変化領域認識装置および変化認識システム
【課題】 リアルタイムに変化領域を抽出し、ＧＩＳデータベースを更新できるようにすることを目的とする。
【解決手段】 環境変化認識システム１０においてＧＩＳデータベース３００は教師データ記憶部３２０に元になるＧＩＳデータ（教師データ）を記憶する。センサ２００は距離画像を撮像し認識装置１００に出力する。認識装置１００では、ＧＩＳモデル作成部１１０で距離画像に対応するＧＩＳモデルデータを作成する。次に、変化領域抽出部１２０で教師データとＧＩＳモデルデータとを比較して変化領域を抽出し、抽出した変化領域内の物体の輪郭を抽出する。次に、物体認識部１３０で形状データ記憶部１４０に記憶された各形状データと抽出した物体の輪郭とを比較して物体を認識する。そして、物体のＧＩＳデータをＧＩＳデータベース３００に反映する。
【解決手段】 環境変化認識システム１０においてＧＩＳデータベース３００は教師データ記憶部３２０に元になるＧＩＳデータ（教師データ）を記憶する。センサ２００は距離画像を撮像し認識装置１００に出力する。認識装置１００では、ＧＩＳモデル作成部１１０で距離画像に対応するＧＩＳモデルデータを作成する。次に、変化領域抽出部１２０で教師データとＧＩＳモデルデータとを比較して変化領域を抽出し、抽出した変化領域内の物体の輪郭を抽出する。次に、物体認識部１３０で形状データ記憶部１４０に記憶された各形状データと抽出した物体の輪郭とを比較して物体を認識する。そして、物体のＧＩＳデータをＧＩＳデータベース３００に反映する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ＧＩＳデータを利用して変化領域を認識する変化領域認識装置および変化認識システムに関するものである。
【背景技術】
【０００２】
三次元ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）は、従来の２次元地図の拡張として考えられ、主に測量・地図メーカによって発展されてきた。現在そのような分野では、広範囲の地図の作成に、航空機からの写真撮影によって情報を収集する手法が一般的であり、三次元ＧＩＳの作成に関しても、航空機からの写真撮影やレーザレーダにより、建物の高さの測定が行われてきた（特許文献１，特許文献２）。航空機からの情報収集は一度に広大な範囲を測定することが可能であり、地形の計測や、ビル等の大型建造物の形状データを比較的容易に得ることができる。
【０００３】
また、三次元ＧＩＳは、実世界の空間情報をデータベースとしてモデル化したものである。物体をオブジェクトとして扱い、従来の地図で表される２次元座標に加え、高さ情報や時間変化、所有者など様々な属性情報を付与することが可能であり、地図で一般的に表現される建造物等の固定物だけではなく、固定物の破損や時間変化、人や車といった移動体についても「何が」「いつ」「どこに」存在したかということを表すことができる。また、データベースとなっていることでオブジェクトの条件検索や、要素の演算が可能であり、必要とされるデータを容易に作製することができる。
つまり、空間情報をＧＩＳデータベースに統合・管理し、必要な情報をシミュレータによって仮想空間上に再現することで、広大な実世界の状況を容易に、素早く把握することが可能となり、監視や警備の自動化や、災害発生時の初期状況把握に対して有効であると考えられる。
【特許文献１】特開２００３−３２３６４０号公報
【特許文献２】特開２００２−３２８０２１号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
そこで現在、三次元ＧＩＳデータを教師データとして、固定センサまたは移動センサを用いて状況の変化を捉え、監視・警備業務を自動化しようというニーズがある。例えば、駐車場における駐車状況の把握や、工場などの進入規制のある場所に対する人の出入りの監視、山崩れの危険のある場所の監視、都市部における大震災後の震災総合シミュレータへの適応などである。これらの業務は従来、人間の目によって絶え間なく監視することで対応されてきた。しかし、人間は疲れなどで見逃す可能性があり、その精度には限界があった。
【０００５】
現在の三次元ＧＩＳは、従来の２次元地図と同様に、ある時点で作成したモデルは時々刻々と変化する実世界を追従することができない。このため、時間の経過と共にデータベースとしての価値を失ってしまっていた。つまり、更新の頻度がデータベースの価値を決定し、特に監視や警備の用途においてはほぼリアルタイムでのデータベース更新が必要となる。しかし、三次元ＧＩＳの作成には２次元地図よりもはるかに膨大なデータを取得する必要があり、そのデータ処理にも多大なる作業が発生するため、容易には行えない。そのため、年単位でのデータベース更新が一般的であり、監視・警備用途で必要となるような、リアルタイムでの変化域の抽出とデータベースの更新は行われていない。また、データベース化される対象も固定物に限定されている。
【０００６】
本発明は、上記の課題などを解決するためになされたもので、例えば、リアルタイムに変化領域を抽出できるようにすることを目的とする。
また、リアルタイムにＧＩＳデータベースを更新できるようにすることを目的とする。
【課題を解決するための手段】
【０００７】
本発明の変化領域認識装置は、特定領域を示す第１の領域データと任意の時刻における前記特定領域を示す第２の領域データとを入力し、入力した第２の領域データに基づいて第１の領域データに対する第２の領域データの誤差範囲を算出し、第１の領域データと第２の領域データとを比較して第１の領域データと第２の領域データとで相違する第１の領域データの部分データと第２の領域データの部分データとを抽出し、抽出した第１の領域データの部分データと第２の領域データの部分データとを前記誤差範囲に基づいて比較し、第２の領域データの部分データが第１の領域データの部分データからの前記誤差範囲内に位置しない場合に第２の領域データの部分データを前記特定領域内の変化領域を示す変化領域データとして特定する変化領域特定部と、前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部とを備えたことを特徴とする。
【発明の効果】
【０００８】
本発明によれば、第１の領域データと第２の領域データとを誤差領域を用いて比較することで的確に変化領域を抽出することができる。
【発明を実施するための最良の形態】
【０００９】
実施の形態１．
三次元ＧＩＳを監視・警備用途に使用することを考えると、従来のＧＩＳデータ更新方法において幾つかの問題が明確になる。まず、測定位置が上空であることである。上空からの測定では、地面や屋根といった水平面の計測がしやすい反面、壁面などの垂直面や屋根の下などの陰になる部分に対してほとんど計測できない。また、人や車両など地形に比べると格段に小さな物体を対象とすることは、今後のセンサの解像度向上や計算機の画像処理能力の向上を考慮しても困難である。また、データ取得から解析処理に時間がかかり、データベースの更新には数ヶ月から数年単位、短くても数日を要していた。このため、人や車両といった移動体をデータベース化したり、変化が起こった時を捉えたりといった用途には使用できなかった。
【００１０】
図１は、実施の形態１における環境変化認識システム１０の構成図である。
人や車両を含む変化領域の抽出と、抽出した変化領域のＧＩＳデータベースへの反映とをリアルタイムに行うための環境変化認識システム１０の構成について、図１に基づいて以下に説明する。
【００１１】
環境変化認識システム１０は、距離画像の計測を行う一つ以上のセンサ２００（図１ではセンサ２００を一つだけ図示する）と、センサ２００の計測結果を解析処理する認識装置１００と、ＧＩＳデータを管理、更新するＧＩＳデータベース３００とを備える。それぞれの間はデータ通信回線で接続されている。
【００１２】
センサ２００は、周囲の環境を計測し距離画像の取得を行う距離画像測定装置２１０を備える。距離画像測定装置２１０は、例えばレーザレーダやステレオ視カメラ等の画像データ取得部とデータ処理部を備えて構成される。
ここでセンサ２００は、測定対象（領域や物体）を計測できるように配置されているものとする。例えば、測定対象の３方（前方、後方、側面）を撮像できるようにして２ヶ所以上に配置してもよいし、自己位置標定装置（例えばＲＴＫ−ＧＰＳ／ＩＮＳ：ＲｅａｌＴｉｍｅ Ｋｉｎｅｍａｔｉｃ−Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ／Ｉｎｅｒｔｉａｌ Ｎａｖｉｇａｔｉｏｎ Ｓｙｓｔｅｍ）（図示しない）を備えて自己位置を取得する１つのセンサ２００を配置し、測定対象の周辺を移動してもよい。
【００１３】
以下、センサ２００が、３６０度全周囲の撮像が可能なＯＤＶ（Ｏｍｎｉ−Ｄｉｒｅｃｔｉｏｎａｌ Ｖｉｓｉｏｎ）により距離画像を取得する距離画像測定装置２１０と、ＲＴＫ−ＧＰＳ／ＩＮＳにより自己位置を測位する自己位置標定装置（図示しない）とを備える場合について説明する。このとき、自己位置を測位できるセンサ２００は測位対象の周辺を移動する。
ＲＴＫ−ＧＰＳ／ＩＮＳによる測位をする場合、センサ２００は、数センチの精度でリアルタイムに自己の位置・姿勢の計測が可能になる。また、ＯＤＶにより撮像する場合、センサ２００は、計測した位置・姿勢のデータと同期のとれた全周画像を取得することが可能になる。そして、ＲＴＫ−ＧＰＳ／ＩＮＳの計測データから求められるＯＤＶの位置（ＯＤＶの円筒形状を成す仮想撮像面の中心位置）・姿勢（ＯＤＶの仮想撮像面の中心を原点とする局所空間座標系の基準座標軸の方向）や移動速度などの運動パラメータと、センサ２００の移動に伴ない複数地点でＯＤＶにより取得した全周画像とを用いて、距離画像測定装置２１０のデータ処理部でエピポーラ拘束や視差を求めるモーションステレオ視の方法により距離画像を取得する。
例えば、異なる二地点でＲＴＫ−ＧＰＳ／ＩＮＳの計測データからＯＤＶの位置・姿勢の６自由度を推定し、これを拘束条件としてＯＤＶの全周画像の全画素に関するエピポーラ拘束（移動に伴なうＯＤＶの各位置とＯＤＶの注視点とが存在する平面であるエピポーラ平面、及びエピポーラ平面がＯＤＶの仮想撮像面と交差するエピポーラ線等の幾何学的な拘束条件）を求める。このエピポーラ拘束に従い、異なる二地点でそれぞれ得られた全周画像（仮想撮像面）上で、同一対象物（二地点の全周画像上で互いに対応する注視点）の画像を特定する（マッチングを取る）。特定した各画像を用いてモーションステレオ視の原理によって視差によって対象物までの距離と方向を求め、当該距離と方向に存在する画像の画像情報を求めて、距離画像を得る。この距離画像を用いて各画像の三次元モデルを構築することによって、密なテクスチャ付き三次元モデルの作成が可能になる。
さらに、３６０度全周囲の画像を自己位置／姿勢と同期して取得できるため、走行中のデータ取得が可能である他、車体動揺による姿勢角の補正も可能になる。また、ステレオ視演算の相関を取る画像を変え、ベースラインを自由に変えることで、距離画像精度を上げることが可能になる。
【００１４】
ここで、距離画像とは、センサ２００からセンサ２００のセンシング範囲にある測定対象までのベクトルデータと画像データから構成されるデータのことである。このベクトルデータは、センサ２００から測定対象を構成する各点までのベクトルを示し、センサ座標系で表現される。また、この画像データはセンサ２００が取得した測定対象の画像における１画素もしくは数画素分の色情報や階調情報等で構成される。距離画像は測定対象を構成する各点毎のデータを集合させた点列データとして得られる。
なお、レーザレーダで距離画像を取得する場合は、レーザの出力光が物体で反射して戻ってくるまでの時間を計測して距離を算出した後、レーザの出力方向を変動させる。レーザの出力方向と上記算出された距離とを逐次計測し、この計測値を集積することによって物体の三次元形状を測定する。
【００１５】
認識装置１００はＧＩＳモデル作成部１１０と変化領域抽出部１２０と物体認識部１３０と形状データ記憶部１４０とＧＩＳモデル記憶部１５０とを備える。
ＧＩＳモデル作成部１１０では、センサ２００が取得した測定対象の距離画像と位置情報とを入力して三次元ＧＩＳモデルデータを作成する。センサ２００が複数存在する場合は、測定対象を測定した複数のセンサ２００のデータを入力して一つの三次元ＧＩＳモデルデータを作成する。そして、作成した三次元ＧＩＳモデルをＧＩＳモデル記憶部１５０に記憶する。三次元ＧＩＳモデル（以下、三次元モデルデータとする）とは、センサ２００の取得した点列データをセンサ座標系から任意の座標系に変換したデータであり、三次元の領域を示すデータである。
