JP2007033931A - 衛星画像等を用いた地図作成のための道路認識システム - Google Patents

Abstract

【課題】 解像度が60-100cm/Pixel程度の衛星画像又は航空写真画像を用いて地図を作成する目的において、画像中の道路部分を自動的に認識することができるシステムを提供する。
【解決手段】 道路の衛星／航空写真画像と、道路を直線的な道路ベクトルの集合として定義した簡易道路データとを用いて前記画像中の道路を認識するシステムであって、前記画像中の道路を表す部分を抽出した道路範囲画像を生成する手段、道路範囲画像中の地上物を表す部分をマーキングした地上物抽出画像を生成する手段、地上物抽出画像中の道路ベクトルに平行な直線成分を抽出し、当該直線成分に沿って地上物抽出画像を領域分割した道路領域分割画像を生成する手段、道路領域分割画像の各領域に含まれる地上物の大きさ及び占有割合に基づいて、当該領域の属性を分類した結果を出力する手段を備える道路認識システム。
【選択図】 図１

Description

本発明は、衛星画像や航空写真画像を用いた地図作成において、画像中の道路部分を自動認識するシステムに関し、特に、歩道及び車道の各車線を区別して認識することができるシステムに関するものである。

従来、ある目的地へ到達するためのルートをチェックするために使われる道路地図は、道路によってどの地点とどの地点がつながっているかが分かればよく、ベクトル情報からなる記号地図として作られていた。これに対して近年、カーナビ装置の発達等につれて、高度な機能を利用するためには、ベクトル情報のみの道路地図では情報が不足するようになってきている。例えば、通行中の車両からの視界をシミュレートした画面を表示したり、目的地にスムーズにドライブするための車線変更指示を表示したり、車だけでなく徒歩も含めた目的地への道のりを調べたりといった機能を実現するために、道路中の各車線の情報や、歩道の有無、車両走行部分の形状に関する情報などが必要となっている。

このような変化を受けて、多くの道路地図は、従来のベクトル道路地図から詳細な道路地図に変更する必要が生じている。上記したような詳細な道路地図を作成するためには、従来、既存のベクトル情報からなる道路地図を元に実際の車両にカメラやセンサを積んでその道路を走行して画像データや測定データを集める方法がとられていた。ところが、有用な情報を得るためには、高頻度で道路走行を行ってデータ収集をする必要性があるため、この方法では、多大な時間とコストを要するものとなっていた。

そこで、近年では、デジタル撮像技術の進歩に伴い、上空から地表を撮像した衛星画像や航空写真画像を用いて道路地図を作成することが広く行われるようになっている。衛星画像や航空写真画像を用いた地図作成に関して、画像中の道路部分を自動的に認識するソフトウェア技術が開発され、応用されている（非特許文献１〜３参照）。

H. Mayer, I. Laptev, A. Baumgartner, and C. Steger,"Automatic Road Extraction Based on Multi-Scale Modeling, Context, and Snakes," International Archives of Photogrammetry and Remote Sensing, volume XXXII, Part3-2W3, pages 106-113, 9-11 September 1997 A. Baumgartner, C. T. Steger, H. Mayer, and W. Eckstein," Semantic Objects and context for Finding Roads," Integrating photogrametric Techniques with Scene Analysis and Machine Vision III, Proc. SPIE 3072, pages 98-109, April 1997 G. Bordes, G. Giraudon, and O. Jamet,"Road Modeling Based on a Cartogrphic Database for Aerial Image Interpretation," Semantic Modeling for the Acquition of Topographic Information from Images and Maps, pages 123-139, Basel Switzerland, 1997, Birkhauser Verlag

しかしながら、上記の非特許文献１〜３において提案されている道路の自動認識システムでは、解像度が20-30cm/Pixel程度の画像を用いることが前提となっている。これは、航空機で低空飛行して撮像した航空写真画像の解像度に相当するものである。低高度で航空写真を撮像するとなると、撮像範囲が狭くなるため撮像回数や撮像時間が著しく増大し、通常の航空写真の撮像に比べて高いコストがかかってしまう。

