点群データの精度を高めるには、適切な計画に基づく測量と、その後の正確な処理が欠かせません。
しかし、現場の環境や機材の違い、点群データの処理方法によって精度には大きなばらつきが生じます。
そのため、以下のようなお悩みを抱えている方は多いのではないでしょうか。
「点群データの精度に影響を及ぼしている原因がわからない」
「点群データの解析・クラス分類の精度が低く、手作業での修正に追われている」
「誤分類が多く、チームの作業負荷が増えて本来の業務に手が回らない」
この記事では、点群データの精度とは何かという基本的な概念から、精度に影響をおよぼす要因、精度を高めるための具体的な5つのコツまでを詳しく解説します。
AI技術を活用した点群処理ソフトがどのように作業負荷を軽くし、本来の業務に集中できる環境を作るのかについても紹介しているので、ぜひ参考にしてください。
目次
点群データの精度とは
点群データの精度を高めるためには、取得段階だけでなく、処理段階での精度管理も重要です。
点群データの精度が不十分なままでは、設計・施工・維持管理の各工程で誤差が生じるリスクがあります。
ここでは、点群データの精度を測量段階と処理段階に分けて解説します。
点群データの精度とは
- 点群データの測量精度
- 点群データの処理精度
点群データの測量精度
点群データの精度を決める第一の要素は、取得した加工前の点群データ（オリジナルデータ）の品質です。
地形や構造物の形状を正確に再現するためには、点の位置と点の密度という両方において精度の高さが求められます。
点の位置精度とは、個々の点における位置の正確さです。各点の座標が、実物の位置と「どれだけずれていないか」を示します。各点の位置精度は、使用する測量機材や測量方法に左右されます。
点の密度とは、点の数や量です。一定の範囲内に「どれだけ多くの点が存在するかの度合い」を示します。点密度が高いほど、対象物の細かな形状まで詳細に再現できます。
ただし、点の密度を上げ過ぎると点群データの容量が膨大になります。容量が重くなるほど、点群処理を行う際に効率が下がる原因となる可能性があるため、目的に応じて適切な点の密度を設定することが重要です。
点群データの処理精度
点群データの精度を決める第二の要素は、処理段階での品質管理です。
オリジナルデータがどれほど高精度・高密度で取得されていても、その後の点群処理が適切でなければ、成果物の品質や解析結果の信頼性は大きく損なわれます。
実務では、主に以下の観点から点群処理の精度が評価・検証されます。
| チェック項目 | 確認内容 |
|---|---|
| 前処理の精度 | ・ノイズが適切に除去され、必要な点が残されているか ・ダウンサンプリングによって形状の再現性が失われていないか ・複数点群の位置合わせ（レジストレーション）が正確に行われているか |
| クラス分類やモデリングの正確さ | ・地物（地表面、構造物など）が正しく分類されているか ・生成された3Dモデルが対象物の形状を忠実に再現しているか |
| 設計座標や基準点との整合性 | ・プロジェクト共通の座標系や現場の基準点と正確に一致しているか |
このような点群処理における一連の工程で品質管理が適切に行われることで、点群データ全体の精度と信頼性を確保することができます。
点群データの精度に影響を与える要因
点群データの精度は、さまざまな要因によって左右されます。
ここでは、精度に影響を与える主な原因を5つの側面に分けて解説します。
点群データの精度に影響を与える要因
- 測量機材の性能・設定
- 測量環境・方法
- 対象物の特性
- レジストレーション誤差
- フィルタリング処理の過不足
測量機材の性能・設定
点群データの測量精度には、測量機材の性能や測量時の設定（解像度、測定距離、スキャン速度）などが影響します。
点の精度は、使用する測量機材が持つ性能に依存するからです。
たとえば、高性能な地上設置型レーザースキャナーでは、各点の誤差を±1mm程度に抑えられますが、iPhone搭載の簡易的なスキャナーでは数cm単位の誤差が生じることもあります。
また、点の密度は、測量機材の性能に加えて測量方法にも依存します。
