ＤＴＭ推定方法、ＤＴＭ推定プログラム及びＤＴＭ推定装置、並びに、３次元建物モデルの作成方法
【課題】ＬｉＤＡＲデータに基づいて推定されるＤＴＭの精度を高める。
【解決手段】航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定方法であって、所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出し、河川領域を除くデータについて、第１の最大許容傾斜値（例えば３度）を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、第１の最大許容傾斜値より大きい第２の最大許容傾斜値（例えば４．５度）を設定して再度ＤＴＭを推定する。
【解決手段】航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定方法であって、所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出し、河川領域を除くデータについて、第１の最大許容傾斜値（例えば３度）を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、第１の最大許容傾斜値より大きい第２の最大許容傾斜値（例えば４．５度）を設定して再度ＤＴＭを推定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、航空機による地表のレーザースキャナーデータに基づいてＤＴＭ（Digital Terrain Model）を推定する技術に関する。
【背景技術】
【０００２】
航空機から地表をレーザースキャンした反射波として得られるＬｉＤＡＲ（Light Detection And Ranging）データは、高精度な三次元座標の点群データとして、建物の高さや森林の樹高を測定することに利用可能である（例えば、特許文献１参照。）。このＬｉＤＡＲデータにより、所望の領域について、地表面（敷地や道路等の地表面）の他、建物の最上部や樹木の最上端を含むＤＳＭ（Digital Surface Model）を得ることができる。
【０００３】
一方、部分的に得られた地表面のデータ及び、これらから全体を補間したデータによって、地表面のみを表すＤＴＭを推定することができる。これによって、例えば、建物の高さは、（ＤＳＭ−ＤＴＭ）として算出することができる（例えば、非特許文献１参照。）。ＤＴＭを推定するには、ＬｉＤＡＲデータの所定範囲について、その中の標高最低点が地表面であるとする。そして、当該範囲内で地表面を探索し、かつ、内挿（補間）すれば、ＤＴＭを推定することができる。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第４０５８２９３号
【非特許文献】
【０００５】
【非特許文献１】「航空機ＬｉＤＡＲデータからの密集市街地における地表面データのフィルタリングアルゴリムの構築」、須▲崎▼純一、幸良淳志、児島利治、応用測量論文集Ｖｏｌ．２１、第７８〜８９頁
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上記のＤＴＭは、ＬｉＤＡＲデータと違って推定であるため、多少の誤差・誤認識が生じることは避けられないが、いかに当該誤差・誤認識を抑制するかが重要である。種々の地表面に対してＤＴＭ推定を行ってみた結果、特に、全体として平坦な土地に河川がある場合に、河床、堤防、橋等のデータの点群を、地表面として認識するのが難しいことが判明した。また、道路から徐々に上がっていく屋上駐車場（建物の最上部）が、誤って地表面と認識されることもあった。
【０００７】
かかる従来の問題点に鑑み、本発明は、ＬｉＤＡＲデータに基づいて推定されるＤＴＭの精度を高めることを目的とする。
【課題を解決するための手段】
【０００８】
（１）本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定方法であって、前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出し、前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することを特徴とする。
【０００９】
上記のようなＤＴＭ推定方法では、ＤＴＭの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってＤＴＭの精度が悪くなることを防止できる。また、推定したＤＴＭにおいて局所的に傾斜が所定値を超えるときは、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することにより、１回目には探索できなかった地表面データを追加し、ＤＴＭ推定の精度を向上させることができる。
【００１０】
（２）また、上記（１）のＤＴＭ推定方法において、第２の最大許容傾斜値は、地形及び町並みの特徴に応じて増減されるものであってもよい。
この場合、地形及び町並みの特徴に応じて最適なＤＴＭ推定を行うことができる。
【００１１】
（３）また、本発明は、上記（１）のＤＴＭ推定方法を含む３次元建物モデルの作成方法であって、前記レーザースキャナーデータを、前記ＤＴＭ推定方法によって推定されたＤＴＭと、非地表面データとに分離し、前記非地表面データにおける各領域について、対となる向きの法線ベクトルの有無を調べ、その結果に基づいて屋根の形を推定する３次元建物モデルの作成方法である。
この場合、精度良く推定されたＤＴＭに基づいて正確な非地表面データを取得し、さらに、対となる向きの法線ベクトルの有無を調べることにより、平坦な屋根の他、切妻、寄棟等の屋根の形を推定して３次元建物モデルを作成することができる。
【００１２】
（４）また、上記（３）の３次元建物モデルの作成方法において、各領域は、所定範囲の航空写真のデータから少なくとも長方形の形状を優先的に抽出することにより予め抽出されるものであってもよい。
この場合、屋根の形状として確率の高い長方形により、屋根の領域の識別精度を高め、より正確な３次元建物モデルを作成することができる。
【００１３】
（５）一方、本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定プログラムであって、前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能、前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定する機能、推定したＤＴＭから局所的な傾斜を計算する機能、及び、傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定する機能を、コンピュータによって実現させるためのＤＴＭ推定プログラムである。
【００１４】
上記のようなＤＴＭ推定プログラムでは、ＤＴＭの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってＤＴＭの精度が悪くなることを防止できる。また、推定したＤＴＭにおいて局所的に傾斜が所定値を超えるときは、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することにより、１回目には探索できなかった地表面データを追加し、ＤＴＭ推定の精度を向上させることができる。
【００１５】
（６）また、本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定装置であって、航空機による地表のレーザースキャナーデータを読み込む入力装置と、前記レーザースキャナーデータの所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する河川抽出部と、前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定するＤＴＭ推定部と、推定されたＤＴＭを表示する表示部とを備えたものである。
【００１６】
上記のようなＤＴＭ推定装置では、ＤＴＭの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってＤＴＭの精度が悪くなることを防止できる。また、推定したＤＴＭにおいて局所的に傾斜が所定値を超えるときは、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することにより、１回目には探索できなかった地表面データを追加し、ＤＴＭ推定の精度を向上させることができる。
【発明の効果】
【００１７】
本発明によれば、ＤＴＭ推定の精度を向上させることができる。
【図面の簡単な説明】
【００１８】
【図１】（ａ）は、京都市東山区清水寺、法観寺、高台寺の周辺の航空写真であり、この地域は、建物が密集している平地と、丘陵地とが混在している。（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。
