JP6453571B2 - 立体物認識装置 - Google Patents

Description

本発明は、立体物認識装置に関する。

従来、左右一対のカメラ（ステレオカメラ）を用いて、車両等の立体物を認識する立体物認識装置が知られている。この立体物認識装置は、左側のカメラで取得した画像における立体物の位置と、右側のカメラで取得した画像における同一の立体物の位置とに、視差が生じることに基づき、立体物を認識する（特許文献１参照）。

特開２０１３−１０４７４０号公報

従来の立体物認識装置では、立体物の特徴等に起因して、立体物を正確に認識することが困難な場合があった。本発明は、こうした問題にかんがみてなされたものであり、上述した課題を解決できる立体物認識装置を提供することを目的とする。

本発明の立体物認識装置は、第１の撮像素子で撮像した第１の画像、及び第２の撮像素子で撮像した第２の画像を取得する画像取得ユニットと、第１の画像と第２の画像との間で生じる視差に基づき、立体物候補を抽出する立体物候補抽出ユニットと、立体物候補の確信度を算出する確信度算出ユニットと、確信度が所定の閾値以上である立体物候補を立体物として認識する立体物認識ユニットとを備える。

さらに、本発明の立体物認識装置において、確信度算出ユニットは、以下の（ａ）〜（ｏ）から選択される１以上の条件を充足するように、確信度を算出することを特徴とする。

（ａ）前記立体物候補内で前記視差のばらつきが小さいほど、前記確信度が高い。
（ｂ）前記視差が大きいほど、前記確信度が高い。
（ｃ）前記立体物候補内で色のばらつきが小さいほど、前記確信度が高い。

（ｄ）前記立体物候補の高さが大きいほど、前記確信度が高い。
（ｅ）前記立体物候補における対向面と鉛直面との角度が小さいほど、前記確信度が高い。

（ｆ）前記立体物候補の色が、色空間において黒又は白に近いほど、前記確信度が高い。
（ｇ）前記立体物候補の外周部における形状の丸みが著しいほど、前記確信度が高い。

（ｈ）天候が雨天である場合、雨天以外の場合よりも前記確信度が低い。
（ｉ）昼間である場合、夜間である場合よりも前記確信度が高い。
（ｊ）照度が高いほど、前記確信度が高い。

（ｋ）前記第１の撮像素子及び前記第２の撮像素子のシャッタースピードが速いほど、前記確信度が高い。
（ｌ）自車両の操舵角が小さいほど、前記確信度が高い。

（ｍ）自車両の速度が所定の閾値以上であり、且つ前記立体物候補が路側に存在する場合、それ以外の場合より、前記確信度が低い。
（ｎ）前記第１の撮像素子及び前記第２の撮像素子の温度が低いほど、前記確信度が高い。

（ｏ）前記第１の撮像素子及び前記第２の撮像素子の信号増幅率が低いほど、前記確信度が高い。
本発明の立体物認識装置によれば、立体物を正確に認識することができる。

立体物認識装置１の構成を表すブロック図である。 立体物認識装置１が実行する処理の全体を表すフローチャートである。 立体物認識装置１が実行する立体物候補抽出処理を表すフローチャートである。 立体物認識装置１が実行する確信度算出処理を表すフローチャートである。 立体物候補の抽出方法を表す説明図である。 視差を算出する方法を表す説明図である。 図７Ａと図７Ｂは、σＢと確信度Ｋａとの関係を表すグラフである。 図８Ａと図８Ｂは、aveΔＢと確信度Ｋｂとの関係を表すグラフである。 立体物候補２１７の高さＨを表す説明図である。 対向面２１９と鉛直面２２１との角度θを表す説明図である。 図１１Ａは、立体物候補２１７の外周部２２３における丸みを表す平面図であり、図１１Ｂは、右画像２０１及び左画像２０３における外周部２２３を表す説明図である。 立体物認識装置１が実行する確信度算出処理を表すフローチャートである。

以下、本発明が適用された実施形態について、図面を用いて説明する。
＜第１の実施形態＞
１．立体物認識装置１の構成
立体物認識装置１の構成を図１に基づき説明する。立体物認識装置１は車両に搭載される装置である。以下では、立体物認識装置１を搭載する車両を自車両１０１とする。

立体物認識装置１は、周知のコンピュータに後述する処理を実行するプログラムをインストールしたものである。立体物認識装置１は、機能的に、画像取得ユニット３、立体物候補抽出ユニット５、確信度算出ユニット７、及び立体物認識ユニット９を備える。各ユニットが実行する処理は後述する。

自車両１０１は、立体物認識装置１に加えて、右カメラ１０３、左カメラ１０５、時計１０７、照度計１０９、降雨計１１０、操舵角センサ１１１、速度センサ１１３、温度計１１５、及び警報／車両制御部１１７を備える。

右カメラ１０３及び左カメラ１０５は自車両１０１の前方を撮像し、自車両１０１の前方を表す画像を作成する。右カメラ１０３は自車両１０１の右端付近に設けられ、左カメラ１０５は自車両１０１の左端付近に設けられる。右カメラ１０３と左カメラ１０５の路面からの高さは同じである。右カメラ１０３と左カメラ１０５とはステレオカメラを構成し、同時に撮像を行う。右カメラ１０３及び左カメラ１０５において、画像の輝度、シャッタースピード、信号増幅率等の設定は同一である。

時計１０７は時刻情報を取得する。照度計１０９は、自車両１０１の車外における照度を測定する。降雨計１１０は、降雨を検出する。操舵角センサ１１１は自車両１０１における操舵角の大きさを検出する。速度センサ１１３は自車両１０１の速度を検出する。温度計１１５は右カメラ１０３及び左カメラ１０５の温度を測定する。

警報／車両制御部１１７は、立体物認識装置１が認識した立体物に対し、周知の警報処理、及び車両制御処理を実行する。例えば、立体物と自車両１０１との距離が小さくなると、警報処理を行う。また、立体物との衝突を避けるための処理（例えば自動ブレーキ、自動操舵等）を行う。また、警報／車両制御部１１７は、立体物の一例である先行車に自車両１０１が追従する処理を行う。

なお、右カメラ１０３及び左カメラ１０５は、第１の撮像素子及び第２の撮像素子の一例である。
２．立体物認識装置１が実行する処理
立体物認識装置１が実行する処理を図２〜図１１に基づき説明する。図２のステップ１では、画像取得ユニット３が、右カメラ１０３及び左カメラ１０５を用いて自車両１０１の前方を撮像し、画像を取得する。以下では、右カメラ１０３の画像を右画像２０１とし、左カメラ１０５の画像を左画像２０３とする。なお、右画像２０１及び左画像２０３は、第１の画像及び第２の画像の一例である。

ステップ２では、立体物候補抽出ユニット５が、前記ステップ１で取得した右画像２０１及び左画像２０３から立体物候補を抽出する処理を実行する。立体物候補とは、右画像２０１及び左画像２０３に表示されているもののうち、立体物である可能性があるものを意味する。

立体物としては、例えば、他の車両（先行車、対向車、並走車、停止車両）、道路上またはその周囲に存在する立体物（側壁、中央分離帯、路肩部、街灯等）、歩行者等が挙げられる。具体的な立体物候補の抽出方法は後述する。

ステップ３では、立体物候補抽出ユニット５が、前記ステップ２で立体物候補を抽出できたか否かを判断する。立体物候補を抽出できた場合はステップ４に進み、抽出できなかった場合は本処理を終了する。

ステップ４では、確信度算出ユニット７が、前記ステップ２で抽出した立体物候補の確信度を算出する。確信度とは、立体物候補が立体物であることの確からしさを表す指標である。前記ステップ２で複数の立体物候補を抽出した場合はそれぞれの立体物候補について確信度を算出する。具体的な確信度の算出方法は後述する。

ステップ５では、立体物認識ユニット９が、前記ステップ４で算出した確信度が所定の閾値を超えているか否かを判断する。閾値を超えている場合はステップ６に進み、超えていない場合は本処理を終了する。

ステップ６では、立体物認識ユニット９が、前記ステップ５で確信度が所定値を超えていると判断した立体物候補を、立体物として認識する。
ステップ７では、前記ステップ６で認識した立体物の情報（立体物の存在、立体物の位置（自車両１０１から立体物までの距離、自車両１０１を基準とする立体物の方位））を警報／車両制御部１１７に出力する。

次に、前記ステップ２において立体物候補抽出ユニット５が立体物候補を抽出する処理を、図３を用いて具体的に説明する。
ステップ１１では、左画像２０３において、立体物を表すモデル画像と類似性の高い領域（以下左類似領域とする）を探索する。モデル画像としては、例えば、対応する立体物を実際に撮像した画像を用いることができる。モデル画像は、一定の大きさを有し、左画像２０３よりも小さい画像である。モデル画像との類似性は、例えば、ニューラルネットワーク、サポートベクターマシン等の周知の方法で判断できる。

ステップ１２では、前記ステップ１１の処理において左類似領域を発見できたか否かを判断する。左類似領域を発見できた場合はステップ１３に進み、発見できなかった場合は本処理を終了する。

ステップ１３では、前記ステップ１１の処理で発見した左類似領域と同じ表示をしている領域を、右画像２０１内で探索する。その探索は、例えば、以下のように行うことができる。

まず、図５に示すように、前記ステップ１１の処理で発見した左類似領域２０５（左画像２０３の一部）を、右画像２０１内の一部と重ねたと仮定する。このとき、左類似領域２０５内の任意の位置をＰとする。位置Ｐにおける左画像２０３の画素の輝度と、右画像２０１の画素の輝度との差ΔＡを求める。このΔＡを、左類似領域２０５内の全ての画素で求め、それらの平均値aveΔＡを算出する。

そして、左類似領域２０５を、右画像２０１内で少しずつ移動させながら、各位置で平均値aveΔＡを算出する。右画像２０１のうち、平均値aveΔＡが最小となるときに左類似領域２０５と重なっている領域が、左類似領域と同じ表示をしている領域である。以下では、この探索により見出された領域を、右類似領域とする。

図３に戻り、ステップ１４では、左類似領域と右類似領域との視差を算出する。具体的には以下のように行う。まず、図６に示すように、左類似領域２０５内の任意の点をＰ_Ｌとし、左画像２０３の右側境界線２０９から、点Ｐ_Ｌまでの距離をｘ_Ｌとする。また、左画像２０３の下側境界線２１１から、点Ｐ_Ｌまでの距離をｙ_Lとする。

また、右類似領域２０７内において、点Ｐ_Ｌに対応する点をＰ_Ｒとする。すなわち、左類似領域２０５と右類似領域２０７とを、４辺が一致するように重ねたと仮定したとき、点Ｐ_Ｌと一致する点が点Ｐ_Ｒである。

右画像２０１の右側境界線２１３から、点Ｐ_Ｒまでの距離をｘ_Ｒとする。また、右画像２０１の下側境界線２１５から、点Ｐ_Ｒまでの距離をｙ_Ｒとする。
このとき、（ｘ_Ｒ−ｘ_Ｌ）が点Ｐ_Ｌ、点Ｐ_Ｒでの視差ΔＢである。左類似領域２０５、右類似領域２０７内の全ての画素について上記のように視差ΔＢを算出し、それらの平均値aveΔＢを算出する。

図３に戻り、ステップ１５では、前記ステップ１４で算出した視差が、立体物候補の条件を充足しているか否かを判断する。立体物候補の条件とは、以下の（イ）、（ロ）の両方を充足することである。

（イ）aveΔＢが所定の閾値以上である。
（ロ）左類似領域２０５、及び右類似領域２０７内の各画素で算出した視差ΔＢのばらつき（例えば標準偏差）σＢが所定の閾値以下である。

立体物候補の条件を充足する場合はステップ１６に進み、充足しない場合は本処理を終了する。
ステップ１６では、前記ステップ１１で発見した左類似領域、及び前記ステップ１３で発見した右類似領域における表示内容を、立体物候補として抽出する。

以上のように、立体物候補抽出ユニット５は、右画像と左画像との間で生じる視差に基づき、立体物候補を抽出する。
次に、前記ステップ４において確信度算出ユニット７が確信度を算出する処理を、図４を用いて具体的に説明する。

ステップ２１では、立体物候補内での視差のばらつきσＢに関する確信度Ｋａを算出する。確信度算出ユニット７は、予め、σＢと、確信度Ｋａとの関係を規定するマップを備えており、このマップにσＢを入力することで、確信度Ｋａを算出することができる。

上記のマップで規定するσＢと確信度Ｋａとの関係は、図７Ａに示すように、σＢが小さいほど、確信度Ｋａが大きくなるという関係である。よって、確信度Ｋａは、σＢが小さいほど、高くなる。なお、マップで規定するσＢと確信度Ｋａとの関係は、図７Ｂに示すように、σＢが小さくなるにつれて、段階的に確信度Ｋａが高くなる関係であってもよい。

