JP2012256230A - Dtm estimation method, dtm estimation program, dtm estimation device, and creation method for three-dimensional building model - Google Patents
Dtm estimation method, dtm estimation program, dtm estimation device, and creation method for three-dimensional building model Download PDFInfo
- Publication number
- JP2012256230A JP2012256230A JP2011129316A JP2011129316A JP2012256230A JP 2012256230 A JP2012256230 A JP 2012256230A JP 2011129316 A JP2011129316 A JP 2011129316A JP 2011129316 A JP2011129316 A JP 2011129316A JP 2012256230 A JP2012256230 A JP 2012256230A
- Authority
- JP
- Japan
- Prior art keywords
- dtm
- data
- value
- maximum allowable
- ground surface
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000013598 vector Substances 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 31
- 239000003086 colorant Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000012876 topography Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000002542 deteriorative effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、航空機による地表のレーザースキャナーデータに基づいてDTM(Digital Terrain Model)を推定する技術に関する。 The present invention relates to a technique for estimating a DTM (Digital Terrain Model) based on surface laser scanner data from an aircraft.
航空機から地表をレーザースキャンした反射波として得られるLiDAR(Light Detection And Ranging)データは、高精度な三次元座標の点群データとして、建物の高さや森林の樹高を測定することに利用可能である(例えば、特許文献1参照。)。このLiDARデータにより、所望の領域について、地表面(敷地や道路等の地表面)の他、建物の最上部や樹木の最上端を含むDSM(Digital Surface Model)を得ることができる。 LiDAR (Light Detection And Ranging) data obtained as reflected waves obtained by laser scanning the ground surface from an aircraft can be used to measure the height of buildings and the height of forest trees as point cloud data with high-precision three-dimensional coordinates. (For example, refer to Patent Document 1). With this LiDAR data, a DSM (Digital Surface Model) including the top surface of the building and the top end of the tree can be obtained for the desired region in addition to the ground surface (the ground surface such as a site or road).
一方、部分的に得られた地表面のデータ及び、これらから全体を補間したデータによって、地表面のみを表すDTMを推定することができる。これによって、例えば、建物の高さは、(DSM−DTM)として算出することができる(例えば、非特許文献1参照。)。DTMを推定するには、LiDARデータの所定範囲について、その中の標高最低点が地表面であるとする。そして、当該範囲内で地表面を探索し、かつ、内挿(補間)すれば、DTMを推定することができる。 On the other hand, a DTM representing only the ground surface can be estimated from the partially obtained ground surface data and data obtained by interpolating the entire data. Thereby, for example, the height of a building can be calculated as (DSM-DTM) (see, for example, Non-Patent Document 1). In order to estimate DTM, it is assumed that the lowest elevation point in the predetermined range of LiDAR data is the ground surface. Then, if the ground surface is searched within the range and is interpolated, the DTM can be estimated.
上記のDTMは、LiDARデータと違って推定であるため、多少の誤差・誤認識が生じることは避けられないが、いかに当該誤差・誤認識を抑制するかが重要である。種々の地表面に対してDTM推定を行ってみた結果、特に、全体として平坦な土地に河川がある場合に、河床、堤防、橋等のデータの点群を、地表面として認識するのが難しいことが判明した。また、道路から徐々に上がっていく屋上駐車場(建物の最上部)が、誤って地表面と認識されることもあった。 Since the above DTM is an estimation unlike LiDAR data, it is unavoidable that some errors and misrecognitions occur, but how to suppress the errors and misrecognitions is important. As a result of DTM estimation on various ground surfaces, it is difficult to recognize data points such as river beds, dikes, bridges, etc. as ground surfaces, especially when there are rivers on flat land as a whole. It has been found. In addition, the rooftop parking lot (the top of the building) that gradually rises from the road may be mistakenly recognized as the ground surface.
かかる従来の問題点に鑑み、本発明は、LiDARデータに基づいて推定されるDTMの精度を高めることを目的とする。 In view of such conventional problems, an object of the present invention is to improve the accuracy of DTM estimated based on LiDAR data.
(1)本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるDTMを推定するDTM推定方法であって、前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出し、前記河川領域を除くデータについて、第1の最大許容傾斜値を設定して暫定的なDTMを推定し、推定したDTMから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定することを特徴とする。 (1) The present invention is a DTM estimation method for estimating DTM, which is altitude data only on the ground surface for a predetermined range, based on laser scanner data on the ground surface by an aircraft, wherein data is stored in a unit grid in the predetermined range. A river region is extracted by connecting pixels that do not exist, and a temporary DTM is estimated by setting a first maximum allowable gradient value for data excluding the river region, and a local gradient is calculated from the estimated DTM. When the calculated slope exceeds a predetermined value, the second maximum allowable slope value larger than the first maximum allowable slope value is set and the DTM is estimated again.
上記のようなDTM推定方法では、DTMの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってDTMの精度が悪くなることを防止できる。また、推定したDTMにおいて局所的に傾斜が所定値を超えるときは、第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定することにより、1回目には探索できなかった地表面データを追加し、DTM推定の精度を向上させることができる。 In the DTM estimation method as described above, it is possible to prevent the accuracy of the DTM from deteriorating due to the search for the ground surface across the river by removing the river region when estimating the DTM. Also, when the estimated DTM locally has a slope exceeding a predetermined value, a second maximum allowable slope value that is larger than the first maximum allowable slope value is set and the DTM is estimated again, so that the first time The surface data that could not be searched can be added to improve the accuracy of DTM estimation.
(2)また、上記(1)のDTM推定方法において、第2の最大許容傾斜値は、地形及び町並みの特徴に応じて増減されるものであってもよい。
この場合、地形及び町並みの特徴に応じて最適なDTM推定を行うことができる。
(2) In the DTM estimation method of (1) above, the second maximum allowable slope value may be increased or decreased according to the features of the topography and the streets.
In this case, optimal DTM estimation can be performed according to the features of the topography and the streets.
(3)また、本発明は、上記(1)のDTM推定方法を含む3次元建物モデルの作成方法であって、前記レーザースキャナーデータを、前記DTM推定方法によって推定されたDTMと、非地表面データとに分離し、前記非地表面データにおける各領域について、対となる向きの法線ベクトルの有無を調べ、その結果に基づいて屋根の形を推定する3次元建物モデルの作成方法である。
この場合、精度良く推定されたDTMに基づいて正確な非地表面データを取得し、さらに、対となる向きの法線ベクトルの有無を調べることにより、平坦な屋根の他、切妻、寄棟等の屋根の形を推定して3次元建物モデルを作成することができる。
(3) Further, the present invention is a method of creating a three-dimensional building model including the DTM estimation method of (1) above, wherein the laser scanner data is a DTM estimated by the DTM estimation method, a non-ground surface This is a method of creating a three-dimensional building model that is separated into data, and for each region in the non-ground surface data, the presence or absence of a normal vector in a pairing direction is examined, and the shape of the roof is estimated based on the result.
In this case, accurate non-surface data is acquired based on the DTM estimated with high accuracy, and further, the presence of a normal vector in the direction of the pair is checked, so that in addition to a flat roof, gables, dormitories, etc. A three-dimensional building model can be created by estimating the shape of the roof.
(4)また、上記(3)の3次元建物モデルの作成方法において、各領域は、所定範囲の航空写真のデータから少なくとも長方形の形状を優先的に抽出することにより予め抽出されるものであってもよい。
この場合、屋根の形状として確率の高い長方形により、屋根の領域の識別精度を高め、より正確な3次元建物モデルを作成することができる。
(4) In the method for creating a three-dimensional building model of (3) above, each region is extracted in advance by preferentially extracting at least a rectangular shape from a predetermined range of aerial photo data. May be.
In this case, by using a rectangle having a high probability as the shape of the roof, it is possible to increase the accuracy of identifying the roof region and create a more accurate three-dimensional building model.
(5)一方、本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるDTMを推定するDTM推定プログラムであって、前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能、前記河川領域を除くデータについて、第1の最大許容傾斜値を設定して暫定的なDTMを推定する機能、推定したDTMから局所的な傾斜を計算する機能、及び、傾斜が所定値を超える場合は、前記第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定する機能を、コンピュータによって実現させるためのDTM推定プログラムである。 (5) On the other hand, the present invention is a DTM estimation program for estimating DTM, which is altitude data only on the ground surface for a predetermined range, based on laser scanner data on the ground surface by an aircraft, and within a unit grid in the predetermined range A function for extracting a river area by connecting pixels that do not have data, a function for estimating a temporary DTM by setting a first maximum allowable slope value for data excluding the river area, and a local from the estimated DTM A computer that has a function of calculating a typical inclination and a function of setting a second maximum allowable inclination value larger than the first maximum allowable inclination value and estimating the DTM again when the inclination exceeds a predetermined value. It is a DTM estimation program for realizing.
上記のようなDTM推定プログラムでは、DTMの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってDTMの精度が悪くなることを防止できる。また、推定したDTMにおいて局所的に傾斜が所定値を超えるときは、第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定することにより、1回目には探索できなかった地表面データを追加し、DTM推定の精度を向上させることができる。 In the DTM estimation program as described above, by removing the river region in estimating the DTM, it is possible to prevent the accuracy of the DTM from being deteriorated due to the search for the ground surface across the river. Also, when the estimated DTM locally has a slope exceeding a predetermined value, a second maximum allowable slope value that is larger than the first maximum allowable slope value is set and the DTM is estimated again, so that the first time The surface data that could not be searched can be added to improve the accuracy of DTM estimation.
(6)また、本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるDTMを推定するDTM推定装置であって、航空機による地表のレーザースキャナーデータを読み込む入力装置と、前記レーザースキャナーデータの所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する河川抽出部と、前記河川領域を除くデータについて、第1の最大許容傾斜値を設定して暫定的なDTMを推定し、推定したDTMから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定するDTM推定部と、推定されたDTMを表示する表示部とを備えたものである。 (6) Further, the present invention is a DTM estimation device for estimating DTM, which is altitude data only on the ground surface for a predetermined range, based on laser scanner data on the ground surface by an aircraft, and includes laser scanner data on the ground surface by an aircraft. The first maximum permissible for the data excluding the river region, the input device for reading the data, the river extraction unit for extracting the river region by connecting pixels that do not have data in the unit grid in the predetermined range of the laser scanner data A provisional DTM is estimated by setting an inclination value, and a local inclination is calculated from the estimated DTM. If the inclination exceeds a predetermined value, a second maximum allowable value that is greater than the first maximum allowable inclination value. A DTM estimation unit that sets a slope value and estimates DTM again, and a display unit that displays the estimated DTM are provided.
上記のようなDTM推定装置では、DTMの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってDTMの精度が悪くなることを防止できる。また、推定したDTMにおいて局所的に傾斜が所定値を超えるときは、第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定することにより、1回目には探索できなかった地表面データを追加し、DTM推定の精度を向上させることができる。 In the DTM estimation apparatus as described above, by excluding the river region in estimating the DTM, it is possible to prevent the accuracy of the DTM from being deteriorated due to the search for the ground surface across the river. Also, when the estimated DTM locally has a slope exceeding a predetermined value, a second maximum allowable slope value that is larger than the first maximum allowable slope value is set and the DTM is estimated again, so that the first time The surface data that could not be searched can be added to improve the accuracy of DTM estimation.
本発明によれば、DTM推定の精度を向上させることができる。 According to the present invention, the accuracy of DTM estimation can be improved.
《DTMの推定》
図19は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるDTMを推定する装置の構成の一例を示すブロック図である。このDTM推定装置は、CPU1、バス2を介してCPU1と接続されたメモリ3、ハードディスク等の補助記憶装置4、インターフェース5,6、並びに、インターフェース5及び6にそれぞれ接続されたドライブ7及びディスプレイ8を含むものであり、典型的には、これは、パーソナルコンピュータである。入力装置としてのドライブ7に、LiDARデータ(レーザースキャナーデータ)を収めたCD,DVD等の記憶媒体9を装着することにより、LiDARデータが読込み可能となる。
<< DTM estimation >>
FIG. 19 is a block diagram showing an example of the configuration of a device that estimates DTM, which is altitude data only on the ground surface, for a predetermined range based on laser scanner data on the ground surface by an aircraft. This DTM estimation apparatus includes a CPU 1, a memory 3 connected to the CPU 1 via a bus 2, an auxiliary storage device 4 such as a hard disk, interfaces 5 and 6, and a drive 7 and a display 8 connected to the interfaces 5 and 6, respectively. Typically, this is a personal computer. By attaching a storage medium 9 such as a CD or DVD containing LiDAR data (laser scanner data) to the drive 7 as an input device, the LiDAR data can be read.
CPU1は、ソフトウェアによって実現される内部機能として、大別すれば、河川抽出部1aと、DTM推定部1bとを備えている。これらの機能についての詳細は後述するが、河川抽出部は、LiDARデータ(レーザースキャナーデータ)の所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能を有する。また、DTM推定部1bは、河川領域を除くデータについて、第1の最大許容傾斜値を設定して暫定的なDTMを推定し、推定したDTMから局所的な傾斜を計算し、傾斜が所定値を超える場合は、第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定するという機能を有する。推定されたDTMは、表示部としてのディスプレイ8に表示可能である。 If it divides roughly as an internal function implement | achieved by software, CPU1 will be provided with the river extraction part 1a and the DTM estimation part 1b. Although details of these functions will be described later, the river extraction unit has a function of extracting a river region by connecting pixels in which no data exists in a unit grid in a predetermined range of LiDAR data (laser scanner data). Further, the DTM estimation unit 1b sets a first maximum allowable inclination value for data excluding the river region, estimates a provisional DTM, calculates a local inclination from the estimated DTM, and the inclination is a predetermined value. In the case of exceeding, the second maximum allowable inclination value larger than the first maximum allowable inclination value is set and the DTM is estimated again. The estimated DTM can be displayed on the display 8 as a display unit.
次にCPU1における上記機能すなわちDTM推定方法又は推定プログラムについて、図20のフローチャートを参照して説明する。なお、プログラムは補助記憶装置4(図19)に記憶され、メモリ3を用いて、CPU1により実行される。使用するLiDARデータは、市販品であり、例えば、平均点密度1点/1m2で、3次元座標データを持つファーストパルスデータ(最初に地表面で反射される受信データ)のみを含むものである。なお、使用可能なデータは、これに限られるものではない。例えば、フルウェーブタイプと呼ばれる、ファーストからラストまで連続したデータも使用可能である。 Next, the above function in the CPU 1, that is, the DTM estimation method or the estimation program will be described with reference to the flowchart of FIG. The program is stored in the auxiliary storage device 4 (FIG. 19), and is executed by the CPU 1 using the memory 3. The LiDAR data to be used is a commercially available product, and includes, for example, only fast pulse data (received data reflected on the ground surface first) having an average point density of 1 point / 1 m 2 and having three-dimensional coordinate data. Note that usable data is not limited to this. For example, continuous data from the first to the last called the full wave type can be used.
図20において、まず、CPU1は、LiDARデータから河川領域を抽出する(ステップS1)。具体的には、単位グリッドとしての1mグリッドに設定した画像において、データ(点)が存在しない画素を連結し、一定面積以上を占める領域を、河川領域として抽出する。 In FIG. 20, first, the CPU 1 extracts a river region from LiDAR data (step S1). Specifically, in an image set to a 1 m grid as a unit grid, pixels that do not have data (points) are connected, and an area occupying a certain area or more is extracted as a river area.
次に、CPU1は、LiDARデータから局所最低値を抽出する(ステップS2)。具体的には、1回目は50m×50mの窓内で局所最低値を抽出し、2回目は25m×25mの窓内で局所最低値を探索する。2回目の局所最低値が1回目の局所最低値より大幅に高くならず(例えば50cm以内)、かつ、1回目、2回目の局所最低値である3次元座標上の2点から計算される傾斜が第1の最大許容傾斜値(例えば3度)以下のときは、1回目の局所最低値を2回目の局所最低値に更新する。それ以外のときは、1回目の局所最低値を採用する。 Next, CPU1 extracts a local minimum value from LiDAR data (step S2). Specifically, the local minimum value is extracted within a 50 m × 50 m window at the first time, and the local minimum value is searched within a 25 m × 25 m window at the second time. The slope calculated from two points on the three-dimensional coordinates that are the first local minimum and the second local minimum are not significantly higher than the first local minimum (for example, within 50 cm). Is less than or equal to the first maximum allowable inclination value (for example, 3 degrees), the first local minimum value is updated to the second local minimum value. In other cases, the first local minimum value is adopted.
次に、CPU1は、LiDARデータから最小二乗法により平面を推定し(ステップS3)、平面に対するRMSE(Root Mean Square Errors:平均二乗誤差)が小さい場合の、それらの点は、共通の平面上にあるものとする。具体的には、例えば、4m×4mの領域に含まれる全ての点群を用いて平面の方程式を計算し、平面に対するRMSEが10cm以下であれば、全ての点群に平面の方程式を付与する。この平面とは道路面の候補であり、斜面でもよいが、極端な斜面は道路の可能性が非常に低いので、例えば、平面の法線の鉛直成分が0.9以上に限定する。 Next, the CPU 1 estimates the plane from the LiDAR data by the least square method (step S3), and when the RMSE (Root Mean Square Errors) for the plane is small, those points are on the common plane. It shall be. Specifically, for example, a plane equation is calculated using all point groups included in a 4 m × 4 m region, and if the RMSE for a plane is 10 cm or less, the plane equations are assigned to all point groups. . This plane is a candidate road surface, and may be a slope, but an extreme slope has a very low possibility of a road, so the vertical component of the normal of the plane is limited to 0.9 or more, for example.
そして、CPU1は、上記平面上の点のうち、局所最低値の点との標高差が小さく、かつ、局所最低値から見た傾斜以内である点を地表面データの初期値(初期の点群)として選定する(ステップS4)。
続いて、CPU1は、当該地表面データの近隣の点を探索し、地表面データが有する平面の方程式を使って平面までの距離を計算し、その距離が閾値(例えば10cm)以下であれば、追加する地表面データの候補となる。そして、地表面データと成す傾斜が最大許容傾斜値(例えば3度)以下であれば、地表面データとして追加する(ステップS5)。
Then, the CPU 1 sets an initial value (the initial point group) of the ground surface data as a point having a small elevation difference from the local minimum value among the points on the plane and within the inclination viewed from the local minimum value. ) Is selected (step S4).
Subsequently, the CPU 1 searches for a nearby point of the ground surface data, calculates the distance to the plane using the plane equation of the ground surface data, and if the distance is equal to or less than a threshold (for example, 10 cm), Candidates for additional ground surface data. If the slope formed with the ground surface data is equal to or less than the maximum allowable slope value (for example, 3 degrees), the ground surface data is added (step S5).
地表面データの追加(ステップS5)は、追加される点が無くなるまで行われる(ステップS6)。追加される点が無くなると、地表面データの抽出は完了である。
続いて、CPU1は、地表面データが存在しない地点について近隣の地表面データを探索し、内挿してDTMを推定する(ステップS7)。この探索時に河川領域に遭遇すれば、CPU1は、その方向への探索を中止する。
The addition of the ground surface data (step S5) is performed until no points are added (step S6). When there are no more points to be added, the extraction of the ground surface data is complete.
Subsequently, the CPU 1 searches for nearby ground surface data for a point where the ground surface data does not exist, and interpolates to estimate the DTM (step S7). If the river area is encountered during this search, the CPU 1 stops searching in that direction.
次に、CPU1は、推定したDTMに基づいて局所的な傾斜を計算する(ステップS8)。傾斜は21m×21mの領域を単位として、まず地表面高さの平均値を計算する。ある領域の地表面高さに対し、周囲の8つ(上下/左右/斜め)の近傍の領域を探索し、領域の中心間の距離と地表面高さの平均値の差から傾斜を計算し、最大の傾斜値を求める。傾斜が閾値(例えば4.5度)以上の場合には、最大許容傾斜値を、より大きく設定して、第2の最大許容傾斜値に更新する(例えば4.5度に更新する。)。 Next, the CPU 1 calculates a local inclination based on the estimated DTM (step S8). First, the average value of the ground surface height is calculated by using a 21 m × 21 m area as a unit. Search for the surrounding area (up / down / left / right / oblique) with respect to the ground surface height of a certain area, and calculate the slope from the difference between the distance between the center of the area and the average value of the ground surface height. Find the maximum slope value. When the inclination is equal to or greater than a threshold value (for example, 4.5 degrees), the maximum allowable inclination value is set larger and updated to the second maximum allowable inclination value (for example, updated to 4.5 degrees).
続いて、CPU1は、ステップS5〜S8の処理が1回目か否かを判定する(ステップS9)。最初は「Yes」であり、CPU1は、第2の最大許容傾斜値に基づいて再びステップS5,S6を実行する。ここで、第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定していることによって、局所的に急な傾斜を持つ地点が、地表面データとして追加される。すなわち、最初のステップS5の処理では追加データから漏れていた河川の土手や丘陵地等の点群データが地表面データとして抽出され、追加される。その結果、DTMの推定が1回目よりも精度良く行われることになる。なお、2回目のステップS9では「No」となって、処理終了となる。 Subsequently, the CPU 1 determines whether or not the processing in steps S5 to S8 is the first time (step S9). The first is “Yes”, and the CPU 1 executes steps S5 and S6 again based on the second maximum allowable inclination value. Here, by setting the second maximum allowable inclination value larger than the first maximum allowable inclination value, a point having a locally steep inclination is added as the ground surface data. That is, in the process of the first step S5, point cloud data such as river banks and hills that have been leaked from the additional data are extracted and added as ground surface data. As a result, the DTM is estimated with higher accuracy than the first time. In step S9 for the second time, “No” is given, and the process is terminated.
上記のような処理によるDTMの精度向上を、図1〜10の実例で示す。
(実例1)
図1の(a)は、京都市東山区清水寺、法観寺、高台寺の周辺の航空写真である。この地域は、建物が密集している平地と、丘陵地とが混在している。図1の(b)は、航空機によるLiDARデータが示す標高分布(建物等の最上部を含むDSM)を便宜的に色分けして(但し、この図ではカラーは表現されていない。)示した図である。(b)において、左側の黒っぽい部分が相対的に標高の低い部分であり、右側の黒っぽい部分は相対的に標高の高い部分である。中間の白っぽい部分は、それらの中間的な標高である。DSMは建物等を含んでいるため、地表面がわかりにくい。
The improvement of DTM accuracy by the above processing is shown in the examples of FIGS.
(Example 1)
FIG. 1 (a) is an aerial photograph of the area around Kiyomizu-dera, Hokanji, and Kodai-ji, Higashiyama-ku, Kyoto. This area is a mixture of flat lands with dense buildings and hilly terrain. FIG. 1B is a diagram showing the altitude distribution (DSM including the uppermost part of a building or the like) indicated by the LiDAR data obtained by the aircraft by color-coding for convenience (however, the color is not expressed in this figure). It is. In (b), the black part on the left is a part with a relatively low altitude, and the black part on the right is a part with a relatively high altitude. The intermediate whitish part is their intermediate elevation. Since DSM includes buildings, the ground surface is difficult to understand.
図2の(a)は、1回目の処理で抽出された地表面データであり、(b)は2回目の処理で抽出された地表面データである。図中の黒い部分が地表面(地盤面)を表している。また、図3の(a)は、1回目の処理によるDTMを示し、(b)は、2回目の処理を行った後の最終のDTMを示す。図2,図3のそれぞれにおいて、(a)、(b)の比較により明らかなように、2回目の処理を行ったことによって丘陵地(向かって右側)や平地の細部のデータが格段に精度良く得られている。 2A is the ground surface data extracted by the first process, and FIG. 2B is the ground surface data extracted by the second process. The black part in the figure represents the ground surface (ground surface). 3A shows a DTM by the first process, and FIG. 3B shows a final DTM after the second process. 2 and 3, as is clear from the comparison between (a) and (b), the accuracy of the detailed data on the hills (right side) and flat land is greatly improved by performing the second processing. It is well obtained.
(実例2)
図4の(a)は、京都市中京区五条通り周辺の航空写真である。この地域は、建物が密集している平地の中に、河川がある。図4の(b)は、航空機によるLiDARデータが示す標高分布(建物等の最上部を含むDSM)を便宜的に色分けして(但し、この図ではカラーは表現されていない。)示した図である。
(Example 2)
(A) of FIG. 4 is an aerial photograph around Gojo-dori, Nakagyo-ku, Kyoto. In this area, there are rivers in a flat area where buildings are densely packed. FIG. 4B is a diagram showing the altitude distribution (DSM including the uppermost part of the building or the like) indicated by the LiDAR data by the aircraft in different colors (however, the color is not expressed in this figure). It is.
図5の(a)は、1回目の処理で抽出された地表面データであり、(b)は2回目の処理で抽出された地表面データである。また、図6の(a)は、1回目の処理によるDTMを示し、(b)は、2回目の処理を行った後の最終のDTMを示す。この例では、1回目と、2回目とで、劇的な差は現れていない。言い換えれば、局部的に急な傾斜が無い平坦な地形では2回目の処理に1回目と同じ第1の最大許容傾斜値を用いることになるので、過剰な抽出が行われることはない。 (A) of FIG. 5 is the ground surface data extracted by the first process, and (b) is the ground surface data extracted by the second process. 6A shows the DTM by the first process, and FIG. 6B shows the final DTM after the second process. In this example, there is no dramatic difference between the first time and the second time. In other words, in a flat terrain having no locally steep slope, the same first maximum allowable slope value as that in the first time is used for the second processing, so that excessive extraction is not performed.
(実例3)
図7の(a)は、京都市伏見区伏見桃山周辺の航空写真である。この地域は、建物が密集している平地の中に、大きな土手を備えた河川がある。図7の(b)は、航空機によるLiDARデータが示す標高分布(建物等の最上部を含むDSM)を便宜的に色分けして(但し、この図ではカラーは表現されていない。)示した図である。なお、(a)における楕円は、高速道路であり、(b)のLiDARデータ取得時にはまだ建設されていなかった。また、図7の(c)は、1回目の処理によるDTMを示し、(d)は、2回目の処理を行った後の最終のDTMを示す。
(Example 3)
FIG. 7A is an aerial photograph around Fushimi Momoyama in Fushimi-ku, Kyoto. In this area, there is a river with a large bank in a flat area with dense buildings. FIG. 7B is a diagram showing the altitude distribution (DSM including the uppermost part of the building or the like) indicated by the LiDAR data by the aircraft in different colors (however, the color is not expressed in this figure). It is. In addition, the ellipse in (a) is a highway and was not yet constructed at the time of LiDAR data acquisition of (b). Moreover, (c) of FIG. 7 shows DTM by the 1st process, (d) shows the last DTM after performing the 2nd process.
図8の(a)は、図7の(b)に示すLiDARデータの一部を拡大した図であり、図8の(b)は、(a)における矢印方向から見た当該地域の地上写真である。また、図8の(c)は、1回目の処理によるDTM(拡大図)を示し、(d)は、2回目の処理を行った後の最終のDTM(拡大図)を示す。(d)において、中央に縦に延びている白い線は河川であり、その左右の黒っぽい部分は土手である。(c)、(d)の比較により、1回目は地表面として扱えなかった土手が、2回目は地表面として精度良く認識されていることがわかる。 8A is an enlarged view of a part of the LiDAR data shown in FIG. 7B, and FIG. 8B is a ground photograph of the area as seen from the arrow direction in FIG. It is. FIG. 8C shows a DTM (enlarged view) by the first process, and FIG. 8D shows a final DTM (enlarged view) after performing the second process. In (d), the white line extending vertically in the center is a river, and the black parts on the left and right are banks. From the comparison of (c) and (d), it can be seen that the bank that could not be handled as the ground surface at the first time is recognized with high accuracy as the ground surface at the second time.
(実例4)
図9の(a)は、京都市東山区清水寺近くの駐車場及びその周辺の、航空機によるLiDARデータが示す標高分布(建物等の最上部を含むDSM)を便宜的に色分けして(但し、図ではカラーは表現されていない。)示した図である。(b)は航空写真である。また、図10の(a)は、1回目の処理によるDTMを示し、(b)は、2回目の処理を行った後の最終のDTMを示す。(a)、(b)の比較により、1回目は地表面としてその形状を捉えきれなかった駐車場(中央の黒い部分)が、2回目は地表面として精度良く認識されていることがわかる。
(Example 4)
FIG. 9A shows the altitude distribution (DSM including the top of the building, etc.) indicated by the LiDAR data by aircraft in the parking lot near Kiyomizu-dera, Higashiyama-ku, Kyoto, and its surroundings for convenience. (The color is not represented.) (B) is an aerial photograph. 10A shows the DTM by the first process, and FIG. 10B shows the final DTM after the second process. From the comparison between (a) and (b), it can be seen that the parking lot (the black portion in the center) that could not be captured as the ground surface at the first time was accurately recognized as the ground surface at the second time.
(実例5)
図示しないが、ビルの屋上駐車場についても同様に1回目、2回目のDTMを得たが、ほとんど変化がなかった。この場合、屋上駐車場を地表面と誤って認識することはなかった。
(Example 5)
Although not shown, the first and second DTMs were similarly obtained for the rooftop parking lot of the building, but there was almost no change. In this case, the rooftop parking lot was not mistakenly recognized as the ground surface.
《まとめ》
上記のようなDTM推定方法/プログラム/装置では、DTMの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってDTMの精度が悪くなることを防止できる。また、推定したDTMにおいて局所的に傾斜が所定値を超えるときは、第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定することにより、1回目には探索できなかった地表面データを追加し、DTM推定の精度を向上させることができる。
<Summary>
In the DTM estimation method / program / device as described above, the river area is excluded in the estimation of the DTM, thereby preventing the accuracy of the DTM from deteriorating due to the search for the ground surface across the river. Also, when the estimated DTM locally has a slope exceeding a predetermined value, a second maximum allowable slope value that is larger than the first maximum allowable slope value is set and the DTM is estimated again, so that the first time The surface data that could not be searched can be added to improve the accuracy of DTM estimation.
なお、第2の最大許容傾斜値は、地形及び町並みの特徴に応じて増減すればよい。京都市の場合は4.5度が好適であることが確認された。京都市よりもさらに傾斜の多い土地では4.5度以上も適すると想定される。逆に、京都市よりも傾斜の少ない土地では4.5度未満(3度よりは大きい)が適すると想定される。実験的に最適な数値を選ぶことで、地形及び町並みの特徴に応じて最適なDTM推定を行うことができる。 In addition, what is necessary is just to increase / decrease the 2nd maximum permissible inclination value according to the topography and the characteristic of a townscape. In the case of Kyoto City, it was confirmed that 4.5 degrees is suitable. It is assumed that 4.5 degrees or more is suitable for land with more slope than Kyoto City. Conversely, it is assumed that less than 4.5 degrees (greater than 3 degrees) is suitable for land with less slope than Kyoto City. By selecting an optimal numerical value experimentally, it is possible to perform an optimal DTM estimation according to the features of the topography and the townscape.
《3次元建物モデルの作成》
LiDARデータ及び、上述の処理により精度良く推定されたDTMを用いて、(DSM−DTM)の演算を行うことにより、データ上で地表面を除去し、建物や木等の、地上に存在する物の高さのデータのみを取得することができる。以下、このようなデータを用いて3次元建物モデルを作成する方法について説明する。まず、航空写真のデータを用いた建物等の領域分割について説明する。
<< Creation of 3D building model >>
Using the LiDAR data and the DTM accurately estimated by the above process, the (DSM-DTM) operation is performed to remove the ground surface from the data, and objects that exist on the ground, such as buildings and trees Only the height data can be acquired. Hereinafter, a method for creating a three-dimensional building model using such data will be described. First, a description will be given of area division of buildings and the like using aerial photograph data.
(領域分割)
領域分割の概要は、まず、輝度値の分散が大きいテクスチャを持つ領域も抽出するため、輝度値を少数個の値に離散化した上で領域分割を試みる。離散化する輝度値の幅は、異なる分散の程度に対応するために複数用意する。長方形に近い領域を優先的に抽出するため、長方形指数と呼ぶ指数を計算する。影で分断されている可能性を考慮し、隣接する領域と組み合わせて、長方形指数が向上すれば両者を統合する。
(Area division)
The outline of region division is to first extract a region having a texture with a large luminance value dispersion, so that the luminance value is discretized into a small number of values and then region division is attempted. Plural widths of luminance values to be discretized are prepared to cope with different degrees of dispersion. In order to preferentially extract a region close to a rectangle, an index called a rectangle index is calculated. Considering the possibility of being divided by shadows, if the rectangle index is improved in combination with adjacent areas, both are integrated.
以下、細部に及ぶが、領域分割の具体例について参考のため説明する。
(1)1バイト(輝度値の範囲:0〜255)×3バンド(RGB)画像の任意の1バンドの輝度値に対し、Ndisc種類の離散化幅を設定する。各離散化幅の下で、Noff種類の異なるオフセット値を適用し、画像輝度値を離散化する。例えば、「輝度値の離散化幅=40」「オフセット数=5」の時に「オフセット値幅=8」となり、「オフセット値={0,8,16,24,32}」のNoff種類の離散化画像が得られる。「オフセット値=0」の下では、原画像の輝度値が「0〜39」が同一離散化値を与えられ、同様に「40〜79」「80〜119」「120〜159」「160〜199」「200〜239」「240〜255」を含めた7つの区分に離散化される。本実験では次のパラメータを使用した。
Hereinafter, although it is detailed, a specific example of region division will be described for reference.
(1) Ndisc types of discretization widths are set for the luminance values of any one band of 1 byte (luminance value range: 0 to 255) × 3 band (RGB) image. Under each discretization width, different offset values of Noff types are applied to discretize the image luminance value. For example, when “discretion width of luminance value = 40” and “number of offsets = 5”, “offset value width = 8”, and “offset value = {0, 8, 16, 24, 32}” Noff type discretization An image is obtained. Under “offset value = 0”, the same discretization value is given when the luminance value of the original image is “0 to 39”, and similarly “40 to 79”, “80 to 119”, “120 to 159”, and “160 to 160”. 199 "," 200 to 239 ", and" 240 to 255 ". The following parameters were used in this experiment.
使用バンド:赤(R)バンド
輝度値の離散化幅Δd={40,30,20}
オフセット数Noff=5
オフセット値幅Δoff=Δd/Noff={8,6,4}
Band used: Red (R) band Discrete width Δd of luminance value = {40, 30, 20}
Offset number Noff = 5
Offset value width Δoff = Δd / Noff = {8, 6, 4}
(2)各離散化画像において、4方向を探索し、同じ値を持つ画素を連結し領域として抽出する。一定面積以上の大領域(本実験では6400画素:以下、実験で採用した値)は除去する。また一定面積未満(80画素)の小領域は周辺に一定面積以上の領域があれば統合し、なければ除去する。その後、各領域のエッジを抽出する。
(3)ある離散化幅におけるNoff種類の離散化画像から得られたエッジを全て1枚に重ね合わせる。
(4)一定強度以上のエッジを残し、それに連結するエッジも抽出する。この時点で本来なら閉じるはずの領域がノイズなどの影響で閉じていないことも多いため、エッジが存在しなくても周辺に直線状のエッジが存在することが確認できれば、エッジを連結する。
(5)エッジで閉じた領域にラベル番号を付与し、RGB輝度値から判断し、植生らしい領域を除去する。(2)と同様に一定面積以上の大領域(6400画素)を除去し、一定面積以下(本実験では30画素)の小領域は周辺に一定面積以上の領域があれば統合し、なければ除去する。
(6)各領域の長方形指数と呼ぶ指数を次のように計算する。
(2) In each discretized image, four directions are searched and pixels having the same value are connected and extracted as a region. A large area (6400 pixels in this experiment: the value adopted in the experiment below) of a certain area or larger is removed. In addition, small regions of less than a certain area (80 pixels) are integrated if there is a region of a certain area or more in the periphery, and removed if not. Then, the edge of each area is extracted.
(3) All edges obtained from Noff types of discretized images in a certain discretization width are superposed on one sheet.
(4) Leave an edge of a certain strength or higher and extract an edge connected to it. At this point, since the region that should have been closed is often not closed due to noise or the like, the edges are connected if it can be confirmed that there is a straight edge even if there is no edge.
(5) A label number is assigned to a region closed by an edge, and a region that seems to be vegetated is removed based on the RGB luminance value. As in (2), a large area (6400 pixels) with a certain area or more is removed, and a small area with a certain area or less (30 pixels in this experiment) is integrated if there is an area with a certain area in the periphery, or removed if there is no area. To do.
(6) An index called a rectangular index for each region is calculated as follows.
(ア)領域のエッジの集合(エッジ群と呼ぶ)の2次元座標から、第1軸と第2軸を決定する。
(イ)領域の存在範囲を第1軸と第2軸の値で表現し、第1軸の(最大値−最小値+1)、第2軸の(最大値−最小値+1)を掛け合わせて、領域を取り囲む矩形の面積を得る。
(ウ)実際の領域の面積/領域を取り囲む矩形の面積を長方形指数と定義する。
(エ)長方形指数が一定値(0.4)を下回ると、建物でない可能性が高いと判断して除外される。
(A) The first axis and the second axis are determined from the two-dimensional coordinates of a set of edge of the region (referred to as edge group).
(A) The existence range of the area is expressed by the values of the first axis and the second axis, and (maximum value−minimum value + 1) of the first axis is multiplied by (maximum value−minimum value + 1) of the second axis. , Get the rectangular area surrounding the region.
(C) The area of the actual area / the area of the rectangle surrounding the area is defined as the rectangle index.
(D) If the rectangular index falls below a certain value (0.4), it is judged that there is a high possibility that it is not a building and is excluded.
(7)ある領域Aの近隣の領域を探索し、
(ア)併合した場合の長方形指数が各々の長方形指数よりも向上する。
(イ)指定した閾値(0.7)以上である。
(ウ)領域の平均輝度値の差が一定値(30)以内である。
という条件を満たす近隣の領域のうち、併合時の長方形指数が最大となる領域を併合の候補とし、仮に領域Bとする。領域Bでも同様に探索し、領域Aが(ア)〜(ウ)の全ての条件を満たし、かつ併合時の長方形指数が最大となる領域である場合に、領域AとBを併合する。
(8)Ndisc種類の離散化幅の下で得られた一定面積以上の領域を、長方形指数が高い順に選んでいく。ただし、当該領域の一部でも既に選ばれた領域に重なっていれば、その領域は選ばない。
(9)選ばれなかった領域に対し、再度選定していく。今度は既に選ばれた領域との重なりが一定値未満(本実験では、30%)で、かつ一定面積未満(30画素未満)であれば、重なっていない部分だけを新たな領域として追加選出する。ただし重なっていない部分に対しても長方形指数を算出し、閾値(0.45)以上である場合に限る。
(10)領域内の穴を埋める。
(7) Search for a region near a certain region A
(A) The rectangular index when merged is improved over each rectangular index.
(A) The specified threshold value (0.7) or more.
(C) The difference in the average luminance value of the region is within a certain value (30).
Of the neighboring areas that satisfy the condition, the area having the largest rectangular index at the time of merging is set as a candidate for merging, and is assumed as area B. A similar search is performed in the region B, and the regions A and B are merged when the region A satisfies all the conditions (a) to (c) and the rectangular index at the time of merging is maximized.
(8) A region having a certain area or more obtained under the Ndisc type discretization width is selected in descending order of the rectangular index. However, if any part of the area overlaps the already selected area, the area is not selected.
(9) Select again the area that was not selected. If the overlap with the already selected area is less than a certain value (30% in this experiment) and less than a certain area (less than 30 pixels), only the non-overlapping part is additionally selected as a new area. . However, only when the rectangular index is calculated for the non-overlapping portion and is equal to or greater than the threshold (0.45).
(10) Fill holes in the region.
(3次元建物モデル)
領域分割で得られた領域は屋根単位ではなく、同一建物で対となる傾斜のある屋根、あるいは別の建物の屋根が分離されていないこともある。また領域分割では屋根・建物の抽出漏れ、逆に樹木や道路も抽出していることも起こりうる。しかしながら、下記の対策を取ることで、モデリングの漏れを少なくしている。
(3D building model)
The area obtained by the area division is not a roof unit, and there is a case where a pair of sloped roofs in the same building or a roof of another building is not separated. In the area division, the roof / building may not be extracted, and conversely, trees and roads may be extracted. However, the following measures are taken to reduce modeling leakage.
推定したDTMは、LiDARデータから除去する。屋根の平面、法線ベクトルを計算する際にRMSEの許容値を設けることで樹木の大半は削除できる。切妻屋根の建物において向かい合う屋根が分離されていない場合、法線ベクトルの分布状況を調べて混合している可能性が高い場合には分離して、切妻屋根を生成する。隣接する切妻屋根の建物で片側の屋根が分離されていない状況において(屋根の数が棟を挟んで1対2の関係)、分離されていない領域を2つの屋根に分離することで2組の1対1の屋根のペアを生成し、2棟の切妻屋根の建物を生成する。 The estimated DTM is removed from the LiDAR data. Most of the trees can be deleted by setting the RMSE tolerance when calculating the roof plane and normal vectors. If the roofs facing each other in the gable roof building are not separated, the distribution of normal vectors is examined and if there is a high possibility that they are mixed, the gable roof is generated. In the situation where the roof on one side is not separated in the adjacent gable roof building (the number of roofs is 1 to 2 across the ridge), two sets of two are separated by separating the unseparated area into two roofs Create a one-to-one roof pair and create two gable roof buildings.
密集市街地における建物の配置に着目し、屋根面がもつ傾斜や法線ベクトルといった情報を利用することで、切妻屋根や寄棟屋根、平屋根の判定を行い、より本来の形に近い建物3次元モデルを生成する。具体的には、近隣の点群間の水平・鉛直距離が一定値以内の点群から主たる方位角を決めて、それに基づいて建物の棟や輪郭を決定することで、現実に近い建物の向きを決定できる。 Focusing on the layout of buildings in dense urban areas, using information such as slopes and normal vectors on the roof surface, it is possible to determine gable roofs, dormitory roofs, flat roofs, and more realistic three-dimensional buildings Generate a model. Specifically, by determining the main azimuth from the point cloud whose horizontal and vertical distance between neighboring point clouds is within a certain value, and determining the building ridge and outline based on it, the orientation of the building that is close to reality Can be determined.
具体的には、3次元座標の点群データであるLiDARデータに対し、DTMを用いて地表面と非地表面を分離するフィルタリング処理を行う。非地表面データから屋根や建物の領域における法線ベクトルを計算する。9m×9mの領域内で、6点以上点が存在する場合に平面の方程式を計算し、RMSEが10cm以下であれば、計算に使用した全ての点群に法線ベクトルを付与する。領域の法線が傾いていれば対となる領域を探索する。 Specifically, filtering processing for separating the ground surface and the non-ground surface is performed on the LiDAR data, which is point group data of three-dimensional coordinates, using DTM. The normal vector in the area of the roof or building is calculated from the non-surface data. If there are 6 or more points in a 9 m × 9 m area, a plane equation is calculated. If RMSE is 10 cm or less, normal vectors are assigned to all point groups used in the calculation. If the normal of the region is inclined, a paired region is searched.
非地表面データに対し、最近隣の点データからの水平距離、鉛直距離が一定値以内である点群ごとに分類する。このうち屋根や建物の領域に該当する点群だけを用いて、点群データの主たる方位角を決定する。寄棟屋根、切妻屋根、それ以外の屋根の順にワイヤーフレームモデルを作成する。各モデルを作成する際には棟や輪郭が、点群データの主たる方位角と同一あるいは直交するように配慮する。 The non-ground surface data is classified for each point group whose horizontal distance and vertical distance from the nearest point data are within a certain value. Of these, the main azimuth of the point cloud data is determined using only the point cloud corresponding to the area of the roof or building. A wire frame model is created in the order of dormitory roof, gable roof, and other roofs. When creating each model, care should be taken that the ridges and contours are the same or perpendicular to the main azimuth of the point cloud data.
寄棟屋根については、対となる屋根の組が2組存在する時に生成される。切妻屋根については、対となる屋根が存在する領域があり、両者の領域において切妻屋根を生成する。法線ベクトル分布が複数の法線の混合状態を示す領域については、領域内において2つに分割し、法線ベクトルが明瞭に分離される場合には、切妻屋根を生成する。そうでない場合には平屋根を生成する。なお、図21は、(a)が切妻屋根の法線ベクトル、(b)が寄棟屋根の法線ベクトルを示す。
それ以外の屋根については、平屋根を生成する。建物として抽出されなかったものの、地表面から一定以上の高さを持ち、特定の平面上にある点を選定し、最終結果に含める。
The dormitory roof is generated when there are two pairs of roofs to be paired. As for the gable roof, there is a region where a pair of roofs exist, and the gable roof is generated in both regions. A region in which the normal vector distribution indicates a mixed state of a plurality of normals is divided into two in the region, and a gable roof is generated when the normal vectors are clearly separated. If not, create a flat roof. In FIG. 21, (a) shows the normal vector of the gable roof, and (b) shows the normal vector of the dormitory roof.
For other roofs, a flat roof is generated. A point that is not extracted as a building but has a certain height from the ground surface and is on a specific plane is selected and included in the final result.
上記のような処理による領域分割、3次元建物モデルの作成を、図11〜18の実例で示す。
(実例1)
図11の(a)は市街地の航空写真である(75m×75m)。(b)は領域分割の結果である。便宜上色分けしている(本図では色は表示されていない。)が、色自体に意味はない。(b)に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図12の(a)、(b)は、3次元建物ワイヤーフレームモデルで、(a)は平面的な形状を、(b)は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
An example of FIGS. 11 to 18 shows region division and three-dimensional building model creation by the processing as described above.
(Example 1)
(A) of FIG. 11 is an aerial photograph of a city area (75 m × 75 m). (B) is a result of area division. For convenience, they are color-coded (colors are not displayed in this figure), but the colors themselves have no meaning. As shown in (b), the outline of the roof is generally captured. There are also places where the characteristics of gables and dormitories are captured. 12A and 12B are three-dimensional building wire frame models, where FIG. 12A shows a planar shape and FIG. 12B shows a three-dimensional shape. It can be seen that the roof shapes such as flat, gable, and dormitory are clearly visible.
(実例2)
図13の(a)は高層ビルを含む市街地の航空写真である(75m×75m)。(b)は領域分割の結果である。便宜上色分けしている(本図では色は表示されていない。)が、色自体に意味はない。(b)に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図14の(a)、(b)は、3次元建物ワイヤーフレームモデルで、(a)は平面的な形状を、(b)は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
(Example 2)
FIG. 13A is an aerial photograph of a city area including a high-rise building (75 m × 75 m). (B) is a result of area division. For convenience, they are color-coded (colors are not displayed in this figure), but the colors themselves have no meaning. As shown in (b), the outline of the roof is generally captured. There are also places where the characteristics of gables and dormitories are captured. 14A and 14B are three-dimensional building wire frame models, in which FIG. 14A shows a planar shape and FIG. 14B shows a three-dimensional shape. It can be seen that the roof shapes such as flat, gable, and dormitory are clearly visible.
(実例3)
図15の(a)は高木が建物に隣接している市街地の航空写真である(75m×75m)。(b)は領域分割の結果である。便宜上色分けしている(本図では色は表示されていない。)が、色自体に意味はない。(b)に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図16の(a)、(b)は、3次元建物ワイヤーフレームモデルで、(a)は平面的な形状を、(b)は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
(Example 3)
(A) of FIG. 15 is an aerial photograph of the urban area where Takagi is adjacent to the building (75 m × 75 m). (B) is a result of area division. For convenience, they are color-coded (colors are not displayed in this figure), but the colors themselves have no meaning. As shown in (b), the outline of the roof is generally captured. There are also places where the characteristics of gables and dormitories are captured. 16A and 16B are three-dimensional building wire frame models, where FIG. 16A shows a planar shape and FIG. 16B shows a three-dimensional shape. It can be seen that the roof shapes such as flat, gable, and dormitory are clearly visible.
(実例4)
図17の(a)は寄棟屋根の多い市街地の航空写真である(75m×75m)。(b)は領域分割の結果である。便宜上色分けしている(本図では色は表示されていない。)が、色自体に意味はない。(b)に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図18の(a)、(b)は、3次元建物ワイヤーフレームモデルで、(a)は平面的な形状を、(b)は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
(Example 4)
(A) of FIG. 17 is an aerial photograph of an urban area with many dormitory roofs (75 m × 75 m). (B) is a result of area division. For convenience, they are color-coded (colors are not displayed in this figure), but the colors themselves have no meaning. As shown in (b), the outline of the roof is generally captured. There are also places where the characteristics of gables and dormitories are captured. 18A and 18B are three-dimensional building wire frame models, where FIG. 18A shows a planar shape and FIG. 18B shows a three-dimensional shape. It can be seen that the roof shapes such as flat, gable, and dormitory are clearly visible.
《まとめ》
以上のように、精度良く推定されたDTMに基づいて正確な非地表面データを取得し、さらに、対となる向きの法線ベクトルの有無を調べることにより、平坦な屋根の他、切妻、寄棟等の屋根の形を推定して3次元建物モデルを作成することができる。
また、3次元建物モデルを作成するための領域を予め抽出することにより、屋根の領域の識別精度を高め、より正確な3次元建物モデルを作成することができる。
<Summary>
As described above, accurate non-ground surface data is acquired based on the DTM estimated with high accuracy, and further, by checking the presence or absence of a normal vector in a pairing direction, in addition to a flat roof, gables, A three-dimensional building model can be created by estimating the shape of a roof such as a building.
Further, by extracting a region for creating a three-dimensional building model in advance, the accuracy of identifying the roof region can be improved, and a more accurate three-dimensional building model can be created.
なお、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。 The embodiment disclosed this time should be considered as illustrative in all points and not restrictive. The scope of the present invention is defined by the terms of the claims, and is intended to include any modifications within the scope and meaning equivalent to the terms of the claims.
1a:河川抽出部
1b:DTM推定部
7:ドライブ(入力装置)
8:ディスプレイ(表示部)
1a: River extraction unit 1b: DTM estimation unit 7: Drive (input device)
8: Display (display unit)
Claims (6)
前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出し、
前記河川領域を除くデータについて、第1の最大許容傾斜値を設定して暫定的なDTMを推定し、
推定したDTMから局所的な傾斜を計算し、
傾斜が所定値を超える場合は、前記第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定する
ことを特徴とするDTM推定方法。 A DTM estimation method for estimating DTM, which is altitude data only on the ground surface for a predetermined range, based on laser scanner data on the ground surface by an aircraft,
Concatenating pixels that do not have data in the unit grid in the predetermined range to extract a river region,
For data excluding the river region, set a first maximum allowable slope value and estimate a provisional DTM,
Calculate the local slope from the estimated DTM,
If the slope exceeds a predetermined value, a second maximum allowable slope value that is larger than the first maximum allowable slope value is set and the DTM is estimated again.
前記レーザースキャナーデータを、前記DTM推定方法によって推定されたDTMと、非地表面データとに分離し、
前記非地表面データにおける各領域について、対となる向きの法線ベクトルの有無を調べ、その結果に基づいて屋根の形を推定する3次元建物モデルの作成方法。 A method for creating a three-dimensional building model including the DTM estimation method according to claim 1,
The laser scanner data is separated into DTM estimated by the DTM estimation method and non-surface data,
A method for creating a three-dimensional building model in which, for each region in the non-surface data, the presence or absence of a normal vector in a pairing direction is checked, and the shape of the roof is estimated based on the result.
前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能、
前記河川領域を除くデータについて、第1の最大許容傾斜値を設定して暫定的なDTMを推定する機能、
推定したDTMから局所的な傾斜を計算する機能、及び、
傾斜が所定値を超える場合は、前記第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定する機能を、コンピュータによって実現させるためのDTM推定プログラム。 A DTM estimation program for estimating DTM, which is altitude data only on the ground surface for a predetermined range, based on laser scanner data on the ground surface by an aircraft,
A function of extracting a river region by connecting pixels having no data in a unit grid in the predetermined range;
A function for estimating a temporary DTM by setting a first maximum allowable slope value for data excluding the river region,
The ability to calculate the local slope from the estimated DTM, and
A DTM estimation program for causing a computer to realize a function of setting a second maximum allowable inclination value larger than the first maximum allowable inclination value and estimating DTM again when the inclination exceeds a predetermined value.
航空機による地表のレーザースキャナーデータを読み込む入力装置と、
前記レーザースキャナーデータの所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する河川抽出部と、
前記河川領域を除くデータについて、第1の最大許容傾斜値を設定して暫定的なDTMを推定し、推定したDTMから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第1の最大許容傾斜値より大きい第2の最大許容傾斜値を設定して再度DTMを推定するDTM推定部と、
推定されたDTMを表示する表示部と
を備えていることを特徴とするDTM推定装置。 A DTM estimation device for estimating DTM, which is altitude data only on the ground surface for a predetermined range, based on laser scanner data on the ground surface by an aircraft,
An input device that reads the laser scanner data of the ground surface by aircraft;
A river extraction unit for extracting a river region by connecting pixels in which data does not exist in a unit grid in a predetermined range of the laser scanner data;
For data excluding the river region, a temporary DTM is estimated by setting a first maximum allowable slope value, a local slope is calculated from the estimated DTM, and if the slope exceeds a predetermined value, the first A DTM estimator configured to set a second maximum allowable inclination value larger than the maximum allowable inclination value of 1 and estimate DTM again;
And a display unit for displaying the estimated DTM.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011129316A JP2012256230A (en) | 2011-06-09 | 2011-06-09 | Dtm estimation method, dtm estimation program, dtm estimation device, and creation method for three-dimensional building model |
US14/122,082 US20140081605A1 (en) | 2011-06-09 | 2012-04-26 | Dtm estimation method, dtm estimation program, dtm estimation device, and method for creating 3-dimensional building model, and region extraction method, region extraction program, and region extraction device |
PCT/JP2012/061204 WO2012169294A1 (en) | 2011-06-09 | 2012-04-26 | Dtm estimation method, dtm estimation program, dtm estimation device, and method for creating 3-dimensional building model, as well as region extraction method, region extraction program, and region extraction device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011129316A JP2012256230A (en) | 2011-06-09 | 2011-06-09 | Dtm estimation method, dtm estimation program, dtm estimation device, and creation method for three-dimensional building model |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2012256230A true JP2012256230A (en) | 2012-12-27 |
Family
ID=47527732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011129316A Withdrawn JP2012256230A (en) | 2011-06-09 | 2011-06-09 | Dtm estimation method, dtm estimation program, dtm estimation device, and creation method for three-dimensional building model |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2012256230A (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016015079A (en) * | 2014-07-03 | 2016-01-28 | 株式会社日立ソリューションズ | Volume calculation device, volume calculation method, and volume calculation program |
JP2018005819A (en) * | 2016-07-08 | 2018-01-11 | 株式会社パスコ | Three-dimensional model generation device, three-dimensional model generation method, and program |
JP2021003753A (en) * | 2019-06-25 | 2021-01-14 | オークラ輸送機株式会社 | Article detection method, picking method, article detector, and picking device |
JP2023087495A (en) * | 2021-12-13 | 2023-06-23 | アイサンテクノロジー株式会社 | Three-dimensional model data generation device, computer program, and three-dimensional model data generation method |
-
2011
- 2011-06-09 JP JP2011129316A patent/JP2012256230A/en not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016015079A (en) * | 2014-07-03 | 2016-01-28 | 株式会社日立ソリューションズ | Volume calculation device, volume calculation method, and volume calculation program |
JP2018005819A (en) * | 2016-07-08 | 2018-01-11 | 株式会社パスコ | Three-dimensional model generation device, three-dimensional model generation method, and program |
JP2021003753A (en) * | 2019-06-25 | 2021-01-14 | オークラ輸送機株式会社 | Article detection method, picking method, article detector, and picking device |
JP7264745B2 (en) | 2019-06-25 | 2023-04-25 | オークラ輸送機株式会社 | Article detection method, picking method, article detection device, and picking device |
JP2023087495A (en) * | 2021-12-13 | 2023-06-23 | アイサンテクノロジー株式会社 | Three-dimensional model data generation device, computer program, and three-dimensional model data generation method |
JP7344488B2 (en) | 2021-12-13 | 2023-09-14 | アイサンテクノロジー株式会社 | Three-dimensional model data generation device, computer program, and three-dimensional model data generation method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheng et al. | Integration of LiDAR data and optical multi-view images for 3D reconstruction of building roofs | |
JP6131704B2 (en) | Detection method for continuous road segment and detection device for continuous road segment | |
EP3112802B1 (en) | Road feature measurement apparatus and road feature measuring method | |
JP4545219B1 (en) | Analysis method of topographic change using topographic image and program thereof | |
WO2012169294A1 (en) | Dtm estimation method, dtm estimation program, dtm estimation device, and method for creating 3-dimensional building model, as well as region extraction method, region extraction program, and region extraction device | |
Kedzierski et al. | Methods of laser scanning point clouds integration in precise 3D building modelling | |
US20210201570A1 (en) | Method and apparatus for generating digital surface model using satellite imagery | |
JP6340781B2 (en) | Parallax direction continuous object detection method and apparatus based on parallax diagram | |
Cheng et al. | Building region derivation from LiDAR data using a reversed iterative mathematic morphological algorithm | |
Truong-Hong et al. | Octree-based, automatic building facade generation from LiDAR data | |
KR100967838B1 (en) | A method and a system for generating 3-dimensional geographical information using aerial lidar information and digital aerial photograph information | |
JP6760781B2 (en) | 3D model generator, 3D model generation method and program | |
CN108334802A (en) | The localization method and device of roadway characteristic object | |
US6970174B2 (en) | Texture mapping method and apparatus | |
JP4825836B2 (en) | Road map data creation system | |
TW201931314A (en) | Apparatus for generating feature-and-ground height-specific colored image, and program for generating feature height-specific colored image | |
JP6347061B2 (en) | Measurement result consistency determination method and measurement result consistency determination apparatus | |
KR101421128B1 (en) | Extraction method of building regions using segmented 3d raw datd based on laser radar | |
CN112561788A (en) | Two-dimensional expansion method of BIM (building information modeling) model and texture mapping method and device | |
JP2012256230A (en) | Dtm estimation method, dtm estimation program, dtm estimation device, and creation method for three-dimensional building model | |
KR101021013B1 (en) | A system for generating 3-dimensional geographical information using intensive filtering an edge of building object and digital elevation value | |
JP4619504B2 (en) | 3D digital map generator | |
JP6146731B2 (en) | Coordinate correction apparatus, coordinate correction program, and coordinate correction method | |
Wan et al. | Tracking of vector roads for the determination of seams in aerial image mosaics | |
KR101079475B1 (en) | A system for generating 3-dimensional urban spatial information using point cloud filtering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20140902 |