JP6236687B2 - 時系列フィルタ処理による架線類検測装置 - Google Patents

Description

本発明は、時系列フィルタを用いて架線類の偏位などを検査・測定するための架線類検測装置に関するものである。

非特許文献１（北川源四郎，"モンテカルロ・フィルタおよび平滑化について," 数理統計，第44巻，第1号，pp. 31-48，1996）では、時系列フィルタであるモンテカルロ・フィルタ（パーティクルフィルタと呼ばれる手法と同様の手法である。以後パーティクルフィルタという。）の提案を行っている。

ここで、パーティクルフィルタについて、図１に基づき説明する。
先ず、図１上段は横軸が状態、縦軸が確率を示す確率密度分布である。本手法では状態は場合によって変わるが（架線の偏位・摩耗の開始位置・摩耗の幅×架線の本数）、どれも多次元になるため、ここでは簡単のため１次元の概念図にして説明している（例えば架線偏位における確率を表す関数とみなせる）。図１上段左は、状態（架線位置、摩耗幅など）の確率密度分布が一様分布であり、図１上段中央は、事後分布に状態遷移モデルをかけて状態の分布を算出している。

次に、図１中段は、確率密度分布を離散化して表示したものになる。確率密度分布のような連続関数は数式で表せない場合は計算が不可能であるが、離散化・近似を行うことで元の確率密度分布に近しい値を算出することが出来る。これを図中では、「確率密度分布の近似」と示している。
ここではモンテカルロ法（連続関数の積分値を求める代わりに離散化した値の積和で近似する手法）を用いて離散化している。要は確率密度分布において高い値を示す箇所では密に離散化を、低い箇所では疎に離散化を行う。

図1中段左では確率密度分布が一様分布だったため等間隔に離散化を行っている。またこの離散化した際に表現した点の事を粒子（パーティクル）と呼ぶ。
図１下段では、図１中段で得られた離散化した粒子に対して、尤もらしいどうかの評価を行う。これには観測データ（例えば架線偏位の情報が観測されたデータ）を用いる。ここで粒子が尤もらしければ高い値を、尤もらしくなければ低い値を与える。これを尤度という。観測データにより尤度が算出される（事後分布）。

全粒子に対して尤度評価を行うことで事後確率（事後分布）が得られる。これは最初に与えられた確率密度分布を事前確率とすると、尤度を用いてベイズの定理で事後確率が求められるためである。よって図１下段は事後確率を表す。
これが左→中→右と矢印で示すように、時刻とともに変わる観測データに合わせて変わっていく様子を示したのが図１である。実際には右で終わるのではなく、時刻分この処理が行われる。これを図中で「繰り返し」と説明している。

なお、「図１上段中央は、事後分布に状態遷移モデルをかけて状態の分布を算出している。」と説明したが、ここで、「状態遷移モデル」とは、例えば、架線偏位がx1という位置であったら次の時刻にはx2という位置になる確率、の事であり、前時刻の事後分布に対して状態遷移モデル（状態遷移確率、状態遷移方程式とも言う）を用いる事で、新しい（現時刻の）事前分布を得ることが出来る。

ちなみに実際に得られる事前分布は離散化されたものであり、図１で言うと処理的には左下段の事後分布を使用し、中の中段の事前分布を得るという事になる。図１上段はもしこの事前分布を連続関数（確率密度分布）で表すとどうなるかというイメージ図になる。

特許文献１（特開２０１２−２０８０９５，「トロリ線測定方法及び装置」）では、光を投光し、その反射光を受光することによってトロリ線（架線のこと）の外形を測定するトロリ線測定方法において、剛体電車線区間でトロリ線及びその近傍の電車線設備の画像を撮影し、撮影画像に基づいて前記電車線設備の偏位を測定し、その測定結果をトロリ線の外形の測定に反映させる手法である。

特許文献２（特開２００８−２９８７３３，「画像処理によるトロリ線摩耗測定装置」）では、ラインセンサにより得られた数ライン分の画像をまとめて処理し、時間的に連続な架線の摩耗の測定を行う事ができる。

特許文献３（特開２００９−２７４５０８，「トロリ線摩耗量測定方法および測定システム」）では、ラインセンサにより得られた画像から架線以外の背景部分の平均値を用いることでノイズを除去し、他にもキロ程情報を用いることで架線の摩耗の測定を行う。

特開２０１２―２０８０９５ 特開２００８―２９８７３３ 特開２００９―２７４５０８

北川源四郎，"モンテカルロ・フィルタおよび平滑化について," 数理統計，第44巻，第1号，pp. 31-48，1996

非特許文献１の方法は、本発明と関連があるパーティクルフィルタの論文である。本発明ではこのパーティクルフィルタを応用して架線検測を行う。

特許文献１の方法では、既に計測された電車線設備や架線の偏位を利用して、新たな架線を測定する手法であるが、決定論的な手法であり、結果が既存の計測データに大きく依存してしまう可能性がある。

