）のように、駐車車両３台分の遮蔽領域を出力することができる。

以下、この実施形態にかかるシステム１の詳細な機能を実際の動作と共に、図１６を参照して説明する。なお、これらの図のＳ１３〜Ｓ２６は処理順序を示す符号であり、以下の説明のステップＳ１３〜Ｓ２６に対応する。また、上記した第１の実施形態と共通の処理工程は詳細説明を省略する。

まず、前記撮像データ取得部３３が撮像データを取得して前記撮像データ格納部２７に格納する（ステップＳ１３）。ついで、取得した撮像データについて、前記撮像データ前処理部４８が所定の前処理を実行する（ステップＳ１４、Ｓ１
５）。

ついで、前記奥行き演算部５１が、前記撮像データのレンジポイントの高さ情報に基いて路面点集合（Ａ領域）を抽出する（ステップＳ１６）。また、前記撮像データ前処理部５０が路面点情報を平滑化してノイズを除去する（ステップＳ１７）。

ついで、前記奥行き演算部５１が、対象物の奥行き曲線を演算すると共に（ステップＳ１７）、奥行き閾値設定部５２が駐車車両の全幅などに基づいて奥行き曲線の閾値を設定する（ステップＳ１８、Ｓ１９）。この状態で、奥行きが閾値線よりも小さいフレームを前記遮蔽領域出力部５５が抽出して前記駐車車両有無判別部３６に送出する（ステップＳ２１）。抽出された高さのデータが車両の候補となる。

前記駐車車両有無判別部３６は、奥行きが閾値線よりも低いフレームが所定数以上連続しているかを判断し、連続していないフレームについて補正する（ステップＳ２２）。

ついで、抽出された路面点データに基づいて前記駐車車両有無判別部３６が、駐車車両３と判別する（ステップＳ２３）。判別した結果に基づいて、前記駐車車両台数算出部３７が駐車車両の台数を出力し、前記駐車領域占有率演算部３８が駐車車両３の占有率を演算する（ステップＳ２４、Ｓ２５）。

（本発明の実施形態）
次に、図１７乃至図２２を参照して、本発明の実施形態を説明する。この実施形態は、ラインスキャンカメラを使用して３次元のエピポーラ平面画像（ＥＰＩ画像）を取得し、取得した画像データの特徴軌跡の傾きに基づいて駐車車両を判別する点に特徴を有する。

この実施形態にかかる駐車車両検知装置６０は、図１７に示すように、路上を走行する計測車両５から路上の対象物を水平方向に複数回ラインスキャンしてエピポーラ平面画像（ＥＰＩ画像）を取得するラインスキャンカメラ６１と、前記対象物のＥＰＩ画像を時系列に沿って合成することで水平方向のＥＰＩ画像を取得する路上撮像部６２と、前記取得したＥＰＩ画像から前記対象物に関する一以上の特徴軌跡を抽出する特徴軌跡抽出部６３と、抽出した対象物の特徴軌跡の傾きを演算する傾き演算部６４と、演算した特徴軌跡の傾きと前記計測車両５の走行速度とに基づいて、計測車両５から対象物までの距離を演算する距離演算部６５と、演算した対象物までの距離に基づいて駐車車両３の有無を判別する駐車車両有無判別部６６とを備えている。

実際の駐車車両３の画像データを図１８（Ａ）に、前記ラインスキャンカメラ６１によって取得された画像を図１８（Ｂ）に、前記特徴軌跡抽出部６３や傾き演算部６４等によって画像処理した結果を図１８（Ｃ）に夫々示す。

まず、図１８（Ｂ）の画像は、縦一列の画像が1ライン分であり、スキャンを繰り返すたびに横に右方向にライン画像を並べていくことで生成される．このことから、左から右へ向かう方向が時間を、縦方向は空間を意味する時空間画像、すなわちエピポーラ平面画像（ＥＰＩ画像）と考えることができる。

この画像中には、対象物の特徴点の軌跡６７が右下がりの直線として現れている。この画像を処理することで、特徴軌跡（feature path）を抽出し、それらの直線の傾きからその特徴点までの奥行き距離を求めることができる。

以下に、具体的な画像処理の工程を説明する。

（前処理工程）
まず、前記時空間画像を、時間方向に一定のライン数ずつ、重複することなく分割する。この各分割画像に対して、Ｃａｎｎｙのエッジ検出アルゴズムでエッジを検出することで、図１９に示すように２値化する。この図から、直線が鮮明に現れていることが分かる。

