WO2022244267A1 - 異常検出装置、制御方法、及びコンピュータ可読媒体 - Google Patents

異常検出装置、制御方法、及びコンピュータ可読媒体 Download PDF

Info

Publication number
WO2022244267A1
WO2022244267A1 PCT/JP2021/019447 JP2021019447W WO2022244267A1 WO 2022244267 A1 WO2022244267 A1 WO 2022244267A1 JP 2021019447 W JP2021019447 W JP 2021019447W WO 2022244267 A1 WO2022244267 A1 WO 2022244267A1
Authority
WO
WIPO (PCT)
Prior art keywords
point
cloud data
point cloud
data
location
Prior art date
Application number
PCT/JP2021/019447
Other languages
English (en)
French (fr)
Inventor
善将 小野
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2023522187A priority Critical patent/JPWO2022244267A5/ja
Priority to PCT/JP2021/019447 priority patent/WO2022244267A1/ja
Publication of WO2022244267A1 publication Critical patent/WO2022244267A1/ja

Links

Images

Classifications

    • 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
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures

Definitions

  • the present disclosure relates to technology for detecting anomalies in objects.
  • Patent Document 1 classifies the measurement target into clusters for each structure using position information at multiple points on the surface of the measurement target, and classifies the measurement target into clusters based on the reflection luminance values at multiple points on the surface of each cluster. discloses a technique for identifying surface anomalies in .
  • An object of the present disclosure is to provide a new technique for detecting anomalies in objects located in a space using point cloud data representing three-dimensional positions and brightness for each of multiple locations in the space. .
  • the abnormality detection device of the present disclosure includes reference point cloud data indicating point data representing three-dimensional positions and brightness at a reference time for each of a plurality of locations in a space containing an object, and for each of the plurality of locations, at an inspection time.
  • an acquisition unit that acquires inspection point cloud data indicating point data representing a three-dimensional position and luminance in the
  • a difference data generation unit that generates differential point cloud data representing differences in brightness at the time of inspection, and a moving object location, which is a location whose position changes with time, is excluded from abnormal location detection targets among the plurality of locations.
  • Abnormality detecting an abnormal portion of the object at the time of inspection from the plurality of locations excluding the excluded location using the excluded location detection unit for detecting the excluded location and the difference point cloud data. and a location detection unit.
  • the control method of the present disclosure is executed by a computer.
  • the control method includes reference point cloud data indicating point data representing a three-dimensional position and brightness at a reference time for each of a plurality of points in a space containing an object, and three-dimensional data at the time of inspection for each of the plurality of points.
  • the computer-readable medium of the present disclosure stores a program that causes a computer to execute the control method of the present disclosure.
  • a new technique for detecting anomalies in objects located within a space using point cloud data representing the three-dimensional positions and brightness of each of multiple locations within the space.
  • FIG. 4 is a diagram illustrating an overview of the operation of the abnormality detection device of Embodiment 1;
  • FIG. 2 is a block diagram illustrating the functional configuration of the abnormality detection device of Embodiment 1;
  • FIG. It is a block diagram which illustrates the hardware constitutions of the computer which implement
  • 4 is a flowchart illustrating the flow of processing executed by the abnormality detection device of Embodiment 1; It is a figure which illustrates conceptually the method of generating point cloud data using electromagnetic waves. It is a figure which illustrates the influence which the magnitude
  • FIG. 5 conceptually illustrates the process of determining whether point data represents a point on an edge of an object;
  • FIG. 5 conceptually illustrates the process of determining whether point data represents a point on an edge of an object;
  • FIG. 5 conceptually illustrates the process of determining whether point data represents a point on an edge of an object;
  • FIG. 5 conceptually illustrates the process of determining whether point data represents a point on an edge of an object;
  • FIG. 5 is a diagram illustrating a difference in point cloud density between reference point cloud data and inspection point cloud data;
  • predetermined values such as predetermined values and threshold values are stored in advance in a storage device or the like that can be accessed from a device that uses the values.
  • the storage unit is composed of one or more arbitrary number of storage devices.
  • FIG. 1 is a diagram illustrating an overview of the operation of the abnormality detection device 2000 of Embodiment 1.
  • FIG. 1 is a diagram for facilitating understanding of the outline of the abnormality detection device 2000, and the operation of the abnormality detection device 2000 is not limited to that shown in FIG.
  • the abnormality detection device 2000 is used to detect abnormal locations on the object 10 .
  • the object 10 is an arbitrary object that is used in a state where its position is fixed. be.
  • the object 10 is not necessarily limited to being classified as real property, and may be classified as movable property.
  • the anomaly detection device 2000 acquires point cloud data, which is a set of point data for each of a plurality of locations in the target space including the target object 10 .
  • the point data of each location indicates position data representing the three-dimensional position of that location and brightness data representing the brightness of that location.
  • the point cloud data is generated by the measuring device 200.
  • the measurement device 200 generates point cloud data by measurement using electromagnetic waves such as laser light.
  • the measuring device 200 that uses electromagnetic waves is, for example, LiDAR (light detection and ranging).
  • the point cloud data may be raw data representing the results of measurement by the measuring device 200 as they are, or may be raw data to which arbitrary processing has been applied. Processing of the raw data includes, for example, processing of applying coordinate transformation to each position data so that a specific position in the target space becomes the origin.
  • the abnormality detection device 2000 acquires at least two types of point cloud data, the reference point cloud data 20 and the inspection point cloud data 30, generated for the target space at different points in time.
  • the inspection point cloud data 30 is point cloud data obtained by measurement performed at the time when it is desired to inspect the presence or absence of an abnormal point (hereinafter referred to as inspection time).
  • the reference point cloud data 20 is point cloud data obtained by measurement performed before the time of inspection, and is used as a reference when detecting an abnormality.
  • the time point at which the measurement for obtaining the reference point cloud data 20 is performed will be referred to as the reference time point.
  • the state of the object 10 at the reference time does not necessarily have to be a state of no abnormality.
  • the abnormality detection device 2000 uses the reference point cloud data 20 and the inspection point cloud data 30 to generate difference point cloud data 40 .
  • the difference point cloud data 40 indicates difference point data representing the difference in brightness between the inspection time and the reference time for each of a plurality of locations in the target space.
  • the anomaly detection device 2000 uses the difference point cloud data 40 to detect an anomaly point of the object 10 from a plurality of points in the object space. At that time, the anomaly detection device 2000 excludes, from among the plurality of locations in the target space, locations that satisfy specific conditions from targets for anomaly detection. Here, a location excluded from an abnormality detection target is called an excluded location. The anomaly detection device 2000 detects an anomaly location using the difference point cloud data 40 for locations other than the excluded location.
  • an excluded part is a part whose position changes with time (hereinafter referred to as a moving body part) in the target space.
  • the abnormality detection device 2000 detects a moving object location using the inspection point cloud data 30, and treats the detected moving object location as an exclusion location.
  • an excluded location is a location where erroneous determination is likely to occur in determining whether or not it is an abnormal location.
  • locations where erroneous determinations are likely to occur are, for example, locations where the incident angle of the electromagnetic wave emitted from the measuring device 200 is large, near edges of objects, and the like.
  • an abnormality location is detected using point cloud data indicating three-dimensional positions and brightness of each of a plurality of locations in a space including the target object 10 .
  • abnormal locations are detected for locations other than excluded locations that satisfy specific conditions. By doing so, the abnormal portion of the object 10 can be detected with higher accuracy.
  • the anomaly detection device 2000 treats moving object parts as excluded parts.
  • the measurement for obtaining the point cloud data is performed on the target space including the target object 10 . Therefore, the point cloud data may also include point data on objects other than the target object 10 . Therefore, it is preferable to limit the detection target of the abnormal portion to only the target object 10 by excluding the point data other than the target object 10 from the detection target of the abnormal portion.
  • the target object 10 is a facility whose position is fixed, there is a high probability that the moving object part is part of an object other than the target object 10 (for example, plants). Therefore, by excluding moving body parts from the targets of abnormality detection, it is possible to reduce the probability that an abnormal part will be detected for an object other than the target object 10 . In other words, it is possible to increase the probability that the part detected as the abnormal part is part of the object 10 . Therefore, it is possible to detect an abnormal portion of the target object 10 with higher accuracy.
  • the abnormality detection device 2000 treats locations where erroneous determinations are likely to occur as excluded locations. By doing so, it is possible to reduce the probability that a location that is not an abnormal location will be erroneously detected as an abnormal location.
  • the abnormality detection device 2000 of this embodiment will be described in more detail below.
  • FIG. 2 is a block diagram illustrating the functional configuration of the abnormality detection device 2000 according to the first embodiment.
  • the abnormality detection device 2000 has an acquisition unit 2020 , a difference data generation unit 2040 , an exclusion location detection unit 2060 and an abnormality location detection unit 2080 .
  • the acquisition unit 2020 acquires the reference point cloud data 20 and the inspection point cloud data 30 .
  • the difference data generation unit 2040 generates difference point cloud data 40 using the reference point cloud data 20 and the inspection point cloud data 30 .
  • the excluded point detection unit 2060 detects excluded points using one or both of the reference point cloud data 20 and the inspection point cloud data 30 .
  • the abnormal point detection unit 2080 detects an abnormal point by using data of points other than the excluded points in the difference point cloud data 40 .
  • Each functional component of the abnormality detection device 2000 may be implemented by hardware (eg, hardwired electronic circuit) that implements each functional component, or may be a combination of hardware and software (eg, combination of an electronic circuit and a program for controlling it, etc.).
  • hardware eg, hardwired electronic circuit
  • software e.g, combination of an electronic circuit and a program for controlling it, etc.
  • FIG. 3 is a block diagram illustrating the hardware configuration of the computer 500 that implements the abnormality detection device 2000.
  • Computer 500 is any computer.
  • the computer 500 is a stationary computer such as a PC (Personal Computer) or a server machine.
  • the computer 500 is a portable computer such as a smart phone or a tablet terminal.
  • Computer 500 may be a dedicated computer designed to implement anomaly detection apparatus 2000, or may be a general-purpose computer.
  • the computer 500 implements each function of the abnormality detection device 2000.
  • the application is composed of a program for realizing each functional component of the abnormality detection device 2000 .
  • the acquisition method of the above program is arbitrary.
  • the program can be acquired from a storage medium (DVD disc, USB memory, etc.) in which the program is stored.
  • the program can be obtained by downloading the program from a server device that manages the storage device in which the program is stored.
  • Computer 500 has bus 502 , processor 504 , memory 506 , storage device 508 , input/output interface 510 and network interface 512 .
  • the bus 502 is a data transmission path through which the processor 504, memory 506, storage device 508, input/output interface 510, and network interface 512 exchange data with each other.
  • the method of connecting the processors 504 and the like to each other is not limited to bus connection.
  • the processor 504 is various processors such as a CPU (Central Processing Unit), GPU (Graphics Processing Unit), or FPGA (Field-Programmable Gate Array).
  • the memory 506 is a main memory implemented using a RAM (Random Access Memory) or the like.
  • the storage device 508 is an auxiliary storage device implemented using a hard disk, SSD (Solid State Drive), memory card, ROM (Read Only Memory), or the like.
  • the input/output interface 510 is an interface for connecting the computer 500 and input/output devices.
  • the input/output interface 510 is connected to an input device such as a keyboard and an output device such as a display device.
  • a network interface 512 is an interface for connecting the computer 500 to a network.
  • This network may be a LAN (Local Area Network) or a WAN (Wide Area Network).
  • the storage device 508 stores a program that implements each functional component of the anomaly detection device 2000 (a program that implements the application described above).
  • the processor 504 reads this program into the memory 506 and executes it, thereby realizing each functional component of the abnormality detection device 2000 .
  • the anomaly detection device 2000 may be realized by one computer 500 or may be realized by a plurality of computers 500. In the latter case, the configuration of each computer 500 need not be the same, and can be different.
  • FIG. 4 is a flowchart illustrating the flow of processing executed by the abnormality detection device 2000 of the first embodiment.
  • the acquisition unit 2020 acquires the reference point cloud data 20 and the inspection point cloud data 30 (S102).
  • the difference data generator 2040 generates the difference point cloud data 40 using the reference point cloud data 20 and the inspection point cloud data 30 (S104).
  • the excluded point detection unit 2060 detects excluded points using one or both of the reference point cloud data 20 and the inspection point cloud data 30 (S106).
  • the abnormal location detection unit 2080 detects an abnormal location from locations other than the excluded locations (S108).
  • the flowchart shown in FIG. 4 is merely an example, and the flow of processing executed by the abnormality detection device 2000 is not limited to the flow shown in FIG.
