JP2021179365A - Information processing device, information processing method, and computer program - Google Patents
Information processing device, information processing method, and computer program Download PDFInfo
- Publication number
- JP2021179365A JP2021179365A JP2020084881A JP2020084881A JP2021179365A JP 2021179365 A JP2021179365 A JP 2021179365A JP 2020084881 A JP2020084881 A JP 2020084881A JP 2020084881 A JP2020084881 A JP 2020084881A JP 2021179365 A JP2021179365 A JP 2021179365A
- Authority
- JP
- Japan
- Prior art keywords
- data
- elevation
- target
- image data
- value
- 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.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 77
- 238000004590 computer program Methods 0.000 title claims description 7
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000001914 filtration Methods 0.000 claims abstract description 87
- 238000000034 method Methods 0.000 claims description 96
- 230000008569 process Effects 0.000 claims description 72
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 5
- 101150087110 HCRT gene Proteins 0.000 description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012876 topography Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000357437 Mola Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
本明細書に開示される技術は、測量により得られた複数の点の3次元座標データから構成された点群データを、地表面上の点のデータとそれ以外の点のデータとに分離するフィルタリングを行う情報処理装置等に関する。 The technique disclosed in the present specification separates a point cloud data composed of three-dimensional coordinate data of a plurality of points obtained by survey into data of points on the ground surface and data of other points. Related to information processing devices that perform filtering.
例えば森林や河川の地形を把握するために、複数の点の3次元座標データ(水平方向の位置を表すX,Y座標データ、および、標高を表すZ座標データ)から構成された点群データ(以下、「オリジナル点群データ」という。)を取得する測量が行われる。オリジナル点群データを取得するための測量としては、例えば、航空機(固定翼機、回転翼機、ドローン等)に取り付けられたレーザー測量装置によりレーザーパルスの送受信を行い、レーザーパルスの送信から受信までの時間を計測することにより地形を把握する航空レーザー測量が知られている。 For example, in order to grasp the topography of forests and rivers, point cloud data composed of three-dimensional coordinate data (X and Y coordinate data representing horizontal positions and Z coordinate data representing elevation) of a plurality of points ( Hereinafter, a survey is performed to acquire "original point cloud data"). As a survey for acquiring original point group data, for example, a laser surveying device attached to an aircraft (fixed-wing aircraft, rotary wing aircraft, drone, etc.) sends and receives a laser pulse, and from transmission to reception of the laser pulse. Aeronautical laser surveying is known to grasp the terrain by measuring the time of.
このような測量により得られるオリジナル点群データは、地表面上の点のデータに加えて、地物(例えば、樹木、建築物、土木構造物、流水、水中の浮遊物等)の表面上の点のデータを含んでいる。そのため、例えばDEM(Digital Elevation Model)と呼ばれる地表面の形状を表すモデルを作成するために、オリジナル点群データを、地表面上の点のデータと、地表面上の点以外の点のデータ(すなわち、地物の表面上の点のデータ)とに分離するフィルタリングと呼ばれる処理が行われる。 The original point cloud data obtained by such a survey is, in addition to the point data on the ground surface, on the surface of the feature (for example, trees, buildings, civil engineering structures, running water, floating objects in water, etc.). Contains point data. Therefore, for example, in order to create a model that represents the shape of the ground surface called DEM (Digital Elevation Model), the original point cloud data is used as the data of points on the ground surface and the data of points other than the points on the ground surface ( That is, a process called filtering is performed to separate the data from the points on the surface of the feature.
従来、フィルタリング処理の方法としては、各レーザーパルス(広がりを持った円形のビーム)について、最初に反射したパルス(ファーストパルス)と最後に反射したパルス(ラストパルス)とを得ることにより、例えば、ファーストパルスを地物の表面からの反射であると推定し、ラストパルスを地表面からの反射であると推定し、両者を分離する方法等が知られている(例えば、非特許文献1参照)。 Conventionally, as a method of filtering processing, for each laser pulse (a circular beam having a spread), for example, the first reflected pulse (first pulse) and the last reflected pulse (last pulse) are obtained, for example. A method of presuming that the first pulse is a reflection from the surface of a feature, presuming that the last pulse is a reflection from the ground surface, and separating the two is known (see, for example, Non-Patent Document 1). ..
しかしながら、従来のフィルタリング処理の方法では、例えば構造物や樹木が密集した領域においては、レーザーパルスがすべて地表面以外で反射するため、地表面で反射したパルスを得ることができず、処理精度において向上の余地があるという課題がある。また、従来のフィルタリング処理の方法には、多大な手間や時間がかかるという課題がある。 However, in the conventional filtering processing method, for example, in a region where structures and trees are densely packed, all the laser pulses are reflected by other than the ground surface, so that the pulse reflected on the ground surface cannot be obtained, and the processing accuracy is improved. There is a problem that there is room for improvement. Further, the conventional filtering processing method has a problem that it takes a lot of time and effort.
なお、このような課題は、航空レーザー測量により得られた点群データに対するフィルタリング処理に限らず、測量により得られた複数の点の3次元座標データから構成された点群データを地表面上の点のデータと地表面上の点以外の点のデータとに分離するフィルタリング処理に共通の課題である。 It should be noted that such a problem is not limited to the filtering process for the point cloud data obtained by the aerial laser survey, but the point cloud data composed of the three-dimensional coordinate data of a plurality of points obtained by the survey is displayed on the ground surface. This is a common issue in the filtering process that separates point data and point data other than points on the ground surface.
本明細書では、上述した課題を解決することが可能な技術を開示する。 This specification discloses a technique capable of solving the above-mentioned problems.
本明細書に開示される技術は、例えば、以下の形態として実現することが可能である。 The techniques disclosed herein can be realized, for example, in the following forms.
(1)本明細書に開示される情報処理装置は、測量により得られた複数の点の3次元座標データから構成されたオリジナル点群データを、地表面上の点のデータと、地表面上の点以外の点のデータとに分離するフィルタリングを行う情報処理装置であって、前記フィルタリングの対象のオリジナル点群データである対象オリジナル点群データを取得する対象データ取得部と、前記対象オリジナル点群データを対象として、水平方向の2次元格子状に並ぶ複数の単位領域のそれぞれについて、前記単位領域内に位置する点の標高値の代表値である標高代表値を算出するメッシュデータ化を行うことにより、各前記単位領域の前記標高代表値を示す対象オリジナル標高メッシュデータを生成するオリジナルメッシュデータ生成部と、前記対象オリジナル標高メッシュデータにおける各前記単位領域の前記標高代表値を、前記標高代表値と画像の階調値との対応関係に従い前記階調値に変換する画像データ化を行うことにより、2次元画像データである対象オリジナル画像データを生成するオリジナル画像データ生成部と、画像生成モデルを取得するモデル取得部であって、前記画像生成モデルは、オリジナル点群データと、該オリジナル点群データから地表面上の点以外の点のデータが除去されたフィルタリング済点群データと、の複数の組合せについて、前記メッシュデータ化および前記画像データ化を行うことにより生成されたオリジナル画像データとフィルタリング済画像データとの複数の組合せを学習用データとし、画像生成を行う学習アルゴリズムを用いた学習により生成されたモデルである、モデル取得部と、前記画像生成モデルを用いて、前記対象オリジナル画像データから対象フィルタリング済画像データを生成するフィルタリング済画像データ生成部と、前記対象フィルタリング済画像データについて、前記対応関係に従い前記階調値を前記標高代表値に変換することにより、各前記単位領域の前記標高代表値を示す対象フィルタリング済標高メッシュデータを生成するフィルタリング済メッシュデータ生成部と、前記対象フィルタリング済標高メッシュデータにおける各前記単位領域について、前記標高代表値に基づき標高値の選択範囲を設定する範囲設定部と、前記対象オリジナル点群データにおいて、各前記単位領域について、標高値が前記選択範囲に含まれる点と前記選択範囲に含まれない点とに分離することにより、前記フィルタリングを行うフィルタリング処理部と、を備える。 (1) The information processing apparatus disclosed in the present specification uses the original point group data composed of the three-dimensional coordinate data of a plurality of points obtained by the survey as the data of the points on the ground surface and the data on the ground surface. An information processing device that performs filtering to separate data from points other than the above points, and is a target data acquisition unit that acquires target original point group data that is the original point group data to be filtered, and the target original point. For the group data, mesh data is created to calculate the elevation representative value, which is the representative value of the elevation values of the points located in the unit region, for each of the plurality of unit regions arranged in a horizontal two-dimensional grid pattern. Thereby, the original mesh data generation unit that generates the target original elevation mesh data indicating the elevation representative value of each of the unit regions and the elevation representative value of each of the unit regions in the target original elevation mesh data are converted into the elevation representative. An original image data generation unit that generates target original image data, which is two-dimensional image data, and an image generation model by converting image data into the gradation values according to the correspondence between the values and the gradation values of the image. In the image generation model, the original point group data and the filtered point group data from which the data of points other than the points on the ground surface are removed from the original point group data. For a plurality of combinations, learning using a learning algorithm that generates an image by using a plurality of combinations of the original image data and the filtered image data generated by performing the mesh data conversion and the image data conversion as training data. About the model acquisition unit, which is the model generated by the above, the filtered image data generation unit that generates the target filtered image data from the target original image data using the image generation model, and the target filtered image data. A filtered mesh data generation unit that generates target filtered elevation mesh data indicating the elevation representative value of each unit region by converting the gradation value into the elevation representative value according to the correspondence relationship, and the target. For each unit area in the filtered elevation mesh data, the range setting unit that sets the selection range of the altitude value based on the altitude representative value, and in the target original point group data, the altitude value is the selection for each unit area. Divided into points included in the range and points not included in the selected range A filtering processing unit that performs the filtering by separating the filters is provided.