（直線抽出工程）
次に、得られた２値化画像中の直線を抽出するために、ハフ変換処理を行う。分割画像中の直線は、図２０のように原点Ｏから直線へ下ろした垂線の足をRとすれば、ｒ＝ＯＲと法線ベクトル角度φによって一意に表せる。また、上の分割画像に対してハフ変換を適用して得られたハフ空間像を図２１に示す。ｒ＝−５００、φ＝１４５度付近にピークがあり、これが最も強い特徴軌跡を意味する。したがって分割画像中での特徴軌跡の傾きは、１４５−９０＝５５°である。

（奥行き計算工程）
抽出された直線の傾きｍに対して、それに対応する特徴点までの奥行距離Ｌが次式にしたがって計算される。

したがって、奥行き距離ＬとＥＰＩ画像中の直線の傾きｍは比例する。そこで時間方向に２００本ずつのライン数で分割した画像にハフ変換を適用し、各分割画像に対して得られたハフ空間像における最大のピークに対応する直線だけを抽出する。この直線はＥＰＩ中の最もエッジの強い特徴軌跡を意味する。このようにして抽出された直線の法線方向の角度φを、分割画像の時系列にしたがってプロットしたものが図１８（Ｃ）のグラフである。この図から、法線方向角度φ＝１４５°、つまり、ＥＰＩ中で傾き１４５−９０＝５５°をもつ特徴軌跡の奥行き距離が最も短いことを分かる。これが駐車車両の奥行き距離に相当する。

（閾値設定工程）
ＥＰＩ画像から抽出された直線の法線方向角度の時間変化は図１８（Ｃ）のようなグラフとして得られる。また、法線方向角度と奥行距離とが比例することから、駐車車両３の検出には、図１８（Ｃ）のグラフのように閾値を利用するのが簡便である。このときの閾値φ_ｔｈは次式のように、カメラ（＝計測車両）の速度Ｖと奥行距離Ｌ_ｔｈに依存することが分かる。

なお、計測車両５の速度Ｖは計測可能であるが、計測車両５と駐車車両３との距離Ｌ_ｔｈは計測環境、特に道路の車線の幅や計測車両５の横方向運動軌跡に依存するため、その値を特定することは困難である。そこで、車線の幅、駐車車両の例としてセダンタイプの車両の全幅、及び計測車両５の全幅に基づいてＬ_ｔｈを算出する工程を図２２に示す。

（正規化）
この例では、分割画像のサイズは約１：７の縦横比を持つ画像としているため、同程度に強いエッジを持つ直線であっても、縦の直線の長さは横に比してかなり短くなる。そこで、抽出における直線の強さの指標をその直線の長さに対する相対的な強さとして扱って正規化している。これにより、ノイズを低減できる。

（実施形態の効果）
上記した各実施形態によれば、以下のような効果を得ることができる。

１）路上の対象物を撮像したデータから駐車車両の側面データを抽出する側面データ抽出工程と、前記抽出した側面データに基づいて、駐車車両の有無を判別する駐車車両有無判別工程と、路上を走行する車両から前記対象物にレーザ光を走査しながら送出し、その反射レーザ光を検出することで前記対象物の撮像データを取得する路上撮像工程を実行するようにした。これにより、撮像データから抽出した駐車車両の側面データに基づいて駐車車両の有無を判別することができるようになる。また、側面データを参照することで、駐車車両の整列状況による影響が少なく、検知精度を向上させることができる。さらに、レーザ光で走査することで、天候や影、屋外光などの影響を受けずに撮像データを取得することができる。この方法では、対象物までの距離を直接計測できるため、取得したデータの解析に要するコスト及び時間を低減できる。さらに、レーザ光を反射したレンジポイントの密度が高い車体の側面を参照することになるので、ノイズの影響を最小限に抑えることができ、検知精度をより向上させることができる。

２）前記駐車車両有無判別工程で判別された駐車車両の台数をカウントして出力する駐車車両台数算出工程を実行することで、レーザ光による撮像データを取得しながら、駐車車両の台数をカウントすることができるようになる。

３）前記路上撮像工程で、前記レーザ光を水平方向に走査し、このレーザ光を、撮像データの各フレームに属するスキャンラインとそれに連続する１以上のフレームに属するスキャンラインとをオーバーラップさせて走査したり、さらに、前記レーザ光を路上の対象物に対して水平方向に複数回走査することで、対象物までの距離の情報を有するエピポーラ平面距離画像データを取得するようにした。これにより、ラインスキャンによって駐車車両の判別に有益な撮像データを得ることができる。

