用于估计物体位置的信息创建设备、用于估计物体位置的信息创建方法和程序的制作方法

专利名称：用于估计物体位置的信息创建设备、用于估计物体位置的信息创建方法和程序的制作方法
技术领域：
本发明涉及利用通过从多个方向拍摄物体(object)而分别获得的图像来创建用于估计物体位置(object position)的信息的用于估计物体位置的信息创建设备、用于估计物体位置的信息创建方法以及用于估计物体位置的信息创建程序。
背景技术：
在专利文献1中记载了用于估计物体的位置的图像监视系统。专利文献1中记载的系统对于其中要估计物体的位置的真实空间(三维空间)，以使得多个相机的视野的一部分相互重叠的方式，从多个相机中的每一个获取图像。然后，利用背景减法处理和帧减法处理来检测对象物体(target object)的运动体区域。针对真实空间预先校准每个相机。 专利文献1中记载的系统把从每个相机的图像检测到的运动体区域转换成在每个真实空间内指定的平面坐标系统，在转换后检测运动体区域的重叠，并且判定真实空间中运动体区域的存在性或者估计其存在的位置。[专利文献1]日本专利申请早期公布No.2008-15573(第0015至0046段)。

发明内容
本发明要解决的问题在专利文献1中记载的系统中，从每个相机的图像检测的运动体区域被转换到在每个真实空间内指定的平面坐标系统，并且如果关于所有相机，转换后的运动体区域都重叠，则估计在该位置处存在物体。在此系统中，能够估计物体的位置的空间的范围限于所有相机的视野的重叠区域。例如，图19指示了与本发明相关的系统中能够估计物体位置的范围的示例。在图19中，箭头表示每个相机的视野的范围。图19中所示的相机101至103 的视野的重叠区域是用斜线指示的区域，并且在专利文献1中记载的系统中，只有存在于此范围中的物体的位置能够被估计。另外，在图19中，真实空间被示意性地指示为二维的。已考虑了一种用于扩张能够估计位置的范围的技术，其中，在从两个相机获得的运动体区域重叠的情况下，判定在该重叠区域中存在物体。图20指示了在使用此技术的情况下能够估计物体位置的范围的示例。如图20中所示，在两个相机的视野重叠的范围内能够估计物体的位置，并且能够估计物体位置的范围比图19的大。然而，在此情况下，存在发生误检测的情况。图21指示了在扩张能够估计物体位置的范围的情况下发生误检测的示例。估计图21中所示的三个物体111至113的位置的情况被用作示例。此外，图21中所示的虚线箭头表示物体的视体积。在图21中所示的示例中，如果从两个相机获得的物体的区域重叠，则判定在该区域中存在物体。因此，用粗线指示的范围是物体检测区域，并且在这些区域中发生差错。虽然，特别是在检测区域的在物体111至113的内侧的那些部分(用斜线指示的区域)的状态中，可以利用除用于检测位置的两个相机以外的相机来拍摄检测区域，但其结果是导致误检测。例如，虽然可以利用相机102来拍摄用斜线指示的区域115的状态，但结果基于从相机101和103获得的图像判定物体存在。如上所述，当尝试扩张能够估计物体位置的区域时，存在发生误检测并且物体位置估计精度降低的问题。此外，如果存在隐蔽要被估计位置的对象物体的固定物体，则物体位置估计的精度结果也会降低。例如，如果在对象物体和相机之间存在诸如桌子、看板或柱子之类的固定物体，则对于对象物体发生遮蔽(occlusion)，结果估计物体位置的精度降低了。这是因为对象物体被固定物体的存在所隐蔽，从而妨碍了对象物体的运动体区域的确定。由于不能确定运动体区域，所以即使对象物体实际上存在，也会做出运动体区域不存在的误判定。解决问题的手段因此，本发明的一个示例性目的是提供一种用于估计物体位置的信息创建设备、 用于估计物体位置的信息创建方法和用于估计物体位置的信息创建程序，其能够扩张可以估计物体位置的范围，同时也能够创建用于估计物体位置的信息，以便维持估计物体位置的准确性。此外，本发明的一个示例性目的是创建用于估计物体位置的信息，其使得即使在存在隐蔽对象物体的固定物体的情况下也能够估计物体的位置。根据本发明的一个示例性方面的用于估计物体位置的信息创建设备设有物体区域图像创建装置，用于从由多个图像获取装置分别获取的每个图像，创建指示出图像中表示对象物体的区域的物体区域图像；得分确定装置，用于对于图像获取装置和真实空间中的点的每个组合，通过参照物体区域图像，确定指示出在由所述多个图像获取装置分别获取的每个图像中真实空间中的点准确表示作为位置估计对象的对象物体的程度的得分；视界状态判定装置，用于通过使用指示出何处存在对图像获取装置隐蔽对象物体的非对象物体的非对象物体存在信息来判定从每个图像获取装置到真实空间中的每个点的视界状态，并且根据视界状态判定的结果，对于图像获取装置和真实空间中的点的每个组合，确定在点是对象物体的情况下和不是对象物体的情况下的得分的概率密度函数；存在概率计算装置，用于对与判定从图像获取装置到真实空间中的点的视界状态的结果相对应的概率密度函数进行积分，来确定在真实空间中的点处对象物体存在的存在概率；以及估计信息创建装置，用于基于由存在概率计算装置为真实空间中的每个点确定的存在概率，来对规定平面中的每个点创建用于位置估计的信息，以便估计已知被布置在相对于真实空间中的规定平面的规定高度处的对象物体存在于规定平面中的什么位置。此外，根据本发明的一个示例性方面的用于估计物体位置的信息创建方法包括从由多个图像获取装置分别获取的每个图像，创建指示出图像中表示对象物体的区域的物体区域图像；对于图像获取装置和真实空间中的点的每个组合，通过参照物体区域图像，确定指示出在由所述多个图像获取装置分别获取的每个图像中真实空间中的点准确表示作为位置估计对象的对象物体的程度的得分；通过使用指示出何处存在对图像获取装置隐蔽对象物体的非对象物体的非对象物体存在信息来判定从每个图像获取装置到真实空间中的每个点的视界状态，并且对应于视界状态判定的结果，对于图像获取装置和真实空间中的点的每个组合，确定在点是对象物体的情况下和不是对象物体的情况下的得分的概率密度函数；通过对与判定从图像获取装置到真实空间中的点的视界状态的结果相对应的概率密度函数进行积分，来确定在真实空间中的点处对象物体存在的存在概率；以及基于为真实空间中的每个点确定的存在概率，来对规定平面中的每个点创建位置估计信息，以便估计已知被布置在相对于真实空间中的规定平面的规定高度处的对象物体存在于规定平面中的什么位置。此外，根据本发明的一个示例性方面的用于估计物体位置的信息创建程序使得计算机执行物体区域图像创建处理，用于从由多个图像获取装置分别获取的每个图像，创建指示出图像中表示对象物体的区域的物体区域图像；得分确定处理，用于对于图像获取装置和真实空间中的点的每个组合，通过参照物体区域图像，确定指示出在由多个图像获取装置分别获取的每个图像中真实空间中的点准确表示作为位置估计对象的对象物体的程度的得分；视界状态判定处理，用于通过使用指示出何处存在对图像获取装置隐蔽对象物体的非对象物体的非对象物体存在信息来判定从每个图像获取装置到真实空间中的每个点的视界状态，并且对应于视界状态判定的结果，对于图像获取装置和真实空间中的点的每个组合，确定在点是对象物体的情况下和不是对象物体的情况下的得分的概率密度函数；存在概率计算处理，用于对与判定从图像获取装置到真实空间中的点的视界状态的结果相对应的概率密度函数进行积分，来确定在真实空间中的点处对象物体存在的存在概率；以及估计信息创建处理，用于基于在存在概率计算处理中为真实空间中的每个点确定的存在概率，来对真实空间中的规定平面中的每个点创建位置估计信息，以便估计已知被布置在相对于该规定平面的规定高度处的对象物体存在于该规定平面中的什么位置。本发明的效果可以创建用于估计物体位置的信息，以便扩张能够估计物体位置的范围并且维持物体位置估计的准确性。此外，即使存在隐蔽对象物体的非对象物体，也可以创建用于估计物体位置的信息，以用于执行对对象物体的非常准确的位置估计。