このように、本情報処理装置では、オリジナル点群データとフィルタリング済点群データとの複数の組合せについて、それらから生成されたオリジナル画像データとフィルタリング済画像データとの複数の組合せを学習用データとし、画像生成を行う学習アルゴリズムを用いた学習により生成された画像生成モデルが取得される。また、対象オリジナル点群データから対象オリジナル標高メッシュデータが生成され、対象オリジナル標高メッシュデータから対象オリジナル画像データが生成され、上記画像生成モデルを用いて対象オリジナル画像データから対象フィルタリング済画像データが生成される。また、対象フィルタリング済画像データから対象フィルタリング済標高メッシュデータが生成され、対象フィルタリング済標高メッシュデータに基づき標高値の選択範囲が設定され、対象オリジナル点群データに含まれる各点が、標高値が選択範囲に含まれる点と選択範囲に含まれない点とに分離されることにより、フィルタリング処理が行われる。そのため、本情報処理装置によれば、対象オリジナル点群データに対するフィルタリング処理を、容易に、かつ、短時間で、精度良く行うことができる。また、本情報処理装置によれば、特定の断面のみについてのデータしか得ることができないということはなく、対象オリジナル点群データの全体にわたってフィルタリング処理を行うことができる。 As described above, in this information processing apparatus, with respect to a plurality of combinations of the original point group data and the filtered point group data, a plurality of combinations of the original image data and the filtered image data generated from them are used as training data. , The image generation model generated by the training using the learning algorithm for image generation is acquired. In addition, the target original elevation mesh data is generated from the target original point group data, the target original image data is generated from the target original elevation mesh data, and the target filtered image data is generated from the target original image data using the above image generation model. Will be done. In addition, the target filtered elevation mesh data is generated from the target filtered image data, the selection range of the elevation value is set based on the target filtered elevation mesh data, and each point included in the target original point cloud data has the elevation value. Filtering processing is performed by separating points included in the selection range and points not included in the selection range. Therefore, according to this information processing apparatus, the filtering process for the target original point cloud data can be easily, quickly, and accurately performed. Further, according to this information processing apparatus, it is not possible to obtain only data for a specific cross section, and it is possible to perform filtering processing over the entire target original point cloud data.
(2)上記情報処理装置において、前記オリジナル画像データ生成部は、前記対象オリジナル標高メッシュデータにおける前記標高代表値の最小値と最大値とに基づき、前記対応関係を設定する構成としてもよい。本情報処理装置によれば、標高代表値と画像の階調値との対応関係を予め固定的に設定する場合と比較して、対象オリジナル点群データに含まれる各点の標高差をより良く表した対象オリジナル画像データを得ることができ、その結果、対象オリジナル点群データに対するフィルタリング処理の精度をさらに向上させることができる。 (2) In the information processing apparatus, the original image data generation unit may be configured to set the correspondence relationship based on the minimum value and the maximum value of the altitude representative value in the target original altitude mesh data. According to this information processing apparatus, the elevation difference of each point included in the target original point group data is better than the case where the correspondence between the elevation representative value and the gradation value of the image is fixedly set in advance. The represented target original image data can be obtained, and as a result, the accuracy of the filtering process for the target original point group data can be further improved.
(3)上記情報処理装置において、前記オリジナル画像データ生成部による前記画像データ化により生成される画像データは、RGBデータであり、R値とG値とB値とのうちの第1値および第2値がゼロに固定され、第3値がゼロから最高値nまで1ずつ変化する(n+1)個の階調と、前記第3値が前記最高値nに固定され、前記第1値および前記第2値が1から最高値nまで1ずつ変化するn個の階調と、の合計2n+1個の階調により表される画像である構成としてもよい。本情報処理装置では、画像データとして、いわゆるフルカラー画像よりは階調数は少なくものの、R値、G値およびB値がすべて同じ値である階調のみにより表される画像(いわゆるグレースケール)ではなく、色味を有する画像が用いられる。そのため、本情報処理装置によれば、対象オリジナル点群データに含まれる各点の標高差をさらに良く表した対象オリジナル画像データを得ることができ、その結果、対象オリジナル点群データに対するフィルタリング処理の精度を一層向上させることができる。 (3) In the information processing apparatus, the image data generated by the image data conversion by the original image data generation unit is RGB data, and is the first value and the first of the R value, the G value, and the B value. The two values are fixed to zero, the third value changes by 1 from zero to the maximum value n (n + 1), and the third value is fixed to the maximum value n, the first value and the above. The image may be configured as an image represented by n gradations in which the second value changes by 1 from 1 to the maximum value n, and a total of 2n + 1 gradations. In this information processing device, as image data, the number of gradations is smaller than that of a so-called full-color image, but in an image represented only by gradations in which the R value, G value, and B value are all the same value (so-called gray scale). Instead, an image with color is used. Therefore, according to this information processing apparatus, it is possible to obtain the target original image data that better represents the elevation difference of each point included in the target original point cloud data, and as a result, the filtering process for the target original point cloud data is performed. The accuracy can be further improved.
(4)上記情報処理装置において、前記モデル取得部は、オリジナル点群データとフィルタリング済点群データとの複数の組合せを取得し、オリジナル点群データとフィルタリング済点群データとの複数の組合せについて前記メッシュデータ化および前記画像データ化を行うことによりオリジナル画像データとフィルタリング済画像データとの複数の組合せを生成し、オリジナル画像データとフィルタリング済画像データとの複数の組合せを学習用データとして前記学習を行うことにより前記画像生成モデルを生成することにより、前記画像生成モデルを取得する構成としてもよい。本情報処理装置によれば、画像生成モデルの生成から、該画像生成モデルを用いたフィルタリング処理まで、一貫した処理を実行することができる。 (4) In the information processing apparatus, the model acquisition unit acquires a plurality of combinations of the original point group data and the filtered point group data, and obtains a plurality of combinations of the original point group data and the filtered point group data. By performing the mesh data conversion and the image data conversion, a plurality of combinations of the original image data and the filtered image data are generated, and the plurality of combinations of the original image data and the filtered image data are used as training data for the training. The image generation model may be acquired by generating the image generation model by performing the above. According to this information processing apparatus, it is possible to execute consistent processing from generation of an image generation model to filtering processing using the image generation model.
なお、本明細書に開示される技術は、種々の形態で実現することが可能であり、例えば、情報処理装置、情報処理方法、それらの方法を実現するコンピュータプログラム、そのコンピュータプログラムを記録した一時的でない記録媒体等の形態で実現することができる。 The techniques disclosed in the present specification can be realized in various forms, for example, an information processing apparatus, an information processing method, a computer program that realizes those methods, and a temporary recording of the computer program. It can be realized in the form of an untargeted recording medium or the like.
A.実施形態:
A−1.情報処理装置100の構成:
図1は、本実施形態における情報処理装置100の概略構成を示すブロック図である。本実施形態の情報処理装置100は、測量により得られた複数の点の3次元座標データ(水平方向の位置を表すX,Y座標データ、および、標高を表すZ座標データ)から構成された点群データ(オリジナル点群データ)を対象としたフィルタリング処理を行う装置である。なお、本実施形態では、オリジナル点群データとして、航空レーザー測量により得られたデータが用いられる。航空レーザー測量は、航空機(固定翼機、回転翼機、ドローン等)に取り付けられたレーザー測量装置によりレーザーパルスの送受信を行い、レーザーパルスの送信から受信までの時間を計測することにより地形を把握する測量方法である。
A. Embodiment:
A-1. Configuration of information processing device 100:
FIG. 1 is a block diagram showing a schematic configuration of the
図2および図3は、オリジナル点群データを対象としたフィルタリング処理を概念的に示す説明図である。図2には、陸上の地形を把握するためのフィルタリング処理の概要が示されている。図2のA欄に示すように、航空レーザー測量では、上空から地上に向けてレーザーパルスLPが照射されるが、このレーザーパルスLPは地表面GLに加えて、樹木等の地物OBの表面においても反射される。そのため、航空レーザー測量により得られるオリジナル点群データPGoは、地表面GL上の点(以下、「地表面点POg」という。)のデータに加えて、地物OBの表面上の点(以下、「地物点POo」という。)のデータを含んでいる。 2 and 3 are explanatory diagrams conceptually showing the filtering process for the original point cloud data. FIG. 2 shows an outline of the filtering process for grasping the topography on land. As shown in column A of FIG. 2, in aerial laser surveying, a laser pulse LP is irradiated from the sky to the ground, and this laser pulse LP is the surface of a feature OB such as a tree in addition to the ground surface GL. Is also reflected in. Therefore, the original point cloud data PGO obtained by aerial laser survey is not only the data of the points on the ground surface GL (hereinafter referred to as "ground surface point POg") but also the points on the surface of the feature OB (hereinafter referred to as "ground surface point POg"). It contains the data of "feature point POo").
