CN101275841A - 地物信息收集装置及地物信息收集方法 - Google Patents

Abstract

提供了一种可以低成本地收集高精度地物信息的地物信息收集装置及地物信息收集方法。具有：自身车辆位置信息获取装置，获取表示自身车辆的当前位置的自身车辆位置信息；图像信息获取装置，获取自身车辆周边的图像信息；图像识别装置，对包含在图像信息中的识别对象进行图像识别处理；识别结果存储装置，基于自身车辆位置信息，将表示图像识别装置对识别对象的识别结果的识别信息与该识别对象的识别位置信息相关联而进行存储；学习地物提取装置，基于通过对同一场所的图像信息的多次图像识别而存储在识别结果存储装置中的同一场所的多个识别信息，提取能够重复进行图像识别的识别对象作为学习地物，并与该学习地物的位置信息一起输出。

Description

地物信息收集装置及地物信息收集方法

技术领域

本发明涉及一种通过图像识别处理来收集包含在车载拍摄装置等所获取的车辆周边图像信息中的地物信息的地物信息收集装置以及地物信息收集方法。

背景技术

公知有一种导航装置，该导航装置对包含在车载拍摄装置等所获取的车辆周边图像信息中的地物进行图像识别，从而对自身车辆进行位置修正(例如，参见如下所述的专利文献1)。该装置具有：摄像机，其装载在车辆上，用于捕捉沿着车辆前方的行驶道路的风景；交叉路口检测部，其从摄像机所捕捉的风景图像识别交叉路口标记以检测交叉路口，并求出从自身车辆位置到交叉路口(交叉路口标记)为止的距离；自身车辆位置修正装置，其将自身车辆位置修正至从根据地图数据所获得的上述交叉路口位置起远离上述距离的行驶道路上的点上。所谓交叉路口标记例如是信号灯、人行横道、中央隔离带白线等。在使用专利文献1中的装置来对车辆进行位置修正的情况下，优选明确知道相当于地物的这些交叉路口标记的种类以及其存在位置等信息。

在如下所述的专利文献2中示出了构筑与这种地物有关的数据库的技术。在该技术中，在使计测用车辆行驶的同时拍摄地物，并从所拍摄的图像中自动识别地物，以此替代操作者手动改写数据等的现有方法。

另外，在如下所述的专利文献3中公开了一种导航装置，该导航装置基于包含在车载拍摄装置等所获取的车辆周边图像信息中的对象地物的图像识别结果，收集地物信息。在专利文献3中，将在道路上设置的交通标志以及道路交通信息显示板作为对象地物。然后，该装置对包含在车载拍摄装置所获取的图像信息中的对象地物进行图像识别，并将从该识别结果中提取的标志信息等地物信息与位置信息及路段信息建立关联而存储在地图数据库中。此时，基于来自在导航装置中通常使用的GPS接收机、陀螺仪、车速传感器等的信息，决定与地物信息建立关联的位置信息以及路段信息。

专利文献1：JP特开平9-243389号公报

专利文献2：JP特开2000-293670号公报

专利文献3：JP特开2006-038558号公报

然而，通过在导航装置中使用的GPS接收机、陀螺仪、车速传感器等获取的位置信息，通常具有数米到数十米的误差。因此，对于将地物信息存储在地图数据库中时的位置信息而言，也存在具有这种误差的可能性。特别是在为了车辆控制以及自身自身车辆位置修正等而使用地物信息的情况下，优先使具有高精度位置信息的地物信息完备。然而，针对所有道路，若要如专利文献2所记载那样使用计测车辆等来收集高精度的地物信息，则在时间上以及成本上不太现实。因此，针对干线道路等使用者多的道路，优先使高精度的地物信息完备。另一方面，对于使用者而言，最好是自己频繁通行的道路具有完备的高精度地物信息，从而能够享受包含导航的种种极其细致的服务。因此，希望不管是否为干线道路，而根据使用者的使用状况来以低成本使高精度的地物信息完备。在例如山路等那样在路面上很少设置定型的道路标志等的道路上，很难收集将这种道路标线作为对象的地物信息。

发明内容

本发明是鉴于上述问题而提出的，其目的在于提供地物信息收集装置以及地物信息收集方法，该地物信息收集装置以及该地物信息收集方法对于地物信息不完备的道路，根据使用者的道路使用状况，能够以低成本收集高精度的地物信息。

为了实现上述目的，本发明提供一种地物信息收集装置，具有：自身车辆位置信息获取装置，用于获取表示自身车辆的当前位置的自身车辆位置信息；图像信息获取装置，用于获取自身车辆周边的图像信息；图像识别装置，用于对包含在上述图像信息中的识别对象进行图像识别处理；识别结果存储装置，基于上述自身车辆位置信息，将表示上述图像识别装置对识别对象的识别结果的识别信息与该识别对象的识别位置信息相关联而进行存储；学习地物提取装置，基于同一场所的多个识别信息，提取能够重复进行图像识别的识别对象作为学习地物，并与该学习地物的位置信息一起输出，其中，该同一场所的多个识别信息是通过对同一场所的图像信息的多次图像识别存储在上述识别结果存储装置中的信息。

根据该特征结构，不限于道路标线以及道路显示等特定的地物，学习地物提取装置提取具有可重复图像识别的特征的识别对象作为学习地物。就是说，即使不是象道路标线这样的定型物，也能够收集象“在路面上有某地物”这样的模糊对象作为学习地物。因此，即使在例如像山路等这样的道路标线等少的道路上，也能够收集学习地物，并且能够在广大区域使用该地物信息收集装置。另外，基于关于同一场所的多个识别信息来提取学习地物，使该识别信息与识别位置的信息相对应关联。因此对学习地物的位置信息进行统计处理，能够抑制识别位置的误差的影响而接近实际的位置。另外，由于使用者多次通过同一场所而获得了关于同一场所的多个识别信息，因此能够在使用频率高的道路上收集地物信息。此外，在只有自身车辆使用学习地物的信息的情况下，由于与学习地物的收集以及使用相关联的拍摄装置的光学系统是同一个，因此可以在生产车辆时精密地校正对图像信息进行拍摄的拍摄装置。其结果，能够以低成本对学习地物进行收集及使用。以上，根据本特征结构。提供一种能够按照使用者对道路的使用状况来低成本地收集高精度的地物信息的地物信息收集装置。

另外，在本发明的地物信息收集装置中，上述识别结果存储装置将识别对象的识别结果与上述识别位置信息相关联而连续地进行存储，上述学习地物提取装置基于存储在上述识别结果存储装置中的识别对象的识别结果的分布，提取存在峰值的位置的识别对象作为上述学习地物，并将该存在峰值的位置的信息作为该学习地物的位置信息。

识别对象是显示在图像信息上的特征，识别对象的识别结果是对该识别对象进行图像识别处理得到的定量的特征量。一旦与识别位置信息相对应关联的连续记录了该特征量，就可以获得对于识别位置的特征量分布。该分布的峰值存在的位置是在该位置周边特征量最多的识别位置。因此，根据本结构，能够通过将该位置作为学习地物的位置信息来收集高精度的地物信息。

另外，在本发明的地物信息收集装置中，每当识别对象的识别结果满足规定的学习条件时，上述识别结果存储装置按照满足该学习条件的地点的位置所属的规定的各个位置范围，对于因识别对象的识别结果满足该学习条件而给出的学习值进行累加并进行存储。

并且，上述学习地物提取装置提取上述学习值达到了规定的学习阈值以上的位置范围的识别对象作为上述学习地物，并将代表该位置范围的位置的信息作为该学习地物的位置信息。

识别对象的识别结果是对该识别对象进行图像识别处理而获得特征量。因此，在例如特征量超过规定阈值的情况下，识别结果满足规定学习条件，给出学习值。根据本结构，对于每个含有满足该学习条件的地点的规定位置范围，累加该学习值。而且，如果在某个位置范围内该累加值在规定的学习阈值以上，则将代表该学习阈值以上的位置范围的位置信息作为学习地物的位置信息。在规定位置范围的范围内抵消了满足学习条件的位置的微小误差。另一方面，对于多个规定位置范围，获得每个规定位置范围的累加学习值的分布，将代表累加的学习值在规定的学习阈值以上时的位置范围的位置信息作为学习地物的位置信息。就是说，将代表具有最频值的某个位置范围的位置信息作为学习地物的位置信息以便进行统计处理，从而抑制满足学习条件的位置的大的误差。其结果，能够收集高精度的地物信息。

在此，优选与识别时刻以及在进行识别时的天气中的至少一方的信息相关联而存储上述识别信息，上述学习地物提取装置提取关于识别时刻以及在进行识别时的天气中的至少一方只有在规定条件下能够重复进行图像识别的识别对象，并将该识别对象作为只在满足该条件时有效的限定性学习地物。

例如，物体的影子在白天并且晴天时出现。由于影子在与路面等对比时反差强烈，因此假如识别对象是边缘和特定颜色，那么识别是容易的。然而，影子的出现由于受到时间和天气的影响因而识别结果是不稳定的。根据本结构，由于只有满足识别时间以及识别时的天气等规定条件才作为有效限定性学习地物，因此能够扩展可以使用的对象作为适合的学习地物。

另外，在本发明的地物信息收集装置中，还具有地物之间距离判定装置，该地物之间距离判定装置基于两个学习地物的位置信息，判定表示该两个学习地物间的距离的地物之间距离。

不仅通过2个学习地物的位置信息，而且通过判定表示2个学习地物间的距离的地物间隔，从而即使在各个位置信息中包含误差，也能够高精度地表示2个学习地物的关系。因此，能够获得高精度的学习地物信息。

另外，在本发明的地物信息收集装置中，上述识别结果存储装置与多个车辆以能够通信的方式连接，并存储多个车辆的上述识别信息。

根据本结构，能够累加多个车辆的地物的学习结果。因此，使用较多的识别信息，能够生成具有更高精度的位置信息的地物信息。

另外，在本发明的地物信息收集装置中，上述学习地物至少包括设置在道路路面上的道路标线、道路路面上的污点、道路路面上的污垢、道路路面上的裂缝、道路路面上的影子中的任意一个以上。

由于将道路标线涂成白色以及黄色等，因此与沥青铺设的路面相比反差强烈。另外，污点以及污垢等也与路面反差强烈。因此，能够使用特定色的提取以及边缘的提取等简单的图像处理来提取学习地物。该结果能够低成本地收集高精度的地物信息。

另外，在本发明的地物信息收集装置中，上述识别对象至少包括图像信息中的噪声、边缘、规定颜色以及规定形状中的任意一个。

识别对象的识别结果是通过对该识别对象进行图像识别处理而获得的特征量。在路面上没有地物的状态下，路面的图像信息是一样的，但一旦某处存在地物，一样性就被破坏。如果破坏该一样性的原因是噪声并且噪声量是识别对象，就将噪声量的多少作为识别结果的特征量。另外，可以通过对图像信息实施公知的过滤处理来提取路面的污点以及污垢、裂缝等的边缘。如果将该边缘作为识别对象，则将边缘的提取数的多少作为识别结果的特征量。另外，通过对图像信息实施公知的窗口比较处理，可以提取用白色以及黄色、橙色涂染的道路标线的颜色成分。如果以各个规定颜色作为识别对象，则对颜色种类的提取数的多少作为识别结果的特征量。另外，通过进行公知的图形匹配处理可以检测出规定形状。如果以规定形状作为识别对象，则图形匹配处理结果的符合率作为识别结果的特征量。因此，通过将噪声、边缘、规定颜色、规定形状等作为识别对象，能够求出定量的特征量。特别地，尽管噪声、边缘、规定颜色等识别对象不具有像道路标线以及道路显示等那样的定型性，但是能够以“路面上有某个地物”这样的模糊状态收集学习地物。因此，即便在道路标线较少的道路上也能够顺利地收集学习地物并且能够在广大的区域上使用本地物信息收集装置。

另外，在本发明的地物信息收集装置中，存储将上述学习地物的关于上述识别信息的属性信息与该学习地物的位置信息相关联的地物信息，并将该地物信息作为对象地物的地物信息的地物信息存储装置，或者，存储将上述学习地物的关于上述识别信息的属性信息与该学习地物的位置信息相关联的地物信息、以及包括关于多个地物预先加以完备的位置信息及属性信息的地物信息两者，并将该地物信息作为对象地物的地物信息的地物信息存储装置。

根据本特征结构，具有至少存储学习地物的地物信息作为对象地物的地物信息的地物信息存储装置。因此，能够提供一种根据对道路的地物信息的完备状况来收集地物信息的地物信息收集装置。

另外，在本发明的地物信息收集装置中，还具有存在判定装置，该存在判定装置基于上述自身车辆位置信息参照上述地物信息存储装置，判定在自身车辆周边是否存在作为上述地物信息而存储的上述对象地物，在上述存在判定装置判定为在自身车辆周边不存在上述对象地物的情况下，向上述识别结果存储装置存储上述识别信息。

根据本特征结构，具有至少存储学习地物的地物信息作为对象地物的地物信息的地物信息存储装置，基于存在判定装置的判定结果来确定是否存储有识别信息以便提取学习地物。就是说，在地物信息已完备的道路上，使用已完备的地物信息，在地物信息不完备的道路上，加以完备新的地物信息。该结果能够提供一种使用者根据道路的使用状况低成本地收集高精度的地物信息的地物信息收集装置。

另外，在本发明的自身车辆位置识别装置中，具有上述的地物信息收集装置，或者具有：自身车辆位置信息修正装置，基于上述对象地物的图像识别结果来修正上述自身车辆位置信息；上述图像识别装置基于在自身车辆周边所存在的上述对象地物的上述地物信息，对上述图像信息中的该地物信息所示的上述对象地物进行图像识别处理，其中，在自身车辆周边所存在的上述对象地物的上述地物信息是基于上述自身车辆位置信息从上述地物信息存储装置提取的，上述自身车辆位置信息修正装置基于上述图像识别装置对上述对象地物的图像识别结果、以及包含在上述对象地物的上述地物信息中的位置信息，修正上述自身车辆位置信息。

根据该特征结构，由于具有至少存储学习地物的地物信息作为对象地物的地物信息的地物信息存储装置，因此能够在多条道路上高精度修正自身车辆位置信息。

另外，在本发明的导航装置中，具有：上述的自身车辆位置识别装置；地图信息存储装置，存储有地图信息；应用程序，参照上述地图信息而动作；

引导信息输出装置，按照上述应用程序动作并输出引导信息。

根据该特征结构，由于使用能够在多条道路上高精度修正自身车辆位置信息的自身车辆位置识别装置并输出引导信息，因此能够在多条道路上提供高精度的引导方案。

另外，在本发明的地物信息收集方法中，具有：自身车辆位置信息获取步骤，用于获取表示自身车辆的当前位置的自身车辆位置信息；图像信息获取步骤，用于获取自身车辆周边的图像信息；图像识别步骤，用于对包含在上述图像信息中的识别对象进行图像识别处理；识别结果存储步骤，基于上述自身车辆位置信息，将表示上述图像识别步骤对识别对象的识别结果的识别信息与该识别对象的识别位置信息相关联而存储在识别结果存储装置中；学习地物提取步骤，基于同一场所的多个上述识别信息，提取能够重复进行图像识别的识别对象作为学习地物，并与该学习地物的位置信息一起输出，其中，该同一场所的多个上述识别信息是通过对同一场所的图像信息的多次图像识别存储在上述识别结果存储装置中的信息。

根据该特征结构，不限于道路标线以及道路显示等特定的地物，在学习地物提取工序提取具有可重复图像识别的特征的识别对象作为学习地物。就是说，即使不是象道路标线这样的定型物，也能够收集象“在路面上有某地物”这样的模糊对象作为学习地物。因此，即使在例如像山路等这样的道路标线等少的道路上，也能够收集学习地物，并且能够在广大区域使用该地物信息收集方法。另外，基于关于同一场所的多个识别信息来提取学习地物，使该识别信息与识别位置的信息相对应关联。因此对学习地物的位置信息进行统计处理，能够抑制识别位置的误差的影响而接近实际的位置。另外，由于使用者多次通过同一场所而获得了关于同一场所的多个识别信息，因此能够在使用频率高的道路上收集地物信息。

另外，在本发明的地物信息收集方法中，在上述识别结果存储步骤中，将识别对象的识别结果与上述识别位置的信息相关联而连续地存储在上述识别结果存储装置中，在上述学习地物提取步骤中，基于存储在上述识别结果存储装置中的识别对象的识别结果的分布，提取存在峰值的位置的识别对象作为上述学习地物，并将该存在峰值的位置的信息作为该学习地物的位置信息。

识别对象是显示在图像信息上的特征，识别对象的识别结果是对该识别对象进行图像识别处理得到的定量的特征量。一旦与识别位置信息相对应关联的连续记录了该特征量，就可以获得对于识别位置的特征量分布。该分布的峰值存在的位置是在该位置周边特征量最多的识别位置。因此，根据本结构，能够通过将该位置作为学习地物的位置信息来收集高精度的地物信息。

另外，本发明的地物信息收集方法可以如下构成。

在上述识别结果存储步骤中，每当识别对象的识别结果满足规定的学习条件时，按照满足该学习条件的地点的位置所属的规定的各个位置范围，对于因识别对象的识别结果满足该学习条件而给出的学习值进行累加并存储在上述识别结果存储装置中，在上述学习地物提取步骤中，提取上述学习值达到了规定的学习阈值以上的位置范围的识别对象作为上述学习地物，并将代表该位置范围的位置的信息作为该学习地物的位置信息。

识别对象的识别结果是对该识别对象进行图像识别处理而获得特征量。因此，在例如特征量超过规定阈值的情况下，识别结果满足规定学习条件，给出学习值。根据本结构，对于每个含有满足该学习条件的地点的规定位置范围，累加该学习值。而且，如果在某个位置范围内该累加值在规定的学习阈值以上，则将代表该学习阈值以上的位置范围的位置信息作为学习地物的位置信息。在规定位置范围的范围内抵消了满足学习条件的位置的微小误差。另一方面，对于多个规定位置范围，获得每个规定位置范围的累加学习值的分布，将代表累加的学习值在规定的学习阈值以上时的位置范围的位置信息作为学习地物的位置信息。就是说，将代表具有最频值的某个位置范围的位置信息作为学习地物的位置信息以便进行统计处理，从而抑制满足学习条件的位置的大的误差。其结果，能够收集高精度的地物信息。

附图说明

图1是示意性地表示本发明实施方式的导航装置的结构的框图。

图2是表示存储在地图数据库中的地图信息结构的例子的图。

图3是表示存储在地物数据库中的道路标线的地物信息的例子的图。

图4是表示拍摄装置向自身车辆上的配置结构的例子的图。

图5是用于说明自身车辆行驶在地物信息不完备的道路上时对地物信息进行收集处理的概要的说明图。

图6是如图5的(b)部分所示的存储在学习数据库中的学习值的主要部分放大图。

图7A、图7B是表示对识别对象的图像处理以及位置信息的计算方法的例子的说明图。

图8是表示对识别对象的图像处理的例子的说明图。

图9是如图8所示的地物的存储在学习数据库中的学习值的主要部分放大图。

图10是表示利用本实施方式的导航装置的地物信息收集方法的步骤的例子的流程图。

图11是表示将本发明实施方式的地物信息收集装置的一部分结构设置在服务器装置上的例子的图。

具体实施方式

下面，基于附图说明本发明的实施方式。图1是表示本实施方式的导航装置1的概略结构的框图。该导航装置1包括作为本发明实施方式的地物信息收集装置2、图像识别装置3以及自身车辆位置识别装置4。该导航装置1对包含在图像信息G中的识别对象进行图像识别处理，并基于表示对该识别对象的识别结果的识别信息，提取能够重复进行图像识别的识别对象作为学习地物。然后，将学习地物的地物信息F反映到地物数据库DB2中，从而即使在地物信息F不完备的道路上，也能够使用地物信息F来修正自身车辆位置信息P。然后，导航装置1基于修正过的自身车辆位置信息P，进行路线引导等导航处理。

图1所示的导航装置1的各功能部，具体地说是图像信息获取部12、自身车辆位置信息获取部16、地物信息获取部17、图像识别部18、自身车辆位置修正部19、导航用计算部20、学习地物提取部31、推测位置判定部34、地物信息管理部35以及道路属性信息获取部41将CPU等计算处理装置作为核心部件，并安装硬件或软件(程序)或它们两者，从而构成用于对所输入的数据进行各种处理的功能部。而且，这些各功能部能够互相交接信息。另外，导航装置1的各个数据库DB 1～DB3将具有能够存储信息的存储介质及其驱动装置的装置作为硬件结构，例如，具有硬盘驱动器、DV-ROM的DVD驱动器以及具有CD-ROM的CD驱动器等。下面，详细说明本实施方式的导航装置1的各部件结构。

1.地图数据库

地图数据库DB1是存储了按照每个规定区域划分的地图信息M的数据库。图2是表示存储在地图数据库DB1中的地图信息M的结构例子的说明图。如该图所示，地图信息M具有道路信息Ra，该道路信息Ra根据与交叉路口对应的多个节点n和与连接各个交叉路口之间的道路对应的道路链k之间的连接关系来表示道路网络。各个节点n具有用纬度和经度所表示的地图上的位置(坐标)信息。通过节点n来连接各个道路链k。另外，各个道路链k具有道路类别、地域类别、道路链长度、道路宽度、用于表示道路链形状的形状内插点等信息而作为其属性信息。在此，道路类别信息是将道路区分为例如汽车专用道路、市区道路、次要道路、山路等多种类别时的道路类别信息。另外，地域类别信息是将设置有与道路链k对应的道路的地域区分为例如关东地区或关西地区等地区、都道府县以及市区乡镇等行政区域等多个地域时的地域类别信息。这些道路链k的属性信息相当于道路属性信息Rb(参照图1)。而且，在本实施方式中，该地图数据库DB1相当于在本发明中的地图信息存储装置。另外，在图2中，只示出了1个区域的道路信息Ra，而省略了其他区域的道路信息Ra。

2.地物数据库

地物数据库DB2是存储有设置在道路上以及道路周边的各种地物的信息即地物信息F的数据库。如图1所示，在本实施方式中，在地物数据库DB2中存储有初始地物信息Fa以及学习地物信息Fb的2种信息。在此，所谓初始地物信息是指预先加以完备并存储在地物数据库DB2中的关于多个地物的地物信息F。在包含道路信息Ra的地图信息M完备的所有地域中，这种初始地物信息Fa只在大城市周边以及干线道路等一部分地域以及道路上完备。另一方面，如后所述，所谓学习地物信息Fb是指，作为利用对于对象地物的图像识别部18的图像识别结果来学习的结果而存储在地物数据库DB2中的地物信息F。另外，在以下的说明中，在仅称之为“地物信息F”时，是指这些初始地物信息Fa以及学习地物信息Fb的统称。在本实施方式中，该地物数据库DB2相当于本发明中的地物信息存储装置。

地物信息F(特别是初始地物信息Fa)存储在该地物数据库DB2中的地物包括设置在道路路面上的道路标线(油漆标线)。图3是表示存储在地物数据库DB2中的道路标线的地物信息F的例子的说明图。这种道路标线的地物包括例如人行横道、停止线、速度标记、沿着道路划分车道的分界线(包括实线、虚线、双线等各种分界线)、指定各个车道的行进方向的行进方向别通行区分标记(导向箭头，例如包括直行箭头、右转弯箭头等)等。另外，对于存储有其地物信息F的地物来说，除了这种道路标线之外，还可以包括信号灯、标志、高架桥、隧道等各种地物。

另外，地物信息F的内容具有各个地物的地物位置信息以及与其相关联的地物属性信息。在此，地物位置信息具有与构成道路信息Ra的道路链k或者节点n等相关联的各个地物的代表点在地图上的位置(坐标)、以及各个地物的方向的信息。初始地物信息Fa的代表点例如设置在各个地物的长度方向与宽度方向上的中央部附近。关于学习地物信息Fb的代表点，以后再叙述。另外，初始地物信息Fa的地物属性信息包括地物类别信息以及地物的形状、大小、色彩等地物形态信息等。例如，具体地说，初始地物信息Fa的地物类别是表示具有基本上相同形态的地物类别的信息，如“人行横道”、“停止线”、“速度标记(30km/时)”等。关于学习地物信息Fb的地物属性信息，以后再叙述。另外，在本实施方式中，地物信息F具有关联信息以及地物之间距离信息，该关联信息表示其与相邻的其他地物之间的关系，该地物之间距离信息表示其与该其他地物之间的地物之间距离。在此，关联信息是用于如下预测的信息，即，在自身车辆50沿着道路行进过程中对1个地物进行图像识别，从而能够预测前方存在的其他地物。另外，地物之间距离信息是用于正确预测从自身车辆50起到这种存在于前方的地物为止的距离的信息。

3.学习数据库

学习数据库DB3是在能够识别与各个识别位置信息Aa对应的识别对象的状态下存储学习地物提取部31所导出的识别位置信息Aa的数据库。在此，为了使与各个识别位置信息Aa对应的识别对象能够识别，对各个识别位置信息Aa和与其对应的识别对象的地物属性信息Ab建立关联而进行存储。关于存储在该学习数据库DB3中的识别位置信息Aa以及地物属性信息Ab的具体内容，以后再叙述。在本实施方式中，该学习数据库DB3相当于本发明中的识别结果存储装置。

4.图像信息获取部

图像信息获取部12发挥图像信息获取装置的功能，该图像信息获取装置用于获取拍摄装置11所拍摄的自身车辆周边的图像信息G。在此，拍摄装置11是具有拍摄元件的车载摄像机等，并设置在至少能够拍摄自身车辆50周边道路的路面的位置上。这种拍摄装置11优先使用例如图4所示的拍摄自身车辆50的后方路面的后部摄像机。图像信息获取部12通过帧存储器(未示出)等以规定时间间隔读取拍摄装置11所拍摄的拍摄信息。此时读取图像信息G的时间间隔例如可以设定为10～50ms左右。由此，图像信息获取部12能够连续地获取拍摄装置11所拍摄的多帧图像信息G。在此，将所获取的图像信息G输出到图像识别部18。

5.自身车辆位置信息获取部

自身车辆位置信息获取部16发挥自身车辆位置信息获取装置的功能，该自身车辆位置信息获取装置用于获取表示自身车辆50当前位置的自身车辆位置信息P。在此，自身车辆位置信息获取部16与GPS接收机13、方位传感器14以及距离传感器15相连接。在此，GPS接收机13是从GPS(GlobalPositioning System：全球定位系统)卫星接收GPS信号的装置。通常，每隔1秒钟接收该GPS信号，并输出到自身车辆位置信息获取部16。在自身车辆位置信息获取部16中，能够对GPS接收机13所接收的来自GPS卫星的信号进行解析，并能够获取自身车辆50的当前位置(纬度以及经度)、行进方向、移动速度、时刻等信息。该方位传感器14是用于检测自身车辆50的行进方位或者其行进方位变化的传感器。该方位传感器14例如由陀螺传感器、地磁传感器、安装在方向盘的转动部上的光学转动传感器以及转动阻力电位器、安装在车轮部上的角度传感器等构成。而且，方位传感器14将其检测结果输出到自身车辆位置信息获取部16。距离传感器15是用于检测自身车辆50的车速以及移动距离的传感器。该距离传感器15例如由每当车辆的传动轴或车轮等旋转一定量时就输出脉冲信号的车速脉冲传感器、检测自身车辆50的加速度的横摆·G传感器以及对所检测的加速度进行积分的电路等构成。而且，距离传感器15将车速以及移动距离的信息作为其检测结果而输出到自身车辆位置信息获取部16。

另外，自身车辆位置信息获取部16基于这些GPS接收机13、方位传感器14以及距离传感器15的输出，利用公知方法来进行确定自身车辆位置的计算。另外，自身车辆位置信息获取部16获取从地图数据库DB1所提取的自身车辆位置周边的道路信息Ra，并基于该信息来进行公知的地图匹配(MapMatching)，以此进行将自身车辆位置调整到道路信息Ra所示出的道路上的修正。由此，自身车辆位置信息获取部16获取用纬度和经度所示的自身车辆50的当前位置信息以及包括自身车辆50的行进方位信息的自身车辆位置信息P。

6.地物信息获取部

发挥地物信息获取装置的功能的地物信息获取部17基于自身车辆位置信息获取部16所获取的自身车辆位置信息P等，从地物数据库DB2提取并获得存在于自身车辆50周边的地物的地物信息F。地物信息F包括初始地物信息Fa以及学习地物信息Fb的两者。在本实施方式中，例如，地物信息获取部17基于自身车辆位置信息P，从地面数据库DB2中提取存在于在自身车辆位置信息P所示的自身车辆50的当前位置和表示该自身车辆50行驶中的道路的道路链k的终端之间的对象地物的地物信息F。所谓对象地物是成为图像识别部5的位置修正用图像识别处理(后面详细描述)对象的地物。因此，地物信息获取部17所获得的地物信息F输出到图像识别部18以及自身车辆位置信息修正部19。在本实施方式中，除了作为初始地物而预先加以完备的如人行横道、停止线、速度标记等设置在道路路面上的各种道路标线之外，作为学习地物来收集的路面污点及污垢、裂缝、铺设的连接处、窨井盖等也会成为对象地物。另外，由于使用频率低而未作为初始地物来登录的各种道路标线，也会成为作为学习地物的对象地物。进而，在满足特定的时刻或天气等规定条件的情况下出现的地物，如影子等，只在满足该条件的情况下，成为作为有效的限定性学习地物的对象地物。

另外，地物信息获取部17发挥存在判定装置的功能，该存在判定装置基于自身车辆位置信息P来参照地物数据库DB2，并判定在自身车辆50周边是否存在作为地物信息F而存储的对象地物。当判定为在自身车辆50周边不存在对象地物时，如后所述，实施信息收集用图像识别处理。也就是说，当判定为在自身车辆50周边不存在对象地物时，判定为自身车辆50未处于后面所述的高精度自身车辆位置识别状态，从而实施用于收集学习地物信息Fb的信息收集用图像识别处理。另外，在发挥存在判定装置的功能时的地物信息F可以包括学习地物信息Fb，也可以只包括初始地物信息Fa。在本实施方式中包括两者。

7.图像识别部

在本实施方式中，图像识别部18进行两种图像识别处理，即用于修正自身车辆位置信息P的位置修正用图像识别处理和用于学习地物的图像识别结果并反映到地物数据库DB2中的信息收集用图像识别处理。即，图像识别部18发挥图像识别装置的功能，该图像识别装置基于根据自身车辆位置信息P从地物数据库DB2提取的存在于自身车辆50周边的对象地物的地物信息F，作为位置修正图像识别处理而对包含在图像信息G中的该地物信息F所示的对象地物进行图像识别处理。另外，图像识别部18发挥图像识别装置的功能，该图像识别装置对包含在图像信息获取部12所获取的图像信息G中的识别对象进行图像识别处理。

在本实施方式中，当发挥存在判定装置的功能的地物信息获取部17判定为在自身车辆50周边存在作为地物信息F而存储的对象地物时，图像识别部18进行位置修正用图像识别处理。另一方面，当地物信息获取部17判定为在自身车辆50周边不存在作为地物信息而存储的对象地物时，进行信息收集用图像识别处理。当自身车辆50在地物信息F已完备的道路上行驶时，基于位置修正用图像识别处理的图像识别结果和地物信息F，对自身车辆位置信息P实施修正处理。另一方面，当自身车辆50在地物信息F还未完备的道路上行驶时，进行信息收集用图像识别处理，并实施提取包含在图像信息G中的识别对象作为学习地物的地物收集处理。

在位置修正图像识别处理中，图像识别部18基于根据自身车辆位置信息P从地物数据库DB2中获取的存在于自身车辆50周边的对象地物的地物信息F，对包含在图像信息G中的该地物信息F所示的对象地物进行图像识别处理。此时，图像识别部18对该地物信息F所示的对象地物设定进行识别请求的规定识别区域，并对该识别区域内的图像信息G进行关于对象地物的图像识别处理。将该识别区域设定为在道路信息Ra所示的道路链k上推测存在该对象地物的位置范围。在这里，通过基于在自身车辆50上的拍摄装置11的安装位置、安装角度以及视场角等预先计算的自身车辆位置和拍摄区域之间的位置关系，能够基于自身车辆位置信息P来求出包含在各个图像信息G中的实际道路的拍摄区域。因此，图像识别部18基于这样求出的各个图像信息G的拍摄区域的信息，提取与对各个对象地物所设定的识别区域相对应的图像信息G，并进行图像识别处理。在对象地物是初始地物的情况下，图像识别部18对图像信息G进行公知的二值化处理以及边缘检测处理等，提取包含在该图像信息G中的对象地物(道路标线)的轮廓信息。然后，通过对所提取的轮廓信息以及对象地物的形态进行图形匹配处理，以此识别包含在图像信息G中的对象地物。在对象地物是学习地物的情况下，如后所述，实施与对学习时的识别对象的图像识别处理相同的处理，以此识别对象地物。而且，通过该位置修正用图像识别处理得到的对象地物的图像识别结果用于自身车辆位置信息修正部19对自身车辆位置信息P的修正。

在信息收集用图像识别处理中，图像识别部18对包含在图像信息G中的识别对象进行图像识别处理。该图像识别处理没有使用存储在地物数据库DB2中的地物信息F，因此无需设定对象地物以及如上所述的识别区域，就能够对识别对象进行图像识别处理。在这里，所谓识别对象是包含在图像信息中的特征，至少包括噪声(noise)、边缘、规定颜色以及规定形状中的任意一种。而且，这些识别对象的识别结果是通过对该识别对象的规定图像识别处理所获得的特征量。例如，在路面上没有地物的状态下，路面的图像信息是均匀的，但若存在某些地物，则均匀性被破坏。如果将破坏该均匀性的原因设为噪声，并将该噪声作为识别对象，则噪声量的大小成为作为识别结果的特征量。由于这种噪声在图像信息G的空间频率中为高频成分，因此能够通过高通滤波器等的滤波处理来提取噪声量。

可作为学习地物的存在于路面上的地物包括设置在道路路面上的道路标线、道路路面上的污点、道路路面上的污垢、道路路面上的裂缝、铺设的连接处、窨井盖、道路路面上的影子等。通过对图像信息G实施公知的高斯滤波处理(Gaussian filter)等，能够提取路面上的污点及污垢、裂缝等和路面之间的边界而作为边缘成分。假如将该边缘成分作为识别对象，那么边缘成分的提取数目的多少成为作为识别结果的特征量。另外，通过对图像信息G实施公知的窗口比较(window comparator)处理，能够提取在用白色、黄色或橙色涂刷的道路标线的颜色成分。假如将各种颜色作为识别对象，则颜色种类和与其对应的提取数目的多少就成为作为识别结果的特征量。另外，也可以将特定形状例如三角形、圆形、四方形、数字等特定形状作为识别对象，实施图形匹配处理，并将其拟合度作为特征量。将通过信息收集用图像识别处理获得的识别对象的识别结果(特征量)与其识别位置的信息建立关联而存储在学习数据库DB3中。

8.自身车辆位置信息修正部

自身车辆位置信息修正部19发挥自身车辆位置信息修正装置的功能，该自身车辆位置信息修正装置基于图像识别部18对于对象地物的图像识别处理结果和包含在该对象地物的地物信息F中的该对象地物的位置信息，对自身车辆位置信息P进行修正。在本实施方式中，自身车辆位置信息修正部19利用通过图像识别部18基于地物信息F实施的位置修正图像识别处理所获得的对象地物的图像识别结果和包含在该地物信息F中的该对象地物的位置信息，沿着自身车辆50的行进方向修正自身车辆位置信息P。具体地说，自身车辆位置信息修正部19首先基于图像识别部18的位置修正图像识别处理结果、拍摄装置11的安装位置、安装角度以及视场角等，计算在获得包含对象地物的图像的图像信息G时的自身车辆50和对象地物之间的位置关系。接着，自身车辆位置信息修正部19基于该自身车辆50和对象地物之间的位置关系的计算结果和包含在该对象地物的地物信息F中的该对象地物的位置信息，计算并获得在自身车辆50的行进方向上的以对象地物的位置信息(地物信息F)为基准的高精度的自身车辆50的位置信息。然后，自身车辆位置信息修正部19基于这样获得的高精度的自身车辆50的位置信息，对包含于自身车辆位置信息获取部16所获取的自身车辆位置信息P中的在自身车辆50的行进方向上的当前位置信息进行修正。其结果，自身车辆位置信息获取部16获取到这种修正后的高精度的自身车辆位置信息P，因此自身车辆50处于高精度自身车辆位置识别状态。

9.导航用计算部

导航用计算部20是为了执行自身车辆位置显示、从出发地到目的地为止的路线搜索、到目的地为止的行进路线提示、目的地检索等的导航功能而按照应用程序23动作的计算处理装置。例如，导航用计算部20基于自身车辆位置信息P从地图数据库DB1获取自身车辆50周边的地区信息M，并将地图的图像显示在显示输入装置21上，并且基于自身车辆位置信息P，将自身车辆位置标记重叠显示在该地图的图像上。另外，导航用计算部20基于存储在地图数据库DB1中的地图信息M，进行从规定出发地到目的地为止的路线搜索。进而，导航用计算部20基于所搜索的从出发地到目的地的为止的路线和自身车辆位置信息P，并使用显示输入装置21以及语音输出装置22中的一个或两者，向驾驶者引导行进路线。另外，在本实施方式中，导航用计算部20与显示输入装置21以及语音输出装置22相连接。显示输入装置21是液晶显示装置等显示装置和触摸屏等输入装置成为一体的装置。语音输出装置具有扬声器等。在本实施方式中，导航用计算部20、显示输入装置21以及语音输出装置22发挥本发明中的引导信息输出装置24的功能。

10.学习地物提取部

学习地物提取部31发挥学习地物提取装置的功能，该学习地物提取装置基于通过对同一场所的图像信息G的多次图像识别来存储在学习数据库DB3中的关于同一场所的多个识别信息，提取能够重复进行图像识别的识别对象作为学习地物，并将该学习地物和该学习地物的位置信息一起输出。下面，利用图5～图9，详细说明学习地物提取部31所进行的处理。在这里，如上所述，所谓学习地物是设置在道路路面上的道路标线、道路路面上的污点、道路路面上的污垢、道路路面上的裂缝、铺设的连接处、窨井盖、道路路面上的影子等。在图5中，作为这种学习地物的例子而将“污点”设定为地物f1～f3。所谓识别信息是表示图像识别部18对识别对象的识别结果的信息，如上所述，是所谓的特征量。所谓识别对象是包含在图像信息G中的噪声、边缘、规定颜色、规定形状等，是通过图像处理能够获得定量的识别结果(特征量)的图像信息上的特征。

学习地物提取部31导出识别对象的识别位置作为表示以自身车辆位置信息P为基准的该识别对象在道路上的位置的信息。也就是说，学习地物提取部31基于图像识别部18对识别对象的图像识别结果、拍摄装置11的安装位置、安装角度以及视场角等，计算在获取包括识别对象(特征)的图像信息G时的自身车辆50和识别对象之间的位置关系。接着，学习地物提取部31基于该自身车辆50和识别对象之间的位置关系的计算结果和在获取该图像信息G时的自身车辆位置信息P，计算以自身车辆位置信息P为基准的识别对象的位置。在本例中，学习地物提取部31求出该位置而作为在沿着道路链k的方向上的位置，该道路链k表示自身车辆50行驶中的道路。然后，学习地物提取部31导出这样所计算的位置作为识别对象的识别位置。由于该识别位置是以在获取包括该识别对象的图像信息G时的自身车辆位置信息P为基准导出的，因此变成包含自身车辆位置信息P所具有的误差的位置信息。因此，位置信息是基于通过对同一场所的图像信息G进行多次图像识别来存储在学习数据库DB3中的关于同一场所的识别结果(识别信息)所决定的。

图5是将自身车辆50行驶在地物信息F还未完备的道路(道路链k)上的情形为例说明利用信息收集用图像识别处理结果对地物信息F进行收集处理的概要的说明图。如图5的(a)部分所示，在自身车辆50所行驶的道路上例如存在污点以及污垢、裂缝等地物f1～f3。学习地物提取部31生成在图像信息G上表示各个地物f1～f3的特征的识别对象的识别位置信息Aa，并将其作为关于图像识别部18对该识别对象的识别位置所属的规定位置范围(后面描述)的学习值。然后，如图5的(b)部分所示，在每次识别该识别对象时，按照各个上述位置范围对学习值进行累加并存储在学习数据库DB3中。学习地物提取部31基于学习值的累加结果，导出学习地物的推测位置pg(后面详细描述)。该推测位置pg成为包含在学习地物信息F中的位置信息。

如上所述，学习地物提取部31导出识别对象的识别位置而作为以自身车辆位置信息P为基准的表示该识别对象在道路上的位置的信息。学习地物提取部31按照识别位置所属的各个规定位置范围对后面所述的学习值进行累加并存储在学习数据库DB3中。在这里，所谓学习值是因对识别对象的识别结果(特征量)满足规定学习条件而赋予的值。例如，在识别对象(特征)是“由于污点而与规定路面的颜色不同的颜色”，且特征量是作为颜色提取的结果的颜色提取数目的情况下，提取数目变为规定阈值以上就是规定学习条件。即，能够判定相对定量示出的识别结果(特征量)是否充分地体现出识别对象(特征)的特征的条件就是学习条件。

在本例中，规定位置范围是在沿着表示道路的道路链k的方向上每隔一定距离划分设定的范围，例如，沿着道路链k的方向上每隔0.5m划分的范围。另外，学习值是每当图像识别成功一次就在学习数据库DB3中的该识别对象的地物的识别位置所属的位置范围上进行累加的值。例如，每当图像识别成功1次就累加1。即，在本例中，由表示包含识别对象的地物的识别位置的位置范围的信息和该学习值(例如为“1”)的信息构成识别位置信息Aa。如上所述，由于识别位置是以在获取包含该识别对象的图像信息G时的自身车辆位置信息P为基准导出的，因此包含自身车辆位置信息P所具有误差。然而，在本例中，满足学习条件的位置的微小误差在规定位置范围的范围内被吸收。

在这里，图6是关于图5的(b)部分所示的存储在学习数据库DB3中的学习值的识别对象的地物f1的部分放大图。例如，在图5的(a)部分的例子中，在学习地物提取部31所导出的识别对象(地物f1的特征)的识别位置处于在图6中示出为“a4”的位置范围中的情况下，如该图6中虚线所示，在该位置范围a4的学习值上加1。然后，若自身车辆50在同一道路上通行多次而对同一识别对象进行多次图像识别，则如图5的(b)部分以及图6所示，按照表示该识别对象的识别位置的位置范围，对作为每次识别该识别对象时所生成的多个识别位置信息Aa的学习值进行累加并累积在学习数据库DB3中。然后，如后所述，当位置范围a4的学习值在规定学习阈值T1以上时，地物信息生成部36将代表位置范围a4的位置作为代表点而生成关于该识别对象的学习地物信息Fb，并将其存储在地物数据库DB2中。通过实施这种统计处理，也可以抑制满足学习条件的位置的大的误差。在图5的例子中，将与地物f1以及地物f3对应的学习地物信息Fb1以及Fb3存储在地物数据库DB2中。另外，由于对于作为识别对象的地物f2的特征的图像识别结果的学习值没有达到规定的学习阈值T1，因此没有生成学习地物信息Fb，而且图5所示的地物f2没有存储在地物数据库DB2中。

如上所述，根据本实施方式，尽管不是如道路标线那样的定型物，也可以将如“在路面上存在某一东西”的模糊对象作为学习地物。因此，能够以低成本收集学习地物。当然，可以进行更加明确的图像识别，也可以从颜色提取或边缘提取的结果中确定污点以及污垢、裂缝等形状，从而收集抑制其模糊性的学习地物。图7示出了根据颜色提取或边缘提取的结果进一步识别形状的例子，其中，图7A示出了对路面上的污点及污垢进行识别的例子，图7B示出了对路面上的裂缝进行识别的例子。如图7A所示，当边缘e1具有闭环(close loop)时，推定该地物的属性为污点或污垢，并计算与该属性对应的识别位置。例如，可以设定平行于沿着道路链k的方向且外接于该地物的长方形区域，并基于其顶点y1～y4求出重心位置x1，并将其作为识别位置。如图7B所示，在边缘e2不具有闭环、或者即使具有闭环但其宽度窄的情况下，将该地物的属性推定为裂缝，并计算与该属性对应的识别位置。例如，可以求出边缘e2的两处端点y5以及y6，并将连接y5和y6的直线的中点x2作为识别位置。

如上所述，作为学习地物而存在于路面上的地物包括设置在道路路面上的道路标线，其种类可以与初始地物相同。另外，理所当然地，也包括由于使用频率低、形状自由度大、面积相对识别对象区域大等理由没有被登录为初始地物信息的各种道路标线。图8是表示将禁止进入区域(所谓斑马线区域)的特征作为识别对象的例子的说明图。在这里，作为识别对象的特征是“规定区域内的白色的面积”，而作为识别结果的特征量是“规定区域内的白色的面积的比例)。图像识别部18例如实施窗口比较处理，使得在规定小区域r中能够识别白色涂刷部W和路面。在小区域r中包含有规定比例以上的涂刷部W时，学习地物提取部31将学习值置为1。如上所述，每当图像识别成功1次，就在学习数据库DB3中的该识别对象的识别位置所属的位置范围上累加学习值。识别位置例如可以设定为圆形小区域r的中心，在该小区域r的中心所属的位置范围上累加学习值。图9是表示对于图8所示的斑马线区域按照各个规定位置范围累加学习值的例子的图。由于斑马线区域具有大的面积，因此如图9所示，针对多个小区域r累加学习值，所以在多个位置范围上以同样的点数超过了学习阈值T1。此时，例如可以将其中间的位置范围a7作为学习地物的位置信息(推测位置pg)。

另外，具有成为识别对象的特征的地物并不仅限于固定存在于路面上的污点以及污垢、裂缝等，也可以包括当满足特定时刻或天气等规定条件的情况下出现的东西。例如，影子等。此时，将识别信息与识别时刻以及识别时的天气中的至少一种信息建立关联而存储在学习数据库DB3中。然后，学习地物提取部31提取在与识别时刻以及识别时的天气中的至少一种相关的规定条件下能够重复进行图像识别的识别对象(影子的特征)，并将其作为仅在满足该条件的情况下有效的限定性学习地物。具体地说，通过使该限定条件包含在后面所述的地物属性信息Fb中，能够将其变为限定性学习地物。由于如影子这样的地物相对路面等的对比度很大，因而作为识别对象具有很强的特征，但其受到时刻以及天气的影响的这一点将成为不稳定因素。然而，通过将其设定为添加了这种地物出现的时刻以及天气等规定条件的限定性学习地物，能够将其作为适合的学习地物来使用。

可是，为了使该图像识别成功的识别对象处于相对其他识别对象能够识别的状态，学习地物提取部31将所生成的识别位置信息Aa与表示该识别对象的各种属性的地物属性信息Ab相关联而进行存储。在这里，地物属性信息Ab所包含的识别对象的属性是只要相对其他识别对象能够识别该1个识别对象的属性即可。因此，例如地物属性信息Ab包括从作为识别对象的特征的种类、即颜色、边缘、噪声等分类、在进行了形状识别时其具体的形状以及大小、识别对象所存在的道路链k的道路链ID等中所选择的1种或2种以上信息。另外，在地物属性信息Ab中，也可以包括时刻以及天气等限定性学习地物的限定条件。基于图像识别部18对识别对象的图像识别结果以及在通过图像识别处理获取图像信息G时的自身车辆位置信息P等，生成关于这种地物的地物属性信息Ab。

11.推测位置判定部

推测位置判定部34发挥推测位置判定装置的功能，该推测位置判定装置基于通过认为同一场所的图像信息相当于识别对象而进行的多次图像识别来存储在学习数据库DB3中的关于同一场所的多个识别位置信息Aa，判定该识别对象的推测位置pg(参见图5)。在这里，推测位置判定部34基于关于同一场所的多个识别位置信息Aa的分布，将该分布的代表值判定为该识别对象的推测位置pg。在本实施方式中，将使用最频繁的值作为分布的代表值。即，推测位置判定部34将代表作为关于各个识别对象的识别位置信息Aa的学习值最先变为规定学习阈值T1以上的位置范围的位置作为代表点，判定该识别对象的推测位置pg。也就是说，推测位置判定部34将学习值为规定学习阈值T1以上的位置范围的识别对象提取作为学习地物，并将代表该位置范围的位置作为推测位置pg。作为一个例子，说明一下对于图5例子中的识别对象(地物f1的特征)的推测位置pg进行判定时的判定方法。如图6所示，在位置范围a4，作为关于地物f1的识别位置信息Aa的学习值最先变为学习阈值以上。因此，推测位置判定部34将代表位置范围a4的位置、例如位置范围a4的中央位置pg4判定为关于地物f1的推测位置pg。

12.地物信息管理部

地物信息管理部35作为地物信息管理单元发挥作用，其基于存储在学习数据库DB3中的对象地物的学习结果，对存储在地物数据库DB2中的地物信息F进行管理。在本实施方式中，该地物信息管理部35具备地物信息生成部36以及地物之间距离判定部37。以下分别进行说明。

12-1.地物信息生成部

地物信息生成部36发挥地物信息生成装置的功能，该装置基于存储在学习数据库DB3中的地物的学习结果来生成学习地物信息Fb。即，地物信息生成部36生成学习地物信息Fb，其中，该学习地物信息Fb是将位置信息与地物属性信息相对应关联的学习地物信息Fb，该位置信息表示由推测位置判定部34判定的各个识别对象的推测位置pg，该是基于图像识别部18对该识别对象得出的图像识别结果的信息。在这里，在学习数据库DB3中，使用与该识别对象的识别位置信息Aa相对应关联存储的地物属性信息Ab的内容来生成构成学习地物信息Fb的地物属性信息。由此，与初始地物信息Fa同样生成学习地物信息Fb，作为包括位置信息以及与其相对应关联的地物属性信息的信息。另外，该地物信息生成部36生成的学习地物信息Fb存储在地物数据库DB2中。在本实施方式中，地物信息生成部36生成学习地物信息Fb5，并将其存储在地物数据库DB2中，该学习地物信息Fb5包括例如污点、污垢、裂缝、道路标线(喷涂)等种类的限定学习地物的限定条件等地物属性。

12-2.地物之间距离判定部

地物之间距离判定部37作为地物间距判定装置发挥作用，其基于对两个对象地物的多次的识别位置信息Aa，对表示该两个学习地物之间的距离的地物之间距离D进行判定。在本实施方式中，地物之间距离判定部37利用由推测位置判定部34判定的关于两个学习地物的推测位置pg的信息，通过计算一个学习地物的推测位置pg与其他学习地物的推测位置pg之间的距离来求出这两个学习地物的地物之间距离D。在图5的(b)部分及(c)部分所示的例子中，地物之间距离判定部37求出相邻的两个对象地物间的距离。即，在本例中，地物之间距离判定部37判定并求出地物f1与地物f2之间的地物之间距离D。由该地物之间距离判定部37判定得到的地物之间距离D的信息，作为构成由上述地物信息生成部36生成的学习地物信息Fb的信息而被利用。即，在本实施方式中，各学习地物的学习地物信息Fb包含如下内容：表示与接近于该学习地物的其他学习地物之间的关系的对应关联信息；表示与该其他学习地物间的地物之间距离D的地物间距信息。这些信息也与包含在初始地物信息Fa中的对应关联信息及地物间距信息内容相同。

13.导航装置的工作处理

接着，针对本实施方式的导航装置1中执行的地物信息收集方法进行说明。图10是表示本实施方式的导航装置1进行的地物信息收集方法的工作顺序的一个例子的流程图。在这里，基于图5的(a)部分以及(b)部分来说明当使用如上所述学习方法时的一个例子。

如图10所示，在导航装置1中，首先通过自身车辆位置信息获取部16获取自身车辆位置信息P(自身车辆位置信息获取工序#01)。接着，通过图像信息获取部12获取由拍摄装置11拍摄的自身车辆50周边的图像信息G(图像信息获取工序#02)。之后，通过地物信息获取部17从地物数据库DB2中获取这样的对象地物的地物信息F(地物信息获取工序#03)，即，该对象地物存在于从自身车辆位置信息P所示的自身车辆50的当前位置(自身车辆位置)到表示该自身车辆50所行驶的道路的道路链k的终端之间。然后，判定是否存在地物信息F(存在判定工序：#4)。地物信息F可以是初始地物信息Fa以及学习地物信息Fb中的任何一个。

当判定为存在地物信息F时，自身车辆50行驶在地物数据库DB2完备的道路上。因此通过图像识别部18来实施上述位置修正图像识别处理(图像识别工序(位置修正用图像识别工序)：#5)。即，图像识别部18对获取的各个地物信息F所示的各个对象地物，设定识别区域并进行图像识别处理。一旦在识别区域内识别出对象地物，则通过自身车辆位置信息修正部19，基于该对象地物的图像识别结果以及包含在该对象地物的地物信息F中的该对象地物的位置信息，对自身车辆位置信息P进行修正(自身车辆位置信息修正工序(未示出))。由此，自身车辆50处于高精度自身车辆位置识别状态。

另一方面，当判定为不存在地物信息F时(#4)，导航装置1执行地物信息收集用图像识别处理(#6)。开始通过图像识别部18对包含在图像信息G中的识别对象实施图像处理。一旦图像识别出识别对象，则判定为存在作为学习地物候补的地物，当未图像识别出识别对象时结束处理(#7)。以上，步骤#6以及#7相当于本发明的图像识别工序(地物信息收集用图像识别工序)。

当图像识别出识别对象(#7)，学习地物提取部31基于在步骤#1中获取的自身车辆位置信息P来导出该地物的识别位置。另外，该识别对象的位置信息以及学习值被存储在学习数据库DB3中(识别结果存储工序#8)。即，生成表示导出的地物的识别位置的识别位置信息Aa，作为该识别位置所属的规定位置范围的学习值，如图5的(b)部分以及图6所示，对每个位置范围进行累加并存储在学习数据库DB3中。

接下来，判定存储在学习数据库DB3中的该对象地物的识别位置信息Aa的学习值是否在规定学习阈值T1以上(#9)。当学习值未达到规定学习阈值T1时结束处理。另一方面，当存储在学习数据库DB3中的该对象地物的识别位置信息Aa的学习值在规定学习阈值T1以上时(#9)，由推测位置判定部34判定该地物的推测位置pg。之后，由地物信息生成部36生成将该识别对象的推测位置pg与基于图像识别结果的地物属性信息相对应关联的学习地物信息Fb(#10)。生成的学习地物信息Fb被存储在地物数据库DB2中(#11)。以上，步骤#9～#11相当于本发明的学习地物提取工序。

14.其他实施方式

(1)在上述实施方式中，如图5的(b)部分所示，使用累加规定位置范围的学习值的方法来推测学习地物的位置信息。然而，不限定于该方法，学习地物提取部31也可以使用如下所述的方法来推测学习地物的位置信息。如图5的(c)部分所示，学习数据库DB3原样存储通过对识别对象实施图像识别处理而获得的定量的识别结果(特征量)来作为的原始值。即，学习数据库DB3将作为识别对象的识别结果的特征量的原始值与位置信息相对应关联并连续存储。然后，学习地物提取部31基于所存储的识别对象的识别结果的分布，提取在其峰值位置的识别对象来作为学习地物，并将该峰值位置的信息作为该学习地物的位置信息(推测位置pg)。

在图5中，将成为学习地物的污点作为地物f1～f3示出，作为识别对象的图像上的特征例如是与规定路面上的颜色不同的颜色、路面颜色的边缘等。作为图像识别处理，如果将路面颜色作为提取对象对其执行窗口比较处理，则能够提取与路面颜色不同的颜色。图5的(c)部分表示特征量(识别结果)与识别位置的关系，该特征量是如上所述提取的与路面不同颜色的提取数。地物f1以及f3是大的污点因此特征量多，而地物f2是小的污点因此特征量少。例如在特征量的分布中，在具有在规定特征量阈值T2以上的特征量并且其峰值存在的情况下，学习地物提取部31提取识别对象(具有颜色特征的污点)作为学习地物。另外，该峰值存在的位置的信息作为该学习地物的位置信息(推测位置pg)。如上所述，由于以获取包含识别对象的图像信息G时的自身车辆位置信息P为基准来导出识别结果的识别位置，因此该识别结果的识别位置是包含自身车辆位置信息P所具有的误差的位置的信息。由于累加多次行驶时的各次的特征量的原始值并将其存储在学习数据库DB3中，因此，在特征量峰值存在的位置，上述误差被抵消，从而能够高精度的推测学习地物的位置信息。

另外该方法也能够用于判定是否应该学习。例如，暴风雨天气时拍摄装置11的镜头沾上了水滴，会在图像信息G上产生混乱。其结果，识别结果的分布缺少变化，因此也可以从用于学习的存储对象中除去此时的识别结果。

(2)可以使用由于使用频率小而未作为初始地物信息登录的单一形状的道路标线，来作为具有识别对象特征的地物。可以将这种道路标线的形状设为规定形状，并且将该规定形状作为识别对象。例如，该道路标线可以是表示“前方有优先道路”的三角形标记、在路面上描绘的用于指示的各种文字等。

(3)也可以将识别对象的特征作为“路面上白色所占比例”，并且基于进行规定颜色提取处理的结果，来判定具有该识别对象的特征的地物是道路标线的可能性。另外，当是道路标线的可能性高时，也可以对出现频率高的道路标线(人行横道、停止线等)执行形状识别算法，从而收集较高精度的学习地物。

(4)在上述的实施方式中，针对以下情况的例子进行了说明：导出识别位置信息Aa所示的对象地物的识别位置，作为表示以自身车辆位置信息P为基准的该对象地物在道路上所处位置的信息。但是，在本发明中所涉及的识别位置信息Aa并不仅限于此类位置信息。因此，以下的例子也是适于本发明的实施方式之一，即，将识别位置信息Aa所示的对象地物的识别位置，作为获取含有该识别对象的图像信息G时的自身车辆位置信息P所示的自身车辆50的位置。在该情况下，优选以下方式：在由地物信息生成部36生成学习地物信息Fb时，基于拍摄装置11的安装位置、安装角度及视角等，计算图像信息G中的识别对象的地物在道路上相对于自身车辆50位置的位置，并将具有该识别对象的特征的地物在道路上的位置作为学习地物信息Fb中的位置信息。

(5)在上述实施方式中，针对以下情况的例子进行了说明：图像识别每成功一次，则累加一分的学习值。但是，本发明的实施方式并不仅限于此，也可以根据识别结果而累加不同的值。例如，如图8所示，在将“规定区域内白色面积”作为识别对象的特征并将“规定区域内白色所占比例”作为识别结果的特征量的情况下，可以与根据该“比例”而累加不同的值。例如，50％以上时加1分，70％以上时加3分，这样分数因识别结果而不同。

(6)在上述实施方式中，在上述的实施方式中，将以下情况作为例子进行了说明：涉及本发明的地物信息收集装置2的所有结构均装载在自身车辆50上。但是，本发明的实施方式不仅限于此。即，以下结构也是适于本发明的实施方式之一：如图11所示，作为本发明的识别结果存储装置的包含学习数据库DB3的地物信息收集装置2的一部分结构，设置在可以通过无线通讯电路等实现与多台车辆50通信的服务器装置60上。如果地物信息收集装置2采用这样的结构，则可以将多台车辆50的对象地物学习结果集中到设置在服务器装置60上的学习数据库DB3中。由此，利用更多的识别位置信息Aa，能够生成具有更高精度的位置信息的地物信息F。另外，服务器装置60上设置的地物信息收集装置2的结构也不只限于学习数据库DB3，也可以将如拍摄装置11、自身车辆信息获取部16等需要装载在自身车辆50上的结构以外的所有结构设置在服务器装置60上。另外，同样地，将图像识别装置3、自身车辆位置识别装置4及导航装置1的一部分结构设置在服务器装置60上也是适于本发明的实施方式之一。

(7)在上述实施方式中，以在导航装置1中使用图像识别装置3以及自身车辆位置识别装置4为例进行了说明。然而，本发明的适用范围不限定于此，当然也可以用于车辆行驶控制装置等其他用途。

本发明适用于这种地物信息收集装置，其能够通过进行图像识别处理，来收集由装载在车辆上的拍摄装置等获取的车辆周边图像信息中的地物的信息。另外，该装置能够用于自身车辆位置识别装置、导航装置、车辆控制系统等。

Claims (15)

1.一种地物信息收集装置，其特征在于，具有：

自身车辆位置信息获取装置，用于获取表示自身车辆的当前位置的自身车辆位置信息；

图像信息获取装置，用于获取自身车辆周边的图像信息；

图像识别装置，用于对包含在上述图像信息中的识别对象进行图像识别处理；

识别结果存储装置，基于上述自身车辆位置信息，将表示上述图像识别装置对识别对象的识别结果的识别信息与该识别对象的识别位置信息相关联而进行存储；

学习地物提取装置，基于同一场所的多个识别信息，提取能够重复进行图像识别的识别对象作为学习地物，并与该学习地物的位置信息一起输出，其中，该同一场所的多个识别信息是通过对同一场所的图像信息的多次图像识别而存储在上述识别结果存储装置中的信息。

2.根据权利要求1所述的地物信息收集装置，其特征在于，

上述识别结果存储装置将识别对象的识别结果与上述识别位置信息相关联而连续地进行存储，

上述学习地物提取装置基于存储在上述识别结果存储装置中的识别对象的识别结果的分布，提取存在峰值的位置的识别对象作为上述学习地物，并将该存在峰值的位置的信息作为该学习地物的位置信息。

3.根据权利要求1所述的地物信息收集装置，其特征在于，

每当识别对象的识别结果满足规定的学习条件时，上述识别结果存储装置按照满足该学习条件的地点的位置所属的规定的各个位置范围，对于因识别对象的识别结果满足该学习条件而给出的学习值进行累加并进行存储，

上述学习地物提取装置提取上述学习值达到了规定的学习阈值以上的位置范围的识别对象作为上述学习地物，并将代表该位置范围的位置的信息作为该学习地物的位置信息。

4.根据权利要求1至3中任一项所述的地物信息收集装置，其特征在于，

与识别时刻以及在进行识别时的天气中的至少一方的信息相关联而存储上述识别信息，

上述学习地物提取装置提取关于识别时刻以及在进行识别时的天气中的至少一方只有在规定条件下能够重复进行图像识别的识别对象，并将该识别对象作为只在满足该条件时有效的限定性学习地物。

5.根据权利要求1至4中任一项所述的地物信息收集装置，其特征在于，还具有地物之间距离判定装置，该地物之间距离判定装置基于两个学习地物的位置信息，判定表示该两个学习地物间的距离的地物之间距离。

6.根据权利要求1至5中任一项所述的地物信息收集装置，其特征在于，上述识别结果存储装置与多个车辆以能够通信的方式连接，并存储多个车辆的上述识别信息。

7.根据权利要求1至6中任一项所述的地物信息收集装置，其特征在于，上述学习地物至少包括设置在道路路面上的道路标线、道路路面上的污点、道路路面上的污垢、道路路面上的裂缝、道路路面上的影子中的任意一个以上。

8.根据权利要求1至7中任一项所述的地物信息收集装置，其特征在于，上述识别对象至少包括图像信息中的噪声、边缘、规定颜色以及规定形状中的任意一个。

9.根据权利要求1至8中任一项所述的地物信息收集装置，其特征在于，还具有：

存储将上述学习地物的关于上述识别信息的属性信息与该学习地物的位置信息相关联的地物信息，并将该地物信息作为对象地物的地物信息的地物信息存储装置，或者，

存储将上述学习地物的关于上述识别信息的属性信息与该学习地物的位置信息相关联的地物信息、以及包括关于多个地物预先加以完备的位置信息及属性信息的地物信息两者，并将该地物信息作为对象地物的地物信息的地物信息存储装置。

10.根据权利要求9所述的地物信息收集装置，其特征在于，

还具有存在判定装置，该存在判定装置基于上述自身车辆位置信息参照上述地物信息存储装置，判定在自身车辆周边是否存在作为上述地物信息而存储的上述对象地物，

在上述存在判定装置判定为在自身车辆周边不存在上述对象地物的情况下，向上述识别结果存储装置存储上述识别信息。

11.一种自身车辆位置识别装置，其特征在于，具有：

权利要求9或10所述的地物信息收集装置，

自身车辆位置信息修正装置，基于上述对象地物的图像识别结果来修正上述自身车辆位置信息；

上述图像识别装置基于在自身车辆周边所存在的上述对象地物的上述地物信息，对上述图像信息中的该地物信息所示的上述对象地物进行图像识别处理，其中，在自身车辆周边所存在的上述对象地物的上述地物信息是基于上述自身车辆位置信息从上述地物信息存储装置提取的，

上述自身车辆位置信息修正装置基于上述图像识别装置对上述对象地物的图像识别结果、以及包含在上述对象地物的上述地物信息中的位置信息，修正上述自身车辆位置信息。

12.一种导航装置，其特征在于，具有：

权利要求11所述的自身车辆位置识别装置；

地图信息存储装置，存储有地图信息；

应用程序，参照上述地图信息而动作；

引导信息输出装置，按照上述应用程序动作并输出引导信息。

13.一种地物信息收集方法，其特征在于，包括：

自身车辆位置信息获取步骤，用于获取表示自身车辆的当前位置的自身车辆位置信息；

图像信息获取步骤，用于获取自身车辆周边的图像信息；

图像识别步骤，用于对包含在上述图像信息中的识别对象进行图像识别处理；

识别结果存储步骤，基于上述自身车辆位置信息，将表示上述图像识别步骤对识别对象的识别结果的识别信息与该识别对象的识别位置信息相关联而存储在识别结果存储装置中；

学习地物提取步骤，基于同一场所的多个上述识别信息，提取能够重复进行图像识别的识别对象作为学习地物，并与该学习地物的位置信息一起输出，其中，该同一场所的多个上述识别信息是通过对同一场所的图像信息的多次图像识别存储在上述识别结果存储装置中的信息。

14.根据权利要求13所述的地物信息收集方法，其特征在于，

在上述识别结果存储步骤中，将识别对象的识别结果与上述识别位置的信息相关联而连续地存储在上述识别结果存储装置中，

在上述学习地物提取步骤中，基于存储在上述识别结果存储装置中的识别对象的识别结果的分布，提取存在峰值的位置的识别对象作为上述学习地物，并将该存在峰值的位置的信息作为该学习地物的位置信息。

15.根据权利要求13所述的地物信息收集方法，其特征在于，

在上述识别结果存储步骤中，每当识别对象的识别结果满足规定的学习条件时，按照满足该学习条件的地点的位置所属的规定的各个位置范围，对于因识别对象的识别结果满足该学习条件而给出的学习值进行累加并存储在上述识别结果存储装置中，

在上述学习地物提取步骤中，提取上述学习值达到了规定的学习阈值以上的位置范围的识别对象作为上述学习地物，并将代表该位置范围的位置的信息作为该学习地物的位置信息。

Images