【図２】（ａ）は、１回目の処理で抽出された地表面データであり、（ｂ）は２回目の処理で抽出された地表面データである。
【図３】（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【図４】（ａ）は、京都市中京区五条通り周辺の航空写真であり、この地域は、建物が密集している平地の中に、河川がある。（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。
【図５】（ａ）は、１回目の処理で抽出された地表面データであり、（ｂ）は２回目の処理で抽出された地表面データである。
【図６】（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【図７】（ａ）は、京都市伏見区伏見桃山周辺の航空写真であり、この地域は、建物が密集している平地の中に、大きな土手を備えた河川がある。（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。さらに、（ｃ）は、１回目の処理によるＤＴＭを示し、（ｄ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【図８】（ａ）は、図７の（ｂ）に示すＬｉＤＡＲデータの一部を拡大した図であり、（ｂ）は、（ａ）における矢印方向から見た当該地域の地上写真である。さらに、（ｃ）は、１回目の処理によるＤＴＭ（拡大図）を示し、（ｄ）は、２回目の処理を行った後の最終のＤＴＭ（拡大図）を示す。
【図９】（ａ）は、京都市東山区清水寺近くの駐車場及びその周辺の、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、図ではカラーは表現されていない。）示した図であり、（ｂ）は航空写真である。
【図１０】（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【図１１】（ａ）は市街地の航空写真であり（７５ｍ×７５ｍ）、（ｂ）は領域分割の結果である。
【図１２】（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。
【図１３】（ａ）は高層ビルを含む市街地の航空写真であり（７５ｍ×７５ｍ）、（ｂ）は領域分割の結果である。
【図１４】（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。
【図１５】（ａ）は高木が建物に隣接している市街地の航空写真であり（７５ｍ×７５ｍ）、（ｂ）は領域分割の結果である。
【図１６】（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。
【図１７】（ａ）は寄棟屋根の多い市街地の航空写真であり（７５ｍ×７５ｍ）、（ｂ）は領域分割の結果である。
【図１８】（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。
【図１９】ＤＴＭ推定装置の構成の一例を示すブロック図である。
【図２０】ＤＴＭ推定方法又は推定プログラムを示すフローチャートである。
【図２１】（ａ）が切妻屋根の法線ベクトル、（ｂ）が寄棟屋根の法線ベクトルを示す図である。
【発明を実施するための形態】
【００１９】
《ＤＴＭの推定》
図１９は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定する装置の構成の一例を示すブロック図である。このＤＴＭ推定装置は、ＣＰＵ１、バス２を介してＣＰＵ１と接続されたメモリ３、ハードディスク等の補助記憶装置４、インターフェース５，６、並びに、インターフェース５及び６にそれぞれ接続されたドライブ７及びディスプレイ８を含むものであり、典型的には、これは、パーソナルコンピュータである。入力装置としてのドライブ７に、ＬｉＤＡＲデータ（レーザースキャナーデータ）を収めたＣＤ，ＤＶＤ等の記憶媒体９を装着することにより、ＬｉＤＡＲデータが読込み可能となる。
【００２０】
ＣＰＵ１は、ソフトウェアによって実現される内部機能として、大別すれば、河川抽出部１ａと、ＤＴＭ推定部１ｂとを備えている。これらの機能についての詳細は後述するが、河川抽出部は、ＬｉＤＡＲデータ（レーザースキャナーデータ）の所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能を有する。また、ＤＴＭ推定部１ｂは、河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定するという機能を有する。推定されたＤＴＭは、表示部としてのディスプレイ８に表示可能である。
【００２１】
次にＣＰＵ１における上記機能すなわちＤＴＭ推定方法又は推定プログラムについて、図２０のフローチャートを参照して説明する。なお、プログラムは補助記憶装置４（図１９）に記憶され、メモリ３を用いて、ＣＰＵ１により実行される。使用するＬｉＤＡＲデータは、市販品であり、例えば、平均点密度１点／１ｍ２で、３次元座標データを持つファーストパルスデータ（最初に地表面で反射される受信データ）のみを含むものである。なお、使用可能なデータは、これに限られるものではない。例えば、フルウェーブタイプと呼ばれる、ファーストからラストまで連続したデータも使用可能である。
【００２２】
図２０において、まず、ＣＰＵ１は、ＬｉＤＡＲデータから河川領域を抽出する（ステップＳ１）。具体的には、単位グリッドとしての１ｍグリッドに設定した画像において、データ（点）が存在しない画素を連結し、一定面積以上を占める領域を、河川領域として抽出する。
【００２３】
次に、ＣＰＵ１は、ＬｉＤＡＲデータから局所最低値を抽出する（ステップＳ２）。具体的には、１回目は５０ｍ×５０ｍの窓内で局所最低値を抽出し、２回目は２５ｍ×２５ｍの窓内で局所最低値を探索する。２回目の局所最低値が１回目の局所最低値より大幅に高くならず（例えば５０ｃｍ以内）、かつ、１回目、２回目の局所最低値である３次元座標上の２点から計算される傾斜が第１の最大許容傾斜値（例えば３度）以下のときは、１回目の局所最低値を２回目の局所最低値に更新する。それ以外のときは、１回目の局所最低値を採用する。
【００２４】
次に、ＣＰＵ１は、ＬｉＤＡＲデータから最小二乗法により平面を推定し（ステップＳ３）、平面に対するＲＭＳＥ（Root Mean Square Errors：平均二乗誤差）が小さい場合の、それらの点は、共通の平面上にあるものとする。具体的には、例えば、４ｍ×４ｍの領域に含まれる全ての点群を用いて平面の方程式を計算し、平面に対するＲＭＳＥが１０ｃｍ以下であれば、全ての点群に平面の方程式を付与する。この平面とは道路面の候補であり、斜面でもよいが、極端な斜面は道路の可能性が非常に低いので、例えば、平面の法線の鉛直成分が０．９以上に限定する。
【００２５】
そして、ＣＰＵ１は、上記平面上の点のうち、局所最低値の点との標高差が小さく、かつ、局所最低値から見た傾斜以内である点を地表面データの初期値（初期の点群）として選定する（ステップＳ４）。
続いて、ＣＰＵ１は、当該地表面データの近隣の点を探索し、地表面データが有する平面の方程式を使って平面までの距離を計算し、その距離が閾値（例えば１０ｃｍ）以下であれば、追加する地表面データの候補となる。そして、地表面データと成す傾斜が最大許容傾斜値（例えば３度）以下であれば、地表面データとして追加する（ステップＳ５）。
【００２６】
地表面データの追加（ステップＳ５）は、追加される点が無くなるまで行われる（ステップＳ６）。追加される点が無くなると、地表面データの抽出は完了である。
続いて、ＣＰＵ１は、地表面データが存在しない地点について近隣の地表面データを探索し、内挿してＤＴＭを推定する（ステップＳ７）。この探索時に河川領域に遭遇すれば、ＣＰＵ１は、その方向への探索を中止する。
【００２７】
次に、ＣＰＵ１は、推定したＤＴＭに基づいて局所的な傾斜を計算する（ステップＳ８）。傾斜は２１ｍ×２１ｍの領域を単位として、まず地表面高さの平均値を計算する。ある領域の地表面高さに対し、周囲の８つ（上下／左右／斜め）の近傍の領域を探索し、領域の中心間の距離と地表面高さの平均値の差から傾斜を計算し、最大の傾斜値を求める。傾斜が閾値（例えば４．５度）以上の場合には、最大許容傾斜値を、より大きく設定して、第２の最大許容傾斜値に更新する（例えば４．５度に更新する。）。
【００２８】
続いて、ＣＰＵ１は、ステップＳ５〜Ｓ８の処理が１回目か否かを判定する（ステップＳ９）。最初は「Ｙｅｓ」であり、ＣＰＵ１は、第２の最大許容傾斜値に基づいて再びステップＳ５，Ｓ６を実行する。ここで、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定していることによって、局所的に急な傾斜を持つ地点が、地表面データとして追加される。すなわち、最初のステップＳ５の処理では追加データから漏れていた河川の土手や丘陵地等の点群データが地表面データとして抽出され、追加される。その結果、ＤＴＭの推定が１回目よりも精度良く行われることになる。なお、２回目のステップＳ９では「Ｎｏ」となって、処理終了となる。
【００２９】
上記のような処理によるＤＴＭの精度向上を、図１〜１０の実例で示す。
（実例１）
図１の（ａ）は、京都市東山区清水寺、法観寺、高台寺の周辺の航空写真である。この地域は、建物が密集している平地と、丘陵地とが混在している。図１の（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。（ｂ）において、左側の黒っぽい部分が相対的に標高の低い部分であり、右側の黒っぽい部分は相対的に標高の高い部分である。中間の白っぽい部分は、それらの中間的な標高である。ＤＳＭは建物等を含んでいるため、地表面がわかりにくい。
【００３０】
図２の（ａ）は、１回目の処理で抽出された地表面データであり、（ｂ）は２回目の処理で抽出された地表面データである。図中の黒い部分が地表面（地盤面）を表している。また、図３の（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。図２，図３のそれぞれにおいて、（ａ）、（ｂ）の比較により明らかなように、２回目の処理を行ったことによって丘陵地（向かって右側）や平地の細部のデータが格段に精度良く得られている。
【００３１】
（実例２）
図４の（ａ）は、京都市中京区五条通り周辺の航空写真である。この地域は、建物が密集している平地の中に、河川がある。図４の（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。
【００３２】
図５の（ａ）は、１回目の処理で抽出された地表面データであり、（ｂ）は２回目の処理で抽出された地表面データである。また、図６の（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。この例では、１回目と、２回目とで、劇的な差は現れていない。言い換えれば、局部的に急な傾斜が無い平坦な地形では２回目の処理に１回目と同じ第１の最大許容傾斜値を用いることになるので、過剰な抽出が行われることはない。
【００３３】
（実例３）
図７の（ａ）は、京都市伏見区伏見桃山周辺の航空写真である。この地域は、建物が密集している平地の中に、大きな土手を備えた河川がある。図７の（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。なお、（ａ）における楕円は、高速道路であり、（ｂ）のＬｉＤＡＲデータ取得時にはまだ建設されていなかった。また、図７の（ｃ）は、１回目の処理によるＤＴＭを示し、（ｄ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【００３４】
図８の（ａ）は、図７の（ｂ）に示すＬｉＤＡＲデータの一部を拡大した図であり、図８の（ｂ）は、（ａ）における矢印方向から見た当該地域の地上写真である。また、図８の（ｃ）は、１回目の処理によるＤＴＭ（拡大図）を示し、（ｄ）は、２回目の処理を行った後の最終のＤＴＭ（拡大図）を示す。（ｄ）において、中央に縦に延びている白い線は河川であり、その左右の黒っぽい部分は土手である。（ｃ）、（ｄ）の比較により、１回目は地表面として扱えなかった土手が、２回目は地表面として精度良く認識されていることがわかる。
【００３５】
（実例４）
図９の（ａ）は、京都市東山区清水寺近くの駐車場及びその周辺の、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、図ではカラーは表現されていない。）示した図である。（ｂ）は航空写真である。また、図１０の（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。（ａ）、（ｂ）の比較により、１回目は地表面としてその形状を捉えきれなかった駐車場（中央の黒い部分）が、２回目は地表面として精度良く認識されていることがわかる。
【００３６】
（実例５）
図示しないが、ビルの屋上駐車場についても同様に１回目、２回目のＤＴＭを得たが、ほとんど変化がなかった。この場合、屋上駐車場を地表面と誤って認識することはなかった。
【００３７】
《まとめ》
上記のようなＤＴＭ推定方法／プログラム／装置では、ＤＴＭの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってＤＴＭの精度が悪くなることを防止できる。また、推定したＤＴＭにおいて局所的に傾斜が所定値を超えるときは、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することにより、１回目には探索できなかった地表面データを追加し、ＤＴＭ推定の精度を向上させることができる。
【００３８】
なお、第２の最大許容傾斜値は、地形及び町並みの特徴に応じて増減すればよい。京都市の場合は４．５度が好適であることが確認された。京都市よりもさらに傾斜の多い土地では４．５度以上も適すると想定される。逆に、京都市よりも傾斜の少ない土地では４．５度未満（３度よりは大きい）が適すると想定される。実験的に最適な数値を選ぶことで、地形及び町並みの特徴に応じて最適なＤＴＭ推定を行うことができる。
【００３９】
《３次元建物モデルの作成》
ＬｉＤＡＲデータ及び、上述の処理により精度良く推定されたＤＴＭを用いて、（ＤＳＭ−ＤＴＭ）の演算を行うことにより、データ上で地表面を除去し、建物や木等の、地上に存在する物の高さのデータのみを取得することができる。以下、このようなデータを用いて３次元建物モデルを作成する方法について説明する。まず、航空写真のデータを用いた建物等の領域分割について説明する。
【００４０】
（領域分割）
領域分割の概要は、まず、輝度値の分散が大きいテクスチャを持つ領域も抽出するため、輝度値を少数個の値に離散化した上で領域分割を試みる。離散化する輝度値の幅は、異なる分散の程度に対応するために複数用意する。長方形に近い領域を優先的に抽出するため、長方形指数と呼ぶ指数を計算する。影で分断されている可能性を考慮し、隣接する領域と組み合わせて、長方形指数が向上すれば両者を統合する。
【００４１】
以下、細部に及ぶが、領域分割の具体例について参考のため説明する。
（１）１バイト（輝度値の範囲：０〜２５５）×３バンド（ＲＧＢ）画像の任意の１バンドの輝度値に対し、Ｎｄｉｓｃ種類の離散化幅を設定する。各離散化幅の下で、Ｎｏｆｆ種類の異なるオフセット値を適用し、画像輝度値を離散化する。例えば、「輝度値の離散化幅＝４０」「オフセット数＝５」の時に「オフセット値幅＝８」となり、「オフセット値＝｛０，８，１６，２４，３２｝」のＮｏｆｆ種類の離散化画像が得られる。「オフセット値＝０」の下では、原画像の輝度値が「０〜３９」が同一離散化値を与えられ、同様に「４０〜７９」「８０〜１１９」「１２０〜１５９」「１６０〜１９９」「２００〜２３９」「２４０〜２５５」を含めた７つの区分に離散化される。本実験では次のパラメータを使用した。
【００４２】
使用バンド：赤（Ｒ）バンド
輝度値の離散化幅Δｄ＝｛４０，３０，２０｝
オフセット数Ｎｏｆｆ＝５
オフセット値幅Δｏｆｆ＝Δｄ／Ｎｏｆｆ＝｛８，６，４｝
【００４３】
（２）各離散化画像において、４方向を探索し、同じ値を持つ画素を連結し領域として抽出する。一定面積以上の大領域（本実験では６４００画素：以下、実験で採用した値）は除去する。また一定面積未満（８０画素）の小領域は周辺に一定面積以上の領域があれば統合し、なければ除去する。その後、各領域のエッジを抽出する。
（３）ある離散化幅におけるＮｏｆｆ種類の離散化画像から得られたエッジを全て１枚に重ね合わせる。
（４）一定強度以上のエッジを残し、それに連結するエッジも抽出する。この時点で本来なら閉じるはずの領域がノイズなどの影響で閉じていないことも多いため、エッジが存在しなくても周辺に直線状のエッジが存在することが確認できれば、エッジを連結する。
（５）エッジで閉じた領域にラベル番号を付与し、ＲＧＢ輝度値から判断し、植生らしい領域を除去する。（２）と同様に一定面積以上の大領域（６４００画素）を除去し、一定面積以下（本実験では３０画素）の小領域は周辺に一定面積以上の領域があれば統合し、なければ除去する。
（６）各領域の長方形指数と呼ぶ指数を次のように計算する。
【００４４】
（ア）領域のエッジの集合（エッジ群と呼ぶ）の２次元座標から、第１軸と第２軸を決定する。
（イ）領域の存在範囲を第１軸と第２軸の値で表現し、第１軸の（最大値−最小値＋１）、第２軸の（最大値−最小値＋１）を掛け合わせて、領域を取り囲む矩形の面積を得る。
（ウ）実際の領域の面積／領域を取り囲む矩形の面積を長方形指数と定義する。
（エ）長方形指数が一定値（０．４）を下回ると、建物でない可能性が高いと判断して除外される。
【００４５】
（７）ある領域Ａの近隣の領域を探索し、
（ア）併合した場合の長方形指数が各々の長方形指数よりも向上する。
（イ）指定した閾値（０．７）以上である。
（ウ）領域の平均輝度値の差が一定値（３０）以内である。
という条件を満たす近隣の領域のうち、併合時の長方形指数が最大となる領域を併合の候補とし、仮に領域Ｂとする。領域Ｂでも同様に探索し、領域Ａが（ア）〜（ウ）の全ての条件を満たし、かつ併合時の長方形指数が最大となる領域である場合に、領域ＡとＢを併合する。
