熊本大学学術リポジトリ Kumamoto University Repository System Title 点群データへの属性付与と道路空間の建設ライフサイク ルでの利用に関する研究 Author(s) 藤田, 陽一 Citation Issue date 2015-03-25 Type Thesis or Dissertation URL http://hdl.handle.net/2298/32317 Right 点群データへの属性付与と 道路空間の建設ライフサイクルでの利用に関する研究 2015 年 3 月 熊本大学大学院自然科学研究科 藤田 陽一 本論文の構成 本論文の構成を図-1 に示す. 第 1 章 -序論1.1. 1.2. 1.3. 1.4. 1.5. はじめに 本研究の背景 既往研究の整理 本論文の目的 本論文の概要 第 2 章 -点群データについて2.1. 2 種類の点群データ 2.2. 点群データの利用 2.3. 点群データの課題 第 4 章 -点群データの分割と分類- 第 3 章 -点群データへの属性付与3.1. 3.2. 3.3. 3.4. 4.1. エディタ開発 ・エディタの必要性 ・位置情報を用いた範囲内抽出 ・機能 4.2. 色彩情報を用いた属性分析 属性付与の意義 2 種類の属性 属性付与手法 属性付与点群データの利用法 第 5 章 -属性分析手法5.1. 5.2. 5.3. 5.4. 道路空間とは 計測不要物除去 車道空間の属性分析 歩道空間の属性分析 第 6 章 -建設ライフサイクルでの利用例6.1. 維持管理段階 6.2. 設計段階 6.3. 施工段階 6.4. 適用事例の考察 ・・・・・・路面維持管理 ・・・・・・歩道橋予備設計 . 交差点改良協議 ・・・・・・旧歩道橋撤去計画 第 7 章 -結論図-1 本論文の構成 i 目 第 1 章 次 序論------------------------------------------------- --------------------------1 1.1 はじめに-----------------------------------------------------------------------1 1.2 本研究の背景-------------------------------------------------- -------------------2 1.2.1 建設分野での ICT 利用の概要------------------------------------------------ --------- 2 1.2.2 3 次元データ利用の現状----------------------- -----------------------------------------3 1.2.3 3 次元測量機器の発達----------- ---------------------------------------------- ---------3 1.3 既往研究の整理----------------------------------------------------------------5 1.3.1 点 群 デ ー タ の 属 性 分 析 に 関 す る 研 究 --- -- - - -- - -- - -- - - - - - -- - - -- - - - -- - - -- - - - - -- - - -- - -- 5 1.3.2 物 体 認 識 に 関 す る 研 究 --- - - -- - - -- - - -- - -- -- - - -- - - -- - - -- - -- - - -- - - -- - -- - - -- - - -- - -- - - -- - - 6 1.3.3 点 群 デ ー タ の 利 活 用 に 関 す る 研 究 -- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 7 1.4 本論文の目的--------------------------------------------------------------------- 9 1.5 本論文の概要-------------------------------------------------------- ------------10 <参考文献>-------------------------------------------------------------------------11 第 2 章 2.1 点群データについて---------------------------------- ---------------------16 2 種類の点群データ-------------------------------------------------------------16 2.1.1 平面点群データ-------------------------------------------------------17 2.1.2 立面点群データ------------------------------------------------------- 18 2.2 点群データの利用----------------------------------------------------------------19 2.2.1 点群データ自体の有意性------------------------------------------------19 2.2.2 簡易的加工による点群データ利用--------------------------------------20 2.3 点群データの課題----------------------------------------------------------------22 <参考文献>------------------------------------------------------------------------- 24 第 3 章 点 群 デ ー タ へ の 属 性 付 与 --- -- -- -- - -- - -- -- - -- - - -- - -- -- -- - -- -- - - - -- -- - - - -- -- - -- -- -- - 2 5 3.1 属性付与の意義-------------------------------------------------------- ------------25 3.2 2 種類の属性-------------------------------------------------------- ---------------26 3.2.1 点データの属性分析------------------------------------------------ ------------26 3.2.2 点群データへの属性付与の観点------------------------------------------------28 ii 3.3 属性付与手法-------------------------------------------------------- ------------31 3.4 属性付与点群データの利用------------------------------------------------------ 32 3.4.1 オブジェクトしての利用----------------------------------------------------32 3.4.2 情報の紐づけと可視化-------------------------------------------------------34 3.4.3 まとめ----------------------------------------------------------------------- 36 <参考文献>------------------------------------------------ -------------------------37 第 4 章 4.1 点 群 デ ー タ の 分 割 と 分 類 --- -- -- - - - - - - -- -- - -- -- -- - -- -- -- - -- -- - -- -- -- -- - -- -- - -- -- -- - 3 8 エディタ開発-------------------------------------------------------- ------------38 4.1.1 エディタの必要性 ------------------------------------------------------- ------38 4.1.2 位置情報を用いた範囲内抽出------------------------------------------------- 39 4.1.3 座標値指示----------------------------------------------------------------- 39 4.1.4 エディタの概要--------------------------------------------------------------- 40 4.1.5 編集機能---------------------------------------------------------------------- 43 4.1.6 エディタの適用例------------------------------------------------------------- 46 4.2 色彩情報を用いた属性分析--------------------------------------------------------- 49 4.2.1 デジタル画像の分析-------------------------------------------------------49 4.2.2 RGB 色彩情報の分析-----------------------------------------------------50 4.2.3 HSV 色彩情報の分析による人工物抽出----------------------------------52 4.2.4 点群データ中の人工物抽出事例-------------------------------------------61 <参考文献>------------------------------------------------------------------------- 64 第 5 章 5.1 属性分 析手 法-------------------- ------------- ------- ------------------------ --------6 5 道路空間とは---------------------------- ----------------------------------------65 5.1.1 車道空間---------------------------------------------------------------------65 5.1.2 歩道空間--------------------------------------------------------------------66 5.1.3 周辺空間---------------------------------------------------------------------66 5.2 計測不要物除去-----------------------------------------------------------------67 5.2.1 データの前処理----------------------------------------------- ---------------67 5.2.2 不要物の除去--------------------------------------------- -------------------68 5.3 車道空間の属性分析---------------------------------------- ------------------69 iii 5.3.1 道路面抽出-------------------------------- ------------------------------------69 5.3.2 道路抽出条件--------------------------------------------- ---------------------69 5.3.3 中心値線推定------------------------------------------------------------------70 5.3.4 境界推定-------------------------------------------- ------------------------72 5.3.5 属性分析手法の適用事例----------------------------- ------------------------75 5.4 歩道空間の属性分析-------------------------------------------------- --------------79 5.4.1 柱状構造物群の抽出------------------------------------- -----------------------79 5.4.2 柱状構造物群への属性付与--------------------------------- --------------------82 5.4.3 属性分析手法の適用事例----------------------------- -------------------------86 <参考文献>------------------------------------------- ------------------------------88 第 6 章 6.1 建設ライフサイクルでの利用例-------------------------------------------89 維持管理段階------------------------------------------------------------------ 90 6.1.1 道路維持管理の現状----------------------------------------------- ------------90 6.1.2 点群データの利点---------------------------------------------------------------90 6.1.3 Mdot+の開発-------------------------------------------------------- ---------92 6.1.4 道路維持管理での属性付与点群データ利用------------------------------------97 6.2 設計段階-------------------------------------------------------------------------103 6.2.1 新水前寺交通結節点改善事業(歩道橋予備設計)--------------------------103 6.2.2 新水前寺交通結節点改善事業(交差点改良協議) ---------------- ----------109 6.3 施工段階--------------------------------------------------------------- ----------112 6.3.1 6.4 新水前寺交通結節点改善事業(旧歩道橋撤去計画) -----------------------112 適用事例の考察---------------------------------------------- ---------------------120 <参考文献>------------------------------------------------- -------------------------122 第 7 章 結論--------------------------- ------------------- --------------------------------------124 iv 第1章 序論 第1章 1.1 序論 はじめに 国土交通省は近年,建築分野で定着しつつある BIM(Building Information Modeling:以下,BIM) の土木版として CIM(Construction Information Modeling/Management:以下,CIM)を実施することを 公表した.CIM は,調査計画・設計・施工・維持管理の各段階で 3 次元モデルを一元的に共有,活用, 発展させることにより建設生産プロセスの改善を図る試みである.これにより,3 次元データの利活用 は飛躍的に進むものと期待されている. GPS や GLANOSS といった全地球測位システムや 3 次元レーザスキャナの発達に伴い,固定 式レーザ測量機器や MMS(Mobile Mapping System:以下,MMS)1)が開発され,実際のデー タ取得に用いられている.3 次元レーザスキャナを用いることで,点ごとに 3 次元位置情報(x, y, z)や色彩情報(r, g, b)などの数値情報を有した点群データの取得ができる.さらに,高精 度,短時間で現況を面的に計測できるため,構造物の維持管理に有効な方法として注目されて いる.ただし,現在の利用法の多くが,点データをそのまま利用するもの(たとえば,維持管 理情報の取得)や現況の可視化,または 2 次元図面への変換が主流である. 一方,国・地方自治体は,高度成長期以降に多くのインフラ整備を積極的に進め,生活基盤の確 保をおこなってきた.構造物の耐用年数は,一般的に 30~50 年であり,高度成長期に建設された多く の施設は,近い将来寿命を迎えることになる.そのため,既存施設の維持管理,点検・補修が重要化 している.道路空間に関しては,平成 25 年に,幹線道路を主として路面の状態を把握し,修繕の 候補箇所を抽出すること,安全で円滑な交通の確保及び舗装に係る維持管理を効率的におこな うために必要な情報を得ることを目的として,全国で道路舗装の総点検が実施されている 2) . これに伴い,全国で路面性状調査業務が実施され,MMS を用い,道路空間の維持管理情報として 点群データの取得が進められている.全国の道路総延長は約 130 万 km におよび,既存道路の維持 管理を効率よく実施する必要がある.加えて,現在進みつつある少子高齢化も相まって,労働人口が 2025 年には 2000 年と比較し 7%減少すると言われている 3).来たる近い将来に,現状と同等,もしく は,それ以上の建設生産プロセスの質および量を確保するためには,効率化は必要不可欠である. CIM の導入や維持管理の重要性により,維持管理段階や調査・計画段階で,今後,点群データ取 得が進められることが考えられる.取得した点群データは,高い現況の再現性や数値情報を保持して いるため,単なる測量データといった側面を脱し,建設ライフサイクルにわたり高度利用されるべきで ある.本論文では,点群データへ属性を与えることで点群データが高度利用でき,建設ライフサイクル での利活用につながることを示す. 1 1.2 1.2.1 本研究の背景 建設分野での ICT 利用の概要 建設分野での ICT(Information and Communication Technology:以下,ICT)(情報通信技術) の活用といえば,平成 8 年度に「建設 CALS 整備基本構想」が策定され,平成 22 年までに我 が 国 の 公 共 事 業 分 野 で CALS/EC(Continuous Acquisition and Life-cycle Support/Electronic Commerce:以下,CALS/EC) 4)を実現させるための取組が実施されてきた.この CALS/EC では, 電子入札や電子納品は定着したが,建設ライフサイクルを通じたデータの共有に関しては十分 に進んでいない. 近年では CALS/EC に代わり,「情報化施工」や「CIM」などの導入が進められている.「情 報化施工」では,建設事業のうち施工に着目して,ICT を活用した施工や ICT で取得した施工 に関わる情報を活用することで生産性向上や施工品質の向上を目指している.また,国交省は, 建築分野で定着しつつある BIM の土木版として CIM を公表した.CIM は,調査計画・設計・ 施工・維持管理の各段階で 3 次元モデルを一元的に共有,活用,発展させることにより建設生 産プロセスの改善を図る試みである.これにより,3 次元データの利活用は飛躍的に進むもの と期待されている. 図-1.1 CIM の概念 5) (国土交通省:CIM の概要から引用) 2 1.2.2 3 次元データ利用について CIM の導入に伴い,3 次元データの利活用が推進されている.特に,図-1.1 のように調査・ 測量・設計段階から 3 次元モデルを導入し,施工,維持管理の各段階において,3 次元モデル を連携,共有することで建設生産システムの効率化・高度化を図ることを目的としている 5).さ らに,図-1.2 のように維持管理段階では社会資本の老朽化対策として,3 次元測量機器などの 新技術が活用されることが期待されている.この技術を用いインフラ管理の安全性,信頼性, 効率性の向上を実現することを目指している. 1.2.3 3 次元測量機器の発達 GPS や GLANOSS といった全地球測位システムや 3 次元レーザスキャナの発達に伴い,図-1.3 のような 3 次元測量機器が開発され,実際のデータ取得に利用されている.3 次元測量機器を 用いることで,図-1.4 のように現況を高精度で再現した 3 次元の点群データの取得が可能であ る.それゆえ,維持管理の分野で積極的に利用が進められつつある. 一方,国土交通省,社会資本整備審査会,道路分科会は,道路空間の施設の点検,補修,維 図-1.2 老朽化対策に資する新技術の活用 6) (国土交通省:社会資本の老朽化対策,資料 4 から引用) 3 持管理のために総点検実施要領(案)7)を平成 25 年に発表した.これに伴い,全国の道路を点 検するために路面性状調査業務が実施され,MMS を用い維持管理情報として点群データの取 得が実際に進められている. a) 航空レーザ (LP:Laser Profiler) b) 固定式レーザ測量 図-1.3 3 次元測量機器の例 図-1.4 点群データ 4 c) MMS (Mobile Mapping System) 1.3 既往研究の整理 本論文をまとめるにあたり,関連する既往研究を本節で整理する. 本研究の対象は,道路空間の点群データである.既往研究の整理は,①点群データの属性分 析に関する研究,②属性を判別するための物体認識に関する研究,③点群データの利活用に関 する研究を対象とした.3 次元測量機器は複数あり,個々に記述すると煩雑となる.それゆえ, 平面点群データ(航空レーザ測量・写真測量など)と立面点群データ(MMS・固定式レーザ 測量など)に大別して記述する.本論文の対象である道路空間は,主として立面点群データに よって取得されるため,立面点群データに関しては,MMS,固定式レーザ測量それぞれにつ いて整理する. 1.3.1 点群データの属性分析に関する研究 (1) 平面点群データに関する研究 平面点群データの分析に関する研究は,土木分野で多岐にわたり取り組まれている.航空レ ーザ(Laser Profiler:以下,LP)データの属性分析に関しては,たとえば,山本らは,LP デー タの標高値を分析し道路網を抽出している 8).また,棚橋らは,LP データが有している反射強 度情報を用いて道路面中の白線抽出を試みている 9).大津らは,データ中の不要物をフィルタ リングにより除去し,データ量の軽減法を提案している 10) .以上のように,LP データを利活 用するための属性分析手法が提案されている. (2) 立面点群データに関する研究 a) MMS データ MMS データに関する研究は,近年活発におこなわれ,様々な分野で多くの試みが実施され ている. たとえば,石川らは,都市空間の MMS データを分析し,道路周辺における高精度な 3 次元 復元システムを開発 11)している. 道路周辺に存在する地物を分析する研究は,多岐にわたり取り組まれている.たとえば,亀 井らは,MMS データへ円柱のモデルを投影することで電柱抽出を試みている 12) .池田らは, kd ツリー法を用い,道路周辺に存在する構造物を地物ごとに分類する手法を提案している 13). 小栗らも同様に,kd ツリー法を用い, 標識やガードレールを再構成する手法を提案している 14). 金井らは,点群データを主成分分析することで,柱状物体を抽出するシステムを構築している 15) .外村らは,柱状構造物の認識 16)や架線の抽出 17)を試みている. ま た ,海外で も MMS デ ータ の 属性 に関 する研 究は 活発 にお こな われ てい る. たと え ば , McElhinney らや Kumar らは,基準線を用いた横断面の抽出,道路端を照査する手法の提案をしてい 5 る 18) 19).Sherif El-Halawany らは路面と路面以外のデータへと分離する手法の提案をおこなっている 20) .同様に,Yu らは,路面と路面以外を分離させ,路面以外のデータから街灯の抽出を試みている 21). Andreas Nuchter らは,認識対象物の位置関係を意味ネットワークでつなぐことで計測物を認識 する技術を開発している 22) .Aleksey Golovinskiy らは,Graph-Cut 手法や点群データの形状特 徴量を機械学習させ,地物を分離する方法を提案している 23).また,Matti Lehtomaki らは,形 状の特徴量やデータの密度を利用し,柱状構造物の抽出を試みている 24) .Li らは,Level set evolution の手法を用い,人工物抽出をおこなっている 25).