シーンマッチングによる自動運転ナビゲーション

太田研 公開用Wiki

T190D022 大野大樹†

シーンマッチングによる自動運転ナビゲーション†

序論†

背景†

近年、人工知能の機械学習法の著しい発展により、自動運転や無人ドローンといった自律走行、自律飛行技 術への関心が高まっている。自動運転を搭載した車では、スバルアイサイト [1] のように周囲の情報をステレ オカメラのみを使用したものがあるが、テスラ Model3[2] やトヨタ Advanced Drive[3] といった 3 次元セン サー (3DLidar) とステレオカメラを使用して取得しているものもある。3 次元センサーを用いることで、道路 の路面状況、車間距離、歩行者の有無といった周囲の状況をより緻密に把握することができ、光を使わないた め暗闇や雨天など天候の影響を受けにくいという特徴を持っている。しかし、周りに障害物のない開けた土地 やデータ処理の負荷が高い、そしてセンサーそのもののが高価であるなどのデメリットもある。また、カメラ センサーは天候の変化や暗闇に弱いというデメリットはあるが、画像の解像度の向上や画像から得られる情報 の多さ、3 次元センサーと比べコストが低いというメリットがある。そこで、本研究では 3 次元センサーと比 べ比較的安価であるカメラと基本的な画像処理を用いた自己位置推定を行っていく。

目的†

自動運転車両が目的地まで移動する場合、自動運転車両は現在の位置を知る必要がある。これを自己位置推 定という。例えば LiDAR などのセンサーを用いる場合、自己位置推定は環境の 3D データを持つ地図と、現 在の環境の形状を 3 次元的に照合すること等で自己位置推定を行う。しかし、人間は周囲の風景を見て、自分 の位置を知ることができるため、自動運転車両も人間と同様に、カメラで周囲の風景を撮影した画像を照合す ることで、自己位置推定が行えないか実験する。

本論†

風景画像†

シーンマッチングでは、シーンと呼ばれる風景画像を使用する。(図 1,2) 風景画像には不変的な情報と可変的 な情報の 2 種類の情報が描画されている。不変的な情報とは、建物や遠景に見える山の輪郭、道路の形状など 数時間単位等では決して変化することのない情報をさす。可変的な情報とは、天候や時間などの影響による、 雲の動きや画像全体の明度の変化等が相当する。(図 1a) 風景画像はこの天候や時間等の影響を受けやすい画 像であるため、こういった変化に強い画像特徴を使用することで影響をなくす必要がある。 そこで、今回風景画像を照合する前にいくつかの画像特徴を使用した前処理を行う事で、どの画像特徴を使 用した時が天候や時間の影響を受けずに自己位置推定を行えるかを調べていく。

自己位置推定†

自動運転車両が自動運転中に自己位置推定を行う方法はいくつかある。その中でも今回使用するのは風景画 像を使った自己位置推定である。風景画像を使った自己位置推定では、自動運転走行するルートの風景画像を 事前に走行して撮影しておく。そして、実際に走行しながら取得した画像と照らし合わせながら自分の位置を推定していく。例えば、走行しながら取得した画像が A 地点で撮影した画像と照合し同じと判断された場合、 その取得した画像によって自動運転車両は自分の位置が A 地点にあると推定することができる。取得した画 像と事前走行で得られた風景画像を照合する手法としてテンプレートマッチングを使用する。 また、テンプレートマッチングを行う際の処理として、以下の処理を行う。

1. 0.1 倍のスケールに画像縮小してマッチング
2. サイズを変えずに Canny のエッジ検出をしてマッチング
3. 0.1 倍のスケールに画像縮小し Canny のエッジ検出をしてマッチング
4. サイズを変えずに LBP 特徴を計算してマッチング
5. 0.1 倍のスケールに画像縮小して LBP 特徴を計算してマッチング
6. サイズを変えずに HOG 特徴を計算してマッチング それぞれの前処理を行うことで画像に特徴を持たせることができ、似ている画像同士の類似度を高めることが できると予想した。使用した画像処理技術については次節にて説明する。

