JPWO2020176304A5

JPWO2020176304A5 -

Info

Publication number: JPWO2020176304A5
Application number: JP2021534601A
Authority: JP
Publication date: 2022-05-17
Anticipated expiration: 2040-02-19

Claims

一つ以上のデータプロセッサおよびメモリを有するコンピュータシステムと、
ユーザインターフェースであって、それを介してユーザへ情報が出力され、かつ、それを通じてユーザによって情報およびデータが入力され、前記データは、一つ以上の建造物、そのコンポーネント、またはその両方を同定するところのユーザインターフェースと、
データが格納されたデータベースと、
前記データを前記データベースに格納しかつ前記データベースから検索するべく、前記データベースと通信するデータベース管理システムと、
前記メモリ内に格納された非一過性データプロセッサ実行可能インストラクションであって、一つ以上の予めトレーニングされた機械学習モデルおよび一つ以上の後処理アルゴリズムを含む、ところのインストラクションと
を備え、
前記一つ以上の機械学習モデルは、（ａ）前記建造物の画像、前記建造物を特徴づけるポイントクラウドデータ、前記建造物の３次元表現、または前記構造物の図面から建造物のパフォーマンスまたは設計を評価し、（ｂ）前記画像、前記ポイントクラウドデータ、前記３次元表現、または前記図面から前記建造物の一つ以上のコンポーネントを同定し、前記画像から前記建造物の前記一つ以上のコンポーネントを同定しかつ前記一つ以上のコンポーネントに関連するテキストを抽出し、前記画像もしくは前記ポイントクラウドデータまたはそれらの任意の組み合わせから前記建造物の前記一つ以上のコンポーネントにおけるダメージを同定かつ査定し、（ｃ）同定済みの一つ以上のコンポーネントが個別に包囲された状態の第１出力ファイルを生成するべく、前記データベース内の前記データを処理するように予めトレーニングされ、
前記一つ以上の後処理アルゴリズムは、前記第１出力ファイルを処理し、かつ、前記同定済みの一つ以上のコンポーネントの分類および前記一つ以上のコンポーネントの分類毎の数、前記同定済みの一つ以上のコンポーネントの各々の面積測定、および、ひとつの前記機械学習モデルの出力と前記一つ以上のコンポーネントのベンチマーク、二次元ライン、三次元表現、またはこれらの任意の組み合わせとの間の偏りを生成する、量アルゴリズム、計測アルゴリズム、比較アルゴリズム、デジタルモデル生成アルゴリズム、またはそれらの任意の組み合わせを含み、
（１）前記計測アルゴリズムは、
（ａ）コンピュータビジョンを使って、前記一つ以上の機械学習モデルによって同定された領域内のエッジを検出するステップと、
（ｂ）それらの領域内の画素距離を計算し、前記画素距離をカメラの特性および前記建造物に対する空間的関係に基づいてユーザによって特定した距離の他の単位へ変換するステップとを有し、
（２）前記比較アルゴリズムは、
（ａ）前記一つ以上の機械学習モデルから抽出した情報を、（ｉ）ユーザによって入力され、（ｉｉ）物理的図面の機械学習解析を通じて自動的に取得され、または、（ｉｉｉ）デジタル図面またはデジタルモデルから自動的に取得されたベンチマークと比較するステップと、
（ｂ）前記一つ以上の機械学習モデルから抽出した情報と前記ベンチマークとの間の任意の偏りを報告するステップとを有し、
（３）前記デジタルモデル生成アルゴリズムは、
同定済みコンポーネントの分類ごとの画素またはポイントをグループ化することにより同定済みエレメントの３次元デジタルモデルまたは２次元デジタル図面を生成するために前記一つ以上の機械学習モデルからの結果を使用するステップと、
画素またはポイントのグループを当該画素またはポイントのグループの中心を通過するラインまたはポリラインに削減することにより作成されるラインを有する３次元コンポーネントまたは２次元ラインへそれらを変換するステップと
を有し、
変換済みコンポーネントは、機械学習で同定済みの画素またはポイントのグループの外限界を判定し、その寸法、位置、および向きを判定し、前記分類、重心（位置）、角度（向き）および上で得られた寸法情報に基づいて適当なコンポーネントを生成することにより作成される、