さらに,KANATANI らは,点群データ中の 動体に着目し,車や人などを検出している 26). 一方,著者らも,MMS データへ属性付与することを目的として,点群データを空間分割し,分割し た空間の特徴と地物の特徴量をマッピングすることで,歩道空間に存在する地物を抽出する手法の提 案をおこなった 27) .また,点群データを格子状に分割し,格子ごとの分散値を算出,分析することで計 測不要物を除去する試みもおこなっている 28). 以上のように,点群データの使用性を拡げるための属性分析が様々な分野で活発におこなわれて おり,MMS データ利活用への期待が高まっている. b) 固定式レーザ測量データ 固定式レーザ測量は屋内計測が可能であり,精密工学,建築,情報処理などの分野で研究が 進められている.たとえば,松岡らは,点群データから位相的再現性と幾何的再現性の双方を考慮 し,モデルを再構成する試みをおこなっている 29).増田は,工場施設内で計測された不完全な点群デ ータから生産設備やプラント設備の 3 次元モデル作成を試みている 30).藤井らは,密な点群データか ら画像の作成,平滑面の抽出をし,3 次元モデルを作成する手法を提案している 31). KAWASHIMA らはプラント内を計測した点群データから配管を自動で認識する手法 32)を提案している.Shi Pu らは, ガラス部分が計測し難いことを利用し,ドアや窓を自動で認識する試みをおこなっている 33) .陳らは, 建築物を計測した点群データを分析し,建築物の 3 次元モデリングを試みている 34).一方,著者らも, 立面点群データ中の位置情報を用い,車道空間に存在する構造物の属性を判別する手法 35) の提案 をおこなった. 1.3.2 物体認識に関する研究 属性を分析する手法は点群データに限らず,情報処理系の分野で活発に研究されている.特に, 画像処理や解析で様々な手法が提案されており,点群データ中の構造物を認識する際,有効な手段 となりうるため,既往研究の整理をおこなった.画像解析に関する研究として,たとえば,吉田らはビデ オ映像から特徴点を追跡し,映像の 3 次元化を図り,曲面の抽出を試みている 36) MPU 法を用い離散的に存在する点からモデルを再構成する手法が示されている 6 .OHTAKE らは, 37) .ここで提案され ている手法の対象は画像データであるが,点群データへの適用も可能であり,形状再現やモデル化 をする際に有効な手法であると考える.また,Wexler らにより,パターン類似度 SSD(Sum of Squared Differences)を用い画像内の欠損箇所を特定する手法が提案されており,領域を判別する際に有効な 手段である 38). さらに,画像解析の分野では色彩情報についても,各研究において様々な工夫がなされている. 色彩情報は,光の加減や焦点の具合により微妙な変色が起こるため,定量的な分析が難しい面があ る.河合らは,Wexler の手法に加えて明るさの要素を考慮することで,欠損箇所の特定精度を向上さ せた 39) .画像中の人工物の抽出については,道路標識に関して,内村らは色相と彩度を用いた画像 処理 40),青木らは,彩度を用いて画像から道路標識を抽出し,それを GPS 情報とともに地図上にマッ ピングすることで,高鮮度なカーナビゲーションシステムへの適用の可能性を示している 41).また,アッ タミミムハンマドらは,Time Of Flight カメラで取得可能な近赤外線反射強度を用い,材質を認識する 42) 手法 を提案している.点群データも反射強度の取得が可能であるため,点群データ中の材質分類 への適用につながると考える. 一方,著者らは,画像データの色彩情報を分析し,人工物と自然物の分類手法を提案し,さらに, 点群データから直接,色彩情報のみで人工物を抽出する手法を提案した 43) .以上のように,点群デ ータの属性を分析する際,画像解析,物体認識技術は有効である. 1.3.3 点群データ利活用に関する研究 土木分野に絞り,点群データ利活用に関する既往研究の整理をおこなった. 平面点群データの利活用に関する研究は,上野らは,洪水時の避難経路用道路網を作成する 手法 44) を提案している.さらに,牧野らは,山岳地帯の路面分析融雪設備計画への利用法 45) を示している.これらの研究は,LP データの分析結果を有効利用した事例である. 立面点群データの利活用に関する研究も,様々な取り組みがおこなわれている.たとえば,小林ら は,MMS データから道路空間のサーフェスを作成し,視距改良設計への適用をおこなっている 46) . 宮下らは,LP データと MMS データを併用し,道路空間を再現することで,落石位置の予測や対策工 設置の予備設計への適用を試みている 47) .さらに,小林らは,点群データでモデル空間を構築し,予 48) 49) 備設計協議への適用もおこなっている .このように,設計段階での利用案が提示されている.一 方,著者らも,点群データの属性を分析し,設計段階での利用につながることを示した 50). 施工段階では,SHIIBA らは,点群データを用い,施工段階のプロセスを通したデータモデルと属 性運用方法の提案をおこなっている 51) .著者らも,施工段階での利用法として,固定式レーザで計測 した歩道橋を編集し,撤去計画での点群データ利用の可能性を示した 52) 53). また,橋詰らは,MMS で計測した道路点群データを用いて舗装状態の把握や劣化度を算出し, 7 CAD や GIS との連接を試みている 54) .舗装に関しては,点群データからひび割れを算出する 手法 55) 56)の提案や,わだち掘れを算出する方法の提案 57)もおこなわれている.また,MMS デ ータの道路維持管理への適用可能性 58) 59) 60)を検証する研究もおこなわれている.さらに,溝口 らは,領域成長法を用いた橋脚のスケーリングの評価を試みている 61) .矢吹は,トータルステーション を用いて取得したひび割れ等の変状情報を,MMS データから作成した 3 次元の構造物モデルに付 与し,構造物の健全度を評価するためのシステムを開発している 62) .一方,著者らも,路面の維持管 理へ点群データ自体を適用するために,点群データの編集・解析システムを構築し 63),道路維 持管理への適用を試みた 64) 65).上記のように,維持管理段階での点群データ利用に関する研究 が進められている. さらに,著者らは,建設ライフサイクル一連での利活用の提案もおこなっている 66). 以上のように,点群データに関する研究,特に属性を分析する手法に関する研究は活発におこな われている.しかし,点群データへ属性を与え,利活用法を示す研究事例は少ない.また,建設ライフ サイクル一連での利用の可能性を示した研究はない. 8 1.4 本論文の目的 本論文は,維持管理から,次に実施される調査・計画,設計,施工といった建設ライフサイ クルにわたる点群データ利活用の可能性を示すことを目的とする.そのために,点群データへ の属性付与を試みる. CIM の導入や維持管理の重要性により,維持管理段階や調査・計画段階で,今後,点群デー タ取得が進められる事が考えられる.それゆえ,点群データが高度利用可能となり,各段階で 利活用可能となる意義は大きいと考える. 点群データは可視化することで地物の把握は可能であるが,「群」として捉えた場合,実際 は単なる点の集合体であり「群」に意味づけがなされていない.利用者の目的や利用段階に応 じ点群データに属性を与えることで,意味を持ったデータとして利用することができる.たと えば,属性を与えた点群データの構造物を,CAD で作成したオブジェクトと同様に操作でき, 協議・検討に利用可能となる.また,点群データに管理情報を付加することも可能となり,維 持管理での高度利用につながる.さらに,既存施設を管理する際,CAD で 3 次元モデルを作 成せずに済むため,労力やコスト面でも有用であると考える.このように,点群データへ属性 を与えることで,点群データは測量データという側面から昇華され,高度利用可能なデータと なりうる. 本論文では,点群データへ属性を与えるための手法を提案する.点群データへ属性を与える ためには,点群データの分割,分類が必要となる.それゆえ,位置情報と色彩情報を用いた分 割,分類手法を提案する.位置情報では,点群データを分割可能とするエディタの開発をおこ なう.さらに,点群データの使用性を高めるために,点群データを移動や伸縮させる機能など をエディタに付加する.また,色彩情報では,点群データが有している RGB 色彩情報を HSV 色彩情報へ変換し,人工物の分類手法を提案する.さらに,道路空間の点群データに対し,施 設ごとへ分類する手法の提案をおこなう. 属性付与した点群データを,維持管理,設計,施工の各段階で実施された事業へ適用した事 例を記す.適用事例を通して,維持管理段階や調査・計画段階で取得した点群データが建設ラ イフサイクルにわたる利活用につながることを示す. 9 1.5 本論文の概要 第 2 章では,3 次元測量機器によって取得される点群データについて述べる.点群データが 有する情報,性質について記し,現状の点群データ利用について整理する.さらに,簡易的に 点群データを加工し,使用性を高めた事例を示す.最後に,点群データの課題をまとめる. 第 3 章では,点群データへの属性付与手法を提案する.まず,点群データへ属性を与える意 義を述べる.さらに,属性付与の観点をまとめ,点群データへの属性付与手法を提案する.最 後に,属性付与することで可能となる点群データの利用法を記す.この利用法を用いることで, 設計,施工,維持管理の各段階での利用につながることを示す. 第 4 章では,点群データを分割,分類する手法を述べる.まず,点群データが有している位 置情報で点群データを分割可能とするためのエディタ開発をおこなう.次に,点群データの編 集法を述べ,本研究で構築したエディタについて述べる.構築したエディタの機能を記し,点 群データへ適用した事例を示す.最後に,点群データが有する色彩情報を用い,人工物を抽出 する手法を提案し,適用事例を示す. 第 5 章では,道路空間に存在する施設へ属性を与えるための分析手法を提案する.本章で は,自動,または半自動での分類を試みる.道路空間(車道空間,歩道空間)に存在する施設 を,点群データが有する位置情報と色彩情報を用い分析し,点群データを分類する手法を提案 する.さらに,提案した手法を,車道空間,歩道空間に適用した事例を示す. 第 6 章では,第 3 章~第 5 章で提案した編集法,属性分析手法を用いて,属性付与した点群 データを建設ライフサイクルの維持管理,設計,施工の各段階の事例へ適用する.維持管理段 階では,路面性状調査業務に適用し,道路の維持管理における点群データ利用例を示す.設計 段階では,歩道橋の予備設計,交差点改良協議に適用する.施工段階では,旧歩道橋撤去計画 に適用し,最後に,本章で示した事例を考察し,建設ライフサイクルにわたる点群データ利活 用の可能性を述べる. 第 7 章は結論である. 10 <参考文献> 1) 三菱電機:三菱モービルマッピングシステム高精度 GPS 移動計測装置, <http://www.mitsubishielectric.co.jp/mms/tokucho.html> 2) 総点検実施要領(案)【舗装編】,国土交通省,道路局,平成 25 年 2 月 3) 環境白書,第 3 章,第 1 節,第 3 項,労働力人口の減少 4) 一般財団法人日本建設情報総合センターHP:「CALS/EC ポータルサイト」 <http://www.cals.jacic.or.jp/> 5) 国土交通省 HP:CIM の概要 <http://www.mlit.go.jp/tec/it/pdf/cimnogaiyou.pdf> 6) 国土交通省,社会資本の老朽化対策会議,第 1 回 2014/1/21,第 2 回 2014/3/21,第 3 回 2014/6/11 <http://www.mlit.go.jp/common/001000791.pdf> 7) 国土交通省,社会資本整備審査会,道路分科会,参考資料 1 総点検実施要領(案)の概要, <http://www.mlit.go.jp/common/000988703.pdf> 8) 山本一浩,上野幹夫,小林一郎,橋本淳也:自動属性判別法によるレーザ計測データの有効 活用について,土木情報利用技術論文集,Vol.14, pp.79-86, 2005. 9) 棚橋知世,佐田達典:航空レーザ測量の反射強度データを落居多道路線形計測に関する研究, 日本写真測量学会,平成 24 年度年次講演会発表論文集,pp.87-90, 2012. 10) 大津愼一,佐田達典:三次元形状計測における大量点群データの処理手法,土木情報利用技 術論文集,Vol.16, pp.27-36, 2007. 11) 石川貴一朗,天野嘉春,橋詰匠,瀧口純一,清水聡:モービルマッピングシステムによる都 市空間モデリング,計測自動制御学会産業論文集,Vol.8, No.17, pp.132-139, 2009. 12) 亀井克之,富樫健司,橋本義明,西川啓一:モービルマッピングシステムによる 3 次元点群 データからの電柱検出,電気学会研究会資料,Vol.ITS-11, No.1-15, pp.11-16, 2011. 13) 池田邦彦,小栗昇悟,増田宏:移動計測データのセグメンテーションと地物形状抽出,精密 工学会大会学術講演会講演論文集,2011A(0), pp.141-142, 2012. 14) 小栗昇悟,増田宏:車載型移動計測装置による点群データからの道路周辺地物の形状再構成 手法,土木情報学シンポジウム講演集,Vol.19, pp.135-138, 2012. 15) 金井理, 伊達宏昭, 横山博貴, 森哲平, 武田浩志:柱状物体抽出方法,柱状物体抽出プログ ラム,及び柱状物体抽出装置,特願 2012-186830, 2012 年 08 月 27 日 16) 外村史輝, 石川貴一朗, 天野嘉春:Mobile Mapping データにおける大規模三次元点群からの 道路周辺地物の認識(第 3 報)局所領域の点群孤立度に着目した柱状物体の認識,精密工 学会学術講演会講演論文集,2012A(0), pp.283-284, 2012. 11 17) 外村史輝, 石川貴一朗, 天野嘉春,橋詰匠:Mobile Mapping データにおける大規模三次元点 群からの道路周辺地物の認識(第 5 報) 柱状物体の位置関係を用いた空中架線の抽出,精 密工学会学術講演会講演論文集,2013A(0) , pp.623-624, 2013. 18) McElhinney, C.P., Kumar, P., Cahalane, C. and McCarthy, T. : Initial results from European road safety inspection (EURSI ) mobile mapping project, ISPRS Commission V Technical Symposium, pp.440-445, 2010. 19) Kumar, P., McElhinney, C.P., Lewis, P., McCarthy, T. : An automated algorithm for extracting road edges from terrestrial mobile LiDAR data, ISPRS Journal of Photogrammetry and Remote Sensing, Vol.85, pp.44-55.2013. 20) Sherif El-Halawany, Adel Moussa, Derek D. Lichti and Naser El-Sheimy : Detection of road curb from mobile terrestrial laser scanner, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXVIII-5/W12, pp. 109-114, 2011. 21) Yu, Y., Li, J., Guan, H., Wang, C., Yu, J. : Semiautomated extraction of street light poles from mobile LiDAR point-clouds, IEEE Transactions on Geoscience and Remote Sensing, Vol.53 Issue 3, pp.1374-1386, 2015. 22) Andreas Nüchter, Joachim Hertzberg : Towards semantic maps for mobile robots, J pf robotics and automation sysytems,56(11), pp.915-926, 2008. 23) Aleksey Golovinskiy, Vladimir G. Kim, Thomas Funkhouser : Shape-based Recognition of 3D Point Clouds in Urban Environments, Proc.ICVV,2009. 24) Matti Lehtomaki, Anttoni Jaakkola, Juha Hyyppa, Antero Kukko and Harri Kaartinen : Detection of Vertical Pole- Like Objects in a Road Environment Using Vehicle Laser Scanning Data, Remote Sens, 2010, 2(3), pp.641-664 25) Li, Z., Shi, W., Wang, Q., Miao, Z. : Extracting man-made objects from high spatial resolution remote sensing images via fast level set evolutions. IEEE Transactions on Geoscience and Remote Sensing, Vol.53 Issue 2, pp.883-899. 2015. 26) Kanatani, T., Kume, H., Taketomi, T, Sato, T., Yokoya, N. : Detection of 3D points on moving objects from point cloud data for 3D modeling of outdoor environments, Proceedings of 2013 IEEE International Conference on Image Processing, pp.2163-2167, 2013. 27) 藤田陽一,小林一郎,山中孝文,永村景子:点群データを用いた道路周辺柱状構造物の属性 分析,土木構造・材料論文集,第 29 号,pp.145-152, 2013. 28) 藤田陽一,小林一郎,吉田史朗,上田誠:点群属性分析による計測不要物除去,土木学会西 部支部研究発表会講演概要集,pp.845-846, 2012. 12 29) 松岡司,植田健治,早野勝之:格子点連結法と局所操作を用いた点群データからのソリッド モデル自動再構成,情報処理学会論文誌 40(5), pp.2377-2386, 1999.5. 30) 増田宏:大規模点群に基づくインタラクティブな形状モデリングシステム,設計工学・シス テム部門講演会,CD-R 論文集,2009.10. 31) 藤井智,増田宏:密な点群からの平面抽出を利用したインタラクティブなモデリングシス テム,NICOGRAPH International 2009 秋季大会 32) KAWASHIMA Kazuaki, KANAI Satoshi, DATE Hiroaki : As-built modeling of piping system from terrestrial laser scanned point clouds using normal-based region-growing,Journal of Computational Design and Engineering , Vol.1, Number 1, pp.13-26. 2014. 33) Shi Pu, George Vosselman : Knowledge based reconstruction of building models from terrestrial laser scanning data , ISPRS Journal of Photogrammetry and Remote Sensing 64,pp.575–584,2009. 34) 陳琳,本間里見,大西康伸,位寄和久,下田貞幸:点群データからの建築部位抽出による BIM モデルの作成 三次元測量による建築オブジェクトのモデリング手法に関する研究,日 本建築学会九州支部研究報告,第 52 号,pp.29-32,2013. 35) 小林一郎,宮下征士,藤田陽一,高尾篤志:立面点群データにおける車道空間の属性分析, 土木情報利用技術論文集,Vol.19, pp. 185-192, 2010. 36) 吉田塁,増田宏:ビデオ映像からの高速な曲面情報抽出,Visual Computing/グラフィクスと CAD 合同シンポジウム, 2010. 37) Ohtake,Y., Belyacv,A., Alexa,M., Turk,G., and Seidel,H-P. : Multi-level Partition of Unity Implicits, ACM Trans.Graphics, Vol. No3, pp. 463-470, 2003. 38) Wexler, Y., Shechtman, E., and Irani,M. : Space-Time Video Completion, Proc.IEEE conf., On Computer Vision and Pattern Recognition, pp.120-127, 2004. 39) 河合紀彦,佐藤智和,横矢直和:パターン類似度に基づくエネルギー最小化による画像修復, 電子情報通信学会技術研究報告. PRMU, パターン認識・メディア理解 Vol. 106(428), pp. 13-18, 2006.12 40) 内村圭一,中村国章,富永裕之,胡振程,脇阪信治,有田秀昶:道路情報整備のための案内 標識の位置特定,電子情報通信学会論文誌 A,Vol.J88-A,No.2, pp.122-130, 2005. 41) 青木悠,青木義満,宮地恵美:高鮮度ナビゲーションデータ作成支援のための道路案内標識 の自動検出,画像電子学会誌 36, 4, pp.456-464, 2007.7. 42) アッタミミムハンマド,中村友昭,長井隆行:近赤外線反射強度を用いた材質の認識とその 応用,情報処理学会研究報告. SLDM, [システム LSI 設計技術] 2011-SLDM-152(8), pp.1-6, 2011.10 13 43) 小林一郎,藤田陽一,杉原浩実,山本一浩:色彩情報による点群データの属性分析,土木学 会論文集 F3 (特集号), Vol.67, No.2, pp.95-102, 2012. 44) 上野幹夫,小林一郎,山本一浩,竹下史朗:レーザ計測データを活用した避難経路用の道路 網作成,土木情報利用技術論文集,Vol.16, pp.195-202, 2007. 45) 牧野衛,小林一郎,山本一浩,九鬼裕之:航空 LP データを用いた山岳地帯道路の散水融雪 設備計画,土木情報利用技術論文集,Vol.18, pp.235-242, 2009. 46) 小林一郎,宮下征士,坂口将人,上田誠:MMS データを用いた視距改良設計,土木情報利 用技術論文集,Vol.18,pp.1-8,2009. 47) 宮下征士,小林一郎,野間卓志,山村洋平:2種類の点群データによる落石箇所の予測と予 備設計への適用,土木情報利用技術論文集,Vol.19, pp.149-156, 2010. 48) 小林一郎,吉田史朗,野間卓志,小林優一:モデル空間を用いた予備設計協議への点群デー タの活用,土木情報利用技術論文集,Vol.19, pp.157-164, 2010. 49) 小林一郎,吉田史朗,小林優一,寺中愛瑛:点群モデル空間を用いた歩道橋の概略設計協議, 土木構造・材料論文集,第 26 号,pp.151-158, 2010. 50) 藤田陽一,小林一郎,緒方正剛,Wongsakorn Chanseawrassamee:点群データ用エディタの開 発と利用法について,土木情報学論文集 F3,Vol.70, No.1, pp.48-55,2014. 51) SHIBA, Y., Ogata, S., Kobayashi, I. and Yamanaka, T. : A Proposal on Usage and Application of Data Acquired on the Construction Stage of Construction Management,Proceedings of the First International Conference on Civil and Building Engineering Informatics (ICCBEI 2013) , pp.485-492,2013.11 52) 藤田陽一,小林一郎,緒方正剛,永村景子:歩道橋撤去計画への点群データ利用, 土木構 造・材料論文集,第 29 号, pp.153-160, 2013. 53) Fujita, Y., Ogata, S., Kobayashi, I. and Yamanaka, T. : Pedestrian bridge removal plan using point cloud data editor, Proceedings of the First International Conference on Civil and Building Engineering Informatics (ICCBEI 2013) , pp.47-54, 2013. 