JP7374977B2

JP7374977B2 - 樹木情報推定システム、樹木情報推定方法およびコンピュータプログラム

Info

Publication number: JP7374977B2
Application number: JP2021204980A
Authority: JP
Inventors: ペイイーザン; 準矢嶋; 丈也原田; 薫加藤
Original assignee: Yamaha Motor Co Ltd
Current assignee: Yamaha Motor Co Ltd
Priority date: 2021-12-17
Filing date: 2021-12-17
Publication date: 2023-11-07
Anticipated expiration: 2041-12-17
Also published as: JP2023090165A

Description

本発明は、樹木情報推定システム、樹木情報推定方法およびコンピュータプログラムに関する。

森林資源の管理および利用を行うために森林計測が行われている。森林計測は、様々な方法により行うことができる。例えば特許文献１は、上空からカメラで森林を撮影し、得られた画像から画像処理によって樹冠円を抽出する方法を開示する。特許文献２は、上空から波長の異なるレーダ波をそれぞれ森林に照射して、樹木の最上部からの反射波および地面からの反射波から算出されるそれぞれの高さの差分から樹木の高さを求める方法を開示する。特許文献３は、航空機にレーザ測距装置を搭載し、レーザ測距装置を用いて、樹木等を含めた地上の三次元データを取得する方法を開示する。

特開２００７－６６０５０号公報特開平９－１８４８８０号公報特開２０１６－７０７０８号公報

レーザ測距装置を用いて森林計測を行うことで、森林の３次元点群データが得られる。この森林の３次元点群データを用いて、森林の状態を分析することができる。しかし、森林計測で得られた３次元点群データを用いて、人間が森林の状態を分析するのには非常に時間と労力が掛かる。コンピュータで分析を行う場合、演算負荷は小さい方が望ましい。

森林資源の管理および利用を行うために、森林内の樹木の状態を簡便に把握することが求められている。

本発明のある実施形態に係る樹木情報推定システムは、森林計測により得られた森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを取得するデータ取得部と、前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成するデータ生成部と、前記投影２次元データにおける各樹木の樹冠領域を推定する推定部と、を備える。

樹木の３次元点群データではなく投影２次元データを用いて樹冠領域を推定することにより、少ない演算量で樹冠領域を精度良く推定することができる。

例えば機械学習を用いて樹冠領域を推定する場合は、少ない演算量で推定モデルを生成することができる。

ある実施形態において、前記所定の平面は、高さ方向に略平行であってもよい。

樹木を横方向から見た投影２次元データを用いることで、樹冠の上端部および下端部を検出したり、樹高を演算したりすることを容易に行うことができる。

ある実施形態において、前記データ生成部は、前記投影２次元データとして、前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を前記所定の平面に投影して得られる２次元画像データを生成してもよい。

２次元画像データを用いることで樹冠領域の推定を容易に行うことができる。例えば機械学習を用いて樹冠領域を推定する場合は、既存の２次元画像の機械学習手法を用いることができるため、推定モデルの生成、および生成した推定モデルを用いた樹冠領域の推定を容易に行うことができる。

ある実施形態において、前記樹木情報推定システムは、前記投影２次元データが示す樹木と、推定した前記樹冠領域との関係に基づいて前記樹木の状態を演算する演算部をさらに備えてもよい。

演算した樹木の状態を用いて森林管理を行うことができる。例えば、演算した樹木の状態を用いて、森林の手入れの優先度の判断および伐採対象の選定等を行うことができる。

ある実施形態において、前記樹木情報推定システムは、前記投影２次元データが示す樹木の樹高を演算し、推定した前記樹冠領域に基づいて樹冠長を演算し、前記樹高と前記樹冠長とから樹冠長率を演算する演算部をさらに備えてもよい。

演算した樹冠長率を用いて森林管理を行うことができる。例えば、演算した樹冠長率を用いて、森林の手入れの優先度の判断および伐採対象の選定等を行うことができる。

ある実施形態において、前記データ生成部は、前記少なくとも一本の樹木の３次元点群データに含まれる複数の点の一部を間引いて前記所定の平面に投影して前記投影２次元データを生成してもよい。

３次元点群データに含まれる複数の点の一部を間引くことで、処理の負荷を軽減させることができる。

ある実施形態において、前記データ取得部は、前記森林の３次元点群データから、単木の３次元点群データを取得し、前記データ生成部は、前記単木の３次元点群データに含まれる複数の点を前記所定の平面に投影して前記投影２次元データを生成し、前記推定部は、前記投影２次元データにおける単木の樹冠領域を推定してもよい。

単木の投影２次元データを用いて樹冠領域を推定することにより、少ない演算量で樹冠領域を精度良く推定することができる。

ある実施形態において、前記樹木情報推定システムは、予め樹冠領域が指定された樹木の投影２次元データを複数個記憶する記憶部と、前記記憶部に記憶された複数の前記投影２次元データを教師データとして用い、樹木を示す投影２次元データを入力とし、樹冠領域を出力とする推定モデルを機械学習により生成するモデル生成部と、をさらに備え、前記推定部は、前記推定モデルを用いて、前記データ生成部が生成した前記投影２次元データにおける樹冠領域を推定してもよい。

機械学習により生成した推定モデルを用いることで、樹木の投影２次元データのパターンに潜む特徴量と樹木の状態との間にある相関関係等を利用することが可能になる。

ある実施形態において、前記推定部は、前記投影２次元データに含まれる複数の点の高さ方向における分布に基づいて前記樹冠領域を推定してもよい。

樹木の部位に応じて点の個数が異なり得ることから、高さ方向における点の分布から樹冠領域を推定することができる。

ある実施形態において、前記森林の３次元点群データは、ＬｉＤＡＲセンサが取り付けられた無人航空機を飛行させて行う森林計測により得られた３次元点群データであってもよい。

ＬｉＤＡＲセンサを搭載した無人航空機を比較的低い高度（例えば絶対高度１５０ｍ以下、好ましくは絶対高度８０ｍ以下）で飛行させることにより、ＬｉＤＡＲセンサから出射されたレーザパルスは、樹木の樹冠だけでなく、樹木の幹、下層植生および地表面等にも到達し、反射される。これにより、樹冠点群だけでなく幹点群、下層植生点群および地表面点群を含む３次元点群データを得ることができる。

ある実施形態において、前記ＬｉＤＡＲセンサの回転軸は、前記無人航空機の高さ方向に垂直な平面に対して傾いていてもよい。

レーザパルスの多くを樹木の葉と葉の間を通り抜けやすい角度で出射することができる。レーザパルスは樹木の樹冠だけでなく、樹木の幹、下層植生および地表面等にも到達し、反射される。これにより、樹冠点群だけでなく幹点群、下層植生点群および地表面点群を豊富に含む３次元点群データを得ることができる。

ある実施形態において、前記森林の３次元点群データに含まれる複数の点それぞれを水平面に投影したときの前記水平面における前記複数の点の個数密度が１００個／ｍ^２以上であってもよい。

点群の密度を高めることにより、樹冠よりも低い位置から取得できる情報量を増加させることができ、樹木の状態をより詳細に把握することができる。

本発明のある実施形態に係る樹木情報推定システムは、森林計測により得られた森林の３次元点群データを用いて樹木の情報を推定する樹木情報推定システムであって、プロセッサと、前記プロセッサの動作を制御するコンピュータプログラムを記憶する記憶装置と、を備え、前記プロセッサは、前記コンピュータプログラムに従って、森林計測により得られた森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを取得すること、前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成すること、前記投影２次元データにおける各樹木の樹冠領域を推定すること、を実行する。

樹木の３次元点群データではなく投影２次元データを用いて樹冠領域を推定することにより、少ない演算量で樹冠領域を精度良く推定することができる。例えば機械学習を用いて樹冠領域を推定する場合は、少ない演算量で推定モデルを生成することができる。

本発明のある実施形態に係る樹木情報推定方法は、森林計測により得られた森林の３次元点群データを用いて樹木の情報を推定する方法であって、森林計測により得られた森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを取得すること、前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成すること、前記投影２次元データにおける各樹木の樹冠領域を推定すること、を実行する。

