对象识别装置的制作方法

专利名称：对象识别装置的制作方法
技术领域：
本发明涉及对象识别装置，其在已成像区域内的识别目标的已成像图像中识别识别目标的图像区域。
背景技术：
已经在移动对象控制设备、信息提供设备等中广泛使用这样的对象识别装置。移动对象控制设备对诸如车辆、轮船、飞行器之类的移动对象进行移动控制。信息提供设备为移动对象的驾驶员提供有价值信息。更具体地，例如，存在用于提供AAC (自适应巡航控制)以减轻车辆驾驶员的驾驶负担的驾驶员辅助系统的已知对象识别装置。在这样的车辆驾驶辅助系统中，变得需要单独地辨认(识别)包括车辆周围的障碍物、领行车辆(leadingvehicle)、交通车道(traffic lane)等的对象以实现各种功能。所述各种功能包括自动刹车功能和报警功能，以便车辆避免与障碍物等碰撞或减少碰撞的影响。所述各种功能也包括用以保持与领先车辆的车辆间距离恒定的车辆速度控制功能以及用以辅助驾驶车辆来避免偏离车辆正在行驶的行驶车道的功能。为此，过去已经提出了各种对象识别装置。专利文档I公开了一种对象识别装置，其通过检测在通过成像道路图像获得的图像(已成像图像)中的线(line)来识别用以确定驾驶车辆和交通车道(白线)之间的相对位移的交通车道(对象)。交通车道限定车辆的行驶车道。这种对象识别装置可以解决水坑被错误地识别为交通车道(白线)的问题。当由于雨天而在道路上存在水坑时，日光等在水坑上被镜面反射并成像为具有与道路上的交通车道(白线)的亮度类似的亮度的事实引起误识别。具体地，在进行白线识别处理之前，从道路图像中去除水坑的区域并且从剩余的散射光分量中辨认出白线。作为仅去除镜面反射分量的方法，使用特征来使得镜面反射光的水平偏振分量在布鲁斯特(Brewster)角上基本上变为O度，并且使得散射光分量包括与水平偏振分量量基本上相同的垂直偏振分量量。即，计算在已成像道路图像中的垂直偏振分量和水平偏振分量之间的差值。然后，通过用校正系数乘以差值来计算镜面反射分量以依据入射角去除镜面反射分量。镜面反射分量包括在水平偏振分量中。然后，通过从水平偏振分量减去所计算出的镜面反射分量，来获得仅从道路图像去除了镜面反射分量的散射光分量的图像。专利文档1:日本特开专利申请第11-175702号。

发明内容
技术问题传统对象识别装置通常提取诸如障碍物(S卩，存在于道路边缘的侧壁、护栏、电线杆以及街灯和诸如人行道的级差(level difference)之类的路边障碍物)、领先车辆、交通车道之类的识别目标的边界(边缘)，从而对象识别装置将由所提取边缘限定的区域识别为识别目标的图像区域。然而，在此方法中，当在道路上存在亮度极其不同的部分时，各部分之间的边界可能被错误地提取为边缘。结果，道路表面的部分可能被误识别为识别目标。特别地，因为在道路表面上的光照部分和阴影部分之间亮度极其不同，所以道路表面的阴影部分(即，亮度低的部分)可能被误识别为道路表面的光照部分(亮度高的部分)之外的对象。作为误识别的结果，例如，当进行ACC时，通过错误地辨认误识别阴影部分为障碍物(诸如在道路边缘存在的侧壁)，可能进行碰撞防止操作。即，误识别可能导致错误控制或错误操作。在日本专利申请第2009-295963号中，本申请的申请人提出将由成像单元成像的两个偏振图像分割为预定处理区域的方法。对于每一个处理区域，计算差分偏振度。该差分偏振度指示亮度差值与亮度总值的比率。亮度总值指示在两个偏振图像中的亮度值的和，而亮度差值指示两个偏振图像之间的亮度值中的差。通过使用差分偏振度的计算结果，识别道路表面上的立体(solid)对象。具体地，在此方法中，基于所计算出的差分偏振度指定与识别目标对应的处理区域。然后，将指定为与识别目标对应的处理区域的、彼此相邻的多个处理区域识别为与识别目标对应的图像区域。根据此方法，即使在由于在已成像图像中缺乏明显的亮度差而使用传统方法时可能无法获得足够的识别精度的情况下，更高精度地在已成像图像中识别立体对象可以变得可能。然而，作为研究结果，本发明的发明人已经获得如下知识当使用差分偏振度识别与诸如在已成像图像中的立体对象之类的识别目标对应的图像区域时，取决于成像状况可能无法获得更高的识别精度。更具体地，本发明的发明人已经知道到，在通过所计算出的差分偏振度获得的差分偏振度图像的对比度低的情况下成像而获得的已成像图像中，即使当使用差分偏振度时，与已成像图像中的识别目标对应的图像区域可能无法以更高精度识另IJ。例如，当在晴天或顺光(front-lit)状况下识别在道路表面上的路边障碍物和交通车道时，可能存在如下情况即使当使用差分偏振度时也不可能以更高识别精度地识别(取得)。问题可能不仅发生在驾驶员辅助系统中使用的对象识别装置中，也发生在包括用于机器人控制的对象识别装置的任何对象识别装置中。此外，因为成本增加的原因，通过重新提供除了成像单元之外的检测装置来解决问题可能不是优选的。即，从成本的角度，如果可以通过使用在传统对象识别装置中大体用作检测装置的成像单元来检测来自对象的反射光强度(亮度)解决以上问题，则可能是有利的。考虑以上问题提出本发明，并且可以提供对象识别装置，其甚至在使用差分偏振度难以在已成像图像中识别识别目标的图像区域的状况下，也以较高精度识别识别目标的图像区域。解决方案为了提供以上对象识别装置，根据本发明的第一方面，提供对象识别装置，其在成像区域中成像识别目标的已成像图像中识别识别目标的图像区域。对象识别装置包括成像单元，其接收包括在来自存在于成像区域的反射光中并且具有彼此不同的相应偏振方向的两个偏振光，并且其成像相应偏振图像；亮度计算单元，其将由成像单元成像的两个偏振图像分割为相应预定的处理区域，并且其对每一个处理区域计算两个偏振图像之间的亮度总值；差分偏振度计算单元，其对每一个处理区域计算差分偏振度，该差分偏振度指示两个偏振图像之间的亮度差值与亮度总值的比率；选择状况确定单元，其确定由差分偏振度计算单元计算出的差分偏振度是否满足预定选择状况；以及对象识别处理单元，其进行如下对象识别处理在选择状况确定单元确定满足预定选择状况时，基于由差分偏振度计算单元计算出的差分偏振度指定与识别目标对应的处理区域，或者在选择状况确定单元确定不满足预定选择状况时，基于由亮度计算单元计算出的亮度总值指定与识别目标对应的处理区域，并且将被指定为与识别目标对应的处理区域并且彼此相邻的多个处理区域识别为识别目标的图像区域。根据本发明的第二方面，根据第一方面的对象识别装置特征在于选择状况确定单元对于通过分割由成像单元成像的两个偏振图像获得的多个选择区域的每一个，确定由差分偏振度计算单元计算出的差分偏振度是否满足预定选择状况，并且对象识别处理单元对于选择状况确定单元确定满足预定选择状况的选择区域，基于由差分偏振度计算单元计算出的差分偏振度指定与识别目标对应的处理区域，或者对于选择状况确定单元确定不满足预定选择状况的选择区域，基于由亮度计算单元计算出的亮度总值指定与识别目标对应的处理区域。根据本发明的第三方面，根据第一或第二方面的对象识别装置进一步包括阈值设置单元，其对在由成像单元成像的两个偏振图像中设置的预定部分的亮度总值和差分偏振度中的至少一个，设置被用于预定选择状况的差分偏振度阈值。此外，预定选择状况包括由差分偏振度计算单元计算出的差分偏振度等于或大于差分偏振度阈值的状况。根据本发明的第四方面，根据第三方面的对象识别装置特征在于预定选择状况包括由亮度计算单元计算出的亮度总值小于预定阈值的状况。根据本发明的第五方面，根据第一到第四方面的任一项的对象识别装置特征在于作为指定与识别目标对应的处理区域的处理，对象识别处理单元进行计算边缘值的边缘提取处理，该边缘值指示在彼此相邻的处理区域之间的亮度或差分偏振度之差的幅度并且基于所提取的边缘值指定与识别目标对应的处理区域。根据本发明的第六方面，根据第五方面的对象识别装置进一步包括状态确定单元，其确定成像区域中的状态；以及边缘阈值确定单元，其确定边缘阈值。此外，对象识别处理单元对由边缘提取处理使用预定边缘阈值提取的边缘值进行二进制化处理，并且基于二进制化处理之后的值指定与识别目标对应的处理区域，该状态确定单元基于由差分偏振度计算单元计算出的差分偏振度和由亮度计算单元计算出的亮度总值中的至少一个，确定成像区域中的状态，并且边缘阈值确定单元依据由状态确定单元确定的状态确定边缘阈值。根据本发明的第七方面，根据第六方面的对象识别装置特征在于边缘阈值确定单元使用通过对每一个状态研究(评估)过去的差分偏振度和过去的亮度总值中的至少一个而获得的结果来确定边缘阈值。根据本发明的第八方面，根据第五到第七方面中的任何一项的对象识别装置进一步包括形状信息存储单元，其当识别目标由成像单元成像时存储指示形状的形状信息。此夕卜，对象识别处理单元进行形状近似确定处理，以确定由被指定为与识别目标对应并彼此相邻的处理区域的多个处理区域指示的形状是否类似于在形状信息存储单元中存储的形状信息的形状，并且当确定在形状近似确定处理中形状彼此类似时指定该多个处理区域为识别目标的图像区域。根据本发明的第九方面，根据第八方面的对象识别装置的特征在于形状近似确定处理由对象识别处理单元进行，基于成像距离将两个偏振图像的每一个分割为两个或更多个区域，确定形状是否彼此类似的处理被进行，并且以如下方式放置权重在成像距离较短的区域中包括的部分对确定结果具有比在成像距离较长的区域中包括的部分更大的影响。根据本发明的第十方面，根据第一到第九方面中的任何一项的对象识别装置进一步包括识别处理结果存储单元，其存储由对象识别处理单元在过去执行的对象识别处理的结果。此外，对象识别处理单元使用在识别处理结果存储单元中存储的对象识别处理的结果进行对象识别处理。作为研究结果，本发明的发明人已经获得以下知识即使在使用差分偏振度难以识别已成像图像中的识别目标的图像区域的状况下，通过使用亮度识别可能以比使用差分偏振度更高的精度识别。基于此知识，在本发明的实施例中，确定由差分偏振度计算单元计算出的差分偏振度是否满足预定选择状况。当确定满足预定选择状况时，基于差分偏振度指定与识别目标对应的处理区域。另一方面，当不满足预定选择状况时，基于亮度指定与识别目标对应的处理区域。通过做这个，在使用差分偏振度难以获得较高识别精度的状况下，可以变得能够通过使用亮度来识别。此外，即使在该状况下，可以变得能够获得比使用差分偏振度更高的识别精度。此外，根据本发明的实施例，使用由成像单元成像的两个偏振图像之间的亮度总值来计算差分偏振度。因为此特征，不需要额外地提供检测装置以获得要对识别使用的亮度。此外，当通过在已成像图像的部分中使用差分偏振度未获得较高识别精度时，可以使用亮度以指定与该部分中的识别目标对应的处理区域，并且在该部分的剩余中，可以使用差分偏振度以指定与识别目标对应的处理区域。发明效果如上所述，根据本发明的实施例，可以获得如下显著效果在通过使用差分偏振度难以识别已成像图像中的识别目标的图像区域的状况下，以较高的精度识别已成像图像中的识别目标的图像区域。


图1是根据本发明的实施例的驾驶员辅助系统的功能图；图2是图示在驾驶员辅助系统中可使用的偏振相机的示例配置的示图；图3是图示用于驾驶员辅助系统的偏振相机的另一示例配置的示图；图4是图示用于驾驶员辅助系统的偏振相机的再一示例配置的示图；图5是图不用于驾驶员辅助系统的偏振相机的再一不例配置的不图；图6是图不用于驾驶员辅助系统的偏振相机的再一不例配置的不图；图7是图不用于驾驶员辅助系统的偏振相机的再一不例配置的不图；图8A到8D是在雨天或阴天的白天(状况)使用在车辆上安装的偏振相机从车辆成像在行驶方向上的前方场景的各种图像；图9A到9D是在晴天的白天(状况)使用在车辆上安装的偏振相机从车辆成像在行驶方向上的前方场景的各种图像；图1OA到IOD是在晴天的白天(状况)使用在车辆上安装的偏振相机从车辆成像在行驶方向上的前方场景的阴影下的各种图像；图11是图示如下室内试验(当相对于浙青表面的光源位置改变时，使用固定相机成像P偏振图像和S偏振图像)的示意图；图12是图示在试验中获得的差分偏振度的示例改变的曲线图；图13是图示当来自太阳的光的散射光分量是光源时道路表面的差分偏振度的曲线图；图14是图示识别路边边缘部分和白线边缘部分的处理的流程图；图15是图示图像选择处理的流程的流程图；图16A到16D是图示不同成像环境中的单色图像的示图；图17是图不对象识别处理的流程图；图18是用于改变在修改示例I中的对象识别处理中使用的差分偏振度阈值的设置的表格；图19A到19C是图示在图18的表格中图示的道路表面状况下的外部光的各种反射特性的示图；图20是图示确定道路表面状况的示例确定处理的流程图；以及图21A到21D图示在不同成像环境中的图像区域。附图标记描述10 :偏振相机11 :水平偏振图像存储器12 :垂直偏振图像存储器13 :单色图像处理部分14:白线识别部分15 :差分偏振度图像处理部分16:图像选择部分17 :形状存储部分18 :对象识别部分
具体实施例方式以下，基于根据本发明的实施例的对象识别装置描述本发明的实施例。在描述中，作为对象识别装置，示例性地描述了驾驶员辅助系统。驾驶员辅助系统通过识别路边边缘部分和白线边缘部分为识别目标并且使用所识别的结果，减轻驾驶车辆的驾驶员的驾驶负担。在此情况下，识别目标是行驶道路表面和路边障碍物之间的边界。图1是根据本发明的实施例的驾驶员辅助系统的功能框图。通过使用用作安装在车辆(未示出)上的成像单元的偏振相机10，成像包括作为移动主体的车辆在其上行驶的道路表面(移动表面)的车辆外围场景以按像素(按处理区域)获得包括垂直偏振强度(以下简化为“S偏振强度”)和水平偏振强度(以下简化为“P偏振强度”)的偏振RAW图像数据。在水平偏振图像存储器11中存储从包括在偏振RAW图像数据中的P偏振强度获得的水平偏振图像数据，并且在垂直偏振图像存储器12中存储从包括在偏振RAW图像数据中的S偏振强度获得的垂直偏振图像数据。那些图像数据被传送到用作亮度计算单元的单色图像处理部分13和用作差分偏振度计算单元的差分偏振度图像处理部分15。偏振相机10是包括作为光接收兀件的(XD (电荷稱合器件)和CMOS (互补金属氧化物半导体)的成像装置，并成像例如百万像素尺寸外围图像。优选地，偏振相机10以尽可能接近实时的短时间间隔顺序地获取外围图像。例如，偏振相机10可以被安装在室内镜等上以成像车辆前的场景(包括道路表面的前视图)。替代地，偏振相机10可以被安装在后视镜等上以成像车辆的侧向的场景。此外，替代地，偏振相机10可以被安装在后门等上以成像车辆后的场景。在此实施例中，描述了在室内镜等上安装偏振相机10以成像车辆的前场景(包括道路表面的前视图)的情况。图2示意性地图示了偏振相机10的一个示例配置。如图2所示，在偏振相机IOA中，在包括诸如C⑶之类的成像装置的相机101的前表面上布置旋转偏振器102。因而，在该偏振相机IOA中，穿过该旋转偏振器102的光偏振方向依据旋转偏振器102的旋转而改变。通过使用此特征，通过在旋转该旋转偏振器102的同时成像场景，相机101交替获取P偏振图像和S偏振图像。图3图示偏振相机10的另一示例配置。如图3所示意性描述的那样，在偏振相机IOB中，使用具有诸如CCD之类的相应成像装置的两个独立相机111和112。在相机111和112的前表面侧上，分别布置用于穿过S偏振的S偏振滤光器113和用于穿过P偏振的P偏振滤光器114。在图2的偏振相机IOA中，单一相机IOI交替获取P偏振图像和S偏振图像的图像。因而，不能同时获取P偏振图像和S偏振图像。另一方面，图3的偏振相机IOB同时获取P偏振图像和S偏振图像。图4图示偏振相机10的再一示例配置。如图4所示，偏振相机IOC类似于图3所示的偏振相机IOB在于分离地提供用于P偏振图像的成像装置和用于S偏振图像的成像装置。然而，偏振相机IOC极其不同于图3所示的偏振相机IOB在于偏振相机IOC的那些成像装置比偏振相机IOB的成像装置更加彼此靠近地布置。根据偏振相机IOC的此特征，可以比偏振相机IOB更多地减少尺寸。如图4所示意性图示，通过层叠透镜阵列122、光屏蔽间隔器123、偏振滤光器124、间隔器125和固态成像单元126来形成偏振相机10C。透镜阵列122包括两个成像透镜122a和122b。用具有诸如半球透镜之类的相同形状的相应单透镜制作该两个透镜122a和122b。该两个透镜122a和122b具有彼此平行的相应光轴121a和121b。此外，该两个透镜122a和122b布置在相同的平面上。光屏蔽间隔器123具有两个光圈123a和123b,并且布置成关于透镜阵列122与要成像侧的对象相对。两个光圈123a和123b是具有预定尺寸并且具有布置在相应光轴121a和121b上的中心的通孔。此外，在光圈123a和123b的内壁上进行光学防反射处理，该光学防反射处理包括镀黑、粗糙表面、无光饰面等。偏振滤光器124是区域分割型偏振滤光器，包括具有彼此相差90度的相应偏振平面的两个偏振器区域124a和124b。偏振滤光器124布置成关于光屏蔽间隔器123与透镜阵列122相对。偏振器区域124a和124b线性地偏振其中以非特定方向振动电场和磁场的未偏振光，以沿着相应偏振平面仅通过相应振动分量(偏振分量)。在此情况下，具有明显边界部分的区域分割型偏振滤光器可以通过使用基于具有精细凹凸形状的金属的线栅方法或自动克隆型光子晶体法获得。形成间隔器125以具有含有光圈部分125a的矩形框型，该光圈部分125a是与偏振滤光器124的偏振器区域偏振a和偏振器区域偏振b对应的通孔。布置间隔器125以关于偏振滤光器124与光屏蔽间隔器123相对。固态成像单元126包括在基底127上安装的两个固态成像装置126a和126b。布置固态成像单元126以关于间隔器125与偏振滤光器124相对。在此实施例中，假定进行单色传感。因而，那些固态成像装置126a和126b不包括彩色滤光器。然而，当由固态成像装置126a和126b传感彩色图像时，布置彩色滤光器。图5图示偏振相机10的再一示例配置。如图5示意性图示的那样，偏振相机IOD包括半反镜(half mirror) 131、反射镜132、S偏振滤光器133、P偏振滤光器134、S偏振CXD 135以及P偏振CXD 136。如图5示意性图示的那样，半反镜131具有1:1的透射率(S卩，50%的光穿过而50%的光反射)。S偏振CXD 135经由S偏振滤光器133接收S偏振光。P偏振CXD 136经由P偏振滤光器134接收P偏振光。在偏振相机IOB和IOC中，可以同时成像S偏振图像和P偏振图像，但是可能产生视差。另一方面，在图5的偏振相机IOD中，因为使用经由相同图像光学系统(即，镜头)(未示出)接收到的相同光以进行同时成像以获得S偏振图像和P偏振图像，所以不产生视差。因而，变得不需要进行包括视差校正的处理。此外，取代使用半反镜131，可以使用诸如反射P偏振并透射S偏振的棱镜之类的偏振光束分离器。当使用偏振光束分离器时，变得可以去除S偏振滤光器133和P偏振滤光器134。结果，可以变得可能简化光学系统的配置并改进用光效率。图6图示偏振相机10的再一示例配置。