JP6339058B2 - 車載器および車頭間距離算出方法 - Google Patents

Description

本発明の実施形態は、車載器および車頭間距離算出方法に関する。

カメラにより車両の前方を撮像して得られたカメラ映像に含まれる車両等のオブジェクトを検出するオブジェクト検出装置では、パターン認識技術が広く用いられている。そして、オブジェクト検出装置では、パターン認識技術を用いて、カメラ映像からオブジェクトを検出し、当該画像を撮像したカメラから、検出したオブジェクトまでの距離を算出することが可能である。

特表２０１１−５２９１８９号公報 特表２００３−５３２９５９号公報

しかしながら、上記のオブジェクト検出装置では、検出対象のオブジェクトの全体像がカメラ映像に含まれていない場合には、カメラから検出対象のオブジェクトの先端までの距離は算出できず、カメラから検出対象のオブジェクトの後端までの距離しか算出することができない。

実施形態の車載器は、受信部と、記憶部と、抽出部と、判定部と、算出部と、を備える。受信部は、道路交通情報を取得するために道路を走行するプローブカーである第１車両の前方を撮像部により撮像して得られた第１画像を受信する。記憶部は、車種毎に設けられかつ当該車種ごとの標準車長および車両の特徴量を含む辞書を記憶する。抽出部は、第１画像内の第２車両の特徴量を抽出する。判定部は、記憶部から、判定対象の車種の辞書を読み出し、当該読み出した辞書が含む特徴量と第２車両の特徴量との類似度に基づいて、第２車両の車種を判定し、判定した車種に属する車両の車長を求める。算出部は、第１画像に基づいて、第１車両の先端から第２車両の後端までの距離である車間距離を求め、当該車間距離と車長とを合計することで、第１車両の先端から第２車両の先端までの距離である車頭間距離として算出する。

図１は、第１の実施形態にかかる交通情報検出システムの構成の一例を示す図である。 図２は、第１の実施形態にかかる交通情報検出システムが有するプローブカーの構成の一例を示す図である。 図３は、第１の実施形態にかかるプローブカーが有する情報処理部の機能構成の一例を示すブロック図である。 図４は、第１の実施形態にかかるプローブカーにおける車頭間距離の算出処理の一例を説明するための図である。 図５は、第１の実施形態にかかるプローブカーによる車頭間距離の算出処理の概略的な流れの一例を示すフローチャートである。 図６は、第１の実施形態にかかるプローブカーにより車頭間距離の算出処理の流れの一例を示すフローチャートである。 図７は、第１の実施形態にかかるプローブカーにおける車線の検出処理の一例を説明するための図である。 図８は、第１の実施形態にかかるプローブカーにおける注目領域の設定処理の一例を説明するための図である。 図９は、第１の実施形態にかかるプローブカーによる検出領域の補正処理の一例を説明するための図である。 図１０は、第１の実施形態にかかるプローブカーによる車種の判定処理の一例を説明するための図である。 図１１は、第１の実施形態にかかるプローブカーによる車種の判定処理の一例を説明するための図である。 図１２は、第１の実施形態にかかるプローブカーによる車種の判定処理の一例を説明するための図である。 図１３は、第１の実施形態にかかるプローブカーによる車間距離の算出処理の一例を説明するための図である。 図１４は、第１の実施形態にかかるプローブカーにより算出された車間距離の一例を示す図である。 図１５は、第１の実施形態にかかるプローブカーにおける車頭間距離の算出に用いる標準車長の一例を示す図である。 図１６は、第１の実施形態にかかるプローブカーにおける車両位置の推定処理の一例を説明するための図である。 図１７は、第１の実施形態にかかるプローブカーにおける注目領域の特徴量の抽出処理の流れの一例を示すフローチャートである。 図１８は、第１の実施形態にかかるプローブカーにおける注目領域の特徴量の抽出処理の一例を説明するための図である。 図１９は、第２の実施形態にかかるプローブカーによる車頭間距離の算出処理の流れの一例を示すフローチャートである。 図２０は、第３の実施形態にかかるプローブカーによる車頭間距離の算出処理の流れの一例を示すフローチャートである。 図２１は、第３の実施形態にかかるプローブカーによる車頭間距離の算出処理の一例を説明するための図である。

以下、添付の図面を用いて、本実施形態にかかる車載器および車頭間距離算出方法を適用した交通情報検出システムについて説明する。

（第１の実施形態）
図１を用いて、本実施形態にかかる交通情報検出システムの構成について説明する。図１は、第１の実施形態にかかる交通情報検出システムの構成の一例を示す図である。図１に示すように、本実施形態にかかる交通情報検出システムは、プローブカーＶ１と、検出対象車両Ｖ２と、ＧＰＳ（Global Positioning System）衛星ＳＴ、基地局Ｂと、サーバＳと、を有している。プローブカーＶ１（第１車両の一例）は、プローブカーＶ１の先端から検出対象車両Ｖ２（第２車両の一例）の先端までの距離である車頭間距離（第２距離の一例）を求める。検出対象車両Ｖ２は、プローブカーＶ１の前方を走行する車両である。

ＧＰＳ衛星ＳＴは、時刻等を含むＧＰＳ信号を地上に送信する。基地局Ｂは、プローブカーＶ１と無線通信可能であり、プローブカーＶ１により求めた車頭間距離に関するデータ（以下、距離データと言う）を受信する。サーバＳは、基地局ＢによってプローブカーＶ１から受信した距離データや環境情報提供業者の端末等から受信する環境情報（例えば、気象情報）に基づいて、車両の渋滞等の道路交通情報を生成する。