本発明のある実施形態に係るコンピュータプログラムは、森林計測により得られた森林の３次元点群データを用いた樹木の情報の推定をコンピュータに実行させ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、森林計測により得られた森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを取得すること、前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成すること、前記投影２次元データにおける各樹木の樹冠領域を推定すること、を前記コンピュータに実行させる。

本発明の実施形態に係る森林計測を行う無人ヘリコプター１を示す図である。本発明の実施形態に係るＬｉＤＡＲセンサ２０が設けられた無人ヘリコプター１の外観側面図である。本発明の実施形態に係る無人ヘリコプター１の正面図である。本発明の実施形態に係る飛行制御ボックス１５のハードウェア構成例を示す図である。本発明の実施形態に係る森林計測を行う無人ヘリコプター１を示す図である。本発明の実施形態に係る樹木情報推定システム１００を機能ブロック単位で示す機能ブロック図である。本発明の実施形態に係る樹木情報推定システム１００のハードウェア構成例を示すブロック図である。本発明の実施形態に係る樹冠領域を推定して樹冠長率を演算する処理の例を示す図である。本発明の実施形態に係る樹冠領域を推定して樹冠長率を演算する処理の例を示すフローチャートである。本発明の実施形態に係る機械学習により推定モデルを生成する処理の例を示す図である。本発明の実施形態に係る複数の点の高さ方向における分布に基づいて樹冠領域を推定する処理を説明する図である。本発明の実施形態に係る樹木情報推定システム１００のハードウェア構成の他の例を示す図である。本発明の実施形態に係るＬｉＤＡＲセンサ２０の回転軸２１が臨む方向を説明する図である。

森林資源の管理および利用を行うためには、いわゆる「森林計測」を行うことが重要である。この「森林計測」には、森林の構造の調査、森林の材積の推定、一定期間における森林の変化量の把握等が含まれ得る。従来の森林計測のような、林木の一本一本を計測し、得られたデータから様々な集計・分析を行っていくことは非常に人手と時間がかかる。そこで、無人航空機にレーザ測距装置（ＬｉＤＡＲセンサ）を搭載し、ＬｉＤＡＲセンサを用いて空中から森林計測を行うことが進められている。

本願発明者らは、ＬｉＤＡＲセンサを搭載した無人航空機を比較的低い高度（例えば絶対高度１５０ｍ以下、好ましくは絶対高度８０ｍ以下）で飛行させて森林計測を行うことにより、樹冠点群だけでなく幹点群、下層植生点群および地表面点群を含む３次元点群データが得られることを見出した。ここで、樹冠点群は樹木の樹冠に対応する点群であり、幹点群は樹木の幹に対応する点群であり、下層植生点群は下層植生に対応する点群であり、地表面点群は地表面に対応する点群である。ＬｉＤＡＲセンサから出射されたレーザパルスは、樹木の樹冠だけでなく、樹木の幹、下層植生および地表面等にも到達して反射され、これにより、樹冠点群、幹点群、下層植生点群および地表面点群を含む３次元点群データを得ることができる。

これら樹冠点群、幹点群、下層植生点群および地表面点群を含む３次元点群データを用いて、森林の状態を推定したり、各樹木の状態を推定したりすることが考えられる。

３次元点群データに含まれる複数の点それぞれを水平面に投影したときの水平面における複数の点の個数密度は、１００個／ｍ^２以上であり得る。点群の密度を高めることにより、樹冠よりも低い位置から取得できる情報量を増加させることができ、森林の状態をより詳細に推定することができる。

本明細書では、ＬｉＤＡＲセンサを用いて上空から森林をスキャンし、スキャンデータを取得すること自体を「森林計測」に含む。スキャンデータは、典型的には、スキャンごとに取得される点群（ｐｏｉｎｔｃｌｏｕｄ）を構成する各点の位置座標によって表現され得る。スキャンごとに取得される点の位置座標は、無人航空機とともに移動するローカル座標系によって規定される。このようなローカル座標系は、移動体座標系またはセンサ座標系と呼ばれ得る。一般的には、「森林計測」は、ローカル座標系で表現された各反射点の位置を地理座標系に変換することを含む。「森林計測」はさらに、地理座標系への変換後に、森林の構造を解析すること、森林および樹木の形を視覚的に表示すること、森林内の樹木の種類ごとの存在比率を求めること、森林の容積密度を求めること等を含み得る。

「無人航空機」（ＵＡＶ；Ｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅ）は、操縦者としての人が搭乗しない航空機であり、ドローンと呼ばれることもある。航空機は回転翼機および固定翼機を含み得る。回転翼を有する無人航空機の一例は、無人ヘリコプターまたは無人マルチコプターである。回転翼はエンジン（内燃機関）によって回転してもよいし、電動モータによって回転してもよい。無人航空機の飛行は、コンピュータプログラムによる自律飛行、一部を自動化する半自律飛行、無線を用いた人による遠隔操作による飛行のいずれであってもよい。無人航空機は、ＧＮＳＳ（ＧｌｏｂａｌＮａｖｉｇａｔｉｏｎＳａｔｅｌｌｉｔｅＳｙｓｔｅｍ）を援用して、現在位置を三次元的に測定し、その位置を修正しながら飛行することが可能である。以下に説明する例示的な実施形態においては、「無人航空機」は「無人ヘリコプター」である。「無人」の用語は、航空機の操縦のために人が搭乗する必要がないことを意味しており、無人航空機が操縦者でない人を運搬することは除外しない。

以下、添付の図面を参照しながら、本発明の実施形態を詳細に説明する。ただし、本発明を必要以上に細かく説明をすることは避ける。例えば、既によく知られた事項の詳細説明および実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。また、以下の実施形態は例示であり、本発明は以下の実施形態に限定されない。

（計測対象エリアの計測）
まず、計測対象エリアの計測の実施形態を説明する。

図１は、計測対象エリア５０の計測を行う無人ヘリコプター１を示している。例示的な実施形態において、計測対象エリア５０を山の斜面５２に広がる森林５４とし、無人ヘリコプター１を用いて森林計測を行う。森林５４では地表面から複数の樹木が立ち上がっている。計測対象エリア５０としての森林５４は、斜面の森林（斜面林）に限定されず、平坦地の森林であってもよい。

図２は、ＬｉＤＡＲセンサ（ライダーセンサ）２０が設けられた無人ヘリコプター１の外観側面図である。図３は、無人ヘリコプター１の正面図である。

ＬｉＤＡＲセンサ２０はレーザビームのパルス（以下「レーザパルス」と略記する。）２２を、出射方向を変えながら次々と出射し、出射時刻と各レーザパルスの反射パルスを取得した時刻との時間差から各反射点の位置までの距離を計測することができる。「反射点」は、森林５４を構成する各樹木の樹冠および幹、斜面および平坦地等の地表面であり得る。

ＬｉＤＡＲセンサ２０は、任意の方法により、飛行体から森林までの距離を計測し得る。ＬｉＤＡＲセンサ２０の計測方法としては、例えば機械回転方式、ＭＥＭＳ方式、フェーズドアレイ方式がある。これらの測定方法は、それぞれレーザパルスを出射する方法（スキャンの方法）が異なっている。例えば、機械回転方式のＬｉＤＡＲセンサは、レーザパルスの出射およびレーザパルスの反射光の検出を行う筒状のヘッドを回転させて、回転軸の周囲３６０度全方位の計測対象物をスキャンする。ＭＥＭＳ方式のＬｉＤＡＲセンサは、ＭＥＭＳミラーを用いてレーザパルスの出射方向を揺動させ、揺動軸を中心とした所定の角度範囲内の計測対象物をスキャンする。フェーズドアレイ方式のＬｉＤＡＲセンサは、光の位相を制御して光の出射方向を揺動させ、揺動軸を中心とした所定の角度範囲内の計測対象物をスキャンする。

無人ヘリコプター１は、メインボディ２およびテールボディ３を有する機体４を備えている。機体４の下部には、ブラケット２５を介してＬｉＤＡＲセンサ２０が取り付けられている。メインボディ２の上部にはメインロータ５が設けられ、テールボディ３の後部にテールロータ６が設けられている。メインボディ２の前部にはラジエータ７が設けられている。メインボディ２の後部には飛行制御ボックス１５が設けられている。メインボディ２内には、内燃機関であるエンジン８および発電装置９が設けられている。また、メインボディ２内には、いずれも図示しない吸気系、メインロータ軸、燃料タンクが収容されている。エンジン８が発生させた回転はメインロータ５およびテールロータ６に伝達され、メインロータ５およびテールロータ６が回転することにより無人ヘリコプター１は飛行する。

メインボディ２の後部上側にはコントロールパネル１０が設けられ、後部下側に表示灯１１が設けられる。コントロールパネル１０は、飛行前のチェックポイントやセルフチェック結果等を表示する。コントロールパネル１０の表示は地上局でも確認できる。表示灯１１は、ＧＮＳＳ制御の状態や機体の異常警告等の表示を行う。メインボディ２の中央部下側には、着陸時に機体４を支える脚であるスキッド１２が設けられている。

図４は、飛行制御ボックス（制御装置）１５のハードウェア構成例を示している。飛行制御ボックス１５は、測位モジュール１５ａ、加速度センサ１５ｂ、気圧センサ１５ｃ、地磁気センサ１５ｄ、超音波センサ１５ｅ、通信回路１５ｆ、信号処理回路１５ｇ、記憶装置１５ｊを収容する。記憶装置１５ｊは、ＲＯＭ（Read Only Memory）１５ｈ、ＲＡＭ（Random Access Memory）１５ｉ等を含む。各構成要素は、例えば配線または内部バス１５ｋを介して相互にデータを送受信し得る。なお、測位モジュール１５ａを初めとする各種のセンサを設ける位置は、常に飛行制御ボックス１５内である必要はない。例えばＧＮＳＳ衛星からの信号を取得しやすくするため、測位モジュール１５ａをテールボディ３上部に設けてもよい。

測位モジュール１５ａは、ＧＮＳＳ衛星から送信されるＧＮＳＳ信号を受信し、ＧＮＳＳ信号に基づいて測位を行う。ＧＮＳＳは、ＧＰＳ（Global Positioning System）、ＱＺＳＳ（Quasi-Zenith Satellite System、例えばみちびき）、ＧＬＯＮＡＳＳ、Ｇａｌｉｌｅｏ、およびＢｅｉＤｏｕなどの衛星測位システムの総称である。測位方法として、必要な精度の位置情報が得られる任意の測位方法が採用され得る。測位方法として、例えば、干渉測位法または相対測位法が採用されてもよい。測位モジュール１５ａの数は１個であってもよいし、複数（例えば２個）であってもよい。

加速度センサ１５ｂは、Ｘ軸、Ｙ軸およびＺ軸の各方向の加速度を検出する三軸加速度センサである。加速度センサ１５ｂが六軸加速度センサであれば、さらに無人ヘリコプター１のロール加速度、ピッチ角速度およびヨー加速度を検出可能である。なお、加速度センサ１５ｂは、一軸加速度センサまたは二軸加速度センサを複数有し、これら一軸加速度センサまたは二軸加速度センサにより座標系ＸＹＺの各方向を検出する構成であってもよい。気圧センサ１５ｃは気圧を検出する。検出された気圧から現在の標高を知ることができる。なお気圧と標高との関係式は公知であるから、本明細書では説明は省略する。地磁気センサ１５ｄは無人ヘリコプター１の現在の方位を検出する。超音波センサ１５ｅは、低空飛行時の絶対高度の検出に用いられる。加速度センサ１５ｂおよび地磁気センサ１５ｄの各々から出力されるデータ（機体データ）を利用することにより、無人ヘリコプター１の現在の姿勢を判断することができる。飛行データおよび機体データは、信号処理回路１５ｇに提供される。

通信回路１５ｆは、Ｂｌｕｅｔｏｏｔｈ（登録商標）および／またはＷｉ－Ｆｉ（登録商標）規格に準拠した無線通信を行う通信回路を有する。通信回路１５ｆはさらに、携帯電話回線または人工衛星を経由する回線を利用した無線通信を行ってもよい。通信回路１５ｆは、飛行前においては飛行経路のデータを受信し、飛行時には無線によって地上と必要な通信を行う。飛行経路のデータは、無人ヘリコプター１が飛行すべき経路の座標および絶対高度の各データを含む。

記憶装置１５ｊは、信号処理回路１５ｇの動作を制御するコンピュータプログラムを記憶している。記憶装置１５ｊは、無人ヘリコプター１の飛行の制御および森林計測の制御を信号処理回路１５ｇに実行させるためのコンピュータプログラムを記憶し得る。そのようなコンピュータプログラムは、記憶媒体（例えば半導体メモリまたは光ディスク等）または電気通信回線（例えばインターネット）を介して無人ヘリコプター１に提供され得る。コンピュータプログラムは、無線通信により無人ヘリコプター１に提供されてもよい。そのようなコンピュータプログラムが、商用ソフトウェアとして販売されてもよい。

信号処理回路１５ｇは、記憶装置１５ｊに記憶された制御プログラムを実行して無人ヘリコプター１を飛行させる。より具体的には信号処理回路１５ｇは、上述した飛行データ、機体データ、エンジン回転数やスロットル開度などの運転状態データ等を監視しながら、予め用意された飛行経路に沿って無人ヘリコプター１を飛行させる。

図４に示す例では、飛行制御ボックス１５は、ＬｉＤＡＲセンサ２０と接続されている。ＬｉＤＡＲセンサ２０は、スキャン結果（時刻データ、方角データおよび距離データ等の組）を飛行制御ボックス１５に出力する。測位モジュール１５ａから出力される無人ヘリコプター１の飛行位置を示す位置データと、ＬｉＤＡＲセンサ２０から出力されるスキャン結果とを用いて、例えば地理座標系で表現された計測対象物の位置を算出することができる。

なお、ＬｉＤＡＲセンサ２０は、飛行制御ボックス１５と接続されていなくてもよい。この場合、ＬｉＤＡＲセンサ２０のスキャン結果は、ＬｉＤＡＲセンサ２０内の記憶装置に記憶され得る。ＬｉＤＡＲセンサ２０のスキャン結果は、無線通信によりＬｉＤＡＲセンサ２０から外部に出力されてもよい。飛行制御ボックス１５とＬｉＤＡＲセンサ２０とで電源が共有されてもよい。

また、測位モジュール１５ａが飛行制御ボックス１５とは独立して無人ヘリコプター１に設けられ、その測位モジュール１５ａから飛行制御ボックス１５およびＬｉＤＡＲセンサ２０のそれぞれに位置データが出力されてもよい。この場合、ＬｉＤＡＲセンサ２０のスキャン結果は、ＬｉＤＡＲセンサ２０内の記憶装置に記憶され得る。また、測位モジュール１５ａが出力した位置データと、ＬｉＤＡＲセンサ２０のスキャン結果とを用いた計測対象物の位置の算出を、ＬｉＤＡＲセンサ２０内のプロセッサが行う場合は、その算出結果をＬｉＤＡＲセンサ２０内の記憶装置に記憶してもよい。

無人ヘリコプター１の飛行および運用を管理するオペレータは、飛行状態を目視しながら、予め用意した飛行経路に沿って無人ヘリコプター１を飛行させてもよい。テールボディ３（図２）の後端部には、リモコン操縦機からの指令信号を受信するリモコン受信アンテナ１３が設けられている。

図２および図３を参照して、ＬｉＤＡＲセンサ２０は、例えば近赤外線のレーザパルス２２を出射（放射）し、当該レーザパルス２２の反射光を検出することにより、反射点までの距離を測定する光学機器である。

例示的な実施形態ではＬｉＤＡＲセンサ２０は機械回転方式であり、レーザパルス２２の出射およびレーザパルス２２の反射光の検出を行うヘッド２３は、回転軸２１を中心として回転する。ヘッド２３が回転することで、３６０度全方位をスキャンすることができる。本実施形態では、ＬｉＤＡＲセンサ２０のスキャン可能範囲のうち無人ヘリコプター１の機体４等に遮られる範囲は計測結果に反映しない。記載の便宜上、図３では３６０度全方位に放射されるレーザパルス２２のうちの一部のみを示している。本明細書では、ＬｉＤＡＲセンサ２０のヘッド２３の回転を“ＬｉＤＡＲセンサ２０の回転”と表現する場合がある。

ＬｉＤＡＲセンサ２０のヘッド２３は、回転することにより出射口の方向を変化させ、所定角度ピッチα（ｒａｄ）ごとに同時に複数個のレーザパルス２２を出射する。図２では、一例として、ＬｉＤＡＲセンサ２０の回転軸２１が通るある平面に沿って同時に出射されるＮ個のレーザパルス２２を示している。記載の便宜上、パルス状ではなくビーム状でレーザパルス２２を記載している。なお、「同時」は厳密に同じ時刻である必要はなく、概ね同じ時刻であることも含む。Ｎの値は任意であり、例えば、１２、１６、３２または６４であるが、Ｎはこれらの値に限定されない。ＬｉＤＡＲセンサ２０のヘッド２３には、例えばＮ個のレーザ光源が並べられており、Ｎ個のレーザパルス２２の出射口からレーザパルス２２が出射される。レーザ光源は例えばレーザダイオードであるがこれに限定されない。

図３を参照しながら、ある１つの出射口から出射されるレーザパルス２２を説明する。ＬｉＤＡＲセンサ２０のヘッド２３は、回転することにより出射口の方向を変化させ、所定角度ピッチα（ｒａｄ）ごとにレーザパルス２２を出射し、森林で反射した各レーザパルス２２の反射光を検出する。これにより、当該所定角度ピッチαごとの方向における反射点までの距離のデータを得ることができる。所定角度ピッチαは固定値であってもよいし、可変値であってもよい。

ＬｉＤＡＲセンサ２０としては、上述したようなレーザパルスの出射方向を揺動させ、揺動軸を中心とした所定の角度範囲内の計測対象物をスキャンするＬｉＤＡＲセンサが用いられてもよい。本明細書では、ＬｉＤＡＲセンサ２０の“回転”および“回転軸”は、このような“揺動”および“揺動軸”も含むとする。レーザパルスの出射方向を揺動させる場合の回転角度範囲は例えば１８０度以下であるが、それに限定されない。

本実施形態では、ＬｉＤＡＲセンサ２０は、その回転軸２１が無人ヘリコプター１の機体の前後方向を向くように搭載されている。回転軸２１が臨む方向は任意であり、例えば、ＬｉＤＡＲセンサ２０は、回転軸２１が無人ヘリコプター１の機体４の左右方向を向くように搭載されていてもよい。また、後述するように、ＬｉＤＡＲセンサ２０の回転軸は、無人ヘリコプター１の高さ方向に垂直な平面に対して傾いていてもよい。

図５は、森林計測を行う無人ヘリコプター１を示す図である。図５に示す例では、森林５４は斜面５２に広がっている。斜面５２に広がる森林５４に対して、斜め上方向からだけではなく、横方向からレーザパルス２２を照射したり、斜め下方向からレーザパルス２２を照射したりすることができる。横方向からのレーザパルス２２の照射では、基本的に日光を受けるために水平に生えている葉の間をレーザパルス２２が通りやすくなる。レーザパルス２２は樹木５６の樹冠５６ａだけでなく、樹木５６の幹５６ｂ、下層植生５８および地表面５９等にも到達し、反射される。これにより、樹冠点群だけでなく幹点群、下層植生点群および地表面点群を含む３次元点群データを得ることができる。

（樹木情報推定システム）
次に、本実施形態に係る樹木情報推定システム１００を説明する。図６は、樹木情報推定システム１００を機能ブロック単位で示す機能ブロック図である。樹木情報推定システム１００は、データ取得部１０１、データ生成部１０２、推定部１０３、演算部１０４、記憶部１０５およびモデル生成部１０６を備える。

データ取得部１０１は、森林計測により得られた森林の３次元点群データを外部装置から取得する。外部装置は、例えばＬｉＤＡＲセンサ２０を搭載した無人ヘリコプター１、または無人ヘリコプター１から取得したデータを格納する任意の装置である。３次元点群データは、例えば、ＬｉＤＡＲセンサ２０を搭載した無人ヘリコプター１を飛行させて行う森林計測により得られる。森林の３次元点群データは、樹冠点群、幹点群、下層植生点群および地表面点群を含む。データ取得部１０１は、森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを抽出する。

データ生成部１０２は、その樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成する。投影２次元データは、２次元画像データまたは２次元点群データであり得る。所定の平面は、高さ方向に略平行な平面であり、樹木を横方向から見た投影２次元データが得られる。

推定部１０３は、投影２次元データにおける樹木の樹冠領域を推定する。演算部１０４は、投影２次元データが示す樹木と、推定した樹冠領域との関係に基づいて樹木の状態を演算する。例えば、演算部１０４は、樹木の樹高および樹冠長を演算し、樹高と樹冠長とから樹冠長率を演算する。ユーザは、得られた樹冠長率を用いて森林管理を行うことができる。例えば、得られた樹冠長率を用いて、森林の手入れの優先度の判断および伐採対象の選定等を行うことができる。

記憶部１０５は、森林の３次元点群データ、樹木の３次元点群データ、投影２次元データ、樹冠領域に関するデータ、樹冠長率に関するデータ等を記憶する。記憶部１０５は、機械学習に用いる教師データ、教師データに基づいて生成された推定モデルをさらに記憶する。

データ取得部１０１は、予め樹冠領域が指定された樹木の投影２次元データを外部装置から複数個取得し、記憶部１０５に記憶させる。予め樹冠領域が指定された樹木の投影２次元データは、後述するように樹木情報推定システム１００で生成してもよい。

モデル生成部１０６は、その予め樹冠領域が指定された樹木の投影２次元データを教師データとして用い、樹木を示す投影２次元データを入力とし、樹冠領域を出力とする推定モデルを機械学習により生成する。推定モデルを生成する手法としては、公知の教師あり学習の手法（分類等）を用いることができる。モデル生成部１０６は、生成した推定モデルを記憶部１０５に記憶させる。推定部１０３は、例えばその推定モデルを用いて、投影２次元データにおける樹木の樹冠領域を推定することができる。

推定部１０３は、機械学習により生成した推定モデルを用いる方法以外の方法で樹冠領域を推定してもよい。例えば、人間が予め設定した判定基準に基づいて、樹冠領域を推定してもよい。例えば、このような判定基準の情報は記憶部１０５に予め記憶されており、推定部１０３は、記憶部１０５から読み出した判定基準に基づいて、樹冠領域を推定してもよい。例えば、後述するように、投影２次元点群データに含まれる複数の点の高さ方向における分布に基づいて樹冠領域を推定してもよい。

記憶部１０５は、上記のデータ以外にも、樹木情報推定システム１００による処理に必要な情報を記憶し得る。

樹木情報推定システム１００は、例えば、ユーザ端末装置またはサーバコンピュータ（以下、「サーバ」と表記する）であり得る。ユーザ端末装置は、例えばパーソナルコンピュータ（ＰＣ）、タブレットコンピュータ、スマートフォン、またはＰＤＡ（Personal digital assistant）である。サーバは、例えばクラウドサーバまたはエッジサーバである。樹木情報推定システム１００は、森林計測を支援する支援ツールとして機能する専用の装置であってもよい。

図７は、樹木情報推定システム１００のハードウェア構成例を示すブロック図である。樹木情報推定システム１００は、入力装置１１０、表示装置１２０、通信装置１３０、記憶装置１４０、プロセッサ１５０、ＲＯＭ１６０およびＲＡＭ１７０を備える。これらの構成要素は、バス１８０を介して相互に通信可能に接続される。

入力装置１１０は、ユーザからの指示をデータに変換してコンピュータに入力するための装置である。入力装置１１０は、例えば、キーボード、マウス、タッチパネル、マイクまたはそれらの組み合わせである。表示装置１２０は、例えば、液晶ディスプレイまたはＯＬＥＤ（Organic Light-Emitting Diode）ディスプレイである。表示装置１２０は、森林および樹木の状態等を表示し得る。

通信装置１３０は、樹木情報推定システム１００と外部との間でデータ通信を行うための通信モジュールである。通信装置１３０は、有線通信および／または無線通信を行うことができる。通信装置１３０は、例えば、ＵＳＢ、ＩＥＥＥ１３９４（登録商標）、またはイーサネット（登録商標）などの通信規格に準拠した有線通信を行うことができる。通信装置１３０は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）規格および／またはＷｉ－Ｆｉ（登録商標）規格に準拠した無線通信を行うことができる。通信装置１３０は、ＢＬＥ（Bluetooth Low Energy）またはＬＰＷＡ（Low Power Wide Area）の通信方式に準拠した無線通信を行うことが可能な通信モジュールであってもよい。ＢＬＥまたはＬＰＷＡなどの通信方式を利用することにより、低消費電力で長距離かつ広範囲の通信を実現することができる。通信装置１３０は、携帯電話回線または人工衛星を経由する回線を利用した無線通信を行ってもよい。

記憶装置１４０は、主としてデータベースのストレージとして機能する。記憶装置１４０は、例えば磁気記憶装置、光学記憶装置、半導体記憶装置またはそれらの組み合わせである。光学記憶装置の例は、光ディスクドライブまたは光磁気ディスク（ＭＤ）ドライブなどである。磁気記憶装置の例は、ハードディスクドライブ（ＨＤＤ）である。半導体記憶装置の例は、ソリッドステートドライブ（ＳＳＤ）である。記憶装置１４０はクラウドストレージであってもよい。

プロセッサ１５０は、半導体集積回路であり、例えば中央演算処理装置（ＣＰＵ）を含む。プロセッサ１５０は、マイクロプロセッサまたはマイクロコントローラによって実現され得る。プロセッサ１５０は、各種処理を実行するための命令群を記述した、ＲＯＭ１６０に格納されるコンピュータプログラムを逐次実行し、所望の処理を実現する。

プロセッサ１５０は、ＣＰＵを搭載したＦＰＧＡ（Field Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＡＳＳＰ（Application Specific Standard Product）、または、これら回路の中から選択される二つ以上の回路の組み合わせであってもよい。

ＲＯＭ１６０は、例えば、書き込み可能なメモリ（例えばＰＲＯＭ）、書き換え可能なメモリ（例えばフラッシュメモリ）、または読み出し専用のメモリである。ＲＯＭ１６０は、プロセッサ１５０の動作を制御するコンピュータプログラムを記憶している。ＲＯＭ１６０は、単一の記録媒体である必要はなく、複数の記録媒体の集合体であってもよい。複数の記録媒体の集合体の一部は取り外し可能なメモリであってもよい。

ＲＡＭ１７０は、ＲＯＭ１６０に格納されたコンピュータプログラムをブート時に一旦展開するための作業領域を提供する。ＲＡＭ１７０は、単一の記録媒体である必要はなく、複数の記録媒体の集合であってもよい。

図６に示す各機能ブロックの処理は、ソフトウェアのモジュール単位でコンピュータプログラムに記述される。ただし、ＦＰＧＡなどを用いる場合、これらの機能ブロックの全部または一部は、ハードウェア・アクセラレータとして実装され得る。

プロセッサ１５０は、上述したデータ取得部１０１、データ生成部１０２、推定部１０３、演算部１０４、およびモデル生成部１０６が行う処理を実行することができる。記憶装置１４０は、上述した記憶部１０５が記憶するデータを記憶することができる。

樹木情報推定システム１００が行う処理を記述した命令群を含むコンピュータプログラムは、記憶媒体（例えば半導体メモリまたは光ディスク等）または電気通信回線（例えばインターネット）を介して樹木情報推定システム１００に提供され得る。そのようなコンピュータプログラムが、商用ソフトウェアとして販売されてもよい。

（樹冠領域の推定および樹冠長率の演算）
図８は、樹冠領域を推定し、樹冠長率を演算する処理の例を示す図である。図９は、樹冠領域を推定し、樹冠長率を演算する処理の例を示すフローチャートである。図８および図９に示す処理では、既に生成された推定モデルを用いて、樹冠領域を推定する。

樹木情報推定システム１００の通信装置１３０は、森林計測により得られた森林の３次元点群データを外部装置から受信する（ステップＳ１１）。プロセッサ１５０は、通信装置１３０が受信した森林の３次元点群データを例えば記憶装置１４０に記憶させる。

プロセッサ１５０は、記憶装置１４０から森林の３次元点群データを読み出し、３次元点群データに含まれる複数の点それぞれの高度を決定する。高度は、例えば絶対高度であり、樹木の根元の地表面からの高さである。例えば、プロセッサ１５０は、３次元点群データからＤＴＭ（Digital Terrain Model：数値標高モデル）を生成し、３次元点群データからＤＴＭを減算したデータを用いて、複数の点それぞれの絶対高度を決定する。なお、３次元点群データからＤＳＭ（Digital Surface Model：数値表層モデル）およびＤＴＭを生成し、ＤＳＭからＤＴＭを減算したデータを用いて、複数の点それぞれの絶対高度を決定してもよい。ＤＳＭからＤＴＭを減算したデータは、ＤＣＨＭ（Digital Canopy Height Model）と称される。

図８は、森林の３次元点群データ２１０の一例を示している。森林が広がる地表面は、一般に斜面を含む。３次元点群データからＤＴＭを減算することで、地表面を平坦化した３次元点群データが得られる。

既存の地図データまたはＤＴＭを利用するのではなく、最新の３次元点群データから決定したＤＴＭを利用することにより、複数の点それぞれの絶対高度の高精度な値を得ることができる。

このような地表面を平坦化した森林の３次元点群データは、外部装置で生成され、樹木情報推定システム１００に提供されてもよい。

プロセッサ１５０は、森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを抽出する（ステップＳ１２）。ここでは、単木（一本の樹木）の３次元点群データを抽出する。単木の抽出は、例えば市販のソフトウェアを用いて行うことができる。ソフトウェアとして例えばLiDAR360又はオープンソースのlidR packageを用いて単木の抽出を行うことができるが、ソフトウェアはこれらに限定されない。

プロセッサ１５０は、抽出した単木の３次元点群データ２１１に含まれる複数の点を、平面２３０に投影して得られる投影２次元画像データ２２０を生成する（ステップＳ１３）。点の一つ一つに所定の面積を付与することで、平面２３０に投影した点群データを描画した画像を生成することができる。３次元点群データ２１１に含まれる複数の点は、平面２３０に垂直な方向から平行投影され得るが、他の投影法が用いられてもよい。平面２３０は、高さ方向Ｄ_ｈに略平行な平面であり、単木を横方向から見た投影２次元画像データ２２０が得られる。高さ方向Ｄ_ｈは、鉛直方向に概ね沿った方向であり得るが、ユーザが設定してもよい。

記憶装置１４０には、予め生成された推定モデルが記憶されている。プロセッサ１５０は、記憶装置１４０から読み出した推定モデルを用いて、投影２次元画像データ２２０における単木の樹冠領域２４０を推定する（ステップＳ１４）。樹冠領域２４０は、例えば矩形などの所定形状の枠で囲う形で推定され得る。枠は樹冠の形状に沿った形状であってもよい。

本実施形態では、単木の３次元点群データ２１１ではなく投影２次元画像データ２２０を用いて樹冠領域２４０を推定する。これにより、少ない演算量で樹冠領域２４０を精度良く推定することができる。

次に、プロセッサ１５０は、投影２次元画像データ２２０が示す単木の樹高Ｈ_１および樹冠長Ｌ₁を演算する。樹高Ｈ_１は樹冠の上端部と幹の下端部との間の長さである。投影２次元画像データ２２０は、例えば、点群に対応する部分とそうでない部分とが区別された二値画像であり得、樹冠の上端部および幹の下端部の特定は容易である。投影２次元画像データ２２０が高さおよび／または座標に関する属性情報を含む場合、プロセッサ１５０は、その属性情報に基づいて樹高Ｈ_１を演算することができる。

樹冠長Ｌ₁は、樹冠の上端部と下端部との間の長さである。推定した樹冠領域２４０の上端部と下端部との間の長さを樹冠長Ｌ₁とすることができる。投影２次元画像データ２２０が高さおよび／または座標に関する属性情報を含む場合、プロセッサ１５０は、その属性情報に基づいて樹冠長Ｌ₁を演算することができる。プロセッサ１５０は、画像の高さ方向のピクセル数をカウントすることで、樹高Ｈ_１および樹冠長Ｌ₁を演算してもよい。

プロセッサ１５０は、樹高Ｈ_１と樹冠長Ｌ₁とから樹冠長率Ｒ_１を演算する（ステップＳ１５）。樹冠長率Ｒ_１は以下の式（１）から求めることができる。
Ｒ_１＝Ｌ₁ ／Ｈ_１・・・（１）

プロセッサ１５０は、演算した樹冠長率Ｒ_１を記憶装置１４０に記憶させる。プロセッサ１５０は、複数の樹木それぞれに対して上記の処理を行い、演算した樹冠長率Ｒ_１を記憶装置１４０に記憶させる。ユーザは、得られた樹冠長率のデータを用いて森林管理を行うことができる。例えば、得られた樹冠長率のデータを用いて、森林の手入れの優先度の判断および伐採対象の選定等を行うことができる。

（推定モデルの生成）
図１０は、機械学習により推定モデルを生成する処理の例を示す図である。

まず、教師データを生成する。プロセッサ１５０は、図８および図９を用いて上述した方法で、単木の投影２次元画像データを生成する。生成した単木の投影２次元画像データに対して、人間が樹冠領域を指定する処理を行う。例えば、表示装置１２０に投影２次元画像データの単木２５１を表示する。人間は、入力装置１１０を用いて、単木２５１の画像の樹冠領域にバウンディングボックス等を割り当てることで、樹冠領域２５２を指定する。プロセッサ１５０は、単木２５１の画像データと、その単木２５１の指定された樹冠領域２５２を示すデータとを組み合わせたデータセット２５０を生成し、記憶装置１４０に記憶させる。

複数の樹木に対して上記の処理を繰り返し、複数のデータセット２５０を記憶装置１４０に記憶させる。

プロセッサ１５０は、記憶部１０５に記憶された複数のデータセット２５０を教師データとして用い、単木を示す投影２次元画像データを入力とし、樹冠領域を出力とする推定モデルを機械学習により生成する。推定モデルを生成する手法としては、公知の教師あり学習の手法（分類等）を用いることができる。プロセッサ１５０は、生成した推定モデルを記憶部１０５に記憶させる。

機械学習により生成した推定モデルを用いることで、樹木の投影２次元画像データ２２０のパターンに潜む特徴量と樹木の状態との間にある相関関係等を利用することが可能になる。

本実施形態では、単木の３次元点群データではなく、投影２次元画像データを用いて推定モデルを生成する。既存の２次元画像の機械学習手法を用いることができるため、推定モデルの生成、および生成した推定モデルを用いた樹冠領域の推定を容易に行うことができる。

（複数の点の高さ方向の分布に基づいた樹冠領域の推定）
次に、投影２次元データに含まれる複数の点の高さ方向における分布に基づいて樹冠領域を推定する処理を説明する。図１１は、複数の点の高さ方向における分布に基づいて樹冠領域を推定する処理を説明する図である。

プロセッサ１５０は、投影２次元データ２２０として、単木の３次元点群データ２１１に含まれる複数の点を、平面２３０に投影して得られる２次元点群データを生成する。３次元点群データ２１１は複数の点それぞれの絶対高度の情報を含んでいる。その３次元点群データ２１１から生成した２次元点群データ２２０も複数の点それぞれの絶対高度の情報を含んでいる。

プロセッサ１５０は、２次元点群データ２２０に含まれる複数の点を所定の高度の刻み幅で分ける。高度の刻み幅は任意であり、例えば０．２ｍ－１．０ｍであるがそれに限定されない。プロセッサ１５０は、高度を階級とする度数分布を生成する。図１１は、高度を階級とするヒストグラムの例を示している。高度ヒストグラムの縦軸は高度、横軸は点の個数である。図１１に示す例では階級幅は０．４ｍである。

図１１に示すように、高度の階級毎の点の個数は、樹木の部位に応じて異なり得る。このことから、複数の点の高さ方向における分布に基づいて樹冠領域を推定することができる。

例えば、分布の上端から下方向に向かって点の個数をカウントしていき、２次元点群データ２２０の点の総数に対する所定の比率の個数をカウントしたときの高さを、樹冠領域の下端の高さと推定する。所定の比率は、例えば８５－９５％であるが、それに限定されない。分布の上端部が樹冠領域の上端部に該当する。樹冠領域の下端の位置が推定できれば、樹冠領域を推定することができる。

上述した投影２次元データ２２０を生成する処理において、プロセッサ１５０は、単木の３次元点群データ２１１に含まれる複数の点の一部を間引いて平面２３０に投影し、投影２次元データ２２０を生成してもよい。

例えば、点群密度が所定の密度よりも高い部分は、所定の密度以下となるように一部の点を間引いてもよい。また、単木を表す点群の一部のみを切り出し、その切り出した点群を平面２３０に投影して投影２次元データ２２０を生成してもよい。３次元点群データに含まれる点の一部を間引くことで、処理の負荷を軽減させることができる。

上述の実施形態の説明では、森林の３次元点群データ２１０から単木の３次元点群データ２１１を取得していたが、森林の３次元点群データ２１０から二本以上の樹木の３次元点群データを取得してもよい。この場合、二本以上の樹木を示す投影２次元データ２２０が生成される。そのような二本以上の樹木を示す投影２次元データ２２０を用いて、各樹木の樹冠領域２４０を推定する処理を行ってもよい。

次に、樹木情報推定システム１００のハードウェア構成の他の例を説明する。

図１２は、樹木情報推定システム１００のハードウェア構成の他の例を示す図である。図１２に示す例において、樹木情報推定システム１００は、クラウドサーバ３０１および一つ以上のユーザ端末装置３０２を備える。クラウドサーバ３０１およびユーザ端末装置３０２のそれぞれは、例えば図７に示したハードウェア構成を有する。複数のユーザ端末装置３０２がローカルエリアネットワーク（ＬＡＮ）を介して接続されていてもよい。クラウドサーバ３０１と個々のユーザ端末装置３０２とは、ネットワーク３１０を介して互いに通信可能に接続され得る。ネットワーク３１０は例えばインターネットであるが、それに限定されない。

上述した処理は、クラウドサーバ３０１とユーザ端末装置３０２とが協働して行ってもよい。また、これらの処理は、複数のユーザ端末装置３０２が協働して行ってもよい。

次に、無人ヘリコプター１の機体に対してＬｉＤＡＲセンサ２０の回転軸２１が傾いている実施形態を説明する。

図１３は、ＬｉＤＡＲセンサ２０の回転軸２１が臨む方向を説明する図である。

図１３は、所定角度ピッチαごとに１個のレーザパルス２２を出射する、スキャンラインが一本のＬｉＤＡＲセンサ２０を例示している。所定角度ピッチαごとに複数個のレーザパルス２２を同時に出射するＬｉＤＡＲセンサではなく、所定角度ピッチαごとに１個のレーザパルス２２を出射するＬｉＤＡＲセンサ２０を用いることで、レーザパルス２２の１個当たりの出力を大きくでき、測定可能距離を長くすることができる。

同時に複数のレーザパルス２２を出射しないことで、あるレーザパルス２２の反射光が他のレーザパルス２２の反射光の検出におけるノイズになることがないため、高精度な点群データを得ることができる。同時に複数のレーザパルス２２を出射する場合はそれら複数のレーザパルス２２の間で強度のばらつき等が発生し得る。本実施形態では、同時に複数のレーザパルス２２を出射しないことで、そのようなばらつきが検出結果に影響しないため、高精度な点群データを得ることができる。

図１３に示す例では、ＬｉＤＡＲセンサ２０の回転軸２１は、無人ヘリコプター１の機体に対して傾いている。無人ヘリコプター１の高さ方向３６を、無人ヘリコプター１が水平な地面に静止しているときの鉛直方向に平行な方向とする。その高さ方向３６に垂直な平面３７を点線で示している。本実施形態のＬｉＤＡＲセンサ２０の回転軸２１は、その平面３７に対して傾いている。回転軸２１の角度の基準となる平面３７は、水平な地面（水平面）に平行である。

平面３７と回転軸２１とがなす角度θ_１は、例えば２０度から６０度であり、回転軸２１は平面３７に対して２０度以上６０度以下の角度傾いている。また別の例として、角度θ_１は例えば２５度から５０度であり、回転軸２１は平面３７に対して２５度以上５０度以下の角度傾いている。

ＬｉＤＡＲセンサ２０の回転軸２１が平面３７に対して傾いていることにより、森林計測を行うときに、レーザパルス２２の多くを樹木の葉と葉の間を通り抜けやすい角度で出射することができる。その結果、樹木の樹冠内部にレーザパルス２２を入射させることができる。更に、レーザパルス２２は樹木の樹冠だけでなく、樹木の幹、下層植生および地表面等にも到達し、反射される。これにより、樹冠点群、幹点群、下層植生点群および地表面点群を豊富に含む３次元点群データを得ることができる。

スキャンラインが１本のＬｉＤＡＲセンサ２０を用いる場合、ＬｉＤＡＲセンサ２０の回転軸２１が平面３７に平行であると、幹の表面に形成されるレーザスポットの軌跡は、幹が延びる方向（上下方向）に概ね沿って延びることになる。これにより、レーザスポットの軌跡が幹を横切り難くなり、得られた点群データから幹の直径を精度良く推定することが困難になる。一方、本実施形態のＬｉＤＡＲセンサ２０の回転軸２１は平面３７に対して傾いている。これにより、レーザスポットの軌跡が、幹を横切り易くなり、得られた点群データから幹の直径を精度良く推定することが容易になる。

図１３に示す例では、無人ヘリコプター１よりも前方に広がるエリアに多くのレーザパルス２２が照射される角度でＬｉＤＡＲセンサ２０が設けられていたが、無人ヘリコプター１よりも後方に広がるエリアに多くのレーザパルス２２が照射される角度でＬｉＤＡＲセンサ２０が設けられていてもよい。

図１３に示す例では、所定角度ピッチαごとに１個のレーザパルス２２を出射するＬｉＤＡＲセンサ２０を用いていたが、所定角度ピッチαごとに複数個のレーザパルス２２を同時に出射するＬｉＤＡＲセンサが用いられてもよい。

以上、本発明の例示的な実施形態を説明した。

本発明のある実施形態に係る樹木情報推定システム１００は、森林計測により得られた森林の３次元点群データ２１０から、少なくとも一本の樹木の３次元点群データ２１１を取得するデータ取得部１０１と、少なくとも一本の樹木の３次元点群データ２１１に含まれる複数の点を所定の平面２３０に投影して得られる投影２次元データ２２０を生成するデータ生成部１０２と、投影２次元データ２２０における各樹木の樹冠領域２４０を推定する推定部１０３と、を備える。

樹木の３次元点群データ２１１ではなく投影２次元データ２２０を用いて樹冠領域２４０を推定することにより、少ない演算量で樹冠領域２４０を精度良く推定することができる。

例えば機械学習を用いて樹冠領域２４０を推定する場合は、少ない演算量で推定モデルを生成することができる。

ある実施形態において、所定の平面２３０は、高さ方向Ｄ_ｈに略平行であってもよい。

樹木を横方向から見た投影２次元データ２２０を用いることで、樹冠の上端部および下端部を検出したり、樹高Ｈ_１を演算したりすることを容易に行うことができる。

ある実施形態において、データ生成部１０２は、投影２次元データ２２０として、少なくとも一本の樹木の３次元点群データ２１１に含まれる複数の点を所定の平面２３０に投影して得られる２次元画像データ２２０を生成してもよい。

２次元画像データ２２０を用いることで樹冠領域２４０の推定を容易に行うことができる。例えば機械学習を用いて樹冠領域２４０を推定する場合は、既存の２次元画像の機械学習手法を用いることができるため、推定モデルの生成、および生成した推定モデルを用いた樹冠領域２４０の推定を容易に行うことができる。

ある実施形態において、樹木情報推定システム１００は、投影２次元データ２２０が示す樹木と、推定した樹冠領域２４０との関係に基づいて樹木の状態を演算する演算部１０４をさらに備えてもよい。

ある実施形態において、樹木情報推定システム１００は、投影２次元データ２２０が示す樹木の樹高Ｈ_１を演算し、推定した樹冠領域２４０に基づいて樹冠長Ｌ₁を演算し、樹高Ｈ_１と樹冠長Ｌ₁とから樹冠長率を演算する演算部１０４をさらに備えてもよい。

ある実施形態において、データ生成部１０２は、少なくとも一本の樹木の３次元点群データ２１１に含まれる複数の点の一部を間引いて所定の平面２３０に投影して投影２次元データ２２０を生成してもよい。

ある実施形態において、データ取得部１０１は、森林の３次元点群データ２１０から、単木の３次元点群データ２１１を取得し、データ生成部１０２は、単木の３次元点群データ２１１に含まれる複数の点を所定の平面２３０に投影して投影２次元データ２２０を生成し、推定部１０３は、投影２次元データ２２０における単木の樹冠領域２４０を推定してもよい。

単木の投影２次元データ２２０を用いて樹冠領域２４０を推定することにより、少ない演算量で樹冠領域２４０を精度良く推定することができる。

ある実施形態において、樹木情報推定システム１００は、予め樹冠領域２５２が指定された樹木の投影２次元データ２５０を複数個記憶する記憶部１０５と、記憶部１０５に記憶された複数の投影２次元データ２５０を教師データとして用い、樹木を示す投影２次元データを入力とし、樹冠領域を出力とする推定モデルを機械学習により生成するモデル生成部１０６と、をさらに備え、推定部１０３は、推定モデルを用いて、データ生成部１０２が生成した投影２次元データ２２０における樹冠領域２４０を推定してもよい。

機械学習により生成した推定モデルを用いることで、樹木の投影２次元データ２２０のパターンに潜む特徴量と樹木の状態との間にある相関関係等を利用することが可能になる。

ある実施形態において、推定部１０３は、投影２次元データ２２０に含まれる複数の点の高さ方向Ｄ_ｈにおける分布に基づいて樹冠領域２４０を推定してもよい。

樹木の部位に応じて点の個数が異なり得ることから、高さ方向Ｄ_ｈにおける点の分布から樹冠領域２４０を推定することができる。

ある実施形態において、森林の３次元点群データ２１０は、ＬｉＤＡＲセンサ２０が取り付けられた無人航空機１を飛行させて行う森林計測により得られた３次元点群データであってもよい。

ＬｉＤＡＲセンサ２０を搭載した無人航空機１を比較的低い高度（例えば絶対高度１５０ｍ以下、好ましくは絶対高度８０ｍ以下）で飛行させることにより、ＬｉＤＡＲセンサ２０から出射されたレーザパルスは、樹木の樹冠だけでなく、樹木の幹、下層植生および地表面等にも到達し、反射される。これにより、樹冠点群だけでなく幹点群、下層植生点群および地表面点群を含む３次元点群データを得ることができる。

ある実施形態において、ＬｉＤＡＲセンサ２０の回転軸は、無人航空機１の高さ方向に垂直な平面に対して傾いていてもよい。

ある実施形態において、森林の３次元点群データ２１０に含まれる複数の点それぞれを水平面に投影したときの水平面における複数の点の個数密度が１００個／ｍ^２以上であってもよい。

本発明のある実施形態に係る樹木情報推定システム１００は、森林計測により得られた森林の３次元点群データ２１０を用いて樹木の情報を推定する樹木情報推定システム１００であって、プロセッサ１５０と、プロセッサ１５０の動作を制御するコンピュータプログラムを記憶する記憶装置１４０と、を備え、プロセッサ１５０は、コンピュータプログラムに従って、森林計測により得られた森林の３次元点群データ２１０から、少なくとも一本の樹木の３次元点群データ２１１を取得すること、少なくとも一本の樹木の３次元点群データ２１１に含まれる複数の点を所定の平面２３０に投影して得られる投影２次元データ２２０を生成すること、投影２次元データ２２０における各樹木の樹冠領域２４０を推定すること、を実行する。

樹木の３次元点群データ２１１ではなく投影２次元データ２２０を用いて樹冠領域２４０を推定することにより、少ない演算量で樹冠領域２４０を精度良く推定することができる。例えば機械学習を用いて樹冠領域２４０を推定する場合は、少ない演算量で推定モデルを生成することができる。

本発明のある実施形態に係る樹木情報推定方法は、森林計測により得られた森林の３次元点群データ２１０を用いて樹木の情報を推定する方法であって、森林計測により得られた森林の３次元点群データ２１０から、少なくとも一本の樹木の３次元点群データ２１１を取得すること、少なくとも一本の樹木の３次元点群データ２１１に含まれる複数の点を所定の平面２３０に投影して得られる投影２次元データ２２０を生成すること、投影２次元データ２２０における各樹木の樹冠領域２４０を推定すること、を実行する。

本発明のある実施形態に係るコンピュータプログラムは、森林計測により得られた森林の３次元点群データ２１０を用いた樹木の情報の推定をコンピュータに実行させるコンピュータプログラムであって、コンピュータプログラムは、森林計測により得られた森林の３次元点群データ２１０から、少なくとも一本の樹木の３次元点群データ２１１を取得すること、少なくとも一本の樹木の３次元点群データ２１１に含まれる複数の点を所定の平面２３０に投影して得られる投影２次元データ２２０を生成すること、投影２次元データ２２０における各樹木の樹冠領域２４０を推定すること、をコンピュータに実行させる。

本発明の実施形態によれば、樹木の状態を簡便に把握することが可能な技術が提供される。

１：無人航空機（無人ヘリコプター）、２：メインボディ、３：テールボディ、４：機体、５：メインロータ、６：テールロータ、７：ラジエータ、８：エンジン、９：発電装置、１０：コントロールパネル、１１：表示灯、１２：スキッド、１３：リモコン受信アンテナ、１５：飛行制御ボックス、１５ａ：測位モジュール、１５ｂ：加速度センサ、１５ｃ：気圧センサ、１５ｄ：地磁気センサ、１５ｅ：超音波センサ、１５ｆ：通信回路、１５ｇ：信号処理回路、１５ｊ：記憶装置、１５ｋ：内部バス、２０：ＬｉＤＡＲセンサ、２１：回転軸、２２：レーザパルス、２３：ヘッド、２５：ブラケット、５０：計測対象エリア、５２：斜面、５４：森林、５６：樹木、５６ａ：樹冠、５６ｂ：幹、５８：下層植生、５９：地表面、１００：樹木情報推定システム、１０１：データ取得部、１０２：データ生成部、１０３：推定部、１０４：演算部、１０５：記憶部、１０６：モデル生成部、１１０：入力装置、１２０：表示装置、１３０：通信ＩＦ、１４０：記憶装置、１５０：プロセッサ、１６０：ＲＯＭ、１７０：ＲＡＭ、１８０：バス、２１０：森林の３次元点群データ、２１１：単木の３次元点群データ、２２０：投影２次元データ、２３０：平面、２４０：樹冠領域、２５０：データセット、２５１：単木、２５２：樹冠領域、３０１：クラウドサーバ、３０２：ユーザ端末装置、３１０：ネットワーク

Claims

森林計測により得られた森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを取得するデータ取得部と、
前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成するデータ生成部と、
前記投影２次元データにおける各樹木の樹冠領域を推定する推定部と、
を備えた、樹木情報推定システム。
前記所定の平面は、高さ方向に略平行である、請求項１に記載の樹木情報推定システム。
前記データ生成部は、前記投影２次元データとして、前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を前記所定の平面に投影して得られる２次元画像データを生成する、請求項１または２に記載の樹木情報推定システム。
前記投影２次元データが示す樹木と、推定した前記樹冠領域との関係に基づいて前記樹木の状態を演算する演算部をさらに備える、請求項１から３のいずれかに記載の樹木情報推定システム。
前記投影２次元データが示す樹木の樹高を演算し、推定した前記樹冠領域に基づいて樹冠長を演算し、前記樹高と前記樹冠長とから樹冠長率を演算する演算部をさらに備える、請求項１から４のいずれかに記載の樹木情報推定システム。
前記データ生成部は、前記少なくとも一本の樹木の３次元点群データに含まれる複数の点の一部を間引いて前記所定の平面に投影して前記投影２次元データを生成する、請求項１から５のいずれかに記載の樹木情報推定システム。
前記データ取得部は、前記森林の３次元点群データから、単木の３次元点群データを取得し、
前記データ生成部は、前記単木の３次元点群データに含まれる複数の点を前記所定の平面に投影して前記投影２次元データを生成し、
前記推定部は、前記投影２次元データにおける単木の樹冠領域を推定する、請求項１から６のいずれかに記載の樹木情報推定システム。
予め樹冠領域が指定された樹木の投影２次元データを複数個記憶する記憶部と、
前記記憶部に記憶された複数の前記投影２次元データを教師データとして用い、樹木を示す投影２次元データを入力とし、樹冠領域を出力とする推定モデルを機械学習により生成するモデル生成部と、
をさらに備え、
前記推定部は、前記推定モデルを用いて、前記データ生成部が生成した前記投影２次元データにおける樹冠領域を推定する、請求項１から７のいずれかに記載の樹木情報推定システム。
前記推定部は、前記投影２次元データに含まれる複数の点の高さ方向における分布に基づいて前記樹冠領域を推定する、請求項１から７のいずれかに記載の樹木情報推定システム。
前記森林の３次元点群データは、ＬｉＤＡＲセンサが取り付けられた無人航空機を飛行させて行う森林計測により得られた３次元点群データである、請求項１から９のいずれかに記載の樹木情報推定システム。
前記ＬｉＤＡＲセンサの回転軸は、前記無人航空機の高さ方向に垂直な平面に対して傾いている、請求項１０に記載の樹木情報推定システム。
前記森林の３次元点群データに含まれる複数の点それぞれを水平面に投影したときの前記水平面における前記複数の点の個数密度が１００個／ｍ^２以上である、請求項１から１１のいずれかに記載の樹木情報推定システム。
森林計測により得られた森林の３次元点群データを用いて樹木の情報を推定する樹木情報推定システムであって、
プロセッサと、
前記プロセッサの動作を制御するコンピュータプログラムを記憶する記憶装置と、
を備え、
前記プロセッサは、前記コンピュータプログラムに従って、
森林計測により得られた森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを取得すること、
前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成すること、
前記投影２次元データにおける各樹木の樹冠領域を推定すること、
を実行する、樹木情報推定システム。
コンピュータが実行する、森林計測により得られた森林の３次元点群データを用いて樹木の情報を推定する方法であって、
森林計測により得られた森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを取得すること、
前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成すること、
前記投影２次元データにおける各樹木の樹冠領域を推定すること、
をコンピュータが実行する、方法。
森林計測により得られた森林の３次元点群データを用いた樹木の情報の推定をコンピュータに実行させ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、
森林計測により得られた森林の３次元点群データから、少なくとも一本の樹木の３次元点群データを取得すること、
前記少なくとも一本の樹木の３次元点群データに含まれる複数の点を所定の平面に投影して得られる投影２次元データを生成すること、
前記投影２次元データにおける各樹木の樹冠領域を推定すること、
を前記コンピュータに実行させる、コンピュータプログラム。