Loading article…
点群は、空間内の離散的なデータ点の集合です。これらの点は、3D 形状またはオブジェクトを表すことができます。各点の位置には、デカルト座標(X、Y、Z)のセットがあります。 [ 1 ] [ 2 ]点には、 RGB 色、[ 2 ]法線、[ 3 ]タイムスタンプ[ 4 ]など、位置以外のデータが含まれる場合があります。点群は一般的に、周囲のオブジェクトの外面上の多数の点を測定する3D スキャナまたはフォトグラメトリソフトウェアによって生成されます。3D スキャン処理の出力として、点群は、製造部品の 3Dコンピュータ支援設計(CAD) または地理情報システム(GIS) モデルの作成、計測および品質検査、多数の視覚化、アニメーション、レンダリング、およびマス カスタマイゼーションアプリケーションなど、多くの目的に使用されます。
LiDARを使用して現実世界のシーンをスキャンする場合、取得される点群にはシーンの断片が含まれるため、スキャンされた環境の完全なマップを生成するには位置合わせが必要です。
点群は、3Dモデルや他の点群と位置合わせされることが多く、このプロセスは点群レジストレーションと呼ばれます。
反復最近点 (ICP) アルゴリズムは、重なりがあり、剛体変換によって分離されている 2 つの点群を位置合わせするために使用できます。[ 5 ]弾性変換を持つ点群は、ICP の非剛体バリアント (NICP) を使用して位置合わせすることもできます。[ 6 ]近年の機械学習の進歩により、点群のレジストレーションはエンドツーエンドのニューラルネットワークを使用して行うこともできます。[ 7 ]
工業計測や工業用CTスキャンを用いた検査においては、製造部品の点群を既存のモデルに位置合わせし、差異を比較することができます。また、点群から幾何学的寸法や公差を直接抽出することも可能です。
点群は直接レンダリングして検査することもできますが、[ 10 ] [ 11 ]点群は、一般的に表面再構成と呼ばれるプロセスを通じて、ポリゴンメッシュまたは三角形メッシュモデル、非一様有理Bスプライン（NURBS）サーフェスモデル、またはCADモデルに変換されることがよくあります。
点群を3Dサーフェスに変換する手法は数多く存在する。[ 12 ]デローネイ三角形分割、アルファシェイプ、ボールピボットなどの手法では、点群の既存の頂点上に三角形のネットワークを構築するが、他の手法では、点群を体積距離場に変換し、マーチングキューブアルゴリズムによって定義された暗黙のサーフェスを再構築する。[ 13 ]
地理情報システムでは、点群は地形のデジタル標高モデルを作成するために使用されるソースの 1 つです。 [ 14 ]また、都市環境の 3D モデルを生成するためにも使用されます。[ 15 ]ドローンは、一連のRGB画像を収集するためによく使用され、これらの画像は、後で AgiSoft Photoscan、Pix4D、DroneDeploy、Hammer Missions などのコンピュータ ビジョン アルゴリズム プラットフォームで処理され、距離や体積の推定を行うことができる RGB 点群が作成されます。
点群は、医療画像処理などで行われるように、体積データの表現にも使用できます。点群を使用することで、マルチサンプリングとデータ圧縮を実現できます。[ 16 ]
MPEGは2017年に提案募集（CfP）により点群圧縮（PCC）の標準化を開始しました。[ 17 ] [ 18 ] [ 19 ]点群は3つのカテゴリに分類されました。カテゴリ1は静的点群、カテゴリ2は動的点群、カテゴリ3はLidarシーケンス（動的に取得された点群）です。最終的に2つの技術が定義されました。カテゴリ1とカテゴリ3にはG-PCC（ジオメトリベースPCC、ISO/IEC 23090パート9）[ 20 ] 、カテゴリ2にはV-PCC（ビデオベースPCC、ISO/IEC 23090パート5）[ 21 ]です。最初のテストモデルは2017年10月に開発され、1つはG-PCC（TMC13）、もう1つはV-PCC（TMC2）です。それ以来、2 つのテスト モデルは技術的な貢献と協力によって進化し、没入型メディア コンテンツの符号化表現に関する ISO/IEC 23090 シリーズの一部として、PCC 標準仕様の最初のバージョンが 2020 年に最終決定される予定でした。[ 22 ]
{{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）