フィルタリング処理は、オリジナル点群データPGoを、地表面GL上の点(地表面点POg)のデータと、地表面GL上の点以外の点(地物点POo)のデータとに分離する処理である。このようなフィルタリング処理を行うことにより、図2のB欄に示すように、例えば、地物点POoのデータを含まず、地表面点POgのデータのみから構成された点群データ(以下、「フィルタリング済点群データPGf」という。)を得ることができる。フィルタリング済点群データPGfは、例えば、DEM(Digital Elevation Model)と呼ばれる地表面の形状を表すモデルの作成のために用いられる。 The filtering process is a process of separating the original point cloud data PGO into data of points on the ground surface GL (ground surface point POg) and data of points other than the points on the ground surface GL (feature point POo). be. By performing such a filtering process, as shown in column B of FIG. 2, for example, a point cloud data (hereinafter, "") composed of only the ground surface point POg data without including the feature point POo data. Filtered point cloud data PGf ") can be obtained. The filtered point cloud data PGf is used, for example, for creating a model representing the shape of the ground surface called DEM (Digital Elevation Model).
また、図3には、水面WLの下の地形(例えば、河床や海底の形状)を把握するためのフィルタリング処理の概要が示されている。この場合も同様に、図3のA欄に示すように、航空レーザー測量において上空から地上に向けてレーザーパルスLPが照射されるが、このレーザーパルスLPは地表面GL(河床面や海底面)に加えて、流水や水中の浮遊物等の地物OBの表面においても反射される。そのため、航空レーザー測量により得られるオリジナル点群データPGoは、地表面点POgのデータに加えて、地物点POoのデータを含むこととなる。フィルタリング処理は、オリジナル点群データPGoを、地表面GL上の点(地表面点POg)のデータと、地表面GL上の点以外の点(地物点POo)のデータとに分離する処理であり、例えば図3のB欄に示すように、地物点POoのデータを含まず、地表面点POgのデータのみから構成されたフィルタリング済点群データPGfを得ることができる。なお、水面WLの下の地形を把握するための航空レーザー測量では、レーザーパルスLPが地表面GL(河床面や海底面)まで達するように、近赤外線レーザーやグリーンレーザーが用いられる。また、水面WLの下の地形を把握するための航空レーザー測量は、航空レーザー測深とも呼ばれる。 Further, FIG. 3 shows an outline of the filtering process for grasping the topography under the water surface WL (for example, the shape of the riverbed or the seabed). In this case as well, as shown in column A of FIG. 3, the laser pulse LP is irradiated from the sky to the ground in the aerial laser survey, and this laser pulse LP is the ground surface GL (river bed surface or sea floor). In addition, it is also reflected on the surface of the feature OB such as running water and floating matter in water. Therefore, the original point cloud data PGO obtained by aerial laser survey includes the data of the feature point POo in addition to the data of the ground surface point POg. The filtering process is a process of separating the original point cloud data PPo into data of points on the ground surface GL (ground surface point POg) and data of points other than points on the ground surface GL (feature point POo). Yes, for example, as shown in column B of FIG. 3, it is possible to obtain a filtered point cloud data PGf that does not include the data of the feature point POo and is composed only of the data of the ground surface point POg. In the aerial laser survey for grasping the topography under the water surface WL, a near-infrared laser or a green laser is used so that the laser pulse LP reaches the ground surface GL (river surface or sea floor). The aerial laser survey for grasping the topography under the water surface WL is also called an aerial laser survey depth.
なお、上記のように、本明細書では、「地表面」とは、地球の表面を意味し、陸上の土地の表面(地面)と、水面下の土地の表面(河床面や海底面等)との両方を含む。また、「地物」とは、地球上に存在する物体を意味し、陸上に存在する物体(樹木、建築物、土木構造物等)と、水面や水面下に存在する物体(流水、水中の浮遊物等)との両方を含む。 As described above, in the present specification, the "ground surface" means the surface of the earth, and the surface of the land on land (ground) and the surface of the land below the water surface (river bed surface, seabed, etc.). Including both. In addition, "features" means objects that exist on the earth, and objects that exist on land (trees, buildings, civil engineering structures, etc.) and objects that exist on or below the surface of the water (running water, underwater). Includes both with floating matter etc.).
図1に示すように、情報処理装置100は、パーソナルコンピュータ(以下、「PC」という。)により構成されている。情報処理装置100は、制御部110と、記憶部130と、表示部152と、操作入力部156と、インターフェース部158とを備える。これらの各部は、バス190を介して互いに通信可能に接続されている。
As shown in FIG. 1, the
情報処理装置100の表示部152は、例えば液晶ディスプレイ等により構成され、各種の画像や情報を表示する。また、操作入力部156は、例えばキーボードやマウス、ボタン、マイク等により構成され、管理者の操作や指示を受け付ける。なお、表示部152が、タッチパネルを備えることにより、操作入力部156として機能するとしてもよい。また、インターフェース部158は、例えばLANインターフェースやUSBインターフェース等により構成され、有線または無線により他の装置との通信を行う。
The
情報処理装置100の記憶部130は、例えばROMやRAM、ハードディスクドライブ(HDD)等により構成され、各種のプログラムやデータを記憶したり、各種のプログラムを実行する際の作業領域やデータの一時的な記憶領域として利用されたりする。例えば、記憶部130には、上述したフィルタリング処理を実行するためのコンピュータプログラムであるフィルタリング処理プログラムCPが格納されている。フィルタリング処理プログラムCPは、例えば、CD−ROMやDVD−ROM、USBメモリ等のコンピュータ読み取り可能な記録媒体(不図示)に格納された状態で提供され、情報処理装置100にインストールすることにより記憶部130に格納される。
The
また、情報処理装置100の記憶部130には、フィルタリング処理において、学習用データLDと、処理対象データODと、画像生成モデルMOfとが格納される。これらのデータやモデルについては、後述のフィルタリング処理の説明に合わせて説明する。
Further, in the filtering process, the
情報処理装置100の制御部110は、例えばCPU等により構成され、記憶部130から読み出したコンピュータプログラムを実行することにより、情報処理装置100の動作を制御する。例えば、制御部110は、記憶部130からフィルタリング処理プログラムCPを読み出して実行することにより、フィルタリング処理を実行する。より詳細には、制御部110は、フィルタリング処理を実行するためのフィルタリング処理部111として機能する。また、フィルタリング処理部111は、対象データ取得部112と、オリジナルメッシュデータ生成部113と、オリジナル画像データ生成部114と、モデル取得部115と、フィルタリング済画像データ生成部116と、フィルタリング済メッシュデータ生成部117と、範囲設定部118とを含む。これら各部の機能については、後述のフィルタリング処理の説明に合わせて説明する。
The
A−2.フィルタリング処理:
次に、本実施形態の情報処理装置100により実行されるフィルタリング処理について説明する。図4は、本実施形態におけるフィルタリング処理を示すフローチャートである。上述したように、フィルタリング処理は、オリジナル点群データPGoを、地表面GL上の点(地表面点POg)のデータと、それ以外の点(地物点POo)のデータとに分離する処理である。本実施形態では、フィルタリング処理の一例として、オリジナル点群データPGoから地物点POoのデータを除去し、地表面点POgのデータのみから構成されたフィルタリング済点群データPGfを生成する処理について説明する。フィルタリング処理は、例えば、管理者が情報処理装置100の操作入力部156を介して処理開始の指示を入力したことに応じて開始される。
A-2. Filtering process:
Next, the filtering process executed by the
はじめに、情報処理装置100のモデル取得部115(図1)が、フィルタリング処理用の画像生成モデルMOfを作成する(図4のS110)。図5は、本実施形態におけるフィルタリング処理用の画像生成モデルMOfの作成処理を示すフローチャートである。また、図6から図9は、本実施形態におけるフィルタリング処理用の画像生成モデルMOfの作成処理の概要を示す説明図である。
First, the model acquisition unit 115 (FIG. 1) of the
はじめに、情報処理装置100のモデル取得部115(図1)は、オリジナル点群データPGoとフィルタリング済点群データPGfとの組合せ(以下、「点群データペア」という。)を複数取得する(図5のS210、図6の最上段参照)。点群データペアは、任意の場所で行われた測量(例えば、航空レーザー測量)により取得されたオリジナル点群データPGoと、該オリジナル点群データPGoに対して公知の方法でフィルタリング処理を行うことにより生成されたフィルタリング済点群データPGfとの組合せである。後述する学習の精度の向上のため、取得される点群データペアの個数は、ある程度多いほうが好ましい。取得された点群データペアは、情報処理装置100の記憶部130(図1)に、学習用データLDとして格納される。
First, the model acquisition unit 115 (FIG. 1) of the
次に、情報処理装置100のモデル取得部115(図1)は、S210において取得された各オリジナル点群データPGoおよび各フィルタリング済点群データPGfから、オリジナル標高メッシュデータMEoおよびフィルタリング済標高メッシュデータMEfを生成する(図5のS220、図6の上から2段目参照)。オリジナル標高メッシュデータMEoおよびフィルタリング済標高メッシュデータMEfは、水平方向の2次元格子状に並ぶ複数の単位領域URのそれぞれについての標高代表値ALを示すデータである。以下、オリジナル標高メッシュデータMEoおよびフィルタリング済標高メッシュデータMEfの生成方法について説明する。
Next, the model acquisition unit 115 (FIG. 1) of the
図7は、オリジナル点群データPGoからオリジナル標高メッシュデータMEoを生成する方法を示す説明図である。図7に示すように、まず、オリジナル点群データPGoに対して、水平方向の2次元格子状に並ぶ複数の単位領域URが設定される。各単位領域URは、所定の大きさ(本実施形態では、X方向の幅Wx:50cm、Y方向の幅Wy:50cm)の矩形領域である。また、本実施形態では、X方向に256個、Y方向に256個、合計65,536個の単位領域URにより構成される全体領域HR(128m×128mの大きさの領域)を1つの処理単位としている。オリジナル点群データPGoにおいて、互いに重ならず、かつ、互いに隣接するように、複数の全体領域HRが設定され、全体領域HR毎に以下の処理が実行される。 FIG. 7 is an explanatory diagram showing a method of generating the original elevation mesh data MEo from the original point cloud data PGO. As shown in FIG. 7, first, a plurality of unit regions UR arranged in a two-dimensional grid pattern in the horizontal direction are set for the original point cloud data PGO. Each unit region UR is a rectangular region having a predetermined size (in this embodiment, the width Wx in the X direction: 50 cm, the width Wy in the Y direction: 50 cm). Further, in the present embodiment, one processing unit is the entire area HR (area having a size of 128 m × 128 m) composed of 256 unit areas UR in the X direction and 256 pieces in the Y direction, for a total of 65,536 unit area URs. It is supposed to be. In the original point cloud data PGO, a plurality of whole area HRs are set so as not to overlap each other and to be adjacent to each other, and the following processing is executed for each whole area HR.
次に、各単位領域URについて、単位領域UR内に位置する点(地表面点POgまたは地物点POo)の標高値(Z座標値)の代表値(以下、「標高代表値AL」という。)が算出される。標高代表値ALとしては、例えば、各点の標高値の平均値、最大値、最小値、中央値、最頻値等が用いられる。以下では、標高代表値ALとして平均値が用いられるものとして、説明を進める。なお、点が1つも含まれない単位領域URについては、データ無し(NoDATA)とし、標高代表値ALの代わりに、例えば「9999」などのように、有効値と明確に区別される無効値が設定される。 Next, for each unit area UR, a representative value (Z coordinate value) of a point (ground surface point POg or feature point POo) located in the unit area UR (hereinafter referred to as "elevation representative value AL"). ) Is calculated. As the elevation representative value AL, for example, the average value, the maximum value, the minimum value, the median value, the mode value, and the like of the elevation values of each point are used. In the following, the description will proceed assuming that the average value is used as the elevation representative value AL. For the unit area UR that does not include any points, no data is set (NoDATA), and instead of the elevation representative value AL, an invalid value that is clearly distinguished from the valid value, such as "9999", is used. Set.
このようにして、オリジナル点群データPGoから、水平方向の2次元格子状に並ぶ複数の(256×256個の)単位領域URのそれぞれについての標高代表値ALを示すオリジナル標高メッシュデータMEoが生成される。なお、フィルタリング済点群データPGfからフィルタリング済標高メッシュデータMEfを生成する方法は、オリジナル点群データPGoからオリジナル標高メッシュデータMEoを生成する方法と同様であるため、説明を省略する。生成されたオリジナル標高メッシュデータMEoおよびフィルタリング済標高メッシュデータMEfは、情報処理装置100の記憶部130(図1)に、学習用データLDとして格納される。
In this way, the original elevation mesh data MEo showing the elevation representative value AL for each of the plurality of (256 × 256) unit region URs arranged in a horizontal two-dimensional grid pattern is generated from the original point group data PPo. Will be done. Since the method of generating the filtered elevation mesh data MEf from the filtered point cloud data PGf is the same as the method of generating the original elevation mesh data MEo from the original point cloud data PGO, the description thereof will be omitted. The generated original elevation mesh data MEo and the filtered elevation mesh data MEf are stored as learning data LD in the storage unit 130 (FIG. 1) of the
次に、情報処理装置100のモデル取得部115(図1)は、S220において生成された各オリジナル標高メッシュデータMEoおよび各フィルタリング済標高メッシュデータMEfから、オリジナル画像データIMoおよびフィルタリング済画像データIMfを生成する(図5のS230、図6の上から3段目参照)。オリジナル画像データIMoおよびフィルタリング済画像データIMfは、所定の階調数で表現された所定のサイズの2次元画像データである。以下、オリジナル画像データIMoおよびフィルタリング済画像データIMfの生成方法について説明する。
Next, the model acquisition unit 115 (FIG. 1) of the
図8および図9は、オリジナル標高メッシュデータMEoからオリジナル画像データIMoを生成する方法を示す説明図である。本実施形態では、オリジナル画像データIMoはRGB画像データであるが、256×256×256階調により表されたいわゆるフルカラー画像ではなく、図8に示すように、511階調のみにより表された画像データである。すなわち、オリジナル画像データIMoは、G値およびB値がゼロに固定され、R値がゼロから最高値255まで変化する256個の階調(黒から赤までの階調)と、R値が最高値255に固定され、G値およびB値が共に1から最高値255まで変化する255個の階調(赤から白までの階調)と、の合計511個の階調のみにより表された画像である。本実施形態において、G値およびB値は、特許請求の範囲における第1値および第2値に相当し、R値は、特許請求の範囲における第3値に相当する。
8 and 9 are explanatory views showing a method of generating original image data IMo from the original elevation mesh data MEo. In the present embodiment, the original image data IMo is RGB image data, but it is not a so-called full-color image represented by 256 × 256 × 256 gradations, but an image represented only by 511 gradations as shown in FIG. It is data. That is, in the original image data IMo, the G value and the B value are fixed to zero, and the R value has 256 gradations (gradation from black to red) in which the R value changes from zero to the
図8に示すように、オリジナル標高メッシュデータMEoからオリジナル画像データIMoを生成する際には、オリジナル標高メッシュデータMEoにおける標高代表値ALとオリジナル画像データIMoの階調値との対応関係CRが設定される。この対応関係CRは、オリジナル標高メッシュデータMEoにおける標高代表値ALの最小値AL(min)および最大値AL(max)に基づき設定される。具体的には、対応関係CRにおいて、標高代表値ALの最小値AL(min)が(R,G,B)=(0,0,0)に割り当てられ、標高代表値ALの最大値AL(max)が(R,G,B)=(255,220,220)に割り当てられる。標高代表値ALの最小値AL(min)から最大値AL(max)までの範囲内の各値は、(R,G,B)=(0,0,0)から(R,G,B)=(255,220,220)までの各階調値のいずれかに割り当てられる。このように、本実施形態では、オリジナル標高メッシュデータMEoにおける標高代表値ALの最小値AL(min)から最大値AL(max)までの範囲が、上述した511階調のうち、黒に近い一部の階調の範囲RAのみに割り当てられる。また、上述したように、点が1つも含まれない単位領域URについては、NoDATAとして標高代表値ALの代わりに無効値が設定されているが、このような無効値が(R,G,B)=(255,255,255)に割り当てられる。(R,G,B)=(255,221,221)から(R,G,B)=(255,254,254)までの各階調値は、使用されない。 As shown in FIG. 8, when the original image data IMo is generated from the original elevation mesh data MEo, the correspondence CR between the elevation representative value AL in the original elevation mesh data MEo and the gradation value of the original image data IMo is set. Will be done. This correspondence CR is set based on the minimum value AL (min) and the maximum value AL (max) of the elevation representative value AL in the original elevation mesh data MEo. Specifically, in the correspondence CR, the minimum value AL (min) of the elevation representative value AL is assigned to (R, G, B) = (0,0,0), and the maximum value AL of the elevation representative value AL ( max) is assigned to (R, G, B) = (255,220,220). Each value in the range from the minimum value AL (min) to the maximum value AL (max) of the elevation representative value AL is (R, G, B) = (0,0,0) to (R, G, B). = Assigned to any of the gradation values up to (255, 220, 220). As described above, in the present embodiment, the range from the minimum value AL (min) to the maximum value AL (max) of the elevation representative value AL in the original elevation mesh data MEo is one of the above-mentioned 511 gradations that is close to black. It is assigned only to the range RA of the gradation of the part. Further, as described above, for the unit region UR that does not include any point, an invalid value is set as NoDATA instead of the elevation representative value AL, and such an invalid value is (R, G, B). ) = (255, 255, 255). Each gradation value from (R, G, B) = (255,221,221) to (R, G, B) = (255,254,254) is not used.
図9に示すように、オリジナル標高メッシュデータMEoの各単位領域URが各画素PXとみなされ、各単位領域URの標高代表値ALが上記対応関係CRに基づき511個の階調値のいずれかに置換されることにより、各画素PXの階調値により表されたオリジナル画像データIMoが生成される。なお、フィルタリング済標高メッシュデータMEfからフィルタリング済画像データIMfを生成する方法は、オリジナル標高メッシュデータMEoからオリジナル画像データIMoを生成する方法と同様であるため、説明を省略する。生成されたオリジナル画像データIMoおよびフィルタリング済画像データIMfは、情報処理装置100の記憶部130(図1)に、学習用データLDとして格納される。
As shown in FIG. 9, each unit region UR of the original elevation mesh data MEo is regarded as each pixel PX, and the elevation representative value AL of each unit region UR is any one of 511 gradation values based on the above correspondence CR. By being replaced with, the original image data IMo represented by the gradation value of each pixel PX is generated. Since the method of generating the filtered image data IMf from the filtered elevation mesh data MEf is the same as the method of generating the original image data IMo from the original elevation mesh data MEo, the description thereof will be omitted. The generated original image data IMo and filtered image data IMf are stored as learning data LD in the storage unit 130 (FIG. 1) of the
次に、情報処理装置100のモデル取得部115(図1)は、オリジナル画像データIMoとフィルタリング済画像データIMfとの複数の組合せを学習用データLDとし、画像生成を行う学習アルゴリズムLAを用いた学習を行うことにより、フィルタリング処理用の画像生成モデルMOfを作成する(図5のS240、図6の最下段参照)。本実施形態では、画像生成を行う学習アルゴリズムLAとして、GAN(敵対的生成ネットワーク)が用いられる。GANは、ディープラーニングのアルゴリズムの1つであり、生成器および識別器と呼ばれる2つのニューラルネットワークがつながった構造を有しており、入力画像データから出力画像データを生成するアルゴリズムである。オリジナル画像データIMoを入力値とし、フィルタリング済画像データIMfを出力値とする複数の(多数の)画像データのペアを用いた学習によって画像生成モデルMOfを作成することにより、作成された画像生成モデルMOfは、オリジナル点群データPGoに対応する画像データから、フィルタリング済点群データPGfに対応する画像データを生成するモデルとなる。以上の処理により、フィルタリング処理用の画像生成モデルMOfの作成(図4のS110)が完了する。
Next, the model acquisition unit 115 (FIG. 1) of the
次に、情報処理装置100の対象データ取得部112(図1)が、フィルタリング処理の対象であるオリジナル点群データ(以下、「対象オリジナル点群データPGox」という。)を取得する(図4のS120)。取得された対象オリジナル点群データPGoxは、情報処理装置100の記憶部130(図1)に、処理対象データODとして格納される。
Next, the target data acquisition unit 112 (FIG. 1) of the
次に、情報処理装置100のオリジナルメッシュデータ生成部113(図1)が、S120において取得された対象オリジナル点群データPGoxから、オリジナル標高メッシュデータ(以下、「対象オリジナル標高メッシュデータMEox」という。)を生成する(図4のS130)。対象オリジナル標高メッシュデータMEoxは、上述したフィルタリング処理用の画像生成モデルMOfの作成の際に生成されたオリジナル標高メッシュデータMEoと同様に、水平方向の2次元格子状に並ぶ複数の単位領域URのそれぞれについての標高代表値ALを示すデータである(図7参照)。対象オリジナル点群データPGoxから対象オリジナル標高メッシュデータMEoxを生成する方法は、上述したフィルタリング処理用の画像生成モデルMOfの作成の際に、オリジナル点群データPGoからオリジナル標高メッシュデータMEoを生成する方法と同様であるため、ここでは説明を省略する。なお、上述したフィルタリング処理用の画像生成モデルMOfの作成の際と同様に、対象オリジナル点群データPGoxにおいて、互いに重ならず、かつ、互いに隣接するように、複数の全体領域HRが設定され、全体領域HR毎に以下の処理が実行される。
Next, the original mesh data generation unit 113 (FIG. 1) of the
次に、情報処理装置100のオリジナル画像データ生成部114(図1)が、S130において生成された対象オリジナル標高メッシュデータMEoxから、オリジナル画像データ(以下、「対象オリジナル画像データIMox」という。)を生成する(図4のS140)。対象オリジナル画像データIMoxは、上述したフィルタリング処理用の画像生成モデルMOfの作成の際に生成されたオリジナル画像データIMoと同様に、所定の階調数(本実施形態では511個の階調)で表現された所定のサイズ(本実施形態では、256×256のサイズ)の2次元RGB画像データである(図8,9参照)。対象オリジナル標高メッシュデータMEoxから対象オリジナル画像データIMoxを生成する方法は、上述したフィルタリング処理用の画像生成モデルMOfの作成の際に、オリジナル標高メッシュデータMEoからオリジナル画像データIMoを生成する方法と同様であるため、ここでは説明を省略する。
Next, the original image data generation unit 114 (FIG. 1) of the
次に、情報処理装置100のフィルタリング済画像データ生成部116(図1)が、S110において作成された画像生成モデルMOfを用いて、S140において生成された対象オリジナル画像データIMoxからフィルタリング済画像データ(以下、「対象フィルタリング済画像データIMfx」という。)を生成する(図4のS150)。上述したように、画像生成モデルMOfは、オリジナル点群データPGoに対応する画像データから、フィルタリング済点群データPGfに対応する画像データを生成するモデルである。そのため、S150において生成された対象フィルタリング済画像データIMfxは、フィルタリング済点群データPGfに対応する画像データとなる。
Next, the filtered image data generation unit 116 (FIG. 1) of the
次に、情報処理装置100のフィルタリング済メッシュデータ生成部117(図1)が、S150において生成された対象フィルタリング済画像データIMfxからフィルタリング済標高メッシュデータ(以下、「対象フィルタリング済標高メッシュデータMEfx」という。)を生成する(図4のS160)。対象フィルタリング済標高メッシュデータMEfxは、水平方向の2次元格子状に並ぶ複数の単位領域URのそれぞれについての標高代表値ALを示すデータである(図7参照)。対象フィルタリング済画像データIMfxから対象フィルタリング済標高メッシュデータMEfxへの変換は、S140における対象オリジナル標高メッシュデータMEoxから対象オリジナル画像データIMoxへの変換の逆変換である。すなわち、S140における変換で使用された対応関係CRに従い、対象フィルタリング済画像データIMfxの各画素PXの階調値が標高代表値ALに変換されることにより、対象フィルタリング済標高メッシュデータMEfxが生成される。
Next, the filtered mesh data generation unit 117 (FIG. 1) of the
次に、情報処理装置100の範囲設定部118(図1)が、S160において生成された対象フィルタリング済標高メッシュデータMEfxにおける各単位領域URについて、標高代表値ALに基づき標高値の選択範囲Rfを設定する(図4のS170)。図10は、標高代表値ALに基づく標高値の選択範囲Rfの設定方法の一例を示す説明図である。図10に示すように、本実施形態では、標高代表値ALを中心とし、上下に所定の同一の閾値Th分の幅を有する範囲が、標高値の選択範囲Rfとして設定される。このように設定された標高値の選択範囲Rfは、対象オリジナル点群データPGoxにおける地表面点POgの標高値が含まれる蓋然性が高く、かつ、地物点POoの標高値が含まれる蓋然性が低い範囲である。すなわち、この標高値の選択範囲Rfは、対象オリジナル点群データPGoxを地表面点POgのデータと地物点POoのデータとに分離するフィルタとして機能する。
Next, the range setting unit 118 (FIG. 1) of the
次に、情報処理装置100のフィルタリング処理部111(図1)が、S120において取得された対象オリジナル点群データPGoxから、各単位領域URについて、S170において設定された標高値の選択範囲Rfに含まれない点のデータを除去する。上述したように、標高値の選択範囲Rfは、地表面点POgの標高値が含まれる蓋然性が高く、かつ、地物点POoの標高値が含まれる蓋然性が低い範囲である。そのため、図10に示すように、対象オリジナル点群データPGoxから、標高値の選択範囲Rfに含まれない点のデータを除去することにより、地物点POoのデータを含まず、地表面点POgのデータのみから構成された点群データ(フィルタリング済点群データPGf)を得ることができる。
Next, the filtering processing unit 111 (FIG. 1) of the
以上の処理により、対象オリジナル点群データPGoxを、地表面GL上の点(地表面点POg)と、それ以外の点(地物点POo)のデータとを分離し、地表面点POgのデータのみから構成されたフィルタリング済点群データPGfを生成するフィルタリング処理が完了する。 By the above processing, the target original point cloud data PPox is separated from the data of the point on the ground surface GL (ground surface point POg) and the data of other points (feature point POo), and the data of the ground surface point POg. The filtering process for generating the filtered point cloud data PGf composed of only is completed.
A−3.本実施形態の効果:
以上説明したように、本実施形態の情報処理装置100は、測量により得られた複数の点の3次元座標データから構成された対象オリジナル点群データPGoxを、地表面上の点である地表面点POgのデータと、地表面上の点以外の点である地物点POoのデータとに分離するフィルタリングを行う装置である。情報処理装置100は、対象データ取得部112と、オリジナルメッシュデータ生成部113と、オリジナル画像データ生成部114と、モデル取得部115と、フィルタリング済画像データ生成部116と、フィルタリング済メッシュデータ生成部117と、範囲設定部118と、フィルタリング処理部111とを備える。対象データ取得部112は、フィルタリング処理の対象のオリジナル点群データPGoである対象オリジナル点群データPGoxを取得する。オリジナルメッシュデータ生成部113は、対象オリジナル点群データPGoxを対象として、水平方向の2次元格子状に並ぶ複数の単位領域URのそれぞれについて、単位領域UR内に位置する点の標高値の代表値である標高代表値ALを算出するメッシュデータ化を行うことにより、各単位領域URの標高代表値ALを示す対象オリジナル標高メッシュデータMEoxを生成する。オリジナル画像データ生成部114は、対象オリジナル標高メッシュデータMEoxにおける各単位領域URの標高代表値ALを、標高代表値ALと画像の階調値との対応関係CRに従い階調値に変換する画像データ化を行うことにより、2次元画像データである対象オリジナル画像データIMoxを生成する。モデル取得部115は、画像生成モデルMOfを取得する。この画像生成モデルMOfは、オリジナル点群データPGoと、該オリジナル点群データPGoから地表面上の点以外の点(地物点POo)のデータが除去されたフィルタリング済点群データPGfと、の複数の組合せについて、上記メッシュデータ化および画像データ化を行うことにより生成されたオリジナル画像データIMoとフィルタリング済画像データIMfとの複数の組合せを学習用データLDとし、画像生成を行う学習アルゴリズムLAを用いた学習により生成されたモデルである。フィルタリング済画像データ生成部116は、画像生成モデルMOfを用いて、対象オリジナル画像データIMoxから対象フィルタリング済画像データIMfxを生成する。フィルタリング済メッシュデータ生成部117は、対象フィルタリング済画像データIMfxについて、上記対応関係CRに従い階調値を標高代表値ALに変換することにより、各単位領域URの標高代表値ALを示す対象フィルタリング済標高メッシュデータMEfxを生成する。範囲設定部118は、対象フィルタリング済標高メッシュデータMEfxにおける各単位領域URについて、標高代表値ALに基づき標高値の選択範囲Rfを設定する。フィルタリング処理部111は、対象オリジナル点群データPGoxにおいて、各単位領域URについて、標高値が上記選択範囲Rfに含まれる点と上記選択範囲Rfに含まれない点とに分離することにより、フィルタリング処理を行う。
A-3. Effect of this embodiment:
As described above, the
このように、本実施形態の情報処理装置100では、オリジナル点群データPGoとフィルタリング済点群データPGfとの複数の組合せについて、それらから生成されたオリジナル画像データIMoとフィルタリング済画像データIMfとの複数の組合せを学習用データLDとし、画像生成を行う学習アルゴリズムLAを用いた学習により生成された画像生成モデルMOfが取得される。また、対象オリジナル点群データPGoxから対象オリジナル標高メッシュデータMEoxが生成され、対象オリジナル標高メッシュデータMEoxから対象オリジナル画像データIMoxが生成され、上記画像生成モデルMOfを用いて対象オリジナル画像データIMoxから対象フィルタリング済画像データIMfxが生成される。また、対象フィルタリング済画像データIMfxから対象フィルタリング済標高メッシュデータMEfxが生成され、対象フィルタリング済標高メッシュデータMEfxに基づき標高値の選択範囲Rfが設定され、対象オリジナル点群データPGoxに含まれる各点が、標高値が選択範囲Rfに含まれる点と選択範囲Rfに含まれない点とに分離されることにより、フィルタリング処理が行われる。そのため、本実施形態の情報処理装置100によれば、対象オリジナル点群データPGoxに対するフィルタリング処理を、容易に、かつ、短時間で、精度良く行うことができる。また、本実施形態の情報処理装置100によれば、特定の断面のみについてのデータしか得ることができないということはなく、対象オリジナル点群データPGoxの全体にわたってフィルタリング処理を行うことができる。
As described above, in the
また、本実施形態の情報処理装置100では、オリジナル画像データ生成部114は、対象オリジナル標高メッシュデータMEoxにおける標高代表値ALの最小値と最大値とに基づき、標高代表値ALと画像の階調値との対応関係CRを設定する。そのため、本実施形態の情報処理装置100によれば、標高代表値ALと画像の階調値との対応関係CRを予め固定的に設定する場合と比較して、対象オリジナル点群データPGoxに含まれる各点の標高差をより良く表した対象オリジナル画像データIMoxを得ることができ、その結果、対象オリジナル点群データPGoxに対するフィルタリング処理の精度をさらに向上させることができる。
Further, in the
また、本実施形態の情報処理装置100では、オリジナル画像データ生成部114による画像データ化により生成される画像データは、RGBデータであり、G値およびB値がゼロに固定され、R値がゼロから最高値n(=255)まで1ずつ変化する(n+1)個の階調と、R値が最高値n(=255)に固定され、G値およびB値が1から最高値n(=255)まで1ずつ変化するn個の階調と、の合計2n+1個の階調により表される画像である。このように、本実施形態の情報処理装置100では、画像データとして、いわゆるフルカラー画像よりは階調数は少なくものの、R値、G値およびB値がすべて同じ値である階調のみにより表される画像(いわゆるグレースケール)ではなく、色味を有する画像が用いられる。そのため、本実施形態の情報処理装置100によれば、対象オリジナル点群データPGoxに含まれる各点の標高差をさらに良く表した対象オリジナル画像データIMoxを得ることができ、その結果、対象オリジナル点群データPGoxに対するフィルタリング処理の精度を一層向上させることができる。
Further, in the
また、本実施形態の情報処理装置100では、モデル取得部115は、オリジナル点群データPGoとフィルタリング済点群データPGfとの複数の組合せを取得し、オリジナル点群データPGoとフィルタリング済点群データPGfとの複数の組合せについてメッシュデータ化および画像データ化を行うことによりオリジナル画像データIMoとフィルタリング済画像データIMfとの複数の組合せを生成し、オリジナル画像データIMoとフィルタリング済画像データIMfとの複数の組合せを学習用データLDとして学習を行うことにより画像生成モデルMOfを生成することにより、画像生成モデルMOfを取得する。そのため、本実施形態の情報処理装置100では、画像生成モデルMOfの生成から、該画像生成モデルMOfを用いたフィルタリング処理まで、一貫した処理を実行することができる。
Further, in the
B.変形例:
本明細書で開示される技術は、上述の実施形態に限られるものではなく、その要旨を逸脱しない範囲において種々の形態に変形することができ、例えば次のような変形も可能である。
B. Modification example:
The technique disclosed in the present specification is not limited to the above-described embodiment, and can be transformed into various forms without departing from the gist thereof, and for example, the following modifications are also possible.
上記実施形態における情報処理装置100の構成は、あくまで一例であり、種々変形可能である。例えば、上記実施形態では、情報処理装置100がパーソナルコンピュータにより構成されているが、情報処理装置100が他の種類のコンピュータ(例えば、サーバ、スマートフォン、タブレット端末等)により構成されていてもよい。
The configuration of the
上記実施形態における情報処理装置100によるフィルタリング処理の内容は、あくまで一例であり、種々変形可能である。例えば、上記実施形態では、情報処理装置100が自ら画像生成モデルMOfを作成するものとしているが、情報処理装置100が、他の装置により作成された画像生成モデルMOfを取得するとしてもよい。また、上記実施形態では、画像生成モデルMOLAの作成に用いられる学習アルゴリズムLAは、GAN(敵対的生成ネットワーク)であるが、画像生成を行う他の学習アルゴリズムLAが用いられてもよい。
The content of the filtering process by the
また、上記実施形態において、オリジナル標高メッシュデータMEoやフィルタリング済標高メッシュデータMEfにおける各単位領域URの大きさや単位領域URの個数は、あくまで一例であり、種々変形可能である。 Further, in the above embodiment, the size of each unit region UR and the number of unit region URs in the original elevation mesh data MEo and the filtered elevation mesh data MEf are merely examples and can be variously modified.
また、上記実施形態において、オリジナル画像データIMoおよびフィルタリング済画像データIMfにおけるサイズや階調は、あくまで一例であり、種々変形可能である。例えば、上記実施形態では、オリジナル画像データIMoおよびフィルタリング済画像データIMfは、図8に示す511階調により表される画像データであるが、これに代えて、フルカラー画像データやグレースケール画像データが用いられてもよい。 Further, in the above embodiment, the sizes and gradations in the original image data IMo and the filtered image data IMf are merely examples and can be variously modified. For example, in the above embodiment, the original image data IMo and the filtered image data IMf are image data represented by the 511 gradations shown in FIG. 8, but instead, full-color image data or gray scale image data can be used. It may be used.
また、上記実施形態において、標高値の選択範囲Rfの設定方法は、あくまで一例であり、種々変形可能である。例えば、上記実施形態では、標高代表値ALを中心とし上下に所定の同一の閾値Th分の幅を有する範囲が、標高値の選択範囲Rfとして設定されるが、標高代表値ALの上下の閾値は互いに異なっていてもよい。また、標高代表値ALを含み、標高代表値ALの上側または下側に所定の閾値分の幅を有する範囲が、標高値の選択範囲Rfとして設定されてもよい。 Further, in the above embodiment, the method of setting the selection range Rf of the altitude value is only an example and can be variously modified. For example, in the above embodiment, a range having a predetermined width of the same threshold value Th above and below the center of the elevation representative value AL is set as the elevation value selection range Rf, but the threshold values above and below the elevation representative value AL are set. May be different from each other. Further, a range including the elevation representative value AL and having a width corresponding to a predetermined threshold value on the upper side or the lower side of the elevation representative value AL may be set as the elevation value selection range Rf.
また、上記各実施形態において、ハードウェアによって実現されている構成の一部をソフトウェアに置き換えるようにしてもよく、反対に、ソフトウェアによって実現されている構成の一部をハードウェアに置き換えるようにしてもよい。 Further, in each of the above embodiments, a part of the configuration realized by the hardware may be replaced with software, and conversely, a part of the configuration realized by the software may be replaced with the hardware. May be good.
100:情報処理装置 110:制御部 111:フィルタリング処理部 112:対象データ取得部 113:オリジナルメッシュデータ生成部 114:オリジナル画像データ生成部 115:モデル取得部 116:フィルタリング済画像データ生成部 117:フィルタリング済メッシュデータ生成部 118:範囲設定部 130:記憶部 152:表示部 156:操作入力部 158:インターフェース部 190:バス CP:フィルタリング処理プログラム CR:対応関係 GL:地表面 HR:全体領域 IMf:フィルタリング済画像データ IMfx:対象フィルタリング済画像データ IMo:オリジナル画像データ IMox:対象オリジナル画像データ LA:学習アルゴリズム LD:学習用データ LP:レーザーパルス MEf:フィルタリング済標高メッシュデータ MEfx:対象フィルタリング済標高メッシュデータ MEo:オリジナル標高メッシュデータ MEox:対象オリジナル標高メッシュデータ MOf:画像生成モデル OB:地物 OD:処理対象データ PGf:フィルタリング済点群データ PGo:オリジナル点群データ PGox:対象オリジナル点群データ POg:地表面点 POo:地物点 PX:画素 RA:範囲 Rf:選択範囲 UR:単位領域 100: Information processing device 110: Control unit 111: Filtering processing unit 112: Target data acquisition unit 113: Original mesh data generation unit 114: Original image data generation unit 115: Model acquisition unit 116: Filtered image data generation unit 117: Filtering Finished mesh data generation unit 118: Range setting unit 130: Storage unit 152: Display unit 156: Operation input unit 158: Interface unit 190: Bus CP: Filtering processing program CR: Correspondence relationship GL: Ground surface HR: Overall area IMf: Filtering Finished image data IMfx: Target filtered image data IMo: Original image data IMox: Target original image data LA: Learning algorithm LD: Learning data LP: Laser pulse MEf: Filtered elevation mesh data MEfx: Target filtered elevation mesh data MEo : Original elevation mesh data MEox: Target original elevation mesh data MOf: Image generation model OB: Feature OD: Processing target data PGf: Filtered point group data PGo: Original point group data PGox: Target original point group data POg: Ground surface Point POo: Feature point PX: Pixel RA: Range Rf: Selection range UR: Unit area
Claims (6)
前記フィルタリングの対象のオリジナル点群データである対象オリジナル点群データを取得する対象データ取得部と、
前記対象オリジナル点群データを対象として、水平方向の2次元格子状に並ぶ複数の単位領域のそれぞれについて、前記単位領域内に位置する点の標高値の代表値である標高代表値を算出するメッシュデータ化を行うことにより、各前記単位領域の前記標高代表値を示す対象オリジナル標高メッシュデータを生成するオリジナルメッシュデータ生成部と、
前記対象オリジナル標高メッシュデータにおける各前記単位領域の前記標高代表値を、前記標高代表値と画像の階調値との対応関係に従い前記階調値に変換する画像データ化を行うことにより、2次元画像データである対象オリジナル画像データを生成するオリジナル画像データ生成部と、
画像生成モデルを取得するモデル取得部であって、
前記画像生成モデルは、オリジナル点群データと、該オリジナル点群データから地表面上の点以外の点のデータが除去されたフィルタリング済点群データと、の複数の組合せについて、前記メッシュデータ化および前記画像データ化を行うことにより生成されたオリジナル画像データとフィルタリング済画像データとの複数の組合せを学習用データとし、画像生成を行う学習アルゴリズムを用いた学習により生成されたモデルである、モデル取得部と、
前記画像生成モデルを用いて、前記対象オリジナル画像データから対象フィルタリング済画像データを生成するフィルタリング済画像データ生成部と、
前記対象フィルタリング済画像データについて、前記対応関係に従い前記階調値を前記標高代表値に変換することにより、各前記単位領域の前記標高代表値を示す対象フィルタリング済標高メッシュデータを生成するフィルタリング済メッシュデータ生成部と、
前記対象フィルタリング済標高メッシュデータにおける各前記単位領域について、前記標高代表値に基づき標高値の選択範囲を設定する範囲設定部と、
前記対象オリジナル点群データにおいて、各前記単位領域について、標高値が前記選択範囲に含まれる点と前記選択範囲に含まれない点とに分離することにより、前記フィルタリングを行うフィルタリング処理部と、
を備える、情報処理装置。 Information that performs filtering to separate the original point cloud data composed of the three-dimensional coordinate data of multiple points obtained by surveying into the data of points on the ground surface and the data of points other than the points on the ground surface. It ’s a processing device,
The target data acquisition unit for acquiring the target original point cloud data, which is the target original point cloud data for the filtering, and the target data acquisition unit.
A mesh for calculating the elevation representative value, which is the representative value of the elevation values of the points located in the unit region, for each of the plurality of unit regions arranged in a two-dimensional grid in the horizontal direction for the target original point group data. An original mesh data generation unit that generates target original elevation mesh data indicating the elevation representative value of each unit region by converting data into data.
Two-dimensional by converting the elevation representative value of each unit region in the target original elevation mesh data into the gradation value according to the correspondence between the elevation representative value and the gradation value of the image. An original image data generation unit that generates target original image data that is image data,
It is a model acquisition unit that acquires an image generation model.
In the image generation model, a plurality of combinations of the original point cloud data and the filtered point cloud data in which the data of points other than the points on the ground surface are removed from the original point cloud data are converted into mesh data and Model acquisition, which is a model generated by training using a learning algorithm that generates images, using a plurality of combinations of original image data and filtered image data generated by converting the image data into training data. Department and
Using the image generation model, a filtered image data generation unit that generates target filtered image data from the target original image data, and a filtered image data generation unit.
Filtered mesh that generates target filtered elevation mesh data indicating the elevation representative value of each of the unit regions by converting the gradation value of the target filtered image data into the elevation representative value according to the correspondence relationship. Data generator and
For each unit area in the target filtered elevation mesh data, a range setting unit for setting an elevation value selection range based on the elevation representative value, and a range setting unit.
In the target original point cloud data, for each of the unit regions, the filtering processing unit that performs the filtering by separating the points whose elevation values are included in the selection range and the points that are not included in the selection range.
An information processing device.
前記オリジナル画像データ生成部は、前記対象オリジナル標高メッシュデータにおける前記標高代表値の最小値と最大値とに基づき、前記対応関係を設定する、情報処理装置。 The information processing apparatus according to claim 1.
The original image data generation unit is an information processing device that sets the correspondence relationship based on the minimum value and the maximum value of the altitude representative value in the target original altitude mesh data.
前記オリジナル画像データ生成部による前記画像データ化により生成される画像データは、RGBデータであり、R値とG値とB値とのうちの第1値および第2値がゼロに固定され、第3値がゼロから最高値nまで1ずつ変化する(n+1)個の階調と、前記第3値が前記最高値nに固定され、前記第1値および前記第2値が1から最高値nまで1ずつ変化するn個の階調と、の合計2n+1個の階調により表される画像である、情報処理装置。 The information processing apparatus according to claim 1 or 2.
The image data generated by the image data conversion by the original image data generation unit is RGB data, and the first and second values of the R value, the G value, and the B value are fixed to zero, and the first value is fixed. (N + 1) gradations in which the three values change by 1 from zero to the maximum value n, the third value is fixed to the maximum value n, and the first value and the second value are from 1 to the maximum value n. An information processing device that is an image represented by n gradations that change by 1 and a total of 2n + 1 gradations.
前記モデル取得部は、オリジナル点群データとフィルタリング済点群データとの複数の組合せを取得し、オリジナル点群データとフィルタリング済点群データとの複数の組合せについて前記メッシュデータ化および前記画像データ化を行うことによりオリジナル画像データとフィルタリング済画像データとの複数の組合せを生成し、オリジナル画像データとフィルタリング済画像データとの複数の組合せを学習用データとして前記学習を行うことにより前記画像生成モデルを生成することにより、前記画像生成モデルを取得する、情報処理装置。 The information processing apparatus according to any one of claims 1 to 3.
The model acquisition unit acquires a plurality of combinations of the original point group data and the filtered point group data, and converts the plurality of combinations of the original point group data and the filtered point group data into mesh data and image data. By performing the training, a plurality of combinations of the original image data and the filtered image data are generated, and the plurality of combinations of the original image data and the filtered image data are used as training data to generate the image generation model. An information processing device that acquires the image generation model by generating it.
前記フィルタリングの対象のオリジナル点群データである対象オリジナル点群データを取得する工程と、
前記対象オリジナル点群データを対象として、水平方向の2次元格子状に並ぶ複数の単位領域のそれぞれについて、前記単位領域内に位置する点の標高値の代表値である標高代表値を算出するメッシュデータ化を行うことにより、各前記単位領域の前記標高代表値を示す対象オリジナル標高メッシュデータを生成する工程と、
前記対象オリジナル標高メッシュデータにおける各前記単位領域の前記標高代表値を、前記標高代表値と画像の階調値との対応関係に従い前記階調値に変換する画像データ化を行うことにより、2次元画像データである対象オリジナル画像データを生成する工程と、
画像生成モデルを取得する工程であって、
前記画像生成モデルは、オリジナル点群データと、該オリジナル点群データから地表面上の点以外の点のデータが除去されたフィルタリング済点群データと、の複数の組合せについて、前記メッシュデータ化および前記画像データ化を行うことにより生成されたオリジナル画像データとフィルタリング済画像データとの複数の組合せを学習用データとし、画像生成を行う学習アルゴリズムを用いた学習により生成されたモデルである、画像生成モデルを取得する工程と、
前記画像生成モデルを用いて、前記対象オリジナル画像データから対象フィルタリング済画像データを生成する工程と、
前記対象フィルタリング済画像データについて、前記対応関係に従い前記階調値を前記標高代表値に変換することにより、各前記単位領域の前記標高代表値を示す対象フィルタリング済標高メッシュデータを生成する工程と、
前記対象フィルタリング済標高メッシュデータにおける各前記単位領域について、前記標高代表値に基づき標高値の選択範囲を設定する工程と、
前記対象オリジナル点群データにおいて、各前記単位領域について、標高値が前記選択範囲に含まれる点と前記選択範囲に含まれない点とに分離することにより、前記フィルタリングを行う工程と、
を備える、情報処理方法。 Information that performs filtering to separate the original point cloud data composed of the three-dimensional coordinate data of multiple points obtained by surveying into the data of points on the ground surface and the data of points other than the points on the ground surface. It ’s a processing method,
The process of acquiring the target original point cloud data, which is the target original point cloud data of the filtering target, and
A mesh for calculating the elevation representative value, which is the representative value of the elevation values of the points located in the unit region, for each of the plurality of unit regions arranged in a two-dimensional grid in the horizontal direction for the target original point group data. A step of generating target original elevation mesh data indicating the elevation representative value of each of the unit regions by digitizing, and a step of generating data.
Two-dimensional by converting the elevation representative value of each unit region in the target original elevation mesh data into the gradation value according to the correspondence between the elevation representative value and the gradation value of the image. The process of generating the target original image data, which is the image data, and
This is the process of acquiring an image generation model.
In the image generation model, a plurality of combinations of original point group data and filtered point group data in which data of points other than points on the ground surface are removed from the original point group data are converted into mesh data and Image generation, which is a model generated by training using a learning algorithm for image generation, using a plurality of combinations of original image data and filtered image data generated by performing the image data conversion as training data. The process of acquiring a model and
A process of generating target filtered image data from the target original image data using the image generation model, and
A step of generating target filtered elevation mesh data indicating the elevation representative value of each of the unit regions by converting the gradation value of the target filtered image data into the elevation representative value according to the correspondence relationship.
A step of setting a selection range of elevation values based on the elevation representative values for each of the unit regions in the target filtered elevation mesh data, and
In the target original point cloud data, the step of performing the filtering by separating each unit region into a point in which the elevation value is included in the selection range and a point in which the elevation value is not included in the selection range.
Information processing method.
コンピュータに、
前記フィルタリングの対象のオリジナル点群データである対象オリジナル点群データを取得する処理と、
前記対象オリジナル点群データを対象として、水平方向の2次元格子状に並ぶ複数の単位領域のそれぞれについて、前記単位領域内に位置する点の標高値の代表値である標高代表値を算出するメッシュデータ化を行うことにより、各前記単位領域の前記標高代表値を示す対象オリジナル標高メッシュデータを生成する処理と、
前記対象オリジナル標高メッシュデータにおける各前記単位領域の前記標高代表値を、前記標高代表値と画像の階調値との対応関係に従い前記階調値に変換する画像データ化を行うことにより、2次元画像データである対象オリジナル画像データを生成する処理と、
画像生成モデルを取得する処理であって、
前記画像生成モデルは、オリジナル点群データと、該オリジナル点群データから地表面上の点以外の点のデータが除去されたフィルタリング済点群データと、の複数の組合せについて、前記メッシュデータ化および前記画像データ化を行うことにより生成されたオリジナル画像データとフィルタリング済画像データとの複数の組合せを学習用データとし、画像生成を行う学習アルゴリズムを用いた学習により生成されたモデルである、画像生成モデルを取得する処理と、
前記画像生成モデルを用いて、前記対象オリジナル画像データから対象フィルタリング済画像データを生成する処理と、
前記対象フィルタリング済画像データについて、前記対応関係に従い前記階調値を前記標高代表値に変換することにより、各前記単位領域の前記標高代表値を示す対象フィルタリング済標高メッシュデータを生成する処理と、
前記対象フィルタリング済標高メッシュデータにおける各前記単位領域について、前記標高代表値に基づき標高値の選択範囲を設定する処理と、
前記対象オリジナル点群データにおいて、各前記単位領域について、標高値が前記選択範囲に含まれる点と前記選択範囲に含まれない点とに分離することにより、前記フィルタリングを行う処理と、
を実行させる、コンピュータプログラム。 To perform filtering to separate the original point cloud data composed of the three-dimensional coordinate data of multiple points obtained by survey into the data of points on the ground surface and the data of points other than the points on the ground surface. Computer program
On the computer
The process of acquiring the target original point cloud data, which is the target original point cloud data of the filtering target,
A mesh for calculating the elevation representative value, which is the representative value of the elevation values of the points located in the unit region, for each of the plurality of unit regions arranged in a two-dimensional grid in the horizontal direction for the target original point group data. By performing data conversion, a process of generating target original elevation mesh data indicating the elevation representative value of each of the unit regions, and a process of generating data.
Two-dimensional by converting the elevation representative value of each unit region in the target original elevation mesh data into the gradation value according to the correspondence between the elevation representative value and the gradation value of the image. The process of generating the target original image data, which is the image data, and
It is a process to acquire an image generation model.
In the image generation model, a plurality of combinations of original point group data and filtered point group data in which data of points other than points on the ground surface are removed from the original point group data are converted into mesh data and Image generation, which is a model generated by training using a learning algorithm for image generation, using a plurality of combinations of original image data and filtered image data generated by performing the image data conversion as training data. The process of getting the model and
A process of generating target filtered image data from the target original image data using the image generation model, and
A process of generating target filtered elevation mesh data indicating the elevation representative value of each of the unit regions by converting the gradation value of the target filtered image data into the elevation representative value according to the correspondence relationship.
For each of the unit areas in the target filtered elevation mesh data, a process of setting an elevation value selection range based on the elevation representative value, and a process of setting an elevation value selection range.
In the target original point cloud data, for each of the unit regions, the processing of performing the filtering by separating the points whose elevation values are included in the selection range and the points not included in the selection range.
A computer program that runs.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020084881A JP6762636B1 (en) | 2020-05-14 | 2020-05-14 | Information processing equipment, information processing methods, and computer programs |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020084881A JP6762636B1 (en) | 2020-05-14 | 2020-05-14 | Information processing equipment, information processing methods, and computer programs |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6762636B1 JP6762636B1 (en) | 2020-09-30 |
JP2021179365A true JP2021179365A (en) | 2021-11-18 |
Family
ID=72614682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020084881A Expired - Fee Related JP6762636B1 (en) | 2020-05-14 | 2020-05-14 | Information processing equipment, information processing methods, and computer programs |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6762636B1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7366227B1 (en) * | 2022-11-21 | 2023-10-20 | 株式会社パスコ | Ground point extraction device, ground point extraction method and program |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011158278A (en) * | 2010-01-29 | 2011-08-18 | Pasuko:Kk | Method and device for filtering laser data |
JP2015125092A (en) * | 2013-12-27 | 2015-07-06 | 国際航業株式会社 | Consistency determination method of measurement result and consistency determination apparatus of measurement result |
JP2019192170A (en) * | 2018-04-27 | 2019-10-31 | 清水建設株式会社 | Three dimensional model generation device and three-dimensional model generation method |
-
2020
- 2020-05-14 JP JP2020084881A patent/JP6762636B1/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011158278A (en) * | 2010-01-29 | 2011-08-18 | Pasuko:Kk | Method and device for filtering laser data |
JP2015125092A (en) * | 2013-12-27 | 2015-07-06 | 国際航業株式会社 | Consistency determination method of measurement result and consistency determination apparatus of measurement result |
JP2019192170A (en) * | 2018-04-27 | 2019-10-31 | 清水建設株式会社 | Three dimensional model generation device and three-dimensional model generation method |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7366227B1 (en) * | 2022-11-21 | 2023-10-20 | 株式会社パスコ | Ground point extraction device, ground point extraction method and program |
Also Published As
Publication number | Publication date |
---|---|
JP6762636B1 (en) | 2020-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9361728B2 (en) | Submarine topography construction method based on multi-source water depth data integration | |
JP4545219B1 (en) | Analysis method of topographic change using topographic image and program thereof | |
WO2019111956A1 (en) | Feature/ground height color-differentiated image generation device and feature height color-differentiated image generation program | |
WO2019111955A1 (en) | Terrestrial-object height colored image generation device and terrestrial-object height colored image generation program | |
JP6956899B2 (en) | Display data generator, display data generation method, and display data generation program | |
JP2020165746A (en) | Landslide surface estimation device, and landslide surface estimation method | |
JP5587677B2 (en) | Topographic relief image generation method and topographic relief image generation apparatus | |
JP6762636B1 (en) | Information processing equipment, information processing methods, and computer programs | |
JP6347061B2 (en) | Measurement result consistency determination method and measurement result consistency determination apparatus | |
KR20130096432A (en) | A system and method for generating underwater geospatial information using the ground slope under the sea | |
JP6146731B2 (en) | Coordinate correction apparatus, coordinate correction program, and coordinate correction method | |
KR20130096854A (en) | A system for generating seafloor 3-dimensional geospatial information using intensive filtering an edge of pipe line object and digital elevation value | |
Marks et al. | The IHO-IOC GEBCO Cook Book. | |
JP6700519B1 (en) | Synthetic image generation device, synthetic image generation program, and synthetic image generation method | |
JP6958993B2 (en) | Civil engineering work performance evaluation system, workmanship evaluation method, and program | |
US9864099B2 (en) | Apparatus and method for calculating wind load | |
JP4513455B2 (en) | 3D submarine topographic map display apparatus and method | |
KR101046508B1 (en) | Three dimension image and sound exploration system | |
JP2015084192A (en) | Forest physiognomy analyzing apparatus, forest physiognomy analyzing method, and program | |
JP7192595B2 (en) | Structure detection device, structure detection method, and structure detection processing program | |
JP6940261B2 (en) | Image analysis processing device, image analysis processing method, and program | |
JP2023154516A (en) | Correction area extraction system | |
JP2024001437A (en) | Inspection system and inspection method | |
Ji | Multi-Resolution Inference of Bathymetry From Sidescan Sonar | |
CN118212369A (en) | Water-on-water-under-water two-dimensional three-dimensional integrated topographic data simulation analysis method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200514 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200514 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20200518 |
|
TRDD | Decision of grant or rejection written | ||
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200818 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200901 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200903 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6762636 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |