JP2018096945A - Measurement sufficiency calculation device, method, and program - Google Patents
Measurement sufficiency calculation device, method, and program Download PDFInfo
- Publication number
- JP2018096945A JP2018096945A JP2016244698A JP2016244698A JP2018096945A JP 2018096945 A JP2018096945 A JP 2018096945A JP 2016244698 A JP2016244698 A JP 2016244698A JP 2016244698 A JP2016244698 A JP 2016244698A JP 2018096945 A JP2018096945 A JP 2018096945A
- Authority
- JP
- Japan
- Prior art keywords
- measurement
- model
- detection
- sufficiency
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
Description
本発明は、計測十分度算出装置、方法、及びプログラムに係り、特に、検出対象物についての計測十分度を算出する計測十分度算出装置、方法、及びプログラムに関する。 The present invention relates to a measurement sufficiency calculation device, method, and program, and more particularly, to a measurement sufficiency calculation device, method, and program for calculating a measurement sufficiency for a detection target.
従来より、計測された３次元点群に、レーザースキャナ等により計測された３次元情報から３Ｄモデル（ＣＡＤモデル）等を当てはめることで物体を検出する技術開発が盛んである。モデルを当てはめるとは、具体的には３次元空間（もしくは２次元空間）において、検出対象部の形状モデルの中心位置、姿勢（傾き）、スケールなどの形状を記述するパラメータの値の組み合わせを探索する行為と同意である。
一般的に、３次元空間を探索する場合には、位置・姿勢のパラメータ探索がそれぞれ３次元、さらにスケールの１次元が加わるため（７自由度）、計算量が膨大になる。そのため、RANSACという手法によりサンプリングした少数の点群からパラメトリックに表現される３Ｄモデルを効率的に検出する手法が広く用いられている（非特許文献１）。
道路周辺のインフラ設備としては、例えば柱状物体を当てはめて、電柱の位置と傾きを検出し、電柱を構成する点群を出力する点群解析処理装置が知られている（特許文献１）。これ以外にも、電力線やマンホールなども、３Ｄもしくは２Ｄのモデルパターンを当てはめることで、各種設備検出技術が開発されてきた（例えば、特許文献２）。
2. Description of the Related Art Conventionally, technology development for detecting an object by applying a 3D model (CAD model) or the like from 3D information measured by a laser scanner or the like to a measured 3D point group has been extensive. To apply a model, specifically, in a three-dimensional space (or two-dimensional space), search for a combination of parameter values that describe the shape, such as the center position, posture (tilt), and scale of the shape model of the detection target part. It is an act and consent.
In general, when searching in a three-dimensional space, three-dimensional position / posture parameter search and one-dimensional scale are added (seven degrees of freedom), resulting in an enormous amount of calculation. Therefore, a technique for efficiently detecting a 3D model expressed parametrically from a small number of point groups sampled by a technique called RANSAC is widely used (Non-Patent Document 1).
As an infrastructure facility around a road, for example, a point cloud analysis processing device is known that applies a columnar object, detects the position and inclination of a power pole, and outputs a point cloud constituting the power pole (Patent Document 1). In addition to this, various equipment detection techniques have been developed by applying 3D or 2D model patterns to power lines and manholes (for example, Patent Document 2).
また、柱状構造物に対応する３次元点群から、モデルパラメータを推定し、柱状構造物のたわみ量を算出するたわみ推定装置が知られている（特許文献３）。 Further, there is known a deflection estimation device that estimates model parameters from a three-dimensional point group corresponding to a columnar structure and calculates a deflection amount of the columnar structure (Patent Document 3).
しかしながら、上記特許文献１、３および非特許文献１では、モデル当てはめの評価関数のスコアを用いて、３Ｄモデルの存在の有無を判断しているにすぎないため、３次元点群の計測の質を測ることができない。 However, in the above Patent Documents 1 and 3 and Non-Patent Document 1, only the presence or absence of the 3D model is determined using the score of the model fitting evaluation function. Cannot be measured.
本発明は上記事情を考慮してなされたものであり、検出対象物について３次元点群を再計測すべき度合いを算出することができる計測十分度算出装置、方法、及びプログラムを提供することを目的とする。 The present invention has been made in view of the above circumstances, and provides a measurement sufficiency calculation device, method, and program capable of calculating the degree to which a three-dimensional point cloud should be remeasured for a detection target. Objective.
上記目的を達成するために、本発明の計測十分度算出装置は、物体の表面上の位置を表す３次元点の集合である３次元点群に対して、検出対象物を表すモデルパラメータの各候補を推定し、モデルスコアを各々算出することにより、前記検出対象物を検出する検出部と、前記検出部によって検出された前記検出対象物について、前記モデルパラメータの各候補について算出されたモデルスコアの各々に基づいて、モデル当てはめ確信度を算出し、前記モデル当てはめ確信度に基づいて、前記検出対象物についての計測十分度を算出する計測十分度算出部と、を含んで構成されている。 In order to achieve the above object, the measurement sufficiency calculation apparatus of the present invention provides each of the model parameters representing the detection target with respect to the three-dimensional point group which is a set of three-dimensional points representing the position on the surface of the object. By detecting candidates and calculating each model score, a detection unit that detects the detection target, and a model score calculated for each candidate of the model parameter for the detection target detected by the detection unit A measurement sufficiency calculating unit that calculates a model fitting certainty factor based on the model fitting certainty factor and calculates a measurement sufficiency level for the detection target based on the model fitting certainty factor.
本発明の計測十分度算出方法は、検出部が、物体の表面上の位置を表す３次元点の集合である３次元点群に対して、検出対象物を表すモデルパラメータの各候補を推定し、モデルスコアを各々算出することにより、前記検出対象物を検出し、計測十分度算出部が、前記検出部によって検出された前記検出対象物について、前記モデルパラメータの各候補について算出されたモデルスコアの各々に基づいて、モデル当てはめ確信度を算出し、前記モデル当てはめ確信度に基づいて、前記検出対象物についての計測十分度を算出する。 In the measurement sufficiency calculation method of the present invention, the detection unit estimates each model parameter candidate representing a detection target for a three-dimensional point group that is a set of three-dimensional points representing a position on the surface of the object. The model score calculated for each candidate of the model parameter for the detection target detected by the detection unit by detecting the detection target by calculating each model score Based on each of the above, a model fitting certainty factor is calculated, and based on the model fitting certainty factor, a measurement sufficient degree for the detection target is calculated.
また、本発明のプログラムは、コンピュータを、上記の計測十分度算出装置の各部として機能させるためのものである。 Moreover, the program of this invention is for making a computer function as each part of said measurement sufficient degree calculation apparatus.
本発明によれば、３次元点群に対して、検出対象物を表すモデルパラメータの各候補を推定し、モデルパラメータの各候補について算出されたモデルスコアの各々に基づいて、モデル当てはめ確信度を算出し、検出対象物についての計測十分度を算出することにより、検出対象物について３次元点群を再計測すべき度合いを算出することができる、という効果が得られる。 According to the present invention, each model parameter candidate representing a detection target is estimated for a three-dimensional point group, and the model fitting confidence is calculated based on each model score calculated for each model parameter candidate. By calculating and calculating the measurement sufficiency level for the detection target object, it is possible to calculate the degree to which the three-dimensional point cloud should be remeasured for the detection target object.
以下、図面を参照して本発明の実施の形態を詳細に説明する。なお、本実施の形態は本発明を限定するものではない。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. Note that this embodiment does not limit the present invention.
［発明の概要］
まず、本発明の実施の形態における概要を説明する。
[Summary of Invention]
First, an outline of the embodiment of the present invention will be described.
膨大な設備の管理のため３次元点群を用いた設備の検出・状態推定技術の開発が求められている。自動検出・推定を行うためのデータについて、当然に検出対象物が「計測されていること」が前提である。計測業者は、計測日当日において検出対象物について十分に計測できたか、膨大な設備を一つ一つデータを目視で確認する時間がないために、計測が十分にできていない被写体が存在しないように、同じ計測ルートを何回も冗長にMMSを走行させているが、計測コストが増加してしまう。 In order to manage a huge amount of equipment, the development of equipment detection and state estimation technology using 3D point clouds is required. As a matter of course, it is assumed that the detection target is “measured” for the data for automatic detection / estimation. The measurement contractor was able to measure the detection target sufficiently on the day of the measurement, or because there was no time to visually check the data of each huge facility so that there was no subject that could not be measured sufficiently In addition, the MMS is run redundantly over and over the same measurement route, but the measurement cost increases.
また、計測ルートの推薦においては、従来は人手で事前に決定した走行ルートのみを計測していた。しかし、計測漏れが生じないように計測日当日の状況を考慮した再計測ルートを決定することが必要であり、また、本来はオクルージョンの主原因である道路上の移動物体（車）も考慮すべきであり、移動体が存在していた箇所こそ、時間をかえて再度計測すべきである。 Further, in the recommendation of the measurement route, conventionally, only the travel route determined in advance manually is measured. However, it is necessary to determine a remeasurement route that takes into account the situation on the day of the measurement so that measurement omissions do not occur, and also considers moving objects (cars) on the road, which is the main cause of occlusion. The place where the moving object was present should be measured again over time.
そこで、本実施の形態では、被計測表面積およびモデル当てはめの確信度による、計測十分度という指標を定義し、計測が十分されていない検出対象物を客観的に評価できるようにする。これにより、当日の計測結果に応じて、ＭＭＳを再計測で走行させるときに、限られた計測コスト（走行距離）内で、計測十分度が低い設備がある道路区間を最大限効率的に通るルートを推薦する。 Therefore, in the present embodiment, an index called measurement sufficiency based on the surface area to be measured and the certainty of model fitting is defined so that a detection target that is not sufficiently measured can be objectively evaluated. As a result, according to the measurement result of the day, when the MMS is run by re-measurement, it passes through the road section with the equipment with low measurement sufficiency within the limited measurement cost (travel distance) as efficiently as possible. Recommend a route.
［実施形態の概説］
本実施形態の計測十分度算出装置は、物体の表面上の位置を表す３次元点の集合である３次元点群を入力として、路面上の設備を検出することを目的とするものである。具体的には、本実施形態の計測十分度算出装置は、路面上の設備として、電柱、架線、マンホールなどを検出する。
[Outline of Embodiment]
The measurement sufficiency calculation apparatus of the present embodiment is intended to detect equipment on a road surface by using a three-dimensional point group that is a set of three-dimensional points representing a position on the surface of an object as an input. Specifically, the measurement sufficiency calculation apparatus according to the present embodiment detects utility poles, overhead wires, manholes, and the like as equipment on the road surface.
本実施形態における３次元情報とは、緯度、経度、及び海抜（高さ）情報でもよいし、ユーザーが設定した特定の位置を原点とした３次元ユークリッド座標系でも極座標系でもよい。以下の例では、ユーザーが設定した原点における３次元ユークリッド座標系（各方向をＸ，Ｙ，Ｚ座標とする）を想定する。各座標の単位はメートル（ｍ）やセンチメートル（ｃｍ）、及びミリメートル（ｍｍ）で表現するが、他の単位でもよい。 The three-dimensional information in the present embodiment may be latitude, longitude, and sea level (height) information, or may be a three-dimensional Euclidean coordinate system or a polar coordinate system with a specific position set by the user as the origin. In the following example, a three-dimensional Euclidean coordinate system at the origin set by the user (each direction is assumed to be an X, Y, Z coordinate) is assumed. The unit of each coordinate is expressed in meters (m), centimeters (cm), and millimeters (mm), but other units may be used.
３次元点とは、各点に上記の３次元座標に、その点群が撮影された時刻や、レーザーの反射強度や赤・青・緑等の色情報等が付与されている点である。３次元点に付与される情報に制限はないが、少なくとも位置情報（Ｘ，Ｙ，Ｚ座標）と時刻が付与されたものであり、３次元点群とはその３次元点が２点以上集まった集合である。 A three-dimensional point is a point where each point is given the time when the point group was photographed, laser reflection intensity, color information such as red, blue, and green, etc., on the above three-dimensional coordinates. There is no restriction on the information given to the three-dimensional point, but at least position information (X, Y, Z coordinates) and time are given, and the three-dimensional point group is a collection of two or more three-dimensional points. It is a set.
＜本実施形態の計測十分度算出装置１００の構成＞
次に、本実施形態の計測十分度算出装置の構成について説明する。
<Configuration of Measurement Sufficiency Calculation Device 100 of the Present Embodiment>
Next, the configuration of the measurement sufficiency calculation device of this embodiment will be described.
図１に示すように、本実施形態の計測十分度算出装置１００は、入力部１０、演算部２０、及び画像出力部９０を備えている。 As shown in FIG. 1, the measurement sufficiency calculation device 100 of this embodiment includes an input unit 10, a calculation unit 20, and an image output unit 90.
入力部１０は、３次元点群を計測する装置によって予め計測された、物体の表面上の位置を表す３次元点の集合である３次元点群を受け付ける。 The input unit 10 receives a three-dimensional point group that is a set of three-dimensional points representing a position on the surface of an object, which is measured in advance by a device that measures the three-dimensional point group.
３次元点群を計測する装置は、レーザースキャナ、レーザーレンジファインダ、超音波センサ、マイクロソフト社のＫｉｎｅｃｔ（登録商標）のような赤外線センサ、または超音波センサ等、被写体とセンサとの距離を測定可能な装置である。例えば、レーザースキャナをＧＰＳが搭載された車の上等に搭載し、移動しながら計測することで、屋外の環境の地物を被写体とし、例えば、ガードレール、道路地面、ケーブル、及び建物等であり、これら被写体表面の３次元位置を計測する。本実施形態では、３次元点群を計測する装置として、車上にＧＰＳとレーザースキャナとが搭載されているＭＭＳ（Mobile Mapping System）を想定している。なお、３次元点群を計測する装置は、ステレオカメラにより取得した奥行き情報から求めた３次元点群を出力するものであってもよい。 The 3D point cloud measuring device can measure the distance between the subject and the sensor, such as laser scanner, laser range finder, ultrasonic sensor, infrared sensor such as Microsoft Kinect (registered trademark), or ultrasonic sensor. Device. For example, a laser scanner is mounted on a GPS-equipped car or the like and is measured while moving, so that an outdoor environmental feature is a subject, such as a guardrail, road ground, cable, and building. Then, the three-dimensional position of the subject surface is measured. In the present embodiment, an MMS (Mobile Mapping System) in which a GPS and a laser scanner are mounted on a vehicle is assumed as an apparatus for measuring a three-dimensional point group. In addition, the apparatus which measures a three-dimensional point group may output the three-dimensional point group calculated | required from the depth information acquired with the stereo camera.
演算部２０は、記憶部２２、及び解析部２４を備えている。 The calculation unit 20 includes a storage unit 22 and an analysis unit 24.