（８）Ｎｄｉｓｃ種類の離散化幅の下で得られた一定面積以上の領域を、長方形指数が高い順に選んでいく。ただし、当該領域の一部でも既に選ばれた領域に重なっていれば、その領域は選ばない。
（９）選ばれなかった領域に対し、再度選定していく。今度は既に選ばれた領域との重なりが一定値未満（本実験では、３０％）で、かつ一定面積未満（３０画素未満）であれば、重なっていない部分だけを新たな領域として追加選出する。ただし重なっていない部分に対しても長方形指数を算出し、閾値（０．４５）以上である場合に限る。
（１０）領域内の穴を埋める。
【００４６】
（３次元建物モデル）
領域分割で得られた領域は屋根単位ではなく、同一建物で対となる傾斜のある屋根、あるいは別の建物の屋根が分離されていないこともある。また領域分割では屋根・建物の抽出漏れ、逆に樹木や道路も抽出していることも起こりうる。しかしながら、下記の対策を取ることで、モデリングの漏れを少なくしている。
【００４７】
推定したＤＴＭは、ＬｉＤＡＲデータから除去する。屋根の平面、法線ベクトルを計算する際にＲＭＳＥの許容値を設けることで樹木の大半は削除できる。切妻屋根の建物において向かい合う屋根が分離されていない場合、法線ベクトルの分布状況を調べて混合している可能性が高い場合には分離して、切妻屋根を生成する。隣接する切妻屋根の建物で片側の屋根が分離されていない状況において（屋根の数が棟を挟んで１対２の関係）、分離されていない領域を２つの屋根に分離することで２組の１対１の屋根のペアを生成し、２棟の切妻屋根の建物を生成する。
【００４８】
密集市街地における建物の配置に着目し、屋根面がもつ傾斜や法線ベクトルといった情報を利用することで、切妻屋根や寄棟屋根、平屋根の判定を行い、より本来の形に近い建物３次元モデルを生成する。具体的には、近隣の点群間の水平・鉛直距離が一定値以内の点群から主たる方位角を決めて、それに基づいて建物の棟や輪郭を決定することで、現実に近い建物の向きを決定できる。
【００４９】
具体的には、３次元座標の点群データであるＬｉＤＡＲデータに対し、ＤＴＭを用いて地表面と非地表面を分離するフィルタリング処理を行う。非地表面データから屋根や建物の領域における法線ベクトルを計算する。９ｍ×９ｍの領域内で、６点以上点が存在する場合に平面の方程式を計算し、ＲＭＳＥが１０ｃｍ以下であれば、計算に使用した全ての点群に法線ベクトルを付与する。領域の法線が傾いていれば対となる領域を探索する。
【００５０】
非地表面データに対し、最近隣の点データからの水平距離、鉛直距離が一定値以内である点群ごとに分類する。このうち屋根や建物の領域に該当する点群だけを用いて、点群データの主たる方位角を決定する。寄棟屋根、切妻屋根、それ以外の屋根の順にワイヤーフレームモデルを作成する。各モデルを作成する際には棟や輪郭が、点群データの主たる方位角と同一あるいは直交するように配慮する。
【００５１】
寄棟屋根については、対となる屋根の組が２組存在する時に生成される。切妻屋根については、対となる屋根が存在する領域があり、両者の領域において切妻屋根を生成する。法線ベクトル分布が複数の法線の混合状態を示す領域については、領域内において２つに分割し、法線ベクトルが明瞭に分離される場合には、切妻屋根を生成する。そうでない場合には平屋根を生成する。なお、図２１は、（ａ）が切妻屋根の法線ベクトル、（ｂ）が寄棟屋根の法線ベクトルを示す。
それ以外の屋根については、平屋根を生成する。建物として抽出されなかったものの、地表面から一定以上の高さを持ち、特定の平面上にある点を選定し、最終結果に含める。
【００５２】
上記のような処理による領域分割、３次元建物モデルの作成を、図１１〜１８の実例で示す。
（実例１）
図１１の（ａ）は市街地の航空写真である（７５ｍ×７５ｍ）。（ｂ）は領域分割の結果である。便宜上色分けしている（本図では色は表示されていない。）が、色自体に意味はない。（ｂ）に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図１２の（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
【００５３】
（実例２）
図１３の（ａ）は高層ビルを含む市街地の航空写真である（７５ｍ×７５ｍ）。（ｂ）は領域分割の結果である。便宜上色分けしている（本図では色は表示されていない。）が、色自体に意味はない。（ｂ）に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図１４の（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
【００５４】
（実例３）
図１５の（ａ）は高木が建物に隣接している市街地の航空写真である（７５ｍ×７５ｍ）。（ｂ）は領域分割の結果である。便宜上色分けしている（本図では色は表示されていない。）が、色自体に意味はない。（ｂ）に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図１６の（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
【００５５】
（実例４）
図１７の（ａ）は寄棟屋根の多い市街地の航空写真である（７５ｍ×７５ｍ）。（ｂ）は領域分割の結果である。便宜上色分けしている（本図では色は表示されていない。）が、色自体に意味はない。（ｂ）に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図１８の（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
【００５６】
《まとめ》
以上のように、精度良く推定されたＤＴＭに基づいて正確な非地表面データを取得し、さらに、対となる向きの法線ベクトルの有無を調べることにより、平坦な屋根の他、切妻、寄棟等の屋根の形を推定して３次元建物モデルを作成することができる。
また、３次元建物モデルを作成するための領域を予め抽出することにより、屋根の領域の識別精度を高め、より正確な３次元建物モデルを作成することができる。
【００５７】
なお、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。
【符号の説明】
【００５８】
１ａ：河川抽出部
１ｂ：ＤＴＭ推定部
７：ドライブ（入力装置）
８：ディスプレイ（表示部）
【技術分野】
【０００１】
本発明は、航空機による地表のレーザースキャナーデータに基づいてＤＴＭ（Digital Terrain Model）を推定する技術に関する。
【背景技術】
【０００２】
航空機から地表をレーザースキャンした反射波として得られるＬｉＤＡＲ（Light Detection And Ranging）データは、高精度な三次元座標の点群データとして、建物の高さや森林の樹高を測定することに利用可能である（例えば、特許文献１参照。）。このＬｉＤＡＲデータにより、所望の領域について、地表面（敷地や道路等の地表面）の他、建物の最上部や樹木の最上端を含むＤＳＭ（Digital Surface Model）を得ることができる。
【０００３】
一方、部分的に得られた地表面のデータ及び、これらから全体を補間したデータによって、地表面のみを表すＤＴＭを推定することができる。これによって、例えば、建物の高さは、（ＤＳＭ−ＤＴＭ）として算出することができる（例えば、非特許文献１参照。）。ＤＴＭを推定するには、ＬｉＤＡＲデータの所定範囲について、その中の標高最低点が地表面であるとする。そして、当該範囲内で地表面を探索し、かつ、内挿（補間）すれば、ＤＴＭを推定することができる。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第４０５８２９３号
【非特許文献】
【０００５】
【非特許文献１】「航空機ＬｉＤＡＲデータからの密集市街地における地表面データのフィルタリングアルゴリムの構築」、須▲崎▼純一、幸良淳志、児島利治、応用測量論文集Ｖｏｌ．２１、第７８〜８９頁
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上記のＤＴＭは、ＬｉＤＡＲデータと違って推定であるため、多少の誤差・誤認識が生じることは避けられないが、いかに当該誤差・誤認識を抑制するかが重要である。種々の地表面に対してＤＴＭ推定を行ってみた結果、特に、全体として平坦な土地に河川がある場合に、河床、堤防、橋等のデータの点群を、地表面として認識するのが難しいことが判明した。また、道路から徐々に上がっていく屋上駐車場（建物の最上部）が、誤って地表面と認識されることもあった。
【０００７】
かかる従来の問題点に鑑み、本発明は、ＬｉＤＡＲデータに基づいて推定されるＤＴＭの精度を高めることを目的とする。
【課題を解決するための手段】
【０００８】