ステップ２２では、視差の大きさ（aveΔＢ）に関する確信度Ｋｂを算出する。確信度算出ユニット７は、予め、aveΔＢと、確信度Ｋｂとの関係を規定するマップを備えており、このマップにaveΔＢを入力することで、確信度Ｋｂを算出することができる。

上記のマップで規定するaveΔＢと確信度Ｋｂとの関係は、図８Ａに示すように、aveΔＢが大きいほど、確信度Ｋｂが高くなるという関係である。よって、確信度Ｋｂは、aveΔＢが大きいほど、高くなる。なお、マップで規定するaveΔＢと確信度Ｋｂとの関係は、図８Ｂに示すように、aveΔＢが大きくなるにつれて、段階的に確信度Ｋｂが高くなる関係であってもよい。

ステップ２３では、立体物候補内での色のばらつきに関する確信度Ｋｃを算出する。確信度算出ユニット７は、まず、右画像２０１、左画像２０３のうち、立体物候補内の各画素の色を、色空間における座標で表す。次に、その色空間における座標のばらつきを数値化する。以下では、数値化した値を色のばらつき値とする。

確信度算出ユニット７は、予め、色のばらつき値と、確信度Ｋｃとの関係を規定するマップを備えており、このマップに、色のばらつき値を入力することで、確信度Ｋｃを算出する。マップで規定する、色のばらつき値と確信度Ｋｃとの関係は、色のばらつき値が小さいほど、確信度Ｋｃが高くなるという関係である。よって、確信度Ｋｃは、色のばらつき値が小さいほど、高くなる。

ステップ２４では、立体物候補の高さに関する確信度Ｋｄを算出する。確信度算出ユニット７は、まず、図９に示すように、右画像２０１、左画像２０３において、立体物候補２１７の高さＨを求める。確信度算出ユニット７は、予め、高さＨと、確信度Ｋｄとの関係を規定するマップを備えており、このマップに高さＨを入力することで、確信度Ｋｄを算出することができる。

上記のマップで規定する、高さＨと確信度Ｋｄとの関係は、高さＨが大きいほど、確信度Ｋｄが高くなるという関係である。よって、確信度Ｋｄは、高さＨが大きいほど、高くなる。

ステップ２５では、立体物候補における対向面と鉛直面との角度θに関する確信度Ｋｅを算出する。ここで、図１０に示すように、対向面２１９とは、立体物候補２１７のうち、自車両１０１に対向する面である。また、角度θは、対向面２１９と、鉛直面２２１との角度である。

確信度算出ユニット７は、予め、角度θと、確信度Ｋｅとの関係を規定するマップを備えており、このマップに角度θを入力することで、確信度Ｋｅを算出することができる。
上記のマップで規定する、角度θと確信度Ｋｅとの関係は、角度θが小さいほど、確信度Ｋｅが高くなるという関係である。よって、確信度Ｋｅは、角度θが小さいほど、高くなる。なお、角度θは、鉛直方向に対する視差の変化量から算出できる。

ステップ２６では、特定の色に関する確信度Ｋｆを算出する。すなわち、立体物候補の色が、色空間において黒、又は白に近いほど、確信度Ｋｆを高く設定する。
ステップ２７では、立体物候補の外周部における形状の丸みに関する確信度Ｋｇを算出する。図１１Ａ、図１１Ｂに示すように、立体物候補２１７の外周部２２３とは、自車両１０１から見て、立体物候補２１７の外周に位置する部分である。確信度算出ユニット７は、まず、外周部２２３における曲率を求める。具体的には、外周部付近における視差の変化量または視差の変化の近似曲線の値からこの曲率を求めることができる。

確信度算出ユニット７は、予め、立体物候補の外周部における曲率が小さいほど（丸みが著しいほど）、高い確信度Ｋｇを出力するマップを備えている。このマップに、上記のように求めた曲率を入力することで、確信度Ｋｇを算出することができる。確信度Ｋｇは、立体物候補の外周部における丸みが著しいほど、高くなる。

ステップ２８では、天候に関する確信度Ｋｈを算出する。すなわち、確信度算出ユニット７は、降雨計１１０の出力信号に基づき、天候が雨天であるか否かを判断し、雨天であれば、それ以外の場合よりも、確信度Ｋｈを低くする。

ステップ２９では、時間帯に関する確信度Ｋｉを算出する。確信度算出ユニット７は、時計１０７を用いて時刻情報を取得し、その時点が昼間であるか夜間であるかを判断する。昼間である場合は、夜間である場合よりも、確信度Ｋｉを高くする。

ステップ３０では、照度に関する確信度Ｋｊを算出する。確信度算出ユニット７は、照度計１０９を用いて照度を取得する。確信度算出ユニット７は、予め、照度が高いほど、高い確信度Ｋｊを出力するマップを備えている。このマップに、上記のように取得した照度を入力することで、確信度Ｋｊを算出する。確信度Ｋｊは、照度が高いほど、高くなる。

ステップ３１では、右カメラ１０３及び左カメラ１０５のシャッタースピードに関する確信度Ｋｋを算出する。確信度算出ユニット７は、右カメラ１０３及び左カメラ１０５から、シャッタースピードの情報を取得する。また、確信度算出ユニット７は、予め、シャッタースピードが速いほど、高い確信度Ｋｋを出力するマップを備えている。このマップに、上記のように取得したシャッタースピードを入力することで、確信度Ｋｋを算出する。確信度Ｋｋは、シャッタースピードが速いほど、高くなる。

ステップ３２では、操舵角に関する確信度ＫＬを算出する。確信度算出ユニット７は、操舵角センサ１１１から自車両１０１の操舵角を取得する。確信度算出ユニット７は、予め、操舵角が小さいほど、高い確信度ＫＬを出力するマップを備えている。このマップに、上記のように取得した操舵角を入力することで、確信度ＫＬを算出する。確信度ＫＬは、操舵角が小さいほど、高くなる。

ステップ３３では、自車両の速度と立体物候補の位置に関する確信度Ｋｍを算出する。確信度算出ユニット７は、速度センサ１１３から自車両１０１の速度を取得する。また、確信度算出ユニット７は、右画像２０１、及び左画像２０３における立体物候補の左右方向での位置を取得する。そして、自車両１０１の速度が所定の閾値以上であり、且つ、右画像２０１、左画像２０３における立体物候補の左右方向での位置が右寄り又は左寄りである（すなわち、立体物候補が路側に存在する）場合、それ以外の場合より、確信度Ｋｍを低くする。

ステップ３４では、右カメラ１０３及び左カメラ１０５の温度に関する確信度Ｋｎを算出する。確信度算出ユニット７は、温度計１１５から、右カメラ１０３及び左カメラ１０５の温度を取得する。確信度算出ユニット７は、予め、右カメラ１０３及び左カメラ１０５の温度が低いほど、高い確信度Ｋｎを出力するマップを備えている。このマップに、上記のように取得した、右カメラ１０３及び左カメラ１０５の温度を入力することで、確信度Ｋｎを算出する。確信度Ｋｎは、右カメラ１０３及び左カメラ１０５の温度が低いほど、高くなる。

ステップ３５では、右カメラ１０３及び左カメラ１０５の信号増幅率（ゲイン）に関する確信度Ｋｏを算出する。確信度算出ユニット７は、右カメラ１０３及び左カメラ１０５から、信号増幅率を取得する。確信度算出ユニット７は、予め、信号増幅率が低いほど、高い確信度Ｋｏを出力するマップを備えている。このマップに、上記のように取得した、信号増幅率を入力することで、確信度Ｋｏを算出する。確信度Ｋｏは、信号増幅率が低いほど、高くなる。

ステップ３６では、繰り返し形状に関する確信度Ｋｐを算出する。すなわち、確信度算出ユニット７は、立体物候補が、同一形状又は相似形状の物体が複数配列したものであるか否かを判断し、そのようなものである場合は、それ以外の場合よりも、確信度Ｋｐを低くする。

ステップ３７では、前記ステップ２１〜３６で算出した確信度Ｋａ、Ｋｂ、Ｋｃ、Ｋｄ、Ｋｅ、Ｋｆ、Ｋｇ、Ｋｈ、Ｋｉ、Ｋｊ、Ｋｋ、ＫＬ、Ｋｍ、Ｋｎ、Ｋｏ、Ｋｐを全て乗算して最終的な確信度Ｋを算出する。このように算出された確信度Ｋは、以下の条件を充足する。

（ａ）立体物候補内で視差のばらつき（σＢ）が小さいほど、確信度Ｋが高い。
（ｂ）視差（aveΔＢ）が大きいほど、確信度Ｋが高い。
（ｃ）立体物候補内で色のばらつきが小さいほど、確信度Ｋが高い。

