知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-05-20
(45)【発行日】2024-05-28
(54)【発明の名称】点群データ統合装置、および、点群データ統合方法
(51)【国際特許分類】
G01B 11/00 20060101AFI20240521BHJP
G06T 7/521 20170101ALI20240521BHJP
【ＦＩ】
G01B11/00 B
G06T7/521
【請求項の数】
10
(21)【出願番号】P 2021050138
(22)【出願日】2021-03-24
(65)【公開番号】P2022148453
(43)【公開日】2022-10-06
【審査請求日】2023-06-01
(73)【特許権者】
【識別番号】507250427
【氏名又は名称】日立ＧＥニュークリア・エナジー株式会社
(74)【代理人】
【識別番号】110001807
【氏名又は名称】弁理士法人磯野国際特許商標事務所
(72)【発明者】
【氏名】佐藤 義人
(72)【発明者】
【氏名】杉本 洋平
(72)【発明者】
【氏名】関 洋
(72)【発明者】
【氏名】照沼 博之
【審査官】眞岩 久恵
(56)【参考文献】
【文献】特開２０１６－２１７９４１（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｂ １１／００－１１／３０
Ｇ０６Ｔ ７／５２１
(57)【特許請求の範囲】
【請求項1】
前時刻に取得した点群データである第１点群と、前記第１点群よりも後時刻に取得した点群データである第２点群とで、各点の位置間の距離と第１閾値とを比較することにより、前記第１点群には存在しておらず前記第２点群において出現した出現点群と、前記第１点群にも前記第２点群にも存在する不変点群とを含めて分類する比較分類処理を行う比較分類部と、前記出現点群と前記不変点群とを含めて統合点群を作成する統合部とを有しており、
前記比較分類部は、
レーザスキャナの計測基点であるスキャナ原点からレーザを第１物体に照射するとき、その第１物体よりも奥側にありレーザが照射されない第２物体の点群データをオクルージョン計算により隠れ点群として取得することを、前記第１点群および前記第２点群のそれぞれについて行い、
前記比較分類処理において、さらに、前記第１点群には存在し前記第２点群において消滅した消滅点群の分類処理も行い、
前記統合部は、
前記隠れ点群について、前記比較分類処理の対象からは除外して前記統合点群に含め、
前記第１点群と前記第２点群とのうち片方だけ計測されない未計測範囲に存在する点群データについて、前記比較分類処理の対象からは除外して前記統合点群に含め、
分類された前記消滅点群について、前記統合点群から除外することを特徴とする
点群データ統合装置。
【請求項2】
前記点群データ統合装置は、前記統合点群の各点について計測精度を計算する精度推定部をさらに有しており、前記統合部は、前記精度推定部が計算した前記計測精度が他の点よりも高い点を間引かずに残す基準点とし、その基準点を中心に所定の間引き間隔以内に位置する基準点以外の点を前記統合点群から間引くことを特徴とする
請求項１に記載の点群データ統合装置。
【請求項3】
前記統合部は、前記統合点群が示す形状の曲率が小さいほど、所定の間引き間隔を長くすることを特徴とする請求項２に記載の点群データ統合装置。
【請求項4】
前記精度推定部は、スキャナ機種ごとのパラメータ、レーザスキャナの計測基点であるスキャナ原点から計測対象物までの距離、点群データの点の色、点の曲率、点の法線ベクトル、および、レーザの反射強度のうちの少なくとも１つの入力パラメータを受ける精度推定関数により、前記計測精度を計算することを特徴とする請求項２に記載の点群データ統合装置。
【請求項5】
前記精度推定部は、点群データ中の平面部を検出して、その平面におけるばらつきを評価して、そのばらつきが大きいほど低い数値になるように、平面部に属する点群データの各点の前記計測精度を計算することを特徴とする請求項２に記載の点群データ統合装置。
【請求項6】
前記精度推定部は、点群データ中の平面部に属さない点では、最も近い平面部に属する点群データの各点の前記計測精度をもとに、レーザスキャナの計測基点であるスキャナ原点からの距離が長くなるほど前記計測精度が劣化するように補正することを特徴とする請求項２に記載の点群データ統合装置。
【請求項7】
前記比較分類部は、前記比較分類処理に加え、前記第１閾値よりも大きい第２閾値と各点の位置間の距離とを比較する処理を実行し、前記第２閾値よりも位置間の距離が短い点を不確定点群として前記統合点群に含めることを特徴とする請求項２に記載の点群データ統合装置。
【請求項8】
前記精度推定部は、前記第１点群を計測したレーザスキャナと、前記第２点群を計測したレーザスキャナとのうちの精度の悪いレーザスキャナに合わせた前記第１閾値を計算することを特徴とする請求項２に記載の点群データ統合装置。
【請求項9】
前記精度推定部は、前記第１点群から抽出された平面部である第１近似平面と、前記第２点群から抽出された平面部である第２近似平面とが互いに最も近い近似平面組であるときに、近似平面組に属する点の点間距離の平均と、近似平面組に属する点の標準偏差とをもとに、前記第２閾値を計算することを特徴とする請求項７に記載の点群データ統合装置。
【請求項10】
点群データ統合装置は、比較分類部と、統合部とを有しており、前記比較分類部は、前時刻に取得した点群データである第１点群と、前記第１点群よりも後時刻に取得した点群データである第２点群とで、各点の位置間の距離と第１閾値とを比較することにより、前記第１点群には存在しておらず前記第２点群において出現した出現点群と、前記第１点群にも前記第２点群にも存在する不変点群とを含めて分類する比較分類処理を行い、
前記統合部は、前記出現点群と前記不変点群とを含めて統合点群を作成することとし、
前記比較分類部は、
レーザスキャナの計測基点であるスキャナ原点からレーザを第１物体に照射するとき、その第１物体よりも奥側にありレーザが照射されない第２物体の点群データをオクルージョン計算により隠れ点群として取得することを、前記第１点群および前記第２点群のそれぞれについて行い、
前記比較分類処理において、さらに、前記第１点群には存在し前記第２点群において消滅した消滅点群の分類処理も行い、
前記統合部は、
前記隠れ点群について、前記比較分類処理の対象からは除外して前記統合点群に含め、
前記第１点群と前記第２点群とのうち片方だけ計測されない未計測範囲に存在する点群データについて、前記比較分類処理の対象からは除外して前記統合点群に含め、
分類された前記消滅点群について、前記統合点群から除外することを特徴とする
点群データ統合方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、点群データ統合装置、および、点群データ統合方法に関する。
【背景技術】
【0002】
レーザスキャンにより建造物を現物計測し、三次元位置データの集合である点群データにより、この建造物の表面形状を認識する技術が知られている。さらにこの技術は、レーザスキャナを配置する基準点を複数とり、それぞれ取得した点群データを合成し、プラント、作業現場、街並、文化財建造物などといった大規模で複雑な形態を三次元情報化することに応用される。
このような三次元計測技術は発電プラントなどにも応用されつつあり、施工時における設計との相違確認や、運用開始後の改造、改修工事などにおける事前、事後の現況把握のためなどに利用される。
このような三次元計測技術は発電プラントなどにも応用されつつあり、施工時における設計との相違確認や、運用開始後の改造、改修工事などにおける事前、事後の現況把握のためなどに利用される。
【0003】
特許文献１では、点群データをボクセルにより表現し、ボクセル同士の差分をとることにより、点群データを、空間分割手法を用いて比較回数を少なくする技術が開示されている。
【0004】
特許文献２では、災害前の対象範囲を計測した第1点群データから三角形網モデルを作成しておき、災害発生後に取得した第2点群データを適正配置に調整後、差分閾値から不動領域と変動領域を分類する技術が開示されている。
【0005】
特許文献３では、落石・崩壊の危険部を地形変化として解析する方法が開示されている。この方法では、異なる時期に撮影された撮影画像から三次元形状復元技術（SfM：Structure from Motion）を用いて得た点群データPとQとをＩＣＰ（Iterative Closest Point）法により位置合わせする。そして、隣接点p同士の高さ変化を閾値と所定広さの閉領域から落石・崩壊の危険部として抽出する。
【先行技術文献】
【特許文献】
【0006】
【文献】特開２０１６－１０３２６３号公報
【文献】特開２０１９－１４３９８４号公報
【文献】特開２０１７－２０７４３８号公報
【発明の概要】
【発明が解決しようとする課題】
【0007】
プラント内は狭い空間に多数の配管・機器が存在するので、１回の計測ですべてのプラント内から抜けなく点群データを取得することは難しい。よって、異なる時刻で複数回に分けて、同じ施設内を三次元計測することとなる。複数回の計測では、計測業者や計測機器が異なっていたり、作業に必要な個所のみ計測したり、逆に重複して計測したりということが発生しうる。
例えば、計測時刻t1の点群データはプラント内の第1領域と第2領域とを計測し、計測時刻t2の点群データはプラント内の第2領域と第3領域とを計測するような場合もある。この場合、第2領域は重複して計測される。
例えば、計測時刻t1の点群データはプラント内の第1領域と第2領域とを計測し、計測時刻t2の点群データはプラント内の第2領域と第3領域とを計測するような場合もある。この場合、第2領域は重複して計測される。
【0008】
そのため、作業員はプラント内の領域を網羅して把握するために、手作業で時刻t1の点群データと、時刻t2の点群データとを見比べる手間が発生する。このように、異なる時刻t1,t2,t3…に計測された点群データが多数存在すると、最新の点群データを把握するために、どのデータを参照すればよいのか不明な場合があるなど、手作業での把握は困難である。
【0009】
例えば、時刻t2の点群データは、何らかの変化を計測する目的で取得されていれば、その変更箇所（第2,3領域）を中心に取得されており、今回の作業に必要な個所（第1領域）を網羅できていない可能性がある。一方、時刻t1の点群データでは、第1領域は最新データとして取得してもよいが、第2領域は時刻t2の点群データよりも古いデータなので、取得しないほうがよい。
また、時刻t1,t2の双方を個別に参照しても、点群データ容量が大きすぎ、ダウンロード、アプリ読込、ブラウジングなどに時間がかかり、作業が困難となってしまう。
また、時刻t1,t2の双方を個別に参照しても、点群データ容量が大きすぎ、ダウンロード、アプリ読込、ブラウジングなどに時間がかかり、作業が困難となってしまう。
【0010】
このため、多数の時系列（時刻t1,t2,t3…）で計測された点群データを計算機が自動で統合（相互補完）し、過剰な点群データを排除し、適切な範囲で、最新の現況を示す点群データを取り扱えるようにすることが望まれる。
しかし、特許文献１、２、３などの従来の点群データ処理システムでは、同じ計測場所を監視して物体の移動を検知するような空間差分の抽出を目的としていた。つまり、過去の点群データと現在の点群データで同じ場所どうしの比較を行い、点群データが異なる個所を空間の変化として抽出する従来の手法では、過去の点群データと現在の点群データとを統合して、現在の立体認識の範囲をなるべく広く拡大させようとする用途には不向きであった。
しかし、特許文献１、２、３などの従来の点群データ処理システムでは、同じ計測場所を監視して物体の移動を検知するような空間差分の抽出を目的としていた。つまり、過去の点群データと現在の点群データで同じ場所どうしの比較を行い、点群データが異なる個所を空間の変化として抽出する従来の手法では、過去の点群データと現在の点群データとを統合して、現在の立体認識の範囲をなるべく広く拡大させようとする用途には不向きであった。
【0011】
そこで本発明は、時刻を変えて複数回に分けて計測された点群データから、広範囲の空間でなるべく新しい点群データを統合して提供することを主な課題とする。
【課題を解決するための手段】
【0012】
上記の課題を解決するため、本発明の点群データ統合装置は以下の特徴を有する。
本発明は、前時刻に取得した点群データである第１点群と、前記第１点群よりも後時刻に取得した点群データである第２点群とで、各点の位置間の距離と第１閾値とを比較することにより、前記第１点群には存在しておらず前記第２点群において出現した出現点群と、前記第１点群にも前記第２点群にも存在する不変点群とを含めて分類する比較分類処理を行う比較分類部と、
前記出現点群と前記不変点群とを含めて統合点群を作成する統合部とを有しており、
前記比較分類部は、
レーザスキャナの計測基点であるスキャナ原点からレーザを第１物体に照射するとき、その第１物体よりも奥側にありレーザが照射されない第２物体の点群データをオクルージョン計算により隠れ点群として取得することを、前記第１点群および前記第２点群のそれぞれについて行い、
前記比較分類処理において、さらに、前記第１点群には存在し前記第２点群において消滅した消滅点群の分類処理も行い、
前記統合部は、
前記隠れ点群について、前記比較分類処理の対象からは除外して前記統合点群に含め、
前記第１点群と前記第２点群とのうち片方だけ計測されない未計測範囲に存在する点群データについて、前記比較分類処理の対象からは除外して前記統合点群に含め、
分類された前記消滅点群について、前記統合点群から除外することを特徴とする。
その他の手段は、後記する。
本発明は、前時刻に取得した点群データである第１点群と、前記第１点群よりも後時刻に取得した点群データである第２点群とで、各点の位置間の距離と第１閾値とを比較することにより、前記第１点群には存在しておらず前記第２点群において出現した出現点群と、前記第１点群にも前記第２点群にも存在する不変点群とを含めて分類する比較分類処理を行う比較分類部と、
前記出現点群と前記不変点群とを含めて統合点群を作成する統合部とを有しており、
前記比較分類部は、
レーザスキャナの計測基点であるスキャナ原点からレーザを第１物体に照射するとき、その第１物体よりも奥側にありレーザが照射されない第２物体の点群データをオクルージョン計算により隠れ点群として取得することを、前記第１点群および前記第２点群のそれぞれについて行い、
前記比較分類処理において、さらに、前記第１点群には存在し前記第２点群において消滅した消滅点群の分類処理も行い、
前記統合部は、
前記隠れ点群について、前記比較分類処理の対象からは除外して前記統合点群に含め、
前記第１点群と前記第２点群とのうち片方だけ計測されない未計測範囲に存在する点群データについて、前記比較分類処理の対象からは除外して前記統合点群に含め、
分類された前記消滅点群について、前記統合点群から除外することを特徴とする。
その他の手段は、後記する。
【発明の効果】
【0013】
本発明によれば、時刻を変えて複数回に分けて計測された点群データから、広範囲の空間でなるべく新しい点群データを統合して提供することができる。
【図面の簡単な説明】
【0014】
【図1】本実施形態に関する点群データ統合装置の構成図である。
【図2】本実施形態に関する点群データ統合装置のハードウェア構成図である。
【図3】本実施形態に関する点間距離の数直線グラフである。
【図4】本実施形態に関する点群データの一例を示すテーブルである。
【図5】本実施形態に関する計測精度を推定するメイン処理を示すフローチャートである。
【図6】本実施形態に関する各点のスキャナ特性による計測精度算出の詳細を示すフローチャートである。
【図7】本実施形態に関する平面部の分散算出処理の詳細を示すフローチャートである。
【図8】本実施形態に関する平面部以外の分散値（標準偏差値）推定処理を示すフローである。
【図9】本実施形態に関する比較分類部の処理を示すフローチャートである。
【図10】本実施形態に関する統合部の処理を示すフローチャートである。
【図11】本実施形態に関する点群データの計測対象の一例として、会議室の俯瞰図である。
【図15】本実施形態に関する平面と点群データとの関係を示す図である。
【図16】本実施形態に関する精度推定部が位置合わせ誤差を計算する場合の概略図である。
【発明を実施するための形態】
【0015】
以下、本発明の一実施形態を、図面を用いて説明する。
【0016】
図１は、点群データ統合装置１０の構成図である。
点群データ統合装置１０は、閾値入力部１１と、精度推定部１２と、比較分類部１３と、統合部１４と、表示部１５とを有する。
取得点群１０９は、点群データ統合装置１０による統合処理の対象として、図示しないレーザスキャンから時系列で取得された点群データである。図１では、時刻ｔ１に取得された取得点群１０９－１（以下「ｔ１点群（第１点群）」）と、時刻ｔ２に取得された取得点群１０９－２（以下「ｔ２点群（第２点群）」）とを例示する。
閾値入力部１１は、図３に示す第１閾値、第２閾値などの各処理に必要なパラメータの入力を受け付ける。
点群データ統合装置１０は、閾値入力部１１と、精度推定部１２と、比較分類部１３と、統合部１４と、表示部１５とを有する。
取得点群１０９は、点群データ統合装置１０による統合処理の対象として、図示しないレーザスキャンから時系列で取得された点群データである。図１では、時刻ｔ１に取得された取得点群１０９－１（以下「ｔ１点群（第１点群）」）と、時刻ｔ２に取得された取得点群１０９－２（以下「ｔ２点群（第２点群）」）とを例示する。
閾値入力部１１は、図３に示す第１閾値、第２閾値などの各処理に必要なパラメータの入力を受け付ける。
【0017】
比較分類部１３は、各点のｔ１点群からｔ２点群への点間距離（図３参照）と、閾値入力部１１から入力された閾値とを比較することで、以下の（分類１）、（分類２）のように各点を分類する。
（分類１）ｔ１点群の各点は、消滅点群１１１、不変点群１１３、および、隠れ点群１１４のいずれかとして確定される確定点群として分類される。一方、ｔ１点群の各点のうち確定点群に分類できなかった不確定点群は、ユーザに表示して、ユーザからいずれかのいずれかの確定点群の分類を直接入力させてもよい。
（分類２）ｔ２点群の各点は、出現点群１１２、不変点群１１３、および、隠れ点群１１４のいずれかとして確定される確定点群として分類される。ｔ２点群の不確定点群についても、ｔ１点群の不確定点群と同様に、ユーザから確定点群の分類を直接入力させてもよい。
（分類１）ｔ１点群の各点は、消滅点群１１１、不変点群１１３、および、隠れ点群１１４のいずれかとして確定される確定点群として分類される。一方、ｔ１点群の各点のうち確定点群に分類できなかった不確定点群は、ユーザに表示して、ユーザからいずれかのいずれかの確定点群の分類を直接入力させてもよい。
（分類２）ｔ２点群の各点は、出現点群１１２、不変点群１１３、および、隠れ点群１１４のいずれかとして確定される確定点群として分類される。ｔ２点群の不確定点群についても、ｔ１点群の不確定点群と同様に、ユーザから確定点群の分類を直接入力させてもよい。
【0018】
消滅点群１１１は、ｔ１点群には存在し、ｔ２点群において消滅した点群データである。
出現点群１１２は、ｔ１点群には存在しておらず、ｔ２点群において出現した点群データである。
不変点群１１３は、ｔ１点群に存在し（不変点群１１３－１）、ｔ２点群にも存在する（不変点群１１３－２）点群データである。
出現点群１１２は、ｔ１点群には存在しておらず、ｔ２点群において出現した点群データである。
不変点群１１３は、ｔ１点群に存在し（不変点群１１３－１）、ｔ２点群にも存在する（不変点群１１３－２）点群データである。
【0019】
隠れ点群１１４は、レーザスキャナの計測基点であるスキャナ原点からレーザを物体Ａ（第１物体）に照射するとき、その物体Ａよりも奥側（レーザ計測基点から遠い側）にある隠れて見えない（レーザが照射されない）物体Ｂ（第２物体）の点群データである。隠れ点群１１４は、ｔ１点群に存在することもあるし（隠れ点群１１４－１）、ｔ２点群に存在することもある（隠れ点群１１４－２）。
隠れ点群１１４は、消滅点群１１１にも出現点群１１２にも分類されないようにするため、ｔ１点群とｔ２点群との比較処理（点間距離を求める処理）の対象から除外する必要がある。
隠れ点群１１４は、消滅点群１１１にも出現点群１１２にも分類されないようにするため、ｔ１点群とｔ２点群との比較処理（点間距離を求める処理）の対象から除外する必要がある。
【0020】
統合部１４は、比較分類部１３の分類結果を用いてｔ１点群（取得点群１０９－１）とｔ２点群（取得点群１０９－２）とを統合点群１１５へと統合（相互補完）する。具体的には、統合部１４は、ｔ１点群に含まれる各点と、ｔ２点群に含まれる各点との和集合から、消滅点群１１１を除外した点群データを、統合点群１１５に統合する。つまり、統合点群１１５には、不変点群１１３と、隠れ点群１１４と、ｔ２点群の出現点群１１２とが含まれる。そのため、比較分類部１３は、ｔ１点群から消滅点群１１１への分類処理を省略してもよい。
このように、統合部１４は、時刻ｔ２（最新時刻）では不要となった消滅点群１１１を機械的に除外することで、作業員が目視でｔ１点群とｔ２点群とを見比べる手作業に比べて、効率的に最新の点群データを把握できる。
表示部１５は、統合部１４により統合された点群データである統合点群１１５を表示する。
このように、統合部１４は、時刻ｔ２（最新時刻）では不要となった消滅点群１１１を機械的に除外することで、作業員が目視でｔ１点群とｔ２点群とを見比べる手作業に比べて、効率的に最新の点群データを把握できる。
表示部１５は、統合部１４により統合された点群データである統合点群１１５を表示する。
【0021】
精度推定部１２は、例えばスキャナ原点からの距離が近いほど精度が高い点とみなすことで、取得点群１０９の計測精度１１０を推定する。
計測精度１１０は、精度推定部１２によって各点の計測精度を推定した情報である。精度推定部１２は、ｔ１点群の計測精度１１０－１と、ｔ２点群の計測精度１１０－２とをそれぞれ推定する。
この計測精度１１０は、過剰に密集した点群データから、計測対象を高精度かつ立体把握に充分な密度で表した点は残しつつ、その他の点を統合点群１１５から間引くために統合部１４に用いられる。
計測精度１１０は、精度推定部１２によって各点の計測精度を推定した情報である。精度推定部１２は、ｔ１点群の計測精度１１０－１と、ｔ２点群の計測精度１１０－２とをそれぞれ推定する。
この計測精度１１０は、過剰に密集した点群データから、計測対象を高精度かつ立体把握に充分な密度で表した点は残しつつ、その他の点を統合点群１１５から間引くために統合部１４に用いられる。
【0022】
図２は、点群データ統合装置１０のハードウェア構成図である。
点群データ統合装置１０は、ＣＰＵ９０１と、ＲＡＭ９０２と、ＲＯＭ９０３と、ＨＤＤ９０４などの記憶部と、通信Ｉ／Ｆ９０５と、入出力Ｉ／Ｆ９０６と、メディアＩ／Ｆ９０７とを有するコンピュータ９００として構成される。
通信Ｉ／Ｆ９０５は、外部の通信装置９１５と接続される。入出力Ｉ／Ｆ９０６は、入出力装置９１６と接続される。メディアＩ／Ｆ９０７は、記録媒体９１７からデータを読み書きする。さらに、ＣＰＵ９０１は、ＲＡＭ９０２に読み込んだプログラム（アプリケーションや、その略のアプリとも呼ばれる）を実行することにより、各処理部を制御する。そして、このプログラムは、通信回線を介して配布したり、ＣＤ－ＲＯＭ等の記録媒体９１７に記録して配布したりすることも可能である。
点群データ統合装置１０は、ＣＰＵ９０１と、ＲＡＭ９０２と、ＲＯＭ９０３と、ＨＤＤ９０４などの記憶部と、通信Ｉ／Ｆ９０５と、入出力Ｉ／Ｆ９０６と、メディアＩ／Ｆ９０７とを有するコンピュータ９００として構成される。
通信Ｉ／Ｆ９０５は、外部の通信装置９１５と接続される。入出力Ｉ／Ｆ９０６は、入出力装置９１６と接続される。メディアＩ／Ｆ９０７は、記録媒体９１７からデータを読み書きする。さらに、ＣＰＵ９０１は、ＲＡＭ９０２に読み込んだプログラム（アプリケーションや、その略のアプリとも呼ばれる）を実行することにより、各処理部を制御する。そして、このプログラムは、通信回線を介して配布したり、ＣＤ－ＲＯＭ等の記録媒体９１７に記録して配布したりすることも可能である。
【0023】
図３は、点間距離の数直線グラフである。
ｔ１点群に着目したグラフ２０１について、ｔ１点群の点を基準点（ゼロ距離）として、基準点の位置に最も近いｔ２点群の点との間の距離を点間距離とする。
比較分類部１３は、以下のようにｔ１点群の各点を分類する。
・点間距離がゼロ距離以上第１閾値未満である場合、そのｔ１点群の基準点を不変点群１１３に分類する。
・点間距離が第１閾値以上第２閾値未満である場合、そのｔ１点群の基準点を不確定点群に分類する。
・点間距離が第２閾値以上である場合、そのｔ１点群の基準点を消滅点群１１１に分類する。
なお、第１閾値は不変点群１１３か否かを判定する閾値であり、第２閾値は位置合わせ誤差の閾値である。
ｔ１点群に着目したグラフ２０１について、ｔ１点群の点を基準点（ゼロ距離）として、基準点の位置に最も近いｔ２点群の点との間の距離を点間距離とする。
比較分類部１３は、以下のようにｔ１点群の各点を分類する。
・点間距離がゼロ距離以上第１閾値未満である場合、そのｔ１点群の基準点を不変点群１１３に分類する。
・点間距離が第１閾値以上第２閾値未満である場合、そのｔ１点群の基準点を不確定点群に分類する。
・点間距離が第２閾値以上である場合、そのｔ１点群の基準点を消滅点群１１１に分類する。
なお、第１閾値は不変点群１１３か否かを判定する閾値であり、第２閾値は位置合わせ誤差の閾値である。
【0024】
同様に、ｔ２点群に着目したグラフ２０２について、ｔ２点群の点を基準点（ゼロ距離）として、基準点に最も近いｔ１点群の点との間の距離を点間距離とする。
比較分類部１３は、以下のようにｔ２点群の各点を分類する。
・点間距離がゼロ距離以上第１閾値未満である場合、そのｔ１点群の基準点を不変点群１１３に分類する。
・点間距離が第１閾値以上第２閾値未満である場合、そのｔ１点群の基準点を不確定点群に分類する。
・点間距離が第２閾値以上である場合、そのｔ１点群の基準点を出現点群１１２に分類する。
比較分類部１３は、以下のようにｔ２点群の各点を分類する。
・点間距離がゼロ距離以上第１閾値未満である場合、そのｔ１点群の基準点を不変点群１１３に分類する。
・点間距離が第１閾値以上第２閾値未満である場合、そのｔ１点群の基準点を不確定点群に分類する。
・点間距離が第２閾値以上である場合、そのｔ１点群の基準点を出現点群１１２に分類する。
【0025】
なお、点間距離と第２閾値とを比較しない構成も可能である。その場合、比較分類部１３は、図３の不確定点群について、ｔ１点群なら消滅点群１１１に分類し、ｔ２点群なら出現点群１１２に分類すればよい。
【0026】
図４は、点群データ２０３の一例を示すテーブルである。点群データ２０３は、一般的なレーザスキャナから図１の取得点群１０９として取得される。
点群データ２０３の１行目（座標情報、色情報、反射強度）および２行目（x,y,z,R,G,B,I）は各列のデータの意味を示す（実際のデータには含まれない）。点群データ２０３の３行目以下の各行は、点群データのある１点におけるデータを示す。
座標情報の列（ｘ、ｙ、ｚ）は、3次元空間内の1点の座標値を示す。色情報の列は、Ｒ、Ｇ、Ｂで色情報を示す値である。反射強度Ｉの列は、レーザの反射強度を示す値である。
点群データ２０３の１行目（座標情報、色情報、反射強度）および２行目（x,y,z,R,G,B,I）は各列のデータの意味を示す（実際のデータには含まれない）。点群データ２０３の３行目以下の各行は、点群データのある１点におけるデータを示す。
座標情報の列（ｘ、ｙ、ｚ）は、3次元空間内の1点の座標値を示す。色情報の列は、Ｒ、Ｇ、Ｂで色情報を示す値である。反射強度Ｉの列は、レーザの反射強度を示す値である。
【0027】
点群データ２０３のほか、スキャナ原点および、位置合わせにおける回転、平行移動行列は、点群データ統合装置１０に与えられるものとする。一般的にレーザスキャナの場合、スキャナから発射されたレーザが対象物に当たり、反射したレーザがスキャナに到達する時間から距離を計測する。このため、スキャナから対象物までの距離が短いほど、また、レーザの反射強度が高いほど精度が高いと考えられる。このほか、対象物の素材や当たった面の角度や、曲率などによっても影響がある。
【0028】
このような計測精度１１０は、レーザスキャナの機種ごとに異なり、メーカごとに仕様として公開されているが、対象物の条件は比較的計測しやすい物体に限られていると考えられる。このため、実際の計測誤差を考慮するためには、予め様々な形状・材質の物体の計測精度１１０を計測するための精度推定関数として用意しておくとよい。
精度推定関数ｆ（Ｓ,Ｄ,Ｃｌ,Ｃｖ,ｎ,Ｉ）は、例えば、スキャナ機種ごとのパラメータ、計測対象物のレーザスキャナの計測基点であるスキャナ原点からの距離、点群データの点の色、点の曲率、点の法線ベクトル、および、レーザの反射強度を入力パラメータとする。
Ｓはスキャナ機種を表し、Ｄはスキャナ原点からの距離、Ｃｌは、点の色、Ｃｖは点の曲率、ｎは法線ベクトル、Ｉは反射強度である。なお、精度推定関数への入力パラメータは、前記した６つのパラメータのうちの少なくとも１つのパラメータを用いてもよい。
精度推定関数ｆ（Ｓ,Ｄ,Ｃｌ,Ｃｖ,ｎ,Ｉ）は、例えば、スキャナ機種ごとのパラメータ、計測対象物のレーザスキャナの計測基点であるスキャナ原点からの距離、点群データの点の色、点の曲率、点の法線ベクトル、および、レーザの反射強度を入力パラメータとする。
Ｓはスキャナ機種を表し、Ｄはスキャナ原点からの距離、Ｃｌは、点の色、Ｃｖは点の曲率、ｎは法線ベクトル、Ｉは反射強度である。なお、精度推定関数への入力パラメータは、前記した６つのパラメータのうちの少なくとも１つのパラメータを用いてもよい。
【0029】
また、精度推定部１２は、精度推定関数による計測精度１１０の推定方法の他にも、点群データの計測精度１１０を推定する別の方法を用いてもよい。例えば、精度推定部１２は、計測された点群データから例えば、平面部と考えられる範囲を抽出し、これらの点に対して主成分分析を行うことにより得られる法線ベクトルと、重心位置を用いて、近似平面を算出する。
そして、精度推定部１２は、算出した近似平面に対する距離分布を求め、その標準偏差値を求めることにより点群データの計測精度１１０を推定する。
そして、精度推定部１２は、算出した近似平面に対する距離分布を求め、その標準偏差値を求めることにより点群データの計測精度１１０を推定する。
【0030】
図５は、精度推定部１２が計測精度１１０を推定するメイン処理を示すフローチャートである。
精度推定部１２は、ｔ１点群またはｔ２点群の取得点群１０９を点群データc(i)として読み込む（Ｓ１０１）。c(i)のi=1,2,3…のiは、点群データに含まれる各点を示す。
精度推定部１２は、ｔ１点群またはｔ２点群の取得点群１０９を点群データc(i)として読み込む（Ｓ１０１）。c(i)のi=1,2,3…のiは、点群データに含まれる各点を示す。
【0031】
精度推定部１２は、各点のスキャナ特性による計測精度１１０を算出する（Ｓ１０２）。
そのため、計測精度１１０は、例えば、カタログベースで推定する場合、スキャナ機種Ｓに対して基本となる計測誤差を、スキャナからの距離10ｍに対して±1mm等の距離の次元の値として与える。基準の距離をdbase(S)とし、基準の計測誤差をpbase(S)とする。
次に、精度推定部１２は、ｔ１点群およびｔ２点群の各点について、スキャナ原点からの距離Ｄにより、各点の計測誤差を補正する。
各点c(i)(i=1,2,3,…)に対する計測誤差p(i)は、スキャナ原点からc(i)までの距離D(i)を用いて、「p(i)=D(i)/ dbase(S)×p(S)」として求める。実測値ベースで求める場合は、精度推定部１２は、後記する図６のフローチャートの処理で求める。
そのため、計測精度１１０は、例えば、カタログベースで推定する場合、スキャナ機種Ｓに対して基本となる計測誤差を、スキャナからの距離10ｍに対して±1mm等の距離の次元の値として与える。基準の距離をdbase(S)とし、基準の計測誤差をpbase(S)とする。
次に、精度推定部１２は、ｔ１点群およびｔ２点群の各点について、スキャナ原点からの距離Ｄにより、各点の計測誤差を補正する。
各点c(i)(i=1,2,3,…)に対する計測誤差p(i)は、スキャナ原点からc(i)までの距離D(i)を用いて、「p(i)=D(i)/ dbase(S)×p(S)」として求める。実測値ベースで求める場合は、精度推定部１２は、後記する図６のフローチャートの処理で求める。
【0032】
精度推定部１２は、点群データから平面部を抽出し、平面近似することにより当該部分の点群データの分散を算出し、当該部分の計測精度１１０を推定する（Ｓ１０３）。
精度推定部１２は、Ｓ１０３で抽出されなかった部分の点群データについて平面部に抽出された点群データの分散から当該部分の計測精度１１０を推定する（Ｓ１０４）。
精度推定部１２は、Ｓ１０３で抽出されなかった部分の点群データについて平面部に抽出された点群データの分散から当該部分の計測精度１１０を推定する（Ｓ１０４）。
【0033】
精度推定部１２は、Ｓ１０２～Ｓ１０４で得られた計測精度１１０をまとめて、各点の計測精度１１０を算出する（Ｓ１０５）。
そのため、Ｓ１０２では、精度推定部１２は、各点における計測精度p(i)を推定した。Ｓ１０３では、精度推定部１２は、平面部にあると推定される点について、局所的な近似平面からの距離の平均値と、距離のばらつきとして標準偏差値を求め、対象となる各点の平均誤差ｍ(i)、標準偏差σ(i)を求めた。
そのため、Ｓ１０２では、精度推定部１２は、各点における計測精度p(i)を推定した。Ｓ１０３では、精度推定部１２は、平面部にあると推定される点について、局所的な近似平面からの距離の平均値と、距離のばらつきとして標準偏差値を求め、対象となる各点の平均誤差ｍ(i)、標準偏差σ(i)を求めた。
【0034】
さらに、ｔ１点群における平面部と最も近いｔ２点群における平面部との平均距離を求め、これを位置合わせ誤差pL(i)とする（詳細は図１６）。Ｓ１０４では、精度推定部１２は、平面部ではないと推定される点について、最も近い平面部の点における平均誤差と、標準偏差をスキャナ原点からの距離で補正した値を平均誤差m(i),標準偏差σ(i)として求める。
Ｓ１０５では、精度推定部１２は、p(i)とm(i)の大きい方を、推定計測精度pe(i)＝計測精度１１０とする。
Ｓ１０５では、精度推定部１２は、p(i)とm(i)の大きい方を、推定計測精度pe(i)＝計測精度１１０とする。
【0035】
図６は、各点のスキャナ特性による計測精度算出（Ｓ１０２）の詳細を示すフローチャートである。
精度推定部１２は、Ｓ１０１で読み込んだ点群データの各点c(i)について、順に選択するループ処理を行う（Ｓ４０１～Ｓ４０６）。
精度推定部１２は、Ｓ１０１で読み込んだ点群データの各点c(i)について、順に選択するループ処理を行う（Ｓ４０１～Ｓ４０６）。
【0036】
精度推定部１２は、点c(i)の近傍に存在する点を抽出し、これらの近傍点が示す曲面の曲率および法線を算出する（Ｓ４０２）。
法線の計算として、一般的には、主成分分析により、対象点の周辺で示される曲面の法線が得られる。ただし、点群データには明確な表裏が無いため、法線の候補は180度反転した2つのスキャナ原点が既知であれば、それらのスキャナ原点から法線を一意に求めることができる。法線は必ずスキャナ原点に対して角度が90度以上となる（ベクトルの内積が負）ためである。
法線の計算として、一般的には、主成分分析により、対象点の周辺で示される曲面の法線が得られる。ただし、点群データには明確な表裏が無いため、法線の候補は180度反転した2つのスキャナ原点が既知であれば、それらのスキャナ原点から法線を一意に求めることができる。法線は必ずスキャナ原点に対して角度が90度以上となる（ベクトルの内積が負）ためである。
【0037】
精度推定部１２は、スキャナ原点からの距離を算出する（Ｓ４０３）。スキャナ原点の座標が既知であるため、当該座標と、原点座標との差分ベクトルの長さを計算すればよい。
精度推定部１２は、精度推定関数ｆ（Ｓ,Ｄ,Ｃｌ,Ｃｖ,ｎ,Ｉ）を用いて（法線、曲率、距離、反射強度から計測誤差を検索することで）、計測精度１１０の値ｐを得る（Ｓ４０４）。
精度推定部１２は、得られたｐを計測精度値p(i)として、対象点の登録情報として追加する。具体的には図４のテーブルに対して計測精度１１０の情報として１列追加し、当該点の行の当該列に計測精度値p(i)を書き込む（Ｓ４０５）。
精度推定部１２は、精度推定関数ｆ（Ｓ,Ｄ,Ｃｌ,Ｃｖ,ｎ,Ｉ）を用いて（法線、曲率、距離、反射強度から計測誤差を検索することで）、計測精度１１０の値ｐを得る（Ｓ４０４）。
精度推定部１２は、得られたｐを計測精度値p(i)として、対象点の登録情報として追加する。具体的には図４のテーブルに対して計測精度１１０の情報として１列追加し、当該点の行の当該列に計測精度値p(i)を書き込む（Ｓ４０５）。
【0038】
図７は、平面部の分散算出処理（Ｓ１０３）の詳細として、点群データから平面部を探索し、各平面について点のばらつきを評価する処理を示すフローチャートである。
精度推定部１２は、入力点群データc(i)から部分平面を探索する（Ｓ５０１）。部分平面（平面部）とは、点群データ内で平面に近い形状である部分を示す。
精度推定部１２は、入力点群データc(i)から部分平面を探索する（Ｓ５０１）。部分平面（平面部）とは、点群データ内で平面に近い形状である部分を示す。
【0039】
精度推定部１２は、Ｓ５０１で抽出された各平面部Pl(j)について、順に選択するループ処理を行う（Ｓ５０２～Ｓ５１４）。Pl(j)は、j番目の平面部を示す。
精度推定部１２は、Ｓ５０４はPl(j)に対応する点群データ{c_p(j,k)}の各点c(i)について、順に選択するループ処理を行う（Ｓ５０３～Ｓ５０５）。このループ内で、精度推定部１２は、c_p(j,k)とPl(j)との距離d_p(j,k)を計算する（Ｓ５０４）。
精度推定部１２は、Ｓ５０４はPl(j)に対応する点群データ{c_p(j,k)}の各点c(i)について、順に選択するループ処理を行う（Ｓ５０３～Ｓ５０５）。このループ内で、精度推定部１２は、c_p(j,k)とPl(j)との距離d_p(j,k)を計算する（Ｓ５０４）。
【0040】
図１５は、平面Pl(j)と、点群データ{c(j,k)}との関係を示す図である。点群データ１３０１は、黒丸として図示する点の集合である。点群データ１３０１の近似平面Pl(j)を近似平面１３０２とし、点群データ１３０１の中の１点１３０３と、近似平面１３０２との距離１３０４を距離d_p(j,k)とする。
【0041】
図７に戻り、精度推定部１２は、算出された全距離から平均ｍ_j、標準偏差σ_jを算出する（Ｓ５０６）。
精度推定部１２は、Pl(j)に対応する点群{c_p(j,k)}の各点について、順に選択するループ処理を行う（Ｓ５１１～Ｓ５１３）。このループ内で、精度推定部１２は、図４のテーブルに対してＳ４０５の計測精度値pに加えて、さらに２列（平均ｍ_j、標準偏差σ_j）を計測精度１１０の情報として追加する（Ｓ５１２）。
このように、精度推定部１２は、点群データ中の平面部を検出して、その平面におけるばらつき（平面部分を抽出し、当該平面からみた垂直方向のばらつき）を評価する。つまり、精度推定部１２は、そのばらつきが大きいほど低い数値になるように、平面部に属する（平面部近傍に位置する）点群データの各点の計測精度１１０を計算する。
精度推定部１２は、Pl(j)に対応する点群{c_p(j,k)}の各点について、順に選択するループ処理を行う（Ｓ５１１～Ｓ５１３）。このループ内で、精度推定部１２は、図４のテーブルに対してＳ４０５の計測精度値pに加えて、さらに２列（平均ｍ_j、標準偏差σ_j）を計測精度１１０の情報として追加する（Ｓ５１２）。
このように、精度推定部１２は、点群データ中の平面部を検出して、その平面におけるばらつき（平面部分を抽出し、当該平面からみた垂直方向のばらつき）を評価する。つまり、精度推定部１２は、そのばらつきが大きいほど低い数値になるように、平面部に属する（平面部近傍に位置する）点群データの各点の計測精度１１０を計算する。
【0042】
図８は、平面部以外の分散値（標準偏差値）推定処理（Ｓ１０４）を示すフローである。
精度推定部１２は、点群データ{c(i)}の各点c(i)について、順に選択するループ処理を行う（Ｓ６０１～Ｓ６０９）。
精度推定部１２は、c(i)が平面部の分散算出処理（Ｓ１０３）で平面部として抽出された点であるか否かを判断する（Ｓ６０２）。Ｓ６０２でYesなら次の点（i+1）の処理へ移行するため、ループ終点のＳ６０９に進む。Ｓ６０２でNoならＳ６０３に進む。
精度推定部１２は、点群データ{c(i)}の各点c(i)について、順に選択するループ処理を行う（Ｓ６０１～Ｓ６０９）。
精度推定部１２は、c(i)が平面部の分散算出処理（Ｓ１０３）で平面部として抽出された点であるか否かを判断する（Ｓ６０２）。Ｓ６０２でYesなら次の点（i+1）の処理へ移行するため、ループ終点のＳ６０９に進む。Ｓ６０２でNoならＳ６０３に進む。
【0043】
精度推定部１２は、c(i)に対して最も近い平面部の点c_pminを探索し（Ｓ６０３）、c(i)とスキャナ原点との距離diを求める（Ｓ６０４）。
精度推定部１２は、c_pminとスキャナ原点との距離dpを求め（Ｓ６０５）、c_pminの平均ｍ_p、標準偏差σ_pを求める（Ｓ６０６）。
精度推定部１２は、c(i)の平均m(i)=ｍ_p・di/dpと、c(i)の標準偏差σ(i)=σ_p・di/dpとを補間して計算し（Ｓ６０７）、その計算結果（平均、標準偏差）を図４のテーブルに対して計測精度１１０の情報として追加する（Ｓ６０８）。
このように、精度推定部１２は、点群データ中の平面部に属さない点では、最も近い平面部に属する点群データの各点の計測精度１１０をもとに、レーザスキャナの計測基点であるスキャナ原点からの距離が長くなるほど計測精度１１０が劣化するように補正する。
精度推定部１２は、c_pminとスキャナ原点との距離dpを求め（Ｓ６０５）、c_pminの平均ｍ_p、標準偏差σ_pを求める（Ｓ６０６）。
精度推定部１２は、c(i)の平均m(i)=ｍ_p・di/dpと、c(i)の標準偏差σ(i)=σ_p・di/dpとを補間して計算し（Ｓ６０７）、その計算結果（平均、標準偏差）を図４のテーブルに対して計測精度１１０の情報として追加する（Ｓ６０８）。
このように、精度推定部１２は、点群データ中の平面部に属さない点では、最も近い平面部に属する点群データの各点の計測精度１１０をもとに、レーザスキャナの計測基点であるスキャナ原点からの距離が長くなるほど計測精度１１０が劣化するように補正する。
【0044】
図９は、比較分類部１３の処理を示すフローチャートである。
比較分類部１３は、ｔ１点群をc1(i)として読み込み（Ｓ７０１）、ｔ２点群をc2(i)として読み込む（Ｓ７０２）。
比較分類部１３は、オクルージョン（遮蔽）計算により隠れ点群１１４を抽出する（Ｓ７０３）。比較分類部１３は、隠れ点群１１４をｔ１点群とｔ２点群との比較対象から除外することで、統合点群１１５に含める。
比較分類部１３は、ｔ１点群をc1(i)として読み込み（Ｓ７０１）、ｔ２点群をc2(i)として読み込む（Ｓ７０２）。
比較分類部１３は、オクルージョン（遮蔽）計算により隠れ点群１１４を抽出する（Ｓ７０３）。比較分類部１３は、隠れ点群１１４をｔ１点群とｔ２点群との比較対象から除外することで、統合点群１１５に含める。
【0045】
図１１は、点群データの計測対象の一例として、会議室の俯瞰図である。
点群データ９０１はスキャナ原点ｓ１１～ｓ１４から計測されたｔ１点群を示し、点群データ９０２はスキャナ原点ｓ２１、ｓ２２から計測されたｔ２点群を示す。
消滅点群１１１の一例として、点群データ９０１内のソファ９０３，９０４は、点群データ９０２には存在しない。
出現点群１１２の一例として、点群データ９０２内のホワイトボード（WB）９０６，９０７は、点群データ９０１には存在しない。
不変点群１１３の一例として、領域９０５内のテーブルおよび４つのソファは、点群データ９０１内の位置から点群データ９０２内の位置へと若干右側に移動した。
点群データ９０１はスキャナ原点ｓ１１～ｓ１４から計測されたｔ１点群を示し、点群データ９０２はスキャナ原点ｓ２１、ｓ２２から計測されたｔ２点群を示す。
消滅点群１１１の一例として、点群データ９０１内のソファ９０３，９０４は、点群データ９０２には存在しない。
出現点群１１２の一例として、点群データ９０２内のホワイトボード（WB）９０６，９０７は、点群データ９０１には存在しない。
不変点群１１３の一例として、領域９０５内のテーブルおよび４つのソファは、点群データ９０１内の位置から点群データ９０２内の位置へと若干右側に移動した。
【0046】
ここで、点群データ９０２では、スキャナ原点ｓ２１、ｓ２２から見て影となる領域（影領域）が多く存在している。影領域とは、例えば、ホワイトボードの近くの壁や、ソファの後ろの床、スキャナ自身の直下の床などである。これらの影領域には点群データが存在しないため、もし比較分類部１３がｔ１点群とｔ２点群とを単純に比較すると、壁や床が消滅したと判断されてしまう。そこで、比較分類部１３は、影領域に存在する点群データをオクルージョン計算により隠れ点群１１４として抽出する。
【0047】
なお、点群データの計測作業では、最初に部屋全体を計測し、その後部屋の中に変化があった時に再計測することがある。再計測では計測工数の観点から全体計測が行わないことも多いため、ｔ１点群とｔ２点群とのうち、片方だけ計測されない範囲（未計測範囲）も存在することもある。
このような未計測範囲の点群データは、ｔ１点群とｔ２点群との比較による差分検出の対象外として隠れ点群１１４と同じように統合点群１１５に含めることが望ましい。なお、未計測範囲の点群データの検出には、例えば特開２０１９－２１１２６４に開示された方法が利用可能である。
このような未計測範囲の点群データは、ｔ１点群とｔ２点群との比較による差分検出の対象外として隠れ点群１１４と同じように統合点群１１５に含めることが望ましい。なお、未計測範囲の点群データの検出には、例えば特開２０１９－２１１２６４に開示された方法が利用可能である。
【0048】
図９に戻り、比較分類部１３は、Ｓ７０３で検出した隠れ点群１１４は除外しつつ、除外されなかったｔ１点群とｔ２点群との間で各点の点間距離を計算する（Ｓ７０４）。
なお、ｔ１点群のある点c_t1(i)に対して、ｔ２点群の中で点c_t1(i)の位置から最も近い点c_t2(i)とする。各点に対する計測誤差pe_t1(i)、pe_t2(i)、標準偏差値σ_t1(i)およびσ_t2(i)とする。図３のグラフ２０１、２０２で説明した点間距離とは、点c_t1(i)と点c_t2(i)との距離である。
なお、ｔ１点群のある点c_t1(i)に対して、ｔ２点群の中で点c_t1(i)の位置から最も近い点c_t2(i)とする。各点に対する計測誤差pe_t1(i)、pe_t2(i)、標準偏差値σ_t1(i)およびσ_t2(i)とする。図３のグラフ２０１、２０２で説明した点間距離とは、点c_t1(i)と点c_t2(i)との距離である。
【0049】
比較分類部１３は、図３のグラフ２０１、２０２で説明したように第１閾値、第２閾値をもとに、Ｓ７０１，Ｓ７０２で読み込まれた各点群データ（ｔ１点群、ｔ２点群）を分類する（Ｓ７０５）。この分類結果として、各点群データは、Ｓ７０４で事前に除外された隠れ点群１１４と、不変点群１１３と、ｔ１点群の消滅点群１１１と、ｔ２点群の出現点群１１２とのいずれかに分類される。
【0050】
ここで、比較分類部１３は、精度推定部１２で得られた計測精度１１０から、以下の（計算１）～（計算４）のいずれかの計算によりＳ７０５の分類に用いる第１閾値を計算してもよい。
（計算１）pe_t1(i)+σ_t1(i)およびpe_t2(i)+σ_t2(i)のうち大きい方を第１閾値とする（各点において閾値を変更する場合）。
（計算２）各点群データ（ｔ１点群、ｔ２点群）について、すべての点の計測精度１１０の平均値を、pe_m_t1、pe_m_t2、標準偏差の平均をσ_m_t1、σ_m_t2としたとき、pe_m_t1+γσ_m_t1と、pe_m_t2+γσ_m_t2の大きい方を第１閾値とする（すべての点で同じ閾値を使用する場合）。
（計算３）pe_m_t1+pe_m+t2+γ（σ_m_t1^2+σ_m_t2^2）^(1/2)を第１閾値として用いる（平均値とばらつきをｔ１とｔ２で合成する場合）。記号「^」はべき乗を示す。
（計算４）前記の（計算３）に位置合わせ誤差の平均pL_m_t1およびpL_m_t2を考慮して、(pe_m_t1+pe_m+t2)/2+(pL_m_t1およびpL_m_t2)/2+γ（σ_m_t1^2+σ_m_t2^2）^(1/2)を第１閾値とする。ただし、γは2～4程度の値である。
この（計算１）～（計算４）の計算により、精度推定部１２は、ｔ１点群を計測したレーザスキャナと、ｔ２点群を計測したレーザスキャナとで、精度の悪いレーザスキャナに合わせた第１閾値を計算する。
（計算１）pe_t1(i)+σ_t1(i)およびpe_t2(i)+σ_t2(i)のうち大きい方を第１閾値とする（各点において閾値を変更する場合）。
（計算２）各点群データ（ｔ１点群、ｔ２点群）について、すべての点の計測精度１１０の平均値を、pe_m_t1、pe_m_t2、標準偏差の平均をσ_m_t1、σ_m_t2としたとき、pe_m_t1+γσ_m_t1と、pe_m_t2+γσ_m_t2の大きい方を第１閾値とする（すべての点で同じ閾値を使用する場合）。
（計算３）pe_m_t1+pe_m+t2+γ（σ_m_t1^2+σ_m_t2^2）^(1/2)を第１閾値として用いる（平均値とばらつきをｔ１とｔ２で合成する場合）。記号「^」はべき乗を示す。
（計算４）前記の（計算３）に位置合わせ誤差の平均pL_m_t1およびpL_m_t2を考慮して、(pe_m_t1+pe_m+t2)/2+(pL_m_t1およびpL_m_t2)/2+γ（σ_m_t1^2+σ_m_t2^2）^(1/2)を第１閾値とする。ただし、γは2～4程度の値である。
この（計算１）～（計算４）の計算により、精度推定部１２は、ｔ１点群を計測したレーザスキャナと、ｔ２点群を計測したレーザスキャナとで、精度の悪いレーザスキャナに合わせた第１閾値を計算する。
【0051】
図１２は、図１１の会議室からＳ７０５の分類結果を示す俯瞰図である。
図１３は、図１２の各領域の塗りパターン（表示色）ごとの分類結果を示すテーブルである。このテーブルでは、領域の番号（No）ごとに、時刻t1→t2における現象と、ｔ１点群とｔ２点群との差分と、分類結果と、その分類結果に対応した表示色とを対応付ける。なお、図１３のテーブルには言及されていないが、黒で塗られた領域は、点群データが存在しない領域である。
以下、No.4の「移動前後ソファの一部」などの不確定点群について説明する。
図１３は、図１２の各領域の塗りパターン（表示色）ごとの分類結果を示すテーブルである。このテーブルでは、領域の番号（No）ごとに、時刻t1→t2における現象と、ｔ１点群とｔ２点群との差分と、分類結果と、その分類結果に対応した表示色とを対応付ける。なお、図１３のテーブルには言及されていないが、黒で塗られた領域は、点群データが存在しない領域である。
以下、No.4の「移動前後ソファの一部」などの不確定点群について説明する。
【0052】
Ｓ７０５の処理で用いる第１閾値は、点群データの本来の意味での計測精度１１０（計測器の不確かさ）による分類閾値を意味している。
まず、複数のショット（ｔ１点群、ｔ２点群）を統合（合成）する際、同じものを計測した点群データが一致するように位置合わせをする必要がある。この位置合わせに誤差があると、点群データにずれが生じる可能性がある。
このようなずれは、計測器の本来の計測精度１１０に対して大きくなる場合がある。これらを考慮して、第１閾値よりも大きな第２閾値を用いることにより、比較分類部１３は、消滅点群１１１や出現点群１１２とは別に、第２閾値よりも点間距離が小さい点群データを不確定点群に分類する。
まず、複数のショット（ｔ１点群、ｔ２点群）を統合（合成）する際、同じものを計測した点群データが一致するように位置合わせをする必要がある。この位置合わせに誤差があると、点群データにずれが生じる可能性がある。
このようなずれは、計測器の本来の計測精度１１０に対して大きくなる場合がある。これらを考慮して、第１閾値よりも大きな第２閾値を用いることにより、比較分類部１３は、消滅点群１１１や出現点群１１２とは別に、第２閾値よりも点間距離が小さい点群データを不確定点群に分類する。
【0053】
図１６は、精度推定部１２が位置合わせ誤差を計算する場合の概略図である。
点群データ１４０１の各黒丸は、ｔ１点群から抽出された平面部の近似平面１４０３すなわちPl_t1(j)に対する点群データ{c_t1_p(j,k)}を構成する点である。近似平面１４０３は、点群データ１４０１に最も近い平面Pl_t1(j)である。
点群データ１４０２の各白丸は、ｔ２点群から抽出された平面部の近似平面１４０４すなわちPl_t2(η)に対する点群データ{c_t2_p(η,l)}を構成する点である。近似平面１４０４は、点群データ１４０２に最も近い平面Pl_t2(η)である。
点群データ１４０１の各黒丸は、ｔ１点群から抽出された平面部の近似平面１４０３すなわちPl_t1(j)に対する点群データ{c_t1_p(j,k)}を構成する点である。近似平面１４０３は、点群データ１４０１に最も近い平面Pl_t1(j)である。
点群データ１４０２の各白丸は、ｔ２点群から抽出された平面部の近似平面１４０４すなわちPl_t2(η)に対する点群データ{c_t2_p(η,l)}を構成する点である。近似平面１４０４は、点群データ１４０２に最も近い平面Pl_t2(η)である。
【0054】
近似平面１４０３，１４０５間の点間距離１４０５の平均をｍ_ｊηとする。つまり、精度推定部１２は、ｔ１点群から抽出された平面部である第１近似平面と、ｔ２点群から抽出された平面部である第２近似平面とが互いに最も近い近似平面組であるときに、近似平面組に属する点の点間距離の平均と、近似平面組に属する点の標準偏差とをもとに、第２閾値を計算する。
【0055】
図１０は、統合部１４の処理を示すフローチャートである。
統合部１４は、ｔ１点群のうち、不変点群１１３と、隠れ点群１１４と、不確定点群とを読み込む（Ｓ８０１）。
統合部１４は、ｔ２点群のうち、出現点群１１２と、不変点群１１３と、隠れ点群１１４と、不確定点群とを読み込む（Ｓ８０２）。
そして、統合部１４は、Ｓ８０１で読み込んだｔ１点群と、ｔ２点群とを統合点群１１５に統合する。このとき、統合部１４は、統合した統合点群１１５から、Ｓ８０３～Ｓ８０６で示す間引き処理を行ってもよい。
統合部１４は、ｔ１点群のうち、不変点群１１３と、隠れ点群１１４と、不確定点群とを読み込む（Ｓ８０１）。
統合部１４は、ｔ２点群のうち、出現点群１１２と、不変点群１１３と、隠れ点群１１４と、不確定点群とを読み込む（Ｓ８０２）。
そして、統合部１４は、Ｓ８０１で読み込んだｔ１点群と、ｔ２点群とを統合点群１１５に統合する。このとき、統合部１４は、統合した統合点群１１５から、Ｓ８０３～Ｓ８０６で示す間引き処理を行ってもよい。
【0056】
統合部１４は、統合点群１１５から、予め与えられた第３閾値以上の計測精度１１０の点を抽出する（Ｓ８０３）。この処理により、ｔ１点群、ｔ２点群とも同じ形状を計測した点群データでも、より計測誤差の小さい点群データを抽出できる。
統合部１４は、Ｓ８０３で抽出した各点群データについて、精度推定部１２で算出した曲率に基づき、間引き間隔dを決定する（Ｓ８０４）。
統合部１４は、Ｓ８０３で抽出した各点群データについて、精度推定部１２で算出した曲率に基づき、間引き間隔dを決定する（Ｓ８０４）。
【0057】
なお、Ｓ８０４の間引き間隔dは、曲率κとしたとき、d=1/(α・κ)で与えるものとする。αはあらかじめパラメータとして与えられる定数である。ただし、統合部１４は、間引き間隔d>dmax以上となる場合は、間引き間隔d=dmaxに置き換える（Ｓ８０５）。dmaxとはあらかじめ与える最大の間引き間隔である。これにより、曲率が小さい、すなわち平面に近い場合は、間引き間隔d=dmaxとなり、より多くの点が間引かれる。
一方、曲率が大きい、すなわち形状変化の大きい箇所は、間引き間隔が小さくなるため、間引かれずに残った点の密度が高くなり、残った点が示す立体形状が確認しやすい状態となる。
一方、曲率が大きい、すなわち形状変化の大きい箇所は、間引き間隔が小さくなるため、間引かれずに残った点の密度が高くなり、残った点が示す立体形状が確認しやすい状態となる。
【0058】
統合部１４は、Ｓ８０３で抽出した計測精度１１０が高い点を間引かずに残す基準点とし、その基準点を中心にＳ８０５で計算した半径=間引き間隔d以内の領域（間引き領域）に存在する基準点以外の点（間引き対象点）を対象に間引きを実行する（Ｓ８０６）。
なお、統合部１４は、間引き領域に存在するすべての間引き対象点を間引いてもよいし、間引き領域に存在する間引き対象点が所定の密度になるように（例えば曲率が小さいほど密度が低くなるように）一部の間引き対象点だけを間引いてもよい。
なお、統合部１４は、間引き領域に存在するすべての間引き対象点を間引いてもよいし、間引き領域に存在する間引き対象点が所定の密度になるように（例えば曲率が小さいほど密度が低くなるように）一部の間引き対象点だけを間引いてもよい。
【0059】
図１４は、図１の点群データ統合装置１０について、時系列の各段階（時刻t1,t2,…,tN）で点群データを、順番に(N-1)回の統合処理を行う旨の説明図である。
１回目の統合処理では、図１に示したように、点群データ統合装置１０は、前時刻の取得点群１０９－１（ｔ１点群）と、後時刻の取得点群１０９－２（ｔ２点群）とを入力とし、統合点群１１５（図１４の統合点群１１５－２）を出力した。
２回目の統合処理では、点群データ統合装置１０は、前時刻の取得点群１０９（統合点群１１５－２）と、後時刻の取得点群１０９－３とを入力とし、統合点群１１５－３を出力する。このように、i回目の統合処理の結果が、(i+1)回目の統合処理の入力データとなる。
N回目の統合処理では、点群データ統合装置１０は、(N-1)回目の統合処理の結果である統合点群１１５－(N-1)を前時刻として入力し、後時刻の取得点群１０９－Nを入力とし、統合点群１１５－Nを出力する。
１回目の統合処理では、図１に示したように、点群データ統合装置１０は、前時刻の取得点群１０９－１（ｔ１点群）と、後時刻の取得点群１０９－２（ｔ２点群）とを入力とし、統合点群１１５（図１４の統合点群１１５－２）を出力した。
２回目の統合処理では、点群データ統合装置１０は、前時刻の取得点群１０９（統合点群１１５－２）と、後時刻の取得点群１０９－３とを入力とし、統合点群１１５－３を出力する。このように、i回目の統合処理の結果が、(i+1)回目の統合処理の入力データとなる。
N回目の統合処理では、点群データ統合装置１０は、(N-1)回目の統合処理の結果である統合点群１１５－(N-1)を前時刻として入力し、後時刻の取得点群１０９－Nを入力とし、統合点群１１５－Nを出力する。
【0060】
以上説明した本実施形態の点群データ統合装置１０は、2つ以上の異なる時刻（前時刻t1、後時刻t2）においてレーザスキャナなどにより計測された3次元点群データ（ｔ１点群、ｔ２点群）を比較分類部１３に分類させ、その分類結果をもとに統合点群１１５として統合部１４に統合させる。
これにより、ｔ１点群とｔ２点群とを個別に表示して作業員に比較させる方式に比べ、ｔ１点群の消滅点群１１１が統合点群１１５には含まれないので、作業員は現場の現況とあっている点群データを効率的に把握できる。
これにより、ｔ１点群とｔ２点群とを個別に表示して作業員に比較させる方式に比べ、ｔ１点群の消滅点群１１１が統合点群１１５には含まれないので、作業員は現場の現況とあっている点群データを効率的に把握できる。
【0061】
さらに、点群データ統合装置１０は、統合点群１１５内に点が過密に存在する場合には、精度推定部１２が推定した点ごとの計測精度１１０をもとに、間引きを実行する（Ｓ８０６）。
これにより、過剰に点群データを取得しても、計測対象を立体把握するために高精度かつ充分な密度となる点群データを統合点群１１５に残せる。よって、点群データの処理操作が遅い、データ保存容量を圧迫する、精度がばらついた点群データが混在するなどの弊害を抑制できる。
これにより、過剰に点群データを取得しても、計測対象を立体把握するために高精度かつ充分な密度となる点群データを統合点群１１５に残せる。よって、点群データの処理操作が遅い、データ保存容量を圧迫する、精度がばらついた点群データが混在するなどの弊害を抑制できる。
【0062】
なお、本発明は前記した実施例に限定されるものではなく、さまざまな変形例が含まれる。例えば、前記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。
また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。
また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、上記の各構成、機能、処理部、処理手段などは、それらの一部または全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。
また、前記の各構成、機能などは、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。
また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。
また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、上記の各構成、機能、処理部、処理手段などは、それらの一部または全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。
また、前記の各構成、機能などは、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。
【0063】
各機能を実現するプログラム、テーブル、ファイルなどの情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）などの記録装置、または、ＩＣ（Integrated Circuit）カード、ＳＤカード、ＤＶＤ（Digital Versatile Disc）などの記録媒体におくことができる。また、クラウドを活用することもできる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。
さらに、各装置を繋ぐ通信手段は、無線ＬＡＮに限定せず、有線ＬＡＮやその他の通信手段に変更してもよい。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。
さらに、各装置を繋ぐ通信手段は、無線ＬＡＮに限定せず、有線ＬＡＮやその他の通信手段に変更してもよい。
【符号の説明】
【0064】
１０ 点群データ統合装置
１１ 閾値入力部
１２ 精度推定部
１３ 比較分類部
１４ 統合部
１５ 表示部
１０９－１ 取得点群（第１点群）
１０９－２ 取得点群（第２点群）
１１０ 計測精度
１１１ 消滅点群
１１２ 出現点群
１１３ 不変点群
１１４ 隠れ点群
１１５ 統合点群
１１ 閾値入力部
１２ 精度推定部
１３ 比較分類部
１４ 統合部
１５ 表示部
１０９－１ 取得点群（第１点群）
１０９－２ 取得点群（第２点群）
１１０ 計測精度
１１１ 消滅点群
１１２ 出現点群
１１３ 不変点群
１１４ 隠れ点群
１１５ 統合点群
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】