なお、任意の座標系としては、各地域毎に設定された基準座標系を用いても良いし、特定の施設や領域内で固定された局所的な基準座標系を用いても良い。
変化領域抽出部１２０では、ＧＩＳモデル作成部１１０が作成した三次元モデルデータとＧＩＳデータベース３００であらかじめ管理されている三次元ＧＩＳデータとを比較する。そして、ＧＩＳデータベース３００の三次元ＧＩＳデータを教師データとしてＧＩＳモデル作成部１１０が作成した三次元モデルデータの差異を抽出し、抽出した差異部分を変化領域とする。そして、変化領域内に存在する新たな物体を抽出する。つまり、変化要因である物体（変化領域）を特定する。ＧＩＳモデル作成部１１０とＧＩＳデータベース３００は共通の座標系を参照する。
形状データ記憶部１４０には、各種物体の「形状」、「大きさ」の情報（形状データ）を記憶しておく。
物体認識部１３０では、変化領域抽出部１２０が抽出した変化領域内の新たな物体の「形状」、「大きさ」をキーとして形状データ記憶部１４０を検索し、対応する物体を判定する。つまり、変化を引き起こしたのがどのような状況によるものかの認識を行う。
【００１６】
ＧＩＳデータベース３００は教師データ記憶部３２０とＧＩＳデータ更新部３１０とＧＩＳデータ参照部３３０とを備える。
教師データ記憶部３２０は三次元ＧＩＳデータ（教師データ）を時刻と共に記憶する。三次元ＧＩＳデータとは、三次元の領域を示すデータである。
ＧＩＳデータ更新部３１０は、認識装置１００で認識した物体の発失を教師データ記憶部３２０に登録する。つまり、ＧＩＳデータ更新部３１０がセンサ２００の計測の状況をデータベースに反映することで、現在の状況へと更新する。
ＧＩＳデータ参照部３３０は、測位対象に関する情報（位置情報や名称）を入力し、対応する教師データを教師データ記憶部３２０から取得して出力する。つまり、センサ２００の前回の測定時の教師データを認識装置１００に出力する。
三次元ＧＩＳデータ（教師データ）では、測定対象となった建物や構造物等の立体形状を有する物体毎に、各物体を互いに識別するための識別番号が割当てられている。三次元ＧＩＳデータは、例えば複数の点（ノード）と各ノードを接続する接続ラインから構成されて、接続ラインが立体的な形状を成す。
【００１７】
以下、時空間ＧＩＳとして知られるＫＩＷＩ＋を使用する場合について説明する。
ＫＩＷＩ＋のデータフォーマットは、建物等の物体をベクトルと画像テクスチャ等の属性で表現している。そこで認識装置１００は、センサ２００がステレオ視で得た三次元の点列データから面抽出を行い、面の各頂点を求めベクトル化し、得られた面にＯＤＶ画像の対応テクスチャを貼付け、専用ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）（ＧＩＳデータ更新部３１０のインタフェース）を介してＫＩＷＩ＋データベース（ＧＩＳデータベース３００）の更新を行う。
【００１８】
図２は、実施の形態１における認識装置１００の外観を示す図である。
図２において、認識装置１００は、システムユニット９１０、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）表示装置９０１、キーボード（Ｋ／Ｂ）９０２、マウス９０３、コンパクトディスク装置（ＣＤＤ）９０５、プリンタ装置９０６、スキャナ装置９０７を備え、これらはケーブルで接続されている。
さらに、認識装置１００は、ＦＡＸ機９３２、電話器９３１とケーブルで接続され、また、ローカルエリアネットワーク（ＬＡＮ）９４２、ウェブサーバ９４１を介してインターネット９４０に接続されている。
【００１９】
図３は、実施の形態１における認識装置１００のハードウェア構成図である。
図３において、認識装置１００は、プログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９１１を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、通信ボード９１５、ＣＲＴ表示装置９０１、Ｋ／Ｂ９０２、マウス９０３、ＦＤＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ Ｄｒｉｖｅ）９０４、磁気ディスク装置９２０、ＣＤＤ９０５、プリンタ装置９０６、スキャナ装置９０７と接続されている。
ＲＡＭ９１４は、揮発性メモリの一例である。ＲＯＭ９１３、ＦＤＤ９０４、ＣＤＤ９０５、磁気ディスク装置９２０、光ディスク装置は、不揮発性メモリの一例である。これらは、記憶装置あるいは記憶部の一例である。
通信ボード９１５は、ＦＡＸ機９３２、電話器９３１、ＬＡＮ９４２等に接続されている。
例えば、通信ボード９１５、Ｋ／Ｂ９０２、スキャナ装置９０７、ＦＤＤ９０４などは、情報入力部の一例である。
また、例えば、通信ボード９１５、ＣＲＴ表示装置９０１などは、出力部の一例である。
【００２０】
ここで、通信ボード９１５は、ＬＡＮ９４２に限らず、直接、インターネット９４０、或いはＩＳＤＮ等のＷＡＮ（ワイドエリアネットワーク）に接続されていても構わない。直接、インターネット９４０、或いはＩＳＤＮ等のＷＡＮに接続されている場合、認識装置１００は、インターネット９４０、或いはＩＳＤＮ等のＷＡＮに接続され、ウェブサーバ９４１は不用となる。
磁気ディスク装置９２０には、オペレーティングシステム（ＯＳ）９２１、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３は、ＣＰＵ９１１、ＯＳ９２１、ウィンドウシステム９２２により実行される。
【００２１】
上記プログラム群９２３には、実施の形態の説明において「〜部」として説明する機能を実行するプログラムが記憶されている。プログラムは、ＣＰＵ９１１により読み出され実行される。
ファイル群９２４には、実施の形態の説明において、「〜判定し」、「〜を判定した結果」、「〜を計算し」、「〜を計算した結果」、「〜を処理し」、「〜を処理した結果」のような表現で説明する結果情報が、「〜ファイル」として記憶されている。
また、実施の形態の説明において説明するフローチャートの矢印の部分は主としてデータの入出力を示し、そのデータの入出力のためにデータは、磁気ディスク装置９２０、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ ｃａｒｔｒｉｄｇｅ）、光ディスク、ＣＤ（コンパクトディスク）、ＭＤ（ミニディスク）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、その他の記録媒体に記録される。あるいは、信号線やその他の伝送媒体により伝送される。
【００２２】
また、実施の形態の説明において「〜部」として説明するものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェアのみ、或いは、ハードウェアのみ、或いは、ソフトウェアとハードウェアとの組み合わせ、さらには、ファームウェアとの組み合わせで実施されても構わない。
【００２３】
また、実施の形態を実施するプログラムは、磁気ディスク装置９２０、ＦＤ、光ディスク、ＣＤ、ＭＤ、ＤＶＤ、その他の記録媒体による記録装置を用いて記憶されても構わない。
【００２４】
図４は、実施の形態１における環境変化認識システム１０の処理の流れを示すフローチャートである。
環境変化認識システム１０において、まず、センサ２００は距離画像測定装置２１０（全周撮像装置：ＯＤＶ）から距離画像を取得すると共に撮像した位置の情報を取得する（Ｓ１０１〜Ｓ１０２）。次に、ＧＩＳモデル作成部１１０は取得した距離画像と位置情報とに基づいて距離画像の三次元モデルデータを生成する（Ｓ１０３〜Ｓ１０４）。生成された三次元モデルデータは一旦メモリに格納される。
次に、変化領域抽出部１２０は三次元モデルデータと教師データを、三次元空間上で投票処理して変化領域を抽出する。抽出した変化領域において物体が消失している場合、ＧＩＳデータ更新部３１０は、消失した物体（の存在位置・存在領域）に対応する教師データを更新する。ＧＩＳモデルデータには、その識別番号に対応付けられて消失した物体の消失時間を示す消失時間フラグ、新たに生成した物体の生成時間を示す生成時間フラグ等の、属性データの記憶領域が設定されている。
例えば、教師データ記憶部３２０から、三次元モデルデータ中で消失した物体に対応するＧＩＳモデルデータを参照し、参照されたＧＩＳモデルデータに対して消失した物体の消失時間を示す消失時間フラグを設定する。（Ｓ１０５）。
次に、変化領域抽出部１２０は抽出した変化領域において新たな物体が発生している場合、クラスタリング処理をして変化領域の分割を行い、発生した新たな物体（以下、変化領域の物体とする）を抽出する（Ｓ１０６）。
次に、変化領域の物体の三次元モデルをＸＹＺ各面に投影し（Ｓ１０７）、変化領域の物体の輪郭を抽出する（Ｓ１０８）。
次に、物体認識部１３０は抽出した物体の輪郭と形状データ記憶部１４０に記憶された物体の形状データとを比較し、変化領域の物体の認識を行う（Ｓ１０９）。そして、ＧＩＳデータ更新部３１０は認識した物体を教師データ記憶部３２０に反映させる（Ｓ１１０）。
【００２５】
環境変化認識システム１０は、このようなフローにより、作成した三次元モデルから、環境の変化の認識とＧＩＳデータベース３００の更新作業を自動的に行うことで、教師（ＧＩＳ）データの更新範囲を小さくし、環境の変化をリアルタイムに捉えることができる。
【００２６】
次に、図４に示すフローチャートの各処理の詳細について以下に説明する。
ここでは、教師（ＧＩＳ）データに存在しない駐車車両を変化領域の物体として抽出する例で説明を行う。
【００２７】
まず、Ｓ１０１〜Ｓ１０４の処理について説明する。
図５は、実施の形態１における距離画像取得（Ｓ１０１）の方法を示す図である。
センサ２００は、図５に示すように、車両脇を画像取得位置１から画像取得位置３に移動して車両の前後、道路側の側面からの距離画像を取得する（Ｓ１０１）。また、距離画像を取得時に距離画像を取得した位置をＧＰＳ／ＩＮＳにより測位する（Ｓ１０２）。
ＧＩＳモデル作成部１１０は、センサ２００から距離画像（点列データ）と位置情報とを取得する。そして、位置情報に対してセンサ２００のセンサ座標系から教師データ記憶部３２０に記憶されるＧＩＳデータの座標系に座標変換を行う（Ｓ１０３）。
ＧＩＳモデル作成部１１０は、距離画像を座標変換した位置情報に対応させて、Ｘ座標値、Ｙ座標値、Ｚ座標値と色情報（ＲＧＢ：Ｒｅｄ−Ｇｒｅｅｎ−Ｂｌｕｅ）とを持つ点列データ（三次元モデルデータ）をＧＩＳモデル記憶部１５０に記憶する（Ｓ１０４）。
【００２８】
次に、Ｓ１０５の処理について説明する。
三次元モデルデータを生成する際に行ったＯＤＶの測定と、教師データ記憶部３２０の教師（三次元ＧＩＳ）データを生成する際に行った測定では測定環境が異なる。つまり、三次元モデルデータと教師データとでは誤差が生じるため、重複するデータを消去することで差分をとることができない。そこで、変化領域抽出部１２０は、まず、ＧＩＳモデル記憶部１５０から、新たに生成された三次元モデルデータを取得する。次に、取得した三次元モデルの位置情報をＧＩＳデータ参照部３３０に出力する。ＧＩＳデータ参照部３３０は、教師データ記憶部３２０から位置情報の示す位置に対応する教師データを取得して変化領域抽出部１２０に出力する。そして変化領域抽出部１２０は、生成された三次元モデルデータと、教師データを用いて投票処理を行い、変化領域を抽出する（Ｓ１０５）。
【００２９】
図６、図７は、実施の形態１における変化領域の抽出（Ｓ１０５）時の投票処理方法を示す図である。
投票処理について、図６、図７に基づいて以下に説明する。
まず、三次元ＧＩＳデータの座標系（Σ）に沿って、空間を特定の間隔ｄで区切ることで、空間を複数の小空間（ボクセル空間。以下、単にボックスと呼ぶ）に区分けする。各ボックスを、例えば三次元の配列データ（i,j,k）で番号付けする。
次に、センサ２００の取得画像から三次元モデルデータを生成する。三次元モデルデータの各データ点（ノード）について、どのボックス内にそのデータ点の座標が存在するのかを識別する。例えば図６の例に示すように、上記ボックスのうち、そのデータ点の座標Ｑ（２.３、１.５、０.３）が内部に含まれるボックスＢを、データ点を有した（２、１、０）番の配列のボックスとしてカウントする（投票処理する）。このボックスの投票処理により、三次元モデルデータの各データ点の集合を、ボックスの集合（ボックスが繋がって形成される集合体）に捉え直して表現する。なお、データ点の座標からボックスの配列を求める際は、図の例のように単に座標値を四捨五入するなど、簡便な方法を用いて求めると、演算量を軽減することができる。