特許文献２の方法では、ラインセンサにより得られた架線を数ライン分まとめて処理し、その接続性を見ることで高精度に架線の摩耗計測ができるが、特許文献１同様決定論的な手法であること、数ラインまとめる場合の区切り方によっても結果が変わってしまう事が問題である。

特許文献３の方法では画像処理的な背景除去だけでなくキロ程情報も活用することで高精度な架線摩耗を計測しているが、特許文献１，２同様決定論的な手法であること、キロ程情報の誤差によって結果が変わることが問題である。

上記課題を解決する本発明の請求項１に係る架線類検測装置は、確率論的時系列フィルタを用いた画像データ処理により電車上の架線類を高精度に計測する架線類検測装置において、前記電車上面に配置されたラインセンサにより時系列に撮影された前記架線類の偏位・幅・摩耗幅を含む画像データを入力する画像入力部と、前記架線類の偏位・幅・摩耗幅のランダムなパラメータを持つパーティクルを用意するパーティクル初期化部と、前記パーティクル初期化部により用意された前記パーティクル及び前記画像入力部で入力された前時刻の前記画像データを使用して尤度関数に基づき尤度値を計算する尤度計算部と、前記尤度計算部で計算された尤度値に基づき、尤度値の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行うリサンプリング部と、前記リサンプリング部でリサンプリングした前記パーティクルのパラメータを状態遷移モデルに基づいて変化させて新たなパーティクルを作成する状態遷移部と、から構成することを特徴とする。

上記課題を解決する本発明の請求項２に係る架線類検測装置は、請求項１において、前記架線類は、単一又は複数の架線であることを特徴とする。

上記課題を解決する本発明の請求項３に係る架線類検測装置は、請求項２において、前記架線類は、吊架線を含むことを特徴とする。
上記課題を解決する本発明の請求項４に係る架線類検測装置は、請求項２又は３において、前記架線類は、渡り線を含むことを特徴とする。

上記課題を解決する本発明の請求項５に係る架線類検測装置は、請求項１において、前記ラインセンサは、複数であり、前記架線類の高さをも計測し、また、前記パーティクル初期化部は、前記架線類の高さもパラメータに含むことを特徴とする。

上記課題を解決する本発明の請求項６に係る架線類検測装置は、請求項１において、前記尤度関数は、前記架線類の摩耗領域前後の画素値の差分の絶対値と、前記架線類の摩耗領域の平均画素値から前記架線類領域の平均画素値を減算した場合の差分値と、前時刻の前記架線類の偏位・幅・摩耗幅と現時刻の前記架線類の偏位・幅・摩耗幅の差とに基づくことを特徴とする。

(1) 前時刻の画像情報を使用した予測による架線類、即ち、単一の架線、複数架線、架線・吊架線、架線・吊架線・渡り線検測が可能である。
(2) 過去に計測した架線類、即ち、単一の架線、複数架線、架線・吊架線、架線・吊架線・渡り線情報を状態遷移方程式として利用した単一の架線・吊架線・渡り線検測が可能である。
(3) 確率論にもとづく予測を用いた架線類、即ち、単一の架線、複数架線、架線・吊架線、架線・吊架線・渡り線検測が可能である。
(4) 複数のカメラを用いた架線・吊架線・渡り線検測の高精度化と架線・吊架線・渡り線の高さ計測が可能である。

パーティクルフィルタの概要図である。 本発明の第１〜４の実施例に係る架線類検測装置のフローチャートである。 本発明の第１〜５の実施例に係る架線類検測装置のブロック図である。 本発明の第５の実施例に係るフローチャートである。 前ラインと次ラインとの関係を示すグラフである。 ラインセンサにより時系列的に撮影される画像データのイメージ図である。

電車上面からラインセンサカメラを用いて撮影した架線類の軌跡を正確に計測したいという要望がある。ここで、架線類とは、本発明においては、単一又は複数の架線を意味する他、更に、吊架線、渡り線を含めた意味で使用する。

しかしながら、画像上には様々なものが計測されることや、屋外環境で太陽光など様々な計測困難な要因があるため単純な画像処理で架線のみを検出することは困難である。
そこで、まず、本発明では特許文献１，２，３同様、電車上面よりカメラで架線を撮影する際に光を投光することを考える。
光を投光することにより、架線の摩耗面が光を反射し、それを計測することで高精度な架線検測の実現を目指す。

さらに、本発明では架線の特徴である「摩耗領域の前後で画素値が大きく変わる」、「摩耗領域の平均画素値の方が摩耗領域を除いた架線領域の平均画素値よりも大きい」、「架線領域および摩耗領域は前ラインの偏位や高さから大幅に変化しない」といった情報を用いて、架線偏位およびその摩耗幅の画像処理を用いた計測を行う。
まず、「架線領域および摩耗領域は前ラインの偏位から大幅に変化しない」という特徴があることから、非特許文献１の追跡に有効な時系列フィルタであるパーティクルフィルタを用いて架線の偏位・摩耗を推定する。