  • the anomaly detection device 2000 may perform processing (S106) for detecting an excluded portion before processing (S104) for generating difference point cloud data 40.
  • the difference data generation unit 2040 may generate the difference point cloud data 40 only for locations other than the excluded locations.
  • the process of generating the difference point cloud data 40 (S104) and the process of detecting the excluded portion (S106) may be performed in parallel.
  • the measurement device 200 uses electromagnetic waves such as laser light to measure a three-dimensional position and luminance. Specifically, the measuring device 200 emits electromagnetic waves in a plurality of different directions, and receives reflected waves of the electromagnetic waves reflected by an object. Based on the relationship between the emitted electromagnetic wave and its reflected wave, the measuring device 200 generates point data representing the three-dimensional position and brightness of the reflected electromagnetic wave.
  • FIG. 5 is a diagram conceptually illustrating a method of generating point cloud data using electromagnetic waves. Dotted arrows represent electromagnetic waves emitted from the measuring device 200 . A cross mark indicates a portion where the electromagnetic wave is reflected.
  • the emission direction of the electromagnetic wave is represented by the position of the mass through which the electromagnetic wave passes. Specifically, the emission direction of the electromagnetic wave is expressed as (i,j) by using an index i representing the emission direction in the horizontal direction and an index j indicating the emission direction in the vertical direction.
  • the measuring device 200 emits electromagnetic waves in different n*m directions. Therefore, according to this measuring device 200, point cloud data having n*m point data can be obtained. In other words, the resolution of the measuring device 200 is n*m.
  • a[i][j] represents the three-dimensional position of the reflected electromagnetic wave emitted in the direction (i,j).
  • b[i][j] represents the brightness of the reflected electromagnetic wave emitted in the direction (i,j).
  • the acquisition unit 2020 acquires the reference point cloud data 20 and the inspection point cloud data 30 (S102). There are various methods for the acquisition unit 2020 to acquire these point cloud data. For example, the reference point cloud data 20 and the inspection point cloud data 30 are stored in advance in a storage unit accessible from the abnormality detection device 2000 . The acquisition unit 2020 acquires the reference point cloud data 20 and the inspection point cloud data 30 by accessing this storage unit.
  • the reference point cloud data 20 and the inspection point cloud data 30 may be input to the abnormality detection device 2000 according to user's operation.
  • the user connects a portable storage unit (such as a memory card) in which the reference point cloud data 20 and the inspection point cloud data 30 are stored to the abnormality detection device 2000, and transfers the data from the storage unit to the abnormality detection device 2000.
  • Reference point cloud data 20 and inspection point cloud data 30 are input.
  • the acquisition unit 2020 may acquire the reference point cloud data 20 and the inspection point cloud data 30 by receiving the reference point cloud data 20 and the inspection point cloud data 30 transmitted from another device.
  • the other device is the measuring device 200 or a device that processes raw data generated by the measuring device 200 to generate the reference point cloud data 20 or the inspection point cloud data 30 .
  • the acquisition method of the reference point cloud data 20 and the inspection point cloud data 30 may be the same or different.
  • the difference data generator 2040 generates the difference point cloud data 40 (S104). Specifically, the difference data generation unit 2040 calculates the luminance difference between the reference point cloud data 20 and the inspection point cloud data 30 for each of the plurality of locations.
  • an existing technique can be used as a technique for obtaining data representing the difference in brightness for each of the plurality of measured points from the two point cloud data.
  • the direction in which the electromagnetic wave is emitted by the measuring device 200 is represented by a pair (i,j) of horizontal index i and vertical index j.
  • the excluded point detection unit 2060 detects excluded points using the reference point cloud data 20 (S106).
  • an excluded location is a moving body location or a location where erroneous determination is likely to occur in determining whether or not it is an abnormal location.
  • the excluded point detection unit 2060 identifies point data with a high probability of incorrect measurement results (point data with a high probability of representing noise) from the inspection point cloud data 30, and identifies the point data A location represented by may be detected as an exclusion location.
  • the excluded location detection unit 2060 may treat only one type of location as an excluded location among a plurality of types of locations that can be treated as an excluded location, or may treat two or more types of locations as an excluded location. good too. Examples of excluded locations will be specifically described below.
  • the exclusion point detection unit 2060 uses the reference point cloud data 20 to detect a moving object point, which is a point whose position changes with time, from the target space, and treats the moving object point as an excluded point.
  • the portion detected as the moving object portion is considered to be a part of an object other than the target object 10 (for example, plants). Therefore, by excluding the moving body part from the targets of abnormality determination, it is possible to avoid erroneously detecting an abnormal part from an object other than the target object 10 .
  • Detection of a moving body location is performed using a plurality of reference point cloud data 20 generated based on the results of measurements performed at different times. Therefore, the acquisition unit 2020 acquires these multiple pieces of reference point cloud data 20 .
  • the excluded point detection unit 2060 calculates the magnitude of the difference in three-dimensional position for each of the plurality of reference point cloud data 20 . Then, the excluded part detection unit 2060 detects a part where the magnitude of the three-dimensional position difference is equal to or greater than the threshold as a moving object part.
  • the magnitude of the difference in three-dimensional positions can be represented, for example, by the distance between them.
  • the exclusion point detection unit 2060 detects the electromagnetic waves emitted in the same direction among the plurality of reference point group data 20. Position data obtained by electromagnetic waves are compared.
  • the excluded part detection unit 2060 calculates the distance
  • the excluded part detection unit 2060 uses the above distance to detect the moving object part.
  • the moving body part is specified in the direction (i,j) in which the above distance is equal to or greater than the threshold.
  • the abnormal point detection unit 2080 excludes d[u][v] among the difference point data included in the difference point cloud data D from the detection target of the abnormal point.
  • Three or more reference point cloud data 20 may be used to detect a moving object location.
  • the exclusion point detection unit 2060 calculates, for each direction (i,j), the size of the distribution of position data indicated by each reference point cloud data 20 for that direction. Then, the excluded part detection unit 2060 detects the direction in which the magnitude of the distribution is equal to or greater than the threshold as the direction representing the moving object part.
  • the excluded part detection unit 2060 detects the direction (i,j) in which the magnitude of the distribution is equal to or greater than the threshold as the direction representing the moving object part.
  • An existing method can be used as a specific method for calculating the distribution size of a plurality of three-dimensional data.
  • the excluded location detection unit 2060 may also treat another location that is estimated to be on the same object as the location as an excluded location. According to this method, for example, when a branch or leaf of a tree is detected as a moving object part, the remaining part such as the trunk of the tree can also be treated as an exclusion part.
  • the excluded point detection unit 2060 clusters a plurality of point data included in the reference point cloud data 20 for each point data representing the same object (for each point data representing a position on the same object). Furthermore, the excluded part detection unit 2060 identifies a cluster containing the point data for each point data indicating the moving body part. Then, the excluded part detection unit 2060 detects a part represented by each piece of point data included in the specified cluster as an excluded part.
  • an existing method can be used as a specific method for clustering point data representing the same object.
  • the excluded part detection unit 2060 detects a part where erroneous determination is likely to occur as an excluded part. By doing so, it is possible to reduce the probability that a location that is not an abnormal location is erroneously determined to be an abnormal location.
  • a location where erroneous determination is likely to occur is, for example, a location where the incident angle of the electromagnetic wave emitted from the measuring device 200 is large.
  • the measuring device 200 emits electromagnetic waves in each of a plurality of directions. However, when the measurement device 200 performs measurements at different points in time, even if the electromagnetic waves are treated as being emitted in the same direction (i,j) in the measurement results, there is a slight difference in the emission direction. Errors can occur. At a location where the incident angle of the electromagnetic wave is large, there is a high probability that the position on the object on which the electromagnetic wave hits will change greatly due to such an error in the output direction.
  • an electromagnetic wave 50 represents an electromagnetic wave emitted in the direction (u, v) in the measurement for obtaining the reference point cloud data 20.
  • the electromagnetic wave 60 represents the electromagnetic wave emitted in the direction (u, v) in the measurement for obtaining the inspection point cloud data 30 .
  • both the electromagnetic waves 50 and the electromagnetic waves 60 are irradiated onto the object 70 .
  • the electromagnetic waves 50 and 60 are treated as being emitted in the same direction. However, actually, as shown in FIG. 6, there are some differences in the emission directions of these electromagnetic waves.
  • FIG. 6 illustrates a case where the incident angle of electromagnetic waves is relatively small.
  • FIG. 7 illustrates a case where the incident angle of electromagnetic waves is relatively large. 6 and 7, the difference between the direction of the electromagnetic wave 50 and the direction of the electromagnetic wave 60 is the same. However, when comparing FIGS. 6 and 7, in the case of FIG. 7 where the incident angle of the electromagnetic wave is large, compared to the case of FIG. The difference from the position on the object 70 irradiated with the electromagnetic wave 60 is large. From this, it can be seen that the difference in the position data for each measurement increases at a location where the incident angle of the electromagnetic wave increases.
  • the excluded point detection unit 2060 uses the reference point cloud data 20 or the inspection point cloud data 30 to estimate the incident angle of the electromagnetic wave for each of a plurality of points (emission direction of the electromagnetic wave used for measurement). Then, the excluded portion detection unit 2060 determines the portion where the incident angle of the electromagnetic wave is equal to or greater than the threshold value as the excluded portion.
  • the incidence angle is estimated, for example, as follows. First, the excluded part detection unit 2060 calculates the normal vector of the object surface at the three-dimensional position indicated by each point data included in the point cloud data. Then, for each point data, the excluded point detection unit 2060 regards the angle formed by the direction of the electromagnetic wave from which the point data was obtained and the direction of the normal vector calculated for the point data as the incident angle of the electromagnetic wave. calculate.
  • An existing method can be used as a method for calculating a normal vector for each point data of the point cloud data obtained from the measuring device 200 .
  • the excluded point detection unit 2060 detects a plane spanned by a three-dimensional position indicated by point data whose normal vector is to be calculated and three-dimensional positions indicated by each of a plurality of point data in the vicinity of the point data. Calculate The excluded portion detection unit 2060 then calculates a vector orthogonal to this plane as a normal vector.
  • the next example of where misjudgment is likely to occur is the edge of an object.
  • the magnitude of luminance measured using electromagnetic waves is determined based on the intensity of the reflected light received by the measuring device 200 .
  • a part of the electromagnetic wave is applied to the object and the other part is not applied to the object. Therefore, the magnitude of the luminance to be measured differs depending on how much of the irradiated electromagnetic wave is irradiated to the object.
  • FIGS. 8 and 9 are diagrams illustrating cases in which the edge of an object is irradiated with electromagnetic waves.
  • An electromagnetic wave 50 represents an electromagnetic wave emitted in the direction (u, v) in the measurement for obtaining the reference point cloud data 20 .
  • the electromagnetic wave 60 represents the electromagnetic wave emitted in the direction (u, v) in the measurement for obtaining the inspection point cloud data 30 .
  • portions of the object 70 irradiated with electromagnetic waves are represented by dot patterns.
  • the magnitude of luminance measured by receiving the reflected wave of the electromagnetic wave 50 and the magnitude of luminance measured by receiving the reflected wave of the electromagnetic wave 60 are considered to be significantly different from each other. That is, it is considered that the luminance data indicated by the reference point cloud data 20 in the direction (u, v) and the luminance data indicated by the inspection point cloud data 30 in the direction (u, v) are significantly different from each other.
  • the excluded point detection unit 2060 uses the reference point cloud data 20 or the inspection point cloud data 30 to detect a point representing the edge of the object, and treats the point as an excluded point. Specifically, the exclusion point detection unit 2060 determines whether or not each point data represents an edge of an object by performing the following processing on each point data included in the point cloud data.
  • FIG. 10 to 12 are diagrams conceptually illustrating the process of determining whether point data represents a point (three-dimensional position) on an edge of an object.
  • FIG. 10 is a front view of the object 70.
  • FIG. FIG. 11 is a plan view of the object 70.
  • FIG. A target point 80 indicated by a circle is a point, among the points indicated by the point cloud data, that is subject to determination as to whether or not it is a point on the edge of the object 70 .
  • Neighboring points 90 represented by crosses represent points located near the target point 80 among the points represented by the point cloud data.
  • the excluded point detection unit 2060 identifies the neighboring points 90 from among the points represented by the point cloud data. Specifically, assuming that the three-dimensional position of the target point 80 is b[u][v] and the distance threshold representing the neighborhood is th, the exclusion point detection unit 2060 detects points represented by the point cloud data Among them, a point b[i][j] that satisfies
  • ⁇ th is specified as a neighboring point 90 .
  • the excluded point detection unit 2060 uses the target point 80 and neighboring points 90 to identify the plane 100 that is in contact with the object 70 at the target point 80 . Furthermore, the excluded point detection unit 2060 projects each neighboring point 90 onto the plane 100 .
  • FIG. 12 is a diagram showing the plane 100 onto which the neighboring points 90 are projected. Each point obtained by projecting the neighboring point 90 onto the plane 100 is depicted as a projected point 110 .
  • the excluded point detection unit 2060 determines whether the target point 80 is a point on the edge based on the positional relationship between the target point 80 and the projection point 110 . Specifically, the excluded portion detection unit 2060 calculates the opening angle ( ⁇ in FIG. 12) using the target point 80 and the projection point 110, and determines whether or not the opening angle is equal to or greater than the threshold. If the opening angle is greater than or equal to the threshold, the excluded point detection unit 2060 determines that the target point 80 is on the edge. Therefore, the target point 80 is treated as an exclusion point. For example, when the target point 80 is b[u][v], the data for the direction (u,v) in the difference point cloud data 40 is excluded from the targets of abnormality detection. On the other hand, if the opening angle is less than the threshold, the exclusion point detection unit 2060 determines that the target point 80 is not on the edge.
  • the excluded point detection unit 2060 may treat each neighboring point 90 as an excluded point in addition to the target point 80 .
  • the exclusion point detection unit 2060 calculates a unit vector directed from the target point 80 to the projection point 110 for each projection point 110 .
  • the excluded part detection unit 2060 calculates an average vector of all the calculated unit vectors.
  • the excluded portion detection unit 2060 calculates the magnitude of the rotation angle from the average vector to the unit vector for each unit vector. If the rotation angle from the reference direction to the mean vector is larger than the rotation angle from the reference direction (horizontal rightward) to the unit vector, the rotation angle from the mean vector to the unit vector is Negative value.
  • the excluded portion detection unit 2060 extracts the maximum and minimum values from among the calculated multiple rotation angles, and calculates a value by subtracting the minimum value from the maximum value. Then, the excluded part detection unit 2060 calculates a value obtained by subtracting the difference between the maximum value and the minimum value of the rotation angle from 360° as the opening angle.
  • the excluded point detection unit 2060 identifies point data with a high probability of incorrect measurement results (point data with a high probability of representing noise) from the inspection point cloud data 30, and identifies the point data
  • the location represented by is detected as an excluded location. For example, if the measurement result represented by the point data p[u][v] is considered correct, d[u][v] in the differential point cloud data 40 is excluded from the targets of abnormality detection.
  • noise point data point data with a high probability that the measurement result is incorrect will be referred to as noise point data.
  • a position represented by noise point data is called a noise point.
  • the excluded point detection unit 2060 identifies noise point data by comparing the point cloud density between the reference point cloud data 20 and the inspection point cloud data 30 .
  • FIG. 13 is a diagram illustrating the difference in point cloud density between the reference point cloud data 20 and the inspection point cloud data 30 .
  • a target point 120 is a determination target as to whether or not it is a noise point.
  • a neighboring point 130 is a point located near the target point 120 .
  • the position data indicated by the noise point data represents a position different from the original position of the measured location. Therefore, if the target point 120 is a noise point, the number of neighboring points 130 is considered to be small. Therefore, when the target point 120 in the inspection point cloud data 30 is a noise point, the density of the point cloud included in the vicinity of the target point 120 is lower than the actual density. is considered to be lower than the density of the point cloud included in the vicinity of . On the other hand, when the target point 120 is not a noise point, the density of the point cloud included in the vicinity of the target point 120 in the inspection point cloud data 30 is the same as the density of the point cloud included in the vicinity of the target point 120 in the reference point cloud data 20. presumably to the same extent.
  • the excluded location detection unit 2060 calculates the density of the point cloud located near the point represented by the point data. (for example, the number of neighboring points 130) is calculated, and it is determined whether or not the density difference is large. If the difference in density is large, the excluded point detection unit 2060 determines that the target point 120 is a noise point. On the other hand, if the difference in density is not large, the exclusion point detection unit 2060 determines that the target point 120 is not a noise point.
  • the magnitude of the difference in density can be expressed, for example, as a density ratio.
  • ⁇ 1 be the density of the point cloud located near the target point 120 in the reference point cloud data 20
  • ⁇ 2 be the density of the point cloud located near the target point 120 in the inspection point cloud data 30.
  • the density ratio ⁇ 2/ ⁇ 1 can be used as a value representing the magnitude of the density difference.
  • an existing method can be used as a method for detecting an abnormal location using the luminance difference obtained for a specific location. For example, when the luminance difference d[u][v] for a certain point (u,v) is equal to or greater than a threshold, the abnormal point detection unit 2080 detects the point (u,v) as an abnormal point.
  • the abnormality detection device 2000 outputs output information representing the processing result.
  • the output information is information that can identify an abnormal location.
  • the output information indicates information representing an abnormal location.
  • the abnormal location may be represented by a pair of indices representing the direction of measurement, or may be represented by other methods. In the former case, for example, if the luminance data d[u][v] is greater than or equal to the threshold, the abnormal location is represented by the direction (u,v). On the other hand, in the latter case, the abnormal location in the similar case is represented by the three-dimensional position b[u][v] indicated by the inspection point cloud data 30 with respect to the direction (u,v).
  • the output information may indicate point cloud data obtained by processing the inspection point cloud data 30 so as to distinguish between abnormal locations and other locations.
  • the abnormality detection device 2000 generates point cloud data in which position data and color data are associated from the inspection point cloud data 30 .
  • This point cloud data is hereinafter referred to as display point cloud data.
  • the abnormality detection device 2000 generates point data to be included in the display point cloud data from each point data included in the inspection point cloud data 30 .
  • c[i][i] represents the color data for direction (i,j).
  • the position data indicated by each point data of the display point cloud data is the position data indicated by the corresponding point data of the inspection point cloud data 30 .
  • the color data of a portion other than the abnormal portion indicates the brightness level of the portion in grayscale. That is, the color data indicated by the point data of a location other than the abnormal location is closer to black as the brightness indicated by the inspection point cloud data 30 for that location is lower, and the brightness indicated by the inspection point cloud data 30 for that location is higher. It is expressed in gray that approaches white as the color increases.
  • the color data of the abnormal location indicates a specific color other than gray (for example, red).
  • the color data of the abnormal portion may be fixed regardless of the brightness of the abnormal portion, or may be set to a color corresponding to the luminance of the abnormal portion.
  • the color data of an abnormal portion indicates a color with higher luminance as the luminance indicated by the inspection point cloud data 30 for that portion is higher.
  • the color data of the abnormal portion is represented only by the red component among the three primary colors of red, green, and blue.
  • the color data of the abnormal location indicates a color with a larger red component as the luminance level indicated by the inspection point cloud data 30 for the abnormal location is higher.
  • the user of the abnormality detection apparatus 2000 can understand what kind of object such as the target object 10 exists in the target space. It is possible to easily grasp whether the part is an abnormal part. Further, if the luminance of the color data is increased as the luminance of the abnormal portion is increased, the degree of abnormality can be easily grasped by looking at the display data.
  • the excluded part may be indicated in a manner that can be distinguished from other data.
  • the color data for the excluded portion is represented by a specific color different from the color used for the color data for the abnormal portion.
  • the color data for the abnormal location is expressed using only the red component
  • the color data for the excluded location is expressed using only the blue component.
  • the output mode of the output information is arbitrary.
  • output information is stored in an arbitrary storage unit.
  • the output information may be sent to another device.
  • the output information may be displayed on a display device.
  • the display data obtained by plotting the display point cloud data in the virtual three-dimensional space.
  • the program includes instructions (or software code) that, when read into a computer, cause the computer to perform one or more functions described in the embodiments.
  • the program may be stored in a non-transitory computer-readable medium or tangible storage medium.
  • computer readable media or tangible storage media may include random-access memory (RAM), read-only memory (ROM), flash memory, solid-state drives (SSD) or other memory technology, CDs - ROM, digital versatile disc (DVD), Blu-ray disc or other optical disc storage, magnetic cassette, magnetic tape, magnetic disc storage or other magnetic storage device.
  • the program may be transmitted on a transitory computer-readable medium or communication medium.
  • transitory computer readable media or communication media include electrical, optical, acoustic, or other forms of propagated signals.
  • the excluded portion detection unit is clustering the plurality of point data included in the reference point cloud data for each of the point data representing locations on the same object; Supplementary note 1, wherein the point data included in the same cluster as the point data representing the moving object location is specified, and the moving object location and the location represented by the specified point data are detected as the exclusion location.
  • the abnormality detection device according to .
  • the reference point cloud data and the inspection point cloud data are generated using a measuring device that emits electromagnetic waves in each of a plurality of directions
  • the excluded location detection unit uses the reference point cloud data or the inspection point cloud data to identify, from among the plurality of locations, the location where the incident angle of the electromagnetic wave with respect to the location is equal to or greater than a threshold,
  • the abnormality detection device according to appendix 3 wherein the specified location is detected as the exclusion location.
  • (Appendix 5) 3.
  • the exclusion point detection unit according to appendix 3, wherein the exclusion point detection unit identifies the point located on the edge of the object using the reference point cloud data or the inspection point cloud data, and detects the identified point as the exclusion point. anomaly detector.
  • the excluded portion detection unit is calculating, for each of the point data included in the reference point cloud data, a first density representing the number of the point data indicating a three-dimensional position whose distance from the three-dimensional position represented by the point data is equal to or less than a threshold; , calculating, for each of the point data included in the inspection point cloud data, a second density representing the number of the point data indicating a three-dimensional position whose distance from the three-dimensional position represented by the point data is equal to or less than a threshold; , 6.
  • the anomaly detection device according to any one of appendices 1 to 5, further detecting the location where the magnitude of difference between the first density and the second density is equal to or greater than a threshold as the exclusion location.
  • a control method implemented by a computer comprising: Reference point cloud data representing point data representing the three-dimensional position and brightness at the reference point in time for each of a plurality of points in a space containing the object, and the three-dimensional position and brightness at the time of inspection for each of the plurality of points.
  • the reference point cloud data and the inspection point cloud data are generated using a measuring device that emits electromagnetic waves in each of a plurality of directions,
  • the exclusion location detection step using the reference point cloud data or the inspection point cloud data, from among the plurality of locations, identify the location where the incident angle of the electromagnetic wave with respect to the location is a threshold value or more,
  • Appendix 11 9. The method according to appendix 9, wherein in the exclusion point detection step, the point located on the edge of the object is specified using the reference point cloud data or the inspection point cloud data, and the specified point is detected as the exclusion point. control method.
  • Reference point cloud data representing point data representing the three-dimensional position and brightness at the reference point in time for each of a plurality of points in a space containing the object, and the three-dimensional position and brightness at the time of inspection for each of the plurality of points.
  • the reference point cloud data and the inspection point cloud data are generated using a measuring device that emits electromagnetic waves in each of a plurality of directions, In the exclusion location detection step, using the reference point cloud data or the inspection point cloud data, from among the plurality of locations, identify the location where the incident angle of the electromagnetic wave with respect to the location is a threshold value or more, 16.
  • the computer-readable medium of clause 15, wherein an identified location is detected as the excluded location. (Appendix 17) 16.
  • Target object 20 Reference point cloud data 30 Inspection point cloud data 40 Difference point cloud data 50 Electromagnetic wave 60 Electromagnetic wave 70 Object 80 Target point 90 Nearby point 100 Plane 110 Projection point 120 Target point 130 Nearby point 200 Measuring device 500 Computer 502 Bus 504 Processor 506 memory 508 storage device 510 input/output interface 512 network interface 2000 abnormality detection device 2020 acquisition unit 2040 difference data generation unit 2060 exclusion location detection unit 2080 abnormality location detection unit

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

異常検出装置（２０００）は、対象物（１０）を含む空間における複数の各箇所について、基準点群データ（２０）及び検査点群データ（３０）を取得する。基準点群データ（２０）は、複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを含む。検査点群データ（３０）は、複数の各箇所について、検査時点における３次元位置と輝度とを表す点データを含む。異常検出装置（２０００）は、基準点群データ（２０）及び検査点群データ（３０）を用い、各箇所について基準時点と検査時点における輝度の差分を表す差分点群データ（４０）を生成する。異常検出装置（２０００）は、複数の箇所の中から、異常箇所の検出対象から除外する除外箇所を検出する。異常検出装置（２０００）は、差分点群データ（４０）を用いて、除外箇所を除く箇所から、検査時点における対象物（１０）の異常箇所を検出する。

Description

異常検出装置、制御方法、及びコンピュータ可読媒体
　本開示は、物体の異常を検出する技術に関する。
　空間内の複数の箇所それぞれについての３次元位置及び輝度を表す点群データを用いて、施設などの異常を検出する技術が開発されている。例えば特許文献１は、測定対象の表面の複数の点における位置情報を用いて、測定対象を構造物ごとのクラスタに分類し、各クラスタの表面の複数の点における反射輝度値に基づいて、クラスタの表面の異常を特定する技術を開示している。
国際公開第２０２０／２０３２６３号
　本開示の目的は、空間内の複数の箇所それぞれについての３次元位置及び輝度を表す点群データを用いて、その空間内に位置する物体の異常を検出する新たな技術を提供することである。
　本開示の異常検出装置は、対象物を含む空間における複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを示す基準点群データと、複数の前記各箇所について、検査時点における３次元位置と輝度とを表す点データを示す検査点群データとを取得する取得部と、前記基準点群データ及び前記検査点群データを用いて、各前記箇所について、前記基準時点と前記検査時点における輝度の差分を表す差分点群データを生成する差分データ生成部と、複数の前記箇所のうち、その位置が時間と共に変化する箇所である動体箇所を、異常箇所の検出対象から除外する除外箇所として検出する除外箇所検出部と、前記差分点群データを用いて、複数の前記箇所のうち、前記除外箇所を除く前記箇所から、前記検査時点における前記対象物の異常箇所を検出する異常箇所検出部と、を有する。
　本開示の制御方法は、コンピュータによって実行される。当該制御方法は、対象物を含む空間における複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを示す基準点群データと、複数の前記各箇所について、検査時点における３次元位置と輝度とを表す点データを示す検査点群データとを取得する取得ステップと、前記基準点群データ及び前記検査点群データを用いて、各前記箇所について、前記基準時点と前記検査時点における輝度の差分を表す差分点群データを生成する差分データ生成ステップと、複数の前記箇所のうち、その位置が時間と共に変化する箇所である動体箇所を、異常箇所の検出対象から除外する除外箇所として検出する除外箇所検出ステップと、前記差分点群データを用いて、複数の前記箇所のうち、前記除外箇所を除く前記箇所から、前記検査時点における前記対象物の異常箇所を検出する異常箇所検出ステップと、を有する。
　本開示のコンピュータ可読媒体は、本開示の制御方法をコンピュータに実行させるプログラムを格納している。
　本開示によれば、空間内の複数の箇所それぞれについての３次元位置及び輝度を表す点群データを用いて、その空間内に位置する物体の異常を検出する新たな技術が提供される。
実施形態１の異常検出装置の動作の概要を例示する図である。 実施形態１の異常検出装置の機能構成を例示するブロック図である。 異常検出装置を実現するコンピュータのハードウエア構成を例示するブロック図である。 実施形態１の異常検出装置によって実行される処理の流れを例示するフローチャートである。 電磁波を利用して点群データを生成する方法を概念的に例示する図である。 電磁波の入射角の大きさが計測結果に与える影響を例示する図である。 電磁波の入射角の大きさが計測結果に与える影響を例示する図である。 物体のエッジに電磁波が照射されるケースを例示する図である。 物体のエッジに電磁波が照射されるケースを例示する図である。 点データが物体のエッジ上の点を表すかどうかを判定する処理を概念的に例示する図である。 点データが物体のエッジ上の点を表すかどうかを判定する処理を概念的に例示する図である。 点データが物体のエッジ上の点を表すかどうかを判定する処理を概念的に例示する図である。 基準点群データと検査点群データとにおける点群の密度の差異を例示する図である。
　以下では、本開示の実施形態について、図面を参照しながら詳細に説明する。各図面において、同一又は対応する要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略される。また、特に説明しない限り、所定値や閾値などといった予め定められている値は、その値を利用する装置からアクセス可能な記憶装置などに予め格納されている。さらに、特に説明しない限り、記憶部は、１つ以上の任意の数の記憶装置によって構成される。
　図１は、実施形態１の異常検出装置２０００の動作の概要を例示する図である。ここで、図１は、異常検出装置２０００の概要の理解を容易にするための図であり、異常検出装置２０００の動作は、図１に示したものに限定されない。
　異常検出装置２０００は、対象物１０上の異常箇所を検出するために利用される。対象物１０は、その位置が固定された状態で利用される任意の物体であり、例えば、電力施設、製鉄施設、又は化学工場などといった施設（構造物や建築物）の全体又はその一部である。ただし、対象物１０は、必ずしも不動産に分類されるものに限定されず、動産に分類されるものであってもよい。
　異常検出装置２０００は、対象物１０を含む対象空間内の複数の箇所それぞれについての点データの集合である点群データを取得する。各箇所の点データは、その箇所の３次元位置を表す位置データと、その箇所の輝度を表す輝度データとを示す。
　点群データは、計測装置２００によって生成される。例えば計測装置２００は、レーザ光などの電磁波を利用した計測により、点群データを生成する。電磁波を利用する計測装置２００は、例えば LiDAR（light detection and ranging）である。
　なお、点群データは、計測装置２００による計測の結果をそのまま表す生データであってもよいし、生データに対して任意の加工処理が加えられたものであってもよい。生データに対する加工処理としては、例えば、対象空間の特定の位置が原点となるように、各位置データに対して座標変換を加える処理などである。
　ここで、異常検出装置２０００は、少なくとも、基準点群データ２０と検査点群データ３０という、互いに異なる時点の対象空間について生成された２種類の点群データを取得する。検査点群データ３０は、異常箇所の有無を検査したい時点（以下、検査時点）に行われた計測によって得られた点群データである。基準点群データ２０は、検査時点よりも前の時点で行われた計測によって得られた点群データであり、異常検出の際の基準として利用される。以下、基準点群データ２０を得るための計測が行われた時点を、基準時点と呼ぶ。なお、基準時点における対象物１０の状態は、必ずしも異常が全くない状態である必要はない。
　異常検出装置２０００は、基準点群データ２０と検査点群データ３０とを用いて、差分点群データ４０を生成する。差分点群データ４０は、対象空間内の複数の箇所それぞれについて、検査時点と基準時点における輝度の差分を表す差分点データを示す。
　異常検出装置２０００は、差分点群データ４０を用いて、対象空間内の複数の箇所から、対象物１０の異常箇所を検出する。その際、異常検出装置２０００は、対象空間内の複数の箇所うち、特定の条件を満たす箇所を、異常検出の対象から除外する。ここで、異常検出の対象から除外される箇所を、除外箇所と呼ぶ。異常検出装置２０００は、除外箇所を除く箇所についての差分点群データ４０を用いて、異常箇所の検出を行う。
　例えば除外箇所は、対象空間において、その位置が時間と共に変化する箇所（以下、動体箇所）である。異常検出装置２０００は、検査点群データ３０を用いて動体箇所を検出し、検出した動体箇所を除外箇所として扱う。
　その他にも例えば、除外箇所は、異常箇所であるか否かの判定において、誤判定が起こりやすい箇所である。後述する通り、誤判定が起こりやすい箇所は、例えば、計測装置２００から出射される電磁波の入射角が大きい箇所や、物体のエッジ付近などである。
＜作用効果の一例＞
　本実施形態の異常検出装置２０００によれば、対象物１０を含む空間について、複数の箇所それぞれの３次元位置と輝度を示す点群データを利用して、異常箇所の検出が行われる。その際、特定の条件を満たす除外箇所以外の箇所を対象として、異常箇所の検出が行われる。こうすることで、より高い精度で対象物１０の異常箇所を検出することができる。
　例えば異常検出装置２０００は、動体箇所を除外箇所として扱う。ここで、点群データを得るための計測は、対象物１０を含む対象空間について行われる。そのため、点群データには、対象物１０以外の物体についての点データも含まれうる。そこで、対象物１０以外についての点データを異常箇所の検出対象から除外することで、異常箇所の検出対象を対象物１０のみに限定できることが好適である。
　この点、対象物１０はその位置が固定されている施設などであることから、動体箇所は対象物１０以外の物体（例えば草木など）の一部である蓋然性が高い。そのため、動体箇所を異常検出の対象から除外することにより、対象物１０以外の物体について異常箇所が検出されてしまう蓋然性を小さくすることができる。言い換えれば、異常箇所として検出される箇所が、対象物１０の一部である蓋然性を高くすることができる。よって、対象物１０を対象とした異常箇所の検出をより高精度に行うことができる。
　その他にも例えば、異常検出装置２０００は、誤判定が起こりやすい箇所を除外箇所として扱う。このようにすることで、異常箇所でない箇所が誤って異常箇所として検出されてしまう蓋然性を低くすることができる。
　以下、本実施形態の異常検出装置２０００について、より詳細に説明する。
＜機能構成の例＞
　図２は、実施形態１の異常検出装置２０００の機能構成を例示するブロック図である。異常検出装置２０００は、取得部２０２０、差分データ生成部２０４０、除外箇所検出部２０６０、及び異常箇所検出部２０８０を有する。取得部２０２０は、基準点群データ２０及び検査点群データ３０を取得する。差分データ生成部２０４０は、基準点群データ２０と検査点群データ３０を用いて、差分点群データ４０を生成する。除外箇所検出部２０６０は、基準点群データ２０及び検査点群データ３０の一方又は双方を用いて除外箇所を検出する。異常箇所検出部２０８０は、差分点群データ４０のうち、除外箇所以外の箇所についてのデータを利用して、異常箇所を検出する。
＜ハードウエア構成の例＞
　異常検出装置２０００の各機能構成部は、各機能構成部を実現するハードウエア（例：ハードワイヤードされた電子回路など）で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ（例：電子回路とそれを制御するプログラムの組み合わせなど）で実現されてもよい。以下、異常検出装置２０００の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。
　図３は、異常検出装置２０００を実現するコンピュータ５００のハードウエア構成を例示するブロック図である。コンピュータ５００は、任意のコンピュータである。例えばコンピュータ５００は、PC（Personal Computer）やサーバマシンなどといった、据え置き型のコンピュータである。その他にも例えば、コンピュータ５００は、スマートフォンやタブレット端末などといった可搬型のコンピュータである。コンピュータ５００は、異常検出装置２０００を実現するために設計された専用のコンピュータであってもよいし、汎用のコンピュータであってもよい。
　例えば、コンピュータ５００に対して所定のアプリケーションをインストールすることにより、コンピュータ５００で、異常検出装置２０００の各機能が実現される。上記アプリケーションは、異常検出装置２０００の各機能構成部を実現するためのプログラムで構成される。なお、上記プログラムの取得方法は任意である。例えば、当該プログラムが格納されている記憶媒体（DVD ディスクや USB メモリなど）から、当該プログラムを取得することができる。その他にも例えば、当該プログラムが格納されている記憶装置を管理しているサーバ装置から、当該プログラムをダウンロードすることにより、当該プログラムを取得することができる。
　コンピュータ５００は、バス５０２、プロセッサ５０４、メモリ５０６、ストレージデバイス５０８、入出力インタフェース５１０、及びネットワークインタフェース５１２を有する。バス５０２は、プロセッサ５０４、メモリ５０６、ストレージデバイス５０８、入出力インタフェース５１０、及びネットワークインタフェース５１２が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ５０４などを互いに接続する方法は、バス接続に限定されない。
　プロセッサ５０４は、CPU（Central Processing Unit）、GPU（Graphics Processing Unit）、又は FPGA（Field－Programmable Gate Array）などの種々のプロセッサである。メモリ５０６は、RAM（Random Access Memory）などを用いて実現される主記憶装置である。ストレージデバイス５０８は、ハードディスク、SSD（Solid State Drive）、メモリカード、又は ROM（Read Only Memory）などを用いて実現される補助記憶装置である。
　入出力インタフェース５１０は、コンピュータ５００と入出力デバイスとを接続するためのインタフェースである。例えば入出力インタフェース５１０には、キーボードなどの入力装置や、ディスプレイ装置などの出力装置が接続される。
　ネットワークインタフェース５１２は、コンピュータ５００をネットワークに接続するためのインタフェースである。このネットワークは、LAN（Local Area Network）であってもよいし、WAN（Wide Area Network）であってもよい。
　ストレージデバイス５０８は、異常検出装置２０００の各機能構成部を実現するプログラム（前述したアプリケーションを実現するプログラム）を記憶している。プロセッサ５０４は、このプログラムをメモリ５０６に読み出して実行することで、異常検出装置２０００の各機能構成部を実現する。
　異常検出装置２０００は、１つのコンピュータ５００で実現されてもよいし、複数のコンピュータ５００で実現されてもよい。後者の場合において、各コンピュータ５００の構成は同一である必要はなく、それぞれ異なるものとすることができる。
＜処理の流れ＞
　図４は、実施形態１の異常検出装置２０００によって実行される処理の流れを例示するフローチャートである。取得部２０２０は、基準点群データ２０及び検査点群データ３０を取得する（Ｓ１０２）。差分データ生成部２０４０は、基準点群データ２０と検査点群データ３０を用いて、差分点群データ４０を生成する（Ｓ１０４）。除外箇所検出部２０６０は、基準点群データ２０及び検査点群データ３０の一方又は双方を用いて、除外箇所を検出する（Ｓ１０６）。異常箇所検出部２０８０は、除外箇所以外の箇所から、異常箇所を検出する（Ｓ１０８）。
　ここで、図４に示すフローチャートはあくまで例示であり、異常検出装置２０００によって実行される処理の流れは、図４に示す流れに限定されない。例えば異常検出装置２０００は、差分点群データ４０を生成する処理（Ｓ１０４）の前に、除外箇所を検出する処理（Ｓ１０６）を行ってもよい。この場合、差分データ生成部２０４０は、除外箇所以外の箇所のみを対象として、差分点群データ４０の生成を行ってもよい。その他にも例えば、差分点群データ４０を生成する処理（Ｓ１０４）と除外箇所を検出する処理（Ｓ１０６）は、互いに並行して行われてもよい。
＜点群データについて＞
　計測装置２００は、例えば、レーザ光などの電磁波を利用して、３次元位置と輝度の計測を行う。具体的には、計測装置２００は、それぞれ異なる複数の方向へ電磁波を出射し、各電磁波について、その電磁波が物体によって反射されたものである反射波を受信する。そして、計測装置２００は、出射された電磁波とその反射波との関係から、その電磁波を反射した箇所の３次元位置と輝度を表す点データを生成する。
　図５は、電磁波を利用して点群データを生成する方法を概念的に例示する図である。点線の矢印は、計測装置２００から出射される電磁波を表している。バツ印は、電磁波を反射した箇所を表している。
　図５において、電磁波の出射方向は、電磁波が通過するマスの位置によって表されている。具体的には、横方向についての出射方向を表すインデックス i と、縦方向についての出射方向を表すインデックス j とを用いることで、電磁波の出射方向が (i,j) と表現される。
　図５において、電磁波の出射方向は、横方向について n 通りあり、縦方向について m 通りある。このことから、計測装置２００は、それぞれ異なる n*m 通りの方向に対して電磁波を出射する。よって、この計測装置２００によれば、n*m 個の点データを持つ点群データが得られる。言い換えれば、当該計測装置２００の解像度は n*m である。
　以下、方向 (i,j) に出射された電磁波によって得られる点データを、p[i][j]=(a[i][j],b[i][j]) と表す。a[i][j] は、方向 (i,j) へ出射された電磁波を反射した箇所の３次元位置を表す。b[i][j] は、方向 (i,j) へ出射された電磁波を反射した箇所の輝度を表す。この表記によれば、点群データ P を P={p[i][j]=(a[i][j],b[i][j])|1<=i<=n,1<=j<=m} と表記することができる。なお、ここで説明した表記方法は、以降の説明を容易にするための一例であり、点データや点群データの表記方法はここで説明した方法に限定されない。
＜点群データの取得：Ｓ１０２＞
　取得部２０２０は、基準点群データ２０及び検査点群データ３０を取得する（Ｓ１０２）。取得部２０２０がこれらの点群データを取得する方法は様々である。例えば基準点群データ２０及び検査点群データ３０は、異常検出装置２０００からアクセス可能な記憶部に予め格納されている。取得部２０２０は、この記憶部にアクセスすることで、基準点群データ２０及び検査点群データ３０を取得する。
　その他にも例えば、基準点群データ２０及び検査点群データ３０は、ユーザ操作に応じて異常検出装置２０００に入力されてもよい。例えばユーザは、基準点群データ２０及び検査点群データ３０が格納されている可搬型の記憶部（メモリカードなど）を異常検出装置２０００に接続し、当該記憶部から異常検出装置２０００に対して基準点群データ２０及び検査点群データ３０を入力する。
　その他にも例えば、取得部２０２０は、他の装置から送信される基準点群データ２０及び検査点群データ３０を受信することで、基準点群データ２０及び検査点群データ３０を取得してもよい。例えば当該他の装置は、計測装置２００や、計測装置２００によって生成された生データを加工して基準点群データ２０や検査点群データ３０を生成する装置などである。
　なお、基準点群データ２０と検査点群データ３０の取得方法は、互いに同一であってもよいし、互いに異なってもよい。
＜差分点群データ４０の生成：Ｓ１０４＞
　差分データ生成部２０４０は、差分点群データ４０を生成する（Ｓ１０４）。具体的には、差分データ生成部２０４０は、複数の箇所それぞれについて、基準点群データ２０と検査点群データ３０との間で輝度の差分を算出する。ここで、２つの点群データから、計測された複数の箇所それぞれについての輝度の差分を表すデータを得る技術には、既存の技術を利用することができる。
　例えば前述したように、計測装置２００によって電磁波が出射される方向が、横方向のインデックス i と縦方向のインデックス j のペア (i,j) で表されるとする。また、基準点群データ２０から得られる輝度データの集合が B1={b1[i][j]|1<=i<=n,1<=j<=m} と表され、検査点群データ３０から得られる輝度データの集合が B2={b2[i][j]|1<=i<=n,1<=j<=m} と表されるとする。この場合、差分点群データ４０は、D={d[i][j]=b2[i][j]-b1[i][j]|1<=i<=n,1<=j<=m} と表すことができる。
＜除外箇所の検出：Ｓ１０６＞
　除外箇所検出部２０６０は、基準点群データ２０を用いて、除外箇所を検出する（Ｓ１０６）。前述したように、例えば除外箇所は、動体箇所や、異常箇所であるか否かの判定において誤判定が起こりやすい箇所である。その他にも例えば、除外箇所検出部２０６０は、検査点群データ３０の中から、計測結果が正しくない蓋然性が高い点データ（ノイズを表している蓋然性が高い点データ）を特定し、当該点データによって表される箇所を、除外箇所として検出してもよい。
　ここで、除外箇所検出部２０６０は、除外箇所として扱いうる複数種類の箇所のうち、いずれか１種類の箇所のみを除外箇所として扱ってもよいし、２種類以上の箇所を除外箇所として扱ってもよい。以下、除外箇所の例について具体的に説明する。
＜＜動体箇所について＞＞
　例えば除外箇所検出部２０６０は、基準点群データ２０を用いて、対象空間の中から、その位置が時間と共に変化する箇所である動体箇所を検出し、動体箇所を除外箇所として扱う。前述したように、動体箇所として検出された箇所は、対象物１０以外の物体（例えば草木など）の一部であると考えられる。そこで、動体箇所を異常判定の対象から除外することにより、対象物１０以外の物体から誤って異常箇所が検出されてしまうことを避けることができる。
　動体箇所の検出は、互いに異なる時点に行われた計測の結果に基づいて生成された、複数の基準点群データ２０を利用して行われる。そこで取得部２０２０は、これらの複数の基準点群データ２０を取得する。
　除外箇所検出部２０６０は、複数の基準点群データ２０の間で、複数の箇所それぞれについて、３次元位置の差異の大きさを算出する。そして、除外箇所検出部２０６０は、３次元位置の差異の大きさが閾値以上である箇所を、動体箇所として検出する。３次元位置の差異の大きさは、例えば、それらの間の距離で表すことができる。
　例えば前述したように、計測装置２００が複数の方向へ電磁波を出射するものである場合、除外箇所検出部２０６０は、複数の基準点群データ２０の間で、同一の方向に対して出射された電磁波によって得られた位置データの比較を行う。より具体的な例として、第１の基準点群データ２０が示す位置データの集合が A1={a1[i][j]|1<=i<=n,1<=j<=m} で表され、第２の基準点群データ２０が示す位置データの集合が A2={a2[i][j]|1<=i<=n,1<=j<=m} で表されるとする。この場合、除外箇所検出部２０６０は、各箇所について、すなわち各方向 (i,j) について、a1[i][j] と a2[i][j] との間の距離 ||a1[i][j]-a2[i][j]|| を算出する。
　除外箇所検出部２０６０は、上記距離を利用して、動体箇所を検出する。例えば動体箇所は、上記距離が閾値以上となる方向 (i,j) で特定される。例えば、動体箇所として検出された箇所が方向 (u,v) で表される場合（距離 ||a1[u][v]-a2[u][v]|| が閾値以上である場合）、異常箇所検出部２０８０は、異常箇所を検出する際、差分点群データ D に含まれる差分点データのうち、d[u][v] を異常箇所の検出対象から除外する。
　動体箇所の検出には、３つ以上の基準点群データ２０が利用されてもよい。この場合、例えば除外箇所検出部２０６０は、各方向 (i,j) について、各基準点群データ２０がその方向について示す位置データの分布の大きさを算出する。そして、除外箇所検出部２０６０は、分布の大きさが閾値以上である方向を、動体箇所を表す方向として検出する。
　例えば、第１の基準点群データ２０、第２の基準点群データ２０、・・・、第ｋの基準点群データ２０という k 個の基準点群データ２０が得られたとする。そして、これらから得られる位置データの集合がそれぞれ、A1={a1[i][j]|1<=i<=n,1<=j<=m},A2={a2[i][j]|1<=i<=n,1<=j<=m},...,Ak={ak[i][j]|1<=i<=n,1<=j<=m} で表されるとする。この場合、各方向 (i,j) について、k 個の３次元位置 (a1[i][j], a2[i][j],..., ak[i][j]) の分布の大きさを表す指標値（例えば分散）が算出される。そして、除外箇所検出部２０６０は、分布の大きさが閾値以上である方向 (i,j) を、動体箇所を表す方向として検出する。なお、複数の３次元データの分布の大きさを算出する具体的な方法には、既存の方法を利用することができる。
　除外箇所検出部２０６０は、上述の方法で動体箇所として検出された箇所に加え、その箇所と同一の物体上にあると推定される別の箇所についても、除外箇所として扱ってもよい。この方法によれば、例えば、木の枝や葉が動体箇所として検出された場合に、その木の幹などといった残りの部分についても、除外箇所として扱うことができる。
　そのために、除外箇所検出部２０６０は、基準点群データ２０に含まれる複数の点データを、同一の物体を表す点データごとに（同一の物体上の位置を表す点データごとに）クラスタリングする。さらに、除外箇所検出部２０６０は、動体箇所を示す各点データについて、その点データを含むクラスタを特定する。そして、除外箇所検出部２０６０は、特定したクラスタに含まれる各点データによって表される箇所を、除外箇所として検出する。なお、点群データについて、同一の物体を表す点データごとにクラスタリングする具体的な手法には、既存の手法を利用することができる。
＜＜誤判定が起こりやすい箇所について＞＞
　その他にも例えば、除外箇所検出部２０６０は、誤判定が起こりやすい箇所を除外箇所として検出する。こうすることで、異常箇所でない箇所が異常箇所であると誤判定されてしまう蓋然性を低くすることができる。
　以下、除外箇所として扱われる、誤判定が起こりやすい箇所について、複数の具体例を示す。なお、以下で説明する、誤判定が起こりやすい箇所の複数の例のうち、いずれか１種類のみが除外箇所として扱われてもよいし、任意の２種類以上が除外箇所として扱われてもよい。
＜＜＜電磁波の入射角が大きい箇所＞＞＞
　誤判定が起こりやすい箇所は、例えば、計測装置２００から出射された電磁波の入射角が大きい箇所である。計測装置２００は、複数の方向それぞれに対して電磁波を出射する。しかしながら、計測装置２００がそれぞれ異なる時点で計測を行う際、計測結果上は同一の方向 (i,j) に対して出射されたものとして扱われている電磁波であっても、出射方向にわずかな誤差が生じうる。そして、電磁波の入射角が大きい箇所では、このような出射方向の誤差により、電磁波が当たる物体上の位置が大きく変わる蓋然性が高い。
　図６及び図７は、電磁波の入射角の大きさが計測結果に与える影響を例示する図である。図６及び図７において、電磁波５０は、基準点群データ２０を得るための計測において、方向 (u,v) へ出射された電磁波を表している。一方、電磁波６０は、検査点群データ３０を得るための計測において、方向 (u,v) へ出射された電磁波を表している。また、電磁波５０と電磁波６０はいずれも、物体７０上に照射されている。
　計測装置２００の記録上では（すなわち、点群データ上では）、電磁波５０と電磁波６０は互いに同一の方向に出射されたものとして扱われている。しかしながら、実際には、図６に示されているように、これらの電磁波の出射方向には多少の違いがある。
　図６は、電磁波の入射角が比較的小さいケースを例示している。一方、図７は、電磁波の入射角が比較的大きいケースを例示している。図６と図７において、電磁波５０の方向と電磁波６０の方向との差異は同一である。しかしながら、図６と図７を比較すると、電磁波の入射角が大きい図７のケースでは、電磁波の入射角が小さい図６のケースと比較し、電磁波５０が照射される物体７０上の位置と、電磁波６０が照射される物体７０上の位置との差異が大きい。このことから、電磁波の入射角が大きくなる箇所では、計測ごとにその位置データの差異が大きくなることが分かる。
　そこで例えば、除外箇所検出部２０６０は、基準点群データ２０又は検査点群データ３０を利用し、複数の箇所（計測に利用された電磁波の出射方向）それぞれについて、電磁波の入射角を推定する。そして、除外箇所検出部２０６０は、電磁波の入射角が閾値以上である箇所を除外箇所とする。
　入射角の推定は、例えば以下のようにして行われる。まず、除外箇所検出部２０６０は、点群データに含まれる各点データについて、その点データが示す３次元位置における物体表面の法線ベクトルを算出する。そして、除外箇所検出部２０６０は、各点データについて、その点データが得られた電磁波の方向と、その点データについて算出された法線ベクトルの方向とが成す角を、その電磁波の入射角として算出する。
　なお、計測装置２００から得られる点群データの各点データについて法線ベクトルを算出する手法には、既存の手法を利用することができる。例えば除外箇所検出部２０６０は、法線ベクトルを算出したい点データによって示されている３次元位置と、その点データの近傍の複数の点データそれぞれによって示されている３次元位置とによって張られる平面を算出する。そして、除外箇所検出部２０６０は、この平面に直交するベクトルを、法線ベクトルとして算出する。
＜＜＜エッジ＞＞＞
　誤判定が起こりやすい箇所の次の例は、物体のエッジである。電磁波を利用して計測される輝度の大きさは、計測装置２００によって受信された反射光の強さに基づいて定まる。この点、物体のエッジ部分では、電磁波の一部がその物体に照射され、その他の一部はその物体に照射されないという状況になる。そのため、照射された電磁波のうちのどの程度が物体に照射されるかによって、計測される輝度の大きさが異なることになる。
　図８及び図９は、物体のエッジに電磁波が照射されるケースを例示する図である。電磁波５０は、基準点群データ２０を得るための計測において、方向 (u,v) へ出射された電磁波を表している。一方、電磁波６０は、検査点群データ３０を得るための計測において、方向 (u,v) へ出射された電磁波を表している。図８及び図９において、物体７０のうち、電磁波が照射された部分が、ドット柄で表されている。
　図８では、電磁波５０の大部分が物体７０に照射されている。一方、図９では、電磁波６０のうちのわずかな部分のみが、物体７０に照射されている。そのため、電磁波５０の反射波を受信することで計測される輝度の大きさと、電磁波６０の反射波を受信することで計測される輝度の大きさとは、互いに大きく異なると考えられる。すなわち、基準点群データ２０が方向 (u,v) について示す輝度データと、検査点群データ３０が方向 (u,v) について示す輝度データとは、互いに大きく異なると考えられる。
　このように、物体のエッジでは、電磁波の出射方向の誤差により、計測される輝度の大きさが大きく異なってしまう蓋然性が高い。そのため、物体のエッジについて得られた点データを利用すると、実際には異常箇所ではない箇所についても、基準点群データ２０と検査点群データ３０との間で輝度の差分が大きくなってしまい、異常箇所について誤検出が生じる蓋然性が高くなる。
　そこで除外箇所検出部２０６０は、基準点群データ２０又は検査点群データ３０を用いて、物体のエッジを表す箇所を検出し、当該箇所を除外箇所として扱う。具体的には、除外箇所検出部２０６０は、点群データに含まれる各点データについて、以下に示す処理を行うことで、各点データが物体のエッジを表しているか否かを判定する。
　図１０から図１２は、点データが物体のエッジ上の点（３次元位置）を表すかどうかを判定する処理を概念的に例示する図である。図１０は物体７０を正面から見た図である。図１１は、物体７０を平面視した図である。マル印で表されている対象点８０は、点群データによって表されている点のうち、物体７０のエッジ上の点であるか否かの判定対象となっている点である。バツ印で表されている近傍点９０は、点群データによって表されている点のうち、対象点８０の近傍に位置する点を表す。
　まず除外箇所検出部２０６０は、点群データによって表されている点の中から、近傍点９０を特定する。具体的には、対象点８０の３次元位置を b[u][v] とおき、近傍を表す距離の閾値を th とおくと、除外箇所検出部２０６０は、点群データによって表される点のうち、||b[u][v]-b[i][j]||<=th を満たす点 b[i][j] を、近傍点９０として特定する。
　次に除外箇所検出部２０６０は、対象点８０及び近傍点９０を用いて、対象点８０において物体７０に接する平面１００を特定する。さらに、除外箇所検出部２０６０は、各近傍点９０を平面１００上に射影する。図１２は、近傍点９０が射影された平面１００を表す図である。近傍点９０を平面１００上に射影した各点は、射影点１１０として描かれている。
　除外箇所検出部２０６０は、対象点８０及び射影点１１０との位置関係に基づいて、対象点８０がエッジ上の点であるか否かを判定する。具体的には、除外箇所検出部２０６０は、対象点８０及び射影点１１０を用いて開き角（図１２におけるθ）を算出し、開き角が閾値以上であるか否かを判定する。開き角が閾値以上である場合、除外箇所検出部２０６０は、対象点８０がエッジ上にあると判定する。そこで、対象点８０が除外箇所として扱われる。例えば対象点８０が b[u][v] である場合、差分点群データ４０のうち、方向 (u,v) についてのデータが、異常検出の対象から除外される。一方、開き角が閾値未満である場合、除外箇所検出部２０６０は、対象点８０がエッジ上にないと判定する。
　なお、対象点８０がエッジ上にあると判定された場合、除外箇所検出部２０６０は、対象点８０に加え、各近傍点９０も除外箇所として扱ってもよい。
　ここで、上述した開き角の算出方法について、その一例を説明する。まず除外箇所検出部２０６０は、各射影点１１０について、対象点８０からその射影点１１０へ向かう単位ベクトルを算出する。次に、除外箇所検出部２０６０は、算出した全ての単位ベクトルの平均ベクトルを算出する。さらに除外箇所検出部２０６０は、各単位ベクトルについて、平均ベクトルからその単位ベクトルまでの回転角の大きさを算出する。なお、基準方向（例えば、水平方向右向き）から単位ベクトルまでの回転角の大きさよりも、基準方向から平均ベクトルまでの回転角の大きさの方が大きい場合、平均ベクトルから単位ベクトルに対する回転角はマイナスの値となる。
　除外箇所検出部２０６０は、算出した複数の回転角の中から最大値と最小値を抽出し、最大値から最小値を引いた値を算出する。そして、除外箇所検出部２０６０は、３６０°から、回転角の最大値と最小値との差分を引いた値を、開き角として算出する。
＜＜ノイズの除去＞＞
　その他にも例えば、除外箇所検出部２０６０は、検査点群データ３０の中から、計測結果が正しくない蓋然性が高い点データ（ノイズを表している蓋然性が高い点データ）を特定し、当該点データによって表される箇所を、除外箇所として検出する。例えば、点データ p[u][v] によって表されている計測結果が正しくと考えられる場合、差分点群データ４０のうち、d[u][v] が異常検出の対象から除外される。以下、計測結果が正しくない蓋然性が高い点データを、ノイズ点データと呼ぶ。また、ノイズ点データによって表されている位置を、ノイズ点と呼ぶ。
　例えば除外箇所検出部２０６０は、基準点群データ２０と検査点群データ３０との間で点群の密度を比較することにより、ノイズ点データを特定する。図１３は、基準点群データ２０と検査点群データ３０とにおける点群の密度の差異を例示する図である。図１３において、対象点１２０は、ノイズ点であるか否かの判定対象である。近傍点１３０は、対象点１２０の近傍に位置する点である。
　ここで、ノイズ点データが示す位置データは、計測された箇所の本来の位置とは異なる位置を表してしまっている。そのため、対象点１２０がノイズ点である場合、近傍点１３０の数は少なくなると考えられる。よって、検査点群データ３０における対象点１２０がノイズ点である場合、対象点１２０の近傍に含まれる点群の密度が実際よりも低くなり、その密度は、基準点群データ２０において対象点１２０の近傍に含まれる点群の密度よりも低くなると考えられる。一方、対象点１２０がノイズ点でない場合、検査点群データ３０において対象点１２０の近傍に含まれる点群の密度は、基準点群データ２０において対象点１２０の近傍に含まれる点群の密度と同程度になると考えられる。
　そこで除外箇所検出部２０６０は、基準点群データ２０と検査点群データ３０との間で、同一箇所を表す点データごとに、その点データによって表される点の近傍に位置する点群の密度（例えば、近傍点１３０の数）を算出し、その密度の違いが大きいか否かを判定する。密度の違いが大きい場合、除外箇所検出部２０６０は、対象点１２０がノイズ点であると判定する。一方、密度の違いが大きくない場合、除外箇所検出部２０６０は、対象点１２０がノイズ点でないと判定する。
　密度の違いの大きさは、例えば、密度比で表すことができる。例えば、基準点群データ２０において対象点１２０の近傍に位置する点群の密度を ρ1 とおき、検査点群データ３０において対象点１２０の近傍に位置する点群の密度を ρ2 とおく。この場合、密度比 ρ2/ρ1 を、密度の違いの大きさを表す値として利用することができる。
＜異常箇所の検出：Ｓ１０８＞
　異常箇所検出部２０８０は、差分点群データ４０に含まれる点データのうち、除外箇所以外についてのデータを利用して、異常箇所を検出する（Ｓ１０８）。例えば前述したように、差分点群データ４０が D={d[i][j]|1<=i<=n,1<=j<=m} で表されるとする。この場合、除外箇所検出部２０６０は、除外箇所として検出された箇所以外の d[i][j] について、異常箇所であるか否かの判定を行う。例えば、除外箇所が方向 (u,v) で表される場合、差分点群データ４０に含まれる点データのうち、d[v][v] が異常検出の対象から除外される。
　ここで、特定の箇所について得られた輝度の差分を利用して異常箇所を検出する方法には、既存の方法を利用することができる。例えば異常箇所検出部２０８０は、ある箇所 (u,v) についての輝度の差分 d[u][v] が閾値以上である場合に、当該箇所 (u,v) を異常箇所として検出する。
＜結果の出力＞
　異常検出装置２０００は、処理結果を表す出力情報を出力する。出力情報は、異常箇所を特定可能な情報である。例えば出力情報は、異常箇所を表す情報を示す。ここで、異常箇所は、計測の方向を表すインデックスのペアで表されてもよいし、その他の方法で表されてもよい。前者の場合、例えば、輝度データ d[u][v] が閾値以上であった場合、異常箇所は、方向 (u,v) で表される。一方、後者の場合、同様のケースにおける異常箇所は、検査点群データ３０が方向 (u,v) について示す３次元位置 b[u][v] で表される。
　その他にも例えば、出力情報は、異常箇所とそれ以外の箇所とを区別できるように検査点群データ３０が加工された点群データを示してもよい。この場合、例えば異常検出装置２０００は、検査点群データ３０から、位置データと色データとが対応づけられている点群データを生成する。以下、この点群データを、表示用点群データと呼ぶ。
　異常検出装置２０００は、検査点群データ３０に含まれる各点データから、表示用点群データに含める点データを生成する。例えば、検査点群データ３０を前述したように P={p[i][j]=(a[i][j],b[i][j])|1<=i<=n,1<=j<=m} とおく。この場合、表示用点群データは、Q={q[i][j]=(a[i][j],c[i][j])|1<=i<=n,1<=j<=m} と表すことができる。ここで、c[i][i] は方向 (i,j) についての色データを表す。表示用点群データの各点データが示す位置データは、対応する検査点群データ３０の点データが示す位置データである。
　ここで、色データの生成方法について説明する。例えば表示用点群データにおいて、異常箇所以外の箇所の色データは、その箇所の輝度の高さをグレースケールで示す。すなわち、異常箇所以外の箇所の点データによって示される色データは、その箇所について検査点群データ３０が示す輝度が低いほど黒に近く、かつ、その箇所について検査点群データ３０が示す輝度が高いほど白に近くなるグレーで表される。
　一方、表示用点群データにおいて、異常箇所の色データは、グレー以外の特定の色（例えば、赤色）を示す。この際、異常箇所の色データは、異常箇所の輝度の高さにかかわらず固定で定められていてもよいし、異常箇所の輝度に応じた色に設定されてもよい。後者の場合、例えば異常箇所の色データは、その箇所について検査点群データ３０が示す輝度が高いほど、輝度が高い色を示す。例えば、異常箇所の色データが、赤色、緑色、及び青色の３原色のうち、赤色の成分のみで表されるとする。この場合、異常箇所の色データは、検査点群データ３０がその異常箇所について示す輝度の高さが高いほど、赤色の成分が大きい色を示す。
　このように生成された表示用点群データが仮想３次元空間にプロットされた表示データを見ることで、異常検出装置２０００のユーザは、対象空間内に存在する対象物１０などの物体について、どの部分が異常箇所であるのかを容易に把握することができる。また、異常箇所について、その輝度が高いほど色データの輝度も高くすれば、上記表示データを見ることにより、異常の度合いについても容易に把握できるようになる。
　なお、出力情報において、除外箇所は、それ以外のデータと識別可能な態様で示されてもよい。この場合、例えば前述した表示用点群データにおいて、除外箇所についての色データは、異常箇所の色データに利用する色とは異なる特定の色によって表される。例えば、異常箇所の色データは、赤色の成分のみを用いて表すようにし、除外箇所についての色データは、青色の成分のみを用いて表すようにする。このようにすることで、異常検出装置２０００のユーザは、異常箇所の判定対象から除外された箇所を容易に把握することができる。
　出力情報の出力態様は任意である。例えば出力情報は、任意の記憶部に格納される。その他にも例えば、出力情報は、他の装置に送信される。その他にも例えば、出力情報は、ディスプレイ装置に表示されてもよい。ここで、出力情報をディスプレイ装置に表示させる場合、前述した、表示用点群データが仮想３次元空間にプロットされた表示データを表示させることが好適である。
　以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　なお、上述の例において、プログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、random-access memory（RAM）、read-only memory（ROM）、フラッシュメモリ、solid-state drive（SSD）又はその他のメモリ技術、CD-ROM、digital versatile disc（DVD）、Blu-ray（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、またはその他の形式の伝搬信号を含む。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
　（付記１）
　対象物を含む空間における複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを示す基準点群データと、複数の前記各箇所について、検査時点における３次元位置と輝度とを表す点データを示す検査点群データとを取得する取得部と、
　前記基準点群データ及び前記検査点群データを用いて、各前記箇所について、前記基準時点と前記検査時点における輝度の差分を表す差分点群データを生成する差分データ生成部と、
　複数の前記箇所のうち、その位置が時間と共に変化する箇所である動体箇所を、異常箇所の検出対象から除外する除外箇所として検出する除外箇所検出部と、
　前記差分点群データを用いて、複数の前記箇所のうち、前記除外箇所を除く前記箇所から、前記検査時点における前記対象物の異常箇所を検出する異常箇所検出部と、を有する異常検出装置。
　（付記２）
　前記除外箇所検出部は、
　　前記基準点群データに含まれる複数の前記点データを、同一の物体上の箇所を表す前記点データごとにクラスタリングし、
　　前記動体箇所を表す前記点データと同一のクラスタに含まれる前記点データを特定し、前記動体箇所と、前記特定した点データによって表される前記箇所とを、前記除外箇所として検出する、付記１に記載の異常検出装置。
　（付記３）
　前記除外箇所検出部は、複数の前記箇所のうち、異常箇所であるか否かの判定において誤判定が生じる蓋然性が高い箇所を、前記除外箇所としてさらに検出する、付記１又は２に記載の異常検出装置。
　（付記４）
　前記基準点群データ及び前記検査点群データは、複数の方向それぞれに対して電磁波を出射する計測装置を用いて生成され、
　前記除外箇所検出部は、前記基準点群データ又は前記検査点群データを用いて、複数の前記箇所の中から、その箇所に対する前記電磁波の入射角が閾値以上である前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、付記３に記載の異常検出装置。
　（付記５）
　前記除外箇所検出部は、前記基準点群データ又は前記検査点群データを用いて、物体のエッジに位置する前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、付記３に記載の異常検出装置。
　（付記６）
　前記除外箇所検出部は、
　　前記基準点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第１密度を算出し、
　　前記検査点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第２密度を算出し、
　　前記第１密度と前記第２密度との違いの大きさが閾値以上である前記箇所を、前記除外箇所としてさらに検出する、付記１から５いずれか一項に記載の異常検出装置。
　（付記７）
　コンピュータによって実行される制御方法であって、
　対象物を含む空間における複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを示す基準点群データと、複数の前記各箇所について、検査時点における３次元位置と輝度とを表す点データを示す検査点群データとを取得する取得ステップと、
　前記基準点群データ及び前記検査点群データを用いて、各前記箇所について、前記基準時点と前記検査時点における輝度の差分を表す差分点群データを生成する差分データ生成ステップと、
　複数の前記箇所のうち、その位置が時間と共に変化する箇所である動体箇所を、異常箇所の検出対象から除外する除外箇所として検出する除外箇所検出ステップと、
　前記差分点群データを用いて、複数の前記箇所のうち、前記除外箇所を除く前記箇所から、前記検査時点における前記対象物の異常箇所を検出する異常箇所検出ステップと、を有する制御方法。
　（付記８）
　前記除外箇所検出ステップにおいて、
　　前記基準点群データに含まれる複数の前記点データを、同一の物体上の箇所を表す前記点データごとにクラスタリングし、
　　前記動体箇所を表す前記点データと同一のクラスタに含まれる前記点データを特定し、前記動体箇所と、前記特定した点データによって表される前記箇所とを、前記除外箇所として検出する、付記７に記載の制御方法。
　（付記９）
　前記除外箇所検出ステップにおいて、複数の前記箇所のうち、異常箇所であるか否かの判定において誤判定が生じる蓋然性が高い箇所を、前記除外箇所としてさらに検出する、付記７又は８に記載の制御方法。
　（付記１０）
　前記基準点群データ及び前記検査点群データは、複数の方向それぞれに対して電磁波を出射する計測装置を用いて生成され、
　前記除外箇所検出ステップにおいて、前記基準点群データ又は前記検査点群データを用いて、複数の前記箇所の中から、その箇所に対する前記電磁波の入射角が閾値以上である前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、付記９に記載の制御方法。
　（付記１１）
　前記除外箇所検出ステップにおいて、前記基準点群データ又は前記検査点群データを用いて、物体のエッジに位置する前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、付記９に記載の制御方法。
　（付記１２）
　前記除外箇所検出ステップにおいて、
　　前記基準点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第１密度を算出し、
　　前記検査点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第２密度を算出し、
　　前記第１密度と前記第２密度との違いの大きさが閾値以上である前記箇所を、前記除外箇所としてさらに検出する、付記７から１１いずれか一項に記載の制御方法。
　（付記１３）
　コンピュータに、
　対象物を含む空間における複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを示す基準点群データと、複数の前記各箇所について、検査時点における３次元位置と輝度とを表す点データを示す検査点群データとを取得する取得ステップと、
　前記基準点群データ及び前記検査点群データを用いて、各前記箇所について、前記基準時点と前記検査時点における輝度の差分を表す差分点群データを生成する差分データ生成ステップと、
　複数の前記箇所のうち、その位置が時間と共に変化する箇所である動体箇所を、異常箇所の検出対象から除外する除外箇所として検出する除外箇所検出ステップと、
　前記差分点群データを用いて、複数の前記箇所のうち、前記除外箇所を除く前記箇所から、前記検査時点における前記対象物の異常箇所を検出する異常箇所検出ステップと、を実行させるプログラムが格納されているコンピュータ可読媒体。
　（付記１４）
　前記除外箇所検出ステップにおいて、
　　前記基準点群データに含まれる複数の前記点データを、同一の物体上の箇所を表す前記点データごとにクラスタリングし、
　　前記動体箇所を表す前記点データと同一のクラスタに含まれる前記点データを特定し、前記動体箇所と、前記特定した点データによって表される前記箇所とを、前記除外箇所として検出する、付記１３に記載のコンピュータ可読媒体。
　（付記１５）
　前記除外箇所検出ステップにおいて、複数の前記箇所のうち、異常箇所であるか否かの判定において誤判定が生じる蓋然性が高い箇所を、前記除外箇所としてさらに検出する、付記１３又は１４に記載のコンピュータ可読媒体。
　（付記１６）
　前記基準点群データ及び前記検査点群データは、複数の方向それぞれに対して電磁波を出射する計測装置を用いて生成され、
　前記除外箇所検出ステップにおいて、前記基準点群データ又は前記検査点群データを用いて、複数の前記箇所の中から、その箇所に対する前記電磁波の入射角が閾値以上である前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、付記１５に記載のコンピュータ可読媒体。
　（付記１７）
　前記除外箇所検出ステップにおいて、前記基準点群データ又は前記検査点群データを用いて、物体のエッジに位置する前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、付記１５に記載のコンピュータ可読媒体。
　（付記１８）
　前記除外箇所検出ステップにおいて、
　　前記基準点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第１密度を算出し、
　　前記検査点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第２密度を算出し、
　　前記第１密度と前記第２密度との違いの大きさが閾値以上である前記箇所を、前記除外箇所としてさらに検出する、付記１３から１７いずれか一項に記載のコンピュータ可読媒体。
１０　　　　　　対象物
２０　　　　　　基準点群データ
３０　　　　　　検査点群データ
４０　　　　　　差分点群データ
５０　　　　　　電磁波
６０　　　　　　電磁波
７０　　　　　　物体
８０　　　　　　対象点
９０　　　　　　近傍点
１００　　　　　　平面
１１０　　　　　　射影点
１２０　　　　　　対象点
１３０　　　　　　近傍点
２００　　　　　　計測装置
５００　　　　　　コンピュータ
５０２　　　　　　バス
５０４　　　　　　プロセッサ
５０６　　　　　　メモリ
５０８　　　　　　ストレージデバイス
５１０　　　　　　入出力インタフェース
５１２　　　　　　ネットワークインタフェース
２０００　　　　　異常検出装置
２０２０　　　　　取得部
２０４０　　　　　差分データ生成部
２０６０　　　　　除外箇所検出部
２０８０　　　　　異常箇所検出部

Claims (18)

  1. 　対象物を含む空間における複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを示す基準点群データと、複数の前記各箇所について、検査時点における３次元位置と輝度とを表す点データを示す検査点群データとを取得する取得部と、
    　前記基準点群データ及び前記検査点群データを用いて、各前記箇所について、前記基準時点と前記検査時点における輝度の差分を表す差分点群データを生成する差分データ生成部と、
    　複数の前記箇所のうち、その位置が時間と共に変化する箇所である動体箇所を、異常箇所の検出対象から除外する除外箇所として検出する除外箇所検出部と、
    　前記差分点群データを用いて、複数の前記箇所のうち、前記除外箇所を除く前記箇所から、前記検査時点における前記対象物の異常箇所を検出する異常箇所検出部と、を有する異常検出装置。
  2. 　前記除外箇所検出部は、
    　　前記基準点群データに含まれる複数の前記点データを、同一の物体上の箇所を表す前記点データごとにクラスタリングし、
    　　前記動体箇所を表す前記点データと同一のクラスタに含まれる前記点データを特定し、前記動体箇所と、前記特定した点データによって表される前記箇所とを、前記除外箇所として検出する、請求項１に記載の異常検出装置。
  3. 　前記除外箇所検出部は、複数の前記箇所のうち、異常箇所であるか否かの判定において誤判定が生じる蓋然性が高い箇所を、前記除外箇所としてさらに検出する、請求項１又は２に記載の異常検出装置。
  4. 　前記基準点群データ及び前記検査点群データは、複数の方向それぞれに対して電磁波を出射する計測装置を用いて生成され、
    　前記除外箇所検出部は、前記基準点群データ又は前記検査点群データを用いて、複数の前記箇所の中から、その箇所に対する前記電磁波の入射角が閾値以上である前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、請求項３に記載の異常検出装置。
  5. 　前記除外箇所検出部は、前記基準点群データ又は前記検査点群データを用いて、物体のエッジに位置する前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、請求項３に記載の異常検出装置。
  6. 　前記除外箇所検出部は、
    　　前記基準点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第１密度を算出し、
    　　前記検査点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第２密度を算出し、
    　　前記第１密度と前記第２密度との違いの大きさが閾値以上である前記箇所を、前記除外箇所としてさらに検出する、請求項１から５いずれか一項に記載の異常検出装置。
  7. 　コンピュータによって実行される制御方法であって、
    　対象物を含む空間における複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを示す基準点群データと、複数の前記各箇所について、検査時点における３次元位置と輝度とを表す点データを示す検査点群データとを取得する取得ステップと、
    　前記基準点群データ及び前記検査点群データを用いて、各前記箇所について、前記基準時点と前記検査時点における輝度の差分を表す差分点群データを生成する差分データ生成ステップと、
    　複数の前記箇所のうち、その位置が時間と共に変化する箇所である動体箇所を、異常箇所の検出対象から除外する除外箇所として検出する除外箇所検出ステップと、
    　前記差分点群データを用いて、複数の前記箇所のうち、前記除外箇所を除く前記箇所から、前記検査時点における前記対象物の異常箇所を検出する異常箇所検出ステップと、を有する制御方法。
  8. 　前記除外箇所検出ステップにおいて、
    　　前記基準点群データに含まれる複数の前記点データを、同一の物体上の箇所を表す前記点データごとにクラスタリングし、
    　　前記動体箇所を表す前記点データと同一のクラスタに含まれる前記点データを特定し、前記動体箇所と、前記特定した点データによって表される前記箇所とを、前記除外箇所として検出する、請求項７に記載の制御方法。
  9. 　前記除外箇所検出ステップにおいて、複数の前記箇所のうち、異常箇所であるか否かの判定において誤判定が生じる蓋然性が高い箇所を、前記除外箇所としてさらに検出する、請求項７又は８に記載の制御方法。
  10. 　前記基準点群データ及び前記検査点群データは、複数の方向それぞれに対して電磁波を出射する計測装置を用いて生成され、
    　前記除外箇所検出ステップにおいて、前記基準点群データ又は前記検査点群データを用いて、複数の前記箇所の中から、その箇所に対する前記電磁波の入射角が閾値以上である前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、請求項９に記載の制御方法。
  11. 　前記除外箇所検出ステップにおいて、前記基準点群データ又は前記検査点群データを用いて、物体のエッジに位置する前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、請求項９に記載の制御方法。
  12. 　前記除外箇所検出ステップにおいて、
    　　前記基準点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第１密度を算出し、
    　　前記検査点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第２密度を算出し、
    　　前記第１密度と前記第２密度との違いの大きさが閾値以上である前記箇所を、前記除外箇所としてさらに検出する、請求項７から１１いずれか一項に記載の制御方法。
  13. 　コンピュータに、
    　対象物を含む空間における複数の各箇所について、基準時点における３次元位置と輝度とを表す点データを示す基準点群データと、複数の前記各箇所について、検査時点における３次元位置と輝度とを表す点データを示す検査点群データとを取得する取得ステップと、
    　前記基準点群データ及び前記検査点群データを用いて、各前記箇所について、前記基準時点と前記検査時点における輝度の差分を表す差分点群データを生成する差分データ生成ステップと、
    　複数の前記箇所のうち、その位置が時間と共に変化する箇所である動体箇所を、異常箇所の検出対象から除外する除外箇所として検出する除外箇所検出ステップと、
    　前記差分点群データを用いて、複数の前記箇所のうち、前記除外箇所を除く前記箇所から、前記検査時点における前記対象物の異常箇所を検出する異常箇所検出ステップと、を実行させるプログラムが格納されているコンピュータ可読媒体。
  14. 　前記除外箇所検出ステップにおいて、
    　　前記基準点群データに含まれる複数の前記点データを、同一の物体上の箇所を表す前記点データごとにクラスタリングし、
    　　前記動体箇所を表す前記点データと同一のクラスタに含まれる前記点データを特定し、前記動体箇所と、前記特定した点データによって表される前記箇所とを、前記除外箇所として検出する、請求項１３に記載のコンピュータ可読媒体。
  15. 　前記除外箇所検出ステップにおいて、複数の前記箇所のうち、異常箇所であるか否かの判定において誤判定が生じる蓋然性が高い箇所を、前記除外箇所としてさらに検出する、請求項１３又は１４に記載のコンピュータ可読媒体。
  16. 　前記基準点群データ及び前記検査点群データは、複数の方向それぞれに対して電磁波を出射する計測装置を用いて生成され、
    　前記除外箇所検出ステップにおいて、前記基準点群データ又は前記検査点群データを用いて、複数の前記箇所の中から、その箇所に対する前記電磁波の入射角が閾値以上である前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、請求項１５に記載のコンピュータ可読媒体。
  17. 　前記除外箇所検出ステップにおいて、前記基準点群データ又は前記検査点群データを用いて、物体のエッジに位置する前記箇所を特定し、前記特定した箇所を前記除外箇所として検出する、請求項１５に記載のコンピュータ可読媒体。
  18. 　前記除外箇所検出ステップにおいて、
    　　前記基準点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第１密度を算出し、
    　　前記検査点群データに含まれる各前記点データについて、その点データによって表される３次元位置との距離が閾値以下である３次元位置を示す前記点データの数を表す第２密度を算出し、
    　　前記第１密度と前記第２密度との違いの大きさが閾値以上である前記箇所を、前記除外箇所としてさらに検出する、請求項１３から１７いずれか一項に記載のコンピュータ可読媒体。
PCT/JP2021/019447 2021-05-21 2021-05-21 異常検出装置、制御方法、及びコンピュータ可読媒体 WO2022244267A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023522187A JPWO2022244267A5 (ja) 2021-05-21 異常検出装置、制御方法、及びプログラム
PCT/JP2021/019447 WO2022244267A1 (ja) 2021-05-21 2021-05-21 異常検出装置、制御方法、及びコンピュータ可読媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/019447 WO2022244267A1 (ja) 2021-05-21 2021-05-21 異常検出装置、制御方法、及びコンピュータ可読媒体

Publications (1)

Publication Number Publication Date
WO2022244267A1 true WO2022244267A1 (ja) 2022-11-24

Family

ID=84140392

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/019447 WO2022244267A1 (ja) 2021-05-21 2021-05-21 異常検出装置、制御方法、及びコンピュータ可読媒体

Country Status (1)

Country Link
WO (1) WO2022244267A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011078264A1 (ja) * 2009-12-25 2011-06-30 本田技研工業株式会社 画像処理装置、画像処理方法、コンピュータプログラム及び移動体
JP2014035213A (ja) * 2012-08-07 2014-02-24 Ohbayashi Corp 部材設置判定システム
JP2019109839A (ja) * 2017-12-20 2019-07-04 日本電信電話株式会社 モデル生成装置、生成方法、及びプログラム
WO2020203263A1 (ja) * 2019-04-03 2020-10-08 日本電気株式会社 表面異常検知装置、及びシステム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011078264A1 (ja) * 2009-12-25 2011-06-30 本田技研工業株式会社 画像処理装置、画像処理方法、コンピュータプログラム及び移動体
JP2014035213A (ja) * 2012-08-07 2014-02-24 Ohbayashi Corp 部材設置判定システム
JP2019109839A (ja) * 2017-12-20 2019-07-04 日本電信電話株式会社 モデル生成装置、生成方法、及びプログラム
WO2020203263A1 (ja) * 2019-04-03 2020-10-08 日本電気株式会社 表面異常検知装置、及びシステム

Also Published As

Publication number Publication date
JPWO2022244267A1 (ja) 2022-11-24

Similar Documents

Publication Publication Date Title
US10880541B2 (en) Stereo correspondence and depth sensors
US9135710B2 (en) Depth map stereo correspondence techniques
US9349174B2 (en) Absolute phase measurement with secondary pattern-embedded fringe
JP5305985B2 (ja) 人工物検出装置及び人工物検出方法及び人工物検出プログラム
WO2020000743A1 (zh) 一种webshell检测方法及相关设备
Zhou et al. Accurate and robust estimation of camera parameters using RANSAC
TWI765442B (zh) 瑕疵等級判定的方法及存儲介質
CN111931704A (zh) 评估地图质量的方法、装置、设备和计算机可读存储介质
CN109949306A (zh) 反射面角度偏差检测方法、终端设备及存储介质
WO2022244267A1 (ja) 異常検出装置、制御方法、及びコンピュータ可読媒体
CN114296044A (zh) 一种激光雷达故障诊断方法和装置
GB2614385A (en) Denoising images rendered using Monte Carlo renderings
JP5294923B2 (ja) 人工物検出装置及び人工物検出方法及び人工物検出プログラム
US20210364638A1 (en) Object recognizing device
Scargill et al. Will it move? Indoor scene characterization for hologram stability in mobile AR
KR101435341B1 (ko) Svm을 이용한 dlp 트레이싱 대상 파일 분류에 관한 방법
JP7201091B2 (ja) 処理装置、処理方法及びプログラム
JP2018196426A (ja) 毛穴検出方法及び毛穴検出装置
CN113052886A (zh) 一种采用双目原理的双tof相机深度信息获取方法
US20190340776A1 (en) Depth map interpolation using generalized likelihood ratio test parameter estimation of a coded image
CN111985468A (zh) 一种码表指针数值检测方法、装置、电子设备及存储介质
CN109858304A (zh) 二维码位置探测图形的检测方法、装置和存储介质
JPWO2019175919A1 (ja) 霧特定装置、霧特定方法及び霧特定プログラム
CN117215164B (zh) 一种光刻仿真方法及装置
CN116449445B (zh) X光探测板输出响应值的修正方法、装置、介质和设备

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: 21940878

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18560769

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2023522187

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21940878

Country of ref document: EP

Kind code of ref document: A1