（ｄ）立体物候補の高さＨが大きいほど、確信度Ｋが高い。
（ｅ）立体物候補における対向面と鉛直面との角度θが小さいほど、確信度Ｋが高い。
（ｆ）立体物候補の色が、色空間において黒又は白に近いほど、確信度Ｋが高い。

（ｇ）立体物候補の外周部における形状の丸みが著しいほど、確信度Ｋが高い。
（ｈ）天候が雨天である場合、雨天以外の場合よりも確信度Ｋが低い。
（ｉ）昼間である場合、夜間である場合よりも確信度Ｋが高い。

（ｊ）照度が高いほど、確信度Ｋが高い。
（ｋ）右カメラ１０３及び左カメラ１０５のシャッタースピードが速いほど、確信度Ｋが高い。

（ｌ）自車両１０１の操舵角が小さいほど、確信度Ｋが高い。
（ｍ）自車両１０１の速度が所定の閾値以上であり、且つ立体物候補が路側に存在する場合、それ以外の場合より、確信度Ｋが低い。

（ｎ）右カメラ１０３及び左カメラ１０５の温度が低いほど、確信度Ｋが高い。
（ｏ）右カメラ１０３及び左カメラ１０５の信号増幅率が低いほど、確信度Ｋが高い。
（ｐ）立体物候補が、同一形状又は相似形状の物体が複数配列したものである場合、それ以外の場合より確信度Ｋが低い。

３．立体物認識装置１が奏する効果
（１Ａ）立体物認識装置１は、立体物候補が実際には立体物ではない可能性が高い場合は、立体物候補の確信度を低くする。すなわち、立体物候補が実際には立体物ではない場合、一般的に、視差のばらつき（σＢ）が大きくなり、視差の大きさ（aveΔＢ）が小さくなり、立体物候補内での色のばらつきが大きくなり、立体物候補の高さ（Ｈ）が小さくなり、立体物候補における対向面と鉛直面との角度θが大きくなるが、これらの場合、立体物認識装置１は、確信度Ｋａ、Ｋｂ、Ｋｃ、Ｋｄ、Ｋｅを小さくする。

その結果、実際には立体物ではない立体物候補の場合、確信度Ｋが小さくなるので、実際には立体物ではない立体物候補を立体物であると誤認識してしまうことが起こり難い。
（１Ｂ）立体物候補は、実際に立体物であっても、場合により、確信度が低くなり易いことがある。例えば、立体物候補の色が黒又は白に近い場合や、立体物候補の外周部における形状の丸みが著しい場合は、確信度が低くなり易い。立体物認識装置１は、それらの場合、確信度Ｋｆ、Ｋｇを高くする。その結果、確信度Ｋが高くなるので、立体物を一層容易に認識できる。

（１Ｃ）状況により、立体物候補が立体物であるか否かを正確に判断し難い場合がある。例えば、雨天の場合、夜間の場合、照度が低い場合、右カメラ１０３及び左カメラ１０５のシャッタースピードが遅い場合、自車両１０１の操舵角が大きい場合、自車両１０１の速度が所定の閾値以上であり且つ立体物候補が路側に存在する場合、右カメラ１０３及び左カメラ１０５の温度が高い場合、右カメラ１０３及び左カメラ１０５の信号増幅率が高い場合は、右画像２０１及び左画像２０３において立体物候補が不鮮明になり易く、立体物であるか否かを判断し難い。これらの場合、仮に、状況を考慮せずに立体物候補が立体物であるか否かを判断すると、実際には立体物でないものを、立体物であると誤判断してしまうおそれがある。

立体物認識装置１は、上記の場合、確信度Ｋｈ、Ｋｉ、Ｋｊ、Ｋｋ、ＫＬ、Ｋｍ、Ｋｎ、Ｋｏを低くする。その結果、確信度Ｋが低くなり、実際には立体物でないものを、立体物であると誤判断してしまうおそれを低減できる。

（１Ｄ）立体物として、道路に沿って複数配列された街灯や、トンネルの天井面に、トンネルの進行方向に沿って複数配列された照明がある。これらは、自車両１０１と衝突するおそれはなく、他の立体物と比べて、認識する必要性は低い。