４）前記路上撮像工程で、レーザ光の送出から反射光の検出までの時間差若しくは照射したレーザ光と検出した反射光との位相差に基づいて、路上の対象物までの距離データを有する撮像データを取得することにより、取得した撮像データに基づいて車両の側面データを確実に抽出することができる。

５）前記側面データ抽出工程で、前記撮像データに含まれるレンジポイントの高さの情報に基いて前記対象物の高さを演算する高さ演算工程と、演算した対象物の高さが所定の閾値以上のフレームを駐車車両の側面データとして出力する側面データ出力工程とを実行するようにした。また、前記側面データ抽出工程で、車両の車高に基づいて対象物の高さの閾値を設定する高さ閾値設定工程を実行することにした。また、前記高さ閾値設定工程において、前記駐車車両有無判別工程で判別された駐車車両の所定台数毎若しくはレーザ光の所定の走査周期毎の高さ情報を抽出する高さ情報抽出工程と、抽出された複数の高さ情報に基づいて前記設定された閾値を更新する閾値更新工程とを実行するようにした。さらに、前記側面データ出力工程で、対象物の高さが所定の閾値以上のフレームが所定数連続する場合に、その連続するフレームを駐車車両の側面データとして出力するようにした。このような構成により、撮像データから側面データを抽出する際の閾値を適切な値に設定・更新できる。

６）前記側面データ抽出工程で、前記撮像データに含まれるレンジポイントの奥行きの情報に基いて前記対象物の奥行きを演算する奥行き演算工程と、演算した対象物の奥行きが所定の閾値以下であるフレームを駐車車両の側面データとして出力する側面データ出力工程を実行するようにした。また、この側面データ出力工程で、車両の全幅に基づいて対象物の奥行きの閾値を設定する奥行き閾値設定工程を実行したり、対象物の奥行きが所定の閾値以下のフレームが所定数連続する場合に、その連続するフレームを駐車車両の側面データとして出力するようにしたり、前記車両の移動速度に基づいて、前記フレームが連続する所定数の基準値を設定する基準フレーム数設定工程を実行するようにした。また、前記奥行き閾値設定工程において、前記駐車車両有無判別工程で判別された駐車車両の所定台数毎若しくはレーザ光の所定の走査周期毎の奥行き情報を抽出する奥行き情報抽出工程と、抽出された複数の奥行き情報に基づいて前記設定された閾値を更新する閾値更新工程とを実行するようにした。このような構成により、撮像データに含まれる奥行きの情報に基づいて、この撮像データかた側面データを抽出することができる。

７）前記撮像データから、対象物によってレーザ光が遮蔽された領域（オクルージョン）を抽出する遮蔽領域抽出工程をさらに実行し、前記駐車車両有無判別工程で、前記抽出された駐車車両の側面データ若しくは遮蔽領域データの少なくとも何れかに基づいて駐車車両の有無を判別することにより、側面データの抽出が困難な場合でも遮蔽領域に基づいて駐車車両を判別することができる。

８）前記駐車車両有無判別工程で駐車車両が存在すると判別されたフレームの数を、前記撮像データの総フレーム数で除算し、駐車可能な領域に占める駐車車両の比率を算出する駐車領域占有率演算工程を実行することにより、駐車車両の規制等に有益で客観的な情報を提供することができる。

９）路上を走行する計測車両に搭載される駐車車両検知装置を、前記対象物にレーザ光を照射し、対象物から反射されたレーザ光を受信して撮像データを取得する路上撮像部と、取得した撮像データから駐車車両の側面データを抽出する側面データ抽出部と、抽出された側面データに基づいて駐車車両の有無を判別する駐車車両有無判別部と、判別された駐車車両の台数をカウントして出力する駐車車両カウント部とで構成した。これにより、撮像データの取得や駐車車両の判別及び判別した駐車車両のカウントの各処理を、計測車両で走行しながらリアルタイムで行うことができる。

なお、この発明は上記した各実施形態に限定されるものではなく、発明の要旨を変更しない範囲で種々変形可能である。

例えば、上記実施形態においては、計測車両５に搭載した駐車車両検知装置１を搭載し、路上を走行しながらリアルタイムで駐車車両３を検知するようにしたがこれに限定されない。例えば、計測車両５にはレーザスキャナ２と撮像データ格納部２７だけを搭載し、取得した撮像データを後刻一括して処理するようにしても良い。これにより、計測車両５に搭載する機器を簡素化できると共に、撮像データの処理速度を考慮して計測車両５の走行速度を加減する必要がない。