また、データ点が含まれるボックスの座標として、そのボックスの代表点Ｐ（中心点など）を採用し、その代表点を用いて以下のように誤差判定を行う。
投票処理の結果得られるボックスの代表点を、各代表点に一定の誤差σを持たせた球状の領域の集合として、この代表点と教師（三次元ＧＩＳ）データと比較する。
図７左図のように、三次元ＧＩＳデータを構成する各点（黒丸）の誤差領域内にボックスモデルデータを構成する代表点（白丸）が存在する場合は、この代表点を有するボックスモデルデータが三次元ＧＩＳデータと同一と判定し、このボックスモデルデータを切り捨てる。
図７右図のように、三次元ＧＩＳデータの誤差領域内にボックスモデルデータを構成する代表点が存在しない場合は、このボックスモデルデータが変化領域の一部を示すデータであると判断して、この代表点に連結したボックスモデルデータを整理する。
【００３０】
ここで、ボックスモデルデータの各代表点に持たせる誤差は以下のように求める。
代表点の測定値が複数ある場合、加重平均をして測定値の最良推定値を求める。以下、ある量ＸについてＮ個の測定値があるものとする（式１）。
【００３１】
【数１】
【００３２】
式１において、σ1，σ2，・・・σNはそれぞれの誤差、つまり標準偏差である。以下に標準偏差の算出方法を示す。
【００３３】
最良推定値は加重平均Ｘwavの計算式を式２に示す。
【００３４】
【数２】
【００３５】
ここで、和はＮ個すべての測定値にまたがり、ｉ＝１，２，・・・Ｎである。
また、Ｗiは式３のように定義される重みであり、それぞれの誤差の逆数の二乗である。
【００３６】
【数３】
【００３７】
以上より、求める誤差σiは式４で示すことができる。
【００３８】
【数４】
【００３９】
次に、Ｓ１０６（図４）の処理について説明する。
Ｓ１０５で抽出した変化領域はそれぞれ特定の体積を持つボックスであるが、変化をもたらしたものは何らかの形状を持つ物体である。
よって、この変化の生じた変化ボックスを、変化領域として認識する必要がある。
そこで、変化領域の分割（Ｓ１０６）の処理では、互いの間隔が一定範囲内にある隣接したボックスをまとめて、ひとつの変化領域として認識する。
これをクラスタリングと呼ぶ。
その手順は以下のとおりである。
（１）低密度部分の消去
ボックスのカウント数がしきい値以下となるボックスの、カウント値を０とする。
（２）領域化
所定のボックスに囲まれたカウント値０のボックスに対し、高いカウント値を設定することで領域化する。
（３）ノイズの削除
まとまったボックス集合体の、領域体積の小さい領域（ノイズ領域）を削除する。
Ｓ１０５で抽出した変化領域内には、複数の物体を含んでいる場合が考えられ、それらを個別に認識する必要がある。そこで変化領域の分割（Ｓ１０６）では、クラスタリング処理で変化領域を物体毎に分割している。クラスタリング処理とは、変化領域をボックスが連結する各部分に分割し、分割した各部分が別の物体を構成するものか同一の物体を構成するものかを判定して同一の物体を構成する部分をグループ化する処理のことである。
【００４０】
次に、Ｓ１０７（図４）の処理について説明する。
変化領域抽出部１２０は、Ｓ１０６で分割した各変化領域の三次元モデルデータをＸ、Ｙ、Ｚの各平面に投影する。例えば、ＶＲＭＬや点密度で三次元モデルデータを各平面に投影する。
【００４１】
次に、Ｓ１０８の処理について説明する。
変化領域抽出部１２０は、Ｓ１０７で各変化領域の三次元モデルデータを投影した各平面のデータに基づいて物体の輪郭を抽出する。例えば、曲線、曲面を抽出してもよいし、前出の直線近似により輪郭を抽出してもよい。
【００４２】
ここで、輪郭抽出のための前処理として、以下に変化領域の分割の詳細について説明する。
図８は、実施の形態１におけるＳ１０８で実施される変化領域の分割を示す図である。
図８において、左図が分割前の変化領域であり、右図が分割後の変化領域である。右図は、左図の変化領域をラベル１で示す領域、ラベル２で示す領域、ラベル３で示す領域に分割した場合を示している。
【００４３】
図９は、この変化領域の分割処理のフローチャートである。
図８に示す変化領域の分割を行うために変化領域抽出部１２０は図９に示す処理を行う。
図９において、Ｓ２０１〜Ｓ２０７の処理がクラスタリング処理であり、Ｓ２０８の処理がラベリング処理である。
【００４４】
まず、Ｓ１０７で処理された、変化領域の三次元モデルデータ（距離画像から作成された点データの集合）のＹ平面への投影データについて、Ｙ平面における変化領域を区分し、各区分の点密度を算出する（Ｓ２０１）。
【００４５】
図１０は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（ＶＲＭＬ）である。
図１０では、抽出された変化領域の駐車車両（２台）の三次元モデルデータをＶＲＭＬ（Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ Ｍｏｄｅｌｉｎｇ Ｌａｎｇｕａｇｅ）フォーマットでＹ平面（ここでは、車両の側面）に投影したものを示している。
【００４６】
図１１は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（点密度）である。
図１１では、図１０で示した駐車車両を、１ｃｍ2あたりの三次元モデルの点密度で示している。つまり、１ｃｍ2内に点データが有る場合、その１ｃｍ2を１つの点で示す。また、その１ｃｍ2内に存在する点の数（点密度）が多い場合と少ない場合とで色を変える。
図１１は、横視差ステレオで距離画像を取得し三次元モデルを作成した場合のＹ平面投影図であるが、横視差ステレオは、ベースラインと平行する横エッジの感度が低いため、横エッジが少ない車両の側面には測定できなかった部分（点データが無い部分または点密度が低い部分）が生じている。
【００４７】
図９において、次に、点密度の低い部分のデータを削除する（Ｓ２０２）。
【００４８】
図１２は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（低密度部分削除後）である。
図１２では、図１１で示した駐車車両に対する点密度のうち、点密度が１０未満の部分を削除したものを示している。
【００４９】
図９において、次に、高い点密度部分に囲まれた点密度が０の部分（Ｓ２０２で削除された点密度の低い部分を含む）のデータに高い点密度を設定して、一つの高い点密度の領域にする（Ｓ２０３）。
【００５０】
図１３は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（領域化後）である。
図１３では、図１２で示した駐車車両に対する点密度のうち、高い点密度部分に囲まれた隙間を埋めて領域化したものを示している。
【００５１】
図９において、次に、面積が小さい点密度の領域（ノイズ）のデータを削除する（Ｓ２０４）。
【００５２】
図１４は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（ノイズ削除後）である。
図１４では、図１３で示した駐車車両に対する点密度の領域のうち、領域面積が１０（ｃｍ2）以下の領域を削除したものを示している。
【００５３】
図９において、次に、変化領域のデータをＳ２０４までで処理した点密度の各領域のデータに対応させて分割する（Ｓ２０５）。
【００５４】
図１５は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（分割後）である。
図１５では、図１４で示した駐車車両に対する四角形で近似した各領域で変化領域を分割したものを示している。図１５において、変化領域の２台の駐車車両はそれぞれ車体の前部と後部とに分割されている。
【００５５】
図９において、次に、点密度の各領域のデータを最小二乗法により直線近似する（Ｓ２０６）。
【００５６】
図１６は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（直線近似後）である。
図１６では、図１５で示した駐車車両に対する点密度の各領域を直線近似したものを示している。
【００５７】
図９において、次に、隣り合った二つの領域のＲＧＢ平均輝度値を比較し、Ｓ２０６で近似した直線の傾きとＲＧＢ平均輝度値とに基づいて同一の物体を構成する領域であるか判定する（Ｓ２０７）。
具体的には、四角形で近似した隣り合う領域の内側の間隔または外側の間隔が一定の閾値より大きい、つまり、隣り合う領域が一つの物体を構成するには離れすぎているか、隣り合う領域が一つの物体を構成すると物体が大きすぎると判断できる場合に、隣り合う領域は一つの物体を構成しないと判定する。駐車車両を対象とする場合、一般的な車両の大きさを考慮して閾値を設定すればよい。
また、直線で近似した隣り合う領域が形成する物体の形状の特徴に基づく判定を行う。
例えば、駐車車両を対象とする場合、中央部の窪んだ車両は無いと判断できることから、隣り合う領域の直線が逆八の字を形成する場合、隣り合う領域は一つの物体を構成しないと判定する。
また、色の連続性を考慮して、隣り合う領域のＲＧＢ平均輝度値が一定の閾値以上に異なる場合、隣り合う領域は一つの物体を構成しないと判定する。
上記判定の組合せにより判定を行い、隣り合う領域が一つの物体を構成しないと判定しなかった場合に、隣り合う領域が一つの物体を構成すると判定する。
これにより、物体の一部の画像データが取得できず物体の画像データが複数の領域に分割された場合であっても各領域が一つの物体を構成することを検出することができる。
【００５８】
図１７は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（同一物体の判定後）である。
図１７では、図１６で示したそれぞれ２つの領域に分割された２台の駐車車両を車両単位で認識したものを示している。
【００５９】
図９において、最後に、変化領域の物体毎に任意のラベルを付加する（Ｓ２０８）。このラベルは物体に関するデータの指定などに使用する。例えば、ラベルと対応付けて物体のＧＩＳデータを教師データ記憶部３２０に記憶したり、ラベルを指定して物体のＧＩＳデータを教師データ記憶部３２０から削除したりする。
【００６０】
次に、二次元平面でクラスタリング及びラベリングの施されたデータについて、物体の輪郭を直方体近似して抽出する場合を説明する。
まず、Ｙ平面やＸ平面において変化領域の各物体を四角形近似して物体側面の長さと物体の高さを計測する。前出の図１７は、Ｙ平面において変化領域の各物体を四角形に近似した場合を示している。
【００６１】
次に、Ｚ平面やＸ平面において変化領域の各物体を四角形近似して物体の幅を計測する。
図１８、図１９は、実施の形態１における変化領域（駐車車両）のＺ平面投影図である。
図１８は、図１７の２台の駐車車両の三次元モデルデータをＺ平面に投影してそれぞれを四角形近似した図である。
また、前出の図５で説明したように、駐車車両に対して前方、後方、側面の画像を取得する場合、画像を取得した反対側の側面を撮像できない為、Ｚ平面投影図は、通常、図１９に示すように３辺のみ点密度が存在することになる。しかし、既知の３辺から四角形近似ができるため、駐車車両の幅を計測することができる。
【００６２】
次に、Ｓ１０９の処理について説明する。
物体認識部１３０は、Ｓ１０８で変化領域抽出部１２０が抽出した輪郭について形状データ記憶部１４０を検索して抽出した輪郭に対応する物体を判定する。そして、形状データ記憶部１４０に記憶された対応する物体の情報（例えば、物体の名称）を取得し、変化領域の物体を認識する。
例えば、上記のように直方体近似で輪郭を抽出した場合、直方体の高さ、長さ、幅が一致する物体を形状データ記憶部１４０で検索する。
【００６３】
次に、Ｓ１１０の処理について説明する。
物体認識部１３０は、Ｓ１０６で変化領域抽出部１２０が分割した変化領域の各物体に対する画像データ（テクスチャ）をＧＩＳモデル記憶部１５０から取得し、取得したテクスチャとＳ１０９で認識した物体の情報とをＧＩＳデータ更新部３１０に出力する。ＧＩＳデータ更新部３１０はテクスチャと物体の情報とを教師データ記憶部３２０に追加する。
【００６４】
例えば、教師データ記憶部３２０に記憶された各物体のデータが直方体近似されたものであり４つの頂点の位置データ（ＥＮＵ（Ｅａｓｔ Ｎｏｒｔｈ Ｕｐ）座標系）と高さデータとテクスチャで表される場合、以下のようにして三次元モデルデータから教師（三次元ＧＩＳ）データ化して教師データ記憶部３２０を更新する。
まず、物体認識部１３０は、変化領域の物体を示す点データを最小二乗法により直線近似して、直線の傾きから物体の前後を判定する（図１６）。
次に、物体認識部１３０は、判定した物体の前後に対応させて、直方体近似した物体の各面のテクスチャをＧＩＳモデル記憶部１５０から取得する。
図２０は、実施の形態１における直方体近似した物体（駐車車両）からテクスチャを取得する図を示す。
次に、物体認識部１３０は、変化領域の物体を示す点集合から４つの頂点の点データを取得し、取得した点データ（位置データ）の座標系をＥＮＵ座標系に変換する。但し、ＧＩＳモデル記憶部１５０に記憶された点データの座標系がＥＮＵ座標系である場合は変換処理は不要である。
そして、物体認識部１３０は、Ｓ１０９で認識した物体の情報と、判定した物体の前後の情報に対応させて取得したテクスチャと、ＥＮＵ座標系の４つの頂点の位置データと、Ｓ１０８で計測した高さとをＧＩＳデータ更新部３１０に出力する。ＧＩＳデータ更新部３１０は入力したデータを入力した時刻と関連付けて教師データ記憶部３２０に追加する。
図２１は、実施の形態１における教師データ記憶部３２０に追加するワゴンのデータを示す図である。
図において、Positionは、ワゴンの三次元モデルデータを構成するＥＮＵ座標系の４つの頂点の位置データ（ＥＮＵ座標系でのＸＹ方向の座標）を示し、Heightはワゴンの三次元モデルデータの高さ（ＥＮＵ座標系でのＺ方向を高さ方向とする）を示す。また、Front,Side,Backはそれぞれ、ワゴンの三次元モデルデータをＸ方向、Ｙ方向、−Ｘ方向から見た場合の、ワゴンの画像を示す。この画像はテクスチャとしてＧＩＳモデル記憶部１５０に記憶されている。
これによって、変化領域内で新たに出現した三次元モデルデータについて、単なる大きさや形状の情報を取得するだけではなく、テクスチャの画像情報を用いて物体の特徴点を識別することが可能となる。
【００６５】
実施の形態１では、センサ２００により取得した距離画像データとあらかじめ記憶されていたＧＩＳデータベース３００のデータとを比較することで変化領域をベクトルデータとして抽出し、追加もしくは撤去された物体を認識する機能と、その認識した物体の変化をＧＩＳデータベース３００に追加登録することで実世界の変化をデータベースに反映する機能とを示した。
【００６６】
これにより、ＧＩＳデータベース３００の更新作業を自動化することができる。
また、短時間でのデータベース更新が可能であり、駐車車両など一定時間のみ存在する物体をデータベースに登録することが可能となり、固定物だけではなく移動体についてもデータベース化とその変化の抽出を行うことができる。
【図面の簡単な説明】
【００６７】
【図１】実施の形態１における環境変化認識システム１０の構成図。
【図２】実施の形態１における認識装置１００の外観を示す図。
【図３】実施の形態１における認識装置１００のハードウェア構成図。
【図４】実施の形態１における環境変化認識システム１０の処理の流れを示すフローチャート。
【図５】実施の形態１における距離画像取得（Ｓ１０１）の方法を示す図。
【図６】実施の形態１における変化領域の抽出（Ｓ１０５）時の投票処理方法を示す図。
【図７】実施の形態１における変化領域の抽出（Ｓ１０５）時の投票処理方法を示す図。
【図８】実施の形態１における変化領域の分割を示す図。
【図９】実施の形態１における変化領域の分割処理（Ｓ１０６）のフローチャート。
【図１０】実施の形態１における変化領域（駐車車両）のＹ平面投影図（ＶＲＭＬ）。
【図１１】実施の形態１における変化領域（駐車車両）のＹ平面投影図（点密度）。
【図１２】実施の形態１における変化領域（駐車車両）のＹ平面投影図（低密度部分削除後）。
【図１３】実施の形態１における変化領域（駐車車両）のＹ平面投影図（領域化後）。
【図１４】実施の形態１における変化領域（駐車車両）のＹ平面投影図（ノイズ削除後）。
【図１５】実施の形態１における変化領域（駐車車両）のＹ平面投影図（分割後）。
【図１６】実施の形態１における変化領域（駐車車両）のＹ平面投影図（直線近似後）。
【図１７】実施の形態１における変化領域（駐車車両）のＹ平面投影図（同一物体の判定後）。
【図１８】実施の形態１における変化領域（駐車車両）のＺ平面投影図。
【図１９】実施の形態１における変化領域（駐車車両）のＺ平面投影図。
【図２０】実施の形態１における直方体近似した物体（駐車車両）からテクスチャを取得する図。
【図２１】実施の形態１における教師データ記憶部３２０に追加するワゴンのデータを示す図。
【符号の説明】
【００６８】
１０ 環境変化認識システム、１００ 認識装置、１１０ ＧＩＳモデル作成部、１２０ 変化領域抽出部、１３０ 物体認識部、１４０ 形状データ記憶部、１５０ ＧＩＳモデル記憶部、２００ センサ、２１０ 距離画像測定装置、３００ ＧＩＳデータベース、３１０ ＧＩＳデータ更新部、３２０ 教師データ記憶部、３３０ ＧＩＳデータ参照部、９０１ ＣＲＴ表示装置、９０２ Ｋ／Ｂ、９０３ マウス、９０４ ＦＤＤ、９０５ ＣＤＤ、９０６ プリンタ装置、９０７ スキャナ装置、９１０ システムユニット、９１１ ＣＰＵ、９１２ バス、９１３ ＲＯＭ、９１４ ＲＡＭ、９１５ 通信ボード、９２０ 磁気ディスク装置、９２１ ＯＳ、９２２ ウィンドウシステム、９２３ プログラム群、９２４ ファイル群、９３１ 電話器、９３２ ＦＡＸ機、９４０ インターネット、９４１ ウェブサーバ、９４２ ＬＡＮ。
【技術分野】
【０００１】
本発明は、ＧＩＳデータを利用して変化領域を認識する変化領域認識装置および変化認識システムに関するものである。
【背景技術】
【０００２】
三次元ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）は、従来の２次元地図の拡張として考えられ、主に測量・地図メーカによって発展されてきた。現在そのような分野では、広範囲の地図の作成に、航空機からの写真撮影によって情報を収集する手法が一般的であり、三次元ＧＩＳの作成に関しても、航空機からの写真撮影やレーザレーダにより、建物の高さの測定が行われてきた（特許文献１，特許文献２）。航空機からの情報収集は一度に広大な範囲を測定することが可能であり、地形の計測や、ビル等の大型建造物の形状データを比較的容易に得ることができる。
【０００３】
また、三次元ＧＩＳは、実世界の空間情報をデータベースとしてモデル化したものである。物体をオブジェクトとして扱い、従来の地図で表される２次元座標に加え、高さ情報や時間変化、所有者など様々な属性情報を付与することが可能であり、地図で一般的に表現される建造物等の固定物だけではなく、固定物の破損や時間変化、人や車といった移動体についても「何が」「いつ」「どこに」存在したかということを表すことができる。また、データベースとなっていることでオブジェクトの条件検索や、要素の演算が可能であり、必要とされるデータを容易に作製することができる。
つまり、空間情報をＧＩＳデータベースに統合・管理し、必要な情報をシミュレータによって仮想空間上に再現することで、広大な実世界の状況を容易に、素早く把握することが可能となり、監視や警備の自動化や、災害発生時の初期状況把握に対して有効であると考えられる。
【特許文献１】特開２００３−３２３６４０号公報
【特許文献２】特開２００２−３２８０２１号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
そこで現在、三次元ＧＩＳデータを教師データとして、固定センサまたは移動センサを用いて状況の変化を捉え、監視・警備業務を自動化しようというニーズがある。例えば、駐車場における駐車状況の把握や、工場などの進入規制のある場所に対する人の出入りの監視、山崩れの危険のある場所の監視、都市部における大震災後の震災総合シミュレータへの適応などである。これらの業務は従来、人間の目によって絶え間なく監視することで対応されてきた。しかし、人間は疲れなどで見逃す可能性があり、その精度には限界があった。
【０００５】
現在の三次元ＧＩＳは、従来の２次元地図と同様に、ある時点で作成したモデルは時々刻々と変化する実世界を追従することができない。このため、時間の経過と共にデータベースとしての価値を失ってしまっていた。つまり、更新の頻度がデータベースの価値を決定し、特に監視や警備の用途においてはほぼリアルタイムでのデータベース更新が必要となる。しかし、三次元ＧＩＳの作成には２次元地図よりもはるかに膨大なデータを取得する必要があり、そのデータ処理にも多大なる作業が発生するため、容易には行えない。そのため、年単位でのデータベース更新が一般的であり、監視・警備用途で必要となるような、リアルタイムでの変化域の抽出とデータベースの更新は行われていない。また、データベース化される対象も固定物に限定されている。
【０００６】
本発明は、上記の課題などを解決するためになされたもので、例えば、リアルタイムに変化領域を抽出できるようにすることを目的とする。
また、リアルタイムにＧＩＳデータベースを更新できるようにすることを目的とする。
【課題を解決するための手段】
【０００７】
本発明の変化領域認識装置は、特定領域を示す第１の領域データと任意の時刻における前記特定領域を示す第２の領域データとを入力し、入力した第２の領域データに基づいて第１の領域データに対する第２の領域データの誤差範囲を算出し、第１の領域データと第２の領域データとを比較して第１の領域データと第２の領域データとで相違する第１の領域データの部分データと第２の領域データの部分データとを抽出し、抽出した第１の領域データの部分データと第２の領域データの部分データとを前記誤差範囲に基づいて比較し、第２の領域データの部分データが第１の領域データの部分データからの前記誤差範囲内に位置しない場合に第２の領域データの部分データを前記特定領域内の変化領域を示す変化領域データとして特定する変化領域特定部と、前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部とを備えたことを特徴とする。
【発明の効果】
【０００８】
本発明によれば、第１の領域データと第２の領域データとを誤差領域を用いて比較することで的確に変化領域を抽出することができる。
【発明を実施するための最良の形態】
【０００９】
実施の形態１．
三次元ＧＩＳを監視・警備用途に使用することを考えると、従来のＧＩＳデータ更新方法において幾つかの問題が明確になる。まず、測定位置が上空であることである。上空からの測定では、地面や屋根といった水平面の計測がしやすい反面、壁面などの垂直面や屋根の下などの陰になる部分に対してほとんど計測できない。また、人や車両など地形に比べると格段に小さな物体を対象とすることは、今後のセンサの解像度向上や計算機の画像処理能力の向上を考慮しても困難である。また、データ取得から解析処理に時間がかかり、データベースの更新には数ヶ月から数年単位、短くても数日を要していた。このため、人や車両といった移動体をデータベース化したり、変化が起こった時を捉えたりといった用途には使用できなかった。
【００１０】
図１は、実施の形態１における環境変化認識システム１０の構成図である。
人や車両を含む変化領域の抽出と、抽出した変化領域のＧＩＳデータベースへの反映とをリアルタイムに行うための環境変化認識システム１０の構成について、図１に基づいて以下に説明する。
【００１１】
環境変化認識システム１０は、距離画像の計測を行う一つ以上のセンサ２００（図１ではセンサ２００を一つだけ図示する）と、センサ２００の計測結果を解析処理する認識装置１００と、ＧＩＳデータを管理、更新するＧＩＳデータベース３００とを備える。それぞれの間はデータ通信回線で接続されている。
【００１２】
センサ２００は、周囲の環境を計測し距離画像の取得を行う距離画像測定装置２１０を備える。距離画像測定装置２１０は、例えばレーザレーダやステレオ視カメラ等の画像データ取得部とデータ処理部を備えて構成される。
ここでセンサ２００は、測定対象（領域や物体）を計測できるように配置されているものとする。例えば、測定対象の３方（前方、後方、側面）を撮像できるようにして２ヶ所以上に配置してもよいし、自己位置標定装置（例えばＲＴＫ−ＧＰＳ／ＩＮＳ：ＲｅａｌＴｉｍｅ Ｋｉｎｅｍａｔｉｃ−Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ／Ｉｎｅｒｔｉａｌ Ｎａｖｉｇａｔｉｏｎ Ｓｙｓｔｅｍ）（図示しない）を備えて自己位置を取得する１つのセンサ２００を配置し、測定対象の周辺を移動してもよい。
【００１３】
以下、センサ２００が、３６０度全周囲の撮像が可能なＯＤＶ（Ｏｍｎｉ−Ｄｉｒｅｃｔｉｏｎａｌ Ｖｉｓｉｏｎ）により距離画像を取得する距離画像測定装置２１０と、ＲＴＫ−ＧＰＳ／ＩＮＳにより自己位置を測位する自己位置標定装置（図示しない）とを備える場合について説明する。このとき、自己位置を測位できるセンサ２００は測位対象の周辺を移動する。
ＲＴＫ−ＧＰＳ／ＩＮＳによる測位をする場合、センサ２００は、数センチの精度でリアルタイムに自己の位置・姿勢の計測が可能になる。また、ＯＤＶにより撮像する場合、センサ２００は、計測した位置・姿勢のデータと同期のとれた全周画像を取得することが可能になる。そして、ＲＴＫ−ＧＰＳ／ＩＮＳの計測データから求められるＯＤＶの位置（ＯＤＶの円筒形状を成す仮想撮像面の中心位置）・姿勢（ＯＤＶの仮想撮像面の中心を原点とする局所空間座標系の基準座標軸の方向）や移動速度などの運動パラメータと、センサ２００の移動に伴ない複数地点でＯＤＶにより取得した全周画像とを用いて、距離画像測定装置２１０のデータ処理部でエピポーラ拘束や視差を求めるモーションステレオ視の方法により距離画像を取得する。
例えば、異なる二地点でＲＴＫ−ＧＰＳ／ＩＮＳの計測データからＯＤＶの位置・姿勢の６自由度を推定し、これを拘束条件としてＯＤＶの全周画像の全画素に関するエピポーラ拘束（移動に伴なうＯＤＶの各位置とＯＤＶの注視点とが存在する平面であるエピポーラ平面、及びエピポーラ平面がＯＤＶの仮想撮像面と交差するエピポーラ線等の幾何学的な拘束条件）を求める。このエピポーラ拘束に従い、異なる二地点でそれぞれ得られた全周画像（仮想撮像面）上で、同一対象物（二地点の全周画像上で互いに対応する注視点）の画像を特定する（マッチングを取る）。特定した各画像を用いてモーションステレオ視の原理によって視差によって対象物までの距離と方向を求め、当該距離と方向に存在する画像の画像情報を求めて、距離画像を得る。この距離画像を用いて各画像の三次元モデルを構築することによって、密なテクスチャ付き三次元モデルの作成が可能になる。
さらに、３６０度全周囲の画像を自己位置／姿勢と同期して取得できるため、走行中のデータ取得が可能である他、車体動揺による姿勢角の補正も可能になる。また、ステレオ視演算の相関を取る画像を変え、ベースラインを自由に変えることで、距離画像精度を上げることが可能になる。
【００１４】
ここで、距離画像とは、センサ２００からセンサ２００のセンシング範囲にある測定対象までのベクトルデータと画像データから構成されるデータのことである。このベクトルデータは、センサ２００から測定対象を構成する各点までのベクトルを示し、センサ座標系で表現される。また、この画像データはセンサ２００が取得した測定対象の画像における１画素もしくは数画素分の色情報や階調情報等で構成される。距離画像は測定対象を構成する各点毎のデータを集合させた点列データとして得られる。
なお、レーザレーダで距離画像を取得する場合は、レーザの出力光が物体で反射して戻ってくるまでの時間を計測して距離を算出した後、レーザの出力方向を変動させる。レーザの出力方向と上記算出された距離とを逐次計測し、この計測値を集積することによって物体の三次元形状を測定する。
【００１５】
認識装置１００はＧＩＳモデル作成部１１０と変化領域抽出部１２０と物体認識部１３０と形状データ記憶部１４０とＧＩＳモデル記憶部１５０とを備える。
ＧＩＳモデル作成部１１０では、センサ２００が取得した測定対象の距離画像と位置情報とを入力して三次元ＧＩＳモデルデータを作成する。センサ２００が複数存在する場合は、測定対象を測定した複数のセンサ２００のデータを入力して一つの三次元ＧＩＳモデルデータを作成する。そして、作成した三次元ＧＩＳモデルをＧＩＳモデル記憶部１５０に記憶する。三次元ＧＩＳモデル（以下、三次元モデルデータとする）とは、センサ２００の取得した点列データをセンサ座標系から任意の座標系に変換したデータであり、三次元の領域を示すデータである。
なお、任意の座標系としては、各地域毎に設定された基準座標系を用いても良いし、特定の施設や領域内で固定された局所的な基準座標系を用いても良い。
変化領域抽出部１２０では、ＧＩＳモデル作成部１１０が作成した三次元モデルデータとＧＩＳデータベース３００であらかじめ管理されている三次元ＧＩＳデータとを比較する。そして、ＧＩＳデータベース３００の三次元ＧＩＳデータを教師データとしてＧＩＳモデル作成部１１０が作成した三次元モデルデータの差異を抽出し、抽出した差異部分を変化領域とする。そして、変化領域内に存在する新たな物体を抽出する。つまり、変化要因である物体（変化領域）を特定する。ＧＩＳモデル作成部１１０とＧＩＳデータベース３００は共通の座標系を参照する。
形状データ記憶部１４０には、各種物体の「形状」、「大きさ」の情報（形状データ）を記憶しておく。
物体認識部１３０では、変化領域抽出部１２０が抽出した変化領域内の新たな物体の「形状」、「大きさ」をキーとして形状データ記憶部１４０を検索し、対応する物体を判定する。つまり、変化を引き起こしたのがどのような状況によるものかの認識を行う。
【００１６】
ＧＩＳデータベース３００は教師データ記憶部３２０とＧＩＳデータ更新部３１０とＧＩＳデータ参照部３３０とを備える。
教師データ記憶部３２０は三次元ＧＩＳデータ（教師データ）を時刻と共に記憶する。三次元ＧＩＳデータとは、三次元の領域を示すデータである。
ＧＩＳデータ更新部３１０は、認識装置１００で認識した物体の発失を教師データ記憶部３２０に登録する。つまり、ＧＩＳデータ更新部３１０がセンサ２００の計測の状況をデータベースに反映することで、現在の状況へと更新する。
ＧＩＳデータ参照部３３０は、測位対象に関する情報（位置情報や名称）を入力し、対応する教師データを教師データ記憶部３２０から取得して出力する。つまり、センサ２００の前回の測定時の教師データを認識装置１００に出力する。
三次元ＧＩＳデータ（教師データ）では、測定対象となった建物や構造物等の立体形状を有する物体毎に、各物体を互いに識別するための識別番号が割当てられている。三次元ＧＩＳデータは、例えば複数の点（ノード）と各ノードを接続する接続ラインから構成されて、接続ラインが立体的な形状を成す。
【００１７】
以下、時空間ＧＩＳとして知られるＫＩＷＩ＋を使用する場合について説明する。
ＫＩＷＩ＋のデータフォーマットは、建物等の物体をベクトルと画像テクスチャ等の属性で表現している。そこで認識装置１００は、センサ２００がステレオ視で得た三次元の点列データから面抽出を行い、面の各頂点を求めベクトル化し、得られた面にＯＤＶ画像の対応テクスチャを貼付け、専用ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）（ＧＩＳデータ更新部３１０のインタフェース）を介してＫＩＷＩ＋データベース（ＧＩＳデータベース３００）の更新を行う。
【００１８】
図２は、実施の形態１における認識装置１００の外観を示す図である。
図２において、認識装置１００は、システムユニット９１０、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）表示装置９０１、キーボード（Ｋ／Ｂ）９０２、マウス９０３、コンパクトディスク装置（ＣＤＤ）９０５、プリンタ装置９０６、スキャナ装置９０７を備え、これらはケーブルで接続されている。
さらに、認識装置１００は、ＦＡＸ機９３２、電話器９３１とケーブルで接続され、また、ローカルエリアネットワーク（ＬＡＮ）９４２、ウェブサーバ９４１を介してインターネット９４０に接続されている。
【００１９】
図３は、実施の形態１における認識装置１００のハードウェア構成図である。
図３において、認識装置１００は、プログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９１１を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、通信ボード９１５、ＣＲＴ表示装置９０１、Ｋ／Ｂ９０２、マウス９０３、ＦＤＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ Ｄｒｉｖｅ）９０４、磁気ディスク装置９２０、ＣＤＤ９０５、プリンタ装置９０６、スキャナ装置９０７と接続されている。
ＲＡＭ９１４は、揮発性メモリの一例である。ＲＯＭ９１３、ＦＤＤ９０４、ＣＤＤ９０５、磁気ディスク装置９２０、光ディスク装置は、不揮発性メモリの一例である。これらは、記憶装置あるいは記憶部の一例である。
通信ボード９１５は、ＦＡＸ機９３２、電話器９３１、ＬＡＮ９４２等に接続されている。
例えば、通信ボード９１５、Ｋ／Ｂ９０２、スキャナ装置９０７、ＦＤＤ９０４などは、情報入力部の一例である。
また、例えば、通信ボード９１５、ＣＲＴ表示装置９０１などは、出力部の一例である。
【００２０】
ここで、通信ボード９１５は、ＬＡＮ９４２に限らず、直接、インターネット９４０、或いはＩＳＤＮ等のＷＡＮ（ワイドエリアネットワーク）に接続されていても構わない。直接、インターネット９４０、或いはＩＳＤＮ等のＷＡＮに接続されている場合、認識装置１００は、インターネット９４０、或いはＩＳＤＮ等のＷＡＮに接続され、ウェブサーバ９４１は不用となる。
磁気ディスク装置９２０には、オペレーティングシステム（ＯＳ）９２１、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３は、ＣＰＵ９１１、ＯＳ９２１、ウィンドウシステム９２２により実行される。
【００２１】
上記プログラム群９２３には、実施の形態の説明において「〜部」として説明する機能を実行するプログラムが記憶されている。プログラムは、ＣＰＵ９１１により読み出され実行される。
ファイル群９２４には、実施の形態の説明において、「〜判定し」、「〜を判定した結果」、「〜を計算し」、「〜を計算した結果」、「〜を処理し」、「〜を処理した結果」のような表現で説明する結果情報が、「〜ファイル」として記憶されている。
また、実施の形態の説明において説明するフローチャートの矢印の部分は主としてデータの入出力を示し、そのデータの入出力のためにデータは、磁気ディスク装置９２０、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ ｃａｒｔｒｉｄｇｅ）、光ディスク、ＣＤ（コンパクトディスク）、ＭＤ（ミニディスク）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、その他の記録媒体に記録される。あるいは、信号線やその他の伝送媒体により伝送される。
【００２２】
また、実施の形態の説明において「〜部」として説明するものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェアのみ、或いは、ハードウェアのみ、或いは、ソフトウェアとハードウェアとの組み合わせ、さらには、ファームウェアとの組み合わせで実施されても構わない。
【００２３】
また、実施の形態を実施するプログラムは、磁気ディスク装置９２０、ＦＤ、光ディスク、ＣＤ、ＭＤ、ＤＶＤ、その他の記録媒体による記録装置を用いて記憶されても構わない。
【００２４】
図４は、実施の形態１における環境変化認識システム１０の処理の流れを示すフローチャートである。
環境変化認識システム１０において、まず、センサ２００は距離画像測定装置２１０（全周撮像装置：ＯＤＶ）から距離画像を取得すると共に撮像した位置の情報を取得する（Ｓ１０１〜Ｓ１０２）。次に、ＧＩＳモデル作成部１１０は取得した距離画像と位置情報とに基づいて距離画像の三次元モデルデータを生成する（Ｓ１０３〜Ｓ１０４）。生成された三次元モデルデータは一旦メモリに格納される。
次に、変化領域抽出部１２０は三次元モデルデータと教師データを、三次元空間上で投票処理して変化領域を抽出する。抽出した変化領域において物体が消失している場合、ＧＩＳデータ更新部３１０は、消失した物体（の存在位置・存在領域）に対応する教師データを更新する。ＧＩＳモデルデータには、その識別番号に対応付けられて消失した物体の消失時間を示す消失時間フラグ、新たに生成した物体の生成時間を示す生成時間フラグ等の、属性データの記憶領域が設定されている。
例えば、教師データ記憶部３２０から、三次元モデルデータ中で消失した物体に対応するＧＩＳモデルデータを参照し、参照されたＧＩＳモデルデータに対して消失した物体の消失時間を示す消失時間フラグを設定する。（Ｓ１０５）。
次に、変化領域抽出部１２０は抽出した変化領域において新たな物体が発生している場合、クラスタリング処理をして変化領域の分割を行い、発生した新たな物体（以下、変化領域の物体とする）を抽出する（Ｓ１０６）。
次に、変化領域の物体の三次元モデルをＸＹＺ各面に投影し（Ｓ１０７）、変化領域の物体の輪郭を抽出する（Ｓ１０８）。
次に、物体認識部１３０は抽出した物体の輪郭と形状データ記憶部１４０に記憶された物体の形状データとを比較し、変化領域の物体の認識を行う（Ｓ１０９）。そして、ＧＩＳデータ更新部３１０は認識した物体を教師データ記憶部３２０に反映させる（Ｓ１１０）。
【００２５】
環境変化認識システム１０は、このようなフローにより、作成した三次元モデルから、環境の変化の認識とＧＩＳデータベース３００の更新作業を自動的に行うことで、教師（ＧＩＳ）データの更新範囲を小さくし、環境の変化をリアルタイムに捉えることができる。
【００２６】
次に、図４に示すフローチャートの各処理の詳細について以下に説明する。
ここでは、教師（ＧＩＳ）データに存在しない駐車車両を変化領域の物体として抽出する例で説明を行う。
【００２７】
まず、Ｓ１０１〜Ｓ１０４の処理について説明する。
図５は、実施の形態１における距離画像取得（Ｓ１０１）の方法を示す図である。
センサ２００は、図５に示すように、車両脇を画像取得位置１から画像取得位置３に移動して車両の前後、道路側の側面からの距離画像を取得する（Ｓ１０１）。また、距離画像を取得時に距離画像を取得した位置をＧＰＳ／ＩＮＳにより測位する（Ｓ１０２）。
ＧＩＳモデル作成部１１０は、センサ２００から距離画像（点列データ）と位置情報とを取得する。そして、位置情報に対してセンサ２００のセンサ座標系から教師データ記憶部３２０に記憶されるＧＩＳデータの座標系に座標変換を行う（Ｓ１０３）。
ＧＩＳモデル作成部１１０は、距離画像を座標変換した位置情報に対応させて、Ｘ座標値、Ｙ座標値、Ｚ座標値と色情報（ＲＧＢ：Ｒｅｄ−Ｇｒｅｅｎ−Ｂｌｕｅ）とを持つ点列データ（三次元モデルデータ）をＧＩＳモデル記憶部１５０に記憶する（Ｓ１０４）。
【００２８】
次に、Ｓ１０５の処理について説明する。
三次元モデルデータを生成する際に行ったＯＤＶの測定と、教師データ記憶部３２０の教師（三次元ＧＩＳ）データを生成する際に行った測定では測定環境が異なる。つまり、三次元モデルデータと教師データとでは誤差が生じるため、重複するデータを消去することで差分をとることができない。そこで、変化領域抽出部１２０は、まず、ＧＩＳモデル記憶部１５０から、新たに生成された三次元モデルデータを取得する。次に、取得した三次元モデルの位置情報をＧＩＳデータ参照部３３０に出力する。ＧＩＳデータ参照部３３０は、教師データ記憶部３２０から位置情報の示す位置に対応する教師データを取得して変化領域抽出部１２０に出力する。そして変化領域抽出部１２０は、生成された三次元モデルデータと、教師データを用いて投票処理を行い、変化領域を抽出する（Ｓ１０５）。
【００２９】
図６、図７は、実施の形態１における変化領域の抽出（Ｓ１０５）時の投票処理方法を示す図である。
投票処理について、図６、図７に基づいて以下に説明する。
まず、三次元ＧＩＳデータの座標系（Σ）に沿って、空間を特定の間隔ｄで区切ることで、空間を複数の小空間（ボクセル空間。以下、単にボックスと呼ぶ）に区分けする。各ボックスを、例えば三次元の配列データ（i,j,k）で番号付けする。
次に、センサ２００の取得画像から三次元モデルデータを生成する。三次元モデルデータの各データ点（ノード）について、どのボックス内にそのデータ点の座標が存在するのかを識別する。例えば図６の例に示すように、上記ボックスのうち、そのデータ点の座標Ｑ（２.３、１.５、０.３）が内部に含まれるボックスＢを、データ点を有した（２、１、０）番の配列のボックスとしてカウントする（投票処理する）。このボックスの投票処理により、三次元モデルデータの各データ点の集合を、ボックスの集合（ボックスが繋がって形成される集合体）に捉え直して表現する。なお、データ点の座標からボックスの配列を求める際は、図の例のように単に座標値を四捨五入するなど、簡便な方法を用いて求めると、演算量を軽減することができる。
また、データ点が含まれるボックスの座標として、そのボックスの代表点Ｐ（中心点など）を採用し、その代表点を用いて以下のように誤差判定を行う。
投票処理の結果得られるボックスの代表点を、各代表点に一定の誤差σを持たせた球状の領域の集合として、この代表点と教師（三次元ＧＩＳ）データと比較する。
図７左図のように、三次元ＧＩＳデータを構成する各点（黒丸）の誤差領域内にボックスモデルデータを構成する代表点（白丸）が存在する場合は、この代表点を有するボックスモデルデータが三次元ＧＩＳデータと同一と判定し、このボックスモデルデータを切り捨てる。
図７右図のように、三次元ＧＩＳデータの誤差領域内にボックスモデルデータを構成する代表点が存在しない場合は、このボックスモデルデータが変化領域の一部を示すデータであると判断して、この代表点に連結したボックスモデルデータを整理する。
【００３０】
ここで、ボックスモデルデータの各代表点に持たせる誤差は以下のように求める。
代表点の測定値が複数ある場合、加重平均をして測定値の最良推定値を求める。以下、ある量ＸについてＮ個の測定値があるものとする（式１）。
【００３１】
【数１】
【００３２】
式１において、σ1，σ2，・・・σNはそれぞれの誤差、つまり標準偏差である。以下に標準偏差の算出方法を示す。
【００３３】
最良推定値は加重平均Ｘwavの計算式を式２に示す。
【００３４】
【数２】
【００３５】
ここで、和はＮ個すべての測定値にまたがり、ｉ＝１，２，・・・Ｎである。
また、Ｗiは式３のように定義される重みであり、それぞれの誤差の逆数の二乗である。
【００３６】
【数３】
【００３７】
以上より、求める誤差σiは式４で示すことができる。
【００３８】
【数４】
【００３９】
次に、Ｓ１０６（図４）の処理について説明する。
Ｓ１０５で抽出した変化領域はそれぞれ特定の体積を持つボックスであるが、変化をもたらしたものは何らかの形状を持つ物体である。
よって、この変化の生じた変化ボックスを、変化領域として認識する必要がある。
そこで、変化領域の分割（Ｓ１０６）の処理では、互いの間隔が一定範囲内にある隣接したボックスをまとめて、ひとつの変化領域として認識する。
これをクラスタリングと呼ぶ。
その手順は以下のとおりである。
（１）低密度部分の消去
ボックスのカウント数がしきい値以下となるボックスの、カウント値を０とする。
（２）領域化
所定のボックスに囲まれたカウント値０のボックスに対し、高いカウント値を設定することで領域化する。
（３）ノイズの削除
まとまったボックス集合体の、領域体積の小さい領域（ノイズ領域）を削除する。
Ｓ１０５で抽出した変化領域内には、複数の物体を含んでいる場合が考えられ、それらを個別に認識する必要がある。そこで変化領域の分割（Ｓ１０６）では、クラスタリング処理で変化領域を物体毎に分割している。クラスタリング処理とは、変化領域をボックスが連結する各部分に分割し、分割した各部分が別の物体を構成するものか同一の物体を構成するものかを判定して同一の物体を構成する部分をグループ化する処理のことである。
【００４０】
次に、Ｓ１０７（図４）の処理について説明する。
変化領域抽出部１２０は、Ｓ１０６で分割した各変化領域の三次元モデルデータをＸ、Ｙ、Ｚの各平面に投影する。例えば、ＶＲＭＬや点密度で三次元モデルデータを各平面に投影する。
【００４１】
次に、Ｓ１０８の処理について説明する。
変化領域抽出部１２０は、Ｓ１０７で各変化領域の三次元モデルデータを投影した各平面のデータに基づいて物体の輪郭を抽出する。例えば、曲線、曲面を抽出してもよいし、前出の直線近似により輪郭を抽出してもよい。
【００４２】
ここで、輪郭抽出のための前処理として、以下に変化領域の分割の詳細について説明する。
図８は、実施の形態１におけるＳ１０８で実施される変化領域の分割を示す図である。
図８において、左図が分割前の変化領域であり、右図が分割後の変化領域である。右図は、左図の変化領域をラベル１で示す領域、ラベル２で示す領域、ラベル３で示す領域に分割した場合を示している。
【００４３】
図９は、この変化領域の分割処理のフローチャートである。
図８に示す変化領域の分割を行うために変化領域抽出部１２０は図９に示す処理を行う。
図９において、Ｓ２０１〜Ｓ２０７の処理がクラスタリング処理であり、Ｓ２０８の処理がラベリング処理である。
【００４４】
まず、Ｓ１０７で処理された、変化領域の三次元モデルデータ（距離画像から作成された点データの集合）のＹ平面への投影データについて、Ｙ平面における変化領域を区分し、各区分の点密度を算出する（Ｓ２０１）。
【００４５】
図１０は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（ＶＲＭＬ）である。
図１０では、抽出された変化領域の駐車車両（２台）の三次元モデルデータをＶＲＭＬ（Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ Ｍｏｄｅｌｉｎｇ Ｌａｎｇｕａｇｅ）フォーマットでＹ平面（ここでは、車両の側面）に投影したものを示している。
【００４６】
図１１は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（点密度）である。
図１１では、図１０で示した駐車車両を、１ｃｍ2あたりの三次元モデルの点密度で示している。つまり、１ｃｍ2内に点データが有る場合、その１ｃｍ2を１つの点で示す。また、その１ｃｍ2内に存在する点の数（点密度）が多い場合と少ない場合とで色を変える。
図１１は、横視差ステレオで距離画像を取得し三次元モデルを作成した場合のＹ平面投影図であるが、横視差ステレオは、ベースラインと平行する横エッジの感度が低いため、横エッジが少ない車両の側面には測定できなかった部分（点データが無い部分または点密度が低い部分）が生じている。
【００４７】
図９において、次に、点密度の低い部分のデータを削除する（Ｓ２０２）。
【００４８】
図１２は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（低密度部分削除後）である。
図１２では、図１１で示した駐車車両に対する点密度のうち、点密度が１０未満の部分を削除したものを示している。
【００４９】
図９において、次に、高い点密度部分に囲まれた点密度が０の部分（Ｓ２０２で削除された点密度の低い部分を含む）のデータに高い点密度を設定して、一つの高い点密度の領域にする（Ｓ２０３）。
【００５０】
図１３は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（領域化後）である。
図１３では、図１２で示した駐車車両に対する点密度のうち、高い点密度部分に囲まれた隙間を埋めて領域化したものを示している。
【００５１】
図９において、次に、面積が小さい点密度の領域（ノイズ）のデータを削除する（Ｓ２０４）。
【００５２】
図１４は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（ノイズ削除後）である。
図１４では、図１３で示した駐車車両に対する点密度の領域のうち、領域面積が１０（ｃｍ2）以下の領域を削除したものを示している。
【００５３】
図９において、次に、変化領域のデータをＳ２０４までで処理した点密度の各領域のデータに対応させて分割する（Ｓ２０５）。
【００５４】
図１５は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（分割後）である。
図１５では、図１４で示した駐車車両に対する四角形で近似した各領域で変化領域を分割したものを示している。図１５において、変化領域の２台の駐車車両はそれぞれ車体の前部と後部とに分割されている。
【００５５】
図９において、次に、点密度の各領域のデータを最小二乗法により直線近似する（Ｓ２０６）。
【００５６】
図１６は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（直線近似後）である。
図１６では、図１５で示した駐車車両に対する点密度の各領域を直線近似したものを示している。
【００５７】
図９において、次に、隣り合った二つの領域のＲＧＢ平均輝度値を比較し、Ｓ２０６で近似した直線の傾きとＲＧＢ平均輝度値とに基づいて同一の物体を構成する領域であるか判定する（Ｓ２０７）。
具体的には、四角形で近似した隣り合う領域の内側の間隔または外側の間隔が一定の閾値より大きい、つまり、隣り合う領域が一つの物体を構成するには離れすぎているか、隣り合う領域が一つの物体を構成すると物体が大きすぎると判断できる場合に、隣り合う領域は一つの物体を構成しないと判定する。駐車車両を対象とする場合、一般的な車両の大きさを考慮して閾値を設定すればよい。