一方で、高高度で撮像した航空写真画像や衛星により撮像された画像は、解像度が60-100cm/Pixelではあるが、上記の低高度で撮像した航空写真画像に比べて安価に入手でき、また、頻繁に撮像されているので間を置かずに最新の画像を入手することが可能であるという利点がある。

そこで、本発明は、解像度が60-100cm/Pixel程度の衛星画像又は航空写真画像を用いて地図を作成する目的において、画像中の道路部分を自動的に認識することができるシステムを提供しようとするものである。

上記解決課題に鑑みて鋭意研究の結果、本発明者は、道路を直線的な部分道路の集合として捉えた道路ベクトル情報を利用して、画像の道路部分に含まれる道路ベクトルと平行な直線成分により道路を領域分割するとともに、分割された各領域に含まれる地上物を抽出しその大きさに基づいて解析することにより、歩道、車線毎の車道、中央分離帯などを認識することができることに想到した。

すなわち、本発明は、衛星又は航空写真により道路を上空から撮像した画像と、道路を直線的な道路ベクトルの集合として定義した簡易道路データとを用いて前記画像中の道路を認識するシステムであって、前記画像中の道路を表す部分を抽出した道路範囲画像を生成する第１手段と、前記道路範囲画像中の地上物を表す部分をマーキングした地上物抽出画像を生成する第２手段と、前記地上物抽出画像中の道路ベクトルに平行な直線成分を抽出し、当該直線成分に沿って地上物抽出画像を領域分割した道路領域分割画像を生成する第３手段と、前記道路領域分割画像の各領域に含まれる地上物の大きさ及び占有割合に基づいて、当該領域の属性を分類し、その分類結果を出力する第４手段とを備えていることを特徴とする道路認識システムを提供するものである。

本発明の道路認識システムにおいて、前記簡易道路データは、道路ベクトルの始点座標、終点座標及び道路幅を含んでおり、前記第１手段は、各道路ベクトルを中心線として道路幅分の幅を持ちその始点から終点まで伸びる帯状の領域を当該道路ベクトルに対応する道路部分として前記画像から抽出することを特徴とする。

本発明の道路認識システムにおいて、前記第２手段は、前記道路範囲画像における道路部分の平均色を決定し、前記道路範囲画像中の当該平均色から一定以上離れた色を有する部分を地上物として認識することを特徴とする。

本発明の道路認識システムにおいて、前記第２手段は、色の輝度、色相、鮮かさからなるパラメータを用いて、前記道路範囲画像中の色と前記道路部分の平均色とが一定以上離れているかどうかを判定することを特徴とする。

本発明の道路認識システムにおいて、前記第３手段は、一定未満の間隔で隣接する２以上の直線成分群を抽出した場合には、当該直線成分群のうち両端の２の直線成分のみを領域分割に用いることを特徴とする。

本発明の道路認識システムにおいて、前記第４手段は、前記道路領域分割画像の各領域に含まれている地上物を、人物大地上物、車両大地上物、車両大を超える地上物のいずれかに識別し、当該識別結果に応じて当該領域を歩道、車両走行領域、走行不能領域のいずれかに分類することを特徴とする。

本発明の道路認識システムにおいて、前記第４手段は、前記道路領域分割画像の各領域が、車両大を超える地上物により一定割合を超えて占有されている場合には、当該領域を走行不可能領域と分類し、前記道路領域分割画像の各領域が、車両大を超える地上物により一定割合を超えて占有されておらず、かつ、車両大地上物を含んでいる場合又は当該領域が前記道路領域分割画像の端部に位置するものでない場合には、当該領域を車両走行領域と分類し、前記道路領域分割画像の各領域が、前記走行不可能領域及び車両走行領域のいずれにも該当せず、かつ、人物大地上物を含んでいる場合には、当該領域を歩道と分類することを特徴とする。