（１）本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定方法であって、前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出し、前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することを特徴とする。
【０００９】
上記のようなＤＴＭ推定方法では、ＤＴＭの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってＤＴＭの精度が悪くなることを防止できる。また、推定したＤＴＭにおいて局所的に傾斜が所定値を超えるときは、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することにより、１回目には探索できなかった地表面データを追加し、ＤＴＭ推定の精度を向上させることができる。
【００１０】
（２）また、上記（１）のＤＴＭ推定方法において、第２の最大許容傾斜値は、地形及び町並みの特徴に応じて増減されるものであってもよい。
この場合、地形及び町並みの特徴に応じて最適なＤＴＭ推定を行うことができる。
【００１１】
（３）また、本発明は、上記（１）のＤＴＭ推定方法を含む３次元建物モデルの作成方法であって、前記レーザースキャナーデータを、前記ＤＴＭ推定方法によって推定されたＤＴＭと、非地表面データとに分離し、前記非地表面データにおける各領域について、対となる向きの法線ベクトルの有無を調べ、その結果に基づいて屋根の形を推定する３次元建物モデルの作成方法である。
この場合、精度良く推定されたＤＴＭに基づいて正確な非地表面データを取得し、さらに、対となる向きの法線ベクトルの有無を調べることにより、平坦な屋根の他、切妻、寄棟等の屋根の形を推定して３次元建物モデルを作成することができる。
【００１２】
（４）また、上記（３）の３次元建物モデルの作成方法において、各領域は、所定範囲の航空写真のデータから少なくとも長方形の形状を優先的に抽出することにより予め抽出されるものであってもよい。
この場合、屋根の形状として確率の高い長方形により、屋根の領域の識別精度を高め、より正確な３次元建物モデルを作成することができる。
【００１３】
（５）一方、本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定プログラムであって、前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能、前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定する機能、推定したＤＴＭから局所的な傾斜を計算する機能、及び、傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定する機能を、コンピュータによって実現させるためのＤＴＭ推定プログラムである。
【００１４】
上記のようなＤＴＭ推定プログラムでは、ＤＴＭの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってＤＴＭの精度が悪くなることを防止できる。また、推定したＤＴＭにおいて局所的に傾斜が所定値を超えるときは、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することにより、１回目には探索できなかった地表面データを追加し、ＤＴＭ推定の精度を向上させることができる。
【００１５】
（６）また、本発明は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定装置であって、航空機による地表のレーザースキャナーデータを読み込む入力装置と、前記レーザースキャナーデータの所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する河川抽出部と、前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定するＤＴＭ推定部と、推定されたＤＴＭを表示する表示部とを備えたものである。
【００１６】
上記のようなＤＴＭ推定装置では、ＤＴＭの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってＤＴＭの精度が悪くなることを防止できる。また、推定したＤＴＭにおいて局所的に傾斜が所定値を超えるときは、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することにより、１回目には探索できなかった地表面データを追加し、ＤＴＭ推定の精度を向上させることができる。
【発明の効果】
【００１７】
本発明によれば、ＤＴＭ推定の精度を向上させることができる。
【図面の簡単な説明】
【００１８】
【図１】（ａ）は、京都市東山区清水寺、法観寺、高台寺の周辺の航空写真であり、この地域は、建物が密集している平地と、丘陵地とが混在している。（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。
【図２】（ａ）は、１回目の処理で抽出された地表面データであり、（ｂ）は２回目の処理で抽出された地表面データである。
【図３】（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【図４】（ａ）は、京都市中京区五条通り周辺の航空写真であり、この地域は、建物が密集している平地の中に、河川がある。（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。
【図５】（ａ）は、１回目の処理で抽出された地表面データであり、（ｂ）は２回目の処理で抽出された地表面データである。
【図６】（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【図７】（ａ）は、京都市伏見区伏見桃山周辺の航空写真であり、この地域は、建物が密集している平地の中に、大きな土手を備えた河川がある。（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。さらに、（ｃ）は、１回目の処理によるＤＴＭを示し、（ｄ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【図８】（ａ）は、図７の（ｂ）に示すＬｉＤＡＲデータの一部を拡大した図であり、（ｂ）は、（ａ）における矢印方向から見た当該地域の地上写真である。さらに、（ｃ）は、１回目の処理によるＤＴＭ（拡大図）を示し、（ｄ）は、２回目の処理を行った後の最終のＤＴＭ（拡大図）を示す。
【図９】（ａ）は、京都市東山区清水寺近くの駐車場及びその周辺の、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、図ではカラーは表現されていない。）示した図であり、（ｂ）は航空写真である。
【図１０】（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【図１１】（ａ）は市街地の航空写真であり（７５ｍ×７５ｍ）、（ｂ）は領域分割の結果である。
【図１２】（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。
【図１３】（ａ）は高層ビルを含む市街地の航空写真であり（７５ｍ×７５ｍ）、（ｂ）は領域分割の結果である。
【図１４】（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。
【図１５】（ａ）は高木が建物に隣接している市街地の航空写真であり（７５ｍ×７５ｍ）、（ｂ）は領域分割の結果である。
【図１６】（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。
【図１７】（ａ）は寄棟屋根の多い市街地の航空写真であり（７５ｍ×７５ｍ）、（ｂ）は領域分割の結果である。
【図１８】（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。
【図１９】ＤＴＭ推定装置の構成の一例を示すブロック図である。
【図２０】ＤＴＭ推定方法又は推定プログラムを示すフローチャートである。
【図２１】（ａ）が切妻屋根の法線ベクトル、（ｂ）が寄棟屋根の法線ベクトルを示す図である。
【発明を実施するための形態】
【００１９】
《ＤＴＭの推定》
図１９は、航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定する装置の構成の一例を示すブロック図である。このＤＴＭ推定装置は、ＣＰＵ１、バス２を介してＣＰＵ１と接続されたメモリ３、ハードディスク等の補助記憶装置４、インターフェース５，６、並びに、インターフェース５及び６にそれぞれ接続されたドライブ７及びディスプレイ８を含むものであり、典型的には、これは、パーソナルコンピュータである。入力装置としてのドライブ７に、ＬｉＤＡＲデータ（レーザースキャナーデータ）を収めたＣＤ，ＤＶＤ等の記憶媒体９を装着することにより、ＬｉＤＡＲデータが読込み可能となる。
【００２０】
ＣＰＵ１は、ソフトウェアによって実現される内部機能として、大別すれば、河川抽出部１ａと、ＤＴＭ推定部１ｂとを備えている。これらの機能についての詳細は後述するが、河川抽出部は、ＬｉＤＡＲデータ（レーザースキャナーデータ）の所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能を有する。また、ＤＴＭ推定部１ｂは、河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定するという機能を有する。推定されたＤＴＭは、表示部としてのディスプレイ８に表示可能である。
【００２１】
次にＣＰＵ１における上記機能すなわちＤＴＭ推定方法又は推定プログラムについて、図２０のフローチャートを参照して説明する。なお、プログラムは補助記憶装置４（図１９）に記憶され、メモリ３を用いて、ＣＰＵ１により実行される。使用するＬｉＤＡＲデータは、市販品であり、例えば、平均点密度１点／１ｍ２で、３次元座標データを持つファーストパルスデータ（最初に地表面で反射される受信データ）のみを含むものである。なお、使用可能なデータは、これに限られるものではない。例えば、フルウェーブタイプと呼ばれる、ファーストからラストまで連続したデータも使用可能である。
【００２２】
図２０において、まず、ＣＰＵ１は、ＬｉＤＡＲデータから河川領域を抽出する（ステップＳ１）。具体的には、単位グリッドとしての１ｍグリッドに設定した画像において、データ（点）が存在しない画素を連結し、一定面積以上を占める領域を、河川領域として抽出する。
【００２３】
次に、ＣＰＵ１は、ＬｉＤＡＲデータから局所最低値を抽出する（ステップＳ２）。具体的には、１回目は５０ｍ×５０ｍの窓内で局所最低値を抽出し、２回目は２５ｍ×２５ｍの窓内で局所最低値を探索する。２回目の局所最低値が１回目の局所最低値より大幅に高くならず（例えば５０ｃｍ以内）、かつ、１回目、２回目の局所最低値である３次元座標上の２点から計算される傾斜が第１の最大許容傾斜値（例えば３度）以下のときは、１回目の局所最低値を２回目の局所最低値に更新する。それ以外のときは、１回目の局所最低値を採用する。
【００２４】
次に、ＣＰＵ１は、ＬｉＤＡＲデータから最小二乗法により平面を推定し（ステップＳ３）、平面に対するＲＭＳＥ（Root Mean Square Errors：平均二乗誤差）が小さい場合の、それらの点は、共通の平面上にあるものとする。具体的には、例えば、４ｍ×４ｍの領域に含まれる全ての点群を用いて平面の方程式を計算し、平面に対するＲＭＳＥが１０ｃｍ以下であれば、全ての点群に平面の方程式を付与する。この平面とは道路面の候補であり、斜面でもよいが、極端な斜面は道路の可能性が非常に低いので、例えば、平面の法線の鉛直成分が０．９以上に限定する。
【００２５】
そして、ＣＰＵ１は、上記平面上の点のうち、局所最低値の点との標高差が小さく、かつ、局所最低値から見た傾斜以内である点を地表面データの初期値（初期の点群）として選定する（ステップＳ４）。
続いて、ＣＰＵ１は、当該地表面データの近隣の点を探索し、地表面データが有する平面の方程式を使って平面までの距離を計算し、その距離が閾値（例えば１０ｃｍ）以下であれば、追加する地表面データの候補となる。そして、地表面データと成す傾斜が最大許容傾斜値（例えば３度）以下であれば、地表面データとして追加する（ステップＳ５）。
【００２６】
地表面データの追加（ステップＳ５）は、追加される点が無くなるまで行われる（ステップＳ６）。追加される点が無くなると、地表面データの抽出は完了である。
続いて、ＣＰＵ１は、地表面データが存在しない地点について近隣の地表面データを探索し、内挿してＤＴＭを推定する（ステップＳ７）。この探索時に河川領域に遭遇すれば、ＣＰＵ１は、その方向への探索を中止する。
【００２７】
次に、ＣＰＵ１は、推定したＤＴＭに基づいて局所的な傾斜を計算する（ステップＳ８）。傾斜は２１ｍ×２１ｍの領域を単位として、まず地表面高さの平均値を計算する。ある領域の地表面高さに対し、周囲の８つ（上下／左右／斜め）の近傍の領域を探索し、領域の中心間の距離と地表面高さの平均値の差から傾斜を計算し、最大の傾斜値を求める。傾斜が閾値（例えば４．５度）以上の場合には、最大許容傾斜値を、より大きく設定して、第２の最大許容傾斜値に更新する（例えば４．５度に更新する。）。
【００２８】
続いて、ＣＰＵ１は、ステップＳ５〜Ｓ８の処理が１回目か否かを判定する（ステップＳ９）。最初は「Ｙｅｓ」であり、ＣＰＵ１は、第２の最大許容傾斜値に基づいて再びステップＳ５，Ｓ６を実行する。ここで、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定していることによって、局所的に急な傾斜を持つ地点が、地表面データとして追加される。すなわち、最初のステップＳ５の処理では追加データから漏れていた河川の土手や丘陵地等の点群データが地表面データとして抽出され、追加される。その結果、ＤＴＭの推定が１回目よりも精度良く行われることになる。なお、２回目のステップＳ９では「Ｎｏ」となって、処理終了となる。
【００２９】
上記のような処理によるＤＴＭの精度向上を、図１〜１０の実例で示す。
（実例１）
図１の（ａ）は、京都市東山区清水寺、法観寺、高台寺の周辺の航空写真である。この地域は、建物が密集している平地と、丘陵地とが混在している。図１の（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。（ｂ）において、左側の黒っぽい部分が相対的に標高の低い部分であり、右側の黒っぽい部分は相対的に標高の高い部分である。中間の白っぽい部分は、それらの中間的な標高である。ＤＳＭは建物等を含んでいるため、地表面がわかりにくい。
【００３０】
図２の（ａ）は、１回目の処理で抽出された地表面データであり、（ｂ）は２回目の処理で抽出された地表面データである。図中の黒い部分が地表面（地盤面）を表している。また、図３の（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。図２，図３のそれぞれにおいて、（ａ）、（ｂ）の比較により明らかなように、２回目の処理を行ったことによって丘陵地（向かって右側）や平地の細部のデータが格段に精度良く得られている。
【００３１】
（実例２）
図４の（ａ）は、京都市中京区五条通り周辺の航空写真である。この地域は、建物が密集している平地の中に、河川がある。図４の（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。
【００３２】
図５の（ａ）は、１回目の処理で抽出された地表面データであり、（ｂ）は２回目の処理で抽出された地表面データである。また、図６の（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。この例では、１回目と、２回目とで、劇的な差は現れていない。言い換えれば、局部的に急な傾斜が無い平坦な地形では２回目の処理に１回目と同じ第１の最大許容傾斜値を用いることになるので、過剰な抽出が行われることはない。
【００３３】
（実例３）
図７の（ａ）は、京都市伏見区伏見桃山周辺の航空写真である。この地域は、建物が密集している平地の中に、大きな土手を備えた河川がある。図７の（ｂ）は、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、この図ではカラーは表現されていない。）示した図である。なお、（ａ）における楕円は、高速道路であり、（ｂ）のＬｉＤＡＲデータ取得時にはまだ建設されていなかった。また、図７の（ｃ）は、１回目の処理によるＤＴＭを示し、（ｄ）は、２回目の処理を行った後の最終のＤＴＭを示す。
【００３４】
図８の（ａ）は、図７の（ｂ）に示すＬｉＤＡＲデータの一部を拡大した図であり、図８の（ｂ）は、（ａ）における矢印方向から見た当該地域の地上写真である。また、図８の（ｃ）は、１回目の処理によるＤＴＭ（拡大図）を示し、（ｄ）は、２回目の処理を行った後の最終のＤＴＭ（拡大図）を示す。（ｄ）において、中央に縦に延びている白い線は河川であり、その左右の黒っぽい部分は土手である。（ｃ）、（ｄ）の比較により、１回目は地表面として扱えなかった土手が、２回目は地表面として精度良く認識されていることがわかる。
【００３５】
（実例４）
図９の（ａ）は、京都市東山区清水寺近くの駐車場及びその周辺の、航空機によるＬｉＤＡＲデータが示す標高分布（建物等の最上部を含むＤＳＭ）を便宜的に色分けして（但し、図ではカラーは表現されていない。）示した図である。（ｂ）は航空写真である。また、図１０の（ａ）は、１回目の処理によるＤＴＭを示し、（ｂ）は、２回目の処理を行った後の最終のＤＴＭを示す。（ａ）、（ｂ）の比較により、１回目は地表面としてその形状を捉えきれなかった駐車場（中央の黒い部分）が、２回目は地表面として精度良く認識されていることがわかる。
【００３６】
（実例５）
図示しないが、ビルの屋上駐車場についても同様に１回目、２回目のＤＴＭを得たが、ほとんど変化がなかった。この場合、屋上駐車場を地表面と誤って認識することはなかった。
【００３７】
《まとめ》
上記のようなＤＴＭ推定方法／プログラム／装置では、ＤＴＭの推定にあたって河川領域を除くことで、河川をまたぐ地表面の探索によってＤＴＭの精度が悪くなることを防止できる。また、推定したＤＴＭにおいて局所的に傾斜が所定値を超えるときは、第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定することにより、１回目には探索できなかった地表面データを追加し、ＤＴＭ推定の精度を向上させることができる。
【００３８】
なお、第２の最大許容傾斜値は、地形及び町並みの特徴に応じて増減すればよい。京都市の場合は４．５度が好適であることが確認された。京都市よりもさらに傾斜の多い土地では４．５度以上も適すると想定される。逆に、京都市よりも傾斜の少ない土地では４．５度未満（３度よりは大きい）が適すると想定される。実験的に最適な数値を選ぶことで、地形及び町並みの特徴に応じて最適なＤＴＭ推定を行うことができる。
【００３９】
《３次元建物モデルの作成》
ＬｉＤＡＲデータ及び、上述の処理により精度良く推定されたＤＴＭを用いて、（ＤＳＭ−ＤＴＭ）の演算を行うことにより、データ上で地表面を除去し、建物や木等の、地上に存在する物の高さのデータのみを取得することができる。以下、このようなデータを用いて３次元建物モデルを作成する方法について説明する。まず、航空写真のデータを用いた建物等の領域分割について説明する。
【００４０】
（領域分割）
領域分割の概要は、まず、輝度値の分散が大きいテクスチャを持つ領域も抽出するため、輝度値を少数個の値に離散化した上で領域分割を試みる。離散化する輝度値の幅は、異なる分散の程度に対応するために複数用意する。長方形に近い領域を優先的に抽出するため、長方形指数と呼ぶ指数を計算する。影で分断されている可能性を考慮し、隣接する領域と組み合わせて、長方形指数が向上すれば両者を統合する。
【００４１】
以下、細部に及ぶが、領域分割の具体例について参考のため説明する。
（１）１バイト（輝度値の範囲：０〜２５５）×３バンド（ＲＧＢ）画像の任意の１バンドの輝度値に対し、Ｎｄｉｓｃ種類の離散化幅を設定する。各離散化幅の下で、Ｎｏｆｆ種類の異なるオフセット値を適用し、画像輝度値を離散化する。例えば、「輝度値の離散化幅＝４０」「オフセット数＝５」の時に「オフセット値幅＝８」となり、「オフセット値＝｛０，８，１６，２４，３２｝」のＮｏｆｆ種類の離散化画像が得られる。「オフセット値＝０」の下では、原画像の輝度値が「０〜３９」が同一離散化値を与えられ、同様に「４０〜７９」「８０〜１１９」「１２０〜１５９」「１６０〜１９９」「２００〜２３９」「２４０〜２５５」を含めた７つの区分に離散化される。本実験では次のパラメータを使用した。
【００４２】
使用バンド：赤（Ｒ）バンド
輝度値の離散化幅Δｄ＝｛４０，３０，２０｝
オフセット数Ｎｏｆｆ＝５
オフセット値幅Δｏｆｆ＝Δｄ／Ｎｏｆｆ＝｛８，６，４｝
【００４３】
（２）各離散化画像において、４方向を探索し、同じ値を持つ画素を連結し領域として抽出する。一定面積以上の大領域（本実験では６４００画素：以下、実験で採用した値）は除去する。また一定面積未満（８０画素）の小領域は周辺に一定面積以上の領域があれば統合し、なければ除去する。その後、各領域のエッジを抽出する。
（３）ある離散化幅におけるＮｏｆｆ種類の離散化画像から得られたエッジを全て１枚に重ね合わせる。
（４）一定強度以上のエッジを残し、それに連結するエッジも抽出する。この時点で本来なら閉じるはずの領域がノイズなどの影響で閉じていないことも多いため、エッジが存在しなくても周辺に直線状のエッジが存在することが確認できれば、エッジを連結する。
（５）エッジで閉じた領域にラベル番号を付与し、ＲＧＢ輝度値から判断し、植生らしい領域を除去する。（２）と同様に一定面積以上の大領域（６４００画素）を除去し、一定面積以下（本実験では３０画素）の小領域は周辺に一定面積以上の領域があれば統合し、なければ除去する。
（６）各領域の長方形指数と呼ぶ指数を次のように計算する。
【００４４】
（ア）領域のエッジの集合（エッジ群と呼ぶ）の２次元座標から、第１軸と第２軸を決定する。
（イ）領域の存在範囲を第１軸と第２軸の値で表現し、第１軸の（最大値−最小値＋１）、第２軸の（最大値−最小値＋１）を掛け合わせて、領域を取り囲む矩形の面積を得る。
（ウ）実際の領域の面積／領域を取り囲む矩形の面積を長方形指数と定義する。
（エ）長方形指数が一定値（０．４）を下回ると、建物でない可能性が高いと判断して除外される。
【００４５】
（７）ある領域Ａの近隣の領域を探索し、
（ア）併合した場合の長方形指数が各々の長方形指数よりも向上する。
（イ）指定した閾値（０．７）以上である。
（ウ）領域の平均輝度値の差が一定値（３０）以内である。
という条件を満たす近隣の領域のうち、併合時の長方形指数が最大となる領域を併合の候補とし、仮に領域Ｂとする。領域Ｂでも同様に探索し、領域Ａが（ア）〜（ウ）の全ての条件を満たし、かつ併合時の長方形指数が最大となる領域である場合に、領域ＡとＢを併合する。
（８）Ｎｄｉｓｃ種類の離散化幅の下で得られた一定面積以上の領域を、長方形指数が高い順に選んでいく。ただし、当該領域の一部でも既に選ばれた領域に重なっていれば、その領域は選ばない。
（９）選ばれなかった領域に対し、再度選定していく。今度は既に選ばれた領域との重なりが一定値未満（本実験では、３０％）で、かつ一定面積未満（３０画素未満）であれば、重なっていない部分だけを新たな領域として追加選出する。ただし重なっていない部分に対しても長方形指数を算出し、閾値（０．４５）以上である場合に限る。
（１０）領域内の穴を埋める。
【００４６】
（３次元建物モデル）
領域分割で得られた領域は屋根単位ではなく、同一建物で対となる傾斜のある屋根、あるいは別の建物の屋根が分離されていないこともある。また領域分割では屋根・建物の抽出漏れ、逆に樹木や道路も抽出していることも起こりうる。しかしながら、下記の対策を取ることで、モデリングの漏れを少なくしている。
【００４７】
推定したＤＴＭは、ＬｉＤＡＲデータから除去する。屋根の平面、法線ベクトルを計算する際にＲＭＳＥの許容値を設けることで樹木の大半は削除できる。切妻屋根の建物において向かい合う屋根が分離されていない場合、法線ベクトルの分布状況を調べて混合している可能性が高い場合には分離して、切妻屋根を生成する。隣接する切妻屋根の建物で片側の屋根が分離されていない状況において（屋根の数が棟を挟んで１対２の関係）、分離されていない領域を２つの屋根に分離することで２組の１対１の屋根のペアを生成し、２棟の切妻屋根の建物を生成する。
【００４８】
密集市街地における建物の配置に着目し、屋根面がもつ傾斜や法線ベクトルといった情報を利用することで、切妻屋根や寄棟屋根、平屋根の判定を行い、より本来の形に近い建物３次元モデルを生成する。具体的には、近隣の点群間の水平・鉛直距離が一定値以内の点群から主たる方位角を決めて、それに基づいて建物の棟や輪郭を決定することで、現実に近い建物の向きを決定できる。
【００４９】
具体的には、３次元座標の点群データであるＬｉＤＡＲデータに対し、ＤＴＭを用いて地表面と非地表面を分離するフィルタリング処理を行う。非地表面データから屋根や建物の領域における法線ベクトルを計算する。９ｍ×９ｍの領域内で、６点以上点が存在する場合に平面の方程式を計算し、ＲＭＳＥが１０ｃｍ以下であれば、計算に使用した全ての点群に法線ベクトルを付与する。領域の法線が傾いていれば対となる領域を探索する。
【００５０】
非地表面データに対し、最近隣の点データからの水平距離、鉛直距離が一定値以内である点群ごとに分類する。このうち屋根や建物の領域に該当する点群だけを用いて、点群データの主たる方位角を決定する。寄棟屋根、切妻屋根、それ以外の屋根の順にワイヤーフレームモデルを作成する。各モデルを作成する際には棟や輪郭が、点群データの主たる方位角と同一あるいは直交するように配慮する。
【００５１】
寄棟屋根については、対となる屋根の組が２組存在する時に生成される。切妻屋根については、対となる屋根が存在する領域があり、両者の領域において切妻屋根を生成する。法線ベクトル分布が複数の法線の混合状態を示す領域については、領域内において２つに分割し、法線ベクトルが明瞭に分離される場合には、切妻屋根を生成する。そうでない場合には平屋根を生成する。なお、図２１は、（ａ）が切妻屋根の法線ベクトル、（ｂ）が寄棟屋根の法線ベクトルを示す。
それ以外の屋根については、平屋根を生成する。建物として抽出されなかったものの、地表面から一定以上の高さを持ち、特定の平面上にある点を選定し、最終結果に含める。
【００５２】
上記のような処理による領域分割、３次元建物モデルの作成を、図１１〜１８の実例で示す。
（実例１）
図１１の（ａ）は市街地の航空写真である（７５ｍ×７５ｍ）。（ｂ）は領域分割の結果である。便宜上色分けしている（本図では色は表示されていない。）が、色自体に意味はない。（ｂ）に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図１２の（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