スキャンの解像度を高く設定すれば点の密度は上がりますが、一方でスキャン速度を速めすぎると点の密度が低下する可能性もあるのです。
そのため、目的に合わせた機材の選定やパラメータを最適化することが、精度を確保するうえで重要です。
測量環境・方法
測量時の現場環境や測量方法も、点群データの精度に影響する要因です。
たとえば、地上型レーザースキャナー（TLS）は、雨や霧、雪、強風による砂埃といった気象条件下では、レーザー光が乱反射を起こし、ノイズの発生やデータの欠損につながることがあります。
また、壁面や床面などに対して極端に浅い角度からレーザーを照射すると、反射光が弱まり正確な点を取得できません。草木で覆われた地表面もレーザーが届かないため、その下の地形を正しく測量できない場合があります。
点群データの精度を確保するには、安定した環境下で目的に適した方法を選択し、測量を行うことが大切です。
対象物の特性
点群データの精度は、測量対象の材質や表面状態にも左右されます。
レーザースキャナーでは、物体に照射したレーザー光の反射をもとに距離を計測します。
そのため、光が正確に戻らない対象物ではノイズやデータ欠損が発生し、精度低下の原因になります。
以下のような対象物は、注意が必要です。
- 光をほとんど反射しない黒色の物体
- 光を透過・乱反射させるガラスやアクリルなどの透明・半透明体
- 鏡のように一方向へ光を反射する金属や塗装面
このような特性を持つ対象物をスキャンする際は、マットスプレーを塗布して反射を抑えるといった対策が必要です。
一方、フォトグラメトリは、さまざまな角度から撮影した画像を解析し、特徴点をもとに対象物の形状や寸法を再現する技術です。
そのため、特徴点を認識しにくい対象物では誤差や精度低下が起こりやすくなります。
- 単色で模様が少ない物体
- 光沢が強く、見る角度で反射が変わる素材
- ガラス・水などの透明な物体
撮影時には、PLフィルターで反射を軽減したり、表面にパウダーを吹き付けて特徴点を強調したりすることで、精度を高められます。
このように、対象物の特性を理解し、測量機材の選定や事前対策を行うことが高精度な点群データの取得につながるのです。
レジストレーション誤差
レジストレーション（位置合わせ・合成）の誤差は、点群データ全体の品質や解析の精度に影響を与えます。この工程で生じた誤差は、最終的な成果物の歪みやズレにつながるため、注意が必要です。
測量段階では、点群データ同士の重なり（オーバーラップ）が十分に確保されていなかったり、位置合わせの基準となるターゲット（標定点）の設置が不足していたりすると、正確な位置合わせが難しくなります。
また、処理段階でも、ソフトウェアの精度不足やオペレーターの設定ミスによって誤差を生んでしまうことも少なくありません。
これらの過程で蓄積された誤差（累積誤差）が大きくなると、本来は並行なはずの構造物が傾いて見えたり、寸法が実際より長く・短く表示されたりといった形状の歪みを引き起こします。
レジストレーションの精度を高めるには、以下が重要です。
- 測量前の計画段階で十分な重複領域（オーバーラップ）を確保する
- 点群取得後に基準点をもとにした厳密な位置合わせを行う
これにより、誤差の少ない高精度な点群データを得ることができます。
フィルタリング処理の過不足
フィルタリング処理の過不足は、点群データの品質や解析精度を低下させる直接的な要因となります。
たとえば、樹木や構造物などの非地形物を十分に除去できない場合、それらを地表面として誤認し、不正確な地形モデルを生成してしまうことがあります。
一方で、フィルタリングを過剰に行うと、崖や擁壁、構造物のエッジ、道路の方面など、本来残すべき重要な地形情報まで失われてしまいます。
主なフィルタリング処理における具体的な影響は、下表のとおりです。
| 処理工程 | 処理の内容 | 精度への影響 |
|---|---|---|
| ノイズ除去 | ノイズ（不要な点）を除去する処理 | ・適切なノイズ除去は、不要な点が引き起こす誤った解析を防ぎ、位置合わせやセグメンテーションなどの精度を高める ・必要な点を誤って除去すると、後続処理や解析精度に悪影響を与える |