次に、図２を用いて、本実施形態にかかるプローブカーＶ１の構成について説明する。図２は、第１の実施形態にかかる交通情報検出システムが有するプローブカーの構成の一例を示す図である。図２に示すように、本実施形態にかかるプローブカーＶ１は、カメラ１１と、情報処理部１２と、表示部１３と、スピーカ１４と、を有する。カメラ１１（撮像部の一例）は、プローブカーＶ１の前方を含むエリア（以下、監視対象エリアと言う）を撮像可能に設けられている。そして、カメラ１１は、監視対象エリアを撮像して得られた動画像データを情報処理部１２に送信する。本実施形態では、カメラ１１は、単眼カメラおよびステレオカメラを有し、各カメラの撮像により得られた動画像データを情報処理部１２に送信する。

また、本実施形態では、カメラ１１は、監視対象エリアを撮像するために、予め設定された撮像条件（例えば、所定の高さ、俯角、回転角）に従って設けられている。本実施形態では、カメラ１１は、プローブカーＶ１の車内に設けられているが、プローブカーＶ１の前方を撮像可能に設けられていれば、これに限定するものではない。例えば、カメラ１１は、プローブカーＶ１が走行する道路の路側に設けられていても良い。

情報処理部１２（車載器の一例）は、カメラ１１とともにプローブカーＶ１の車内に搭載され、無線通信ユニットまたはケーブルを介してカメラ１１と接続されている。そして、情報処理部１２は、当該無線通信ユニットまたはケーブルを介して、カメラ１１から動画像データを受信する。そして、情報処理部１２は、カメラ１１から受信した動画像データを用いて、プローブカーＶ１の先端から検出対象車両Ｖ２の先端までの車頭間距離を求める。そして、情報処理部１２は、求めた車頭間距離に基づいて、安全運転支援や道路交通情報の生成に用いる距離データを生成して基地局Ｂに送信する。本実施形態では、情報処理部１２は、車頭間距離を求める度に、距離データを生成して、基地局Ｂに送信しても良いし、所定回数、車頭間距離を求めた後に、所定回数分の車頭間距離に基づいて、距離データを生成して、基地局Ｂに送信しても良い。表示部１３は、ＬＣＤ（Liquid Crystal Display）等により構成され、情報処理部１２により生成された距離データ等の情報（以下、警告情報と言う）等の各種情報を表示可能である。スピーカ１４は、警告情報等の各種情報の音声を出力する。

次に、図３および図４を用いて、本実施形態にかかるプローブカーＶ１の情報処理部１２の機能構成について説明する。図３は、第１の実施形態にかかるプローブカーが有する情報処理部の機能構成の一例を示すブロック図である。図４は、第１の実施形態にかかるプローブカーにおける車頭間距離の算出処理の一例を説明するための図である。

図３に示すように、本実施形態では、情報処理部１２は、制御部１２１と、通信Ｉ／Ｆ部１２２と、記憶部１２３と、外部記憶装置１２４と、を有する。制御部１２１は、情報処理部１２全体を制御する。本実施形態では、制御部１２１は、ＭＰＵ（Micro Processing Unit）等を備えたマイクロコンピュータにより構成され、後述する記憶部１２３に記憶される制御プログラムを実行することにより、情報処理部１２全体の制御や車頭間距離の算出等を行う。

また、図４に示すように、制御部１２１は、カメラ１１から受信した動画像データを用いて、プローブカーＶ１の先端から検出対象車両Ｖ２の後端までの距離（以下、車間距離と言う。第１距離の一例）を算出する。さらに、制御部１２１は、カメラ１１から受信した動画像データを用いて、検出対象車両Ｖ２の車種を判定する。そして、制御部１２１は、算出した車間距離と、検出対象車両Ｖ２の車種の車長とを足し合わせた長さを、車頭間距離として算出する。本実施形態では、検出対象車両Ｖ２の車種毎に、当該車種に属する車両の車長（以下、標準車長と言う）が予め設定されている。そして、制御部１２１は、判定した車種の標準車長を、当該検出対象車両Ｖ２の車長として、車頭間距離の算出に用いる。または、制御部１２１は、検出対象車両Ｖ２までの車間距離の算出と車種の判定とを実行し、算出した車間距離と判定した車種とを、基地局Ｂを経由してサーバＳに送信しても良い。そして、サーバＳは、受信した車種に基づいて、検出対象車両Ｖ２の標準車長を求め、当該標準車長と、受信した車間距離とを足し合わせて車頭間距離を算出しても良い。

通信Ｉ／Ｆ部１２２は、カメラ１１、表示部１３、スピーカ１４等の外部機器と通信可能である。また、通信Ｉ／Ｆ部１２２は、無線通信によって、距離データ等の各種情報を基地局Ｂと送受信する。記憶部１２３は、制御部１２１により実行される制御プログラム等の各種情報を記憶する不揮発性の記憶部であるＲＯＭ（Read Only Memory）、制御部１２１の作業領域として用いられかつ各種情報を一時的に記憶するＲＡＭ（Random Access Memory）、情報処理部１２に設定される設定情報等を記憶する不揮発性の記憶部であるフラッシュＲＯＭ、カメラ１１から受信した動画像データ等を記憶するＶＲＡＭ（Video Random Access Memory）等を有する。

外部記憶装置１２４は、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の大容量の記憶装置である。具体的には、外部記憶装置１２４（記憶部の一例）は、検出対象車両Ｖ２の車種毎に設けられかつ当該車種に属する車両の特徴量を含む辞書を記憶する。

本実施形態では、外部記憶装置１２４は、普通車に属する車両の特徴量を含む普通車用辞書と、大型車に属する車両の特徴量を含む大型車用辞書と、を含む複数の辞書を記憶する。具体的には、普通車用辞書は、普通車に属する車両の特徴量を高次に拡張した高次特徴量（高次局所自己相関特徴）を含む。また、大型車用辞書は、大型車に属する車両の特徴量を高次に拡張した高次特徴量を含む。

次に、図５を用いて、本実施形態にかかるプローブカーＶ１による車頭間距離の算出処理の概要について説明する。図５は、第１の実施形態にかかるプローブカーによる車頭間距離の算出処理の概略的な流れの一例を示すフローチャートである。