記憶部２２は、３次元点群記憶部３０と、設備情報記憶部３２と、計測ルート記憶部３４とを備えている。 The storage unit 22 includes a three-dimensional point cloud storage unit 30, an equipment information storage unit 32, and a measurement route storage unit 34.
３次元点群記憶部３０は、入力部１０によって入力された、物体の表面上の位置を表す３次元点の集合である３次元点群を記憶している。 The three-dimensional point group storage unit 30 stores a three-dimensional point group that is a set of three-dimensional points that are input by the input unit 10 and that represents a position on the surface of the object.
設備情報記憶部３２は、解析部２４によって検出された路面上の設備の情報を記憶している。また、設備情報記憶部３２は、路面上の設備の情報を格納した設備管理地図を記憶している。設備管理地図では、例えば、３次元空間上での路面上の各設備の情報が格納されている。 The facility information storage unit 32 stores information on facilities on the road surface detected by the analysis unit 24. The facility information storage unit 32 stores a facility management map that stores information on facilities on the road surface. In the facility management map, for example, information on each facility on the road surface in a three-dimensional space is stored.
計測ルート記憶部３４は、３次元点群を計測する装置による計測が行われたときに当該装置を搭載した車両が走行したルート情報を記憶している。 The measurement route storage unit 34 stores route information traveled by a vehicle on which the device is mounted when measurement is performed by the device that measures the three-dimensional point group.
解析部２４は、３次元点群記憶部３０に記憶された、物体の表面上の位置を表す３次元点の集合である３次元点群を解析して、路面上の設備を検出し、検出結果に基づいて、道路区間毎に、３次元点群を再計測すべき度合いを示す道路区間計測十分度を算出し、再計測すべきルートを算出する。 The analysis unit 24 analyzes a three-dimensional point group, which is a set of three-dimensional points representing a position on the surface of the object, stored in the three-dimensional point group storage unit 30, detects equipment on the road surface, and detects Based on the result, for each road section, a road section measurement sufficiency indicating the degree to which the three-dimensional point cloud should be re-measured is calculated, and a route to be re-measured is calculated.
解析部２４は、検出部３６、計測十分度算出部３８、及び再計測ルート算出部４０を備えている。 The analysis unit 24 includes a detection unit 36, a measurement sufficiency calculation unit 38, and a remeasurement route calculation unit 40.
検出部３６は、３次元点群記憶部３０に記憶されている３次元点群に対して点群解析を行って、路面上の設備を検出する。３次元点群に対する解析方法としては、従来既知の手法を用いればよく、例えば、上記特許文献１に記載の手法を用いればよい。 The detection unit 36 performs point group analysis on the three-dimensional point group stored in the three-dimensional point group storage unit 30 to detect equipment on the road surface. As an analysis method for the three-dimensional point group, a conventionally known method may be used. For example, the method described in Patent Document 1 may be used.
具体的には、３次元点群に対して各点の局所形状に基づくクラスタリングを行なった後、クラスタ毎に、クラスタに属する点群について、ＲＡＮＳＡＣによるモデルパラメータの当てはめを用いて、路面上の設備を表すモデルパラメータの各候補を推定し、モデルパラメータの各候補を評価するモデルスコアに基づいて、路面上の設備を表すモデルパラメータを推定し、路面上の設備を表す点群を検出する。 Specifically, after clustering based on the local shape of each point for a three-dimensional point group, for each point group belonging to the cluster, using RANSAC model parameter fitting, the facility on the road surface Are estimated, model parameters representing the facilities on the road surface are estimated based on the model score for evaluating each model parameter candidate, and a point group representing the facilities on the road surface is detected.
計測十分度算出部３８は、検出部３６によって検出された路面上の設備の各々について、当てはめたモデルパラメータの各候補について算出されたモデルスコアの各々に基づいて、モデル当てはめ確信度を算出する。 The measurement sufficiency calculation unit 38 calculates a model fitting reliability for each piece of equipment on the road surface detected by the detection unit 36 based on each model score calculated for each candidate of the fitted model parameter.
また、計測十分度算出部３８は、検出部３６によって検出された路面上の設備の各々について、当該路面上の設備に対応する点群から、当該路面上の設備の被計測表面積を算出し、被計測表面積に基づいて、被計測表面積スコアを算出する。 The measurement sufficiency calculation unit 38 calculates, for each piece of equipment on the road surface detected by the detection unit 36, a measured surface area of the equipment on the road surface from a point group corresponding to the equipment on the road surface, Based on the measured surface area, a measured surface area score is calculated.
また、計測十分度算出部３８は、検出部３６によって検出された路面上の設備の各々について、モデルパラメータに基づいて、当該路面上の設備に異常があるか否かを判定し、判定結果に基づいて異常判定スコアを算出する。 Further, the measurement sufficiency calculation unit 38 determines, for each piece of equipment on the road surface detected by the detection unit 36, whether there is an abnormality in the equipment on the road surface based on the model parameter, and determines the determination result. Based on this, an abnormality determination score is calculated.
また、計測十分度算出部３８は、検出部３６によって検出された路面上の設備の各々について、３次元点群から、当該路面上の設備のオクルージョンとなる点群を抽出し、抽出された点群に基づいて、オクルージョンスコアを算出する。 Further, the measurement sufficiency calculation unit 38 extracts, from each of the equipment on the road surface detected by the detection unit 36, a point group that becomes the occlusion of the equipment on the road surface from the three-dimensional point group, and the extracted points An occlusion score is calculated based on the group.
計測十分度算出部３８は、検出部３６によって検出された路面上の設備の各々について、モデル当てはめ確信度、被計測表面積スコア、異常判定スコア、及びオクルージョンスコアに基づいて、当該路面上の設備について、３次元点群を再計測すべきか否かの指標となる計測十分度を算出する。 The measurement sufficiency calculation unit 38 uses the model fitting reliability, the measured surface area score, the abnormality determination score, and the occlusion score for each piece of equipment on the road surface detected by the detection unit 36 for the equipment on the road surface. A measurement sufficiency that is an index as to whether or not to re-measure the three-dimensional point group is calculated.
計測十分度算出部３８は、道路区間毎に、当該道路区間において検出された路面上の設備の各々について算出された計測十分度に基づいて、道路区間計測十分度を算出する。ここで、道路区間とは、例えば数十メートル単位で区切った領域のことをいう。 The measurement sufficiency calculation unit 38 calculates the road section measurement sufficiency for each road section based on the measurement sufficiency calculated for each piece of equipment on the road surface detected in the road section. Here, the road section refers to an area divided in units of several tens of meters, for example.
再計測ルート算出部４０は、計測十分度算出部３８によって道路区間毎に算出された道路区間計測十分度に基づいて、再計測すべき道路区間を含む再計測ルートを算出する。 The remeasurement route calculation unit 40 calculates a remeasurement route including a road section to be remeasured based on the road section measurement sufficiency calculated for each road section by the measurement sufficiency calculation unit 38.
なお、本実施形態の計測十分度算出装置１００は、ＣＰＵ（Central Processing Unit）と、ＲＡＭ（Random Access Memory）と、後述する検出処理を実行するためのプログラムや各種データを記憶したＲＯＭと（Read Only Memory）、を含むコンピュータで構成することが出来る。本実施形態のＣＰＵがプログラムを実行することにより、演算部２０が有する各部として機能する。 The measurement sufficiency calculation apparatus 100 according to the present embodiment includes a CPU (Central Processing Unit), a RAM (Random Access Memory), a ROM that stores a program for executing a detection process to be described later, and various data (Read Only memory). The CPU of the present embodiment functions as each unit included in the calculation unit 20 by executing the program.