图1是示出本发明第一实施例的用于估计物体位置的信息创建设备的示例的框图；图2是示出固定物体的存在信息的示例的说明图；图3是示出在其中估计对象物体的位置的真实空间的示例的说明图；图4是示出物体模型的示例的说明图；图5是示出定义得分的概率密度函数的形态的说明图；图6是示出概率密度函数的示例的说明图；图7是示出本发明的处理过程的示例的流程图；图8是示出步骤S3的处理过程的示例的流程图；图9是示出步骤S4的处理过程的示例的流程图；图10是示出步骤S6的处理过程的示例的流程图；图11是示出本发明第二实施例的用于估计物体位置的信息创建设备的框图；图12是示出第二实施例中的定义得分概率密度函数的形态的说明图13是示出第二实施例中的步骤S4的处理过程的示例的流程图；图14是示出在估计对象物体的位置的情况下的配置示例的框图；图15是示出通过标记定义的范围的示例的说明图；图16是示出在通过标记定义的多个范围存在的情况下的示例的说明图；图17是示出本发明的具体配置示例的框图；图18是示出本发明的最小配置的框图；图19是示出在与本发明相关的系统中能够估计物体位置的范围的示例的说明图；图20是示出扩张了图19中的能够估计位置的范围的示例的说明图；并且图21是示出在扩张了能够估计位置的范围的情况下发生误检测的情况的说明图。
具体实施例方式以下参考附图提供对本发明的示例性实施例的说明。第一实施例图1是示出本发明第一实施例的用于估计物体位置的信息创建设备的示例的框图。第一实施例的用于估计物体位置的信息创建设备设有第1至第η图像获取装置Ia至 In、数据处理设备4和存储信息的存储设备5。第1图像获取装置Ia至第η图像获取装置In中的每个图像获取装置获取三维空间的图像。例如，每个图像获取装置Ia至In是由通过拍摄三维空间来生成图像的相机或视频相机实现的。所拍摄的图像是静止图像或视频图像。在拍摄了视频图像作为三维空间的图像的情况下，每个图像获取装置Ia至In获取该视频图像的个体图像(帧)。此外，每个图像获取装置Ia至In被布置成从各个不同的方向拍摄三维空间。另外，图像获取装置 Ia至In与从不同方向拍摄三维空间的拍摄装置(相机或视频相机)分开设置，并且可被构成为从由每个拍摄装置创建的视频图像获取个体图像。以下说明使用每个图像获取装置拍摄图像的情况作为示例以便简化说明。每个图像获取装置Ia至In获取同时拍摄的图像。 即，由每个图像获取装置Ia至In获取的每个图像是同步的。数据处理设备4通过使用由每个图像获取装置Ia至In获取的图像来创建用于估计真实空间(三维空间)中对象物体的位置的信息(物体估计信息)。另外，对象物体指的是要被估计位置的物体。存储设备5包括相机参数存储装置51、隐蔽信息存储装置52、真实空间存储装置 53和物体模型存储装置Μ。相机参数存储装置51永久存储相机参数，用于对于每个图像获取装置Ia至In执行利用图像获取装置Ia至In获取的图像的二维坐标和真实空间的三维坐标之间的转换。 相机参数包括用于从真实空间中的三维坐标转换到图像中的二维坐标的转换参数以及用于从图像中的二维坐标转换到真实空间中的三维坐标的转换参数。这些转换参数使得能在图像中的二维坐标与真实空间中的三维坐标之间相互转换。转换参数是通过将图像上的二维坐标与真实空间中的三维坐标预关联来预先计算的。此外，相机参数存储装置51还可包括对每个图像获取装置Ia至In的三维坐标、图像拍摄方向等等的存储。
隐蔽信息存储装置52存储导致对象物体的遮蔽的固定物体的存在信息。换言之， 导致对象物体的遮蔽的固定物体指的是隐蔽对象物体的固定物体。虽然固定物体的示例包括诸如桌子、看板或柱子之类的隐蔽对象物体的物体，但对于固定物体的类型没有特定限制。此外，固定物体存在信息指的是表示何处存在固定物体的信息。在第一实施例中，指示在由图像获取装置Ia至In获取的图像中出现固定物体的区域的信息被用作固定物体存在信息。更具体而言，隐蔽信息存储装置52存储通过将图像中出现固定物体的区域指定为第一像素值并将图像中另外的区域指定为第二像素值来获得的二值图像作为固定物体存在信息。该二值图像的每个像素对应于由图像获取装置获取的图像的每个像素。用作固定物体存在信息的二值图像由数据处理设备4对每个图像获取装置预创建并随后被存储在隐蔽信息存储装置52中。图2是示出固定物体存在信息的示例的说明图。某个图像获取装置获取图2(a) 中例示的图像。由数据处理设备4提供的二值图像生成装置(未示出)通过将图2(a)例示的图像中表示房屋和树木形式的固定物体的区域的像素的像素值定义为“1 (白)”并将其他区域的像素值定义为“0(黑)”，来生成二值图像(参见图2(b))。图2(b)中所示的二值图像被存储在隐蔽信息存储装置52中作为与获取了图2 (a)中例示的图像的图像获取装置相对应的固定物体存在信息。隐蔽信息存储装置52为每个图像获取装置存储这种二值图像。在此示例中，“1”意味着存在固定物体，而“0”意味着不存在固定物体。此外，在固定物体在某个时间移动的情况下，移动前和移动后的固定物体的存在信息(二值图像)被存储在隐蔽信息存储装置52中，并且可以对应于拍摄对象物体的图像的时刻来参照其中固定物体存在的存在图像。在后续说明中，其中用二值图像表示固定物体的存在与否的存在信息被称为固定物体二值图像。真实空间存储装置53预存储估计对象物体的位置的真实空间(三维空间)的范围。图3示出了在其中估计对象物体的位置的真实空间的示例。在图3中，示出了估计对象物体的位置的真实空间是长方体91的情况。真实空间存储装置53可存储例如此真实空间91的χ坐标、y坐标和ζ坐标的范围。或者，真实空间存储装置53可存储例如真实空间 91中包含的每个点的坐标。真实空间中包含的多个点可以是有限数目的离散点。真实空间存储装置53存储能够确定定义真实空间的有限数目的点的信息。另外，虽然在图3中长方体91被用作示例，但估计位置的范围不限于长方体。此外，在图3中所示的示例中，χ和y坐标表示平面，而ζ坐标表示从该平面起的高度。在本发明中，将对象物体的形状和大小以及对象物体所在的高度保存为已知信息，并且生成用于估计对象物体在xy平面中的位置的信息。物体模型存储装置M存储示意性地表示对象物体的三维形状和大小的模型。此模型被称为物体模型。物体模型不需要精确表示对象物体的形状和大小，而只需要示意性地表示对象物体的外形和大小。例如，在对象物体是“站立的人”的情况下，物体模型存储装置M可存储圆柱作为物体模型。图4是示出物体模型的示例的说明图。图4中所示的示例使用位于从xy平面起的规定高度处的圆柱被用作对象物体的物体模型的情况作为示例。物体模型相对于xy平面的高度是恒定的。此值也可是零。例如，在表示在真实空间的 xy平面中站立的人的物体模型的情况下，该物体模型的高度是零。此外，在表示悬浮在从 xy平面起的规定高度处的气球的物体模型的情况下，该物体模型相对于xy平面的高度由该规定高度定义。没有定义xy平面中物体模型的位置。此外，虽然图4中示出了表示单个物体的物体模型，但物体模型可被分割。数据处理设备4包括物体区域获取装置41、得分获取装置42、视界状态(view status)判定装置43、存在概率计算装置44以及估计信息创建装置45。物体区域获取装置41创建一图像，该图像指示出由每个图像获取装置Ia至In获取的图像中的表示物体的区域。此图像被称为物体区域图像。由第1至第η图像获取装置中的每一个获取的图像是同步的。物体区域获取装置41分别从每个图像创建物体区域图像。物体区域获取装置41利用诸如背景减法、帧减法或以下参考文献中记载的方法之类的方法来生成物体区域图像。[参考文献]Hiroaki Nakai, “ Moving Object Detection Method Using Posterior Probability “ ， Journal of the Information Processing Society of Japan, SIG-CV90-1, Information Processing Society of Japan,1994在使用背景减法的情况下，提供了背景图像存储装置(未示出)，其为每个图像获取装置预存储例如是在不存在对象物体时获取的图像的背景图像。物体区域获取装置41 随后计算由图像获取装置获取的图像与背景图像之间的对应像素的像素值的差惜，并且生成通过对该差异执行阈值处理而确定的二值图像来作为物体区域图像。如果以这种方式创建物体区域图像，则获得了这样的图像其中，表示背景(即不是对象物体)的区域的像素值为0，而表示对象物体的区域的像素值为1。在使用帧减法的情况下，物体区域获取装置 41计算视频图像的连续图像(帧)之间的对应像素的像素值的差异，并且生成通过对该差异执行阈值处理而确定的二值图像作为物体区域图像。在此情况下，也可以按与背景减法相同的方式生成物体区域图像。此外，在基于概率来判定某个像素中物体的存在性的情况下，该像素的像素值可被定义为O至1的范围上的概率值。例如，物体区域获取装置41可以像上述参考文献中记载的方法中那样生成一图像，其中对象物体的存在的后验概率被用作像素值。在此情况下， 物体区域获取装置41确定每个像素中对象物体存在的后验概率，然后使用该后验概率作为像素值。后验概率是基于由图像获取装置获取的图像来计算的。这里，物体区域获取装置41创建物体区域图像，其中，根据背景减法、帧减法或上述参考文献中记载的方法，在0至1 (或0和1的二值)的范围内定义每个像素的像素值。 在此情况下，得分获取装置42定义0至1的得分作为后述的得分。此外，也可通过除上述以外的方法来生成物体区域图像，只要能够生成其中在0至1的范围内定义每个像素的像素值的物体区域图像即可。得分获取装置42顺次选择图像获取装置，并且利用相机参数存储装置51中存储的相机参数，把真实空间存储装置53中存储的真实空间的范围内的点(x，y，z)转换到与所选择的图像获取装置相对应的二维坐标。得分获取装置42从与该图像获取装置相对应的物体区域图像中确定由所述二维坐标表示的像素的像素值。与某个图像获取装置相对应的二维坐标指的是由该图像获取装置获取的图像中的二维坐标。为了方便，从图像获取装置Ia至In的每一个中选择的图像获取装置被称为“第c 图像获取装置”。得分获取装置42把真实空间中的点(x，y，z)转换成与第c图像获取装置相对应的二维坐标，并且在为第c图像获取装置计算的物体区域图像中确定由这些二维坐标指示的像素的像素值。该像素值被表示为得分sc，X，y，z。得分指示出真实空间中的点 (X，y，ζ)准确表示由第c图像获取装置获得的图像中的物体的程度。得分获取装置42为图像获取装置和真实空间中的点的每个组合确定得分sc，χ, y，Z0然而，即使真实空间中的点已被转换到与图像获取装置相对应的二维坐标，由二维坐标指示位置也可能在物体区域图像的范围之外。由于物体区域图像的每个像素对应于由图像获取装置获取的图像的每个像素，因此如果转换后二维坐标指示的位置在物体区域图像的范围之外，则这意味着真实空间中的点不在真实空间被图像获取装置拍摄时的视野中。在此情况下，得分sc，x，y，ζ被设定成规定的固定值，指示出真实空间中的点在图像获取装置的视野之外。以下将此固定值称为范围外(out of range)常数。视界状态判定装置43利用相机参数存储装置51中存储的相机参数，把真实空间存储装置53中存储的真实空间的范围内的点(X，y，ζ)转换成与每个图像获取装置相对应的二维坐标。视界状态判定装置43从与该图像获取装置相对应的固定物体二值图像(例如图2(b))中确定由所述二维坐标指示的像素的像素值。另外，视界状态判定装置43基于从固定物体二值图像中确定的像素值和由得分获取装置42为真实空间中的点(X，y，ζ)和图像获取装置的每个组合确定的得分sc，χ, y， z，来判定从每个图像获取装置到真实空间中的每个点的视野状态。视界状态判定装置43 基于此判定的结果，为真实空间中的点和图像获取装置的每个组合定义得分sc，χ, 1，ζ的概率密度函数。定义了两类概率密度函数，包括在真实空间中的点(x，y，z)是对象物体的情况中的和不是的情况中的(在不是对象物体的情况中的)。在以下说明中，用于区分点 (x，y，z)是对象物体的情况和不是的情况的类别由《X，y，Z表示，其中coX，y，Z = 1意味着真实空间中的点表示对象物体，而ωΧ，y，ζ = O则意味着真实空间中的点不表示对象物体(表示非对象物体)。此外，每个类别中的得分sc，X，y，z的概率密度函数分别由p(sc， χ, y, ζ/ ω χ, y, ζ = 1)禾口 ρ (sc, χ, y, ζ/ ω χ, y, ζ = 0)表不。图5是示出定义得分的概率密度函数的形态的说明图。在图5中，三维真实空间被二维地表示。图5中的每个点A至E是真实空间中的点，并且固定物体95存在于真实空间中。此外，在图5中示意性地指示了固定物体二值图像92。在图5中，用斜线指示的部分 93是表示固定物体的固定物体二值图像92的区域。当视界状态判定装置43把点A(参见图幻的三维坐标转换到与图像获取装置Ic 相对应的二维坐标时，由于这些二维坐标在物体区域图像的范围之外，所以点A的得分被定义为范围外常数。在得分像这样是范围外常数的情况下，图像获取装置Ic处于无法拍摄 (无法看见)点A的状态中。即，点A在图像获取装置Ic的视野之外，从图像获取装置Ic 到点A的视界状态是不好的，并且即使使用为图像获取装置Ic和点A的组合计算的得分， 也无法进行关于点A是物体还是非物体的判定。这样，在得分是范围外常数的情况下，视界状态判定装置43判定从图像获取装置Ic到点A的视界状态是不好的，并且为在点A是对象物体的情况中和其是非物体的情况中的概率密度函数定义具有均勻分布的函数。视界状态判定装置43把点B (参见图幻的三维坐标转换到与图像获取装置Ic相对应的二维坐标，并且参照由这些坐标指示的固定物体二值图像92的像素。于是，像素值指示没有固定物体。在此情况下，这意味着图像获取装置Ic能够拍摄(能够看见)点B。即，在从图像获取装置Ic到点B的视线方向上不存在固定物体，并且从图像获取装置Ic到点B的视界状态是良好的。更具体而言，在如果对象物体存在于点B处则图像获取装置Ic 能够看见对象物体和如果其不存在于点B处则图像获取装置Ic不能够看见对象物体的情形下，关于图像获取装置Ic和点B的组合计算的得分，即为点B确定的得分sc，χ, y，z，有效地起作用。这样，在与转换后的坐标相对应的固定物体二值图像92的像素指示出不存在固定物体的情况下，视界状态判定装置43判定从图像获取装置Ic到点B的视界状态是良好的。视界状态判定装置43定义一函数，其中在点B是对象物体的情况中得分的概率密度函数？(％，^7，2/0^，7，2 = 1)在得分sc，X，y，Z越接近1时就变得越大。此外，视界状态判定装置43定义一函数，其中在点B不是对象物体的情况中得分的概率密度函数ρ (sc， X，y，ζ/ωχ,γ, ζ = 0)在得分sc，χ, y, ζ越接近0时就变得越大。这两类得分概率密度函数的示例在图6中示出。在图6(a)和6(b)中，在水平轴上绘出得分，并且在垂直轴上绘出获得得分的概率。图6(a)是在对象物体存在的情况下的得分概率密度函数ρ (sc，x, y，ζ/ωχ, y，ζ =1)的示例。在对象物体存在于点(X，1，ζ)处的情况下，该得分的概率随着得分的值接近1而增大。因此，视界状态判定装置43定义一概率密度函数，其中ρ (sc，χ, y，ζ/ωχ, y， ζ = 1)的值随着得分sc，χ, y，ζ的值接近1而增大，并且ρ (sc, x, y，ζ/ωχ,γ,ζ = 1)的值随着得分SC，χ, y，ζ的值接近0而减小。此外，图6(b)是在对象物体不存在的情况下的得分概率密度函数P (sc，χ, y, ζ/ωχ,γ,ζ = 0)的示例。在对象物体不存在于点(x，y, ζ)处的情况下，该得分的概率随着得分的值接近1而减小。因此，视界状态判定装置43定义一概率密度函数，其中P (sc, χ, y，ζ/ωχ,γ,ζ = 0)的值随着得分sc，χ, y，ζ的值接近1而减小，并且P(sc，χ, y，ζ/ωχ, y, ζ = 0)的值随着得分sc，χ, y，ζ的值接近0而增大。此夕卜， 视界状态判定装置43定义概率密度函数的总体积分值为1 mp(SC，X，y，z/ x，y，z = 1)、 p(SC，X，y，z/ x，y，z = 1)。视界状态判定装置43也可通过学习来估计此函数。此外，也可在视界状态判定装置43中预先保存基于知识和经验满足上述条件的函数。此外，在预保存图6中所示的得分概率密度函数的情况下，也可为每个图像获取装置保存个体函数。视界状态判定装置43把点C(参见图幻的三维坐标转换到与图像获取装置Ic相对应的二维坐标，并且参照由这些坐标指示的固定物体二值图像92的像素。像素值指示存在固定物体。此外，预定义一阈值th，用于判定在真实空间中的某一点处是否存在对象物体或者在该点处是否不知道对象物体存在与否。在从点C确定的固定物体二值图像92的像素的像素值指示出存在固定物体并且点C处的得分等于或大于阈值th的情况下，则点C是对象物体，并且视界状态是良好的，因为图像获取装置Ic能够看见点C处的对象物体。从而，为点C确定的得分sc，χ, y，ζ有效地起使用。这样，在固定物体存在并且上台阶分等于或大于th的情况下，视界状态判定装置43判定从图像获取装置Ic到点C的视界状态是良好的，并且定义在前述的图6中示出的得分概率密度函数。即，利用在对象物体存在的情况中的得分概率密度函数P (sc, χ, y, ζ/ωχ,γ,ζ = 1),视界状态判定装置43定义一函数，其中函数值随着得分值接近1而增大，函数值随着得分值接近0而减小，并且概率密度函数的总体积分值是1。类似，利用在对象物体不存在的情况中的得分概率密度函数P(sc，χ, y， ζ/ωχ,y,z = 0),视界状态判定装置43定义一函数，其中函数值随着得分值接近1而减小， 函数值随着得分值接近0而增大，并且概率密度函数的总体积分值是1。
关于点D和E，视界状态判定装置43也转换到与图像获取装置Ic相对应的二维坐标并且参照由这些坐标指示的固定物体二值图像92的像素。像素值指示出存在固定物体。 此外，这里点D和E的得分小于th。这样，在固定物体存在并且得分小于th的情况下，由于真实空间中的点位于固定物体前面并且该点不是对象物体，从图像获取装置Ic不能在该点处看见对象物体，或者当从图像获取装置Ic看时真实空间中的点位于固定物体后面， 从而使得该点被物体所隐蔽，无法判定在该点处是否存在物体，因此视界状态是不清楚的。 即，在固定物体存在并且得分小于th的情况下，不清楚是像点D那样对象物体在固定物体前面的点处还是像点E那样点被固定物体所隐蔽。从而，这种情况中的得分sc，X，y，ζ无法被有效地使用。这样，在固定物体存在并且得分等于或大于th的情况下，视界状态判定装置43判定视界状态不清楚，定义具有均勻分布的函数作为在点是对象物体的情况中和点不是对象物体的情况中的得分概率密度函数。此外，当定义点是物体的情况中和点是非物体的情况中的得分概率密度函数时， 可以在不比较得分和阈值的情况下确定与得分值相对应的概率密度函数。以下提供对在不使用阈值的情况下确定得分概率密度函数的情况的说明。这里，视界状态判定装置43判定存在固定物体。此时，视界状态判定装置43可通过对应于得分值改变得分为0时的函数值和得分为1时的函数值之间的差值(以下将称为变化范围)，来确定概率密度函数。图6中的Rl和R2指示变化范围。视界状态判定装置43在由得分获取装置42确定的得分值越大时为概率密度函数确定具有大变化范围的概率密度函数，而在得分值越小时为概率密度函数确定具有小变化范围的概率密度函数。更具体而言，视界状态判定装置43为点是物体的情况中的得分概率密度函数确定一函数，其中函数值随着得分值接近1而增大，函数值随着得分值接近0而减小，并且概率密度函数的总体积分值是1 (参见图6(a))。然而，视界状态判定装置43在得分获取装置42确定的得分值越大时确定具有大变化范围Rl的概率密度函数，而在得分值越小时确定具有小变化范围Rl的概率密度函数。类似地，视界状态判定装置43为点不是物体的情况中的得分概率密度函数确定一函数，其中函数值随着得分值接近1而减小，函数值随着得分值接近0而增大，并且概率密度函数的总体积分值是1 (参见图6 (b))。然而，视界状态判定装置43在得分获取装置42确定的得分值越大时确定具有大变化范围R2的概率密度函数，而在得分值越小时确定具有小变化范围R2的概率密度函数。可将与得分值相对应的每种变化范围的概率密度函数预保存在视界状态判定装置43中，并且可从视界状态判定装置43保存的概率密度函数之中选择与得分值相对应的概率密度函数。或者，也可以通过学习来确定与得分值相对应的概率密度函数。另外，对于当视界状态判定装置43判定没有固定物体时的概率密度函数的变化范围没有特别限制。如前所述可使用通过学习估计的概率密度函数，或者可使用预定义的概率密度函数。