テンプレートマッチング†

テンプレートマッチングとは、画像同士の類似度を調べる画像処理である。テンプレートマッチングを行う にあたってまずテンプレート画像と探索対象画像と呼ばれる二つの画像を用意する必要がある。テンプレート 画像とは、探索対象画像中で探し出したい画像情報が大きく描かれた画像のことである。 また、テン プレート画像の画像サイズは探索対象画像よりも小さいことが必要である。探索対象画像とは、テンプレート 画像に描かれた画像情報とどれだけ類似しているかを調べたい画像のことである。 探索対象画像内にはテンプレート画像と同じ画像情報が必ずしも含まれている必要性はない。 テンプレートマッチングでは画像同士の類似度を調べる手法がいくつか存在するが、ここでは実験でも使用 した ZNCC(零平均正規化相互相関) について説明する。I(i, j) が探索対象画像の座標 (i, j) における画素値、 T(i, j) がテンプレート画像の座標 (i, j) における画素値とする。また、テンプレート画像の解像度を M × N とする。このとき、ZNCC は次の式で求めることができる。

ここで ￣I と ￣T はそれぞれ探索対象画像とテンプレート画像の画素値の平均値となる。 ZNCC のもととなった NCC(正規化相互相関) があり、NCC はベクトルの内積の式と同一なので ZNCC は 計算結果が 1 に近づくほど類似度が高くなる。NCC との違いは画像全体から全画素の平均値を引くことでノ イズや明るさの影響を受けにくいという利点がある。 これらの画像と類似度計算を使ってマッチングを行う。テンプレートマッチングでは探索対象画像の左上の 画素にテンプレート画像を合わせ、その画素からテンプレート画像と同じサイズの領域とテンプレート画像で 類似度を調べる。その結果の値をその画素の類似度とする。これを探索対象画像上を走査しながら行ってい く。(図 3) その後、一番大きい類似度を持った画素がマッチングされが部分となる。

画像の縮小†

0.1 倍スケールに縮小した画像を使ってマッチングを行った理由としては、画像のスケールを下げることで 細かい部分のノイズを削減し大まかな形状を得ることができるためである。解像度が高い画像では、木々の揺 れや葉の色、タイルの網目などの細かい情報が散乱している。その状態でテンプレートマッチングを行った場 合、そういった細かい情報まで一致しなければ類似の画像として扱うことができない。風景画像では、遠方の 山や建物の輪郭といった大まかな物体の形が分かればよいので、細かい情報をなくす簡単な処理としてスケー ルの縮小を行った。また、画像のスケールを縮小することでテンプレートマッチングの走査領域が減るため、 実行時間を削減することができる効果もある。

エッジ検出†

エッジ検出とは、画像内の物体の輪郭や輝度差が閾値以上の部分のみを抽出する画像処理のことである。基 本的にエッジは輝度の不連続な部分であり、明るいところから極端に暗いところ、暗いところから極端に明る くなるところにエッジができやすい。ここでは、いくつかあるエッジ検出のひとつである Canny 法について 説明する。 Canny 法ではいくつかの処理に分けてエッジ検出を行っていく。まず、入力画像にグレースケール化を行 い、その入力画像にガウシアンフィルタをかける。この時、ガウシアンフィルタをかけた画像を G とする。 ガウシアンフィルタとは加重平均フィルタと呼ばれ、注目画素からの距離に応じて重み付けを行いその合計を 画素値とするフィルタの事である。ガウシアンフィルタをかけて画像を平滑化することで、画像内のノイズを 消去、軽減する目的がある。 次に、画像 G に Sobel フィルタをかけて x 方向と y 方向の一次微分画像 Gx,Gy を求める。Sobel フィルタ もエッジ検出法の一つで、入力画像に対し x 方向か y 方向に一次微分を行い x 方向であれば縦線、y 方向であ れば横線のエッジを検出する。 先ほど用いた Gx, Gy を使って、エッジ強度と勾配方向を求めていく。エッジ強度 I と勾配方向 θ は次の式 で求めることができる。

