WO2024009352A1 - 位置推定装置、位置推定方法、及び位置推定プログラム - Google Patents

位置推定装置、位置推定方法、及び位置推定プログラム Download PDF

Info

Publication number
WO2024009352A1
WO2024009352A1 PCT/JP2022/026589 JP2022026589W WO2024009352A1 WO 2024009352 A1 WO2024009352 A1 WO 2024009352A1 JP 2022026589 W JP2022026589 W JP 2022026589W WO 2024009352 A1 WO2024009352 A1 WO 2024009352A1
Authority
WO
WIPO (PCT)
Prior art keywords
cluster
point
representative
region
unit
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2022/026589
Other languages
English (en)
French (fr)
Inventor
俊介 塚谷
大我 吉田
直己 伊藤
潤 島村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2024531761A priority Critical patent/JP7838645B2/ja
Priority to PCT/JP2022/026589 priority patent/WO2024009352A1/ja
Publication of WO2024009352A1 publication Critical patent/WO2024009352A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Definitions

  • the disclosed technology relates to a position estimation device, a position estimation method, and a position estimation program.
  • Non-Patent Document 1 describes a technique for instantiating a tree from only information on a three-dimensional point group, focusing on the points where distances occur between different objects, and using the Euclidean cluster extraction method to create a three-dimensional tree.
  • a clustering technique has been proposed that depends on the distance between each point in the original space. Specifically, in the Euclidean cluster extraction method, the same ID (Identification) is assigned to a group of points existing in a region from a predetermined starting point to a predetermined threshold value.
  • Non-Patent Document 1 assumes that there is a distance between different objects, so when a 3D point cloud with a partially missing part is input, instances are created across the missing part. There was a problem in that it was difficult not only to divide but also to set an optimal threshold for clustering.
  • the disclosed technology was developed in view of the above points, and is capable of estimating the position of each street tree even if a part of the three-dimensional point group of the street tree is missing.
  • the purpose of the present invention is to provide a position estimation device, a position estimation method, and a position estimation program that enable the following.
  • a first aspect of the present disclosure is a position estimation device that divides a three-dimensional point group of street trees into a plurality of first clusters, which is measured by a measuring device that measures the three-dimensional position of each point in a three-dimensional space.
  • a dividing unit that horizontally divides the first cluster into a plurality of regions; and a dividing unit that horizontally divides the first cluster into a plurality of regions; and the same identification information as the main stem estimator that propagates and gives to the representative point of the second cluster divided from the area that exists within the range and has higher coordinates in the height direction than the area.
  • a position estimating unit that selects the representative point given the representative point and estimates the position of the street tree based on an approximate line calculated from the selected representative point.
  • a second aspect of the present disclosure is a position estimation method, in which the dividing unit divides a three-dimensional point group of street trees into a plurality of first
  • the dividing section horizontally divides the first cluster into a plurality of regions
  • the main stem estimating section divides the first cluster into a plurality of clusters
  • the main estimation section extracts identification information for identifying representative points of the second cluster divided from the region.
  • Position estimation is performed by propagating and attaching the data to the representative point of the second cluster that is divided from the region that exists within the range of the first threshold from the representative point and whose coordinates in the height direction are higher than that of the region.
  • the step includes selecting the representative points given the same identification information and estimating the position of the street tree based on an approximate line calculated from the selected representative points.
  • a third aspect of the present disclosure is a position estimation program that causes a computer to function as each part of the position estimation device of the first aspect.
  • FIG. 1 is a schematic diagram showing an example of a hardware configuration of a position estimating device according to an embodiment.
  • FIG. 1 is a block diagram illustrating an example of a functional configuration of a position estimating device according to an embodiment. It is a schematic diagram which shows an example of the three-dimensional point group of the street tree which concerns on embodiment and is partially missing.
  • FIG. 2 is a schematic diagram showing an example of dividing a three-dimensional point group into clusters according to an embodiment.
  • FIG. 2 is a schematic diagram showing an example of a cluster according to an embodiment cut into seven pieces in the horizontal direction.
  • FIG. 7 is a schematic diagram showing an example of a master ID assigned to the center of gravity of a second cluster acquired from a slice with the minimum coordinate in the height direction according to the embodiment.
  • FIG. 1 is a schematic diagram showing an example of a hardware configuration of a position estimating device according to an embodiment.
  • FIG. 1 is a block diagram illustrating an example of a functional configuration of a position estimating device according
  • FIG. 7 is a schematic diagram showing an example of a master ID assigned to the center of gravity of a second cluster obtained from a slice whose coordinate in the height direction is not the minimum according to the embodiment.
  • FIG. 2 is a schematic diagram showing an example of instantiated street trees according to the embodiment.
  • FIG. 3 is a schematic diagram showing an example of an approximate straight line according to the embodiment. It is a flow chart which shows an example of position estimation processing in a position estimation device of an embodiment.
  • the position estimation device 10 includes a CPU (Central Processing Unit) 11, a ROM (Read Only Memory) 12, a RAM (Random Access Memory) 13, a storage 14, and a communication I/F (Internet). face)17 have Each configuration is communicably connected to each other via a bus 19.
  • CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • storage 14 and a communication I/F (Internet). face)17 have Each configuration is communicably connected to each other via a bus 19.
  • the CPU 11 is a central processing unit that executes various programs and controls various parts. That is, the CPU 11 reads a program from the ROM 12 or the storage 14 and executes the program using the RAM 13 as a work area. The CPU 11 controls each of the above components and performs various arithmetic operations according to programs stored in the ROM 12 or the storage 14. In this embodiment, the ROM 12 or the storage 14 stores a position estimation program.
  • the position estimation program may be one program, or may be a program group composed of a plurality of programs or modules.
  • the ROM 12 stores various programs and various data.
  • the RAM 13 temporarily stores programs or data as a work area.
  • the storage 14 is configured with an HDD (Hard Disk Drive) or an SSD (Solid State Drive), and stores various programs including an operating system and various data.
  • the communication I/F 17 is an interface for communicating with other devices, and uses standards such as Ethernet (registered trademark), FDDI, and Wi-Fi (registered trademark), for example.
  • the position estimating device 10 includes a dividing section 101, a dividing section 102, a main estimating section 103, a giving section 104, and a position estimating section 105.
  • the dividing unit 101 divides a three-dimensional point group X of street trees as shown in FIG . is accepted as input. As described above, the three-dimensional point group X may be partially missing. Then, the dividing unit 101 divides the three-dimensional point group X into each cluster D i that is a first cluster using the Euclidean cluster extraction method, and outputs a cluster set D that is a set of clusters D i .
  • the dividing unit 101 sets a starting point from the received three-dimensional point group X. Then, the dividing unit 101 sets all points whose Euclidean distance (that is, straight line distance between two points) is within the threshold value ⁇ x from the set starting point as a cluster D i . Furthermore, the dividing unit 101 performs a process of including all points whose Euclidean distance is within the threshold value ⁇ x from one point included in the set cluster D i into the cluster D i . By performing this on the points, the three-dimensional point group X is divided into clusters D i .
  • the dividing unit 101 newly sets a starting point from among the point group obtained by excluding the cluster D i from the three-dimensional point group X. Then, the dividing unit 101 repeats the process of dividing the three-dimensional point group X into a plurality of clusters D i until all the points included in the received three-dimensional point group X are included in any cluster D i . Then, the dividing unit 101 passes the divided clusters D i to the dividing unit 102 and the assigning unit 104 as a cluster set D.
  • FIG. 4 shows an example in which the dividing unit 101 divides the three-dimensional point group X shown in FIG. 3 into clusters D1 to D8 .
  • the segmentation unit 102 receives the cluster set D and the number of slices N as input. Then, the cutting unit 102 cuts one cluster D i out of the cluster set D into N slices in the horizontal direction, and outputs slice regions S up to slices S 1 , . . . , SN . Specifically, the cutting unit 102 divides the height so that the number of points included in the slice S j as a region is equal to the number p of three-dimensional point groups included in the cluster D i divided by the number N of slices. Clusters D i are sequentially cut out from the coordinate plane with the minimum directional coordinate, and a slice region S is output.
  • the jth cut slice in other words, the slice with the jth smallest coordinate in the height direction is defined as slice Sj . That is, the slice with the minimum coordinate in the height direction is defined as the slice S 1 as the first region, and the slice with the maximum coordinate in the height direction is defined as the slice SN . Then, the segmentation unit 102 passes the slice region S to the master estimation unit 103.
  • FIG. 5 shows an example in which the cutting unit 102 cuts the cluster D i into seven parts in the horizontal direction. Specifically, the cutting unit 102 divides slice S 1 as the first region, slice S 2 with the second smallest coordinate in the height direction, slice S 3 with the third smallest coordinate, and slice S with the fourth smallest coordinate.
  • the cluster D i is horizontally cut into slices S 4 , the fifth smallest slice S 5 , the sixth smallest slice S 6 and the seventh smallest slice S 7 .
  • the main estimation unit 103 receives the slice region S, the threshold ⁇ s , the threshold ⁇ d , the threshold ⁇ p , and the threshold ⁇ t as input.
  • the main stem estimation unit 103 performs clustering on the slice S 1 using the Euclidean cluster extraction method using a threshold value ⁇ s . Then, the main estimation unit 103 acquires a second cluster in which the density of included points is higher than the threshold ⁇ d as the second threshold and the number of included points is greater than the threshold ⁇ p as the third threshold. and divide from slice S1 .
  • the main trunk estimating unit 103 estimates the center of gravity Y1 , which is the representative point of the second cluster divided from the slice S1 , as the center coordinates of the main trunk of the street tree.
  • the main manager estimating unit 103 assigns a main manager ID as identification information for identifying the center of gravity Y1 to each center of gravity Y1 .
  • FIG. 6 shows an example of the main trunk ID assigned by the main trunk estimation unit 103 to the centroid Y1 of the second cluster acquired from the slice S1 .
  • the main estimation unit 103 calculates the centroids Y 1 of the first to third centroids from the left, where the density of the included points is higher than the threshold ⁇ d and the number of included points is greater than the threshold ⁇ p .
  • a lead ID from 1 to 3 is assigned to each.
  • the main trunk estimating unit 103 excludes the rightmost cluster in which the density of points included is less than or equal to the threshold value ⁇ d or the number of points included is less than or equal to the threshold value ⁇ p as noise, and does not assign a main trunk ID.
  • the main trunk estimating unit 103 assigns a main trunk ID to each of the centroids Y k of the second clusters divided from the slice S k other than the slice S 1 .
  • k is a value other than 1.
  • the main stem estimating unit 103 selects a slice S k ⁇ that exists within a range of a threshold ⁇ t that is a first threshold from the center of gravity Y k and that is one coordinate lower in the height direction than the slice S k .
  • the main trunk ID assigned to the nearest centroid is assigned.
  • the principal estimation unit 103 assigns a new principal ID to the center of gravity Y k . Then, the main stem estimating unit 103 outputs the centroids Y 1 , .
  • the main stem estimation unit 103 propagates the data to the center of gravity of the second cluster divided from the slice that exists within the range of the threshold ⁇ t from the slice S j and whose coordinates in the height direction are higher than the slice S j .
  • a manager ID is assigned.
  • FIG. 7 shows an example of the principal ID assigned to the center of gravity Yk by the principal estimation unit 103.
  • the main stem estimating unit 103 assigns a value to the nearest centroid among the centroids Y k- 1 of the second cluster that exists within the range of the threshold ⁇ t from the centroid Y k and is divided from the slice S k-1.
  • the same main manager ID (in the example shown in FIG. 7, 1 to 3) is assigned to the main manager ID.
  • a new manager ID (4 in the example shown in FIG. 7) is assigned to Yk .
  • the assigning unit 104 receives the cluster set D and the main coordinate set Y as input.
  • the assigning unit 104 assigns to each point included in D i the same principal ID as the principal ID assigned to the center of gravity Y j closest to each point in the set Y of principal coordinates. Then, the assigning unit 104 outputs the point group Z i to which the principal ID has been assigned.
  • FIG. 8 shows an example of a street tree instantiated by the adding unit 104.
  • the assigning unit 104 assigns 1 as the master ID to the point closest to the center of gravity Y (triangular mark in the example shown in FIG. 8), which is assigned 1 as the master ID, among the points included in D i . Further, the assigning unit 104 assigns 2 as the master ID to the point closest to the center of gravity Y (the cross mark in the example shown in FIG . 8), which is assigned 2 as the master ID, among the points included in D i. do. Further, the assigning unit 104 assigns 3 as a master ID to the point closest to the center of gravity Y (circle mark in the example shown in FIG. 8), which is assigned 3 as a master ID, among the points included in D i. do. As a result, as shown in FIG. 8, the providing unit 104 can instantiate each street tree one by one.
  • the position estimating unit 105 receives the ground height g i and the set Y i of principal coordinates as input. Then, the position estimating unit 105 selects the centers of gravity Y j given the same main trunk ID in descending order of coordinates in the height direction from each S j , and selects the centroids Y w given the same main trunk ID. If they are included in the same slice Sw , the selection ends. Specifically, the position estimating unit 105 selects a slice S w ⁇ 1 that is located one coordinate lower in the height direction than a slice S w that includes the center of gravity Y w given the same master ID from the center of gravity Y 1 .
  • the position estimating unit 105 calculates an approximate straight line as an approximate line for each trunk ID from the selected center of gravity Y j using the least squares method or the like.
  • the position estimation unit 105 calculates the position coordinate U i at the ground height g i using the approximate straight line, and outputs the position coordinate U i .
  • FIG. 9 shows an example of the approximate straight line L1 and the approximate straight line L2 calculated by the position estimation unit 105.
  • the position estimating unit 105 determines that for the center of gravity Y j (in the example shown in FIG. 9, marked with a cross) to which 1 is assigned as the main ID, the position estimation unit 105 moves from the center of gravity Y 1 to which 1 is assigned as the main ID. , selects up to the center of gravity Y 4 included in the slice S 4 that is one level lower in coordinates in the height direction than the slice S 5 that includes a plurality of centers of gravity Y 5 to which 1 is assigned as the master ID.
  • the position estimating unit 105 calculates an approximate straight line L 1 from the selected center of gravity Y 1 to Y 4 .
  • the position estimating unit 105 calculates that for the center of gravity Y j (circle mark in the example shown in FIG. 9) that is assigned 2 as the main ID, from the center of gravity Y 1 that is given 2 as the main ID, 2 is given as the main ID.
  • the position estimating unit 105 calculates an approximate straight line L 2 from the selected center of gravity Y 1 to Y 3 .
  • FIG. 10 is a flowchart showing the flow of position estimation processing by the position estimation device 10.
  • the position estimation process is performed by the CPU 11 reading the position estimation program from the ROM 12 or the storage 14, loading it onto the RAM 13, and executing it.
  • step S101 the CPU 11, as the dividing unit 101, receives the three-dimensional point group X of the street trees and the threshold value ⁇ x as input.
  • step S102 the CPU 11, as the dividing unit 101, sets a starting point from the received three-dimensional point group X.
  • step S103 the CPU 11, as the dividing unit 101, sets i to 1, which is the order in which the three-dimensional point group X is divided into clusters D i .
  • step S104 the CPU 11, as the dividing unit 101, sets all points whose Euclidean distance is within the threshold value ⁇ x from the set starting point as a cluster D i .
  • step S105 the CPU 11, as the dividing unit 101, performs processing to include all points whose Euclidean distance is within the threshold value ⁇ x from one point included in the set cluster D i into the cluster D i . Execute for all points included in i .
  • step S106 the CPU 11, as the dividing unit 101, determines whether all the points included in the received three-dimensional point group X are included in any cluster D i . If all the points included in the received three-dimensional point group X are included in any cluster D i (step S106: YES), the CPU 11 moves to step S109. On the other hand, if all the points included in the received three-dimensional point group X are not included in any cluster D i (step S106: NO), the CPU 11 moves to step S107.
  • step S107 the CPU 11, as the dividing unit 101, sets a starting point from the point group obtained by excluding the cluster D i from the three-dimensional point group X.