作为这样通过对应于得分值连续改变变化范围来确定得分的概率密度函数的结果，可以创建用于准确地估计位置的信息。此外，可以从用于确定概率密度函数的参数中省略阈值th。对应于视界状态的判定结果对在点是对象物体的情况中和点是非物体的情况中的得分的概率密度函数的确定意味着，如果能够可靠地确保从图像获取装置Ic到真实空间中的点的视界，则得分是可信赖的并且被积极使用，如果不能可靠地确保视界，则不使用得分，而如果固定物体存在，则或者对应于得分的值使用得分，或者不积极使用得分。不使用得分的真实空间中的点是物体还是非物体的判定是基于从其他图像获取装置获得的信息来执行的。 存在概率计算装置44对于真实空间存储装置53中存储的真实空间的范围内的每个点(x，y，z)，利用从得分获取装置42获得的得分SC，x，y，z和从视界状态判定装置43获得的在物体/非物体的情况下的得分概率密度函数P (sc，χ, y，ζ/ωχ, y, ζ = l)、p(sc，χ, y, ζ/ωχ, y, Z = 0),来计算在(χ，y，ζ)处存在对象物体的后验概率，和在(X，y，ζ)处不存在对象物体的后验概率。更具体而言，通过执行以下式(1)中指示的计算来确定后验概率。
权利要求
1.一种用于估计物体位置的信息创建设备，包括物体区域图像创建装置，用于从由多个图像获取装置分别获取的每个图像，创建指示出图像中表示对象物体的区域的物体区域图像；得分确定装置，用于对于图像获取装置和真实空间中的点的每个组合，通过参照物体区域图像，确定指示出在由所述多个图像获取装置分别获取的每个图像中真实空间中的点准确表示作为位置估计对象的对象物体的程度的得分；视界状态判定装置，用于通过使用指示出何处存在对图像获取装置隐蔽对象物体的非对象物体的非对象物体存在信息来判定从每个图像获取装置到真实空间中的每个点的视界状态，并且根据视界状态判定的结果，对于图像获取装置和真实空间中的点的每个组合， 确定在点是对象物体的情况下和不是对象物体的情况下的得分的概率密度函数；存在概率计算装置，用于对与判定从图像获取装置到真实空间中的点的视界状态的结果相对应的概率密度函数进行积分，来确定在真实空间中的点处对象物体存在的存在概率；以及估计信息创建装置，用于基于由存在概率计算装置为真实空间中的每个点确定的存在概率，来对规定平面中的每个点创建用于位置估计的信息，以便估计已知被布置在相对于真实空间中的规定平面的规定高度处的对象物体存在于规定平面中的什么位置。
2.根据权利要求1所述的用于估计物体位置的信息创建设备，其中，视界状态判定装置利用非对象物体二值图像作为非对象物体存在信息，来判定从每个图像获取装置到真实空间中的每个点的视界状态，其中非对象物体二值图像是如下二值图像在该二值图像中， 由图像获取装置获取的图像中表示非对象物体的区域的像素值被定义为第一像素值，而除该区域以外的区域的像素值被定义为第二像素值。
3.根据权利要求2所述的用于估计物体位置的信息创建设备，其中视界状态判定装置把真实空间中的点转换成与图像获取装置相对应的二维坐标，并且在转换后的坐标在非对象物体二值图像的范围之外的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的，在转换后的坐标对应于非对象物体二值图像的范围内不是非对象物体的区域的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域并且该图像获取装置和真实空间中的该点的组合的得分等于或大于阈值的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，并且在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域并且该图像获取装置和真实空间中的该点的组合的得分小于阈值的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不清楚的。
4.根据权利要求3所述的用于估计物体位置的信息创建设备，其中物体区域图像创建装置创建为每个像素定义在0至1的范围中的像素值的物体区域图像，得分确定装置通过参照该物体区域图像来确定在0至1的范围中的得分，并且视界状态判定装置在从图像获取装置到真实空间中的点的视界状态被判定为良好时，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数，并且在从图像获取装置到真实空间中的点的视界状态被判定为不好的情况下或者在视界状态被判定为不清楚的情况下，确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数。
5.根据权利要求1所述的用于估计物体位置的信息创建设备，其中，视界状态判定装置通过使用真实空间中非对象物体占据的三维区域的信息作为非对象物体存在信息，来判定从每个图像获取装置到真实空间中的每个点的视界状态。
6.根据权利要求5所述的用于估计物体位置的信息创建设备，其中视界状态判定装置把真实空间中的点转换成与图像获取装置相对应的二维坐标，并且在转换后的坐标在与图像获取装置相对应的物体区域图像的范围之外的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的，在转换后的坐标在与图像获取装置相对应的物体区域图像的范围内并且在该图像获取装置与真实空间中的该点之间不存在非对象物体的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，并且在转换后的坐标在与图像获取装置相对应的物体区域图像的范围内并且在该图像获取装置与真实空间中的该点之间存在非对象物体的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的。
7.根据权利要求6所述的用于估计物体位置的信息创建设备，其中物体区域图像创建装置创建为每个像素定义在0至1的范围中的像素值的物体区域图像，得分确定装置通过参照该物体区域图像来确定在0至1的范围中的得分，并且视界状态判定装置在从图像获取装置到真实空间中的点的视界状态被判定为良好的情况下，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数，并且在从图像获取装置到真实空间中的点的视界状态被判定为不好的情况下确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数。
8.根据权利要求2所述的用于估计物体位置的信息创建设备，其中物体区域图像创建装置创建为每个像素定义在0至1的范围中的像素值的物体区域图像，得分确定装置通过参照该物体区域图像来确定在0至1的范围中的得分，并且视界状态判定装置把真实空间中的点转换成与图像获取装置相对应的二维坐标， 在转换后的坐标在非对象物体二值图像的范围之外的情况下，关于该图像获取装置和真实空间中的该点的组合，确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数，在转换后的坐标对应于非对象物体二值图像的范围内不是非对象物体的区域的情况下，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数， 在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域的情况下， 关于该图像获取装置和真实空间中的该点的组合，确定函数值的变化范围是与由得分确定装置确定的得分相对应的变化范围并且函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，并且确定函数值的变化范围是与由得分确定装置确定的得分相对应的变化范围并且函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数。
