特開 2025-5852 プログラム、情報処理方法及び情報処理装置

(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】P2025005852

(43)【公開日】2025-01-17

(54)【発明の名称】プログラム、情報処理方法及び情報処理装置

(51)【国際特許分類】

   G06T 11/60 20060101AFI20250109BHJP

   G06T 7/70 20170101ALI20250109BHJP

【ＦＩ】

G06T11/60 300

G06T7/70 Z

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2023106253

(22)【出願日】2023-06-28

(71)【出願人】

【識別番号】000003687

【氏名又は名称】東京電力ホールディングス株式会社

(74)【代理人】

【識別番号】100114557

【弁理士】

【氏名又は名称】河野 英仁

(74)【代理人】

【識別番号】100078868

【弁理士】

【氏名又は名称】河野 登夫

(72)【発明者】

【氏名】櫻井 和久

(72)【発明者】

【氏名】田中 斗志貴

【テーマコード（参考）】

5B050

5L096

【Ｆターム（参考）】

5B050AA07

5B050BA07

5B050BA17

5B050DA04

5B050EA07

5B050EA19

5B050FA19

5L096BA08

5L096BA12

5L096DA01

5L096FA66

5L096FA67

5L096FA69

5L096FA76

5L096HA09

5L096HA11

5L096KA04

5L096KA15

(57)【要約】

【課題】図面画像から所望の対象物を検出することができるプログラム等を提供する。
【解決手段】プログラムは、図面画像を取得し、図面画像を入力した場合に所定の対象物を検出するよう学習済みのモデルに、取得した前記図面画像を入力することで前記対象物を検出する処理をコンピュータに実行させる。好適には、前記図面画像は、地図画像である。更に好適には、前記地図画像は道路台帳地図画像であり、取得した前記道路台帳地図画像を前記モデルに入力することで、交差点を含む道路対象物を検出する。
【選択図】図４

【特許請求の範囲】

【請求項1】

図面画像を取得し、
図面画像を入力した場合に所定の対象物を検出するよう学習済みのモデルに、取得した前記図面画像を入力することで前記対象物を検出する
処理をコンピュータに実行させるプログラム。

【請求項2】

前記図面画像は、地図画像である
請求項１に記載のプログラム。

【請求項3】

前記地図画像は道路台帳地図画像であり、
取得した前記道路台帳地図画像を前記モデルに入力することで、交差点を含む道路対象物を検出する
請求項２に記載のプログラム。

【請求項4】

工事施工箇所の情報を取得し、
検出した前記交差点から前記工事施工箇所までの距離を特定する
請求項３に記載のプログラム。

【請求項5】

工事の種類を受け付け、
受け付けた工事の種類と、特定した前記交差点から前記工事施工箇所までの距離とに基づき、工事範囲を特定し、
前記道路台帳地図画像上に、特定した前記工事範囲及び工事施工箇所を表すオブジェクトを重畳する
請求項４に記載のプログラム。

【請求項6】

取得した前記図面画像を拡大し、
拡大した前記図面画像を前記モデルに入力することで、前記対象物を検出する
請求項１に記載のプログラム。

【請求項7】

図面画像を入力した場合に特定のオブジェクトに相当する画像領域を識別するよう学習済みの第２モデルを用いて、取得した前記図面画像上の特定のオブジェクトを色付けするセグメンテーション処理を行い、
色付けされた前記図面画像を前記モデルに入力することで、前記対象物を検出する
請求項１に記載のプログラム。

【請求項8】

前記図面画像は道路台帳地図画像であり、
道路台帳地図画像を入力した場合に歩道又は車道に相当する画像領域を識別するよう学習済みの前記第２モデルを用いて、取得した前記道路台帳地図画像上の歩道又は車道を色付けするセグメンテーション処理を行い、
色付けされた前記道路台帳地図画像を前記モデルに入力することで、道路対象物を検出する
請求項７に記載のプログラム。

【請求項9】

前記対象物を検出後、未検出の前記対象物を示す情報を前記図面画像に付加する入力を受け付け、
前記図面画像と、付加された前記対象物を示す情報とに基づき、前記モデルを更新する
請求項１に記載のプログラム。

【請求項10】

前記対象物の検出結果を前記図面画像と対応付けて記憶部に記憶し、
前記対象物を指定する入力を受け付け、
指定された前記対象物を含む前記図面画像を前記記憶部から検索する
請求項１に記載のプログラム。

【請求項11】

図面画像を取得し、
図面画像を入力した場合に所定の対象物を検出するよう学習済みのモデルに、取得した前記図面画像を入力することで前記対象物を検出する
処理をコンピュータが実行する情報処理方法。

