JP5533323B2 - 移動量推定装置及び移動量推定方法 - Google Patents

Description

本発明は、移動量推定装置及び移動量推定方法に関する。

従来、物体の移動量を検出する物体検出装置が知られている。この物体検出装置は、所定時間間隔の２つの画像に基づいて画像上の特徴点の移動ベクトルであるオプティカルフローを算出する。そして、物体検出装置は、生成したオプティカルフローに基づいて物体の移動量を検出する（特許文献１参照）。

特開２００８−９７１２６号公報

しかし、従来の物体検出装置では、移動量の推定精度に向上の余地があった。例えば、従来の物体検出装置では、車両のライトやバンパー部分などの前面又は後面から特徴点を決定してオプティカルフローを算出している。しかし、車両の前面又は後面は車両全体からすると小さい領域であり、情報量が少なく、推定精度を低下させる原因となってしまう。このため、フロントガラスやリアガラスを含む車両前側や後側の全体から特徴点を決定しようとすると、バンパー部分とガラス部分において奥行き差があり、情報量が増加しても移動量の推定精度自体は低下してしまう。

本発明はこのような従来の課題を解決するためになされたものであり、その目的とするところは、移動量の推定精度を向上させることが可能な移動量推定装置及び移動量推定方法を提供することにある。

本発明の移動量推定装置は、所定領域を撮像する撮像手段と、前記撮像手段による撮像にて得られた画像からオプティカルフローを算出するオプティカルフロー算出手段と、仮定された車両側面と路面との交線となる線分である接地線分を推定する接地線分推定手段と、前記接地線分推定手段により推定された接地線分を含む鉛直上方に伸びる面内に、前記オプティカルフロー算出手段により算出されたオプティカルフローが存在すると仮定し、当該オプティカルフローから実空間におけるベクトルを算出するベクトル算出手段と、前記ベクトル算出手段により算出されたベクトルをクラスタリングするクラスタリング手段と、前記クラスタリング手段によるクラスタリングの結果、ベクトル数が最も多い最大クラスタに属するベクトルから、車両の移動量を推定する移動量推定手段と、を備えることを特徴とする。

本発明によれば、仮定された車両側面と路面との交線となる接地線分を含む鉛直上方に伸びる面内に、オプティカルフローが存在すると仮定し、当該オプティカルフローの実空間におけるベクトルを算出する。このように、車両側面を含む面内にオプティカルフローが存在すると仮定して、実空間におけるベクトルを算出するため、実空間のベクトルから移動量を推定することができ、移動量推定の正確性を向上させることができる。特に、実空間における車両側面のベクトルであるため、車両が走行時において車両横方向の移動量が少ないことから、車両側面のベクトルから移動量を推定することで、車両前面や後面から推定するよりも推定誤差を軽減し易くできる。従って、移動量の推定精度を向上させることができる。

本実施形態に係る移動量推定装置の概略構成図である。 図１に示した車両の走行状態を示す上面図である。 図１に示した計算機の詳細を示すブロック図である。 図３に示した領域設定部により設定される仮想面の一例を示す図である。 図３に示したベクトル算出部による実空間のベクトルの算出の様子を示す図であって、（ａ）は撮像画像を示し、（ｂ）は実空間のベクトルを示している。 本実施形態に係る移動量推定方法を示すフローチャートであって、仮想面の設定までの処理を示している。 本実施形態に係る移動量推定方法を示すフローチャートであって、移動量の推定までの処理を示している。 第２実施形態に係る移動量推定装置の概略構成図である。 第２実施形態に係る移動量推定装置による接地線分の推定方法を説明する上面図である。 第２実施形態に係る移動量推定方法を示すフローチャートであって、仮想面の設定までの処理を示している。

以下、本発明の好適な実施形態を図面に基づいて説明する。図１は、本実施形態に係る移動量推定装置１の概略構成図である。図１に示すように、移動量推定装置１は、車両Ｖ１に搭載され、カメラ（撮像手段）１０と、立体物検出レーダ（立体物検出手段）２０と、計算機３０とを備えている。