如图6示意性图示的那样，偏振相机IOE类似于图4所示的偏振相机IOC在于:沿着成像镜头142a的光轴141层叠相机的元件。然而，偏振相机IOE不同于偏振相机IOC在于:使用单一成像透镜142 (该成像镜头可以包括多个透镜并且该多个透镜在光轴上层叠)成像S偏振图像和P偏振图像。根据偏振相机10E,类似于图5的偏振相机10D,在S偏振图像和P偏振图像之间不产生视差。此外，偏振相机IOE的尺寸可以变得比图5的偏振相机IOD的尺寸更小。在图6的偏振相机IOE中，偏振滤光器144是包括两种类型的偏振器区域144a和144b的区域分割型偏振滤光器，每一种类型的偏振器区域均包括两个偏振器区域。偏振器区域144a和144b具有彼此相差90度的相应偏振平面。根据此配置，提供四个固态成像装置126a、126b、126c和126d。图7图示偏振相机10的再一示例配置。如图7示意性图示的那样，偏振相机IOF包括区域分割型偏振滤光器。在图7中，在垂直和横向方向两者上排列的正方形表不相应光接收装置的光接收部分151。用垂直线指示的区域表示S偏振滤光器152的区域，而用水平线指示的区域表示P偏振滤光器153的区域。在此偏振相机IOF中，这些滤光器152和153的区域不对应于光接收装置的像素，但是具有倾斜带形状，该倾斜带形状具有与一个光接收元件的横向方向相等的宽度并且具有带形状的偏振滤光器区域152和153之间的边界的倾斜值(其是二(2))，S卩，由在横向方向的一个像素宽度和垂直方向的两个像素长度确定倾斜的角度(即，当在横向方向前进一个像素时，也在垂直方向上前进两个像素)。通过结合信号处理技术使用这样特定的滤光器布置模式，即使当在成像装置的布局结合到区域分割滤光器时不可能获得足够精度的位置对准时，也可以变得可能在整个屏幕上重现滤光器透射图像，由此实现成像S偏振图像和P偏振图像的低成本相机。回来参考图1，单色图像处理部分13基于在水平偏振图像存储器11和垂直偏振图像存储器12中存储的P偏振强度数据和S偏振强度数据，分别计算每一个像素的单色亮度(即，像素的(P偏振强度)+ (S偏振强度))。基于单色亮度数据产生单色图像。向用作线检测单元的白线识别部分14输出由单色图像处理部分计算出的单色亮度数据。差分偏振度图像处理部分15基于在水平偏振图像存储器11和垂直偏振图像存储器12中存储的P偏振强度数据和S偏振强度数据，分别按像素计算差分偏振度(识别指数值)。基于差分偏振度产生差分偏振度图像。基于以下公式(I)获得差分偏振度。即，差分偏振度指P偏振强度与S偏振强度之间的差分值(亮度差值)与P偏振强度和S偏振强度的总值(亮度总值)的比率。此外，差分偏振度也可以限定为P偏振强度与亮度总值的比率(P偏振率)和S偏振强度与亮度总值的比率(S偏振率)之间的差值。此外，在此实施例中，描述从P偏振强度减去S偏振强度的情况。然而，替代地，可以将P偏振强度从S偏振强度减去。向图像选择部分16输出由差分偏振度图像处理部分15计算出的差分偏振度的数据。差分偏振度=(P偏振强度-S偏振强度)/ (P偏振强度+S偏振强度)......(I)基于由单色图像处理部分13计算出的单色亮度数据，白线识别部分14通过使用以下描述的方法识别行驶道路表面上的白线。这里，术语白线可以包括限定道路的部分(宽度)的任何线，诸如像黄线、实线、短划线、虚线、双线之类的任何色彩的线。例如，使用相对用浙青等构筑的黑色部分具有较高对比度的色彩(例如，白色)(线)形成在标准道路上的交通车道(以下可以简化为“车道”)(车厢线)，从而驾驶员可以轻易地用视觉辨认交通车道。因而，这样的车道的亮度(以下假定白线)比诸如在其他地方存在的浙青之类的对象的亮度足够地更高。由于此特征，具有等于或大于预定阈值的单色亮度数据的部分可以被确定为白线。在此实施例中，使用由上述偏振相机10获得的P偏振强度和S偏振强度的总值作为单色亮度数据。可以在各种处理中使用由白线识别部分14识别的白线边缘部分的结果。例如，存在使用由单色图像处理部分13计算出的亮度数据产生单色图像(前视像)的处理，并且所产生的单色图像(前视像)被显示在用作信息通知单元的显示部分(显示器)(诸如车辆内的CRT (阴极射线管)或液晶显示器)上。然后，在此处理中，对图像中的白线部分的信息进行处理，以便驾驶员可以轻易地用视觉辨认白线部分为对驾驶员有益的信息。根据此处理，即使当例如驾驶员难以视觉地辨认白线时，驾驶员也可以通过查看在显示部分上的前视像来辨认车辆和白线之间的相对位置关系。结果，驾驶员沿着白色标记的行驶车道继续驾驶车辆可以变得可能。此外，例如，存在基于由白线识别部分14识别的白线的位置信息获得车辆和白线之间的相对位置关系的处理的另一处理。在此情况下，通过沿着白色标记的行驶车道与恰当行驶位置分离来确定车辆是否正在行驶，并且当通过沿着白色标记的行驶车道与恰当行驶位置分离确定为车辆正在行驶时，发出警报声等。替代地，存在另一处理当通过与恰当行驶位置分离来确定车辆正在行驶时，进行自动刹车功能以降低车辆的行驶速度。在此实施例中，当由白线识别部分14识别白线边缘部分时，向图像选择部分16输出用于指定图像中的白线边缘部分的位置的信息。在此情况下，替代地，将通过从由单色图像处理部分13处理过的单色图像中消除白线部分而不具有白线的单色图像可以输出到图像选择部分16。另一方面，当未由白线识别部分14识别到白色边缘部分时，不将用于在图像中指定白线边缘部分的位置的信息输出到图像选择部分16。图像选择部分16基于预定选择状况，选择从白线识别部分14输出的单色图像或者由差分偏振度图像处理部分15处理过的差分偏振度图像，从而在以下描述的对象识别部分18中使用所选择的图像。以下描述此处理的细节。对象识别部分18使用由图像选择部分16选择的单色图像的单色亮度或差分偏振度图像的差分偏振度指定路边边缘部分，并且比较路边边缘部分的指定结果与在形状存储部分17中存储的形状模板，以最终识别道路边缘的图像区域(位置)。此外，在此实施例中，描述识别目标是路边边缘部分和路边障碍物的情况。路边边缘部分是路边障碍物和行驶道路表面之间的边界。路边障碍物包括存在于道路边缘的侧壁和护栏以及路边障碍物(诸如在道路边缘上的级差)。然而，本发明也应用于作为识别目的任何对象。所述对象包括诸如电线杆、街道灯和街道标志之类的障碍物、行驶在道路上的其他车辆、避免与诸如在行驶道路表面上的行人、动物、自行车等碰撞的目标或路肩等。此外，在此实施例中，当通过白线识别部分14未识别白线边缘部分时，白线边缘部分将被包括在识别目标中。在此实施例中，通过识别路边边缘部分，类似于通过白线识别部分14识别的白线，路边边缘部分的识别结果被用于在驾驶员辅助系统中进行的各种处理。例如，存在使用由单色图像处理部分13计算出的亮度数据产生单色图像(前视像)的处理，并且所产生的单色图像(前视像)被显示在用作信息通知单元的显示部分(显示器)(包括车辆内的CRT (阴极射线管)或液晶显示器)上。然后，在此处理中，对在图像中指示路边边缘部分的信息进行处理，以便驾驶员可以轻易地用视觉辨认路边边缘部分为对驾驶员有益的信息。根据此处理，即使当例如驾驶员难以视觉地辨认道路边缘时，驾驶员也可以通过查看在显示部分上的前视像来辨认车辆和道路边缘之间的相对位置关系。结果，驾驶员安全地驾驶车辆而不碰撞路边障碍物可以变得可能。此外，例如，存在包括基于由对象识别部分18识别的路边边缘部分的位置信息来获得车辆和路边边缘部分之间的相对位置关系的处理的另一种处理。然后，确定车辆是否正在接近道路边缘，并且当确定车辆正在接近道路边缘时，操作自动刹车功能以降低车辆的行驶速度。用作形状信息存储单元的形状存储部分17存储各种形状模板数据作为在对象识别部分18中使用的形状信息。这里，在形状存储部分17中存储的形状模板(数据)指示当由偏振相机10成像作为由对象识别部分18识别的识别目标的路边边缘部分时的形状(即，在已成像图像中的识别目标的形状)。因此，在此实施例中的形状模板具有在与行驶车道基本平行的方向上延伸的直线形状。形状模板可以包括尺寸信息。依据识别目标的形状恰当地选择形状模板。例如，形状模板包括用于指定检查井盖的形状模板、用于指定诸如Botts点或猫眼之类的金属隔舱线的形状模板、用于指定存在于高速或桥梁路基的金属道路结合部分的形状模板、用于指定其他车辆的形状模板、用于指定电线杆和街道灯的形状模板等。接着，描述图像选择处理。在图像选择处理中，图像选择部分16选择在对象识别部分18中要使用的图像。取决于天气或取决于太阳或阴天(shade)，单色图像和差分偏振度图像的对比度可能变化。由单色图像处理部分13计算单色图像。由差分偏振度图像处理部分15计算差分偏振度图像。当检测到道路边缘的线、白线的线等时，单色图像和差分偏振度图像具有它们特定的特性(其中取决于场景的类型，识别精度可以变得高或低)。即，当获得单色图像和差分偏振度图像时，在一些类型的场景中获得较高识别精度但是在其他类型的场景中获得较低识别精度。此外，更重要地，基于成像试验等，本发明的发明人已经获得如下知识在一些类型的场景中，在单色图像中获得较高识别精度但是在差分偏振度图像中仅获得较低识别精度，而在其他类型的场景中，在差分偏振度图像中获得较高识别精度，但是在单色图像中仅获得较低识别精度。简而言之，本发明的发明人已经知道，在单色图像和差分偏振度图像之间存在互相补偿的关系。因而，在此实施例中，通过使用单色图像和差分偏振度图像之间的补偿关系，可以从那些图像中选择恰当的数据以改进在识别识别目标(路边边缘部分)时的识别精度。为此目的，例如，当不可能从差分偏振度图像中获得更高识别精度时，使用单色图像。图8A到8D图示基于在雨天或阴天(状况)的白天使用在车辆上安装的偏振相机10在从行驶车辆成像的、在行驶方向上的车辆的前方的场景的图像而获取的各种图像。具体地，图8A图示单色图像，图8B图示差分偏振度图像，图8C图示基于图8A的单色图像产生的边缘图像，而图8D图示基于图SB的差分偏振度图像产生的另一边缘图像。根据图SC到图8D，在雨天或阴天的白天中，在基于差分偏振度图像的图8D的边缘图像中，指示道路边缘R的边界位置的对比度比基于单色图像的图8C的边缘图像中的对比度更加清楚(即，用白色显示道路边缘R的边界位置而用黑色显示道路边缘R的外围)。结果，路边边缘部分Re的辨认率可以通过使用图8D的边缘图像而改进。另一方面，关于指示白线W的边界位置的对比度(白线W的外部轮廓边缘以白色显示并且外部轮廓边缘的外围用黑色显示)，在图8C的边缘图像中的对比度的清晰度等于在图8D的边缘图像中的对比度的清晰度。因而，关于白线边缘部分We的辨认率，在单色图像和差分偏振度图像之间存在极小差异。图9A到9D图示基于在晴天的白天(状况)使用在车辆上安装的偏振相机10在从行驶车辆成像的、在行驶方向上的车辆的前方的场景的图像而获取的各种图像。具体地，图9A图示单色图像，图9B图示差分偏振度图像，图9C图示基于图9A的单色图像产生的边缘图像，而图9D图示基于图9B的差分偏振度图像产生的另一边缘图像。根据图9C和9D,在晴天的白天中，基于单色图像的图9C的路边边缘部分Re和白线边缘部分We的辨认率高于在基于差分偏振度图像的图9D的边缘图像中的辨认率。图1OA到IOD图示基于在晴天的白天(状况)使用在车辆上安装的偏振相机10在从行驶车辆成像的、在行驶方向上的车辆的前方的阴影位置的场景的图像而获取的各种图像。具体地，图1OA图示单色图像，图1OB图示差分偏振度图像，图1OC图示基于图1OA的单色图像产生的边缘图像，而图1OD图示基于图1OB的差分偏振度图像产生的另一边缘图像。根据图1OC和10D，关于阴影位置中的对象，基于差分偏振度图像的图1OD的路边边缘部分Re和白线边缘部分We的辨认率高于在基于单色图像的图9C的边缘图像中的辨认率。在此实施例中，基于上述测量结果，取决于状况(场景)，通过恰当地选择并使用单色图像和差分偏振度图像，可以改进那些状况下识别路边边缘部分&和白线边缘部分We的识别精度并且也可以改进识别结果的可靠度。
这里，通常，关于在单色图像中使用的亮度信息，根据日常生活中人类的敏感度，可以理解，在白天的日照场景中(即，在来自太阳的直射光占主导的照明状况下)的对比度变得很高并且在没有日光的雨天或阴天或在阴影位置中的场景(即，在来自太阳光的散射光分量占主导的照明状况下)的对比度变得很低。然而，另一方面，在差分偏振度图像中使用的差分偏振度的信息不是人类感观察觉的信息。因而，以下描述差分偏振度图像中的对比度不同于单色图像中的对比度的原因。图11示意性地图示室内试验(其中当相对浙青表面的光源位置改变时，使用固定相机成像P偏振图像和S偏振图像)的概述。图12是图示在此试验中获得的差分偏振度中的改变的示例的曲线图。在图12的此曲线图中，横向轴表示入射角度(光源位置)且垂直轴表示差分偏振度。相机仰角是离水平10度。在每一个入射角度上基于基本上在图像中心部分上的P偏振分量(Rp)和S偏振分量(Rs)使用以上公式(I)计算差分偏振度。因而，当P偏振分量大于S偏振分量时,差分偏振度具有正值。另一方面，当S偏振分量大于P偏振分量时，差分偏振度具有负值。参考图12，描述在图8到10中所述的状况下差分偏振度图像和单色图像之间的对比度之差。首先，描述在晴天和在(日照)白天的场景。将在晴天照射到日照道路表面的光源归类为两个光源。一个是太阳(即，来自太阳的直射光)而另一个是天空(即，来自太阳的光的散射光分量)。然而，在此场景中，作为照射道路表面的光分量，来自太阳的直射光占主导。即，此状况是基本上类似于以上试验中的状况。因而，可以直接使用图12的试验结果。根据该试验结果，在光源(太阳)处于相机的前方的逆光(back-lit)状况下，差分偏振度具有可能在负值侧具有较大值的特性。另一方面，在光源(太阳)处于相机的后方的顺光(front-lit)状况下，浙青表面(道路表面S)的差分偏振度变为零(O)。此外，因为包括侧壁的路边障碍物是类似于道路表面S的漫反射器，所以路边障碍物的差分偏振度也变为零(O)。结果，差分偏振度图像的对比度可能在整个图像中降低，并且可能获得多噪声边缘图像。另一方面，在单色图像中，由相机接收到的亮度之差直接在对比度上反映。因为此特征，获得与道路表面S、布置在道路边缘R的外侧的路边障碍物和白线W的反射特性对应的适当对比度数据。因而，在晴天和在(日照)白天中，通过使用单色图像识别白线边缘部分和路边边缘部分，可以获得比使用差分偏振度图像更高的识别精度。接着，描述在晴天和在(阴影的)白天的场景。在阴影下，照射道路表面S和包括侧壁的路边障碍物的光的光源不是来自太阳的直射光而是来自天空的光(即，来自太阳的光的散射光分量)。当来自太阳的直射光是光源时，差分偏振度取决于光源(太阳)的方位角而变化。因而，在此情况下，差分偏振度具有如图12的曲线图所示的入射角依赖性(dependency)。另一方面,来自天空的光从各种高度和方位角均匀地照射道路表面S和路边障碍物。因而，在此情况下，差分偏振度不具有如图12的曲线图所示的入射角依赖性。因为此特征，在来自天空的光(来自太阳的光的散射光分量)是光源是情况下，当绘制道路表面S的差分偏振度的曲线图时，差分偏振度具有图13的恒定值(即，与图12的曲线图的均值对应的值)。类似地，路边障碍物(即，侧壁)和白线的差分偏振度具有恒定值。然而，路边障碍物和白线(特别是白线的边缘部分)的光反射表面具有相对于道路表面S的角度。因而，P偏振分量和S偏振分量之间的比率不同于道路表面S的那个。结果，路边障碍物(即，侧壁)和白线的差分偏振度的恒定值不同于道路表面S的差分偏振度。特别地，当路边障碍物具有正交于道路表面S的光反射表面时，路边障碍物的差分偏振度的恒定值具有与道路表面S的恒定值的偏振性相对的偏振性。结果，在晴天和白天的阴影下，可以变得可能获得具有道路表面S和路边障碍物之间的对比度和道路表面S和白线边缘部分之间的对比度的差分偏振度图像。如上所述，在晴天和白天的阴影下，在来自天空的光(来自太阳的散射光分量)占主导的状况下成像图像。因而，可以降低单色图像中的对比度。另一方面，在差分偏振度图像中，可以获得进行识别所需的对比度。因此，在晴天和白天的阴影下，通过使用差分偏振度图像识别白线边缘部分和路边边缘部分，可以获得比使用单色图像更高的识别精度。接着，描述在图8的雨天或阴天的场景。在雨天或阴天，类似于图10的阴影场景，不存在来自太阳的直射光。因而，关于差分偏振度图像，类似于阴影场景地获得对比度。特别地，当道路表面S和诸如侧壁之类的路边障碍物被雨淋湿时，道路表面S和路边障碍物的反射表面的镜面反射分量变得更大。因而，可以获得具有进一步高的对比度的差分偏振度图像。另一方面，在单色图像中，类似于阴影场景，对比度很低。特别地，当道路表面S等被雨淋湿时，作为整体的对应边缘图像在色彩上变得更暗并且对比度极大地降低。因而，在雨天或阴天，特别是在雨天，通过使用差分偏振度图像识别白色边部分和路边边缘部分，可以获得比使用单色图像更高的识别精度。如上所述，在单色图像不太可能具有对比度的雨天或阴天，或者在没有来自太阳的直射光照射要成像的区域的阴影位置中的情况下，差分偏振度图像具有比单色图像更高的对比度。因而，在此情况下，通过使用差分偏振度图像，可以以更高的精度识别诸如路边边缘部分、白线边缘部分之类的识别目标。此外，取决于成像方向(方位角)差分偏振度图像不具有差。因而，可以变得无论车辆的行驶方向如何都可以稳定地识别路边边缘部分和白线边缘部分。因此，在这样的情况下，当使用差分偏振度图像进行识别时，可以变得可能获得高可靠性的识别结果。然而，在晴天和在(日照)白天中，特别是在顺光状况下，即，在来自太阳的直射光照射要成像的区域的状况下，可能存在通过使用差分偏振度图像无法获得足够对比度的情况。另一方面，在这样的状况下，通过使用单色图像，可以获得更高识别精确度。因而，在此情况下，通过使用单色图像，可以变得可能获得高可靠性的识别结果。接着，描述在此实施例的驾驶员辅助系统中将路边边缘部分和白线边缘部分识别为识别目标的过程。图14是图示识别路边边缘部分和白线边缘部分的过程的流程图。当通过偏振相机10获得偏振RAW图像数据，在水平偏振图像存储器11中存储在偏振RAW图像数据中包括的从P偏振强度获得的水平偏振图像数据，并且在垂直偏振图像存储器12中存储在偏振RAW图像数据中包括的从S偏振强度获得的水平偏振图像数据(步骤SI)。然后，差分偏振度图像处理部分15基于在水平偏振图像存储器11中存储的P偏振强度数据和在垂直偏振图像存储器12中存储的S偏振强度数据，使用以上公式(I)分别按像素计算差分偏振度(识别指数值)(步骤S2)。在差分偏振度图像处理部分15的图像存储器(未示出)中存储基于计算结果产生的差分偏振度图像的数据。此外，单色图像处理部分13基于在水平偏振图像存储器11中存储的P偏振强度数据和在垂直偏振图像存储器12中存储的S偏振强度数据，分别按像素计算单色亮度(即，像素的P偏振强度+S偏振强度)(步骤S3)。在单色图像处理部分13的图像存储器(未示出)中存储基于计算结果获得的单色图像的数据。然后，白线识别部分14使用在单色图像处理部分13的图像存储器(未示出)中存储的单色图像的数据，基于以上方法进行白线辨认处理(步骤S4)。接着，描述由图像选择部分16进行的图像选择处理(步骤S5)。图15是图不图像选择处理的流程图。在此实施例中，将一个已成像图像(一帧图像)分割为右和左两个选择区域。然后，对于每一个选择区域，选择用于识别的图像。这是因为可能存在成像状况在车辆在其中行驶的右区域和左区域之间有差异的情况。具体地，例如，车辆在其中行驶的右区域处于日照状况下而左区域处于阴影状况下。如上所述，取决于日照或阴影状况，用于识别的恰当类型的图像(即，单色图像或差分偏振度图像)不同。因而，将一个已成像图像分割为多个选择区域是有益的，从而对于每一个选择区域，恰当类型的图像被用于识别。通过这样做，可以改进整个图像的识别精度。无需多言，将图像分割为多个选择区域不是实质的。在此情况下，可以对整个已成像图像选择单色图像或差分偏振度图像并且将其用于识别。此外，可以取决于目的来选择恰当的分割方法。即，分割方法不限于将已成像图像分割为此实施例中描述的右和左两个选择区域的方法。图16A到16D图示在不同成像状况下的单色图像。图16A图示对于整个已成像区域、晴天日照状况的示例情况。在此情况下，可以由白线识别部分14使用单色图像来识别白线。因而图像选择部分16通过使用由白线识别部分14识别的白线的位置作为基准，来设置靠近白线外侧的确定基准区域Pl和P2(S卩，图像的左外侧和右外侧)(步骤S11)。确定基准区域Pl和P2被分别布置在通过将一个已成像图像分割为两个而获得的左和右选择区域。在具有较高可能性的道路表面S的位置上设置确定基准区域Pl和P2。图16B图示对于整个成像区域、晴天阴影状况(和雨天或阴天的情况下)的示例情况。在此情况下，不能由白线识别部分14使用单色图像识别白线。因而图像选择部分16通过使用由白线识别部分14识别的白线的位置作为基准，来设置确定基准区域Pl和P2。因而，在此情况下，确定基准区域Pl和P2设置在相应选择区域中的位置处。事先基于试验等确定所述位置(选择与已成像图像中具有较高可能性的道路表面S对应的位置)(步骤S11)。图16C图示在晴天日照状况下已成像图像的左选择区域中存在阴影的示例情况。在此情况下，在右选择区域中，类似于图16A的情况，图像选择部分16通过使用由白线识别部分14识别的白线的位置作为基准，来设置靠近白线外侧的确定基准区域P2。另一方面，在左选择区域中，类似于图16B的情况，在事先基于试验等确定的位置处设置确定基准区域Pl (步骤Sll)。图16D图示在晴天日照状况下已成像图像的右选择区域中存在阴影的示例情况。在此情况下，在左选择区域中，类似于图16A的情况，图像选择部分16通过使用由白线识别部分14识别的白线的位置作为基准，来设置靠近白线外侧的确定基准区域P1。另一方面，在右选择区域中，类似于图16B的情况，在事先基于试验等确定的位置处设置确定基准区域P2 (步骤S11)。图像选择部分16获取如上所述地设置的确定基准区域Pl和P2的单色亮度和差分偏振度的数据(步骤S12)。然后，图像选择部分16确定每一个确定基准区域Pl和P2的单色亮度是否等于或大于预定单色阈值(步骤S13)。当每一个确定基准区域Pl和P2的单色亮度小于预定单色阈值(在步骤S13中的“否”)时，图像选择部分16选择差分偏振度图像作为要由对象识别部分18对对应选择区域用于识别的图像(步骤S14)。这里使用的单色阈值指用于确定是否处于如下情况的基准当诸如在晴天日照状况下的情况使用单色图像时获得高识别精度。此外，可以事先基于试验等确定单色阈值。因为此特征，在确定单色亮度小于预定单色阈值(在步骤S13中的“否”)的选择区域中，不处于晴天日照状况下(不是当使用差分偏振度图像时识别精度低的情况)。因而，在此情况下，选择差分偏振度图像。另一方面，当确定每一个确定基准区域Pl和P2的单色亮度等于或大于预定单色阈值(在步骤S13中的“是”)时，图像选择部分16进一步确定每一个确定基准区域Pl和P2的差分偏振度是否等于或大于预定差分偏振度阈值(步骤S15)。当确定每一个确定基准区域Pl和P2的差分偏振度等于或大于预定差分偏振度阈值(步骤S15中的“是”)时，图像选择部分16选择差分偏振度图像作为要由对象识别部分18对对应选择区域用于识别的图像(步骤S14)。这里使用的差分偏振度阈值指用于确定是否处于如下情况的基准当在选择区域中使用差分偏振度图像时获得足够的对比度的情况。此外，可以事先基于试验等确定差分偏振度阈值。因为此特征，在确定差分偏振度等于或大于预定差分偏振度阈值(在步骤S15中的“是”)的选择区域中，差分偏振度图像具有足够对比度并且不是当诸如在晴天日照状况的情况下使用差分偏振度数据时识别精度低的情况。因而，在此情况下，选择差分偏振度图像。另一方面，当确定每一个确定基准区域Pl和P2的差分偏振度小于预定差分偏振度阈值(在步骤S15中的“否”)时，图像选择部分16选择单色图像作为要由对象识别部分18对对应选择区域用于识别的图像(步骤S16)。在该情况下，在该选择区域中，差分偏振度图像不包括足够的对比度，并且对应于单色图像具有足够对比度的情况(诸如在晴天日照状况下的情况)。因而，在此情况下，选择单色图像。根据以上图像选择处理，在图16A的情况下(对整个已成像区域在晴天日照状况下)，在右和左选择区域每一个中，使用相应单色图像进行识别。此外，在图16B的情况下(对整个已成像区域在晴天阴影状况下)，在右和左选择区域每一个中，使用相应差分偏振度图像进行识别。此外，在图16C的情况(在晴天日照状况下在已成像图像的左选择区域中存在阴影)下，在左选择区域中，使用差分偏振度图像进行识别，而在右选择区域中，使用单色图像进行识别。此外，在图16D的情况(在晴天日照状况下在已成像图像的右选择区域中存在阴影)下，在右选择区域中，使用差分偏振度图像进行识别，而在左选择区域中，使用单色图像进行识别。回过来参考图14，在完成图像选择处理之后，对象识别部分18使用在图像选择处理中选择的图像进行识别识别目标的对象识别处理(步骤S6)。在以下描述中，描述识别目标是路边边缘部分的情况。然而，以下描述也可以被类似地应用于识别目标是白线边缘部分和任何其他对象的情况。此外，以下描述的边缘确定处理的描述无论使用单色图像或使用差分偏振度图像都是基本上共同的。因而，在以下描述中，描述使用差分偏振度图像的情况。图17是图不对象识别处理的流程图。在此实施例中的对象识别处理中，对每一个选择区域输入在图像选择处理中选择的图像(假定为差分偏振度图像)(步骤S21)。然后，在被选择的图像上进行边缘确定处理。在边缘确定处理中，首先，基于在图像选择处理中选择的差分偏振度图像产生边缘图像(步骤S22)。在此情况下，通过对作为处理目标输入的差分偏振度图像进行已知边缘提取处理产生边缘图像。通过进行边缘提取处理，获得依据差分偏振度剧烈改变的部分的改变度的边缘值(边缘强度)。然后，当通过使用亮度之差表达边缘值之差时获得边缘图像(如图8到10所见)。具体地，当表达在坐标(x，y)处的密度的斜率的一阶微分值被表达为矢量值(fx，fy) (fx和fy分别表示X和y方向的微分)时,边缘强度用下列公式(2)表达。作为此情况中的差分运算符，可以使用如在以下公式(3)和(4)中所指示的罗伯茨(Roberts)运算符。
权利要求
1.一种对象识别装置，其识别在已成像图像中的识别目标的图像区域，所述已成像图像成像成像区域中的所述识别目标，所述对象识别装置包括: 成像单元，其接收包括在来自存在于成像区域的反射光中并且具有彼此不同的相应偏振方向的两个偏振光，并且其成像相应偏振图像； 亮度计算单元，其将由所述成像单元成像的两个偏振图像分割为相应预定处理区域，并且其对每一个处理区域计算两个偏振图像之间的亮度总值； 差分偏振度计算单元，其对每一个处理区域计算差分偏振度，所述差分偏振度指示两个偏振图像之间的亮度差值与所述亮度总值的比率； 选择状况确定单元，其确定由所述差分偏振度计算单元计算出的所述差分偏振度是否满足预定选择状况；以及 对象识别处理单元，其进行如下对象识别处理:在所述选择状况确定单元确定满足所述预定选择状况时，基于由所述差分偏振度计算单元计算出的所述差分偏振度指定与所述识别目标对应的处理区域，或者在所述选择状况确定单元确定不满足所述预定选择状况时，基于由所述亮度计算单元计算出的所述亮度总值指定与所述识别目标对应的处理区域，并且将被指定为与所述识别目标对应的处理区域并且彼此相邻的多个处理区域识别为所述识别目标的图像区域。
2.根据权利要求1的对象识别装置， 其中，所述选择状况确定单元对于通过分割由所述成像单元成像的两个偏振图像获得的多个选择区域的每一个，确定由所述差分偏振度计算单元计算出的所述差分偏振度是否满足所述预定选择状况，并且所述对象识别处理单元对于所述选择状况确定单元确定满足预定选择状况的选择区域，基于由所述差分偏振度计算单元计算出的所述差分偏振度指定与所述识别目标对应的处理区域，或者对于所述选择状况确定单元确定不满足所述预定选择状况的选择区域，基于由所述亮度计算单元计算出的所述亮度总值指定与所述识别目标对应的处理区域。
3.根据权利要求1或2的对象识别装置，进一步包括: 阈值设置单元，其对在由所述成像单元成像的两个偏振图像中设置的预定部分的所述亮度总值和所述差分偏振度中的至少一个，设置被用于所述预定选择状况的差分偏振度阈值， 其中，所述预定选择状况包括由所述差分偏振度计算单元计算出的所述差分偏振度等于或大于所述差分偏振度阈值的状况。
4.根据权利要求3的对象识别装置， 其中，所述预定选择状况包括由所述亮度计算单元计算出的亮度总值小于预定阈值的状况。
5.根据权利要求1到4中的任何一项的对象识别装置， 其中，作为指定与所述识别目标对应的处理区域的处理，所述对象识别处理单元进行边缘提取处理，以计算指示在彼此相邻的处理区域之间的亮度或差分偏振度之差的幅度的边缘值并且基于所提取的边缘值指定与所述识别目标对应的处理区域。
6.根据权利要求5的对象识别装置，进一步包括: 状态确定单元，其确定在所述成像区域中的状态；和边缘阈值确定单元，其确定边缘阈值， 其中，所述对象识别处理单元对由所述边缘提取处理使用预定边缘阈值提取的边缘值进行二进制化处理，并且基于所述二进制化处理之后的值指定与所述识别目标对应的处理区域，所述状态确定单元基于由所述差分偏振度计算单元计算出的所述差分偏振度和由所述亮度计算单元计算出的所述亮度总值中的至少一个，确定所述成像区域中的状态，并且所述边缘阈值确定单元依据由所述状态确定单元确定的所述状态确定所述边缘阈值。
7.根据权利要求6的对象识别装置， 其中，所述边缘阈值确定单元使用通过对每一个状态评估过去的差分偏振度和过去的亮度总值中的至少一个而获得的结果来确定所述边缘阈值。
8.根据权利要求5到7中的任何一项的对象识别装置，进一步包括: 形状信息存储单元，其当所述识别目标由所述成像单元成像时存储指示形状的形状信息， 其中，所述对象识别处理单元进行形状近似确定处理，以确定由被指定为与所述识别目标对应并彼此相邻的处理区域的多个处理区域指示的形状是否类似于在所述形状信息存储单元中存储的所述形状信息的形状，并且当确定在所述形状近似确定处理中形状彼此类似时指定所述多个处理区域为所述识别目标的图像区域。
9.根据权利要求8的对象识别装置， 其中，在由所述对象识别处理单元进行的所述形状近似确定处理中，基于相应成像距离将两个偏振图像的每一个分割为两个或更多个区域，进行确定形状是否彼此类似的处理，并且以如下方式放置权重:包括在成像距离较短的区域中的部分对确定结果具有比包括在成像距离较长的区域中的部分更大的影响。
10.根据权利要求1到9中的任何一项的对象识别装置，进一步包括: 识别处理结果存储单元，其存储由所述对象识别处理单元之前执行的所述对象识别处理的结果， 其中，所述对象识别处理单元使用在所述识别处理结果存储单元中存储的对象识别处理的结果进行对象识别处理。
全文摘要
一种识别识别目标的图像区域的对象识别装置包括，成像单元，接收两个偏振光并且成像相应偏振图像；亮度计算单元，将两个偏振图像分割为处理区域并且对每一个处理区域计算两个偏振图像之间的亮度总值；差分偏振度计算单元，对每一个处理区域计算差分偏振度；选择状况确定单元，确定差分偏振度是否满足预定选择状况；和对象识别处理单元，取决于是否满足预定选择状况基于差分偏振度或亮度总值指定处理区域并且识别被指定为处理区域的多个处理区域为识别目标的图像区域。
文档编号H04N5/232GK103080978SQ201180042378
公开日2013年5月1日 申请日期2011年6月27日 优先权日2010年7月1日
发明者李雪, 平井秀明 申请人:株式会社理光