また、レーザスキャナ２が取得した撮像データを情報処理センタのサーバに随時送信して、複数の計測車両５が取得した撮像データを集中的に処理するようにしても良い。

また、本発明は路上の駐車車両３の検知に限らず、種々の駐車場における駐車車両３の検知にも適用できる。また、レーザスキャナ等を搭載する移動体も計測車両５に限らず、駐車場や特定の道路の路側等の所定のエリアに予め敷設された軌道上で移動可能な計測装置でも良い。この場合は、計測装置を所定の周期で移動させてエリア内の駐車車両を定期的に検知するようにするのが好ましい。

さらに、撮像データを取得するセンサの種類や撮像データの解析方法、アルゴリズム等は上記した例に限定されず、種々変更可能である。レーザスキャナの走査方向も、鉛直方向・水平方向・斜め方向の何れでも良い。

また、計測車両５が非等速で走行した場合でも、ＧＰＳ（global positioning system）やＩＮＳ（inertial navigational system「慣性航法装置）を用いて計測車両５（レーザスキャナ２等）の自己位置を同時に記録することで、検知精度を維持することができる。

また、上記した参考実施形態のレーザスキャナ２を使用して、本発明の実施形態のようなＥＰＩ画像を取得することも可能である。例えば、図２３に示すように、水平方向のスキャンラインをラインスキャンカメラのように時間軸に沿って層のように縦方向に並べる（図２３（ａ））。この層を走行速度に応じて横にスライドさせたのが図２３（ｂ）である。これを平面状に投射すると図２３（ｃ）（ｄ）の画像になる。この図から、４台の駐車車両が存在することがわかる。この手法では、（ｂ）の画像を導く再の処理にＥＰＩ解析の手法を応用することで、レーザスキャナ（計測車両）の移動速度が未知の場合であっても、適切な位置併せを行うことができるものである。

以下に、上記実施形態として説明した駐車車両検知装置を使用して行った駐車車両の検知結果について説明する。

（実施例１）
まず、計測車両に搭載したレーザスキャナが撮像したデータから車両の側面データ若しくは遮蔽領域を抽出して駐車車両の有無を判別した例を説明する。

計測条件を図２４に、計測結果を図２５に夫々示す。
これらの図から明らかなように、走行する計測車両に搭載したレーザスキャナで撮像したデータから、駐車車両の存在を正確に判別することができている。また、レーザスキャナによる撮像データの解析に要する時間がわずか数秒であることを考えると、高速で走行しながら、路側の駐車車両を判別してリアルタイムでカウントすることが可能であることが容易に理解できる。さらに、車体側面データを抽出する方法と、遮蔽領域を抽出する方法の何れにおいても、良好な計測結果が得られた。

（実施例２）
次に、計測車両に搭載したラインスキャンカメラが撮像したＥＰＩ画像から車両の特徴軌跡を抽出し、その傾きによって駐車車両の有無を判別した例を説明する。

計測条件を図２６に、計測結果を図２７に夫々示す。
これらの図から理解できるように、駐車車両はほぼ全数を検出できたが、一方で誤検出した台数も若干あった。走行速度による精度の相違は認められなかった。

誤検出の原因としては、例えば、駐車車両からの反射光や駐車車両への周囲の映り込み、及び特殊構造の駐車車両などが挙げられる。これらの原因に対しては、レンズにフードを装着したり、円偏向フィルタを利用したり、複数のラインスキャンカメラを使用することによって何れも容易に除去することができるものであった。

