しかし、ドライブレコーダーで撮影した画像群を用いて、建物のフットプリントを生成する場合、まず、同一の建物を撮影した画像データ群を一クラスタとしてクラスタリングを行う必要があるが、ドライブレコーダーの動画１分あたり５００棟～１０００棟の建物が撮影されるので、これを手作業で処理することは現実的ではない。また、特許文献でドライブレコーダーから風景画像のＳｆＭ点群を得ることが示されているので、建物を構成する部分の３Ｄデータから特徴点を共通にする画像データ群を抽出する方法も考えられるが、ＳｆＭ点群はノイズが多く疎であるため正確に画像データ群をクラスタリングすることは難しい。 本発明はこのような問題に鑑み、多数の建物をそれぞれ複数の視点から撮影した画像群から、同一の建物を撮影した画像データ群を一クラスタとして適切にクラスタリングすること、及び、クラスタリングによって得られる画像データ群から地図データ上に建物のフットプリントを自動的に生成できるようにすることを課題とする。

課題を解決するために、本発明は次のような構成を有する。 （１）建物画像クラスタリング装置であって、２以上の建物をそれぞれ複数の位置から撮影した画像データ群の入力を受け付ける画像データ受付部と、前記画像データ群に視覚言語モデルを使用することによって画像データごとに特徴ベクトルを取得する特徴ベクトル取得部と、前記特徴ベクトルに基づいて、同一の建物を撮影したと推定される画像データ群を一クラスタ・・・　続きを知財ポータルサイト IP Force にログインして見る