本発明は、また、衛星又は航空写真により道路を上空から撮像した画像と、道路を直線的な道路ベクトルの集合として定義した簡易道路データとを用いて前記画像中の道路を認識するプログラムであって、前記画像中の道路を表す部分を抽出した道路範囲画像を生成する第１ステップと、前記道路範囲画像中の地上物を表す部分をマーキングした地上物抽出画像を生成する第２ステップと、前記地上物抽出画像中の道路ベクトルに平行な直線成分を抽出し、当該直線成分に沿って地上物抽出画像を領域分割した道路領域分割画像を生成する第３ステップと、前記道路領域分割画像の各領域に含まれる地上物の大きさ及び占有割合に基づいて、当該領域の属性を分類し、その分類結果を出力する第４ステップとを備えていることを特徴とする道路認識プログラムを提供するものである。

本発明の道路認識プログラムにおいて、前記簡易道路データは、道路ベクトルの始点座標、終点座標及び道路幅を含んでおり、前記第１ステップでは、各道路ベクトルを中心線として道路幅分の幅を持ちその始点から終点まで伸びる帯状の領域を当該道路ベクトルに対応する道路部分として前記画像から抽出することを特徴とする。

本発明の道路認識プログラムにおいて、前記第２ステップでは、前記道路範囲画像における道路部分の平均色を決定し、前記道路範囲画像中の当該平均色から一定以上離れた色を有する部分を地上物として認識することを特徴とする。

本発明の道路認識プログラムにおいて、前記第２ステップでは、色の輝度、色相、鮮やかさからなるパラメータを用いて、前記道路範囲画像中の色と前記道路部分の平均色とが一定以上離れているかどうかを判定することを特徴とする。

本発明の道路認識プログラムにおいて、前記第３ステップでは、一定未満の間隔で隣接する２以上の直線成分群を抽出した場合には、当該直線成分群のうち両端の２の直線成分のみを領域分割に用いることを特徴とする。

本発明の道路認識プログラムにおいて、前記第４ステップでは、前記道路領域分割画像の各領域に含まれている地上物を、人物大地上物、車両大地上物、車両大を超える地上物のいずれかに識別し、当該識別結果に応じて当該領域を歩道、車両走行領域、走行不能領域のいずれかに分類することを特徴とする。

本発明の道路認識プログラムにおいて、前記第４ステップでは、前記道路領域分割画像の各領域が、車両大を超える地上物により一定割合を超えて占有されている場合には、当該領域を走行不可能領域と分類し、前記道路領域分割画像の各領域が、車両大を超える地上物により一定割合を超えて占有されておらず、かつ、車両大地上物を含んでいる場合又は当該領域が前記道路領域分割画像の端部に位置するものでない場合には、当該領域を車両走行領域と分類し、前記道路領域分割画像の各領域が、前記走行不可能領域及び車両走行領域のいずれにも該当せず、かつ、人物大地上物を含んでいる場合には、当該領域を歩道と分類することを特徴とする。

以上、説明したように、本発明の道路認識システムによれば、低コストで入手可能な解像度が60-100cm/Pixel程度の衛星画像又は航空写真画像において、道路部分を自動認識することができる。これにより、従来よりも低解像度の衛星画像又は航空写真画像用いて安価に地図を作成することが可能となる。

以下、添付図面を参照しながら、本発明の道路認識システムを実施するための最良の形態を詳細に説明する。図１〜図９は、本発明の実施の形態を例示する図であり、これらの図において、同一の符号を付した部分は同一物を表わし、基本的な構成及び動作は同様であるものとする。

道路認識システムのシステム構成
図１は、本発明の道路認識システムのシステム構成を概略的に示す図である。図１において、本システムは、画像中の道路認識処理を行うための処理装置104と、道路認識処理を行うために必要なデータを記憶した記憶装置110とから構成されており、処理装置104には、ユーザインターフェースとして、マウス、キーボード等からなる入力装置101、ディスプレイ等の表示装置102、プリンタなどの出力装置103が接続されている。

処理装置104は、道路範囲抽出部106、地上物抽出部107、道路領域分割部108、および道路解析部109を含むプログラム105を実行する。プログラム105の詳細及び各処理部の詳細については、後述する。

記憶装置110は、道路のセンターラインを示す道路ベクトル及び道路幅を含む簡易道路データ111、衛星画像又は航空写真画像として取得された元画像データ112、元画像データ112の画像のうち道路部分を抽出した道路範囲画像113、道路範囲画像113のうち背景を除いた部分（地上物）を抽出した地上物抽出画像114、地上物抽出画像114に含まれる道路部分を車線等に相当する複数の領域に分割した道路領域分割画像115、道路部分に含まれる各領域の詳細を示す詳細道路データ116を記憶する。これらのうち、簡易道路データ111及び元画像データ112は予め取得されているものとし、道路範囲画像113、地上物抽出画像114、道路領域分割画像115はプログラム105の実行中に生成され利用されるものであり、詳細道路データ116は、プログラム105による一連の処理の実行によって最終的に得られるデータである。

図２Ａ〜図２Ｃは、図１に示す記憶装置110に格納されている簡易道路データ111、元画像データ112、道路範囲画像113、地上物抽出画像114、道路領域分割画像115、詳細道路データ116の具体例を示す図である。

図２Ａにおいて、簡易道路データは、道路網を２地点間の直線的な道路ベクトルの集合として捉えたデータである。図示するように、各道路ベクトルは、ベクトルID、視点座標、終点座標、道路幅などのデータから構成されている。元画像データは、衛星画像又は航空写真画像として予め取得されている画像データである。元画像データ上でも、上記の簡易道路データで用いたのと同じ座標を用いるものとする。道路範囲画像は、簡易道路データの道路ベクトル情報を基に、元画像データから道路部分のみを抽出した画像である。このように元画像データから道路範囲画像を抽出する処理は、図１に示すプログラム105の道路範囲抽出部106により実行される（詳細は後述する）。

図２Ｂにおいて、地上物抽出画像は、道路範囲画像から道路面を表す部分と道路面以外の地上物（人、車等）を表す部分とを識別して抽出した画像である。このように道路範囲画像から地上物等を識別して抽出する処理は、図１に示すプログラム105の地上物抽出部107により実行される（詳細は後述する）。道路領域分割画像は、地上物抽出画像から、道路ベクトルと平行方向に直線状に存在する地上物を検出し、それらを道路ベクトルと平行な直線によって個々の領域に分割した画像である。このように地上物抽出画像に対して領域分割を行う処理は、図１に示すプログラム105の道路領域分割部108により実行される（詳細は後述する）。

図２Ｃにおいて、詳細道路データは、道路領域分割画像の領域分割された各部分について、歩道であるか車道であるか、また車道については走行可能な領域であるかどうかを解析した結果を示すデータである。図示するように、詳細道路データは、簡易道路データに上記解析結果を付加したものとして生成される。このような解析処理は、図１に示すプログラム105の道路解析部109により実行される（詳細は後述する）。

道路認識システムによる処理
以下では、図１に示す処理装置104がプログラム105により実行する画像中の道路認識処理について詳細に説明する。図３は、プログラム105が実行する処理の流れを概略的に示すフローチャートである。図３において、このプログラムは、簡易道路データ及び元画像データを記憶装置から読み込んだ後（ステップ301）、簡易道路データに基づき元画像データから道路範囲を抽出し、道路範囲画像を生成する処理を行い（ステップ302）、道路範囲画像から地上物を抽出し、地上物抽出画像を生成する処理を行い（ステップ303）、地上物抽出画像において道路領域を道路進行方向に沿った直線で分割し、道路領域分割画像を生成する処理を行い（ステップ304）、道路領域分割画像の各領域の属性を解析する道路解析処理を行うことにより（ステップ305）、元画像中に対して道路認識を行った結果データである詳細道路データを生成し、記憶装置や出力装置などに出力する（ステップ306）。

図４は、図３における道路範囲抽出処理（ステップ302）において道路範囲抽出部106が行う処理の流れを示すフローチャートである。図４において、道路範囲抽出部は、まず、簡易道路データから未チェックの道路ベクトルを１つ抜き出し（ステップ401）、元画像データにおいて、その道路ベクトルに沿って当該ベクトルを中心に道路幅分の画素をマーキングする（ステップ402）。すなわち、道路ベクトルを中心線とする長方形に相当する部分がマーキングされることになる。このステップ401〜402の処理を、チェックしていないベクトルがなくなるまで繰り返した後（ステップ403）、元画像データ中のマーキングされていない部分の画素を白又は黒で塗りつぶす（ステップ404）。こうして得られた画像を道路範囲画像として記憶装置に出力し、処理を終了する。

図５は、図３における地上物抽出処理（ステップ303）において地上物抽出部107が行う処理の流れを示すフローチャートである。図５において、地上物抽出部は、まず、道路範囲画像における道路の平均色を決定する（ステップ501）。このステップでは、後の地上物抽出を行うために、画像中で背景となる道路面部分の色を決定する。具体的には、道路範囲画像中で道路面は大部分を占めるため、道路範囲画像の白又は黒中で塗りつぶした箇所以外の部分について色や輝度のヒストグラムを作成し、その最頻値に基づいて道路の平均色を決定することができる。あるいは、外部から与えられた教師点に基づいて基準となる色や輝度を決定してもよい。

続いて、地上物抽出部は、道路範囲画像内で未判定の座標点Aを選択し、その座標の画素の色と道路の平均色との距離を計算してdに代入する（ステップ502）。平均色との距離は、例えば、画素の色を輝度、色相、鮮やかさのパラメータで表し、各パラメータの差分を重み付けして加算した値として計算することができる。この距離dを一定の閾値を比較し（ステップ503）、閾値以下である場合にはその座標点Aを背景としてマーキングし（ステップ504）、閾値を超える場合にはその座標点Aを地上物としてマーキングする（ステップ505）。ここでは、道路範囲画像中で背景である道路面と色が異なる部分を地上物として検出しているので、実際には道路上に描かれた道路境界線などの平面的な対象も地上物に含まれることになる。このステップ502〜505の処理を道路範囲画像中の全ての座標に対して繰り返した後（ステップ506）、道路範囲画像中の地上物としてマーキングされた画素を所定の色で塗りつぶした地上物抽出画像を記憶装置に出力し（ステップ507）、処理を終了する。

図６は、図３における道路領域分割処理（ステップ304）において道路領域分割部108が行う処理の流れを示すフローチャートである。図６において、道路領域分割処理部は、まず、地上物抽出画像から、道路ベクトルに平行な直線成分を抽出する（ステップ601）。例えば、地上物抽出画像中の地上物であって道路ベクトルと平行な方向に伸びているものや、断片的な地上物の集合であって全体として道路ベクトルと平行な方向に直線状に並んでいるものを抽出する。

この直線成分の抽出法の具体例としては、Hough変換（米国特許第3069654号明細書等参照）を用いた手法などが挙げられる。この手法は、複数部分に切断された断片を復元する手法で、道路画像において鎖線状に表れる道路境界線や、複数のブロックで構成されている歩道の境界などを検出するのに適している。この手法では、画像内のある直線に対して、その直線上に地上物が存在する割合を調べて、その割合が高いものを直線とみなす。通常は、画像内のあらゆる向きの直線（Hough空間と呼ばれる）に対して上記の割合をチェックするが、本発明に応用するにあたっては、道路ベクトルに平行なものだけをチェック対象とすればよい。

このとき、地上物抽出画像に含まれる地上物の面積が大きい場合には、複数の直線が密接して抽出されることがある（例えば、図９Ａの直線成分抽出画像における道路の中央部など）。このような場合には、道路領域分割処理部は、密接して抽出された直線成分のうち両端の２つの直線成分のみを選んで抽出する（ステップ602）。このようにして抽出された直線成分によって、地上物抽出画像中の道路部分を領域に分割し（ステップ603）、道路領域分割画像として記憶装置に出力して処理を終了する。

図７は、図３における道路解析処理（ステップ305）において道路解析部109が行う処理の流れを示すフローチャートである。図７において、道路解析部は、まず、道路領域分割画像に含まれる各領域のうち未判定の領域を１つ選択し（ステップ701）、当該選択領域内に含まれる地上物について分類を行う（ステップ702）。ここでは、画像上の地上物の大きさによって、当該地上物を地上固定物、車両大地上物、人物大地上物などに分類する。続いて、道路解析部は、選択領域内に存在する地上固定物の割合を所定の閾値（例えば40％など）と比較し（ステップ703）、閾値以上である場合には、その領域を走行不能領域に分類する（ステップ704）。これにより、中央分離帯やゼブラゾーンなどが存在する道路部分は、車両が通行できない領域と判定されることになる。

一方、ステップ703において、選択領域内に存在する地上固定物の割合が閾値に満たない場合には、その領域が道路範囲の端に位置していないこと、あるいは、その領域内に車両大地上物を含んでいることのいずれかの条件を満たしているかどうかをチェックする（ステップ705）。上記いずれかの条件を満たしている場合には、その領域を車両走行領域に分類する（ステップ706）。これにより、走行不能領域にも歩道にも該当しない道路部分は、車両が走行できる領域と判定されることになる。

一方、ステップ705において、上記いずれかの条件を満たしてない場合には、その領域内に人物大地上物が含まれているかどうかをチェックする（ステップ707）。人物大地上物が含まれている場合には、その領域を歩道に分類する（ステップ708）。これにより、走行不能領域にも車両走行領域にも該当しない道路部分は、歩道であると判定されることになる。

一方、ステップ707において、選択領域内に人物大地上物が含まれていない場合には、その領域を暫定車両走行領域に分類する（ステップ709）。暫定車両走行領域は、領域内に何ら地上物が見当たらない領域であり、どの分類を適用すればよいか断定できないが、暫定的に車両走行領域とみなすこととしている。同地域の別時間に撮影した元画像データを用いて再度道路認識処理を行った結果、同領域が歩道や車両走行領域として分類された場合には、その分類を優先的に適用すればよい。

道路解析部は、ステップ702〜709における処理を道路領域分割画像の全領域に対して繰り返し行い（ステップ710）、その結果得られたデータを詳細道路データとして記憶装置等に出力し、処理を終了する。

図８は、図７における地上物の分類処理（ステップ702）の詳細を示すフローチャートである。図８において、道路解析部は、まず、選択領域内に含まれる各地上物についてラベリングを行う（ステップ801）。ラベリングとは、連続する座標が地上物としてマーキングされている場合に、それをひとまとまりの地上物としてまとめてラベル付けをし、リスト化する処理のことである。但し、上記で地上物として検出されたものであっても、その大部分の画素（例えば70％程度）が道路領域分割の際に与えられた領域を分割する線分と重なっているものについては、地上物とはみなさないこととする。

続いて、道路解析部は、ステップ801においてラベリングした地上物のうち未判定の地上物を１つ選択し、その地上物の面積（例えばPixel数を単位とする）を計算して変数ｓに代入する（ステップ802）。この変数ｓを所定の閾値T1,T2（T1<T2）と比較し（ステップ803）、変数ｓが閾値T2より大きければ、その地上物を地上固定物と分類し（ステップ804）、変数ｓが閾値T1以上かつ閾値T2以下であれば、その地上物を車両大地上物と分類し（ステップ805）、変数ｓが閾値T1に満たなければ、その地上物を人物大地上物として分類する（ステップ806）。ここで、閾値T1は、人体程度の大きさ（1m×1m）の地上物が画像中に占める面積の値とし、閾値T2は、大型車両程度の大きさ（3m×5m）の地上物が画像中に占める面積の値としている。このように、道路画像中に点在する車両や人物等のノイズに対して、その詳細を解析するのではなく、ノイズの大きさのみによってその属性を判定することができるので、解像度が60-100cm/Pixel程度である高高度の航空写真画像や衛星画像を用いても十分に正確な分類処理を行うことが可能となっている。

道路解析部は、ステップ802〜806における処理を選択領域内でラベリングされた全ての地上物に対して繰り返して行い（ステップ807）、判定結果（例えば、図９Ｂに示す分類画像）を返して処理を終了する。以上のようにして、本発明の道路認識システムによる自動道路認識の処理が実行される。

図９Ａ及び図９Ｂは、本発明の道路認識システムにおいて生成される画像の例を示す図である。道路範囲画像は、図５のステップ501を実行する前に読み込まれる画像である。直線成分抽出画像は、図６のステップ602において生成される画像であり、地上物抽出画像から直線成分を抽出し、当該抽出された直線成分を灰色で上塗りしたものである。分類画像は、図７のステップ702において生成される画像であり、道路領域分割画像に含まれる地上物を分類し、各分類を色分けして視覚的に表したものである。固定地上物、車両大地上物、人物大地上物の領域を異なる色で現している。

以上、本発明の道路認識システムについて、具体的な実施の形態を示して説明したが、本発明はこれらに限定されるものではない。当業者であれば、本発明の要旨を逸脱しない範囲内において、上記各実施形態又は他の実施形態にかかる発明の構成及び機能に様々な変更・改良を加えることが可能である。

本発明の道路認識システムは、記憶装置、処理装置、ユーザインターフェース等を備えたコンピュータ上で実現され得るものであり、画像中における道路の自動認識というプログラム処理が上記コンピュータのハードウェア資源を用いて具体的に実現されるものであるから、産業上利用することができる発明である。

本発明の道路認識システムのシステム構成を概略的に示す図である。 図１に示す記憶装置に格納される簡易道路データ、元画像データ、道路範囲画像の具体例を示す図である。 図１に示す記憶装置に格納される地上物抽出画像、道路領域分割画像の具体例を示す図である。 図１に示す記憶装置に格納される詳細道路データの具体例を示す図である。 図１に示す処理装置のプログラムが実行する処理の流れを概略的に示すフローチャートである。 図３における道路範囲抽出処理において道路範囲抽出部が行う処理の流れを示すフローチャートである。 図３における地上物抽出処理において地上物抽出部が行う処理の流れを示すフローチャートである。 図３における道路領域分割処理において道路領域分割部が行う処理の流れを示すフローチャートである。 図３における道路解析処理において道路解析部が行う処理の流れを示すフローチャートである。 図７における地上物の分類処理の詳細を示すフローチャートである。 本発明の道路認識システムにおいて生成される道路範囲画像及び直線成分抽出画像の例を示す図である。 本発明の道路認識システムにおいて生成される地上物を分類表示した画像の例を示す図である。

符号の説明

101 入力装置
102 表示装置
103 出力装置
104 処理装置
105 プログラム
106 道路範囲抽出部
107 地上物抽出部
108 道路領域分割部
109 道路解析部
110 記憶装置
111 簡易道路データ
112 元画像データ
113 道路範囲画像
114 地上物抽出画像
115 道路領域分割画像
116 詳細道路データ

Claims (14)

1. 衛星又は航空写真により道路を上空から撮像した画像と、
   道路を直線的な道路ベクトルの集合として定義した簡易道路データとを用いて前記画像中の道路を認識するシステムであって、
   前記画像中の道路を表す部分を抽出した道路範囲画像を生成する第１手段と、
   前記道路範囲画像中の地上物を表す部分をマーキングした地上物抽出画像を生成する第２手段と、
   前記地上物抽出画像中の道路ベクトルに平行な直線成分を抽出し、当該直線成分に沿って地上物抽出画像を領域分割した道路領域分割画像を生成する第３手段と、
   前記道路領域分割画像の各領域に含まれる地上物の大きさ及び占有割合に基づいて、当該領域の属性を分類し、その分類結果を出力する第４手段とを備えていることを特徴とする道路認識システム。
2. 前記簡易道路データは、道路ベクトルの始点座標、終点座標及び道路幅を含んでおり、
   前記第１手段は、各道路ベクトルを中心線として道路幅分の幅を持ちその始点から終点まで伸びる帯状の領域を当該道路ベクトルに対応する道路部分として前記画像から抽出することを特徴とする請求項１に記載の道路認識システム。
3. 前記第２手段は、前記道路範囲画像における道路部分の平均色を決定し、前記道路範囲画像中の当該平均色から一定以上離れた色を有する部分を地上物として認識することを特徴とする請求項１又は２に記載の道路認識システム。
4. 前記第２手段は、色の輝度、色相、鮮やかさからなるパラメータを用いて、前記道路範囲画像中の色と前記道路部分の平均色とが一定以上離れているかどうかを判定することを特徴とする請求項３に記載の道路認識システム。
5. 前記第３手段は、一定未満の間隔で隣接する２以上の直線成分群を抽出した場合には、当該直線成分群のうち両端の２の直線成分のみを領域分割に用いることを特徴とする請求項１から４のいずれか１項に記載の道路認識システム。
6. 前記第４手段は、前記道路領域分割画像の各領域に含まれている地上物を、人物大地上物、車両大地上物、車両大を超える地上物のいずれかに識別し、当該識別結果に応じて当該領域を歩道、車両走行領域、走行不能領域のいずれかに分類することを特徴とする請求項１から５のいずれか１項に記載の道路認識システム。
7. 前記第４手段は、
   前記道路領域分割画像の各領域が、車両大を超える地上物により一定割合を超えて占有されている場合には、当該領域を走行不可能領域と分類し、
   前記道路領域分割画像の各領域が、車両大を超える地上物により一定割合を超えて占有されておらず、かつ、車両大地上物を含んでいる場合又は当該領域が前記道路領域分割画像の端部に位置するものでない場合には、当該領域を車両走行領域と分類し、
   前記道路領域分割画像の各領域が、前記走行不可能領域及び車両走行領域のいずれにも該当せず、かつ、人物大地上物を含んでいる場合には、当該領域を歩道と分類することを特徴とする請求項６に記載の道路認識システム。
8. 衛星又は航空写真により道路を上空から撮像した画像と、
   道路を直線的な道路ベクトルの集合として定義した簡易道路データとを用いて前記画像中の道路を認識するプログラムであって、
   前記画像中の道路を表す部分を抽出した道路範囲画像を生成する第１ステップと、
   前記道路範囲画像中の地上物を表す部分をマーキングした地上物抽出画像を生成する第２ステップと、
   前記地上物抽出画像中の道路ベクトルに平行な直線成分を抽出し、当該直線成分に沿って地上物抽出画像を領域分割した道路領域分割画像を生成する第３ステップと、
   前記道路領域分割画像の各領域に含まれる地上物の大きさ及び占有割合に基づいて、当該領域の属性を分類し、その分類結果を出力する第４ステップとを備えていることを特徴とする道路認識プログラム。
9. 前記簡易道路データは、道路ベクトルの始点座標、終点座標及び道路幅を含んでおり、
   前記第１ステップでは、各道路ベクトルを中心線として道路幅分の幅を持ちその始点から終点まで伸びる帯状の領域を当該道路ベクトルに対応する道路部分として前記画像から抽出することを特徴とする請求項８に記載の道路認識プログラム。
10. 前記第２ステップでは、前記道路範囲画像における道路部分の平均色を決定し、前記道路範囲画像中の当該平均色から一定以上離れた色を有する部分を地上物として認識することを特徴とする請求項８又は９に記載の道路認識プログラム。
11. 前記第２ステップでは、色の輝度、色相、鮮やかさからなるパラメータを用いて、前記道路範囲画像中の色と前記道路部分の平均色とが一定以上離れているかどうかを判定することを特徴とする請求項１０に記載の道路認識プログラム。
12. 前記第３ステップでは、一定未満の間隔で隣接する２以上の直線成分群を抽出した場合には、当該直線成分群のうち両端の２の直線成分のみを領域分割に用いることを特徴とする請求項８から１１のいずれか１項に記載の道路認識プログラム。
13. 前記第４ステップでは、前記道路領域分割画像の各領域に含まれている地上物を、人物大地上物、車両大地上物、車両大を超える地上物のいずれかに識別し、当該識別結果に応じて当該領域を歩道、車両走行領域、走行不能領域のいずれかに分類することを特徴とする請求項８から１２のいずれか１項に記載の道路認識プログラム。
14. 前記第４ステップでは、
    前記道路領域分割画像の各領域が、車両大を超える地上物により一定割合を超えて占有されている場合には、当該領域を走行不可能領域と分類し、
    前記道路領域分割画像の各領域が、車両大を超える地上物により一定割合を超えて占有されておらず、かつ、車両大地上物を含んでいる場合又は当該領域が前記道路領域分割画像の端部に位置するものでない場合には、当該領域を車両走行領域と分類し、
    前記道路領域分割画像の各領域が、前記走行不可能領域及び車両走行領域のいずれにも該当せず、かつ、人物大地上物を含んでいる場合には、当該領域を歩道と分類することを特徴とする請求項１３に記載の道路認識プログラム。

Images