制御部１２１は、通信Ｉ／Ｆ部１２２を介して、カメラ１１から、当該カメラ１１によって監視対象エリアを撮像して得られた動画像データを受信する（ステップＳ５０１）。次いで、制御部１２１は、受信した動画像データを構成するフレーム内の車両を検出する（ステップＳ５０２）。

そして、制御部１２１は、フレーム内における車両の位置等に基づいて、車間距離を算出する（ステップＳ５０３）。また、制御部１２１は、フレーム内の車両の特徴量に基づいて、当該車両の車種を判定する（ステップＳ５０４）。

さらに、制御部１２１は、判定した車種の標準車長を、当該フレーム内の車両の車長と推定する（ステップＳ５０５）。そして、制御部１２１は、算出した車間距離と、推定した車長とを足し合わせた長さを、車頭間距離として算出する（ステップＳ５０６）。

次に、図６を用いて、本実施形態にかかるプローブカーＶ１による車頭間距離の算出処理の詳細について説明する。図６は、第１の実施形態にかかるプローブカーにより車頭間距離の算出処理の流れの一例を示すフローチャートである。

制御部１２１（受信部の一例）は、通信Ｉ／Ｆ部１２２を介して、カメラ１１から、当該カメラ１１によって監視対象エリアを撮像して得られた動画像データ（第１画像の一例）を受信する（ステップＳ６０１）。本実施形態では、制御部１２１は、単眼カメラによって監視対象エリアを撮像して得られた動画像データ、およびステレオカメラによって監視対象エリアを撮像して得られた動画像データ（第２画像の一例）の両方を受信する。

次いで、制御部１２１は、受信した動画像データを構成するフレーム（第１フレームの一例）内において特徴量の抽出を行う領域（以下、注目領域と言う）を設定する（ステップＳ６０２）。本実施形態では、制御部１２１は、フレームより小さいサイズの矩形状の領域を注目領域に設定する。

そして、制御部１２１は、設定した注目領域の特徴量を抽出する（ステップＳ６０３）。具体的には、制御部１２１は、注目領域の輝度情報に基づいて、低次元のエッジ情報、ＨＯＧ（Histograms of Oriented Gradients）特徴量、ＣｏＨＯＧ（Co-occurrence Histograms of Oriented Gradients）特徴量等の高次特徴量を抽出する。本実施形態では、制御部１２１は、フレーム内において注目領域を移動させて、複数の注目領域の特徴量を抽出する。これにより、制御部１２１（抽出部の一例）は、フレーム内の車両（検出対象車両Ｖ２）の特徴量を抽出する。そして、制御部１２１は、複数の注目領域のうち、車両の特徴量を抽出した注目領域を、車両の検出領域とする。

ここで、図７〜９を用いて、本実施形態にかかるプローブカーＶ１による車両の検出処理について説明する。図７は、第１の実施形態にかかるプローブカーにおける車線の検出処理の一例を説明するための図である。図８は、第１の実施形態にかかるプローブカーにおける注目領域の設定処理の一例を説明するための図である。図８では、フレームＦの左上の角を原点Ｏとし、フレームＦの上下方向をＹ軸とし、フレームＦの水平方向をＸ軸とする。図９は、第１の実施形態にかかるプローブカーによる検出領域の補正処理の一例を説明するための図である。

例えば、図７に示すように、制御部１２１は、フレームが含む車線Ａ１，Ａ２と当該車線Ａ１，Ａ２以外の領域との境界線Ｌ１，Ｌ２，Ｌ３（例えば、白線）を検出する。次いで、制御部１２１は、検出した境界線Ｌ１，Ｌ２，Ｌ３で囲まれる領域を、車線Ａ１，Ａ２として検出し、当該車線Ａ１，Ａ２を、注目領域を設定する領域である設定対象領域（所定の画像の一例）とする。

そして、制御部１２１は、設定対象領域内に注目領域を設定し、設定対象領域以外の領域に対して注目領域を設定しない。言い換えると、制御部１２１は、設定対象領域以外の領域に対する注目領域の設定を禁止する。本実施形態では、制御部１２１は、境界線Ｌ１，Ｌ２，Ｌ３で囲まれる車線Ａ１，Ａ２を全て設定対象領域に設定しているが、プローブカーＶ１が走行する車道の車線Ａ１のみを設定対象領域としても良い。

すなわち、制御部１２１は、フレームが含む車線Ａ１，Ａ２を検出し、当該フレーム内において車線Ａ１，Ａ２内において車両の特徴量を抽出し、当該フレーム内において車線Ａ１，Ａ２以外の領域の特徴量の抽出を行わない。これにより、フレーム内において車線Ａ１，Ａ２以外の領域に対しては特徴量の抽出が行われないので、フレームからの特徴量の抽出による処理負荷を軽減することができる。

または、図８に示すように、制御部１２１は、フレーム全体を設定対象領域としても良い。この場合、図８に示すように、制御部１２１は、原点Ｏを始点として、フレーム内全体に注目領域ＴＡを移動させながら、フレーム内の複数の注目領域ＴＡの特徴量を抽出する。そして、制御部１２１は、複数の注目領域ＴＡのうち、車両の特徴量が抽出された注目領域ＴＡを、車両が検出された検出領域とする。

また、制御部１２１は、フレーム内において車両が検出された検出領域（第１領域の一例）より大きくかつ当該検出領域を包含する領域である探索領域（第２領域の一例）の特徴量に基づいて、当該探索領域内の車両の端部を検出する。そして、制御部１２１は、検出した車両の端部と、検出領域の端部とが一致するように、当該検出領域を補正し、当該補正した検出領域の特徴量を、フレーム内から抽出された車両の特徴量とする。フレーム内において検出領域の位置は、車両の実際の位置に対してずれる可能性がある。特に、検出領域の下側の端部が、車両の実際の下側の位置からずれてしまうと、車間距離の算出結果に大きな誤差が生じる。これに対して、本実施形態では、検出領域の端部が、車両の端部と一致するように、当該検出領域を補正することにより、検出領域の位置が車両の実際の位置からずれることを防止できるので、車間距離の算出結果の誤差を低減することができる。