9.根据权利要求4、7或8所述的用于估计物体位置的信息创建设备，其中存在概率计算装置根据为图像获取装置和真实空间中的点的每个组合确定的得分、在对象物体存在于点处的情况下的得分概率密度函数和在对象物体不存在于点处的情况下的得分概率密度函数，对于真实空间中的每个点，计算对象物体存在的后验概率和对象物体不存在的后验概率，并且估计信息创建装置通过使用由存在概率计算装置计算出的后验概率来创建位置估计 fn息ο
10.根据权利要求9所述的用于估计物体位置的信息创建设备，其中估计信息创建装置对于真实空间中的每个点，将对象物体存在的后验概率和对象物体不存在的后验概率相比较，在满足对象物体存在的后验概率较大的条件时，为指示真实空间中的点处对象物体的存在与否的判定结果的物体信息定义意味着存在物体的规定值，或者在不满足该条件时为物体信息定义0值，并且通过对真实空间中的规定平面中的每个点，在该点处存在对象物体的情况下，确定该对象物体占据的区域，并且将该区域中的每个点的物体信息相加，来创建位置估计信息。
11.根据权利要求1至10所述的用于估计物体位置的信息创建设备，其中，物体区域图像创建装置在0至1的范围中计算在由图像获取装置获取的图像的像素处存在物体的概率，并且通过将与图像获取装置获取的图像的每个像素相对应的物体区域图像的每个像素的像素值定义为该概率的值来创建物体区域图像。
12.根据权利要求1至11所述的用于估计物体位置的信息创建设备，其中得分确定装置把真实空间中的点转换成与图像获取装置相对应的二维坐标，并且在转换后的坐标在物体区域图像的范围内的情况下，把转换后的坐标所指示的物体区域图像的像素的像素值定义为真实空间中的该点和该图像获取装置的组合的得分，并且在转换后的坐标在物体区域图像的范围之外的情况下，把指示出真实空间中的点在图像获取装置的视界之外的固定值定义为真实空间中的该点和该图像获取装置的组合的得分。
13.根据权利要求1至12所述的用于估计物体位置的信息创建设备，包括位置估计装置，用于通过使用对真实空间中的规定平面中的每个点创建的位置估计信息，来估计对象物体存在于该规定平面中的什么位置。
14.一种用于估计物体位置的信息创建方法，包括从由多个图像获取装置分别获取的每个图像，创建指示出图像中表示对象物体的区域的物体区域图像；对于图像获取装置和真实空间中的点的每个组合，通过参照物体区域图像，确定指示出在由所述多个图像获取装置分别获取的每个图像中真实空间中的点准确表示作为位置估计对象的对象物体的程度的得分；通过使用指示出何处存在对图像获取装置隐蔽对象物体的非对象物体的非对象物体存在信息来判定从每个图像获取装置到真实空间中的每个点的视界状态，并且对应于视界状态判定的结果，对于图像获取装置和真实空间中的点的每个组合，确定在点是对象物体的情况下和不是对象物体的情况下的得分的概率密度函数；通过对与判定从图像获取装置到真实空间中的点的视界状态的结果相对应的概率密度函数进行积分，来确定在真实空间中的点处对象物体存在的存在概率；以及基于为真实空间中的每个点确定的存在概率，来对规定平面中的每个点创建位置估计信息，以便估计已知被布置在相对于真实空间中的规定平面的规定高度处的对象物体存在于规定平面中的什么位置。
15.根据权利要求14所述的用于估计物体位置的信息创建方法，其中，利用非对象物体二值图像作为非对象物体存在信息，来判定从每个图像获取装置到真实空间中的每个点的视界状态，其中非对象物体二值图像是如下二值图像在该二值图像中，由图像获取装置获取的图像中表示非对象物体的区域的像素值被定义为第一像素值，而除该区域以外的区域的像素值被定义为第二像素值。
16.根据权利要求15所述的用于估计物体位置的信息创建方法，其中，当判定视界状态时，把真实空间中的点转换成与图像获取装置相对应的二维坐标， 在转换后的坐标在非对象物体二值图像的范围之外的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的，在转换后的坐标对应于非对象物体二值图像的范围内不是非对象物体的区域的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域并且该图像获取装置和真实空间中的该点的组合的得分等于或大于阈值的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，并且在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域并且该图像获取装置和真实空间中的该点的组合的得分小于阈值的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不清楚的。
17.根据权利要求16所述的用于估计物体位置的信息创建方法，其中创建为每个像素定义在0至1的范围中的像素值的物体区域图像， 通过参照该物体区域图像在0至1的范围中确定得分，并且在从图像获取装置到真实空间中的点的视界状态被判定为良好的情况下，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，并且确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数，并且在从图像获取装置到真实空间中的点的视界状态被判定为不好的情况下或者在视界状态被判定为不清楚的情况下，确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数。
18.根据权利要求14所述的用于估计物体位置的信息创建方法，其中，通过使用真实空间中非对象物体占据的三维区域的信息作为非对象物体存在信息，来判定从每个图像获取装置到真实空间中的每个点的视界状态。
19.根据权利要求18所述的用于估计物体位置的信息创建方法，其中，在判定视界状态时把真实空间中的点转换成与图像获取装置相对应的二维坐标， 在转换后的坐标在与图像获取装置相对应的物体区域图像的范围之外的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的，在转换后的坐标在与图像获取装置相对应的物体区域图像的范围内并且在该图像获取装置与真实空间中的该点之间不存在非对象物体的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，并且在转换后的坐标在与图像获取装置相对应的物体区域图像的范围内并且在该图像获取装置与真实空间中的该点之间存在非对象物体的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的。
20.根据权利要求19所述的用于估计物体位置的信息创建方法，其中创建为每个像素定义在0至1的范围中的像素值的物体区域图像， 通过参照该物体区域图像来确定在0至1的范围中的得分，在从图像获取装置到真实空间中的点的视界状态被判定为良好的情况下，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数，并且在从图像获取装置到真实空间中的点的视界状态被判定为不好的情况下确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数。
21.根据权利要求15所述的用于估计物体位置的信息创建方法，其中创建为每个像素定义在0至1的范围中的像素值的物体区域图像， 通过参照该物体区域图像在0至1的范围中确定得分，把真实空间中的点转换成与图像获取装置相对应的二维坐标， 在转换后的坐标在非对象物体二值图像的范围之外的情况下，关于该图像获取装置和真实空间中的该点的组合，确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数，在转换后的坐标对应于非对象物体二值图像的范围内不是非对象物体的区域的情况下，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数，在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域的情况下， 关于该图像获取装置和真实空间中的该点的组合，确定函数值的变化范围是与由得分确定装置确定的得分相对应的变化范围并且函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，并且确定函数值的变化范围是与由得分确定装置确定的得分相对应的变化范围并且函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数。
22.根据权利要求17、20或21所述的用于估计物体位置的信息创建方法，其中在确定在真实空间中的点处存在非对象物体的存在概率时，根据为图像获取装置和真实空间中的点的每个组合确定的得分、在对象物体存在于点处的情况下的得分概率密度函数和在对象物体不存在于点处的情况下的得分概率密度函数，对于真实空间中的每个点，计算对象物体存在的后验概率和对象物体不存在的后验概率，并且通过使用对象物体存在的后验概率和对象物体不存在的后验概率来创建位置估计信息。
23.根据权利要求22所述的用于估计物体位置的信息创建方法，其中对于真实空间中的每个点，将对象物体存在的后验概率和对象物体不存在的后验概率相比较，在满足对象物体存在的后验概率较大的条件时，为指示真实空间中的点处对象物体的存在与否的判定结果的物体信息定义意味着存在物体的规定值，或者在不满足该条件时为物体信息定义0值，并且通过对真实空间中的规定平面中的每个点，在该点处存在对象物体的情况下，确定该对象物体占据的区域，并且将该区域中的每个点的物体信息相加，来创建位置估计信息。
24.根据权利要求14至23所述的用于估计物体位置的信息创建方法，其中，在0至1 的范围中计算在由图像获取装置获取的图像的像素处存在物体的概率，并且通过将与图像获取装置获取的图像的每个像素相对应的物体区域图像的每个像素的像素值定义为该概率的值来创建物体区域图像。
25.根据权利要求14至M所述的用于估计物体位置的信息创建方法，其中把真实空间中的点转换成与图像获取装置相对应的二维坐标，在转换后的坐标在物体区域图像的范围内的情况下，把转换后的坐标所指示的物体区域图像的像素的像素值定义为真实空间中的该点和该图像获取装置的组合的得分，并且在转换后的坐标在物体区域图像的范围之外的情况下，把指示出真实空间中的点在图像获取装置的视界之外的固定值定义为真实空间中的该点和该图像获取装置的组合的得分。
26.根据权利要求14至25所述的用于估计物体位置的信息创建方法，其中，利用对真实空间中的规定平面中的每个点创建的位置估计信息，来估计在该规定平面中对象物体存在的位置。
27.一种用于估计物体位置的信息创建程序，使得计算机执行物体区域图像创建处理，用于从由多个图像获取装置分别获取的每个图像，创建指示出图像中表示对象物体的区域的物体区域图像；得分确定处理，用于对于图像获取装置和真实空间中的点的每个组合，通过参照物体区域图像，确定指示出在由多个图像获取装置分别获取的每个图像中真实空间中的点准确表示作为位置估计对象的对象物体的程度的得分；视界状态判定处理，用于通过使用指示出何处存在对图像获取装置隐蔽对象物体的非对象物体的非对象物体存在信息来判定从每个图像获取装置到真实空间中的每个点的视界状态，并且对应于视界状态判定的结果，对于图像获取装置和真实空间中的点的每个组合，确定在点是对象物体的情况下和不是对象物体的情况下的得分的概率密度函数；存在概率计算处理，用于对与判定从图像获取装置到真实空间中的点的视界状态的结果相对应的概率密度函数进行积分，来确定在真实空间中的点处对象物体存在的存在概率；以及估计信息创建处理，用于基于在存在概率计算处理中为真实空间中的每个点确定的存在概率，来对真实空间中的规定平面中的每个点创建位置估计信息，以便估计已知被布置在相对于该规定平面的规定高度处的对象物体存在于该规定平面中的什么位置。
28.根据权利要求27所述的用于估计物体位置的信息创建程序，其中，使得计算机在视界状态判定处理中，通过使用非对象物体二值图像作为非对象物体存在信息，来判定从每个图像获取装置到真实空间中的每个点的视界状态，其中非对象物体二值图像是如下二值图像在该二值图像中，由图像获取装置获取的图像中表示非对象物体的区域的像素值被定义为第一像素值，而除该区域以外的区域的像素值被定义为第二像素值。
29.根据权利要求观所述的用于估计物体位置的信息创建程序，其中，使得计算机在视界状态判定处理中，把真实空间中的点转换成与图像获取装置相对应的二维坐标， 在转换后的坐标在非对象物体二值图像的范围之外的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的，在转换后的坐标对应于非对象物体二值图像的范围内不是非对象物体的区域的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域并且该图像获取装置和真实空间中的该点的组合的得分等于或大于阈值的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，并且在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域并且该图像获取装置和真实空间中的该点的组合的得分小于阈值的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不清楚的。
30.根据权利要求四所述的用于估计物体位置的信息创建程序，其中，使得计算机在物体区域图像创建处理中创建为每个像素定义在0至1的范围中的像素值的物体区域图像，在得分确定处理中通过参照该物体区域图像来确定在0至1的范围中的得分，并且在视界状态判定处理中在从图像获取装置到真实空间中的点的视界状态被判定为良好的情况下，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数，并且在从图像获取装置到真实空间中的点的视界状态被判定为不好的情况下或者在视界状态被判定为不清楚的情况下，确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数。
31.根据权利要求27所述的用于估计物体位置的信息创建程序，其中，使得计算机在视界状态判定处理中通过使用真实空间中非对象物体占据的三维区域的信息作为非对象物体存在信息，来判定从每个图像获取装置到真实空间中的每个点的视界状态。
32.根据权利要求31所述的用于估计物体位置的信息创建程序，其中，使得计算机在视界状态判定处理中，把真实空间中的点转换成与图像获取装置相对应的二维坐标，并且在转换后的坐标在与图像获取装置相对应的物体区域图像的范围之外的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的，在转换后的坐标在与图像获取装置相对应的物体区域图像的范围内并且在该图像获取装置与真实空间中的该点之间不存在非对象物体的情况下判定从该图像获取装置到真实空间中的该点的视界状态是良好的，并且在转换后的坐标在与图像获取装置相对应的物体区域图像的范围内并且在该图像获取装置与真实空间中的该点之间存在非对象物体的情况下判定从该图像获取装置到真实空间中的该点的视界状态是不好的。
33.根据权利要求32所述的用于估计物体位置的信息创建程序，其中，使得计算机在物体区域图像创建处理中创建为每个像素定义在0至1的范围中的像素值的物体区域图像，在得分确定处理中通过参照该物体区域图像来确定在0至1的范围中的得分，并且在视界状态判定处理中在从图像获取装置到真实空间中的点的视界状态被判定为良好的情况下，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，并且确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数，并且在从图像获取装置到真实空间中的点的视界状态被判定为不好的情况下确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数。
34.根据权利要求观所述的用于估计物体位置的信息创建程序，其中，使得计算机在物体区域图像创建处理中创建为每个像素定义在0至1的范围中的像素值的物体区域图像，在得分确定处理中通过参照该物体区域图像来确定在0至1的范围中的得分，并且在视界状态判定处理中把真实空间中的点转换成与图像获取装置相对应的二维坐标，在转换后的坐标在非对象物体二值图像的范围之外的情况下，关于该图像获取装置和真实空间中的该点的组合，确定具有均勻分布的函数作为在该点是对象物体的情况下和在该点不是对象物体的情况下的得分概率密度函数，在转换后的坐标对应于非对象物体二值图像的范围内不是非对象物体的区域的情况下，关于该图像获取装置和真实空间中的该点的组合，确定函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，并且确定函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数，在转换后的坐标对应于非对象物体二值图像的范围内的非对象物体的区域的情况下， 关于该图像获取装置和真实空间中的该点的组合，确定函数值的变化范围是与在得分确定处理中确定的得分相对应的变化范围并且函数值随着得分接近1而增大的概率密度函数作为在该点是对象物体的情况下的得分概率密度函数，并且确定函数值的变化范围是与在得分确定处理中确定的得分相对应的变化范围并且函数值随着得分接近0而增大的概率密度函数作为在该点不是对象物体的情况下的得分概率密度函数。
35.根据权利要求30、33或34所述的用于估计物体位置的信息创建程序，其中，使得计算机在存在概率计算处理中根据为图像获取装置和真实空间中的点的每个组合确定的得分、在对象物体存在于点处的情况下的得分概率密度函数和在对象物体不存在于点处的情况下的得分概率密度函数，对于真实空间中的每个点，计算对象物体存在的后验概率和对象物体不存在的后验概率，并且在估计信息创建处理中通过使用在存在概率计算处理中计算出的后验概率来创建位置估计信息。
36.根据权利要求35所述的用于估计物体位置的信息创建程序，其中，使得计算机在估计信息创建处理中，对于真实空间中的每个点，将对象物体存在的后验概率和对象物体不存在的后验概率相比较，在满足对象物体存在的后验概率较大的条件时，为指示真实空间中的点处对象物体的存在与否的判定结果的物体信息定义意味着存在物体的规定值，或者还在不满足该条件时为物体信息定义0值，并且通过对真实空间中的规定平面中的每个点，在该点处存在对象物体的情况下，确定该对象物体占据的区域，并且将该区域中的每个点的物体信息相加，来创建位置估计信息。
37.根据权利要求27至36所述的用于估计物体位置的信息创建程序，其中，使得计算机在物体区域图像创建处理中在0至1的范围中计算在由图像获取装置获取的图像的像素处存在物体的概率，并且通过将与图像获取装置获取的图像的每个像素相对应的物体区域图像的每个像素的像素值定义为该概率的值来创建物体区域图像。
38.根据权利要求27至37所述的用于估计物体位置的信息创建程序，其中，使得计算机在得分确定处理中把真实空间中的点转换成与图像获取装置相对应的二维坐标，并且在转换后的坐标在物体区域图像的范围内的情况下，把转换后的坐标所指示的物体区域图像的像素的像素值定义为真实空间中的该点和该图像获取装置的组合的得分，并且在转换后的坐标在物体区域图像的范围之外的情况下，把指示出真实空间中的点在图像获取装置的视野之外的固定值定义为真实空间中的该点和该图像获取装置的组合的得分。
39.根据权利要求27至38所述的用于估计物体位置的信息创建程序，其中，使得计算机执行位置估计处理，其中利用对真实空间中的规定平面中的每个点创建的位置估计信息，来估计在该规定平面中对象物体存在的位置。
全文摘要
得分确定装置(62)对于多个图像获取装置之一和真实空间内的点之一的每个组合，确定指示出在由多个图像获取装置分别获取的每个图像内真实空间内的点表现得像对象物体的程度的得分。视界状态识别装置(63)利用指示出何处存在对图像获取装置隐藏对象物体的非对象物体的非对象物体存在信息来识别从每个图像获取装置到真实空间内的每个点的视界状态，并且根据识别结果来确定得分的概率密度函数。存在概率计算装置(64)利用图像获取装置和真实空间内的点的每个组合的概率密度函数来获得每个点处对象物体的存在概率。估计信息创建装置(65)从存在概率创建用于位置估计的信息。
文档编号G01B11/00GK102369549SQ20108001063
公开日2012年3月7日 申请日期2010年3月4日 优先权日2009年3月4日
发明者池田浩雄 申请人:日本电气株式会社