【００５３】
（実例２）
図１３の（ａ）は高層ビルを含む市街地の航空写真である（７５ｍ×７５ｍ）。（ｂ）は領域分割の結果である。便宜上色分けしている（本図では色は表示されていない。）が、色自体に意味はない。（ｂ）に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図１４の（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
【００５４】
（実例３）
図１５の（ａ）は高木が建物に隣接している市街地の航空写真である（７５ｍ×７５ｍ）。（ｂ）は領域分割の結果である。便宜上色分けしている（本図では色は表示されていない。）が、色自体に意味はない。（ｂ）に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図１６の（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
【００５５】
（実例４）
図１７の（ａ）は寄棟屋根の多い市街地の航空写真である（７５ｍ×７５ｍ）。（ｂ）は領域分割の結果である。便宜上色分けしている（本図では色は表示されていない。）が、色自体に意味はない。（ｂ）に示すように屋根の輪郭が概ね捉えられている。また、切妻、寄棟の特徴が捉えられている個所もある。図１８の（ａ）、（ｂ）は、３次元建物ワイヤーフレームモデルで、（ａ）は平面的な形状を、（ｂ）は立体的な形状を、それぞれ示している。平坦、切妻、寄棟等の屋根の形状が明瞭に現れていることが分かる。
【００５６】
《まとめ》
以上のように、精度良く推定されたＤＴＭに基づいて正確な非地表面データを取得し、さらに、対となる向きの法線ベクトルの有無を調べることにより、平坦な屋根の他、切妻、寄棟等の屋根の形を推定して３次元建物モデルを作成することができる。
また、３次元建物モデルを作成するための領域を予め抽出することにより、屋根の領域の識別精度を高め、より正確な３次元建物モデルを作成することができる。
【００５７】
なお、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。
【符号の説明】
【００５８】
１ａ：河川抽出部
１ｂ：ＤＴＭ推定部
７：ドライブ（入力装置）
８：ディスプレイ（表示部）
【特許請求の範囲】
【請求項１】
航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定方法であって、
前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出し、
前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、
推定したＤＴＭから局所的な傾斜を計算し、
傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定する
ことを特徴とするＤＴＭ推定方法。
【請求項２】
前記第２の最大許容傾斜値は、地形及び町並みの特徴に応じて増減される請求項１記載のＤＴＭ推定方法。
【請求項３】
請求項１のＤＴＭ推定方法を含む３次元建物モデルの作成方法であって、
前記レーザースキャナーデータを、前記ＤＴＭ推定方法によって推定されたＤＴＭと、非地表面データとに分離し、
前記非地表面データにおける各領域について、対となる向きの法線ベクトルの有無を調べ、その結果に基づいて屋根の形を推定する３次元建物モデルの作成方法。
【請求項４】
前記各領域は、前記所定範囲の航空写真のデータから少なくとも長方形の形状を優先的に抽出することにより予め抽出されるものである請求項３記載の３次元建物モデルの作成方法。
【請求項５】
航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定プログラムであって、
前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能、
前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定する機能、
推定したＤＴＭから局所的な傾斜を計算する機能、及び、
傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定する機能を、コンピュータによって実現させるためのＤＴＭ推定プログラム。
【請求項６】
航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定装置であって、
航空機による地表のレーザースキャナーデータを読み込む入力装置と、
前記レーザースキャナーデータの所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する河川抽出部と、
前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定するＤＴＭ推定部と、
推定されたＤＴＭを表示する表示部と
を備えていることを特徴とするＤＴＭ推定装置。
【請求項１】
航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定方法であって、
前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出し、
前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、
推定したＤＴＭから局所的な傾斜を計算し、
傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定する
ことを特徴とするＤＴＭ推定方法。
【請求項２】
前記第２の最大許容傾斜値は、地形及び町並みの特徴に応じて増減される請求項１記載のＤＴＭ推定方法。
【請求項３】
請求項１のＤＴＭ推定方法を含む３次元建物モデルの作成方法であって、
前記レーザースキャナーデータを、前記ＤＴＭ推定方法によって推定されたＤＴＭと、非地表面データとに分離し、
前記非地表面データにおける各領域について、対となる向きの法線ベクトルの有無を調べ、その結果に基づいて屋根の形を推定する３次元建物モデルの作成方法。
【請求項４】
前記各領域は、前記所定範囲の航空写真のデータから少なくとも長方形の形状を優先的に抽出することにより予め抽出されるものである請求項３記載の３次元建物モデルの作成方法。
【請求項５】
航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定プログラムであって、
前記所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する機能、
前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定する機能、
推定したＤＴＭから局所的な傾斜を計算する機能、及び、
傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定する機能を、コンピュータによって実現させるためのＤＴＭ推定プログラム。
【請求項６】
航空機による地表のレーザースキャナーデータに基づいて、その所定範囲について地表面のみの標高データであるＤＴＭを推定するＤＴＭ推定装置であって、
航空機による地表のレーザースキャナーデータを読み込む入力装置と、
前記レーザースキャナーデータの所定範囲における単位グリッド内にデータが存在しない画素を連結して河川領域を抽出する河川抽出部と、
前記河川領域を除くデータについて、第１の最大許容傾斜値を設定して暫定的なＤＴＭを推定し、推定したＤＴＭから局所的な傾斜を計算し、傾斜が所定値を超える場合は、前記第１の最大許容傾斜値より大きい第２の最大許容傾斜値を設定して再度ＤＴＭを推定するＤＴＭ推定部と、
推定されたＤＴＭを表示する表示部と
を備えていることを特徴とするＤＴＭ推定装置。
【図１９】
【図２０】
【図２１】
【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】
【図１７】
【図１８】
【図２０】
【図２１】
【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】
【図１７】
【図１８】
【公開番号】特開２０１２−２５６２３０（Ｐ２０１２−２５６２３０Ａ）
【公開日】平成２４年１２月２７日（２０１２．１２．２７）
【国際特許分類】
【出願番号】特願２０１１−１２９３１６（Ｐ２０１１−１２９３１６）
【出願日】平成２３年６月９日（２０１１．６．９）
【出願人】（５０４１３２２７２）国立大学法人京都大学 (1,269)
【Ｆターム（参考）】
【公開日】平成２４年１２月２７日（２０１２．１２．２７）
【国際特許分類】
【出願日】平成２３年６月９日（２０１１．６．９）
【出願人】（５０４１３２２７２）国立大学法人京都大学 (1,269)
【Ｆターム（参考）】
[ Back to top ]