54) 橋詰匠:モービルマッピングシステムを用いた既設道路舗装状態の道路 CAD および GIS 連 接に関する実証研究, 一般財団法人 日本建設情報総合センター,助成研究,第 2008-07 号 55) たとえば,Huang, J., Liu, W., Sun, X. : A pavement crack detection method combining 2D with 3D information based on dempster-shafer theory, Computer-Aided Civil and Infrastructure Engineering, Vol.29, Issue 4, pp. 299-313, 2014. 14 56) たとえば,Guan, H., Li, J., Yu, Y., Chapman, M., Wang, H., Wang, C., Zhai, R. : Iterative tensor voting for pavement crack extraction using mobile laser scanning data, IEEE Transactions on Geoscience and Remote Sensing, Vol.53, Issue 3, pp.1527-1537, 2015. 57) たとえば,Gruyer, D., Cord, A., Belaroussi, R. : Vehicle detection and tracking by collaborative fusion between laser scanner and camera, IEEE International Conference on Intelligent Robots and Systems, pp.5207-5214.2013. 58) たとえば,今西 暁久,石井 康介:新技術 MMS による道路空間 3 次元計測と 公共測量への 適用について,国土交通省,近畿地方整備局 HP <http://www.kkr.mlit.go.jp/plan/happyou/thesises/2010/pdf03/17.pdf> 59) たとえば,太田太一,渡邉博幸,今井ひとみ:モービルマッピングシステムを利用した路線測 量について,国土交通省,北陸地方整備局 HP: <http://www.hrr.mlit.go.jp/library/happyoukai/h23/ino_kosuto/1-18.pdf> 60) たとえば,Yun, H., Kim, M., Lee, J. : Management of road pavement by mobile mapping system, Advanced Science and Technology Letters, Vol. 62, pp. 61-65.2014. 61) 溝口知広,子田康弘,岩城一郎,若林裕之,小林義和,白井健二,原靖彦,李和樹:地上型 レーザスキャナを用いた実道路橋におけるスケーリングの定量的評価,土木情報学シンポジ ウム講演集,Vol.37, pp. 61-64, 2012. 62) 矢吹信喜:TS と MMS を用いたコンクリート構造物の変状の 3D 現況モデル作成に関する研 究,一般財団法人 港湾空港総合技術センター研究開発助成,平成 25 年 1 月 22 日付,第 12 -5 号 63) Fujita, Y. , Kobayashi, I., Hoshino, Y and Chanseawrassamee, W. : Development of Attribute-Assign-Editor for Road Surface Point Cloud Data, International Journal of Engineering and Technology (IJET) , (ISSN: 1793-8236) , Volume8 Number3, pp.170-176 64) 藤田陽一,小林一郎,星野裕司,Wongsakorn Chanseawrassamee:属性付与した路面点群デー タの道路維持管理への適用,土木情報学シンポジウム講演集,Vol.39, pp.157-160, 2014.10 65) Fujita, Y., Kobayashi, I., Chanseawrassamee, W. and Hoshino, Y. : Application of Attributed Road Surface Point Cloud Data in Road Maintenance,土木学会論文集F3 (特集号) ,Vol.70, No.2, 2014. 66) 藤田陽一,緒方正剛,Wongsakorn Chanseawrassamee,小林一郎:属性を付与した道路点群デ ータの建設ライフサイクルでの利用,土木学会論文集 F3 (特集号) ,Vol.70, No.2, 2014. 15 第2章 点群データについて 第2章 2.1 点群データについて 2 種類の点群データ 1) GPS や GLANOSS といった全地球測位 表-2.1 点群データの例 システムや 3 次元レーザスキャナの発達 に伴い,固定式レーザ測量や MMS が開 発され,実際のデータ取得に用いられて いる.点群データは出力形式により違い はあるが,表-2.1 に示すように点ごとに 3 次元位置情報(x, y, z)や 反射強度,色 彩情報(r, g, b)などの数値情報を有して おり,可視化することで計測した空間を 見ることができる(図-2.1).点群デー タの情報は,計測時に撮影された図-2.2 のようなデジタル画像とレーザ計測によ って取得される位置情報を同期させるこ とで得られる.点群データにより構成さ れた空間内で物体を認識できるのは,人 間が経験をもとに点群データと実空間の 対応づけをおこなうことで,路面や電柱 図-2.1 点群データ などの属性を分析し,全体的な「景」と して再構成しているためである. 本論文では,点群データを計測手法の 違いで,平面点群データと立面点群デー タに分類する.XY 平面方向と比べ,Z 方 向の精度が劣るものを平面点群データと 呼び,Z 方向の精度が高いものを立面点 群データと呼ぶこととする. 図-2.2 色彩情報を付加するデジタル画像 16 2.1.1 平面点群データ 航空レーザ測量や航空写真測量等によって取得されるデータである.広範囲にわたり面的な データが存在しているため,地形の表現などに適している.平面点群データは,3 次元地形デ ータを航空写真と組み合わせ,電子地図等に利用されている.しかし,平面的であるため Z 方 向の精度が低く,河川堤防の高さなどは正確に取得できていない.以下,2 種類が平面点群デ ータの代表的なものである. (1) 航空レーザ測量(LP データ)2) 航空レーザ測量は,航空機にスキャン式レ ーザ測距儀,GPS 及び慣性計測装置 IMU を 搭載し,レーザ照射の位置や姿勢を制御しな がら,照射したレーザが地表面に反射して戻 ってくるまでの時間を計測し,位置情報(緯度, 経度,標高)をデジタルデータとして取得する ものである.航空機を使用し地上空を移動し ながら計測するため,短時間で広範囲を面的 図-2.3 平面点群データ(LP) に測量することができ,現地測量が困難な山 地丘陵域などのデータも安全に取得すること ができる(図-2.3). (2) 航空写真測量(DSM データ)3) 航空機の左右に配置された 2 台のカメラ で地物を撮影した時に生じる,レンズ中心 からの対象オブジェクトの同一点の位置の ずれ(視差)を利用して自動的に標高点を 算出する.また,画像相関という技術を用 いて三角測量の原理で各々の空間上の位置 情報を求め,複数の対応点情報を組み合わ せ,2 次元の画像情報である写真を数枚用 いて立体的な 3 次元の形状を復元する.広 図-2.4 平面点群データ(DSM) 範囲のデータを取得可能であり,色彩情報 (r, g, b)を持つオルソ画像に 3 次元位置情 報(x, y, z)を持つ DSM データを重ね合わ 17 せることにより 3 次元の色付点群データへと加工する(図-2.4). 2.1.2 立面点群データ MMS や固定式レーザ測量などによって取得される詳細な高さ情報をもった点群データであ る.測量機器の性質上,平面点群データほど広範囲にわたるデータ計測はできないが,測定範 囲内においては高精度のデータが取得可能である.立面的な計測のため,地物の側面が計測可 能であり,計測物の詳細な高さ情報が取得できる.また,可視化すると人の目線に近い空間が 表現される.それゆえ,道路空間を精密に取得可能である. (1) MMS 4) MMS は車両の天井部に 3 台の GPS アン テナ,慣性航法装置 IMU,3 次元レーザス キャナ及び CG カメラを搭載した,色彩情 報付き 3 次元データを取得するシステムで ある.上方向と下方向を計測する 2 台のレ ーザでスキャンしたデータは,それぞれ上 方データと下方データとして別々に保存さ れ,どちらも CSV 形式である.この上方デ 図-2.5 立面点群データ(MMS) ータと下方データの z 値の境界は,路面か らレーザが設置されている天井までの高さ と等しくなる.MMS データは,長距離の道 路空間や河川データの取得が主である(図 -2.5). (2) 固定式レーザ測量 5) 地上に設置し,機器の性能により違いは あるが,設置地点から約 300m の範囲の計 測が可能である.レーザを発射させ,計測 対象物とセンサの間をレーザパルスが往復 する時間を計測することで距離を計測し, 同時にレーザを発射した方向を計測するこ とで,計測対象点の 3 次元座標を取得する 図-2.6 立面点群データ(固定式) ものである.固定式レーザ測量は,計測密 18 度が密であるため点の総数が数億点にまでおよび,データ量が膨大である.また,出力形式は テキスト形式である.データは,主に高斜面や構造物の詳細な 3 次元形状を測量するために用 いられている.計測現場に近づけない所や危険な場所,触れる事のできないものなどの計測に も適している(図-2.6). 2.2 2.2.1 点群データの利用 点群データ自体の有意性 (1) 現在の適用分野 3 次元計測機器を用いることで,現況の 3 次元点群データを容易に取得可能となり,様々な 分野で利用されている.設計対象地を計測し現況を可視化する,構造物を計測し維持管理情報 を取得する,などの利用が進められている.このように,点群データ自体,高い有意性がある. 一方,MMS は,トンネル管理(トンネル断面検査,クラック検出),防災・減災,災害後 のデータ取得,法面管理,施工管理,道路管理といった主に維持管理業務に適用されている(図 -2.7).さらに,MMS データは道路とその周辺の地物の 3 次元情報を色彩情報つきで保持して おり,道路空間を高精度で再現できる.そのため,MMS データの加工技術の発達に伴い,維 持管理での利用に留まらず,幅広い分野での利用が期待されている. 図-2.7 MMS の適用分野(文献 6 より引用) 19 2.2.2 簡易的加工による点群データ利用 点群データ自体,高い有意性がある.加えて,小林らは,点群データからサーフェスを作成 し簡易的に利用する手法を提案 7) 8)し,点群データの使用性向上を試みている.以下,2 つの事 例が点群データを簡易的に加工し,利用する方法である. (1) 視距改良設計での利用 7) MMS データを用い,既存の道路線形を再現し,視 距改良を試みている.路面は,道路中心線を推定し, Autodesk 社の Civil3D を用いて道路設計を実施してい る.路面以外は点群データに TIN サーフェスを作成 することにより,図-2.8 のような道路の 3 次元モデル を作成している.図-2.9 は見通し線を 3 次元的に表現 した視距確認オブジェクトである.ドライバーの視線 図-2.8 道路の 3D モデル (高さ 1.2m)から前方に距離 D(m)の目標物(高さ 0.1m)が見通せることが条件となる.なお,D は道路 構造令に定められた値であり,車の速度の関数となっ ている.車線の中心線上に配置した道路周辺物が干渉 しているか否かによって,視距を確認する.数件の道 路データに対し,上り線と下り線のすべての区間で見 通し線を移動させて干渉確認を実施している(全線確 図-2.9 視距確認オブジェクト 認).設計上は干渉があってはならないが,数か所の 干渉点,あるいは,ループ橋では,ガードレールが, 進行方向の視界を遮っている実態が確認されている. また,干渉の幾つかに,線形改良の設計を試みてい る(個別確認).実際には,周辺の詳細な測量データ を用いた検討が必要であるが,MMS データだけでも, 法面の切土などの概要は試算可能である.図-2.10,図 図-2.10 車目線での視距確認 -2.11 は障害物移設案を検討した事例である.現況と の比較を路面オブジェクト上に車を配置し,現況と同 一位置において運転席からの見通しを確認している. MMS データを用いることで,既設道路での視距の確 認と道路線形改良に関する一連の作業が可能となる 図-2.11 視距改良 ことが確認されている. 20 (2) 落石箇所の予測と予備設計での利用 8) 山間部の道路の問題点の一つとして落石があ る.落石問題は,LP と MMS の併用が効果的であ ることが示されている.図-2.12 a), 図-2.12 b)で 示すように 2 つの点群データを同一の 3 次元空間 上で組み合わせることで,図-2.12 c) のように予 a) LP データ b) MMS データ 測に必要な対象地全体の地形と落石の設計にか かわる周辺施設の再現が可能である.傾斜地地形 の TIN サーフェスを分析することで尾根線が推 定でき,区間ごとに,道路のどの地点が落石の頻 出する箇所かの推定が全線で可能となる.次に, 落石箇所と対策工(MMS データに表示されてい る落石対策用の構造物)の有無を確認することで, 落石対策を最も必要とする箇所が特定可能とな c) LP データと MMS データ 図-2.12 2 種類点群データの併用 る. 次に,予備的な設計では,図-2.13 に示すように, MMS データから既存施設の断面を取得し,断面 から幅 b や高さ H を推定してオブジェクトを作成 する.これらの作成したオブジェクトを 3 次元空 間上の適した位置に配置することで,現況を再現 する.この空間を用いて,落石予備物体ごとにシ ミュレーションをおこなう.その結果から,図 -2.14 で示すような落石の挙動や落石経路を算出 a) MMS 断面 b) 対策工断面 c) 対策工モデル 図-2.13 オブジェクト作成 することができる.なお,詳細設計をおこなうに は,現場の踏査(樹木の状態,石の状態など)を 必要とするが,3 次元計測データのみでも,どの 地点に,どのような規模の詳細設計を発注すべき かの概略検討が可能であることが,示されている. 上記 2 事例のように,点群データを簡易的に加 工することで使用性が向上することを示されて 図-2.14 落石シミュレーション いる. 21 2.3 点群データの課題 3 次元計測機器を用いることで,短時 間で現況を面的に計測でき,3 次元の点 群データが容易に取得可能となった.さ らに,点群データを簡易的に加工(TIN サーフェスを作成)することで使用性は 向上する.しかし,①利用法が限られて いる,②データ量が多い,③属性がない, など少なからず課題が存在する. a) 点群データ 現在の点群データの利用法としては, 点データをそのまま利用するもの(たと えば,維持管理情報の取得)や設計・施 工の対象地を可視化する,図-2.15 のよう な 2 次元図面を作成する,などであり高 度利用されていない.加えて,路面性状 調査業務で取得した点群データは,路面 の性状値(わだち掘れ量,平坦性など) を算出するためだけに使われており,算 b) 作成図面 出後は利用されていない,といった現状 図-2.15 点群データから作成した図面 となっている. 次に,データ量に関しては,点群デー タは数百万点~数十億点であるため,デ ータ量が膨大となり,加工が困難である という課題もある. さらに,点群データは,点データに属 性がなく樹木のみを取り出すといった作 業が困難である.それゆえ,点群データ は使用性が低く,利用法が限定されると いった現状になっている. 以上のような課題が,点群データを高 図-2.16 計測不要物 度に利活用する際の障害となっている. 一方, 道路舗装の点検業務での利用 9), 22 設計や施工の検討時に地物と重機との取り合いを確認する,など点群データ利用のニーズは多 い.また,点群データの前処理段階での労力軽減も求められている.車や人通りが多い対象地 をレーザで計測した際,図-2.16 の赤丸に示す車や人のような計測不要物が写り込む.現在, 計測不要物の除去は手作業でおこなっており,多くの労力や時間がかかっている.ただし,計 測物除去の技術は進みつつあり,ソフトが開発され 10),労力軽減が図られている. 点群データは,現況を可視化する道具としての利用や 2 次元図面作成としての利用に留まら ず,点群データ自体を高度利用すべきであると考える.それゆえ,本研究では点データに属性 が無いことに着目し,点群データを分析する.これにより,点群データへの属性付与を試み, 点群データの使用性向上を目指す. 23 <参考文献> 1) 小林一郎,宮下征士,藤田陽一,高尾篤志:立面点群データにおける車道空間の属性分析, 土木情報利用技術論文集,Vol.19, pp.185-192, 2010. 2) 国土地理院ホームページ:航空レーザ測量, <http://www1.gsi.go.jp/geowww/Laser_HP/index.html> 3) 株式会社ウエスコホームページ:デジカメリーフレット, <http://www.wesco.co.jp/work/chiri/sec_dig/data/l1258696347/f1> 4) 三菱電機:三菱モービルマッピングシステム高精度 GPS 移動計測装置, <http://www.mitsubishielectric.co.jp/mms/tokucho.html> 5) 株式会社計測リサーチコンサルタント:長距離型 3D レーザ, <http://www.krcnet.co.jp/tech/tech_3Dlaser01.html> 6) 石川貴一郎:モービルマッピングシステムを用いた都市空間の三次元移動計測: <http://www.sparj.com/SparJ/Spar2008J/SpeakerPresenPDF/Ishikawa.pdf> 7) 小林一郎,宮下征士,坂口将人,上田誠:MMS データを用いた視距改良設計,土木情報利 用技術論文集,Vol.18, pp.1-8, 2009. 8) 宮下征士,小林一郎,野間卓志,山村洋平:2 種類の点群データによる落石箇所の予測と予 備設計への適用,土木情報利用技術論文集,Vol.19, pp.149-156, 2010. 9) 総点検実施要領(案)【舗装編】,国土交通省,道路局,平成 25 年 2 月 10) 株式会社 岩崎ホームページ:点群データ自動ノイズ処理ソフト,PET’S <http://www.iwasakinet.co.jp/product/iwasaki-solution/pets/index.html> 24 第3章 点群データへの属性付与 第3章 点群データへの属性付与 本章では,点群データへの属性付与について述べる.点群データへ属性を与えるためには点 群データを分割,分類する必要がある.点群データの分割,分類については次章で述べる. 本章では,属性付与の意義,属性付与の観点,属性付与手法,さらに,属性付与した点群デ ータの利用法について述べる. 3.1 属性付与の意義 1) 点群データに属性を与えることで,点群データの高度利用につながる.たとえば,建替え箇 所に不要箇所という属性を与え,点群データ中から除去し,新設構造物を追加することで協 議・検討が可能となる.また,道路周辺の地物を構造物ごとに分類することで,移設や撤去の 計画での利用も可能となる.属性付与した点群データに情報(損傷度,体積など)やその他の データ(写真・ドキュメント)を付加しておくことで,既存構造物の管理としても利用できる. さらに,レーザ計測では既存施設のデータが取得可能である.それゆえ,点群データ中の施設 がそのまま利用可能となることで,管理する既存施設を CAD で 3 次元モデル化する労力やコ ストの軽減につながるという点でも有用であると考える.このような利用法が可能となること 図-3.1 建設ライフサイクルでの点群データ利活用 25 で,図-3.1 のような建設ライフサイクルの維持管理,設計,施工の各段階において点群データ が利活用,運用できる. 一方,全国の道路総延長は約 130 万 km におよび,既存道路の補修・点検が重要となってい る.平成 25 年には,国土交通省から総点検実施要領(案)【舗装編】2)が発表され,MMS を 用い全国で維持管理情報として道路空間の点群データ取得が進められている. 維持管理段階で取得した道路空間の点群データを,次に実施される設計,施工においても利 活用すべきだと考える. 3.2 2 種類の属性 1) 点群データの属性について考察するにあたり,点データ自体が持つ情報(位置情報,反射強 度,色彩情報)などの属性と,点群データを「群」として捉えた場合の属性についてまとめる. 3.2.1 点データの属性分析 点データが有する数値情報を分析することで,点群データを「群」として分類,判別できる. 以下に,点データが有する代表的な情報の分析について述べる. (1) 位置情報 位置情報(x, y, z)のそれぞれに閾値を設定す ることで,3 軸に沿った面などの抽出が可能と なる.たとえば,標高値で色分けし,段彩図作 成すると図-3.2 のようになる.このデータに対 し,z 値で閾値を設定することで,同一標高値 のデータ抽出ができる.また,点と点の相対的 位置関係から構造物の形状分析もおこなえる. さらに,視覚的に位置,範囲を指定することで 形状抽出も可能である. 26 図-3.2 標高値で色分け (2) 反射強度 計測データの反射強度に閾値を設定することで,構造物の材質による分類がおこなえる 3). 図-3.3 は点群データ中から白線や建物の外壁を抽出した例である.図-3.3 b)のように路面部が 取り除かれていることがわかる. a) 元データ b) 抽出データ 図-3.3 反射強度を用いた構造物抽出 (3) 色彩情報 計測データ中の色彩情報(r, g, b)の 3 要素を組み合わせ,閾値を設定することで色での分 類ができる.図-3.4 は点群データ中の赤色の箇所を抽出した例である.図-3.4 b)のように赤色 の物体が抽出されていることがわかる.なお,RGB 色彩情報を HSV 色彩情報へ変換すること で,人工物と構造物との判別も可能となる 4) . b) 抽出データ a) 元データ 図-3.4 赤色の抽出 上記のように,点データが保有する情報を分析することで,点データの分類,判別につなが る.位置情報と色彩情報を用いた点群データの属性分析手法に関しては,第 4 章で詳述する. 27 3.2.2 点群データへの属性付与の観点 点群データは可視化することで地物の把握は可能であるが,「群」として捉えた場合,実際 は単なる点の集合体であり「群」に意味づけがなされていない.図-3.5 は道路空間の点群デー タを模式化したものである.図-3.5 のような点群データの空間をどのように分類するか考える ことで,点群データに意味づけできる. 点群データは利用者や利用段階で必要となる形状,情報が異なる.たとえば,設計・施工段 階では対象地周辺の地形や地物,維持管理段階では管理情報などを紐づける箇所や構造物の形 状である.点群データを利用者の目的に応じ属性付与することで,意味を持ったデータとして 利用することができる. 点群データへの属性付与を,利用する際の観点に応じて図-3.6 のように 2 種類に分類する. 本研究では,利用目的が形の場合を形状属性付与とし,構造物などの性質,状態の場合を性状 属性付与と呼ぶこととする.以下に,形状属性付与と性状属性付与について記述する. 図-3.5 点群データ模式図 図-3.6 属性付与の観点 28 (1) 形状属性付与 ① 施設属性付与 図-3.7 のように点群データ中の施設,たとえば,路面,電柱,標識のような施設ごとに属性 を与えることを,施設属性付与と呼ぶこととする.施設へ属性を与えることで,属性付与した 施設とその他の点群データとの区別が可能となる.これにより,計測された点群データの施設 を用い,移設計画や設計時の施工性確認などでの点群データ利活用につながる. 図-3.7 施設属性付与 ② 任意属性付与 図-3.8 のように,設計対象範囲や補修範囲,建物の一部分というように,任意の範囲,部分 図-3.8 任意属性付与 29 へ属性を与えることを任意属性付与と呼ぶこととする.これにより,協議に必要な箇所のみ点 群データを取り出し利用するということや,点群データを用いた既存構造物の撤去計画などへ の適用が可能となる. (2) 性状属性付与 図-3.9 のように,路面の状態や残耐用年数などで属性を付与することを,性状属性付与と呼 ぶこととする.これにより,管理情報を視覚的に把握可能となり,補修の優先度算出や補修計 画立案などにつながる. 図-3.9 性状属性付与 30 3.3 属性付与手法 本節では,分割した点群データへの属性付与手法について述べる. 全点群データを𝑷 ,各点を𝒑𝒊 とし,以下のように表す. 𝑷 = {𝒑𝟏 , 𝒑𝟐 , … , 𝒑𝒊 } (𝑖 = 1,2, ⋯ , 𝑛) また,各点𝒑𝒊 は以下のように表す. 𝒑𝒊 = [𝑥, 𝑦, 𝑧, 𝑟, 𝑔, 𝑏]t (𝑖 = 1,2, ⋯ , 𝑛) 𝑖 点群データを図-3.10 のように分割し,部分 点群データを𝑸𝒊 ,各点を𝒒𝒋 とし,以下のように 表す. 𝑸𝒊 = {𝒒𝟏 , 𝒒𝟐 , … , 𝒒𝒋 } (𝑖 = 1,2, ⋯ , 𝑘) (𝑗 = 1,2, ⋯ , 𝑙) また,各点𝒒𝒋 は以下のように表す. 𝒒𝒋 = [𝑥, 𝑦, 𝑧, 𝑟, 𝑔, 𝑏]t 𝑗 (𝑖 = 1,2, ⋯ , 𝑙) 図-3.10 点群データの分割 一方,全点群データ𝑷は,以下となる. 