【請求項12】

制御部を備える情報処理装置であって、
前記制御部が、
図面画像を取得し、
図面画像を入力した場合に所定の対象物を検出するよう学習済みのモデルに、取得した前記図面画像を入力することで前記対象物を検出する
情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、プログラム、情報処理方法及び情報処理装置に関する。

【背景技術】

【0002】

道路を俯瞰視した画像から、交差点等の対象物を検出する技術がある。例えば特許文献１では、鳥瞰画像から交差点及び交差点に接続する複数の道路を検出し、検出した各道路について交差点へ進入する進入車線と交差点から退出する退出車線とを検出し、進入車線から車両が進行可能な他の道路の退出車線を結ぶように、交差点における車線同士の接続関係を表すレーンネットワークを生成する地図生成装置等が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２２－１０７９８６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

一つの側面では、図面画像から所望の対象物を検出することができるプログラム等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】

【0005】

一つの側面では、プログラムは、図面画像を取得し、図面画像を入力した場合に所定の対象物を検出するよう学習済みのモデルに、取得した前記図面画像を入力することで前記対象物を検出する処理をコンピュータに実行させる。

【発明の効果】

【0006】

一つの側面では、図面画像から所望の対象物を検出することができる。

【図面の簡単な説明】

【0007】

【図1】図面認識システムの構成例を示す説明図である。

【図2】サーバの構成例を示すブロック図である。

【図3】端末の構成例を示すブロック図である。

【図4】実施の形態１の概要を示す説明図である。

【図5】基準図の作成処理に関する説明図である。

【図6】基準図の他例を示す説明図である。

【図7】検出モデルの生成処理の手順を示すフローチャートである。

【図8】基準図の作成処理の手順を示すフローチャートである。

【図9】実施の形態２に係る検出モデルの生成処理の手順を示すフローチャートである。

【図10】実施の形態２に係る基準図の作成処理の手順を示すフローチャートである。

【図11】実施の形態３の概要を示す説明図である。

【図12】セグメンテーションモデルの生成処理の手順を示すフローチャートである。

【図13】実施の形態３に係る基準図の作成処理の手順を示すフローチャートである。

【図14】実施の形態４に係る基準図の作成処理の手順を示すフローチャートである。

【図15】実施の形態５に係るサーバの構成例を示すブロック図である。

【図16】地図ＤＢのレコードレイアウトの一例を示す説明図である。

【図17】実施の形態５に係る基準図の作成処理の手順を示すフローチャートである。

【図18】地図検索処理の手順を示すフローチャートである。

【発明を実施するための形態】

【0008】

以下、本発明をその実施の形態を示す図面に基づいて詳述する。
（実施の形態１）
図１は、図面認識システムの構成例を示す説明図である。本実施の形態では、機械学習により構築される検出モデル５０（図２参照）を用いて、代表的な図面画像である地図画像から交差点等の対象物を検出し、対象物の検出結果に基づいて道路工事保安施設設置基準図（以下では簡潔のため「基準図」と記載する）を自動で作成する図面認識システムについて説明する。図面認識システムは、情報処理装置１、端末２を含む。各装置は、インターネット等のネットワークＮを介して通信接続されている。

【0009】

なお、後述の如く、本実施の形態で対象とする画像は図形や記号で表現された何らかの図面画像であればよく、その図面画像は地図画像に限定されない。

【0010】

基準図（図５、図６参照）は、工事現場の保安対策のために作成される図面である。具体的には図５、図６に図示するように、基準図では、作業車両の駐車位置や交通誘導員の立ち位置、歩行者や通行車両のための迂回路を規定するためのカラーコーン（登録商標）の設置位置などが描画される。基準図は、例えば工事申請書類の添付図などとして作成される。

【0011】

従来、基準図は人手で作成されており、作成者は道路台帳地図から交差点、横断歩道、近隣の駐車場などの位置を確認し、工事範囲及び工事施工箇所を表す表記を記入して基準図を作成していた。本実施の形態ではこの処理を自動化し、機械学習により構築される検出モデル５０を用いて基準図を作成する。

【0012】

情報処理装置１は、種々の情報処理、情報の送受信が可能な情報処理装置であり、例えばサーバコンピュータ、パーソナルコンピュータ等である。本実施の形態では情報処理装置１がサーバコンピュータであるものとし、以下では簡潔のためサーバ１と読み替える。サーバ１は、所定の訓練データを学習することで、道路台帳地図画像を入力した場合に、所定の道路対象物（例えば交差点、横断歩道、駐車場等）を検出する検出モデル５０を生成する。そしてサーバ１は、生成した検出モデル５０を用いて、工事場所の道路台帳地図画像から、交差点を含む道路対象物を検出する。後述の如く、サーバ１は、検出した交差点から工事施工箇所までの距離を特定し、特定した工事施工箇所までの距離と、工事の種類とに応じて工事範囲を特定し、特定した工事範囲及び工事施工箇所を表すオブジェクトを道路台帳地図画像に重畳することで基準図を作成する。

【0013】

なお、本実施の形態では地図画像として道路台帳地図画像を扱うものとして説明するが、地図画像は道路台帳に係る地図に限定されず、他の地図画像（例えば住宅地図やＧｏｏｇｌｅマップ（登録商標）など）であってもよい。

【0014】

端末２は、基準図の作成者が使用する端末装置であり、例えばパーソナルコンピュータ、タブレット端末等である。作成者は端末２を介して地図画像をサーバ１にアップロードし、対象物の検出を行わせ、オブジェクトが重畳された地図画像（基準図）を取得する。

【0015】

なお、本実施の形態では主にサーバ１が検出モデル５０による対象物の検出、基準図の作成等の一連の処理を行うものとして説明するが、本実施の形態はこれに限定されるものではなく、サーバ１が実行する処理の一部又は全部をクライアントの端末２が実行するようにしてもよい。

【0016】

図２は、サーバ１の構成例を示すブロック図である。サーバ１は、制御部１１、主記憶部１２、通信部１３、及び補助記憶部１４を備える。
制御部１１は、一又は複数のＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）等の演算処理装置を有し、補助記憶部１４に記憶されたプログラムＰ１を読み出して実行することにより、種々の情報処理、制御処理等を行う。主記憶部１２は、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）等の一時記憶領域であり、制御部１１が演算処理を実行するために必要なデータを一時的に記憶する。通信部１３は、通信に関する処理を行うための通信モジュールであり、外部と情報の送受信を行う。

【0017】

補助記憶部１４は、大容量メモリ、ハードディスク等の不揮発性記憶領域であり、制御部１１が処理を実行するために必要なプログラムＰ１（プログラム製品）、その他のデータを記憶している。また、補助記憶部１４は、検出モデル５０を記憶している。検出モデル５０は、所定の訓練データを学習済みの機械学習モデルであり、地図画像を入力した場合に所定の対象物（道路対象物）を検出するよう学習済みのモデルである。

【0018】

なお、補助記憶部１４はサーバ１に接続された外部記憶装置であってもよい。また、サーバ１は複数のコンピュータからなるマルチコンピュータであっても良く、ソフトウェアによって仮想的に構築された仮想マシンであってもよい。

【0019】

また、本実施の形態においてサーバ１は上記の構成に限られず、例えば操作入力を受け付ける入力部、画像を表示する表示部等を含んでもよい。また、サーバ１は、ＣＤ（Compact Disk）－ＲＯＭ、ＤＶＤ（Digital Versatile Disc）－ＲＯＭ等の可搬型記憶媒体１ａを読み取る読取部を備え、可搬型記憶媒体１ａからプログラムＰ１を読み取って実行するようにしても良い。

【0020】

図３は、端末２の構成例を示すブロック図である。端末２は、制御部２１、主記憶部２２、通信部２３、表示部２４、入力部２５、及び補助記憶部２６を備える。
制御部２１は、一又は複数のＣＰＵ等のプロセッサを有し、補助記憶部２６に記憶されたプログラムＰ２を読み出して実行することにより、種々の情報処理を行う。主記憶部２２は、ＲＡＭ等の一時記憶領域であり、制御部２１が演算処理を実行するために必要なデータを一時的に記憶する。通信部２３は、通信に関する処理を行うための通信モジュールであり、外部と情報の送受信を行う。表示部２４は、液晶ディスプレイ等の表示画面であり、画像を表示する。入力部２５は、タッチパネル等の操作インターフェイスであり、ユーザから操作入力を受け付ける。補助記憶部２６は、ハードディスク等の不揮発性記憶領域であり、制御部２１が処理を実行するために必要なプログラムＰ２（プログラム製品）、その他のデータを記憶している。

【0021】

なお、端末２は、ＣＤ－ＲＯＭ等の可搬型記憶媒体２ａを読み取る読取部を備え、可搬型記憶媒体２ａからプログラムＰ２を読み取って実行するようにしても良い。

【0022】

図４は、実施の形態１の概要を示す説明図である。図４では、地図画像（図面画像）から対象物を検出（破線状のバウンディングボックスで図示）する様子を図示している。図４に基づき、検出モデル５０の概要を説明する。

【0023】

検出モデル５０は、地図画像（図面画像）を入力した場合に所定の対象物を検出するよう学習済みのモデルであり、例えばＳＮＮ（Spiking Neural Network）である。なお、検出モデル５０はＳＮＮに限定されず、例えばＣＮＮ（Convolutional Neural Network）など、他の機械学習モデルであってもよい。

【0024】

サーバ１は、訓練用の地図画像に対し、検出対象とする対象物の正解の位置及び種類が対応付けられた訓練データを用いて、検出モデル５０を生成する。本実施の形態で検出対象とする対象物は、例えば交差点、横断歩道、駐車場、歩道切り下げ部（車両出入口）、道路上に塗装された道路標示などである。なお、これらは対象物の一例であって、他の物体を地図画像から検出してもよい。

【0025】

サーバ１は、訓練用の地図画像を検出モデル５０に入力することで、対象物の位置及び種類を検出する。サーバ１は、検出結果が正解の位置及び種類と近似するように、ニューロン間の重み等のパラメータを更新する。サーバ１は、訓練用の各地図画像について当該処理を繰り返し、パラメータを最適化した検出モデル５０を生成する。

【0026】

実際に検出モデル５０を用いて地図画像から対象物を検出する場合、サーバ１は、工事場所の地図画像を端末２から取得する。サーバ１は、取得した地図画像を検出モデル５０に入力することで、各種対象物を検出する。これにより、図４に示すように、交差点、横断歩道、駐車場といった道路対象物が地図画像から検出される。

【0027】

本実施の形態では、上述の検出モデル５０を用いた物体検出の活用事例として、地図画像から基準図を自動的に作成する形態について説明する。

【0028】

図５は、基準図の作成処理に関する説明図である。図５では、上記で検出した交差点と、工事施工箇所との位置に応じて、カラーコーン等を表すオブジェクトを重畳する様子を概念的に図示している。図５に基づき、基準図の作成処理について説明する。

【0029】

まずサーバ１は、端末２から工事施工箇所（図５ではハッチングを付した矩形領域で図示）の情報を取得する。工事施工箇所とは、例えば電柱、電線、地中配電ケーブルなどであるが、特に限定されない。サーバ１は、取得した情報に基づき、工事施工箇所の地図画像上の位置を特定する。そしてサーバ１は、検出モデル５０により検出した交差点から工事施工箇所までの距離を特定する。

【0030】

次にサーバ１は、端末２から、施工予定の工事の種類を受け付ける。サーバ１は、受け付けた工事の種類と、上記で特定した交差点から工事施工箇所までの距離とに基づき、工事範囲を特定する。

【0031】

例えばサーバ１は、各工事の種類に応じて、道路に沿って工事に必要な工事範囲の長さを事前に定義しておく。そしてサーバ１は、受け付けた工事の種類に応じて工事に必要な工事範囲の長さを特定し、特定した工事範囲の長さを、交差点から工事施工箇所までの距離と比較する。工事範囲の長さが交差点から工事施工箇所までの距離よりも短い場合、サーバ１は、工事施工箇所を中心として、連続的に工事範囲を設定（特定）する。一方で、工事範囲の長さが交差点から工事施工箇所までの距離よりも長い場合、サーバ１は、交差点を跨いで断続的に工事範囲を設定する。

【0032】

例えば図５の例では、交差点から工事施工箇所までの距離が十分長く、工事範囲の長さが交差点から工事成功箇所までの距離よりも短いため、サーバ１は、交差点を跨がずに、工事施工箇所を中心として連続的に工事範囲を設定する。これに対し、図６は、基準図の他例を示す説明図である。図６の例では、交差点から工事施工箇所までの距離が短く、工事範囲の長さが交差点から工事施工箇所までの距離よりも長いため、サーバ１は、交差点を跨ぐ形で、交差点の両側に工事範囲を設定する。

【0033】

図５に戻って説明を続ける。最後にサーバ１は、所定のルールに従い、上記で特定した工事範囲及び工事施工箇所を表すオブジェクトを地図画像に重畳する。例えばサーバ１は、特定した工事範囲を囲うように、カラーコーンを表すオブジェクトを重畳（配置）する。また、サーバ１は、工事範囲内に交通誘導員、作業車両、電光表示車両等を表すオブジェクトを重畳する。これにより、サーバ１は基準図を作成する。

【0034】

以上より、本実施の形態によれば、地図画像から交差点等の対象物を自動的に検出することができ、その検出結果を用いて基準図を作成することができる。

【0035】

図７は、検出モデル５０の生成処理の手順を示すフローチャートである。図７に基づき、機械学習により検出モデル５０を生成する際の処理内容について説明する。
サーバ１の制御部１１は、検出モデル５０生成用の訓練データを取得する（ステップＳ１１）。訓練データは、訓練用の地図画像（図面画像）に対し、対象物の正解の位置及び種類が対応付けられたデータである。

【0036】

制御部１１は訓練データに基づき、地図画像（図面画像）を入力した場合に対象物を検出する検出モデル５０を生成する（ステップＳ１２）。具体的には上述の如く、制御部１１は、ＳＮＮを検出モデル５０として生成する。制御部１１は、訓練用の地図画像を検出モデル５０に入力することで対象物の位置及び種類を検出し、検出結果が正解の位置及び種類と近似するようにニューロン間の重み等のパラメータを最適化することで、検出モデル５０を生成する。制御部１１は一連の処理を終了する。

【0037】

図８は、基準図の作成処理の手順を示すフローチャートである。図８に基づき、基準図を作成する際の処理内容について説明する。
サーバ１の制御部１１は、工事場所の地図画像を端末２から取得する（ステップＳ３１）。地図画像は、上述の如く、道路台帳に係る地図画像である。制御部１１は、取得した地図画像を検出モデル５０に入力することで、所定の対象物を検出する（ステップＳ３２）。具体的には、制御部１１は、交差点を含む道路対象物を検出する。

【0038】

制御部１１は、工事施工箇所の情報を端末２から取得する（ステップＳ３３）。制御部１１は、ステップＳ３２で検出した交差点から工事施工箇所までの距離を特定する（ステップＳ３４）。

【0039】

制御部１１は、端末２を介して、施工予定の工事の種類を受け付ける（ステップＳ３５）。制御部１１は、受け付けた工事の種類と、ステップＳ３４で特定した交差点から工事施工箇所までの距離とに基づき、工事範囲を特定する（ステップＳ３６）。具体的には、制御部１１は、工事の種類に応じて必要な工事範囲の長さを特定し、特定した工事範囲の長さを、交差点から工事施工箇所までの距離と比較する。工事範囲の長さが交差点から工事施工箇所までの距離よりも短い場合、制御部１１は、工事施工箇所を中心として、連続的に工事範囲を設定（特定）する。一方で、工事範囲の長さが交差点から工事施工箇所までの距離よりも長い場合、制御部１１は、交差点を跨いで断続的に工事範囲を設定する。

【0040】

制御部１１は、特定した工事範囲及び工事施工箇所を表すオブジェクトを地図画像に重畳する（ステップＳ３７）。具体的には上述の如く、制御部１１は所定のルールに従い、特定した工事範囲を囲うようにカラーコーンを表すオブジェクトを重畳（配置）すると共に、交通誘導員、作業車両、電光表示車両等を表すオブジェクトを工事範囲内に重畳する。制御部１１は一連の処理を終了する。

【0041】

なお、本実施の形態では検出モデル５０に入力する画像が地図画像であるものとして説明したが、本実施の形態はこれに限定されるものではない。例えばサーバ１は、地図以外に何らかの配置図、設計図等を検出モデル５０に入力することで、図面中の対象物を検出するようにしてもよい。このようなユースケースとして、例えば図面から図形等を読み取り、３Ｄプリンタに検出結果を出力することで、図面から加工を行うようなケースが考えられる。また、他のユースケースとして、倉庫内の荷物の配置図から荷物の場所を検出して、自動的にロケーションを行うようなケースが考えられる。

【0042】

このように、検出モデル５０に入力する画像は、図形や記号で表現された何らかの図面画像であればよく、その図面画像は地図画像に限定されない。

【0043】

以上より、本実施の形態１によれば、図面画像から所望の対象物を検出することができる。

【0044】

（実施の形態２）
本実施の形態では、地図画像（図面画像）を拡大することで対象物の検出精度を高める形態について述べる。なお、実施の形態１と重複する内容については同一の符号を付して説明を省略する。

【0045】

まず、本実施の形態の概要を説明する。本実施の形態では、サーバ１は、地図画像（図面画像）をそのまま検出モデル５０に入力するのではなく、当該地図画像を拡大した上で検出モデル５０に入力することにより、対象物の検出精度を高める。

【0046】

検出モデル５０の生成時（訓練時）においてサーバ１は、訓練データを使って検出モデル５０の学習を行う前に、訓練用の地図画像を所定倍率まで拡大する。そしてサーバ１は、拡大した訓練用の地図画像と、対象物の正解の位置及び種類とに基づき、検出モデル５０を生成する。すなわち、サーバ１は、拡大した地図画像を検出モデル５０に入力することで対象物の位置及び種類を検出し、検出結果が正解の位置及び種類と近似するように、ニューロン間の重み等のパラメータを最適化することで検出モデル５０を生成する。

【0047】

基準図を作成する場合、サーバ１は、端末２から取得した地図画像をまず所定倍率まで拡大する。そしてサーバ１は、拡大後の地図画像を検出モデル５０に入力することで、交差点を含む対象物を検出する。以降の処理は実施の形態１と同様であり、サーバ１は、交差点から工事施工箇所までの距離を特定し、工事範囲を特定してオブジェクトを重畳する。

【0048】

図９は、実施の形態２に係る検出モデル５０の生成処理の手順を示すフローチャートである。検出モデル５０生成用の訓練データを取得した後（ステップＳ１１）、サーバ１は以下の処理を実行する。
サーバ１の制御部１１は、訓練用の地図画像（図面画像）を、所定倍率まで拡大する（ステップＳ２０１）。制御部１１は、拡大した訓練用の地図画像と、対象物の正解の位置及び種類に基づき、検出モデル５０を生成する（ステップＳ２０２）。すなわち、制御部１１は、拡大後の地図画像を検出モデル５０に入力することで対象物の位置及び種類を検出し、検出結果が正解の位置及び種類と近似するように、ニューロン間の重み等のパラメータを最適化することで検出モデル５０を生成する。制御部１１は一連の処理を終了する。

【0049】

図１０は、実施の形態２に係る基準図の作成処理の手順を示すフローチャートである。端末２から地図画像を取得した後（ステップＳ３１）、サーバ１は以下の処理を実行する。
サーバ１の制御部１１は、取得した地図画像を所定倍率まで拡大する（ステップＳ２２１）。制御部１１は、拡大した地図画像を検出モデル５０に入力することで、所定の対象物を検出する（ステップＳ２２２）。制御部１１は処理をステップＳ３３に移行する。

【0050】

以上より、本実施の形態２によれば、地図画像（図面画像）を拡大することで対象物の検出精度を高めることができる。

【0051】

（実施の形態３）
本実施の形態では、検出モデル５０を用いて対象物の検出を行う前に、地図画像（図面画像）を色付けするセグメンテーション処理を行う形態について説明する。

【0052】

図１１は、実施の形態３の概要を示す説明図である。図１１では、検出モデル５０とは異なるセグメンテーションモデル４０（第２モデル）に地図画像を入力することで、地図画像上の特定のオブジェクト（例えば歩道）を色付け（図１１ではハッチングで図示）する様子を概念的に図示している。図１１に基づき、本実施の形態の概要を説明する。

【0053】

上述の如く、本実施の形態では地図画像として道路台帳地図画像を採用する。しかしながら、道路台帳地図画像は白黒の２値で表現された画像であり、白黒の画像から交差点等の対象物を検出することは難易度が高い。そこで本実施の形態では、道路地図画像上の歩道、車道等のオブジェクトを事前に色付けするセグメンテーション処理を行うことで、対象物の検出を容易とする。

【0054】

セグメンテーションモデル４０は、地図画像（図面画像）を入力した場合に、歩道、車道等のオブジェクトに相当する画像領域を識別するモデルであり、例えばＣＮＮの一種であるセマンティックセグメンテーションモデルである。例えばセグメンテーションモデル４０は、図１１に示すように、地図画像上の歩道に相当する画像領域を識別する。

【0055】

サーバ１は、訓練用の地図画像に対し、歩道（又は車道）の正解の画像領域を示す情報が対応付けられた訓練データに基づき、セグメンテーションモデル４０を生成する。例えばサーバ１は、端末２を介して作業者から地図画像の歩道部分を色付けする操作を受け付けることで、訓練データを取得する。サーバ１は、訓練用の地図画像をセグメンテーションモデル４０に入力することで歩道に相当する画像領域を識別し、識別結果が正解の画像領域と近似するように、ニューロン間の重み等のパラメータを最適化する。これにより、サーバ１はセグメンテーションモデル４０を生成する。

【0056】

基準図を作成する場合、サーバ１は、検出モデル５０に地図画像を入力する前に、セグメンテーションモデル４０を用いてセグメンテーション処理を行う。すなわち、サーバ１は、地図画像をセグメンテーションモデル４０に入力することで歩道に相当する画像領域を識別し、識別した画像領域、すなわち歩道を色付けした地図画像を生成する。サーバ１は、色付けした地図画像を検出モデル５０に入力することで、地図画像から交差点を含む対象物を検出する。

【0057】

図１２は、セグメンテーションモデル４０の生成処理の手順を示すフローチャートである。図１２に基づき、機械学習によりセグメンテーションモデル４０を生成する際の処理内容について説明する。
サーバ１の制御部１１は、セグメンテーションモデル４０生成用の訓練データを取得する（ステップＳ３０１）。訓練データは、訓練用の地図画像に対し、歩道又は車道の正解の画像領域を示す情報が対応付けられたデータである。

【0058】

制御部１１は訓練データに基づき、地図画像（図面画像）を入力した場合に歩道、車道等の特定のオブジェクトに相当する画像領域を識別するセグメンテーションモデル４０（第２モデル）を生成する（ステップＳ３０２）。具体的には上述の如く、制御部１１は、セマンティックセグメンテーションモデルをセグメンテーションモデル４０として生成する。制御部１１は、訓練用の地図画像をセグメンテーションモデル４０に入力することで歩道又は車道に相当する画像領域を識別し、識別結果が正解の画像領域と近似するように、ニューロン間の重み等のパラメータを最適化することで、セグメンテーションモデル４０を生成する。制御部１１は一連の処理を終了する。

【0059】

図１３は、実施の形態３に係る基準図の作成処理の手順を示すフローチャートである。端末２から地図画像を取得した後（ステップＳ３１）、サーバ１は以下の処理を実行する。
サーバ１の制御部１１は、取得した地図画像（図面画像）をセグメンテーションモデル４０に入力することで、歩道、車道等の特定のオブジェクトに相当する画像領域を識別し、識別した画像領域、すなわち地図画像上の歩道、車道等のオブジェクトを色付けするセグメンテーション処理を行う（ステップＳ３２１）。制御部１１は、色付けされた地図画像（図面画像）を検出モデル５０に入力することで、対象物を検出する（ステップＳ３２２）。制御部１１は処理をステップＳ３３に移行する。

【0060】

以上より、本実施の形態３によれば、図面画像上の特定のオブジェクト（例えば地図画像上の歩道又は車道）を色付けすることで、検出モデル５０による対象物の検出精度を高めることができる。

【0061】

（実施の形態４）
本実施の形態では、検出漏れ（未検出）の対象物についてアノテーションを受け付けることで、検出モデル５０の再学習を行い、対象物の検出精度を高める形態について説明する。

【0062】

まず、本実施の形態の概要を説明する。サーバ１は、実施の形態１と同様に、基準図を作成する場合、地図画像（図面画像）を検出モデル５０に入力することで対象物を検出する。

【0063】

ここで、対象物の検出漏れが起きた場合を考える。本実施の形態でサーバ１は、この検出漏れの対象物を検出可能とすべく、検出モデル５０の再学習を行う。

【0064】

例えばサーバ１は、対象物の検出結果を示す地図画像（図４参照）を端末２に出力し、作成者に対して表示する。そしてサーバ１は、端末２を介して作成者から、当該地図画像に対し未検出の対象物を示す情報を付加するアノテーション操作を受け付ける。例えばサーバ１は、地図画像上の任意の座標範囲を囲う描画操作を受け付けると共に、描画された座標範囲内に位置する対象物の種類（例えば交差点、横断歩道等）を指定する入力を受け付ける。

【0065】

なお、サーバ１は、本システムのユーザである作成者以外に、検出モデル５０の作成、管理を行う本システムの運営者からアノテーションを受け付け、再学習を実施するようにしてもよい。

【0066】

サーバ１はアノテーションに従い、検出モデル５０の再学習を行う。すなわち、サーバ１は、当該地図画像（図面画像）と、作成者により付加された対象物を示す情報とに基づき、検出モデル５０を更新する。サーバ１は、対象物の検出結果が、作成者により付加された対象物の位置及び種類と近似するように、ニューロン間の重み等のパラメータを最適化する。

【0067】

図１４は、実施の形態４に係る基準図の作成処理の手順を示すフローチャートである。地図画像から対象物を検出した後（ステップＳ３２）、サーバ１は以下の処理を実行する。
サーバ１の制御部１１は、端末２を介して、作成者から、地図画像に対し、未検出の対象物を示す情報を付加するアノテーション操作を受け付ける（ステップＳ４０１）。例えば制御部１１は、地図画像上の任意の座標範囲を囲う描画を受け付けると共に、描画された座標範囲内に位置する対象物の種類を指定する入力を受け付ける。制御部１１は、当該地図画像と、作成者により付加された対象物を示す情報とに基づき、検出モデル５０を更新する（ステップＳ４０２）。制御部１１は処理をステップＳ３３に移行する。

【0068】

以上より、本実施の形態４によれば、本システムの運用を通じて対象物の検出精度を高めることができる。

【0069】

（実施の形態５）
本実施の形態では、交差点等の対象物を検索クエリとした地図検索を可能とする形態について説明する。

【0070】

図１５は、実施の形態５に係るサーバ１の構成例を示すブロック図である。本実施の形態に係るサーバ１の補助記憶部１４は、地図ＤＢ１４１を記憶している。地図ＤＢ１４１は、検出モデル５０による対象物の検出結果（対象物の位置及び種類）を格納したデータベースである。

【0071】

図１６は、地図ＤＢ１４１のレコードレイアウトの一例を示す説明図である。地図ＤＢ１４１は、地図ＩＤ列、座標列、種類列を含む。地図ＩＤ列は、各地図画像を識別するための地図ＩＤを記憶している。座標列、及び種類列はそれぞれ、地図ＩＤと対応付けて、地図画像上の対象物の座標範囲、及び対象物の種類を記憶している。

【0072】

ここで、本実施の形態の概要を説明する。上述の如く、サーバ１は、対象物の位置や種類が未知の地図画像（図面画像）を検出モデル５０に入力し、各種対象物を地図画像から検出する。本実施の形態においてサーバ１は、その対象物の検出結果を地図画像と対応付けて地図ＤＢ１４１に記憶しておく。具体的には図１６に示すように、サーバ１は、地図ＩＤと対応付けて、地図画像上の対象物の座標範囲、及び対象物の種類を地図ＤＢ１４１に記憶する。

【0073】

サーバ１は、この地図ＤＢ１４１に基づく地図検索機能を提供する。例えばサーバ１は、端末２から、対象物の種類を指定した検索クエリの指定入力を受け付ける。サーバ１は、指定された種類の対象物が存在する地図画像を地図ＤＢ１４１から検索し、検索結果を端末２に出力する。

【0074】

このように、検出モデル５０による対象物の検出結果を蓄積することで、地図検索用のデータベースを構築することができる。

【0075】

図１７は、実施の形態５に係る基準図の作成処理の手順を示すフローチャートである。ステップＳ３７の処理を実行後、サーバ１は以下の処理を実行する。
サーバ１の制御部１１は、地図画像（図面画像）と対応付けて、ステップＳ３２における対象物の検出結果を地図ＤＢ１４１に記憶する（ステップＳ５０１）。具体的には、制御部１１は、地図画像（地図ＩＤ）と対応付けて、地図画像から検出した対象物の座標範囲、及び対象物の種類を地図ＤＢ１４１に記憶する。制御部１１は一連の処理を終了する。

【0076】

図１８は、地図検索処理の手順を示すフローチャートである。図１８に基づき、対象物に基づく地図検索処理の内容について説明する。
サーバ１の制御部１１は、端末２から、検索クエリとする対象物の種類を指定する入力を受け付ける（ステップＳ５２１）。制御部１１は、指定された種類の対象物を含む地図画像（図面画像）を、地図ＤＢ１４１から検索する（ステップＳ５２２）。制御部１１は、検索された地図画像を端末２に出力し（ステップＳ５２３）、一連の処理を終了する。

【0077】

以上より、本実施の形態５によれば、検出モデル５０を用いて地図検索用のデータベースを構築することもできる。

【0078】

今回開示された実施の形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

【0079】

各実施の形態に記載した事項は相互に組み合わせることが可能である。また、特許請求の範囲に記載した独立請求項及び従属請求項は、引用形式に関わらず全てのあらゆる組み合わせにおいて、相互に組み合わせることが可能である。さらに、特許請求の範囲には他の２以上のクレームを引用するクレームを記載する形式（マルチクレーム形式）を用いているが、これに限るものではない。マルチクレームを少なくとも一つ引用するマルチクレーム（マルチマルチクレーム）を記載する形式を用いて記載しても良い。

【符号の説明】

【0080】

１ サーバ（情報処理装置）
１１ 制御部
１２ 主記憶部
１３ 通信部
１４ 補助記憶部
Ｐ１ プログラム
４０ セグメンテーションモデル（第２モデル）
５０ 検出モデル
１４１ 地図ＤＢ
２ 端末
２１ 制御部
２２ 主記憶部
２３ 通信部
２４ 表示部
２５ 入力部
２６ 補助記憶部
Ｐ２ プログラム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】