生过度匹配。因此，优选 地，将最佳值加权并比较。例如，当满足下面所示的表达式（18)时，可W采用直线模型，当 满足下面所示的表达式（19)时，可W采用二次曲线模型。 1. lXfimax〉f2max." (18) 1. 1 X fjmax<f2max*** (19) 注意，当最佳值f>ax、f2max小于预定下限值T时，匹配精度被认为是低的。例如，提 取的台阶候选点群可能包括不是从立体道路边界等的捕捉图像而获得的大量像素。当最佳 值f>ax、f2max小于预定下限值T时，道路边界线检测单元15对上侧边界线8、22执行相 似的边界线检测处理。例如，当关于左侧下侧边界线7,最佳值f>ax、fsmax小于预定下限 值T时，对上侧边界线8执行直线匹配和二次曲线匹配。结果，当同样地关于上侧边界线 8最佳值fimax、f2max小于预定下限值T时，确定了诸如路缘该样的台阶表面不存在。 参考图1所示的流程图，将描述根据本实施例的边界检测装置1的操作。图1所示的 控制流程W预定的周期间隔，例如W照相机2、3的帖速，反复地执行。 首先，在步骤S10中，输入由图像获取单元11和距离数据获取单元12产生的视差图 像。台阶候选点提取单元13从存储器单元等获取由距离数据获取单元12产生的视差图像 信息。在执行了步骤S10之后，所述处理前进到步骤S20。 在步骤S20中，利用台阶候选点提取单元13来计算视差梯度。台阶候选点提取单元13 计算关于视差图像的每个像素的视差梯度方向4。在执行了步骤S20之后，所述处理前进 到步骤S30。 在步骤S30中，视差梯度方向4的变化点由台阶候选点提取单元13提取。台阶候选 点提取单元13利用作为焦点像素Pt的视差图像的每个像素，来计算结果C^、Cu、0*。 基于每个像素的结果，台阶候选点提取单元13提取视差梯度方向d)的变化点，或者换句话 说，台阶候选点。在执行了步骤S30之后，所述处理前进到步骤S40。 在步骤S40中，利用坐标变换单元14来执行坐标变换。坐标变换单元14将步骤S30 中提取的各视差梯度方向4的变化点的视差图像上的位置（u，v)和视差值d(u，v)变换为 实际的坐标（X，y，Z)。在执行了步骤S40之后，所述处理前进到步骤S50。 在步骤S50中，利用道路边界线检测单元15来检测边界线。道路边界线检测单元15 基于步骤S40中计算的坐标（X，y，Z)，检测诸如路缘该样的台阶表面的边界线。在执行了步 骤S50之后，所述处理前进到步骤S60。 在步骤S60中，输出检测结果。边界检测装置1将关于步骤S50中检测到的边界线的 信息输出。在执行了步骤S60之后，控制流程终止。将输出边界线信息传输到例如车辆控 制装置。车辆控制装置基于边界线信息执行诸如识别辅助、操作辅助W及行驶辅助该样的 控制。该辅助控制包括；例如，通知驾驶员诸如路缘该样的台阶的存在、辅助驾驶操作W防 止车辆100靠近路缘等、自动驾驶控制等。 图11示出了关于下侧边界线7的检测结果，作为关于左侧路缘的由边界检测装置1获 得的检测结果的实例。从图11显而易见的是即使在远处位置，也能够W高的精度检测到下 侧边界线7。利用根据本实施例的边界检测装置1，因此，即使在视差图像上的视差值d的 变化量是小的区域中，也能够W高的精度检测到立体道路边界。 如上所述，根据本实施例的边界检测装置1包括图像获取单元11、距离数据获取单元 12、台阶候选点提取单元13和道路边界线检测单元15,并且由台阶候选点提取单元13提取 的预定像素区域是如下的像素区域：其中，由预定像素区域（焦点像素Pt)的一侧上的区域 (例如，左侧像素Ptl)的视差梯度方向4 3与在另一侧上的区域（例如，右侧像素Ptr)的 视差梯度方向41所形成的角度，处于直角的预定角度范围之内。 根据本实施例的边界检测装置1能够基于视差梯度方向4的变化W高的精度检测在 车辆的周围环境的捕捉图像内存在的立体道路边界。通过基于视差梯度方向4来检测边 界线，视差值d的变化小的区域中的边界线能够同样W高的精度检测到。利用根据本发明 的边界检测装置1，能够通过不仅计算视差梯度方向4,还计算视差梯度方向4上的变化 量，W高的精度检测到非常小的台阶的位置。此外，直接从视差图像提取路缘（台阶）的上 端和下端候选，并且因此与诸如高度图该样的采用离散化的方法相比，信息丢失是小的。此 夕F，即使在亮度值的变化小的区域中，也能够根据视差梯度方向4的角度差而提取出候选 点。由于台阶候选点在图像上提前确定，所W不需要离散化，就能执行变换，并且因此提高 了道路边界线的匹配精度。 此外，根据本实施例的预定像素区域是如下的像素区域；其中，在第一方向（U坐标轴 方向）上由定位在预定像素区域（焦点像素Pt)的两侧的两个像素区域（左侧像素Pti和 右侧像素Ptr)的视差梯度方向4形成的角度处于直角的预定角度范围之内，并且在第二 方向（V坐标轴方向）上由定位在预定像素区域的两侧的两个像素区域（上侧像素P化和 下侧像素Ptd)的视差梯度方向4形成的角度，处于直角的预定角度范围之内。通过确定 在两个大致正交的方向上（第一方向和第二方向）将预定像素区域夹在中间的两个区域的 视差梯度方向4所形成的各角度，能够W高的精度检测到边界。 此外，根据本实施例的台阶候选点提取单元13基于下述来确定预定的像素区域是否 是台阶表面的上侧或者下侧上的边界：在第一方向上定位在预定像素区域的两侧的两个像 素区域的视差梯度方向4，W及在第二方向上定位在预定像素区域的两侧的两个像素区域 的视差梯度方向4。例如，能够将第一结果高的像素和第四结果Ccc高的像素分类为上 侧边界。此外，能够将第二结果片。高的像素和第=结果0。^高的像素分类为下侧边界。道 路边界线检测单元15将被分类为台阶表面的上侧边界的台阶候选点连接到一起，并且将 被分类为台阶表面的下侧边界的台阶候选点连接到一起。然后，对分别关于上侧边界和下 侧边界的分离的候选点群执行匹配，并且结果，提高了直线匹配和二次曲线匹配的精度。 此外，根据本实施例的台阶候选点提取单元13基于下述来确定预定的像素区域是否 是定位在道路的左侧或者右侧上的台阶表面的边界：在第一方向上定位在预定像素区域的 两侧的两个像素区域的视差梯度方向4，W及在第二方向上定位在预定像素区域的两侧的 两个像素区域的视差梯度方向4。例如，当两个像素区域中的一个像素区域的视差梯度方 向4是n或者JT附近的角度时，能够将检测到的边界线分类为左侧立体道路边界。更具 体地，当焦点像素Pt位于左侧下侧边界线7上时，如图6中所示，左侧像素Ptl和上侧像素 P化的视差梯度方向4是n或者n附近的角度。此外，当焦点像素Pt位于左侧上侧边界 线8上时，如图7所示，右侧像素Ptr和下侧像素Ptd的视差梯度方向4是31或者31附 近的角度。 另一方面，当两个像素区域的一个的视差梯度方向4是0或者0附近的角度时，能够 将检测到的边界线分类为右侧立体道路边界。当焦点像素Pt位于右侧下侧边界线23上时， 如图7中所示，右侧像素Ptr和上侧像素Ptu的视差梯度方向4是0或者0附近的角度。 此外，当焦点像素Pt位于右侧上侧边界线23上时，左侧像素Ptl和下侧像素Ptd的视差梯 度方向4是0或者0附近的角度。道路边界线检测单元15将被分类为定位在左侧上的台 阶表面的边界的台阶候选点连接到一起，并且将被分类为定位在右侧上的台阶表面的边界 的台阶候选点连接到一起。然后，对分别关于左侧台阶表面和右侧台阶表面的分离的候选 点群执行匹配，并且结果，提高了直线匹配和二次曲线匹配的精度。 此外，在本实施例中，公开了 W下边界检测方法。根据本实施例的边界检测方法包括： 获取步骤（步骤s 10)，其中，基于通过捕捉车辆的周围环境的图像而获得的信息，获取视 差图像；提取步骤（步骤S20、S30)，其中，基于像素区域的视差梯度方向，从构成视差图像 的各像素区域提取预定的像素区域；W及检测步骤（步骤S40、S50)，其中，通过将至少一些 在提取步骤中提取的多个预定像素区域连接到一起，来检测沿着道路而存在的台阶表面的 边界。 该里，预定像素区域是如下的像素区域：其中，由预定像素区域（焦点像素Pt)的一侧 上的区域（例如，左侧像素Ptl)的视差梯度方向43与在另一侧上的区域（例如，右侧像 素Ptr)的视差梯度方向41所形成的角度，处于直角的预定角度范围之内。预定像素区域 是如下的像素区域；其中，在第一方向（U坐标轴方向）上由定位在预定像素区域（焦点像 素Pt)的两侧的两个像素区域（左侧像素Ptl和右侧像素Ptr)的视差梯度方向4形成的 角度，处于直角的预定角度范围之内；并且在与第一方向大致正交的第二方向（V坐标轴方 向）上由定位在预定像素区域（焦点像素Pt)的两侧的两个像素区域（上侧像素Ptu和下 侧像素Ptd)的视差梯度方向4形成的角度，处于直角的预定角度范围之内。利用如上所 述的边界检测方法，根据本实施例的边界检测装置1能够W高的精度检测边界线7、8、22、 23〇
[实施例的第一修改实例] (多帖的聚合） 将描述实施例的第一修改实施例。在每帖中提取的台阶候选点中都包括大量的噪声， 并且因此为了抑制该噪声，有效地将多帖聚合。为了该目的，优选地设定阻巧系数a，因此 利用下面所示的表达式V和表达式VI中的更新表达式，将前述的梯度变化量化ft-" (U，V)、 Pv<t-"(u，v)加权并且相加。当在更新表达式中将a设定为过小的值时，可能在道路的曲 率变化或者俯仰角变化的情况下获得不理想的结果。例如，将阻巧系数a的值设定为0.5。
[表达式V]
根据本修改例，通过将前述的梯度变化量加权和相加，从而聚合多帖，能够提高提取结 果的稳定性。
[实施例的第二修改实例] (基于傅里叶分析的梯度计算） 将描述实施例的第二修改实例。例如，可W采用如在L. Cohen, Time化equency Analysis, Prentice Hall Signal Processing Series, Prentice Hall, NJ, 1995 中使用 分析信号并且考虑全局梯度分布的梯度方向计算方法。利用下面所示的表达式W，来确定 视差梯度方向4。该表达式中的卷积操作等同于如下操作；确定通过对视差值d(u，v)在 U (或者V)方向上实施一维FFT，并且然后在将正频分量设定为两倍且将负频分量设定为0 的情况下实施逆FFT，而获得的结果的虚数部分。
[表达式W]
根据本修改实例的台阶候选点提取单元13在用于确定视差梯度方向d)的处理期间， 使用基于傅里叶相位差的梯度方向计算方法。当仅基于局部特征来计算视差梯度方向4 时，局部噪声具有影响。在本修改实例中，除了局部特征之外，还考虑了由傅里叶相位差分 析产生的全局梯度分布，并且因此能够分散噪声因素，结果能够W更高的稳定性提取台阶 候选点。
[实施例的第=实例] (窗口尺寸的修改） 将描述实施例的第=修改实例。图像上路缘台阶的表面尺寸根据到照相机2、3的距离 而变化。定位在靠近照相机2、3的路缘在图像上显示为大的。因此，窗口尺寸，或者换句话 说，焦点像素Pt与各周围像素Ptl、Ptr、Ptu、Ptd之间的距离A，可W基于距离信息而变 化。例如，距离信息是焦点像素Pt的视差值d(u，v)。当视差值d是小的时，距离A的值比 当视差值d是大的时更小。因此，能够W适当的窗口尺寸检测到视差梯度方向4的变化， 并且结果，能够进一步向远处W高的精度提取台阶候选点。距离A可W根据距离信息中的 变化而连续地或者阶段地变化。 此外，可W改变窗口尺寸的高宽比。例如，即使当安置的路缘的形状维持不变时，图像 上路缘的形状也依据前方道路是直的道路还是弯曲道路而不同。安置在向右弯曲道路上的 左侧路缘的竖直表面（侧面）比安置在直线道路上的左侧路缘，定位得更靠近照相机2、3