例えば、図９に示すように、検出領域７０１の水平方向の端部が、車両７０３の水平方向の端部と一致していない場合、制御部１２１は、水平方向へのサイズが検出領域７０１より大きくかつ当該検出領域７０１を包含する探索領域７０２を設定する。次いで、制御部１２１は、ステレオカメラの撮像により得られた動画像データを構成するフレームＦ内において、探索領域７０２に対応する領域の奥行き方向の情報（距離）の分布７０４に基づいて、車両７０３の水平方向の端部Ｅ１，Ｅ２を検出する。そして、制御部１２１は、車両７０３の水平方向の端部Ｅ１，Ｅ２と検出領域７０１の水平方向の端部とが一致するように、当該検出領域７０１を補正する。

図６に戻り、制御部１２１（判定部の一例）は、外部記憶装置１２４から、フレーム毎に異なる一部の辞書を読み出す（ステップＳ６０４）。これにより、車頭間距離の算出処理の過程において、フレームが含む車両の車種を判定する際に読み出す辞書を減らすことができるので、辞書の読み出しに用いるメモリのサイズを減らすことができ、車種の判定による処理負荷を小さくし、かつ車種の判定にかかる処理時間を短くすることができる。本実施形態では、制御部１２１は、フレーム毎に異なる辞書を読み出しているが、外部記憶装置１２４から、判定対象の車種（例えば、普通車および大型車）の辞書を読み出すものであれば、これに限定するものではない。例えば、制御部１２１は、各フレームについて、判定対象の車種の辞書を全て読み出しても良い。

ところで、フレームから人物をオブジェクトとして検出する場合、立っている人、しゃがんでいる人、足を開いている人、足を閉じている人など、同一のカテゴリのオブジェクトであってもその状態が異なる場合には、オブジェクトの特徴量は異なる。そこで、外部記憶装置１２４に記憶されている辞書は、同一カテゴリ（例えば、車種）のオブジェクト（例えば、車両）が異なる状態で写る複数の画像それぞれが含むオブジェクトの特徴量を含むものとする。

また、本実施形態では、制御部１２１は、所定の順番（例えば、普通車用辞書、大型車用辞書の順）で、外部記憶装置１２４から辞書を繰り返し読み出す。すなわち、制御部１２１は、外部記憶装置１２４から、普通車用辞書および大型車用辞書を交互に読み出す。そして、制御部１２１は、カメラ１１からの動画像データの送信が停止するまで、外部記憶装置１２４からの辞書の読み出しを繰り返す。次に、制御部１２１は、検出領域の特徴量（フレーム内の車両の特徴量）と、読み出した辞書が含む特徴量との類似度を算出する（ステップＳ６０５）。本実施形態では、制御部１２１は、外部記憶装置１２４から、２つの辞書を交互に読み出しているが、判定対象の車種の速度が異なる場合には、速度が速い車種の辞書をＮフレーム連続して読み出した後、速度が遅い車種の辞書を１フレームだけ読み出すパターンを繰り返しても良い。

さらに、制御部１２１（判定部の一例）は、算出した類似度に基づいて、フレーム内の車両の車種を判定する（ステップＳ６０６）。本実施形態では、制御部１２１は、算出した類似度が所定の閾値より高い場合に、読み出した辞書に対応する車種を、フレーム内の車両の車種と判定する。ここで、所定の閾値は、辞書に対応する車種に属する車両と判定する類似度の下限である。また、本実施形態では、制御部１２１は、判定対象の車種の全ての辞書が読み出されるまで、複数のフレームから抽出した車両の特徴量を保持し続け、当該保持する車両の特徴量と、全ての辞書が含む特徴量との類似度に基づいて、特徴量を保持する車両の車種を判定する。

ここで、図１０〜１２を用いて、本実施形態にかかるプローブカーＶ１による車種の判定処理の一例について説明する。図１０〜１２は、第１の実施形態にかかるプローブカーによる車種の判定処理の一例を説明するための図である。

図１０に示すように、制御部１２１は、フレームから抽出した車両の特徴量と普通車用辞書が含む特徴量との類似度が「０．３」であり、当該フレームから抽出した車両の特徴量と大型車用辞書が含む特徴量との類似度が「０．５」である場合、フレームから抽出した車両の特徴量との類似度が高い特徴量を含む辞書（ここでは、大型車用辞書）の車種である「大型車」を、フレームから抽出した車両の車種と判定する。

または、制御部１２１は、ステレオカメラによって監視対象エリアを撮像して得られる検出対象車両Ｖ２の三次元形状を取得する。そして、図１１に示すように、制御部１２１は、取得した三次元形状が含む、検出対象車両Ｖ２の幅および高さと、所定の車種分類基準とを照らし合わせて、検出対象車両Ｖ２の車種を判定しても良い。ここで、所定の車種分類基準は、車種毎の幅および高さを含む。または、図１２に示すように、制御部１２１は、フレームが含む車両内のナンバープレートに記載された車種情報に基づいて、検出対象車両Ｖ２の車種を判定しても良い。

図６に戻り、制御部１２１（算出部の一例）は、動画像データを構成するフレームに基づいて、プローブカーＶ１の先端から検出対象車両Ｖ２の後端までの車間距離を求める。さらに、制御部１２１は、車間距離と、判定した検出対象車両Ｖ２の車種の車長と、を足し合わせた距離を車頭間距離として算出する（ステップＳ６０７）。