立体物認識装置１は、立体物候補が、上述した街灯やトンネルの照明に特有の特徴を有するものである場合（同一形状又は相似形状の物体が複数配列したものである場合）、確信度Ｋｐを低くする。その結果、確信度Ｋが低くなり、上述した街灯やトンネルの照明等を認識し難くすることができる。
＜第２の実施形態＞
１．立体物認識装置１の構成及び実行する処理
第２の実施形態における構成、及び実行する処理は基本的には前記第１の実施形態と同様であるため、共通する点については説明を省略し、相違点を中心に説明する。

本実施形態では、確信度Ｋを以下のようにして算出する。図１２のステップ４１では、確信度Ｋａと確信度Ｋｂとを乗算して、初期の確信度Ｋ_０を算出する。なお、確信度Ｋａ、Ｋｂは前記第１の実施形態と同様である。

ステップ４２では、確信度を低下させるべき特徴が立体物候補にあるか否かを判断する。確信度を低下させるべき特徴としては、例えば、以下のうちから選択される１以上がある。これらの特徴は、立体物候補が実際には立体物ではない場合に現れ易い特徴である。

・視差のばらつき（σＢ）が所定の閾値以上である。
・視差の大きさ（aveΔＢ）が所定の閾値以下である。
・立体物候補内での色のばらつきが大きい。

・立体物候補の高さ（Ｈ）が所定の閾値以下である。
・立体物候補における対向面と鉛直面との角度θが所定の閾値以上である。
上記の特徴がある場合はステップ４３に進み、そのような特徴がない場合はステップ４４に進む。

ステップ４３では、確信度Ｋを所定量だけ低下させる。
ステップ４４では、前記ステップ４１で算出した確信度Ｋが過小であることを示す特徴が立体物候補にあるか否かを判断する。そのような特徴としては、例えば、以下のうちから選択される１以上がある。

・立体物候補の色が黒又は白に近い。
・立体物候補の外周部における形状の丸みが著しい。
上記の特徴がある場合はステップ４５に進み、そのような特徴がない場合はステップ４６に進む。

ステップ４５では、確信度Ｋを所定量だけ増加させる。
ステップ４６では、自車両１０１が、立体物候補が立体物であるか否かを正確に判断し難い状況にあるか否かを判断する。そのような状況としては、例えば、以下のうちから選択される１以上がある。これらの状況は、いずれも、右画像２０１及び左画像２０３において立体物候補が不鮮明になり易く、立体物であるか否かを判断し難い状況である。

・雨天の状況。
・夜間の状況。
・照度が低い状況。

・右カメラ１０３及び左カメラ１０５のシャッタースピードが遅い状況。
・自車両１０１の操舵角が大きい状況
・自車両１０１の速度が所定の閾値以上であり且つ立体物候補が路側に存在する状況。

・右カメラ１０３及び左カメラ１０５の温度が高い状況。
・右カメラ１０３及び左カメラ１０５の信号増幅率が高い状況。
上記の状況である場合はステップ４７に進み、そのような状況ではない場合はステップ４８に進む。

ステップ４７では、確信度Ｋを所定量だけ低下させる。
ステップ４８では、立体物候補が、認識する必要性が低い立体物の特徴を有しているか否かを判断する。認識する必要性が低い立体物としては、例えば、道路に沿って複数配列された街灯や、トンネルの天井面に、トンネルの進行方向に沿って複数配列された照明がある。これらの立体物は、同一形状又は相似形状の物体が複数配列した形状という特徴を有する。

立体物候補が上記の特徴を有する場合はステップ４９に進み、そのような特徴を有していない場合はステップ５０に進む。
ステップ４９では、確信度Ｋを所定量だけ低下させる。

ステップ５０では最終的な確信度Ｋを確定する。前記ステップ４３、４５、４７、４９のいずれかにおいて確信度を補正した場合は、補正後の値を最終的な確信度Ｋとする。一方、前記ステップ４３、４５、４７、４９のいずれにおいても補正していない場合は、前記ステップ４１で算出した値が最終的な確信度Ｋとなる。

２．立体物認識装置１が奏する効果
本実施形態の立体物認識装置１は、前記第１の実施形態の効果（１Ａ）〜（１Ｄ）と同様の効果を奏する。
＜その他の実施形態＞
以上、本発明の実施形態について説明したが、本発明は前記実施形態に限定されることなく、種々の形態を採り得る。

（１）前記第１の実施形態において、確信度Ｋａ〜Ｋｐのうち、一部は省略してもよい。この場合、確信度Ｋは、確信度Ｋａ〜Ｋｐのうち、省略されなかったものを乗算して求めることができる。

（２）前記第１の実施形態において、確信度Ｋａ〜Ｋｐを乗算する以外の方法で確信度Ｋを算出してもよい。例えば、乗算以外の既知の関数に、確信度Ｋａ〜Ｋｐを入力して、確信度Ｋを求めてもよい。

（３）前記第２の実施形態において、ステップ４２、４３を省略してもよい。また、ステップ４４、４５を省略してもよい。また、ステップ４６、４７を省略してもよい。また、ステップ４８、４９を省略してもよい。
（４）前記実施形態における１つの構成要素が有する機能を複数の構成要素として分散させたり、複数の構成要素が有する機能を１つの構成要素に統合させたりしてもよい。また、前記各実施形態の構成の少なくとも一部を、同様の機能を有する公知の構成に置き換えてもよい。また、前記各実施形態の構成の一部を省略してもよい。また、前記実施形態の構成の少なくとも一部を、他の実施形態の構成に対して付加又は置換してもよい。なお、特許請求の範囲に記載した文言のみによって特定される技術思想に含まれるあらゆる態様が本発明の実施形態である。
（５）立体物認識装置の他、当該立体物認識装置を構成要素とするシステム、当該立体物認識装置としてコンピュータを機能させるためのプログラム、このプログラムを記録した媒体、立体物認識方法等、種々の形態で本発明を実現することもできる。

１…立体物認識装置、３…画像取得ユニット、５…立体物候補抽出ユニット、７…確信度算出ユニット、９…立体物認識ユニット、１０１…自車両、１０３…右カメラ、１０５…左カメラ、１１１…操舵角センサ、１１３…速度センサ、１１５…温度計、１１７…警報／車両制御部、２０１…右画像、２０３…左画像、２０５…左類似領域、２０７…右類似領域、２０９…右側境界線、２１１…下側境界線、２１３…右側境界線、２１５…下側境界線、２１７…立体物候補、２１９…対向面、２２１…鉛直面、２２３…外周部

Claims (2)

1. 第１の撮像素子（１０３）で撮像した第１の画像、及び第２の撮像素子（１０５）で撮像した第２の画像を取得する画像取得ユニット（３）と、
   前記第１の画像と前記第２の画像との間で生じる視差に基づき、立体物候補を抽出する
   立体物候補抽出ユニット（５）と、
   前記立体物候補の確信度を算出する確信度算出ユニット（７）と、
   前記確信度が所定の閾値以上である前記立体物候補を立体物として認識する立体物認識ユニット（９）と、
   を備える立体物認識装置（１）であって、
   前記確信度算出ユニットは、以下の（ａ）〜（ｏ）から選択される１以上の条件を充足するとともに、以下の（ｐ）の条件を充足するように、前記確信度を算出することを特徴とする立体物認識装置。
   （ａ）前記立体物候補内で前記視差のばらつきが小さいほど、前記確信度が高い。
   （ｂ）前記視差が大きいほど、前記確信度が高い。
   （ｃ）前記立体物候補内で色のばらつきが小さいほど、前記確信度が高い。
   （ｄ）前記立体物候補の高さが大きいほど、前記確信度が高い。
   （ｅ）前記立体物候補における対向面と鉛直面との角度が小さいほど、前記確信度が高い。
   （ｈ）天候が雨天である場合、雨天以外の場合よりも前記確信度が低い。
   （ｉ）昼間である場合、夜間である場合よりも前記確信度が高い。
   （ｊ）照度が高いほど、前記確信度が高い。
   （ｋ）前記第１の撮像素子及び前記第２の撮像素子のシャッタースピードが速いほど、前記確信度が高い。
   （ｌ）自車両の操舵角が小さいほど、前記確信度が高い。
   （ｍ）自車両の速度が所定の閾値以上であり、且つ前記立体物候補が路側に存在する場合、それ以外の場合より、前記確信度が低い。
   （ｎ）前記第１の撮像素子及び前記第２の撮像素子の温度が低いほど、前記確信度が高い。
   （ｏ）前記第１の撮像素子及び前記第２の撮像素子の信号増幅率が低いほど、前記確信度が高い。
   （ｐ）前記立体物候補が、同一形状又は相似形状の物体が複数配列したものである場合、それ以外の場合より前記確信度が低い。
2. 請求項１に記載の立体物認識装置であって、
   前記立体物が車両であることを特徴とする立体物認識装置。

Images