＜本実施形態の計測十分度算出装置１００の動作＞
次に、本実施形態の計測十分度算出装置１００の動作について説明する。
<Operation of Measurement Sufficiency Calculation Device 100 of the Present Embodiment>
Next, the operation of the measurement sufficiency calculation device 100 of this embodiment will be described.
まず、計測日当日、決定した計測ルートに沿ってＭＭＳを搭載した車両が走行しながら、各時刻において、３次元点群を計測し、得られた３次元点群が入力部１０によって入力され、３次元点群記憶部３０に格納されると共に、計測ルートが、計測ルート記憶部３４に記憶される。 First, on the day of the measurement, while the vehicle equipped with the MMS is traveling along the determined measurement route, the 3D point cloud is measured at each time, and the obtained 3D point cloud is input by the input unit 10. The measurement route is stored in the measurement route storage unit 34 while being stored in the three-dimensional point cloud storage unit 30.
３次元点群の計測が終了すると、図２に示すように、本実施形態の計測十分度算出装置１００において、検出処理が実行される。 When the measurement of the three-dimensional point group is completed, as shown in FIG. 2, detection processing is executed in the measurement sufficiency calculation device 100 of the present embodiment.
ステップＳ１００で、検出部３６は、３次元点群記憶部３０に記憶されている、ＭＭＳによる計測結果である３次元点群を読み込む。ステップＳ１０２で、検出部３６は、上記ステップＳ１００で読み込んだ３次元点群に対して点群解析を行って、路面上の設備を検出し、検出された路面上の設備の情報を設備情報記憶部３２に格納する。 In step S <b> 100, the detection unit 36 reads a three-dimensional point group that is a measurement result by MMS and is stored in the three-dimensional point group storage unit 30. In step S102, the detection unit 36 performs point cloud analysis on the three-dimensional point cloud read in step S100, detects equipment on the road surface, and stores information on the detected equipment on the road surface as equipment information. Stored in the unit 32.
上記ステップＳ１０２は、図３に示す処理ルーチンにより実現される。 Step S102 is realized by the processing routine shown in FIG.
ステップＳ１２０では、上記ステップＳ１００で読み込んだ３次元点群に対して、各点の局所形状に基づくクラスタリングを行い、路面上の設備に対応する各クラスタを抽出し、抽出されたクラスタ毎に、当該クラスタに属する点群を、オブジェクトとして抽出する。 In step S120, clustering based on the local shape of each point is performed on the three-dimensional point group read in step S100, and each cluster corresponding to the equipment on the road surface is extracted. The point group belonging to the cluster is extracted as an object.
ステップＳ１２２では、上記ステップＳ１２０で抽出されたオブジェクトのうち、対象オブジェクトを一つ設定する。 In step S122, one target object is set from the objects extracted in step S120.
ステップＳ１２４では、対象オブジェクトの点群に対して、路面上の設備を表すモデルのモデルパラメータの候補の各々を推定し、モデルパラメータの候補の各々について、当該候補を評価するモデルスコアを算出する。 In step S124, each model parameter candidate of a model representing a facility on the road surface is estimated for the point group of the target object, and a model score for evaluating the candidate is calculated for each model parameter candidate.
例えば、対象オブジェクトの点群に対して、ＲＡＮＳＡＣにより、モデルパラメータを当てはめて、モデルパラメータの各候補を推定する。ここで、対象オブジェクトが表す設備の種類が既知のものとし、当該種類のモデルパラメータの候補を推定するものとする。 For example, model parameters are applied to the point group of the target object by RANSAC to estimate each model parameter candidate. Here, it is assumed that the type of equipment represented by the target object is known, and model parameter candidates of that type are estimated.
ステップＳ１２６では、上記ステップＳ１２４で推定されたモデルパラメータの候補の各々を、算出されたモデルスコアと共に、メモリ（図示省略）に格納する。 In step S126, each of the model parameter candidates estimated in step S124 is stored in a memory (not shown) together with the calculated model score.
そして、ステップＳ１２８では、最大のモデルスコアとなるモデルパラメータの候補を用いて、対象オブジェクトを表す路面上の設備を検出し、設備情報記憶部３２に格納する。 In step S128, the facility on the road surface representing the target object is detected using the model parameter candidate that is the maximum model score, and is stored in the facility information storage unit 32.
ステップＳ１３０では、上記ステップＳ１２０で抽出された全てのオブジェクトについて、上記ステップＳ１２２〜Ｓ１２８の処理を実行したか否かを判定し、上記ステップＳ１２２〜Ｓ１２８の処理を実行していないオブジェクトが存在する場合には、上記ステップＳ１２２へ戻り、当該オブジェクトを、対象オブジェクトとして設定する。一方、抽出された全てのオブジェクトについて、上記ステップＳ１２２〜Ｓ１２８の処理を実行した場合には、当該処理ルーチンを終了する。 In step S130, it is determined whether or not the processing in steps S122 to S128 has been executed for all the objects extracted in step S120, and there is an object that has not executed the processing in steps S122 to S128. In step S122, the object is set as a target object. On the other hand, when the processes in steps S122 to S128 are executed for all the extracted objects, the process routine is terminated.
そして、図２の検出処理ルーチンのステップＳ１０４で、計測十分度算出部３８は、上記ステップＳ１０２による路面上の設備の検出結果に基づいて、道路区間毎に、道路区間計測十分度を算出する。 Then, in step S104 of the detection processing routine of FIG. 2, the measurement sufficiency calculation unit 38 calculates the road section measurement sufficiency for each road section based on the detection result of the equipment on the road surface in step S102.
ステップＳ１０４は、図４に示す処理ルーチンにより実現される。 Step S104 is realized by the processing routine shown in FIG.
ステップＳ１４０では、上記ステップＳ１０２によって検出された路面上の設備のうち、何れか一つを対象設備として設定する。 In step S140, one of the facilities on the road surface detected in step S102 is set as the target facility.
ステップＳ１４２では、対象設備について、最大のモデルスコアとなるモデルパラメータを当てはめたときの被計測表面積に基づいて、被計測表面積スコアを算出する。例えば、被計測表面積を、モデルパラメータが表すモデル表面を格子状に分割したときの、対象設備の点群の少なくとも１点を含む各格子の総面積とし、過去に対象設備について計測した結果から求められる被計測表面積の期待値Ｓｅと、今回計測した際の被計測表面積Ｓｔとの比率を、被計測表面積スコアＳとして算出する。 In step S142, the surface area to be measured is calculated based on the surface area to be measured when the model parameter that is the maximum model score is applied to the target equipment. For example, the surface area to be measured is the total area of each grid including at least one point of the target equipment point group when the model surface represented by the model parameter is divided into a grid, and is obtained from the results of measurements on the target equipment in the past. the expected value S e of the measured surface area is, the ratio of the measured surface area S t when measured this time is calculated as the measured surface area score S.
ステップＳ１４４では、対象設備について、推定されたモデルパラメータの各候補について算出されたモデルスコアに基づいて、モデル当てはめ確信度Ａを算出する。 In step S144, the model fitting certainty factor A is calculated based on the model score calculated for each candidate of estimated model parameters for the target equipment.
上記ステップＳ１４４は、図５に示す処理ルーチンにより実現される。 Step S144 is realized by the processing routine shown in FIG.
ステップＳ１６０では、対象設備について、推定されたモデルパラメータの候補から、モデルスコアの最大値Scoreから誤差許容率γ(1より小さい値)を掛け算したスコア以上となるモデルパラメータの候補を抽出する。 In step S160, for the target equipment, model parameter candidates that are equal to or higher than the score obtained by multiplying the maximum model score Score by the error tolerance γ (a value smaller than 1) are extracted from the estimated model parameter candidates.
ステップＳ１６２では、抽出されたモデルパラメータの候補毎に、モデルパラメータの各パラメータに対し、最大のモデルスコアとなるモデルパラメータの当該パラメータと、当該モデルパラメータの候補の当該パラメータとの差分を算出して、変動率ξを算出し、算出された変動率ξの最小値を、モデル当てはめ確信度Ａとして算出する。例えば、モデル当てはめ確信度Ａは、以下の式で計算される。 In step S162, for each model parameter candidate extracted, for each parameter of the model parameter, the difference between the parameter of the model parameter that is the maximum model score and the parameter of the model parameter candidate is calculated. Then, the fluctuation rate ξ is calculated, and the calculated minimum value of the fluctuation rate ξ is calculated as the model fitting certainty factor A. For example, the model fitting certainty factor A is calculated by the following equation.
ただしＶlocationは、モデルパラメータの中心位置座標を表す３次元ベクトルであり、Ｖposeは、モデルパラメータの姿勢（傾き）を表す３次元ベクトルであり、Ｓｃａｌｅは、モデルパラメータの大きさパラメータ（各物体を規定する断面のスケールの大きさ）を表し、例えば、電柱の断面（円の直径）の大きさである。また、記号「￣」は、最大のモデルスコアとなるモデルパラメータの当該パラメータを意味する。 Where V location is a three-dimensional vector representing the center position coordinates of the model parameter, V pose is a three-dimensional vector representing the posture (tilt) of the model parameter, and Scale is a size parameter of each model parameter (each object For example, the size of the cross section of the utility pole (diameter of the circle). The symbol “￣” means the parameter of the model parameter that is the maximum model score.
図６、図７に示すように、最大のモデルスコアとなるモデルパラメータの中心位置に対する、モデルパラメータの候補の中心位置の差分、最大のモデルスコアとなるモデルパラメータのスケール（半径）に対する、モデルパラメータの候補のスケールの差分、最大のモデルスコアとなるモデルパラメータの傾きに対する、モデルパラメータの候補の傾きの差分を算出して、モデルパラメータの候補についての変動率を算出する。モデルパラメータの各候補について算出された変動率ξのうち最小値が、モデル当てはめ確信度となる。 As shown in FIG. 6 and FIG. 7, the model parameter with respect to the difference of the center position of the model parameter candidate with respect to the center position of the model parameter with the maximum model score and the scale (radius) of the model parameter with the maximum model score. The difference of the model parameter candidate slope is calculated with respect to the difference in scale of the model parameter, and the slope of the model parameter candidate with respect to the slope of the model parameter serving as the maximum model score. The minimum value of the fluctuation rates ξ calculated for each model parameter candidate is the model fitting confidence.
例えば、検出対象となる設備の３次元点群を偏りなく計測していた場合には、モデルスコアの最大値Scoreに0.98を掛けた値以上となるモデルパラメータの候補を調べると、最大スコアとなるモデルパラメータに対して大きな差分を持つモデルパラメータの候補は少なくなり、モデル当てはめ確信度が高くなる。 For example, if the three-dimensional point cloud of the equipment to be detected is measured without deviation, the maximum score is obtained by examining model parameter candidates that are equal to or greater than 0.98 times the maximum model score value Score. The number of model parameter candidates having a large difference with respect to the model parameter is reduced, and the confidence factor for fitting the model is increased.
ここで、検出される設備の種類は既知であるとし、以下に、電柱を円柱モデルで表現した例について説明する。 Here, it is assumed that the type of equipment to be detected is known, and an example in which the utility pole is expressed by a cylindrical model will be described below.
図８（Ａ）に示すように、最大スコアとなるモデルパラメータのモデル表面において、点群が偏りが少なく計測されている場合には、図８（Ｂ）に示すように、モデルパラメータの候補のバラつき（変動値や分散）は小さくなり、モデル当てはめ確信度が高くなる。 As shown in FIG. 8A, when the point cloud is measured with little deviation on the model surface of the model parameter having the maximum score, as shown in FIG. The variation (variation value and variance) is reduced, and the confidence in fitting the model is increased.
一方、図９（Ａ）に示すように、最大スコアとなるモデルパラメータのモデル表面において、計測点群の偏りが大きく、かつ、計測誤差も大きい場合には、図９（Ｂ）に示すように、モデルパラメータの候補のバラつき（変動値や分散）は大きくなり、モデル当てはめ確信度が低くなる。 On the other hand, as shown in FIG. 9A, when the deviation of the measurement point group is large and the measurement error is large on the model surface of the model parameter having the maximum score, as shown in FIG. The variation (variation value and variance) of the model parameter candidates becomes large, and the confidence factor for fitting the model becomes low.
そして、図４に示す処理ルーチンにおけるステップＳ１４６において、対象設備について、モデルパラメータに基づいて、異常があるか否かを判定し、異常があるか否かの判定結果に基づく異常判定スコアＦを算出する。例えば、パラメータ毎に、過去に対象設備について計測したときのモデルパラメータの当該パラメータと比較して、今回得られたモデルパラメータの当該パラメータの差分が閾値以上である場合に、異常があると判定する。電柱であれば、モデルパラメータの中心位置の差分が閾値以上、モデルパラメータのスケールの差分が閾値以上、又はモデルパラメータの半径の差分が閾値以上である場合に、異常があると判定する。 Then, in step S146 in the processing routine shown in FIG. 4, it is determined whether there is an abnormality for the target equipment based on the model parameter, and an abnormality determination score F is calculated based on the determination result of whether there is an abnormality. To do. For example, for each parameter, it is determined that there is an abnormality when the difference of the parameter of the model parameter obtained this time is greater than or equal to a threshold value compared with the parameter of the model parameter measured for the target equipment in the past. . If it is a utility pole, it is determined that there is an abnormality when the difference in the center position of the model parameter is greater than or equal to the threshold, the difference in scale of the model parameter is greater than or equal to the threshold, or the difference in radius of the model parameter is greater than or equal to the threshold.
異常判定スコアＦは、異常と判定された場合には、σFとし、異常がないと判定された場合には、１とする。σFは、異常と判定されたときに計測十分度が下げるための固定係数（０〜１の値）であり、０に近い小さい値とする。 The abnormality determination score F is set to σ F when it is determined to be abnormal, and is set to 1 when it is determined that there is no abnormality. σ F is a fixed coefficient (value of 0 to 1) for lowering the measurement sufficient degree when it is determined as abnormal, and is a small value close to 0.