𝑷 = {𝑸𝟏 , 𝑸𝟐 , … , 𝑸𝒊 } (𝑖 = 1,2, ⋯ , 𝑘) 次に,𝑸𝒊 の ID を𝛿𝑖 とし,以下とする. 𝛿𝑖 = 𝑖 (𝑖 = 1,2, ⋯ , 𝑘) 図-3.11 部分点群データ𝑸𝒊 への属性付与 31 これより,𝑸𝒊 を ID(𝛿𝑖 )と各点𝒒𝒊 を用いて表すと,以下となる. 𝑸𝒊 = [𝛿𝑖 , 𝒒𝒋 ]t 𝑖𝑗 (𝑖 = 1,2, ⋯ , 𝑘) (𝑗 = 1,2, ⋯ , 𝑙) 一方,属性情報のパラメータを𝒓𝒊 とし,以下のように表す. 𝒓𝒊 = [𝛼, 𝛽, 𝛾, …]t 𝑖 (𝑖 = 1,2, ⋯ , 𝑘) これより,付与する属性情報𝒛𝒊 を,𝒛𝒊 の ID(𝛿𝑖 )と属性情報のパラメータ𝒓𝒊 を用いて,以下 のように表す. 𝒛𝒊 = [𝛿𝑖 , 𝒓𝒊 ]t 𝑖 (𝑖 = 1,2, ⋯ , 𝑘) この属性情報𝒛𝒊 を図-3.11 のように,部分点群データ𝑸𝒊 の属性情報として付与する. 属性付与した点群データを𝑸′𝒊 とし,部分点群データ𝑸𝒊 と,付与する属性情報𝒛𝒊 を用いて,属 性付与式を,以下のように表す. 𝑸𝟏 𝑸′𝒊 = [ 𝟎 𝟎 𝟎 𝑸𝟐 𝟎 𝟎 𝒛𝟏 𝟎] [𝒛𝟐 ] ⋱ ⋮ (𝑖 = 1,2, ⋯ , 𝑘) (3.1) これにより,部分点群データ𝑸𝒊 に属性を付与することができる. 3.4 属性付与した点群データの利用法 属性付与した点群データは,様々な利用法が可能となり点群データの使用性が向上する.以 下に,属性付与した点群データの利用法を示す. 3.4.1 オブジェクトとしての利用 5) 属性を付与した点群データは CAD オブジェ クトと同様に扱うことが可能となる.以下で示 す利用例は一部であるが,CAD オブジェクトで 可能な操作,(たとえば,分割,移動,非表示, 着色,伸縮など)は点群データでも可能となる. (1) 利用例 a) 分割 形状属性付与することで点群データ中から 施設ごとに分類する,構造物を分割するといっ たことが可能となる.図-3.12 は構造物の点群 データを模式化したものである.図-3.12 のよ うに構造物の点群データを𝑸𝟏 , 𝑸𝟐 …と分割する ことで,分割した個々の箇所を異なる物体とし 32 図-3.12 構造物点群データの分割 て扱える.これにより,構造物の損傷箇所を 別属性にする,解体事業に適用するといった ことが可能となる. b) 移動 a) 標識移動 分割した個々の箇所を,任意の箇所に移動 させることで,分割したデータ同士の位置関 係や干渉の確認が可能となる.たとえば,図 標識点群データ -3.13 a)のように標識のみを移動するといっ た操作が可能となる. b) 標識除去 c) 非表示・消去 図-3.13 標識点群データの移動・除去 分割した一部分のみを非表示,または消去 することで,物体が無くなった時の現況の変 化を確認することができる.たとえば,図 -3.13 b)のように標識のみを除去した際の状 況把握といった確認が可能となる. (2) 時間軸での検討 撤去部 移動や非表示といった利用法を,時間軸上 で組み合わせて用いることで,①構造物の変 化, ②周辺環境の確認,の検討が可能である. 以下にそれぞれの検討方法について述べる. 図-3.14 積み込み確認 a) 構造物の変化 時間軸に沿って,分割した構造物を移動ま たは非表示にする.これにより,時間の経過 に伴い変化する構造物の挙動を確認すること が可能となる.たとえば,撤去工事の場合, 工程が進むに連れて構造物が解体されていく 過程を表現することができる.また,図-3.14 のように,撤去する構造物をトレーラーへ積 み込むといった一連の挙動を確認することも 可能となる. 図-3.15 周辺環境の確認 33 b) 周辺環境の確認 点群データは対象となる現場を高精度で再現しているため,モデル空間 6)で協議・検討する 際,現場に即した環境把握が可能である.建設,撤去する構造物の変化に伴い,周辺の環境も 変化していく.たとえば,重機の位置や架設場所などがあげられる.施工工程を確認する際, 周辺に存在する地物に属性を与えておくことで,CAD で作成した新設構造物と架線・電線と の干渉が確認できる.また,属性を与えた構造物同士の干渉確認,たとえば,図-3.15 のよう に撤去部と建物や街灯との干渉を確認するといったことが点群データで可能となる.さらに, 施工工程に伴い変化する交通規制箇所の確認も可能となる. 3.4.2 情報の紐づけと可視化 (1) 情報の紐づけ 属性付与した点群データは,写真や PDF ファイル,Excel といったドキュメントの紐 づけが可能となる.たとえば,属性付与し た標識の点群データにドキュメントを紐づ けると,図-3.16 のようになる.図-3.16 は イメージ図であるが,管理情報やパトロー ル時に取得した写真などが,点群データの 施設に紐づけ可能となることで,点群デー 図-3.16 ドキュメントの紐づけ タ上で関連する資料の確認・管理ができる. また,点群データは 3 次元データであるた め,3 次元の位置に対応した情報の紐づけ が可能となる.図-3.17 のように,点群デー タの橋脚の一部に属性を与えることで,立 面の位置情報を保持しつつ,ひび割れの状 況を把握することができる.これらのよう に管理情報を,点群データを基に管理する ことができる. ひび割れ画像 図-3.17 対応する位置への紐づけ 34 (2) 付加情報の可視化 点群データへ情報を付加することで,点 群データ上で情報の可視化が可能となる. 付加する情報,管理に必要となる情報は, Spreadsheet や CSV な ど に 入 力 す る . Spreadsheet などに入力した情報を式(3.1)で 属性付与し,情報を可視化する.可視化し た例を図-3.18 に示す.図-3.18 は,点群デ ータの街灯に情報を付加し,可視化したも 図-3.18 付加情報の可視化 のである.また,付加した数値情報で構造 物の状態を色分けすると,図-3.19 のように なる.このように,点群データ上で構造物 の状態を視覚的に把握することができる. 加えて,付加した属性情報を用いてシミュ レートするといったことも可能である.た とえば,交通量の多い箇所かつ現在の舗装 図-3.19 付加情報で色分け 状態が悪い箇所という条件でシミュレート することで補修の優先度算出もおこなえる. 35 3.4.3 まとめ 前項までに述べた利用法を表-3.1 にまとめる.設計・施工段階では,点群データをオブジェク トとして用い協議・検討などに利用する.維持管理段階では,点群データに管理情報やデータ を付加しておくことで,点群データを基とした維持管理ができる.以上のように,オブジェクト としての利用,情報の紐づけ可視化ができることで,建設ライフサイクルにわたる利活用につながると 考える. 表-3.1 属性付与した点群データの利用 36 <参考文献> 1) 藤田陽一,緒方正剛,Wongsakorn Chanseawrassamee,小林一郎:属性を付与した道路点群デ ータの建設ライフサイクルでの利用,土木学会論文集 F3 (特集号) , Vol.70, No.2, 2014. 2) 総点検実施要領(案)【舗装編】,国土交通省,道路局,平成 25 年 2 月 3) 棚橋知世,佐田達典:航空レーザ測量の反射強度データを落居多道路線形計測に関する研究, 日本写真測量学会,平成 24 年度年次講演会発表論文集,pp.87-90, 2012. 4) 小林一郎,藤田陽一,杉原浩実,山本一浩:色彩情報による点群データの属性分析,土木学 会論文集 F3 (特集号) , Vol.67, No.2, pp.95-102, 2011. 5) 藤田陽一,小林一郎,緒方正剛,永村景子:歩道橋撤去計画への点群データ利用, 土木構 造・材料論文集,第 29 号,pp.153-160, 2013. 6) 小林一郎,池本大輔,竹下史朗,坂口将人:3D-CAD を基盤としたトータルデザインシステ ムの提案,土木情報利用技術論文集,Vol.17, pp.171-182, 2008. 37 第4章 点群データの分割と分類 第4章 点群データの分割と分類 本章では,部分点群データ𝑸𝒊 へ分割,分類するための手法について述べる. 点群データが有する位置情報と色彩情報を用いた分割,分類手法を提案する.まず,位置情 報では,点群データを分割可能にするエディタの開発をおこなう.さらに,点群データの使用 性を高めるために,点群データを移動や伸縮させる機能などをエディタに付加する. 次に,色彩情報では,点群データが有している RGB 色彩情報を HSV 色彩情報へ変換し,人 工物の分類手法を提案する. 位置情報や色彩情報により,分割,分類した部分点群データ𝑸𝒊 に対し,第 3 章で述べた属性 付与手法を用いることで点群データへの属性付与が可能となる. 4.1 4.1.1 エディタ開発 1) エディタの必要性 本節では,本研究で開発したエディタについて述べる.エディタの開発は,点群データの利 活用の幅を拡げるべく,手動により点群データの属性を編集するためにおこなった. 手動編集ではなく,第5章で述べる自動,半自動で属性を分析する研究は多岐にわたり取り 組まれており,道路ネットワークの属性を判別する際は,自動化のメリットもある. 一方,手動編集のメリットは,設計や施工段階で点群データの利用を想定した場合,細部の データ分割に関して正確でかつ早く編集できる点である.また,手動操作で編集することの意 義は,①精度が高い,②汎用性がある,③簡便である,などである.手動操作で編集した点群 データに属性を与えることで,様々な利用法が可能となる.たとえば,建替えが検討されてい る敷地のみを取り除く,既存構造物の形状を変化させた際の違いを確認する,などである.こ のような操作が可能となることで,点群データ自体での協議・検討が可能となる. なお,点群データの編集処理は利用者の目的,たとえば,景観検討,施工検討などによって 異なり,必要となるデータも異なる.もちろん,自動的に処理するソフトウェアも存在してい るが,自動処理の場合,本来検討に必要となる構造物が除去されたり,点群データが間引かれ たりするなど,後工程での確認作業や修復作業が発生する恐れがある.しかし,手動操作の場 合,技術者が空間を確認し,情報へ価値づけしながら編集するため,処理作業には時間を要す るが,処理後のモデル空間には技術者が必要とする情報のみが残ることとなる.また協議・検 討に必要な箇所に絞って適宜編集することで,その都度の作業時間の増加は抑制できスムーズ な利用が可能となる. 38 4.1.2 位置情報を用いた範囲内抽出 点群データの編集法として,位置情報と色彩情報による編集がある.また,計測機器によっ ては反射強度の閾値を用いて構造物を抽出することも可能である.色彩情報を用い閾値を設定 することで,図-4.1 のように人工物を特定することができる 2).反射強度を用いた研究では, 棚橋らにより道路の白線を抽出する手法が示されており,閾値を用いた構造物の材質毎への分 類も試みられている 3). 本節では,点群データが有している位置座標を用い,範囲指定することで点群データを抽出 する.加えて,抽出した点群データの形状変化を可能とするシステムを構築した. 図-4.1 色彩情報を用いた人工物抽出 4.1.3 座標値指示 点群データ中の各点𝒑𝒊 が任意の空間内に存 在しているかを XY 平面,および立面(XZ 平面,YZ 平面)で判別する.まず,各点が 任意の点により囲まれた範囲内にあるか XY 平面で判別する手法を,点 𝒂𝒊 (𝑖 = 1,2, … 𝑚)で 囲まれた m 角形の内外判定を用いて以下に述 べる.まず,z 値は考慮せず,点𝒑𝒊 と点 𝒂𝒊の x, y 成分で処理する. 図-4.2 のように 𝒂𝒊 (𝑖 = 0,1, ⋯ 𝑚)で構成され た m 角形の各点から次点への方向ベクトルを 図-4.2 点の内外判定 𝒂′𝒊 (𝑖 = 0,1, ⋯ 𝑚)とし,多角形の各頂点から判 39 定する点𝒑𝒊 への方向ベクトルを𝒑′𝒊 (𝑖 = 0,1, ⋯ 𝑚)とする.𝒂′𝒊 と𝒑′𝒊 の外積の符号が全て正の場合, または負の場合,点 𝒑𝒊 は多角形の内部となる.そこで,𝒂′𝒊 と𝒑′𝒊 の外積を𝑘𝑖 とし,以下の条件 を設定する. {𝑘1 ≤ 0 and 𝑘2 ≤ 0 and, ⋯ , and 𝑘𝑖 ≤ 0} Or {𝑘1 ≥ 0 and 𝑘2 ≥ 0 and, ⋯ , and 𝑘𝑖 ≥ 0} (4.1) 式(4.1)をみたす領域を抽出することで,XY 平面での範囲特定が可能となる. 次に,XY 平面と同様に立面での条件式(4.1)を点𝒑𝒊 ,点 𝒂𝒊 の x,z 成分,および y,z 成分を 用い算出する.x,y 成分,x,z 成分,y,z 成分で算出した条件式(4.1)を用いデータを抽出する. しかし,構造物を任意形状で抽出するには,立面で範囲を指示する際に構造物を任意の方向か ら指示する必要がある.これについては次項で述べる. 4.1.4 エディタの概要 点群データから任意の形状で構造物や空間を抽出するために,図-4.3 のような編集システム を構築した.本編集システムは,Database(以下,DB)に点群データを格納し,編集処理をお こなう.図-4.3 の黄色枠で格納したデータの切り替え,赤枠の編集メニューで編集を実行する. 点群データ表示画面は,Autodesk 社 NavisWorks の API を利用し,DB は MicroSoft 社の Access を使用した.本システムの動作環境を表-4.1 に示す. DB 切替 点群データ表示画面 編集メニュー 図-4.3 編集システム 40 本編集システムでは,抽出範囲を XY 平面 表-4.1 動作環境 で指示し,次に立面で抽出範囲を指示する. 図-4.4 a)の点群データを XY 平面で見た 図を表示させると図-4.4 b)のようになる. 図-4.4 b)の赤枠のように XY 平面で抽出す る範囲を指定する.次に,立面で抽出範囲 を指定するが,立面で範囲を指示する際に 問題がある.立面では,図-4.5 のように見 る方向により形状が異なる.それゆえ任意 a) 元データ b) 図-4.4 XY 平面での範囲指定 図-4.5 立面形状 41 XY 平面図 の形状で抽出するには,視点を自由に変更する必要がある.元データを,Z 軸を中心に角度 θ 回転させて,任意の方向から見ると図-4.6 のようになる.図-4.6 の赤枠のように立面で抽出範 囲を指定する.XY 平面と立面で指定した範囲を抽出すると図-4.7 のようになる.抽出したデ ータを TXT 形式または CSV 形式で出力することで,異なる属性として用いることが可能とな る.なお,平面図で指定した領域内に,たとえば,L 字型の構造物やコの字型の構造物,など 1 方向からの範囲指定では抽出できない場合は,立面で 2 方向から範囲を指定することで抽出 がおこなえる.範囲を指示するだけで抽出でき,簡便に操作が可能である. 図-4.6 立面での範囲指定 図-4.7 抽出データ 42 編集機能 4.1.5 (1) 機能 抽出した領域(部分点群データ)を𝑸とし, 以下の編集機能を付与した. a) 消去・非表示 図-4.8 のように,抽出した領域を消去・非 表示する機能とした.抽出領域𝑸を空集合∅と する場合を消去とし,以下のように表す. 𝑸=∅ 図-4.8 消去・非表示 (4.2) b) 移動 図-4.9 のように,抽出した領域を任意の箇 所へ移動する機能とした.抽出領域𝑸を構成 する各点𝒒𝒊 の x,y,z 成分それぞれに対し𝛼, 𝛽,𝛾を加えることで移動を表す. 𝒒𝑖 = [𝑥 + 𝛼, 𝑦 + 𝛽, 𝑧 + 𝛾, 𝑟, 𝑔, 𝑏]t 𝑖 (𝑖 = 1,2, ⋯ , 𝑘) 図-4.9 移動 (4.3) c) 伸縮 図-4.10 のように,抽出した領域を延長, 短縮する機能とした.抽出領域𝑸は点の塊で あるため,単に各点𝒒𝒊 を𝛿倍するだけでは伸縮 させることはできない.そこで,抽出領域𝑸の 基準点と抽出領域𝑸内の各点𝒒𝒊 とのベクトル 𝒒′𝒊 の x,y,z 成分それぞれに対し,𝛼,𝛽,𝛾を 掛けることで伸縮を表す. 𝒒′𝒊 = [𝛼𝑥, 𝛽𝑦, 𝛾𝑧, 𝑟, 図-4.10 伸縮 𝑔, 𝑏]t 𝑖 (𝑖 = 1,2, ⋯ , 𝑘) (4.4) d) 着色 図-4.11 のように,抽出した領域を任意の 色へ変換する機能とした.抽出領域𝑸の各点 𝒒𝒊 の r,g,b 成分を r ’,g ’,b’に変換し,以 下の式でデータへ着色する. 𝒒𝒊 = [𝑥, 𝑦, 𝑧, 𝑟’, 𝑔’, 𝑏’]t 𝑖 図-4.11 着色 43 (𝑖 = 1,2, ⋯ , 𝑘) (4.5) e) 置換 図-4.12 のように,抽出した領域を任意の オブジェクトへ置換する機能とした.抽出領 域𝑸を他のデータ R へ置き換える. 𝑸=𝑹 図-4.12 置換 (4.6) (2) 編集機能の適用例 式(4.2)~式(4.6)を点群データへ適用した例を以下に示す. a) 消去・非表示 図-4.13 a)に編集前のデータを示す.図-4.13 a)の樹木データのみを編集システムで抽出し, 非表示にすると図-4.13 b)のようになり,樹木を撤去した際の景観変化が把握できた. b) 移動 標識が信号への視線を遮っているデータを図-4.14 a)に示す.図-4.14 a)に示す白丸部の標識 a) 編集前 b) 編集後 b) 編集後 図-4.13 非表示 a) 編集前 図-4.14 移動 44 が信号の視線を遮っている箇所である.標識を移動し,信号への視線を解消した結果を図-4.14 b)に示す.標識を移動させることで,図-4.14 b)のように白丸部の干渉が解消できている. c) 伸縮 伸縮の事例として,信号のアーム部を延長した.信号のアーム部の長さは,図-4.15 a)のよ うに 6m であった.アーム部のみ 1m 伸ばした結果を図-4.15 b)に示す.図-4.15 b)では長さが 7m になっていることがわかる.この長さ測定は,Autodesk 社の Navisworks の測定機能を用い ている. d) 着色 抽出した標識を着色した事例を示す.図-4.16 a)は抽出した標識データである.このデータ の r, g, b 値を r=0,g=0,b=255 とし,青色に着色した結果を図 4.16 b)に示す. 図-4.16 b)から抽出したデータが青色に変換されていることがわかる. a) 編集前 b) 編集後 b) 編集後 図-4.15 伸縮 a) 編集前 図-4.16 着色 45 e) 置換 建物の点群データを画像データへ置き換えた事例を示す.図-4.17 a)は編集前の建物データ である.点群データであるため,点と点の間から,建物の奥が透けて見えている.このデータ のキャプチャを撮り,建物の点群データを画像データへ置き換えた結果を図-4.17 b)に示す. 画像データに置き換えることで,透過を解消できた. a) 編集前 b) 編集後 図-4.17 置換 4.1.6 エディタの適用例 (1) 概要 開発したエディタの適用事例として,熊本県熊本市新水前寺周辺を計測したデータおよび, 山口県岩国市にある錦帯橋周辺を計測したデータを用い,点群データを編集した.表-4.2 に, 各事例と使用した機能の組み合わせたものを示す.本項では,この 3 事例のうち,1 事例(錦 帯橋架け替え)を示す.その他の事例は,第 6 章で述べる. 表-4.2 編集機能と適用事例 46 (2) 錦帯橋架け替え検討 本研究で構築したエディタの機能,①分 割,②非表示・消去,③着色,④置換(CAD で作成したオブジェクト)の利用法を錦帯橋 の架け替え検討へ適用した. a) 現場概要 図-4.18 は,山口県岩国市の錦川に架か る 5 径間の木造アーチ橋(全長 193.33m)の 周辺を固定式レーザ測量で計測したデータ 図-4.18 現況点群データ である.錦帯橋は木造橋であるが故に,部 材の腐食や摩耗が顕著で,平成の架け替 え(H13~H16)以降,岩国市の「錦帯橋みら い構想」4)により,20 年ごとの架け換えがおこ なわれる計画である.この錦帯橋改修にあ たり,大工技術伝承に 3D-CAD を利用する 提案がなされている. ① 橋梁本体の非表示 現況を 3D-CAD で再現するために,現況 図-4.19 橋桁データの分割と着色 の錦帯橋を,本編集システムを用いて橋桁 部分を指示し,図-4.19 のように橋桁の点群 データを他の点群データ(橋脚や橋周辺の 地形)から分割した.図-4.19 では橋桁の箇 所を黄色に着色し,さらに橋台やその他デ ータとは異なる属性としている.これにより, 橋桁と橋台と異なる物体として用いることが 可能となった.橋桁のみを非表示・消去する と図-4.20 のようになる.図-4.20 は,橋桁を 撤去した際の状況を再現している. 図-4.20 橋桁データの非表示 47 ② 架け替え検討 錦帯橋を 3D‐CAD で再現すると図-4.21 のようになる.3D‐CAD で再現することで, 任意の視点から橋を眺めたり,橋板を外し て内部構造を把握したりすることが可能とな る. 橋桁を非表示にした点群データの橋台に 錦帯橋の CAD データを配置すると,図 -4.22 のようになる.図-4.22 のように完成形 図-4.21 錦帯橋 CAD データ を,現況に照らし合わせて確認することがで きた.また,図-4.23 のように橋台に設置し, 部材の組み上げを再現することで,現場で の部材の組み上げ確認が可能であった. b) 考察 本項では,錦帯橋架け替え検討を通し て,編集点群データの利用法を示した. 複数の編集機能を組み合わせて利用する ことで,様々な事例に点群データが適用 図-4.22 CAD データへの置換 可能となる.新設の場合は,不要な既存 構造物などのデータを消去し,新設構造 物を追加することで,現場に即した設計 検討が可能となる.本事例では,編集に 約 30 分の時間を要しており,高速化する 必要があると考える. 一方,本事例の対象地は道路空間では なく,河川周辺を計測したデータであっ た.それゆえ,点群データを編集し属性 を与えることで,道路空間に限らず点群 図-4.23 組み上げ確認 データが利活用できる可能性を示せたの ではないかと考える.また,本項では示 していない伸縮や移動の機能を用いた事 例は,第 6 章で述べる. 48 4.2 色彩情報を用いた属性分析 2) 本節では,3 次元点群データの色彩情報を分析し,人工物と自然物を分類する手法を提案す る.点群データの色彩情報は,計測時に撮影されたデジタル画像とレーザ計測によって取得さ れる位置情報を同期させることで得られる.それゆえ,まずデジタル画像を分析し,その結果 を点群データへ展開する. 4.2.1 デジタル画像の分析 3次元点群データの色彩情報の分析に先 だち,図-4.24のような2次元のデジタル画 像を用いて色彩自体の特性や風景の分析を 試みる. 点群データはデータ量が膨大であるため, 数値処理に多くの時間が必要である.また, 数値処理後の変化を確認しようとしても, 遠くから見れば図-4.25のように構造物の 形や色彩がわかるが,近くに寄ると透けて 図-4.24 デジタル画像 しまい,他の構造物と重なって表示される こともある.そのため,点群データをその まま分析に使用すると,数値処理した後の 色彩変化を把握しづらい. 一方,2次元のデジタル画像は点群データ と比べ,データ量が少なく,数秒で数値処 理がおこなえる.そのため,多くの分析サ ンプルを取得することができる.また,数 値処理後の変化もはっきり見て取れる.そ れゆえ,本研究ではまずデジタル画像を用 図-4.25 点群データ いて色彩の特徴を分析する. 49 4.2.2 RGB色彩情報の分析 (1) RGB-Cube RGB色彩情報とは,赤(Red),緑(Green), 青(Blue)の光の3原色を混ぜて色彩を表現す るもので,(r, g, b)=(255, 255, 0)のように各 要素が256通りの数値をとるため,表現でき White る色彩の総数はおよそ1670万通りにのぼる. この色彩情報を可視化するために,図-4.26 のようなRGB-Cubeを用いる.RGB-Cubeは, RGBの3要素を軸とし, Red,Green,Blue, Black Cyan,Magenta,Yellow,Black,Whiteを頂 点 に も つ 一 辺 255 の 立 方 体 で あ る . RGB-Cubeを用いることで,立方体内部だけ 図-4.26 RGB-Cube で全ての色彩情報を表現することが可能と なる.また,r=g=bとなるときはグレーと なり,図-4.26のblackとwhiteを結ぶ対角線 上に存在する.以下,この対角線をグレー ラインと呼ぶ. 図-4.24のデジタル画像をRGB-Cubeで表すと,図-4.27,図-4.28,図-4.29のようになる.こ れらの図より,グレーラインから離れるにつれて色彩があざやかになる,もしくは明るくなる 傾向がみられた.また,グレーラインを軸とし,頂点や辺に向かって点が分布していることがわかる. RGB-Cubeを用いることで,色彩の分布や傾向を視覚的に把握することができる. しかし,図-4.26のようなRGB-Cubeからだけでは,人工物の写真であるのか,自然物の写真であるかの 判断は極めて難しいと考える. 図-4.27 RGB-Cube 俯瞰図 図-4.28 R-B 面 50 図-4.29 R-G 面 (2) RGB各要素の可視化 デジタル画像の横方向を X 軸,縦方向 を Y 軸とすると,ピクセルの位置情報は r =245 (x,y)で表される.XY 平面を底面にと り,Z 軸方向に RGB の各指標をとったも のを,それぞれ R-XY 図,G-XY 図,B-XY 図と呼ぶ.x,y 座標に RGB 色彩情報を 付与することで,物体を視覚的に捉える r =101 R Y ことができる. 図-4.24 のデジタル画像の RGB 色彩情 X 図-4.30 R-XY 図 報を 3 次元的に表すと,図-4.30,図-4.31, 図-4.32 のようになる.図中の白丸で示し た空の r, g, b の値は,どれも 245 程度で g =245 あり,デジタル画像では青色に見えるが, 白色(r, g, b)=(255, 255, 255)に近い傾 向にあることがわかる.また,図中の赤 丸で示した青標識は,r=10,g=65,b=135 g =65 程度であり,標識に用いられている青色 5) である(r, g, b)=(0, 88, 145)の特徴に G Y 類似していることがわかる.