図１に示すカメラ１０は、車両Ｖ１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となるように取り付けられている。カメラ１０は、この位置から所定領域を撮像するようになっている。立体物検出レーダ２０は、車両Ｖの後方にレーザ光を照射し、反射光から立体物の位置及び距離に応じた情報を収集するものである。この立体物検出レーダ２０のレーザ光照射範囲は、少なくともカメラ１０の撮像範囲をカバーするように照射可能となっている。計算機３０は、車両後方側の立体物について移動量を推定するものである。なおここで、本実施形態においては上述の通り立体物検出レーダ２０をレーザレーダとして記載するが、例えばミリ波レーダ等の他の方式のレーダ装置を用いても良い。

図２は、図１に示した車両Ｖ１の走行状態を示す上面図である。図２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の画角内には自車両Ｖ１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となっている。

図３は、図１に示した計算機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及び車速センサ２０についても図示するものとする。

図３に示すように、計算機３０は、領域設定部（接地線分推定手段、立体物検出手段）３１と、ベクトル算出部（オプティカルフロー算出手段、ベクトル算出手段）３２と、移動量推定部（移動量推定手段、クラスタリング手段、車両判断手段）３３とを備えている。

領域設定部３１は、接地線分を推定するものである。接地線分は、仮定された車両側面と路面との交線となる線分である。接地線分を求めるにあたり領域設定部３１は、立体物検出レーダ２０からの情報に基づいて、自車両周辺の立体物の外形位置を検出する。

具体的に説明すると、領域設定部３１は、立体物検出レーダ２０からの反射光により、周囲の立体物の自車両に対する位置を特定することができる。図２に示すように、立体物検出レーダ２０は車両後方にレーザ光を照射しているため、領域設定部３１は自車両Ｖ１の後方側に位置する他車両Ｖ２の外形位置Ｐ１，Ｐ２を検出可能となっている。

領域設定部３１は、上記のように検出した外形位置Ｐ１，Ｐ２のうち、車線に沿っている外形位置Ｐ１を直線近似し、近似直線の垂線から接地線分Ｌを推定する。このように、領域設定部３１は、仮定的に車両側面を特定し、その側面と路面との交線となる接地線分Ｌを推定することとなる。

また、領域設定部３１は、接地線分Ｌを算出した後、仮想面を設定するものである。図４は、図３に示した領域設定部３１により設定される仮想面の一例を示す図である。図４に示すように、領域設定部３１は、接地線分Ｌを含む鉛直上方に伸びる面を仮想面ＩＳとして設定する。なお、仮想面ＩＳの高さｈ_ＩＳは、所定高さに限定されている。所定高さは、後述する演算コストが多大とならず、且つ一般的な車両の高さが含まれるように予め決定されている。これにより、車両側面部を含みつつ不要な領域を含まないようにすることができる。また、領域設定部３１は、仮想面ＩＳの情報をベクトル算出部３２に送信する。

ベクトル算出部３２は、カメラ１０による撮像にて得られた撮像画像データを入力し、撮像画像データからオプティカルフローを算出するものである。オプティカルフローは、例えば特開２００８−９７１２６号公報に記載のようにして算出することができる。このベクトル算出部３２によりオプティカルフローが得られ、オプティカルフローの始点座標を（ｘｓ，ｙｓ）とし、終点座標を（ｘｅ，ｙｅ）とすると、得られる結果は、以下のようになる。

なお、ｍは正の整数である。また、座標系は図４に示すように画像縦方向がＸ軸とされ、画像横方向がＹ軸とされる。

また、ベクトル算出部３２は、算出したオプティカルフローが仮想面ＩＳ内に存在すると仮定し、オプティカルフローから実空間のベクトルを算出するものである。図５は、図３に示したベクトル算出部３２による実空間のベクトルの算出の様子を示す図であって、（ａ）は撮像画像を示し、（ｂ）は実空間のベクトルを示している。

