WO2018159690A1 - 点群データの抽出方法、及び点群データの抽出装置 - Google Patents

点群データの抽出方法、及び点群データの抽出装置 Download PDF

Info

Publication number
WO2018159690A1
WO2018159690A1 PCT/JP2018/007545 JP2018007545W WO2018159690A1 WO 2018159690 A1 WO2018159690 A1 WO 2018159690A1 JP 2018007545 W JP2018007545 W JP 2018007545W WO 2018159690 A1 WO2018159690 A1 WO 2018159690A1
Authority
WO
WIPO (PCT)
Prior art keywords
cloud data
point cloud
trajectory
point
extraction
Prior art date
Application number
PCT/JP2018/007545
Other languages
English (en)
French (fr)
Inventor
信 吉澤
横田　秀夫
雄 宮川
Original Assignee
国立研究開発法人理化学研究所
株式会社トプコン
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 国立研究開発法人理化学研究所, 株式会社トプコン filed Critical 国立研究開発法人理化学研究所
Priority to EP18760902.9A priority Critical patent/EP3531068B1/en
Priority to US16/461,160 priority patent/US11204243B2/en
Publication of WO2018159690A1 publication Critical patent/WO2018159690A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C7/00—Tracing profiles
    • G01C7/02—Tracing profiles of land surfaces
    • G01C7/04—Tracing profiles of land surfaces involving a vehicle which moves along the profile to be traced
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Definitions

  • the present invention relates to a method and an apparatus for extracting point cloud data such as a road as an analysis object from point cloud data over the entire circumference of the measuring device measured by the measuring device.
  • roads may become wrinkled and uneven over time due to traffic of vehicles, etc., and these need to be repaired.
  • the road is inspected, and data on the road surface property of the road, that is, data on the unevenness state of the road surface is acquired.
  • the data on the road surface properties is acquired by measurement by a measurer or traveling on a road surface property vehicle along a measurement route of a road to be measured.
  • a road surface property vehicle is equipped with a measuring device that measures the height of each point on the road surface by irradiating the road surface with scanning light.
  • Patent Document 1 in a device that projects light toward a plane while moving the moving body in the longitudinal direction of the plane and measures the level difference of the plane based on the projection result, means for detecting the moving distance and light projecting means, It is configured to include means for imaging the light irradiation line, transverse direction data calculation means for acquiring height data, vertical direction data calculation means, and three-dimensional data calculation means.
  • the height of the road surface is measured by using a scanner of the measurement device to scan light obliquely forward of the vehicle while acquiring the position with a GNSS (Global Navigation Satellite System). This is performed by irradiating in a spiral shape and receiving reflected light from surrounding structures.
  • GNSS Global Navigation Satellite System
  • the measuring apparatus includes a plurality of, for example, 32 measuring elements, and rotationally drives the measuring elements to sequentially scan, obtain distances to surrounding structures, and obtain point cloud data over the entire circumference. .
  • Non-Patent Document 1 proposes a method of automatically classifying road portions by recognizing the uneven shape of the shoulder of the road to be measured.
  • Non-Patent Document 1 the conventional method for extracting point cloud data proposed in Non-Patent Document 1 is complicated and difficult to handle when there is no target such as a curb on the shoulder. There is.
  • the present invention has been made in view of the above-described problems, and easily and automatically extracts analysis target point cloud data for a structure to be analyzed from point cloud data acquired over the entire circumference of the measurement device with respect to the measurement path.
  • An object of the present invention is to provide a method and apparatus for extracting point cloud data.
  • Invention of Claim 1 which solves the said subject is point cloud data about a specific analysis object from all the circumference point group data acquired by scanning the circumference
  • a point cloud data extraction method for extracting target point cloud data wherein trajectory point sequence data representing a trajectory of movement of the measuring device in the measurement path as a plurality of trajectory points is acquired, from the trajectory point sequence data The position is determined based on each of the trajectory points of the acquired trajectory point sequence, and an area specified by the designated geometric shape is set as an extraction area, and belongs to the extraction area of the all-round point group data
  • the invention according to claim 2 is the point cloud data extraction method according to claim 1, wherein the trajectory point sequence is a constant specified from measurement trajectory point sequence data obtained at predetermined time intervals. It is obtained by acquiring trajectory points separated by a distance.
  • the invention according to claim 3 is the point cloud data extraction method according to claim 1, wherein the measurement route is a travel route on a road to be measured, and the analysis object is a road surface of the road.
  • the extraction area is a plurality of cylindrical areas set at predetermined positions on a perpendicular line from the trajectory point, and the cylindrical area sets a predetermined diameter and a predetermined height dimension. It is characterized by.
  • the invention according to claim 4 is the point cloud data extraction method according to claim 2, wherein the extraction region is a plurality of the cylindrical regions and two adjacent cylindrical regions. Two parallel tangent planes circumscribing the outer peripheral surfaces of each of the two columnar regions, an upper plane corresponding to the upper surface of the two columnar regions, a bottom plane corresponding to the bottom surfaces of the two columnar regions, In each of the two cylindrical regions, an inner region of a parallelepiped region surrounded by two diametrical planes including two generatrixes in which the tangential planes of the two surfaces are in contact with the outer peripheral surface and forming a diameter of the cylindrical region; , Including.
  • the invention according to claim 5 is the point cloud data extraction method according to claim 1, wherein the determination of whether or not the all-round point group data belongs to the extraction region is performed by an approximate nearest neighbor search (ANN: (Appearance Nearest Neighbor) and the inside / outside determination of the area specified by the specified geometric shape.
  • ANN approximate nearest neighbor search
  • the invention described in claim 6 is object point cloud data which is point cloud data for a specific analysis object from all-around point cloud data acquired by scanning around the measurement apparatus while moving along the measurement path.
  • a point cloud data extracting device for extracting a trajectory point sequence representing a trajectory of movement of the measuring device in the measurement path as a plurality of trajectory points, and a position based on each of the trajectory points And a means for setting an area specified by a designated geometric shape as an extraction area, and a means for extracting point data belonging to the extraction area from the all-around point group data as target point cloud data.
  • the point cloud data extracting device is characterized by comprising:
  • the point cloud data to be analyzed for the structure to be analyzed from the point cloud data acquired over the entire circumference of the measuring device with respect to the measurement path can be simply and automatically. Can be extracted.
  • the point cloud data extraction device is obtained by scanning around the measurement device while moving along the measurement path.
  • trajectory point sequence data representing the trajectory of movement of the measuring device on the measurement path as a plurality of trajectory points Acquired
  • the position is determined with reference to each locus point of the locus point sequence
  • the area specified by the specified geometric shape is set as the extraction area
  • the points belonging to the extraction area in the all-round point group data Data is extracted as target point cloud data. Therefore, it is possible to easily and automatically extract the analysis target point cloud data for the structure to be analyzed from the point cloud data acquired over the entire circumference of the measurement device with respect to the measurement path.
  • the trajectory point sequence for determining the extraction region is a predetermined distance specified from the measurement trajectory sequence obtained at predetermined time intervals. Obtained by acquiring spaced points. Therefore, an excessively large number of trajectory point sequences are not set, and the outflow region setting process and the point cloud data extraction process can be performed simply and quickly.
  • the measurement route is a travel route on the road to be measured
  • the analysis target is the road surface of the road
  • the extraction region is a vertical point from the trajectory point.
  • a plurality of cylindrical regions are set at predetermined positions on the line, and the cylindrical region is set to a predetermined diameter and a predetermined height dimension. Therefore, the point cloud data about the road surface with a desired width dimension can be extracted quickly and with few leaks.
  • the extraction region includes a plurality of cylindrical regions and an inner region of the plurality of parallelepiped regions. Therefore, the point cloud data that deviates from the cylindrical region can be extracted as the point cloud data of the road in the parallel hexahedron region inner region, and the omission of extraction of the point cloud data can be minimized.
  • point cloud data extraction method of claim 5 whether or not all-round point cloud data belongs to the extraction region is determined by an approximate nearest neighbor (ANN) and designation. This is performed using the inside / outside determination of the region specified by the geometric shape. Therefore, the point cloud data extraction process can be performed easily and at high speed without using a high-performance apparatus.
  • ANN approximate nearest neighbor
  • FIG. 1 It is a block diagram which shows the structure of the extraction apparatus of the point cloud data which concerns on embodiment of this invention. It is a schematic diagram which shows the measurement state of the road surface by a road surface measuring apparatus, (a) is a side view, (b) is a top view.
  • region for extracting point cloud data is demonstrated, (a) is a top view of a cylindrical area
  • the point cloud data extraction state is shown, (a) is a diagram showing the acquired photograph superimposed on the point cloud data before extraction, (b) is a superimposed image of the extracted point cloud data of the road on the photograph The figure shown, (c) is an enlarged view of the extracted point cloud data of the road.
  • a point cloud data extraction method and a point cloud data extraction device include an all-round point cloud data acquired by a road surface measuring device constituting a mobile mapping system (MMS), a locus
  • MMS mobile mapping system
  • the point cloud data of the road that is the analysis object is extracted from the point sequence data.
  • the extracted point cloud data of the road is evaluated in a plane, and the road surface property is evaluated.
  • the road surface measuring device is mounted on a vehicle that travels and moves, and acquires highly accurate measured data using a scanner and images. This measurement is performed for the entire circumference of the scanner, and point cloud data (all-round point cloud data) is obtained for surrounding structures such as road accessories, buildings, and standing trees in addition to roads.
  • point cloud data all-round point cloud data
  • surrounding structures such as road accessories, buildings, and standing trees in addition to roads.
  • FIG. 1 is a block diagram showing a configuration of a point cloud data extracting device according to an embodiment of the present invention
  • FIG. 2 is a schematic diagram showing a road surface measurement state by a road surface measuring device
  • (a) is a side view
  • (b) ) Is a plan view.
  • the road surface measuring device 300 is mounted on a vehicle 340 traveling on a road 410 as shown in FIG.
  • the road surface measuring device 300 includes a scanner 310 that is a measuring device, an all-around camera 320, a GNSS (Global Navigation Satellite System) device 330, an attitude detection device for the road surface measuring device 300, an accelerometer, and the like.
  • GNSS Global Navigation Satellite System
  • the road surface measuring device 300 scans and irradiates the scan light La in a spiral shape with the scanner 310 in an obliquely forward direction of the vehicle 340 while acquiring the position by the GNSS device, and from the structure 400 such as the road 410 and the surrounding buildings 420.
  • the reflected light Lb is received.
  • Measured data (all-round point group data) of the structure 400 is acquired based on the time until this reception. For this reason, the trajectory T of the scanning light La in the structure 400 has a spiral shape.
  • FIG. 2B only the scanning light La irradiated on the road 410 is shown.
  • 32 measurement elements are arranged. This measuring element includes a light emitting element and a light receiving element. The light emitting element emits measurement light in a pulse shape, and the light receiving element receives reflection of the measuring light by the structure 400. All-round point group data measured over the entire circumference of the scanner 310 is acquired based on the time from light emission to light reception.
  • the road surface measuring device 300 simultaneously acquires an image of the road over the entire circumference by the all-around camera 320.
  • the GNSS device 330 captures the radio wave of the artificial satellite, acquires the plane position and altitude of the road surface measurement device 300, and acquires the travel route of the road surface measurement device 300, that is, the measurement route.
  • the coordinates of the road surface measuring apparatus 300 are acquired at a certain time interval, for example, at 100 times / second intervals, and the locus point sequence data is output as coordinates. Since the trajectory point sequence data is acquired at predetermined time intervals, the intervals between the data are not necessarily constant distances, and the intervals between the data depend on the traveling speed of the vehicle 340.
  • the extraction device 100 acquires all-round point cloud data and trajectory point data as measurement data from the road surface measurement device 300, extracts point cloud data about the road as target point cloud data, and sends it to the road surface evaluation device 200. Output.
  • the road surface evaluation apparatus 200 analyzes the target point cloud data and evaluates road surface properties.
  • the extraction apparatus 100 includes a data storage unit 110, a locus point sequence setting unit 120, an extraction region setting unit 130, an approximate nearest neighbor search processing unit 140, an extraction processing unit 150, and a road point cloud data output unit. 160.
  • the extraction device 100 is configured as a computer including a CPU (Central Processing Unit) as a processing device, a RAM (Random Access Memory) as a main storage device, a ROM (Read Only Memory), an HDD (Hard Disc Drive) as an auxiliary storage device, and the like.
  • a CPU Central Processing Unit
  • RAM Random Access Memory
  • ROM Read Only Memory
  • HDD Hard Disc Drive
  • the extraction apparatus 100 can be realized by a notebook personal computer in which a program for realizing a point cloud data extraction method is installed.
  • the data storage unit 110 receives and stores the all-round point group data and the trajectory point sequence data from the road surface measuring device 300.
  • the trajectory point sequence setting unit 120 acquires trajectory point sequence data from the data storage unit 110, converts the point sequence data acquired at regular time intervals, and arranges trajectory points at predetermined regular intervals (for example, 30 cm). Generated trajectory point sequence. This process can be performed, for example, by acquiring points separated by a specified distance from the measurement trajectory point sequence data. It should be noted that the interval between the point sequences can be changed as appropriate depending on the measurement object.
  • the extraction region setting unit 130 sets a plurality of regions specified by the designated geometric shape while the position is determined based on the locus point of the locus point sequence set by the locus point sequence setting unit 120.
  • point cloud data about a road is acquired.
  • the area for point cloud data extraction is set as follows.
  • 3A and 3B illustrate an extraction region for extracting point cloud data.
  • FIG. 3A is a plan view of a cylindrical region
  • FIG. 3B is a plan view showing a cylindrical region and a parallelepiped region
  • the extraction region setting unit 130 sets a predetermined position on the vertical line Vi from each locus point Xi to the ground, that is, a predetermined distance hc from the locus point.
  • a cylindrical region Ci having a preset radius r (for example, 3 m) and a preset height dimension h (for example, 20 cm) is set.
  • the extraction region setting unit 130 has two parallel tangent planes p1 circumscribing the outer peripheral surfaces of the two cylindrical regions when attention is paid to the two adjacent cylindrical regions Ci and Ci + 1. And p2, an upper plane p3 corresponding to the upper surface of the two cylindrical regions, a bottom plane p4 corresponding to the bottom surface of the two cylindrical regions, and the tangential plane of the two surfaces in contact with the outer peripheral surface in each of the two cylindrical regions A parallelepiped region Hi that is surrounded by two diameter planes p5 and p6 that includes two generatrix lines and forms the diameter of the cylindrical region is set.
  • parallel hexahedron regions Hi-1 and parallel hexahedron regions Hi are arranged on both sides of the cylindrical region Ci. These settings are made from a keyboard or mouse of a notebook personal computer used as the extraction apparatus 100. The shape, size, and position of this region can be appropriately changed depending on the object to be extracted.
  • the approximate nearest neighbor search processing unit 140 performs processing to determine which locus point sequence each point of the all-round point group data stored in the data storage unit 110 is closest to. This process can use, for example, approximate nearest neighbor search (ANN). Other methods can be used for this process.
  • ANN approximate nearest neighbor search
  • the extraction processing unit 150 extracts the point cloud data arranged in the area determined by the extraction area setting unit 130 from the all-round point cloud data, and outputs this point cloud data as the target point cloud data.
  • the road point cloud data output unit 160 outputs the target point cloud data extracted by the extraction processing unit 150 to the road surface evaluation device 200.
  • FIG. 5 is a flowchart showing processing in the point cloud data extraction method according to the embodiment.
  • the approximate nearest neighbor search processing unit 140 stores the N point cloud data (P) from the data storage unit 110 in a file for reading point cloud data storage, and the locus points generated by the locus point sequence setting unit 120.
  • the column data (X) is read (step S1).
  • the trajectory point Xk in the trajectory point sequence closest to the point Pn of the point cloud data is first searched (step S3). This is performed by an approximate nearest neighbor search (ANN: Appearance Nearest Neighbor). This method is publicly known and the source code is also disclosed. As a result, a correspondence as to which locus point Xk the point Pn belongs to is attached. When the distance between the point Pn and the two trajectory points Xk and Xk + 1 is equal, it may be processed as belonging to one or both.
  • ANN Appearance Nearest Neighbor
  • step S4 it is determined whether the point Pn is inside the cylindrical region Ck corresponding to the locus point Xk (step S4).
  • the point Pn is inside the cylindrical region Ck (Yes in step S4), the point Pn Is left without being deleted (step S5).
  • the point Pn is outside the cylindrical region Ck (No in step S4), it is determined whether the point Pn is inside the corresponding parallelepiped region Hk, Hk-1 between Xk-1, Xk, Xk + 1. (Step S5).
  • the point Pn is inside the parallelepiped regions Hk and Hk-1 (Yes in step S5), the point Pn is not deleted and is left in the file storing the point cloud data (step S5).
  • step S5 when the point Pn is not inside the parallelepiped regions Hk and Hk ⁇ 1 (No in step S5), the point Pn is discarded and deleted from the file (step S7).
  • point cloud data existing in the set area can be extracted as target point cloud data.
  • FIG. 6A and 6B show the point cloud data extraction state.
  • FIG. 6A is a diagram in which the acquired photograph is superimposed on the point cloud data before extraction
  • FIG. 6B is a photograph showing the extracted point cloud data of the road.
  • (C) is an enlarged view of the extracted point cloud data of the road.
  • the image 500 shown in FIG. 6A shows the data read from the road surface measuring device 300 as a bird's eye view.
  • the image 500 shows the road 510 and the building 520 together.
  • This image 500 is obtained by superimposing the photographic data acquired by the omnidirectional camera 320 on the omnidirectional point cloud data acquired by the scanner 310 and superimposing the trajectory point sequence 530 to convert it into a bird's eye view.
  • point cloud data for only the road 510 was obtained using the target point cloud data as the target point cloud data.
  • the image 540 displays the extracted point cloud data as a bird's eye view by superimposing photographic data as in FIG.
  • road point cloud data can be acquired as target point cloud data.
  • the point cloud data of the road is schematically shown in FIG.
  • this image 550 the point cloud data extracted in the extraction region is arranged over the width of the road. Note that the point group is distributed in an arc along the scan trajectory of the scanner 310.
  • the acquired target point cloud data is evaluated by the road surface evaluation device 200. That is, the road surface evaluation apparatus 200 divides the target point cloud data from the extraction apparatus 100 into predetermined small areas, generates a reference plane by plane fitting the point cloud data in the small area, and generates a reference plane at each point from the reference plane. The separation amount is calculated. Then, the road is measured by visualizing or digitizing the distance. This evaluation method is known.
  • the evaluation target is a road
  • the extraction region is specified by a cylindrical region and a parallelepiped region.
  • the extraction area can be changed as necessary.
  • the extraction area can be constituted only by a cylindrical area.
  • it in order to measure the building and slope which are located on the outer side of the road, it can be set as an area set from the trajectory point sequence toward the outer side of the road.
  • a region sandwiched between two circular cylinders having different central radii can be used as the extraction region.
  • Extraction device 110 Data storage unit 120: Trajectory point sequence setting unit 130: Extraction region setting unit 140: Approximate nearest neighbor search processing unit 150: Extraction processing unit 160: Road point cloud data output unit 200: Road surface evaluation device 300: Road surface measuring device 310: scanner 320: omnidirectional camera 330: GNSS device 340: vehicle 400: structure 410: road 420: building 500: image 510: road 520: building 530: trajectory point sequence 540: image 550: point cloud image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

【課題】測定経路について測定装置の全周にわたって取得された点群データから解析対象とする構造物についての解析対象点群データを簡単かつ自動的に抽出する。 【解決手段】測定経路に沿って移動させつつ路面測定装置３００の周囲を走査して取得した全周点群データから特定の道路についての点群データである対象点群データを抽出する。抽出装置１００は、データ格納部１１０に全周点群データと測定経路における路面測定装置３００の移動の軌跡を複数の軌跡点として表した軌跡点列データを格納し、軌跡点列設定部１２０で軌跡点列データから等間隔の軌跡点列を取得し、抽出領域設定部１３０で軌跡点Ｘｉの下側の所定位置に配置した幾何学領域である円柱領域Ｃｉ及び平行六面体領域Ｈｉを抽出領域とし設定し、近似最近傍探索処理部１４０及び抽出処理部１５０で全周点群データのうちこの抽出領域に属する点データを対象点群データとして抽出する。

Description

点群データの抽出方法、及び点群データの抽出装置
　本発明は、測定装置で測定した測定装置の全周にわたる点群データから解析対象物である道路等の点群データを抽出する方法及び装置に関する。
　一般に道路は車両等の通行により経時的に轍や凹凸が生じ、これらを補修する必要がある。このような道路の補修を行うため、道路の点検を行い、道路の路面性状についてのデータ、即ち路面の凹凸の状態についてのデータを取得する。これらの路面性状についてのデータは、測定員による測定や、路面性状車を測定対象となる道路の測定経路に沿って走行して取得される。路面性状車には、路面にスキャン光を照射して路面の各点の高さを計測する測定装置が搭載されている。
　特許文献１には、移動体を平面の縦断方向に移動させつつ光を平面に向けて投光し投光結果により平面の段差を計測する装置において、移動距離を検出する手段と投光手段、光照射ラインを撮像する手段、高さデータを取得する横断方向データ演算手段、縦方向データ演算手段、３次元データ演算手段、を備える構成とする。以上の構成により移動体が所定距離移動するごとに平面の横断方向に沿って１本の照射ラインが平面上に形成されるように移動体から平面に向け光が投光され、上記各種手段により凹凸プロフィルをリアルタイムに取得する技術が記載されている。
　このような路面性状車にあっては、路面の高さ測定は、ＧＮＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ：全地球航法衛星システム）で位置を取得しつつ測定装置のスキャナにより車両の斜め前方にスキャン光をスパイラル状に照射して周囲の構造物からの反射光を受信することにより行われる。
　ここで、測定装置は、複数、例えば３２個の測定素子を備え、この測定素子を回転駆動して順次スキャンを行い、周囲の構造物までの距離を取得して全周にわたる点群データを得る。
　一般に、道路の性状を調査するに際しては、取得した点群には、道路やトンネルの内壁、整備法面などの解析対象としたい構造以外も多く取得されている。このため、道路の性状を解析するためには、このような点群データから解析対象である道路等の構造部分の点群だけを切り出す必要がある。従来の点群処理ソフトウエアでは人が範囲を決めて点群データを切り出すことができるものの、点群データの取得には、取得したい領域を手動で指定する必要がある。このため、点群データから解析対象点群データを手動で抽出するには、手間がかかる。そこで自動的に道路に関する点群データを取得することが求められている。
　非特許文献１には、測定対象となる道路の路肩の凹凸形状を認識して、道路部分を自動的に分別する方法が提案されている。
　Ｈ．　Ｇｕａｎ　ｅｔ　ａｌ．　“Ａｕｔｏｍａｔｅｄ　Ｒｏａｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｘｔｒａｃｔｉｏｎ　Ｆｒｏｍ　Ｍｏｂｉｌｅ　Ｌａｓｅｒ　Ｓｃａｎｎｉｎｇ　Ｄａｔａ”　ＩＥＥＥ　ＴＩＴＳ　１６（１）：１９４　２０５，２０１５
特開平１０－２８８５１６号公報
　しかし、非特許文献１で提案されている従来の点群データの抽出方法にあっては、処理が複雑である他、路肩に縁石などの目標物がない場合は対応が困難であるという問題点がある。
　本発明は上述した課題に鑑みたものであり、測定経路について測定装置の全周にわたって取得された点群データから解析対象とする構造物についての解析対象点群データを簡単かつ自動的に抽出することができる点群データの抽出方法、及び装置を提供することを目的とする。
　前記課題を解決する請求項１に記載の発明は、測定経路に沿って移動させつつ測定装置の周囲を走査して取得した全周点群データから特定の解析対象物についての点群データである対象点群データを抽出する点群データの抽出方法であって、前記測定経路における前記測定装置の移動の軌跡を複数の軌跡点として表した軌跡点列データを取得し、前記軌跡点列データから取得した軌跡点列の各軌跡点のそれぞれを基準として位置が定まると共に、指定された幾何学形状で特定される領域を抽出領域として設定し、前記全周点群データのうち前記抽出領域に属する点データを対象点群データとして抽出する、ことを特徴とする点群データの抽出方法である。
　同じく請求項２に記載の発明は、請求項１に記載の点群データの抽出方法において、前記軌跡点列は、予め定めた一定時間間隔で得られた測定軌跡点列データから指定した一定の距離だけ離間した軌跡点を取得することにより得られたことを特徴とする。
　同じく請求項３に記載の発明は、請求項１に記載の点群データの抽出方法において、前記測定経路が測定対象である道路での走行経路であり、前記解析対象物が前記道路の路面であり、前記抽出領域が前記軌跡点からの垂線上の予め定めた位置に設定された複数の円柱領域であり、前記円柱領域は、予めに設定した径と予め設定した高さ寸法を設定することを特徴とする。
　同じく請求項４に記載の発明は、請求項２に記載の点群データの抽出方法において、前記抽出領域には、複数の前記円柱領域と、隣り合う２個の前記円柱領域に着目したときにおける前記２個の円柱領域のそれぞれの外周面に外接する平行な２面の接平面、前記２個の円柱領域の上面に相当する上側平面、前記２個の円柱領域の底面に相当する底平面、前記２個の円柱領域のそれぞれにおいて前記２面の接平面が前記外周面と接する２本の母線を含み前記円柱領域の直径をなす２面の直径平面で囲まれた平行六面体領域の内部領域と、を含むことを特徴とする。
　同じく請求項５に記載の発明は、請求項１に記載の点群データの抽出方法において、前記全周点群データが前記抽出領域に属しているか否かの判定を近似最近傍探索（ＡＮＮ：Ａｐｐｒｏｘｉｍａｔｅ　Ｎｅａｒｅｓｔ　Ｎｅｉｇｈｂｏｒ）および、指定された幾何学形状で特定される領域の内外判定を用いて行うことを特徴とする。
　同じく請求項６に記載の発明は、測定経路に沿って移動させつつ測定装置の周囲を走査して取得した全周点群データから特定の解析対象物についての点群データである対象点群データを抽出する点群データの抽出装置であって、前記測定経路における前記測定装置の移動の軌跡を複数の軌跡点として表した軌跡点列を取得する手段と、前記軌跡点のそれぞれを基準として位置が定まると共に、指定された幾何学形状で特定される領域を抽出領域として設定する手段と、前記全周点群データのうち前記抽出領域に属する点データを対象点群データとして抽出する手段とを備える、ことを特徴とする点群データの抽出装置である。
　本発明に係る点群データの抽出方法、及び装置によれば、測定経路について測定装置の全周にわたって取得された点群データから解析対象とする構造物についての解析対象点群データを簡単かつ自動的に抽出することができる。
　即ち、請求項１に記載の点群データの抽出方法、及び請求項６に記載の点群データの抽出装置によれば、測定経路に沿って移動させつつ測定装置の周囲を走査して取得した全周点群データから特定の解析対象物についての点群データである対象点群データを抽出するに際して、測定経路における前記測定装置の移動の軌跡を複数の軌跡点として表した軌跡点列データを取得し、軌跡点列の各軌跡点のそれぞれを基準として位置が定まると共に、指定された幾何学形状で特定される領域を抽出領域として設定し、全周点群データのうち抽出領域に属する点データを対象点群データとして抽出する。
　よって、測定経路について測定装置の全周にわたって取得された点群データから解析対象とする構造物についての解析対象点群データを簡単かつ自動的に抽出することができる。
　また、請求項２に記載の点群データの抽出方法によれば、抽出領域を決めるための軌跡点列は、予め定めた一定時間間隔で得られた測定軌跡点列から指定した一定の距離だけ離間した点を取得することにより得る。
　よって、過度に多く軌跡点列を設定することがなくなり、流出領域の設定処理や点群データの抽出処理を簡単かつ迅速にできる。
　また、請求項３に記載の点群データの抽出方法によれば、測定経路を測定対象である道路での走行経路とし、解析対象物を道路の路面とし、更に抽出領域を軌跡点からの垂線上の予め定めた位置に設定された複数の円柱領域とし、円柱領域を、予めに設定した径と予め設定した高さ寸法とする。
　よって、所望の幅寸法での路面についての点群データを迅速にかつ少ない漏れで抽出できる。
　また、請求項４に記載の点群データの抽出方法によれば、抽出領域には、複数の円柱領域と、複数の平行六面体領域の内部領域と、を含む。
　よって、本来なら道路の点群データとして、円柱領域から外れる点群データを平行六面体領域内部領域で抽出することができ、点群データの抽出漏れを最小限にすることができる。
　そして、請求項５に記載の点群データの抽出方法によれば、全周点群データが前記抽出領域に属しているか否かの判定を近似最近傍探索（ＡＮＮ：Ａｐｐｒｏｘｉｍａｔｅ　Ｎｅａｒｅｓｔ　Ｎｅｉｇｈｂｏｒ）および、指定された幾何学形状で特定される領域の内外判定を用いて行う。
　このため、点群データの抽出処理を、高性能な装置を使用することなく、簡単かつ高速に行うことができる。
本発明の実施形態に係る点群データの抽出装置の構成を示すブロック図である。 路面測定装置による路面の測定状態を示す模式図であり、（ａ）は側面図、（ｂ）は平面図である。 点群データの抽出を行うための抽出領域を説明するものであり、（ａ）は円柱領域の平面図、（ｂ）は円柱領域と平行六面体領域を示す平面図である。 点群データの抽出を行うための抽出領域を構成する円柱領域と平行六面体領域を示す斜視図である。 実施形態に係る点群データの抽出方法における処理を示すフローチャートである。 点群データの抽出状態を示すものであり、（ａ）は抽出前の点群データに取得した写真を重ねて示した図、（ｂ）は抽出された道路の点群データを写真に重ねて示した図、（ｃ）は抽出された道路の点群データの拡大図である。
　本発明を実施するための形態に係る点群データの抽出方法、及び点群データの抽出装置について説明する。
　本発明の実施形態に係る点群データの抽出方法及び点群データの抽出装置は、ＭＭＳ（モバイルマッピングシステム：Ｍｏｂｉｌｅ　Ｍａｐｐｉｎｇ　Ｓｙｓｔｅｍ）を構成する路面測定装置で取得される全周点群データと、軌跡点列データから解析対象物である道路の点群データを抽出する。抽出された道路の点群データは面的に評価され、路面性状の評価がなされる。
　路面測定装置は、走行して移動する車両に搭載され、スキャナ及び画像による高精度な実測データを取得する。この測定は、スキャナの全周についてなされ、道路の他、道路の付属物、建築物、立木等、周囲の構造物についての点群データ（全周点群データ）が取得される。道路の評価を行う際には、道路以外のものについて得られた点群データがあると、道路のモデル面の設定等が正確にできない。このため、抽出装置により、取得した全周点群データから道路の点群データを対象点群データとして抽出する。
　以下、点群データの抽出装置について説明する。図１は本発明の実施形態に係る点群データの抽出装置の構成を示すブロック図、図２は路面測定装置による路面の測定状態を示す模式図であり、（ａ）は側面図、（ｂ）は平面図である。路面測定装置３００は、図２（ａ）に示すように、道路４１０を走行する車両３４０に搭載される。路面測定装置３００は、測定装置であるスキャナ３１０と、全周カメラ３２０と、ＧＮＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）装置３３０と、路面測定装置３００の姿勢検出装置、加速度計等を備える。路面測定装置３００はＧＮＳＳ装置で位置を取得しつつスキャナ３１０により車両３４０の斜め前方にスキャン光Ｌａをスパイラル状に走査して照射し、構造物４００である例えば道路４１０や周囲の建築物４２０からの反射光Ｌｂを受信する。
　この受信までの時間に基づいて構造物４００の測定データ（全周点群データ）を取得する。このため、構造物４００における、スキャン光Ｌａの軌跡Ｔは、スパイラル状となる。なお、図２（ｂ）には、道路４１０に照射されたスキャン光Ｌａだけを記載している。スキャナ３１０には、３２個の測定素子が配置されている。この測定素子は発光素子と受光素子とを備え、発光素子からはパルス状に測定光が射出され、受光素子は構造物４００による測定光の反射を受光する。発光から受光までの時間に基づいて、スキャナ３１０の全周にわたって測定した全周点群データを取得する。
　また、路面測定装置３００は、同時に全周カメラ３２０により全周にわたり道路の画像を取得する。ＧＮＳＳ装置３３０は、人工衛星の電波をとらえ、路面測定装置３００の平面位置と高度を取得して路面測定装置３００の走行経路、即ち測定経路を取得する。そして、路面測定装置３００の座標を一定時間間隔、例えば１００回／秒間隔の軌跡点を取得して軌跡点列データを座標として出力する。この軌跡点列データは所定時間間隔で取得されるから、各データの間隔は必ずしも一定距離距とはならず、各データの間隔は車両３４０の走行速度に依存する。
　抽出装置１００は、路面測定装置３００からの測定データとして、全周点群データと軌跡点データとを取得して、道路についての点群データを対象点群データとして抽出し、路面評価装置２００に出力する。路面評価装置２００ではこの対象点群データを解析して路面性状の評価を行う。
　図１に示すように、抽出装置１００は、データ格納部１１０、軌跡点列設定部１２０、抽出領域設定部１３０、近似最近傍探索処理部１４０、抽出処理部１５０、及び道路点群データ出力部１６０を備える。
　抽出装置１００は、処理装置としてＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、主記憶装置としてＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、補助記憶装置としてＨＤＤ（Ｈａｒｄ　Ｄｉｓｃ　Ｄｒｉｖｅ）等を備えたコンピュータとして構成され、ＣＰＵによりプログラムを実行することによりデータ格納部１１０、軌跡点列設定部１２０、抽出領域設定部１３０、近似最近傍探索処理部１４０、抽出処理部１５０、及び道路点群データ出力部１６０の機能を実現する。抽出装置１００は点群データの抽出方法を実現するプログラムをインストールしたノート型のパーソナルコンピュータで実現できる。
　データ格納部１１０は、路面測定装置３００からの全周点群データと軌跡点列データとを受け取り格納する。軌跡点列設定部１２０は、データ格納部１１０から軌跡点列データを取得して、一定時間ごとに取得された点列データを変換して所定の一定間隔（例えば３０ｃｍ）ごとに軌跡点が配列された軌跡点列を生成する。この処理は、例えば測定軌跡点列データから指定した一定の距離だけ離間した点を取得することにより行うことができる。なお、点列の間隔は測定対象等により適宜変更することができる。
　抽出領域設定部１３０は、軌跡点列設定部１２０で設定した軌跡点列の軌跡点を基準として位置が定まると共に指定された幾何学形状で特定される複数の領域を設定する。本実施形態は、道路についての点群データを取得する。このため、点群データ抽出のための領域を以下のように設定している。図３は点群データの抽出を行うための抽出領域を説明するものであり、（ａ）は円柱領域の平面図、（ｂ）は円柱領域と平行六面体領域を示す平面図、図４は点群データの抽出を行うための抽出領域を構成する円柱領域と平行六面体領域を示す斜視図である。
　抽出領域設定部１３０は、図３（ａ）、（ｂ）及び図４に示すように、各軌跡点Ｘｉから地面への垂線Ｖｉ上の予め定めた位置、即ち軌跡点から所定距離ｈｃに設定した予め設定した半径ｒ（例えば３ｍ）と予め設定した高さ寸法ｈ（例えば２０ｃｍ）を備える円柱領域Ｃｉを設定する。
　また、本実施形態では、抽出領域設定部１３０は、隣り合う２個の円柱領域Ｃｉ、Ｃｉ＋１に着目したときにおける２個の円柱領域のそれぞれの外周面に外接する平行な２面の接平面ｐ１及びｐ２、２個の円柱領域の上面に相当する上側平面ｐ３、２個の円柱領域の底面に相当する底平面ｐ４、２個の円柱領域のそれぞれにおいて前記２面の接平面が外周面と接する２本の母線を含み前記円柱領域の直径をなす２面の直径平面ｐ５及びｐ６で囲まれた平行六面体領域Ｈｉを設定する。この例では、円柱領域Ｃｉの両側に平行六面体領域Ｈｉ－１、平行六面体領域Ｈｉが配置されている。これらの設定は、抽出装置１００として使用するノート型のパーソナルコンピュータのキーボードやマウスから行う。この領域の形状や寸法、位置は抽出する対象により適宜変更することができる。
　近似最近傍探索処理部１４０は、データ格納部１１０が格納している全周点群データの各点がどの軌跡点列に最も近いかを判定する処理を行う。この処理は例えば、近似最近傍探索（ＡＮＮ：Ａｐｐｒｏｘｉｍａｔｅ　Ｎｅａｒｅｓｔ　Ｎｅｉｇｈｂｏｒ）を用いることができる。なお、この処理には他の手法を用いることができる。
　抽出処理部１５０は、全周点群データから抽出領域設定部１３０で定めた領域内に配置された点群データを抽出してこの点群データを対象点群データとして出力する。道路点群データ出力部１６０は、抽出処理部１５０で抽出した対象点群データを路面評価装置２００に出力する。
　次に、抽出領域設定部１３０と、抽出処理部１５０の処理について説明する。図５は実施形態に係る点群データの抽出方法における処理を示すフローチャートである。まず、近似最近傍探索処理部１４０は、データ格納部１１０からＮ個の点群データ（Ｐ）を読み取り点群データ格納用のファイルに格納すると共に、軌跡点列設定部１２０で生成した軌跡点列データ（Ｘ）を読み取る（ステップＳ１）。以下の処理は、ｎ＝１；ｎ≦Ｎ；ｎ＋＋の条件で繰り返し処理する（ステップＳ２～ステップＳ８）。
　即ち、最初に点群データの点Ｐｎに最も近い軌跡点列の軌跡点Ｘｋを探索する（ステップＳ３）。これは、近似最近傍探索（ＡＮＮ：Ａｐｐｒｏｘｉｍａｔｅ　Ｎｅａｒｅｓｔ　Ｎｅｉｇｈｂｏｒ）で行う。この方法は公知であり、ソースコードも公開されている。これにより、点Ｐｎがどの軌跡点Ｘｋに属するかの対応を付ける。なお、点Ｐｎと２つの軌跡点Ｘｋ、Ｘｋ＋１との距離とが等しいときは、一方に属するものとするか、両方に属するものとして処理して差し支えない。
　そして、この結果から点Ｐｎが軌跡点Ｘｋに対応する円柱領域Ｃｋの内側にあるかを判定し（ステップＳ４）、点Ｐｎが円柱領域Ｃｋの内側にあるとき（ステップＳ４のＹｅｓ）、点Ｐｎを削除せずに残す（ステップＳ５）。一方、点Ｐｎが円柱領域Ｃｋの外側になるとき（ステップＳ４のＮｏ）、点ＰｎがＸｋ－１、Ｘｋ、Ｘｋ＋１の間に対応する平行六面体領域Ｈｋ、Ｈｋ－１の内側にあるかを判定する（ステップＳ５）。点Ｐｎが平行六面体領域Ｈｋ、Ｈｋ－１の内側にあるとき（ステップＳ５のＹｅｓ）、点Ｐｎを削除せずに点群データを格納したファイルに残す（ステップＳ５）。一方、点Ｐｎが平行六面体領域Ｈｋ、Ｈｋ－１の内側にないとき（ステップＳ５のＮｏ）、点Ｐｎを破棄してファイルから削除する（ステップＳ７）。これらの処理により、設定した領域に存在している点群データを対象点群データとして抽出できる。
　次に抽出装置１００による処理の具体例について説明する。図６は点群データの抽出状態を示すものであり、（ａ）は抽出前の点群データに取得した写真を重ねて示した図、（ｂ）は抽出された道路の点群データを写真に重ねて示した図、（ｃ）は抽出された道路の点群データの拡大図である。
　図６（ａ）に示した画像５００は、路面測定装置３００から読み込んだデータを鳥瞰図として示している。画像５００は、道路５１０と建物５２０等をあわせて示している。この画像５００は、スキャナ３１０で取得した全周点群データに全周カメラ３２０で取得した写真データを重ね、軌跡点列５３０を重ねて鳥瞰図に変換したものである。
　この画像５００で示される全周点群データを抽出装置１００で処理することにより、対象点群データをとして道路５１０だけの点群データを得た。画像５４０は、抽出した点群データを図５（ａ）と同様に写真データを重ねて鳥瞰図として表示したものである。これにより、対象点群データとして道路の点群データが取得できることがわかる。道路の点群データを模式的に図５（ｃ）に示す。この画像５５０では、抽出領域で抽出された点群データが道路の幅にわたって配置される。なお、点群は、スキャナ３１０のスキャン軌跡に沿って弧状に分布している。
　取得された対象点群データは、路面評価装置２００で評価される。即ち、路面評価装置２００では、抽出装置１００からの対象点群データを所定の小領域に切り分け、小領域内の点群データを平面フィッティングして基準面を生成し、各点における基準面からの離間量を算出する。そして、この離間量を可視化したり数値化したりして測定した道路の評価を行う。この評価手法は公知である。
　なお、上記の実施形態では、評価対象を道路として、抽出領域を円柱領域及び平行六面体領域で特定した。しかし、抽出領域は必要に応じて変更できる。例えば抽出領域を円柱領域だけで構成することができる。また、道路の外側に位置する建築物や法面を計測するため、軌跡点列から道路の外側に向けて設定した領域とすることができる。更に、トンネルの側面や天井面等を測定対象とするときには、中心の共通とする異なる半径を有する２つ円柱に挟まれる領域を抽出領域とすることができる。
１００：抽出装置
１１０：データ格納部
１２０：軌跡点列設定部
１３０：抽出領域設定部
１４０：近似最近傍探索処理部
１５０：抽出処理部
１６０：道路点群データ出力部
２００：路面評価装置
３００：路面測定装置
３１０：スキャナ
３２０：全周カメラ
３３０：ＧＮＳＳ装置
３４０：車両
４００：構造物
４１０：道路
４２０：建築物
５００：画像
５１０：道路
５２０：建物
５３０：軌跡点列
５４０：画像
５５０：点群画像

Claims (6)

  1. 　測定経路に沿って移動させつつ測定装置の周囲を走査して取得した全周点群データから特定の解析対象物についての点群データである対象点群データを抽出する点群データの抽出方法であって、
    　前記測定経路における前記測定装置の移動の軌跡を複数の軌跡点として表した軌跡点列データを取得し、
    　前記軌跡点列データから取得した軌跡点列の各軌跡点のそれぞれを基準として位置が定まると共に、指定された幾何学形状で特定される領域を抽出領域として設定し、
    　前記全周点群データのうち前記抽出領域に属する点データを対象点群データとして抽出する、
    ことを特徴とする点群データの抽出方法。
  2. 　前記軌跡点列は、予め定めた一定時間間隔で得られた測定軌跡点列データから指定した一定の距離だけ離間した軌跡点を取得することにより得られたことを特徴とする請求項１に記載の点群データの抽出方法。
  3. 　前記測定経路が測定対象である道路での走行経路であり、
    　前記解析対象物が前記道路の路面であり、
    　前記抽出領域が前記軌跡点からの垂線上の予め定めた位置に設定された複数の円柱領域であり、前記円柱領域は、予めに設定した径と予め設定した高さ寸法を設定することを特徴とする請求項１に記載の点群データの抽出方法。
  4. 　前記抽出領域には、
    　複数の前記円柱領域と、
    　隣り合う２個の前記円柱領域に着目したときにおける前記２個の円柱領域のそれぞれの外周面に外接する平行な２面の接平面、前記２個の円柱領域の上面に相当する上側平面、前記２個の円柱領域の底面に相当する底平面、前記２個の円柱領域のそれぞれにおいて前記２面の接平面が前記外周面と接する２本の母線を含み前記円柱領域の直径をなす２面の直径平面で囲まれた平行六面体領域の内部領域と、
    　を含むことを特徴とする請求項２に記載の点群データの抽出方法。
  5. 　前記全周点群データが前記抽出領域に属しているか否かの判定を近似最近傍探索（ＡＮＮ：Ａｐｐｒｏｘｉｍａｔｅ　Ｎｅａｒｅｓｔ　Ｎｅｉｇｈｂｏｒ）および、指定された幾何学形状で特定される領域の内外判定を用いて行うことを特徴とする請求項１に記載の点群データの抽出方法。
  6. 　測定経路に沿って移動させつつ測定装置の周囲を走査して取得した全周点群データから特定の解析対象物についての点群データである対象点群データを抽出する点群データの抽出装置であって、
    　前記測定経路における前記測定装置の移動の軌跡を複数の軌跡点として表した軌跡点列を取得する手段と、
    　前記軌跡点のそれぞれを基準として位置が定まると共に、指定された幾何学形状で特定される領域を抽出領域として設定する手段と、
    　前記全周点群データのうち前記抽出領域に属する点データを対象点群データとして抽出する手段とを備える、
    ことを特徴とする点群データの抽出装置。
PCT/JP2018/007545 2017-02-28 2018-02-28 点群データの抽出方法、及び点群データの抽出装置 WO2018159690A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP18760902.9A EP3531068B1 (en) 2017-02-28 2018-02-28 Point cloud data extraction method and point cloud data extraction device
US16/461,160 US11204243B2 (en) 2017-02-28 2018-02-28 Point cloud data extraction method and point cloud data extraction device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-037620 2017-02-28
JP2017037620A JP6878045B2 (ja) 2017-02-28 2017-02-28 点群データの抽出方法、及び点群データの抽出装置

Publications (1)

Publication Number Publication Date
WO2018159690A1 true WO2018159690A1 (ja) 2018-09-07

Family

ID=63370726

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/007545 WO2018159690A1 (ja) 2017-02-28 2018-02-28 点群データの抽出方法、及び点群データの抽出装置

Country Status (4)

Country Link
US (1) US11204243B2 (ja)
EP (1) EP3531068B1 (ja)
JP (1) JP6878045B2 (ja)
WO (1) WO2018159690A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110118556A (zh) * 2019-04-12 2019-08-13 浙江工业大学 一种基于协方差交叉融合slam的机器人定位方法及装置
US20200271451A1 (en) * 2019-02-25 2020-08-27 Deka Products Limited Partnership System and Method for Surface Feature Detection and Transversal
CN113759346A (zh) * 2020-10-10 2021-12-07 北京京东乾石科技有限公司 一种激光雷达标定方法、装置、电子设备及存储介质
CN113870160A (zh) * 2021-09-10 2021-12-31 北京交通大学 一种基于变换器神经网络的点云数据处理方法
US11238609B2 (en) 2019-03-28 2022-02-01 Topcon Corporation Point cloud data processing method and point cloud data processing device

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111144211B (zh) * 2019-08-28 2023-09-12 华为技术有限公司 点云显示方法和装置
CN113536850B (zh) * 2020-04-20 2022-09-30 长沙莫之比智能科技有限公司 基于77g毫米波雷达的目标物体大小测试方法和装置
CN112240772B (zh) * 2020-12-16 2021-09-28 北京赛目科技有限公司 一种车道线生成方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10288516A (ja) 1997-04-16 1998-10-27 Komatsu Eng Kk 平面の段差計測装置
WO2013129580A1 (ja) * 2012-02-28 2013-09-06 公立大学法人大阪府立大学 近似最近傍探索装置、近似最近傍探索方法およびそのプログラム
JP2014032444A (ja) * 2012-08-01 2014-02-20 Asia Air Survey Co Ltd 低解像度画像生成方法及び低解像度画像生成装置及びそのプログラム
US8825391B1 (en) * 2011-08-04 2014-09-02 Google Inc. Building elevation maps from laser data
JP2014163707A (ja) * 2013-02-21 2014-09-08 Pasco Corp 道路変状検出装置、道路変状検出方法及びプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3205799B2 (ja) * 1991-11-13 2001-09-04 本田技研工業株式会社 移動体の現在位置表示装置
DE69420418T2 (de) * 1994-11-29 2000-05-25 Zanavy Informatics Kk Navigationssystem mit Umschaltung, wenn ein Radiosignal nicht empfangen werden kann
KR100959280B1 (ko) * 2002-05-17 2010-05-26 오쿠마 가부시키가이샤 Ｎｃ데이터의 공구궤적 표시방법 및 ｎｃ데이터 해석방법
US9182235B2 (en) * 2011-05-20 2015-11-10 Hitachi, Ltd. Locus correcting method, locus correcting apparatus, and mobile object equipment
WO2016185659A1 (ja) * 2015-05-15 2016-11-24 株式会社デンソー 移動体位置検出装置、移動体位置検出方法
JP6487283B2 (ja) * 2015-06-19 2019-03-20 株式会社トヨタマップマスター 点群データ処理装置、点群データ処理方法、プログラム、および記録媒体
JP6320664B2 (ja) * 2016-03-07 2018-05-09 三菱電機株式会社 地図作成装置および地図作成方法
CN108279670B (zh) * 2017-12-29 2021-12-10 百度在线网络技术（北京）有限公司 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质
KR101996623B1 (ko) * 2018-12-11 2019-07-04 주식회사 맵퍼스 Gps 궤적 품질 지표를 이용한 고정밀 지도 데이터 구축 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10288516A (ja) 1997-04-16 1998-10-27 Komatsu Eng Kk 平面の段差計測装置
US8825391B1 (en) * 2011-08-04 2014-09-02 Google Inc. Building elevation maps from laser data
WO2013129580A1 (ja) * 2012-02-28 2013-09-06 公立大学法人大阪府立大学 近似最近傍探索装置、近似最近傍探索方法およびそのプログラム
JP2014032444A (ja) * 2012-08-01 2014-02-20 Asia Air Survey Co Ltd 低解像度画像生成方法及び低解像度画像生成装置及びそのプログラム
JP2014163707A (ja) * 2013-02-21 2014-09-08 Pasco Corp 道路変状検出装置、道路変状検出方法及びプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
H. GUAN ET AL.: "Automated Road Information Extraction From Mobile Laser Scanning Data", IEEE TITS, vol. 16, no. 1, 2015, pages 194 205, XP011571761, DOI: doi:10.1109/TITS.2014.2328589
See also references of EP3531068A4

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200271451A1 (en) * 2019-02-25 2020-08-27 Deka Products Limited Partnership System and Method for Surface Feature Detection and Transversal
US11238609B2 (en) 2019-03-28 2022-02-01 Topcon Corporation Point cloud data processing method and point cloud data processing device
CN110118556A (zh) * 2019-04-12 2019-08-13 浙江工业大学 一种基于协方差交叉融合slam的机器人定位方法及装置
CN113759346A (zh) * 2020-10-10 2021-12-07 北京京东乾石科技有限公司 一种激光雷达标定方法、装置、电子设备及存储介质
CN113870160A (zh) * 2021-09-10 2021-12-31 北京交通大学 一种基于变换器神经网络的点云数据处理方法
CN113870160B (zh) * 2021-09-10 2024-02-27 北京交通大学 一种基于变换器神经网络的点云数据处理方法

Also Published As

Publication number Publication date
EP3531068A4 (en) 2020-04-01
JP2018141757A (ja) 2018-09-13
US11204243B2 (en) 2021-12-21
EP3531068A1 (en) 2019-08-28
US20190285410A1 (en) 2019-09-19
JP6878045B2 (ja) 2021-05-26
EP3531068B1 (en) 2021-09-22

Similar Documents

Publication Publication Date Title
WO2018159690A1 (ja) 点群データの抽出方法、及び点群データの抽出装置
Beckman et al. Deep learning-based automatic volumetric damage quantification using depth camera
EP3621867B1 (en) System and method for mapping a railway track
JP5161936B2 (ja) データ解析装置、データ解析方法、及びプログラム
Xiao et al. Individual tree crown modeling and change detection from airborne lidar data
Wu et al. Centimeter-resolution topographic modeling and fine-scale analysis of craters and rocks at the Chang'E-4 landing site
JP2015090345A (ja) ３次元路面下診断システムおよび３次元路面下診断方法
Ye et al. Semi-automated generation of road transition lines using mobile laser scanning data
JP6125296B2 (ja) データ解析装置、データ解析方法、及びプログラム
CN111352123B (zh) 用于车辆检查的机器人和方法、确定车辆底盘中线的方法
Pérez et al. Accuracy and effectiveness of orthophotos obtained from low cost UASs video imagery for traffic accident scenes documentation
JP2004170429A (ja) ３次元情報生成システム及び方法
Bruggisser et al. Influence of ULS acquisition characteristics on tree stem parameter estimation
Chen et al. Automated bridge deck evaluation through UAV derived point cloud
Potó et al. Laser scanned point clouds to support autonomous vehicles
JP6006179B2 (ja) データ解析装置、データ解析方法、及びプログラム
US11247705B2 (en) Train wheel measurement process, and associated system
KR101323971B1 (ko) 모바일 맵핑 시스템을 이용한 터널 정보 자동 취득 방법
Schlichting et al. Vehicle localization by lidar point correlation improved by change detection
JP6397386B2 (ja) 領域分割処理装置、方法、及びプログラム
EP4278214A1 (en) A method for identifying a road type
JP5577312B2 (ja) データ解析装置、データ解析方法、及びプログラム
JP2019046295A (ja) 監視装置
Gonçalves et al. Planar projection of mobile laser scanning data in tunnels
EP3906502A1 (en) A method to measure visibility from point cloud data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18760902

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2018760902

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2018760902

Country of ref document: EP

Effective date: 20190523

NENP Non-entry into the national phase

Ref country code: DE