ここで、図１３〜１５を用いて、本実施形態にかかるプローブカーＶ１による車頭間距離の算出処理の一例について説明する。図１３は、第１の実施形態にかかるプローブカーによる車間距離の算出処理の一例を説明するための図である。図１３では、フレームＦの左上の角を原点Ｏとし、フレームＦの上下方向をＹ軸とし、フレームＦの水平方向をＸ軸とする。図１４は、第１の実施形態にかかるプローブカーにより算出された車間距離の一例を示す図である。図１５は、第１の実施形態にかかるプローブカーにおける車頭間距離の算出に用いる標準車長の一例を示す図である。

アップダウンがある道路を走行する車両間の車間距離を算出した場合、単眼カメラの撮像により得られる動画像データを用いて算出した車間距離である単眼方式の車間距離と、ステレオカメラの撮像により得られる動画像データに基づく車間距離であるステレオ方式の車間距離（第３距離の一例）とは異なる。単眼方式の車間距離は、道路が平坦であることを前提に算出されるため、アップダウンがある道路を走行する車両間の車間距離を算出すると、実際の車間距離との誤差が発生する。一方、ステレオ方式の車間距離は、三角測量の原理に基づいて算出されるため、実際の車間距離との誤差が小さい。ただし、ステレオ方式の車間距離を算出する場合、車間距離を算出する領域（検出領域）にテクスチャが無い場合には、車間距離を算出することができない。よって、単眼方式の車間距離とステレオ方式の車間距離とを用いて、実際の車間距離を算出することが好ましい。

例えば、図１３に示すように、プローブカーＶ１と、地点１（または地点２）の検出対象車両Ｖ２との間の車間距離を算出する場合、プローブカーＶ１と地点１（または地点２）との高低差が小さいため、単眼方式の車間距離およびステレオ方式の車間距離のいずれも、実際の車間距離との乖離が小さい。一方、プローブカーＶ１と地点３の検出対象車両Ｖ２との間の車間距離を算出する場合、プローブカーＶ１と地点３との高低差が大きいため、単眼方式の車間距離とステレオ方式の車間距離との乖離が大きくなる。そこで、制御部１２１は、単眼方式の車間距離およびステレオ方式の車間距離を求め、当該単眼方式の車間距離とステレオ方式の車間距離との差分が所定値以下である場合には、単眼方式の車間距離を用いて車頭間距離を求める。一方、制御部１２１は、単眼方式の車間距離とステレオ方式の車間距離との差分が所定値より大きい場合には、ステレオ方式の車間距離に基づいて、単眼方式の車間距離を補正する。そして、制御部１２１は、補正後の単眼方式の車間距離を用いて車頭間距離を求める。

例えば、図１４に示すように、制御部１２１は、プローブカーＶ１と地点３の検出対象車両Ｖ２（言い換えると、フレームＦ内におけるＹ軸の座標：３００に位置する検出対象車両Ｖ２）との車間距離を算出する場合、単眼方式の車間距離：６０ｍとステレオ方式の車間距離：８０ｍの差分：２０ｍが所定値：１０ｍより大きいため、ステレオ方式の車間距離：８０ｍを、単眼方式の車間距離とみなして、当該単眼方式の車間距離を補正する。

次いで、制御部１２１は、フレームＦ内の車両の車種の車長を求める。図１５に示すように、本実施形態では、記憶部１２３は、車種と、当該車種に属する車両の標準車長とを対応付けて記憶する標準車長テーブルＴを記憶している。そして、制御部１２１は、フレームＦ内の車両の車種を判定すると、標準車長テーブルＴから、当該判定した車種と対応付けて記憶された標準車長を読み出し、当該標準車長を、フレーム内の車両の車長として特定する。その後、制御部１２１は、単眼方式の車間距離と、特定した車長とを足し合わせた距離を、車頭間距離として算出する。これにより、フレーム内に車両の全てが含まれていない場合でも、車頭間距離を算出することができる。

本実施形態では、制御部１２１は、標準車長テーブルＴにおいて、判定した車種と対応付けて記憶された標準車長を、フレーム内の車両の車長としているが、これに限定するものではない。例えば、判定対象の車種に大型車が含まれる場合、制御部１２１は、予め設定された時間（例えば、１週間）内に、フレームから特徴量を抽出した検出対象車両Ｖ２の数に対する、大型車と判定された車両の数の割合（以下、大型車混入率と言う）を求める。

そして、制御部１２１は、大型車混入率に基づいて、検出対象車両Ｖ２の車長を推定し、当該推定した車長と、車間距離との合計を、車頭間距離として算出する。例えば、制御部１２１は、フレームから特徴量を抽出した検出対象車両Ｖ２のうち、大型車混入率分の検出対象車両Ｖ２の車長を、大型車の車長と推定する。

これにより、道路を走行するプローブカーＶ１の割合が低い場合でも、信頼性の高い車頭間距離を求めることができる。また、大型車混入率を用いて車頭間距離を算出する方法によれば、プローブカーＶ１を走行させる時間が長くなればなるほど、より実際の値に近い車頭間距離を求めることができる。さらに、従来は、固定式のトラフィック・カウンタ（感知器）にて計測した大型車混入率を算出したり、感知器の無い道路では人によって大型車混入率を求めたりしていたが、フレーム内の車両の特徴量と辞書が含む特徴量とを用いて大型車を判定することで、感知器の設置等にかかる手間やコストを削減することができる。

図６に戻り、制御部１２１は、最後に読み出したフレーム（以下、現フレームと言う）と当該現フレームから所定数（例えば、１つ）前のフレーム（以下、過去フレームと言う）までのフレームにおける車両の検出領域の位置に基づいて、次に読み出すフレーム（以下、次フレームと言う）内において、車両が検出される位置を推定する（ステップＳ６０８）。

