JP6906303B2 - 密度ベースのグラフィカルマッピング - Google Patents

Description

本出願は、Ｎｅｌｉａ Ｇｌｏｒｉａ Ｍａｚｕｌａによる「ＤＥＮＳＩＴＹ ＢＡＳＥＤ ＧＲＡＰＨＩＣＡＬ ＭＡＰＰＩＮＧ」と題された２０１５年１２月３０日出願の対応の米国特許出願第１４／９８３，８７８号、整理番号４２０１．１１２７−０００に関連する。同様に、本出願は、Ｎｅｌｉａ Ｇｌｏｒｉａ Ｍａｚｕｌａによる「３Ｄ ＴＯ ２Ｄ ＲＥＩＭＡＧＩＮＧ ＦＯＲ ＳＥＡＲＣＨ」と題された２０１５年１２月３０日出願の米国特許出願第１４／９８４，４１２号、整理番号４２０１．１１２８−０００、およびＮｅｌｉａ Ｇｌｏｒｉａ Ｍａｚｕｌａによる「ＥＭＢＥＤＤＥＤ ＦＲＥＱＵＥＮＣＹ ＢＡＳＥＤ ＳＥＡＲＣＨ ＡＮＤ ３Ｄ ＧＲＡＰＨＩＣＡＬ ＤＡＴＡ ＰＲＯＣＥＳＳＩＮＧ」と題された２０１５年１２月３０日出願の米国特許出願第１４／９８４，７６５号、整理番号４２０１．１１３１−０００に関連する。上記の出願の全体的な教示は、参照によって本明細書に組み込まれる。

実施形態は、概して、コンピュータプログラムおよびシステムの分野に関し、具体的には、コンピュータ支援設計（ＣＡＤ）、コンピュータ支援エンジニアリング、およびモデリングの分野に関する。

いくつかのシステムおよびプログラムが、部品または部品の組立体の設計のために市場で提供されている。これらのいわゆるＣＡＤシステムは、ユーザが、オブジェクトまたはオブジェクトの組立体の複合的な３次元モデルを構築し操作することを可能にする。従って、ＣＡＤシステムは、境界または線、場合によっては面を使用してモデル化されたオブジェクトの表現を提供する。線、境界、面またはポリゴンは、様々な様式、例えば非一様有理Ｂスプライン（ＮＵＲＢＳ）で表すことができる。

これらのＣＡＤシステムは、モデル化されたオブジェクトの部品または部品の組立体を管理し、それらは主に幾何学的形状の仕様である。特に、ＣＡＤファイルは仕様を含み、そこから幾何学的形状が生成される。幾何学的形状からは、表現（representation）が生成される。仕様、幾何学的形状および表現は、単一のＣＡＤファイルまたはいくつものＣＡＤファイルに記憶されることがある。ＣＡＤシステムは、モデル化されたオブジェクトを設計者に対して表すためのグラフィックツールを含み、これらのツールは、複合的なオブジェクトの表示に専用のものである。例えば、組立体は、数千の部品を含むことがある。ＣＡＤシステムは、オブジェクトのモデルを管理するために使用されることがあり、それらは電子ファイルに記憶される。

ＣＡＤモデルは、著しい量のデータを含む一方、それらが不正確である場合に有用性が制限される。多くの場合、オブジェクトのＣＡＤモデルは、作成され、例えばオブジェクトの構築に使用される。しかしながら、オブジェクトおよびそれらの環境は静的ではなく、往々にして変化する。従って、ＣＡＤモデルを更新してこれらの変化を反映するための方法論が必要とされる。本発明の実施形態はそのような機能性を提供する。この機能性は、処理施設（process facility）の再設計、保守および運用を含む種々の分野で使用されてもよい。

本発明の実施形態は、コンピュータメモリにおいて、ポイントクラウド（point cloud）を生成するステップによって開始し、ポイントクラウドは、受信した信号に基づいて環境の１つまたは複数のオブジェクトを表し、受信した信号は、環境の１つまたは複数の実在オブジェクトに反射している。ポイントクラウドを生成した後に、ポイントクラウドの１つまたは複数のクラスタ（cluster）は、コンピュータメモリに結合されたプロセッサによって、１つまたは複数のクラスタを含むポイントの密度（density）に基づいて識別される。続いて、プロセッサは、１つまたは複数のクラスタを既存のＣＡＤ図にマッピングする。次に、クラスタにマッピングする既存のＣＡＤ図は、環境のＣＡＤモデルを自動的に更新するために、プロセッサによって使用される。

方法の実施形態は、１つまたは複数のクラスタのサブコンポーネントを更新するように、識別するステップ、マッピングするステップ、および更新するステップを繰り返す。さらに別の実施形態は、識別した１つまたは複数のクラスタをそれぞれのライブラリとしてコンピュータメモリに記憶する。実施形態によれば、１つまたは複数のクラスタをマッピングするステップは、１つまたは複数のクラスタを、それぞれの２次元的（２Ｄ）表現に平坦化するステップと、それぞれの２Ｄ表現を既存の２Ｄ ＣＡＤ図と比較して、１つまたは複数の一致する既存の２Ｄ ＣＡＤ図を識別するステップとを備える。

実施形態において、受信した信号は、音声信号および光信号のうちの少なくとも１つである。さらに別の実施形態は、ポイントクラウドを使用して、１つまたは複数の実在オブジェクトの空間的変化を示すように環境のＣＡＤモデルを更新するステップをさらに備える。同じように、さらなる実施形態は、ポイントクラウドを使用して、１つまたは複数の実在オブジェクトへの機械的変化を示すように環境のＣＡＤモデルを更新する。代替的な実施形態は、ポイントクラウドを使用して、１つまたは複数の実在オブジェクトの１つまたは複数の材質をさらに識別する。

本発明の別の実施形態は、環境を表すＣＡＤモデルを更新するためのシステムを対象としている。そのようなシステムは、環境の１つまたは複数のオブジェクトに信号を放射するように構成された放射体と、１つまたは複数のオブジェクトに反射する信号を受信するように構成された受信機とを備える。さらに、実施形態によれば、システムは、受信機に通信可能に結合され、ならびにコンピュータメモリおよびコンピュータメモリに通信可能に結合されたプロセッサを含むデジタル処理モジュールを備える。そのような実施形態において、プロセッサは、受信した信号を使用して、環境の１つまたは複数のオブジェクトを表すポイントクラウドを生成するように構成される。さらには、プロセッサは、１つまたは複数のクラスタを含むポイントの密度に基づいて、ポイントクラウドの１つまたは複数のクラスタを識別し、１つまたは複数のクラスタを既存のＣＡＤ図にマッピングし、既存のＣＡＤ図を使用して、環境のＣＡＤモデルを自動的に更新するように構成される。

さらに別の実施形態においては、デジタル処理モジュールは、１つまたは複数のクラスタのサブコンポーネントを更新するように、識別するステップ、マッピングするステップ、および更新するステップを繰り返すようにさらに構成される。システムの代替的な実施形態は、識別した１つまたは複数のクラスタをそれぞれのライブラリとしてコンピュータメモリに記憶するように構成されたデータベースを備える。実施形態によれば、デジタル処理モジュールプロセッサは、１つまたは複数のクラスタをそれぞれの２Ｄ表現に平坦化することによって１つまたは複数のクラスタをマッピングし、続いて、それぞれの２Ｄ表現を既存の２Ｄ ＣＡＤ図と比較して、１つまたは複数の一致する既存の２Ｄ ＣＡＤ図を識別するように構成される。

例示的なシステムの実施形態において、放射体は、音声信号および光信号の内の少なくとも一方を放射する。さらに別の実施形態によれば、デジタル処理モジュールプロセッサは、ポイントクラウドを使用して、１つまたは複数の実在オブジェクトの空間的変化を示すように環境のＣＡＤモデルを更新するようにさらに構成される。システムの別の実施形態は、ポイントクラウドを使用して、１つまたは複数の実在オブジェクトの機械的変化を示すように環境のＣＡＤモデルを更新するように構成されたデジタル処理モジュールプロセッサを備える。さらに、実施形態において、デジタル処理モジュールプロセッサは、ポイントクラウドを使用して、１つまたは複数の実在オブジェクトの１つまたは複数の材質を識別するように構成される。

本発明の別の実施形態は、環境を表すＣＡＤモデルを更新するためのクラウドコンピューティングの実装形態に関する。そのような実施形態は、１つまたは複数のクライアントを有するネットワークを通じて通信しているサーバによって実行されるコンピュータプログラムを対象とし、コンピュータプログラムは、コンピュータ可読記憶媒体を備える。そのような実施形態において、コンピュータ可読記憶媒体は、プロセッサによって実行されると、プロセッサに、環境の１つまたは複数の実在オブジェクトに反射した受信した信号に基づいて、受信した信号を使用して、環境の１つまたは複数のオブジェクトを表すポイントクラウドをプロセッサに生成させるプログラム命令を備える。さらに、そのような実施形態において、プログラム命令はさらに、プロセッサによって実行されるとプロセッサに、１つまたは複数のクラスタを構成するポイントの密度に基づいて、ポイントクラウドの１つまたは複数のクラスタを識別させ、１つまたは複数のクラスタを既存のＣＡＤ図にマッピングさせ、既存のＣＡＤ図を使用して環境のＣＡＤモデルを自動的に更新させる。

前述のことは、添付の図面において例示されるような本発明の例示的な実施形態についての以降のより詳細な説明から明らかになるであろう。それらの図面においては同様の参照符合は、異なる図面を通じて同一の部品を指している。図面は、必ずしも原寸に比例しておらず、むしろ本発明の実施形態を例示することに重点が置かれている。

実施形態に従ったＣＡＤモデルを更新するための方法のフローチャートである。 本発明の実施形態の原理を使用したＣＡＤモデルを更新する処理フローチャートである。 実施形態に従って使用することができるＣＡＤモデルを更新するためにデータを取得し処理するためのシステムを示す図である。 例示的な実施形態において使用することができるデータを比較する処理フローを例示した図である。 本発明の原理を使用して実装することができるデータ記憶の方法を示す図である。 本発明の実施形態において利用することができるポイントクラウドの密度の変動を例示した図である。 実施形態に従ったＣＡＤモデルを更新するためのコンピュータシステムの概略ブロック図である。 本発明の実施形態を実装することができるコンピュータネットワーク環境の簡略化された図である。

本発明の例示的な実施形態についての説明が以降に続く。

本明細書において引用される全ての特許、公示された出願および参考文献の教示は、参照によってその全体が組み込まれる。

本発明の実施形態は、ＣＡＤモデルを更新する。例としては、本発明の原理は、数ある例の中でも処理施設のＣＡＤモデルを更新または作成するために利用されてもよい。実施形態は、施設／環境再設計、保守および運用において使用されている現在の方法論を大きく改善することができる。プラント、生産施設および精錬所などの、処理および海中（すなわち、オイルおよびガス）施設は、そこの到達し、視覚的に撮影する（film）ことが困難である。さらに、これらの環境は、複合的であり、波、水腐食、プラント修正、および動物または人間と機械的施設との相互干渉などの環境的影響による変化に影響を受ける。これらの領域は、暗い領域（すなわち、海中および大気圏外空間）に位置されることが多く、さらに、環境は密集して設計されるため、これらの施設の全ての領域に視覚的にアクセスし、視認することを困難にしている。

異なる産業において、環境の正確なＣＡＤモデルを維持することを困難にするいくつかの問題が生じる。しばしば、これらの施設は非常に大きいため、小規模な修正が施設に対してなされたとき、これらの小規模な修正は、施設の設計に使用された３Ｄ ＣＡＤアプリケーションと互換性を有さないより低コストの２Ｄ ＣＡＤにしか反映されない。さらに、変化が３Ｄ ＣＡＤに反映された場合、それらはしばしば、施設の設計に使用された元々のＣＡＤプログラムとは異なる３Ｄ ＣＡＤプログラムにおいて行われる。このような場合、少しの変化が行われた後には元々の３Ｄ ＣＡＤは陳腐化する。さらに、現場に到達することがしばしば難しい一方、施設は、往々にして、施設を予測不可能な頻度で変化させる過酷な環境の中にある。例示的な位置は、水中、外洋、深海、地中、および宇宙を含む。

多くの組織は、マッピングが容易ではない異なる２Ｄ、３Ｄおよびビデオファイル形式の複合的なリポジトリをもたらす、時間の経過とともに収集および作成されてきた異なるグラフィカルな画像の組み合わせを有しているので、これはさらに複雑化される。施設計画から撮影した画像を３Ｄ図面にマッピングすること、または海中調査ビデオを２Ｄグラフィックまたは画像にさえもマッピングすることが望ましい。このようなマッピングは、施設への変化を理解することを可能にする。これらの変化について知ることなしには、非効率性が生じ、施設の損害、不出来な設計および構成、または、本発明の実施形態を使用することで最適化、緩和または防止することができる他の関連される事柄に起因して重大な問題さえもが生じることがある。

レーザスキャンのような方法論は存在するが、レーザスキャンは、施設の対話型の（interactive）ビューを提供しない。さらに、小規模な修正に対しては、レーザスキャンは、施設／環境についての対話型のデータを提供する実際的解決策を提供しない。既存の方法は、ポイントクラウドをＣＡＤモデルへとリエンジニアリングすることを必要とする。さらに、ＣＡＤがリエンジニアリングされる場合であっても、レーザスキャンに基づいた、ユーザがいくつかのＣＡＤまたは対話型のＣＡＤモデルを考察することを可能にする既存の解決策、またはスマートビデオなどの類似の閲覧方法（viewing method）は、存在しない。スキャンされた画像は視覚的情報を捕捉するだけであることによって、これらのモデルはモデル内のオブジェクトについてのメタデータを本質的に含まない。現在、識別は、手作業によって、または人間の介入を多く必要とする単純なマッピング解決策を通じてなされている。本発明の実施形態は、論理ループ、反復、および消去処理を使用して、自己学習して環境内のオブジェクトを識別する。

図１は、複合的な環境のＣＡＤモデルを維持し、更新する際に発生する前述の困難さを克服するために使用することができる環境を表すＣＡＤモデルを更新するための方法１００のフローチャートである。方法１００は、ステップ１０１において、環境の１つまたは複数のオブジェクトを表すポイントクラウドをコンピュータメモリにおいて生成することによって開始する。方法１００の代替的な実施形態において、ステップ１０１において、ポイントクラウドの代わりにポリゴンが構築され、ポリゴンは、それに応じて、方法１００全体を通じて使用される。実施形態によれば、ポイントクラウドは、環境の１つまたは複数のオブジェクトに反射した受信した信号に基づいて生成される。従って、そのような実施形態においては、信号は対象となる環境に放射され、続いて、これらの信号は、環境の１つまたは複数のオブジェクトに反射し、ステップ１０１において、受信されて、その中の環境／オブジェクトのポイントクラウドを生成するために処理される。オイル処理施設の例を検討する。そのような例においては、音声信号が施設に放射されてもよく、続いて、これらの音声信号は、施設を作成している様々なオブジェクト、例えば、ポンプおよびパイプライン部分に反射する。これらの反射された信号は、次に、ステップ１０１において、受信されて、オイル処理施設のポイントクラウドを形成するために処理される。方法１００の例示的な実施形態において、受信した信号は、数ある例の中でも、音声信号および光信号のうちの少なくとも１つである。実施形態によれば、ステップ１０１において生成されるポイントクラウドは、１つまたは複数の送信機および１つまたは複数の受信機を含む３Ｄレーザスキャン装置によって生成されるデータポイントから構成される。レーザスキャン装置は、実在におけるオブジェクト表面から反射したポイントを測定する。これらの装置のデータ出力は、各ポイントに対する３Ｄ座標情報を含むポイントクラウドファイルである。

方法１００はステップ１０２へ継続し、１つまたは複数のクラスタを含むポイントの密度に基づいて、ポイントクラウドの１つまたは複数のクラスタを識別する。換言すれば、ステップ１０２において、ステップ１０１において生成されたポイントクラウドは解析され、特定の部分、すなわちポイントクラウドのクラスタは、これらの部分におけるポイントの密度に基づいて識別される。方法１００の実施形態によれば、１つまたは複数のクラスタは、オブジェクトを表すポイントの１つまたは複数のクラスタを含むポイントの密度集合に基づいて識別される。実施形態において、クラスタは、空間（例えば、空間／空気による密度の低いまたは密度のない領域）によって包囲されているより高いポイント密度領域に基づいて、または異なる密度を有する他の領域（例えば、折れ目、角、境界）に基づいて識別される。実施形態において、類似の密度を有するポイントクラウドの部分は、それぞれのオブジェクトに帰属するものと識別され、それぞれのクラスタに帰属するものとみなされる。例としては、ポイントクラウドの第１の部分は平方インチ（６．４５平方センチ）当たり１００ポイントの密度のポイントを有してよく、ポイントクラウドの隣接する部分は平方インチ（６．４５平方センチ）当たり２００ポイントの密度のポイントを有してもよい。異なるポイント密度を有するこれらの部分は、それぞれのクラスタに帰属するものとみなされてもよい。実施形態において、ポイント密度における変化は、例えばそれらのポイントの密度変化が異なるクラスタとみなされてもよいとき、オブジェクトおよび／またはそれぞれのクラスタの境界を識別するために使用されてもよい。さらに、実施形態において、環境の様々なオブジェクトの各々は、ステップ１０２において識別されたそれぞれのクラスタによって表されてもよい。例えば、オイル処理プラントをリエンジニアリングするために使用される方法１００の実施形態において、特定の密度を有するポイントの第１のクラスタは、ポンプを表すポイントであってもよく、それ自身の密度を有するポイントの第２のクラスタは、ポンプに接続されたパイプを表すポイントであってもよい。密度集合はオブジェクトであるクラスタを示すために使用されてもよく、または、それは２つのオブジェクトを判別するために使用されてもよく、例えば、バルブを近接するパイプに接続する２つのフランジの間には変動（variation）があるはずである。ポイントクラウド密度およびクラスタ識別に関するさらなる詳細は、本明細書において図６に関連して後に説明される。

方法１００の実施形態は、ステップ１０２において、任意の数のクラスタを識別してもよい。従って、実施形態は、例としては、環境内の各オブジェクト、または、環境の一部分における各オブジェクトのクラスタを識別してもよい。方法１００のコンピュータによって実装される実施形態において、ステップ１０２におけるクラスタの識別は、ステップ１０１においてポイントクラウドが生成されたメモリに結合されたプロセッサによって実行される。ステップ１０２において、方法１００の代替的な実施形態は、識別されたクラスタを、それぞれのライブラリとしてコンピュータメモリに記憶してもよい。記憶に関するさらなる詳細は、実施形態に従って、本明細書において図５に関連して後に説明される。

続づいて、ステップ１０３において、１つまたは複数のクラスタは、既存のＣＡＤ図にマッピングされる。実施形態において、クラスタの空間的特性などの特性は、２Ｄ ＣＡＤ図および３Ｄ ＣＡＤ図などのそれぞれの既存のＣＡＤ図にクラスタをマッピングするために使用される。方法１００の実施形態は、３Ｄから３Ｄへのマッピング、３Ｄから２Ｄへのマッピング、３Ｄから２Ｄへさらに３Ｄへのマッピングなどを含む種々のマッピング技法を使用してもよい。ステップ１０３におけるマッピングを例示するために、ポイントの１つのクラスタがポンプを表す前述のオイル処理施設の例を検討する。そのような例において、クラスタは、例としては、クラスタの寸法を判定するために解析されてもよい。次に、これらの寸法は、同一のまたは類似の寸法を有する既存のＣＡＤ図を識別するために使用されてもよい。次に、ポンプに対応するクラスタに特定のＣＡＤ図が一致するという判定は記憶されてもよく、このようにしてクラスタを既存のＣＡＤ図にマッピングする。

本明細書において述べられるように、ポイントクラウドデータは非インテリジェントなデータである。従って、ステップ１０３におけるマッピングの前は、どのような種類のオブジェクトをクラスタが表すかは未知である。従って、ステップ１０３におけるマッピングは、環境の特定のオブジェクトを識別する。方法１００の代替的な実施形態は、ステップ１０３においてクラスタが既存のＣＡＤ図にマッピングされない場合、指標を記憶する。これは、例としては、データクラスタがフォローアップを必要とすることを、ユーザに対して強調表示してもよい。

ステップ１０３におけるマッピングにおいて使用される既存のＣＡＤ図は、２ＤＣＡＤ図および３Ｄ ＣＡＤ図などの当技術分野において既知の任意のＣＡＤ図でもよい。さらに、代替的な実施形態において、クラスタは、ビデオデータ、写真データ、ポリゴン、等角投影図、ホログラム、およびフラッシュデータ（すなわち、グラフィカルなオブジェクトを定義または示すために使用することができる識別または既知のメタ情報を含む対話型の２Ｄおよび３Ｄ画像）にマッピングされる。方法１００の実施形態によれば、ステップ１０３におけるマッピングは、１つまたは複数のクラスタをそれぞれの２Ｄ表現に平坦化するステップと、それぞれの２Ｄ表現を既存の２Ｄ ＣＡＤ図と比較して、１つまたは複数の一致する既存の２Ｄ ＣＡＤ図を識別するステップとを備える。さらにまた、方法１００の実施形態は、関連された案件であるＮｅｌｉａ Ｇｌｏｒｉａ Ｍａｚｕｌａによる整理番号４２０１．１１２８−０００「３Ｄ ＴＯ ２Ｄ ＲＥＩＭＡＧＩＮＧ ＦＯＲ ＳＥＡＲＣＨ」に説明される原理を利用して、ステップ１０３におけるマッピングを実行してもよい。さらに別の実施形態において、既存のＣＡＤ図は、方法１００を実装するコンピュータシステムに通信可能に結合されたＣＡＤ図のデータベース／ライブラリに記憶されてもよい。

ステップ１０３においてクラスタを既存のＣＡＤ図にマッピングした後、方法１００は、ステップ１０４において既存のＣＡＤ図を使用して環境のＣＡＤモデルを自動的に更新する。そのような実施形態において、環境を構築する際に作られたＣＡＤ図などの、環境のＣＡＤモデルが存在する。次に、このＣＡＤ図は、ステップ１０４において、現在存在している通りの環境を反映するために更新される。非常にしばしば、竣工時の複合的な施設は、設計時の施設から変わっていることがあり、これらの相違はＣＡＤにおいて捕捉されることは希である。さらに、オイル処理施設などの環境は、時間の経過とともに変化し、修正がなされ、オブジェクトは取り替えられ、移動されるが、これらの変化もまた同じようにＣＡＤにおいては反映されていない。従って、方法１００の実施形態は、数ある例の中でもそのような場合においてＣＡＤモデルを自動的に更新する方法を提供する。実施形態によれば、ステップ１０４における環境のＣＡＤモデルの更新は、環境への空間的および機械的変化を示す。さらに、さらに別の実施形態において、ＣＡＤ図は、環境内のオブジェクトの１つまたは複数の材質についての情報を含むように更新されてもよい。

さらに、方法１００の実施形態は、既存のＣＡＤモデルの更新に限定されないことが留意される。そのようなモデルが存在しないときは、ステップ１０３において実行されるマッピングは、ひいては環境のＣＡＤモデルを生成するために使用されてもよい。

方法１００の実施形態は、識別するステップと、マッピングするステップと、更新するステップとを反復して１つまたは複数のクラスタのサブコンポーネントを更新するステップをさらに備える。そのような例示的な実施形態において、ステップ１０２において識別されたクラスタは、それらのクラスタのサブクラスタを識別するためにさらに処理されてもよく、そこではサブクラスタは元々のクラスタの１つまたは複数のサブコンポーネントに対応する。例としては、ポンプに対応するクラスタが識別される例においては、このクラスタは、例えば、ポンプのハンドルに帰属するサブクラスタを識別するためにさらに処理されてもよい。次に、このサブクラスタは、既存のＣＡＤ図にマッピングされてもよく、ＣＡＤモデルはマッピングに応じて適切に更新されてもよい。そのような例において、識別するステップと、マッピングするステップと、更新するステップとを反復することは、環境のＣＡＤモデルの詳細をさらに改善することができる。

例示のため、ポンプを表すクラスタが識別され、クラスタがポンプの３Ｄ ＣＡＤ図にマッピングされ、マッピングされたポンプの３Ｄ ＣＡＤ図を使用して環境のＣＡＤ図が適切に更新される第１の反復を検討する。このクラスタは、ポンプのサブコンポーネント、つまりハンドル、に帰属するクラスタを識別するためにさらに処理されてもよく、このサブクラスタは、以前にマッピングされたポンプのＣＡＤ図とは異なるハンドルＣＡＤモデルにマッピングされてもよい。次に、環境のＣＡＤモデルは、環境に存在している通りのハンドルについての情報を含むようにさらに更新されてもよい。

