O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.
Próximos SlideShares
What to Upload to SlideShare
What to Upload to SlideShare
Carregando em…3
×
1 de 17

SSII2021 [OS3] 広域環境の3D計測と認識 ~ 人が活動する場のセンシングとモデル化 ~(オーガナイザーによる冒頭の導入)

0

Compartilhar

SSII2021 [OS3] 広域環境の3D計測と認識 ~ 人が活動する場のセンシングとモデル化 ~(オーガナイザーによる冒頭の導入)
6/11 (金) 11:00 - 12:30

オーガナイザー:
増田 宏 氏(電気通信大学)

概要:レーザスキャナを用いた3次元計測により、広域環境の3D情報を大規模な点群データとして取得できるようになりました。この技術は、人が活動する場、たとえば、生産現場、インフラ設備、交通網、都市、森林などの非常に広い分野において、現況把握、保全、進捗管理などの業務支援に活用できます。本セッションでは、この分野の第一人者を講師としてお招きし、広域環境の3D計測とモデル化について、技術と応用の両面から最新動向についてご講演いただきます。また、本分野の今後の展望についても議論したいと思います。

SSII2021 [OS3] 広域環境の3D計測と認識 ~ 人が活動する場のセンシングとモデル化 ~(オーガナイザーによる冒頭の導入)

  1. 1. 広域環境の3D計測と認識 〜 ⼈が活動する場のセンシングとモデル化 〜 2021.6.11 オーガナイザー︓ 増⽥ 宏(電気通信⼤学)
  2. 2. レーザスキャナによる点群計測 • レーザスキャナによる計測例 • 毎秒100万計測 • 1分弱で 5000万計測 • 点群計測後に,内蔵カメラで撮影. 後処理で,点群に⾊付け (x, y, z) レーザスキャナで取得された点群 (⼤学の研究室) Faro Focus3D X330 密な点群で シーンを構成
  3. 3. • 三⾓測量 (⼩型の物体) • 計測距離: 数⼗cm から 2~3m • 計測精度: 0.2 mm at 1m • Time-of-Flight • 計測距離: 最⼤で数百m〜数km • 計測速度: 数万〜数⼗万点/秒 • 位相差⽅式 • 計測距離: 数⼗〜300m 程度 • 計測速度: 最⼤100万点/秒 3 10cm〜1 m程度 ⻑距離 100〜300 m程度 広域環境の計測 広域環境の3次元計測:レーザスキャナ
  4. 4. • 座標(X,Y,Z) 以外の属性が付加することが多い. (X, Y, Z) のみ (X, Y, Z)+反射強度 反射強度:反射光の強さ (⽩い物体ほど多くの光が反射される. 反射強度を明るさに置き換えると,⽩⿊ 画像が作成できる) (X, Y, Z)+RGBカラー 3次元の点を2次元画像上に投影し, 投影された画素の⾊をコピーする. 点群データの⾊属性
  5. 5. 広域環境の3次元計測 ~ レーザスキャナのデータ品質 ~ 5 2m 〜30m 平⾯からのずれ ホワイト ボード 10年間でデータ品質 が⾶躍的に向上 (2006) (2012) (2016) Ⅱ:実用期 Ⅲ:高品質 Ⅰ:初期
  6. 6. 広域環境の3次元計測 様々なスケールの⼈が活動する場を広域環境と総称する. (⽣産設備,インフラ設備,貯蔵施設,建築物,交通網, 市街地,都市空間,地形,森林,農地など)
  7. 7. ⼈が活動する場の3次元計測と情報抽出 •⼯場 •プラント •建設現場 •都市環境 •災害現場 •道路 •橋梁 •トンネル •送電設備 •鉄道 •造船 •林業 •農業 •港湾 : •現況把握 • 保全・改修 • 劣化診断 • 作業計画 • 進捗管理 • 精度管理 • 3D地図作成 : 点群データ 点群処理 3次元計測 仮想フィールド 3 次 元 計 測 点 群 処 理 情 報 抽 出 点 群 実フィールド 業務⽀援
  8. 8. 製 造 建 築 ⼟ ⽊ 災 害 安 全 ⽂ 化 農林⽔産 運 輸 都 市 ü造船・航空機製造 üプラント現況確認 ü⼯場のレイアウト ü施⼯管理 ü修繕・修復 ü各種アセスメント ü⼯事現場計測 ü河川改修 ü道路管理 ü災害現場計測 ü災害発⽣検出 ü復興計画⽀援 ü事故現場記録 ü犯罪現場記録 ü重要施設監視 ü鉄道保線 ü空港管理 ü港湾管理 ü精密農業 ü果樹園管理 ü森林管理 ü遺跡記録 ü⽂化財記録 ü3D地図 üインフラ保全 「⼈が活動する場のセンシングとモデル化」 広域環境の3D計測と認識:応⽤分野 ※⼩野⾥(北⼤)精密⼯学会2010秋を⼀部改変
  9. 9. 移動計測データからの物体抽出と認識 自律移動ロボットによる3D計測の自動化 設備の計測データからの形状モデル生成 配管系統 ⼀般化円柱 大型構造物の保守支援 鉄塔の傾き検出 交換部材のボルト位置検出 大型構造物の劣化検出 磨耗・付着物の検出 亀裂検出 大規模点群による樹木の形質調査 柱状物体の認識と抽出 ガードレールの抽出と3Dモデル化 電線(道路横断)の抽出 点群と画像を関連付けた物体抽出手法 ※日工大・石川研との共同研究 ※森林総合研究所との共同研究 レーザスキャナで取得した大規模点群 を応用した研究 (2005∼)
  10. 10. プラントの部材検出と3Dモデリング • 点群から標準部材を検出する • 曲⾯検出 → 部材検出 • ⼯業規格を利⽤ • ⼤規模点群のための⾼速⼿法 点群データ (数億点) 3Dモデル エルボ フランジ ティー レデューサ ※エンジニアリング系企業との共同研究 2005年 5000万点の プラント点群
  11. 11. 燃焼炉の劣化検出 • 数年に⼀度,劣化箇所の補修を⾏う. • 従来は,⽬視による⾒積もり. • 劣化前の形状はわかっていない. (⼤型構造物は,図⾯通りに 作られていない!) • 点群計測による効率化 • 燃焼炉の損耗と付着物を検出する ⾼さ20m 約4.5億点 緑:健全 ⾚:磨耗 ⻘:付着物(内側) 建造時の歪み:⼤きなうねり 摩耗・付着物:⼩さいうねり ↓ 両者を分離する ※エンジニアリング系企業との共同研究
  12. 12. 送電設備の保守⽀援 〜鉄塔の傾き検出〜 • 従来は,地表付近での定点観測 ↓ 地表からの点群計測による 正確な傾き検出 約3mm のずれ 10cm以上 正常な鉄塔 傾いた鉄塔 (処理時間 約5分) 中⼼軸の算出 点群取得 30~50 m ※電力会社との共同研究
  13. 13. 送電設備の保守⽀援 〜交換部材の計測〜 点群からの ボルト抽出 点群からの 部材境界検出 ※電力会社との共同研究 • 古い鉄塔の部材には, 鋼材の詳細な図⾯がない. • 鉄塔に登って,ボルト位置を計測 • 点群計測による⾃動検出 2億計測 (10m先で3mmピッチ)
  14. 14. 森林計測 森林の3D計測:70億点 (研究⽤の森林) 樹幹(635本) を⾃動検出(約20分) 3D計測に 置き換える ※森林総合研究所との共同研究 モデルベースの 樹木パラメータ算出 • 輪郭 • 直径 • 高さ • 体積 • 幹曲がり • … ⼈⼿で計測 • 樹⽊の形質の計測(農学分野) • 森林研究のためのデータ取得
  15. 15. 道路周辺地物の抽出・認識・3Dモデリング レーザスキャナ セグメンテーション 物体認識 ※測量系企業との共同研究 • データ活⽤には,個々の地物の抽出が必要 2010年:市街地の点群を⼊⼿
  16. 16. 道路周辺地物の抽出・認識・3Dモデリング 標識 街灯 電柱 柱状物体の認識(機械学習) 電線検出 電柱のたわみ検出 3Dモデリング 点群 ※測量系企業との共同研究
  17. 17. 広域環境の3D計測とモデル化の課題 • 広域の3次元計測 • 広域のデータは⾮常に⼤規模. • ⽋落のあるデータしか得られない ← 複数センサの融合 • ⼤規模な点群データに耐える処理⼿法 • 広域の計測を⾏うと数千万〜数百億点 → ⼩型物体を対象とした⼿法は使えないことが多い • ⽋落のある不完全な点群からの情報抽出 • 対象物の知識が必要 ← ⼿法が対象物依存 • 点群の深層学習はまだ未熟 • 点群向けはまだ発展途上.現時点では,性能は未熟. • 点群⽤の汎化された学習済みモデルがない.

×