図１６は、第１の実施形態にかかるプローブカーにおける車両位置の推定処理の一例を説明するための図である。図１６に示すように、現フレームである２番目のフレームから車両を検出する場合、制御部１２１は、過去フレーム（１番目のフレーム）から検出された車両の検出領域Ｒ１の位置の見かけの移動量および移動方向に基づいて、２番目のフレーム内における車両の検出領域Ｒ２の位置を推定する。そして、制御部１２１は、２番目のフレーム内における注目領域を設定する際、推定された検出領域Ｒ２または当該検出領域Ｒ２の位置近傍を注目領域に設定し、当該推定された検出領域Ｒ２または当該検出領域Ｒ２近傍以外の領域を注目領域に設定しない。

図１６に示すように、現フレームである３番目のフレームから車両を検出する場合、制御部１２１は、過去フレーム（２番目のフレーム）から検出された車両の検出領域Ｒ３の見かけの移動量および移動方向に基づいて、３番目のフレーム内における車両の検出領域Ｒ４の位置を推定する。そして、制御部１２１は、３番目のフレーム内における注目領域を設定する際、推定された検出領域Ｒ４または当該検出領域Ｒ４近傍を注目領域に設定し、当該推定された検出領域Ｒ４または当該検出領域Ｒ４近傍以外の領域を注目領域に設定しない。これにより、次フレームにおいて注目領域に設定する領域を絞り込むことができ、推定された検出領域およびその近傍から車両の特徴量を重点的に抽出することで、車両の特徴量の抽出効率を高めることができる。

その後、制御部１２１は、カメラ１１から受信した動画像データを構成する全てのフレームから、車両の特徴量の抽出を行ったか否かを判断する（ステップＳ６０９）。全てのフレームから車両の特徴量の抽出を行っていない場合（ステップＳ６０９：Ｎｏ）、制御部１２１は、ステップＳ６０２に戻り、動画像データを構成するフレームのうち、車両の特徴量の抽出を行っていない次フレーム内における注目領域を設定する。一方、全てのフレームから車両の特徴量の抽出を行った場合（ステップＳ６０９：Ｙｅｓ）、制御部１２１は、車頭間距離の算出処理を終了する。その後、制御部１２１は、算出した車頭間距離を用いて距離データを生成し、当該距離データを、基地局Ｂを介して、サーバＳに送信する。

本実施形態では、制御部１２１が、図６に示すステップＳ６０２〜ステップＳ６０９までの処理を行っているが、これに限定するものではなく、カメラから受信した動画像データを、サーバＳに送信して、図６に示すステップＳ６０２〜ステップＳ６０９の一部または全てをサーバＳにおいて実行するように構成することも可能である。

次に、図１７および図１８を用いて、図６のステップＳ６０２およびステップＳ６０３に示す注目領域の特徴量の抽出処理について詳細に説明する。図１７は、第１の実施形態にかかるプローブカーにおける注目領域の特徴量の抽出処理の流れの一例を示すフローチャートである。図１８は、第１の実施形態にかかるプローブカーにおける注目領域の特徴量の抽出処理の一例を説明するための図である。

制御部１２１は、動画像データを受信すると、当該動画像データを構成する各フレームを、異なるサイズに縮小した画像（以下、マルチスケール画像と言う）を生成する（ステップＳ１７０１）。図１８に示すように、本実施形態では、制御部１２１は、フレームＦを、３つの異なるサイズに縮小した３つのマルチスケール画像ＭＦ１，ＭＦ２，ＭＦ３を生成する。

次いで、制御部１２１は、フレームおよびマルチスケール画像それぞれに対して注目領域を設定する（ステップＳ１７０２）。その際、制御部１２１は、フレームおよびマルチスケール画像のいずれに対しても、同じサイズかつ同じ形状（例えば、矩形状）の領域を注目領域に設定する。

そして、制御部１２１は、フレーム内およびマルチスケール画像内に設定された注目領域の特徴量を抽出する（ステップＳ１７０３）。本実施形態では、制御部１２１は、フレームに対して注目領域を設定する場合と同様にして、マルチスケール画像全体、若しくはマルチスケール画像内の設定対象領域内において注目領域を移動させる。次いで、制御部１２１は、マルチスケール画像内に設定された各注目領域の特徴量を抽出する。

そして、制御部１２１は、背景の特徴量および車両の特徴量を含む所定の辞書を用いて、フレームおよびマルチスケール画像内の注目領域のうち、車両の特徴量が抽出された注目領域と、背景の特徴量が抽出された注目領域を判別する（ステップＳ１７０４）。そして、制御部１２１は、車両の特徴量が抽出された注目領域を、検出領域とする。

これにより、例えば、フレームが含む車両の見かけのサイズが大きく、注目領域内に納まらず、当該注目領域から抽出された特徴量を車両の特徴量として抽出できない場合でも、マルチスケール画像が含む車両が、注目領域に納まれば、当該注目領域から抽出された特徴量を車両の特徴量として抽出することができるので、フレームが含む車両の検出精度を向上させることができる。また、検出対象車両Ｖ２が遠方に存在し、フレームが含む車両の見かけのサイズが小さく、当該フレームのままでは、車両の特徴量を抽出できない場合でも、マルチスケール画像が含む車両の特徴量を抽出できるので、フレームが含む車両の検出精度を向上させることができる。

このように、第１の実施形態にかかる交通情報検出システムによれば、フレーム内に車両の全てが含まれていない場合でも、車頭間距離を算出することができる。

（第２の実施形態）
本実施形態は、１つのフレームについて、外部記憶装置から複数の辞書を読み出し、当該フレームが含む車両の特徴量と、読み出した各辞書が含む特徴量との類似度に基づいて、当該車両の車種を判定する例である。以下の説明では、第１の実施形態と同様の箇所については説明を省略する。

図１９は、第２の実施形態にかかるプローブカーによる車頭間距離の算出処理の流れの一例を示すフローチャートである。以下の説明では、図１９において、図６に示す同様のステップについては、同じ符号を付してその説明を省略する。本実施形態では、制御部１２１は、外部記憶装置１２４から、判定対象の全ての車種の辞書を読み出す。

具体的には、制御部１２１は、外部記憶装置１２４から、判定対象の全ての車種の複数の辞書（以下、読出対象辞書と言う）を読み出す（ステップＳ１９０１）。次に、制御部１２１は、検出領域の特徴量と、読み出した複数の読出対象辞書のうち一つの読出対象辞書が含む特徴量との類似度を算出する（ステップＳ１９０２）。そして、制御部１２１は、複数の読出対象辞書それぞれが含む特徴量と、検出領域の特徴量との類似度を算出したか否かを判断する。全ての読出対象辞書が含む特徴量と、検出領域の特徴量との類似度を算出していない場合、制御部１２１は、ステップＳ１９０１に戻り、複数の読出対象辞書のうち、未だ検出領域の特徴量との類似度を算出していない読出対象辞書を読み出す。

全ての読出対象辞書が含む特徴量と検出領域の特徴量との類似度を算出した場合、制御部１２１は、検出領域の特徴量と各読出対象辞書が含む特徴量との類似度を比較する（ステップＳ１９０３）。そして、制御部１２１は、検出領域の特徴量との類似度が最も高い特徴量を含む読出対象辞書に対応する車種を、フレーム内の車両の車種と判定する（ステップＳ１９０４）。

このように、第２の実施形態にかかる交通情報検出システムによれば、第１の実施形態と同様の作用効果を得ることができる。

（第３の実施形態）
本実施形態は、判定対象の車種（例えば、普通車および大型車）に属する車両の高次特徴量を含む統合辞書を記憶し、当該統合辞書が含む高次特徴量との類似度が所定の閾値以上の車両の特徴量と、読出対象辞書が含む特徴量との類似度に基づいて、フレームが含む車両の車種を判定する例である。以下の説明では、第２の実施形態と同様の箇所については説明を省略する。

図２０は、第３の実施形態にかかるプローブカーによる車頭間距離の算出処理の流れの一例を示すフローチャートである。図２１は、第３の実施形態にかかるプローブカーによる車頭間距離の算出処理の一例を説明するための図である。本実施形態では、外部記憶装置１２４は、判定対象の車種に属する車両の高次特徴量を含む統合辞書を記憶する。

制御部１２１は、注目領域の特徴量の抽出が完了すると、外部記憶装置１２４から統合辞書を読み出す（ステップＳ２００１）。そして、制御部１２１は、検出領域の特徴量と統合辞書が含む高次特徴量との類似度を算出する（ステップＳ２００２）。そして、制御部１２１は、検出領域のうち、統合辞書が含む高次特徴量との類似度が所定の閾値以上の特徴量を有する検出領域を選択する（ステップＳ２００３）。その後、ステップＳ１９０１以降のステップに進み、制御部１２１は、選択した検出領域の特徴量と、読出対象辞書が含む特徴量との類似度に基づいて、フレームが含む車両の車種を判定する。

一方、制御部１２１は、検出領域のうち、統合辞書が含む高次特徴量との類似度が所定の閾値より低い検出領域（すなわち、選択されなかった検出領域）については、当該検出領域の特徴量と、読出対象辞書が含む特徴量との類似度に基づく、フレームが含む車両の車種の判定を実施しない。これにより、フレームが含む車両の車種が、車頭間距離を算出する車種の車両でない場合には、読出対象辞書の読み出しを行わないので、車種の判定による処理負荷をより小さくし、かつ車種の判定にかかる処理時間をより短くすることができる。

例えば、図２１に示すように、制御部１２１は、フレーム内の検出領域のうち、統合辞書が含む高次特徴量との類似度が所定の閾値以上の特徴量を有する検出領域２１０１，２１０２を選択する。そして、制御部１２１は、検出領域２１０１，２１０２のうち、普通車用辞書が含む特徴量との類似度が所定の閾値以上の特徴量を有する検出領域２１０２（すなわち、検出対象車両Ｖ２）に対応する車両の車種を普通車と判定する。一方、制御部１２１は、検出領域２１０１，２１０２のうち、大型車用辞書が含む特徴量との類似度が所定の閾値以上の特徴量を有する検出領域２１０１（検出対象車両Ｖ２）の車種を大型車と判定する。また、制御部１２１は、フレーム内の検出領域２１０１，２１０２以外の検出領域（図示しない）については、当該検出領域の特徴量と、普通車用辞書および大型車用辞書が含む特徴量との類似度に基づく、車種の判定を禁止する。

このように、第３の実施形態にかかる交通情報検出システムによれば、フレームが含む車両の車種が、車頭間距離を算出する車種の車両でない場合には、読出対象辞書の読み出しを行わないので、車種の判定による処理負荷をより小さくし、かつ車種の判定にかかる処理時間をより短くすることができる。

以上説明したとおり、第１から第３の実施形態によれば、フレーム内に車両が含まれていない場合でも、車頭間距離を算出することができる。

なお、本実施形態の情報処理部１２で実行されるプログラムは、ＲＯＭ等に予め組み込まれて提供される。本実施形態の情報処理部１２で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよい。

さらに、本実施形態の情報処理部１２で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施形態の情報処理部１２で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

Ｖ１ プローブカー
Ｖ２ 検出対象車両
ＳＴ ＧＰＳ衛星
Ｂ 基地局
Ｓ サーバ
１１ カメラ
１２ 情報処理部
１３ 表示部
１４ スピーカ
１２１ 制御部
１２２ 通信Ｉ／Ｆ部
１２３ 記憶部
１２４ 外部記憶装置

Claims (12)

