点群データの欠損補間とは？原因・補間方法・計測時の対策からAI活用のコツまで解説

点群データの欠損補間とは、レーザースキャナーやフォトグラメトリ（SfM）といった方法で取得した点群データに生じる空白部分を、周辺の点情報や演算処理によって補う技術です。

欠損が残ったままでは、メッシュ生成の不具合やCAD化の精度低下、出来形管理の計測誤差などにつながります。そのため、補間処理は点群データを実務で活用するうえで欠かせない工程です。

一方で、

「そもそもなぜ欠損が発生するのか」
「どのように補間すればよいのか」

と悩む方も多いのではないでしょうか。

本記事では、点群データに欠損が生じる原因や代表的な補間方法、欠損を防ぐための計測時のポイント、点群データの欠損補間を行う際の注意点を解説します。

さらに、膨大な点群データの前処理を効率化するクラウド活用についても紹介しているので、ぜひ参考にしてください。

点群データの欠損補間とは

点群データの欠損補間とは、レーザースキャナーやドローン測量で取得した点群データの欠損や不足部分を補う処理です。

点群データは対象物の表面を無数の「点」の集まりで表現したデータですが、遮蔽物や測定角度、点密度の不足といった影響により、一部に空白や欠損が生じることがあります。

こうした欠損に対し、すでに取得されている周囲の点をもとに新たな点を生成し、不足部分を補う処理が行われます。欠損補間は点群データの品質を高め、3Dモデルの作成や測量解析の精度向上につながる重要な処理のひとつです。

点群データの処理全体の流れや活用方法を詳しく知りたい方は、以下の記事も参考にしてください。

点群処理とは？簡単に進める方法や活用事例、失敗しないポイントを解説

続きを読む

点群データの欠損補間が必要になる理由

点群データの欠損補間が必要とされるのは、欠損が残ったままでは3Dモデルの生成や解析を正常に行えないためです。点群データは3D形状を再現する基礎情報であり、一部でも欠けると後続の処理に影響を及ぼします。

例えば、メッシュ生成では、点群をつなぎ合わせて面を形成し、3Dモデルを構築します。しかし、点群に穴があると面を作れず、モデルの一部が欠けたり形状が不自然になったりする場合があります。

また、土量計算や出来形管理でも、計測対象の一部が欠損していると実際とは異なる数値が算出される可能性があります。点群データの欠損を適切に補間し、解析や計測に活用できる状態へ整えることが精度の高い結果を得るうえで重要です。

欠損補間や点群の前処理は、データ容量の大きさや処理工程の多さから、担当者の負担が大きくなりやすい作業です。近年では、こうした前処理をクラウド上で効率化できる点群処理ソフトの活用も進んでいます。

「点群処理をどこまで効率化できるのか知りたい」「実際の活用イメージを確認したい」という方は、建設現場での活用方法をまとめた資料もぜひご覧ください。

点群データに欠損が発生する主な原因

点群データに欠損が生じる原因は、計測環境や測定条件、対象物の特性などさまざまです。原因を正しく理解することで、欠損の発生を抑えやすくなります。

続いては、点群データに欠損が生じる主な原因を詳しく紹介します。

遮蔽物によって点群が取得できないため

点群データに欠損が発生する原因のひとつに、建物や樹木などの遮蔽物によってレーザーやセンサーが届かなくなることが挙げられます。

3D計測では、レーザースキャナーやドローンを用いて対象物の表面形状を取得します。しかし、計測対象の前に別の物体がある場合、裏側や下側までレーザーが届かず、一部の点群データを取得できない可能性があります。

例えば、樹木の下の地表面や建物の裏側、設備の陰などは、欠損が発生しやすい箇所です。

遮蔽物がある環境では、計測データによる対象形状の再現が難しくなります。取得できなかった部分については、欠損補間をはじめとする処理によって補う必要があります。

測定角度や距離の影響でデータが不足するため

点群データに欠損が生じる要因には、レーザーに照射する角度や計測距離も関係しています。角度や角度や距離が不適切だと、センサーが反射情報を取得できず、データが欠落しやすくなります。

レーザースキャナーは、対象物へ照射したレーザーの反射光を受信することで位置情報を取得する仕組みです。しかし、対象物に対する入射角が大きくなると、センサー方向へ戻る反射光が少なくなるため、一部の点群を記録できません。

また、計測距離もデータ品質に影響する重要な要素です。計測位置から対象物までの距離が長くなるほどレーザーのスポットが広がり、点の位置精度が低下します。さらに、点同士の間隔も広がるため、細かな凹凸や形状を十分に取得しにくくなる点にも注意が必要です。

材質や環境条件によってレーザーが反射しないため

点群データの欠損は、対象物の材質や計測時の環境条件によって、レーザーの反射情報を取得しにくい状況でも発生します。レーザースキャナーは対象物から反射した光を受信して位置情報を計測する仕組みのため、反射が弱いと正確なデータを取得できません。

例えば、黒色や暗い色の物体は光を吸収しやすく、レーザーの反射が弱くなる傾向があります。また、鏡面仕上げの金属や光沢の強い素材は、レーザーが別方向へ反射しやすく、センサーへ戻る光量が不足します。

さらに、ガラスや透明なプラスチックのようにレーザーを透過しやすい素材では、表面の形状を取得できない点にも注意が必要です。加えて、雨や霧、粉じんが多い環境では、レーザーが空気中で散乱しやすくなり、ノイズや欠損の発生につながります。

点群データの生成や処理の過程で欠損が生じるため

点群データの欠損は、計測後のデータ生成や前処理の工程で発生する場合があります。取得したデータを実務で活用できる状態へ整える過程で、計算上のエラーや処理条件の設定によって、一部の点が失われるケースがあるためです。

例えば、複数の写真から点群を生成する際、画像同士の対応付けがうまくいかないと該当部分の点群が生成されないことがあります。

また、点群データから建物・草木・ノイズなどを除去する前処理でも、欠損が発生するリスクは無視できません。ソフトの設定条件によっては、本来残すべき必要な点まで誤って削除され、一部の形状が欠落する点に注意が必要です。

点群データの欠損補間でよく使われる3つの代表的な方法

点群データに欠損が生じた際は、周囲の点群情報や形状の傾向をもとに不足部分を補間する必要があります。補間方法によっては、単に点を補うだけでなく、面の生成や形状の推定まで行われます。

以下では、点群データの欠損補間でよく利用される代表的な方法を紹介します。

1.周辺点から推測して補間する方法

点群データの欠損補間では、周囲に存在する点群の位置情報をもとに不足部分の形状を数学的に推定する方法が一般的です。欠損部分の近くにある既知の点群を参照しながら、新たな点の位置を計算して補間します。

代表的な方法として、最も近い点の値を利用して補間する「最近隣内挿法」が挙げられます。計算処理が比較的シンプルで、短時間で補間できる点が特長です。

また、周囲の複数点の重み付きをもとに計算する「逆距離加重法（IDW法）」や「クリギング法」なども利用されています。

2.メッシュやサーフェスから生成する方法

点群データの欠損補間では、点群を面として再構築し、欠損部分の形状を推定する方法も用いられています。点群同士を結び付けてサーフェス（曲面）を作成し、面情報をもとに欠損部分を補います。

欠損補間でよく用いられるのが、「TIN（不規則三角網）」を活用した補間です。TINは、周囲の点群を三角形で結び、地表面や構造物の形状を三角形の集合として表現するデータ構造を指します。

実務では、まず欠損範囲を指定したうえでTINやサーフェスを作成し、生成した面をもとに不足部分へ点群を追加して欠損を補間します。地形や構造物のように連続した面で構成される対象物に対して特に高い精度で補間できる点が強みです。

点群データをメッシュ化する方法については、以下の記事で詳しく解説しています。

点群データをメッシュ化する方法！変換手順やサーフェス化との違い、活用シーンまで紹介

続きを読む

3.AIを活用して自動補間する方法

点群データの欠損補間では、機械学習や深層学習を活用し、欠損部分を自動で推定する方法も普及しつつあります。周囲の形状パターンや点群の分布をAIが解析し、不足している部分の形状を推定して補間します。

AIによる補間は、手動処理に比べて作業時間を大幅に削減できるのが特長です。前処理の効率化を図りながら、欠損部分の修復を進められるため、担当者の負担軽減にもつながります。

一方で、AIによる補間精度は学習データやアルゴリズムの特性に左右されるため、対象物の種類や形状によっては結果に差が生じる可能性があります。

点群データ処理におけるAI活用について詳しく知りたい方は、以下の記事もあわせてご覧ください。

点群処理はAIで効率化できる！仕組みやメリット、活用事例をわかりやすく解説

続きを読む

AI補間をはじめとする最新技術は、現場の生産性を劇的に向上させる可能性を秘めています。しかし、実際には「導入したものの、データを実務に活かしきれていない」という壁に直面するケースも少なくありません。

成果を上げている建設会社や自治体は、どのように工数の大幅な削減を実現しているのでしょうか。現場で点群活用を成功させるための共通点や、工数削減の実績をまとめた「点群処理ソフトの活用事例集を公開しています。実務での運用イメージを具体化したい方は、ぜひご活用ください。

点群データの欠損を防ぐための計測時のポイント

点群データの欠損を防ぐためには、補間処理だけでなく、計測現場の事前の対策も重要です。
ここからは、データの欠損を未然に防ぎ、再計測やて戻りを減らすために押さえておきたい主なポイントを解説します。

計測計画の最適化

点群データの欠損を防ぐためには、計測前の計画と計測方法の適切な設計が重要です。レーザースキャナーや写真測量は広範囲を効率よく計測できますが、計測条件や周辺環境によってはデータの取得漏れが生じます。

例えば、遮蔽物が多い場所では、計測位置を複数設けて死角を減らすことが有効です。異なる位置から複数回スキャンすれば、物陰や構造物の裏側などの未取得部分を減らせます。

また、事前に現地の地形や構造物の配置を確認し、死角が生じやすい箇所を想定しておくと、効率的に計測計画を立てやすくなります。特に、複雑な構造物や高低差のある地形では、計測位置の高さや角度にも配慮が必要です。

オーバーラップ率・サイドラップ率の確保

ドローンによる写真測量では、画像同士の重複率（ラップ率）を十分に確保するのが、点群生成時の欠損を防ぐうえで重要です。オーバーラップ率やサイドラップ率が不足すると、画像間の対応付けが不安定になり、点群が生成されない領域が生じるおそれがあります。

国土交通省の出来形管理要領では、進行方向のオーバーラップ率が80〜90％以上を維持するよう求められています。（※1）また、国土地理院や林野庁のガイドラインでも、オーバーラップ率80〜90％以上、サイドラップ率60〜70％以上が推奨されています。（※2）（※3）

なお、地形が複雑な場所や高低差の大きいエリアでは、基準値よりも高めに重複率を設定することで、欠損リスクの低減につながります。

（※1）参照：国土交通省ウェブサイト「空中写真測量（無人航空機）を用いた出来形管理要領（土工編）（案）」（国土交通省）をもとにローカスブルー株式会社作成

（※2）参照：国土地理院ウェブサイト「UAV を用いた公共測量マニュアル（案）」（国土地理院）をもとにローカスブルー株式会社作成

（※3）参照：林野庁ウェブサイト「森林整備事業における補助金のデジタル申請・検査ガイドライン」（林野庁）をもとにローカスブルー株式会社作成

環境条件の選定

点群データの欠損を防ぐには、計測時の環境条件にも注意が必要です。雨や霧、粉じんが多い環境ではレーザーが散乱しやすく、ノイズの増加や欠損、計測誤差の発生につながります。

また、対象物の材質や色によっても取得状況は変わります。黒色や光沢の強い素材、透明な物体などはレーザーが反射しにくく、十分な点群を取得できないケースもあります。

材質や環境による影響を最小限に抑えるには、状況に応じて計測方法を調整するのが重要です。可能であれば天候が安定している時間帯を選び、計測条件を一定に保つことで、データ品質を確保しやすくなります。

現場での即時チェック

計測後は、その場で点群データを確認し、欠損や取得漏れがないかをチェックすることが重要です。現場ですぐに確認をすれば、問題が発生していても早い段階で把握できるため、追加計測や再計測といった対応が可能になります。

一方で、後から欠損が判明すると再訪問が必要となり、時間やコストの増加につながります。タブレットやノートパソコンを活用して簡易的に点群を確認し、重要な箇所への取得漏れがないかを重点的に確認しましょう。

点群データの欠損補間を行う際の注意点

点群データの欠損補間を行う際は、補間によって生成されたデータがあくまで推定値である点を理解しておくのが重要です。

補間処理では、周辺の点情報や統計的なパターンをもとに欠損部分の値を算出します。一定の精度は期待できるものの、元の形状を完全に再現できるとは限りません。

必要に応じて追加計測を行い、欠損部分の実測データで取得する検討も欠かせません。補間結果だけに依存せず、実際の計測データとの整合性を確認したうえで活用するのが原則です。

また、補間によって生成した点は元データと区別して管理するなど、運用面での配慮も求められます。

点群処理を効率化するならクラウド活用がおすすめ

点群データの欠損補間から解析に至る一連のプロセスでは、膨大な容量のデータを扱います。さらに、複数メンバーで作業するケースも多く、従来のローカル環境では運用に課題が生じやすいのが現状です。

こうした課題を解決する手段として、クラウドを活用した点群処理環境の整備が注目されています。以下では、クラウドの活用で得られる点群処理のメリットを解説します。

大容量の点群データでも処理しやすい

点群データは、1回のスキャンで膨大な点数になることが多く、ファイルサイズも数十メガバイトから数百ギガバイト以上に及ぶ場合があります。

大容量データをローカル環境で処理するには、高性能なワークステーションが必要となり、読み込みや解析に時間がかかる点が課題です。

一方、クラウド環境を活用すればデータ処理はサーバー側で実行されるため、手元のパソコンのスペックに依存せずに点群データを扱えます。

さらに、Webブラウザ経由でストリーミング表示が可能なため、現場でもノートパソコンやタブレットからスムーズに確認・操作できます。

複数メンバーで点群データを共有・共同編集できる

クラウドの活用で、点群データをチーム全体でリアルタイムに参照・編集できる環境を構築できます。

従来は、点群データの容量が大きくメール添付での共有が難しいため、USBメモリや外付けストレージでの受け渡しを行うケースも少なくありませんでした。一方、クラウド型の点群処理サービスを利用すれば、データをクラウド上にアップロードして一元管理が可能です。

プロジェクトメンバーはインターネット経由で同じ点群データにアクセスでき、離れた場所からでも内容を把握できます。また、関係者間でスムーズに情報共有できるため、現場確認や打ち合わせも効率的に進められます。

クラウド型点群処理ソフト「ScanX」とは

ScanXは、点群データの保存から高度な解析、共有までをオンライン上で完結できるクラウド型の点群処理ソフトです。欠損補間を含む前処理から、関係者とのデータ共有までをブラウザ上で行えるため、点群処理の業務効率化へつながります。

ここでは、多くの技術者に選ばれているScanXの主な特徴や、実務に役立つ具体的な機能を詳しく紹介します。

点群処理にかかる費用を削減できる

出典：ScanX公式サイト

ScanXは初期費用を抑えた月額制サービスで、導入コストを抑えながら点群処理を始められます。料金は月額33,000円（税込）からで、サポート費用も含まれているため、追加の保守契約も必要ありません。

また、Webブラウザ上で利用できるクラウド型ソフトのため、高性能なパソコンを準備しなくても大容量の点群データを処理できます。さらに、複数の現場や担当者が同時に作業できる環境が整っており、ライセンス数を気にせず柔軟に運用可能です。

AI処理で点群データの前処理を効率化できる

出典：ScanX公式サイト｜機能詳細

ScanXの特徴のひとつが、点群データをアップロードするだけで、AIがノイズ・地表面・植生・構造物を自動的に判別・分類する機能です。手作業による仕分け工程を大幅に削減でき、これまで多くの工程を要していた前処理を効率化できます。

手作業によるクラス分類は通常多くの時間を要しますが、AI分類機能を活用することで、仕分け作業の時間を従来の約5分の1まで短縮可能です。特に地表面の分類精度は約95％と高く、出来形管理や土量計算に必要なデータを高精度で抽出できます。

欠損補間機能で地表面データの欠測を補える

出典：ScanX公式サイト｜機能詳細

ScanXには、点群データの欠損部分を補う補間機能が搭載されています。地上型レーザースキャナーの設置位置の直下や、遮蔽物の影響で取得できなかった地表面など、点群が欠損している箇所に対して補間処理を行えます。

周囲の点群情報をもとに不足部分を推定することで、途切れのない滑らかな地表面データの生成が可能です。地形解析や土量計算といった成果物に活用しやすい高品質なデータを作成できます。

また、補間機能を含む一連の点群処理をクラウド上で実行できるため、高性能なパソコンも必要ありません。欠損補間を含む前処理からデータ共有まで、ひとつの環境で完結するため、複数のツールを併用する必要がない点も特徴です。

誰でも扱いやすいシンプルな操作性

出典：ScanX公式サイト

ScanXは、不要な機能を省いたシンプルな操作画面を採用しており、専門知識がなくても直感的に扱えます。

一般的な点群処理ソフトは機能が多い分、操作が複雑になりやすく、習熟までに時間がかかるケースも少なくありません。一方、ScanXでは点群処理をわずか4ステップで設定できるため、初めて利用する担当者でもスムーズに操作を進められます。特別な知識やスキルを必要とせず、現場担当者から管理職まで幅広いメンバーが同じ環境で点群データを活用できる点も強みです。

また、データ共有は共有用URLを発行するだけで行え、関係者はブラウザから点群データの閲覧が可能です。専用ソフトのインストールも不要で、タブレットやスマートフォンからも手軽に確認できます。

点群データの欠損補間を正しく理解して、点群活用の精度を高めよう

点群データの欠損補間とは、計測や処理の過程で生じた欠損部分を補い、連続した3Dデータを作成するための重要な工程です。

欠損は、遮蔽物や計測条件、対象物の材質、点群生成の工程など、さまざまな要因によって発生します。欠損が残ったままでは、メッシュ生成やCAD化、出来形管理といった工程に影響を及ぼすおそれがあります。

そのため、補間方法の特徴を理解し、計測段階から欠損を防ぐ工夫をすることが、点群データを正確に活用するうえで欠かせません。

また、点群データの欠損補間や前処理を効率化したい場合は、クラウド型点群処理ソフトの活用が有効です。なかでもScanXは、欠損補間や点群の前処理をより手軽に、かつ効率的に行えるクラウド型点群処理ソフトです。

AIによる自動分類機能や欠損補間機能も備えており、専門知識がなくても効率的に点群処理を進められます。。高性能なパソコンがなくてもブラウザ上で操作できるため、関係者間でのデータ共有もスムーズです。

点群データの処理効率や運用環境に課題を感じている場合は、ScanXの導入を検討してみてください。