パーティクルフィルタの特徴として時系列情報を用いた予測が行えること、決定論ではなく確率論を扱えることが挙げられる。
時系列情報を用いた予測には状態遷移確率が導入できるため、上記の特徴に加えて過去の計測によって既知となっている情報を確率モデルとして使用できる（図１）。

パーティクルフィルタでは確率密度分布をサンプリングにより離散化して扱うことにより計算困難性を解消している。
このサンプリング点をパーティクルと呼ぶ。各パーティクルがどれだけ最適解として尤もらしいかを尤度計算によって求めている。
この際尤度関数をどのように設定するかが非常に重要となる。

本発明では複数の要素を考慮した尤度関数を用いることで尤もらしさを計算する。まずパーティクルフィルタの状態ベクトルはラインセンサで撮像された１ライン中の架線の偏位、架線の端から端までの架線幅、摩耗領域の幅の３次元ベクトルとする。

次に、尤度関数として、摩耗領域の前後で画素値が大きく変わること、摩耗領域の平均画素値の方が摩耗領域を除いた架線領域の平均画素値よりも大きくなること、架線領域および摩耗領域は前ラインの偏位から大幅に変化しないことを考慮した尤度関数を設定した。

つまり、尤度関数は、摩耗領域前後の画素値の差分の絶対値と、摩耗領域の平均画素値から架線領域の平均画素値を減算した場合の差分値と、前時刻（前ライン）の偏位と現時刻（現ライン）の偏位の差（架線幅以内であればあるほど高い値にする。それより離れた場合は０）とに基づく。

具体的には、この３つを組み合わせて尤度関数としている。現状ではそれぞれの値を全て和算したものを用いているが、場合によって各項目の重みを大きくするといった処理（重み付け和）をしている。尤度値は尤度と同じである。
また、架線の形状は大幅には変化が無いことが分かっていることから、偏位情報は前ライン情報を用いて次ラインのおおまかな偏位が推測できる。

この情報を用いて状態遷移モデルを定義することで高精度な推定が可能になると考えられる。
具体的には現状では２つのケースと手法を考えている。

１つは架線の推移が全く分からない場合の「ランダムウォーク」という手法である。これはランダムに状態遷移させようという手法である。パーティクルフィルタはよくこの方法が用いられる。架線検測では架線偏位は大幅には変化しない事が分かっているので、変化可能な範囲内でランダムウォークをさせる。

もう１つは、事前に架線の形状と自己位置が既知の場合である。この場合、架線の偏位が次の時刻でどこに来るかがほぼ分かっているため、その情報を状態遷移モデルとして使用する。

本発明では、図１にあるような確率密度分布を利用することで、前ラインでの推定（もっとも確率が高かった事例）に誤差が存在した場合でも、次ラインの推定には誤差の生じた結果以外の情報も用いる事ができるため、特許文献１，２，３のような決定論的なアプローチと比べ毎ラインのロバストな推定が可能になる。

ここで、前ライン、次ラインとは、図５に示すように、前時刻のデータ、次時刻のデータと意味である。即ち、図５は、ラインセンサカメラで得られたラインデータを時刻順に並べたグラフであり、本発明の説明において前ライン、次ラインとは例えば時刻tで得られたラインデータに対して、時刻t−1で得られたデータ、時刻t＋1で得られたデータの事を指す。

また、本発明では、特許文献２のように「架線の検出」→「連続性の確認」というアプローチではなく、「連続性のある領域で架線を抽出」ということを行うため、誤検出の低減、検出精度の向上が可能である。
前述した図１の説明では、「モンテカルロ法」、「パーティクル」という単語を使用した。これらの方法を用いて時系列データを処理する時系列フィルタの事を「パーティクルフィルタ」もしくは「モンテカルロフィルタ」と言う。

事後分布から事前分布を求める方法に「重点サンプリング法」「マルコフ連鎖モンテカルロ法」など様々な派生があるが、基本的に図１の流れで処理をする手法は全て「パーティクルフィルタ」「モンテカルロフィルタ」と言う。
全く同じ概念のものであるが、近年ではパーティクルフィルタと呼ばれる事が多い手法である。そのため本発明でもパーティクルフィルタと呼んでいる。参考文献ではモンテカルロフィルタと呼んでいたため、同様のものであると説明を加えたが、全く同一の概念である。ちなみに本発明では「重点サンプリング」という方法を事前分布を得るために用いる。

また時系列フィルタにも様々な物があるが、ここで使用している「パーティクルフィルタ」はその中の１つである。また「パーティクルフィルタ」は確率論的アプローチを取る手法のため、確率論的時系列フィルタという呼び方もできる。そこで請求の範囲でそのような名前を使用した。ちなみに確率論的時系列フィルタには他にも「カルマンフィルタ」などがあるが、本発明ではパーティクルフィルタのみを使用している。

