特許ウォッチ

公開番号2025174673
公報種別公開特許公報(A)
公開日2025-11-28
出願番号2024081175
出願日2024-05-17
発明の名称演算装置
出願人株式会社日立製作所
代理人ポレール弁理士法人
主分類G01C 3/00 20060101AFI20251120BHJP(測定;試験)
要約【課題】
視程と無相関なオクルージョンや外乱に対するロバスト性を向上し、視程の自動推定の高精度化を図る。
【解決手段】
少なくとも撮影画角、撮影方向または推定対象物が略同一である複数枚の画像から、有益特徴または有害特徴を抽出し、複数枚の画像における有益特徴または有害特徴の強度を算出し、有益特徴または有害特徴の強度を集約化し、集約化後の強度に基づき有益特徴または有害特徴の注視度を示す注視マップを生成し、複数枚の画像の各々に対し注視マップを組み込むことにより学習画像または推論画像を生成し、学習画像を学習させてAIモデルを生成し、AIモデルを用いて、推論画像に組み込まれた注視マップに従い、注視度が高く設定された有益特徴を重点的に推定根拠として視程を推定する
【選択図】図1
特許請求の範囲【請求項１】
画像を用いて視程の推定を行う演算装置であって、
少なくとも撮影画角、撮影方向または推定対象物が略同一である複数枚の画像から、有益特徴または有害特徴を抽出し、前記複数枚の画像における前記有益特徴または前記有害特徴の強度を算出する注視度算出部と、
前記有益特徴または前記有害特徴の前記強度を集約化し、前記集約化後の前記強度に基づき前記有益特徴または前記有害特徴の注視度を示す注視マップを生成する集約部と、
前記複数枚の画像の各々に対し前記注視マップを組み込む画像再構成部と、
を備える演算装置。
続きを表示（約 2,000 文字）【請求項２】
請求項１記載の演算装置であって、
学習済みＡＩモデルを生成する学習部をさらに備え、
前記集約部は、前記有益特徴の注視度を前記有害特徴よりも高くなるよう設定して前記注視マップを生成し、
前記画像再構成部は、前記複数枚の画像の各々に対し前記注視マップを組み込み、学習画像を生成し、
前記学習部は、前記学習画像を学習させることにより前記学習済みＡＩモデルを生成し、
前記学習済みＡＩモデルは、前記学習画像に組み込まれた前記注視マップに従い、前記注視度が高く設定された前記有益特徴について重点的に学習する、
演算装置。
【請求項３】
請求項２記載の演算装置であって、
前記学習済みＡＩモデルを用いて視程を推定する推論部をさらに備え、
前記画像再構成部は、前記複数枚の画像の各々に対し前記注視マップを組み込み、推論画像を生成し、
前記推論部は、前記学習済みＡＩモデルを用いて、前記推論画像に組み込まれた前記注視マップに従い、前記注視度が高く設定された前記有益特徴を重点的に推定根拠として視程を推定する、
演算装置。
【請求項４】
請求項１記載の演算装置であって、
前記複数枚の画像から１枚以上の有益画像または有害画像を抽出するデータ精錬部をさらに備え、
前記注視度算出部は、前記１枚以上の有益画像から前記有益特徴を抽出し、または、前記１枚以上の有害画像から前記有害特徴を抽出する、
演算装置。
【請求項５】
請求項４記載の演算装置であって、
外部から入力される複数枚の画像に含まれる、少なくとも撮影画角、撮影方向または推定対象物が略同一である１以上の複数枚の画像に対し、前記少なくとも撮影画角、撮影方向または推定対象物が略同一である複数枚の画像ごとにグループ化する画像グループ化部をさらに備え、
前記データ精錬部は、前記グループ化された画像グループごとに、前記複数枚の画像から前記１枚以上の有益画像または有害画像を抽出し、
前記注視度算出部は、前記画像グループごとに、前記有益特徴、または、前記有害特徴を抽出する、
演算装置。
【請求項６】
請求項４記載の演算装置であって、
前記注視度算出部は、前記１枚以上の有益画像または有害画像における画像特徴を比較し、前記１枚以上の有益画像または有害画像において視程の変化に無相関な画像間共通特徴をさらに抽出し、
前記集約部は、前記有益特徴の注視度を前記有害特徴および前記画像間共通特徴よりも高くなるよう設定して前記注視マップを生成する、
演算装置。
【請求項７】
請求項４記載の演算装置であって、
前記注視度算出部は、
前記１枚以上の有益画像から前記有益特徴を抽出し、または、前記１枚以上の有害画像から前記有害特徴を抽出する画像抽出部と、
前記有益特徴または前記有害特徴の前記強度を前記複数枚の画像の各々におけるピクセルごとに算出する画像特徴強度計算部と、を備える
演算装置。
【請求項８】
請求項１記載の演算装置であって、
前記集約部は、
前記複数枚の画像における前記有益特徴または前記有害特徴の前記強度を加算する累積化部と、
前記加算された前記有益特徴または前記有害特徴の前記強度を前記複数枚の画像の枚数で除算する正規化部と、を備える
演算装置。
【請求項９】
画像を用いて視程の推定を行う方法であって、
少なくとも撮影画角、撮影方向または推定対象物が略同一である複数枚の画像から、有益特徴または有害特徴を抽出し、
前記複数枚の画像における前記有益特徴または前記有害特徴の強度を算出し、
前記有益特徴または前記有害特徴の前記強度を集約化し、
前記集約化後の前記強度に基づき前記有益特徴または前記有害特徴の注視度を示す注視マップを生成し、
前記複数枚の画像の各々に対し前記注視マップを組み込む、
視程推定方法。
【請求項１０】
請求項９記載の視程推定方法であって、
前記有益特徴の注視度を前記有害特徴よりも高くなるよう設定して前記注視マップを生成し、
前記複数枚の画像の各々に対し前記注視マップを組み込み、学習画像を生成し、
前記学習画像を学習させることにより学習済みＡＩモデルを生成し、
前記学習済みＡＩモデルは、前記学習画像に組み込まれた前記注視マップに従い、前記注視度が高く設定された前記有益特徴について重点的に学習する、
視程推定方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、自動気象観測に関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
近年、ＡＩ（artificial intelligence：人工知能）を用いた映像解析技術を活用することにより、視界の情報を評価する技術が注目されている。この種の技術の一例で、気象情報の観測を自動化する「自動気象観測」がある。気象情報のうち、滑走路視距離や霧の有無等の観測は、既存の気象観測用計器を活用することで、自動気象観測が可能である。その一方で、視程（肉眼で視認可能な距離）の観測は、現行の気象観測用計器による観測が容易ではない。例えば、熟練観測員が２４時間体制で目視による気象観測を実施しており、少人化という経済的な観点、および、新規観測員育成支援という社会的な観点から、視程の観測自動化が急務であると考えられる。
【０００３】
ここで、特許文献１は、視程評価技術に関し、「視程の評価指標となる目標物の位置を撮像範囲に含んだ画像を取得する画像取得手段と、前記画像から特徴量を算出する特徴量算出部と、前記画像の撮像地点から前記目標物までの距離情報を取得する距離情報取得部と、前記画像の撮像時の環境光の状態を示す環境光情報を取得する環境光情報取得部と、前記特徴量、前記距離情報及び前記環境光情報を用いて前記画像の撮像時の視程を評価する視程評価部とを備える視程評価装置」を開示する。
【先行技術文献】
【特許文献】
【０００４】
特開２０２２－２０９１１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ＡＩを用いた従来の評価手法では、画像下部にカメラ近傍の目標が写像され、画像上部に遠方の目標が写像される特性を学習することが考えられる。例えば、視程を評価する場合、目標に対する高さ方向の座標情報とぼやけ度合を根拠として視程が推定されると考えられる。このため、例えば、カメラ近傍にビルや航空機等の巨大な物体が存在する場合、視程の推定精度が低下するという課題があった。従って、自動気象観測において、視程の自動推定を行うためには、さらなる高精度化が必須である。
【０００６】
そこで、本発明は、視程の自動推定の高精度化を図り、少人化という経済的な観点、および、観測員育成という社会的な観点で貢献することを目的とする。
【課題を解決するための手段】
【０００７】
本発明は、上記課題の少なくとも一部を解決する手段を複数含んでいるが、その一例を挙げるならば，以下の通りである。即ち、画像を用いて視程の推定を行う演算装置であって、少なくとも撮影画角、撮影方向または推定対象物が略同一である複数枚の画像から、有益特徴または有害特徴を抽出し、前記複数枚の画像における前記有益特徴または前記有害特徴の強度を算出する注視度算出部と、前記有益特徴または前記有害特徴の前記強度を集約化し、前記集約化後の前記強度に基づき前記有益特徴または前記有害特徴の注視度を示す注視マップを生成する集約部と、前記複数枚の画像の各々に対し前記注視マップを組み込む画像再構成部とを備える。
【０００８】
また、画像を用いて視程の推定を行う方法であって、少なくとも撮影画角、撮影方向または推定対象物が略同一である複数枚の画像から、有益特徴または有害特徴を抽出し、前記複数枚の画像における前記有益特徴または前記有害特徴の強度を算出し、前記有益特徴または前記有害特徴の前記強度を集約化し、前記集約化後の前記強度に基づき前記有益特徴または前記有害特徴の注視度を示す注視マップを生成し、前記複数枚の画像の各々に対し前記注視マップを組み込む
【発明の効果】
【０００９】
本発明によれば、視程の自動推定の高精度化を図り、少人化という経済的な観点、および、観測員育成という社会的な観点で貢献することができる。なお、上記した以外の課題、構成および効果は、以下の発明を実施するための形態の説明により明らかにされる。
【図面の簡単な説明】
【００１０】
実施形態における演算装置による学習フェーズの処理フローの一例を示す図である。
実施形態における演算装置による推論フェーズの処理フローの一例を示す図である。
実施形態における効果を示す図である。
第１実施形態の演算装置全体の構成の一例を示す図である。
第１実施形態における注視度算出部（Ｄ１００）の構成の一例を示す図である。
第１実施形態における集約部（Ｅ１００）の構成の一例を示す図である。
第１実施形態における演算装置（１）において実行される学習フェーズの処理フローの一例を示す図である。
第１実施形態における演算装置（１）において実行される推論フェーズの処理フローの一例を示す図である。
第２実施形態における演算装置において実行される学習フェーズの処理フローの一例を示す図である。
第２実施形態における演算装置において実行される推論フェーズの処理フローの一例を示す図である。
第３実施形態における演算装置において実行される学習フェーズの処理フローの一例を示す図である。
第３実施形態における演算装置において実行される推論フェーズの処理フローの一例を示す図である。
演算装置のハードウェア構成の一例を示す図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許