また、直線で近似した隣り合う領域が形成する物体の形状の特徴に基づく判定を行う。
例えば、駐車車両を対象とする場合、中央部の窪んだ車両は無いと判断できることから、隣り合う領域の直線が逆八の字を形成する場合、隣り合う領域は一つの物体を構成しないと判定する。
また、色の連続性を考慮して、隣り合う領域のＲＧＢ平均輝度値が一定の閾値以上に異なる場合、隣り合う領域は一つの物体を構成しないと判定する。
上記判定の組合せにより判定を行い、隣り合う領域が一つの物体を構成しないと判定しなかった場合に、隣り合う領域が一つの物体を構成すると判定する。
これにより、物体の一部の画像データが取得できず物体の画像データが複数の領域に分割された場合であっても各領域が一つの物体を構成することを検出することができる。
【００５８】
図１７は、実施の形態１における変化領域（駐車車両）のＹ平面投影図（同一物体の判定後）である。
図１７では、図１６で示したそれぞれ２つの領域に分割された２台の駐車車両を車両単位で認識したものを示している。
【００５９】
図９において、最後に、変化領域の物体毎に任意のラベルを付加する（Ｓ２０８）。このラベルは物体に関するデータの指定などに使用する。例えば、ラベルと対応付けて物体のＧＩＳデータを教師データ記憶部３２０に記憶したり、ラベルを指定して物体のＧＩＳデータを教師データ記憶部３２０から削除したりする。
【００６０】
次に、二次元平面でクラスタリング及びラベリングの施されたデータについて、物体の輪郭を直方体近似して抽出する場合を説明する。
まず、Ｙ平面やＸ平面において変化領域の各物体を四角形近似して物体側面の長さと物体の高さを計測する。前出の図１７は、Ｙ平面において変化領域の各物体を四角形に近似した場合を示している。
【００６１】
次に、Ｚ平面やＸ平面において変化領域の各物体を四角形近似して物体の幅を計測する。
図１８、図１９は、実施の形態１における変化領域（駐車車両）のＺ平面投影図である。
図１８は、図１７の２台の駐車車両の三次元モデルデータをＺ平面に投影してそれぞれを四角形近似した図である。
また、前出の図５で説明したように、駐車車両に対して前方、後方、側面の画像を取得する場合、画像を取得した反対側の側面を撮像できない為、Ｚ平面投影図は、通常、図１９に示すように３辺のみ点密度が存在することになる。しかし、既知の３辺から四角形近似ができるため、駐車車両の幅を計測することができる。
【００６２】
次に、Ｓ１０９の処理について説明する。
物体認識部１３０は、Ｓ１０８で変化領域抽出部１２０が抽出した輪郭について形状データ記憶部１４０を検索して抽出した輪郭に対応する物体を判定する。そして、形状データ記憶部１４０に記憶された対応する物体の情報（例えば、物体の名称）を取得し、変化領域の物体を認識する。
例えば、上記のように直方体近似で輪郭を抽出した場合、直方体の高さ、長さ、幅が一致する物体を形状データ記憶部１４０で検索する。
【００６３】
次に、Ｓ１１０の処理について説明する。
物体認識部１３０は、Ｓ１０６で変化領域抽出部１２０が分割した変化領域の各物体に対する画像データ（テクスチャ）をＧＩＳモデル記憶部１５０から取得し、取得したテクスチャとＳ１０９で認識した物体の情報とをＧＩＳデータ更新部３１０に出力する。ＧＩＳデータ更新部３１０はテクスチャと物体の情報とを教師データ記憶部３２０に追加する。
【００６４】
例えば、教師データ記憶部３２０に記憶された各物体のデータが直方体近似されたものであり４つの頂点の位置データ（ＥＮＵ（Ｅａｓｔ Ｎｏｒｔｈ Ｕｐ）座標系）と高さデータとテクスチャで表される場合、以下のようにして三次元モデルデータから教師（三次元ＧＩＳ）データ化して教師データ記憶部３２０を更新する。
まず、物体認識部１３０は、変化領域の物体を示す点データを最小二乗法により直線近似して、直線の傾きから物体の前後を判定する（図１６）。
次に、物体認識部１３０は、判定した物体の前後に対応させて、直方体近似した物体の各面のテクスチャをＧＩＳモデル記憶部１５０から取得する。
図２０は、実施の形態１における直方体近似した物体（駐車車両）からテクスチャを取得する図を示す。
次に、物体認識部１３０は、変化領域の物体を示す点集合から４つの頂点の点データを取得し、取得した点データ（位置データ）の座標系をＥＮＵ座標系に変換する。但し、ＧＩＳモデル記憶部１５０に記憶された点データの座標系がＥＮＵ座標系である場合は変換処理は不要である。
そして、物体認識部１３０は、Ｓ１０９で認識した物体の情報と、判定した物体の前後の情報に対応させて取得したテクスチャと、ＥＮＵ座標系の４つの頂点の位置データと、Ｓ１０８で計測した高さとをＧＩＳデータ更新部３１０に出力する。ＧＩＳデータ更新部３１０は入力したデータを入力した時刻と関連付けて教師データ記憶部３２０に追加する。
図２１は、実施の形態１における教師データ記憶部３２０に追加するワゴンのデータを示す図である。
図において、Positionは、ワゴンの三次元モデルデータを構成するＥＮＵ座標系の４つの頂点の位置データ（ＥＮＵ座標系でのＸＹ方向の座標）を示し、Heightはワゴンの三次元モデルデータの高さ（ＥＮＵ座標系でのＺ方向を高さ方向とする）を示す。また、Front,Side,Backはそれぞれ、ワゴンの三次元モデルデータをＸ方向、Ｙ方向、−Ｘ方向から見た場合の、ワゴンの画像を示す。この画像はテクスチャとしてＧＩＳモデル記憶部１５０に記憶されている。
これによって、変化領域内で新たに出現した三次元モデルデータについて、単なる大きさや形状の情報を取得するだけではなく、テクスチャの画像情報を用いて物体の特徴点を識別することが可能となる。
【００６５】
実施の形態１では、センサ２００により取得した距離画像データとあらかじめ記憶されていたＧＩＳデータベース３００のデータとを比較することで変化領域をベクトルデータとして抽出し、追加もしくは撤去された物体を認識する機能と、その認識した物体の変化をＧＩＳデータベース３００に追加登録することで実世界の変化をデータベースに反映する機能とを示した。
【００６６】
これにより、ＧＩＳデータベース３００の更新作業を自動化することができる。
また、短時間でのデータベース更新が可能であり、駐車車両など一定時間のみ存在する物体をデータベースに登録することが可能となり、固定物だけではなく移動体についてもデータベース化とその変化の抽出を行うことができる。
【図面の簡単な説明】
【００６７】
【図１】実施の形態１における環境変化認識システム１０の構成図。
【図２】実施の形態１における認識装置１００の外観を示す図。
【図３】実施の形態１における認識装置１００のハードウェア構成図。
【図４】実施の形態１における環境変化認識システム１０の処理の流れを示すフローチャート。
【図５】実施の形態１における距離画像取得（Ｓ１０１）の方法を示す図。
【図６】実施の形態１における変化領域の抽出（Ｓ１０５）時の投票処理方法を示す図。
【図７】実施の形態１における変化領域の抽出（Ｓ１０５）時の投票処理方法を示す図。
【図８】実施の形態１における変化領域の分割を示す図。
【図９】実施の形態１における変化領域の分割処理（Ｓ１０６）のフローチャート。
【図１０】実施の形態１における変化領域（駐車車両）のＹ平面投影図（ＶＲＭＬ）。
【図１１】実施の形態１における変化領域（駐車車両）のＹ平面投影図（点密度）。
【図１２】実施の形態１における変化領域（駐車車両）のＹ平面投影図（低密度部分削除後）。
【図１３】実施の形態１における変化領域（駐車車両）のＹ平面投影図（領域化後）。
【図１４】実施の形態１における変化領域（駐車車両）のＹ平面投影図（ノイズ削除後）。
【図１５】実施の形態１における変化領域（駐車車両）のＹ平面投影図（分割後）。
【図１６】実施の形態１における変化領域（駐車車両）のＹ平面投影図（直線近似後）。
【図１７】実施の形態１における変化領域（駐車車両）のＹ平面投影図（同一物体の判定後）。
【図１８】実施の形態１における変化領域（駐車車両）のＺ平面投影図。
【図１９】実施の形態１における変化領域（駐車車両）のＺ平面投影図。
【図２０】実施の形態１における直方体近似した物体（駐車車両）からテクスチャを取得する図。
【図２１】実施の形態１における教師データ記憶部３２０に追加するワゴンのデータを示す図。
【符号の説明】
【００６８】
１０ 環境変化認識システム、１００ 認識装置、１１０ ＧＩＳモデル作成部、１２０ 変化領域抽出部、１３０ 物体認識部、１４０ 形状データ記憶部、１５０ ＧＩＳモデル記憶部、２００ センサ、２１０ 距離画像測定装置、３００ ＧＩＳデータベース、３１０ ＧＩＳデータ更新部、３２０ 教師データ記憶部、３３０ ＧＩＳデータ参照部、９０１ ＣＲＴ表示装置、９０２ Ｋ／Ｂ、９０３ マウス、９０４ ＦＤＤ、９０５ ＣＤＤ、９０６ プリンタ装置、９０７ スキャナ装置、９１０ システムユニット、９１１ ＣＰＵ、９１２ バス、９１３ ＲＯＭ、９１４ ＲＡＭ、９１５ 通信ボード、９２０ 磁気ディスク装置、９２１ ＯＳ、９２２ ウィンドウシステム、９２３ プログラム群、９２４ ファイル群、９３１ 電話器、９３２ ＦＡＸ機、９４０ インターネット、９４１ ウェブサーバ、９４２ ＬＡＮ。
【特許請求の範囲】
【請求項１】
特定領域を示す第１の領域データと任意の時刻における前記特定領域を示す第２の領域データとを入力し、
入力した第２の領域データに基づいて第１の領域データに対する第２の領域データの誤差範囲を算出し、
第１の領域データと第２の領域データとを比較して第１の領域データと第２の領域データとで相違する第１の領域データの部分データと第２の領域データの部分データとを抽出し、
抽出した第１の領域データの部分データと第２の領域データの部分データとを前記誤差範囲に基づいて比較し、第２の領域データの部分データが第１の領域データの部分データからの前記誤差範囲内に位置しない場合に第２の領域データの部分データを前記特定領域内の変化領域を示す変化領域データとして特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項２】
変化の起きた特定領域内の変化領域を点データの集合で表す変化領域データを入力し、
入力した変化領域データを表す各点データに基づいて立体的形状を成す変化領域の輪郭を算出し、算出した輪郭を持つ変化領域を表す変化領域データを特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域をベクトルデータとして認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項３】
変化の起きた特定領域内の変化領域を点データの集合で表す変化領域データを入力し、
入力した変化領域データを特定の第１の面積で区分し、
変化領域データを特定の第１の面積で区分した各区分データに該区分データ内の点データの個数を設定し、
点データの個数が特定の閾値未満である区分データの点データの個数に０を設定し、
０以外が設定された各区分データの示す各区分に囲まれた区分の区分データに０以外を設定し、
０以外が設定された区分データの示す区分について連結する区分を抽出し、抽出した各連結する区分の面積を算出し、算出した面積が特定の第２の面積未満である連結する区分の各区分データに０を設定し、
０以外が設定された区分データの示す区分について連結する区分を抽出し、抽出した各連結する区分を各区分データに基づいて直線で近似し、
各区分データに基づいて近似した直線の傾きに基づいて隣り合う各連結する区分の関連を判定し、
関連すると判定した各連結する区分の各区分データを特定領域内の一つの変化領域データと特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項４】
特定領域を点データの集合で表す第１の領域データと任意の時刻における前記特定領域を点データの集合で表す第２の領域データとを入力し、
入力した第２の領域データに基づいて第１の領域データに対する第２の領域データの誤差範囲を算出し、
第１の領域データと第２の領域データとを比較して第１の領域データと第２の領域データとで相違する第１の領域データの部分データと第２の領域データの部分データとを抽出し、
抽出した第１の領域データの部分データと第２の領域データの部分データとを前記誤差範囲に基づいて比較し、第２の領域データの部分データが第１の領域データの部分データからの前記誤差範囲内に位置しない場合に第２の領域データの部分データを前記特定領域内の変化領域を示す変化領域データとし、