本発明の参考となる実施形態にかかる駐車車両検知システムの概略説明図。 レーザスキャナの概略構成図。 時間差計測法を説明するための図。 レンジポイントで駐車車両を表わした図。 駐車車両検知装置の概略構成を示すブロック図。 側面データ抽出部の概略構成を示す図。 駐車領域占有率の考え方を説明するための図。 スキャン角β（垂直方向の計測角）を示す図。 座標系の変換工程を示す図。 ワールド座標系（ｐ）とセンサ座標系（ｐ’）との関係を示す図。 車両側面を示すレンジポイントを示す図。 対象物の高さデータとフレームとから作成した高さ曲線のグラフ。 車体側面データを抽出して駐車車両を判別する工程を示すフローチャート。 遮蔽領域抽出部の概略構成を示す図。 抽出した路面点集合から作成した奥行き曲線のグラフ。 遮蔽領域を抽出して駐車車両を判別する工程を示すフローチャート。 本発明の一実施形態にかかる駐車車両検知システムの概略構成を示す図。 ラインスキャンカメラによる駐車車両の撮影画面と、特徴軌跡と、解析結果をそれぞれ示す図。 時空間画像を分割した後の分割画像を２値化した状態を示す図。 原点からの特徴軌跡までの距離と法線の傾きとの関係を説明する図。 ハフ空間像を示す図。 閾値を設定する工程を示す図。 レーザスキャナを使用して、第３の実施形態のようなＥＰＩ画像を取得する例を示す図。 実施例１における計測条件を示す表図。 実施例１における計測結果を示す図。 実施例２における計測条件を示す表図。 実施例２における計測結果を示す図。

符号の説明

１…駐車車両検知装置
２…レーザスキャナ
３…駐車車両
４…道路
５…計測車両
２５…データ格納部
２６…プログラム格納部
２７…撮像データ格納部
２８…駐車車両データ格納部
２９…計測条件格納部
３２…メインプログラム
３３…撮像データ取得部
３４…側面データ抽出部
３５…遮蔽領域抽出部
３６…駐車車両有無判別部
３７…駐車車両台数算出部
３８…駐車領域占有率演算部
３９…速度・距離情報取得部
４０…処理結果出力部
４１…撮像データ前処理部
４２…高さ演算部
４３…高さ閾値設定部
４４…高さデータ抽出部
４５…閾値更新部
４６…側面データ出力部
４７…基準フレーム数設定部
４８…撮像データ前処理部
５０…撮像データ前処理部
５１…奥行き演算部
５２…奥行き閾値設定部
５３…奥行きデータ抽出部
５４…閾値更新部
５５…遮蔽領域出力部
５６…基準フレーム数設定部
６０…駐車車両検知装置
６１…ラインスキャンカメラ
６２…路上撮像部
６３…特徴軌跡抽出部
６４…傾き演算部
６５…距離演算部
６６…駐車車両有無判別部
６７…特徴軌跡

Claims (2)

1. 路上を走行する計測車両に搭載されたラインスキャンカメラで路上の対象物を水平方向に複数回ラインスキャンして得られた複数のライン画像を時系列に沿って合成して、時間と空間の成分を有するエピポーラ平面画像（ＥＰＩ画像）を取得する工程と、
   前記ライン画像における対象物の一以上の特徴点の位置を時系列で結んだ１以上の直線を前記ＥＰＩ画像における当該対象物の一以上の特徴軌跡として抽出する工程と、
   前記ＥＰＩ画像における時間と空間の成分を座標軸とする座標上で、前記抽出した特徴軌跡の傾きを演算する工程と、
   演算した特徴軌跡の傾きと前記計測車両の移動速度とに基づいて、対象物の特徴点までの奥行き距離を以下の式に従って演算する工程と、
   
   

   

   
   演算した対象物の特徴点までの奥行き距離を所定の閾値と比較することで駐車車両の有無を判別する工程と
   を備えたことを特徴とする駐車車両検知方法。
2. 路上を走行する計測車両に搭載されたラインスキャンカメラが、路上の対象物を水平方向に複数回ラインスキャンした複数のライン画像を取得する画像データ取得部と、
   前記対象物の複数のライン画像を時系列に沿って合成することで水平方向のエピポーラ平面画像（ＥＰＩ画像）を取得する路上撮像部と、
   前記ライン画像における対象物の一以上の特徴点の位置を時系列で結んだ１以上の直線を前記ＥＰＩ画像における当該対象物の一以上の特徴軌跡として抽出する特徴軌跡抽出部と、
   前記ＥＰＩ画像における時間と空間の成分を座標軸とする座標上で、前記抽出した特徴軌跡の傾きを演算する傾き演算部と、
   演算した特徴軌跡の傾きと前記計測車両の移動速度とに基づいて、対象物の特徴点までの奥行き距離を以下の式に従って演算する距離演算部と、
   
   

   

   
   演算した対象物の特徴点までの奥行き距離を所定の閾値と比較することで駐車車両の有無を判別する駐車車両有無判別部と
   を備えたことを特徴とする駐車車両検知システム。

Images