LiDARを学ぶ
点群分類とは?LiDARのクラスと分類手法を解説
LiDARの生の点群を、地表、植生、建物、電線、設備といった実用的なクラスに分ける方法
カード登録不要 • 50クレジット無料
点群分類とは、LiDARの各点を地表、植生、建物、電線、柱、橋面、水域などのクラスに割り当てる処理です。分類しなければ、手元にあるのは数百万点のXYZ座標の生データだけです。
分類すれば、同じデータから地形モデルの作成、植生の抽出、建物の抽出を行い、そのまま測量に使える成果品を用意できます。
分類の仕組み
従来の分類は、点どうしの幾何学的な関係を解析するルールベースのアルゴリズムで行います。地表の分類では、局所的に最も低い位置にある比較的平らな面を探します。
植生は地表面より上の不規則な点のまとまりとして現れ、建物は輪郭のはっきりした平面として現れます。
問題は、ある環境に合わせて調整したルールが、別の環境ではうまく働かないことが多い点です。平坦な農地向けに最適化したパラメーターは、山地ではほとんど使えない結果になります。複雑な建築物が並ぶ市街地では、自然の地形向けに調整したアルゴリズムが正しく判別できません。
AIによる分類
ここで状況を一変させるのが機械学習です。AIによる分類は、固定されたルールに従うのではなく、ラベル付きの学習データからパターンを学習します。
従来のルールベース
- 固定された幾何学的ルール
- プロジェクトごとにパラメーターを手動で調整
- 地形の種類が変わると破綻
- 何時間もの手動調整(またはLidarvisorのように手動編集ツールを備えたプラットフォームを利用)
AIによる分類(Lidarvisor)
- ニューラルネットワークが3Dの近傍を処理
- 世界各地の多様なデータセットから学習
- どんな環境にも自動で適応
- 結果は数時間ではなく数分
市街地の分類結果
市街地の分類では、建物、道路、植生、インフラを正確に分ける必要があります。AIによるアルゴリズムは、従来のルールベースの手法では判別が難しい複雑な建築物の形状も区別します。
分類が重要な理由
後工程のすべての成果品は、分類の品質に左右されます。分類が不十分なら成果品の品質も下がり、正確に分類すれば、未分類のデータでは不可能な解析もできるようになります。
地形モデル
DTMの生成には、地表の正確な判別が欠かせません。植生や建物を誤って分類すると、実在しない地形面ができてしまいます。
植生解析
森林資源調査や林冠の解析には、樹木を構造物や地表から確実に分けることが必要です。
インフラの図化
送電線の点検では、電線、鉄塔、樹木接近を精密に検出することが求められます。
送電線の線路周辺の解析
電力会社は、送電線への樹木接近を特定するために正確な分類を必要としています。電線、鉄塔、周辺の植生を分けることで、離隔の自動解析と保守計画が可能になります。
農業での活用
分類は、作付け区域をインフラ、道路、自然の植生から分けることで精密農業を支えます。地表を正確に分類すれば、圃場管理のための排水解析や地形モデルの作成が可能になります。
Lidarvisorによる分類
Lidarvisorは、世界各地の多様なデータセットで学習したディープラーニングモデルを使用しています。LASファイルまたはLAZファイルをアップロードすると、数分で分類結果が得られます。地表、植生、建物、インフラに自動でラベルが付き、すぐに解析に使えます。
空中から取得したデータについては、航空LiDARの自動分類の機能をご覧ください。
点群を分類してみませんか?
LiDARデータをアップロードすれば、数分でAIによる分類が完了します。50クレジット無料で始められます。
無料アカウントを作成50クレジット無料。カード登録もソフトのインストールも不要です。