例えばオプティカルフローは図５（ａ）に示すように算出される。このオプティカルフローＯＰは画像上において座標を特定できるが、画像上ではオプティカルフローを示す立体物の位置（特に奥行き）が不明であるため、実空間上でのベクトルは不明となる。そこで、ベクトル算出部３２は、図５（ｂ）に示すようにオプティカルフローＯＰが仮想面ＩＳ内に存在すると仮定して、実空間におけるベクトルとして算出する。この際、ベクトル算出部３２は、各種計算処理を行ってオプティカルフローＯＰから実空間におけるベクト
ルを算出する。なお、背景等については、自車両Ｖ１が走行している場合、車両後方に向けてオプティカルフローＯＰが発生する。

具体的に説明すると、ベクトル算出部３２は以下の処理を実行する。まず、撮像画像上の点は奥行きが不明であるとすると、以下の式を満足する。

ここで、Ｘ０〜Ｚ０はカメラ１０の位置を示し、ＤＸ〜ＤＺが画像上の座標（ｘ，ｙ）から決定される値である。また、ｔは変数である。

また、仮想面ＩＳは以下の方程式により表現することができる。

ベクトル算出部３２は、式（１）を式（２）に代入する。これにより、式（１）に示す変数ｔを求める。この結果、３次元の座標を求めることができ、オプティカルフローＯＰの始点及び終点は、以下に示すように実空間の座標に変換される。

また、ベクトル算出部３２は、実空間の座標を求めた後、以下の式（３）からベクトルを算出する。

なお、式（３）に示すベクトルは仮想面ＩＳ内のベクトルであるため、仮想面ＩＳ内の互いに独立な２つのベクトルに分離可能である。従って、ベクトル算出部３２は、以下の式（４）に示すようにベクトルを分離する。

なお、（Ｌ０，Ｌ１，Ｌ２）及び（Ｌ３，Ｌ４，Ｌ５）は仮想面ＩＳ内の互いに独立なベクトルであるとする。

また、ｖ１，ｖ２〜ｖｍはベクトル成分ｘｘ，ｙｙで表現でき、以下のように表現される。

再度、図３を参照する。移動量推定部３３は、ベクトル算出部３２により算出されたベクトルｖ１〜ｖｍに基づいて他車両Ｖ２の移動量を推定するものである。移動量の推定にあたり移動量推定部３３は、まず、ベクトルｖ１〜ｖｍをクラスタリングして、クラスタリングの結果、ベクトル数が最も多い最大クラスタに属するベクトルから、他車両Ｖ２の移動量を推定するものである。クラスタリングは、Nearest Neighbor法やK-Means法など
、既存の手法が採用されてもよいし、これらの近似手法が採用されてもよい。なお、最大クラスタに属するベクトルをベクトルｖｂ１〜ｖｂｎ（ｎはｍ以下の正の整数）とする。

このクラスタリングにより、図５（ｂ）に示す車両後方に向いたオプティカルフローＯＰが除去される。すなわち、背景等は自車両Ｖ１が定速走行していたとしても、カメラ１０との距離の関係からオプティカルフローＯＰの長さが異なってくる。このため、背景等のオプティカルフローＯＰは最大クラスタに属することはなく、車両後方に向いたオプティカルフローＯＰは除去される。

より詳細に移動量推定部３３は、最大クラスタに属するベクトルｖｂ１〜ｖｂｎの平均値に基づいて他車両Ｖ２の移動量ｖを推定する。すなわち、移動量推定部３３は、以下の式（５）から他車両Ｖ２の移動量ｖを推定する。

以上のように、本実施形態に係る移動量推定装置１は、仮定された車両側面を含む仮想面ＩＳ内にオプティカルフローＯＰが存在すると仮定して、実空間におけるベクトルｖ１〜ｖｍを算出するため、実空間のベクトルｖ１〜ｖｍから移動量を推定することができ、移動量推定の正確性を向上させることができる。特に、実空間における車両側面のベクトルｖ１〜ｖｍであるため、車両が走行時において車両横方向の移動量が少ないことから、そのベクトルから移動量を推定することで、車両前面や後面から推定するよりも推定誤差を軽減し易くできる。

次に、本実施形態に係る移動量推定方法を説明する。図６は、本実施形態に係る移動量推定方法を示すフローチャートであって、仮想面ＩＳの設定までの処理を示している。図６に示すように、まず、領域設定部３１は、立体物検出レーダ２０からの情報に基づいて立体物の外形位置Ｐ１，Ｐ２を検出する（Ｓ１）。

次に、領域設定部３１は、ステップＳ１において検出された外形位置Ｐ１，Ｐ２のうち、車線に沿うものを抽出する（Ｓ２）。次いで、領域設定部３１は、車線に沿う外形位置Ｐ１を直線近似し、近似直線から接地線分Ｌを推定する（Ｓ３）。推定後、領域設定部３１は、ステップＳ１において検出された外形位置Ｐ１，Ｐ２の検出数が予め定められた所定値以上であるか否かを判断する（Ｓ４）。なお、上記予め定められた所定値は、通常の車両であれば検出されるはずである外形位置Ｐ１，Ｐ２の検出数を予め実験等によって求めて、予め設定したものである。

外形位置Ｐ１，Ｐ２の検出数が所定値以上でないと判断した場合（Ｓ４：ＮＯ）、領域設定部３１は、他車両Ｖ２が存在しないと判断し（Ｓ５）、その後図６に示す処理は終了する。すなわち、他車両Ｖ２が存在する場合、或る程度の検出数が得られることから、検出数が所定値に満たない場合、領域設定部３１は、他車両Ｖ２が存在しないと判断する。

一方、外形位置Ｐ１，Ｐ２の検出数が所定値以上であると判断した場合（Ｓ４：ＹＥＳ）、領域設定部３１は、他車両Ｖ２が存在すると判断し（Ｓ６）、仮想面ＩＳを設定する（Ｓ７）。その後、図６に示す処理は終了する。

図７は、本実施形態に係る移動量推定方法を示すフローチャートであって、移動量の推定までの処理を示している。図７に示すように、まず、ベクトル算出部３２は、撮像画像データからオプティカルフローＯＰを算出する（Ｓ１１）。次いで、ベクトル算出部３２は、上記した各式からオプティカルフローＯＰを実空間上のベクトルｖ１〜ｖｍに変換する（Ｓ１２）。この際、ベクトル算出部３２は、上記したようにオプティカルフローＯＰが仮想面ＩＳ内に存在すると仮定して、ベクトルｖ１〜ｖｍを算出する。

その後、移動量推定部３３は、ステップＳ１２において変換されたベクトルｖ１〜ｖｍをクラスタリングする（Ｓ１３）。そして、移動量推定部３３は、最大クラスタに属するベクトル数が予め定められた所定数以上であるか否かを判断する（Ｓ１４）。所定数以上でないと判断した場合（Ｓ１４：ＮＯ）、移動量推定部３３は、オプティカルフローＯＰが得られた対象が他車両Ｖ２でなかったと判断する（Ｓ１５）。すなわち、他車両Ｖ２が自車両Ｖ１の後方に存在しないと判断する。ここで、他車両Ｖ２が存在する場合、或る程
度のベクトル数が得られる。図５（ｂ）に示すように、他車両Ｖ２のベクトルは基本的に同じとなる。このため、最大クラスタに属するベクトル数はある程度の数だけ確保されることとなる。よって、最大クラスタに属するベクトル数が所定数以上でないと判断した場合（Ｓ１４：ＮＯ）、移動量推定部３３は他車両Ｖ２が自車両Ｖ１の後方に存在しないと判断する。そして、図７に示す処理は終了する。なお、上記ベクトル数の所定数は、予め実験等によって求められた、車両であれば検出されるはずのベクトル数を予め設定した値である。

一方、最大クラスタに属するベクトル数が所定数以上であると判断した場合（Ｓ１４：ＹＥＳ）、移動量推定部３３は、オプティカルフローＯＰが得られた対象が他車両Ｖ２であったと判断する（Ｓ１６）。すなわち、他車両Ｖ２が自車両Ｖ１の後方に存在すると判断する。そして、移動量推定部３３は、他車両Ｖ２の移動量を推定する（Ｓ１７）。移動量の算出については、上記したように平均化等を行うとよい。その後、図７に示す処理は終了する。

このようにして、本実施形態に係る移動量推定装置１及び移動量推定方法によれば、仮定された車両側面と路面との交線となる接地線分Ｌを含む鉛直上方に伸びる仮想面ＩＳ内に、オプティカルフローＯＰが存在すると仮定し、当該オプティカルフローＯＰの実空間におけるベクトルを算出する。このように、車両側面を含む仮想面ＩＳ内にオプティカルフローＯＰが存在すると仮定して、実空間におけるベクトルｖ１〜ｖｍを算出するため、実空間のベクトルｖ１〜ｖｍから移動量を推定することができ、移動量推定の正確性を向上させることができる。特に、ベクトルｖ１〜ｖｍは実空間における車両側面のベクトルであるため、車両が走行時において車両横方向の移動量が少ないことから、そのベクトルｖ１〜ｖｍから移動量を推定することで、車両前面や後面から推定するよりも推定誤差を軽減し易くできる。従って、移動量の推定精度を向上させることができる。

また、算出されたベクトルｖ１〜ｖｍをクラスタリングし、クラスタリングの結果、ベクトル数が最も多い最大クラスタに属するベクトルｖｂ１〜ｖｂｎから、車両の移動量を推定する。基本的に接地線分を含む鉛直上方に伸びる仮想面ＩＳ内のうち車両に該当する部分のベクトルは同じとなる。また、仮想面ＩＳ内のうち背景に該当する部分などは上記ベクトルとは異なったベクトルとなる。よって、クラスタリングの結果、ベクトル数が最も多い最大クラスタに属するベクトルｖｂ１〜ｖｂｎから車両の移動量を推定することで、移動量を推定することができる。特に、クラスタリングを行っているため、車両部分におけるベクトルにノイズ等が含まれて、不正確となったとしても、これを除去することができる。従って、一層移動量の推定精度を向上させることができる。

最大クラスタのベクトル数が所定数以上のときに他車両Ｖ２が存在すると判断し、所定数未満ときに他車両Ｖ２が存在しないと判断する。ここで、他車両Ｖ２が存在する場合、他車両Ｖ２自体の各ベクトルは基本的に同じベクトルとなることから、最大クラスタのベクトル数が所定数以上となる。一方、車両が存在しない場合、背景等の様々なベクトルが含まれて最大クラスタのベクトル数が所定数以上とならない。従って、最大クラスタのベクトル数から他車両Ｖ２の存否を判断することができる。

また、最大クラスタに属するベクトルｖｂ１〜ｖｂｎの平均値に基づいて他車両Ｖ２の移動量を推定するため、最大クラスタに属するベクトルｖｂ１〜ｖｂｎにノイズが含まれていたとしても平均化でき、一層移動量の推定精度を向上させることができる。

また、オプティカルフローＯＰが存在すると仮定する仮想面ＩＳを路面から所定高さに限定するため、所定高さ範囲内の仮想面ＩＳを対象に演算を行うだけでよく、演算コストを抑制することができる。

また、検出された立体物の外形位置Ｐ１，Ｐ２のうち、車線に沿っている外形位置Ｐ１を直線近似し、当該近似直線の垂線から接地線分Ｌを推定するため、実際の他車両Ｖ２から接地線分Ｌを推定することとなり、接地線分Ｌの推定精度を向上させることができる。これにより、仮想面ＩＳを精度良く車両側面と一致させることができる。

次に、本発明の第２実施形態について説明する。第２実施形態に係る移動量推定装置１及び移動量推定方法は、第１実施形態のものと同様であるが、一部構成及び処理内容が異なっている。以下、相違点について説明する。

図８は、第２実施形態に係る移動量推定装置２の概略構成図である。図８に示すように、第２実施形態に係る移動量推定装置２は、立体物検出レーダ２０を備えていない。このため、領域設定部３１による接地線分Ｌの推定方法が第１実施形態と異なっている。

図９は、第２実施形態に係る移動量推定装置２による接地線分Ｌの推定方法を説明する上面図である。図９に示すように、第２実施形態において領域設定部３１は、白線認識などにより車線区分線Ｌ’を認識し、車線区分線Ｌ’から予め定められた所定距離ｄだけ離れた位置を接地線分Ｌであると推定する。このように第２実施形態では車線区分線Ｌ’から接地線分Ｌを推定するため、演算コストが低減される。なお、所定距離ｄは、実際に隣接車線を走行する車両の走行位置（車線区分線Ｌ’からの距離）を複数サンプリングし、サンプリングした複数の距離の平均値や統計処理によって求められた最頻値等を予め設定したものである。

なお、第２実施形態において仮想面ＩＳの設定精度は第１実施形態よりも低くなる可能性があるが、所定距離ｄを適切に設定すれば、仮想面ＩＳは本来設定すべき仮想面ＩＳと差が大きくなり過ぎず、実用上は問題が無い。また、上記に代えて、領域設定部３１はカメラ１０（自車両Ｖ１）からの相対位置から接地線分Ｌを推定するようにしてもよい。

図１０は、第２実施形態に係る移動量推定方法を示すフローチャートであって、仮想面ＩＳの設定までの処理を示している。図１０に示すように、まず、領域設定部３１は接地線分Ｌを推定する（Ｓ２１）。推定方法は上記した通り、車線区分線Ｌ’から所定距離ｄだけ離れた位置を接地線分Ｌとする。その後、領域設定部３１は、仮想面ＩＳを設定する（Ｓ２２）。仮想面ＩＳの設定方法は、図６に示したステップＳ７と同様である。

このようにして、第２実施形態に係る移動量推定装置２及び移動量推定方法によれば、第１実施形態と同様に、移動量の推定精度を向上させることができ、他車両Ｖ２の存否を判断することができ、演算コストを抑制することができる。また、接地線分Ｌの推定精度を向上させることができる。

さらに、第２実施形態によれば、車線区分線Ｌ’から所定距離ｄだけ離れた位置を接地線分Ｌと推定するため、接地線分Ｌの推定にあたり演算コストを抑制できると共に、装置構成の簡素化を図ることができる。

以上、実施形態に基づき本発明を説明したが、本発明は上記実施形態に限られるものでは無く、本発明の趣旨を逸脱しない範囲で、変更を加えてもよい。

例えば、第１実施形態に係る移動量推定装置１は、立体物検出レーダ２０を備えているが、これに限らず、他車両Ｖ２の位置を検出できるものであれば、ソナー等を用いてもよい。

１…移動量推定装置
１０…カメラ（撮像手段）
２０…立体物検出レーダ（立体物検出手段）
３０…計算機
３１…領域設定部（接地線分推定手段、立体物検出手段）
３２…ベクトル算出部（オプティカルフロー算出手段、ベクトル算出手段）
３３…移動量推定部（移動量推定手段、クラスタリング手段、車両判断手段）
ａ…画角
ｄ…所定距離
ＩＳ…仮想面
Ｌ…接地線分
Ｌ’…車線区分線
ＯＰ…オプティカルフロー
Ｐ１，Ｐ２…検出位置
Ｖ１…自車両
Ｖ２…他車両

Claims (8)

1. 所定領域を撮像する撮像手段と、
   前記撮像手段による撮像にて得られた画像からオプティカルフローを算出するオプティカルフロー算出手段と、
   仮定された車両側面と路面との交線となる線分である接地線分を推定する接地線分推定手段と、
   前記接地線分推定手段により推定された接地線分を含む鉛直上方に伸びる面内に、前記オプティカルフロー算出手段により算出されたオプティカルフローが存在すると仮定し、当該オプティカルフローから実空間におけるベクトルを算出するベクトル算出手段と、
   前記ベクトル算出手段により算出されたベクトルをクラスタリングするクラスタリング手段と、
   前記クラスタリング手段によるクラスタリングの結果、ベクトル数が最も多い最大クラスタに属するベクトルから、車両の移動量を推定する移動量推定手段と、
   を備えることを特徴とする移動量推定装置。
2. 前記最大クラスタのベクトル数が予め定められた所定数以上のときに車両が存在すると判断し、所定数未満ときに車両が存在しないと判断する車両判断手段をさらに備える
   ことを特徴とする請求項１に記載の移動量推定装置。
3. 前記移動量推定手段は、前記最大クラスタに属するベクトルの平均値に基づいて、車両の移動量を推定する
   ことを特徴とする請求項１又は請求項２に記載の移動量推定装置。
4. 所定領域を撮像する撮像手段と、
   前記撮像手段による撮像にて得られた画像からオプティカルフローを算出するオプティカルフロー算出手段と、
   仮定された車両側面と路面との交線となる線分である接地線分を推定する接地線分推定手段と、
   前記接地線分推定手段により推定された車両側面の接地線分から鉛直上方に伸びる面内に、前記オプティカルフロー算出手段により算出されたオプティカルフローが存在すると仮定し、当該オプティカルフローから実空間におけるベクトルを算出するベクトル算出手段と、
   前記ベクトル算出手段により算出されたベクトルに基づいて、車両の移動量を推定する移動量推定手段と、
   を備えることを特徴とする移動量推定装置。
5. 前記接地線分推定手段は、車線区分線から予め定められた所定距離だけ離れた位置を接地線分と推定する
   ことを特徴とする請求項１から請求項４のいずれか１項に記載の移動量推定装置。
6. 所定領域を撮像する撮像手段と、
   前記撮像手段による撮像にて得られた画像からオプティカルフローを算出するオプティカルフロー算出手段と、
   仮定された車両側面と路面との交線となる線分である接地線分を推定する接地線分推定手段と、
   前記接地線分推定手段により推定された接地線分を含む鉛直上方に伸びる面内に、前記オプティカルフロー算出手段により算出されたオプティカルフローが存在すると仮定し、当該オプティカルフローから実空間におけるベクトルを算出するベクトル算出手段と、
   前記ベクトル算出手段により算出されたベクトルに基づいて、車両の移動量を推定する移動量推定手段と、
   自車両周辺の立体物の外形位置を検出する立体物検出手段と、を備え、
   前記接地線分推定手段は、前記立体物検出手段により検出された立体物の外形位置のうち、車線に沿っている外形位置を直線近似し、当該近似直線の垂線から接地線分を推定する
   ことを特徴とする移動量推定装置。
7. オプティカルフローが存在すると仮定する面は、路面から予め定められた所定高さに限定される
   ことを特徴とする請求項１から請求項６のいずれか１項に記載の移動量推定装置。
8. 所定領域を撮像する撮像手段による撮像にて得られた画像からオプティカルフローを算出するオプティカルフロー算出工程と、
   車両側面と路面との交線となる線分である接地線分を推定する接地線分推定工程と、
   前記接地線分推定工程において推定された接地線分を含む鉛直上方に伸びる面内に、前記オプティカルフロー算出工程において算出されたオプティカルフローが存在すると仮定し、当該オプティカルフローの実空間におけるベクトルを算出するベクトル算出工程と、
   前記ベクトル算出工程において算出されたベクトルをクラスタリングするクラスタリング工程と、
   前記クラスタリング工程におけるクラスタリングの結果、ベクトル数が最も多い最大クラスタに属するベクトルから、車両の移動量を推定する移動量推定工程と、
   ことを特徴とする移動量推定方法。

Images