点群データ入門

new-tech

点群データは、3次元空間を細かい点の集合で表現するデータです。

点群データ入門【3次元計測データの基礎知識】

この記事では、点群データの基礎知識と活用方法を解説します。

点群データとは

概要

点群データ（Point Cloud）は、3次元空間内の位置情報を持つ点の集合です。

【各点が持つ情報】
・X, Y, Z座標
・RGB色情報
・反射強度
・分類情報
・時刻情報

特徴

特徴 内容
高精度 mm〜cm単位の精度
大容量 数百万〜数十億点
リアル 実測に基づく形状
汎用性 様々な分野で活用

用途

測量・土木

  • 現況測量
  • 出来形管理
  • 土量計算

建築

  • 既存建物の3D化
  • リノベーション計画
  • 維持管理

その他

  • 文化財記録
  • 工場設備管理
  • 災害調査

取得方法

地上型レーザースキャナー

【特徴】
・高精度（mm単位）
・広範囲をスキャン
・固定して計測

【機器例】
・FARO Focus
・Leica RTC360
・Trimble X7

【用途】
・建物内部の計測
・構造物の詳細計測
・屋内空間の3D化

モバイルマッピングシステム

【特徴】
・移動しながら計測
・広範囲を効率的に
・道路沿いの計測向き

【機器例】
・車載型MMS
・バックパック型
・手持ち型

【用途】
・道路の3D計測
・都市部の計測
・広域のマッピング

ドローン（UAV）

【特徴】
・上空からの計測
・広範囲を短時間で
・立入困難な場所も可

【方式】
・写真測量（SfM）
・LiDAR搭載

【用途】
・地形測量
・工事現場の出来形
・災害調査

航空レーザー測量

特徴

  • 航空機から広域計測
  • 植生下の地形も取得
  • 高密度なデータ

用途

  • 地形図作成
  • 森林調査
  • 災害リスク評価

ファイル形式

主な形式

形式 特徴 用途
LAS 業界標準 測量・GIS
LAZ LAS圧縮版 保存・転送
PLY シンプル 3Dソフト
E57 標準フォーマット 機器間交換
PCD Point Cloud Library プログラミング
XYZ テキスト形式 汎用

LAS形式

【構造】
・ヘッダー（メタデータ）
・ポイントデータ（座標、属性）

【バージョン】
・LAS 1.0〜1.4
・新しいほど属性が豊富

【分類コード】
0: 未分類
2: 地表面
3: 低植生
6: 建物
9: 水面

圧縮形式（LAZ）

特徴

  • LASの圧縮版
  • ファイルサイズ1/10程度
  • 多くのソフトが対応

使い分け

  • 保存：LAZ
  • 処理：LAS（展開して使用）

表示・編集ツール

CloudCompare

特徴

  • オープンソース
  • 高機能
  • 大容量データ対応
  • フィルタリング・編集

主な機能

  • 点群の表示・編集
  • メッシュ化
  • 比較分析
  • 計測

Potree

特徴

  • Webブラウザで表示
  • 大容量対応
  • オープンソース

用途

  • 点群のWeb公開
  • 共有・プレゼン

商用ソフト

主なソフト

  • Autodesk ReCap
  • Trimble RealWorks
  • Leica Cyclone
  • SCENE（FARO）

特徴

  • 高機能
  • ワークフロー統合
  • サポート充実

QGISでの活用

点群の表示

【手順】
1. レイヤ → レイヤを追加 → 点群レイヤを追加
2. LAS/LAZファイルを選択
3. 設定を調整して読み込み

表示設定

【色分け】
・標高による色分け
・分類による色分け
・RGB（元の色）

【点サイズ】
・固定サイズ
・ズームに応じて変更

分析機能

利用可能な処理

  • フィルタリング
  • クリッピング
  • グリッド化（DEM作成）
  • 断面図作成

Pythonでの処理

python
# pdal を使用した処理
import pdal

# パイプラインを定義
pipeline = pdal.Pipeline("""
{
    "pipeline": [
        "input.las",
        {
            "type": "filters.range",
            "limits": "Classification[2:2]"
        },
        "ground_only.las"
    ]
}
""")

# 実行
pipeline.execute()

処理・分析

フィルタリング

ノイズ除去

  • 統計的外れ値除去
  • 距離ベースのフィルタ
  • 手動編集

分類

  • 地表面の抽出
  • 建物の抽出
  • 植生の分離

メッシュ化

【手順】
1. 点群データを読み込み
2. 法線を計算
3. メッシュを生成
4. スムージング

DEMの作成

python
# PDAL でグリッド化
pipeline = pdal.Pipeline("""
{
    "pipeline": [
        "input.las",
        {
            "type": "filters.range",
            "limits": "Classification[2:2]"
        },
        {
            "type": "writers.gdal",
            "filename": "dem.tif",
            "resolution": 0.5,
            "output_type": "idw"
        }
    ]
}
""")

比較分析

活用例

  • 施工前後の比較
  • 経年変化の把握
  • 出来形管理

手法

  • Cloud-to-Cloud距離
  • Cloud-to-Mesh距離
  • M3C2（変化検出）

活用事例

事例1: 土量計算

目的・手法

  • 切土・盛土量の算出
  • 施工前後の点群を取得
  • それぞれDEMを作成
  • 差分を計算し体積を算出

精度

  • 従来測量と同等以上
  • 作業効率は大幅向上

事例2: 既存建物の3D化

目的・手法

  • リノベーション用の図面作成
  • 建物内外をスキャン
  • 点群を統合し3Dモデル化
  • CAD図面を作成

メリット

  • 正確な現況把握
  • 見落とし減少
  • コミュニケーション向上

事例3: 道路維持管理

目的・手法

  • 道路の損傷・変状の把握
  • MMSで道路をスキャン
  • 過去データと比較
  • 変状箇所を抽出し優先順位付け

メリット

  • 客観的なデータ
  • 経年変化の可視化
  • 効率的な点検

事例4: 文化財記録

目的・手法

  • 文化財の3Dアーカイブ
  • 高精度スキャン
  • 点群・メッシュ化
  • テクスチャマッピングし公開

メリット

  • 永久的な記録
  • 研究・教育に活用
  • バーチャル公開

導入のポイント

機器選定

検討事項

  • 必要精度
  • 計測範囲
  • 頻度
  • 予算

レンタルも選択肢

  • 初期投資を抑制
  • 必要な時だけ利用

データ管理

課題
大容量データ、処理時間、保存容量

対策

  • LAZ形式で保存
  • 必要部分のみ抽出
  • クラウドストレージ活用

スキル習得

必要スキル

  • 機器操作
  • ソフト操作
  • データ処理
  • 座標系の理解

まとめ

点群データの特徴

特徴

  • 高精度な3D計測
  • 様々な取得方法
  • 大容量データ
  • 多様な活用

活用のステップ

4ステップ

  • 目的に合った取得方法を選択
  • 適切な形式で保存
  • 必要な処理・分析を実施
  • 成果物を作成

今後の展望

将来展望

  • 取得機器の低価格化
  • 処理ソフトの進化
  • AI活用（自動分類等）
  • リアルタイム処理

関連記事

GISデータ形式比較
PLATEAU入門
QGIS入門

お問い合わせ

点群データの活用についてのご相談は、お気軽にお問い合わせください。

  • 3Dスキャン相談
  • データ処理支援
  • 活用コンサルティング

お問い合わせはこちら

最終更新: 2025年1月