ここで、「決定論」と「確率論」について、簡単に対比すると以下の通りである。
雲が上空に30％ある状態を「晴れ」と説明するのが決定論、「30％の雲がある晴れ」と説明するのが確率論である。○×だけでなくその程度も考慮する事ができるのが確率論的アプローチの優位性である。

「決定論では、「架線の抽出」→「連続性の確認」」となる。これが問題なのは、本当に正しいかどうか分からなくても「この箇所は架線だ」という決定論を毎時刻行い、後からそれが連続していたから正しいという判断をしている事である。
どこか１時刻でも間違っていた場合や何かしらの理由で架線が撮像できなかった場合、連続性が途切れてしまい、誤認識する事になる。

それに対して確率論では各時刻で架線らしい領域とその尤もらしさを評価している。
前述の決定論的手法だとある1箇所を架線として判定するが、確率論的手法だと複数箇所の（本発明で言えば各パーティクルの）尤もらしさを用いるので、ある１点の結果に左右されない判定を行うことができる。

(1) 基本的な考え方（実施例１）
本発明の目的は、時系列フィルタを用いた画像処理により架線の偏位・架線幅・摩耗幅を高精度に計測する架線類検測装置を提供することである。

以下の実施例では、一例として、特許文献１，２，３などで述べられているように、ラインセンサ（図示省略）を電車上面に鉛直上方を見上げるように設置し、光を投光して、架線を横切るように枕木方向に沿って走査することにより１ライン分の輝度信号を撮影し、撮影された１ライン分の輝度信号を時系列に並べた画像中の背景と架線との濃淡の差から、画像処理により、図６に示すように、架線偏位・架線幅・摩耗幅を時系列的に取得する。

図６は、時刻（ｔ−１），ｔ，（ｔ＋１）において、ラインセンサで時系列的に撮影した画像データを示すものである。架線１の摩耗幅Ａは、投光されているため、輝度値が高く白色領域となり、架線１の摩耗幅Ａ以外の架線幅Ｂは輝度値が低く黒色領域となる。背景領域は、昼間に計測する場合は、白と黒の中間のグレーとなる。基準点Ｃからの架線の磨耗幅Ａ又は架線幅Ｂの中心Ｅまでの距離が架線の偏位（枕木方向）Ｄとなる。

本実施例に係る装置構成例を図３に示す。
本実施例に係る架線類検測装置は、図３に示すように、画像入力部１０、記憶部２０、パーティクル初期化部３０、尤度計算部４０、リサンプリング部５０、状態遷移部６０、より構成する。

画像入力部１０では、ラインセンサで時系列的に撮影した１ライン分の画像データを入力し、記憶部２０へ保管する。画像データには、図６に示すような、時系列的な架線偏位・架線幅・摩耗幅が含まれる。
記憶部２０では、画像データ、パーティクルデータ、状態遷移確率などの種々のパラメータデータを保管する。

パーティクル初期化部３０では、一定数のパーティクルに設定した範囲・密度でランダムなパラメータ（架線偏位・架線幅・摩耗幅）を設定し、範囲・密度・各パーティクルのパラメータを記憶部２０に保管する。
尤度計算部４０では、尤度関数に基づき、各パーティクルのパラメータと画像データを用いて尤度を計算し、各パーティクルに与えられた尤度を記憶部２０に保管する。

リサンプリング部５０では、尤度に基づき、尤度の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行う。リサンプリングしたパーティクルは記憶部２０で保管し、リサンプリングに使用したパーティクルは消去する。
状態遷移部６０は、リサンプリングしたパーティクルのパラメータを状態遷移モデルに基づいて変化させ新たなパーティクルを作成し、記憶部２０で保管する。作成した新たなパーティクルによれば、確率論として、架線偏位・架線幅・摩耗幅を高精度に計測したことになる。

ここで、初期状態での事前分布は通常未知である。そのため図１の左のように、確率密度分布は一様分布と仮定するのが一般的である。
この一様分布をパーティクル初期化部３０によりランダムな値をもつパーティクルで表現し、各パーティクルに対して画像データを用いて尤度計算部４０により尤度を計算し、リサンプリング部５０により事後分布を作成するというのが本実施例の手順である。

なお、「パーティクルフィルタ」とは、図1により説明した通り、モンテカルロ法とパーティクルを使い、時系列データを時刻毎に処理することである。よって図２のフローチャートで示す流れはパーティクルフィルタの流れそのものになる。
また、「時系列フィルタを用いた画像処理」は、尤度計算を行う際に観測データ（画像データ）を用いる部分にある。

本実施例によるフローチャートを図２に示す。
先ず、ラインセンサにより時系列的に撮像された１ラインの画像データを画像入力部１０により入力する（ステップＳ１）。
次に、各パラメータ（架線偏位、架線幅、摩耗幅）に設定した範囲・密度でランダムな値をもつパーティクルをパーティクル初期化部３０で用意する（ステップＳ２）。
引き続き、尤度関数に基づき、各パーティクルのパラメータと前ラインの画像データを用いて、各パーティクルの尤度を尤度計算部４０により計算する（ステップＳ３）。

そして、尤度に基づいてリサンプリング処理をリサンプリング部５０により行い、リサンプリング後のパーティクルに状態遷移モデルを用いることで状態遷移部６０により新たなパーティクルを作成する（ステップＳ４）。

その後、ラインセンサによる時系列的な撮像が終了するまで（ステップＳ５）、次の新たに撮像された１ラインの画像データを入力し（ステップＳ６）、ステップＳ３に戻る。

このように説明したように、実施例１によれば、以下の効果を奏する。
(1) 前時刻の画像情報を使用した予測による架線検測が可能である。
(2) 過去に計測した架線情報を状態遷移方程式として利用した架線検測が可能である。
(3) 確率論に基づく予測を用いた架線検測が可能である。

(2) 基本的な考え方（実施例２）
本発明の目的は、時系列フィルタを用いた画像処理により複数架線の偏位・架線幅・摩耗幅を高精度に計測する架線類検測装置を提供することである。

実施例１との違いは、単一の架線ではなく複数架線にも対応できる点である。
実施例１では架線偏位、架線幅、摩耗幅を同時に求めるため、各パーティクルは３次元のパラメータを保持していたが、架線が複数になる事でこのパラメータを変更する必要がある。

具体的には架線が架線１ａ、架線１ｂの２本の場合、架線１ａの偏位、架線１ａの幅、架線１ａの摩耗幅、架線１ａと架線１ｂの距離（架線１ａの偏位と架線１ｂの偏位の偏差）、架線１ｂの幅、架線１ｂの摩耗幅の６次元パラメータになる。

事前にある程度分かっている２本の架線の幅の情報を用いることで、架線が１本しか無かった場合よりも高精度な認識が可能になるだけでなく、架線の本数が変化する場合にもパーティクルの次元を変更することで柔軟に対応できるようになる。
尤度は、実施例１で用いたものを全架線の本数分に対応をさせることで尤度計算を実現する。

本実施例に係る装置構成例は図３に示すように実施例１と同様である。
そのため、本実施例に係る架線類検測装置は、図３に示すように、画像入力部１０、記憶部２０、パーティクル初期化部３０、尤度計算部４０、リサンプリング部５０、状態遷移部６０、より構成する。

画像入力部１０では、ラインセンサで時系列的に撮影した１ライン分の画像データを入力し、記憶部２０へ保管する。画像データには、図６に示すような、時系列的な架線偏位・架線幅・摩耗幅が含まれる。
記憶部２０では、画像データ、パーティクルデータ、状態遷移確率などの種々のパラメータデータを保管する。

パーティクル初期化部３０では、一定数のパーティクルに設定した範囲・密度でランダムなパラメータ（架線偏位や複数本ある架線の距離、架線本数分の架線幅、架線本数分の摩耗幅）を設定し、範囲・密度・各パーティクルのパラメータを記憶部２０に保管する。
尤度計算部４０では、尤度関数に基づき、各パーティクルのパラメータと画像データを用いて尤度を計算し、各パーティクルに与えられた尤度を記憶部２０に保管する。

リサンプリング部５０では、尤度に基づき、尤度の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行う。
リサンプリングしたパーティクルは記憶部２０で保管し、リサンプリングに使用したパーティクルは消去する。

状態遷移部６０は、リサンプリングしたパーティクルのパラメータを状態遷移モデルに基づいて変化させ新たなパーティクルを作成し、記憶部２０で保管する。作成した新たなパーティクルによれば、確率論として、複数架線の偏位・架線幅・摩耗幅を高精度に計測したことになる。

本実施例によるフローチャートを図２に示す。
先ず、ラインセンサにより時系列的に撮像された１ラインの画像データを画像入力部１０により入力する（ステップＳ１）。
次に、各パラメータ（複数架線の偏位・架線幅・摩耗幅）に設定した範囲・密度でランダムな値をもつパーティクルをパーティクル初期化部３０で用意する（ステップＳ２）。

引き続き、尤度関数に基づき、各パーティクルのパラメータと前ラインの画像データを用いて、各パーティクルの尤度を尤度計算部４０により計算する（ステップＳ３）。
そして、尤度に基づいてリサンプリング処理をリサンプリング部５０により行い、リサンプリング後のパーティクルに状態遷移モデルを用いることで状態遷移部６０により新たなパーティクルを作成する（ステップＳ４）。

その後、ラインセンサによる時系列的な撮像が終了するまで（ステップＳ５）、次の新たに撮像された１ラインの画像データを入力し（ステップＳ６）、ステップＳ３に戻る。

このように説明したように、実施例２によれば、以下の効果を奏する。
(1) 前時刻の画像情報を使用した予測による複数架線検測が可能である。
(2) 過去に計測した複数架線情報を状態遷移方程式として利用した複数架線検測が可能である。
(3) 確率論にもとづく予測を用いた複数架線検測が可能である。

(3) 基本的な考え方（実施例３）
本発明の目的は、時系列フィルタを用いた画像処理により複数架線の偏位・摩耗幅及び吊架線の偏位を高精度に計測する架線・吊架線類検測装置を提供することである。

実施例１，２との違いは、架線だけではなく吊架線にも対応できる点である。パーティクルのパラメータは実施例１，２同様、架線１本につき３パラメータと、吊架線１本につき吊架線偏位（架線からの相対距離）、吊架線幅の２パラメータを加えたものとなる。なお、吊架線は、パンタグラフと非接触の為、摩耗しない。そのため、吊架線には、摩耗幅は存在しない。
尤度は、実施例２で用いたものに、背景よりも吊架線の画素値が低い傾向があることを考慮した尤度関数を加えて、尤度計算を実現する。つまり、尤度関数は、背景と吊架線の画素値の差にも基づく。

本実施例に係る装置構成例は図３に示すように実施例1と同様である。
そのため、本実施例に係る架線類検測装置は、図３に示すように、画像入力部１０、記憶部２０、パーティクル初期化部３０、尤度計算部４０、リサンプリング部５０、状態遷移部６０、より構成する。

画像入力部１０では、ラインセンサで時系列的に撮影した１ライン分の画像データを入力し、記憶部２０へ保管する。画像データには、図６に示すような、時系列的な架線偏位・架線幅・摩耗幅が含まれる。
記憶部２０では、画像データ、パーティクルデータ、状態遷移確率などの種々のパラメータデータを保管する。

パーティクル初期化部３０では、一定数のパーティクルに設定した範囲・密度でランダムなパラメータ（架線偏位や複数本ある架線の距離、架線本数分の架線幅、架線本数分の摩耗幅、本数分の吊架線の偏位、本数分の吊架線の幅）を設定し、範囲・密度・各パーティクルのパラメータを記憶部２０に保管する。

尤度計算部４０では、尤度関数に基づき、各パーティクルのパラメータと画像データを用いて尤度を計算し、各パーティクルに与えられた尤度を記憶部２０に保管する。
リサンプリング部５０では、尤度に基づき、尤度の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行う。

リサンプリングしたパーティクルは記憶部２０で保管し、リサンプリングに使用したパーティクルは消去する。
状態遷移部６０は、リサンプリングしたパーティクルのパラメータを状態遷移モデルに基づいて変化させ新たなパーティクルを作成し、記憶部２０で保管する。作成した新たなパーティクルによれば、確率論として、複数架線の偏位・架線幅・摩耗幅及び吊架線の幅・偏位を高精度に計測したことになる。

本実施例によるフローチャートを図２に示す。
先ず、ラインセンサにより時系列的に撮像された１ラインの画像データを画像入力部１０により入力する（ステップＳ１）。
次に、各パラメータ（架線偏位や複数本ある架線の距離、架線本数分の架線幅、架線本数分の摩耗幅、本数分の吊架線の偏位、本数分の吊架線の幅）に設定した範囲・密度でランダムな値をもつパーティクルをパーティクル初期化部３０で用意する（ステップＳ２）。

引き続き、尤度関数に基づき、各パーティクルのパラメータと前ラインの画像データを用いて、各パーティクルの尤度を尤度計算部４０により計算する（ステップＳ３）。
そして、尤度に基づいてリサンプリング処理をリサンプリング部５０により行い、リサンプリング後のパーティクルに状態遷移モデルを用いることで状態遷移部６０により新たなパーティクルを作成する（ステップＳ４）。

その後、ラインセンサによる時系列的な撮像が終了するまで（ステップＳ５）、次の新たに撮像された１ラインの画像データを入力し（ステップＳ６）、ステップＳ３に戻る。

このように説明したように、実施例３によれば、以下の効果を奏する。
(1) 前時刻の画像情報を使用した予測による架線・吊架線検測が可能。
(2) 過去に計測した架線・吊架線情報を状態遷移方程式として利用した架線・吊架線検測が可能。
(3) 確率論にもとづく予測を用いた架線・吊架線検測が可能。

(4) 基本的な考え方（実施例４）
本発明の目的は、時系列フィルタを用いた画像処理により複数架線の偏位・摩耗幅・吊架線及び渡り線の偏位を高精度に計測する架線・吊架線・渡り線検測装置を提供することである。

実施例３との違いは、架線・吊架線だけでなく渡り線にも対応できる点である。
パーティクルのパラメータは実施例３同様、架線１本につき３パラメータと、吊架線１本につき吊架線偏位（架線からの相対距離）、吊架線幅の２パラメータ、さらに渡り線偏位、渡り線幅の２パラメータを加えたものとなる。なお、吊架線及び渡り線は、パンタグラフと非接触の為、摩耗しない。そのため、吊架線及び渡り線には、摩耗幅は存在しない。
尤度は、実施例３で用いたものに、背景よりも渡り線の画素値が低い傾向があることを考慮した尤度関数を加えて、尤度計算を実現する。つまり、尤度関数は、背景と渡り線の画素値の差にも基づく。

本実施例に係る装置構成例は図３に示すように実施例1と同様である。
そのため、本実施例に係る架線類検測装置は、図３に示すように、画像入力部１０、記憶部２０、パーティクル初期化部３０、尤度計算部４０、リサンプリング部５０、状態遷移部６０、より構成する。

画像入力部１０では、ラインセンサで時系列的に撮影した１ライン分の画像データを入力し、記憶部２０へ保管する。画像データには、図６に示すような、時系列的な架線偏位・架線幅・摩耗幅が含まれる。
記憶部２０では、画像データ、パーティクルデータ、状態遷移確率などの種々のパラメータデータを保管する。

パーティクル初期化部３０では、一定数のパーティクルに設定した範囲・密度でランダムなパラメータ（架線偏位や複数本ある架線の距離、架線本数分の架線幅、架線本数分の摩耗幅、本数分の吊架線の偏位、本数分の吊架線の幅、渡り線の偏位、渡り線の幅）を設定し、範囲・密度・各パーティクルのパラメータを記憶部２０に保管する。
尤度計算部４０では、尤度関数に基づき、各パーティクルのパラメータと画像データを用いて尤度を計算し、各パーティクルに与えられた尤度を記憶部２０に保管する。

リサンプリング部５０では、尤度に基づき、尤度の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行う。
リサンプリングしたパーティクルは記憶部２０で保管し、リサンプリングに使用したパーティクルは消去する。
状態遷移部６０は、リサンプリングしたパーティクルのパラメータを状態遷移モデルに基づいて変化させ新たなパーティクルを作成し、記憶部２０で保管する。作成した新たなパーティクルによれば、確率論として、複数架線の偏位・架線幅・摩耗幅、吊架線の幅・偏位架線偏位及び渡り線の偏位・幅を高精度に計測したことになる。

本実施例によるフローチャートを図２に示す。
先ず、ラインセンサにより時系列的に撮像された１ラインの画像データを画像入力部１０により入力する（ステップＳ１）。
次に、各パラメータ（架線偏位や複数本ある架線の距離、架線本数分の架線幅、架線本数分の摩耗幅、本数分の吊架線の偏位、本数分の吊架線の幅、渡り線の偏位、渡り線の幅）に設定した範囲・密度でランダムな値をもつパーティクルをパーティクル初期化部３０で用意する（ステップＳ２）。

引き続き、尤度関数に基づき、各パーティクルのパラメータと前ラインの画像データを用いて、各パーティクルの尤度を尤度計算部４０により計算する（ステップＳ３）。
そして、尤度に基づいてリサンプリング処理をリサンプリング部５０により行い、リサンプリング後のパーティクルに状態遷移モデルを用いることで状態遷移部６０により新たなパーティクルを作成する（ステップＳ４）。

その後、ラインセンサによる時系列的な撮像が終了するまで（ステップＳ５）、次の新たに撮像された１ラインの画像データを入力し（ステップＳ６）、ステップＳ３に戻る。

このように説明したように、実施例４によれば、以下の効果を奏する。
(1) 前時刻の画像情報を使用した予測による架線・吊架線・渡り線検測が可能である。
(2) 過去に計測した架線・吊架線・渡り線情報を状態遷移方程式として利用した架線・吊架線・渡り線検測が可能である。
(3) 確率論にもとづく予測を用いた架線・吊架線・渡り線検測が可能である。

(5) 基本的な考え方（実施例５）
本発明の目的は、複数（２つ若しくはそれ以上）のラインセンサカメラと時系列フィルタを用いた画像処理により複数架線の偏位・摩耗幅・吊架線・渡り線およびそれぞれの高さを高精度に計測する架線・吊架線・渡り線検測装置を提供することである。

実施例４との違いは、カメラを複数用意することで架線・吊架線・渡り線の高さにも対応できる点（高さは三角測量法による）、２視点から評価することで高精度化が図れる点である。
パーティクルのパラメータは実施例４のパラメータのカメラ台数分となる。
尤度は、実施例４で用いたものをカメラ台数分用いる。

本実施例に係る装置構成例は図３に示すように実施例1と同様である。
そのため、本実施例に係る架線類検測装置は、図３に示すように、画像入力部１０、記憶部２０、パーティクル初期化部３０、尤度計算部４０、リサンプリング部５０、状態遷移部６０、より構成する。

画像入力部１０では、ラインセンサで時系列的に撮影した１ライン分の画像データを入力し、記憶部２０へ保管する。画像データには、図６に示すような、時系列的な架線偏位・架線幅・摩耗幅が含まれる。
記憶部２０では、画像データ、パーティクルデータ、状態遷移確率などの種々のパラメータデータを保管する。