ステップＳ１４８において、３次元点群から、対象設備のオクルージョンとなる点群を抽出し、抽出された点群に基づいて、オクルージョンスコアＧを算出する。例えば、３次元点群から道路境界を検出し、道路境界内部に含まれる、道路面より上空の物体（例えば、車）の点群を、対象設備のオクルージョンとなる物体の点群として抽出し、抽出された点群を、対象設備のモデルに投影し、対象設備のモデル表面を格子状に分割したときの、投影点群の少なくとも１点を含む各格子の総面積ＳGを求め、過去に対象設備について計測した結果から求められる被計測表面積の期待値Ｓｅとの差分（Ｓe−ＳG）を、期待値Ｓeで除した値を、オクルージョンスコアＧとして算出する。 In step S148, a point group that is occlusion of the target equipment is extracted from the three-dimensional point group, and an occlusion score G is calculated based on the extracted point group. For example, a road boundary is detected from a three-dimensional point cloud, and a point cloud of an object (e.g., a car) above the road surface included in the road boundary is extracted as a point cloud of an object that becomes an occlusion of the target equipment. the extracted point group, by projecting the model of the target equipment, when dividing the surface of the model relevant equipment in a grid, determine the total area S G of each grating comprising at least one point of the projection point group in the past the difference (S e -S G) of the expected value S e of the measured surface area determined from the result of measuring the relevant equipment, the value obtained by dividing the expectation value S e, is calculated as occlusion score G.
これにより、車の後ろ側に設備があった場合、当該設備については、再計測することで被計測表面積を広げられる可能性が高いと判断し、オクルージョンスコアにより、計測十分度を下げることができる。 As a result, when there is equipment on the back side of the car, it is judged that there is a high possibility that the measured surface area can be expanded by re-measurement, and the degree of measurement can be lowered by the occlusion score. .
そして、ステップＳ１５０において、上記ステップＳ１４２で計算された被計測表面積スコアＳ、上記ステップＳ１４４で計算されたモデル当てはめ確信度Ａ、上記ステップＳ１４６で計算された異常判定スコアＦ、及び上記ステップＳ１４８で計算されたオクルージョンスコアＧに基づいて、以下の式に従って、対象設備の計測十分度Ｊを算出する。 In step S150, the measured surface area score S calculated in step S142, the model fitting certainty factor A calculated in step S144, the abnormality determination score F calculated in step S146, and the calculation in step S148. Based on the obtained occlusion score G, the measurement sufficiency J of the target equipment is calculated according to the following equation.
ただし、λは、被計測表面スコアをモデル当てはめ確信度の重み係数であり、実験的に決めるパラメータである。なお、計測十分度Ｊの計算式は、上記の式に限定されるものではなく、例えば、異常判定スコアＦやオクルージョンスコアＧを乗算するのではなく、加算するようにしてもよい。 However, λ is a weighting factor of the certainty factor for fitting the surface score to be measured, and is a parameter determined experimentally. Note that the calculation formula for the measurement sufficiency J is not limited to the above formula, and for example, it may be added instead of multiplying the abnormality determination score F or the occlusion score G.
ステップＳ１５２では、上記ステップＳ１０２によって検出された全ての路面上の設備について、上記ステップＳ１４０〜Ｓ１５２の処理を実行したか否かを判定し、上記ステップＳ１４０〜Ｓ１５２の処理を実行していない路面上の設備が存在する場合には、上記ステップＳ１４０へ戻り、当該路面上の設備を対象とする。一方、全ての路面上の設備について、上記ステップＳ１４０〜Ｓ１５２の処理を実行した場合には、ステップＳ１５４へ進む。 In step S152, it is determined whether or not the processing in steps S140 to S152 has been executed for all the equipment on the road surface detected in step S102. On the road surface in which the processing in steps S140 to S152 has not been executed. If there is such a facility, the process returns to step S140 to target the facility on the road surface. On the other hand, when the processes in steps S140 to S152 have been executed for all the equipment on the road surface, the process proceeds to step S154.
ステップＳ１５４では、道路区間毎に、当該道路区間内で検出された路面上の設備の各々について計算された計測十分度Ｊの統計値（例えば、平均値、最小値、最大値）を、道路区間計測十分度として算出する。 In step S154, a statistical value (for example, an average value, a minimum value, and a maximum value) of the measurement sufficiency J calculated for each piece of equipment on the road surface detected in the road section is calculated for each road section. Calculated as measurement sufficiency.
そして、上記図２に示す検出処理ルーチンにおけるステップＳ１０６において、道路区間計測十分度に関する閾値を設定する。初めてのステップＳ１０６では、初期値を設定し、２回目以降のステップＳ１０６では、前回の設定値より低く設定する。 Then, in step S106 in the detection processing routine shown in FIG. 2, a threshold relating to the road section measurement sufficiency is set. In the first step S106, an initial value is set, and in the second and subsequent steps S106, it is set lower than the previous set value.
ステップＳ１０８では、上記ステップＳ１０４で算出された道路区間計測十分度と、上記ステップＳ１０６で設定された閾値とに基づいて、再計測ルートを算出する。 In step S108, a remeasurement route is calculated based on the road section measurement sufficiency calculated in step S104 and the threshold set in step S106.
上記ステップＳ１０８は、図１０に示す処理ルーチンにより実現される。 Step S108 is realized by the processing routine shown in FIG.
ステップＳ１６０では、上記ステップＳ１０４で算出された道路区間計測十分度に基づいて、道路区間計測十分度が閾値以下となる道路区間を抽出する。 In step S160, based on the road section measurement sufficiency calculated in step S104, a road section in which the road section measurement sufficiency is equal to or less than a threshold is extracted.
ステップＳ１６２では、上記ステップＳ１６０で抽出された道路区間を、再訪問すべきノード、それ以外の道路区間をリンクとするようなグラフを構築する（図１１参照）。グラフの各ノード及び各リンクが、道路区間の走行距離を含んでいる。 In step S162, a graph is constructed in which the road section extracted in step S160 is a node to be revisited and the other road sections are links (see FIG. 11). Each node and each link in the graph includes the travel distance of the road section.
ステップＳ１６４では、巡回セールス問題として、再訪問すべきノードを巡回する最短巡回経路を計算し、再計測ルートとする。 In step S164, as a traveling sales problem, the shortest traveling route that travels around the node to be revisited is calculated and set as a remeasurement route.
そして、上記図２に示す検出処理ルーチンにおけるステップＳ１１０において、上記ステップＳ１０８で算出された再計測ルートが、事前に決めていた走行距離又は走行時間の範囲内であるか否かを判定する。再計測ルートが、事前に決めていた走行距離又は走行時間の範囲内でない場合には、上記ステップＳ１０６へ戻り、閾値を更新する。一方、再計測ルートが、事前に決めていた走行距離又は走行時間の範囲内である場合には、ステップＳ１１２で、上記ステップＳ１０８で算出された再計測ルートを、画像出力部９０により出力し、ユーザーに提示する。このとき、ユーザーが許容しない場合には、許容走行距離又は許容走行時間の入力を受け付けて、上記ステップＳ１０６へ戻ってもよい。 Then, in step S110 in the detection processing routine shown in FIG. 2, it is determined whether or not the remeasurement route calculated in step S108 is within the range of travel distance or travel time determined in advance. If the remeasurement route is not within the range of travel distance or travel time determined in advance, the process returns to step S106 to update the threshold value. On the other hand, if the remeasurement route is within the range of travel distance or travel time determined in advance, the remeasurement route calculated in step S108 is output by the image output unit 90 in step S112. Present to the user. At this time, if the user does not allow, an input of an allowable travel distance or an allowable travel time may be accepted and the process may return to step S106.
そして、再度、同じ計測日に、算出された再計測ルートに沿ってＭＭＳを搭載した車両が走行しながら、各時刻において、３次元点群を計測し、得られた３次元点群が入力部１０によって入力され、３次元点群記憶部３０に格納されると共に、計測ルートが、計測ルート記憶部３４に記憶される。 And again, on the same measurement day, while the vehicle carrying the MMS is traveling along the calculated remeasurement route, the 3D point cloud is measured at each time, and the obtained 3D point cloud is input to the input unit. 10 and is stored in the three-dimensional point cloud storage unit 30 and the measurement route is stored in the measurement route storage unit 34.
３次元点群の計測が終了すると、ステップＳ１１４で、検出部３６は、３次元点群記憶部３０に記憶されている、ＭＭＳによる計測結果である３次元点群を読み込む。ステップＳ１１６で、検出部３６は、上記ステップＳ１１４で読み込んだ３次元点群に対して点群解析を行って、路面上の設備を検出し、検出された路面上の設備の情報を設備情報記憶部３２に格納する。上記ステップＳ１１６は、上記図３に示す処理ルーチンにより実現される。 When the measurement of the three-dimensional point group is completed, in step S114, the detection unit 36 reads the three-dimensional point group, which is a measurement result by MMS, stored in the three-dimensional point group storage unit 30. In step S116, the detection unit 36 performs point cloud analysis on the three-dimensional point group read in step S114, detects equipment on the road surface, and stores information on the detected equipment on the road surface as equipment information. Stored in the unit 32. Step S116 is realized by the processing routine shown in FIG.
そして、ステップＳ１１８で、計測十分度算出部３８は、上記ステップＳ１１６による路面上の設備の検出結果に基づいて、道路区間毎に、道路区間計測十分度を算出する。上記ステップＳ１１８は、上記図４に示す処理ルーチンにより実現される。 In step S118, the measurement sufficiency calculation unit 38 calculates the road section measurement sufficiency for each road section based on the detection result of the equipment on the road surface in step S116. Step S118 is realized by the processing routine shown in FIG.
ステップＳ１１９では、上記ステップＳ１１８で算出された道路区間毎の道路区間計測十分度を、画像出力部９０により出力し、ユーザーに提示し、検出処理ルーチンを終了する。これにより、ユーザーは、道路区間毎の道路区間計測十分度を参照して、次回の計測ルートを決定することができる。 In step S119, the road section measurement sufficiency for each road section calculated in step S118 is output by the image output unit 90 and presented to the user, and the detection processing routine is terminated. Thereby, the user can determine the next measurement route with reference to the road section measurement sufficiency for each road section.
以上説明したように、本実施形態の計測十分度算出装置１００によれば、３次元点群に対して、路面上の設備を表すモデルパラメータの各候補を推定し、モデルパラメータの各候補について算出されたモデルスコアの各々に基づいて、モデル当てはめ確信度を算出し、路面上の設備に対応する点群から、被計測表面積スコアを算出し、モデルパラメータに基づいて、当該路面上の設備に異常があるか否かを判定して異常判定スコアを算出し、路面上の設備のオクルージョンとなる点群を抽出してオクルージョンスコアを算出し、被計測表面積スコア、モデル当てはめ確信度、異常判定スコア、及びオクルージョンスコアに基づいて、検出した路面上の設備についての計測十分度を算出することにより、３次元点群を再計測すべき度合いを算出することができる。 As described above, according to the measurement sufficiency calculation apparatus 100 of the present embodiment, each model parameter candidate representing a facility on the road surface is estimated for a three-dimensional point group, and the model parameter candidate is calculated. The model fitting confidence is calculated based on each of the model scores, the measured surface area score is calculated from the point cloud corresponding to the equipment on the road surface, and the equipment on the road surface is abnormal based on the model parameters. To determine whether or not there is an abnormality determination score, extract a point cloud that becomes the occlusion of equipment on the road surface, calculate the occlusion score, measured surface area score, model fitting confidence, abnormality determination score, And the degree to which the 3D point cloud should be re-measured by calculating the measurement sufficiency of the detected equipment on the road surface based on the occlusion score Rukoto can.
また、道路区間毎に、道路区間において検出された路面上の設備の各々について算出された計測十分度に基づいて、道路区間計測十分度を算出し、再計測すべき道路区間を含む再計測ルートを算出することにより、計測十分度が低い設備がある道路区間を通るルートを推薦することができる。 In addition, for each road segment, a road segment measurement sufficiency is calculated based on the measurement sufficiency calculated for each piece of equipment on the road surface detected in the road segment, and a remeasurement route including the road segment to be remeasured By calculating, it is possible to recommend a route that passes through a road section having equipment with a low degree of measurement sufficient.
なお、本実施形態は一例であり、具体的な構成は本実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計等も含まれ、状況に応じて変更可能であることは言うまでもない。 Note that this embodiment is an example, and the specific configuration is not limited to this embodiment, and includes design and the like within a scope that does not depart from the gist of the present invention, and can be changed according to circumstances. Needless to say.
例えば、被計測表面積スコアＳ、モデル当てはめ確信度Ａ、異常判定スコアＦ、及びオクルージョンスコアＧに基づいて、計測十分度Ｊを算出する場合を例に説明したが、これに限定されるものではなく、モデル当てはめ確信度Ａのみに基づいて、計測十分度Ｊを算出してもよい。また、モデル当てはめ確信度Ａと、被計測表面積スコアＳ、異常判定スコアＦ、及びオクルージョンスコアＧのうちの少なくとも一つとの組み合わせに基づいて、計測十分度Ｊを算出してもよい。 For example, the case where the measurement sufficiency J is calculated based on the measured surface area score S, the model fitting certainty A, the abnormality determination score F, and the occlusion score G has been described as an example, but the present invention is not limited thereto. The measurement sufficiency J may be calculated based only on the model fitting certainty factor A. Further, the measurement sufficiency J may be calculated based on a combination of the model fitting certainty factor A and at least one of the measured surface area score S, the abnormality determination score F, and the occlusion score G.
また、路面上の設備を検出対象物とする場合を例に説明したが、これに限定されるものではなく、路面上の設備以外のものを検出対象物としてもよい。 Moreover, although the case where the installation on a road surface was made into the detection target object was demonstrated to an example, it is not limited to this, You may make things other than the installation on a road surface into a detection target object.
１０ 入力部
２０ 演算部
２２ 記憶部
２４ 解析部
２８ 記憶部
３０ ３次元点群記憶部
３２ 設備情報記憶部
３４ 計測ルート記憶部
３６ 検出部
３８ 計測十分度算出部
４０ 再計測ルート算出部
９０ 画像出力部
１００ 計測十分度算出装置
DESCRIPTION OF SYMBOLS 10 Input part 20 Calculation part 22 Storage part 24 Analysis part 28 Storage part 30 Three-dimensional point cloud storage part 32 Equipment information storage part 34 Measurement route storage part 36 Detection part 38 Measurement sufficient degree calculation part 40 Remeasurement route calculation part 90 Image output Unit 100 Measurement sufficiency calculation device
Claims (8)
前記検出部によって検出された前記検出対象物について、前記モデルパラメータの各候補について算出されたモデルスコアの各々に基づいて、モデル当てはめ確信度を算出し、前記モデル当てはめ確信度に基づいて、前記検出対象物についての計測十分度を算出する計測十分度算出部と、
を含む計測十分度算出装置。 By estimating each model parameter candidate representing a detection target for a three-dimensional point group that is a set of three-dimensional points representing a position on the surface of the object and calculating a model score, the detection target A detection unit for detecting
For the detection object detected by the detection unit, a model fitting confidence is calculated based on each model score calculated for each candidate of the model parameter, and the detection is performed based on the model fitting confidence. A measurement sufficiency calculation unit for calculating a measurement sufficiency level for the object;
Measurement sufficiency calculation device including
前記モデル当てはめ確信度及び前記被計測表面積スコアに基づいて、前記検出対象物についての計測十分度を算出する請求項１記載の計測十分度算出装置。 The measurement sufficiency calculation unit further calculates a measurement surface area score based on the measurement surface area obtained for the detection object detected by the detection unit,
The measurement sufficiency calculating device according to claim 1, wherein a sufficiency of measurement for the detection target is calculated based on the model fitting certainty factor and the measured surface area score.
前記モデル当てはめ確信度、及び前記異常があるか否かの判定結果に基づく異常判定スコアに基づいて、前記検出対象物についての計測十分度を算出する請求項１又は２記載の計測十分度算出装置。 The measurement sufficiency calculation unit further determines whether or not there is an abnormality with respect to the detection object detected by the detection unit,
The measurement sufficiency calculation device according to claim 1 or 2, wherein the measurement sufficiency calculation device for the detection target is calculated based on the model fitting certainty factor and an abnormality determination score based on a determination result of whether or not there is an abnormality. .
前記モデル当てはめ確信度、及び前記オクルージョンスコアに基づいて、前記検出対象物についての計測十分度を算出する請求項１〜請求項３の何れか１項記載の計測十分度算出装置。 The measurement sufficiency calculation unit further extracts, from the three-dimensional point group, a point group of an object that becomes an occlusion of the detection target detected by the detection unit, and based on the extracted point group, Calculate the occlusion score,
The measurement sufficiency calculation device according to any one of claims 1 to 3, wherein a measurement sufficiency for the detection target is calculated based on the model fitting certainty factor and the occlusion score.
前記計測十分度算出部によって前記道路区間毎に算出された道路区間計測十分度に基づいて、再計測すべき前記道路区間を含む再計測ルートを算出する再計測ルート算出部を更に含む請求項１〜請求項４の何れか１項記載の計測十分度算出装置。 The measurement sufficiency calculation unit further calculates, for each road section, a road section measurement sufficiency based on the measurement sufficiency calculated for each of the detection objects detected in the road section,
The remeasurement route calculation part which calculates the remeasurement route containing the said road section which should be remeasured based on the road section measurement sufficiency calculated for every said road section by the said measurement sufficient degree calculation part is further included. The measurement sufficient degree calculation device according to any one of claims 4 to 5.
計測十分度算出部が、前記検出部によって検出された前記検出対象物について、前記モデルパラメータの各候補について算出されたモデルスコアの各々に基づいて、モデル当てはめ確信度を算出し、前記モデル当てはめ確信度に基づいて、前記検出対象物についての計測十分度を算出する
計測十分度算出方法。 By detecting each model parameter candidate representing a detection target for a three-dimensional point group that is a set of three-dimensional points representing a position on the surface of an object, and calculating a model score, Detecting the detection object;
A measurement sufficiency calculation unit calculates a model fitting confidence for each of the detection targets detected by the detection unit based on each model score calculated for each candidate of the model parameter, and the model fitting confidence A measurement sufficiency calculation method for calculating a measurement sufficiency for the detection object based on the degree.
前記モデル当てはめ確信度及び前記被計測表面積スコアに基づいて、前記検出対象物についての計測十分度を算出する請求項６記載の計測十分度算出方法。 By calculating the measurement sufficiency calculation unit, further, based on the measurement surface area obtained for the detection object detected by the detection unit, to calculate a measurement surface area score,
The measurement sufficiency calculation method according to claim 6, wherein a measurement sufficiency for the detection target is calculated based on the model fitting certainty factor and the measured surface area score.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016244698A JP6553586B2 (en) | 2016-12-16 | 2016-12-16 | Measurement sufficiency calculation device, method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016244698A JP6553586B2 (en) | 2016-12-16 | 2016-12-16 | Measurement sufficiency calculation device, method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018096945A true JP2018096945A (en) | 2018-06-21 |
| JP6553586B2 JP6553586B2 (en) | 2019-07-31 |
Family
ID=62632915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016244698A Active JP6553586B2 (en) | 2016-12-16 | 2016-12-16 | Measurement sufficiency calculation device, method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6553586B2 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014059261A (en) * | 2012-09-19 | 2014-04-03 | Canon Inc | Distance measuring device and method |
| JP2014153336A (en) * | 2013-02-13 | 2014-08-25 | Nippon Telegr & Teleph Corp <Ntt> | Point group analysis processing device and point group analysis processing program |
| JP2015232513A (en) * | 2014-06-10 | 2015-12-24 | 日本電信電話株式会社 | Flexure estimation device and program |
| JP5981886B2 (en) * | 2013-06-17 | 2016-08-31 | 日本電信電話株式会社 | Point cloud analysis processing device, point cloud analysis processing method, and program |
-
2016
- 2016-12-16 JP JP2016244698A patent/JP6553586B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014059261A (en) * | 2012-09-19 | 2014-04-03 | Canon Inc | Distance measuring device and method |
| JP2014153336A (en) * | 2013-02-13 | 2014-08-25 | Nippon Telegr & Teleph Corp <Ntt> | Point group analysis processing device and point group analysis processing program |
| JP5981886B2 (en) * | 2013-06-17 | 2016-08-31 | 日本電信電話株式会社 | Point cloud analysis processing device, point cloud analysis processing method, and program |
| JP2015232513A (en) * | 2014-06-10 | 2015-12-24 | 日本電信電話株式会社 | Flexure estimation device and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6553586B2 (en) | 2019-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102210715B1 (en) | Method, apparatus and device for determining lane lines in road | |
| JP6529463B2 (en) | Road structuring device, road structuring method, and road structuring program | |
| EP3581890B1 (en) | Method and device for positioning | |
| US11776155B2 (en) | Method and apparatus for detecting target object in image | |
| JP5181704B2 (en) | Data processing apparatus, posture estimation system, posture estimation method and program | |
| JP6608456B2 (en) | Estimation apparatus, control method, program, and storage medium | |
| JP2024050990A (en) | Judging device | |
| US8395659B2 (en) | Moving obstacle detection using images | |
| JP2017072422A (en) | Information processing device, control method, program, and storage medium | |
| CN113378760A (en) | Training target detection model and method and device for detecting target | |
| US20140142891A1 (en) | Generaton of map data | |
| Liu et al. | Ground surface filtering of 3D point clouds based on hybrid regression technique | |
| JP6381137B2 (en) | Label detection apparatus, method, and program | |
| JP5870011B2 (en) | Point cloud analysis device, point cloud analysis method, and point cloud analysis program | |
| Konrad et al. | Localization in digital maps for road course estimation using grid maps | |
| Han et al. | Real‐Time Precision Vehicle Localization Using Numerical Maps | |
| CN103884291A (en) | Building surface flexible deformation monitoring method based on NURBS parametric surface | |
| KR20200043005A (en) | Method and device to train image recognition model and to recognize image | |
| JP6322564B2 (en) | Point cloud analysis processing apparatus, method, and program | |
| Yu et al. | Evidential occupancy grid mapping with stereo-vision | |
| CN111739099B (en) | Falling prevention method and device and electronic equipment | |
| KR20200038140A (en) | Apparatus and method for updating high definition map | |
| CN112699748B (en) | Human-vehicle distance estimation method based on YOLO and RGB image | |
| JP6894395B2 (en) | Information acquisition device, information aggregation system, and information aggregation device | |
| JP6553586B2 (en) | Measurement sufficiency calculation device, method, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180510 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190312 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190513 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190625 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190704 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6553586 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |