大規模環境レーザ計測点群処理のソースを表示

<b>大規模環境レーザ計測点群処理</b>は，大型設備や構造物，市街地や自然環境のレーザ計測で得られた点群を，対象の保守，検査，計画，維持管理に活用するためのデータ処理技術である．

==詳細==
===大規模環境レーザ計測技術の利用===
数十メートル先から数キロメートル先の物体の3次元計測が可能な中・長距離レーザ計測器により，プラント，船舶，建築などの大型構造物，道路，トンネル，橋梁などの社会インフラ，森林などの自然環境，遺跡や文化財といった，大規模環境の3次元計測が可能になっている<ref>金井理他，特集：大規模環境の3次元計測と認識・モデル化技術，精密工学会誌，Vol. 79, No. 5, 2013</ref>．レーザ計測により得られるデータは3次元の点の集合であり，点群（Point Cloud）と呼ばれる．点群は，プラント，土木，測量，建築，文化財，エンターテイメント，考古学，法廷問題の幅広い分野において，対象の保守，検査，計画，維持管理，デジタルアーカイブなどに利用されている．

===レーザスキャナの種類と測距方式===
大規模環境のレーザ計測には，航空機搭載型レーザスキャナ（Airborne Laser Scanner，ALS），車載型（移動式）レーザスキャナ（Mobile Laser Scanner，MLS），地上設置型レーザスキャナ（Terrestrial Laser Scanner，TLS）が主に用いられている．車載型レーザスキャナはMobile Mapping System（MMS）とも呼ばれる．レーザによる測距方式は，光パルスの飛行時間を計測する光飛行時間計測（Time-of-Flight，TOF）方式と，変調したレーザ光の位相差を比較する位相差検出方式の2つが採用されている．一般的に，光飛行時間計測方式は長距離計測が可能であり，機種によっては1kmを超える長距離計測が可能なものもある．位相差検出方式は，光飛行時間計測方式に比べ短距離の計測となるが，単位時間当たりの計測点数が非常に大きいという特徴がある．ただし，最近では光飛行時間計測方式においても，高速な計測ができる機種が開発されており，技術的にはまだ進化が続いている．

===大規模環境のレーザ計測点群===
中・長距離レーザ計測で得られる点群の各点は，xyz座標値の情報に加え，レーザの反射強度（Intensity），反射パルス番号（Pulse return number），パルスの反射波形（Full waveform），点の取得時刻（UTC時刻など），サーマルセンサによる温度情報，ディジタル画像による色情報が付与される場合がある．点群は，オクル―ジョン（遮蔽）による欠損，高いレベルの計測ノイズ，物体境界付近における大量の異常値，大きな点密度差，不均一な点分布（スキャンライン），莫大なデータ量（数千万点～数十億点以上）など，安定かつ高速なデータ処理を困難にする特徴を持つ．屋外環境では自然物と人工物が混在しており，スケールや形状の複雑さが大きく異なる物体が点群内に含まれている（図1）． 

===レーザ計測点群処理===
主なレーザ計測点群処理を以下に記す．

*フィルタリング（Filtering）：
点群から計測ノイズや異常値を取り除く．特定の物体を表す点を除去する処理（たとえば数値地形モデル（Digital Terrain Model, DTM）作成のための建物や樹木等の地物除去）や，点の間引き処理にも本用語は用いられる．

*レジストレーション（Registration，位置合せ）：
異なる場所からTLSにより計測して得た点群同士や，異なる計測システムで得られた点群同士の位置と姿勢を調整し，対象を正確に表現する統合点群を得る．点群内の対応を一致させる座標変換を推定し，点群に適用する（図2）．

*特徴抽出（Feature Extraction）：
点群の表す形状の法線や曲率などの幾何特徴量を推定する．法線や近似曲率の推定には主成分分析（Principal Component Analysis，PCA）がよく用いられる．

*セグメンテーション（Segmentation）：
点群を物体ごとや曲面ごとの部分点群（セグメント）に分割する．領域成長法やHough変換，RANSAC（RANdom SAmple Consensus）[2]がよく用いられる．

*曲面/プリミティブ抽出（Surface/Primitive Extraction）：
点群から解析曲面やプリミティブ形状を抽出する．領域成長法やHough変換，RANSAC，最小自乗法がよく用いられる．プラントや設備の計測点群に対しては，特に平面と円筒面の正確な抽出が求められる（図3）．

*表面再構成（Surface Reconstruction）：
点群から計測対象物の表面を再構成する．表面モデルとしてメッシュモデルやポリゴンモデルを生成する． 

*物体認識（Object Recognition）：
点群内に含まれる物体を認識する．手続き型手法，機械学習に基づく手法，モデルベース手法などがある．プラントや設備においては，規格の識別や，部品間の連結情報の認識が求められる．

*CADモデル生成（CAD Model Generation）：
点群から設備や環境のCADモデルを生成する．プラントや土木，建築の分野においては，点群から生成されたモデルはAs-Builtモデルと呼ばれる． 

*変化検出（Change Detection）：
異なる時期に取得した点群間の差分を検出する．環境の変化の認識や，構造物の変形の解析および劣化診断を行う（図4）．

現在，点群データ処理向けのフリーソフトウェアやオープンソースライブラリが利用可能である[4][5][6]．安定かつ効率的なデータ処理のために，点の取得規則に関する情報や，対象の形状に関する知識，直交性に関する仮説[7]などが用いられる．

==外部リンク==
*[http://www.sparj.com Spar Japan]
*[http://www.sparpointgroup.com Spar Point Group]
*[http://srm3d.jspe.or.jp 精密工学会大規模環境の3次元計測と認識・モデル化技術専門委員会]

==引用==
<references/>


----

 {{DEFAULTSORT:だいきぼかんきょうれーざーけいそくてんぐんしょり}}
 [[Category:総目次]]