ホーム > 特許ランキング > 株式会社豊田中央研究所
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023142113
(43)【公開日】2023-10-05
(54)【発明の名称】情報処理装置及びプログラム
(51)【国際特許分類】
G06T 7/80 20170101AFI20230928BHJP
H04N 23/60 20230101ALI20230928BHJP
G06T 7/00 20170101ALI20230928BHJP
G03B 7/093 20210101ALI20230928BHJP
【ＦＩ】
G06T7/80
H04N5/232
G06T7/00 350B
G03B7/093
【審査請求】未請求
【請求項の数】5
【出願形態】ＯＬ
(21)【出願番号】P 2022048811
(22)【出願日】2022-03-24
(71)【出願人】
【識別番号】000003609
【氏名又は名称】株式会社豊田中央研究所
(74)【代理人】
【識別番号】110001519
【氏名又は名称】弁理士法人太陽国際特許事務所
(72)【発明者】
【氏名】福島 光瑠
(72)【発明者】
【氏名】高井 勇
【テーマコード（参考）】
2H002
5C122
5L096
【Ｆターム（参考）】
2H002CC01
2H002GA51
2H002HA01
5C122DA14
5C122DA16
5C122EA12
5C122FA18
5C122FF23
5C122FH11
5C122HB01
5L096BA04
5L096CA05
5L096DA02
5L096FA52
5L096FA69
5L096GA30
5L096HA08
(57)【要約】
【課題】様々な環境下において取得されたデータを処理する学習済みモデルを支援することができる情報処理装置及びプログラムを提供する。
【解決手段】情報処理装置１４は、入力データである画像データを取得する。情報処理装置１４は、第１学習済みモデルと第２学習済みモデルとを取得する。情報処理装置１４は、画像データを、第１学習済みモデルへ入力することにより、第１学習済みモデルから出力された第１出力データを取得する。情報処理装置１４は、画像データを、第２学習済みモデルへ入力することにより、第２学習済みモデルから出力された第２出力データを取得する。情報処理装置１４は、第２出力データに基づいて、第１出力データを変更するための変更データを生成する。情報処理装置１４は、生成された変更データに基づいて、制御対象物であるカメラ１２を制御する。
【選択図】図１
【解決手段】情報処理装置１４は、入力データである画像データを取得する。情報処理装置１４は、第１学習済みモデルと第２学習済みモデルとを取得する。情報処理装置１４は、画像データを、第１学習済みモデルへ入力することにより、第１学習済みモデルから出力された第１出力データを取得する。情報処理装置１４は、画像データを、第２学習済みモデルへ入力することにより、第２学習済みモデルから出力された第２出力データを取得する。情報処理装置１４は、第２出力データに基づいて、第１出力データを変更するための変更データを生成する。情報処理装置１４は、生成された変更データに基づいて、制御対象物であるカメラ１２を制御する。
【選択図】図１
【特許請求の範囲】
【請求項1】
入力データを取得するデータ取得部と、
第１学習済みモデルと第２学習済みモデルとを記憶部から取得するモデル取得部と、
前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された第１出力データを取得する第１制御部と、
前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された第２出力データを取得する第２制御部と、
前記第２制御部により取得された前記第２出力データに基づいて、前記第１制御部により取得された前記第１出力データを変更するための変更データを生成する変更部と、
前記変更部により生成された前記変更データに基づいて、制御対象物を制御する第３制御部と、を備え、
前記第１学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データの第１正解データとの組み合わせである第１学習用データに基づいて予め学習されている学習済みモデルであり、
前記第２学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データに関連する関連データの第２正解データとの組み合わせである第２学習用データに基づいて、前記第１学習済みモデルが出力する前記第１出力データが前記第１正解データへ近づくように予め学習されている学習済みモデルである、
情報処理装置。
第１学習済みモデルと第２学習済みモデルとを記憶部から取得するモデル取得部と、
前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された第１出力データを取得する第１制御部と、
前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された第２出力データを取得する第２制御部と、
前記第２制御部により取得された前記第２出力データに基づいて、前記第１制御部により取得された前記第１出力データを変更するための変更データを生成する変更部と、
前記変更部により生成された前記変更データに基づいて、制御対象物を制御する第３制御部と、を備え、
前記第１学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データの第１正解データとの組み合わせである第１学習用データに基づいて予め学習されている学習済みモデルであり、
前記第２学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データに関連する関連データの第２正解データとの組み合わせである第２学習用データに基づいて、前記第１学習済みモデルが出力する前記第１出力データが前記第１正解データへ近づくように予め学習されている学習済みモデルである、
情報処理装置。
【請求項2】
前記制御対象物はカメラであり、
前記入力データは前記カメラによって撮像された画像データであり、
前記第２学習済みモデルから出力される前記第２出力データは、カメラパラメータ又はカメラパラメータの計算手法の識別データを表す前記関連データであり、
前記第３制御部は、前記関連データに応じた前記カメラパラメータを前記制御対象物である前記カメラに対して設定し、前記カメラによって撮像される画像データの特性を変更するように制御することにより、前記第１学習済みモデルから出力される出力データを変更するように制御する、