さらに、さらに別の例示的な実施形態において、反復は、マッピングが以前には失敗したときに、オブジェクトをマッピングし、ＣＡＤモデルを更新する際に使用されてもよい。ポイントクラウド品質が理由で、クラスタが既存のどのＣＡＤ図にもマッピングせず、その部分が未知であると示された例を検討する。方法ステップ１０２〜１０４は、次に、任意の他の情報を判別することができるか否かを判定するために、クラスタに対して実行されてもよい。そのような例において、サブクラスタは、特定のコンポーネント、例えば特定のバルブとともにのみ機能するバルブ軸、に帰属すると識別されてもよい。この情報によって、元々のクラスタは、バルブの３Ｄ ＣＡＤ図にマッピングされてもよい。本発明の実施形態は、そのような論理または当業者によって判別することができる他の関係性を利用して、ＣＡＤモデルを完全に更新してもよい。

本明細書において述べられるように、本発明の実施形態は、ポイントクラウドのグループ分け（grouping）、すなわちクラスタを識別する。実施形態によれば、これらのグループ分けは、オブジェクトのない空間、すなわちオブジェクトのグループ間の密度における変化に基づいてもよい。次いで、実施形態に従って、これらのクラスタは、名付けられ（named）てもよく、ポイントクラウドのグループのライブラリが作成されてもよい。より複合的なオブジェクト、例えばグループのグループを識別するために、論理は、例えばコンピュータプログラム命令を使用して作成されてもよい。本発明の実施形態は、音波の使用によりＣＡＤ図をリエンジニアリングし、オブジェクトへと分離することができるポイントクラウドを生成するために、人工学習も利用してもよい。ポイントクラウドのグループまたはオブジェクトのサブコンポーネントは、複合的な形状を定義するために、本明細書において説明される方法を使用して識別されてもよい。人工知能は、オブジェクトライブラリをコンパイルし、定義するために使用されてもよい。そのような方法は、ライブラリのオブジェクトを収集し、定義してもよく、既存のオブジェクトライブラリ、および公に入手可能なまたは作成された情報に基づいて追加的オブジェクトをさらに識別してもよい。実施形態は、解析論または人工知能などの機械学習論理を利用して、本明細書において説明される様々な実施形態を実装してもよい。

図２は、環境、例えば化学処理プラントのデータにインテリジェンスを帰属させるために本発明の原理を利用することができる方法２２０を示す。方法２２０は、ステップ２２１において、環境を表すポイントクラウドを生成することによって開始する。実施形態において、ポイントクラウドは、ステップ２２１において、環境のレーザスキャンを実行することによって、または本明細書において説明されるようにソナーを使用することによって生成される。ステップ２２２において、レーザスキャンデータは、個々のオブジェクトおよびそれらのオブジェクトのサブコンポーネントを識別するために、ポイント密度に基づいて処理される。例えば、比較的低いポイントの密度に囲まれたポイントクラウドの密度の高い部分は、単一のオブジェクトとみなされてもよい。この単一のオブジェクトに属するポイントクラウドデータは、続いて、変化する（varying）密度を有するそのデータの部分を識別するためにさらに処理されてもよく、それによってオブジェクトのサブコンポーネントを識別する。次いで、識別処理２２３が、本明細書において図４に関連して後に説明される方法４４０などの、本明細書において説明される原理を使用して実行される。実施形態において、ステップ２２３ａにおいて、ポイントクラウドデータは平坦化され、既存の２Ｄデータと比較され、一致する２Ｄデータを識別するために使用される。ステップ２２３ｂにおいて、一致するデータは、例えばオブジェクト種類、オブジェクト寸法、オブジェクト材質などより多くの情報によってポイントクラウドデータを更新するために使用される。処理２２３ｂは、発見することができるオブジェクトについての任意の情報によってポイントクラウドデータを更新してもよい。従って、ステップ２２３ａにおいて一致する２Ｄデータが発見されると、ステップ２２３ｂにおいて、オブジェクトの任意の性質についての任意の既存の一致するデータは、オブジェクトのポイントクラウドデータに帰属されてもよい。ステップ２２３ｂは、ステップ２２３ａにおいて識別された既存のデータを使用して環境のＣＡＤモデルをさらに更新してもよい。次いで、施設のための元々の３Ｄモデル／データが存在する方法２２０の例において、方法２２０は、ステップ２２４において、環境的変化を評価し、設計／竣工時のモデルと比較する。換言すれば、識別された３Ｄデータは、既存のデータと現在存在している通りの施設との間の差異を識別するために、施設の既存の３Ｄデータと比較される。例えば、ステップ２２４は、設備２２７の横方向の移動などの環境的、動物または人間の相互干渉による空間的ずれを識別してもよい。方法２２０は、さらにまた、ステップ２２５において、識別された３Ｄデータの密度データを評価して、窪みおよび腐食２２８などの他の環境的／機械的変化についての知識を獲得してもよい。

方法２２０は、３Ｄデータの知識にさらなる詳細を追加するためにフィードバック処理２２６をさらに含んでもよい。図２においてはステップ２２４から生じるものとして示されているが、実施形態において、フィードバック処理２２６は、ステップ２２３ａ、ステップ２２３ｂ、ステップ２２４および／またはステップ２２５から実行されてもよい。重要な要件は、３Ｄデータが識別されていることである。３Ｄデータがいったん識別された場合、この知識は、処理２２０にさらに情報を与えるために使用されてもよい。例えば、ステップ２２３ｂにおいて、ポイントクラウドの特定の部分がバルブを表すものとして識別された場合、次に、データライブラリから、バルブはバルブ軸を備えることが既知となることがある。この情報は、例えばステップ２２２において、バルブのポイントクラウドデータを２つのオブジェクト、つまりバルブ本体とバルブ軸とにさらに分割するために使用されてもよい。代替的な実施形態において、フィードバック処理２２６は、ステップ２２３ａにおけるマッピングが失敗したときに生じてよい。

方法２２０の実施形態は、プラント設計ツール、ビューア、レーザスキャン技術、および他の類似の画像ベースのエンジニアリングツールが、プラントレーザスキャン、ソナーまたは類似のインテリジェントでない画像に、より自動化された能力を使用して、より拡張的にインテリジェンスを帰属させることができるようにする。従って、実施形態は、人の手の干渉の必要性を減少させ、より正確およびより効率的に３Ｄデータをリエンジニアリングしてもよい。実施形態は、モデルを最新に保持するという問題を解決し、従って、例えば、施設エンジニアリング判断（facilities engineering decision）を改善する。既存の方法を使用して、更新は、２Ｄまたは３Ｄ解決策に対して、元々のより大きなモデルを更新することなく、モジュール式に実行される。例としては、レーザスキャンは、施設についての最新のデータを収集する方法を提供するが、レーザスキャンデータはＣＡＤモデルを提供することのない非インテリジェントなデータである。

本発明の実施形態は、例えばソナー（sonar）データなどのデータについてできる限りの詳細を識別するために、反復的に使用されてもよい。さらに、実施形態は、対象となる特定のオブジェクトを識別するように構成されてもよい。例えば、方法２２０などの本発明の実施形態を使用して、環境内の全てのポンプを識別してもよい。例えば、方法２２０が環境内の全てのポンプを識別するために実行される場合、いくつかの３Ｄデータは識別されないままになるおそれがあり、例えば、レーザスキャンはそのオブジェクトに対する理想的データを取得しない。しかしながら、識別のための処理は、例えばポンプに供給するパイプラインを形成する施設のオブジェクトも識別してもよい。この知識によって、３Ｄデータは、パイプラインデータを使用することで未知のオブジェクトをポンプとして識別するために、本明細書において説明される原理によって再処理されてもよい。従って、パイプライン知識は、読取困難なデータはポンプであるに違いないと推論するために使用されてもよい。この知識によって、再処理は未知のデータはポンプであると更新してもよい。

前述の例は、３Ｄデータからオブジェクトを識別し、環境のＣＡＤモデルをさらに更新するために利用することができる進化した論理の単なる１つの例示を提供する。本発明の実施形態は、任意のそのような論理／意思決定を使用して処理に情報を与えるように構成されてもよい。従って、実施形態は、任意の識別する手がかり（clue）／情報を使用して、本明細書において説明される方法によって実装される識別処理に情報を与えることを助けるようにプログラムされてもよい。

本発明の実施形態の原理は、設計時の環境と存在している通りの環境との間の環境的変化を識別するために利用されてもよい。実施形態は、設備の横方向の移動などの、環境、人間または動物による空間的ずれを識別してもよい。密度集合情報は、腐食および窪みなどの他の環境的偏移（deviation）を、とりわけソナーベースのスキャニングにおいて、理解するためにも使用されてもよい。

既存の方法は、環境の計画への修正を反映するための実際的解決策を提供しない。本発明の実施形態は、ユーザが全体的なポイントクラウドをＣＡＤへとリエンジニアリングすることを回避することを可能にする。さらに、実施形態は、レーザスキャンデータに限定されるのではなくむしろ、いくつかのＣＡＤモデルおよび対話型のＣＡＤモデル、またはスマートビデオなどの類似のビューを見ることを容易にすることができる。方法２２０など本発明の実施形態は、ユーザが、モデルを最新に保持することを可能にし、これは施設エンジニアリングを改善する。

本発明の実施形態は、ＣＡＤモデルの更新の際に任意の適切な信号種類を利用してもよい。例としては、実施形態は、ＣＡＤモデルをリエンジニアリング／更新する際に、ソナー、すなわち音を使用してもよい。図３は、実施形態による、ＣＡＤモデルを更新するために使用することができるデータを取得するためのソナーベースのシステム３３０を示す。システム３３０は、環境および／またはオブジェクト３３３に音波３３２ａを放射可能な音放射体３３１を含む。音波３３２ａは、音波３３２ｂとしてオブジェクト３３３に反射し、高感度受信機３３４において受信される。受信機３３４は、続いて、３Ｄデータ３３５（例えば、ポイントクラウドまたは１つもしくは複数の画像）を受信した信号３３２ｂに基づいて作成する。システム３３０の代替的な実施形態において、受信機は、受信した信号３３２ｂを、ポイントクラウド（オブジェクトの再画像）３３５を作成するために、さらなる処理装置（図示せず）に提供する。

アクセスが困難な環境については、ソナーハードウェア（放射体３３１および受信機３３４）は、レーザスキャンを実行することと同じように、画像３３５を再作成するために使用される。音波３３２ａおよび３３２ｂは、視覚的画像を補捉し、環境３３３のデジタル画像を再作成するために使用される。受信機３３４などの高感度受信機は、環境／オブジェクト３３３の密度集合および空間についての著しい量の情報を捕捉する高品質ポイントクラウドを提供する。

システム３３０の例示的な使用において、音波３３２ａは、放射体３３１から発射物としてシーン３３３に放射される。音波３３２ｂは、シーン３３３に反射し、受信機３３４によって捕捉され、シーン３３３のポイントクラウド３３５を作成するために使用される。高感度受信機３３４を使用することは、システム３３０が、変動する材質に反射した音波３３２ｂから生じる密度における変化を識別することを可能にするとともに、オブジェクト間の小さな空間を捕捉することを可能にする。これらの密度における変化および変動する密度は、次に、本明細書において説明されるように、環境内のオブジェクトおよびその位置を判定するために使用されてもよい。

図４は、本発明の原理を使用して、オブジェクトの３Ｄデータからオブジェクトを識別する方法４４０を示す。方法４４０は、識別されていない３Ｄデータ４４４が、２Ｄデータ４４５を作成するために平坦化される平坦化処理４４１で開始する。平坦化処理４４１は、３Ｄデータ４４４の単一ビューのスナップショットを撮影することによって、および／または３Ｄデータ４４４からデータを取り除いて残余のデータが元々の３Ｄデータ４４４の２Ｄ部分にのみ属するようにすることによって実行されてもよい。比較および識別ステップ４４２が、方法４４０を継続する。比較および識別処理４４２において、識別されていない２Ｄデータ４４５は、一致する２Ｄデータ４４６を発見するために、既知の２Ｄデータと比較される。この比較処理４４２は、２Ｄまたは写真画像データの１つのライブラリおよび／または複数のライブラリを利用してもよい。さらに、実施形態において、未知の２Ｄデータおよび２Ｄデータのライブラリは、共通の等距離ポイントを使用して比較される。そのような実施形態において、２Ｄデータ４４６などの一致するデータが識別され、そこでは未知のデータ４４５および一致するデータ４４６は類似のまたは同一の等距離ポイントを有している。比較および識別処理４４２が一致する２Ｄデータ４４６を識別すると、未知の２Ｄデータ４４５が識別される。識別された２Ｄデータ４４５は、次に、再処理ステップ４４３において、前に識別されなかった３Ｄデータ４４４を更新するために使用されてもよい。

図５は、実施形態に従って、クラスタ、すなわちポイントクラウドグループ分けを識別および記憶する処理５５０を例示する。処理５５０は、ポイントクラウドで開始し、ステップ５５１において、クラスタを構成するポイントの密度に基づいて、クラスタを識別し、続いて、これらのクラスタは抽出されて、隔離されたクラスタを形成する。処理５５０の実施形態において、ポイントクラウドグループ分けは、ステップ５５１において、オブジェクト間の密度集合の変化に基づいて識別される。処理５５０は継続し、ステップ５５２において、クラスタのグループが形成される。これらのグループは、例としてはポイント密度に基づいてもよく、同様の密度のクラスタがグループ化される。さらに、これらのグループは、名付けられてもよく、および／またはグループおよびグループを構成するクラスタのライブラリが作成されてもよい。実施形態において、グループおよびクラスタは、次に、ステップ５５３において、本明細書において説明されるようなさらなる処理のために１つまたは複数のデータベースに記憶される。

処理５５０の代替的な実施形態は、適切に構成されたコンピュータプログラムを利用して、ステップ５５１において識別されたクラスタの複合的なオブジェクトを識別する。処理５５０のそのような実施形態は、人工学習を使用して、作成することができるよりも多くのクラスタの様々なライブラリをコンパイルし、定義してもよい。さらに、実施形態は、追加的論理を利用して、オブジェクトライブラリを収集および定義してもよく、既存のオブジェクトライブラリに基づいて新しいオブジェクトをさらに学習してもよい。

図６は、マッピングのためにオブジェクトをグループ化するために実施形態において使用することができ、またはポイントクラウドにおける異なるオブジェクトを区別するために利用することができる密度変動、すなわち、密度集合／クラスタを例示する。実施形態において、オブジェクト６６０は、本明細書において説明されるように、ポイントクラウド６６１を形成するためにスキャンされる。ポイントクラウド６６１において、この事例においてはいくつもの境界に見られるポイント６６２のクラスタは、例えばコンピュータなどの２Ｄビューアで見られると、平坦な面上のポイントのビューであるポイント６６３の集合よりも多くのポイントを有していることが認められる。より多くのポイント６６２を有するクラスタは、ポイントクラウド６６１の境界に生じるが、折れ目またはポイントクラウドの他の類似の変化に生じるクラスタは、同じようにより多くのポイントを含む。本発明の実施形態において、密度偏移は、オブジェクトまたはオブジェクトのコンポーネントに対応してもよいポイントのグループを識別するために使用される。同じように、密度偏移は、２つの異なるオブジェクトを区別するために使用されてもよい。

図７は、本発明の実施形態に従った、環境を表すＣＡＤモデルを更新するために使用することができるコンピュータベースのシステム７７０の簡略化されたブロック図である。システム７７０は、バス７７３を備える。バス７７３は、システム７７０の様々なコンポーネントの間の相互接続部として機能する。バス７７３には、キーボード、マウス、ディスプレイ、スピーカなどの様々な入力および出力装置をシステム７７０に接続するための入力／出力装置インターフェース７７６が接続される。中央処理ユニット（ＣＰＵ）７７２は、バス７７３に接続され、コンピュータ命令の実行をもたらす。メモリ７７５は、コンピュータ命令を実行するために使用されるデータに対する揮発性記憶装置を提供する。記憶装置７７４は、オペレーティングシステム（図示せず）などのソフトウェア命令のための不揮発性記憶装置を提供する。システム７７０はまた、ワイドエリアネットワーク（ＷＡＮ）およびローカルエリアネットワーク（ＬＡＮ）を含む当技術分野において既知の任意の種々のネットワークに接続するためのネットワークインターフェース４４１を備える。

本明細書において説明される例示的な実施形態は、多くの異なる方法で実装されてもよいことを理解されたい。いくつかの場合、本明細書において説明される様々な方法および機械の各々は、コンピュータシステム７７０などの物理的、仮想的もしくはハイブリッドな汎用コンピュータ、または本明細書において図８に関連して後に説明されるコンピュータ環境８８０などのコンピュータネットワーク環境によって実装されてもよい。コンピュータシステム７７０は、例えば、ＣＰＵ７７２による実行のためにソフトウェア命令をメモリ７７５または不揮発性記憶装置７７４のいずれかにロードすることによって、本明細書において説明される方法（例えば、方法１００および方法２２０）を実行する機械へと変換されてもよい。当業者は、システム７７０およびその様々なコンポーネントは、本明細書において説明される本発明の任意の実施形態を実行するように構成されてもよいことをさらに理解されたい。さらに、システム７７０は、本明細書において説明される様々な実施形態を、システム７７０に動作可能に内的または外的に結合されたハードウェア、ソフトウェアおよびファームウェアモジュールの任意の組み合わせを利用して実装してもよい。

図８は、本発明の実施形態を実装することができるコンピュータネットワーク環境８８０を例示する。コンピュータネットワーク８８５５０において、サーバ８８１は通信ネットワーク８８２を介して、クライアント８８３ａ〜８８３ｎにリンクしている。環境８８０は、クライアント８８３ａ〜８８３ｎが、単独でまたはサーバ８８１との組み合わせで、本明細書において説明される方法のうちのいずれか（例えば、方法１００）を実行することを可能にするために使用されてもよい。

実施形態またはその態様は、ハードウェア、ファームウェア、またはソフトウェアの形態で実装されてもよい。ソフトウェアにおいて実装される場合、ソフトウェアは、プロセッサがソフトウェアまたはその命令のサブセットをロードすることを可能にするように構成された任意の非一時的コンピュータ可読記憶媒体に記憶されてもよい。プロセッサは、次に、命令を実行し、本明細書において説明された通りに動作し、または機器を動作させるように構成される。

さらに、ファームウェア、ソフトウェア、ルーチン、または命令は、データプロセッサのいくつかの動作および／または機能を実行するものとして本明細書において説明されてもよい。しかしながら、ここに含まれるそのような説明は単に利便性のためであり、そのような動作は、実のところ、ファームウェア、ソフトウェア、ルーチン、命令などを実行する計算装置、プロセッサ、コントローラ、または他の装置に起因して起こることを理解されたい。

フローチャート、ブロック図、およびネットワーク図は、より多くのまたはより少ない要素を含んでよく、異なって配置されてもよく、または異なって示されてもよいことを理解されたい。しかし、いくつかの実装形態は、実装形態の実行を例示するブロックおよびネットワーク図ならびにブロックおよびネットワーク図の数が特定の方法で実施されることを要求してもよいことをさらに理解されたい。

それに応じて、さらなる実施形態が、種々のコンピュータアーキテクチャ、物理的、仮想的、クラウドコンピュータ、および／またはそれらのいくつかの組み合わせによって実装されてもよく、従って、本明細書において説明されるデータプロセッサは、例示の目的のみを意図されており、実施形態の制限として意図されるものではない。

本発明は、その例示的な実施形態を参照して特に提示され、説明されたが、そこにおいては、形態および詳細における様々な変更が、添付の特許請求の範囲に包含される本発明の範囲から逸脱することなくなされてもよいことが、当業者には理解されよう。

Claims (10)

1. 環境を表すコンピュータ支援設計（ＣＡＤ）モデルを更新するコンピュータ実行方法であって、
   環境の１つまたは複数の実在オブジェクトに反射している受信した信号に基づいて、コンピュータメモリにおいて、前記環境の前記１つまたは複数のオブジェクトを表す、変化するポイント密度を有するポイントクラウドを生成するステップと、
   １つまたは複数の変化する密度のクラスタを含むポイントのポイント密度における変化に基づいて、前記ポイントクラウドの前記１つまたは複数の変化する密度のクラスタを識別するステップであって、前記ポイント密度における変化は、折れ目、角、または境界のうちの少なくとも１つに対応し、前記識別するステップは、前記コンピュータメモリに結合されたプロセッサによって実行される、ステップと、
   前記プロセッサによって、前記１つまたは複数の変化する密度のクラスタを既存のＣＡＤ図にマッピングするステップと、
   前記プロセッサによって、前記既存のＣＡＤ図を使用して、前記環境のＣＡＤモデルを自動的に更新するステップであって、前記環境の前記ＣＡＤモデルは、コンピュータシステムメモリに保持される、ステップと
   を備えたことを特徴とする方法。
2. 前記１つまたは複数の変化する密度のクラスタのサブコンポーネントを更新するように、前記識別するステップ、マッピングするステップ、および更新するステップを繰り返すステップをさらに備えたことを特徴とする請求項１に記載の方法。
3. 前記識別した１つまたは複数の変化する密度のクラスタをそれぞれのライブラリとして前記コンピュータメモリに記憶するステップをさらに備えたことを特徴とする請求項１に記載の方法。
4. 前記１つまたは複数の変化する密度のクラスタをマッピングするステップは、
   前記１つまたは複数の変化する密度のクラスタをそれぞれの２次元（２Ｄ）表現に平坦化するステップと、
   前記それぞれの２Ｄ表現を既存の２Ｄ ＣＡＤ図と比較して、１つまたは複数の一致する既存の２Ｄ ＣＡＤ図を識別するステップと
   を含むことを特徴とする請求項１に記載の方法。
5. 前記受信した信号は、
   音声信号および光信号のうちの少なくとも１つであることを特徴とする請求項１に記載の方法。
6. 前記ポイントクラウドを使用して、前記１つまたは複数の実在オブジェクトの空間的変化を示すように前記環境の前記ＣＡＤモデルを更新するステップをさらに備えたことを特徴とする請求項１に記載の方法。
7. 前記ポイントクラウドを使用して、前記１つまたは複数の実在オブジェクトに対する機械的変化を示すように前記環境の前記ＣＡＤモデルを更新するステップをさらに備えたことを特徴とする請求項１に記載の方法。
8. 前記ポイントクラウドを使用して、前記１つまたは複数の実在オブジェクトの１つまたは複数の材質を識別するステップをさらに備えたことを特徴とする請求項１に記載の方法。
9. 環境を表すコンピュータ支援設計（ＣＡＤ）モデルを更新するシステムであって、
   環境の１つまたは複数の実在オブジェクトにおいて信号を放射するように構成された放射体と、
   前記１つまたは複数のオブジェクトに反射する信号を受信するように構成された受信機と、
   前記受信機に通信可能に結合され、ならびにコンピュータメモリおよび前記コンピュータメモリに通信可能に結合されたプロセッサを含むデジタル処理モジュールと
   を備え、前記プロセッサは、
   前記受信した信号を使用して、前記コンピュータメモリにおいて、前記環境の前記１つまたは複数のオブジェクトを表す、変化するポイント密度を有するポイントクラウドを生成し、
   １つまたは複数の変化する密度のクラスタを含むポイントのポイント密度における変化に基づいて、前記ポイントクラウドの前記１つまたは複数の変化する密度のクラスタを識別し、前記ポイント密度における変化は、折れ目、角、または境界のうちの少なくとも１つに対応し、
   前記１つまたは複数の変化する密度のクラスタを既存のＣＡＤ図にマッピングし、および
   前記既存のＣＡＤ図を使用して、前記環境のＣＡＤモデルを自動的に更新し、前記環境の前記ＣＡＤモデルは、前記コンピュータメモリに保持される
   ように構成されていることを特徴とするシステム。
10. 環境を表すコンピュータ支援設計（ＣＡＤ）モデルを更新するコンピュータプログラムであって、前記コンピュータプログラムは、プログラム命令を含み、前記プログラム命令は、プロセッサによって実行されると、前記プロセッサに、
    環境の１つまたは複数の実在オブジェクトに反射している受信した信号に基づいて、前記プロセッサに結合されたコンピュータメモリにおいて、前記受信した信号を使用して前記環境の前記１つまたは複数のオブジェクトを表す、変化するポイント密度を有するポイントクラウドを生成させ、
    １つまたは複数の変化する密度のクラスタを含むポイントのポイント密度における変化に基づいて、前記ポイントクラウドの前記１つまたは複数の変化する密度のクラスタを識別させ、前記ポイント密度における変化は、折れ目、角、または境界のうちの少なくとも１つに対応し、
    前記１つまたは複数の変化する密度のクラスタを既存のＣＡＤ図にマッピングさせ、および
    前記既存のＣＡＤ図を使用して、前記環境のＣＡＤモデルを自動的に更新させ、前記環境の前記ＣＡＤモデルは、前記コンピュータメモリに保持される
    ことを特徴とするコンピュータプログラム。

Images