デジタル画 X 像を 3 次元化することで,2 次元では捉 図-4.31 G-XY 図 えにくい色彩の機微や RGB3 要素の特徴 を把握することができる. しかし,人工物を特定する場合には, b =245 R-XY図,G-XY図,B-XY図を同時に評価 しなければならず,多様なパターンが必 要となる.そのため,人工物判別の指標 b =135 として用いることは困難である. B Y X 図-4.32 B-XY 図 51 4.2.3 HSV色彩情報の分析による人工物抽出 (1) 分析 a) HSV変換 HSV とは,Hue:色相(0~360),Saturation: 彩度(0~100 ),Value:明度(0~255)の 3 要素で色彩を表現するもので人間の感性に近 いと言われる.一般的に,人間がわかりやすい 表現とは「このような色で(色相),このくら い淡く(彩度),このくらい明るい(明度)」 といった 3 要素を基準としたものである.本 研究では,この人間が視覚的に理解しやすい HSV に RGB を変換し 6), 人工物を特定する. 色相を h,彩度を s,明度を v,RGB 色彩情 図-4.33 HSV-Cuboid 報の各要素(r, g, b)の中の最大値を Max,最 小値を Min とし,RGB から HSV への変換式 を以下に示す. 𝑣 = max(𝑟, 𝑔, 𝑏) (4.7) 𝑀𝑎𝑥 = max(𝑟, 𝑔, 𝑏) 𝑀𝑖𝑛 = min(𝑟, 𝑔, 𝑏) 𝑠= 𝑀𝑎𝑥−𝑀𝑖𝑛 𝑀𝑎𝑥 (4.8) ∗ 100 𝑀𝑎𝑥 = 𝑟のとき 𝑔−𝑏 𝜋 ℎ = 𝑀𝑎𝑥−𝑀𝑖𝑛 * 3 𝑀𝑎𝑥 = 𝑔のとき 𝑏−𝑟 𝜋 ℎ = {𝑀𝑎𝑥−𝑀𝑖𝑛 + 2} * 3 𝑀𝑎𝑥 = 𝑏のとき 𝑟−𝑔 𝑀𝑎𝑥−𝑀𝑖𝑛 ℎ={ + 4} * 𝜋 3 ただし,ℎ < 0のとき,ℎ =2 π + ℎ 52 (4.9) b) HSV-Cuboid 図-4.33 の HSV-Cuboid は長辺(H)360,短辺(S)100,高さ 255(V)の直方体である. 図-4.24のデジタル画像をHSV-Cuboidで表すと,図-4.34,図-4.35,図-4.36のようになる. これらの図より,色合いやあざやかさ,明るさなどを視覚的に捉えることができるが, RGB-Cubeと同様にHSV-Cuboidを見てもどのような画像が表されているか判断することは難し い. 図-4.34 HSV-Cuboid 俯瞰図 図-4.35 H-S 面 53 図-4.36 H-V 面 c) HSV 各要素の可視化 RGB-XY 図と同様に,デジタル画像の XY 平面を底面にとり,Z 軸方向に HSV 標識 の各指標をとったものを, それぞれ H-XY 図,S-XY 図,V-XY 図と呼ぶ. 図-4.24 のデジタル画像の HSV 色彩情 報を 3 次元的に表すと,図-4.37,図-4.38, H 図-4.39 のようになる. Y 図-4.37のH-XY図は色合いの分布を表 したものであり,図右上の凡例に示すよ X うにH軸の最下面,最上面が赤,下から 図-4.37 H- XY 図 120増えるごとに緑,青の色相が分布して いる.図-4.37の赤丸で示した2つの標識 s =75 が,共に青の色相に属している事が視覚 s =70 的にわかる.色相Hを用いることで色の 特定ができる. 図-4.38のS-XY図はあざやかさの分布 樹木 を表したものであり,s値の高い物体が上 S 方に,低い物体が下方へ分布する.s=0 Y の白,黒,グレーは最下面に分布してい X る.図-4.38の赤丸で示した標識を見ると, 図-4.38 S- XY 図 S軸方向に浮き出ており,面を形成してい ることがわかる.また,日陰にある標識 の方が高いs値を示している.図-4.38の白 丸で示した樹木を見ると,S軸方向へ散ら ばっていることがわかる.s値を用いるこ v =130 とで,物体の特徴把握がおこなえる. v =190 図-4.39のV-XY図は明るさの分布であ V り,v値が高い白に近いものは上方に,v Y 値が低い黒に近いものは下方に分布する. X 青標識のv値は,影になっているものがお 図-4.39 V- XY 図 よ そ v=130 , 自 然 光 の 下 に あ る も の が 54 v=190であった.これより,光のあたり方が強いほど上方へ,弱いほど下方へ分布することが いえる.明度Vは,光の加減を示す指標であることがわかる. (2) 彩度Sを用いた人工物および自然物の特徴的指標 a) 人工物 多 く の 人工 物 は滑 ら かな 面 で 構成 さ れて お り,あ る 面 が同 一 の色 彩で 塗 ら れて いる. S-XY図を用いて約100枚の写真から人工色のs値を分析した結果,図-4.40に示すようにS軸に 対し垂直な面を形成した面的形状をとるという特徴が得られた. sの値については,人工塗料で塗られた標識のような人工色は値が高く,グレーの構造物な どは値が低いという特徴が得られた.図-4.41 a)の画像をsの値の大きさにより5段階に色分けす ると,図-4.41 b)のようになる.色分けは青から赤にいくにつれてsが大きいほど,暖色系が高 い値になっていることがわかる.また,図-4.42 a)の画像の彩度の分布を表すと,図-4.42 b)の 図-4.40 人工物の特徴 a) 解析元画像 b) 図-4.41 s 値による色分け 55 色分けデータ ようになる.図-4.42 a)の赤丸で示したコンクリートは図-4.42 b)の赤丸となり低いsの値をとり, 板状に分布している.図-4.42 b)の白丸で示す草の場合とは異なることがわかる. b) 自然物 自然物は,木の葉のように同じ物体であっても個々の形状や色合いがバラバラで あ る た め, 分 散が 大 きい . S-XY図を用いて自然物のs値を分析した結果,図-4.43に示すように,S軸に対して垂直な方 向に幅を持って存在する塊的形状をとるという特徴が得られた. sの値については,緑色の樹木,石など多くの自然物は,標識のような人工物より低い値を とるが,銀杏のような黄色がかった樹木は人工物と同様に高い値を示す場合がある. a) 元画像 b) 図-4.42 s 値による評価 図-4.43 自然物の特徴 56 s 値の分布 (3) 抽出式 人工物を特定するためには,形状的特徴や色合いによる判別が必要となる. 人工物の特徴である面的形状の特定にsを用い,人工物間の色合いの違いを区別するためにh を用いて抽出式を算出した. 図-4.44 a)の s の最小値を𝛼1,最大値を𝛼2とすると,次式となる. 𝛼1 ≦ s ≦ 𝛼2 (4.10) 図-4.44 b)の h の最小値を𝛽1,最大値を𝛽2 とすると,次式となる. 𝛽1 ≦ h ≦ 𝛽2 (4.11) 上記抽出条件を,デジタル画像に適用し,検証した事例を次で示す. α2 β2 H α1 S XY β1 XY a) s の閾値 b) 図-4.44 人工物の抽出範囲 57 h の閾値 (4) デジタル画像からの人工物抽出 約 100 枚の画像データを解析した中から,ケース A 青色の人工物を含む画像(図-4.45 a)), ケース B 赤色の人工物を含む画像(図-4.46 a)),ケース C 緑の人工物を含む画像(図-4.47 a)), ケース D 中間色である桃色の人工物を含む画像(図-4.48 a))を対象とし,人工物を抽出した. 彩度(s)の設定値は一定とし,色相(h)の設定値は 4 通りの値を用いた.色相(h)は 0 ~360 の環状に分布し連続値をとる.赤色,桃色は 0(=360)の前後であるため以下とした. 【解析用の設定値】 𝛼 1 =60,𝛼 2=80 青色:𝛽1=210,𝛽2=270 赤色:𝛽1=0,𝛽2=30 or 𝛽1=330,𝛽2=360 緑色:𝛽1=90,𝛽2=150 桃色:𝛽1=0,𝛽2=25 or 𝛽1=325,𝛽2=360 設定値である,𝛼 1=60,𝛼 2=80 は人工物の s 値を分析した結果の平均である 70 に陰影による s 値の揺らぎを考慮し,上下に 10 の幅を持たせて設定した.式(4.10)の設定値は,各色相,青 色 240,赤色 0 または 360,緑色 120,桃色 355,から±30 の値とした. 青色の人工物の抽出結果を図-4.45 b)に示す.青色の服や,図-4.45 b)の赤丸で示した後ろに 存在する青色のマグネットも同時に抽出できている. a) 元画像 b) 図-4.45 ケース A 青色の人工物 58 抽出データ 赤色の人工物の抽出結果を図-4.46 b)に示す.赤色の提灯や看板,赤色の建物などが抽出さ れた.光源で白く写っている箇所は黒くなっていることがわかる. 緑色の人工物の抽出結果を図-4.47 b)に示す.色合いが微妙に異なる緑色のペットボトルや 携帯電話のカバーが抽出されている. 桃色の人工物の抽出結果を図-4.48 b)に示す.左側の濃い桃色の携帯電話は抽出されたが, 淡い桃色の携帯電話は抽出されなかった.s の上下限値を,𝛼 1=40,𝛼 2=60 に変更することで, 図-4.48 c)のように抽出が可能となったが,濃い桃色の携帯電話は抽出されなくなった.淡い 中間色は s 値が低いため,s 値を低くする必要がある.𝛼 1=40,𝛼 2=80 とすることで,図-4.48 d) のように両方とも抽出が可能となる. a) 元画像 b) 抽出データ 図-4.46 ケース B 赤色の人工物 a) 元画像 b) 図-4.47 ケース C 緑色の人工物 59 抽出データ (5) 考察 元画像の各色のピクセル数と抽出画像のピクセル数から抽出率を算出した結果,平均 91%で あった.青色や赤色,緑色は,高い一定の s 値を示し,色相(h)の閾値を操作することで人 工物の抽出が可能となる.桃色のような中間色では,彩度(s)の閾値を操作することで抽出 可能である.以上より,色相(h),彩度(s)を同時に操作することで,多くの人工物を抽出するこ とが可能となる. a) c) 元画像 b) 40≤s≤60 の場合 60≤s≤80 の場合 d) 図-4.48 ケース D 桃色の人工物 60 40≤s≤80 の場合 4.2.4 点群データ中の人工物抽出事例 (1) 概要 図-4.49 に示す道路周辺を計測した点群データを用い青色と赤色の人工物の抽出をおこなっ た.図-4.49 の点群データは片側 2 車線,計 4 車線の国道 3 号線を計測したもので,総点数: 約 5 千万点 ,計測区間:約 500m のデータである. (2) 色彩解析による点群データの抽出 彩度の解析値を設定するにあたり,様々な彩度(s)の値を用い検証を試みた.𝛼 1=50,𝛼 2=70 に設定すると明るめの人工物は抽出されるが,暗い人工物は抽出されない.一方,𝛼 1=70,𝛼 2=90 とすると,暗い人工物は抽出されたが,明るい人工物は抽出されない.これより,中間にあた る𝛼 1=60,𝛼 2=80 を人工物抽出の彩度に設定した.道路標識で,この設定値の検証をおこなった. 国土交通省が定めた道路交通標識の安全色 5)において,道路交通標識のマンセル値の彩度は 14 段階で表されており,標識の彩度は 10 である.これより,標識の彩度(s)の値は(9/14)と (11/14)の間にあるので 71±7となる.この値は,採用した𝛼 1 =60,𝛼 2=80 にほぼ等しい値とな っている. 上記をもとに,青色と赤色の人工物の抽出を試みた. 【設定値】 𝛼 1=60,𝛼 2=80 ケース A(青色):𝛽1=210,𝛽2=270 ケース B(赤色):𝛽1=0,𝛽2=30 or 𝛽1=330,𝛽2=360 図-4.49 道路空間の点群データ 61 解析の結果,ケースA では全区間に存在していた 8 枚の青標識と 2 枚の看板を抽出すること ができた.このうち,一事例を図-4.50 に示す.図-4.50 b)では,赤丸に示すように 5 枚の標識 が抽出できている.白丸で示した広告用の青い看板も同時に抽出されている. また,赤色の設定値で解析した結果,赤信号,車のライト,赤標識などの抽出がおこなえた. 図-4.51 に一事例を示す.図-4.51 b)では,赤色の保安用品の抽出ができた.赤丸で示した箇所 では,クッションドラムも抽出されている. (3) 考察 本手法により,3 次元点群データから特定の人工物は抽出が可能となったと考えられる.本 事例では,青色と赤色の人工物抽出を示したが,彩度(s)の閾値を設定し,色相(h)を変化 させることで,様々な色彩の人工物(たとえば,淡い桃色など)も抽出可能である. 青色の人工物が抽出できることで,位置情報では属性分析が困難な標識と信号の判別が容易 a) 元画像 b) 抽出データ 図-4.50 青色の人工物抽出 a) 元画像 b) 図-4.51 赤色の人工物抽出 62 抽出データ となる.点群データは位置情報も有しているため,図-4.52 内に示す赤丸のように,位置の特 定も可能となる.また,車のライトのような赤色の人工物が抽出できることで,計測不要物で ある車の除去も可能となり,点群データのノイズ処理の可能性も広がった. しかし,同じ彩度 s =0 である白,黒,グレーを区別することができないという課題も残って いる.また,彩度(s)の値は影の影響をうける.このため,現段階の手法では解析値の値に 幅を持たせなければならない.これらに対し,明るさ(光の加減)を示す指標である明度(v) が必要であると考えている. 図-4.52 標識の位置特定 63 <参考文献> 1) 藤田陽一,小林一郎,緒方正剛,Wongsakorn Chanseawrassamee:点群データ用エディタの開発と 利用法について,土木情報学論文集 F3,Vol.70, No.1, pp.48-55, 2014. 2) 小林一郎,藤田陽一,杉原浩実,山本一浩:色彩情報による点群データの属性分析,土木学会論 文集 F3 (特集号), Vol.67, No.2, pp.95-102, 2012. 3) 棚橋知世,佐田達典:航空レーザ測量の反射強度データを落居多道路線形計測に関する研究, 日本写真測量学会,平成 24 年度年次講演会発表論文集,pp.87-90, 2012. 4) 錦帯橋みらい構想: <http://kintaikyo.iwakuni-city.net/future/future_plan.pdf> 5) 国土交通省:標識案内用図記号ガイドライン <http://www.mlit.go.jp/sogoseisaku/zukigou/zukigou02.html> 6) 村山健二,岡田至弘:対比特徴を用いた注目領域の抽出における色空間の比較(顔とジェス チャの認識),電子情報通信学会技術研究報告,HIP, ヒューマン情報処理,103,455, p.117, 2003.11. 64 第5章 属性分析手法 第5章 属性分析手法 本章では,高精度な道路空間の立面情報が取得できる立面点群データ(MMS データや固定 式レーザ測量データ)について,属性分析手法を提案する.道路空間を車道空間,歩道空間, 周辺空間に分類し,属性分析を試みる.本章で対象とする空間は,主として車道空間と歩道空 間である.車道空間,歩道空間に存在する施設の属性分析手法を記し,適用事例を示す.本章 で提案する手法は,点群データが有する位置情報,色彩情報を用いて,道路空間の施設を自動 または半自動での分類,抽出を目指したものである. 道路空間の特徴 1) 5.1 本論文では,道路空間を各空間に存在する物体の特徴から図-5.1 に示す 3 空間に分類する. 各空間の特徴を以下に述べる. 5.1.1 車道空間 道路面,車,高架線などが存在し,比較的平滑な道路面があり,その道路面上や道路面上空 に構造物を有している.車道空間を Z 方向で図-5.2 のように分割する. a) 道路面の物体 : 道路の表面. b) 路面上の物体 : 車,人,分離帯など道路面に接地している物体. c) 路面上空の物体 : 架線,高架橋,トンネル,樹木や標識の一部など. 上記 3 つのうち,基準となる a) 道路面の物体を抽出することで,その上に存在する構造物 の抽出や道路空間の 3 分割が可能となる. 図-5.1 道路空間の分割 図-5.2 車道空間の分割 65 5.1.2 歩道空間 街灯,信号,電柱,標識,樹木など様々な形状の柱状構造物やガードレールなどの帯上構造 物が点在している.図-5.3 に示す歩道空間に存在する構造物を以下の 2 種類に分類し,それぞ れを定義する. a) 柱状構造物 樹木,街灯,電柱,車両用信号,交通標識(道路上空に標識部が張り出したもの)など,柱状になっ ている構造物である.これより点群データでは,Z 方向への変位が大きく,一定値以上 Z 方向へ連続 して点が存在している構造物とする. b) 帯状構造物 ガードレール,手すり,植え込みなど帯状になっている構造物である.これより点群データでは,Z 方向への点の変位が小さく,地面に近い位置で帯状に設置されている物体とする. 5.1.3 周辺空間 市街地では様々な高さの建物,山間地では山の斜面などが存在している.周辺空間に存在す る物体は,計測する対象地により様々となる.そのため,本論文では,これらのデータの詳細 な属性は分析せず,周辺空間へ分割するだけとする. 図-5.3 歩道空間の特徴 66 5.2 5.2.1 計測不要物除去 2) データの前処理 全点群データ P を DB に格納し,XY 座標上に 引いた正方形のメッシュに分割する.図-5.4 に示 すように,メッシュによっては,点群が Z 方向に hv 高位置まで分布する場合と,低い位置に板状に集 中する場合がある.各メッシュ内の最大,最小の M z の値をそれぞれ,𝑧𝑚𝑎𝑥 ,𝑧𝑚𝑖𝑛 とし,その差 hv を M 最大分散幅と呼ぶ. ℎ𝑣 = 𝑧𝑚𝑎𝑥 − 𝑧𝑚𝑖𝑛 (5.1) メッシュの幅は点群データの特性により,X, Y 方向で独立に設定することが望ましい場合も あるが,点群データが常に X,Y 軸に対して平行 M hv であるとは限らないこと,各メッシュを均等に評 価可能であることにより,今回の解析では X,Y M 方向全てを同じメッシュサイズ M とする. hv の値を算出する際,架線や高架橋など路面上 図-5.4 メッシュ拡大図 空に点が存在する場合,hv の値が大きくなる. MMS データは,上方データと下方データに分か れて出力されており,DB 内の別テーブルに格納すれば hv の値を算出する際,路面上空の点の 影響は受けない.しかし,固定式レーザ測量データは上方,下方に分かれていないため,その まま hv の値を算出すると,hv の値は大きくなる.そこで,上方のデータを除外する. この際,ある z 値以上のデータを除外するだけでは縦断勾配が大きい場合,正確に処理でき ない.そこで,除外する条件を各メッシュの最小値 𝑧𝑚𝑖𝑛 と MMS データの上方と下方の境界で ある高さ𝐻𝑏𝑜𝑟𝑑𝑒𝑟 を用いて以下とする. 𝑧 < 𝑧𝑚𝑖𝑛 + 𝐻𝑏𝑜𝑟𝑑𝑒𝑟 (5.2) 式(5.2)を満たすデータを,DB 内の別テーブルに下方データとして保存し,再度,最大分散 幅 hv の算出をおこなう. 67 5.2.2 不要物の除去 道路面を抽出する際,路面上の車や人の データは不要物となる.それゆえ,車や人 のデータを除去する. 各メッシュの平均値を𝑍とし,メッシュ 内に存在する点の総数を n'とすると分散𝑉𝑎 は次式となる. ′ 𝑉𝑎 = 2 ∑𝑛 𝑖=1(𝑍𝑖 − 𝑍) 𝑛′ (5.3) 図-5.5 車のノイズデータの例 車や人は移動体であり,図-5.5 の赤丸の ようにノイズとして写り込む.そのため, メッシュ内の最大分散幅 hv の値は大きくな る.一方,メッシュ内の分散𝑉𝑎 の値は,路 面を構成する点群データと車や人を構成す る点群データの分布密度に差があるため小さくなる. これより,車や人を特定する式は,hv の下限値をℎ𝑣𝑚𝑖𝑛 ,上限値をℎ𝑣𝑚𝑎𝑥 とし,𝑉𝑎 の下限値を 𝑉𝑎𝑚𝑖𝑛 ,上限値を𝑉𝑎𝑚𝑎𝑥 とすると次式となる. ℎ𝑣𝑚𝑖𝑛 ≤ ℎ𝑣 ≤ ℎ𝑣𝑚𝑎𝑥 (5.4) 𝑉𝑎𝑚𝑖𝑛 ≤ 𝑉𝑎 ≤ 𝑉𝑎𝑚𝑎𝑥 (5.5) 式(5.4),式(5.5)を同時に満たすメッシュを抽出し,路面より高位置のデータを削除すること でノイズの除去をおこなう. 68 車道空間の属性分析 1) 5.3 5.3.1 道路面抽出 (1) 最大分散幅 hv によるデータ分析 hv の大きさにより,メッシュごとに違う色を付けると,たとえば図-5.6 のようになる.色分 けは,図-5.6 の凡例に従い青から赤にいくにつれて hv が大きくなるようにした.図-5.7 には, hv の小さいものだけを表示し,道路面と考えられる部分を示す.路面上の車等が含まれるメッ シュは近傍の路面より相対的に hv の値が大きくなるので,取り除かれていることがわかる. 図-5.7 平滑な面の抽出 図-5.6 最大分散幅 hv で色分け 5.3.2 道路抽出条件 (1) 平滑面の定義 メッシュ内の点群を平滑(水平)な面とみ 𝑀 なすために,最大分散幅 hv の範囲を,測定誤 𝛼 𝛼 1 と𝛼 2 の和を全誤差𝛼とすると,平滑面は次 𝛼2 𝛿 のように定義される. 0 < ℎ𝑣 ≤ 𝛼 勾 𝛿 差𝛼 1 と勾配による高低差𝛼 2 により定義する. 配 2 道路面 𝛿:精度誤差 𝛼2:勾配による高低差 (5.6) 図-5.8 勾配による高低差と計測誤差 a) 測定誤差 測定時の誤差𝛼 1 は,図-5.8 のように誤差 が最大となる場合である上下方向を考慮し 次式のように設定する. 𝛼1 = 2𝛿 (5.7) 69 b) 勾配による高低差 道路において縦断方向で水平であった 場合は平滑であるとすべきであるが,横断 方向では横断勾配が設定されていること から平滑とはならない.そのため,道路設 計 3) に用いられている平均的な横断勾配 である 2%勾配までを平滑とみなす高低差 とした 4).このことから勾配による高低差 図-5.9 元データ は,式(5.8)とする. α2= 0.02M (5.8) (2) メッシュ内データの下限値 メッシュ内に存在する点の総数𝑛′が下限 値 𝑛′𝑚𝑖𝑛 より小さい場合は,hv の算出が困難 であると考え,データから除外する. 𝑛′𝑚𝑖𝑛 < 𝑛′ (5.9) また,MMS データの場合は走行しながら 計測しているため,走行軌跡近傍にある道 路面は密に測定される.このことから,点 図-5.10 不要なデータ の個数が少ないメッシュは道路面ではない と考えられる.図-5.9 のデータから,式(5.9) を用い不要なデータを抽出した例を図 -5.10 に示す. 以上より,式(5.6),(5.9)の条件で抽出さ れる平滑面を道路面とみなす. 5.3.3 中心値線 中心値線推定 (1) 中心値線の定義 中央線 5)は上り線と下り線を分けるため 中心値 の運用上の線であり,必ずしも道路中央に 図-5.11 中心値線 はない.本論文では,横断面上における道 70 路面の構造上の中心点を中心値とよび,この中 心値を連ねたものを中心値線と呼ぶ.さらに, この値を道路設計における縦断線とみなす. 中心値線は,図-5.11のように道路面抽出デー タを縦断方向へ一定の区間で分割し,各区間の 中心の値を抽出した際に取得できる線である. 市街地の道路のように直線的な道路や比較 的緩やかなカーブの道路であれば,データのx, a) x,y 座標で長方形に分割 y値に着目しX軸に平行に分割することで,中心 値線と同様の線形の推定は可能である.しかし, 山間地やループ橋などカーブが急な場所の道 路面データは,図-5.12に示すように道路外に中 心値が設定され,正確な中心値線を推定するこ とはできない.したがって,縦断方向で区間分 割し,中心値線を推定した. b) 中心値線 図-5.12 中心値線推定の問題点 (2) 推定手順 中心値線推定のためのアルゴリズムフローチャートを図-5.13,各ステップのイメージを図 -5.14に示す. a) 式(5.6),式(5.9)を用い,点群データからのノイズを除去した道路面データを作成する(図 -5.14 a)). b) a)のデータをメッシュサイズ M より大きな M’により正方形にメッシュ分割し,各メッシ ュの重心点を抽出する.この重心点を概略の線形とする(図-5.14 b)). c) b)で抽出した概略線形に沿って,道路面データを縦断方向へ区間に分割する(図-5.14 c)). d) c)で分割した各区間の重心点を抽出する(図-5.14 d)). e) b),c)のプロセスを K 回繰り返して処理し,重心点を補正する(図-5.14 e)). f) 補正した重心値を連ねた線を中心値線として推定する(図-5.14 f)). 71 M’ a) 道路面データ d) 各区間の重心点抽出 c) 区間に分割 e) 補正重心点抽出 f) 中心値線推定 図-5.14 中心値線の推定 図-5.13 フローチャート 5.3.4 b) M'の重心点抽出 境界推定 (1) 境界値推定 図-5.15 に示すように,中心値線と道路面の 端までの距離 d を算出する.この d が道路空間 と歩道空間の境界値となる.中心値線と各点の x,y 座標との距離𝑑(𝑥, 𝑦)を算出し,車道空間を 抽出する条件を以下とする. 𝑑(𝑥, 𝑦) ≤ 𝑑 (5.10) また,歩道空間の幅を w とし,式(5.11)の条 件を満たすデータを歩道空間とし,式(5.12)の 条件を満たすデータを周辺空間とする. 図--5.15 境界推定 72 𝑑 < 𝑑(𝑥, 𝑦) ≤ 𝑑 + 𝑤 (5.11) 𝑑 + 𝑤 < 𝑑(𝑥, 𝑦) (5.12) (2) 車道空間の分割 道路面とみなす hv の条件は式(5.6)である.つ まり,式(5.6)以上の範囲は,路面上,路面上空 となる.路面上と,路面上空の境界設定をおこ なう. 道路上空には,「4.5m以下に構造物を設置し てはならない」という建築限界 6)が存在する. 図-5.16 に示すように,この建築限界より低位 置を基準値 𝛾として設定し,路面上,路面上空 へ分割する条件を以下とした. 𝛼 < ℎ𝑣 < 𝛾 (5.13) 𝛾 ≤ ℎ𝑣 (5.14) 図-5.16 車道空間の分割 (3) 路面上および路面上空の解析 式(5.13)を用いることで路面上の物体を抽出できる.条件に当てはまるデータを除去し,上 方データに写り込んでいる車の天井部,市電の上部など不要な物体を消去する. 路面上空に存在する構造物には,架線や高架橋など複数の物体が存在し,それらを区別する 必要がある.メッシュ分割した際に,メッシュ内に含まれる点の個数と hv の値を分析し,路面 上空の物体を識別する. 架線は線的形状であるため,他の構造物と比べるとメッシュ内に含まれる点の個数が少ない と考えられる.これより,架線であるとみなす点の最小個数を𝑛′𝑤𝑚𝑖𝑛 ,最大個数を𝑛′𝑤𝑚𝑎𝑥 とし, 個数の条件を以下のように設定する. 𝑛′𝑤𝑚𝑖𝑛 < 𝑛′ < 𝑛′𝑤𝑚𝑎𝑥 (5.15) 次に,高架橋や標識などの構造物は立面的形状を保持していることから,hv の値は他のメッ シュに比べて大きくなる.一方,架線はメッシュサイズ M の間で垂直に変化することが無い ため,急激な高さ方向の変化は生じない. したがって,高さ方向の変位の上限値ℎ𝑣𝑤𝑚𝑎𝑥 とし,以下のように条件を設定した. 73 0 < ℎ𝑣 < ℎ𝑣𝑤𝑚𝑎𝑥 (5.16) 以上の式(5.15),式(5.16)を満たすデータを架線とし,それ以外のデータをその他構造物とす る. これまでに述べた,空間分割のデータ処理のフローを図-5.17 に,車道分割のデータ処理の フローを図-5.18 に示す. 図-5.18 データ処理フロー(車道空間) 図-5.17 データ処理フロー(空間分割) 74 5.3.5 属性分析手法の適用事例 車道空間の属性分析手法の適用事例として, 表-5.1 データ解析対象地一覧 表-5.1 に示す 3 ケースに適用した.ケース A ループ橋データ(図-5.19),ケース B 山間地 データ(図-5.20),ケース C 市街地データ(図 -5.21)を対象とし,(1)道路推定,(2)車除去, (3)架線抽出を実施した. (1) 道路面抽出,および道路推定 図-5.19 に示すケース A ループ橋データか ら道路面のデータを抽出した. 式(5.6)~(5.9)に以下の設定値を適用する. 【解析用の設定値】 M =1m 図-5.19 ケース A(ループ橋データ) 𝛿 =0.095(m) 𝛽 =20 なお,𝛽はメッシュ内データの下限値であ り,𝛽=20 としたのは以下の理由である. MMS データは, 縦断方向の点間は一定で, 横断方向の点間は走行軌跡からの距離により 変化する.走行軌跡付近では点間が狭く,距 離が離れるにつれて広がる.そのため,距離 が離れた地点の計測密度は疎になり,点の分 図-5.20 ケース B(山間地データ) 布数は 20%まで減少する.路面の計測密度は 密であることから分布数が 20%以下になると, 点群が路面を形成しているか判断しがたい. 道路面を構成する点群は,1m 四方の範囲に は約 100 点存在する.これより,𝛽を 100 点 の 20%にあたる 20 点に設定した. 解析用設定値から𝛼 = 0.21 となり, 式(5.6), および式(5.9)は以下となる. 図-5.21 ケース C(市街地データ) 75 0 < ℎ𝑣 ≤ 0.21 20 < 𝑛′ 上記の閾値を適用することで,図-5.22 に示すように道路面の抽出,および中心 値線の推定がおこなえた. この抽出した道路面データを用い,道 図-5.22 道路面抽出データと中心値線 路推定をおこなった. 道路面データから中心値線を推定して いるため,中心値線は線形や縦断のデー 拡大図 タを保持している.この中心値線を用い ることで,道路線形や道路縦断などのデ ータの取得が可能であった(図-5.23,図 -5.24). また,道路面抽出データを横断方向へ 区間に分割することで,道路の横断図も 図-5.23 道路線形 取得可能であった(図-5.25).ここでは, 任意の箇所の横断データを取得している が,道路全線において取得することが可 能である. 上記のような,抽出データを用いるこ とで,道路推定に必要な情報の取得がで きる.道路線形,道路縦断は中央値線か ら,道路横断は道路抽出データより CAD で作成した(図-5.23,図-5.24,図-5.25). また,視距改良設計 7) 図-5.24 道路縦断図 では中央線の推 定の手法が示されている.この手法で推 定した中央線を用いることでより詳細な 既存道路の推定が可能となる. 図-5.25 道路横断図 76 (2) 車除去 図-5.20 に示すケース B の山間地のデ ータを用い,計測データに含まれる不要 なデータの除去をおこなった. 解析値から算出した 𝛼 =0.21,と解析用 の設定値 𝛾=4 を式(5.13)に適用すると以 下となる. 0.21< ℎ𝑣 < 4 a) 除去前 上記の条件を満たすデータを除去する と,図-5.26 a)に示す車道空間のデータか ら,図-5.26 b)のように車の除去がおこな えた. (3) 架線抽出 b) 図-5.21 に示すケース C の市街地の点 除去後 図-5.26 車除去 群データを用い,架線抽出をおこなった. 図-5.21 から路面上空のデータを抽出 すると,図-5.27 のようになる.式(5.15) , 式(5.16)に以下の設定値を適用する. 【解析用の設定値】 M = 1 (m) 𝑛′𝑤𝑚𝑖𝑛 = 4 𝑛′𝑤𝑚𝑎𝑥 = 20 図-5.27 路面上空構造物 ℎ𝑣𝑤𝑚𝑎𝑥 = 1(m) なお,𝑛′𝑤𝑚𝑖𝑛 ,𝑛′𝑤𝑚𝑎𝑥 は架線とみなす 最少個数と最大個数,ℎ𝑣𝑤𝑚𝑎𝑥 は高さ方向の 変位の上限値であり,上記の値に設定した のは以下の理由である. 路面上空には架線,高架橋,樹木や標識 の一部などが存在し,架線以外のデータを 図-5.28 架線抽出データ 除去することで架線の抽出がおこなえる. 今回は,規制標識の大きさ 8) から𝑛′𝑤𝑚𝑎𝑥 を 77 算出した.規制標識の大きさを直径 0.6m の円と考えた場合,点間を 0.1m とすると,標識を構 成する点の個数は 24~29 点程度である.これより,𝑛′𝑤𝑚𝑎𝑥 は 24 点より少ない 20 点に設定し た. 𝑛′𝑤𝑚𝑖𝑛 は,1m のメッシュ内に存在する点の個数が 1~3 点の場合をノイズとし,それ以上に あたる 4 点に設定した. また,高さ方向の変位の上限値 ℎ𝑣𝑤𝑚𝑎𝑥 は,横断歩道橋の高欄の高さ 1.1m9)から,これより 小さい 1m に設定した. 解析用設定値から算出した条件式を,図-5.27 に示すデータに適用すると,図-5.28 のように 架線の抽出がおこなえた. (4) 考察 本手法により,3 次元位置情報での属性分 析の可能性を示せたと考える.属性を持たな い立面点群データに対し数値情報を用い,車 道空間を分析することで,路面の抽出,空間 の分割などが可能となる.抽出した路面デー タから道路線形や縦横断などの情報が取得で 図-5.29 架線のたわみ検証 き,点群データの設計段階での利活用の可能 性が高まったと考える. また,架線データと道路面へ属性を与えることで,道路から架線までの高さを自動計算する ことも可能となる.これにより,架線がたわみ,建築限界の基準値である 4.5m 未満になって いないかを検証するといったことにも利用できる(図-5.29). 78 歩道空間の属性分析 10) 5.4 本節では,歩道空間に存在する地物を計測 した立面点群データの属性分析手法を示す. 柱状構造物の属性分析手法は図-5.30 に示す フローでおこなう.点群データから柱状構造 物群を抽出し,グループ化する.グループ化 したデータを構造物ごとに分類する. 5.4.1 柱状構造物群の抽出 (1) 柱状構造物のベース抽出 図-5.30 属性分析処理の流れ 第 5 章,第 2 節で述べたデータの前処理を し,DB に格納した下方データを用い最大分 散幅 hv を算出すると, 図-5.31 のようになる. ここではメッシュ内の全データを同一色とし, 20cm ごとに色分けしている.これより,柱状 構造物の下部は hv の値が大きいことがわかる. つまり,式(5.2)で用いた下方データの上限の 図-5.31 最大分散幅 hv による色分け 高さ𝐻𝑏𝑜𝑟𝑑𝑒𝑟 から微小値 𝛿を引いた値より,最 大分散幅 hv が大きいデータが柱状構造物のベ ースとなる. 重心点誤算出 𝐻𝑏𝑜𝑟𝑑𝑒𝑟 − 𝛿 < ℎ𝑣 (5.17) 式(5.17)を満たす k 個のメッシュの重心点 柱状構造物のベース 𝒈𝒊 ′を算出すると図-5.32 のようになる. 𝒈′𝒊 = [𝑥, 𝑦, 𝑧, 𝑟, 𝑔, 𝑏]t 𝑖 重心点 図-5.32 柱状構造物のベースと重心 (𝑖 = 1,2, ⋯ , 𝑘) この重心点は図-5.33 a)のように多くの場 合,柱状構造物の重心点となっているが,図 -5.33 b)のように一つのメッシュ内に 2 つの 構造物が存在することがある.そこで,個々 の柱状構造物の重心点のデータを取得し,分 a) ケース A b) ケース B 類する. 図-5.33 重心点算出の問題点 79 (2) グループ化 a) 区間抽出 柱状構造物は,低位置においては個々が干 渉せず,離散的に存在している.それゆえ, 各構造物の区別が可能となる.図-5.34 に示 す低位置の区間を抽出する.地面の高さを各 メッシュの最小値 𝑧𝑚𝑖𝑛 とし,地面からの高さ を𝐻𝑠𝑒𝑐𝑡𝑖𝑜𝑛 とする.高さ𝐻𝑠𝑒𝑐𝑡𝑖𝑜𝑛 の上下𝛿の区間 を次式で抽出する. 𝑧𝑚𝑖𝑛 + 𝐻𝑠𝑒𝑐𝑡𝑖𝑜𝑛 − 𝛿 < 𝑧 < 𝑧𝑚𝑖𝑛 + 𝐻𝑠𝑒𝑐𝑡𝑖𝑜𝑛 + 𝛿 (5.18) 図-5.34 区間抽出 b) 距離による判別 区間抽出した部分点群データ 𝑸𝒊 をグルー プごとに分類する. 図-5.35 の円柱は区間抽出した点群データ 𝑸𝒊 を表している.図-5.35 に示すように任意 の基準点と,各点 𝒒𝒊との距離𝑑𝑖 (𝑖 = 1,2, ⋯ , 𝑛) を算出する.この 𝑑𝑖 の違いにより図-5.36 に 示すようにグループ化ができる.しかし,こ 図-5.35 距離 𝑑𝑖 算出 れは図式化することで境界がわかるだけであ り,たとえば,距離が 𝑑𝑘 となる点 𝒒𝒌 がどの グループであるか数値的に示されていない. そこで,グループ間の境界条件を設定する. 図-5.36 グループ図 80 c) 境界設定 図-5.37 に示すように, 距離𝑑𝑖 の値が 𝑑1 と なる点 𝒒𝟏 を新たな基準点とし,この点 𝒒𝟏 と 残 り の m-1 個 の 点 と の 距 離 𝑑𝑖 ′(𝑖 = 1,2, ⋯ ,𝑚)を算出する.図-5.37 の場合, 𝑑19 ′となる𝒒𝟐𝟎 が他のグループの始まり,つ まり,境界点となる.よって,𝑑𝑖 ′を用いグ ループの境界を判断する.境界の基準値𝛽 は構造物の直径をもとに設定し,同一グル ープとする条件式を, 𝑑𝑖 ′ < 𝛽 (5.19) 図-5.37 境界点照査 とし,他のグループとする条件式を以下と した. 𝑑𝑖 ′ > 𝛽 (5.20) 式(5.20)を満たす 𝑑𝑖 ′の中で,最小となる 𝑑𝑖 ′に対応する点 𝒒𝒊+𝟏 を次の基準点とし,同 様の処理を繰り返しおこない,各構造物を グループ化する.この時のグループ数を k Q1 Q 2 Q3 Q4 とし,各区間抽出データの重心点𝒈𝒊 を算出 する. 𝒈𝒊 = [𝑥, 𝑦, 𝑧, 𝑟, 𝑔, 𝑏]t 𝑖 (𝑖 = 1,2, ⋯ , 𝑘) この重心点𝒈𝒊 周り Re(m) 四方に存在する 図-5.38 グループ化データ 点データを全て抽出すると,k 個の柱状構 造物 𝑸𝒊 (𝑖 = 1,2, ⋯ , 𝑘)にグループ化できる. 図-5.38 では構造物がグループごとに分か れていることを示すために,構造物ごとに 異なる色付けをしている.グループ化した 各柱状構造物 𝑸𝒊 の𝑧𝑚𝑎𝑥 ,𝑧𝑚𝑖𝑛 ,最大分散幅 hv,点の総数 n',重心点 𝒈𝒊 などのデータを DB へ格納し,特徴分析に用いる. 81 5.4.2 柱状構造物群への属性付与 歩道空間の柱状構造物は,高さや大きさの基準値 11) 12) 13)が設けられている.また,柱状構造 物は各々異なる形状的特徴も有している.そこで,グループ化した柱状構造物 𝑸𝒊 と数値で設 定した構造物の特徴をマッピングし,属性を与える.以下に構造物の判別条件を示す. (1) データの直径による判別 樹木の形状は下方では柱状であり,上方へ行 くにつれて幅が広がり他の構造物と異なる特 徴を有している.地上からの高さ𝑍付近のデー タを各柱状構造物のグループから抽出し,点間 が最大となる 2 点𝒑𝒎𝒊𝒏 = [𝑥𝑚𝑖𝑛 , 𝑦𝑚𝑖𝑛 , 𝑍]t 𝑖 と 𝒑𝒎𝒂𝒙 = [𝑥𝑚𝑎𝑥 , 𝑦𝑚𝑎𝑥 , 𝑍]t 𝑖 を求め,直径 𝑑(𝑥,𝑦)を算出する. 𝑑(𝑥, 𝑦) = √(𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 )2 + (𝑦𝑚𝑎𝑥 − 𝑦𝑚𝑖𝑛 )2 図-5.39 張出部の位置 (5.21) この直径𝑑(𝑥, 𝑦)が基準値𝛾以上の場合,樹木 とする. (2) 張出部の検証 街灯や標識,信号は,柱状部と張出部があり, 張出部が道路中央方向へ張り出す特徴がある. グループ化した柱状構造物 𝑸𝒊 は,重心点 𝒈𝒊 周 り Re(m)四方のデータしか抽出していないため, 張出部は抽出できていない.つまり,張出部の データを再度抽出した場合,データの増加がみ られる. a) XY 平面での位置特定 図-5.39 の点線内部を特定し,張出部を抽出 する.まず,XY 平面上の範囲を指定する.柱 状構造物 𝑸𝒊 の XY 平面の重心点 𝒈𝒊 = [𝑥, 𝑦]t 𝑖 を 82 図-5.40 仮想の 4 点を生成 用い,図-5.40 のように 𝒂𝒊 ′′(𝑖 = 1,2,3,4)の 4 点を作成する.図-5.40 の点線の横幅を w',高さを h',X 方向のずれを𝛿とすると, 𝒂𝒊 ′′は以下となる. ℎ′ t ℎ′ , 𝒂𝟐 ′′=[𝑥 + 𝑤 ′ + 𝛿, 𝑦 − 2 ] 𝒂𝟏 ′′=[𝑥 + 𝛿, 𝑦 − 2 ] 1 𝒂𝟑 ′′=[𝑥 + 𝑤 ′ + 𝛿, 𝑦 + ℎ′ t ] 2 3 , 𝒂𝟒 ′′=[𝑥 + 𝛿, 𝑦 + t 2 ℎ′ t ] 2 4 次に,図-5.41 のように柱状構造物 𝑸𝒊 の重心 点𝒈𝒊 = [𝑥, 𝑦]t i から中央値線への XY 平面の方 向 ベ ク ト ル 𝒏 か ら , 𝜃 を 算 出 す る . 𝒂𝒊 ′′(𝑖 = 1,2,3,4)の 4 点を,式(5.22)を用い,重心点周り に傾き𝜃回転させ,図-5.41 に示した点線の端点 𝒂𝒊 (𝑖 = 1,2,3,4)を求める. 𝑥′ cos 𝜃 ( )=( 𝑦′ sin 𝜃 −sin 𝜃 𝑥 )( ) cos 𝜃 𝑦 (5.22) 点線の範囲内のデータを抽出するための手 法を,点 𝒂𝒊 (𝑖 = 1,2, … 𝑚)で囲まれた m 角形の内 図-5.41 XY 平面での回転 外判定を用いて,以下に述べる. 図-5.42 のように 𝒂𝒊 (𝑖 = 1,2, … 𝑚)で構成され た m 角形の各点から次点への方向ベクトルを 𝒂′𝒊 (𝑖 = 1,2, … 𝑚)とし,多角形の各頂点から,判 定する点𝒑𝒊 への方向ベクトルを𝒑′ 𝒊 (𝑖 = 1,2, … 𝑚)とする.𝒂′𝒊 と𝒑′𝒊 の外積の符号が全て正 の場合,または負の場合,点 𝒑𝒊 は m 角形の内部 となる.そこで,𝒂′𝒊 と𝒑′𝒊 の外積を𝑘𝑖 とし,以下 の条件を設定する. {𝑘1 ≤ 0 and 𝑘2 ≤ 0 and, ⋯ , and 𝑘𝑖 ≤ 0} Or {𝑘1 ≥ 0 and 𝑘2 ≥ 0 and, ⋯ , and 𝑘𝑖 ≥ 0} (5.23) 図-5.42 m 角形の内外判定 式(5.23)をみたす領域を抽出することで,XY 平面上での範囲の特定が可能となる. 83 (3) z 値での位置特定 高さ方向の条件を設定する.街灯は最頂部に張出部が存在する.柱状構造物 𝑸𝒊 の最大値 𝑧𝑚𝑎𝑥 と張出部の大きさ𝑙1 を用い,以下の条件を設定する. 𝑧𝑚𝑎𝑥 − 𝑙1 ≤ 𝑧 ≤ 𝑧𝑚𝑎𝑥 (5.24) 式(5.23),式(5.24)を満たすデータを街灯とする. 標識や信号が設置されている地面からの高さを 𝐻𝑝𝑜𝑙𝑒 12) 13) とし,張出部の大きさ𝑙2 とする.また, 路面の高さを各メッシュの最小値𝑧𝑚𝑖𝑛 とし,以下の 条件を設定する. 𝑧𝑚𝑖𝑛 + 𝐻𝑝𝑜𝑙𝑒 ≤ 𝑧 ≤ 𝑧𝑚𝑖𝑛 + 𝐻𝑝𝑜𝑙𝑒 + 𝑙2 (5.25) 式(5.23),式(5.25)を満たすデータを標識か信号と する. データ増加がない,または微増の場合は電柱とす 図-5.43 標識点群データ る. (4) 点の総数 n'による信号と標識の判別 前節で追加抽出したデータを分析する. 標識は面を構成しており,レーザで計測される面 積が信号に比べ大きく,点の個数が信号より多い (図-5.43,図-5.44). 図-5.44 信号点群データ 追加抽出したデータに含まれる点の総数を𝑛′,標 識とみなす個数の基準値を𝜀として,判別基準を以 下のように設定した. 𝜀 < 𝑛′ (5.26) 𝜀 > 𝑛′ (5.27) 式(5.26)を満たす場合は標識であり,式(5.27)を満たす場合は信号とする. (5) 色彩情報を用いた判別 14) 標識はマンセル値で色彩が定められている15).また,信号の色も他の構造物と判別する際の特 徴量として利用可能である.それゆえ,第4章,第2節で示した手法を用い,色相(h),彩度(s) を算出し,人工物の区別や色合いでの判別をおこなう. 84 (6) 帯状構造物を用いた判別 歩道空間に存在するガードレールの高さは防護柵の設置基準で定められている16).そこでガー ドレールの高さを𝐻𝑔𝑢𝑎𝑟𝑑𝑟𝑎𝑖𝑙 とし上下方向の計測誤差をδとして以下とする. 𝐻𝑔𝑢𝑎𝑟𝑑𝑟𝑎𝑖𝑙 − 𝛿 ≤ ℎ𝑣 ≤ 𝐻𝑔𝑢𝑎𝑟𝑑𝑟𝑎𝑖𝑙 + 𝛿 (5.28) 式(5.28)を満たすデータをガードレールとする. 最後に,本節で述べた一連の処理フローを図-5.45と図-5.46にまとめる.図-5.45は柱状構造物 をグループ化する処理フローを示しており,図-5.46は属性付与をおこなう際の処理フローを示 している.以上の処理フローを点群データに適用した結果を,次項で示す. 図-5.45 データ処理フロー(グループ化) 図-5.46 データ処理フロー(属性付与) 85 5.4.3 属性付与手法の適用事例 (1) 概要 図-5.47 に示す市街地を計測した点群データを用い,属性分析の事例として,データ処理, ①柱状構造物の抽出,②オブジェクトへの置換をおこなった.図-5.47 の点群データは片側 2 車線,計 4 車線の県道を計測したもので,総点数:約 5 千万点 ,計測区間:約 200m のデータ である. (2) 柱状構造物の抽出 各解析値を設定し,図-5.47 のデータ中に計測されていた柱状構造物へ属性を与えた結果を 図-5.48 に示す.図-5.48 では属性ごとに着色し,樹木を緑色,標識を青色,信号を黄色,街灯 はグレーである.約 200m の区間に樹木 14 本,信号 4 本,案内標識 1 本,街灯 10 本が存在し ていたが,全ての柱状構造物の抽出がおこなえた.図-5.49 に示すように,樹木と街灯が重な りあっている箇所の判別も色情報を用いることで可能であった.しかし,赤丸で示した箇所は, 図-5.50 のようなアームのみの構造物であり,どれにも当てはまらない構造物として抽出され た.属性付与することで,柱状構造物の配置や本数確認がおこなえた. 図-5.47 市街地の点群データ 図-5.48 柱状構造物抽出データ 図-5.49 重なった樹木と街灯の区別 図-5.50 アーム部のみの構造物 86 図-5.52 他の街灯に置換 図-5.51 現況の街灯再現 (3) オブジェクトへの置換 属性付与した構造物は位置情報を保持しているため,同一位置に 3D-CAD で作成したオブジ ェクトへ置き換えが可能である.現況で設置されている柱状構造物をオブジェクトに置き換え たデータを図-5.51 に示す.各構造物に属性を与えているため,構造物ごとへの置き換えが容 易であった.また,これらの構造物のうち街灯のみを図-5.52 のように,他の街灯への置き換 えることで,新設予定の構造物を現況に即して検討が可能であった. (4) 考察 本手法により,3 次元点群データに計測された道路周辺に存在する柱状構造物の抽出が可能 となったと考えられる.本事例では,約 5 千万点のデータから柱状構造物へ属性を与えるのに 約 5 時間を要した.時間は掛かるが,点群データを属性ごとに分類することで,データの使用 性向上(たとえば,オブジェクトへの変換が容易である事や構造物の移動・非表示・消去が可 能であること,など)につながったと考える.これにより,現況を再現した点群データを用い た各種検討や確認が可能となり,利活用の幅が拡がると考える. 87 <参考文献> 1) 小林一郎,宮下征士,藤田陽一,高尾篤志:立面点群データにおける車道空間の属性分析, 土木情報利用技術論文集, Vol.19, pp.185-192, 2010. 2) 藤田陽一,小林一郎,吉田史朗,上田誠:点群属性分析による計測不要物除去,土木学会西 部支部研究発表会講演概要集,pp.845-846, 2012. 3) 道路構造令,横断勾配,第 24 条 4) 山本一浩,小林一郎,上野幹夫,橋本淳也:自動属性判別法によるレーザ計測データの有効 活用,Vol.14, pp79-86, 2005.10. 5) 道路交通法,弟 17 条 4 項,中央線 6) 道路占拠許可基準,第 2 条 1 項 地上電線の専用 7) 小林一郎,宮下征士,坂口将人,上田誠:MMS データを用いた視距改良設計,土木情報利 用技術論文集,Vol.18, pp1-8, 2009.10. 8) 道路標識,区画線および道路標示に関する命令,別表第2 9) 立体横断施設,第3章,1節,3項,高欄 <http://www.cbr.mlit.go.jp/road/sekkeiyouryou/pdf/09rittai.pdf> 10) 藤田陽一,小林一郎,山中孝文,永村景子:点群データを用いた道路周辺柱状構造物の属性 分析,土木構造・材料論文集,第 29 号,pp.145-152, 2013. 11) 日本規格協会:“JIS ハンドブック 11 土木Ⅰ(コンクリート製品),”第1版,JIS A 5373, 財団法人日本規格協会,2006. 12) 国土交通省道路局,道路技術基準・道路標識,道路標識の設置方法,設置高さ <http://www.mlit.go.jp/road/sign/sign/douro/setting02.htm> 13) 道路交通法施行規則,第 4 条,別冊第 1,信号の高さ 14) 小林一郎,藤田陽一,杉原浩実,山本一浩:色彩情報による点群データの属性分析,土木学会論 文集 F3 (特集号), Vol.67, No.2, pp.95-102, 2012. 15) 国土交通省:標識案内用図記号ガイドライン <http://www.mlit.go.jp/sogoseisaku/zukigou/zukigou02.html> 16) 防護柵の設置基準・同解説 車両用防護柵標準仕様・同解説 2-2,第 3 章,第 3 節,第 2 項,構造 および材料,3,構造および材料,(1)防護柵の高さ,p.64 88 第6章 建設ライフサイクルでの利用例 第6章 建設ライフサイクルでの利用例 1) 本章では,第 3~5 章で述べた属性付与手法を点群データへ適用し,点群データへの属性付 与を実施した.さらに,属性付与した点群データを用いてモデル空間 2)を構築し,道路空間の 建設ライフサイクルに適用した事例を示す.道路空間では,既存施設の維持管理が重要視され ており,維持管理段階での調査,点検,補修として MMS を用いた点群データ取得が進められ ている 3).それゆえ,道路空間での点群データ利用は,管理段階の調査・点検から,次の設計, 施工へつながる.もしくは,調査・計画段階で 3 次元測量機器を用いて現況を計測し,設計段 階で利用するといったことが考えられる.そこで,本章では,建設ライフサイクルにおける維 持管理,設計,施工の各段階での点群データの利用例を示す. 本事例の対象地は,表-6.1 のように設計・施工段階は同一地区であり,維持管理段階は異な る対象地である.維持管理段階での路面性状調査業務は,全国実施されている業務である. また,対象地の位置関係は図-6.1 のようになっている. 表-6.1 対象地一覧 b) 新水前寺 a) A 町 図-6.1 対象地の位置関係 89 6.1 維持管理段階 4) 本節では,属性付与した点群データの道路維持管理での利用例を示す. 6.1.1 道路維持管理の現状 5) (1) 現状 現在,道路管理は,図-6.2に示す表計算ソ フ ト や 2 次 元 CAD 図 面 , GIS ( Geographic Information System)などを用いて実施されて いる.表計算ソフトでは,情報のみの管理と なり,路線を視覚的に把握するのが困難であ る.また,2次元のCAD図面では,付加でき る情報に制限がある.一方,2次元GISでは, 路線図と情報を紐づけて管理することができ るため,道路管理では積極的に利活用されて いる. 図-6.2 道路の維持管理方法 (2) 2次元GISの課題 2次元のGISは,路線を位置や情報を統合的 に管理できるが,立面の情報が弱いという課 題がある.それゆえ,図-6.3のような現況道 路の再現や,道路横断面,縦断勾配の把握な ど立面情報の視覚的な確認が困難である.加 縦断,横断 道路モデル 現況の再現 周辺地物 えて,道路周辺の地物(街灯や樹木,ミラー) などの情報はストックし難い.ストックする 場合は,2次元のポイントとしてストックされ ており,平面での位置しか把握できない. 6.1.2 点群データの利点 点群データは,現況を忠実に再現しており, 3次元データであるため立面情報の取得が可 能である.それゆえ,道路の横断面,縦断線 形といった情報の取得が,現地に行かずに抽 図-6.3 2 次元 GIS の課題 90 出可能である.さらに,路面だけでなく道路周辺の空間も計測されているため,ミラーの位置 や有無,街灯や電柱といった周辺の地物も併せて把握可能である. また,位置情報を有しているため位置の把握もおこなえる.それゆえ,路面点群データに情 報の紐づけが可能となることで,3次元位置情報を保持しつつ路面の管理が可能になる. 一方,近年,幹線道路を主として路面の状態を把握し,修繕の候補箇所を抽出すること,安 全で円滑な交通の確保及び舗装に係る維持管理を効率的におこなうために必要な情報を得る ことを目的として,全国で道路舗装の総点検が実施されている6).そのため,全国で路面性状 調査業務が実施され,MMSを用いた道路点群データ取得が進められている.しかし,取得さ れた点群データは,図-6.4の様式Aや図-6.5のMCI(Maintenance Control Index:以下MCI)評価 図作成に必要となる路面性状値(わだち掘れや平坦性など)を算出することにのみ使われてお り,路面性状値の算出が終わると利活用されていないという現状となっている. 点群データへ属性を与え,情報を付加しておくことで,図-6.4のような様式Aの内容を点群 データ上で確認する,点群データに紐づけておく,といったことや,図-6.5のようなMCIの評 価を点群データ上で確認する,ということが可能となる.さらに,MMSで計測した時の写真 を点群データへ紐づけておくことで,図-6.6の様式Bのように現地調査時の写真の確認や管理 も可能となる. 図-6.4 様式 A(文献 6 から引用) 図-6.6 様式 B(文献 6 から引用) 図-6.5 MCI 評価図 91 6.1.3 Mdot+の開発 7) (1) システム概要 本研究では,路面性状調査業務の効率化,低労力化を図るため,かつ点群データを高度利用 するために,路面性状値を点群データから自動で算出するツールの開発をおこなった.具体的 には,点群データから路面の維持管理に必要となる,わだち掘れ量,平坦性,緯度・経度など を自動で算出し,かつ管理区間単位に点群データを分割するツールを開発した.このツールを Mdot+(Maintenance Data Output Tool Plus:以下,Mdot+)と呼ぶこととする.Mdot+の UI (User Interface)は図-6.7 の赤枠のようになっている.Mdot+は Autodesk 社の NavisWorks のアドイン として開発した. Mdot+の処理フローは,図-6.8 のようになっており,このフローで解析・編集を実行する. MMS で計測した全データをインプットデータとし,解析・編集結果をアウトプットデータと している.この処理フローは全て自動で実行可能であるが,再解析が必要な場合は,再度手動 で解析・編集することもできる.Mdot+を用いることで,路面の維持管理指数 MCI 算出に必要 となる,わだち掘れ量と平坦性の算出は可能である.しかし,路面の MCI 算出に必要となる ひび割れ率は,MMS で計測した点群データからは算出が困難であるため,MMS 計測時に取得 される写真データからオルソデータ画像を作成し,算出する必要がある. 対象路線 DB 選択画面 解析・編集 メニュー 図-6.7 Maintenance Data Output Tool (MDot+) 92 図-6.8 MDot+の処理フロー (2) 解析・編集機能 a) 解析機能 ① わだち掘れ量算出 8) わだち掘れ量の算出は,「舗装路面のわだ ち掘れ量測定方法」(舗装調査・試験法便覧 S030 (社)日本道路協会)に準じて実施する. わだち掘れを算出する横断面を,MMS 計測 時に取得される走行軌跡データを用い路面点 群データから抽出する.抽出した横断面と X 軸との傾きを θ とし,-θ 回転し横断面を X 軸 と平行にする.回転した座標の x 値,z 値か ら路面の直線式を最小 2 乗法で算出する 9). 図-6.9 わだち掘れ量算出 路面直線の傾きを a,切片を b,路面の点数を n とし,以下のように表わす. 𝑎= 𝑛 ∑ 𝑥𝑖 ∗𝑧𝑖 −∑ 𝑥𝑖 ∗∑ 𝑧𝑖 𝑛 ∑ 𝑥𝑖 2 −(∑ 𝑥𝑖 )2 (6.1) 𝑏= ∑ 𝑥𝑖 2 ∑ 𝑧𝑖 −∑ 𝑥𝑖 ∗𝑧𝑖 ∑ 𝑥𝑖 𝑛 ∑ 𝑥𝑖 2 −(∑ 𝑥𝑖 )2 (6.2) 図-6.9 のように,算出した路面の直線式と タイヤの位置の最下点からわだち掘れ量 Di を算出する. 93 ② 平坦性算出(IRI)10) 平坦性算出は,「IRI 測定方法」(舗装調 査・試験法便覧 S032 (社)日本道路協会)に準 じて,実施する.図-6.10 のように MMS で計 測した点群データから路面の標高を 1.5m 間 隔で抽出し,評価単位(20m)の標準偏差を 求める. 平坦性を𝜎とし,路面の標高を𝑧𝑖 ,路面の近 傍 3 点の標高(𝑧𝑖−1 ,𝑧𝑖 ,𝑧𝑖+1 ) の平均を𝑍𝑎𝑣𝑒 , 図-6.10 平坦性算出 点の総数を n とすると,算出式は以下となる. 𝜎=√ 2 ∑𝑛 𝑖 (𝑧𝑖 − 𝑍𝑎𝑣𝑒 ) 𝑛−1 (6.3) ③ ひび割れ率算出 11) ひび割れ率算出は,「舗装路面のひびわれ 測定方法」(舗装調査・試験法便覧 S029 (社) 日本道路協会)に準じる.MMS で計測した 写真から図-6.11 のようなオルソ画像を作成 し,図-6.12 のように道路をメッシュに分割 し,メッシュ法により縦断方向評価単位(20m) 図-6.11 オルソ画像 ごとのひび割れ率を算出する. 算出式は,アスファルト舗装とコンクリー ト舗装で異なり,それぞれ,以下となる. 1) アスファルト舗装の場合 ひび割れ率を C,線状ひび割れのメッシュ 数を𝑚1 ,面状のひび割れのメッシュ数を𝑚2 , パッチングのメッシュ数を𝑚3 ,総メッシュ数 を N とすると,算出式は以下となる. 𝐶= (𝑚1 ∗ 0.6)+(𝑚2 ∗1.0)+𝑚3 𝑁 (6.4) 図-6.12 路面の格子分割 94 2) コンクリート舗装の場合 ひび割れ率を C,ひび割れ度を C0,変換 係数を h とすると,算出式は以下となる. C=h*C0 (6.5) ただし,C0≦5 の場合は, h=1 となり,5<C0 の場合は, h=(C0+25)/30 となる. 図-6.13 道路点群データの分割 ④ MCI12) MCI は,舗装の供用性を「ひび割れ率」,「わだち掘れ量」及び「平坦性」という路面性状 値によって定量的に評価するものである. ひび割れ率を C,わだち掘れを D,平坦性を σ とすると,MCI 算出式は以下となる. MCI =10-1.48C0.3-0.29D0.6-0.46σ0.2 (6.6) MCI0=10-1.51C0.3-0.30D0.6 (6.7) MCI1=10-2.23C0.3 (6.8) MCI2=10-0.54D0.6 (6.9) 上記 4 式のうち,最も小さい値を路面の MCI 値として用いる. b) 編集機能 MMS で取得した点群データを,走行軌跡を用い,図-6.13 のように道路線形に対し垂直とな るように路線の分割をおこなう.分割する範囲は,パラメトリックに設定可能であり,路面の 維持管理単位(m)ごとに分割できる.この分割した箇所𝑸𝒊 に属性情報を付加する. (3) Mdot+の適用事例 2014 年 2 月 26 日~3 月 3 日に MMS で計測したデータをインプットデータとして解析,編 集を実施した.解析結果を,図-6.14~図-6.17 に示す.解析結果は,図-6.14 のように日付ご とに出力され,日付のフォルダ内は,図-6.15 のように路線ごとのフォルダとなっている.路 線フォルダの中には,図-6.16 のような解析結果が出力されたファイルが含まれている.出力 された CSV ファイルを図-6.17 に示す.1 行が抽出した 1 断面に対応しており,断面ごとの解 95 析値が算出されている.約 400 路線を計測したデータの解析に要した時間は,約 32 時間であ ったが,全自動で解析が可能であった. 解析した結果中からの 1 事例を図-6.18 に示す.図-6.18 では 100m ごとに点群データの分割 をおこなっており,各部分ごとに分割されていることがわかる. 次に,路面の状態を解析し,分割した箇所に属性付与をおこなった事例を図-6.19 に示す. 図-6.19 では,路面の状態により色分けをしており,区間ごとに異なる属性が付与されている ことがわかる. 図-6.14 日付ごとに出力されたフォルダ 図-6.15 路線ごとに出力されたフォルダ 図-6.16 解析結果出力ファイル わだち わだち 各断面 最大値 平均値 の標高 図-6.17 路線の解析結果(一部) 96 図-6.18 路線の解析結果 6.1.4 図-6.19 路面分割と状態可視化 道路維持管理での属性付与点群データ利用 (1) 事業概要 総点検実施要領【案】舗装編の実施に伴い,全国で路面性状調査業務が実施されている.そ の中で,A町をMMSで計測した点群データへ属性を与え,維持管理への適用を試みた. A町の道路の概要は以下となっている.計測対象地は,図-6.20の図面に示す範囲であり,全 長は約194㎞であった.MMSでA町を計測した点群データの一部を図-6.21に示す.対象地を計 測した点群データの全点群数は約1億点となっている. 図-6.20 対象範囲 図-6.21 対象地の点群データ(一部) 97 (2) 点群データへの属性付与結果 A町を計測した点群データを維持管理区間である100mごとに分割し,各区間に属性や維持管理 情報を付加した.路面の状態を可視化したものを図-6.22に示す.図-6.22では,平坦性,ひび割 れ,わだち掘れ,そしてMCIの値によって色分けをしている.青から赤にいくにつれて舗装状態 が悪くなるように色付けをしており,色分けは国交省の基準12)を参考にしている.赤色の箇所は a) ひび割れ率 b) わだち掘れ c) 平坦性 d) MCI 図-6.22 属性付与結果 98 早急に補修が必要な箇所,橙色の箇所は補 修の検討が必要な区間である.図-6.22のよ うに可視化することで,舗装状態の把握が 視覚的に可能であった. 図-6.23 縦断線形の表示 (3) 立面情報の抽出 点群データから立面情報である縦断線形 を抽出した結果を図-6.23に示す.点群デー タを用いることで,管理する路線の縦断勾 図-6.24 横断面の表示 配や線形の把握が可能であった.また,任 意の横断面を抽出した結果を図-6.24に示 す.これにより,横断勾配やわだち掘れの 確認が現地に行かずPC上で実施できた.点 群データは3次元データであるため,道路管 理をする際の任意断面の確認,縦断勾配の 把握が可能であった. (4) 情報の紐づけ 属性付与した道路点群データの区間に写 真と図面を紐づけた例を図-6.25に示す.図 a) 写真の紐づけ -6.25 a)は点群データに写真を紐づけた例 である.MMSは計測時に,計測値周辺の写 真データも同時に取得している.そのため, 点群データに写真を紐づけておくことで, 点群データ上から写真の確認が可能とな る.これにより,現在,様式B(図-6.6)で 管理している写真データを,点群データ上 で管理することができる. また,既存の台帳図面を紐づけると図 -6.25 b)のようになり,既存の図面の確認も 可能であった.さらに,計測した点群デー b) 道路台帳図面の紐づけ タから道路台帳図面を作成することもでき 図-6.25 情報の紐づけ 99 る13).MMSで計測した後,道路台帳図面を作成・更新し,更新した図面を点群データに紐づけ て管理するといったことにもつながる. また,既存の管理資料であるPDFなどを点群データに紐づけておくことで,舗設年月日や補 修履歴を一元的に管理することも可能であった. さらに,ファイルだけではなく,画像が保管されているフォルダを紐づけることで,図-6.26 のように計測路線を動画で確認することができた.図-6.26は,Mdot+に付与した機能で写真を 連続再生し動画をつくり,一定間隔でキャプチャしたものである.動画として写真を再生する ことで,計測時の状況確認が可能であった. 図-6.26 フォルダの紐づけ 100 図-6.27 ラベルの表示 図-6.28 付加情報の可視化 (5) 付加情報の可視化 図-6.27は,付加した路線の名称を可視化したものである.点群データ上にラベルとして表示 することで,路線名の把握が可能であった. 次に,維持管理情報を入力したエクセルデータと点群データを紐づけした1例を図-6.28に示す. 図-6.28中の桃色の箇所は,道路維持管理の基本区間単位(100m)に分割した箇所である.図-6.28 の赤枠の箇所は,この区間に紐づけた情報を可視化したものである.これにより,道路の位置に 基づいた情報管理ができた. (6) 考察 点群データへ属性を与えることで,点群データを用いた舗装の維持管理がおこなえるのでは ないかと考える.現在実施されている路面性状調査業務では,様式A,様式B,さらに,MCI 評価図によって路面の状態を管理している.本事例で示した点群データの利用法は,現在の舗 装管理の要件を満たしていると考える.点群データに,維持管理情報(様式Aに必要となる情 報)を付加しておくことで,情報の管理がおこなえる.さらに,エクセルでは,路面の位置と 管理情報の関連性を把握することが難しいが,点群データを用いることで位置と管理情報を同 時に把握することができる. また,現在の舗装状態を可視化することで,路面の状態を視覚的に把握することもできたと 考える.さらに,現状の把握だけでなく,点群データへ付加した情報を用いシミュレーション することも可能である.たとえば,舗装が悪い箇所かつ交通量が多い箇所,という条件で補修 の優先度を算出し,算出結果から,舗装修繕計画を立案するといったことへの発展も考えられ る. 101 さらに,本研究で提案したMdot+を用いることで,路面性状調査業務の低労力化,効率化も 図れると考える.現状,様式Aなどに入力する路面性状値などは手作業で算出しており,約 200kmの路面性状値を算出するのに約3か月かかっている.一方,Mdot+を用いることで,約32 時間でわだち掘れ,平坦性の値が算出でき,低労力,効率化につながると考える. 加えて,点群データは3次元データであるため,横断面,縦断線形といった立面の状況把握 が可能であった.それゆえ,現地に行かずPC上で,立面情報を把握することもできる.ただし, 点群データは,ある特定の日時のデータであるため,時間が経つと現在の状況とは異なること があるといった問題点はある. 一方,点群データはデータ容量が大きいため,PCの性能により操作性が異なるという課題も 存在する. 102 6.2 設計段階 1) 6.2.1 新水前寺交通結節点改善事業(歩道橋予備設計)14) (1) 対象地概要 15) a) 設計対象物 対象事業は熊本県熊本市新水前寺駅地区 交通結節点改善事業である(図-6.29).対 象地は都市部の幹線道路,鉄道,市電の交 通結節点であり,予定されている工事は, ①駅舎と高架橋の新設(民間企業発注), ②歩道橋の新設と道路拡幅工事(県発注), ③駐輪場の新設(市発注),④電停,軌道 移設(交通局発注)であった.それらを色 図-6.29 現況写真 分けした計画平面図を図-6.30 に示す. 本事例の対象は県発注の歩道橋について である.現場では同時期に複数の構造物が 新設または移設され,周辺には民家や地下 埋設管,路面電車の軌道といった既存構造 物が複雑に存在する.また発注者が異なり, それぞれの設計は個別に進められているた め,事業ごとの調整が重要視された.なお, 本事例は,既往研究で点群データを用いた 適用事例 14)として示めされているが,属性 付与した点については記述されていない. 本節では,点群データの有意性に加え,属 図-6.30 計画平面図 性付与についても追記しつつ述べる. b) 協議チーム 発注者からは県,市,民間企業の担当者が参加し,データ提供を受けた.また,対象である 歩道橋の発注者は県であったため,県の担当者がチームをまとめる役割を担った.景観デザイ ナーとして大学グループが参加し,モデル空間を構築して検討をおこなった.技術系エンジニ アには設計コンサルタント会社が参加し,大学が提案した案に対して構造計算などの技術的要 素をふまえ設計をおこなった. 103 (2) モデル空間の構築 a) 点群データ 図-6.31 は,MMS と固定式レーザ測量で 取得した点群データを可視化したものであ る.これらの点群データへ属性を付与し利 用する.本事例では点群データを直接モデ ル空間として利用する. ① MMS データ 街区全域の情報として MMS データを使 用した.同一地域に新設される他の設計対 象物との関係性,また,住宅の窓からの見 図-6.31 点群データ え方など,事業がもたらす影響を住民目線 で検討できる. ② 固定式レーザ測量データ 固定式レーザスキャナは,ミリメートル 単位で現況情報が取得されることから,重 機の可動範囲など,細かい検討が可能とな る.そのため,市電の架線,電柱など柱状 構造物のデータとして利用した. b) 補完データ 図-6.31 の現況点群データに各平面図を 追加し補完することにより,現況モデル空 図-6.32 点群データ+補間データ 間が完成する.図-6.32 は,補完データを含 めたモデル空間である.以下は,補完デー タの詳細である. ① 計測不可物 対象地の地下には図-6.33 のような埋設 管が多数存在する.点群データでは地下の 情報を取得することができないため,地下 埋設物の平面図に高さを与えた,点群モデ ル空間に配置した. 図-6.33 計測不可物(地下埋設物など) 104 ② 計測不十分物 点群データが光の影響により本来の色が 取得されず,白や黒色になり視覚的に困難 になる箇所があった.また,車両や歩行者, 放置自転車の存在により点群データが取得 されなかった.以上のことから,図-6.34 のような市電軌道の点群データや後背エリ アの情報が不足している箇所を平面図で補 完した. 図-6.34 計測不十分物 ③ 計画物 対象地には複数の設計対象物がある.歩 道橋の設計に影響がある,図-6.35 に示す計 画車道の平面図を追加した. (3) 適用結果 a) 概略検討 図-6.35 計画物(将来の設計物) 点群データは位置情報(x, y, z)を持つた め,任意箇所の縦断,横断などの情報を取 得することができる.これより視覚的,数 値的に 3 次元で現況把握でき,簡易的な 3 次元モデルを配置するだけで,様々な概略 検討をすることが可能である. まず,図-6.36 の点群データ中に計測され ている鉄道橋に属性を与え,不要物として 図-6.36 撤去される鉄道橋 除去した.除去した箇所に,箱のような 3 次元モデルを配置して,形状を検討した(図 -6.37).また,図-6.38 は橋脚の配置を検 討するために,筒状の 3 次元モデルを多数 配置し,地下埋設物との干渉を確認しつつ 位置や大きさを検討した. 図-6.37 形状の概略検討 105 b) 干渉確認 モデル空間に歩道橋と概略の周辺構造物 を追加し,設計検討をおこなった.歩道橋 は中央部に 2 本の橋脚を持つ 3 径間の桁橋 であった.図-6.39 に示すように,橋脚の杭 がそれぞれ上水道管と下水道管と干渉して いることが確認された.その結果,中央部 に橋脚の無い改善案が提案されることにな った. 図-6.38 橋脚の概略検討 c) 景観検討 MMS では街路樹や架線などのデータは 計測不十分な箇所があった.そこで,固定 式レーザで計測した点群データ中の街路樹, 街灯,標識,架線へ属性を与えモデル空間 を構築した.表-6.2 は,桁橋よりも強度の 高い単径間の A 案:トラス橋,B 案:フィ レンディール橋を検討したものである.点 上水道管 上水道管 下水道管 下水道管 群データは色彩情報を持っているため,現 況の雰囲気が再現される.これより,歩道 図-6.39 杭と埋設管の干渉 橋の見え方や構造など,様々な視点から確 認した. 表-6.2 検討案の比較 鳥瞰図 正面図 A B 106 内部図 d) 施工検討 ① 属性付与点群データでの施工工程再現 現況を再現している点群データへ属性を与え,設計対象物および事業で使用される重機や機 材を作成し,モデル空間を構築した.各施工の工程表は発注事業ごとに作成されている.また, 都市部であるため施工ヤードが限られており,同時期に複数の施工を行うため施工全体の調整 が必要とされた.図-6.40 は,点群データに計測されている旧鉄道橋を除去し,新設の歩道橋 を工程表に従い,事業の施工状況を再現・可視化した図である.このモデル空間を用い,施工 全体の重機や機材の配置位置の確認・調整をした.施工工程を再現することで,重機と架線と の干渉や,地下埋設物と新設歩道橋との干渉発見につながった. a) 旧鉄道橋 b) 旧鉄道橋の撤去 c) 杭基礎工事 d) 杭段踊り場架設 e) 歩道橋左右部架設 f) 歩道橋階段架設 g) 電停階段架設 h) 歩道橋完成 図-6.40 施工全体の再現 107 ② 属性付与点群データでの施工性確認 点群モデル空間で,施工図面をもとに重機の可動範囲および作業半径などを,実際に動かし 確認した.図-6.41 は,架設ブロックの施工である.架設ブロックをクレーンで吊上げ,架設 箇所へ移動させる際,同時期に施工中である駅舎,および配置したクレーンのブームとの接触 の有無を確認した.その結果,点群データ中の電線と電柱にそれぞれ干渉することが明らかと なり(図-6.42),電柱の移設について協議することが新たに決まった.本事例では点群データ へ属性を与えていたため,目視だけでなく,シミュレータ内で架設ブロックがどの構造物と干 渉しているか判別可能であった.また,本問題点は,施工段階より前に確認することができた ため,施工現場での手戻りを防止できた. 電柱との干渉 架設ブロック 電線との干渉 架設箇所 図-6.41 架設ブロックの施工(計画) 図-6.42 電線,電柱との干渉確認 (4) 考察 a) 点群データの有効性 点群データを用いることにより,現況を忠実に再現したモデル空間を迅速に構築できる.本 事例において,設計および施工の干渉確認は,点群データの有効性を特に示すものと考える. 電線や架線など空中に存在するものと,設計および施工対象物との干渉は,2 次元図面の平面 図や立面図では発見されていなかった.よって,点群データをモデル空間へ用いる有効性が示 せたといえる. b) 設計協議における効果 本事例は,対象地において同時期に設計,施工される現場であった.従来の協議は,事業関 係者で一堂に会することで具体的な議論を重ねていく.しかし,所在も異なる事業関係者で日 程調整を行い,何度も一堂に会することは現実的に困難である.本研究では,点群によりモデ ル空間を迅速かつ正確に捉え,精度向上を図ることで,非同期分散型の情報交換場 15)を主に設 計協議を進めた.現況が正確に再現されているモデル空間であるため,干渉等の課題を事前に 108 把握し調整することが可能であった.これにより,同期集中型の合意形成場においては議論の 円滑化が図れ,全体として協議時間の短縮がなされた. c) モデル空間の作成労力 3 次元モデルは個々の 3 次元 CAD オブジェクトから構成されるものであり,この数と作成労 力は比例すると考える.しかし,本提案では各検討段階において適宜 3D-CAD で追加作成し, 検討をおこなった.このとき,現況空間を点群データで再現することにより,現況モデル空間 の構築が容易に行えた.さらに,現況中の必要な施設のみに属性を与えることで,点群データ の施設をオブジェクトとして利用することが可能であった.したがって,従来の 3 次元 CAD モデルと比較すると労力の軽減につながったと考える.なお,3 次元レーザスキャナにて測量 する際,3 次元測量機材を現場に応じて使い分け,追加測量して補完することにより,現況把 握が詳細にできるといえる. 6.2.2 新水前寺交通結節点改善事業(交差点改良協議)16) (1) 事業概要 熊本県熊本市新水前寺を対象とした交差 点改良協議では,道路線形の改善設計を簡 易的なオブジェクトを用いて協議・検討し ている 17).対象地となった交差点は,道路 の幅員が非常に狭く危険であったため,幅 員の拡幅を検討した.その際,道路の拡幅 に伴う信号機の移設などにおいて,いくつ か問題が生じた.そこで,検討の結果,解 決策として道路拡幅ではなく,車両の交通 量やバス左折時の回転半径を考慮した歩道 図-26 移設対象の信 号機 の切り込みをおこなうことに決定した. 図-6.43 移設対象の信号 この事例に対し,第 4 章,第 1 節で述べ た点群データの編集機能,分割,着色,伸 縮,置換を用いて,既往研究と同様の検討 をした結果を以下に示す. 109 図-6.43 に示す図は道路線形の改善およ び拡幅により,移設対象となった既存の信 号機位置を示したものである.信号機周辺 の地下には数種類の埋設物が存在している. (2) 信号機のアーム位置変更 信号機の灯具位置を把握しやすくするた a) 編集前 めに,図-6.44 a)のように赤色に着色し,車 の停車位置からの信号機の見え方を確認し た.次に,信号機のアーム部の位置を図 -6.44 b)のように2m延長することで,信号 2m 延長 機移設した際の視点確認が可能であった. 信号データを編集することで,既往研究と 同様の検討が点群データで可能であった. b) 編集後 (3) 地下埋設物との干渉 図-6.44 信号アーム部の編集 移設対象となった既存の信号機の柱状部 を鉛直方向に延長すると,図-6.45のように なる.信号機周辺の地下には,図-6.45のよ うに数種類の埋設物が存在している.移設 先を検討する際,信号機の支柱と地下埋設 物との干渉確認が必要である.信号機の点 群データを延長することで,地下埋設物と 図-6.45 信号機と地下埋設物との干渉確認 の干渉確認が可能であった. (4) 交差点の視線検証 図-6.46 に示す画像は,近距離から建物デ ータを見た図である.近距離であるため建 物が透過して,交差点の奥が見えている. この建物の点群データを画像データに置き 換えたものを図-6.47 に示す.画像データへ 図-6.46 建物の透過 置換することで,透過を防ぐことが可能で 110 あった.画像データへ置換したデータを用 いて,交差点の確認した結果を図-6.48 に示 す.透過性を防ぐことで,バスの軌道確認 が可能であった. (5) 考察 図-6.47 画像データへの置換 点群データ中の構造物を編集することで, 概略検討での点群データ適用の可能性が拡 がったと考える.本事例では,簡易的に伸 縮させて,視えかたを確認する,干渉確認 するといったオブジェクトとしての利用法 を示した.また,点群データを画像に置き 換えることで,点群データの特徴である透 過性の解消につながったと考える. a) 立面での確認 以上のように,点群データが CAD オブ ジェクトと同様に利用できることで,点群 データの使用性は向上すると考える. b) 平面での確認 図-6.48 画像置換による交差点確認 111 6.3 6.3.1 施工段階 新水前寺交通結節点改善事業(旧歩道橋撤去計画)18) (1) 事業概要 19) 対象事業は,熊本県熊本市新水前寺駅地区交通結節点改善事業における旧歩道橋撤去計画で ある.図-6.49 は旧歩道橋周辺の撤去前の写真である.周辺には,民家や街灯などの構造物が 多数存在している.また,路面電車の軌道や架線に近接することや,交通量が多い道路を横断 する必要がある工事である.そのため,現場の特徴から今回の撤去計画は夜間工事が予定され ていた. 図-6.50 は現場周辺の地図である.点線で示す箇所が,夜間工事の際に交通規制がおこなわ れる箇所である.矢印は規制範囲内に進入する車両の動きを示している.片側 3 車線の道路を 片側一車線に規制すること,規制車線が日によって変化することなどから,渋滞や事故が懸念 された.そのため,施工性や交通への影響を十分に考慮した上で検討を進める必要があった. 図-6.50 周辺の交通状況 図-6.49 撤去前の状況 (2) 対象地再現 対象地の再現に Autodesk Navisworks2012 ,各種検討に Navisworks のアドオンである NaviCrane を使用した. a) 点群データ 点群データへ属性付与し,点群モデル空間を構築した図を示す(図-6.51).図-6.51 では MMS で計測した道路データに,固定式で計測した旧歩道橋,街灯のデータ,周辺の建物のデ ータを順次追加している.それぞれ異なる属性としており,CAD オブジェクトと同様に操作 可能であった.図-6.52 a)は歩道橋点群データの分割を示している.図-6.52 a)で示した点群デ 112 a) 路面データのみ b) 歩道橋追加 c) 架線,柱状構造物追加 d) 周辺データ追加 図-6.51 属性付与点群データによるモデル空間構築 ② ③ ④ ⑤ ① ⑥ b) 各部分への属性付与 a) 歩道橋分割 図-6.52 歩道橋点群データの撤去部への属性付与 ータの分割は,旧歩道橋撤去計画に従い,本研究で開発した編集システムを用いておこなった. さらに,分割した歩道橋の各部分に撤去部①,②,…と異なる属性を付与した図を図-6.52 b) に示す. b) 各種データとの併用 属性付与した点群データと図面や簡易オブジェクトといった各種データを併用すると図 -6.53 のようになる.このように,検討に必要となる箇所の点群データと施工計画図及び重機 や保安用品の 3 次元オブジェクトを併用し,施工時の状況を再現した. 113 c) 撤去計画への点群データの利用 図-6.54 a)は,歩道橋撤去後の点群データ, 図-6.54 b)は,撤去後の現況写真を示したも のである.歩道橋の点群データを不要物と して現況から除去することで,撤去後の景 観が確認可能であった.これは,点群デー タの高い現況の再現性と点群データの編集 により確認できた事例である. 図-6.53 点群データと各種データの併用 (3) 適用結果 図-6.55 は協議風景である.学識者,発注 者,設計コンサルタント,解体業務を請け 負う民間業者が参加し,再現した対象地を スクリーンで参照しながら協議を進めた. 対象地の特徴から,今回の協議では,施工 性と交通規制を重点的に議論した.以下で a) 点群データ 詳細な検討内容を述べる. a) 施工検討 撤去対象の歩道橋は,建設から長い年月 が経過しており,図面が存在していなかっ た.そのため,実測により歩道橋を計測し, 検討用の図面を再度作成し直した.その図 面をもとに,撤去方法や重機の選定をする b) 撤去後の写真 ために,歩道橋の分割サイズを検討した. 図-6.54 撤去後の状況 図-6.56 は,歩道橋の図面,分割した撤去 部の重量表および断面図である.たとえば, 図中で示す歩道橋橋体 1 の規格は,H-400, L=11.0m,主桁・高欄・床版で構成されて おり,重量は 13.7t と推定されている.推定 した撤去部の大きさや重量をもとに,重機 の選定や配置箇所,撤去方法の検討を進め る. 図-6.55 協議風景 114 a) 歩道橋図面 b) c) 歩道橋撤去重量 断面図 図-6.56 施工計画図 上記で述べた検討方法と比べ,点群データを 利用した検討方法で有効であった点について 述べる. ① 体積算出 歩道橋橋体 1 の体積を図面からオブジェクト を作成し,算出した体積は 16.56m3,分割した 点群データの座標値から算出した体積は 16.36m3,誤差 1.2%であった.また,構造物の 寸法を点群データから算出する事ができたた め,構造物の規格をもとに重量の概算もおこな a) 計画 えた. ② 干渉確認 図-6.57 は重機と街灯の干渉確認である.歩 道橋の計測と同時に,周辺の民家や街灯・架線 などを同時に計測している.そのため,街灯に 付属する道路交通標識など,図面上に記載され ていない構造物と重機の干渉を発見できた.図 b) 街灯配置 -6.58 は撤去シミュレーションを示している. 図-6.57 重機と街灯との干渉 115 a) 撤去部選択 b) 撤去部持ち上げ c) 撤去部旋回 d) 撤去部積み込み 図-6.58 歩道橋撤去シミュレーション 図-6.60 手すり部の分割 図-6.59 階段と街灯との干渉 編集システムを用いて,撤去部を任意の大きさに分割することで,撤去時の動的な挙動を確認 できた.図-6.59 は,階段部と街灯との干渉確認である.階段部分を撤去する際,街灯と干渉 することが確認された.図-6.60 は手すり部分の分割である.編集システムを用いて,階段の 手すり部分を先に撤去した状態を再現し,改善案として提示できた. 図-6.61 は,階段部分の撤去工事の写真である.改善案をもとに,階段の手すり部分を先に 解体し,かつ当初の計画とは違う箇所に重機を配置する方法が採用された. 116 a) b) 手すり部の解体 階段撤去 図-6.61 工事写真 b) 周辺環境の確認 歩道橋のすぐ隣には,24 時間営業の食品店が存在している.それゆえ,夜間工事中において も,たえず人の流れがあることが想定された.図-6.62 は,上記の確認を,平面図および点群 データでおこなったものである.図-6.62 a)の黄色で示した箇所が,食品店がある箇所である. 店の前の歩道を施工ヤードとして使用できるか,工事中の人の流れはどうなるか,といったこ とを図面上で想定することが困難であった.一方,図-6.62 b)で示すように,点群データは歩 道橋周辺の既存構造物も 3 次元で再現できる.撤去をする際に食品店と撤去部が干渉しないか, また,人の流れを考慮した上で店の前の歩道を施工ヤードとして使用可能か,といった周辺環 境の確認も十分に可能であった. 食品店 a) 平面図 b) 図-6.62 周辺確認 117 点群データ 図-6.63は,工程表をもとに時間軸上で施工状況を再現したものを示している.図中の黄色で 示す箇所が交通規制の範囲である.撤去工程に従い歩道橋周辺の交通規制がどのように変遷す るか確認し,順次施工検討を進めていった.撤去工程を変遷させることで,工事の進捗に伴う 交通規制対象箇所の変化や重機の配置変更に伴う既設構造物との取り合いなどの周辺環境の 確認も順次検討することが可能であった. 図-6.63 施工工程の再現 次に,交通規制の検討例を示す.当初の交通規制計画では,赤いコーンを配置し,規制箇所 に進入する車両を誘導する予定であった.そこで,車目線で規制箇所の見え方を確認し,進入 経路がわかりづらい箇所に対しては,対策案を検討した.たとえば,図-6.64で示すように,一 部コーンの色を変更し, 規制箇所に進行してくる車両の進行方向を促す案が出た.また,図-6.65 で示すように,看板の適切な配置箇所や,配置数の検討をした. 図-6.64 コーンの配色変更 図-6.65 看板設置箇所検討 118 a) コーンの配色変更 b) 看板設置風景 図-6.66 工事中の写真 図-6.66は,実際の工事現場の写真である.検討結果をもとに,図中で示すようにコーンの配 色を一部変更し進行方向を促すとともに,看板を適所に設置する,といった対策が施された. (4) 考察 本事例では,点群データを編集することで,撤去工事に点群データが適用可能であることを 示した.編集した点群データを用い,各種検討をおこなうことで施工時の問題点を早期に発見 できた.また,現状の図面を用いた検討では発見できなかった街灯や架線との干渉チェックや, 動的変化を把握することができる点で有益であったと考える.加えて,現況を忠実に再現して いる点群データでは,図面では把握し難い周辺の建物や交通状況も把握可能であった,この点 でも点群データを利用する意義があると考える. 一方,本事例で示した体積算出に関しては,概略の体積算出やサイズ把握は可能であったが, 精度の点では課題が残っている.体積算出の精度向上は今後の課題である.また,より複雑な 形状の構造物に編集システムを適用した場合に同様の効果が得られるか,編集箇所が膨大な量 であるときに,マニュアル操作による編集でどのように対応するか,といった課題もある. 119 6.4 適用事例の考察 本事例では,維持管理,設計,施工の各段階で点群データの利用例を示した.点群データへ 属性を与えることで,オブジェクトとしての利用が可能となる.これにより,設計や施工段階 での協議・検討で利活用できたと考える.さらに,点群データに情報の付加や紐づけができる ことで,維持管理段階でも利用可能となると考える. 維持管理段階では,道路点群データを分割し,属性付与,情報付加することで路面の状態を 視覚的に把握可能となった.併せて,管理資料である既存ドキュメントや写真を紐づけておく ことで,道路の管理にもつながる.さらに,点群データを用いることで縦横断といった立面情 報の確認や道路台帳図面の作成も可能である. 設計段階では,点群データ中の不要箇所を除去し,新設の構造物を CAD で作成,追加する ことで歩道橋の完成形を,現況を再現した空間上で確認可能であった.また,施工工程を再現 することで,対象地に存在する地物を考慮した施工性の検討につながったと考える.さらに, 点群データ中の構造物を編集し協議・検討で利用することで,利活用の幅は拡がる. 最後に,施工段階の歩道橋撤去の事例では,設計段階で利用した MMS データと固定式レー ザスキャナで計測した点群データを構造物や撤去部ごとへ分類し,属性を与えた.これにより, 属性付与した点群データがオブジェクトと同様に操作でき,工程計画の把握につながった.さ らに,対象となる構造物だけでなく周辺環境を含め,時間軸で変化する環境(交通規制箇所, 重機の位置関係)などを考慮した検討が可能であった.以上のように,ペーパーレスで施工検 討することは一部の建設現場では可能である.現場での手戻りは減り,安全性は確実に向上す ると考える.一方,撤去対象となる構造物の図面や資料は,建設から長い年月の経過や紛失に より存在しない場合がある.それゆえ,3 次元測量機器で計測した点群データがそのまま撤去 計画で利用できる意義は大きいと考える. 道路空間に関しては,既存道路は約 130 万 km におよび管理が重要となっている.それゆえ, 管理段階の調査・点検から,次の設計・施工へとつながることが考えられる.本事例では,設 計・施工は同一対象地であったため,設計段階から施工段階へのデータ運用につながることが 示せたと考える.一方,維持管理で示した事例は,設計・施工と対象地が異なるが,汎用的な 利用法であるため,どの道路でも適用可能であると考える.また,維持管理段階で対象とした A 町で,次に設計・施工が実施される際,今回,維持管理段階で取得した点群データが利用可 能となると考える. 本論文で示した事例のように各段階で点群データを利用し,利用したデータを次の段階へ引 き継ぎ運用していくことで,建設ライフサイクルにわたる利活用につながる.本事例では,そ の一端を示せたのではないかと考える.計測後,時間が経過し,点群データが古くなった場合 120 や再度計測し直した場合は,不要となる箇所のデータのみ編集し,更新するといった対応をす ることで,データ更新も可能である.ただし,再度点群データを分割・分類し,属性付与し直 す労力は必要となる. また,データ運用を考えた場合,点群データのデータ形式は汎用的な CSV,TXT 形式など であるため,運用し易いと考える.しかし,点群データの課題でもあるデータ容量は,運用の 妨げになることが考えられる.データ運用し易いデータ形式を保持しつつ,データ容量を軽く すること,計測時の詳細度(データ密度)を検討すること,データ更新を容易にすること,な どが今後の課題として挙げられる.また,近年加速している PC の性能向上にも期待する. 121 <参考文献> 1) 藤田陽一,緒方正剛,Wongsakorn Chanseawrassamee,小林一郎:属性を付与した道路点群デー タの建設ライフサイクルでの利用,土木学会論文集 F3 (特集号) , Vol.70, No.2, 2014. 2) 小林一郎,池本大輔,竹下史朗,坂口将人:3D-CAD を基盤としたトータルデザインシステ ムの提案,土木情報利用技術論文集, Vol.17, pp.171-182, 2008. 3) 国土交通省,社会資本整備審査会,道路分科会,参考資料 1 総点検実施要領(案)の概要 <http://www.mlit.go.jp/common/000988703.pdf> 4) Fujita, Y., Kobayashi, I., Chanseawrassamee, W. and Hoshino, Y. : Application of Attributed Road Surface Point Cloud Data in Road Maintenance,土木学会論文集 F3 (特集号) ,Vol.70, No.2, 2014. 5) 藤田陽一,小林一郎,星野裕司,Wongsakorn Chanseawrassamee:属性付与した路面点群デー タの道路維持管理への適用,土木情報学シンポジウム講演集, Vol.39, pp.157-160, 2014. 6) 総点検実施要領(案)【舗装編】,国土交通省,道路局,平成 25 年 2 月 7) Fujita, Y. , Kobayashi, I., Hoshino, Y and Chanseawrassamee, W. : Development of Attribute-Assign-Editor for Road Surface Point Cloud Data, International Journal of Engineering and Technology (IJET) , (ISSN: 1793-8236) , Volume8 Number3, pp.170-176 8) 舗装調査・試験法便覧,(社)日本道路協会 S030,舗装路面のわだち掘れ量測定方法 9) 橋詰匠: モービルマッピングシステムを用いた既設道路舗装状態の道路 CAD および GIS 連 接に関する実証研究, 一般財団法人 日本建設情報総合センター,助成研究,第 2008-07 号 10) 舗装調査・試験法便覧,(社)日本道路協会 S032,IRI 測定方法 11) 舗装調査・試験法便覧,(社)日本道路協会 S029,舗装路面のひびわれ測定方法 12) 国土交通省,維持修繕,路面の管理,p.道 4-12 <http://www.qsr.mlit.go.jp/s_top/h22doboku/douro/3-05.pdf> 13) 移動計測車両による測量システムを用いる数値地形図データ作成マニュアル(案),国土交 通省 国土地理院,平成 24 年 5 月 <http://psgsv2.gsi.go.jp/koukyou/download/mms_manual.pdf> 14) 小林一郎,吉田史朗,野間卓志,小林優一:モデル空間を用いた予備設計協議への点群デー タの活用,土木情報利用技術論文集,Vol.19, pp.157-164, 2010. 15) 野間卓志:社会資本調達維持管理のための統合型情報運用システムの構築に関する研究,熊 本大学大学院自然科学研究科学位論文,pp.35-41, 2011. 16) 藤田陽一,小林一郎,緒方正剛,Wongsakorn Chanseawrassamee:点群データ用エディタの開発と 利用法について,土木情報学論文集 F3,Vol.70, No.1, pp.48-55, 2014. 122 17) 小林一郎,吉田史朗,小林優一,寺中愛瑛:点群モデル空間を用いた歩道橋の概略設計協議, 土木構造・材料論文集, 第 26 号, pp.151-158, 2010. 18) 藤田陽一,小林一郎,緒方正剛,永村景子:歩道橋撤去計画への点群データ利用, 土木構 造・材料論文集, 第 29 号, pp153-160,2013. 19) Fujita, Y., Ogata, S., Kobayashi, I. and Yamanaka, T. : Pedestrian bridge removal plan using point cloud data editor, Proceedings of the First International Conference on Civil and Building Engineering Informatics (ICCBEI 2013) , pp.47-54, 2013. 123 第7章 結論 第7章 結論 本論文は,3 次元測量機器により取得された点群データへ属性を与え,点群データの使用性 向上,高度利用を試みたものである.点群データに属性を与え,「群」に意味を持たせること で,オブジェクトとしての利用や情報の紐づけ・可視化といった利用法が可能となる.これに より,建設ライフサイクルにわたる利活用が可能となる. 本論文では,点群データへ属性を与えるために,点群データが有する位置情報,色彩情報を 用いた分析手法,編集法の提案をおこなった.提案した分析手法,編集法により点群データの 分類や分割が可能となり,属性付与につながったと考える.さらに,属性付与した点群データ を建設ライフサイクルの維持管理,設計,施工の各段階に適用し,属性付与した点群データの 有用性を検証し,考察した. 本論文で得られた結論を各章ごとにまとめると以下のとおりとなる. 第 1 章は序論であり,本研究の背景として,建設分野での ICT 利用の概要,3 次元データ利 用の現状,3 次元測量機器の発達について述べた.さらに既往研究を整理し,最後に,本論文 の目的を記した. 第 2 章では,点群データの概要,現在の適用分野,課題を整理した.まず,点群データの特 徴を述べ,点群データを計測手法の違いで平面点群データと立面点群データに分類し,代表的 な計測機器ごとにデータの特徴を記した.次に,現状の点群データの適用分野と点群データを 簡易的に編集して使用性を高めた先行研究を示し,点群データの有意性を述べた.最後に,点 群データの課題を整理した.点群データの課題としては,①利用法が限定されている,②デー タ量が多い,③点データに属性が無い,などがある.利用法が限定されている理由の一つとし て,点データに属性が無いことが挙げられる.それゆえ,本論文では,点群データに属性が無 いことに着目し,点群データの使用性向上・高度利用のために,点群データの属性を分析する ことを述べた. 第 3 章では,点群データへの属性付与について述べた.点群データへの属性付与の意義は, 建設ライフサイクルにわたる利活用につながることである.建設ライフサイクルの各段階で点 群データが利活用可能となることで,現在,維持管理段階で取得されつつある点群データが, 次に実施される設計,施工での利用につながることを述べた.次に,点群データの属性につい て分析した.点データの属性分析,点群データへ属性を与える際の観点をまとめ,形状属性付 124 与と性状属性付与を提案した.さらに,属性付与手法を示し,属性付与した点群データの利用 法として,オブジェクトとしての利用と情報の紐づけと可視化について述べた.オブジェクト として利用できることで,設計・施工段階での協議・検討に利用可能となる.また,情報の紐 づけと可視化が可能となることで,維持管理での利用につながることを記した. 第 4 章では,点群データを分割,分類するための手法の提案をおこなった.まず,点群デー タが有する位置情報で点群データを分割可能とするエディタの開発をおこなった.エディタを 用いることで,手動での点群データ編集が可能となった.設計・施工段階で点群データの利用 を想定した場合,自動処理より手動の方が細部のデータ分割に関して,正確でかつ早く編集で きる.また,手動操作で編集することの意義は,①精度が高い,②汎用性がある,③簡便であ る,などである.これらの機能を満たすことを目指し,エディタを開発した.さらに,開発し たエディタに付加した機能を述べ,エディタの適用事例を示した.次に,点群データが有する 色彩情報の分析として,デジタル画像からの人工物抽出手法を提案し,点群データへの展開を 試みた.提案した手法を用いて,点群データから人工物の抽出をおこなった. 第 5 章では,道路空間に存在する施設の属性分析手法を提案した.道路空間を,車道空間, 歩道空間,周辺空間の 3 空間と定義し,車道空間と歩道空間に存在する地物を対象にした属性 分析手法を示した.属性分析は,点群データが有する位置情報と色彩情報を用いておこなった. まず,位置情報を用いた計測不要物除去手法を述べた.次に,車道空間の属性分析として,道 路面抽出,中心値線抽出,架線抽出手法などを提案した.歩道空間では,柱状構造物と帯状構 造物の抽出,属性付与手法を提案した.提案した手法を車道空間,歩道空間の地物へ適用した 事例を示し,考察を加えた. 第 6 章では,属性付与した点群データの適用事例として,建設ライフサイクルの維持管理, 設計,施工の各段階での利用例を示した. 維持管理段階では,現状の道路管理について述べ,点群データ利用のメリットを記した.次 に,現在,全国で実施されている路面性状調査業務の労力軽減と点群データの高度利用のため に構築した Mdot+について述べた.Mdot+を用いることで,MMS データから,わだち掘れ, 平坦性,緯度経度などの情報が自動算出可能となった.最後に,維持管理段階での属性付与し た点群データの利用法として,情報の付加・可視化・紐づけを示した.加えて,立面情報を抽 出した事例を記し,属性付与した点群データの有用性を述べた. 設計段階では,新水前寺交通結節点改善事業の歩道橋予備設計,交差点改良協議への適用を 125 試みた.属性付与した点群データを用いることで,協議・検討での利用が可能であった.たと えば,点群データ中の不要な箇所を除去し,CAD で作成した新設構造物を追加することで, 形状検討や景観検討がおこなえた.また,施工性を確認することで架設ブロックと電柱や電線 との干渉が発見でき,手戻り防止につながった.加えて,点群データの構造物を伸縮させるこ とで,見え方の確認や地下埋設物との干渉確認,といった利用法も可能になることを示した. 最後に,施工段階では,新水前寺交通結節点改善事業の旧歩道橋撤去計画の事例に適用した. 撤去計画に従い,点群データの歩道橋を分割し,撤去部①,②…というように異なる属性を与 えることで,点群データを用いた撤去工程の確認が可能であった.撤去工程で確認された問題 点に対する改善案も点群データを編集することで提示できた.また,歩道橋撤去に伴う周辺環 境の変化(重機の位置や交通規制の箇所など)も把握でき,交通規制時の自動車誘導に対する 改善案にも寄与できた. 本事例で示した利用例を,維持管理段階,設計,施工という流れで利用することで,建設ラ イフサイクルにわたり点群データが利活用可能となる.本研究では,建設ライフサイクルにわ たる点群データ利活用の可能性の一端を示せたのではないかと考える. 最後に,本研究で提案した点群データへの属性付与により,点群データが高度利用されるこ とを期待する.今後は,点群データの課題の一つであるデータ容量に対し策を講じること,更 なる有用性の検証についても研究を重ねていく所存であることをここに明記し,本論文の結び とする. 126 謝辞 本論文は,著者が熊本大学大学院自然科学研究科にてとりまとめたものである. 本研究の遂行にあたり,終始懇切なご指導,ご鞭撻を戴いた熊本大学大学院自然科学研究科, 小林一郎教授に対し,深甚なる謝意を表するものであります.親身なご助言と力強い励ましの 結果,ここに研究を論文としてまとめることができました.不勉強な著者にも拘らず,まがり なりにも今日まで研究を続けることができたのは,ひとえに小林教授の終始変わらぬ御厚情に よるものであります.重ねて甚大なる謝意を表します. ご多忙のなか,本論文の指導委員を担当してくださいました,熊本大学大学院自然科学研究 科,山尾敏孝教授,星野裕司准教授,田中尚人准教授には丁寧かつ熱心なご指導を賜りました. 著者の研究発表に対し,熊本大学大学院自然科学研究科,重石光弘教授,葛西昭准教授,熊本 大学大学教育機能開発総合研究センター,本間里見准教授には貴重なご意見,ご討議を賜りま した.先生方のご教示,ご指導に対しまして,ここに厚くお礼申し上げます. 著者に対して,熊本大学大学院自然科学研究科への入学と本研究の機会を与えてくださった, 株式会社ベアールートシステムの林田勝也社長,増田敦彦係長,本研究にご協力頂いた同社の 皆様にこの場を借りてお礼申し上げます. 本研究着手時より株式会社ウエスコの宮下征士氏,国土交通省 近畿地方整備局 足羽川ダム 工事事務所の山本一浩氏,一般財団法人 先端技術建設センターの緒方正剛氏,熊本県企業局 荒瀬ダム撤去室の野間卓志氏,九州大学大学院工学研究院の永村景子氏,株式会社大林組の山 中孝文氏,一般社団法人 日本建設機械施工協会 施工技術総合研究所の椎葉祐士氏,旭測量設 計株式会社の吉田史朗氏には貴重なご意見とアドバイスを戴きました.ここに厚く謝意を表し ます. 本研究は熊本大学大学院自然科学研究科空間デザイン研究室の優秀な学生諸君の協力無く して成しえませんでした.特に,同研究科の大学院生でありました九鬼裕之氏,坂口将人氏, 高尾篤志氏,小林優一氏,鶴我祥太氏,寺中愛瑛氏,山村洋平氏,杉原浩実氏,嶋津卓郎氏, また現在大学院生である高田哲聖君,Chanseawrassamee Wongsakorn 君には,本論文を執筆す るにあたり多大な協力を戴きました.さらに,熊本大学技術職員の上田誠氏には,システム開 発でお世話になりました.研究室スタッフの上村真樹氏,中島幸香氏には,著者の研究生活を 支えて戴きました.皆様に深く感謝するとともに,お礼申し上げます. 本論文は他にも多くの皆様のご援助を得て,はじめてまとめることができたものであり,心 から御礼申しあげます.また,本論文の完成に至るまで迷惑を掛け続けた両親と妻には感謝に 絶えません.最後に,本論文を著者の両親と妻の両親に捧げます. 平成 27 年 3 月 藤田 陽一 127
© Copyright 2025 ExpyDoc