請求項１に記載の情報処理装置。
前記入力データは前記カメラによって撮像された画像データであり、
前記第２学習済みモデルから出力される前記第２出力データは、カメラパラメータ又はカメラパラメータの計算手法の識別データを表す前記関連データであり、
前記第３制御部は、前記関連データに応じた前記カメラパラメータを前記制御対象物である前記カメラに対して設定し、前記カメラによって撮像される画像データの特性を変更するように制御することにより、前記第１学習済みモデルから出力される出力データを変更するように制御する、
請求項１に記載の情報処理装置。
【請求項3】
前記第２学習済みモデルから出力される前記第２出力データは、前記第１学習済みモデルから出力される前記第１出力データと同一種類のデータであり、
前記第３制御部は、前記第２学習済みモデルから出力される前記第２出力データに基づいて、前記制御対象物である前記第１学習済みモデルから出力される前記第１出力データを修正するように制御する、
請求項１に記載の情報処理装置。
前記第３制御部は、前記第２学習済みモデルから出力される前記第２出力データに基づいて、前記制御対象物である前記第１学習済みモデルから出力される前記第１出力データを修正するように制御する、
請求項１に記載の情報処理装置。
【請求項4】
前記データ取得部は、第１センサによって取得された第１入力データと、第２センサによって取得された第２入力データとを、前記入力データとして取得し、
前記第１制御部は、前記データ取得部により取得された前記第１入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された前記第１出力データを取得し、
前記第２制御部は、前記データ取得部により取得された前記第２入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された前記第２出力データを取得し、
前記第３制御部は、前記第２学習済みモデルから出力される前記第２出力データに基づいて、前記制御対象物である前記第１学習済みモデルから出力される前記第１出力データを修正するように制御する、
請求項３に記載の情報処理装置。
前記第１制御部は、前記データ取得部により取得された前記第１入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された前記第１出力データを取得し、
前記第２制御部は、前記データ取得部により取得された前記第２入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された前記第２出力データを取得し、
前記第３制御部は、前記第２学習済みモデルから出力される前記第２出力データに基づいて、前記制御対象物である前記第１学習済みモデルから出力される前記第１出力データを修正するように制御する、
請求項３に記載の情報処理装置。
【請求項5】
コンピュータを、
入力データを取得するデータ取得部、
第１学習済みモデルと第２学習済みモデルとを記憶部から取得するモデル取得部、
前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された第１出力データを取得する第１制御部、
前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された第２出力データを取得する第２制御部、
前記第２制御部により取得された前記第２出力データに基づいて、前記第１制御部により取得された前記第１出力データを変更するための変更データを生成する変更部、及び
前記変更部により生成された前記変更データに基づいて、制御対象物を制御する第３制御部
として機能させるためのプログラムであって、
前記第１学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データの第１正解データとの組み合わせである第１学習用データに基づいて予め学習されている学習済みモデルであり、
前記第２学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データに関連する関連データの第２正解データとの組み合わせである第２学習用データに基づいて、前記第１学習済みモデルが出力する前記第１出力データが前記第１正解データへ近づくように予め学習されている学習済みモデルである、
プログラム。
入力データを取得するデータ取得部、
第１学習済みモデルと第２学習済みモデルとを記憶部から取得するモデル取得部、
前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された第１出力データを取得する第１制御部、
前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された第２出力データを取得する第２制御部、
前記第２制御部により取得された前記第２出力データに基づいて、前記第１制御部により取得された前記第１出力データを変更するための変更データを生成する変更部、及び
前記変更部により生成された前記変更データに基づいて、制御対象物を制御する第３制御部
として機能させるためのプログラムであって、
前記第１学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データの第１正解データとの組み合わせである第１学習用データに基づいて予め学習されている学習済みモデルであり、
前記第２学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データに関連する関連データの第２正解データとの組み合わせである第２学習用データに基づいて、前記第１学習済みモデルが出力する前記第１出力データが前記第１正解データへ近づくように予め学習されている学習済みモデルである、
プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置及びプログラムに関する。
【背景技術】
【0002】
従来、物体を識別する後段の信号処理に至適なデータを提供し、物体を識別する精度を向上させる技術が知られている（例えば、特許文献１を参照）。特許文献１の技術は、センサから出力された画像データの識別結果を出力した際に、当該画像データの取得時にセンサに適用したパラメータを変更し、変更したパラメータに基づいてセンサが画像データを取得するようにパラメータを設定する。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２１－１４４６８９号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ところで、例えば、入力データが入力されると当該入力データに対する出力データを出力する学習済みモデルが信号処理装置に搭載されている場合を考える。この場合、その信号処理装置に搭載されている学習済みモデルは所与のものであり、当該学習済みモデルを変更することは許されない場合がある。
【0005】
例えば、車両に搭載されたカメラによって撮像された画像データが入力データである場合を考える。この場合、カメラによって撮像される車両前方の画像は、その環境に応じて様々に変化し得る。このため、例えば、夜間に撮像された画像データと、昼間に撮像された画像データの両方を１つの物体識別処理又は学習済みモデルによって処理するのは難しい。
【0006】
本発明は、上記課題に鑑みてなされたものであり、様々な環境下において取得されたデータを処理する学習済みモデルを支援することができる情報処理装置及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【0007】
上記目的を達成するために、本発明に係る情報処理装置は、入力データを取得するデータ取得部と、第１学習済みモデルと第２学習済みモデルとを記憶部から取得するモデル取得部と、前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された第１出力データを取得する第１制御部と、前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された第２出力データを取得する第２制御部と、前記第２制御部により取得された前記第２出力データに基づいて、前記第１制御部により取得された前記第１出力データを変更するための変更データを生成する変更部と、前記変更部により生成された前記変更データに基づいて、制御対象物を制御する第３制御部と、を備え、前記第１学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データの第１正解データとの組み合わせである第１学習用データに基づいて予め学習されている学習済みモデルであり、前記第２学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データに関連する関連データの第２正解データとの組み合わせである第２学習用データに基づいて、前記第１学習済みモデルが出力する前記第１出力データが前記第１正解データへ近づくように予め学習されている学習済みモデルである、情報処理装置である。
【0008】
本発明に係る前記制御対象物はカメラであり、前記入力データは前記カメラによって撮像された画像データであり、前記第２学習済みモデルから出力される前記第２出力データは、カメラパラメータ又はカメラパラメータの計算手法の識別データを表す前記関連データであり、前記第３制御部は、前記関連データに応じた前記カメラパラメータを前記制御対象物である前記カメラに対して設定し、前記カメラによって撮像される画像データの特性を変更するように制御することにより、前記第１学習済みモデルから出力される出力データを変更するように制御する、ようにすることができる。
【0009】
本発明に係る前記第２学習済みモデルから出力される前記第２出力データは、前記第１学習済みモデルから出力される前記第１出力データと同一種類のデータであり、前記第３制御部は、前記第２学習済みモデルから出力される前記第２出力データに基づいて、前記制御対象物である前記第１学習済みモデルから出力される前記第１出力データを修正するように制御するようにすることができる。
【0010】
本発明に係る前記データ取得部は、第１センサによって取得された第１入力データと、第２センサによって取得された第２入力データとを、前記入力データとして取得し、前記第１制御部は、前記データ取得部により取得された前記第１入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された前記第１出力データを取得し、前記第２制御部は、前記データ取得部により取得された前記第２入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された前記第２出力データを取得し、前記第３制御部は、前記第２学習済みモデルから出力される前記第２出力データに基づいて、前記制御対象物である前記第１学習済みモデルから出力される前記第１出力データを修正するように制御するようにすることができる。
【0011】
本発明のプログラムは、コンピュータを、入力データを取得するデータ取得部、第１学習済みモデルと第２学習済みモデルとを記憶部から取得するモデル取得部、前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第１学習済みモデルへ入力することにより、前記第１学習済みモデルから出力された第１出力データを取得する第１制御部、前記データ取得部により取得された前記入力データを、前記モデル取得部により取得された前記第２学習済みモデルへ入力することにより、前記第２学習済みモデルから出力された第２出力データを取得する第２制御部、前記第２制御部により取得された前記第２出力データに基づいて、前記第１制御部により取得された前記第１出力データを変更するための変更データを生成する変更部、及び前記変更部により生成された前記変更データに基づいて、制御対象物を制御する第３制御部として機能させるためのプログラムであって、前記第１学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データの第１正解データとの組み合わせである第１学習用データに基づいて予め学習されている学習済みモデルであり、前記第２学習済みモデルは、前記第１学習済みモデルに対して入力される前記入力データと、前記第１学習済みモデルから出力される前記第１出力データに関連する関連データの第２正解データとの組み合わせである第２学習用データに基づいて、前記第１学習済みモデルが出力する前記第１出力データが前記第１正解データへ近づくように予め学習されている学習済みモデルである、プログラムである。
【発明の効果】
【0012】
本発明によれば、様々な環境下において取得されたデータを処理する学習済みモデルを支援することができる、という効果が得られる。
【図面の簡単な説明】
【0013】
【図1】第１実施形態に係る情報処理装置の構成の一例を示す概略図である。
【図2】情報処理装置のコンピュータの構成例を示す図である。
【図3】情報処理システムの概要を説明するための図である。
【図4】画像データとカメラパラメータとを説明するための図である。
【図5】第１実施形態の情報処理ルーチンの一例を示す図である。
【図6】第２実施形態に係る情報処理装置の構成の一例を示す概略図である。
【図7】第１実施形態の概要を説明するための図である。
【図8】第１実施形態の概要を説明するための図である。
【図9】第２実施形態の概要を説明するための図である。
【図10】第２実施形態の概要を説明するための図である。
【図11】第２実施形態の情報処理ルーチンの一例を示す図である。
【発明を実施するための形態】
【0014】
以下、図面を参照して本発明の実施形態について詳細に説明する。
【0015】
本実施形態では、車両にカメラが取り付けられ、車両に搭載されたカメラが車両の前方を逐次撮像する場合を例に説明する。
【0016】
【0017】
図１に示されるように、情報処理システム１０は、カメラ１２と、情報処理装置１４とを含んで構成されている。
【0018】
カメラ１２は、移動体の一例である車両に設置される。カメラ１２は、車両の前方の画像を撮像する。カメラ１２は、レンズ等の光学系と受光の強度に応じた信号を出力する撮像素子とを含むセンサデバイス１２Ａと、センサデバイス１２Ａが出力した信号を画像ファイルへ変換する、いわゆる画像エンジンである前処理器１２Ｂとを備えている。
【0019】
情報処理装置１４は、図２に示されるように、ＣＰＵ５１、一時記憶領域としてのメモリ５２、及び不揮発性の記憶部５３を備えるコンピュータにより実現される。また、情報処理装置１４のコンピュータは、外部装置及び出力装置等が接続される入出力interface（Ｉ／Ｆ）５４、及び記録媒体５９に対するデータの読み込み及び書き込みを制御するread/write（Ｒ／Ｗ）部５５を備える。また、コンピュータは、インターネット等のネットワークに接続されるネットワークＩ／Ｆ５６を備える。ＣＰＵ５１、メモリ５２、記憶部５３、入出力Ｉ／Ｆ５４、Ｒ／Ｗ部５５、及びネットワークＩ／Ｆ５６は、バス５７を介して互いに接続される。
【0020】
記憶部５３は、Hard Disk Drive（ＨＤＤ）、solid state drive（ＳＳＤ）、フラッシュメモリ等によって実現できる。記憶媒体としての記憶部５３には、コンピュータを機能させるためのプログラムが記憶されている。ＣＰＵ５１は、プログラムを記憶部５３から読み出してメモリ５２に展開し、プログラムが有するプロセスを順次実行する。
【0021】
この情報処理装置１４をハードウェアとソフトウェアとに基づいて定まる機能実現手段毎に分割した機能ブロックで説明すると、図１に示されるように、データ取得部１４０と、学習済みモデル記憶部１４１と、データ記憶部１４２と、モデル取得部１４３と、第１制御部１４４と、第２制御部１４５と、変更部１４６と、第３制御部１４７と、を備えている。
【0022】
データ取得部１４０は、カメラ１２によって撮像された各時刻の画像データを取得する。画像データは、本発明の入力データの一例である。
【0023】
学習済みモデル記憶部１４１には、第１学習済みモデルと第２学習済みモデルとが格納されている。
【0024】
図３に、第１実施形態の情報処理システム１０の概要を説明するための図を示す。図３に示されるように、本実施形態の情報処理システム１０では、カメラ１２のカメラパラメータが設定される。具体的には、本実施形態の情報処理システム１０では、カメラ１２によって撮像された画像データが第１学習済みモデルＭ１へ入力されると、第１学習済みモデルＭ１は第１出力データの一例として物体識別結果を出力する。物体識別結果は、画像データに写る物体の識別結果である。例えば、第１学習済みモデルＭ１からは、図４に示されるような物体識別結果が出力される。
【0025】
図４に、画像データとカメラパラメータとを説明するための図を示す。図４に示されるように、図４（Ａ）では物体が認識されておらず、検出数：０，信頼度計：０となっている。なお、図４（Ａ）でのカメラ１２の露光時間は所定の露光時間を表す「露光時間１」である。また、図４（Ｂ）では物体が認識されており、検出数：２，信頼度計：１６８となっている。なお、図４（Ｂ）でのカメラ１２の露光時間は「露光時間２」である。また、図４（Ｃ）では物体が認識されており、検出数：２，信頼度計：１９３となっている。なお、図４（Ｃ）でのカメラ１２の露光時間は「露光時間３」である。また、図４（Ｄ）では物体が認識されており、検出数：１，信頼度計：９３となっている。なお、図４（Ｄ）でのカメラ１２の露光時間は「露光時間４」である。
【0026】
図４に示されるように、カメラ１２のカメラパラメータである露光時間が異なる場合、そのカメラ１２によって撮像された画像データは異なるものとなり、第１学習済みモデルＭ１によって得られる物体識別結果も異なるものとなる。図４（Ａ）～（Ｄ）のうち、最も好ましい識別結果は図４（Ｃ）であり、図４（Ｃ）の露光時間３が適切なカメラパラメータであるといえる。
【0027】
そこで、本実施形態の情報処理システム１０は、第１学習済みモデルＭ１から出力される物体識別結果が正解に近づくように、第２学習済みモデルＭ２を用いてカメラ１２のカメラパラメータを設定する。これにより、様々な環境下において取得された画像データを処理する第１学習済みモデルＭ１を適切に支援することができる。以下、具体的に説明する。
【0028】
第１学習済みモデルＭ１は、第１学習済みモデルＭ１に対して入力される画像データと、第１学習済みモデルＭ１から出力される第１出力データである物体識別結果の正解データ（以下、単に「第１正解データ」とも称する。）との組み合わせである第１学習用データに基づいて予め機械学習されている。
【0029】
第２学習済みモデルＭ２は、第１学習済みモデルＭ１に対して入力される画像データと、第１学習済みモデルＭ１から出力される物体識別結果に関連する関連データの正解データ（以下、単に「第２正解データ」とも称する。）との組み合わせである第２学習用データに基づいて、第１学習済みモデルＭ１が出力する物体識別結果が第１正解データへ近づくように予め機械学習されている。物体識別結果に関連する関連データは、カメラパラメータ自体又はカメラパラメータの計算手法の識別データである。本実施形態では、関連データがカメラパラメータの計算手法の識別データである場合を例に説明する。
【0030】
なお、本実施形態の第２学習用データに含まれる関連データの第２正解データは、第１学習済みモデルＭ１から出力される物体識別結果に関する関連データの正解データである。
【0031】
例えば、図４（Ａ）～（Ｄ）のうち、（Ａ）は信頼度計が０であり、（Ｂ）は信頼度計が１６８であり、（Ｃ）は信頼度計が１９３であり、（Ｄ）は信頼度計が９３である。（Ｂ）及び（Ｃ）の画像データが第１学習済みモデルＭ１へ入力された場合には前方車両が検知されている一方で、（Ａ）及び（Ｄ）の画像データが第１学習済みモデルＭ１へ入力された場合には前方車両の検知に失敗していることがわかる。本実施形態では、図４（Ａ）～（Ｄ）の画像データが撮像された際のカメラパラメータ自体又はカメラパラメータの計算手法の識別データを、関連データとして第２学習用データに含ませる。第２学習用データには、（Ａ）及び（Ｄ）の画像データが撮像された際のカメラパラメータ自体又はカメラパラメータの計算手法の識別データが含まれているため、第２学習済みモデルＭ２は、第１学習済みモデルＭ１が苦手とする画像データが撮像された際のカメラパラメータを改善するような、カメラパラメータ自体又はカメラパラメータの計算手法の識別データを出力するようになる。
【0032】
データ記憶部１４２には、各種データが格納される。具体的には、データ記憶部１４２には、カメラ１２によって撮像された画像データ、第１学習済みモデルＭ１から出力された物体識別結果、第２学習済みモデルＭ２から出力されたカメラパラメータ自体又はカメラパラメータの計算手法の識別データ、及び選択されたカメラパラメータの計算手法によるカメラパラメータ等が格納される。これらの各種データは、後述する各部において利用される。
【0033】
モデル取得部１４３は、学習済みモデル記憶部１４１に格納されている第１学習済みモデルＭ１と第２学習済みモデルＭ２とを読み出す。
【0034】
第１制御部１４４は、データ取得部１４０により取得された画像データを、モデル取得部１４３により取得された第１学習済みモデルＭ１へ入力することにより、第１学習済みモデルＭ１から出力された物体識別結果を取得する。第１制御部１４４により取得された物体識別結果は、各種の車両制御に利用される。
【0035】
第２制御部１４５は、データ取得部１４０により取得された画像データを、モデル取得部１４３により取得された第２学習済みモデルＭ２へ入力することにより、第２学習済みモデルＭ２から出力されたカメラパラメータの計算手法の識別データを取得する。
【0036】
変更部１４６は、第２制御部１４５により取得されたカメラパラメータの計算手法の識別データに基づいて、第１制御部１４４により取得された物体識別結果を変更するための変更データであるカメラパラメータを生成する。
【0037】
具体的には、変更部１４６は、カメラパラメータの計算手法としてＡ，Ｂ，Ｃが存在していた場合に、第２学習済みモデルＭ２から出力されたカメラパラメータの計算手法の識別データが何れのカメラパラメータの計算手法を示しているのかに基づいて、カメラパラメータの計算手法を選定する。例えば、変更部１４６は、第２学習済みモデルＭ２から出力されたカメラパラメータの計算手法の識別データが、Ａ：０．８，Ｂ：０．１，Ｃ：０．１を表していた場合には、最も確率が高いカメラパラメータの計算手法Ａを選択する。そして、変更部１４６は、カメラパラメータの計算手法Ａを用いてカメラパラメータＰＡを計算する。
【0038】
第３制御部１４７は、変更部１４６により生成されたカメラパラメータに基づいて、制御対象物であるカメラ１２を制御する。
【0039】
具体的には、変更部１４６により生成されたカメラパラメータＰＡをカメラ１２に対して設定する。なお、カメラパラメータＰＡは、カメラ１２のセンサデバイス１２Ａ及び前処理器１２Ｂの何れのパラメータであってもよい。これにより、カメラ１２によって撮像される画像データの特性が変更されるため、第１学習済みモデルＭ１から出力される識別結果を変更するように制御することが可能となる。
【0040】
＜情報処理システム１０の作用＞
【0041】
次に、本実施形態に係る情報処理システム１０の作用について説明する。車両に搭載された情報処理システム１０が起動し、カメラ１２によって車両前方の画像の撮像が開始されると、情報処理装置１４は、図５に示す情報処理ルーチンを実行する。なお、新たな画像データが撮像される毎に図５に示す情報処理ルーチンが実行される。
【0042】
ステップＳ１００において、データ取得部１４０は、カメラ１２によって撮像された画像データを取得する。
【0043】
ステップＳ１０２において、モデル取得部１４３は、学習済みモデル記憶部１４１に格納されている第１学習済みモデルＭ１と第２学習済みモデルＭ２とを取得する。
【0044】
ステップＳ１０４において、第１制御部１４４は、ステップＳ１００で取得された画像データを、ステップＳ１０２で取得された第１学習済みモデルＭ１へ入力することにより、第１学習済みモデルＭ１から出力された物体識別結果を取得する。
【0045】
ステップＳ１０６において、第２制御部１４５は、ステップＳ１００で取得された画像データを、ステップＳ１０２で取得された第２学習済みモデルＭ２へ入力することにより、第２学習済みモデルＭ２から出力されたカメラパラメータの計算手法の識別データを取得する。
【0046】
ステップＳ１０８において、変更部１４６は、ステップＳ１０６で取得されたカメラパラメータの計算手法の識別データに基づいて、識別データが示すカメラパラメータの計算手法を特定する。そして、変更部１４６は、特定されたカメラパラメータの計算手法を用いて、カメラパラメータを生成する。
【0047】
ステップＳ１１０において、第３制御部１４７は、ステップＳ１０８で生成されたカメラパラメータをカメラ１２に設定して、情報処理ルーチンを終了する。
【0048】
以上の説明で明らかなように、本実施形態の情報処理装置１４は、入力データの一例である画像データを取得する。また、情報処理装置１４は、第１学習済みモデルＭ１と第２学習済みモデルＭ２とを学習済みモデル記憶部１４１から取得する。情報処理装置１４は、画像データを第１学習済みモデルＭ１へ入力することにより、第１学習済みモデルＭ１から出力された物体識別結果を取得する。情報処理装置１４は、画像データを第２学習済みモデルＭ２へ入力することにより、第２学習済みモデルＭ２から出力されたカメラパラメータの計算手法の識別データを取得する。情報処理装置１４は、カメラパラメータの計算手法の識別データに基づいて、物体識別結果を変更するための変更データであるカメラパラメータを生成する。そして、情報処理装置１４は、生成されたカメラパラメータに基づいて、カメラパラメータをカメラに設定するように制御する。なお、第１学習済みモデルＭ１は、第１学習済みモデルＭ１に対して入力される画像データと、第１学習済みモデルＭ１から出力される物体識別結果の正解である第１正解データとの組み合わせである第１学習用データに基づいて予め学習されている学習済みモデルである。また、第２学習済みモデルＭ２は、第１学習済みモデルＭ１に対して入力される画像データと、第１学習済みモデルＭ１から出力される物体識別結果に関連する関連データであるカメラパラメータ計算手法の正解である第２正解データとの組み合わせである第２学習用データに基づいて、第１学習済みモデルＭ１が出力する物体識別結果が第１正解データへ近づくように予め学習されている学習済みモデルである。これにより、様々な環境下において取得されたデータを処理する学習済みモデルを支援することができる。具体的には、第１学習済みモデルＭ１が物体検出器である場合、第１学習済みモデルＭ１の物体識別結果における物体検出数が最大となるようなカメラパラメータをカメラ１２に対して設定することにより、物体検出器から出力される物体識別結果の精度を向上させることができる。