| ダウンサンプリング | 点群データを間引いて、点の密度を適切に減らす処理 | ・適切なダウンサンプリングは、処理負荷を軽減し、可視化や解析の効率を高める ・点の密度を低くしすぎると、地物の形状を正確に表現できなくなる |
| クラス分類（クラスタリング） | 点群データがどのクラス（カテゴリー）に属するのかを推定する処理 | ・適切な分類は、地形解析や体積計算などの精度を向上させる ・誤分類は、特定の対象物（地表面など）の抽出精度を低下させ、体積計算や地形解析などの結果に直接的な誤差を生じさせる |
地物の正確な再現性を確保するためには、フィルタリング処理の過不足を防ぎ、地表面の点群データを正しく抽出することが欠かせません。
点群処理ソフト｢ScanX｣でフィルタリング作業を大幅に短縮
点群処理ソフト｢ScanX｣は、点群データをブラウザ上にアップロードすると同時に、自動クラス分類の処理が行われます。
- 独自のAIアルゴリズムが地表面、樹木、建物などのクラスを自動で高精度に分類
- 地表面や植生・建物の再分類、手動分類補正も可能
- 深層学習を取り入れた高精度の分類機能により、電線や電柱、自動車や歩行者の分類も実現
まずは実際の画面で、性能をご確認ください。。
＼実際の画面を見て性能を体感／
点群データ精度を高める5つのコツ
ここでは、点群データの精度を高め、作業効率を向上させるための具体的な5つのコツを紹介します。
点群データ精度を高める5つのコツ
- 事前準備と測量計画の策定
- 測量中の精度確保
- 測量後のデータ確認
- レジストレーションの精度向上
- フィルタリング処理の最適化
1. 事前準備と測量計画の策定
点群データの精度を高めるためには、事前準備と測量計画の策定が不可欠です。
事前に計画を立てておくことで、現場作業をスムーズに進められるだけでなく、測量後の手戻りや再測量のリスクも防ぐことができます。
以下の項目を確認しながら、目的に応じた計画を立てましょう。
| 準備項目 | 具体的な内容 |
|---|---|
| 点群データ取得の目的を明確化 | ・地形モデル作成、BIM/CIM化、土量計算など、最終的な目的によって求められる精度や点の密度は異なる ・目的を明確にすることで、最適な機材や測量手順を判断できる |
| 目的に応じた点群データを取得する機材の選定 | ・測量範囲や対象物の形状、求める精度に応じて、地上型レーザースキャナー（TLS）、ハンディスキャナー、ドローン、フォトグラメトリなどを適切に選定する |
| 障害物の除去と環境確認 | ・測量範囲内の車両や資材、不要な植生は、可能な限り事前に除去・整理する ・ガラス面や黒色塗装など、レーザー光の反射、透過に影響を与える材質の有無を確認し、対策を検討しておく |
| 標定点・検証点の設置 | ・複数の点群データや設計データを正確に統合するため、共通の基準点となる標定点を効果的に配置する ・取得した点群データの精度を客観的に評価するための検証点も設置することが望ましい |
| 安全な作業環境と移動経路の確保 | ・交通量の多い現場や高所では、作業員の安全確保を最優先とする ・点群データを取得する機材の設置場所や、測量中の安全な移動経路を事前に計画しておく |
| 適切な明るさの確保 | ・色情報を取得する場合は、天候や時間帯による色味の変化やノイズ発生を考慮する ・均一な明るさを確保できる時間帯を選定するか、必要に応じて照明機材を準備する |
測量作業に入る前の適切な準備こそが、取得する点群データの精度を高めます。
2. 測量中の精度確保
点群データの精度を確保するためには、測量中の精度確保も重要です。事前にどれだけ緻密な計画を立てていても、現場の環境は刻々と変化します。
作業を始める前に、測量機材の精度を確認・補正（キャリブレーション）し、目的に応じて解像度やスキャン速度を最適に調整しましょう。
各スキャン位置の座標を正確に記録し、重複領域（オーバラップ）を十分に確保することで、データ統合時の誤差を最小限に抑えられます。
また、天候や照度の影響にも注意が必要であり、雨や霧、強い日差しはレーザー反射を乱す原因になります。
金属やガラス、水面など反射特性の強い対象物、車や人の動きなどもノイズの要因となるため、測定タイミングを工夫することが大切です。
さらに、レーザースキャンやフォトグラメトリなど、各機材の特性を理解し、目的や用途に応じて使い分けることも欠かせません。
このように、現場での的確な判断と調整が、高精度な点群データ取得のための鍵となります。
3. 測量後のデータ確認
測量が完了したら、その場で点群データを確認することが重要です。
オフィスに戻ってからデータの欠損や異常に気付いた場合、再測量のために現場へ戻らなければならず、時間とコストのロスにつながります。
現場で実施すべき基本的な確認作業は、以下のとおりです。
- 測量範囲に漏れはないか
- スキャナーの死角や障害物による欠損が生じていないか
- 異常値やノイズが発生していないか
問題が見つかった際は、その場で補完測量を行いましょう。
近年では、パソコンだけでなくタブレットなどで取得した点群データをリアルタイムに確認できるソフトウェアも増えています。
こうしたツールを活用すれば、現場で不具合を即座に発見でき、より効率的に精度を確保できます。
4. レジストレーションの精度向上
レジストレーションの精度を確保することも重要です。
点群データの位置合わせには、繰り返し計算によって最適な位置を求めるICP（IterativeClosestPoint）アルゴリズムがよく用いられます。
ただし、初期位置のズレが大きい場合、計算が間違った結果（局所解）に収束してしまうことがあります。
このような誤差を防ぐために、まずダウンサンプリングを行い、点群密度の均一化と計算速度の向上を図ります。
次に、RANSAC（Random Sample Consensus）アルゴリズムを用いて、誤った対応点の影響を排除しながら粗位置合わせを実行します。
この粗位置合わせの結果を初期値としてICPを適用することで、局所解に陥るリスクを軽減し、より高精度なレジストレーションを実現できるのです。
近年では、深層学習（ディープラーニング）を用いて、従来手法では困難だった条件下でも高精度な位置合わせを実現する研究が進められています。
さらに、独自アルゴリズムを搭載し、高精度な位置合わせを可能にしたり、発生した位置ズレを効率的に補正したりするソフトウェアも登場しています。
目的や現場環境に応じて、これらの手法やソフトウェアを適切に組み合わせることで、レジストレーション精度のさらなる向上が期待できます。
5. フィルタリング処理の最適化
点群データの精度を高めるうえで、フィルタリング処理の最適化も欠かせません。
フィルタリング処理は、点群処理ソフトで明らかなノイズを自動除去し、その後に自動処理では取り除けなかった不要点を目視で一つひとつ削除することが一般的です。
この作業を効率化し、より高い精度で実現するためには、高性能な自動フィルタリング機能を備えた点群処理ソフトの導入が有効です。
点群処理ソフト｢ScanX｣では、AIによって自動化された独自アルゴリズムの実装により、地表面、樹木、建物、ノイズなどを高精度に自動分類できます。必要に応じて、手動での微調整も可能です。
このように、高機能ソフトウェアを活用することで、手動による除去作業を最小限に抑え、オペレーターのスキルに依存しない安定した高品質なデータ処理を実現できます。
点群データの精度向上・効率化を叶えるソフトの主な機能
ここでは、近年のソフトウェアで搭載されている代表的な機能を紹介します。
点群データの精度向上・効率化を叶えるソフトの主な機能
- 自動クラス分類機能
- クラウド共有機能
- 深層学習機能
自動クラス分類機能
点群データを地表面、建物、樹木、ノイズなどのカテゴリーに自動で振り分ける自動クラス分類機能です。
近年の自動クラス分類は精度が大きく向上しており、基本的な地物の識別だけでなく、人や車、電線、電柱といった細かなオブジェクトまで正確に認識できるようになりました。
点群処理ソフト｢ScanX｣では、AI技術を活用して樹木や地表面、構造物などを自動で分類・抽出する解析機能を標準搭載しています。
煩雑なフィルタリング作業から解放されることで、その分の時間を分析や設計といった本来の業務に充てることが可能です。
自動クラス分類機能の活用事例については、「使って実感。点群仕分けの作業時間が5分の1に。-ScanX導入事例」をご参照ください。
＼実際の画面を見て性能を体感／
クラウド共有機能
点群データをクラウド上で保存・共有できる機能であり、大容量のデータでもURLリンク一つで関係者に素早く共有できます。
測量計画の策定や測量後の点群データ確認など、複数の関係者間でのやり取りが発生する工程で、作業の効率化に繋がります。
現場で取得したデータをその場で共有し、リアルタイムで確認してもらうことも可能です。
また、共有する相手が専用ソフトウェアをインストールしていない場合でも、インターネットブラウザから直接閲覧できる点もメリットといえます。
クラウド共有機能の活用事例については、「点群と設計データをWeb共有。現場での合意形成をもっとスムーズに。-ScanX導入事例」をご参照ください。
深層学習機能
深層学習（ディープラーニング）を活用した機能です。
大容量の点群データからパターンを学習することで、複雑な条件下でも高精度な分類や位置合わせを自動的に行えます。
従来は手作業に頼っていた処理や、条件によって精度にばらつきが出ていた作業も、この技術によって安定した結果が得られるようになりました。
特にクラス分類やレジストレーション（位置合わせ）の精度は飛躍的に向上しています。
ScanXは、深層学習を応用した分類機能を搭載しており、これまで自動分類が難しかった電線や電柱、自動車、歩行者を高精度に分類が可能です。
さらに、樹木の位置情報・高さ・幹の太さを計測するセグメンテーション機能や、山火事予防を目的とした送電線と樹木間の距離測定など、独自に開発したアルゴリズムも順次実装しています。
ソフトウェアを選ぶ際は、現在の機能だけでなく、開発元が継続的に製品改良や新機能追加を行っているかも確認しておきましょう。
特にクラウド型の場合は、定期的なアップデートが行われていれば、常に最新の技術を活用しながら業務を効率化できます。
おすすめソフトウェアについては以下で紹介しています。
点群データの精度についてよくある質問
最後に、点群データの精度に関してよく寄せられる質問にお答えします。
レーザースキャナーの精度はどの程度ですか？
レーザースキャナーの精度は、機材の種類や用途によって異なります。
土木・建設現場で用いられるレーザースキャナーは、±1mm〜±5mm程度の精度のものが一般的です。移動しながら計測するモバイルマッピングシステム（MMS）では、±5mm～±10mm程度の誤差となることがあります。
ただし、これらの数値は理想的な環境下でのカタログ値です。実際の現場ではさまざまな要因によって、精度に影響を及ぼす可能性があります。
フォトグラメトリの精度はどの程度ですか？
フォトグラメトリの精度は、撮影する写真の解像度や標定点の数と配置に依存します。
ドローンを用いた写真測量で得られる点群の精度は、一般的に10mm〜50mm程度とされています。レーザースキャナーに比べると精度は劣りますが、広範囲を効率的に計測できる利点があります。
iPhoneの3Dスキャン機能の精度はどの程度ですか？
iPhone 12 Proモデル以降に搭載されているLiDARスキャナーの精度は数cm程度であり、有効なスキャン距離は約5mです。
専門的な測量機材のようなミリ単位の精度は期待できないため、あくまで概略形状の把握や簡易的な計測などの補助的な用途での活用が現実的です。
自動解析・分類機能を活用して高精度な点群データ処理を実現しよう
点群データの精度を高めるには、適切な計画に基づく測量とその後の正確な処理が欠かせません。
そして、効率的に精度を確保するためには、高精度な自動解析・自動分類機能を備えた点群処理ソフトの導入が効果的です。
点群処理ソフト｢ScanX｣は、データをブラウザ上にアップロードするだけで、独自のAIが地表面、建物、樹木、構造物、ノイズなどを自動で解析・クラス分類を実行します。
すぐに編集作業を開始できるため、従来フィルタリング作業にかかっていた時間を（※）約3分の1に短縮でき、業務効率化にもつながります。
また、直感的な操作性で初心者にも使いやすく、月額29,800円からサポート料込みで導入が可能です。
点群データの精度を効率的に確保したい方は、ぜひScanXの導入をご検討ください。
（※）複数ユーザー様へのヒアリングによる当社調べ
