SlideShare a Scribd company logo
1 of 24
Download to read offline
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
中川 雅史(芝浦⼯業⼤学 ⼯学部 ⼟⽊⼯学科)
mnaka@shibaura-it.ac.jp
BIM/CIMにおいて
安価に点群を取得する⽬的とその利活⽤
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
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
芝浦⼯業⼤学⼯学部⼟⽊⼯学科 ジオインフォマティクス研究室
Geoinformarics Lab., Department of Civil Engineering, Shibaura Institute of Tech.
8848m ?
Positioning
Mapping
Navigation
Timing
測量の研究室
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
BIM/CIMにおいて安価に点群を取得する⽬的とその利活⽤
- BIM/CIMの概要
- 動かない地物を測る例 -UAV/ドローン測量
- 動く地物を測る例 -ICT建機
- まとめ
ヒト
モノ
カネ
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
海外・国内における建設技術の⽅向性
BIMにもとづく建設プロジェクト全体の効率改善
構造物や建設作業の情報化
BIM(Building Information Modeling)
→ 建設プロジェクト全体のライフサイクルコスト改善
海外では
「構造物の情報や3D形状をいかに取得・共有するか︖」が課題になっている
調査・設計 施⼯
“ACT”
点検
“PLAN” “DO”
維持・補修
“CHECK”
3Dモデル
フロントローディング
コンサルの
低コスト化
ではない
調査・計画・設計にコストをかけて,
施⼯・維持管理の⼿戻りを削減し,
プロジェクト全体を低コスト化
i-Construction(国交省)
国内の⼟⽊ではBIM/CIM
CIM: Construction information modeling
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
なぜ,i-Construction,IoT,AI か︖
建設分野における課題
建設分野における課題を解決していけそうだから
⼈⼿を増やす︖
1⼈あたりの
⽣産性向上
外国⼈労働者の活⽤︖
解決策 期間限定の⼀時雇⽤なので
有効打ではない
管理
施⼯
ゼネコン
職⼈
サブコン サブコン サブコン
職⼈ 職⼈ 職⼈
職⼈ 職⼈ 職⼈ 職⼈ 職⼈
若い技術者
が少ない
⾼齢化
⼈⼿不⾜
・ロス削減
・迅速化
・⾃動化
i-Construction
BIM/CIM
ドローン
ICT建機
IoT AI
・省⼯数化
・規格の標準化
⻑時間労働
安い給料
・いろいろ新しいことができるから
・効率的だから(利益が出るから)
・国交省がやるって⾔っているから
・効率的だから(⼈⼿不⾜だから)
欧⽶は..
国内は..
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
BIM/CIM/i-Constructionにおける課題(その2)
猫も杓⼦もUAV測量
3Dデータ処理がうまくいかない︖
ドローン測量で必須なのはStructure from Motion (SfM)
コスパ
いいね
中⾝をよく知らないが
とりあえず使っている
技術者が多すぎる
うまく結果が
でてこない.. 写真測量の基礎知識不⾜
中⼩企業もレーザースキャナ
レーザー測量で必須なのは点群処理
多くの⼈が関⼼を
持っている 「とりあえず
買った」
どう処理すればいいか
わからない.. レーザースキャナ⾼いから
ドローンが良いかも︖︖
SfM/MVSを技術説明できるレベルで利⽤しているか︖
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
「先端技術を安価に利⽤する」ということの前提条件
予算
⼒技
勉強
予算
⼒技
勉強
予算
⼒技
勉強
予算
⼒技
勉強
単なる「安価」
技術の運⽤
「品質を保って安価」
「先端技術を安価に利⽤する」
=全体的な品質低下
=業務量が増える可能性⼤
=先端技術の使い⽅・中⾝の勉強必須
# オープンソース,プログラミング
ハードウェア,通信,etc.
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
BIM/CIMにおいて安価に点群を取得する⽬的とその利活⽤
- BIM/CIMの概要
- 動かない地物を測る例 -UAV/ドローン測量
- 動く地物を測る例 -ICT建機
- まとめ
ヒト
モノ
カネ
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
遠隔操縦による
作業者安全確保
偵察・攻撃
危険物探索
サンプル収集
災害救助
セキュリティ
映像・報道
スポーツ分析
交通量調査
UAV/ドローン利⽤の⽬的
低空⾶⾏による
⾼分解能データ
物流の⾃動化・
⾼速化
定期観測の
⾃動化
観測・監視の
⾃動化
搬送・操作の
⾃動化
測量/施⼯管理 環境調査
農業・畜産
在庫管理
施設管理
宅配
医療⽀援
超⾼速運搬
作業の⾃動化
補修
農薬散布
低コスト化・迅速化・安全化
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
構造物3D計測を⽬的としたドローン空撮
低空撮影なので,安いカメラで⾼空間分解能な画像を撮影できる
排⽔パイプ
ひび割れ
さび
排⽔路
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
⼟⽊におけるUAV/ドローンの利⽤例
橋梁点検
⼟砂災害空撮
ダム点検
⽂化財
河川調査
芝浦⼯⼤・宮本研究室
現場にあわせて,
UAVを選択・
カスタマイズ
UAV撮影,吊り下げ撮影,
パノラマ撮影ほか,
適材適所な計測
植⽣分布の剥離分析と掃流⼒解析
災害直後の空撮ができる
ケースは,実は珍しい
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
画像計測のメリット・デメリット
Phantom3, DJI
安価なドローンで
点群⽣成できる
草⽊のある箇所の地盤⾯
を計測できない
安いセンサで
分解能が⾼い
⾯的に点群を得るには,
複数コース撮影が必要
⾒えない場所は
計測できない
点群⽣成の
計算時間が
かかる
⾊つき点群を
⽣成できる
画像計測
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
画像計測 vs. レーザー計測
安いセンサで
分解能が⾼い
⾯的に点群を得るには,
複数コース撮影が必要
⾒えない場所は
計測できない
点群⽣成の
計算時間が
かかる
⾊つき点群を
⽣成できる
画像計測 レーザー計測
⾒えない場所も
計測できる
点群⽣成
が容易
センサが⾼価で
分解能が低い
単コースだけでも,
⾯的に点群を得られる
⾊つき点群の⽣成
にはカメラが必要
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
UAVレーザー計測システムは,なぜ⾼価格︖
墜落させたくないので,⾶ばしづらい
圧倒的に低価格にするには︖︖
測距情報
位置情報
姿勢情報
対地⾼度100~150mの場合,400m程度
は測距可能な⻑距離スキャナが必要
⾼価格
⾼価格
⾼価格
⾼分解能・⾼精度な⾓度情報を得るには,
⾼価格なIMUが必要
数cm精度の測位には⼲渉測位
(多周波GNSS受信機・アンテナ)が必要
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
圧倒的に低価格にするには︖
測距情報
位置情報
姿勢情報
対地⾼度100~150mの場合,
400m程度は測距可能な⻑距離
スキャナが必要 ⾼価格
⾼価格
⾼価格
⾼分解能・⾼精度な⾓度情報を
得るには,⾼価格なIMUが必要
数cm精度の測位には⼲渉測位
(多周波GNSS受信機・アンテナ)
が必要
多層レーザースキャナを採⽤
⼀周波マルチGNSSを採⽤
IMUの省略
数百万円→数⼗万円
数百万円→数万円
数百万~数千万円の
センサを省略
⾃動運転で使うセンサで構成する
制約条件︓
低空計測で
SLAMで
IMUを代替
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
多層レーザースキャナ
基本的に⾮測量⽤.最近は低価格化している
多層レーザースキャナの
データ取得例(⾃動⾞)
Visualization of LIDAR data
複数断⾯を取得
多層レーザースキャナ
⾃動運転向けに開発された
レーザースキャナ
単層レーザースキャナ
従来型のレーザースキャナ
⼀断⾯を取得
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
GPS/GNSS測位の種類
単独測位
相対測位
ディファレンシャル測位
⼲渉測位
スタティック測位
後処理
キネマティック測位
リアルタイム
キネマティック測位
ケータイ,カ
ーナビ向け
測量向け
Carrier Phase Positioning
擬似距離 を⽤いる
スタンドアロン型
Assisted GPS
簡易測量
位相差 を⽤いる
(RTK-GPS/GNSS)
⼀周波複合GNSS測位
多周波測位
⾃律移動
ロボット
向け
低コストな⾼精度測位は
マルチGNSSな必要がある
精密単独測位(PPP)
Differential GPS︓DGPS
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
UAV Laser Scanning Systems
Sensor integration: Multi-LiDAR, Low-cost RTK, and Camera
GNSS antenna
(Velodyne)
GNSS antenna
(u-blox)
LiDAR
(Velodyne)
Camera Controller
(Microsoft)
UAV-E695MP
⾼精度IMUは
使わない
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
BIM/CIMにおいて安価に点群を取得する⽬的とその利活⽤
- BIM/CIMの概要
- 動かない地物を測る例 -UAV/ドローン測量
- 動く地物を測る例 -ICT建機
- まとめ
ヒト
モノ
カネ
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
ICT建機の概論
■⼤規模な施⼯現場では
近年の建設業界における主な課題
・技術者不⾜
・建設⽣産性の向上
・労働災害,事故の低減
具体的な取り組みのひとつに
ICTを活⽤した建機
・無⼈施⼯(遠隔操作可能な無⼈建機による施⼯)
■施⼯環境が狭隘な都市⼟⽊の施⼯現場では
・無⼈施⼯は衛星測位に⼤きく依存するため適⽤は容易ではない
施⼯の安全性や効率性を改善するうえで,
建機と作業員の協調作業の⾼度化が有効
i-Constructionによる建設現場の⽣産⾰命
https://www.ipros.jp/technote/column-i-construction/
安全管理は
職⼈技でカバー︖
作業員と建機が近接作業するので,
これを安全にしたい
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
Data-Driven Systems using Construction Vehicles
Wide-range
scanning
GPS
synchronization
Closed-range
scanning
Beacon
ranging
Achieve safer and more efficient construction in urban areas
Radio detecting
and ranging
Uplink Offline
Feedback
Offline
Learning
Obstacle
Avoidance
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
Scanner
position
Virtual fences
Tracked
workers
Construction
vehicles
(scene: 300)
Construction
vehicles
(scene: 265)
X[m]
Y[m]
Wide-range
scanning
Closed-range
scanning
Beacon ranging
都市⼟⽊におけるICT建機
空間情報 × ロボティクス × 情報通信 × 施⼯技術 × 安全教育
Fixed (input)
Fixed (labeled)
Excavation works Piping works Filling works
Depth-intensity
- Data processing: Nakagawa Lab.
- Experiments with: Azuma Kigyo
SLAM-tracking(3D)
SLAM-tracking(2D)
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
建機災害の未然防⽌に必要なモデリング
領域モデリング
施⼯空間の4次元モデリング(X,Y,Z,t)
地物モデリング
- Outdoor
- Semi-outdoor
- Semi-under ground
- Under ground
危険予測モデリング
- 作業員
- 建機(バケットなど)
- 電柱,電線,建物
- 歩⾏者,⾃動⾞
- 建機の動作の危険予測
- 作業員の動作の危険予測
- 施⼯による環境変化に伴う危険予測
動的モデリング
- 施⼯に伴う環境変化(掘削など)
- 建機の動作(旋回・掘削・⾛⾏)
- 作業員の動作(施⼯・移動など)
危険領域
地物モデル
動的モデル
領域モデル
変化する
危険度
Semi-underground
Outdoor Semi-outdoor
Underground
Semi-
underground
Outdoor
Semi-
outdoor
NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp
SHIBAURA INSTITUTE OF TECHNOLOGY
BIM/CIMにおいて安価に点群を取得する⽬的とその利活⽤
- BIM/CIMの概要
- 動かない地物を測る例 -UAV/ドローン測量
- 動く地物を測る例 -ICT建機
- まとめ
ヒト
モノ
カネ

More Related Content

What's hot

SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)Masaya Kaneko
 
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)Toru Tamaki
 
機械学習研究の現状とこれから
機械学習研究の現状とこれから機械学習研究の現状とこれから
機械学習研究の現状とこれからMLSE
 
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII
 
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてSfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてRyutaro Yamauchi
 
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...SSII
 
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)Yamato OKAMOTO
 
[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...
[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...
[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...Deep Learning JP
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII
 
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17Takuya Akiba
 
Visual-SLAM技術を利用した 果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した 果樹園の3次元圃場地図の作成Masahiro Tsukano
 
【DL輪読会】AuthenticAuthentic Volumetric Avatars from a Phone Scan
【DL輪読会】AuthenticAuthentic Volumetric Avatars from a Phone Scan【DL輪読会】AuthenticAuthentic Volumetric Avatars from a Phone Scan
【DL輪読会】AuthenticAuthentic Volumetric Avatars from a Phone ScanDeep Learning JP
 
論文読み会2018 (CodeSLAM)
論文読み会2018 (CodeSLAM)論文読み会2018 (CodeSLAM)
論文読み会2018 (CodeSLAM)Masaya Kaneko
 
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAMSLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAMIwami Kazuya
 
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行Yoshitaka HARA
 
tf,tf2完全理解
tf,tf2完全理解tf,tf2完全理解
tf,tf2完全理解Koji Terada
 
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識佑 甲野
 
[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論Deep Learning JP
 
ORB-SLAMの手法解説
ORB-SLAMの手法解説ORB-SLAMの手法解説
ORB-SLAMの手法解説Masaya Kaneko
 

What's hot (20)

SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
 
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
 
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)
 
機械学習研究の現状とこれから
機械学習研究の現状とこれから機械学習研究の現状とこれから
機械学習研究の現状とこれから
 
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
 
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてSfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法について
 
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
 
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
 
[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...
[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...
[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
 
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
 
Visual-SLAM技術を利用した 果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した 果樹園の3次元圃場地図の作成
 
【DL輪読会】AuthenticAuthentic Volumetric Avatars from a Phone Scan
【DL輪読会】AuthenticAuthentic Volumetric Avatars from a Phone Scan【DL輪読会】AuthenticAuthentic Volumetric Avatars from a Phone Scan
【DL輪読会】AuthenticAuthentic Volumetric Avatars from a Phone Scan
 
論文読み会2018 (CodeSLAM)
論文読み会2018 (CodeSLAM)論文読み会2018 (CodeSLAM)
論文読み会2018 (CodeSLAM)
 
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAMSLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
 
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
 
tf,tf2完全理解
tf,tf2完全理解tf,tf2完全理解
tf,tf2完全理解
 
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
 
[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論
 
ORB-SLAMの手法解説
ORB-SLAMの手法解説ORB-SLAMの手法解説
ORB-SLAMの手法解説
 

More from SSII

SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜SSII
 
SSII2022 [TS3] コンテンツ制作を支援する機械学習技術​〜 イラストレーションやデザインの基礎から最新鋭の技術まで 〜​
SSII2022 [TS3] コンテンツ制作を支援する機械学習技術​〜 イラストレーションやデザインの基礎から最新鋭の技術まで 〜​SSII2022 [TS3] コンテンツ制作を支援する機械学習技術​〜 イラストレーションやデザインの基礎から最新鋭の技術まで 〜​
SSII2022 [TS3] コンテンツ制作を支援する機械学習技術​〜 イラストレーションやデザインの基礎から最新鋭の技術まで 〜​SSII
 
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜SSII
 
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII
 
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習SSII
 
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けてSSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けてSSII
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII
 
SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用
SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用
SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用SSII
 
SSII2022 [OS2-01] イメージング最前線
SSII2022 [OS2-01] イメージング最前線SSII2022 [OS2-01] イメージング最前線
SSII2022 [OS2-01] イメージング最前線SSII
 
SSII2022 [OS1-01] AI時代のチームビルディング
SSII2022 [OS1-01] AI時代のチームビルディングSSII2022 [OS1-01] AI時代のチームビルディング
SSII2022 [OS1-01] AI時代のチームビルディングSSII
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII
 
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII
 
SSII2021 [SS2] Deepfake Generation and Detection – An Overview (ディープフェイクの生成と検出)
SSII2021 [SS2] Deepfake Generation and Detection – An Overview (ディープフェイクの生成と検出)SSII2021 [SS2] Deepfake Generation and Detection – An Overview (ディープフェイクの生成と検出)
SSII2021 [SS2] Deepfake Generation and Detection – An Overview (ディープフェイクの生成と検出)SSII
 
SSII2021 [TS3] 機械学習のアノテーションにおける データ収集​ 〜 精度向上のための仕組み・倫理や社会性バイアス 〜
SSII2021 [TS3] 機械学習のアノテーションにおける データ収集​ 〜 精度向上のための仕組み・倫理や社会性バイアス 〜SSII2021 [TS3] 機械学習のアノテーションにおける データ収集​ 〜 精度向上のための仕組み・倫理や社会性バイアス 〜
SSII2021 [TS3] 機械学習のアノテーションにおける データ収集​ 〜 精度向上のための仕組み・倫理や社会性バイアス 〜SSII
 
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜SSII
 
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理SSII
 
SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術
SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術
SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術SSII
 
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)
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)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)
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)SSII
 
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用SSII
 
SSII2021 [OS1-03] エネルギーの情報化:需要家主体の分散協調型電力マネージメント
SSII2021 [OS1-03] エネルギーの情報化:需要家主体の分散協調型電力マネージメントSSII2021 [OS1-03] エネルギーの情報化:需要家主体の分散協調型電力マネージメント
SSII2021 [OS1-03] エネルギーの情報化:需要家主体の分散協調型電力マネージメントSSII
 

More from SSII (20)

SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
 
SSII2022 [TS3] コンテンツ制作を支援する機械学習技術​〜 イラストレーションやデザインの基礎から最新鋭の技術まで 〜​
SSII2022 [TS3] コンテンツ制作を支援する機械学習技術​〜 イラストレーションやデザインの基礎から最新鋭の技術まで 〜​SSII2022 [TS3] コンテンツ制作を支援する機械学習技術​〜 イラストレーションやデザインの基礎から最新鋭の技術まで 〜​
SSII2022 [TS3] コンテンツ制作を支援する機械学習技術​〜 イラストレーションやデザインの基礎から最新鋭の技術まで 〜​
 
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
 
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
 
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
 
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けてSSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
 
SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用
SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用
SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用
 
SSII2022 [OS2-01] イメージング最前線
SSII2022 [OS2-01] イメージング最前線SSII2022 [OS2-01] イメージング最前線
SSII2022 [OS2-01] イメージング最前線
 
SSII2022 [OS1-01] AI時代のチームビルディング
SSII2022 [OS1-01] AI時代のチームビルディングSSII2022 [OS1-01] AI時代のチームビルディング
SSII2022 [OS1-01] AI時代のチームビルディング
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
 
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
 
SSII2021 [SS2] Deepfake Generation and Detection – An Overview (ディープフェイクの生成と検出)
SSII2021 [SS2] Deepfake Generation and Detection – An Overview (ディープフェイクの生成と検出)SSII2021 [SS2] Deepfake Generation and Detection – An Overview (ディープフェイクの生成と検出)
SSII2021 [SS2] Deepfake Generation and Detection – An Overview (ディープフェイクの生成と検出)
 
SSII2021 [TS3] 機械学習のアノテーションにおける データ収集​ 〜 精度向上のための仕組み・倫理や社会性バイアス 〜
SSII2021 [TS3] 機械学習のアノテーションにおける データ収集​ 〜 精度向上のための仕組み・倫理や社会性バイアス 〜SSII2021 [TS3] 機械学習のアノテーションにおける データ収集​ 〜 精度向上のための仕組み・倫理や社会性バイアス 〜
SSII2021 [TS3] 機械学習のアノテーションにおける データ収集​ 〜 精度向上のための仕組み・倫理や社会性バイアス 〜
 
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
 
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
 
SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術
SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術
SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術
 
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)
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)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)
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)
 
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
 
SSII2021 [OS1-03] エネルギーの情報化:需要家主体の分散協調型電力マネージメント
SSII2021 [OS1-03] エネルギーの情報化:需要家主体の分散協調型電力マネージメントSSII2021 [OS1-03] エネルギーの情報化:需要家主体の分散協調型電力マネージメント
SSII2021 [OS1-03] エネルギーの情報化:需要家主体の分散協調型電力マネージメント
 

SSII2021 [OS3-02] BIM/CIMにおいて安価に点群を取得する目的とその利活用

  • 1. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 中川 雅史(芝浦⼯業⼤学 ⼯学部 ⼟⽊⼯学科) mnaka@shibaura-it.ac.jp BIM/CIMにおいて 安価に点群を取得する⽬的とその利活⽤ 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
  • 2. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 芝浦⼯業⼤学⼯学部⼟⽊⼯学科 ジオインフォマティクス研究室 Geoinformarics Lab., Department of Civil Engineering, Shibaura Institute of Tech. 8848m ? Positioning Mapping Navigation Timing 測量の研究室
  • 3. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY BIM/CIMにおいて安価に点群を取得する⽬的とその利活⽤ - BIM/CIMの概要 - 動かない地物を測る例 -UAV/ドローン測量 - 動く地物を測る例 -ICT建機 - まとめ ヒト モノ カネ
  • 4. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 海外・国内における建設技術の⽅向性 BIMにもとづく建設プロジェクト全体の効率改善 構造物や建設作業の情報化 BIM(Building Information Modeling) → 建設プロジェクト全体のライフサイクルコスト改善 海外では 「構造物の情報や3D形状をいかに取得・共有するか︖」が課題になっている 調査・設計 施⼯ “ACT” 点検 “PLAN” “DO” 維持・補修 “CHECK” 3Dモデル フロントローディング コンサルの 低コスト化 ではない 調査・計画・設計にコストをかけて, 施⼯・維持管理の⼿戻りを削減し, プロジェクト全体を低コスト化 i-Construction(国交省) 国内の⼟⽊ではBIM/CIM CIM: Construction information modeling
  • 5. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY なぜ,i-Construction,IoT,AI か︖ 建設分野における課題 建設分野における課題を解決していけそうだから ⼈⼿を増やす︖ 1⼈あたりの ⽣産性向上 外国⼈労働者の活⽤︖ 解決策 期間限定の⼀時雇⽤なので 有効打ではない 管理 施⼯ ゼネコン 職⼈ サブコン サブコン サブコン 職⼈ 職⼈ 職⼈ 職⼈ 職⼈ 職⼈ 職⼈ 職⼈ 若い技術者 が少ない ⾼齢化 ⼈⼿不⾜ ・ロス削減 ・迅速化 ・⾃動化 i-Construction BIM/CIM ドローン ICT建機 IoT AI ・省⼯数化 ・規格の標準化 ⻑時間労働 安い給料 ・いろいろ新しいことができるから ・効率的だから(利益が出るから) ・国交省がやるって⾔っているから ・効率的だから(⼈⼿不⾜だから) 欧⽶は.. 国内は..
  • 6. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY BIM/CIM/i-Constructionにおける課題(その2) 猫も杓⼦もUAV測量 3Dデータ処理がうまくいかない︖ ドローン測量で必須なのはStructure from Motion (SfM) コスパ いいね 中⾝をよく知らないが とりあえず使っている 技術者が多すぎる うまく結果が でてこない.. 写真測量の基礎知識不⾜ 中⼩企業もレーザースキャナ レーザー測量で必須なのは点群処理 多くの⼈が関⼼を 持っている 「とりあえず 買った」 どう処理すればいいか わからない.. レーザースキャナ⾼いから ドローンが良いかも︖︖ SfM/MVSを技術説明できるレベルで利⽤しているか︖
  • 7. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 「先端技術を安価に利⽤する」ということの前提条件 予算 ⼒技 勉強 予算 ⼒技 勉強 予算 ⼒技 勉強 予算 ⼒技 勉強 単なる「安価」 技術の運⽤ 「品質を保って安価」 「先端技術を安価に利⽤する」 =全体的な品質低下 =業務量が増える可能性⼤ =先端技術の使い⽅・中⾝の勉強必須 # オープンソース,プログラミング ハードウェア,通信,etc.
  • 8. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY BIM/CIMにおいて安価に点群を取得する⽬的とその利活⽤ - BIM/CIMの概要 - 動かない地物を測る例 -UAV/ドローン測量 - 動く地物を測る例 -ICT建機 - まとめ ヒト モノ カネ
  • 9. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 遠隔操縦による 作業者安全確保 偵察・攻撃 危険物探索 サンプル収集 災害救助 セキュリティ 映像・報道 スポーツ分析 交通量調査 UAV/ドローン利⽤の⽬的 低空⾶⾏による ⾼分解能データ 物流の⾃動化・ ⾼速化 定期観測の ⾃動化 観測・監視の ⾃動化 搬送・操作の ⾃動化 測量/施⼯管理 環境調査 農業・畜産 在庫管理 施設管理 宅配 医療⽀援 超⾼速運搬 作業の⾃動化 補修 農薬散布 低コスト化・迅速化・安全化
  • 10. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 構造物3D計測を⽬的としたドローン空撮 低空撮影なので,安いカメラで⾼空間分解能な画像を撮影できる 排⽔パイプ ひび割れ さび 排⽔路
  • 11. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY ⼟⽊におけるUAV/ドローンの利⽤例 橋梁点検 ⼟砂災害空撮 ダム点検 ⽂化財 河川調査 芝浦⼯⼤・宮本研究室 現場にあわせて, UAVを選択・ カスタマイズ UAV撮影,吊り下げ撮影, パノラマ撮影ほか, 適材適所な計測 植⽣分布の剥離分析と掃流⼒解析 災害直後の空撮ができる ケースは,実は珍しい
  • 12. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 画像計測のメリット・デメリット Phantom3, DJI 安価なドローンで 点群⽣成できる 草⽊のある箇所の地盤⾯ を計測できない 安いセンサで 分解能が⾼い ⾯的に点群を得るには, 複数コース撮影が必要 ⾒えない場所は 計測できない 点群⽣成の 計算時間が かかる ⾊つき点群を ⽣成できる 画像計測
  • 13. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 画像計測 vs. レーザー計測 安いセンサで 分解能が⾼い ⾯的に点群を得るには, 複数コース撮影が必要 ⾒えない場所は 計測できない 点群⽣成の 計算時間が かかる ⾊つき点群を ⽣成できる 画像計測 レーザー計測 ⾒えない場所も 計測できる 点群⽣成 が容易 センサが⾼価で 分解能が低い 単コースだけでも, ⾯的に点群を得られる ⾊つき点群の⽣成 にはカメラが必要
  • 14. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY UAVレーザー計測システムは,なぜ⾼価格︖ 墜落させたくないので,⾶ばしづらい 圧倒的に低価格にするには︖︖ 測距情報 位置情報 姿勢情報 対地⾼度100~150mの場合,400m程度 は測距可能な⻑距離スキャナが必要 ⾼価格 ⾼価格 ⾼価格 ⾼分解能・⾼精度な⾓度情報を得るには, ⾼価格なIMUが必要 数cm精度の測位には⼲渉測位 (多周波GNSS受信機・アンテナ)が必要
  • 15. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 圧倒的に低価格にするには︖ 測距情報 位置情報 姿勢情報 対地⾼度100~150mの場合, 400m程度は測距可能な⻑距離 スキャナが必要 ⾼価格 ⾼価格 ⾼価格 ⾼分解能・⾼精度な⾓度情報を 得るには,⾼価格なIMUが必要 数cm精度の測位には⼲渉測位 (多周波GNSS受信機・アンテナ) が必要 多層レーザースキャナを採⽤ ⼀周波マルチGNSSを採⽤ IMUの省略 数百万円→数⼗万円 数百万円→数万円 数百万~数千万円の センサを省略 ⾃動運転で使うセンサで構成する 制約条件︓ 低空計測で SLAMで IMUを代替
  • 16. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 多層レーザースキャナ 基本的に⾮測量⽤.最近は低価格化している 多層レーザースキャナの データ取得例(⾃動⾞) Visualization of LIDAR data 複数断⾯を取得 多層レーザースキャナ ⾃動運転向けに開発された レーザースキャナ 単層レーザースキャナ 従来型のレーザースキャナ ⼀断⾯を取得
  • 17. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY GPS/GNSS測位の種類 単独測位 相対測位 ディファレンシャル測位 ⼲渉測位 スタティック測位 後処理 キネマティック測位 リアルタイム キネマティック測位 ケータイ,カ ーナビ向け 測量向け Carrier Phase Positioning 擬似距離 を⽤いる スタンドアロン型 Assisted GPS 簡易測量 位相差 を⽤いる (RTK-GPS/GNSS) ⼀周波複合GNSS測位 多周波測位 ⾃律移動 ロボット 向け 低コストな⾼精度測位は マルチGNSSな必要がある 精密単独測位(PPP) Differential GPS︓DGPS
  • 18. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY UAV Laser Scanning Systems Sensor integration: Multi-LiDAR, Low-cost RTK, and Camera GNSS antenna (Velodyne) GNSS antenna (u-blox) LiDAR (Velodyne) Camera Controller (Microsoft) UAV-E695MP ⾼精度IMUは 使わない
  • 19. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY BIM/CIMにおいて安価に点群を取得する⽬的とその利活⽤ - BIM/CIMの概要 - 動かない地物を測る例 -UAV/ドローン測量 - 動く地物を測る例 -ICT建機 - まとめ ヒト モノ カネ
  • 20. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY ICT建機の概論 ■⼤規模な施⼯現場では 近年の建設業界における主な課題 ・技術者不⾜ ・建設⽣産性の向上 ・労働災害,事故の低減 具体的な取り組みのひとつに ICTを活⽤した建機 ・無⼈施⼯(遠隔操作可能な無⼈建機による施⼯) ■施⼯環境が狭隘な都市⼟⽊の施⼯現場では ・無⼈施⼯は衛星測位に⼤きく依存するため適⽤は容易ではない 施⼯の安全性や効率性を改善するうえで, 建機と作業員の協調作業の⾼度化が有効 i-Constructionによる建設現場の⽣産⾰命 https://www.ipros.jp/technote/column-i-construction/ 安全管理は 職⼈技でカバー︖ 作業員と建機が近接作業するので, これを安全にしたい
  • 21. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY Data-Driven Systems using Construction Vehicles Wide-range scanning GPS synchronization Closed-range scanning Beacon ranging Achieve safer and more efficient construction in urban areas Radio detecting and ranging Uplink Offline Feedback Offline Learning Obstacle Avoidance
  • 22. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY Scanner position Virtual fences Tracked workers Construction vehicles (scene: 300) Construction vehicles (scene: 265) X[m] Y[m] Wide-range scanning Closed-range scanning Beacon ranging 都市⼟⽊におけるICT建機 空間情報 × ロボティクス × 情報通信 × 施⼯技術 × 安全教育 Fixed (input) Fixed (labeled) Excavation works Piping works Filling works Depth-intensity - Data processing: Nakagawa Lab. - Experiments with: Azuma Kigyo SLAM-tracking(3D) SLAM-tracking(2D)
  • 23. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY 建機災害の未然防⽌に必要なモデリング 領域モデリング 施⼯空間の4次元モデリング(X,Y,Z,t) 地物モデリング - Outdoor - Semi-outdoor - Semi-under ground - Under ground 危険予測モデリング - 作業員 - 建機(バケットなど) - 電柱,電線,建物 - 歩⾏者,⾃動⾞ - 建機の動作の危険予測 - 作業員の動作の危険予測 - 施⼯による環境変化に伴う危険予測 動的モデリング - 施⼯に伴う環境変化(掘削など) - 建機の動作(旋回・掘削・⾛⾏) - 作業員の動作(施⼯・移動など) 危険領域 地物モデル 動的モデル 領域モデル 変化する 危険度 Semi-underground Outdoor Semi-outdoor Underground Semi- underground Outdoor Semi- outdoor
  • 24. NAKAGAWA Masafumi : mnaka@shibaura-it.ac.jp SHIBAURA INSTITUTE OF TECHNOLOGY BIM/CIMにおいて安価に点群を取得する⽬的とその利活⽤ - BIM/CIMの概要 - 動かない地物を測る例 -UAV/ドローン測量 - 動く地物を測る例 -ICT建機 - まとめ ヒト モノ カネ