エッジ検出とは、画像内の物体の輪郭や輝度差が閾値以上の部分のみを抽出する画像処理のことである。基 本的にエッジは輝度の不連続な部分であり、明るいところから極端に暗いところ、暗いところから極端に明る くなるところにエッジができやすい。ここでは、いくつかあるエッジ検出のひとつである Canny 法について 説明する。 Canny 法ではいくつかの処理に分けてエッジ検出を行っていく。まず、入力画像にグレースケール化を行 い、その入力画像にガウシアンフィルタをかける。この時、ガウシアンフィルタをかけた画像を G とする。 ガウシアンフィルタとは加重平均フィルタと呼ばれ、注目画素からの距離に応じて重み付けを行いその合計を 画素値とするフィルタの事である。ガウシアンフィルタをかけて画像を平滑化することで、画像内のノイズを 消去、軽減する目的がある。 次に、画像 G に Sobel フィルタをかけて x 方向と y 方向の一次微分画像 Gx,Gy を求める。Sobel フィルタ もエッジ検出法の一つで、入力画像に対し x 方向か y 方向に一次微分を行い x 方向であれば縦線、y 方向であ れば横線のエッジを検出する。

次に、先ほど求めたエッジの勾配を使って非極大抑制と呼ばれる処理を行う。非極大抑制とは注目している 画素値がその画素のエッジ勾配方向に隣接している 2 つの画素値と比べて極大値であるかどうかを調べる。極 大値であればそのまま残し、非極大値であればその画素はエッジでないため画素値を 0 とする。 最後に先ほどの非極大抑制処理で得られたエッジが正しいかどうか調べるために、ヒステリシス閾値処理を 行う。ヒステリシス閾値処理では、まず最大閾値と最小閾値の二つの閾値を決定する。そして、非極大抑制で 残ったエッジを最大閾値を以上のエッジ、最小閾値以上最大閾値未満のエッジ、最小閾値に満たないエッジの 3 つに分ける。最小閾値に満たない場合はそのエッジをエッジとみなさず消去する。最小閾値以上最大閾値未 満のエッジの場合は、そのエッジをエッジの断片または始点と考える。その後、そのエッジに隣接するエッジ を全て調べる。調べた中に最大閾値以上のエッジが存在するのであれば、始点から終点までのエッジの集合を エッジとする。最大閾値以上のエッジが存在しない場合、そのエッジの集合はエッジとみなさず消去する。 以上の処理を繰り返すことで画像内のエッジを検出するのが Canny 法である。[4] 今回の実験で Canny のエッジ検出を前処理で用いる理由としては、Canny のエッジ検出では導出でも説明 したがヒステリシス閾値処理のおかげで弱いエッジを消すことができ、雲の模様や電線などの細い線等をある 程度消すことができる。そのため、建物や山の輪郭線のような強いエッジのみ残すことができテンプレート マッチングを行った際に一致している時と一致していない時での類似度に差が出ると予想した。

LBP特徴†

LBP 特徴は、注目画素とその周りの八近傍の画素値との相対的な輝度差によって得られるため、画像全体 の明るさやコントラストが変化したとしても LBP 特徴は変化しにくく、画像に対して回転などの線形変換が 行われたとしても 2 進数のパターンがシフトするだけで全体的な LBP 特徴の変化は少ない。 今回の実験で LBP 特徴を使った理由としては、風景画像には目印となる建物や山といった変化の少ない情 報のほかに、天候や時間帯による明度の変化などの常に変化する周りの環境の情報も含まれる。前処理なしで 晴れの日の画像と曇りの日の画像でテンプレートマッチングを行った場合、快晴の空と曇りの空で差が出てし まいマッチングが上手くいかないことがある。そこで LBP 特徴を使うことで快晴と曇りのコントラストの差 をある程度取ることができ、さらに画像のスケールを縮小することでさらに差を取ることができる。

HOG特徴†

HOG 特徴とは、LBP 特徴と同じ画像特徴の一つで入力画像の輝度勾配ヒストグラムを特徴するものであ る。HOG 特徴の求め方は、まず入力画像にグレースケール化を行った後、いくつかのピクセルが集まってで きたセルとセルがいくつか集まってできたブロックに分ける。今回の実験では 1 セル 20×20 ピクセルとし、1 ブロック 3×3 のセルの集合とした。次に 1 ブロックに含まれるセルごとの強度と輝度勾配を計算する。今回、プログラムの実行時間を少なくするために積分ヒストグラムを使用した。[6] 強度と輝度勾配を求めるために Canny のエッジ検出と同様に画像に対して x 方向と y 方向に対して Sobel フィルタをかけていく。強度と輝 度勾配の式は (2)、(3) 式を使用する。その後、セル毎にセル内の輝度勾配のヒストグラムを作成 (図 9) し、そ れをブロック単位で連結し HOG 特徴とする。[7] HOG 特徴は、画像の特定領域内の輝度勾配を用いるので物体の形状を表現することができ、SVM と使う ことで人物検出や車両の検出などに用いられている。 今回の実験で HOG 特徴を使用した理由としては、風景画像には建物や山のような目印となるものほかに道 路の白線等の直線といった形状情報を含んでいる。そういった、情報をより強調することができるのが HOG 特徴である。前処理で HOG 特徴を使用することでテンプレートマッチングを行った際に一致している時と一 致していない時での類似度に差が出ると予想した。

実験の手法†

今回の実験では、群馬大学周りのコースを走行したときの風景画像を使用して自己位置推定を行い画像毎の 類似度のピークの調査と精度検証を行った。風景画像は 2 種類あり、2017 年 6 月 8 日に撮影されたもの 671 枚 (以後青ルートと呼称する) と 2017 年 6 月 12 日に撮影されたもの 490 枚 (以後赤ルートと呼称する) があ る。今回、青いルートの画像を探索対象画像とし赤いルートの画像をテンプレート画像とした。これらの画像 を使って節で説明した前処理を行いテンプレートマッチングを行う。まず、青ルートの 0 フレーム目の画像 に対して赤ルートの 0 フレーム目から 489 フレーム目までの画像を使ってテンプレートマッチングをおこな いそれぞれの類似度を求める。この処理を青ルートの 670 フレーム目までの画像に対して同様の処理を行う。 これによって青ルートの n フレーム目は赤ルートの m フレーム目に類似度のピークが来るといったことがわかる。

精度検証で用いる式は次の式を用いた。

この式により accuracy が 1 に近づくほどピークが突出して高く、0.5 に近づくほど他に似たようなピークが 出現しているということがわかる。この検証式を用いる理由としては、自己位置推定を行う際にピークの類似 度と似ている値が多く出現した場合、誤った風景画像が結果として出力されてしまう。そのため、ピーク時の 値がほかの値よりも突出しているのであれば突出している程よく、誤った風景画像が出力されるのを防ぐこと ができる。

結論†

結果†

図13の画像はそれぞれの画像特徴を使用した時の自己位置推定の結果の中でも最も顕著な ピークが得られた結果となっている。また、図14の画像が精度検証によって得られたグラフとなっている。 実験の結果のグラフの中で最もピークがたっている部分がカメラから取得した風景画像と事前走行画像を照 合した結果最も類似度が高いと識別された所である。そのため、ピークのところが現在地とみなされている風 景画像である。

表 1 はそれぞれの画像特徴に対して行った精度検証の中の最大値、最小値、平均値をまとめたものである。 表 1 を見ると精度が最も高い値を持っている画像特徴は Canny のエッジ検出のみを使用した時である。次点 で画像縮小して LBP 特徴を使用した時となっている。平均値も同様の順になっている。平均値について、精 度検証の最大値が近い値ではないのに画像縮小して Canny のエッジ検出と HOG 特徴のみを使用した時が近 い値を持つことがわかった。

考察†

実験結果から画像特徴ごとの自己位置推定の類似度のグラフに特徴が出ていることが分かった。ピークが顕 著に現れている画像特徴は Canny のエッジ検出を使用した時、画像縮小と Canny のエッジ検出をを照合し た時、画像縮小と LBP 特徴を使用した時と HOG 特徴のみを使用した時である。それぞれの画像特徴でなぜ ピークが顕著に現れた理由を考えていくと Canny のエッジ検出を行う事で図4,図 5 のような建物や山並みなどの 輪郭線のみの画像となっており、輪郭線が一致した時と一致していない時では照合時の結果に差が出るのだと 予想することができる。画像縮小と LBP 特徴を使用した時では、画像縮小によって画像内に写る建物などの 大まかな形状を取り出すことができ、LBP 特徴による天候の変化による照明の影響を受けにくくするする特 徴が上手く働いたのだと予想することができる。HOG 特徴のみを使用した時では、画像内の建物や看板など の形状をより強調することができており、形状の特徴と元の風景の二つの情報で照合を行っているため、一致 している部分でピークが高くなっているのだと予想することができる。

次に精度検証によって得られた結果についてみていく。まず、精度検証の結果のグラフに描かれている 2 本 の赤い縦線については、縦線と縦線の間の区間が今回使用した群馬大学周りの青い経路と赤い経路の同一区間 であることを表している。表 1 より、accuracy の最大値が 0.6 を超えている画像特徴が Canny のエッジ検 出のみ、画像縮小して Canny のエッジ検出と画像縮小して LBP 特徴の 3 つである。その中でも、Canny の エッジ検出のみと画像縮小して LBP 特徴を使用した時のグラフは似ており、画像縮小して Canny のエッジ検 出をしたときとは違うグラフとなっている。これは、同一区間の後半の部分では青い経路の画像軍は信号の前 で停車している時の風景画像が映し出されているが、この時の画像照合ができているかどうかの差であると見 られる

おわりに†

本研究では自動運転の基幹技術の中のひとつである自己位置推定について、その手法の一つであるシーン マッチングに着目して人間と同じように今見ている風景を事前走行時に作成した風景画像のデータベースと照 合することで現在地を推定できるかどうかを調べた。結果としては、画像特徴を使用、組み合わせることで照 合の精度を上げ、より現在地に近い地点の画像を得ることができた。今後は実際に自動運転車両に搭載するに あたっての必要な要件満たし、さらに精度の高い自己位置推定の手法を模索していきたい。

参考文献†

1. ] SUBARU の総合安全, 株式会社 SUBARU, 2023-02-10 閲覧 https://www.subaru.jp/safety/eyesight/
2. Tesla MODEL3, Tesla Mortors, 2023-02-10 閲覧 https://www.tesla.com/ja_jp/model3
3. TOYOTA Advanced Drive 株式会社 TOYOTA, 2023-02-10 閲覧https://toyota.jp/mirai/feature/?padid=from_mirai_top_topics_advanceddrive#ft-dspt
4. Canny, J.、A Computational Approach To Edge Detection、IEEE Transactions on Pattern Analysis and Machine Intelligence, December1986 pp.679–698.
5. T. Ojala, M. Pietikainen, D. Harwood, ”Performance evaluation of texture measures with classification based on Kullback discrimination of distributions”, Proceedings of 12th International Conference on Pattern Recognition, Octorber 1994, vol. 1, pp. 582-586.
6. Faith Porikli,”Integral Histogram: A Fast Way to Extract Histograms in Cartesian Spaces” , IEEE Conference on Computer Vision and Pattern Recognition (CVPR), June 2005, vol. 1, pp. 829-836.
7. N. Dalal, B.B Triggs, ”Histograms of oriented gradients for human detection”, 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05), June 2005, vol. 1, pp.886-893.

最新の10件