パーティクル初期化部３０では、一定数のパーティクルに設定した範囲・密度でランダムなカメラ台数分のパラメータ（架線偏位や複数本ある架線の距離、架線本数分の架線幅、架線本数分の摩耗幅、本数分の吊架線の偏位、本数分の吊架線の幅、渡り線の偏位、渡り線の幅）を設定し、範囲・密度・各パーティクルのパラメータを記憶部２０に保管する。

尤度計算部４０では、尤度関数に基づき、各パーティクルのパラメータと画像データを用いて尤度を計算し、各パーティクルに与えられた尤度を記憶部２０に保管する。
リサンプリング部５０では、尤度に基づき、尤度の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行う。
リサンプリングしたパーティクルは記憶部２０で保管し、リサンプリングに使用したパーティクルは消去する。

状態遷移部６０は、リサンプリングしたパーティクルのパラメータを状態遷移モデルに基づいて変化させ新たなパーティクルを作成し、記憶部２０で保管する。作成した新たなパーティクルによれば、確率論として、複数架線の偏位・摩耗幅・吊架線・渡り線およびそれぞれの高さを高精度に計測したことになる。

本実施例によるフローチャートを図４に示す。
先ず、複数のラインセンサカメラにより時系列的に撮像された１ラインの画像データ×カメラの台数分を画像入力部１０により入力する（ステップＴ１）。
次に、カメラの台数分の各パラメータ（複数架線の偏位・摩耗幅・吊架線・渡り線およびそれぞれの高さ）に設定した範囲・密度でランダムな値をもつパーティクルをパーティクル初期化部３０で用意する（ステップＴ２）。

引き続き、尤度関数に基づき、各パーティクルのパラメータと前ラインの画像データを用いて、各パーティクルの尤度を尤度計算部４０により計算する（ステップＴ３）。
そして、尤度に基づいてリサンプリング処理をリサンプリング部５０により行い、リサンプリング後のパーティクルに状態遷移モデルを用いることで状態遷移部６０により新たなパーティクルを作成する（ステップＴ４）。

その後、複数のラインセンサによる時系列的な撮像が終了するまで（ステップＴ５）、次の新たに撮像された１ラインの画像データ×カメラの台数分を入力し（ステップＴ６）、ステップＴ３に戻る。

このように説明したように、実施例５によれば、以下の効果を奏する。
(1) 前時刻の画像情報を使用した予測による架線・吊架線・渡り線検測が可能である。
(2) 過去に計測した架線・吊架線・渡り線情報を状態遷移方程式として利用した架線・吊架線・渡り線検測が可能である。
(3) 確率論にもとづく予測を用いた架線・吊架線・渡り線検測が可能。
(4) 複数のカメラを用いた架線・吊架線・渡り線検測の高精度化と架線・吊架線・渡り線の高さ計測が可能である。

本発明は、時系列フィルタを用いて架線類の偏位などを検査・測定するための架線類検測装置として広く産業上利用可能なものである。

１０ 画像入力部
２０ 記憶部
３０ パーティクル初期化部
４０ 尤度計算部
５０ リサンプリング部
６０ 状態遷移部

Claims (6)

1. 確率論的時系列フィルタを用いた画像データ処理により電車上の架線類を高精度に計測する架線類検測装置において、
   前記電車上面に配置されたラインセンサにより時系列に撮影された前記架線類の偏位・幅・摩耗幅を含む画像データを入力する画像入力部と、
   前記架線類の偏位・幅・摩耗幅のランダムなパラメータを持つパーティクルを用意するパーティクル初期化部と、
   前記パーティクル初期化部により用意された前記パーティクル及び前記画像入力部で入力された前時刻の前記画像データを使用して尤度関数に基づき尤度値を計算する尤度計算部と、
   前記尤度計算部で計算された尤度値に基づき、尤度値の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行うリサンプリング部と、
   前記リサンプリング部でリサンプリングした前記パーティクルのパラメータを状態遷移モデルに基づいて変化させて新たなパーティクルを作成する状態遷移部と、から構成することを特徴とする架線類検測装置。
2. 前記架線類は、単一又は複数の架線であることを特徴とする請求項１記載の架線類検測装置。
3. 前記架線類は、吊架線を含むことを特徴とする請求項２記載の架線類検測装置。
4. 前記架線類は、渡り線を含むことを特徴とする請求項２又は３記載の架線類検測装置。
5. 前記ラインセンサは、複数であり、前記架線類の高さをも計測し、また、前記パーティクル初期化部は、前記架線類の高さもパラメータに含むことを特徴とする請求項１記載の架線類検測装置。
6. 前記尤度関数は、前記架線類の摩耗領域前後の画素値の差分の絶対値と、前記架線類の摩耗領域の平均画素値から前記架線類領域の平均画素値を減算した場合の差分値と、前時刻の前記架線類の偏位・幅・摩耗幅と現時刻の前記架線類の偏位・幅・摩耗幅の差とに基づくことを特徴とする請求項１記載の架線類検測装置。