1. 道路交通情報を取得するために道路を走行するプローブカーである第１車両の前方を撮像部により撮像して得られた第１画像を受信する受信部と、
   車種毎に設けられかつ当該車種の標準車長および車両の特徴量を含む辞書を記憶する記憶部と、
   前記第１画像内の第２車両の特徴量を抽出する抽出部と、
   前記記憶部から、判定対象の車種の前記辞書を読み出し、当該読み出した辞書が含む特徴量と前記第２車両の特徴量との類似度に基づいて、前記第２車両の車種を判定する判定部と、
   前記第１画像に基づいて、前記第１車両の先端から前記第２車両の後端までの距離である車間距離を求め、前記記憶部から読み出した辞書が含む車種ごとの標準車長から、前記判定部により判定した車種に基づき、前記車種ごとに設けられた辞書に含まれる車種ごとの標準車長から第２の車両の車長を求め、前記車間距離と前記車長とを合計することで、前記第１車両の先端から前記第２車両の先端までの距離である車頭間距離を算出する算出部と、
   を備えた車載器。
2. 前記算出部は、予め設定された時間内に前記抽出部により特徴量が抽出された前記第２車両の数に対する、大型車と判定された車両の数の割合を求め、当該割合に基づいて、前記第２車両の車長を推定し、前記車間距離と推定した車長との合計を前記車頭間距離として算出する請求項１に記載の車載器。
3. 前記抽出部は、前記第１画像内において、前記第１画像と前記第２車両の端部とが一致しない場合、前記第２車両の特徴量を抽出した第１領域より大きくかつ当該第１領域を包含する第２領域を設定し、前記第２領域内において、前記第２車両の端部を検出し、前記第１領域の端部と前記第２車両の端部とが一致するように、前記第１領域を補正し、当該補正した第１領域の特徴量を、前記第２車両の特徴量とする請求項１に記載の車載器。
4. 前記撮像部は、単眼カメラであり、
   前記受信部は、ステレオカメラにより前記第１車両の前方を撮像して得られた第２画像を受信し、
   前記算出部は、前記第２画像に基づいて、前記第１車両の先端から前記第２車両の後端までの距離を求め、前記車間距離と前記距離の差分が所定値より大きい場合、前記距離に基づいて前記車間距離を補正する請求項１に記載の車載器。
5. 前記判定部は、前記記憶部から、前記車頭間距離の検出対象の車両の高次特徴量を含む統合辞書を読み出し、当該統合辞書が含む前記高次特徴量との類似度が所定の閾値以上の前記第２車両の特徴量と、前記辞書が含む特徴量との類似度に基づいて、前記第２車両の車種を判定し、前記統合辞書が含む前記高次特徴量との類似度が所定の閾値より低い前記第２車両の特徴量と、前記辞書が含む特徴量との類似度に基づく、前記第２車両の車種の判定を禁止する請求項１に記載の車載器。
6. 前記第１画像は、動画像であり、
   前記判定部は、前記記憶部から、前記動画像を構成するフレーム毎に異なる前記辞書を読み出す請求項１に記載の車載器。
7. 道路交通情報を取得するために道路を走行するプローブカーである第１車両の前方を撮像部により撮像して得られた第１画像を受信し、
   前記第１画像内の第２車両の特徴量を抽出し、
   記憶部から、車種毎に設けられかつ判定対象の車種の標準車長および車両の特徴量を含む辞書を読み出し、
   当該読み出した辞書が含む特徴量と前記第２車両の特徴量との類似度に基づいて、前記第２車両の車種を判定し、
   前記記憶部から読み出した辞書が含む車種ごとの標準車長から、判定した車種に属する車両の車長を求め、
   前記第１画像に基づいて、前記第１車両の先端から前記第２車両の後端までの車間距離を求め、
   当該車間距離と前記車長とを合計することで、前記第１車両の先端から前記第２車両の先端までの距離である車頭間距離を算出する、
   ことを含む車頭間距離算出方法。
8. 予め設定された時間内に特徴量が抽出された前記第２車両の数に対する、大型車と判定された車両の数の割合を求め、
   当該割合に基づいて、前記第２車両の車長を推定し、前記車間距離と推定した車長との合計を前記車頭間距離として算出する、
   ことをさらに含む請求項７に記載の車頭間距離算出方法。
9. 前記第１画像内において、前記第１画像と前記第２車両の端部とが一致しない場合、前記第２車両の特徴量を抽出した第１領域より大きくかつ当該第１領域を包含する第２領域を設定し、前記第２領域内において、前記第２車両の端部を検出し、
   前記第１領域の端部と前記第２車両の端部とが一致するように、前記第１領域を補正し、当該補正した第１領域の特徴量を、前記第２車両の特徴量とする、
   ことをさらに含む請求項７に記載の車頭間距離算出方法。
10. 前記撮像部は、単眼カメラであり、
    ステレオカメラにより前記第１車両の前方を撮像して得られた第２画像を受信し、
    前記第２画像に基づいて、前記第１車両の先端から前記第２車両の後端までの距離を求め、前記車間距離と前記距離の差分が所定値より大きい場合、前記距離に基づいて前記車間距離を補正する、
    ことをさらに含む請求項７に記載の車頭間距離算出方法。
11. 前記記憶部から、前記車頭間距離の検出対象の車両の高次特徴量を含む統合辞書を読み出すことをさらに含み、
    当該統合辞書が含む前記高次特徴量との類似度が所定の閾値以上の前記第２車両の特徴量と、前記辞書が含む特徴量との類似度に基づいて、前記第２車両の車種を判定し、
    前記統合辞書が含む前記高次特徴量との類似度が所定の閾値より低い前記第２車両の特徴量と、前記辞書が含む特徴量との類似度に基づく、前記第２車両の車種の判定を禁止する請求項７に記載の車頭間距離算出方法。
12. 前記第１画像は、動画像であり、
    前記記憶部から、前記動画像を構成するフレーム毎に異なる前記辞書を読み出す請求項９に記載の車頭間距離算出方法。