第136回日本森林学会大会 発表検索
講演詳細
利用部門[Forest Engineering]
| 日付 | 2025年3月22日 |
|---|---|
| 開始時刻 | 16:30 |
| 会場名 | N21 |
| 講演番号 | K-13 |
| 発表題目 | 自動走行フォワーダのLiDAR SLAM点群マップから単木を抽出する手法の開発 Development of a method to identify individual trees from LiDAR SLAM point clouds of an automatic driving forwarder |
| 所属 | 東京農工大学 |
| 要旨本文 | 近年、フォワーダの走行無人化技術の一つとして、LiDAR SLAMの利用が研究されている。LiDAR SLAMで生成される3次元点群データは、走路周辺の立木も環境地図の一部にあるため、立木測定への活用が期待できる。しかし、フォワーダの自動走行を目的としたLiDAR SLAM点群データは立木測定を想定していないため、①立木の走路側のみのデータ取得、②照射範囲の制約による走路外の地表面、および立木上下部の欠落、③フォワーダの揺れによるデータ乱れ、④低密度といった課題がある。点群データを用いて立木測定を行うためには、まず単木を抽出する必要がある。そこで本研究では、深層学習モデルRandLA-Netとクラスタリング手法DBSCANを組み合わせた手法を適用し、単木抽出が可能であるか検証した。具体的には、RandLA-Netを用いて点群データから立木の幹領域を抽出し、次にDBSCANを用いて幹点群を単木ごとに分割した。人手でラベル付けした幹点群を真値として、提案手法による単木抽出の適合率（Precision）および再現率（Recall）を評価した結果、いずれも97%を超える高い値を示した。この結果から、フォワーダのLiDAR SLAM点群データからの単木抽出は可能であると判断した。 |
| 著者氏名 | ○瀧川瑞己1 ・ 岩岡正博2 ・ 松本武2 |
| 著者所属 | 1東京農工大学農学部 ・ 2東京農工大学大学院農学研究院 |
| キーワード | 深層学習, RandLA-Net, 低密度点群 |
| Key word | deep learning, RandLA-Net, low-density point cloud |