JP6993644B2 - 赤色立体地図画像を用いた点群種類推定装置及び赤色立体地図画像を用いた点群種類推定プログラム - Google Patents

Description

本発明は、赤色立体地図画像を用いた点群種類推定装置に関する。

一般に、航空機にレーザスキャナを搭載して地上にレーザ光を発射して、その反射光を受光した場合は、樹木の下の下草等による反射光を含んでいたり、或いは地表面に到達しない反射光を受光したりする。

このため、レーザデータから地盤の標高値を得るためにはフィルタリングを行うことになる。例えば、特許文献１のレーザデータのフィルタリング方法は、レーザスキャナと重複してカメラ撮影し、ステレオマッチング処理により得られた数値表層モデルと各レーザデータの標高座標値を比較し、数値表層モデルの標高座標値に対して所定の範囲内にある標高座標値を有するレーザデータをレーザデータ群から除去して地表面候補データを抽出している。

特開２０１１－１５８２７８号公報

しかしながら、引用文献１のフィルタリング方法は、使用する数値表層モデルとレーザデータとの位置精度が異なる場合に計測誤差が生じるため、レーザデータと同等の高い位置精度を持つ数値表層モデルが必要となるが、こうしたデータを全てのフィルタリング処理過程において生成することは、生産コストの面から実用的ではない。また、地表面データの抽出精度が、レーザデータとは異なる計測データの空間解像度や位置精度に依存するため、これらの両データについて信頼性を担保する必要性がある点や、エラーが見つかった際の原因特定が困難になる点など、課題がある。

一方、従来行われてきた経験豊かなオペレータが手作業で、レーザデータに残存した地盤以外の地物（以降、ノイズと称する）を除去する方法は、時間とコストがかかる。

本発明の赤色立体地図画像を用いた点群種類推定装置は、レーザスキャナを航空機に搭載して地上にレーザ光を発射して得た計測データをレーザ点群とし、このレーザ点群に基づいた地盤データを記憶した地盤データ記憶部と、
前記地盤データを読み込んで、地上開度画像と地下開度画像とを生成して尾根谷度画像を生成し、この尾根谷度画像の局所領域毎に、この局所領域の斜度に応じて赤色を濃くした色値を割り付けて赤色立体地図画像を生成する赤色立体地図生成部と、
前記地盤データの特徴を判定するための教師データに基づく特徴推定モデルを記憶した特徴推定モデル記憶部と、
（Ａ）前記赤色立体地図画像のメッシュ毎に、このメッシュデータと前記特徴推定モデルとに基づいて、ディープラーニングにより、そのメッシュデータを「非地形的特徴又は地形的特徴を有するメッシュデータ」と推定する手段
を備えたことを要旨とする。

以上のように本発明によれば、特徴推定モデルに基づいて、ディープラーニングにより、そのメッシュデータを「非地形的特徴又は地形的特徴を有するメッシュデータ」と推定する。

このため、自動的に赤色立体地図画像のメッシュが非地形的特徴又は地形的特徴を有するメッシュデータと推定され、非地形的特徴を有するメッシュデータは自動的に除去されていくので時間とコストを低減できる。

実施の形態の機械学習によるレーザ点群ノイズ除去装置の概略構成図である。 自動フィルタリング後地盤データＧＡａのデータ構成の説明図である。 教師データ作成部１２４の動作を説明するフローチャートである。 ノイズ検出除去部１３２の動作を説明するフローチャートである。 自動フィルタリング後赤色立体地図画像ＫＡＧａの説明図である。 手動フィルタリング後赤色立体地図ＫＧａの説明図である。 ノイズ領域強調画像ＫＥＧａの説明図である。 標高値に基づいて疑似カラー表示した自動フィルタリング後ＤＥＭ画像ＡＦＧａの説明図である。 標高値に基づいて疑似カラー表示した手動フィルタリング後ＤＥＭ画像ＭＦＧａの説明図である。 ノイズ領域教師画像ＴＫＧａの説明図である。 ノイズ領域教師画像ＴＫＧａの背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示した画像ＴＨＫＧａの説明図である。 ノイズ領域強調画像をしきい値処理することによって得られるノイズ候補領域画像ＴＫＧｂの説明図である。 ノイズ候補領域画像ＴＫＧｂの背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示した画像ＴＨＫＧｂの説明図である。 自動フィルタリング後ＤＥＭ画像ＡＦＧａと手動フィルタリング後ＤＥＭ画像ＭＦＧａの差分およびしきい値処理によって得られるノイズ候補領域画像ＴＫＧｂｂの説明図である。 ノイズ候補領域画像ＴＫＧｂｂの背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示した画像ＴＨＫＧｂｂの説明図である。 標高値に基づいて疑似カラー表示した自動フィルタリング後地盤データ（ランダム点）ＧＨｂの説明図である。 自動フィルタリング後地盤データ（ランダム点）ＧＨｂの拡大画像Ｇｂの説明図である。 自動フィルタリング後地盤データ（ランダム点）の拡大画像Ｇｂの背景（に自動フィルタリング後赤色立体地図画像ＫＡＧａを示した画像ＫＨＧｂｂの説明図である。 標高値に基づいて疑似カラー表示した正方格子内最小標高ラスタ画像ＧＢｂの説明図である。 正方格子内最小標高ラスタ画像ＧＢｂの拡大画像ＧＢｂｂの説明図である。 標高値に基づいて疑似カラー表示したノイズ領域補間ＤＥＭ画像ＧＫｂの説明図である。 ノイズ領域補間ＤＥＭ画像ＧＫｂの拡大画像ＧＫｂｂの説明図である。 標高値に基づいて疑似カラー表示したノイズ除去後地盤データ（ランダム点）Ｇｂｂの説明図である。 ノイズ除去後地盤データ（ランダム点）の拡大画像ＫＧｂｂの背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示した画像ＫＨＧｂｂの説明図である。 ノイズ除去後地盤データ（ランダム点）Ｇｂｂの拡大画像ＫＧｂｂの説明図である。 実施の形態の効果を示す説明図である。 実施の形態の効果を示す説明図である。 地すべり地形の自動抽出に用いた場合の説明図（１／２）である。 地すべり地形の自動抽出に用いた場合の説明図（２／２）である。

以下に示す本実施の形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、本発明の技術的思想（構造、配置）は、下記のものに特定するものではない。本発明の技術的思想は、特許請求の範囲に記載された技術的範囲内において、種々の変更を加えることができる。図面は模式的なものであり、装置やシステムの構成等は現実のものとは異なることに留意すべきである。

本実施の形態の赤色立体地図画像を用いた点群種類推定装置は、航空機にレーザスキャナを搭載して地上にレーザを発射して得たレーザ点群の地盤データに基づいて、ＤＥＭ（Digital Elevation Model：数値標高モデル)を生成し、さらに、ＤＥＭから赤色立体地図を生成したときに存在する地盤以外の地物である非地形的特徴（非地形的特徴を示すパラメータともいう）又は地形的特徴を有するメッシュデータをディープラーニング（Deep Learning：深層学習）によって学習させる。なお、以後、非地形的とは、正しく地盤と判定されるべきもの以外のメッシュデータであり、これをノイズと称して説明する。

そして、これを用いて赤色立体地図のノイズ領域を検出する。さらに、このノイズ領域に含まれるレーザ点群のうち、周囲の標高値よりも一定以上高い標高値を持つ点データをノイズとして除去する。

また、地形的特徴というのは、正に地盤とするメッシュデータである。以後は、地形的特徴を示すパラメータは地盤と称して説明する。また、赤色立体地図画像を用いた点群種類推定装置をディープラーニングによるレーザ点群ノイズ除去装置として説明する。

図１は実施の形態のディープラーニングによるレーザ点群ノイズ除去装置の概略構成図である。ディープラーニングによるレーザ点群ノイズ除去装置３００は、コンピュータ本体部１００と、表示部２００等より構成されている。

コンピュータ本体部１００は、飛行機にレーザスキャナ等を搭載して地上にレーザ光を発射して取得した山等の計測データＬＲを記憶した点群用データベース１１０と、自動フィルタリング部１１２と、赤色立体地図作成部１１８と、教師データ作成部１２４と、ノイズ領域推定モデル生成部１２８（特徴推定モデル生成部ともいう）と、ノイズ検出除去部１３２等を備えている。このノイズ領域推定モデル生成部１２８は例えば、条件付き敵対的生成ネットワーク （Generative adversarial networks:GANs）を用いている。

自動フィルタリング部１１２は、対象範囲を一定のサイズに分割し、全計測点群データから各分割範囲内の標高値の低いデータを抽出し、概略地形モデル（概略特徴推定モデルともいう）を作成する。さらに、地形特性に応じた数種類のパラメータを与えながら、概略地形モデルに近い位置に存在するデータを繰り返し抽出することで、地盤データ（地形的特徴を有するメッシュデータともいう）を作成する。

しかし、急勾配地形では、斜度が周りと比較して極端に違うため地物と誤認識をする場合もある。また、樹木が密生していて樹木下の地盤データが取得できないような場所では、樹上の点群を地表の点群と誤認識する場合がある。つまり、自動フィルタリング後の地盤データには地盤ではない樹木や地物が含まれる。また、一方で、地盤が過剰に除去される場合がある。この地盤データを自動フィルタリング後地盤データＧＡａとして自動フィルタリング後用記憶部１１４に記憶する（図２参照）。

自動フィルタリング後地盤データＧＡａは、図２に示すように三次元座標で表されるランダム点のデータである。

具体的には図２に示すように、レコード番号ｉ（ｉ＝１，２，・・・，ｎ）を付与したランダム点のＸ座標（経度Ｘｉ）、Ｙ座標（緯度Ｙｉ）、Ｚ座標（地盤標高値Ｚｇｉ）を対応させて構成している。

赤色立体地図作成部１１８は、自動フィルタリング後地盤データＧＡａを使用してＴＩＮモデルを生成し、このＴＩＮモデルに任意の格子間隔ｄ（例えば、０．５ｍあるいは１ｍなど）のメッシュをかぶせ、各メッシュの中心点の高さをその点を囲む三角形の頂点の高さから補間して求めることにより、ＤＥＭを生成する。

このＤＥＭから生成した地上開度画像（浮上度、尾根度を表すグレイスケール画像）と地下開度画像（沈下度、谷度を表すグレイスケール画像）とを合成して尾根谷度画像（浮沈度画像ともいう）を得る。

そして、前記尾根谷度画像と、斜度に応じて赤色を濃くした斜度図画像とを合成して、赤色立体画像（以下、赤色立体地図画像という）を得る。

この赤色立体地図画像は、傾斜が大きいほど赤が濃く、尾根は高い程に明るく（白く）、谷は深い程暗く（黒く）表現される。従って、地形の高低及び勾配の度合い、凹凸を一目で立体的に把握できる（特許第３６７０２７４号公報）。

そして、この赤色立体地図画像を自動フィルタリング後赤色立体地図画像ＫＡＧａとして赤色立体地図画像記憶部１２０に記憶する。

教師データ作成部１２４は、自動フィルタリング後用記憶部１１４に記憶されている自動フィルタリング後地盤データＧＡａと、赤色立体地図画像記憶部１２０に記憶されている自動フィルタリング後赤色立体地図画像ＫＡＧａと、後述する手動フィルタリング後地盤データＧＭａとを読み込む。そして、自動フィルタリング後赤色立体地図画像ＫＡＧａに分散値フィルタを適用して、ノイズ領域強調画像ＫＥＧａ（非地形的特徴領域強調画像ともいう）を生成する。

このノイズ領域強調画像ＫＥＧａは、地上開度、地下開度、斜度を合成した赤色立体地図画像が元になっており、各画素（メッシュ）のＲ、Ｇ、Ｂ値にその周辺の局所領域における分散値がそれぞれ割り当てられている。

そして、このノイズ領域強調画像ＫＥＧａをメッシュ毎に、Ｒ、Ｇ、Ｂ値のいずれかが閾値δ（色値）より大であるかどうかに対して「真」又は「偽」のいずれかであるかどうかを判定する。「偽」と判定した場合は地盤と判定し、この判定結果を教師データとして教師データ用記憶部１２６に記憶する。

また、教師データ作成部１２４は、自動フィルタリング後地盤データＧＡａをラスタ化した自動フィルタリング後ＤＥＭ画像ＡＦＧａ（第１のノイズ除去後地盤ＤＥＭ画像ともいう）の標高値と、手動フィルタリング後地盤データＧＭａをラスタ化した手動フィルタリング後ＤＥＭ画像ＭＦＧａ（第２のノイズ除去後地盤ＤＥＭ画像ともいう）の標高値との差を求め、この差が閾値βより大であるかどうかに対して「真」又は「偽」のいずれかであるかどうかを判定する。

ノイズ領域強調画像ＫＥＧａのＲ、Ｇ、Ｂ値のいずれかが閾値δ（色値）より大であるかどうかに対して「真」と判定された場合に、第１のノイズ除去後地盤ＤＥＭ画像の標高値と第２のノイズ除去後地盤ＤＥＭ画像の標高値の差が閾値βより大であるかどうかに対して「真」と判定された場合をノイズ、「偽」と判定された場合を地盤と判定し、この判定結果を教師データとして教師データ用記憶部１２６に記憶する。このような処理を教師データ用に予め用意した計測データＬＲに対して実施する。

ノイズ領域推定モデル生成部１２８は、教師データ用記憶部１２６に記憶されている教師データに基づいてノイズ領域と判定するためのモデルをノイズ領域推定モデル用記憶部１３０に生成する。

ノイズ検出除去部１３２は、点群用データベース１１０に計測データＬＲが記憶されるに伴って、生成された自動フィルタリング後赤色立体地図画像ＫＡＧａを読み込み、ノイズ領域推定モデル用記憶部１３０に記憶されているノイズ領域推定モデルに基づいて、ディープラーニングによるノイズ領域抽出を行って、ノイズ領域画像ＫＡＧＮａを生成する。

また、自動フィルタリング後地盤データＧＡａが生成される毎に、このデータに前記自動フィルタリング後赤色立体地図画像ＫＡＧａと同一間隔のメッシュを設定し、各メッシュ（正方格子）内に含まれる点群データの最小標高値を用いてラスタ化して画像（以下、正方格子内最小標高ラスタ画像ＧＢという）を生成する。

そして、ノイズ領域画像ＫＡＧＮａと正方格子内最小標高ラスタ画像ＧＢとを重ね合わせてノイズ領域の標高値を削除し、周囲の標高値を使用してノイズ領域の標高値を補間してノイズ領域補間ＤＥＭ画像を生成する。

そして、自動フィルタリング後地盤データＧＡａとノイズ領域画像ＫＡＧＮａを重ね合わせ、自動フィルタリング後地盤データＧＡａの各点データについて、この点データが含まれる前記ノイズ領域画像ＫＡＧＮａのメッシュがノイズ領域であるかどうかを判定する。つまり、「偽」又は「真」かどうかを判定する。

そして、「偽」と判定した場合は、地盤と判定し、ノイズ除去後地盤データ記憶部１３４に記憶する。

一方、「真」と判定した場合は、ノイズ領域補間ＤＥＭ画像を重ね合わせ、前記点データの標高値と前記点データが含まれるノイズ領域補間ＤＥＭ画像のメッシュの標高値（補間後の標高）との差＞除去用標高閾値Δｒかどうかを判定する。

除去用標高閾値Δｒは、例えば、１ｍなどである。「偽」と判定した場合は、前記点データを地盤データと判定する。また、「真」の場合はノイズと判定する。これらの判定結果は、ノイズ除去後地盤データ記憶部１３４に記憶する。

起動判定部１４０は、自動フィルタリング部１１２、赤色立体地図作成部１１８、教師データ作成部１２４、手動フィルタリング部１１３、ノイズ領域推定モデル生成部１２８又はノイズ検出除去部１３２を監視して、これらを適宜、起動させる。

上記のように構成されたレーザ点群ノイズ除去装置３００の動作をフローチャートを用いて説明する。図３は教師データ作成部１２４の動作を説明するフローチャートである。図４は、ノイズ検出除去部１３２の動作を説明するフローチャートである。但し、図３及び図４は、自動フィルタリング部１１２の処理、赤色立体地図作成部１１８の処理、手動フィルタリング部１１３の処理を記載して説明する。

図３に示すように、自動フィルタリング部１１２は、点群用データベース１１０の計測データＬＲを読み込み、地形特性に応じた数種類のパラメータを与えて、地物・地形データを自動判別して、それ以外を除去する自動フィルタリング処理を行う（Ｓ１）。

この自動フィルタリング後地盤データＧＡａを自動フィルタリング後用記憶部１１４に記憶する（Ｓ３：図２参照）。

そして、赤色立体地図作成部１１８は、自動フィルタリング後地盤データＧＡａを自動フィルタリング後用記憶部１１４から読み込んでＤＥＭを生成し、このＤＥＭから地上開度画像図と地下開度画像図を生成し、これらを合成して尾根谷度画像を生成し、さらに前記ＤＥＭから斜度図画像図を生成し、これらを合成して、赤色立体地図画像（ラスタ）を生成する（Ｓ５）。

そして、この赤色立体地図画像を自動フィルタリング後赤色立体地図画像ＫＡＧａ（ラスタ）として赤色立体地図画像記憶部１２０に記憶する（Ｓ７）。

この自動フィルタリング後赤色立体地図画像ＫＡＧａ（ラスタ）を図６に示す。しかし、依然としてノイズによって不要な凸が残っている。

このため、手動フィルタリング部１１３が赤色立体地図画像記憶部１２０の自動フィルタリング後赤色立体地図画像ＫＡＧａを表示部２００に表示して手動処理によりノイズによる凸と思われる個所を適宜、削除する（Ｓ９）。つまり、自動フィルタリング後赤色立体地図画像ＫＡＧａの地盤データからノイズが手動により除去される。なお、手動フィルタリングでは、残存地物の除去の他、地盤の過剰除去箇所の復元も行う。

これを、手動フィルタリング後地盤データＧＭａとして、手動フィルタリング後用記憶部１１５に記憶する（Ｓ１１）。

赤色立体地図作成部１１８は、手動フィルタリング後地盤データＧＭａを手動フィルタリング後用記憶部１１５から読み込んでＤＥＭを生成し、このＤＥＭから地上開度画像図と地下開度画像図とを生成し、これらを合成して尾根谷度画像を生成し、さらに前記ＤＥＭから斜度図画像図を生成し、これらを合成して、赤色立体地図画像（ラスタ）を生成する（Ｓ１３）。

この赤色立体地図画像を手動フィルタリング後赤色立体地図画像ＫＭＧａとして赤色立体地図画像記憶部１２０に記憶する（Ｓ１５）。

すなわち、手動フィルタリング後赤色立体地図画像ＫＧａは、図６に示すように凸が除かれた赤色立体地図画像となっている。

一方、教師データ作成部１２４は、教師データを作成する。

教師データは正解データとも呼ばれる。つまり、自動フィルタリング後赤色立体地図に含まれている地盤以外のノイズを検出するための教師データを作成する。

以下に教師データ作成部１２４の処理を説明する。

図３に示すように、赤色立体地図画像記憶部１２０に記憶されている自動フィルタリング後赤色立体地図画像ＫＡＧａ（ラスタ）を読み込み、所定のウィンドウサイズ（例えば、１１×１１メッシュなど）の分散値フィルタを適用して（Ｓ２１）、図７に示すノイズ領域強調画像ＫＥＧａを生成してメモリに記憶する（Ｓ２３）。

図７に示すように、背景が黒にされて凸領域（メッシュ）がＲＧＢのいずれかの色でノイズ領域として強調されている。

一方、教師データ作成部１２４は、ステップＳ３で生成された、自動フィルタリング後地盤データＧＡａを読み込み、この自動フィルタリング後地盤データＧＡａに対してＴＩＮを作成してラスタ化して（Ｓ３１）、ＤＥＭを作成して自動フィルタリング後ＤＥＭ画像用記憶部１２４ａに記憶する（Ｓ３３）。

これを実施の形態では自動フィルタリング後ＤＥＭ画像ＡＦＧａ（第１のノイズ除去後地盤ＤＥＭ画像とも称する）と称する。自動フィルタリング後ＤＥＭ画像ＡＦＧａを図９に示す。

一方、ステップＳ１１で生成された手動フィルタリング後地盤データＧＭａを読み込み、この手動フィルタリング後地盤データＧＭａに対してＴＩＮを作成してラスタ化して（Ｓ３５）、ＤＥＭを作成して手動フィルタリング後ＤＥＭ画像用記憶部１２４ｂに記憶する（Ｓ３７）。これを実施の形態では手動フィルタリング後ＤＥＭ画像ＭＦＧａ（第２のノイズ除去後地盤ＤＥＭ画像とも称する）と称する。

手動フィルタリング後ＤＥＭ画像ＭＦＧａを図９に示す。

そして、ステップＳ２３で生成したノイズ領域強調画像ＫＥＧａに対してメッシュ毎に、その色値を読み込み、Ｒ、Ｇ、Ｂのいずれかが閾値δ（色値）より大であるかどうかに対して「真」又は「偽」かどうかを判断する（Ｓ４１：ノイズ領域強調画像閾値処理）。

前述の閾値δ（色値）は、例えば、１０００などである。このステップＳ４１の処理を、ノイズ領域強調画像閾値処理と称している。

ステップＳ４１で、「偽」と判定した場合は、このメッシュを地盤と判定して教師データ用記憶部１２６に記憶する（Ｓ４３）。具体的には、ノイズ領域強調画像ＫＥＧａ（図７）を生成した元の自動フィルタリング後赤色立体地図画像ＫＡＧａ（図５）の各メッシュについて、そのメッシュが地盤である場合は白、ノイズである場合は黒の色を割り当てた画像を教師データとして教師データ用記憶部１２６に記憶するものとするが、ステップＳ４１の段階では、「偽」と判定した場合のみ、このメッシュが地盤であること（白）が確定する。

全メッシュに対してステップＳ４１の判定を行って、「偽」と判定し地盤が確定したメッシュを白、「真」と判定し地盤かノイズかが確定していないノイズ候補領域のメッシュを黒で表したノイズ候補領域画像を図１２及び図１３に示す。図１２はノイズ候補領域画像ＴＫＧｂであり、図１３は背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示したノイズ候補領域画像ＴＨＫＧｂである。

一方、ステップＳ３３で生成した自動フィルタリング後ＤＥＭ画像ＡＦＧａと、ステップＳ３７で生成した手動フィルタリング後ＤＥＭ画像ＭＦＧａと、ステップＳ２３で生成したノイズ領域強調画像ＫＥＧａ（図７）とを重ね合わせる。

そして、各メッシュについて、ステップＳ４１で「真」と判定している場合（Ｓ４６）は、自動フィルタリング後ＤＥＭのメッシュに割り付けられている標高値（以下、自動フィルタ後標高値という）と手動フィルタリング後ＤＥＭ画像ＡＦＧａのメッシュに割り付けられている標高値（以下、手動フィルタ後標高値という）との差を求め、この差が閾値β（距離）より大かどうかを判定する（Ｓ４８：ＤＥＭ差分閾値処理）。

閾値β（距離）は、例えば、５ｍなどである。

ステップＳ４８で閾値β（距離）以下と判定した場合（「偽」）は地盤（Ｓ５２）、閾値β（距離）より大と判定した場合（「真」）はノイズ（Ｓ５０）と判定し、教師データ用記憶部１２６に記憶する。具体的には、ステップＳ４１の段階で、地盤かノイズかが確定していないメッシュについて、ステップＳ４８で「偽」と判定した場合は地盤（白）、「真」と判定した場合はノイズ（黒）であることが確定する。

全メッシュに対してステップＳ４８の判定を行って、「偽」と判定し地盤が確定したメッシュを白、「真」と判定しノイズが確定したメッシュを黒で表したノイズ領域教師画像を図１０及び図１１に示す。

図１０はノイズ領域教師画像ＴＫＧａであり、図１１は背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示したノイズ領域教師画像ＴＨＫＧａである。また、仮にステップＳ４１の判定を行わずに、ステップＳ４８のみの判定を行った場合の判定結果を図１４及び図１５に示す。図１４は自動フィルタリング後ＤＥＭ画像ＡＦＧａと手動フィルタリング後ＤＥＭ画像ＭＦＧａの差分およびしきい値処理によって得られるノイズ候補領域画像ＴＫＧｂｂであり、図１５はノイズ候補領域画像ＴＫＧｂｂの背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示した画像ＴＨＫＧｂｂである。

ノイズ領域推定モデル生成部１２８は、教師データ用記憶部１２６に記憶されている教師データに基づいてノイズ領域と判定するためのモデル（関数）を生成する。

そして、ノイズ検出除去部１３２は、以下に説明する処理を行う。

すなわち、図４に示すように、自動フィルタリング部１１２が点群用データベース１１０に新たに記憶された計測データＬＲを読み込み、地形特性に応じた数種類のパラメータを与えて、地物・地形データを自動判別して、それ以外を除去する自動フィルタリング処理を行う（Ｓ６１）。

この自動フィルタリング後地盤データＧＡａ（ランダム点）を自動フィルタリング後用記憶部１１４に記憶する（Ｓ６３）。

図１６には、属性である標高値に基づいて疑似カラー表示した自動フィルタリング後地盤データ（ランダム点）ＧＨｂを示す。また、図１７には、図１６の一部を拡大した画像Ｇｂを示す。

そして、赤色立体地図作成部１１８は、自動フィルタリング後地盤データＧＡａを自動フィルタリング後用記憶部１１４から読み込んでＤＥＭを生成し、このＤＥＭから地上開度画像図と地下開度画像図を生成し、これらを合成して尾根谷度画像（浮沈度画像ともいう）を生成し、さらに前記ＤＥＭから斜度図画像図を生成し、これらを合成して、赤色立体地図画像（ラスタ）を得て（Ｓ６５）、赤色立体地図画像記憶部１２０に記憶する（Ｓ６７）。

しかし、依然としてノイズによって不要な凸が残っている場合がある（図１８参照）。図１８は、図１９の背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示した画像ＫＨＧｂｂである。

このため、ノイズ検出除去部１３２が、ステップＳ６７で生成した自動フィルタリング後赤色立体地図画像ＫＡＧａ（ラスタ）をノイズ領域推定モデル用記憶部１３０に記憶されているノイズ領域推定モデルに読み込み（Ｓ８１）、ディープラーニング（Deep Learning、深層学習）によるノイズ領域抽出を行い（Ｓ８３）、ノイズ領域画像を生成する（Ｓ８５）。

つまり、入力データを自動フィルタリング後赤色立体地図画像ＫＡＧａとし、この自動フィルタリング後赤色立体地図画像ＫＡＧａに存在するノイズ領域をノイズ領域推定モデルによって判定する。

一方、ステップＳ６３で自動フィルタリング後地盤データＧＡａが生成される毎に、このデータに前記自動フィルタリング後赤色立体地図画像ＫＡＧａと同一間隔のメッシュを設定し、各メッシュ（正方格子）内に含まれる点群データの最小標高値を用いてラスタ化して（Ｓ８７）、ＤＥＭを生成する（Ｓ８９）。

このＤＥＭを正方格子内最小標高ラスタ画像ＧＢｂと称する。この正方格子内最小標高ラスタ画像ＧＢｂを標高値に基づいて疑似カラー表示した画像を図２０に示す。また、図２０の所定領域の拡大図ＧＢｂｂを図２０に示す。なお、色がついていない画素（メッシュ）は、ランダム点（ノイズ）が存在しない画素（メッシュ）である。

そして、ステップＳ８５で生成したノイズ領域画像とステップＳ８９で生成した正方格子内最小標高ラスタ画像とを重ね合わせてノイズ領域の標高値を削除し、周囲の標高値を使用してノイズ領域の標高値を補間し（Ｓ９１）、ＤＥＭ（以下、ノイズ領域補間ＤＥＭと称する）を作成する（Ｓ９３）。つまり、線形補間によるノイズ領域の標高値の推定を行ってノイズ領域補間ＤＥＭを作成している。

このノイズ領域補間ＤＥＭをノイズ領域補間ＤＥＭ画像ＧＫｂと称し、標高値に基づいて疑似カラー表示した画像を図２１に示す。また、図２１の所定領域の拡大画像ＧＫｂｂを図２２に示す。

そして、ステップＳ６３の自動フィルタリング後地盤データＧＡａ（ランダム点）と、ステップＳ８５で生成したノイズ領域画像を重ね合わせ、自動フィルタリング後地盤データの各点データについて、この点データが含まれるノイズ領域画像のメッシュがノイズ領域であるかどうかを判定する（Ｓ９５）。つまり、「偽」又は「真」かどうかを判定する。

そして、ステップＳ９５において「偽」と判定した場合は、地盤と判定する（Ｓ９６）。

一方、ステップＳ９５で「真」と判定した場合は、ステップＳ６３の自動フィルタリング後地盤データＧＡａ（ランダム点）の標高値（ランダム点の標高）とステップＳ９３で生成したノイズ領域補間ＤＥＭの標高（補間後の標高）との差＞除去用標高閾値Δｒかどうかを判定する（Ｓ９７）。除去用標高閾値Δｒは、１ｍなどである。ステップＳ９７において「偽」と判定した場合は、地盤データと判定する（Ｓ９８ａ）。また、「真」の場合はノイズと判定する（Ｓ９８ｂ）。

そして、ステップＳ９５及びステップＳ９７の判定結果に基づいて、ノイズ除去後地盤データ（ランダム点）を得る（Ｓ９９）。

このデータをノイズ除去後地盤データ（ランダム点）Ｇｂｂと称し、標高値に基づいて疑似カラー表示した画像を図２３に示す。また、図２３の所定領域の拡大画像ＫＧｂｂを図２５に示す。さらに、図２５の背景に自動フィルタリング後赤色立体地図画像ＫＡＧａを示した画像ＫＨＧｂｂを図２４に示す。

ステップ９９で得られたノイズ除去後地盤データ（ランダム点）は、ノイズ領域推定モデルによって検出された領域のノイズが除去されているが、検出漏れや誤検出を防ぐ必要があるため、ステップＳ６９において、手動フィルタリングを行い、ノイズ除去後の地盤データ（ランダム点）（Ｓ７１）を得、ステップＳ７３において、赤色立体地図を生成して（Ｓ７５）最終的な点検を行う。

なお、前記ノイズ領域推定モデルへの入力画像として、標高（ＤＥＭ）や斜度等の地形表現画像を使用することも可能である。赤色立体地図を入力画像として使用する場合の効果を示すため、まず、ノイズ領域の教師データをモデル生成用と検証用の２つのグループに分け、入力画像に標高、斜度、赤色立体地図をそれぞれ使用し、一方、出力画像には共通のモデル生成用の教師データを使用してノイズ領域推定モデルを３種生成した。そして、ノイズ領域推定モデルによって検出されたノイズ領域と検証用の教師データのノイズ領域を比較して、各種ノイズ領域推定モデルの検出精度を比較した。

図２６に、入力画像として使用した標高、斜度、赤色立体地図の例を示す。また、図２７に、Ｋａｐｐａ係数と呼ばれる指標を用いて、入力画像に標高、斜度、赤色立体地図をそれぞれ用いて生成したノイズ領域推定モデルの検出精度を示す。Ｋａｐｐａ係数の値は高いほど、高い精度で検出されたことを示す。

図２７に示されるように、赤色立体地図を入力画像として用いた場合の検出精度が最も高く、ノイズ検出に最適であることがわかる。

＜その他の実施の形態＞
上記実施の形態では地形的特徴の抽出は、例えば、図２９に示すように、地すべり地形の自動抽出に用いることができる。

例えば、図２８の（１）に示すような赤色画像と、（２）に示す地すべり地形判読データを正解データとするペアを複数用いてでディープラーニング（機械学習）を行い、得られた学習モデル（特徴推定モデル）を用いて、図２９に示す（３）の入力画像から地すべり地形を抽出すると、図２９（４）に示す自動抽出画像が得られる。（５）に示す正解データと比べ、ほぼ正しい位置を抽出することが可能である。

すなわち、本実施の形態の構成の概要は、地形的特徴は、正しい地盤を示すパラメータ又は地すべり地形を示すパラメータとし、非地形的とされたものは、正しい地盤又は地すべり地形を示す地盤をノイズとすると、レーザスキャナを航空機に搭載して地上にレーザ光を発射して得た計測データをレーザ点群とし、このレーザ点群に基づいた地盤データを読み込む。

そして、この地盤データを読み込んで地上開度画像と地下開度画像とを生成して尾根谷度画像を生成し、この尾根谷度画像の局所領域毎に、この局所領域の斜度に応じて赤色を濃くした色値を割り付けて赤色立体地図画像を生成する（赤色立体地図生成部）。

そして、赤色立体地図画像のメッシュ毎に、このメッシュデータと特徴推定モデル（地盤データの特徴を判定するための教師データに基づく特徴推定モデル）とに基づいて、ディープラーニングにより、そのメッシュデータを「非地形的特徴又は地形的特徴を有するメッシュデータ」と推定している。

この推定手段は、
（Ａ１）「非地形的特徴とされたメッシュデータ」をラスタ化した非地形的特徴領域画像を生成する手段と、
（Ａ２）地盤データ毎に、ＤＥＭと同一間隔のメッシュを設定し、このメッシュに含まれている点データの最小標高点でラスタ化した地盤ＤＥＭ画像を生成する手段と、
（Ａ３）赤色立体地図画像における「非地形的特徴とされたメッシュデータ」とこれに対応する「地盤ＤＥＭ画像のメッシュデータ」とを重ね合わせて赤色立体地図画像の「非地形的特徴とされたメッシュデータ」の標高値を削除し、周囲のメッシュの標高値で補間した標高値をそのメッシュデータに割り付ける手段と、
（Ａ４）非地形的特徴領域画像の、「補間した標高値が割り付けられたメッシュデータ」をラスタ化して非地形的特徴領域補間ＤＥＭ画像を生成する手段と、
（Ａ５）地盤データ毎の点データを指定する毎に、この点データが含まれる非地形的特徴領域画像のメッシュが非地形的特徴を示しているかどうかを判定する手段と、
（Ａ６）非地形的特徴領域画像のメッシュが非地形的特徴を示すと判定された場合は、点データの標高値とこのメッシュに対応する非地形的特徴領域補間ＤＥＭ画像の標高値との差が閾値距離以上かどうかを判定する手段と、
（Ａ７）閾値距離以上と判定した場合は、その点データを「非地形的特徴の点データ」又は閾値以下と判定した場合は「地形的特徴の点データ」と判定する手段と、
（Ａ８）「非地形的特徴の点データ」と判定された地盤データに存在する点データを削除した非地形的特徴除去後地盤データを生成する手段と
を有している。

さらに、
（Ｂ１）計測データに自動フィルタリング処理をかけた自動フィルタリング後地盤データを生成する手段と、
自動フィルタリング後地盤データを使用して赤色立体地図画像を生成する手段と、
（Ｂ２）赤色立体地図画像に対して分散値フィルタをかけて非地形的特徴のメッシュを強調した非地形的特徴領域強調画像を生成する手段と、
（Ｂ３）自動フィルタリング後地盤データをラスタ化して第１の非地形的特徴除去後地盤ＤＥＭ画像を生成する手段と、
（Ｂ４）自動フィルタリング後地盤データに対し、手動フィルタリング処理で非地形的特徴のメッシュを除去した手動フィルタリング後地盤データを生成する手段と、
（Ｂ５）手動フィルタリング後地盤データをラスタ化して第２の非地形的特徴除去後地盤ＤＥＭ画像を生成する手段と、
（Ｂ６）非地形的特徴強調画像のメッシュ毎に、ＲＧＢ値のいずれかが閾値より大であるかどうかを判定し、閾値以下の場合は、地形的特徴を有するメッシュと判定する手段と、
（Ｂ７）ＲＧＢ値のいずれかが閾値より大と判定された場合は、第１の非地形的特徴除去後地盤ＤＥＭ画像の標高値と第２の非地形的特徴除去後地盤ＤＥＭ画像の標高値との差が閾値標高値より大であるかどうかを判定する手段と、
（Ｂ８）閾値標高より大と判定した場合は、非地形的特徴のメッシュ、以下の場合は地形的特徴のメッシュとする教師データを生成し、これらの教師データで特徴推定モデルを生成する手段とを有している。

１１０ 点群用データベース
１１２ 自動フィルタリング部
１１８ 赤色立体地図作成部
１２４ 教師データ作成部
１２８ ノイズ領域推定モデル生成部
１３２ ノイズ検出除去部

Claims (10)

1. レーザスキャナを航空機に搭載して地上にレーザ光を発射して得た計測データをレーザ点群とし、このレーザ点群に基づいた地盤データを記憶した地盤データ記憶部と、
   前記地盤データを読み込んで、地上開度画像と地下開度画像とを生成して尾根谷度画像を生成し、この尾根谷度画像の局所領域毎に、この局所領域の斜度に応じて赤色を濃くした色値を割り付けて赤色立体地図画像を生成する赤色立体地図生成部と、
   前記地盤データの特徴を判定するための教師データに基づく特徴推定モデルを記憶した特徴推定モデル記憶部と、
   （Ａ）前記赤色立体地図画像のメッシュ毎に、このメッシュデータと前記特徴推定モデルとに基づいて、ディープラーニングにより、そのメッシュデータを「非地形的特徴又は地形的特徴を有するメッシュデータ」と推定する手段
   を有することを特徴とする赤色立体地図画像を用いた点群種類推定装置。
2. （Ａ）の手段は、
   （Ａ１）前記「非地形的特徴とされたメッシュデータ」をラスタ化した非地形的特徴領域画像を生成する手段と、
   （Ａ２）前記地盤データ記憶部の前記地盤データ毎に、ＤＥＭと同一間隔のメッシュを設定し、このメッシュに含まれている点データの最小標高点でラスタ化した地盤ＤＥＭ画像を生成する手段と、
   （Ａ３）前記赤色立体地図画像における「非地形的特徴とされたメッシュデータ」とこれに対応する「地盤ＤＥＭ画像のメッシュデータ」とを重ね合わせて前記赤色立体地図画像の「非地形的特徴とされたメッシュデータ」の標高値を削除し、周囲のメッシュの標高値で補間した標高値をそのメッシュデータに割り付ける手段と、
   （Ａ４）前記非地形的特徴領域画像の、「補間した標高値が割り付けられたメッシュデータ」をラスタ化して非地形的特徴領域補間ＤＥＭ画像を生成する手段と、
   （Ａ５）前記地盤データ毎の点データを指定する毎に、この点データが含まれる前記非地形的特徴領域画像のメッシュが非地形的特徴を示しているかどうかを判定する手段と、
   （Ａ６）前記非地形的特徴領域画像のメッシュが非地形的特徴を示すと判定された場合は、前記点データの標高値とこのメッシュに対応する前記非地形的特徴領域補間ＤＥＭ画像の標高値との差が閾値距離以上かどうかを判定する手段と、
   （Ａ７）閾値距離以上と判定した場合は、その点データ「非地形的特徴の点データ」又は閾値以下と判定した場合は前記「地形的特徴の点データ」と判定する手段と、
   （Ａ８）前記「非地形的特徴の点データ」と判定された前記地盤データに存在する点データを削除した非地形的特徴除去後地盤データを生成する手段と
   を有することを特徴とする請求項１記載の赤色立体地図画像を用いた点群種類推定装置。
3. さらに、
   （Ｂ１）前記計測データに自動フィルタリング処理をかけた自動フィルタリング後地盤データを生成する手段と、
   前記自動フィルタリング後地盤データを使用して前記赤色立体地図画像を生成する手段と、
   （Ｂ２）前記赤色立体地図画像に対して分散値フィルタをかけて非地形的特徴のメッシュを強調した非地形的特徴強調画像を生成する手段と、
   （Ｂ３）前記自動フィルタリング後地盤データをラスタ化して第１の非地形的特徴除去後地盤ＤＥＭ画像を生成する手段と、
   （Ｂ４）前記自動フィルタリング後地盤データに対し、手動フィルタリング処理で非地形的特徴のメッシュを除去した手動フィルタリング後地盤データを生成する手段と、
   （Ｂ５）前記手動フィルタリング後地盤データをラスタ化して第２の非地形的特徴除去後地盤ＤＥＭ画像を生成する手段と、
   （Ｂ６）前記非地形的特徴強調画像のメッシュ毎に、ＲＧＢ値のいずれかが閾値より大であるかどうかを判定し、閾値以下の場合は、前記地形的特徴を有するメッシュと判定する手段と、
   （Ｂ７）ＲＧＢ値のいずれかが閾値より大と判定された場合は、第１の非地形的特徴除去後地盤ＤＥＭ画像の標高値と第２の非地形的特徴除去後地盤ＤＥＭ画像の標高値との差が閾値標高値より大であるかどうかを判定する手段と、
   （Ｂ８）閾値標高より大と判定した場合は、非地形的特徴のメッシュ、以下の場合は地形的特徴のメッシュとする教師データを生成し、これらの教師データで前記特徴推定モデルを生成する手段と
   を有することを特徴とする請求項２記載の赤色立体地図画像を用いた点群種類推定装置。
4. 前記地形的特徴は、正しい地盤を示すパラメータ又は地すべり地形を示すパラメータであることを特徴とする請求項１記載の赤色立体地図画像を用いた点群種類推定装置。
5. 非地形的とされたものは、ノイズを示すパラメータとすることを特徴とする請求項１記載の赤色立体地図画像を用いた点群種類推定装置。
6. コンピュータを、
   レーザスキャナを航空機に搭載して地上にレーザ光を発射して得た計測データをレーザ点群とし、このレーザ点群に基づいた地盤データを地盤データ記憶部に記憶する手段、
   前記地盤データを読み込んで、地上開度画像と地下開度画像とを生成して尾根谷度画像を生成し、この尾根谷度画像の局所領域毎に、この局所領域の斜度に応じて赤色を濃くした色値を割り付けて赤色立体地図画像を生成する赤色立体地図生成手段、
   前記地盤データの特徴を判定するための教師データに基づく特徴推定モデルを特徴推定モデル記憶部に記憶する手段、
   （Ａ）前記赤色立体地図画像のメッシュ毎に、このメッシュデータと前記特徴推定モデルとに基づいて、ディープラーニングにより、そのメッシュデータを「非地形的特徴又は地形的特徴を有するメッシュデータ」と推定する手段
   としての機能を実行させるための赤色立体地図画像を用いた点群種類推定プログラム。
7. コンピュータを、
   （Ａ１）前記「非地形的特徴とされたメッシュデータ」をラスタ化した非地形的特徴領域画像を生成する手段、
   （Ａ２）前記地盤データ記憶部の前記地盤データ毎に、ＤＥＭと同一間隔のメッシュを設定し、このメッシュに含まれている点データの最小標高点でラスタ化した地盤ＤＥＭ画像を生成する手段、
   （Ａ３）前記赤色立体地図画像における「非地形的特徴とされたメッシュデータ」とこれに対応する「地盤ＤＥＭ画像のメッシュデータ」とを重ね合わせて前記赤色立体地図画像の「非地形的特徴とされたメッシュデータ」の標高値を削除し、周囲のメッシュの標高値で補間した標高値をそのメッシュデータに割り付ける手段、
   （Ａ４）前記非地形的特徴領域画像の、「補間した標高値が割り付けられたメッシュデータ」をラスタ化して非地形的特徴領域補間ＤＥＭ画像を生成する手段、
   （Ａ５）前記地盤データ毎の点データを指定する毎に、この点データが含まれる前記非地形的特徴領域画像のメッシュが非地形的特徴を示しているかどうかを判定する手段、
   （Ａ６）前記非地形的特徴領域画像のメッシュが非地形的特徴を示すと判定された場合は、前記点データの標高値とこのメッシュに対応する前記非地形的特徴領域補間ＤＥＭ画像の標高値との差が閾値距離以上かどうかを判定する手段、
   （Ａ７）閾値距離以上と判定した場合は、その点データを前記「非地形的特徴の点データ」又は閾値以下と判定した場合は「地形的特徴の点データ」と判定する手段、
   （Ａ８）前記「非地形的特徴の点データ」と判定された前記地盤データに存在する点データを削除した非地形的特徴除去後地盤データを生成する手段
   としての機能を実行させるための請求項６記載の赤色立体地図画像を用いた点群種類推定プログラム。
8. コンピュータを、さらに、
   （Ｂ１）前記計測データに自動フィルタリング処理をかけた自動フィルタリング後地盤データを生成する手段、
   前記自動フィルタリング後地盤データを使用して前記赤色立体地図画像を生成する手段と、
   （Ｂ２）前記赤色立体地図画像に対して分散値フィルタをかけて非地形的特徴のメッシュを強調した非地形的特徴強調画像を生成する手段、
   （Ｂ３）前記自動フィルタリング後地盤データをラスタ化して第１の非地形的特徴除去後地盤ＤＥＭ画像を生成する手段、
   （Ｂ４）前記自動フィルタリング後地盤データに対し、手動フィルタリング処理で非地形的特徴のメッシュを除去した手動フィルタリング後地盤データを生成する手段、
   （Ｂ５）前記手動フィルタリング後地盤データをラスタ化して第２の非地形的特徴除去後地盤ＤＥＭ画像を生成する手段、
   （Ｂ６）前記非地形的特徴強調画像のメッシュ毎に、ＲＧＢ値のいずれかが閾値より大であるかどうかを判定し、閾値以下の場合は、前記地形的特徴を有するメッシュと判定する手段、
   （Ｂ７）ＲＧＢ値のいずれかが閾値より大と判定された場合は、第１の非地形的特徴除去後地盤ＤＥＭ画像の標高値と第２の非地形的特徴除去後地盤ＤＥＭ画像の標高値との差が閾値標高値より大であるかどうかを判定する手段、
   （Ｂ８）閾値標高より大と判定した場合は、非地形的特徴のメッシュ、以下の場合は地形的特徴のメッシュとする教師データを生成し、これらの教師データで前記特徴推定モデルを生成する手段
   としての機能を実行させるための請求項７記載の赤色立体地図画像を用いた点群種類推定プログラム。
9. 前記地形的特徴は、正しい地盤を示すパラメータ又は地すべり地形を示すパラメータであることを特徴とする請求項６記載の赤色立体地図画像を用いた点群種類推定プログラム。
10. 非地形的とされたものは、ノイズを示すパラメータとすることを特徴とする請求項６記載の赤色立体地図画像を用いた点群種類推定プログラム。

Images