図面 (/)

技術 車種判別装置および車種判別方法

出願人 株式会社東芝東芝インフラシステムズ株式会社
発明者 青木泰浩佐藤俊雄
出願日 2016年6月9日 (4年5ヶ月経過) 出願番号 2016-115058
公開日 2017年12月14日 (2年11ヶ月経過) 公開番号 2017-220076
状態 特許登録済
技術分野 光学的手段による測長装置 交通制御システム
主要キーワード 画像パタン リフレクタンス 重量測定器 各設置場所 撮像トリガ信号 車両通行路 ラフタークレーン 全景画像
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2017年12月14日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

より安定して車種判別を行う方法が求められている。

解決手段

実施形態の車種判別装置は、取得部と、画像生成部と、全景画像推定部と、補間部と、車軸検出部と、判別部とを備える。取得部は、スキャナ部から検出点距離および反射強度を取得し、撮像部から撮像画像を取得する。画像生成部は、検出点の濃度をレーザの反射強度に応じて異ならせた画像であるリフレクタンス画像を生成する。全景画像推定部は、撮像画像に基づいて、車両全体の形状を示す画像である全景画像を推定する。補間部は、全景画像の特徴点とリフレクタンス画像の検出点とを照合するマッチング処理を実行し、マッチング処理の結果および検出点距離に基づいて、全景画像の特徴点を補間する。車軸検出部は、特徴点を補間した全景画像から車軸を検出し、車軸の数と車軸間の距離を計測する。判別部は、車軸の数と車軸間の距離に基づいて、車両の車種判別する。

概要

背景

道路通行料金課金や、通行量の把握の目的で、走行する車種の判定が行われている。従来、道路を走行する車両の車種を判別する方法として、カメラまたはレーザスキャナによって車両を撮像または測定し、車両の車軸の数や車高車幅計測する技術、および計測した結果に基づいて車種を判別する技術が開示されている。

概要

より安定して車種判別を行う方法が求められている。実施形態の車種判別装置は、取得部と、画像生成部と、全景画像推定部と、補間部と、車軸検出部と、判別部とを備える。取得部は、スキャナ部から検出点距離および反射強度を取得し、撮像部から撮像画像を取得する。画像生成部は、検出点の濃度をレーザの反射強度に応じて異ならせた画像であるリフレクタンス画像を生成する。全景画像推定部は、撮像画像に基づいて、車両全体の形状を示す画像である全景画像を推定する。補間部は、全景画像の特徴点とリフレクタンス画像の検出点とを照合するマッチング処理を実行し、マッチング処理の結果および検出点距離に基づいて、全景画像の特徴点を補間する。車軸検出部は、特徴点を補間した全景画像から車軸を検出し、車軸の数と車軸間の距離を計測する。判別部は、車軸の数と車軸間の距離に基づいて、車両の車種を判別する。

目的

本実施形態の車種判別装置2103は、カウンタ97によるカウント結果およびカウント時の時刻を、例えば道路交通情報として提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

スキャナ部で検出した、所定位置を通過する車両に対してレーザ照射して検出した検出点距離、および検出点で反射したレーザの反射強度を取得し、かつ撮像部から、前記所定位置を撮像して得られた撮像画像を取得する取得部と、前記検出点を含む前記所定位置の画像であって、前記検出点の濃度を、当該検出点において反射したレーザの前記反射強度に応じて異ならせた画像であるリフレクタンス画像を生成する画像生成部と、前記撮像画像に基づいて、前記車両の全体の形状を示す画像である全景画像推定する全景画像推定部と、前記全景画像の特徴点と前記リフレクタンス画像の前記検出点とを照合するマッチング処理を実行し、前記マッチング処理の結果および前記検出点距離に基づいて、前記全景画像の前記特徴点を補間する補間部と、前記特徴点を補間した前記全景画像から車軸を検出し、前記車軸の数と前記車軸間の距離を計測する車軸検出部と、前記車軸の数と前記車軸間の距離に基づいて、前記車両の車種判別する判別部と、を備えた車種判別装置

請求項2

前記画像生成部は、前記リフレクタンス画像に対して、前記リフレクタンス画像の縦横比を前記車両の実際の縦横比に合わせる正規化処理を施し、前記全景画像推定部は、前記撮像部によって連続して撮像された複数の静止画像から前記全景画像を推定し、前記補間部は、前記全景画像の前記特徴点と前記正規化処理が施された前記リフレクタンス画像の前記検出点とを照合する前記マッチング処理を実行する、請求項1に記載の車種判別装置。

請求項3

前記判別部は、前記車両が前記車軸を3軸以上備え、かつ、前記車軸間の距離が所定の距離以上離れている箇所が2か所以上あると判断した場合に、前記車両が特大車であると判別する、請求項1に記載の車種判別装置。

請求項4

前記取得部はさらに、速度計測部から前記車両の速度を取得し、前記画像生成部は、前記取得部が取得した前記車両の速度に基づいて、前記リフレクタンス画像の前記正規化処理を行う、請求項1に記載の車種判別装置。

請求項5

前記取得部はさらに、前記車両の重量を測定する重量測定部から前記車両の重量を取得し、前記取得部が取得した前記車両の重量が、前記判別部が判別した前記車種に定められた過積載基準値を超えていると判断した場合に、前記車両を過積載と判定する過積載判定部をさらに備える、請求項1に記載の車種判別装置。

請求項6

前記取得部はさらに、前記重量測定部から、前記車両の重量を測定した時刻を取得し、前記車軸検出部が検出した前記車軸の数と前記車軸間の距離および前記車軸が前記スキャナ部によって走査された時刻と、前記取得部が取得した前記車両の重量および前記車両の重量を測定した時刻と、を照合することによって、前記車軸ごとの重量を計測する車軸別重量計測部をさらに備え、前記過積載判定部は、前記車軸別重量計測部が計測した前記車両の前記車軸ごとの重量が、前記車軸ごとの重量の上限値である限界重量に達しているか否かを判定する、請求項5に記載の車種判別装置。

請求項7

前記車軸別重量計測部は、前記車軸ごとの重量の計測結果から、前記車軸が路面から浮いていると判断した場合に、前記路面から浮いている前記車軸を除いた前記車軸の数および前記車軸間の距離を計測し、前記判別部は、前記車軸別重量計測部が計測した前記車軸の数および前記車軸間の距離に基づいて、前記車両の車種を判別する、請求項6に記載の車種判別装置。

請求項8

スキャナ部から、所定位置を通過する車両に対してレーザを照射して検出した検出点距離、および検出点で反射したレーザの反射強度を取得し、かつ撮像部から、前記所定位置を撮像して得られた撮像画像を取得する取得ステップと、前記検出点を含む前記所定位置の画像であって、前記検出点の濃度を、当該検出点において反射したレーザの前記反射強度に応じて異ならせた画像であるリフレクタンス画像を生成する画像生成ステップと、前記撮像画像に基づいて、前記車両全体の形状を現す画像である全景画像を推定する全景画像推定ステップと、前記全景画像の特徴点と前記リフレクタンス画像の前記検出点とを照合するマッチング処理を実行し、前記マッチング処理の結果および前記検出点距離に基づいて、前記全景画像の前記特徴点を補間する補間ステップと、前記特徴点を補間した前記全景画像から車軸を検出し、車軸の数と車軸間の距離を計測する車軸検出ステップと、前記車軸の数と前記車軸間の距離に基づいて、前記車両の車種を判別する判別ステップと、を含む車種判別方法

技術分野

0001

本発明の実施形態は、車種判別装置および車種判別方法に関する。

背景技術

0002

道路通行料金課金や、通行量の把握の目的で、走行する車種の判定が行われている。従来、道路を走行する車両の車種を判別する方法として、カメラまたはレーザスキャナによって車両を撮像または測定し、車両の車軸の数や車高車幅計測する技術、および計測した結果に基づいて車種を判別する技術が開示されている。

先行技術

0003

特開2014−215719号公報
特開平9−89640号公報
特許第5478419号公報
特開平11−232586号公報

発明が解決しようとする課題

0004

しかしながら、従来の車種判別技術において利用されている車高や車幅を含む車両形状は時間の経過によって変化が生じるため、より安定して車種判別を行う方法が求められている。

0005

また、従来の車種判別技術においては、大型車特大車とを判別する精度を向上させることが求められている。

課題を解決するための手段

0006

実施形態の車種判別装置は、取得部と、画像生成部と、全景画像推定部と、補間部と、車軸検出部と、判別部とを備える。取得部は、スキャナ部で検出した、所定位置を通過する車両に対してレーザ照射して検出した検出点距離、および検出点で反射したレーザの反射強度を取得し、かつ撮像部から、所定位置を撮像して得られた撮像画像を取得する。画像生成部は、検出点を含む所定位置の画像であって、検出点の濃度を、当該検出点において反射したレーザの反射強度に応じて異ならせた画像であるリフレクタンス画像を生成する。全景画像推定部は、撮像画像に基づいて、車両全体の形状を示す画像である全景画像を推定する。補間部は、全景画像の特徴点とリフレクタンス画像の検出点とを照合するマッチング処理を実行し、マッチング処理の結果および検出点距離に基づいて、全景画像の特徴点を補間する。車軸検出部は、特徴点を補間した全景画像から車軸を検出し、車軸の数と車軸間の距離を計測する。判別部は、車軸の数と車軸間の距離に基づいて、車両の車種を判別する。

図面の簡単な説明

0007

実施形態1の車種判別システムの構成の一例を示す図。
実施形態1の車種判別装置の機能構成の一例を示すブロック図。
実施形態1の車種判別装置における車両の3次元形状の推定方法の一例を説明するための図。
実施形態1における車両の全景画像の一例を示す図。
実施形態1における回転処理後の車両の全景画像の一例を示す図。
実施形態1における検出点距離から生成した点群データの一例を示す図。
実施形態1におけるリフレクタンス画像の一例を示す図。
実施形態1の車種判別装置におけるリフレクタンス画像が含む車両の画像の正規化処理の一例を説明するための第1の図。
実施形態1の車種判別装置におけるリフレクタンス画像が含む車両の画像の正規化処理の一例を説明するための第2の図。
実施形態1の車種判別装置におけるリフレクタンス画像が含む車両の画像の正規化処理の一例を具体的に説明するための図。
実施形態1の車種判別装置における画像補間処理の手順の一例を説明するための図。
実施形態1の車種判別装置におけるマッチング処理の一例を説明するための図。
実施形態1の車種判別装置における画像補間処理の一例を説明するための図。
実施形態1の車種判別装置における車軸検出処理の一例を説明するための図。
実施形態1の車種判別装置における車軸の大きさおよび車軸の中心位置の計測方法の一例を説明するための図。
実施形態1の車種判別装置における1軸をリフトするリフトアクスル機能の一例を説明するための図。
実施形態1の車種判別装置における2軸をリフトするリフトアクスル機能の一例を説明するための図。
実施形態1の車種判別装置における車種判別情報の一例を示す図。
実施形態1の車種判別装置における車種判別処理の手順の一例を示すフローチャート
実施形態2の車種判別システムの構成の一例を示す図。
実施形態2の車種判別装置の機能構成の一例を示すブロック図。
実施形態2の車種判別装置における正規化処理の一例を説明するための図。
実施形態3の車種判別装置の機能構成の一例を示すブロック図。
実施形態3の車種判別装置における車種区分別のカウント処理の一例について説明するための図。
実施形態3の車種判別装置における車種区分別の時間当たりの通行車両数のカウント結果の一例を示すグラフ
実施形態3の車種判別装置における車種判別処理の手順の一例を示すフローチャート。
実施形態4の車種判別システムの構成の一例を示す図。
実施形態4のカメラが連続して撮像した複数の静止画像の一例を示す図。
実施形態4のレーザスキャナの検出結果の一例を示す図。
実施形態4の車種判別装置の機能構成の一例を示すブロック図。
実施形態4の車種判別装置における車軸ごとの重量分析の一例を示す図。
実施形態4の車種判別装置における車種判別処理の手順の一例を示すフローチャート。

実施例

0008

(実施形態1)
本実施形態の車種判別システムは、カメラで撮像した車両の画像と、レーザスキャナで車両を走査して得た検出点距離および反射強度とを用いて、車両の高解像度の全景画像を生成し、この全景画像から車軸の数および車軸間の距離を計測して、この車軸の数および車軸間の距離に基づいて車両の車種区分および車種を判別することで、より安定した車種判別を実現するものである。以下、本実施形態の詳細について説明する。

0009

図1は、本実施形態の車種判別システム1aの構成の一例を示す図である。図1に示すように、本実施形態の車種判別システム1aは、カメラ101と、レーザスキャナ102と、車種判別装置103とを備えている。車種判別システム1aは、大型の車両が通行する道路、駐車場出入口高速道路料金所等に設けられている。

0010

本実施形態のカメラ101は、単眼カメラ等であり、車両10が通過する所定位置Tを撮像する。カメラ101は本実施形態における撮像部の一例である。

0011

本実施形態のカメラ101は、所定位置Tに進入した車両10の斜め上方の位置に設けられる。車両10の法定車高は3.8mであるため、具体的には、カメラ101は、所定位置Tの道路の路面から5〜7m上方に設けられる。

0012

また、本実施形態のカメラ101は、所定位置Tの道路の路面を基準として、俯角25〜45度で設けられている。また、本実施形態のカメラ101は、所定位置Tを通過する車両10の全景を撮像可能に設けられている。ここで、車両10の全景とは、車両10の全体の形状のことをいう。

0013

具体的には、カメラ101は、車両10の前方領域(例えば、大型車のトラクタ部の前端)と車両10の後方領域(例えば、大型車のトレーラ部の後端)とが、当該カメラ101の画角に収まるように設けられている。さらに、カメラ101は、撮像対象の車両10の車長が長い場合、当該カメラ101の画角を広げるために、当該カメラ101を動的に傾けて撮像可能な構成を採用しても良い。

0014

本実施形態の車種判別システム1aは少なくとも1台のカメラ101を備えるが、車両10の前後あるいは側面を撮像する複数のカメラ101を備える構成を採用しても良い。また、カメラ101の設置位置は、カメラ101が車両10を撮像できるのであれば良く、前述した設置位置に限らない。カメラ101の設置角度も、前述の角度に限らない。

0015

本実施形態では、カメラ101は、レーザスキャナ102から撮像トリガ信号が入力された場合に、所定位置Tを通過する車両10の撮像を行う。あるいは、カメラ101は、一定時間ごとに撮像を行い続ける構成を採用しても良いし、車種判別システム1aが不図示の車両検知装置別途備え、車両検知装置がカメラ101に対して撮像トリガ信号を送出する構成を採用しても良い。

0016

カメラ101は、所定位置Tを通過する車両10を連続的に複数回撮像する。カメラ101は、車両10の撮像により得られた撮像画像を、車種判別装置103に送信する。

0017

レーザスキャナ102は、赤外線等のレーザを対象物に照射し、対象物を走査(スキャン)する。レーザスキャナ102は、車両10が通過する所定位置Tにおいてレーザを照射して検出点距離および当該検出点で反射したレーザの反射強度(リフレクタンス)を検出する。ここで、検出点距離とは、レーザの照射位置から検出点までの距離を示す。レーザスキャナ102は、スキャナ部の一例である。

0018

本実施形態では、レーザスキャナ102は、所定位置Tに車両10が進入した際に側面から車両10を走査可能な位置に設置される。本実施形態の車種判別システム1aは少なくとも1台のレーザスキャナ102を備えるが、複数のレーザスキャナ102を備える構成を採用しても良い。

0019

レーザスキャナ102は、車両10が所定位置Tに進入したことを検知した場合に、車両10の撮像を指示する撮像トリガ信号をカメラ101に送信する。また、レーザスキャナ102は、車両10を検知してから車両10を検知しなくなるまで、すなわち、車両10が所定位置Tに進入してから退出するまで、車両10に対してレーザを照射する。具体的には、レーザスキャナ102は、車両10の進行方向と交わる方向(以下、走査方向という)にレーザを走査しながら、複数の検出点における検出点距離および反射強度を検出する。レーザスキャナ102は、各検出点について検出した検出点距離および反射強度を車種判別装置103に送信する。

0020

車種判別装置103は、車種判別処理を実行する電子計算機の一例である。車種判別装置103は、カメラ101およびレーザスキャナ102と、電気的に接続されている。

0021

本実施形態の車種判別装置103は、図1に示すように所定位置Tに隣接した道路脇に設置されているが、これに限定されず、管理センター等に設置されても良い。

0022

車種判別装置103は、カメラ101から、撮像画像を取得する。また、車種判別装置103は、レーザスキャナ102から、各検出点の検出点距離および反射強度を取得する。そして、車種判別装置103は、撮像画像、検出点距離および反射強度を用いて、所定位置Tを通過する車両10の車種を判別する。

0023

図2は、本実施形態の車種判別装置103の機能的構成の一例を示すブロック図である。図2に示すように、本実施形態の車種判別装置103は、記憶部90と、取得部91と、画像生成部92と、全景画像推定部93と、補間部94と、車軸検出部95と、判別部96と、を備える。

0024

記憶部90は、車両10の車種を判別するための基準である車種判別情報20を記憶する。車種判別情報20の内容については、後述する。また、記憶部90は、本実施形態における車種判別装置103の各機能部の処理に使用する情報を記憶することができる。記憶部90は、例えば、ハードディスクドライブ(HDD)、ソリッドステートドライブSSD)、メモリなどの記憶媒体である。

0025

取得部91は、レーザスキャナ102で検出した、所定位置Tを通過する車両10に対してレーザを照射して検出した検出点距離、および前記検出点で反射したレーザの反射強度を取得する。具体的には、取得部91は、レーザスキャナ102により所定位置Tへの車両10の進入が検知された場合、レーザスキャナ102から、複数の検出点それぞれの検出点距離および反射強度を取得する。また、取得部91はカメラ101から、所定位置Tを撮像して得られた撮像画像を取得する。

0026

取得部91は、取得した検出点距離および反射強度を画像生成部92に送出する。また、取得部91は、取得した撮像画像を全景画像推定部93に送出する。

0027

全景画像推定部93は、カメラ101の撮像により得られた撮像画像に基づいて、車両10の全体の形状を示す三次元形状の画像(以下、全景画像D1という)を推定(生成)する。

0028

図3は、本実施形態の車種判別装置103における車両の3次元形状の推定方法の一例を説明するための図である。本実施形態では、全景画像推定部93は、カメラ101によって所定位置Tを複数回撮像して得られた複数の撮像画像を、取得部91から取得する。そして、全景画像推定部93は、SfM(Structured from Motion)等の技術を用いて、複数の撮像画像に従って、車両10の全景画像D1を推定する。

0029

図3に示す複数の画像200〜203は、カメラ101が所定位置Tを通過する車両10を連続的に撮像した画像の例である。例えば、左端の画像200は、車両10が所定位置Tへ進入した時刻t0において、カメラ101が所定位置Tを撮像した画像である。また、右端の画像203は、車両10が所定位置Tから退出した時刻t3において、カメラ101が所定位置Tを撮像した画像である。中央の2つの画像201〜202はそれぞれ、車両10が所定位置Tに進入した後、退出するまでの所定の時刻t1およびt2において、カメラ101が所定位置Tを撮像した画像である。

0030

図3の下部では、時刻t0〜t1間の車両10の特徴点Pの移動量を、画像200〜201から推定する方法を示す。特徴点PaおよびPbは、画像200〜201に含まれる車両10の特徴点Pの例示である。特徴点PaおよびPbとして用いられる箇所としては、画像200〜201が含む車両10のエッジ(角部)等がある。

0031

点aは、画像200に含まれる特徴点Paを、カメラ101の位置204を基準として投影平面205の上に投影した位置を示す。また、点bは、画像200に含まれる特徴点Pbを、カメラ101の位置204を基準として投影平面205の上に投影した位置を示す。点a”および点b”は、画像201に含まれる特徴点PaおよびPbを、カメラ101の位置204を基準として投影平面205の上に投影した位置をそれぞれ示す。投影平面205とは、カメラ101の位置を基準(原点)として、特徴点PaおよびPbの位置を推定するために定義される、仮想的な平面のことをいう。

0032

投影平面205の位置は固定されており、画像200から画像201の間で特徴点PaおよびPbが移動するに伴って、点aは点a”の位置へ、点bは点b”の位置へ、投影平面205上を移動する。全景画像推定部93は、このように特徴点PaおよびPbの移動を検出して対応付けることによって、連続して撮像された画像200と画像201の間の特徴点Paおよび特徴点Pbの移動量を推定することができる。

0033

全景画像推定部93は、投影平面205上に投影された点aおよびbの移動量から、被写体となった車両10とカメラ101の位置204との位置関係に基づいて、特徴点PaおよびPbの3次元位置を推定する。

0034

全景画像推定部93は、画像201と画像202の間、および画像202と画像203の間においても、特徴点PaおよびPbの位置の対応付けを行い、特徴点PaおよびPbの3次元位置を推定する。全景画像推定部93は、このように連続する画像間で逐次的に特徴点の移動量の推定を行うことにより、車両10の全景の3次元形状を推定する。

0035

また、カメラ101が固定されず、移動しながら車両10を撮像する場合は、全景画像推定部93は、カメラ101の移動量に基づいて、特徴点PaおよびPbの3次元位置を推定する構成を採用しても良い。

0036

このようにして、全景画像推定部93は、カメラ101によって連続して撮像された複数の静止画像から全景画像D1を推定する。全景画像推定部93は、車両10の全景の3次元形状を示す画像である全景画像D1を推定する。また、全景画像推定部93は、各特徴点の近傍の撮像画像を張り合わせることで、全景画像D1の画像を重畳し、全景画像D1の解像度をさらに向上させる構成を採用しても良い。

0037

図3では4枚の画像200〜203を例としたが、カメラ101は、車両10が所定位置Tを通過するまでの間により多くの画像を撮像することができる構成を採用しても良い。撮像した画像数が多い方が、全景画像推定部93はより精度の高い全景画像D1を推定することができる。また、特徴点PaおよびPbは画像200〜203における特徴点Pの例であり、位置合わせに用いる特徴点の数を限定するものではない。

0038

図4は、本実施形態における車両の全景画像D1の一例を示す図である。点Pは、全景画像D1を構成する特徴点を示している。ここで、図1で説明したように、カメラ101は車両10を斜め上方の位置から撮像しているため、推定された全景画像D1は、図4に示すように車両10を斜めから見た形状を表す。

0039

ここで、全景画像推定部93は、全景画像D1を回転させ、車両10の側面から見た画像を推定する。
図5は、本実施形態における回転処理後の車両の全景画像D2の一例を示す図である。全景画像D1を回転させる処理を行うことによって、全景画像推定部93は、レーザスキャナ102の放射位置と同様の方向から見た車両10の全景画像D2を推定する。

0040

全景画像推定部93は、全景画像D2から車両10の車長を測定し、画像生成部92に送出する。また、全景画像推定部93は、推定した全景画像D2を補間部94へ送出する。全景画像推定部93は、全景画像D1および全景画像D2から車両10の車幅および車高をさらに計測する構成を採用しても良い。

0041

図2戻り、画像生成部92は、取得部91から取得した検出点距離から点群データgを生成する。点群データgとは、所定位置Tの画像であって、検出点の濃度を、当該検出点の検出点距離に応じて異ならせた画像である。
図6は、検出点距離から生成した点群データgの一例を示す図である。図6において、縦軸は、車両10の各検出点pにレーザを走査した際の走査角度であり、横軸は、車両10の各検出点pにレーザを走査した時刻である。図6に示すように、点群データgでは、検出点距離が近い検出点pほど薄い色で、検出点距離が遠い検出点pほど濃い色で表示される。

0042

また、画像生成部92は、取得部91から取得した反射強度からリフレクタンス画像Gを生成する。リフレクタンス画像Gとは、所定位置Tの画像であって、検出点pの濃度を、当該検出点pにおいて反射したレーザの反射強度に応じて異ならせた画像である。
図7は、本実施形態におけるリフレクタンス画像Gの一例を示す図である。図7において、縦軸は、車両10の各検出点pにレーザを走査した際の走査角度であり、横軸は、車両10の各検出点pにレーザを走査した時刻である。図7に示すように、リフレクタンス画像Gでは、レーザの反射強度が強い検出点pほど薄い色で、反射強度が弱い検出点pほど濃い色で表示される。

0043

各検出点pに対して、距離と反射強度は1対1に対応して取得されるため、点群データgとリフレクタンス画像Gに表示される各検出点pは、それぞれ1対1の対応関係となる。すなわち、点群データgとリフレクタンス画像Gは同一の車両10を含む画像である。

0044

レーザスキャナ102によって得られた画像の特徴として、レーザスキャナ102の走査方向には密に検出点pを検出しているが、時間軸方向には検出点pの検出が疎になるという性質がある。すなわち、点群データgとリフレクタンス画像Gでは、車両10の車高方向には密に検出点pが表示されているが、車両10の車長方向には検出点pが周期的に欠落している。

0045

ここで、本実施形態の車種判別装置103における車種判別処理では、画像から計測した車両10の車軸の数および車軸間の距離を用いて車種を判別する。このため、本実施形態の車種判別装置103では、点群データgおよびリフレクタンス画像Gを用いて、カメラ101が撮像した画像の画像補間処理を行い、解像度の高い画像を生成することで、車軸の数および車軸間の距離の計測の精度を高める。

0046

画像補間処理を行うためには、カメラ101が撮像した画像とレーザスキャナ102によって得られた画像とを照合し、対応点を検出して位置合わせをするマッチング処理をする必要がある。ここで、カメラ101が撮像した画像は、点群データgよりもリフレクタンス画像Gとの親和性が高い。したがって、リフレクタンス画像Gを、カメラ101が撮像した画像とのマッチング処理に用いる方が、点群データgを用いるよりも対応点の検出が容易である。以上の理由により、本実施形態においてはリフレクタンス画像Gをカメラ101が撮像した画像とのマッチング処理に用いる。

0047

ここで、レーザスキャナ102によって得られた画像は、対象物の速度によって時間軸方向に伸縮する性質をもつ。すなわち、レーザスキャナ102の前を走行する車両10の通過速度が速くなるにしたがって、レーザスキャナ102が検出できる時間軸方向の検出点pが少なくなり、生成されるリフレクタンス画像Gの横方向の長さが短くなる。

0048

車両10の速度によってリフレクタンス画像Gの縦横比が変化したままでは、カメラ101が撮像した画像とのマッチング処理を行うのは困難である。そこで、画像生成部92は、リフレクタンス画像Gに対して、リフレクタンス画像Gの縦横比を車両10の実際の縦横比に合わせる正規化処理を施す。

0049

図8および図9は、本実施形態の車種判別装置103におけるリフレクタンス画像Gが含む車両画像の正規化処理の一例を説明するための図である。車長lは正規化処理前のリフレクタンス画像Gにおける車両10の車長であり、車長Lは正規化処理後のリフレクタンス画像Gにおける車両10の車長である。図8における車両10は速度V1で所定位置Tを通過し、図9における車両10は速度V1よりも速い速度V2で所定位置Tを通過した例を示している。

0050

図8および図9は同一の車長の車両10の画像を含むリフレクタンス画像Gである。しかしながら、車両10が速度V2で通過した場合のリフレクタンス画像G(図6参照)が含む車両10の画像の車長lは、車両10が速度V1で通過した場合のリフレクタンス画像G(図5参照)が含む車両10の画像の車長lよりも短くなる。すなわち、リフレクタンス画像Gが含む車両10の画像の車長lは、所定位置Tを通過する車両10の速度が速くなるに従って、短くなる。そこで、図8および図9に示すように、画像生成部92は、リフレクタンス画像Gが含む車両画像の車長lを車長Lに正規化する処理を行う。

0051

次に、図10を用いて、リフレクタンス画像Gを正規化する処理の具体例について説明する。図10は、本実施形態の車種判別装置103におけるリフレクタンス画像Gが含む車両10の画像の正規化処理の一例を具体的に説明するための図である。

0052

図10(a)〜(b)に示すように、まず、画像生成部92は、リフレクタンス画像Gが含む車両画像の車長lを特定する。さらに、図10(c)に示すように、画像生成部92は、リフレクタンス画像Gが含む前車軸FSおよび後車軸BSを検出する。次いで、画像生成部92は、前車軸FSの幅および後車軸BSの幅を計測する。前車軸FSの幅は、検出した前車軸FSの左端から右端までの距離を計測することで取得できる。後車軸BSの幅の計測方法も同様である。画像生成部92は、前車軸FSおよび後車軸BSを、車軸検出部95における車軸検出と同様の方法で検出することができる。車軸検出部95における車軸検出の方法については後述する。

0053

さらに、図10(d)に示すように、画像生成部92は、前車軸FSの幅と後車軸BSの幅の比率を、車両10が所定位置Tを通過する際の速度変化率として算出する。そして、画像生成部92は、速度変化率が「1」であり、車両10が所定位置Tを通過する際に等速で通過した可能性が高い場合、図10(e)に示すように、車両画像の車長方向に向かってリフレクタンス画像Gを均一に伸縮させて、リフレクタンス画像Gが含む車両画像の車長を所定の長さLに正規化する。

0054

ここで、本実施形態においては、画像生成部92は所定の長さLとして、カメラ101が撮像した画像から全景画像推定部93が推定(生成)した全景画像D2の車長Lを用いる。

0055

一方、画像生成部92は、速度変化率が「1」でない場合、車両10が所定位置Tを通過する際に加減速した可能性が高いため、リフレクタンス画像Gの部分よって、車両画像の車長方向に対する伸縮率を変える。例えば、画像生成部92は、速度変化率が「1」より小さく、車両10が所定位置Tを通過する際に減速した可能性が高い場合、車両画像の車長方向に向かって、車両画像の後端に向かうに従い、当該リフレクタンス画像Gの検出点pの間隔を小さくする。一方、画像生成部92は、速度変化率が「1」より大きく、車両10が所定位置Tを通過する際に加速した可能性が高い場合、車両画像の車長方向に向かって、車両画像の後端に向かうに従い、当該リフレクタンス画像Gの検出点pの間隔を大きくする。

0056

画像生成部92は、点群データgと正規化したリフレクタンス画像Gを補間部94へ送出する。

0057

図2に戻り、補間部94は、全景画像D2の特徴点Pと、正規化したリフレクタンス画像Gの検出点pとを照合するマッチング処理を実行する。そして、補間部94は、マッチング処理の結果、および検出点距離から生成された点群データgに含まれる検出点pに基づいて、全景画像D2の特徴点Pを補間する。

0058

図11は、本実施形態の車種判別装置103における画像補間処理の一例を説明するための図である。図11(a)に示すように、補間部94は、全景画像D2が含む特徴点Pとリフレクタンス画像Gの検出点pとを照合するマッチング処理を実行する。次いで、図11(b)に示すように、補間部94は、全景画像D2において、検出点pと照合した特徴点P間を、当該特徴点P間に存在する点群データgによって補間する画像補間処理を実行し、密な特徴点Pを有する全景画像Aを得る。

0059

補間部94が行うマッチング処理について、具体的に説明する。
図12は、本実施形態の車種判別装置103におけるマッチング処理の一例を説明するための図である。図12に示すように、補間部94は、全景画像D2の特徴点Pと一致する、正規化したリフレクタンス画像Gの検出点pを特定する。

0060

次に、補間部94が行う画像補間処理について、具体的に説明する。
図13は、本実施形態の車種判別装置103における画像補間処理の一例を説明するための図である。図6および図7で述べたように、点群データgは、車両10の走査方向には密に検出点pを有している。しかしながら、点群データgは、車両10の時間軸方向には検出点pが疎になる。

0061

一方、図3から図5で述べたように、車両10の全景画像D2は、カメラ101の撮像により得られた撮像画像に基づいて推定される。そのため、全景画像D2は、被写体(車両10)や当該被写体を撮像する際の撮像条件等の影響を受け易い。一般的に、全景画像D2に含まれる特徴点Pは、点群データgに含まれる検出点pよりも疎になる性質を有する。

0062

図7で述べたように、リフレクタンス画像Gの検出点pと点群データgの検出点pは1対1の対応関係であるため、全景画像D2の特徴点Pと一致する点群データgの検出点pは、図12で述べたマッチング処理の結果によって特定される。

0063

補間部94は、図13に示すように、全景画像D2において、検出点pと一致(照合)した特徴点P間を、当該特徴点P間に存在する検出点pによって補間(拡充)する。これにより、図13に示すように、補間部94は、密な特徴点Pを有する全景画像A(言い換えると、特徴点Pが拡充された全景画像A)を得ることができる。

0064

補間部94は、全景画像Aを車軸検出部95に送出する。

0065

図2に戻り、車軸検出部95は、特徴点Pを点群データgによって補間した全景画像Aから車軸を検出し、車軸の数と車軸間の距離を計測する。

0066

図14は、本実施形態の車種判別装置103における車軸検出処理の一例を説明するための図である。図14に示す所定位置Tを通過したセミトレーラの全景画像A1は、補間された全景画像Aの一例である。

0067

図14においては、車軸検出部95が車軸検出を行う範囲の高さ方向の下限は、路面300とする。また、車軸検出部95が車軸検出を行う範囲の高さ方向の上限位置301は、全景画像A1に含まれる車両10の車体の底面の高さである。

0068

車軸検出部95が車軸検出を行う範囲には、車軸11a〜11d以外の構造物が含まれることが極力少なくなるように範囲を設定することが望ましい。例えば、車軸検出を行う範囲の高さ方向の上限位置301は、所定位置Tを走行することが想定される車種の最低地上高度の値としても良い。あるいは、路面から車軸検出を行う範囲の高さ方向の上限位置301までの高さは、想定される車軸11a〜11dの直径の2分の1の値としても良い。想定される車種の最低地上高度、および想定される車軸11a〜11dの直径は、記憶部90が記憶する構成を採用しても良い。

0069

車軸検出部95は、全景画像A1における車軸検出を行う範囲において、特徴点Pの発生頻度が所定の閾値よりも高い領域を検出する。車軸11a〜11dが存在する領域では、車軸11a〜11dが存在しない空間部分と比較して特徴点Pの発生頻度が高い。このため、車軸検出部95は、特徴点Pの発生頻度が所定の閾値よりも高い領域を検出することで、車軸11a〜11dの位置を検出することができる。このように、車軸検出部95は、図14に示す全景画像A1に含まれる車軸11a〜11dの位置を検出する。特徴点Pの発生頻度の所定の閾値は、記憶部90が記憶する。

0070

車軸検出部95における車軸11a〜11dの検出方法は、これに限らない。例えば、車軸11a〜11dは一般に円形黒色であることが想定されるため、車軸検出部95は、全景画像A1から、パタンマッチングテンプレートマッチング)によって円形で黒色の画像パタンテンプレート)と一致する領域を車軸11a〜11dとして検出する構成を採用しても良い。この場合、円形で黒色の画像パタン(テンプレート)は、記憶部90が記憶する構成を採用しても良い。

0071

また、図8および図9で述べたように、正規化処理後のリフレクタンス画像Gは、所定位置Tを通過する車両10の速度が速くなるに従って、車両10の車長方向(時間軸方向)への検出点pの数が少なくなる。すなわち、通行速度が速い車両10については、リフレクタンス画像Gの横方向の解像度が不足し、正規化処理によって画像を横方向に伸長することで検出点pの位置の誤差が大きくなる場合がある。このため、車軸検出部95は、例えば、正規化処理前のリフレクタンス画像Gの横方向の解像度に下限を設定し、下限を下回った場合には補間されていない全景画像D2から車軸を検出し、車軸の数と車軸間の距離を計測する構成を採用しても良い。リフレクタンス画像Gの横方向の解像度の下限は、例えば正規化処理前のリフレクタンス画像Gに含まれる車両10の画像における車軸の幅が一定以下となった場合等を基準としても良い。

0072

図14に示す車軸の検出方法は、リフレクタンス画像Gの正規化処理における車軸の検出にも適用可能である。すなわち、画像生成部92は、車軸検出部95が全景画像Aから車軸処理を行う方法を用いて、リフレクタンス画像Gから車軸検出する構成を採用しても良い。

0073

また図15は、本実施形態の車種判別装置103における車軸の大きさおよび車軸の中心位置の計測方法の一例を説明するための図である。図15(a)に示すように、車軸検出部95は、全景画像Aから車軸310を検出する。図15(b)は車軸310を含む領域の拡大図である。車軸検出部95は、路面312から、車軸310の路面から最も高い位置311までの距離を計測することで、車軸310の直径(大きさ)を取得することができる。また、車軸検出部95は、路面312と車軸310の路面から最も高い位置311までの間の中間位置313を計測し、路面312から当該中間位置313までの距離を計測することで、車軸310の半径を取得することができる。

0074

また、車軸310の左端314から右端315までの距離は車軸310の幅の長さを示す。また車軸310の左端314から右端315までの間の中間位置316が、車軸310の中心である。

0075

図14に示すように、車軸検出部95は、車軸11a〜11dの位置を検出した後に、各車軸11a〜11d間の距離を計測する。図14の符号L1は第1の車軸11aの中心から第2の車軸11bの中心までの距離、符号L2は第2の車軸11bの中心から第3の車軸11cの中心までの距離、符号L3は第3の車軸11cの中心から第4の車軸11dの中心までの距離をそれぞれ示す。車軸検出部95は、全景画像A1上の車軸11a〜11d間の距離L1〜L3を、車両10の実寸換算して、実際の車両10における車軸間の距離を計測する。

0076

ここで、車軸の検出の際に考慮が必要な事項として、図16および図17を用いてリフトアクスル機能を備えた車両10が通行した場合について説明する。リフトアクスル機能とは、例えばトレーラ等において積荷が軽い場合に、一部の車軸を路面から浮かせて(リフトして)、接地しないようにする機能のことをいう。路面から浮いた車軸は、車種区分および車種の判定基準上は車軸とはならない。そのため、リフトアクスル機能は、車種区分を特大車から大型車へ下げて高速道路の料金を節約する目的で、車軸の数を減らすために利用されることが多い。

0077

具体的には、図16に示すように1軸分の車軸を路面から浮かせる場合や、図17に示すように2軸分の車軸を路面から浮かせる場合等がある。図16および図17に示す路面400から、リフトした車軸の高さの下限401までの間は空間がある。車軸部分と空間部分とでは全景画像A1における特徴点Pの分布に差があるため、車軸検出部95は全景画像A1における特徴点Pの分布から車軸の下に空間を認識した場合、当該車軸は車軸ではないと判断する。車軸のリフトを判定する方法はこれに限らず、車軸検出部95は、レーザスキャナ102で測定した検出点pの検出点距離から車軸の下の空間を識別しても良い。また、車軸検出部95は、パタンマッチングの結果、車軸と推定される円形画像の位置が路面400から離れていることを認識して車軸のリフトを判定しても良い。

0078

車軸検出部95は、車軸が路面から浮いていることを判定した場合、当該路面から浮いている車軸を除いた車軸の数および車軸間の距離を計測する。

0079

車軸検出部95は、計測した車両10の車軸の数と車軸間の距離を、判別部96に送出する。

0080

図2に戻り、判別部96は、車軸検出部95から取得した車軸の数と車軸間の距離に基づいて、車両10の車種区分および車種を判別する。ここで、判別部96が車種区分および車種を判別する処理のことを、車種判別処理という。

0081

ここで、車種区分とは、車種を分類する区分のことをいう。本実施形態において、車種区分は高速道路の料金基準で用いられる車種区分に準じて軽自動車、普通車、中型車、大型車、特大車に車種を分類する構成を採用する。

0082

判別部96は、車種判別情報20に定義された基準にしたがって、車種判別処理を実行する。車種判別情報20とは、車軸の数と車軸間の距離によって、車種区分および車種を特定する基準を定義した情報である。

0083

例えば、判別部96は、車種判別情報20に定義された基準にしたがって、車両10が車軸を3軸以上備え、かつ、車両10において車軸間の距離が所定の距離以上離れている箇所が2か所以上あると判断した場合に、車両10が特大車であると判別する。また、判別部96は、車両10の車軸の数が5軸以上であると判断した場合は、車両10を特大車であると判別する。

0084

車種判別情報20に定義された基準の詳細について、図18を用いて説明する。図18は、本実施形態の車種判別装置103における車種判別情報20の一例を示す図である。本実施形態において、車種判別情報20は、記憶部90に記憶される。あるいは、車種判別情報20は、車種判別装置103とネットワークを介して接続された不図示の外部記憶装置に記憶される構成を採用しても良い。

0085

図18に示すように、車種判別情報20は、「軸数」、「車軸間距離条件(m)」、「車種区分」、「車種」の情報を少なくとも含む。なお、項目イメージ図」は、車軸間距離条件に基づく車軸の位置をモデル化して表示しているものであるので、車種判別情報20の構成としては必須ではない。

0086

車種判別情報20の項目「軸数」は車軸の数を示す。図18の車種判別情報20によると、車軸の数は2軸、3軸、4軸、5軸以上の4つに分類されている。本実施形態においては、車両10の車軸の数が2軸であれば、判別部96は、車軸間の距離によって、車両10の車種区分は「軽自動車、普通車、中型車」または「中型車、大型車」のいずれかであると判別する。車両10の車軸の数が3軸であれば、判別部96は、車軸間の距離の組合せによって、車両10の車種区分は「特大車」または「中型車、大型車」のいずれかであると判別する。車両10の車軸の数が4軸であれば、判別部96は、車軸間の距離の組合せによって、車両10の車種区分は「特大車」または「大型車」のいずれかであると判別する。車両10の車軸の数が5軸以上である場合は、判別部96は、車軸間の距離に関わらず、車両10の車種区分は「特大車」であると判別する。

0087

図18に示す車種判別情報20の「軸数」は一例であり、これに限らない。

0088

車種判別情報20の項目「車軸間距離条件(m)」は各車軸間の距離の閾値をメートル単位で示す。車軸の数が3軸以上の場合は、各車軸間の距離の組合せが、車種区分および車種を判別する条件となる。図18に示す車種判別情報20の「車軸間距離条件(m)」の項目L1〜L3は、車両10の隣り合う2つの車軸間の距離を、それぞれの車軸の中心から計測して実寸換算した長さを示す。具体的には、図14と同様に、図18の項目L1は車両10の最も前方側の車軸(第1の車軸)と、前方側から2番目の車軸(第2の車軸)の間の距離を示す。項目L2は車両10の第2の車軸と、前方側から3番目の車軸(第3の車軸)の間の距離を示す。項目L3は車両10の第3の車軸と、前方側から4番目の車軸(第4の車軸)の間の距離を示す。

0089

車種判別情報20の「車軸間距離条件(m)」の項目L1〜L3はAND条件であり、各距離の組合せを全て満たした場合にのみ、当該条件に合致するとされる。項目L1〜L3に設定される値n1〜n3は、車軸間の距離における所定の閾値の一例である。また、値n1〜n3の大小関係は、n1<n2<n3とする。

0090

例えば、図18の車種判別情報20のNo.6では、「軸数」が4軸であり、「車軸間距離条件(m)」のL1は「n2≦L1<n3」、L2は「n2≦L2<n3」、L3は「0<L3<n2」と定義されている。すなわち、車両10の第1の車軸と第2の車軸の間の距離がn2メートル以上n3メートル未満であり、かつ、第2の車軸と第3の車軸の間の距離がn2メートル以上n3メートル未満であり、かつ、第3の車軸と第4の車軸の間の距離が0mより長くn2メートル未満である場合に、判別部96は、車両10がNo.6の「車軸間距離条件(m)」を満たすと判断する。

0091

また、車両10の車軸の数が4軸であり、かつ、図18の車種判別情報20のNo.6〜9の「車軸間距離条件(m)」のいずれも満たさない場合は、No.10に示すように、当該車両10の「車種区分」は大型車であり、「車種」は普通トラック単車、セミトレーラ以外の「その他4軸車」であると判別される。

0092

車種判別情報20の項目「車種区分」は、「軸数」と「車軸間距離条件(m)」から特定される車両10の車種の区分を示す。

0093

車種判別情報20の項目「車種」は、「軸数」と「車軸間距離条件(m)」から特定される車両10の車種を示す。例えば、図18に示す車種判別情報20のNo.1に定義されるように、車軸の数が2軸の場合で、かつ、車軸間の距離L1がn1メートル以下であれば車種区分は軽自動車、普通車、中型車のいずれかであり、想定される車種は乗用車類、またはラフタークレーンがある。また、車種判別情報20のNo.2に定義されるように、車軸の数が2軸の場合で、かつ、車軸間の距離L1がn1メートルよりも長ければ、車種区分は中型車または大型車であり、想定される車種は単車、普通トラック、バス、トラクタである。ここで、単車とは、牽引部と被牽引部に分離することができない構造の貨物自動車の総称である。

0094

図18に示す車種は一例であり、車種判別情報20はさらに多くの車種を記憶する構成を採用しても良い。

0095

ここで、図14および図18を用いて車種判別処理の内容を具体的に説明する。図14で述べたように、車軸検出部95は、全景画像A1から、車軸11a〜11dを検出し、各車軸間の距離L1〜L3を計測する。判別部96は、車軸検出部95から車軸11a〜11dの検出結果を取得し、図18に示す車種判別情報20を検索して、車両10が当てはまる「軸数」と「車軸間距離条件(m)」の組合せを取得する。図14に示す車両10の車軸11a〜11dの数は4軸で、各車軸間の距離はn2≦L1<n3、n2≦L2<n3、0<L3<n2であるとする。この場合、図14に示す全景画像A1は、車種判別情報20のNo.6に示す「軸数」と「車軸間距離条件(m)」の組合せの条件を満たす。したがって、判別部96は、全景画像A1の「車種区分」は特大車であり、「車種」は単車あるいはセミトレーラであると判別する。

0096

一方、全景画像A1に示された車両10が、後方荷積載部分である被牽引車両を分離し、前方の牽引車両のみで独立して走行した場合、車両10の車軸の数は、牽引車両の車軸11a〜11bの2軸となる。この場合、判別部96は、車種判別情報20を検索して、「軸数」が2軸で、車軸間の距離L1が「n2≦L1<n3」となる車両10があてはまる「軸数」と「車軸間距離条件(m)」の組合せを取得する。この場合、車両10は車種判別情報20のNo.2に示す「軸数」と「車軸間距離条件(m)」の組合せの条件を満たす。したがって、判別部96は、「車種区分」は中型車あるいは大型車であり、「車種」は単車、普通トラック、バスまたはトラクタであると判別する。

0097

また、図18に示す車種判別情報20によれば、車種区分が特大車となるのは、車両10がNo.3、No.6、No.7、No.11のいずれかの定義を満たす場合である。すなわち、前述したように、判別部96は、車種判別情報20の車両10が車軸を3軸以上備え、かつ、車両10において車軸間の距離がn2メートル以上離れている箇所が2か所以上あると判断した場合、あるいは車両10の車軸の数が5軸以上であると判断した場合は、車両10を特大車であると判別する。

0098

判別部96は、車種処理の結果を不図示の外部装置に出力する。あるいは、判別部96は、車種判別装置103の不図示の表示部に車種判別処理の結果を表示する構成を採用しても良い。また、判別部96が特定の車種区分や車種の車両10を判別した場合に、車種判別装置103の不図示の報知部によって報知する構成を採用しても良い。

0099

上記のように、本実施形態における車種判別装置103では、判別部96が車軸の数および車軸間の距離に基づいて車種を判別するので、車両10のその他の部位の形状等は車種判別に影響しない。このため、補間部94は、全景画像D2の全体を均等に補間するのではなく、車軸の周囲の解像度を向上させるように全景画像D2の特定の範囲を補間する構成を採用しても良い。例えば、補間部94は、全景画像D2の画像上の路面から、想定される車軸の高さの最高値までの間の範囲を補間する構成を採用しても良い。この場合、想定される車軸の高さの最高値は記憶部90が記憶する構成を採用しても良い。あるいは、補間部94は、補間前に全景画像D2からパタンマッチングによって車軸を検出し、車軸に近傍する範囲を補間する構成を採用しても良い。補間する範囲を限定することで、全景画像D2の全体を補間する場合と比較して、補間部94が行うマッチング処理および画像補間処理の負荷を軽減することができる。

0100

次に以上のように構成された本実施形態の車種判別処理の流れについて説明する。図19は、本実施形態の車種判別装置103における車種判別処理の手順の一例を示すフローチャートである。このフローチャートの処理は、例えば、車両10が所定位置Tに進入したことをレーザスキャナ102が検知した場合に開始する。

0101

S10で、取得部91は、カメラ101から撮像画像を取得する。取得部91は、取得した撮像画像を全景画像推定部93に送出する。

0102

S11で、全景画像推定部93は、取得部91により取得された撮像画像が含む車両画像の特徴点Pを抽出する。さらに、全景画像推定部93は、車両10とカメラ101との位置関係に基づいて、抽出した各特徴点Pの位置を特定することによって、車両10の全景画像D1を推定する。

0103

S12で、全景画像推定部93は、全景画像D1を回転させることによって、車両10の側面方向の画像である全景画像D2を推定する。全景画像推定部93は、全景画像D2を補間部94に送出する。また、全景画像推定部93は、全景画像D2から計測した車両10の車長Lを画像生成部92に送出する。

0104

S13で、取得部91は、レーザスキャナ102から各検出点pの検出点距離および反射強度を取得する。取得部91は、取得した各検出点pの検出点距離および反射強度を画像生成部92に送出する。

0105

S14で、画像生成部92は、取得部91により取得された各検出点pの検出点距離に基づいて、車両10の検出点pの濃度を、当該検出点pの検出点距離に応じて異ならせた画像である点群データgを生成する。また、画像生成部92は、取得部91により取得された各検出点pの反射強度に基づいて、車両10の検出点pの濃度を、当該検出点pの反射強度に応じて異ならせた画像であるリフレクタンス画像Gを生成する。

0106

S15で、画像生成部92は、全景画像推定部93から取得した車長Lを用いてリフレクタンス画像Gを正規化する処理を行う。画像生成部92は、点群データgおよび正規化したリフレクタンス画像Gを補間部94に送出する。

0107

S16で、補間部94は、全景画像D2の特徴点Pと、正規化処理後のリフレクタンス画像Gの検出点pとを照合するマッチング処理を実行する。補間部94は、マッチング処理の結果に基づいて、全景画像D2の特徴点Pを、点群データgに含まれる検出点pを用いて補間する画像補間処理を行う。補間部94は、画像補間処理によって解像度が向上した全景画像Aを生成する。補間部94は、全景画像Aを車軸検出部95に送出する。

0108

S17で、車軸検出部95は、全景画像Aから車軸の数および位置を検出する。また、車軸検出部95は、車両10の実寸に換算した車軸間の距離を計測する。車軸検出部95は、車軸の数および車軸間の距離の計測結果を判別部96に送出する。

0109

S18で、判別部96は、記憶部90に記憶された車種判別情報20を参照し、車軸検出部95から取得した車軸の数および車軸間の距離に条件が合致する車種区分および車種を特定する車種判別処理を行う。

0110

S19で、判別部96は、車種判別処理の結果を不図示の外部装置に出力する。

0111

このように、本実施形態にかかる車種判別装置103によれば、判別部96は、車軸の数および車軸間の距離に基づいて車種判別処理を行うため、車体の形状等に基づいて車種判別を行う場合と比較して経年変化による車体形状の変化の影響をうけにくく、より安定した車種判別処理の結果を得ることができる。また、積荷の違い等による車両10の形状の違いにも影響を受けないため、本実施形態にかかる車種判別装置103によれば、車種判別処理の精度を向上させることができる。

0112

また、車両10の車体の色によってはレーザスキャナ102による走査が難しい場合があり、特に黒色の車体に対してはレーザスキャナ102から出力されるレーザ光鏡面反射するために受光側に光が戻らず距離計測値が正しく取得できない場合がある。一方、タイヤ(車軸)部分については乱反射により、レーザスキャナ102は比較的安定して距離を測定できる。本実施形態にかかる車種判別装置103によれば、車軸の数および車軸間の距離に基づいて車種判別処理を行うため、このような車両10の車体の鏡面反射の影響が少なく、より安定して車種判別処理を行うことができる。

0113

また、本実施形態にかかる車種判別装置103によれば、取得部91が、レーザスキャナ102からは検出点pまでの検出点距離および検出点pにおけるレーザの反射強度を取得し、カメラ101からは所定位置Tの撮像画像を取得する。また、画像生成部92が、リフレクタンス画像Gを生成し、全景画像推定部93が撮像画像から全景画像D1および全景画像D2を推定する。さらに、補間部94がリフレクタンス画像Gと全景画像D2とのマッチング処理を実行し、マッチング処理の結果および検出点距離に基づいて、全景画像D2の特徴点Pを補間する。車軸検出部95は、特徴点Pを補間した全景画像Aから車軸を検出し、車軸の数と車軸間の距離を計測し、判別部96は、車軸の数と車軸間の距離に基づいて、車両10の車種を判別する。

0114

このため、本実施形態にかかる車種判別装置103によれば、カメラ101によって撮像された画像のみに基づいて推定された、もしくはレーザスキャナ102によって取得された検出点距離と反射強度のみに基づいて生成された画像と比較して、解像度の高い画像を用いて車軸を検出することができる。すなわち、車軸検出部95による車軸の検出および車軸間の距離の計測の精度を向上させることができ、ひいては、判別部96が高精度に車種判別処理を行うことができる。

0115

さらに、本実施形態にかかる車種判別装置103によれば、画像生成部92は、リフレクタンス画像Gに対して、リフレクタンス画像Gの縦横比を車両10の実際の縦横比に合わせる正規化処理を施す。また、全景画像推定部93は、カメラ101によって連続して撮像された複数の静止画像から全景画像D1および全景画像D2を推定する。そして、補間部94は、全景画像D2の特徴点Pと正規化処理が施されたリフレクタンス画像Gの検出点pとを照合するマッチング処理を行う。このため、本実施形態にかかる車種判別装置103によれば、全景画像D2の特徴点Pと点群データgの検出点pの位置を高い精度でづけることができ、より高い精度で画像補間処理を行うことができる。

0116

また、本実施形態にかかる車種判別装置103によれば、判別部96は車両10が車軸を3軸以上備え、かつ、車軸間の距離が所定の距離以上離れている箇所が2か所以上あると判断した場合に、車両10が特大車であると判別するため、特大車の判別を、効率的に行うことができる。

0117

さらに、本実施形態にかかる車種判別装置103によれば、判別部96は、車種判別情報20に定義された車軸の数および車軸間の距離の閾値の条件によって車種判別処理を行うため、車体の形状に基づいて車種判別を行う場合と比較して、車種判別処理において車種が判定不能の結果となる場合が少ない。また、車種判別情報20は車軸の数および車軸間の距離の数値データ、車種区分および車種によって構成されるため、各車種の車体形状等を記憶する場合と比較して、記憶部90が記憶するデータ量を少なく抑えることができる。

0118

なお、本実施形態にかかる車種判別装置103の車軸検出部95は、さらに、車軸の数および車軸間の距離から車両10の回転半径をする構成を採用しても良い。この場合、本実施形態の車種判別システム1aは、急なカーブが存在する山道等の入り口付近に設置され、所定の回転半径を超える車両10が進入した場合に不図示の報知部から警告を発する構成を採用しても良い。あるいは本実施形態の車種判別システム1aは、不図示のゲート閉鎖して車両10の通行を停止させる機能を付加した構成を採用しても良い。所定の回転半径の閾値は、記憶部90が記憶するとしても良い。このように構成することで、本実施形態の車種判別システム1aによれば、回転半径が大きく急なカーブを曲がることができない車両10が当該山道等に進入することを未然に防ぎ、危険を防止することができる。

0119

(実施形態2)
実施形態1の車種判別装置103では、カメラ101が撮像した画像から推定した車両10の車長にもとづいてリフレクタンス画像Gを正規化していたが、本実施形態の車種判別装置1103では、速度計104によって計測された車両10の速度に基づいて、リフレクタンス画像Gを正規化する。

0120

図20は、本実施形態の車種判別システム1bの構成の一例を示す図である。図20に示すように、本実施形態の車種判別システム1bは、カメラ101と、レーザスキャナ102と、車種判別装置1103と、少なくとも1つの速度計104とを備えている。

0121

本実施形態のカメラ101とレーザスキャナ102は、図1で説明した実施形態1の構成と同様である。

0122

速度計104は、車両10の速度を測定する。例えば、図20に示すように、速度計104は、車両10が所定位置Tの直前の位置(符号10a)から、所定位置Tに進入する際(符号10b)の速度を測定する。速度計104は、測定した車両10の速度を車種判別装置1103に送信する。速度計104は、速度計測部の一例である。

0123

車種判別装置1103は、車種判別処理を実行する電子計算機の一例である。車種判別装置1103は、カメラ101、レーザスキャナ102、および速度計104と電気的に接続されている。車種判別装置1103の設置場所は、図1で説明した車種判別装置103の設置場所と同様である。

0124

図21は、本実施形態の車種判別装置1103の機能的構成の一例を示すブロック図である。図21に示すように、本実施形態の車種判別装置1103は、記憶部90と、取得部1091と、画像生成部1092と、全景画像推定部93と、補間部94と、車軸検出部95と、判別部96と、を備える。

0125

本実施形態の記憶部90と、全景画像推定部93と、補間部94と、車軸検出部95と、判別部96は、図2で説明した実施形態1の構成と同様である。

0126

本実施形態の取得部1091は、実施形態1の取得部91の機能に加えてさらに、速度計104から車両10の速度を取得する。取得部1091は、取得した速度を画像生成部1092に送出する。

0127

画像生成部1092は、取得部1091から車両10の速度を取得する。画像生成部1092は車両10の速度に基づいて、リフレクタンス画像Gの正規化処理を行う。

0128

図8および図9で説明したように、車両10の速度が速いほど、リフレクタンス画像Gに含まれる車両10の画像の車長lは短くなる。すなわち、車両10の速度を計測することで、リフレクタンス画像Gに含まれる車両10の車長lの、車両10の実際の車長と比較した伸縮率を算出することができる。

0129

画像生成部1092は、車両10の速度からリフレクタンス画像Gの時間軸方向の伸縮率を算出し、算出結果に基づいてリフレクタンス画像Gの時間軸方向の長さを修正する。これによりリフレクタンス画像Gの縦横比は実際の車両10の縦横比となる。

0130

図22は、本実施形態の車種判別装置1103における正規化処理の一例を説明するための図である。図22は、正規化前のリフレクタンス画像Gにおける車両10の車長lおよび車軸位置モデル500と、正規化後の車両10の車長Lおよび車軸位置のモデル501とを示す。画像生成部1092は、車両10の速度から算出した伸縮率から、車長lを車両10の実際の縦横比に即した車長Lにするための倍率を算出する。そして画像生成部1092は、モデル500〜501に示すように、算出結果の倍率に応じて正規化前のリフレクタンス画像Gの横幅を伸長することでリフレクタンス画像Gの正規化後を行う。

0131

また、車種判別システム1bは、一定距離間隔に配置した複数の速度計104を備える構成を採用しても良い。この場合、車両10が所定位置Tの通過中に速度を加減速したことを計測することができるため、図22のようにリフレクタンス画像G全体を同一の比で伸長するのではなく、速度変化に応じて一定領域ごとに伸長させる度合を変更することができる。また、実施形態1の正規化処理では、前輪後輪の車軸の幅の変化から車両10の速度変化率を算出していたが、本実施形態の車種判別システム1bが一定距離間隔に配置した複数の速度計104を備える場合は、速度計104の計測結果に基づいて速度変化率を算出することができる。

0132

以上のように構成された本実施形態の車種判別装置1103における車種判別処理の流れは図19で説明した実施形態1の車種判別処理の流れと同様であるが、S13の処理において取得部1091はさらに速度計104から車両10の速度を取得する。また、S15の処理において画像生成部1092は、取得部1091が取得した車両10の速度に基づいてリフレクタンス画像Gの正規化処理を行う。

0133

このように、本実施形態の車種判別装置1103によれば、取得部1091は速度計104から車両10の速度を取得し、画像生成部1092は取得部1091が取得した車両10の速度に基づいて、リフレクタンス画像Gの正規化処理を行うため、実際の車両10の速度に即してリフレクタンス画像Gの伸縮を行うことができる。このため、本実施形態の車種判別装置1103によれば、より正確な正規化処理を行うことができ、その後の全景画像D2とのマッチング処理の精度を向上させることができる。すなわち、本実施形態の車種判別装置1103によれば、より高解像度な全景画像Aを生成することで、車軸の数および車軸間の距離の計測の精度を向上させ、より高精度な車種判別を行うことができる。

0134

(実施形態3)
実施形態1の車種判別装置103では車両10の車種判別をしていたが、本実施形態の車種判別装置2103はさらに、車両10の車種区分または車種ごとの通行車両数をカウントする。

0135

本実施形態の車種判別システム1cは、カメラ101と、レーザスキャナ102と、車種判別装置2103とを備えている。

0136

本実施形態のカメラ101とレーザスキャナ102は、図1で説明した実施形態1の構成と同様である。

0137

車種判別装置2103は、車種判別処理を実行する電子計算機の一例である。車種判別装置2103は、カメラ101、レーザスキャナ102と電気的に接続されている。車種判別装置2103の設置場所は、図1で説明した車種判別装置103の設置場所と同様である。

0138

図23は、本実施形態の車種判別装置2103の機能的構成の一例を示すブロック図である。図23に示すように、本実施形態の車種判別装置2103は、記憶部90と、取得部91と、画像生成部92と、全景画像推定部93と、補間部94と、車軸検出部95と、判別部96と、カウンタ97と、を備える。

0139

本実施形態の記憶部90と、取得部91と、画像生成部92と、全景画像推定部93と、補間部94と、車軸検出部95と、判別部96は、図2で説明した実施形態1の構成と同様である。

0140

カウンタ97は、判別部96の車種判別結果を取得し、車種区分ごとまたは車種ごとの通行車両数を計数(カウント)する。カウンタ97は、車種区分または車種のいずれか一方の分類に基づいて通行車両数を計数しても良いし、両方の分類に基づいて計数しても良い。または、カウンタ97は、特定の車種区分または車種の車両10のみを計数する構成を採用しても良い。

0141

また、カウンタ97は、車両10の車種区分ごとまたは車種のカウント結果と、各車両10を計数した時刻を紐づける。カウンタ97は、所定の時間ごとに、車種区分ごとまたは車種ごとの通行車両数の合計値を算出する構成を採用しても良い。あるいは、カウンタ97は、1台の車両10を計数する度に、車種区分または車種と時刻との紐づけを行う構成を採用しても良い。

0142

カウンタ97は、カウント結果を不図示の外部装置へ出力する。あるいは、カウンタ97は、車種判別装置2103の不図示の表示部にカウント結果を表示する構成を採用しても良い。

0143

図24は、本実施形態の車種判別装置2103における車種区分別のカウント処理の一例について説明するための図である。車軸検出部95は全景画像Aから車軸の数および車軸の距離を計測し、判別部96は車種判別処理によって当該全景画像Aに該当する車両10が該当する車種区分を特定する。カウンタ97は、判別部96の判定結果を取得し、車種区分ごとの通行車両数をカウントする。

0144

図25は、本実施形態の車種判別装置2103における車種区分別の時間当たりの通行車両数のカウント結果の一例を示すグラフである。図25の横軸は時間、縦軸は通行車両数を示す。図25実線600は全車種を合計した通行車両数の値の推移を示し、破線601は車種区分が特大車の車両10の通行車両の値の推移を示す。一般に、貨物自動車等の特大車は深夜帯に走行することが多く、図25に示すように、全車種を合計した通行車両数と特大車の通行車両数のピークは異なる時間帯になる場合がある。全車種合計の通行車両数が同じであっても、特大車がより多く通行する場合は、道路がより混雑する可能性がある。本実施形態の車種判別装置2103では、カウンタ97が車種区分ごとに通行車両数をカウントすることで、全車種合計の通行車両数のみから道路混雑状況を把握する場合と比較して、より正確に道路混雑状況を把握することができる。

0145

次に以上のように構成された本実施形態の車種判別処理の流れについて説明する。
図26は、本実施形態の車種判別装置2103における車種判別処理の手順の一例を示すフローチャートである。S20のカメラの撮像画像の取得から、S28の車種判別処理までは、図19で説明した実施形態1の車種判別処理のS10からS18までと同様に行われる。

0146

S28で判別部96が車種判別処理をしたら、S29で、カウンタ97は、判別部96が判別した車種区分または車種を取得し、車種区分ごとまたは車種ごとの通行車両数をカウントする。また、カウンタ97は、カウント結果とカウント時の時刻を紐づける。

0147

S30で、判別部96は、車種判別処理の結果を不図示の外部装置に出力する。また、カウンタ97は、カウント結果およびカウント時の時刻を不図示の外部装置に出力する。

0148

このように、本実施形態にかかる車種判別装置2103によれば、カウンタ97が車種区分ごとまたは車種ごとの通行車両数をカウントするため、車種区分ごとの通行車両数を計測することができる。このため、本実施形態にかかる車種判別装置2103によれば、全車種合計の通行車両数のみから道路混雑状況を把握する場合と比較して、より正確に道路混雑状況を把握することができる。

0149

さらに、本実施形態にかかる車種判別装置2103によれば、カウンタ97が各車両10の車種区分または車種ごとのカウント結果と、各車両10をカウントした時刻とを紐づけるため、時間あたりの車種区分ごとまたは車種ごとの通行車両数を計測することができる。

0150

本実施形態の車種判別装置2103は、カウンタ97によるカウント結果およびカウント時の時刻を、例えば道路交通情報として提供することができる。図25で述べたように、時間当たりの車種区分ごとまたは車種ごとの通行車両数を用いることで、全車種合計の通行車両数から道路混雑状況を把握する場合と比較して、より正確な道路混雑状況を道路交通情報として提供することができる。本実施形態の車種判別システム1cを複数の道路に設置し、各設置場所における時間当たりの車種区分ごとまたは車種ごとの通行車両数をカウントすることで、さらに道路交通情報の精度を向上させ、より正確な渋滞予測を行うことができる。

0151

また、車種判別システム1cの設置場所における時間当たりの車種区分ごとまたは車種ごとの通行車両数を、地図情報統合しても良い。この場合、地図上で車種判別システム1cの設置場所に対応する各地点において、時間当たりの車種区分ごとまたは車種ごとの通行車両数を把握することができる。例えば、当該情報を特大車の運転手に提供することで、運転手はより正確な道路混雑状況を知ることができ、混雑した道路を避けて走行することが可能となる。

0152

また、特定の道路において、車種区分が特大車の車両10が全く走行してない場合は、当該道路は道幅が狭いなどの理由によって特大車が走行できない可能性がある。この場合は、特大車の運転手は、車種区分ごとの通行車両数を知ることによって当該道路を避けて走行することが可能となる。すなわち、本実施形態の車種判別システム1cによれば、運転手が適切な道のりを選択するための支援を行うことができる。カウント結果と地図情報との統合は、不図示の外部装置で行う構成を採用しても良いし、車種判別装置2103がさらに地図情報を取得し、統合処理を行う構成を採用しても良い。

0153

また、一般に、特大車の通行は道路へ与える負荷が他の車種区分の車両10の通行と比較して高い。本実施形態にかかる車種判別装置2103によれば、特定の車種区分の通行車両数を把握することができるため、道路への負荷状況分析にも利用することができる。例えば、車種判別装置2103の出力結果は、特大車が多く通行する道路のメンテナンスを特大車がより少なく通行する道路と比較して高い頻度で実施するよう、メンテナンス時期の算出に利用することができる。

0154

(実施形態4)
実施形態1の車種判別装置103では、車両10の車種判別をしていたが、本実施形態の車種判別装置3103はさらに、重量測定器105a〜105cによって車両10の重量を計測する。

0155

図27は、本実施形態の車種判別システム1dの構成の一例を示す図である。図27に示すように、本実施形態の車種判別システム1dは、カメラ101と、レーザスキャナ102と、車種判別装置3103と、重量測定器105a〜105cとを備えている。

0156

本実施形態のカメラ101とレーザスキャナ102は、図1で説明した実施形態1の構成と同様である。

0157

図27では車種判別システム1dは、重量測定器105a〜105cの3台の重量測定器を備えているが、これは一例であり、車種判別システム1dは、少なくとも1つの重量測定器105を備えれば良い。ここで、重量測定器105は重量測定器105a〜105cの総称とする。重量測定器105は、所定位置Tの道路(車両通行路)に設置され、車両10の車軸が重量測定器105上を通過する際に、車両10の重量を計測する。重量測定器105は、道路上に設置された板状の装置であっても良く、または道路に埋め込まれる等の構成を採用しても良い。重量測定器105は、測定した車両10の重量を、車種判別装置3103に送信する。重量測定器105は重量測定部の一例である。

0158

図27の重量測定器105bのように、重量測定器105は少なくとも1台がレーザスキャナ102の正面の位置に設置されることが望ましい。また、車両10の揺れによる計測される重量の値の変動があるため、図27の重量測定器105a〜105cのように複数台で計測するとより正確な重量を測定することができる。重量測定器105a〜105cのいずれかが故障した場合には、重量測定器105a〜105cのうち正常に稼働しているものの計測値を採用し、車種判別システム1dの稼働を継続できる構成を採用しても良い。

0159

重量測定器105がレーザスキャナ102の正面の位置に設置されることが望ましい理由を、図28および図29を用いて説明する。

0160

図28は、本実施形態のカメラ101が連続して撮像した複数の静止画像の一例を示す図である。カメラ101は連続する画像1200〜1203を、それぞれ時刻t0〜t3の時点で撮像したものとする。このとき、車両10がカメラ101の視野内に進入した時刻および退出した時刻は取得できるが、時刻t0〜t3の間の任意の時刻における車両10の正確な位置を検出することは困難である。

0161

それに対して、レーザスキャナ102は、カメラ101よりも短い周期で車両10の位置情報を取得しているため、各車軸がレーザスキャナ102の目前を通過した時刻を取得することができる。
図29は、本実施形態のレーザスキャナ102の検出結果の一例を示す図である。図29に示すように、レーザスキャナ102が車両10を走査して取得した距離情報から生成された点群データgは、車軸701を含む。また、符号702に示すように、重量測定器105bは、時刻t1の時点で車両10の重量を測定している。

0162

図27に示すようにレーザスキャナ102の正面の位置に重量測定器105bを設置した場合、レーザスキャナ102の目前を車両10の車軸が通過する時刻t1と、重量測定器105bが車軸の重量を測定した時刻t1とがほぼ同時になる。このため、図29に示す車軸701をレーザスキャナ102が走査した時刻t1と、重量測定器105bが車軸701の重量を測定した時刻t1とを同期させることにより、重量測定器105bが重量を計測した車軸701が、レーザスキャナ102が走査した車軸701であることが特定できる。以上の理由により、重量測定器105は少なくとも1台がレーザスキャナ102の正面の位置に設置されることが望ましい。

0163

図27に戻り、車種判別装置3103は、車種判別処理を実行する電子計算機の一例である。車種判別装置3103は、カメラ101、レーザスキャナ102、および重量測定器105a〜105cと電気的に接続されている。車種判別装置3103の設置場所は、図1で説明した車種判別装置103の設置場所と同様である。

0164

図30は、本実施形態の車種判別装置3103の機能的構成の一例を示すブロック図である。図30に示すように、本実施形態の車種判別装置3103は、記憶部1090と、取得部2091と、画像生成部92と、全景画像推定部93と、補間部94と、車軸検出部1095と、判別部1096と、車軸別重量計測部98と、過積載判定部99と、を備える。

0165

本実施形態の画像生成部92と、全景画像推定部93と、補間部94は、図2で説明した実施形態1の構成と同様である。

0166

本実施形態の記憶部1090は、実施形態1の記憶部90の記憶内容に加えてさらに、車種区分ごとまたは車種ごとの荷積載量の重量の上限値に、当該車種区分または車種の車体の想定される重量の上限値を加算した重量である過積載基準値を記憶する。また、記憶部1090はさらに、車種区分ごとまたは車種ごとに、1車軸あたりが安全に支えられる重量の上限値である限界重量を記憶する。限界重量は車軸の大きさに応じて異なる値が定義されるものとしても良い。上記の過積載基準値および限界重量の算出方法は一例であり、これに限定されない。

0167

本実施形態の取得部2091は、実施形態1の取得部91の機能に加えてさらに、重量測定器105a〜105cから車両10の重量と、車両10の重量を測定した時刻とを取得する。取得部2091は、取得した重量を車軸別重量計測部98に送出する。

0168

車軸検出部1095は、点群データgによって補間された全景画像Aから車軸を検出する際、各車軸に対応する検出点pがレーザスキャナ102よって検出された時刻と、各車軸とを紐づける。車軸検出部1095は、車軸の数および車軸間の距離に加え、各車軸がレーザスキャナ102よって走査された時刻を車軸別重量計測部98に送出する。各車軸が走査された時刻と各車軸の検出結果の紐づけ方法はこれに限定されず、点群データgまたはリフレクタンス画像Gを用いる構成を採用しても良い。

0169

車軸別重量計測部98は、車軸検出部1095から車軸の数と車軸間の距離、および各車軸がレーザスキャナ102よって走査された時刻を取得する。また、車軸別重量計測部98は、取得部2091が重量測定器105a〜105cから取得した車両10の重量、および車両10の重量を測定した時刻を、取得部2091から取得する。車軸別重量計測部98は、車軸検出部1095から取得した車軸の数と車軸間の距離および各車軸がレーザスキャナ102よって走査された時刻と、取得部2091が取得した車両10の重量および車両10の重量を測定した時刻と、を照合することによって、車軸ごとの重量を計測する。

0170

ここで、図16および図17で述べたように、車両10は、リフトアクスル機能によって一部の車軸を路面から浮かせることがある。図16および図17に示す路面400から、リフトした車軸の高さの下限401までの間は空間がある。しかしながら、路面400から、リフトした車軸の高さの下限401までの距離の具体的な基準は決められていない。このため、路面400から、リフトした車軸の高さの下限401までの距離が非常に短くなり、全景画像A等の車両10の形状情報からは車軸が路面400から浮いていることを判断することが困難な場合がある。この場合、実際には車両10の一部の車軸が路面400から浮いているにも関わらず、車軸検出部1095は浮いている車軸も路面400に接地した車軸として判断する可能性がある。

0171

そこで、本実施形態の車軸別重量計測部98は、車両10の車軸ごとの重量の計測結果から、各車軸が路面から浮いているか否かを判断する。すなわち、車軸別重量計測部98は、車軸検出部1095が路面に接地した車軸であると判断した場合であっても、当該車軸の重量を重量測定器105a〜105cが測定していない場合、実際には路面から浮いた車軸であると判定する。

0172

車軸別重量計測部98は、車軸が路面から浮いていると判断した場合、当該路面から浮いている車軸を除いた車軸の数および車軸間の距離を再度計測する。

0173

車軸別重量計測部98は、計測した車両10の車軸の数と車軸間の距離を、判別部1096に送出する。車軸が路面から浮いている車軸がない場合は、車軸別重量計測部98は、車軸検出部1095が計測した車軸の数と車軸間の距離を判別部1096に送出する。また、車軸別重量計測部98は、車両10の車軸ごとの重量を過積載判定部99に送出する。

0174

図30に戻り、判別部1096は、車軸別重量計測部98が計測した車軸の数および車軸間の距離に基づいて、車両10の車種区分および車種を判別する。判別部1096は図18で説明した実施形態1の判別部96と同様に、車種判別情報20に定義された基準に基づいて車種判別処理を行う。判別部1096は、車種判別処理の結果を、過積載判定部99に送出する。

0175

図30に戻り、過積載判定部99は、判別部1096から車種判別処理の結果を取得する。また、過積載判定部99は、車軸別重量計測部98から車両10の車軸ごとの重量を取得する。過積載判定部99は、判別部1096の車種判別結果と、車両10の重量とに基づいて、車両10が過積載か否か判定する。

0176

具体的には、過積載判定部99は、記憶部1090から、判別部1096の車種判別結果の車種区分または車種に合致する過積載基準値を取得し、車両10の重量と比較する。すなわち、過積載判定部99は、取得部2091が取得した車両10の重量が、判別部1096が判別した車両10の車種区分または車種に定められた過積載基準値を超えていると判断した場合に、車両10を過積載と判定する。あるいは、過積載判定部99は、過積載基準値に達していなくとも、一定以上過積載基準値に近接した重量の車両10も判定対象とする構成を採用しても良い。

0177

また、過積載判定部99は、判別部1096から取得した車種判別結果と、車軸別重量計測部98から取得した車両10の車軸ごとの重量に基づいて、車軸別重量計測部98が計測した車両10の車軸ごとの重量が、車軸ごとの重量の上限値である限界重量に達しているか否かを判定する。

0178

具体的には、過積載判定部99は、記憶部1090から、判別部1096の車種判別結果の車種区分または車種に合致する限界重量を取得し、車両10の各車軸の重量と比較することで、車両10の各車軸の重量が限界重量に達しているか否かを判定する。また、過積載判定部99は、車両10の各車軸の重量が限界重量に達していない場合でも、各車軸の重量の差が著しい場合には判定対象とする構成を採用しても良い。各車軸の重量の差の閾値は、所定の重量差として記憶部1090が記憶する構成を採用しても良い。

0179

また、過積載判定部99は、図15で述べたように車軸検出部95が測定した車軸の大きさ(直径)を取得しても良い。その場合、記憶部1090から車種区分または車種ごとに、さらに車軸の大きさに応じて定義された限界重量を取得して、車軸ごとの重量が限界重量に達しているかを判定する。

0180

過積載判定部99は、過積載判定結果、各車軸が限界重量に達しているか否かの判定結果、および車軸ごとの重量計測結果を不図示の外部装置に出力する。あるいは、過積載判定部99は、車両10が過積載である場合や、いずれかの車軸が限界重量に達している場合に、不図示の報知部に信号を送出して警報を発する構成を採用しても良い。また、車軸ごとの重量計測結果は車軸別重量計測部98が直接、不図示の外部装置に出力する構成を採用しても良い。

0181

図31は、本実施形態の車種判別装置3103における車軸ごとの重量分析の一例を示す図である。図31に示すように、車両10の全景画像Aには、車両10の前輪にあたる車軸801と、後輪にあたる車軸802が含まれる。図31の下部の図は、車軸別重量計測部98による車軸ごとの重量計測結果を示す。車軸801の下に位置する矩形803は車軸801の重量、車軸802の下に位置する矩形804は車軸802の重量をそれぞれ示している。重量測定器105a〜105cによる計測結果の差異がある場合は、矩形803〜804の底辺が最も軽く計測された重量の値、矩形803〜804の上側の辺が最も重く計測された重量の値を示す。

0182

図31に示すように、車両10の前輪にあたる車軸801の重量は限界重量に達していない。しかしながら、車両10の後輪にあたる車軸802の重量は限界重量に達していることがわかる。

0183

次に以上のように構成された本実施形態の車種判別処理の流れについて説明する。図32は、本実施形態の車種判別装置3103における車種判別処理の手順の一例を示すフローチャートである。S40のカメラの撮像画像の取得から、S47の車軸の検出までは、図19で説明した実施形態1の車種判別処理のS10からS17までと同様に行われる。

0184

S47で車軸検出部1095が車軸の数および車軸間の距離を計測したら、S48で、取得部2091は、重量測定器105a〜105cから車両10の重量と、車両10の重量を測定した時刻とを取得し、車軸別重量計測部98に送出する。

0185

S49で、車軸別重量計測部98は、取得部2091から取得した車両10の重量と、車両10の重量を測定した時刻と、車軸検出部1095から取得した車軸検出結果とを照合する。

0186

S50で、車軸別重量計測部98は、車軸ごとの重量を計測する。また、車軸別重量計測部98は、路面から浮いている車軸を検出した場合には、当該車軸を除いた車軸の数および車軸間の距離を計測する。

0187

S51で、判別部1096は、車軸別重量計測部98から取得した車軸の数と車軸間の距離の計測結果に基づいて、車両10の車種区分および車種を判別する。

0188

S52で、過積載判定部99は、車両10が過積載であるか否かの判定をする。また、過積載判定部99は、各車軸の重量が限界重量に達しているか否かを判定する。

0189

S53で、判別部1096は、車種判別結果を不図示の外部装置に出力する。また、過積載判定部99は、過積載判定結果、各車軸が限界重量に達しているか否かの判定結果、および車軸ごとの重量計測結果を不図示の外部装置に出力する。

0190

このように、本実施形態の車種判別装置3103によれば、取得部2091が重量測定器105a〜105cから車両10の重量を取得し、過積載判定部99が、判別部1096の車種判別結果と、車両10の重量とに基づいて、車両10が過積載か否か判定するため、過積載の車両10を効率よく判定することができる。車種区分および車種によって、重量の上限値は当然に異なるが、本実施形態の車種判別装置3103によれば、判別部1096が車種区分および車種を判定した後に、過積載判定部99が過積載の判定を行うことで、過積載か否かの判定を適切に行うことができる。

0191

また、本実施形態の車種判別装置3103によれば、取得部2091が、重量測定器105a〜105cから、車両10の重量と、車両10の重量を測定した時刻とを取得し、車軸別重量計測部98が、車両10の重量と車両10の重量を測定した時刻とを、車軸検出部1095の車軸検出結果と照合することによって、車軸ごとの重量を計測するため、車軸ごとにかかる負荷を把握することができる。このため、本実施形態の車種判別装置3103によれば、積荷の全体の積載量は基準内であっても走行上危険な状態にある車両10や、積荷の積載バランスが悪い車両10を判定することができる。

0192

さらに、本実施形態の車種判別装置3103によれば、車軸別重量計測部98が、車軸の重量の計測結果から、車軸が路面から浮いているか否かを判定して、路面から浮いている車軸を除いた車軸の数および車軸間の距離を計測し、判別部1096が、車軸別重量計測部98の計測結果に基づいて車両10の車種区分および車種を判別するため、車両10のリフトアクスル機能によってリフトした車軸と路面からの距離がわずかであっても、車種区分および車種の判定を高精度に行うことができる。

0193

以上説明したとおり、実施形態1から実施形態4の車種判別システム1a〜1dおよび車種判別装置103〜3103によれば、車両10の車種区分および車種の判定の精度を向上させることができる。

0194

上記実施形態1〜4の車種判別装置103〜3103は、CPU(Central Processing Unit)、RAM(Random Access Memory)、ROM(Read Only Memory)、HDD(Hard Disk Drive)等を備えた通常のコンピュータハードウェア構成となっている。

0195

また、上記実施形態1〜4の車種判別装置103〜3103で実行される車種判別処理は、ROM等に予め組み込まれた車種判別プログラムとしてコンピュータプログラムプロダクトとして提供される。上記実施形態1〜4の車種判別装置103〜3103で実行される車種判別プログラムは、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コンピュータプログラムプロダクトとして提供するように構成しても良い。

0196

さらに、上記実施形態1〜4の車種判別装置103〜3103で実行される車種判別プログラムを、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コンピュータプログラムプロダクトとして提供するように構成しても良い。また、上記実施形態1〜4の車種判別装置103〜3103で実行される車種判別プログラムをコンピュータプログラムプロダクトとして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。

0197

上記実施形態1〜4の車種判別装置103〜3103で実行される車種判別プログラムは、上述した各部を含むモジュール構成となっており、実際のハードウェアとしてはCPU(プロセッサ)が上記ROMから車種判別プログラムを読み出して実行することにより上記各部がRAM上にロードされ、各部がRAM上に生成されるようになっている。

0198

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。

0199

1a,1b,1c,1d車種判別システム
10 車両
20車種判別情報
90,1090 記憶部
91,1091,2091 取得部
92,1092,2092画像生成部
93全景画像推定部
94 補間部
95,1095車軸検出部
96,1096判別部
97カウンタ
98 車軸別重量計測部
99 過積載判定部
101カメラ
102レーザスキャナ
103,1103,2103,3103車種判別装置
104速度計
105,105a,105b,105c重量測定器
T 所定位置

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