WO2023095255A1 - ３次元モデルを作成する装置、方法及びプログラム - Google Patents

３次元モデルを作成する装置、方法及びプログラム Download PDF

Info

Publication number
WO2023095255A1
WO2023095255A1 PCT/JP2021/043232 JP2021043232W WO2023095255A1 WO 2023095255 A1 WO2023095255 A1 WO 2023095255A1 JP 2021043232 W JP2021043232 W JP 2021043232W WO 2023095255 A1 WO2023095255 A1 WO 2023095255A1
Authority
WO
WIPO (PCT)
Prior art keywords
point
curve
cluster
points
point cloud
Prior art date
Application number
PCT/JP2021/043232
Other languages
English (en)
French (fr)
Inventor
雄介 櫻原
充康 柳田
幸弘 五藤
崇 海老根
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to PCT/JP2021/043232 priority Critical patent/WO2023095255A1/ja
Priority to JP2023563421A priority patent/JPWO2023095255A1/ja
Publication of WO2023095255A1 publication Critical patent/WO2023095255A1/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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures

Definitions

  • the present disclosure relates to technology for creating a 3D model from point cloud data representing 3D coordinates.
  • Patent Literature 1 A technology has been developed to create a three-dimensional model of an outdoor structure using a three-dimensional laser scanner (Mobile Mapping System: MMS) mounted on a vehicle (see Patent Document 1, for example).
  • MMS Mobile Mapping System
  • Patent Document 1 A technology has been developed to create a three-dimensional model of an outdoor structure using a three-dimensional laser scanner (Mobile Mapping System: MMS) mounted on a vehicle (see Patent Document 1, for example).
  • MMS Mobile Mapping System
  • MMS can acquire point clouds while moving along the object, it is possible to acquire point clouds in the measurement range evenly and at regular intervals to some extent.
  • a fixed 3D laser scanner produces a dense point cloud at a short distance from the measurement point, and a coarse point cloud at a long distance, and this characteristic appears remarkably depending on the size and shape of the object.
  • the points are interpolated up to a certain threshold for the distance between the point clouds to form a scan line. Can not do it. Therefore, in 3D modeling using a fixed 3D laser scanner, there is a problem that it is difficult to create a 3D model of an object with a small diameter, such as an overhead cable near a utility pole.
  • An object of the present disclosure is to enable the creation of a three-dimensional model even for an object in which the point-to-point distances are not evenly spaced and the point cloud is only partially present.
  • the apparatus and method of the present disclosure create a three-dimensional model of an object with a small diameter from point cloud data representing three-dimensional coordinates, Clustering the points included in the point cloud data, for at least one of the clusters find a curve through the points in the cluster; extracting a cloud of points located on a curve coinciding with said curve; A three-dimensional model of the object is created by connecting the extracted point clouds.
  • a 3D model of an object can be created without depending on the distance between 3D points. Therefore, the present disclosure can enable the creation of a three-dimensional model even for an object in which the point-to-point distances are not evenly spaced and the point cloud is only partially present.
  • FIG. 10 is an explanatory diagram of a process of excluding a point cloud that is too large in the z-axis direction from a cluster; 1 shows a system configuration example of the present disclosure; An example of the flow of processing in the functional unit 3-2 is shown.
  • An example of the flow of processing in the functional unit 3-2 is shown.
  • An example of the flow of processing in the function unit 3-3 is shown.
  • An example of the flow of processing in the functional unit 3-4 is shown.
  • An example of point cloud data read as input by the function unit 3-2 is shown.
  • An example of a cable model is shown.
  • An example of actually creating a model from a point cloud is shown.
  • the present disclosure is an apparatus and method for creating a three-dimensional model of an object from point cloud data representing three-dimensional coordinates acquired by a three-dimensional laser scanner.
  • FIG. 1 shows an example of point cloud data.
  • the point cloud data is data in which the surface shape of an object such as a structure is represented by a set of points 91, and each point 91 represents the three-dimensional coordinates of the surface of the structure.
  • a line 92 that connects points 91 of the 3D point cloud data
  • a 3D model in which the structure is made into an object can be created.
  • a three-dimensional utility pole model 111 and cable model 112 can be created.
  • FIG. 3 shows an example of the method of this embodiment.
  • a step S11 of clustering the points 91 included in the point cloud data a step S12 of obtaining a curve passing through a point 91 in the cluster for at least one of the clusters generated by the clustering; a step S13 of extracting a point group arranged on a curve that coincides with the curve;
  • the present disclosure connects points located on the curve, it is possible to create a three-dimensional model in which point groups on the same object are objectified even when the distance between the points is large. can.
  • the present disclosure can create cable models 112 even for small diameter objects such as overhead cables, suspension lines, or horizontal guy lines. Accordingly, the present disclosure is capable of detecting the condition of small diameter target equipment such as aerial cables.
  • step S11 point cloud clusters assumed to be other than cables are automatically deleted to generate cable candidate clusters.
  • the point group is points d11 to d48 as shown in FIG. Delete d59.
  • cable candidate clusters 121 to 125 are generated as shown in FIG.
  • points d38 to d48 and d49 to d59 can be used to identify the ground H0 at the points where the cables are arranged.
  • any specific example of the method for deleting clusters of point clouds other than cables in step S11 is arbitrary.
  • the point group is voxelized.
  • the voxel When the voxel is viewed on the xy plane and there are P % or more point clouds in m ⁇ n squares by DBSCAN, it may be deleted as point cloud blocks other than cables such as houses and grounds.
  • DBSCAN is one of the clustering methods, and is a method in which a group of points included in the condition that there are more than the number of points within a threshold distance from a certain point is regarded as one cluster and is regarded as a cluster.
  • step S12 a three-dimensional straight line is calculated from the point group of the generated cable candidate clusters 121 to 125 by straight line approximation by RANSAC, and the catenary curve 131 is calculated using the straight line.
  • the cable looks straight on the xy plane, linear approximation is performed from the point group of the cable candidate clusters 121-125.
  • a catenary curve 131 including the z direction is calculated using a point group that falls within the residual using a straight line corresponding to the cable.
  • the xy plane refers to a plane parallel to the ground, for example, the x-axis can be north-south and the y-axis east-west.
  • the z-axis indicates an axis perpendicular to the ground and is an axis in a direction representing height.
  • step S14 a group of points arranged on the same straight line in the xy plane and on the catenary curve 131 is extracted. Then, using all the extracted point groups, a cable model 112 as shown in FIG. 6 is created.
  • step S12 linear approximation may be omitted.
  • a catenary curve is calculated directly from a point group dense area such as a cluster 123 at the center of the utility pole models 111 .
  • step S13 point groups of cable model candidates are extracted again from the catenary curve.
  • step S14 the extracted point group is used to create the cable model 112 again, making it possible to create a more accurate cable model.
  • the remaining point group shown in FIG. 5 is three-dimensionally clustered by DBSCAN.
  • the clusters that are straight lines in RANSAC and whose angle formed by the z-axis is equal to or greater than a certain value are taken as cable candidate clusters.
  • RANSAC is a learning method for estimating parameters of a mathematical model to be calculated by excluding the influence of outliers from data containing outliers as much as possible.
  • the linear distance between the end points of the cable candidate cluster calculated by RANSAC is stored as the cluster length. Then, the cluster 123 with the maximum calculated cluster length is selected. Next, for the point cloud contained in cluster 123, RANSAC linear approximation is performed in the xy plane. Since the RANSAC straight line can be represented by a "fixed point” and a "value obtained by multiplying the direction vector by the variable T", an arbitrary point included in the cluster 123 is set as the fixed point, and the z direction is a function of T, and catenary approximation is performed. Thereby, the catenary curve 131 can be calculated.
  • clusters 121, 122, 124 and 125 other than the cluster 123 in the point cloud are extracted, and the extracted clusters are Determined as combined clusters forming the same object.
  • a cable model 112 is created from RANSAC curve approximation using all the points contained in the joint cluster.
  • the cable model since the cable model is created using the clusters on the catenary curve 131, it can be used for model creation even if the distances at which the clusters exist are not constant. Therefore, in this embodiment, a cable model can be created regardless of the point-to-point distance. Further, in the present embodiment, since model creation is performed after deleting point groups other than cable candidates, processing can be speeded up.
  • Point clouds that are too large in the z-axis direction are highly likely to be utility poles or wall surfaces. Therefore, in this embodiment, when deleting point groups other than cables in step S11, point groups that are too large in the z-axis direction are excluded from clusters.
  • points d38 to d48 and d49 to d59 are used to specify the ground H0 at the point where the cable is laid. Then, after extracting a point cloud of a certain height (for example, 4 m or more and 8 m or less) from the ground H 0 to H 1 or more and H 2 or less, three-dimensional clustering is performed by DBSCAN. After that, as shown in FIG. 5, clusters within a certain reference size are selected as cable candidate clusters from among the clusters that are straight lines in RANSAC and whose angle formed by the z-axis is equal to or greater than a certain value.
  • a certain height for example, 4 m or more and 8 m or less
  • clustering is performed after deleting point groups other than cable candidates, so processing speed can be increased.
  • FIG. 8 shows a system configuration example of the present disclosure.
  • the system of the present disclosure comprises a stationary 3D laser scanner 1 , a storage medium 2 and a processing unit 3 .
  • the arithmetic processing unit 3 includes a cable model extraction unit 3-1 and various equipment information calculation unit 3-5.
  • the apparatus of the present disclosure includes an arithmetic processing unit 3 and may include a storage medium 2 in addition to these. Note that the apparatus of the present disclosure can also be realized by a computer and a program, and the program can be recorded on a recording medium or provided through a network.
  • the system of the present disclosure stores point clouds acquired by a fixed 3D laser scanner 1 in a storage medium 2 .
  • the point group to be saved is, for example, the point group shown in FIG.
  • the cable model extraction unit 3-1 includes functional units 3-2 to 3-4.
  • the functional unit 3-2 receives the point cloud data as an input, reads the point cloud data, and deletes the point cloud determined as the dense point cloud from the read point cloud data.
  • a general clustering method such as DBSCAN is used to delete point groups having a certain density or more on a two-dimensional plane.
  • the functional unit 3-2 performs clustering again from point groups other than the dense point group (using DBSCAN, which is a general clustering method, and if the number of point groups is equal to or greater than the number of point groups within a certain distance, it is regarded as a cluster). . Then, the functional unit 3-2 extracts, as a cable candidate cluster, a cluster that can be determined as a straight line by RANSAC and that has a straight line component at a certain angle or more with respect to the vertical axis, as a feature of the cluster. The functional unit 3-3 combines clusters on the catenary curve approximation formula of the extracted clusters in descending order of the distance between the end points of the clusters as a combined cluster forming the same object.
  • DBSCAN which is a general clustering method, and if the number of point groups is equal to or greater than the number of point groups within a certain distance, it is regarded as a cluster).
  • the functional unit 3-2 extracts, as a cable candidate cluster, a
  • the functional unit 3-4 calculates and outputs the parameters of the catenary curve fitted for each connected cluster.
  • the various equipment information calculation unit 3-5 uses the parameters calculated by the function unit 3-4 to extract the cable model 112 that matches the catenary curve.
  • FIG. 9 shows an example of the flow of processing in the functional unit 3-2.
  • the functional unit 3-2 executes the following processing.
  • Point cloud data is read (S10), and point clouds below a certain height are deleted (S21). For example, remove the ground component.
  • the point cloud data is made two-dimensional on the xy plane by removing the vertical component (S22), and the two-dimensional data is made into a mesh of a set length (S23).
  • meshes with a certain range and density or more are deleted by the DBSCAN method (S24).
  • the DBSCAN method is applied to the remaining point groups, and point groups having a certain size and density or more are made into clusters (S25).
  • Linear approximation is performed by the Ransac method, and it is determined whether or not the point group within a certain residual error exceeds a certain percentage (S31). Also, it is determined whether or not the approximate straight line has a certain angle or more with respect to the vertical axis (S32).
  • “within the residual” means that the distance between the approximated straight line and the point group is within the threshold. If No in at least one of steps S31 and S32, the cable candidate cluster is not determined (S43). On the other hand, if Yes in steps S31 and S32, the cable candidate cluster is determined (S41). Then, the distance between the end points of the cable candidate cluster is set as the cluster length (S42). Steps S31 to S42 are executed for each cluster i.
  • FIG. 10 shows an example of the flow of processing in the functional unit 3-2.
  • Point cloud data is read (S10), and a point cloud is extracted in a certain height range H 1 ⁇ h ⁇ H 2 (S20).
  • the DBSCAN method is applied to the remaining point groups, and point groups having a certain size and density or more are made into clusters (S25).
  • linear approximation is performed by the Ransac method, and it is determined whether or not the point group within a certain residual error exceeds a certain percentage (S31). Also, it is determined whether or not the approximate straight line has a certain angle or more with respect to the vertical axis (S32).
  • step S33 it is determined whether or not the size of the cluster in the vertical direction is greater than or equal to a certain size (S33). In the case of No in at least one of steps S31 and S32, or in the case of Yes in step S33, the cable candidate cluster is not determined (S43). On the other hand, if Yes in steps S31 and S32 and No in step S33, it is determined as a cable candidate cluster (S41). Then, the distance between the end points of the good cable candidate cluster is set as the cluster length (S42). Steps S31 to S42 are executed for each cluster i.
  • FIG. 11 shows an example of the flow of processing in the function unit 3-3.
  • the cable candidate clusters are sorted in descending order of cluster length (S51), and it is determined whether the clusters have already been combined (S52). If No in step S52, a catenary approximation curve and a RANSAC approximation straight line on the xy plane are calculated from the point group data belonging to the cable candidate cluster j (S53). Then, it is determined whether the ratio within the residual of the approximated curve is equal to or greater than a certain value (S54).
  • the "percentage in residual" is the percentage of points whose distance from the approximated curve is within the threshold.
  • step S54 it is determined whether the catenary approximation curve of the cable candidate cluster j, the RANSAC approximation straight line on the xy plane, and the ratio within the residual are at least a certain value (S61). If Yes in step S61, k is taken as the joined cluster of j (S62). On the other hand, if No in step S61, k is not taken as a joined cluster of j (S63). Steps S52 to S62 are executed for each cluster j.
  • FIG. 12 shows an example of the flow of processing in the function unit 3-4.
  • each coordinate of the point group is projected onto the xy plane, and p % or more of the DBSCAN n ⁇ n masses are deleted as a cluster.
  • Step S2 Cluster point clouds other than clumps.
  • the remaining point cloud is clustered in three dimensions (DBSCAN).
  • DBSCAN three dimensions
  • clusters which are straight lines in RANSAC and whose angle formed by the Z-axis is equal to or greater than a certain angle are determined as cable candidate clusters.
  • the linear distance between the RANSAC endpoints of the cable candidate cluster is stored in memory as the cluster length.
  • Step S3 Generate a combined cluster. For example, the following steps S3-1 to S3-4 are executed. Step S3-1.
  • Step S3-2 The point group in the cable candidate cluster in step S3-1 is approximated by a RANSAC straight line on the XY plane. Since the RANSAC straight line can be represented by a "fixed point” and "a value obtained by multiplying a direction vector by a variable T", T and Z are used for catenary approximation. Step S3-3.
  • Step S3-4 Return to step S3-1.
  • Step S4 The connected cluster is subjected to catenary fitting and used as a model.
  • Step S4-1 RANSAC linear approximation is performed on the XY plane for point groups in clusters determined to be connected clusters forming the same object in step S3.
  • T and Z are used for catenary approximation.
  • FIG. 13 shows an example of point cloud data read as input by the function unit 3-2.
  • This example shows an example in which the number of points to be analyzed is 2,803,930.
  • An example of the cable model 112 is shown in FIG.
  • 12 connected clusters were extracted from the point cloud of FIG.
  • Dashed lines FL01-FL12 in FIG. 14 are cable models 112 obtained from each connected cluster.
  • FIG. 15 shows an example when a model is actually created from the point cloud.
  • the tension value was calculated based on the modeled cable model 112 obtained by this, it was 1398.4N.
  • the tension of the cable used to measure the point cloud of FIG. 13 was measured, it was 1285N.
  • the cable model obtained using the present disclosure can derive tension with +9% error.
  • the present disclosure can create a cable model without depending on the distance between three-dimensional points. Therefore, the present disclosure can enable creation of a three-dimensional model even for an object in which the point-to-point distances are not evenly spaced and the point cloud is only partially present.
  • This disclosure can be applied to the information and communications industry.
  • 3D laser scanner 2 storage medium

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本開示は、点間距離が等間隔で並んでおらず、点群が一部しか存在しない対象物でも、３次元モデルの作成を可能とすることを目的とする。　本開示は、３次元座標を表す点群データから細径の対象物の３次元モデルを作成する装置であって、前記点群データに含まれている点に対してクラスタリングを行い、少なくともいずれかのクラスタについて、クラスタ内の点を通る曲線を求め、前記曲線と一致する曲線上に配置されている点群を抽出し、抽出された点群を連結することで、前記対象物の３次元モデルを作成する、装置である。

Description

３次元モデルを作成する装置、方法及びプログラム
　本開示は、３次元座標を表す点群データから３次元モデルを作成する技術に関する。
　車載した３次元レーザスキャナ（Ｍｏｂｉｌｅ　Ｍａｐｐｉｎｇ　Ｓｙｓｔｅｍ：　ＭＭＳ）により、屋外構造物を３次元モデル化する技術が開発されている（例えば、特許文献１参照。）。特許文献１の技術は、点群が存在しない空間上に点群及びスキャンラインを創り出した後に３次元モデルを作成する。
　ＭＭＳは対象物に沿って移動しながら点群を取得できるため、計測範囲の点群をまんべんなく、ある程度等間隔に取得できる。これに対し、固定式３Ｄレーザスキャナにより取得した点群を利用した３次元モデルの作成が求められている。しかし、固定式３Ｄレーザスキャナは計測点から近距離であれば密な点群、遠距離であれば粗な点群になり、対象物の大きさ、形状により顕著にこの特性が表れる。
　従来技術では、点群間距離がある閾値までは点を補完してスキャンラインとしているが、点群間距離が大きく離れ、同じ対象物上の点群とみなされない場合、点間の点を補完することができない。そのため、固定式３Ｄレーザスキャナによる３Ｄモデリングでは例えば電柱際の架空ケーブルなど、細径の対象物の３次元モデル作成が困難であるという課題があった。
特開２０１７－１５６１７９号公報（ＮＴＴ）
　本開示は、点間距離が等間隔で並んでおらず、点群が一部しか存在しない対象物でも、３次元モデルの作成を可能とすることを目的とする。
　本開示の装置及び方法は、３次元座標を表す点群データから細径の対象物の３次元モデルを作成する装置及び方法であって、
　前記点群データに含まれている点に対してクラスタリングを行い、
　少なくともいずれかのクラスタについて、クラスタ内の点を通る曲線を求め、
　前記曲線と一致する曲線上に配置されている点群を抽出し、
　抽出された点群を連結することで、前記対象物の３次元モデルを作成する。
　本開示によれば、３次元点間の距離に依存することなく、対象物の３次元モデルを作成することができる。このため、本開示は、点間距離が等間隔で並んでおらず、点群が一部しか存在しない対象物でも、３次元モデルの作成を可能にすることができる。
３次元点群データの一例を示す。 構造物をオブジェクト化した３次元モデルの一例を示す。 本開示の点群データから３次元モデルを作成する方法の一例を示す。 ３次元レーザスキャナで取得された点群の一例を示す。 クラスタ及び近似曲線の一例を示す。 本開示の点群データから作成された３次元モデルの一例を示す。 ｚ軸方向に大きすぎる点群をクラスタから除外する処理の説明図である。 本開示のシステム構成例を示す。 機能部３－２における処理のフローの一例を示す。 機能部３－２における処理のフローの一例を示す。 機能部３－３における処理のフローの一例を示す。 機能部３－４における処理のフローの一例を示す。 機能部３－２が入力とし読み込む点群データの一例を示す。 ケーブルモデルの一例を示す。 実際に点群からモデルを作成した際の一例を示す。
　以下、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。なお、本開示は、以下に示す実施形態に限定されるものではない。これらの実施の例は例示に過ぎず、本開示は当業者の知識に基づいて種々の変更、改良を施した形態で実施することができる。なお、本明細書及び図面において符号が同じ構成要素は、相互に同一のものを示すものとする。
（本開示の概要）
　本開示は、３次元レーザスキャナで取得した３次元座標を表す点群データから対象物の３次元モデルを作成する装置及び方法である。図１に、点群データの一例を示す。点群データは、構造物等の対象物の表面形状を点９１の集合で表したデータであり、各点９１が構造物の表面の３次元座標を表す。３次元点群データの点９１を連結する線９２を形成することで、構造物をオブジェクト化した３次元モデルを作成することができる。例えば、図２に示すように、３次元の電柱モデル１１１及びケーブルモデル１１２を作成することができる。
　図３に、本実施形態の方法の一例を示す。
　本開示は、点群データに含まれている点９１に対してクラスタリングを行うステップＳ１１と、
　前記クラスタリングで生成されたクラスタの少なくともいずれかのクラスタについて、クラスタ内の点９１を通る曲線を求めるステップＳ１２と、
　前記曲線と一致する曲線上に配置されている点群を抽出するステップＳ１３と、
　抽出された点群を連結することで、対象物の３次元モデルを生成するステップＳ１４と、
　を有する。
　本開示は、前記曲線上に位置する点を連結するため、点同士の距離が大きく離れている場合であっても、同じ対象物上の点群をオブジェクト化した３次元モデルを作成することができる。このため、本開示は、架空ケーブル、吊り線、又は水平支線等の細径の対象物であっても、ケーブルモデル１１２を作成することができる。したがって、本開示は、架空ケーブル等の細径の対象設備の状態を検出することができる。
（第１の実施形態）
　本実施形態では、細径の対象設備がケーブルであり、曲線がカテナリ曲線である例を示す。
　ステップＳ１１において、ケーブル以外と想定される点群塊を自動的に削除し、ケーブル候補クラスタを生成する。例えば、点群が図４に示すような点ｄ１１～ｄ４８の場合、電柱モデル１１１に相当する点ｄ３８～ｄ４８及びｄ４９～ｄ５９を判定し、電柱モデル１１１を生成すると共に点ｄ３８～ｄ４８及びｄ４９～ｄ５９を削除する。これにより、図５に示すような、ケーブル候補クラスタ１２１～１２５が生成される。このとき、点ｄ３８～ｄ４８及びｄ４９～ｄ５９を用いて、ケーブルの配置されている地点における地面Ｈ０を特定することができる。
　ステップＳ１１において、ケーブル以外の点群の塊を削除する方法の具体例は任意である。例えば、点群をＶｏｘｅｌ化する。Ｖｏｘｅｌをｘ－ｙ平面で見て、ＤＢＳＣＡＮによりｍ×ｎのマスの中に点群がＰ％以上ある場合に、家や地面等ケーブル以外の点群塊として削除してもよい。ここで、ＤＢＳＣＡＮとはクラスタリング手法の一つで、ある点から閾値距離以内にある個数以上の点が存在する、という条件に含まれる点群を１つの塊とみなし、クラスタとする手法である。
　そして、ステップＳ１２において、生成されたケーブル候補クラスタ１２１～１２５の点群からＲＡＮＳＡＣによる直線近似により３次元での直線を算出し、その直線を用いてカテナリ曲線１３１を算出する。一方で、ｘ－ｙ平面ではケーブルは直線に見えるため、ケーブル候補クラスタ１２１～１２５の点群から直線近似を行う。これにより、ケーブル候補クラスタ１２１～１２５に含まれる点群からケーブルに相当する点群を抽出することができる。ケーブルに相当する直線を用いて残差内に入る点群を用いて、ｚ方向も含めたカテナリ曲線１３１を算出する。ここで、ｘ－ｙ平面は、地面に平行な面を指しており、例えばｘ軸は南北、ｙ軸は東西とすることができる。ｚ軸は地面に垂直な軸を示しており、高さを表す方向の軸である。
　ステップＳ１４において、ｘ－ｙ平面で同一直線上に配置されかつカテナリ曲線１３１に乗る点群を抽出する。そして、全て抽出された点群を用いて、図６に示すような、ケーブルモデル１１２を作成する。
　なお、ステップＳ１２は、直線近似を省略してもよい。この場合、例えば、ＲＡＮＳＡＣを用いて、電柱モデル１１１同士の中心部分のクラスタ１２３のように点群が濃いところから直接カテナリ曲線を算出する。そして、ステップＳ１３において、そのカテナリ曲線からケーブルモデル候補の点群を再度抽出する。これにより、ステップＳ１４において、抽出された点群を用いて再度ケーブルモデル１１２を作成することで、より精度の良いケーブルモデルを作ることができる。
　ステップＳ１２におけるカテナリ曲線１３１を算出する際、図５に示す残った点群をＤＢＳＣＡＮにより３次元でクラスタリングする。例えば、クラスタ１２１～１２５に含まれる点群の中からＲＡＮＳＡＣで直線かつｚ軸の成す角が一定以上のクラスタをケーブル候補クラスタとする。本実施形態では、クラスタ１２１～１２５がケーブル候補クラスタに該当する例を示す。ここで、ＲＡＮＳＡＣとは、外れ値を含むデータから極力外れ値の影響を除外し、算出したい数学モデルのパラメータを推定する学習方法である。
　本実施形態では、ケーブル候補クラスタのＲＡＮＳＡＣにより算出された端点間の直線距離を、そのクラスタ長として記憶する。そして、算出されたクラスタ長が最大のクラスタ１２３を選出する。次に、クラスタ１２３に含まれる点群について、ｘ－ｙ平面でＲＡＮＳＡＣ直線近似を実施する。ＲＡＮＳＡＣ直線は、「定点」と「方向ベクトルに変数Ｔを乗じた値」で表現できるので、クラスタ１２３に含まれる任意の点を定点とし、ｚ方向をＴの関数として、カテナリ近似する。これにより、カテナリ曲線１３１を算出することができる。
　点群中でクラスタ１２３以外のクラスタ１２１，１２２，１２４及び１２５を含めて、ｘ－ｙ平面で直線に乗る、かつ、３次元空間でカテナリ曲線１３１に乗るクラスタを抽出し、抽出されたクラスタを同一対象物を構成する結合クラスタと判定する。最終的に抽出された結合クラスタごとに結合クラスタに含まれる点を全て利用して、ＲＡＮＳＡＣの曲線近似からケーブルモデル１１２を作成する。
　本実施形態では、カテナリ曲線１３１に乗るクラスタを利用してケーブルモデルを作成するため、クラスタが存在する距離が一定でなくてもモデル作成に利用できる。このため、本実施形態は、点間距離に捉われず、ケーブルモデルが作成可能である。また本実施形態では、ケーブル候補以外の点群を削除後モデル作成を実施することから、処理の高速化を図れる。
（第２の実施形態）
　ｚ軸方向に大きすぎる点群は、電柱や壁面の可能性が高い。そこで、本実施形態では、ステップＳ１１におけるケーブル以外の点群を削除する際に、ｚ軸方向に大きすぎる点群をクラスタから除外する。
　例えば、本実施形態では、図７に示すように、点ｄ３８～ｄ４８及びｄ４９～ｄ５９を用いて、ケーブルの配置されている地点における地面Ｈ０を特定する。そして、地面Ｈ０からＨ１以上Ｈ２以下のある一定の高さ（例えば、４ｍ以上８ｍ以下）の点群を抽出後、ＤＢＳＣＡＮにより３次元でクラスタリングする。その後、図５に示すように、クラスタ点群の中からＲＡＮＳＡＣで直線かつｚ軸の成す角が一定以上のクラスタの中から、ある基準の大きさ以内のクラスタをケーブル候補クラスタとする。
　本実施形態では、ケーブル候補以外の点群を削除後に、クラスタリングを実施することから、処理の高速化を図れる。
（全体構成）
　図８に、本開示のシステム構成例を示す。本開示のシステムは、固定式３Ｄレーザスキャナ１、記憶媒体２、及び演算処理部３を備える。演算処理部３は、ケーブルモデル抽出部３－１及び各種設備情報算出部３－５を備える。本開示の装置は、演算処理部３を備え、これらに加えて記憶媒体２を備えていてもよい。なお、本開示の装置はコンピュータとプログラムによっても実現でき、プログラムを記録媒体に記録することも、ネットワークを通して提供することも可能である。
　本開示のシステムは、固定式３Ｄレーザスキャナ１により取得した点群を記憶媒体２に保存する。保存する点群は、例えば図１に示すような点群である。
　ケーブルモデル抽出部３－１は、機能部３－２～３－４を備える。
　機能部３－２は、点群データを入力とし読み込み、読み込んだ点群データから密集点群と判定される点群を削除する。このとき、例えば一般的なクラスタリング手法であるＤＢＳＣＡＮ等を用い、２次元平面において一定の密度以上の点群を削除する。
　そして、機能部３－２は、密集点群以外の点群から再度クラスタリング（一般的なクラスタリング手法であるＤＢＳＣＡＮを利用し、一定の距離内に点群がある個数以上あればクラスタとする）する。そして、機能部３－２は、クラスタの特徴として、ＲＡＮＳＡＣで直線と判定できるクラスタかつ直線成分が鉛直軸に対して一定の角度以上のクラスタをケーブル候補クラスタとして抽出する。
　機能部３－３は、抽出されたクラスタのうちクラスタの端点間距離が最も長いものから順に、当該クラスタのカテナリ曲線近似式に乗るものは同一対象物を構成する結合クラスタとして結合する。このとき、ＲＡＮＳＡＣ近似直線との残差を用いて、カテナリ曲線近似式に乗るものを判定してもよい。これにより、結合クラスタの判定処理を高速化することができる。
　機能部３－４は、結合クラスタ毎にフィッティングしたカテナリ曲線のパラメータを算出し出力とする。
　各種設備情報算出部３－５は、機能部３－４の算出したパラメータを用いて、カテナリ曲線に一致するケーブルモデル１１２を抽出する。
　図９に、機能部３－２における処理のフローの一例を示す。クラスタを生成する前に電柱や木の点群を予め除去されている場合、木や家などの障害物（地面以外の物体）がケーブル上部及び下部にない。この場合、機能部３－２は以下の処理を実行する。
　点群データを読込み（Ｓ１０）、ある高さ以下の点群を削除する（Ｓ２１）。例えば、地面成分を削除する。
　次に、点群データを、鉛直成分をなくしｘ－ｙ平面に２次元化し（Ｓ２２）、２次元化したデータを設定した長さのｍｅｓｈにする（Ｓ２３）。そして、ＤＢＳＣＡＮ手法によりある範囲・密度以上のＭｅｓｈを削除する（Ｓ２４）。
　次に、残った点群についてＤＢＳＣＡＮ手法により、ある大きさ・密度以上の点群をクラスタとする（Ｓ２５）。
　Ｒａｎｓａｃ手法により直線近似し、ある残差以内の点群がある割合以上あるかを判定する（Ｓ３１）。また、近似直線が鉛直軸に対してある角度以上あるかを判定する（Ｓ３２）。ここで、「残差以内」は、近似された直線と点群との距離が閾値以内である。
　ステップＳ３１及びＳ３２の少なくともいずれかにおいてＮｏの場合、ケーブル候補クラスタとしない（Ｓ４３）。一方、ステップＳ３１及びＳ３２においてＹｅｓの場合、ケーブル候補クラスタとする（Ｓ４１）。そして、ケーブル候補クラスタの端点間の距離をクラスタ長とする（Ｓ４２）。
　ステップＳ３１～Ｓ４２をクラスタｉごとに実行する。
　図１０に、機能部３－２における処理のフローの一例を示す。
　点群データを読込み（Ｓ１０）、ある高さの範囲Ｈ１＜ｈ＜Ｈ２で点群を抽出する（Ｓ２０）。
　次に、残った点群についてＤＢＳＣＡＮ手法により、ある大きさ・密度以上の点群をクラスタとする（Ｓ２５）。
　次に、Ｒａｎｓａｃ手法により直線近似し、ある残差以内の点群がある割合以上あるかを判定する（Ｓ３１）。また、近似直線が鉛直軸に対してある角度以上あるかを判定する（Ｓ３２）。また、クラスタの鉛直軸方向の大きさがある大きさ以上かを判定する（Ｓ３３）。
　ステップＳ３１及びＳ３２の少なくともいずれかにおいてＮｏの場合、又はステップＳ３３においてＹｅｓの場合、ケーブル候補クラスタとしない（Ｓ４３）。一方、ステップＳ３１及びＳ３２においてＹｅｓでありかつステップＳ３３においてＮｏの場合、ケーブル候補クラスタとする（Ｓ４１）。そして、ケーブル好候補クラスタの端点間の距離をクラスタ長とする（Ｓ４２）。
　ステップＳ３１～Ｓ４２をクラスタｉごとに実行する。
　図１１に、機能部３－３における処理のフローの一例を示す。ケーブル候補クラスタをクラスタ長の長い順番にし（Ｓ５１）、すでに結合されたクラスタかを判定する（Ｓ５２）。ステップＳ５２においてＮｏの場合、ケーブル候補クラスタｊに属する点群データからカテナリ近似曲線及びｘ－ｙ平面上でのＲＡＮＳＡＣ近似直線を算出する（Ｓ５３）。そして、近似曲線の残差内の割合がある値以上かを判定する（Ｓ５４）。ここで、「残差内の割合」は、近似された曲線との距離が閾値以内である点群の割合である。
　ステップＳ５４においてＹｅｓの場合、ケーブル候補クラスタｊのカテナリ近似曲線及びｘ－ｙ平面上でのＲＡＮＳＡＣ近似直線と、残差内の割合がある値以上かを判定する（Ｓ６１）。ステップＳ６１においてＹｅｓの場合、ｋはｊの結合クラスタとする（Ｓ６２）。一方、ステップＳ６１においてＮｏの場合、ｋはｊの結合クラスタとしない（Ｓ６３）。ステップＳ５２～Ｓ６２をクラスタｊごとに実行する。
　図１２に、機能部３－４における処理のフローの一例を示す。結合クラスタ内のすべての点群を用いてＲａｎｓａｃでカテナリ曲線近似し（Ｓ７１）、近似したカテナリ曲線（　Ｚ＝ｃｏｓｈ（ａ＊（Ｔ－ｂ））＋ｃ）のａ，ｂ，ｃ，Ｔの値をパラメータとし（Ｓ７２）、パラメータをファイル出力する（Ｓ７３）。
　ケーブルを抽出する際の各種設備情報算出部３－５の処理の一例について説明する。
　固定式点群で計測した範囲から、ケーブル抽出したい範囲を切り抜き、切り抜いたファイルをＬＡＳ形式ファイルとしてインプットとする。
・ステップＳ０．ＬＡＳファイルを読込む
　読み込んだＬＡＳファイルデータのｘ，ｙ，ｚをｎｕｍｐｙ配列としてメモリに格納する。
・ステップＳ１．塊を見つけて塊を削除する。これにより、樹木、家に相当する点群を消去する。
　例えば、０．１ｍなどのケーブル以外の大きさのＶｏｘｅｌ化サイズで点群をＶｏｘｅｌ化する。そして、Ｖｏｘｅｌをフィルタリングする。例えば、点群の各座標をｘｙ平面に投影し、ＤＢＳＣＡＮ　ｎ×ｎマスのうちｐ％以上あったら塊として削除する。
・ステップＳ２．塊以外の点群をクラスタにする。例えば、残った点群を３次元でクラスタリングする（ＤＢＳＣＡＮ）。次に、ＲＡＮＳＡＣで直線かつＺ軸のなす角度が一定の角度以上のクラスタをケーブル候補クラスタとする。次に、ケーブル候補クラスタのＲＡＮＳＡＣ端点間の直線距離をそのクラスタ長としてメモリに格納する。
・ステップＳ３．結合クラスタを生成する。例えば、以下のステップＳ３－１～Ｓ３－４を実行する。
　ステップＳ３－１．ケーブル候補クラスタで残っているもののうち、クラスタ長が最も長いクラスタを選ぶ。以下、本実施形態では、ステップＳ３－２及びＳ３－３を実施するにあたりクラスタ長が２．０ｍ未満のクラスタは候補としない例を示す。
　ステップＳ３－２．ステップＳ３－１のケーブル候補クラスタ内の点群についてＸＹ平面でのＲＡＮＳＡＣ直線で近似する。ＲＡＮＳＡＣ直線は、「定点」と「方向ベクトルに変数Ｔを乗じた値」で表現できるので、ＴとＺでカテナリ近似する。
　ステップＳ３－３．ステップＳ３－１以外のすべてのケーブル候補クラスタについて、ＸＹ平面で３－２のＲＡＮＳＡＣ直線に乗るか（ｒ＝０．１、６０％以上）、ステップＳ３－２のカテナリに乗るか（ｒ＝０．０５　有効＝７０％以上）、を判定し、２つの判定がＯＫであれば同一対象物を構成する結合クラスタと判断する。
　ステップＳ３－４．ステップＳ３－１に戻る。
・ステップＳ４．結合クラスタをカテナリＦｉｔｔｉｎｇしモデルとする。
　ステップＳ４－１．ステップＳ３で同一対象物を構成する結合クラスタと判定されたクラスタ内の点群について、ＸＹ平面でのＲＡＮＳＡＣ直線近似を行う。ＲＡＮＳＡＣ直線は、「定点」と「方向ベクトルに変数Ｔを乗じた値」で表現できるので、ＴとＺでカテナリ近似する。
　ステップＳ４－２．Ｔの最大値Ｔｍａｘ，Ｔの最小値Ｔｍｉｎ，ＸＹ平面の原点、方向ベクトル、ＴとＺのカテナリ曲線パラメータａ，ｂ，ｃ（Ｚ＝ｃｏｓｈ（ａ＊（Ｔ－ｂ））＋ｃ）を出力する。
以上である。
　図１３に、機能部３－２が入力として読み込む点群データの一例を示す。この例では、解析対象点群が２，８０３，９３０点である例を示す。図１４に、ケーブルモデル１１２の一例を示す。この例では、図１３の点群から１２個の結合クラスタが抽出された。図１４における破線ＦＬ０１～ＦＬ１２は、各結合クラスタから得られたケーブルモデル１１２である。図１５は、実際に点群からモデルを作成した際の一例である。これによって得られたモデル化したケーブルモデル１１２に基づいて張力値を算出したところ、１３９８．４Ｎであった。図１３の点群を測定したケーブルの張力を測定したところ、１２８５Ｎであった。このため、本開示を用いて得られるケーブルモデルは、＋９％誤差で張力を導出することができることが分かった。
　以上説明したように、本開示は、３次元レーザスキャナで取得した３次元点群データからケーブル状の対象設備の３次元モデルを作成する際に、
　３次元点群から生成されたクラスタから、線状近似されるクラスタをケーブル候補クラスタとして抽出し、
　一のケーブル候補クラスタに対して、当該クラスタから導かれたカテナリ近似曲線から所定距離以内の３次元点群が所定割合以上である結合クラスタを生成し、
　結合クラスタに含まれる点を連結することで、ケーブルモデルを作成する。
　これにより、本開示は、３次元点間の距離に依存することなく、ケーブルモデルを作成することができる。したがって、本開示は、点間距離が等間隔で並んでおらず、点群が一部しか存在しない対象物でも、３次元モデルの作成を可能にすることができる。
　本開示は情報通信産業に適用することができる。
１：固定式３Ｄレーザスキャナ
２：記憶媒体
３：演算処理部
３－１：ケーブルモデル抽出部
３－２、３－３、３－４：機能部
３－５：各種設備情報算出部
９１：点
９２：線
１１１：電柱モデル
１１２：ケーブルモデル

Claims (8)

  1. 　３次元座標を表す点群データから細径の対象物の３次元モデルを作成する装置であって、
    　前記点群データに含まれている点に対してクラスタリングを行い、
    　少なくともいずれかのクラスタについて、クラスタ内の点を通る曲線を求め、
    　前記曲線と一致する曲線上に配置されている点群を抽出し、
    　抽出された点群を連結することで、前記対象物の３次元モデルを作成する、
    　装置。
  2. 　地面に平行なｘ－ｙ平面上で同一直線上に配置されている点を判定し、
    　前記曲線と一致する曲線上に配置され、かつ前記同一直線上に配置されている点群を抽出する、
    　請求項１に記載の装置。
  3. 　地面に平行なｘ－ｙ平面上において、設定された密度以上の点群を、前記細径の対象物以外の点群として削除する、
    　請求項１又は２に記載の装置。
  4. 　前記対象物が存在する高さに相当するｚ座標を有する点群を前記点群データから抽出し、抽出した点群データを用いて前記クラスタリングを行う、
    　請求項１から３のいずれかに記載の装置。
  5. 　前記対象物が架空ケーブル、吊り線、又は水平支線である、
    　請求項１から４のいずれかに記載の装置。
  6. 　前記点群データに含まれている点群から電柱モデルを生成し、
    　前記電柱モデル同士の間に位置しかつ密度の高いクラスタについて、クラスタ内の点を通る曲線を求める、
    　請求項５に記載の装置。
  7. 　３次元座標を表す点群データから細径の対象物の３次元モデルを作成する方法であって、
    　前記点群データに含まれている点に対してクラスタリングを行い、
    　少なくともいずれかのクラスタについて、クラスタ内の点を通る曲線を求め、
    　前記曲線と一致する曲線上に配置されている点群を抽出し、
    　抽出された点群を連結することで、前記対象物の３次元モデルを作成する、
    　方法。
  8. 　請求項１から６のいずれかに記載の装置としてコンピュータを実現するためのプログラム。
PCT/JP2021/043232 2021-11-25 2021-11-25 ３次元モデルを作成する装置、方法及びプログラム WO2023095255A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2021/043232 WO2023095255A1 (ja) 2021-11-25 2021-11-25 ３次元モデルを作成する装置、方法及びプログラム
JP2023563421A JPWO2023095255A1 (ja) 2021-11-25 2021-11-25

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/043232 WO2023095255A1 (ja) 2021-11-25 2021-11-25 ３次元モデルを作成する装置、方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2023095255A1 true WO2023095255A1 (ja) 2023-06-01

Family

ID=86539165

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/043232 WO2023095255A1 (ja) 2021-11-25 2021-11-25 ３次元モデルを作成する装置、方法及びプログラム

Country Status (2)

Country Link
JP (1) JPWO2023095255A1 (ja)
WO (1) WO2023095255A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015001901A (ja) * 2013-06-17 2015-01-05 日本電信電話株式会社 点群解析処理装置、点群解析処理方法、及びプログラム
JP2015078849A (ja) * 2013-10-15 2015-04-23 日本電信電話株式会社 設備状態検出方法およびその装置
JP2017156179A (ja) * 2016-02-29 2017-09-07 日本電信電話株式会社 設備状態検出方法および装置の設置方法
JP2018195240A (ja) * 2017-05-22 2018-12-06 日本電信電話株式会社 設備状態検出方法、検出装置およびプログラム
JP2021060776A (ja) * 2019-10-07 2021-04-15 株式会社日立ソリューションズ 空中線抽出システム及び空中線抽出方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015001901A (ja) * 2013-06-17 2015-01-05 日本電信電話株式会社 点群解析処理装置、点群解析処理方法、及びプログラム
JP2015078849A (ja) * 2013-10-15 2015-04-23 日本電信電話株式会社 設備状態検出方法およびその装置
JP2017156179A (ja) * 2016-02-29 2017-09-07 日本電信電話株式会社 設備状態検出方法および装置の設置方法
JP2018195240A (ja) * 2017-05-22 2018-12-06 日本電信電話株式会社 設備状態検出方法、検出装置およびプログラム
JP2021060776A (ja) * 2019-10-07 2021-04-15 株式会社日立ソリューションズ 空中線抽出システム及び空中線抽出方法

Also Published As

Publication number Publication date
JPWO2023095255A1 (ja) 2023-06-01

Similar Documents

Publication Publication Date Title
Overby et al. Automatic 3D building reconstruction from airborne laser scanning and cadastral data using Hough transform
KR20190082062A (ko) 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치
Ariyachandra et al. Detection of railway masts in airborne LiDAR data
CN110794413B (zh) 线性体素分割的激光雷达点云数据电力线检测方法和系统
JPWO2003012740A1 (ja) 三次元構造物形状の自動生成装置、自動生成方法、そのプログラム、及びそのプログラムを記録した記録媒体
CN107133966B (zh) 一种基于采样一致性算法的三维声纳图像背景分割方法
US11823330B2 (en) Detection device, detection method and detection program for linear structure
US20210103727A1 (en) Aerial line extraction system and aerial line extraction method
CN109816780B (zh) 一种双目序列影像的输电线路三维点云生成方法及装置
JP6785751B2 (ja) モデル生成装置、生成方法、及びプログラム
CN109472044A (zh) 一种基于bim的电缆算量方法、系统及介质
WO2021255798A1 (ja) ワイヤモデル生成装置、ワイヤモデル生成方法及びワイヤモデル生成プログラム
CN110795978B (zh) 路面点云数据提取方法、装置、存储介质及电子设备
CN110544298A (zh) 变电站建模方法、装置、计算机设备和存储介质
CN111504195A (zh) 基于激光点云的电力基建验收方法及装置
CN113592324A (zh) 一种基于层次分析的电缆终端塔带电作业的风险评估方法
JP2019144153A (ja) 電線形状の再現方法，再現装置，及び再現プログラム、並びに、点群精度の評価方法，評価装置，及び評価プログラム
CN110706288A (zh) 目标检测的方法、装置、设备及可读存储介质
WO2023095255A1 (ja) ３次元モデルを作成する装置、方法及びプログラム
CN112396831B (zh) 一种交通标识的三维信息生成方法和装置
CN118037790A (zh) 一种点云处理方法、装置、计算机设备及存储介质
JP4217251B2 (ja) 三次元構造物形状の自動生成装置、自動生成方法、そのプログラム、及びそのプログラムを記録した記録媒体
CN116912817A (zh) 三维场景模型拆分方法、装置、电子设备和存储介质
CN112882047B (zh) 基于激光点云的电力导线相间距离自动获取方法及系统
CN113066188A (zh) 一种用于室外施工作业的三维仿真方法及设备

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: 21965627

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2023563421

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 18711659

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE