トンネルを点検する際に従来の目視や打音に頼った方法に代わるものとして、応用地質株式会社様では赤外線レーザースキャナによって測定される3次元点群データを用いるといった取り組みが行われています。

弊社はそうして得られた3次元の点群データに対する様々なソリューションを提供いたしました。

点の分類とクレンジング

測定データにはトンネル以外にも人や車、その他様々な物体が映り込んでおり、データの解析を妨げています。そこで、各点を「道路」、「覆工」、「それ以外」に分類するアルゴリズムを作成いたしました。


オリジナルのデータ分類の様子赤:覆工 緑:道路 青:異物異物を取り除いたデータ

キーポイントと3次元特徴量を用いた点群の結合

2つの異なる地点から測定された点群データを結合する手法としては自動運転等で用いられるSLAM(Simultaneous Localization And Mapping)と呼ばれる技術が知られています。 SLAMには様々な手法が存在しており、スキャンマッチングベースのICP・NDT、 ベイズフィルタの考えを取り入れたFastSLAM、グラフベースの手法であるGraphSLAMなどが有名です。

一方でこれらの手法はその前提として、マッチングさせたい点群の測定地点同士が比較的近いことや、ものによってはその間の大まかな位置関係(オドメトリ)の情報が要求されているものもあります。

トンネルの測定データは、一般的に測定地点同士が10mという比較的大きな距離を隔てて作成されます。また測定の位置関係も人出で入力しなければならず作業効率や誤記入などの可能性などからなるべくそれに頼らずに結合できる手法が求められます。 さらにトンネルの形状は比較的なめらかで、似たようなパターンが繰り返し続くことが多いので、結合をより難しい問題にしています。

そこで、弊社はキーポイント抽出と3次元点群特徴量に基づくアプローチをとりました。トンネルの中でも“際立った”点を見つけ、その点における3次元点群特徴量を計算します。

異物除去済みの点群データ

赤:抽出されたキーポイント

2つの点群データに対し、それぞれのキーポイント同士の特徴量に基づいて対応点を割り出し、RANSACと呼ばれるアルゴリズムで結合の変換を計算します。

2つのデータの結合の様子
青とオレンジはそれぞれ別の点群データ

これを繰り返し適用していくことで、トンネル全体のデータが得られます。

複数データの結合結果

結合によって得られた点群データから、3Dモデルの作成などを行うこともできます。

近年、BIM / CIM (Building / Construction  Information Modeling)と呼ばれる取り組みが次第に重要性を増してきています。これはインフラの3Dモデルを作成し、 積極的な情報共有を行うことでインフラのメンテナンスの高品質化を目指すというものです。

ここで紹介した点群ソリューションはそれらの需要に対し様々なサービスを提供することができます。

about company

〒116-0003 東京都荒川区南千住8-5-7 白鬚西R&Dセンター 303号室
contact@proxima-ai-tech.com


Copyright 2020 © Proxima Technology Inc. All Rights Reserved.