【0049】
なお、画像データの物体識別結果を出力するシステムを車載化するためには、そのシステムが高速である必要がある。この点、上記特許文献１に開示されている技術（例えば、特許文献１の図１１）は、物体識別器３３２によって検出結果が得られる際に単純パラメータ制御器３４０がセンサパラメータを設定する。上記特許文献１に開示されている技術は、この単純パラメータ制御器３４０からの出力によってセンサを制御する構成であるため、ありとあらゆるシーンを機械学習モデルである単純パラメータ制御器３４０に学習させなければならない。このため、上記特許文献１に開示されている技術は、機械学習モデルである単純パラメータ制御器３４０を軽量化し、推論時間を短縮させ処理を高速にすることは難しい。さらに、ありとあらゆるシーンにおけるセンサパラメータが異なる学習用データを収集することは現実的に難しい。
【0050】
このため、第１学習済みモデルＭ１が苦手とする画像データが撮像された際のカメラパラメータを改善するような学習用データのみに基づいて第２学習済みモデルＭ２を機械学習させるようにしてもよい。この場合には、例えば、物体識別結果における物体検出数が既に多く、そのようなデータを学習用データに含ませたとしても第１学習済みモデルＭ１の物体識別結果が改善されないようなデータは学習用データには含ませない。これによれば、第２学習済みモデルＭ２を軽量化することが可能となる。さらに、そのようなデータのみを学習用データに含ませるため、学習用データの収集コストを下げることが可能となる。
【0051】
また、第１学習済みモデルＭ１が所与のものであり、それ自体を変更することができない場合であっても、カメラ１２に対するカメラパラメータを変更することにより、第１学習済みモデルＭ１から出力される物体識別結果の精度を向上させることができる。特に、物体検出器としての学習済みモデルは各所で個別に開発が進められており、第三者による修正、改善が難しい場合が多い。また、物体検出器としての学習済みモデルに変更を加えると信号処理装置自体の評価のやり直しが発生するため、そのような変更は極力避けたいといった事情が存在する場合もあり得る。これに対し、本実施形態の情報処理システム１０によれば、第１学習済みモデルＭ１が所与のものであり、それ自体を変更することができない場合であっても、カメラ１２に対するカメラパラメータを変更することにより、第１学習済みモデルＭ１から出力される物体識別結果の精度を向上させることができる。
【0052】
＜第２実施形態＞
次に、第２実施形態について説明する。なお、第２実施形態の構成のうち、第１実施形態と同様の部分は、同一符号を付して説明を省略する。第２実施形態の情報処理システム１０においては、第２学習済みモデルＭ２から出力される第２出力データは、第１学習済みモデルＭ１から出力される第１出力データと同一種類のデータである。また、第２実施形態の情報処理システム１０は、第２学習済みモデルＭ２から出力される第２出力データに基づいて、第１学習済みモデルＭ１から出力される第１出力データを修正するように制御する点が、第１実施形態と異なる。
次に、第２実施形態について説明する。なお、第２実施形態の構成のうち、第１実施形態と同様の部分は、同一符号を付して説明を省略する。第２実施形態の情報処理システム１０においては、第２学習済みモデルＭ２から出力される第２出力データは、第１学習済みモデルＭ１から出力される第１出力データと同一種類のデータである。また、第２実施形態の情報処理システム１０は、第２学習済みモデルＭ２から出力される第２出力データに基づいて、第１学習済みモデルＭ１から出力される第１出力データを修正するように制御する点が、第１実施形態と異なる。
【0053】
【0054】
図６に示されるように、情報処理システム２１０は、第１センサの一例である可視光カメラ２１２と、第２センサの一例である遠赤外線カメラ１３と、情報処理装置２１４とを含んで構成されている。
【0055】
可視光カメラ２１２は、第１実施形態のカメラ１２と同様の構成であり、可視光の波長帯の反射強度を画像化した画像データである可視画像データを取得する。可視画像データは、第１入力データの一例である。
【0056】
遠赤外線カメラ１３は、被写体が発する遠赤外領域の放射光を検出するセンサであり、遠赤外線画像データを取得する。遠赤外線画像データは、第２入力データの一例である。遠赤外線カメラ１３は、撮像素子を含むセンサデバイス１３Ａと、センサデバイス１３Ａが出力した信号を画像ファイルへ変換する、いわゆる画像エンジンである前処理器１３Ｂとを備えている。
【0057】
第２実施形態の情報処理装置２１４をハードウェアとソフトウェアとに基づいて定まる機能実現手段毎に分割した機能ブロックで説明すると、図６に示されるように、データ取得部２４０と、学習済みモデル記憶部２４１と、データ記憶部１４２と、モデル取得部２４３と、第１制御部１４４と、第２制御部２４５と、変更部２４６と、第３制御部２４７と、を備えている。
【0058】
データ取得部２４０は、可視光カメラ２１２によって取得された可視画像データと、遠赤外線カメラ１３によって取得された遠赤外線画像データとを、入力データとして取得する。
【0059】
学習済みモデル記憶部２４１には、第１実施形態と同様の第１学習済みモデルＭ１と、第２学習済みモデルＭ２２とが格納されている。
【0060】
図７～図１０に、第２実施形態の情報処理システム１０の概要を説明するための図を示す。図７及び図８は、上述した第１実施形態の情報処理システム１０の概要を説明するための図を示す。図７は第１実施形態の情報処理システム１０における学習フェーズを説明する図であり、図８は第１実施形態の情報処理システム１０における運用フェーズを説明する図である。
【0061】
図７に示されるように、第１実施形態における学習フェーズでは、機械学習中の第２学習済みモデルＭ２からはカメラパラメータの計算手法の識別データが出力される。そして、学習中の第２学習済みモデルＭ２から出力される識別データと、物体識別結果の信頼度（例えば、物体検出数）が最も高くなるようなカメラパラメータの計算手法の識別データとの間の誤差が小さくなるように、第２学習済みモデルＭ２に対して機械学習が実行される。
【0062】
なお、この際には、カメラパラメータの計算手法Ａによって計算されたカメラパラメータがカメラ１２に対して設定された際に撮像された画像データＩｍＡ、カメラパラメータの計算手法Ｂによって計算されたカメラパラメータがカメラ１２に対して設定された際に撮像された画像データＩｍＢ、及びカメラパラメータの計算手法Ｃによって計算されたカメラパラメータがカメラ１２に対して設定された際に撮像された画像データＩｍＣが第１学習済みモデルＭ１へ入力される。そして第１学習済みモデルＭ１から出力される各々の物体識別結果から、物体識別結果の信頼度（例えば、物体検出数）が最も高くなるようなカメラパラメータの計算手法の識別データが第２正解データとして設定される。
【0063】
そして、図８に示されるように、第１実施形態における運用フェーズでは、第２学習済みモデルＭ２からはカメラパラメータの計算手法の識別データが出力される。例えば、図８に示されるように、計算手法Ｂが選定された場合には、計算手法Ｂによって計算されたカメラパラメータがカメラ１２へ設定される。これにより、そのパラメータで撮像された画像データＩｍＢが第１学習済みモデルＭ１へ入力される。
【0064】
一方、図９に示されるように、第２実施形態における学習フェーズでは、可視画像データが第１学習済みモデルＭ１へ入力され、その物体識別結果として第１の物体識別結果が出力される。この際、図９に示されるように、その第１の物体識別結果と、その正解である第１正解データとしての物体存在位置とが比較され、第１学習済みモデルＭ１によって検出されなかった物体に対して重みが付加された重みデータが出力される。また、遠赤外線画像データが第２学習済みモデルＭ２２へ入力され、その物体識別結果として第２の物体識別結果が出力される。次に、図９に示されるように、その第２の物体識別結果と、その正解である第２正解データとしての物体存在位置とが比較され誤差が計算される。そして、その誤差に対して更に重みデータが付加される。これにより、第１学習済みモデルＭ１によって検出されなかった物体を検出するように第２学習済みモデルＭ２２が学習される。
【0065】
そして、図１０に示されるように、第２実施形態における運用フェーズでは、可視画像データが第１学習済みモデルＭ１へ入力され、第１学習済みモデルＭ１からは第１の物体識別結果が出力される。また、遠赤外線画像データが第２学習済みモデルＭ２２へ入力され、第２学習済みモデルＭ２２からは第２の物体識別結果が出力される。そして、第１学習済みモデルＭ１から出力された第１の物体識別結果と、第２学習済みモデルＭ２２から出力された第２の物体識別結果とが統合され、最終的な物体識別結果となる。この点、第２学習済みモデルＭ２２は、第１学習済みモデルＭ１が苦手な物体を優先的に検知するように構成されているため、最終的な物体識別結果は、第１学習済みモデルＭ１の苦手な物体の検知が克服された結果となり得る。以下、具体的に説明する。
【0066】
モデル取得部２４３は、学習済みモデル記憶部２４１から、第１学習済みモデルＭ１と第２学習済みモデルＭ２２と、を取得する。
【0067】
第１制御部１４４は、第１実施形態と同様に、データ取得部２４０により取得された可視画像データを、モデル取得部２４３により取得された第１学習済みモデルＭ１へ入力することにより、第１学習済みモデルＭ１から出力された第１の物体識別結果を取得する。第１の物体識別結果は、第１出力データの一例である。
【0068】
第２制御部２４５は、データ取得部２４０により取得された遠赤外線画像データを、モデル取得部２４３により取得された第２学習済みモデルＭ２２へ入力することにより、第２学習済みモデルＭ２２から出力された第２の物体識別結果を取得する。第２の物体識別結果は、第２出力データの一例である。
【0069】
変更部２４６は、第２制御部２４５により取得された第２の物体識別結果に基づいて、第１制御部１４４により取得された第１の物体識別結果を変更するための変更データを生成する。なお、ここでの変更データは、第１の物体識別結果と統合可能なように第２の物体識別結果を変更したデータである。例えば、第１の物体識別結果の形式と、第２の物体識別結果の形式とが異なっている場合には統合が困難であるため、統合を容易にするように第２の物体識別結果の形式を変更することにより変更データを生成する。
【0070】
第３制御部２４７は、第２学習済みモデルＭ２２から出力される第２の物体識別結果に基づいて、制御対象物である第１学習済みモデルＭ１から出力される第１の物体識別結果を修正するように制御する。例えば、第３制御部２４７は、第１の物体識別結果と第２の物体識別結果とを統合する。具体的には、第３制御部２４７は、第１の物体識別結果である画像に写る物体領域の各確率と、第２の物体識別結果である画像に写る物体領域の各確率とを合算することにより、最終的な物体識別結果を生成する。
【0071】
＜情報処理システム２１０の作用＞
【0072】
次に、第２実施形態に係る情報処理システム２１０の作用について説明する。車両に搭載された情報処理システム２１０が起動し、可視光カメラ２１２と遠赤外線カメラ１３によって車両前方の画像の撮像が開始されると、情報処理装置２１４は、図１１に示す情報処理ルーチンを実行する。なお、新たな画像データが撮像される毎に図１１に示す情報処理ルーチンが実行される。
【0073】
ステップＳ２００において、データ取得部２４０は、可視光カメラ２１２によって撮像された可視画像データと、遠赤外線カメラ１３によって撮像された遠赤外線画像データとを取得する。
【0074】
ステップＳ２０２において、モデル取得部２４３は、学習済みモデル記憶部２４１に格納されている第１学習済みモデルＭ１と第２学習済みモデルＭ２２とを取得する。
【0075】
ステップＳ２０４において、第１制御部１４４は、ステップＳ２００で取得された可視画像データを、ステップＳ２０２で取得された第１学習済みモデルＭ１へ入力することにより、第１学習済みモデルＭ１から出力された第１の物体識別結果を取得する。
【0076】
ステップＳ２０６において、第２制御部２４５は、ステップＳ２００で取得された遠赤外線画像データを、ステップＳ２０２で取得された第２学習済みモデルＭ２２へ入力することにより、第２学習済みモデルＭ２２から出力された第２の物体識別結果を取得する。
【0077】
ステップＳ２０８において、変更部２４６は、ステップＳ２０６で取得された第２の物体識別結果に基づいて、ステップＳ２０４で取得された第１の物体識別結果を変更するための変更データを生成する。
【0078】
ステップＳ２１０において、第３制御部２４７は、ステップＳ２０６で得られた第２学習済みモデルから出力される第２の物体識別結果に基づいて、第１学習済みモデルＭ１から出力される第１の物体識別結果を修正する。具体的には、第３制御部２４７は、第１の物体識別結果である画像に写る物体領域の各確率と、第２の物体識別結果である画像に写る物体領域の各確率から生成された変更データを統合することにより、最終的な物体識別結果を生成する。
【0079】
ステップＳ２１０において、第３制御部２４７は、ステップＳ２１０で生成された最終的な物体識別結果を結果として出力して、情報処理ルーチンを終了する。
【0080】
なお、第２実施形態に係る情報処理システム２１０の他の構成及び作用については、第１実施形態と同様であるため、説明を省略する。
【0081】
以上の説明で明らかなように、第２実施形態の情報処理装置２１４においては、第２学習済みモデルＭ２２から出力されるデータは、第１学習済みモデルＭ１から出力されるデータと同一種類のデータである。情報処理装置２１４は、可視光カメラ２１２によって取得された可視画像データと、遠赤外線カメラ１３によって取得された遠赤外線画像データとを、入力データとして取得する。情報処理装置２１４は、可視画像データを、第１学習済みモデルＭ１へ入力することにより、第１学習済みモデルＭ１から出力された第１の物体識別結果を取得する。情報処理装置２１４は、遠赤外線画像データを、第２学習済みモデルＭ２２へ入力することにより、第２学習済みモデルＭ２２から出力された第２の物体識別結果を取得する。そして、情報処理装置２１４は、第２学習済みモデルＭ２２から出力される第２の物体識別結果に基づいて、制御対象物である第１学習済みモデルＭ１から出力される第１の物体識別結果を修正するように制御する。これにより、様々な環境下において取得されたデータを処理する学習済みモデルを支援することができ、学習済みモデルを用いた物体識別結果の精度を向上させることができる。
【0082】
また、第２実施形態によれば、第１学習済みモデルＭ１が誤検知をするような物体を精度よく検知する第２学習済みモデルＭ２２が生成されるため、第１学習済みモデルＭ１による第１の物体識別結果と第２学習済みモデルＭ２２による第２の物体識別結果とを統合することにより、物体識別結果の精度を向上させることができる。
【0083】
また、第１学習済みモデルＭ１が所与のものであり、それ自体を変更することができない場合であっても、第１学習済みモデルＭ１が誤検知をするような物体を精度よく検知する第２学習済みモデルＭ２２を生成することにより、第１学習済みモデルＭ１から出力される物体識別結果の精度を向上させることができる。
【0084】
また、第２学習済みモデルＭ２２は、第１学習済みモデルＭ１が誤検知をするような物体に関連する学習用データを用いて機械学習されるため、第１学習済みモデルＭ１に比べて軽量（すなわち、ネットワーク構造が比較的単純）なモデルとなる。
【0085】
なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。
【0086】
上記第１実施形態では、センサがカメラ１２である場合を例に説明したがこれに限定されるものではない。また、上記第２実施形態では、第１センサが可視光カメラ２１２であり、第２センサが遠赤外線カメラ１３である場合を例に説明したがこれに限定されるものではない。センサはどのようなものであってもよく、例えば、センサはレーザレーダであってもよい。
【0087】
また、上記第２実施形態では、第１センサが可視光カメラ２１２であり、第２センサが遠赤外線カメラ１３である場合を例に説明したがこれに限定されるものではない。例えば、第１センサ及び第２センサは同種のセンサであってもよい。
【0088】
また、本実施形態では、第１学習済みモデルＭ１が物体検出器である場合を例に説明したがこれに限定されるものではない。第１学習済みモデルＭ１は、センサの出力であるセンサデータに対し、何かしらの処理をするものであればどのようなものであってもよい。例えば、第１学習済みモデルＭ１が物体検出器である場合には、入力データを画像データとし、出力データを物体識別結果（例えば、物体検出数、物体検出の確率（又は尤度）、物体の位置、及び物体の種別の少なくとも１つ）とすることができる。この場合には、上述したように、任意の指標である信頼度としては物体検出数を利用することができる。
【0089】
また、第１学習済みモデルＭ１が物体評価器である場合には、人の画像データが入力された場合、美しくない～美しい、の５段階評価結果を出力データとしてもよい。この場合には、任意の指標である信頼度として５段階評価の数値を利用することができる。例えば、５段階評価の数値が最大であるものに対応するデータを正解データとして用いるようにしてもよい。
【0090】
また、第１学習済みモデルＭ１が音声認識器である場合には、音声信号データが入力された場合、音声の文字起こし結果を出力データとしてもよい。この場合には、任意の指標である信頼度として文字起こしの誤り率を利用することができる。例えば、文字起こしの誤り率が最小であるものに対応するデータを正解データとして用いるようにしてもよい。
【0091】
なお、本発明のプログラムは、記録媒体に格納して提供することができる。
【符号の説明】
【0092】
１０，２１０ 情報処理システム
１２ カメラ
１３ 遠赤外線カメラ
１４，２１４ 情報処理装置
１４０，２４０ データ取得部
１４１，２４１ 学習済みモデル記憶部
１４２ データ記憶部
１４３，２４３ モデル取得部
１４４ 第１制御部
１４５，２４５ 第２制御部
１４６，２４６ 変更部
１４７，２４７ 第３制御部
２１２ 可視光カメラ
１２ カメラ
１３ 遠赤外線カメラ
１４，２１４ 情報処理装置
１４０，２４０ データ取得部
１４１，２４１ 学習済みモデル記憶部
１４２ データ記憶部
１４３，２４３ モデル取得部
１４４ 第１制御部
１４５，２４５ 第２制御部
１４６，２４６ 変更部
１４７，２４７ 第３制御部
２１２ 可視光カメラ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
