SSII2021 [OS3] 広域環境の3D計測と認識 ～ 人が活動する場のセンシングとモデル化 ～（オーガナイザーによる冒頭の導入） 6/11 (金) 11:00 - 12:30 オーガナイザー： 増田 宏 氏（電気通信大学） 概要：レーザスキャナを用いた３次元計測により、広域環境の３D情報を大規模な点群データとして取得できるようになりました。この技術は、人が活動する場、たとえば、生産現場、インフラ設備、交通網、都市、森林などの非常に広い分野において、現況把握、保全、進捗管理などの業務支援に活用できます。本セッションでは、この分野の第一人者を講師としてお招きし、広域環境の３D計測とモデル化について、技術と応用の両面から最新動向についてご講演いただきます。また、本分野の今後の展望についても議論したいと思います。

1. 広域環境の3D計測と認識
〜 ⼈が活動する場のセンシングとモデル化 〜
2021.6.11
オーガナイザー︓
増⽥ 宏（電気通信⼤学）

2. レーザスキャナによる点群計測
• レーザスキャナによる計測例
• 毎秒100万計測
• 1分弱で 5000万計測
• 点群計測後に，内蔵カメラで撮影．
後処理で，点群に⾊付け
(x, y, z)
レーザスキャナで取得された点群
（⼤学の研究室）
Faro Focus3D
X330
密な点群で
シーンを構成

3. • 三⾓測量 (⼩型の物体)
• 計測距離： 数⼗cm から 2~3m
• 計測精度： 0.2 ｍｍ at 1m
• Time-of-Flight
• 計測距離： 最⼤で数百m〜数km
• 計測速度： 数万〜数⼗万点/秒
• 位相差⽅式
• 計測距離： 数⼗〜300m 程度
• 計測速度： 最⼤100万点/秒
3
10cm〜1 m程度
⻑距離
100〜300 m程度
広域環境の計測
広域環境の３次元計測：レーザスキャナ

4. • 座標(X,Y,Z) 以外の属性が付加することが多い．
（X, Y, Z) のみ （X, Y, Z)＋反射強度
反射強度：反射光の強さ
（⽩い物体ほど多くの光が反射される．
反射強度を明るさに置き換えると，⽩⿊
画像が作成できる）
（X, Y, Z)＋RGBカラー
３次元の点を２次元画像上に投影し，
投影された画素の⾊をコピーする．
点群データの⾊属性

5. 広域環境の３次元計測
~ レーザスキャナのデータ品質 ~
5
２m 〜３０m 平⾯からのずれ
ホワイト
ボード
１０年間でデータ品質
が⾶躍的に向上
(2006)
(2012)
(2016)
Ⅱ:実用期
Ⅲ:高品質
Ⅰ:初期

6. 広域環境の３次元計測
様々なスケールの⼈が活動する場を広域環境と総称する．
（⽣産設備，インフラ設備，貯蔵施設，建築物，交通網，
市街地，都市空間，地形，森林，農地など）

7. ⼈が活動する場の３次元計測と情報抽出
•⼯場
•プラント
•建設現場
•都市環境
•災害現場
•道路
•橋梁
•トンネル
•送電設備
•鉄道
•造船
•林業
•農業
•港湾
：
•現況把握
• 保全・改修
• 劣化診断
• 作業計画
• 進捗管理
• 精度管理
• ３D地図作成
：
点群データ 点群処理
３次元計測
仮想フィールド
３
次
元
計
測
点
群
処
理
情
報
抽
出
点
群
実フィールド 業務⽀援

8. 製 造
建 築
⼟ ⽊
災 害
安 全 ⽂ 化
農林⽔産
運 輸 都 市
ü造船・航空機製造
üプラント現況確認
ü⼯場のレイアウト
ü施⼯管理
ü修繕・修復
ü各種アセスメント
ü⼯事現場計測
ü河川改修
ü道路管理
ü災害現場計測
ü災害発⽣検出
ü復興計画⽀援
ü事故現場記録
ü犯罪現場記録
ü重要施設監視
ü鉄道保線
ü空港管理
ü港湾管理
ü精密農業
ü果樹園管理
ü森林管理
ü遺跡記録
ü⽂化財記録
ü３D地図
üインフラ保全
「⼈が活動する場のセンシングとモデル化」
広域環境の３D計測と認識：応⽤分野
※⼩野⾥(北⼤)精密⼯学会2010秋を⼀部改変

9. 移動計測データからの物体抽出と認識
自律移動ロボットによる3D計測の自動化
設備の計測データからの形状モデル生成
配管系統 ⼀般化円柱
大型構造物の保守支援
鉄塔の傾き検出
交換部材のボルト位置検出
大型構造物の劣化検出
磨耗・付着物の検出
亀裂検出
大規模点群による樹木の形質調査
柱状物体の認識と抽出
ガードレールの抽出と3Dモデル化
電線（道路横断）の抽出
点群と画像を関連付けた物体抽出手法
※日工大・石川研との共同研究
※森林総合研究所との共同研究
レーザスキャナで取得した大規模点群
を応用した研究 (2005∼)

10. プラントの部材検出と3Dモデリング
• 点群から標準部材を検出する
• 曲⾯検出 → 部材検出
• ⼯業規格を利⽤
• ⼤規模点群のための⾼速⼿法
点群データ
（数億点）
３Dモデル
エルボ フランジ ティー レデューサ
※エンジニアリング系企業との共同研究
2005年
5000万点の
プラント点群

11. 燃焼炉の劣化検出
• 数年に⼀度，劣化箇所の補修を⾏う．
• 従来は，⽬視による⾒積もり．
• 劣化前の形状はわかっていない．
（⼤型構造物は，図⾯通りに
作られていない！）
• 点群計測による効率化
• 燃焼炉の損耗と付着物を検出する
⾼さ20m 約4.5億点
緑：健全
⾚：磨耗
⻘：付着物（内側）
建造時の歪み：⼤きなうねり
摩耗・付着物：⼩さいうねり
↓
両者を分離する
※エンジニアリング系企業との共同研究

12. 送電設備の保守⽀援
〜鉄塔の傾き検出〜
• 従来は，地表付近での定点観測
↓
地表からの点群計測による
正確な傾き検出
約3mm
のずれ
10cm以上
正常な鉄塔 傾いた鉄塔
（処理時間 約５分）
中⼼軸の算出
点群取得
30~50 m
※電力会社との共同研究

13. 送電設備の保守⽀援
〜交換部材の計測〜
点群からの
ボルト抽出
点群からの
部材境界検出
※電力会社との共同研究
• 古い鉄塔の部材には，
鋼材の詳細な図⾯がない．
• 鉄塔に登って，ボルト位置を計測
• 点群計測による⾃動検出
２億計測
(10m先で3mmピッチ）

14. 森林計測
森林の3D計測：70億点
（研究⽤の森林）
樹幹(635本) を⾃動検出（約20分)
３D計測に
置き換える
※森林総合研究所との共同研究
モデルベースの
樹木パラメータ算出
• 輪郭
• 直径
• 高さ
• 体積
• 幹曲がり
• …
⼈⼿で計測
• 樹⽊の形質の計測（農学分野）
• 森林研究のためのデータ取得

15. 道路周辺地物の抽出・認識・3Dモデリング
レーザスキャナ
セグメンテーション
物体認識
※測量系企業との共同研究
• データ活⽤には，個々の地物の抽出が必要
2010年：市街地の点群を⼊⼿

16. 道路周辺地物の抽出・認識・3Dモデリング
標識
街灯
電柱
柱状物体の認識（機械学習）
電線検出
電柱のたわみ検出 ３Dモデリング
点群
※測量系企業との共同研究

17. 広域環境の３D計測とモデル化の課題
• 広域の３次元計測
• 広域のデータは⾮常に⼤規模．
• ⽋落のあるデータしか得られない ← 複数センサの融合
• ⼤規模な点群データに耐える処理⼿法
• 広域の計測を⾏うと数千万〜数百億点
→ ⼩型物体を対象とした⼿法は使えないことが多い
• ⽋落のある不完全な点群からの情報抽出
• 対象物の知識が必要 ← ⼿法が対象物依存
• 点群の深層学習はまだ未熟
• 点群向けはまだ発展途上．現時点では，性能は未熟．
• 点群⽤の汎化された学習済みモデルがない．