変化領域データを表す各点データに基づいて変化領域の輪郭を算出し、算出した輪郭を持つ変化領域を表す変化領域データを特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項５】
特定領域を点データの集合で表す第１の領域データと任意の時刻における前記特定領域を点データの集合で表す第２の領域データとを入力し、
入力した第２の領域データに基づいて第１の領域データに対する第２の領域データの誤差範囲を算出し、
第１の領域データと第２の領域データとを比較して第１の領域データと第２の領域データとで相違する第１の領域データの部分データと第２の領域データの部分データとを抽出し、
抽出した第１の領域データの部分データと第２の領域データの部分データとを前記誤差範囲に基づいて比較し、第２の領域データの部分データが第１の領域データの部分データからの前記誤差範囲内に位置しない場合に第２の領域データの部分データを第１の時刻と第２の時刻とにおける前記特定領域内の変化領域を示す変化領域データとし、
変化領域データを特定の第１の面積で区分し、
変化領域データを特定の第１の面積で区分した各区分データに該区分データ内の点データの個数を設定し、
点データの個数が特定の閾値未満である区分データの点データの個数に０を設定し、
０以外が設定された各区分データの示す各区分に囲まれた区分の区分データに０以外を設定し、
０以外が設定された区分データの示す区分について連結する区分を抽出し、抽出した各連結する区分の面積を算出し、算出した面積が特定の第２の面積未満である連結する区分の各区分データに０を設定し、
０以外が設定された区分データの示す区分について連結する区分を抽出し、抽出した各連結する区分を各区分データに基づいて直線で近似し、
各区分データに基づいて近似した直線の傾きに基づいて隣り合う各連結する区分の関連を判定し、
関連すると判定した各連結する区分の各区分データを特定領域内の一つの変化領域データと特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項６】
上記変化領域認識装置は、さらに、
画像データを入力し、入力した画像データに基づいて前記変化領域特定部の入力する第２の領域データを生成する領域データ作成部と、
各物体の形状データを記憶する形状データ記憶部とを備え、
前記変化領域認識部は、
前記変化領域特定部の特定した変化領域データと前記形状データ記憶部に記憶された形状データとを比較し、変化領域データと合致した形状データの示す物体を変化領域データに対応する物体と識別する
ことを特徴とする請求項１、請求項４または請求項５いずれかに記載の変化領域認識装置。
【請求項７】
特定領域を示す領域データを記憶管理する領域データベースをアクセスする変化認識システムにおいて、
前記特定領域を撮像して画像データを取得すると共に撮像した位置を示す位置データを記憶するセンサと、
前記センサが任意の時刻に取得した前記特定領域の画像データと撮像した位置を示す位置データとを入力し、入力した画像データと位置データとに基づいて第２の領域データを生成し、第１の領域データとして前記領域データベースから特定領域を示す領域データを取得し、第１の領域データと第２の領域データとに基づいて前記特定領域内の変化領域を示す変化領域データを特定し、特定した変化領域データを領域データとして更新する命令を前記領域データベースに出力して前記領域データベースに領域データを更新させる変化認識装置と
を備えたことを特徴とする変化認識システム。
【請求項８】
前記センサが取得する画像データと前記変化認識装置が生成する領域データと前記変化認識装置が特定する変化領域データとが三次元データであることを特徴とする請求項７記載の変化認識システム。
【請求項９】
前記センサは全周撮像を行う全周撮像装置であることを特徴とする請求項７または請求項８いずれかに記載の変化認識システム。
【請求項１０】
前記センサは位置の移動を行い、前記特定領域を異なる位置から撮像して画像データを取得すると共に移動した位置において測位することを特徴とする請求項７〜請求項９いずれかに記載の変化認識システム。
【請求項１】
特定領域を示す第１の領域データと任意の時刻における前記特定領域を示す第２の領域データとを入力し、
入力した第２の領域データに基づいて第１の領域データに対する第２の領域データの誤差範囲を算出し、
第１の領域データと第２の領域データとを比較して第１の領域データと第２の領域データとで相違する第１の領域データの部分データと第２の領域データの部分データとを抽出し、
抽出した第１の領域データの部分データと第２の領域データの部分データとを前記誤差範囲に基づいて比較し、第２の領域データの部分データが第１の領域データの部分データからの前記誤差範囲内に位置しない場合に第２の領域データの部分データを前記特定領域内の変化領域を示す変化領域データとして特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項２】
変化の起きた特定領域内の変化領域を点データの集合で表す変化領域データを入力し、
入力した変化領域データを表す各点データに基づいて立体的形状を成す変化領域の輪郭を算出し、算出した輪郭を持つ変化領域を表す変化領域データを特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域をベクトルデータとして認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項３】
変化の起きた特定領域内の変化領域を点データの集合で表す変化領域データを入力し、
入力した変化領域データを特定の第１の面積で区分し、
変化領域データを特定の第１の面積で区分した各区分データに該区分データ内の点データの個数を設定し、
点データの個数が特定の閾値未満である区分データの点データの個数に０を設定し、
０以外が設定された各区分データの示す各区分に囲まれた区分の区分データに０以外を設定し、
０以外が設定された区分データの示す区分について連結する区分を抽出し、抽出した各連結する区分の面積を算出し、算出した面積が特定の第２の面積未満である連結する区分の各区分データに０を設定し、
０以外が設定された区分データの示す区分について連結する区分を抽出し、抽出した各連結する区分を各区分データに基づいて直線で近似し、
各区分データに基づいて近似した直線の傾きに基づいて隣り合う各連結する区分の関連を判定し、
関連すると判定した各連結する区分の各区分データを特定領域内の一つの変化領域データと特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項４】
特定領域を点データの集合で表す第１の領域データと任意の時刻における前記特定領域を点データの集合で表す第２の領域データとを入力し、
入力した第２の領域データに基づいて第１の領域データに対する第２の領域データの誤差範囲を算出し、
第１の領域データと第２の領域データとを比較して第１の領域データと第２の領域データとで相違する第１の領域データの部分データと第２の領域データの部分データとを抽出し、
抽出した第１の領域データの部分データと第２の領域データの部分データとを前記誤差範囲に基づいて比較し、第２の領域データの部分データが第１の領域データの部分データからの前記誤差範囲内に位置しない場合に第２の領域データの部分データを前記特定領域内の変化領域を示す変化領域データとし、
変化領域データを表す各点データに基づいて変化領域の輪郭を算出し、算出した輪郭を持つ変化領域を表す変化領域データを特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項５】
特定領域を点データの集合で表す第１の領域データと任意の時刻における前記特定領域を点データの集合で表す第２の領域データとを入力し、
入力した第２の領域データに基づいて第１の領域データに対する第２の領域データの誤差範囲を算出し、
第１の領域データと第２の領域データとを比較して第１の領域データと第２の領域データとで相違する第１の領域データの部分データと第２の領域データの部分データとを抽出し、
抽出した第１の領域データの部分データと第２の領域データの部分データとを前記誤差範囲に基づいて比較し、第２の領域データの部分データが第１の領域データの部分データからの前記誤差範囲内に位置しない場合に第２の領域データの部分データを第１の時刻と第２の時刻とにおける前記特定領域内の変化領域を示す変化領域データとし、
変化領域データを特定の第１の面積で区分し、
変化領域データを特定の第１の面積で区分した各区分データに該区分データ内の点データの個数を設定し、
点データの個数が特定の閾値未満である区分データの点データの個数に０を設定し、
０以外が設定された各区分データの示す各区分に囲まれた区分の区分データに０以外を設定し、
０以外が設定された区分データの示す区分について連結する区分を抽出し、抽出した各連結する区分の面積を算出し、算出した面積が特定の第２の面積未満である連結する区分の各区分データに０を設定し、
０以外が設定された区分データの示す区分について連結する区分を抽出し、抽出した各連結する区分を各区分データに基づいて直線で近似し、
各区分データに基づいて近似した直線の傾きに基づいて隣り合う各連結する区分の関連を判定し、
関連すると判定した各連結する区分の各区分データを特定領域内の一つの変化領域データと特定する変化領域特定部と、
前記変化領域特定部が特定した変化領域データに基づいて変化領域を認識する変化領域認識部と
を備えたことを特徴とする変化領域認識装置。
【請求項６】
上記変化領域認識装置は、さらに、
画像データを入力し、入力した画像データに基づいて前記変化領域特定部の入力する第２の領域データを生成する領域データ作成部と、
各物体の形状データを記憶する形状データ記憶部とを備え、
前記変化領域認識部は、
前記変化領域特定部の特定した変化領域データと前記形状データ記憶部に記憶された形状データとを比較し、変化領域データと合致した形状データの示す物体を変化領域データに対応する物体と識別する
ことを特徴とする請求項１、請求項４または請求項５いずれかに記載の変化領域認識装置。
【請求項７】
特定領域を示す領域データを記憶管理する領域データベースをアクセスする変化認識システムにおいて、
前記特定領域を撮像して画像データを取得すると共に撮像した位置を示す位置データを記憶するセンサと、
前記センサが任意の時刻に取得した前記特定領域の画像データと撮像した位置を示す位置データとを入力し、入力した画像データと位置データとに基づいて第２の領域データを生成し、第１の領域データとして前記領域データベースから特定領域を示す領域データを取得し、第１の領域データと第２の領域データとに基づいて前記特定領域内の変化領域を示す変化領域データを特定し、特定した変化領域データを領域データとして更新する命令を前記領域データベースに出力して前記領域データベースに領域データを更新させる変化認識装置と
を備えたことを特徴とする変化認識システム。
【請求項８】
前記センサが取得する画像データと前記変化認識装置が生成する領域データと前記変化認識装置が特定する変化領域データとが三次元データであることを特徴とする請求項７記載の変化認識システム。
【請求項９】
前記センサは全周撮像を行う全周撮像装置であることを特徴とする請求項７または請求項８いずれかに記載の変化認識システム。
【請求項１０】
前記センサは位置の移動を行い、前記特定領域を異なる位置から撮像して画像データを取得すると共に移動した位置において測位することを特徴とする請求項７〜請求項９いずれかに記載の変化認識システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【公開番号】特開２００６−１７２０９９（Ｐ２００６−１７２０９９Ａ）
【公開日】平成１８年６月２９日（２００６．６．２９）
【国際特許分類】
【出願番号】特願２００４−３６３０９２（Ｐ２００４−３６３０９２）
【出願日】平成１６年１２月１５日（２００４．１２．１５）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【出願人】（８９９００００６８）学校法人早稲田大学 (602)
【Ｆターム（参考）】
【公開日】平成１８年６月２９日（２００６．６．２９）
【国際特許分類】
【出願日】平成１６年１２月１５日（２００４．１２．１５）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【出願人】（８９９００００６８）学校法人早稲田大学 (602)
【Ｆターム（参考）】
[ Back to top ]