  • step S108 the CPU 11, as the dividing unit 101, increments i and returns to step S104.
  • step S109 the CPU 11, as the cutting unit 102, cuts the three-dimensional point group included in one cluster D i of the cluster set D into N slices and outputs the slice area S.
  • step S110 the CPU 11, as the master estimation unit 103, sets j, which is the order in which the slices S are divided from the cluster D i , to 1.
  • step S111 the CPU 11, as the main estimation unit 103, acquires the second cluster. Specifically, the CPU 11 as the main estimation unit 103 performs clustering on the slice S j using a threshold value ⁇ s , and if the density of the included points is higher than the threshold value ⁇ d and the number of included points is less than the threshold value ⁇ p Obtain the second cluster with the largest number.
  • step S112 the CPU 11, as the main stem estimation unit 103, calculates the centroid Yj of the second cluster divided from the slice Sj .
  • step S113 the CPU 11, as the lead estimation unit 103, determines whether j is 1 or not. If j is 1 (step S113: YES), the CPU 11 moves to step S114. On the other hand, if j is not 1 (step S113: NO), the CPU 11 moves to step S116.
  • step S114 the CPU 11, as the manager estimating unit 103, assigns different manager IDs to the center of gravity Y1 .
  • step S115 the CPU 11, as the main estimation unit 103, increments j, and returns to step S111.
  • step S116 the CPU 11, as the manager estimating unit 103, assigns a manager ID to each center of gravity Yk . Specifically, when the center of gravity Y k -1 exists within the range of the center of gravity Y k to the threshold value ⁇ t , the CPU 11 selects the center of gravity Y k-1 that exists within the range of the center of gravity Y k to the threshold value ⁇ t and is closest to the center of gravity Y k-1. If the center of gravity Yk -1 does not exist within the range of the threshold ⁇ t from the center of gravity Yk , a new principal ID is assigned to each center of gravity Yk .
  • step S117 the CPU 11, as the main estimation unit 103, determines whether j is the number of slices N. If j is the number of slices N (step S117: YES), the CPU 11 moves to step S119. On the other hand, if j is not the number of slices N (step S117: NO), the CPU 11 moves to step S118.
  • step S118 the CPU 11, as the main estimation unit 103, increments j and returns to step S111.
  • step S119 the CPU 11, as the assigning unit 104, assigns to each point included in the cluster D i the principal ID assigned to the center of gravity Y j closest to each point in the set Y of principal coordinates. Output the group Z i .
  • step S120 the CPU 11, as the position estimating unit 105, selects the centers of gravity Yj given the same trunk ID from the center of gravity Y1 to the center of gravity Yw -1 in descending order of coordinates in the height direction from each Sj. Select.
  • step S121 the CPU 11, as the position estimation unit 105, calculates an approximate straight line for each main trunk ID from the center of gravity Yj selected in step S120.
  • step S122 the CPU 11, as the position estimation unit 105, outputs the position coordinate U i at the ground height g i using the calculated approximate straight line.
  • step S123 the CPU 11, as the position estimating unit 105, determines whether the point group Z i and position coordinates U i have been output for all clusters D i included in the cluster set D.
  • the CPU 11 outputs the point group Z i and position coordinates U i for all clusters D i included in the cluster set D (step S123: YES)
  • the CPU 11 ends this position estimation process.
  • the CPU 11 has not outputted the point group Z i and position coordinates U i for all the clusters D i included in the cluster set D (step S123: NO)
  • the process returns to step S109.
  • the position estimating device divides the three-dimensional point group of street trees measured by the measuring device that measures the three-dimensional position of each point in the three-dimensional space into a plurality of first clusters. To divide. Then, the position estimation device horizontally cuts the first cluster into a plurality of regions. Then, the position estimation device identifies identification information for identifying a representative point of a second cluster divided from the region, which exists within the range of the first threshold value from the representative point, and whose coordinates in the height direction are higher than the region. It is propagated and given to the representative point of the second cluster divided from the upper region.
  • the position estimating device selects representative points given the same identification information and estimates the position of the street tree based on the approximate line calculated from the selected representative points. Thereby, even if a part of the three-dimensional point group of a street tree is missing, it is possible to estimate the position of the street tree.
  • the dividing unit 102 horizontally divides the cluster D i into N slices so that the number of points included in each slice S j is the same.
  • the number of points included in slice S j may not all be the same.
  • the dividing unit 102 may horizontally divide the cluster D i into N slices so that all the slices S j have the same height.
  • the center of gravity of the second cluster was used as the representative point of the second cluster.
  • the center point of circle detection using Hough transformation or the like may be used as the representative point of the second cluster.
  • the position estimating unit 105 applies an approximate straight line as the approximate line calculated from the selected center of gravity Yj .
  • the approximate line calculated by the position estimation unit 105 from the center of gravity Y j may be an approximate curve.
  • the position estimating device 10 included the assigning section 104 and the position estimating section 105.
  • the function of the adding unit 104 may be realized by a device independent from the position estimating device 10 without including the adding unit 104 in the position estimating device 10.
  • the point group Z i may be output by a device that does not include the position estimation unit 105 but includes the division unit 101 , the segmentation unit 102 , the main estimation unit 103 , and the assignment unit 104 .
  • various processes that the CPU reads and executes software (programs) in the above embodiments may be executed by various processors other than the CPU.
  • the processor in this case is a PLD (Programmable Logic Device) whose circuit configuration can be changed after manufacturing, such as an FPGA (Field-Programmable Gate Array), and an ASIC (Application Specific Intel).
  • An example is a dedicated electric circuit that is a processor having a specially designed circuit configuration.
  • the position estimation process may be executed by one of these various processors, or by a combination of two or more processors of the same type or different types (for example, a combination of multiple FPGAs, and a combination of a CPU and an FPGA). etc.).
  • the hardware structure of these various processors is, more specifically, an electric circuit that is a combination of circuit elements such as semiconductor elements.
  • the position estimation program is stored (installed) in the storage 14 in advance, but the present invention is not limited to this.
  • the program can be installed on CD-ROM (Compact Disk Read Only Memory), DVD-ROM (Digital Versatile Disk Read Only Memory), and USB (Universal Serial Bus) stored in a non-transitory storage medium such as memory It may be provided in the form of Further, the program may be downloaded from an external device via a network.
  • a position estimation device memory and at least one processor connected to the memory; including;
  • the processor includes: A three-dimensional point group of street trees measured by a measuring device that measures the three-dimensional position of each point in three-dimensional space is divided into a plurality of first clusters, dividing the first cluster horizontally into a plurality of regions; Identification information for identifying a representative point of a second cluster divided from the region is obtained from the region that exists within the range of the first threshold from the representative point and whose coordinates in the height direction are higher than the region. propagating and imparting it to the representative point of the divided second cluster; selecting the representative points given the same identification information and estimating the position of the street tree based on an approximate line calculated from the selected representative points;
  • a position estimation device configured as follows.
  • a non-transitory storage medium storing a program executable by a computer to perform a position estimation process includes: A three-dimensional point group of street trees measured by a measuring device that measures the three-dimensional position of each point in three-dimensional space is divided into a plurality of first clusters, dividing the first cluster horizontally into a plurality of regions; Identification information for identifying a representative point of a second cluster divided from the region is obtained from the region that exists within the range of the first threshold from the representative point and whose coordinates in the height direction are higher than the region. propagating and imparting it to the representative point of the divided second cluster; selecting the representative points given the same identification information and estimating the position of the street tree based on an approximate line calculated from the selected representative points; Non-transitory storage medium.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

位置推定装置は、三次元空間の各点の三次元位置を計測する計測装置が計測した、街路樹の三次元点群を複数の第１のクラスタに分割する分割部と、第１のクラスタを水平方向に複数の領域に切り分ける切り分け部と、領域から分割した第２のクラスタの代表点を識別する識別情報を、当該代表点から第１の閾値の範囲内に存在し、かつ当該領域より高さ方向の座標が上位にある領域から分割した第２のクラスタの代表点に伝搬させて付与する主幹推定部と、同一の識別情報を付与された代表点を選択し、選択した代表点から算出した近似線に基づいて街路樹の位置を推定する位置推定部と、を備える。

Description

位置推定装置、位置推定方法、及び位置推定プログラム
　開示の技術は、位置推定装置、位置推定方法、及び位置推定プログラムに関する。
　自動車等に搭載された、三次元空間の各点の三次元位置を計測する計測装置の一例であるＬｉＤＡＲ（Ｌｉｇｈｔ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ｒａｎｇｉｎｇ）によって計測された三次元点群を用いて、建物又は電柱等の物体を認識し、三次元地図として提示するための技術開発が進められている。特に、道路に沿って植えられた街路樹の位置及び形状を１本ずつ三次元地図上で認識できるようにすることは、道路管理団体が街路樹の状態を把握し、剪定計画を立てるために重要な技術である。
　例えば、非特許文献１には、三次元点群の情報のみから樹木のインスタンス化を行う技術として、異なる物体は両者の間に距離が生じる点に着目し、ユークリッドクラスター抽出法を用いて、三次元空間の各点の距離に応じたクラスタリング技術が提案されている。具体的に、ユークリッドクラスター抽出法では、所定の起点から、予め定められた閾値までの領域に存在する点群に対して、同一のＩＤ（Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）を付与する。
小倉　且也、山田　遊馬、梶田　宗吾、山口　弘純、東野　輝夫、高井　峰生、"複数の立体物で構成された三次元点群の切り分け手法の検討"、情報処理学会マルチメディア、分散、協調とモバイル（ＤＩＣＯＭＯ２０１８）シンポジウム論文集、ｐｐ．２３６－２４６、２０１８
　ＬｉＤＡＲが自動車に搭載されている場合、ＬｉＤＡＲが計測した三次元点群には、車道の反対側である歩道又は建物側にある街路樹の表面の点群が含まれていない。また、街路樹が密集して植えられている場合、ＬｉＤＡＲから死角となるオクルージョン領域が発生する。非特許文献１の技術では異なる物体の間に距離が生じることを仮定しているため、一部が欠損している三次元点群が入力されると、欠損している部分を跨いでインスタンスを分割するだけでなく、クラスタリングの最適な閾値を設定することが困難である、という課題があった。
　開示の技術は、上記の点に鑑みてなされたものであり、街路樹の三次元点群の一部が欠損している場合であっても、街路樹１本１本の位置を推定することが可能となる位置推定装置、位置推定方法、及び位置推定プログラムを提供することを目的とする。
　本開示の第１態様は、位置推定装置であって、三次元空間の各点の三次元位置を計測する計測装置が計測した、街路樹の三次元点群を複数の第１のクラスタに分割する分割部と、前記第１のクラスタを水平方向に複数の領域に切り分ける切り分け部と、前記領域から分割した第２のクラスタの代表点を識別する識別情報を、当該代表点から第１の閾値の範囲内に存在し、かつ当該領域より高さ方向の座標が上位にある前記領域から分割した前記第２のクラスタの前記代表点に伝搬させて付与する主幹推定部と、同一の前記識別情報を付与された前記代表点を選択し、選択した前記代表点から算出した近似線に基づいて前記街路樹の位置を推定する位置推定部と、を含む。
　本開示の第２態様は、位置推定方法であって、分割部が、三次元空間の各点の三次元位置を計測する計測装置が計測した、街路樹の三次元点群を複数の第１のクラスタに分割し、切り分け部が、前記第１のクラスタを水平方向に複数の領域に切り分け、主幹推定部が、前記領域から分割した第２のクラスタの代表点を識別する識別情報を、当該代表点から第１の閾値の範囲内に存在し、かつ当該領域より高さ方向の座標が上位にある前記領域から分割した前記第２のクラスタの前記代表点に伝搬させて付与し、位置推定部が、同一の前記識別情報を付与された前記代表点を選択し、選択した前記代表点から算出した近似線に基づいて前記街路樹の位置を推定することを含む。
　本開示の第３態様は、位置推定プログラムであって、コンピュータを、上記第１態様の位置推定装置の各部として機能させるためのプログラムである。
　開示の技術によれば、街路樹の三次元点群の一部が欠損している場合であっても、当該街路樹の位置を推定することが可能となる。
実施形態に係る位置推定装置のハードウェア構成の一例を示す模式図である。 実施形態に係る位置推定装置の機能構成の一例を示すブロック図である。 実施形態に係る一部が欠損している街路樹の三次元点群の一例を示す模式図である。 実施形態に係る三次元点群を各クラスタに分割した一例を示す模式図である。 実施形態に係るクラスタを水平方向に７つに切り取った一例を示す模式図である。 実施形態に係る高さ方向の座標が最小であるスライスから取得した第２のクラスタの重心に付与した主幹ＩＤの一例を示す模式図である。 実施形態に係る高さ方向の座標が最小ではないスライスから取得した第２のクラスタの重心に付与した主幹ＩＤの一例を示す模式図である。 実施形態に係るインスタンス化した街路樹の一例を示す模式図である。 実施形態に係る近似直線の一例を示す模式図である。 実施形態の位置推定装置における位置推定処理の一例を示すフローチャートである。
　以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
　まず、本実施形態に係る位置推定装置１０のハードウェア構成を説明する。図１に示すように、位置推定装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１３、ストレージ１４、及び通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１７を有する。各構成は、バス１９を介して相互に通信可能に接続されている。
　ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、位置推定プログラムが格納されている。位置推定プログラムは、１つのプログラムであってもよいし、複数のプログラム又はモジュールで構成されるプログラム群であってもよい。
　ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。
　通信Ｉ／Ｆ１７は、他の機器と通信するためのインタフェースであり、例えば、イーサネット（登録商標）、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）等の規格が用いられる。
　次に、位置推定装置１０の機能構成について説明する。図２に示すように、位置推定装置１０は、分割部１０１、切り分け部１０２、主幹推定部１０３、付与部１０４、及び位置推定部１０５を備えている。
　分割部１０１は、三次元空間の各点の三次元位置を計測する計測装置の一例であるＬｉＤＡＲによって計測された、図３に示すような街路樹の三次元点群Ｘと、閾値θｘとを入力として受け付ける。上述したように、三次元点群Ｘは、一部が欠損している場合がある。そして、分割部１０１は、ユークリッドクラスター抽出法を用いて三次元点群Ｘを第１のクラスタであるクラスタＤｉ毎に分割し、クラスタＤｉの集合であるクラスタ集合Ｄを出力する。
　具体的に、分割部１０１は、受け付けた三次元点群Ｘから起点を設定する。そして、分割部１０１は、設定した起点からユークリッド距離（すなわち、２点間の直線距離）が閾値θｘ内に存在する全ての点をクラスタＤｉとして設定する。また、分割部１０１は、設定したクラスタＤｉに含まれる一の点から、ユークリッド距離が閾値θｘ内に存在する全ての点を当該クラスタＤｉに含める処理を、クラスタＤｉに含まれる全ての点に対して実行することで、三次元点群ＸをクラスタＤｉに分割する。
　そして、分割部１０１は、三次元点群ＸからクラスタＤｉを除いた点群の中から起点を新たに設定する。そして、分割部１０１は、受け付けた三次元点群Ｘに含まれる全ての点が何れかのクラスタＤｉに含まれるまで、三次元点群Ｘを複数のクラスタＤｉに分割する処理を繰り返す。そして、分割部１０１は、分割した複数のクラスタＤｉを、クラスタ集合Ｄとして切り分け部１０２と付与部１０４に対して受け渡す。
　図４に、図３に示した三次元点群Ｘを、分割部１０１がクラスタＤ１からクラスタＤ８に分割した一例を示す。
　切り分け部１０２は、クラスタ集合Ｄとスライス数Ｎとを入力として受け付ける。そして、切り分け部１０２は、クラスタ集合Ｄのうち一のクラスタＤｉを水平方向にスライス数Ｎ個に切り分け、スライスＳ１、・・・、ＳＮまでのスライス領域Ｓを出力する。具体的に、領域としてのスライスＳｊに含まれる点の数が、クラスタＤｉに含まれる三次元点群の数ｐをスライス数Ｎで割った値になるように、切り分け部１０２は高さ方向の座標が最小となる座標平面からクラスタＤｉを順に切り取ってスライス領域Ｓを出力する。本実施形態では、ｊ番目に切り取られたスライス、言い換えると高さ方向の座標がｊ番目に小さいスライスをスライスＳｊとする。すなわち、高さ方向の座標が最小であるスライスを第１の領域としてのスライスＳ１、高さ方向の座標が最大であるスライスをスライスＳＮとする。そして、切り分け部１０２は、主幹推定部１０３に対してスライス領域Ｓを受け渡す。
　図５に、切り分け部１０２がクラスタＤｉを水平方向に７つに切り取った一例を示す。具体的に、切り分け部１０２は、第１の領域としてのスライスＳ１と、高さ方向の座標が２番目に小さいスライスＳ２と、３番目に小さいスライスＳ３と、４番目に小さいスライスＳ４と、５番目に小さいスライスＳ５と、６番目に小さいスライスＳ６と、７番目に小さいＳ７と、にクラスタＤｉを水平方向に切り取っている。
　主幹推定部１０３は、スライス領域Ｓと、閾値θｓと、閾値θｄと、閾値θｐと、閾値θｔとを入力として受け付ける。主幹推定部１０３は、ユークリッドクラスター抽出法を用いて、スライスＳ１に対して閾値θｓでクラスタリングを行う。そして、主幹推定部１０３は、含まれる点の密度が第２の閾値としての閾値θｄより高く、かつ含まれる点の数が第３の閾値としての閾値θｐより多い第２のクラスタを取得し、スライスＳ１から分割する。そして、主幹推定部１０３は、スライスＳ１から分割した第２のクラスタの代表点としての重心Ｙ１を、街路樹の主幹の中心座標として推定する。主幹推定部１０３は、重心Ｙ１を識別する識別情報としての主幹ＩＤを重心Ｙ１にそれぞれ付与する。
　図６に、主幹推定部１０３が、スライスＳ１から取得した第２のクラスタの重心Ｙ１に付与した主幹ＩＤの一例を示す。図６に示す例では、主幹推定部１０３は、含まれる点の密度が閾値θｄより高く、かつ含まれる点の数が閾値θｐより多い、左から１番目から３番目までの重心Ｙ１にそれぞれ１から３までの主幹ＩＤを付与する。そして、主幹推定部１０３は、含まれる点の密度が閾値θｄ以下、又は含まれる点の数が閾値θｐ以下の１番右のクラスタは、ノイズとして除外し、主幹ＩＤを付与しない。
　主幹推定部１０３は、スライスＳ１以外のスライスＳｋから分割した第２のクラスタの重心Ｙｋに、主幹ＩＤをそれぞれ付与する。ｋは１以外の値である。具体的に、主幹推定部１０３は、重心Ｙｋから第１の閾値である閾値θｔの範囲内に存在し、かつスライスＳｋより高さ方向の座標が１つ下位にあるスライスＳｋ－１から分割した第２のクラスタの重心Ｙｋ－１のうち、最も近傍にある重心に付与された主幹ＩＤを付与する。なお、主幹推定部１０３は、重心Ｙｋから閾値θｔの範囲内に重心Ｙｋ－１が存在しない場合、重心Ｙｋに新たな主幹ＩＤを付与する。そして、主幹推定部１０３は、重心Ｙ１、・・・、ＹＮをまとめて主幹座標の集合Ｙとして出力し、付与部１０４及び位置推定部１０５に対して主幹座標の集合Ｙを受け渡す。
　このように、主幹推定部１０３は、スライスＳｊから閾値θｔの範囲内に存在し、かつスライスＳｊより高さ方向の座標が上位にあるスライスから分割した第２のクラスタの重心に伝搬させて主幹ＩＤを付与している。これにより、例えば、枝分かれしていることにより一部が欠損している街路樹の三次元点群Ｘであっても、主幹推定部１０３は当該欠損により異なる第２のクラスタに分割された街路樹の部分に対して同一の主幹ＩＤを付与するため、欠損している部分を跨いでインスタンスが分割されることを防ぐことができる。
　図７に、主幹推定部１０３が、重心Ｙｋに付与した主幹ＩＤの一例を示す。主幹推定部１０３は、重心Ｙｋから閾値θｔの範囲内に存在し、かつスライスＳｋ－１から分割した第２のクラスタの重心Ｙｋ－１のうち、最も近傍にある重心に付与された主幹ＩＤと同一の主幹ＩＤ（図７に示す例では、１から３）を付与する。そして、主幹推定部１０３は、重心Ｙｋから閾値θｔの範囲内に重心Ｙｋ－１が存在しない場合（図７に示す例では、一番右の第２のクラスタの重心）、当該重心Ｙｋに新たな主幹ＩＤ（図７に示す例では、４）を付与する。
　付与部１０４は、クラスタ集合Ｄと主幹座標の集合Ｙとを入力として受け付ける。付与部１０４は、Ｄｉに含まれる各点に、主幹座標の集合Ｙのうち当該各点の最も近傍にある重心Ｙｊに付与された主幹ＩＤと同一の主幹ＩＤを付与する。そして、付与部１０４は、主幹ＩＤを付与した点群Ｚｉを出力する。
　図８に、付与部１０４がインスタンス化した街路樹の一例を示す。付与部１０４は、Ｄｉに含まれる各点のうち、主幹ＩＤとして１が付与された重心Ｙ（図８に示す例では三角印）が最も近傍にある点に主幹ＩＤとして１を付与する。また、付与部１０４は、Ｄｉに含まれる各点のうち、主幹ＩＤとして２が付与された重心Ｙ（図８に示す例ではバツ印）が最も近傍にある点に主幹ＩＤとして２を付与する。また、付与部１０４は、Ｄｉに含まれる各点のうち、主幹ＩＤとして３が付与された重心Ｙ（図８に示す例では丸印）が最も近傍にある点に主幹ＩＤとして３を付与する。その結果、図８に示すように、付与部１０４は街路樹１本１本をインスタンス化することができる。
　位置推定部１０５は、地面高さｇｉと主幹座標の集合Ｙｉとを入力として受け付ける。そして、位置推定部１０５は、各Ｓｊから高さ方向の座標の座標が小さい順に、同一の主幹ＩＤを付与された重心Ｙｊを選択し、同一の主幹ＩＤを付与された重心Ｙｗが同一のスライスＳｗに含まれる場合は当該選択を終了する。具体的に、位置推定部１０５は、重心Ｙ１から、同一の主幹ＩＤを付与された重心Ｙｗを含むスライスＳｗより高さ方向の座標が１つ下位にあるスライスＳｗ－１に含まれる重心Ｙｗ－１まで、高さ方向の座標が小さい順に、同一の主幹ＩＤを付与された重心Ｙｊを全て選択する。そして、位置推定部１０５は、選択した重心Ｙｊから最小二乗法等を用いて主幹ＩＤ毎に近似線としての近似直線を算出する。位置推定部１０５は、当該近似直線を用いて地面高さｇｉにおける位置座標Ｕｉを算出し、位置座標Ｕｉを出力する。
　図９に、位置推定部１０５が算出した近似直線Ｌ１及び近似直線Ｌ２の一例を示す。図９に示す例では、位置推定部１０５は、主幹ＩＤとして１が付与された重心Ｙｊ（図９に示す例では、バツ印）については、主幹ＩＤとして１が付与された重心Ｙ１から、主幹ＩＤとして１が付与された複数の重心Ｙ５を含むスライスＳ５より高さ方向の座標が１つ下位にあるスライスＳ４に含まれる重心Ｙ４までを選択する。そして、位置推定部１０５は、選択した重心Ｙ１から重心Ｙ４について近似直線Ｌ１を算出する。一方、位置推定部１０５は、主幹ＩＤとして２が付与された重心Ｙｊ（図９に示す例では丸印）については、主幹ＩＤとして２が付与された重心Ｙ１から、主幹ＩＤとして２が付与された複数の重心Ｙ４を含むスライスＳ４より高さ方向の座標が１つ下位にあるスライスＳ３に含まれる重心Ｙ３までを選択する。そして、位置推定部１０５は、選択した重心Ｙ１から重心Ｙ３について近似直線Ｌ２を算出する。
　次に、位置推定装置１０の作用について説明する。
　図１０は、位置推定装置１０による位置推定処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４から位置推定プログラムを読み出して、ＲＡＭ１３に展開して実行することにより、位置推定処理が行なわれる。
　ステップＳ１０１で、ＣＰＵ１１は、分割部１０１として、街路樹の三次元点群Ｘと閾値θｘとを入力として受け付ける。
　ステップＳ１０２で、ＣＰＵ１１は、分割部１０１として、受け付けた三次元点群Ｘから起点を設定する。
　ステップＳ１０３で、ＣＰＵ１１は、分割部１０１として、三次元点群ＸからクラスタＤｉに分割する順番であるｉを１に設定する。
　ステップＳ１０４で、ＣＰＵ１１は、分割部１０１として、設定した起点から、ユークリッド距離が閾値θｘ内に存在する全ての点をクラスタＤｉとして設定する。
　ステップＳ１０５で、ＣＰＵ１１は、分割部１０１として、設定したクラスタＤｉに含まれる一の点から、ユークリッド距離が閾値θｘ内に存在する全ての点を当該クラスタＤｉに含める処理を、クラスタＤｉに含まれる全ての点に対して実行する。
　ステップＳ１０６で、ＣＰＵ１１は、分割部１０１として、受け付けた三次元点群Ｘに含まれる全ての点が何れかのクラスタＤｉに含まれるか否かを判定する。ＣＰＵ１１は、受け付けた三次元点群Ｘに含まれる全ての点が何れかのクラスタＤｉに含まれる場合（ステップＳ１０６：ＹＥＳ）、ステップＳ１０９へ移行する。一方、ＣＰＵ１１は、受け付けた三次元点群Ｘに含まれる全ての点が何れかのクラスタＤｉに含まれない場合（ステップＳ１０６：ＮＯ）、ステップＳ１０７へ移行する。
　ステップＳ１０７で、ＣＰＵ１１は、分割部１０１として、三次元点群ＸからクラスタＤｉを除いた点群から起点を設定する。
　ステップＳ１０８で、ＣＰＵ１１は、分割部１０１として、ｉをインクリメントして、ステップＳ１０４に戻る。
　ステップＳ１０９で、ＣＰＵ１１は、切り分け部１０２として、クラスタ集合Ｄのうち一のクラスタＤｉに含まれる三次元点群をスライス数Ｎ個に切り取ってスライス領域Ｓを出力する。
　ステップＳ１１０で、ＣＰＵ１１は、主幹推定部１０３として、クラスタＤｉからスライスＳを切り分けた順番であるｊを１に設定する。
　ステップＳ１１１で、ＣＰＵ１１は、主幹推定部１０３として、第２のクラスタを取得する。具体的に、ＣＰＵ１１は、主幹推定部１０３として、スライスＳｊに対して閾値θｓでクラスタリングを行い、含まれる点の密度が閾値θｄより高く、かつ含まれる点の数が閾値θｐより多い第２のクラスタを取得する。
　ステップＳ１１２で、ＣＰＵ１１は、主幹推定部１０３として、スライスＳｊから分割した第２のクラスタの重心Ｙｊを算出する。
　ステップＳ１１３で、ＣＰＵ１１は、主幹推定部１０３として、ｊが１であるか否かを判定する。ＣＰＵ１１は、ｊが１である場合（ステップＳ１１３：ＹＥＳ）、ステップＳ１１４へ移行する。一方、ＣＰＵ１１は、ｊが１でない場合（ステップＳ１１３：ＮＯ）、ステップＳ１１６へ移行する。
　ステップＳ１１４で、ＣＰＵ１１は、主幹推定部１０３として、重心Ｙ１にそれぞれ異なる主幹ＩＤを付与する。
　ステップＳ１１５で、ＣＰＵ１１は、主幹推定部１０３として、ｊをインクリメントして、ステップＳ１１１に戻る。
　ステップＳ１１６で、ＣＰＵ１１は、主幹推定部１０３として、重心Ｙｋに主幹ＩＤをそれぞれ付与する。具体的に、ＣＰＵ１１は、重心Ｙｋから閾値θｔの範囲内に重心Ｙｋ－１が存在する場合は、重心Ｙｋから閾値θｔに存在し、かつ最も近傍にある重心Ｙｋ－１に付与された主幹ＩＤを、重心Ｙｋから閾値θｔの範囲内に重心Ｙｋ－１が存在しない場合は新たな主幹ＩＤを、それぞれ重心Ｙｋに付与する。
　ステップＳ１１７で、ＣＰＵ１１は、主幹推定部１０３として、ｊがスライス数Ｎであるか否かを判定する。ＣＰＵ１１は、ｊがスライス数Ｎである場合（ステップＳ１１７：ＹＥＳ）、ステップＳ１１９へ移行する。一方、ＣＰＵ１１は、ｊがスライス数Ｎでない場合（ステップＳ１１７：ＮＯ）、ステップＳ１１８へ移行する。
　ステップＳ１１８で、ＣＰＵ１１は、主幹推定部１０３として、ｊをインクリメントして、ステップＳ１１１に戻る。
　ステップＳ１１９で、ＣＰＵ１１は、付与部１０４として、クラスタＤｉに含まれる各点に、主幹座標の集合Ｙのうち当該各点の最も近傍にある重心Ｙｊに付与された主幹ＩＤを付与した点群Ｚｉを出力する。
　ステップＳ１２０で、ＣＰＵ１１は、位置推定部１０５として、各Ｓｊから高さ方向の座標の座標が小さい順に、重心Ｙ１から重心Ｙｗ－１まで、同一の主幹ＩＤを付与された重心Ｙｊを選択する。
　ステップＳ１２１で、ＣＰＵ１１は、位置推定部１０５として、ステップＳ１２０で選択した重心Ｙｊから主幹ＩＤ毎に近似直線を算出する。
　ステップＳ１２２で、ＣＰＵ１１は、位置推定部１０５として、算出した近似直線を用いて、地面高さｇｉにおける位置座標Ｕｉを出力する。
　ステップＳ１２３で、ＣＰＵ１１は、位置推定部１０５として、クラスタ集合Ｄに含まれる全てのクラスタＤｉについて点群Ｚｉ及び位置座標Ｕｉを出力したか否かを判定する。ＣＰＵ１１は、クラスタ集合Ｄに含まれる全てのクラスタＤｉについて点群Ｚｉ及び位置座標Ｕｉを出力した場合（ステップＳ１２３：ＹＥＳ）、本位置推定処理を終了する。一方、ＣＰＵ１１は、クラスタ集合Ｄに含まれる全てのクラスタＤｉについて点群Ｚｉ及び位置座標Ｕｉを出力していない場合（ステップＳ１２３：ＮＯ）、ステップＳ１０９に戻る。
　以上説明したように、本実施形態に係る位置推定装置は、三次元空間の各点の三次元位置を計測する計測装置が計測した、街路樹の三次元点群を複数の第１のクラスタに分割する。そして、位置推定装置は、第１のクラスタを水平方向に複数の領域に切り分ける。そして、位置推定装置は、領域から分割した第２のクラスタの代表点を識別する識別情報を、当該代表点から第１の閾値の範囲内に存在し、かつ当該領域より高さ方向の座標が上位にある領域から分割した第２のクラスタの代表点に伝搬させて付与する。そして、位置推定装置は、同一の識別情報を付与された代表点を選択し、選択した代表点から算出した近似線に基づいて街路樹の位置を推定する。これにより、街路樹の三次元点群の一部が欠損している場合であっても、当該街路樹の位置を推定することが可能となる。
＜変形例＞
　なお、本開示は、上述した実施形態に限定されるものではなく、この開示の要旨を逸脱しない範囲内で様々な変形や応用が可能である。
　例えば、上記実施形態では、切り分け部１０２は、スライスＳｊに含まれる点の数が全て同一になるように、クラスタＤｉを水平方向にスライス数Ｎ個に切り分けていた。しかし、この例に限られない。スライスＳｊに含まれる点の数は全て同一でなくてもよい。例えば、切り分け部１０２は、スライスＳｊの高さが全て同一になるように、クラスタＤｉを水平方向にスライス数Ｎ個に切り分けてもよい。
　また、上記実施形態では、第２のクラスタの代表点として、第２のクラスタの重心を適用していた。しかし、この例に限られない。例えば、第２のクラスタの代表点として、Ｈｏｕｇｈ変換等を用いた円検出の中心点等を適用してもよい。
　また、上記実施形態では、位置推定部１０５が、選択した重心Ｙｊから算出する近似線として、近似直線を適用していた。しかし、この例に限られない。位置推定部１０５が重心Ｙｊから算出する近似線は近似曲線であってもよい。
　また、上記実施形態では、位置推定装置１０に付与部１０４及び位置推定部１０５が含まれていた。しかし、この例に限られない。位置推定装置１０に付与部１０４を含めず、付与部１０４の機能を位置推定装置１０から独立した装置によって実現してもよい。或いは、位置推定部１０５を備えていない、分割部１０１、切り分け部１０２、主幹推定部１０３、及び付与部１０４を備えた装置によって点群Ｚｉを出力してもよい。
　また、上記各実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した各種処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、位置推定処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
　また、上記各実施形態では、位置推定プログラムがストレージ１４に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
　以上の実施形態に関し、更に以下の付記を開示する。
　（付記項１）
　位置推定装置であって、
　メモリと、
　前記メモリに接続された少なくとも１つのプロセッサと、
　を含み、
　前記プロセッサは、
　三次元空間の各点の三次元位置を計測する計測装置が計測した、街路樹の三次元点群を複数の第１のクラスタに分割し、
　前記第１のクラスタを水平方向に複数の領域に切り分け、
　前記領域から分割した第２のクラスタの代表点を識別する識別情報を、当該代表点から第１の閾値の範囲内に存在し、かつ当該領域より高さ方向の座標が上位にある前記領域から分割した前記第２のクラスタの前記代表点に伝搬させて付与し、
　同一の前記識別情報を付与された前記代表点を選択し、選択した前記代表点から算出した近似線に基づいて前記街路樹の位置を推定する、
　ように構成される位置推定装置。
　（付記項２）
　位置推定処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
　前記位置推定処理は、
　三次元空間の各点の三次元位置を計測する計測装置が計測した、街路樹の三次元点群を複数の第１のクラスタに分割し、
　前記第１のクラスタを水平方向に複数の領域に切り分け、
　前記領域から分割した第２のクラスタの代表点を識別する識別情報を、当該代表点から第１の閾値の範囲内に存在し、かつ当該領域より高さ方向の座標が上位にある前記領域から分割した前記第２のクラスタの前記代表点に伝搬させて付与し、
　同一の前記識別情報を付与された前記代表点を選択し、選択した前記代表点から算出した近似線に基づいて前記街路樹の位置を推定する、
　非一時的記憶媒体。
１０   位置推定装置
１１   ＣＰＵ
１２   ＲＯＭ
１３   ＲＡＭ
１４   ストレージ
１７   通信Ｉ／Ｆ
１９   バス
１０１ 分割部
１０２ 切り分け部
１０３ 主幹推定部
１０４ 付与部
１０５ 位置推定部
１０６ 推定部
θｓ   閾値
θｘ   閾値
θｄ   閾値
θｐ   閾値
θｔ   閾値
Ｄｉ   クラスタ
Ｌ１   近似直線
Ｌ２   近似直線
Ｎ     スライス数
Ｓｊ   スライス
Ｕｉ   位置座標
Ｘ     三次元点群
Ｙｊ   重心
Ｚｉ   点群

Claims (8)

  1. 　三次元空間の各点の三次元位置を計測する計測装置が計測した、街路樹の三次元点群を複数の第１のクラスタに分割する分割部と、
    　前記第１のクラスタを水平方向に複数の領域に切り分ける切り分け部と、
    　前記領域から分割した第２のクラスタの代表点を識別する識別情報を、当該代表点から第１の閾値の範囲内に存在し、かつ当該領域より高さ方向の座標が上位にある前記領域から分割した前記第２のクラスタの前記代表点に伝搬させて付与する主幹推定部と、
    　同一の前記識別情報を付与された前記代表点を選択し、選択した前記代表点から算出した近似線に基づいて前記街路樹の位置を推定する位置推定部と、
    　を備えた位置推定装置。
  2. 　前記主幹推定部は、前記複数の領域のうち、前記座標が最小である第１の領域から分割した前記第２のクラスタの前記代表点に前記識別情報をそれぞれ付与し、前記第１の領域以外の前記領域から分割した前記第２のクラスタの前記代表点に、当該代表点から前記第１の閾値の範囲内に存在し、かつ当該領域より前記座標が１つ下位にある前記領域から分割した前記第２のクラスタの前記代表点のうち、最も近傍にある前記代表点に付与された前記識別情報をそれぞれ付与する、請求項１に記載の位置推定装置。
  3. 　前記主幹推定部は、前記第１の領域以外の前記領域から分割した前記第２のクラスタの前記代表点から前記第１の閾値の範囲内に、当該第２のクラスタを含む前記領域より前記座標が１つ下位にある前記領域から分割した前記第２のクラスタの前記代表点が存在しない場合は、前記第１の領域以外の前記領域から分割した前記第２のクラスタの前記代表点に新たな前記識別情報を付与する、請求項２に記載の位置推定装置。
  4. 　前記位置推定部は、各領域から前記座標が小さい順に、同一の前記識別情報を付与された前記代表点を選択し、同一の前記識別情報を付与された前記代表点が同一の前記領域に含まれる場合は前記選択を終了する、請求項１に記載の位置推定装置。
  5. 　前記第２のクラスタは、含まれる点の密度が第２の閾値より高く、かつ含まれる点の数が第３の閾値より多いクラスタである、請求項１に記載の位置推定装置。
  6. 　前記第１のクラスタに含まれる各点に、当該各点の最も近傍にある前記代表点に付与された前記識別情報と同一の前記識別情報を付与する付与部を更に備える、請求項１に記載の位置推定装置。
  7. 　分割部が、三次元空間の各点の三次元位置を計測する計測装置が計測した、街路樹の三次元点群を複数の第１のクラスタに分割し、
    　切り分け部が、前記第１のクラスタを水平方向に複数の領域に切り分け、
    　主幹推定部が、前記領域から分割した第２のクラスタの代表点を識別する識別情報を、当該代表点から第１の閾値の範囲内に存在し、かつ当該領域より高さ方向の座標が上位にある前記領域から分割した前記第２のクラスタの前記代表点に伝搬させて付与し、
    　位置推定部が、同一の前記識別情報を付与された前記代表点を選択し、選択した前記代表点から算出した近似線に基づいて前記街路樹の位置を推定する、
    　位置推定方法。
  8. 　コンピュータを、請求項１に記載の位置推定装置の各部として機能させるための位置推定プログラム。
PCT/JP2022/026589 2022-07-04 2022-07-04 位置推定装置、位置推定方法、及び位置推定プログラム Ceased WO2024009352A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2024531761A JP7838645B2 (ja) 2022-07-04 2022-07-04 位置推定装置、位置推定方法、及び位置推定プログラム
PCT/JP2022/026589 WO2024009352A1 (ja) 2022-07-04 2022-07-04 位置推定装置、位置推定方法、及び位置推定プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/026589 WO2024009352A1 (ja) 2022-07-04 2022-07-04 位置推定装置、位置推定方法、及び位置推定プログラム

Publications (1)

Publication Number Publication Date
WO2024009352A1 true WO2024009352A1 (ja) 2024-01-11

Family

ID=89452922

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/026589 Ceased WO2024009352A1 (ja) 2022-07-04 2022-07-04 位置推定装置、位置推定方法、及び位置推定プログラム

Country Status (2)

Country Link
JP (1) JP7838645B2 (ja)
WO (1) WO2024009352A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN121386482A (zh) * 2025-12-25 2026-01-23 浙江科恩实验设备股份有限公司 一种面向通风柜的智能调试方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018097424A (ja) * 2016-12-08 2018-06-21 日本電信電話株式会社 クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム
CN112347894A (zh) * 2020-11-02 2021-02-09 东华理工大学 基于迁移学习和高斯混合模型分离的单株植被提取方法
CN113780144A (zh) * 2021-09-06 2021-12-10 广西大学 一种基于3d点云的作物株数及茎宽自动提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018097424A (ja) * 2016-12-08 2018-06-21 日本電信電話株式会社 クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム
CN112347894A (zh) * 2020-11-02 2021-02-09 东华理工大学 基于迁移学习和高斯混合模型分离的单株植被提取方法
CN113780144A (zh) * 2021-09-06 2021-12-10 广西大学 一种基于3d点云的作物株数及茎宽自动提取方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN121386482A (zh) * 2025-12-25 2026-01-23 浙江科恩实验设备股份有限公司 一种面向通风柜的智能调试方法及系统

Also Published As

Publication number Publication date
JPWO2024009352A1 (ja) 2024-01-11
JP7838645B2 (ja) 2026-04-01

Similar Documents

Publication Publication Date Title
KR102062680B1 (ko) 레이저 포인트 클라우드 기반의 도시 도로 인식 방법, 장치, 저장 매체 및 기기
CN107657637B (zh) 一种农机作业面积获取方法
KR101404655B1 (ko) 레이저 레이더의 3차원 원시 데이터의 고유값 비율을 이용한 송전선 추출 방법
CN111598915A (zh) 点云单木分割方法、装置、设备及计算机可读介质
KR102365471B1 (ko) 공중선 추출 시스템 및 공중선 추출 방법
WO2021035618A1 (zh) 点云分割方法、系统和可移动平台
CN104574303A (zh) 基于空间聚类的机载LiDAR点云地面滤波方法
CN108919295A (zh) 机载LiDAR点云道路信息提取方法及装置
CN113077473B (zh) 三维激光点云路面分割方法、系统、计算机设备及介质
CN109839119B (zh) 跨路桥梁桥面区域的获取方法及装置
CN102915558A (zh) 一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法
CN109741450B (zh) 一种基于扫描线的路面点云自动提取方法及装置
CN114387293B (zh) 道路边缘检测方法、装置、电子设备、车辆及计算机可读存储介质
CN110378173A (zh) 一种确定道路边界线的方法和装置
CN112819700A (zh) 一种点云数据的去噪方法、装置及可读存储介质
WO2024009352A1 (ja) 位置推定装置、位置推定方法、及び位置推定プログラム
CN102043857B (zh) 最近邻查询方法及系统
Arana et al. Strategic noise map of a major road carried out with two environmental prediction software packages
CN113658338A (zh) 点云树木单体分割方法、装置、电子设备及存储介质
JP6686262B2 (ja) 地形変化点抽出システム、及び地形変化点抽出方法
CN112199453A (zh) 话务热点聚类方法、装置、设备及计算机存储介质
CN112669461A (zh) 机场净空安全检测方法、装置、电子设备及存储介质
CN111968253A (zh) 一种基于点云数据的路面提取方法及系统
CN114240976A (zh) 一种地图迭代切分方法、装置、设备及存储介质
CN110853139B (zh) 一种多波束测深数据化简方法及装置

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: 22950147

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024531761

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: 22950147

Country of ref document: EP

Kind code of ref document: A1