ことを特徴とする機械学習ツール。
前記一つ以上の機械学習モデルは、前記建造物の前記設計を評価し、前記建造物の前記コンポーネントを同定し、前記建造物におけるダメージを査定するべく、前記データベース内の前記データを処理するよう予めトレーニングされる、ことを特徴とする請求項１に記載の機械学習ツール。
前記一つ以上の後処理アルゴリズムは、前記量アルゴリズム、前記計測アルゴリズム、前記比較アルゴリズム、および前記デジタルモデル生成アルゴリズムを含む、ことを特徴とする請求項１に記載の機械学習ツール。
前記一つ以上の機械学習モデルは、前記建造物の前記設計を評価し、前記建造物の前記コンポーネントを同定し、および前記建造物における前記ダメージを査定するべく、前記データベース内の前記データを処理するよう予めトレーニングされ、
前記一つ以上の後処理アルゴリズムは、前記量アルゴリズム、前記計測アルゴリズム、前記比較アルゴリズム、および前記デジタルモデル生成アルゴリズムを含む、ことを特徴とする請求項１に記載の機械学習ツール。
前記建造物の前記コンポーネントは構造コンポーネントおよび非構造コンポーネントを含む、ことを特徴とする請求項１に記載の機械学習ツール。
前記量アルゴリズムは、前記コンポーネントの分類ごとに同定されたコンポーネントの実例の合計数を与えるべく、前記一つ以上の機械学習モデルによって同定された一つ以上の分類内の前記コンポーネントの前記実例の数を合算する、ことを特徴とする請求項１に記載の機械学習ツール。
前記計測アルゴリズムを含む、請求項１に記載の機械学習ツール。
前記比較アルゴリズムを含む、請求項１に記載の機械学習ツール。
前記デジタルモデル生成アルゴリズムを含む、請求項１に記載の機械学習ツール。
一つ以上のデータプロセッサおよび非一過性データプロセッサ実行可能インストラクションを格納するメモリを有するコンピュータシステムと、
ユーザインターフェースであって、それを通じてユーザへ情報が出力され、かつ、それを通じて前記ユーザによって情報およびデータが入力される、ところのユーザインターフェースと、
データが格納されるデータベースと、
前記データベースへ前記データを格納しかつ前記データベースから前記データを検索するべく、前記データベースと通信するデータベース管理システムと、
を備え、
前記データプロセッサによって実行されたとき、前記非一過性データプロセッサ実行可能インストラクションは、
建造物の設計を評価し、前記建造物のコンポーネントを同定し、前記建造物におけるダメージを査定し、またはその任意の組み合わせを実行し、かつ、同定済みコンポーネントが包囲された状態の第１出力ファイルを生成するべく、予めトレーニングされた機械学習モデルを使って前記データを処理するステップと、
量アルゴリズム、計測アルゴリズム、比較アルゴリズム、デジタルモデル生成アルゴリズム、またはこれらの任意の組み合わせを呼び出すことにより、前のステップからの前記第１出力ファイルを処理し、かつ、前記同定済みコンポーネントの数および前記同定済みコンポーネントの計測を含む第２出力ファイルを生成するステップとを有効化し、
（１）前記計測アルゴリズムは、
（ａ）コンピュータビジョンを使って、前記一つ以上の機械学習モデルによって同定された領域内のエッジを検出するステップと、
（ｂ）それらの領域内の画素距離を計算し、前記画素距離をカメラの特性および前記建造物に対する空間的関係に基づいてユーザによって特定した距離の他の単位へ変換するステップとを有し、
（２）前記比較アルゴリズムは、
（ａ）前記一つ以上の機械学習モデルから抽出した情報を、（ｉ）ユーザによって入力され、（ｉｉ）物理的図面の機械学習解析を通じて自動的に取得され、または、（ｉｉｉ）デジタル図面またはデジタルモデルから自動的に取得されたベンチマークと比較するステップと、
（ｂ）前記一つ以上の機械学習モデルから抽出した情報と前記ベンチマークとの間の任意の偏りを報告するステップとを有し、
（３）前記デジタルモデル生成アルゴリズムは、
同定済みコンポーネントの分類ごとの画素またはポイントをグループ化することにより同定済みエレメントの３次元デジタルモデルまたは２次元デジタル図面を生成するために前記一つ以上の機械学習モデルからの結果を使用するステップと、
画素またはポイントのグループを当該画素またはポイントのグループの中心を通過するラインまたはポリラインに削減することにより作成されるラインを有する３次元コンポーネントまたは２次元ラインへそれらを変換するステップと
を有し、
変換済みコンポーネントは、機械学習で同定済みの画素またはポイントのグループの外限界を判定し、その寸法、位置、および向きを判定し、前記分類、重心（位置）、角度（向き）および上で得られた寸法情報に基づいて適当なコンポーネントを生成することにより作成される、
ことを特徴とする機械学習ツール。
一つ以上のデータプロセッサおよびメモリを有するコンピュータシステムと、
ユーザインターフェースであって、それを通じてユーザへ情報が出力され、かつ、それを通じて前記ユーザによって情報およびデータが入力される、ところのユーザインターフェースと、
データが格納されたデータベースと、
前記データベースへ前記データを格納しかつ前記データベースから前記データを検索するために、前記データベースと通信するデータベース管理システムと、
前記メモリ内に格納された非一過性データプロセッサ実行可能インストラクションと
を備え、
前記データプロセッサによって実行されると、前記非一過性データプロセッサ実行可能インストラクションにより、前記ユーザインターフェースは、
機械学習解析およびデータフォーマットを選択するようユーザに促し、
前記ユーザから前記データを受信し、該データを前記データベース内に格納し、
画像またはポイントクラウドデータから建造物のコンポーネントを同定し、図面から前記建造物の前記コンポーネントを同定しかつ関連するテキストを抽出し、前記画像もしくは前記ポイントクラウドデータ、またはそれらの任意の組み合わせから前記建造物におけるダメージを同定しかつ査定することにより、前記画像、前記ポイントクラウドデータ、その３次元表現または図面から前記建造物のパフォーマンスまたは設計を評価するべく、前記データベース内の前記データを処理するよう予めトレーニングされた一つ以上の機械学習モデルの中から選択するようユーザに促し、
選択された機械学習モデルを呼び出し、呼び出した機械学習モデルを使って前記データを処理し、かつ、同定済みコンポーネントが包囲された状態の第１出力ファイルを生成し、
量アルゴリズム、計測アルゴリズム、比較アルゴリズム、デジタルモデル生成アルゴリズム、またはこれらの任意の組み合わせを含む一つ以上の後処理アルゴリズムを選択するよう前記ユーザに促し、
各後処理アルゴリズムを呼び出し、前記第１出力ファイルを処理し、かつ、第２出力ファイルを生成し、
（１）前記計測アルゴリズムは、
（ａ）コンピュータビジョンを使って、前記一つ以上の機械学習モデルによって同定された領域内のエッジを検出するステップと、
（ｂ）それらの領域内の画素距離を計算し、前記画素距離をカメラの特性および前記建造物に対する空間的関係に基づいてユーザによって特定した距離の他の単位へ変換するステップとを有し、
（２）前記比較アルゴリズムは、
（ａ）前記一つ以上の機械学習モデルから抽出した情報を、（ｉ）ユーザによって入力され、（ｉｉ）物理的図面の機械学習解析を通じて自動的に取得され、または、（ｉｉｉ）デジタル図面またはデジタルモデルから自動的に取得されたベンチマークと比較するステップと、
（ｂ）前記一つ以上の機械学習モデルから抽出した情報と前記ベンチマークとの間の任意の偏りを報告するステップとを有し、
（３）前記デジタルモデル生成アルゴリズムは、
同定済みコンポーネントの分類ごとの画素またはポイントをグループ化することにより同定済みエレメントの３次元デジタルモデルまたは２次元デジタル図面を生成するために前記一つ以上の機械学習モデルからの結果を使用するステップと、
画素またはポイントのグループを当該画素またはポイントのグループの中心を通過するラインまたはポリラインに削減することにより作成されるラインを有する３次元コンポーネントまたは２次元ラインへそれらを変換するステップと
を有し、
変換済みコンポーネントは、機械学習で同定済みの画素またはポイントのグループの外限界を判定し、その寸法、位置、および向きを判定し、前記分類、重心（位置）、角度（向き）および上で得られた寸法情報に基づいて適当なコンポーネントを生成することにより作成される、
ことを特徴とするツール。
具体的ダメージが、市街、国などにおけるすべての建造物の最大限まで同定され、かつ、最小限の単一の建造物において考慮されるさまざまな条件に対するより広範な復元計画に組み込まれる、ことを特徴とする請求項１に記載の機械学習ツール。
一つ以上のデータプロセッサおよびメモリを有するコンピュータシステムと、
ユーザインターフェースであって、それを通じてユーザに方法が出力され、かつ、それを通じて前記ユーザによって情報およびデータが入力され、前記データは建造物、そのコンポーネント、またはその両方を同定するところのユーザインターフェースと、
データが格納されたデータベースと、
前記データベース内に前記データを格納しかつ前記データベースから前記データを検索するべく、前記データベースと通信するデータベース管理システムと、
前記メモリ内に格納された非一過性データプロセッサ実行可能インストラクションであって、
（Ａ）一つ以上の予めトレーニングされた機械学習モデルであって、画像またはポイントクラウドデータから前記建造物のコンポーネントを同定し、図面から前記建造物の一つ以上のコンポーネントを同定しかつ関連するテキストを抽出し、前記画像もしくは前記ポイントクラウドデータ、またはその任意の組み合わせから前記建造物におけるダメージを同定しかつ査定することにより、前記一つ以上の機械学習モデルは、前記画像、前記ポイントクラウドデータ、またはその３次元表現もしくは図面から前記建造物のパフォーマンスまたは設計を評価し、かつ、同定済みコンポーネントが包囲された状態の第１出力ファイルを生成するべく、前記データベース内の前記データを処理するよう予めトレーニングされた、一つ以上の予めトレーニングされた機械学習モデルと、
（Ｂ）一つ以上の後処理アルゴリズムであって、前記第１出力ファイルを処理し、かつ、前記同定済みの一つ以上のコンポーネントの分類および前記一つ以上のコンポーネントの分類毎の数、前記同定済みの一つ以上のコンポーネントの各々の面積測定、および、ひとつの前記機械学習モデルの出力と前記一つ以上のコンポーネントのベンチマーク、二次元ライン、三次元表現、またはこれらの任意の組み合わせとの間の偏りを生成し、量アルゴリズム、計測アルゴリズム、比較アルゴリズム、デジタルモデル生成アルゴリズム、またはそれらの任意の組み合わせを含む一つ以上の後処理アルゴリズムと
を有する非一過性データプロセッサ実行可能インストラクションと
を備え、
（１）前記計測アルゴリズムは、
（ａ）コンピュータビジョンを使って、前記一つ以上の機械学習モデルによって同定された領域内のエッジを検出するステップと、
（ｂ）それらの領域内の画素距離を計算し、前記画素距離をカメラの特性および前記建造物に対する空間的関係に基づいてユーザによって特定した距離の他の単位へ変換するステップとを有し、
（２）前記比較アルゴリズムは、
（ａ）前記一つ以上の機械学習モデルから抽出した情報を、（ｉ）ユーザによって入力され、（ｉｉ）物理的図面の機械学習解析を通じて自動的に取得され、または、（ｉｉｉ）デジタル図面またはデジタルモデルから自動的に取得されたベンチマークと比較するステップと、
（ｂ）前記一つ以上の機械学習モデルから抽出した情報と前記ベンチマークとの間の任意の偏りを報告するステップとを有し、
（３）前記デジタルモデル生成アルゴリズムは、
同定済みコンポーネントの分類ごとの画素またはポイントをグループ化することにより同定済みエレメントの３次元デジタルモデルまたは２次元デジタル図面を生成するために前記一つ以上の機械学習モデルからの結果を使用するステップと、
画素またはポイントのグループを当該画素またはポイントのグループの中心を通過するラインまたはポリラインに削減することにより作成されるラインを有する３次元コンポーネントまたは２次元ラインへそれらを変換するステップと
を有し、
変換済みコンポーネントは、機械学習で同定済みの画素またはポイントのグループの外限界を判定し、その寸法、位置、および向きを判定し、前記分類、重心（位置）、角度（向き）および上で得られた寸法情報に基づいて適当なコンポーネントを生成することにより作成される、
ことを特徴とする機械学習ツール。