埋設管 点群の容量を1/10にする整理術｜分類・間引き・属性付与

埋設管の維持管理や工事記録の場面で、地下に埋設された配管をレーザースキャナーや写真測量で計測し、3次元の点群データとして記録するケースが増えています。点群データは配管の形状や位置を高精度に残せる反面、膨大な点の集まりであるためファイル容量が非常に大きくなりがちです。生データのままではパソコンで開くのにも時間がかかったり、関係者と共有しづらかったりするため、実務では点群データを効率よく整理・軽量化することが重要になります。本記事では、埋設管の点群データを約1/10の容量にまで削減するための整理テクニックについて解説します。具体的には、点群の分類（クラス分け）や間引き（ダウンサンプリング）、ノイズ除去、さらに属性付与による情報整理、そしてファイル形式の最適化といった手法を取り上げ、実務担当者が大容量の点群データを扱いやすくするポイントを詳しく紹介します。データを無駄なく軽量化しつつ、必要な情報はしっかり保持するコツを押さえて、埋設管点群の利活用をスムーズに進めましょう。

埋設管点群データの課題と整理の必要性

埋設管の点群データは、しばしば数千万点以上にも及ぶ大量のポイントで構成されます。例えば、上下水道やガス管の埋設工事で開削したトレンチを高密度にスキャンすれば、数メートル四方で何百万点という点群が得られ、ファイルサイズは平気で数百MBから数GB規模になることもあります。従来の2次元図面や写真と比較して情報量が桁違いなため、生データでは容量が大きすぎて扱いにくいのが課題です。

容量が大きいままだと、専門ソフトで開くたびに時間がかかったり、社内ネットワークで共有しようとしても転送に時間がかかったりします。現場でタブレットに入れて確認したくてもデータが重すぎて表示がもたつく、といった問題も生じます。また、点群はただの点の集合体なので、整理されていないと何が地面で何が配管か一見わかりにくいという難点もあります。必要な部分だけを見るつもりでも、周囲の土や構造物の点群まで全て含まれていては、目的の配管を探すにも一苦労です。

こうした理由から、埋設管点群データは取得後の「整理」が不可欠です。整理とは単に容量を減らすだけでなく、データを構造化して意味づけを行い、実務で使いやすい形に整えることを指します。具体的には、配管や地表など点群を種類ごとに分類し、不要部分を除去すること、データ密度を下げる間引き処理で必要十分な点数に減らすこと、外れ値や誤計測点といったノイズを除去して正確さを高めること、そして配管のメタ情報を属性付与して点群に持たせることなどが挙げられます。さらに最終的には、効率的なファイル形式で保存し直すことで、無駄なく軽量化されたデータに仕上げます。こうした整理術を施すことで、元の生点群データと比べて容量を大幅に圧縮し、場合によっては1/10程度のサイズにまで縮小することも可能です。それでいて配管の位置・形状といった要件はきちんと保持され、実務での活用に耐えるデータセットとなります。

では以下で、埋設管点群データを軽量化・整理する各手法について順に見ていきましょう。

点群データの分類による効率化

点群データの分類（クラス分け）は、点群中の各点や領域に「地面」「配管」「構造物」「ノイズ」などのラベルを付ける作業です。点群を取得したままの状態では、地下埋設管だけでなく周囲の地表や仮設物、重機、人など様々な物体の点が混在していることが多く、それがデータ容量の増大と視認性の低下を招いています。そこでまず、点群を種類ごとに分類して整理することで、必要な点群と不要な点群を仕分けでき、以降の工程が格段に効率化します。

例えば、開削現場をスキャンした点群データには、埋設管そのものの点群以外に、地表や土砂の点、足場や囲いなど構造物の点、さらには人や車両といった一時的対象物の点も含まれているかもしれません。利用目的によっては配管以外の点は不要な場合が多いでしょう。分類処理を行えば、「これは地表面の点、これは配管の点、これはその他の構造物…」という具合にデータをグループ分けできます。そして例えば「配管クラス」の点群データだけを抽出すれば、配管以外の点を一括で除去できます。必要な部分（配管）の点群だけを残し、無関係な部分を除けば、それだけでデータ量は大幅に削減されます。また、地面の点群は地形モデルが別途あるなら省略できるかもしれませんし、工事用の仮設物や人物の点は将来的な活用には不要なので真っ先に捨てて構いません。分類により目的に応じた取捨選択が可能になり、点群データを無駄なく軽くできます。

点群の分類は、最近の点群処理ソフトに自動化機能が搭載されていることもあります。例えば地表面を自動検出する機能を使えば、地面とそれ以外を機械的に分類できます。配管についても、配管らしい円筒形状を認識して抽出するセグメンテーション機能や、AIに学習させて配管点群を自動識別する自動クラス分け技術が登場しつつあります。こうした自動処理で一括分類し、不十分なところだけ人手で修正するというワークフローを取れば、効率よくクラス分けが可能です。もちろん手作業で点群ビューア上の点を選択し、「配管」「地面」などとラベル付けすることもできます。多少手間はかかりますが、一度分類情報を付与すれば後の工程や他部署との情報共有が飛躍的に楽になります。

分類のメリットは容量削減だけではありません。属性情報を付与する土台になるという大きな利点もあります。各点に「これは何の点であるか」を持たせることで、点群データに意味づけがされます。埋設管の点群であれば、配管ごとに点をグループ化し「水道管A」「ガス管B」といった識別子や種類情報を持たせることも可能です。その状態になれば、後述するメタデータ（口径や材質など）の付加もスムーズですし、ビューア上で配管だけ色分け表示するといった柔軟な可視化もできます。逆に分類がなされていない点群はただの点の塊であり、必要な部分だけ抽出することも情報を付加することも困難です。したがって、埋設管点群の整理では最初のステップとしてクラス分けを行い、データに構造を与えることが重要なのです。

点群データの間引きで容量削減

分類によって不要部分を除去したら、次は残した点群の間引き（ダウンサンプリング）を行って容量をさらに削減します。点群データの「重さ」は、点の数（密度）に大きく依存します。高密度でスキャンされた点群は非常に詳細ですが、その分容量も膨大です。しかし必ずしも全ての点を保持しておく必要はなく、適切に点の数を減らしても配管の形状や位置を十分表現できる場合がほとんどです。そこで、データの幾何的な特徴をなるべく損ねないように間引きを行い、点群の点数そのものを減らすことで容量を一気に縮小します。

間引き処理にはいくつか方法がありますが、代表的なのはボクセルグリッド（空間サンプリング）と均一サンプリングの二つです。ボクセルグリッドによる間引きは、空間を一定サイズの立方体グリッド（ボクセル）に区切り、各ボクセル内で代表点を1つだけ残して他の点を削除する方法です。例えば「5cmグリッド」に設定すれば、5cm四方の立方体ごとに点群を圧縮し、その中の点は1点だけになるよう整理します。これにより、局所的に密集していた点群は間引かれ、全体として均一な点間隔になります。ボクセルサイズを大きくすればするほど点数は大幅に減り、容量削減効果は高まります（ただし形状の細部は失われていきます）。一方、均一サンプリングは、元の点群から一定割合で点を抜き取る方法です。例えば「全点の10%をランダムに残す」あるいは「計測順序に沿って等間隔に点を拾う」といった具合に間引きを行います。こちらは実装が簡単ですが、空間的な均一性は保証されないため、場所によっては点が疎らになりすぎたり残りすぎたりする可能性があります。一般にはボクセルグリッド法の方が、形状を満遍なく表現するのに適した間引き方法です。

埋設管点群では、配管の直径や曲がり具合が分かる程度の点密度を残せば十分なことが多いでしょう。例えば直径200mmの管であれば、管の円周上に数十点もあれば形状は把握できます。にもかかわらず元データではその管表面に何千点も存在していれば、それは過剰な情報です。間引き処理で点と点の間隔を適度に広げてやれば、人間にも機械にも扱いやすいデータ量に落とし込めます。具体的には、元データの点間隔が数ミリメートルだった場合、1cmや5mm程度のボクセルグリッドで間引いても管の輪郭は十分維持できるでしょう。逆に間引きが不十分だと、点群の見た目はほとんど変わらなくてもデータサイズだけ大きい「無駄の多い状態」のままです。

実務では、必要な精度に応じて間引き率を調整することが重要です。高精度な解析や出来形管理に使う場合は粗い間引きは禁物ですが、概略の位置記録や経路検討程度であれば思い切って粗めの点群にしてしまっても問題ありません。たとえば全体の1割の点を残すだけでも、配管の位置と大まかな形状は把握できるケースが多いものです。実際、元の点群の10%以下の点数に減らしても実用上差し支えなかったという事例もあります。間引きによってデータ量はほぼ点を減らした割合に比例して減少しますから、1/10の点数にすれば容量も約1/10になるわけです。分類で不要点を除いた後に間引きを組み合わせれば、最初の生データと比べて格段に軽いデータセットが出来上がります。

なお、間引き処理も最近の点群編集ソフトには標準機能として備わっています。「点群密度の変更」や「サンプリングツール」といった名称で、指定した間隔や割合で点群を間引くことが可能です。例えば「点間隔を50mmに設定して間引く」といった操作を行えば、自動的に全域で点同士がおおよそ50mm以上離れた状態に減らされます。プレビュー機能があれば仕上がりを確認しながら調整すると良いでしょう。重要なのは、目的に見合った点の密度に落とし込むことです。無駄に高密度な点群を扱うのは計算機資源の浪費ですので、最適な粒度まで減らすことで、容量削減と処理効率向上の両方を実現できます。

ノイズ除去でデータをクリーンに

点群データには、必ずと言っていいほどノイズ点や外れ値が含まれています。ノイズとは、本来存在しないはずの位置に誤って計測されてしまった点や、対象物ではない余計なものに反射して得られた点のことです。埋設管の点群でも、計測時の状況によって様々なノイズが混入します。例えば、スキャン中に人や車両が通過して一部に点群が残ってしまったり、強い日差しや反射でセンサーが誤検出して空中に点が飛んでしまったり、あるいは地中レーダーの場合は金属片や地質ノイズによる誤反応があったりします。これらノイズ点は、実物を表していない不要データであり、残しておいても解析の邪魔になるだけかつ容量を圧迫する要因です。そこで、点群整理の過程で徹底的にノイズ除去（クリーニング）を行い、データをクリーンに保ちます。

ノイズ除去は、まず明らかにおかしな点を削除することから始めます。点群を3Dビューアで可視化すると、稀に全体からポツンと離れて浮いている点や、ごく小さな点の固まりが見つかることがあります。そうしたものは大抵ノイズですので、手動で選択して削除するのが確実です。また、地上レーザースキャンの場合ですと、地表面よりも明らかに高い位置に点が散在している（実際には空中に何も無いのに点がある）ケースもしばしばあります。これも光の反射やマルチパス（多重反射）によるノイズ点ですので、範囲選択して一括削除してしまいます。埋設管の点群で言えば、配管より下の深い位置にまとまった点群がないかも確認しましょう。本来空洞も何も無い土中に点が現れているなら、それは誤検出の可能性が高く、放置すると「地下に何かあるのでは？」と誤解を招きかねません。早めに除去してデータから消しておきます。

次に、アルゴリズムを用いた自動ノイズフィルタも活用します。典型的なのはスタティスティカルアウトライヤ除去や半径ベースの外れ値除去と呼ばれる手法です。簡単に言うと、「周囲に他の点がほとんど存在しない孤立点を検出して除去する」という処理です。例えば半径○cm以内に隣接点がN個未満しか無い点はノイズとみなして削除する、というフィルタをかけます。実際の配管や地表の点は集合を成しているので孤立しにくいですが、ノイズ点はポツポツと飛び離れて存在することが多いため、この基準でかなりの不要点が落とせます。パラメータNや半径値はデータの密度に合わせて調整が必要ですが、専用ソフトやライブラリで実行すれば適切な値の推奨やプレビューもあるでしょう。このような統計的手法で機械的にノイズを洗い出し、一網打尽に削除することで、手作業では見落としがちな微細なノイズまで除去できます。

ノイズ除去を徹底すると、結果的にデータ容量の削減にも寄与します。不要な点が消えればそのぶん点数も減るからです。ただしノイズ除去の本来の目的は容量よりもデータ品質の向上です。ノイズが混じったままだと、後工程での配管モデル化や断面作成の際に誤検知を招いたり、点群を表示したときに「点のモヤ」がかかって見づらくなったりします。クリーニングされた点群であれば、配管の形状もくっきりと浮かび上がり、解析精度も向上します。したがって、容量削減という観点に加えて「精度を高め信頼性の高いデータにする」という意味でも、ノイズ除去はしっかり行うべき工程です。

実務的なポイントとしては、ノイズ除去は分類や間引きと並行して行うのがおすすめです。分類の段階で「これは明らかにノイズ」と分かった点は最初から除外してしまい、間引き処理の前にも一度フィルタで孤立点をざっと削る、といった具合に進めると効率的です。最後に完成した点群データを確認し、気になる点が残っていないか目視チェックできればなお良いでしょう。クリーンな点群データは、見た目にも解析結果にも良い影響を与えます。容量だけでなく内容面でも無駄を省き、正確さと軽さを兼ね備えたデータに仕上げることが大切です。

属性付与による情報価値の向上

点群データの整理術の一環として忘れてはならないのが、属性付与すなわちメタデータの付加です。属性付与とは、点群の各点またはグループに対し、幾何情報以外の説明情報（属性情報）を持たせることです。埋設管の点群においては、配管ごとの追加情報をもたせる場面が典型例でしょう。例えば、水道管であれば「管種：ダクタイル鋳鉄」「口径：150mm」「埋設深度：1.2m」「敷設年月：2024年3月」などの属性を、当該管の点群に紐付けます。このように属性を付けることで、点群を見るだけでその配管の詳しい情報が分かるようになり、データの実用価値が飛躍的に高まります。

属性情報自体はテキストや数値の小さなデータなので、ファイル容量への影響は軽微です（多少増える程度です）。むしろ属性付与が間接的に容量削減に寄与する場面もあります。どういうことかと言うと、必要な情報を数値やテキストで保持できるなら、必ずしも点群の高密度な幾何情報全てに頼らなくて済む、ということです。例えば「管径」が属性として記録されていれば、点群から無理に直径を測定しなくても済みます。すると管径を判断するために高精度な点群解像度を維持する必要性が下がり、より大胆に間引き処理をしても大丈夫になります。極端な話、配管の形状を表す点群は粗くて構わないけれど、径や材質は数字で知りたい、といった要件なら、点群は細部を省略して容量を減らし、その代わり属性欄に正確な数値を持たせておけば目的を果たせます。

また、属性を付与しておくことでデータ管理が容易になる効果もあります。例えば複数の種類の管（上水道、下水道、ガスなど）が同じ点群データに含まれている場合、各点に「管種」属性を付けておけば後からフィルタで「水道管だけ表示」といったことができます。これは一種の分類情報として機能し、必要なデータにすぐアクセスできるようになります。さらに管ごとにIDを振って管理すれば、図面やGISに登録されている資産情報と点群を結び付けることも可能です。例えば「水道管ID12345」という属性を点群に持たせ、そのIDにひもづくデータベース上で口径・材質・経年・所有者などを管理する、といった連携ができます。点群データが単なる点の集合から、インフラ資産データベースの一部へと昇華するわけです。地方自治体やインフラ管理会社にとっては、従来図面や台帳で管理していた情報を3D点群に重ねて持たせられるため、現地の状況と台帳情報をワンセットで扱えるメリットがあります。

埋設管点群への属性付与の実践としては、まず前段の分類処理で配管ごとに点群をグルーピングしておく必要があります。配管一本ごとに点群がまとまっていれば、その単位で属性を付与できます。大抵は図面や工事記録に基づき、「この点群グループは○○水道の△△管路である」という対応付けを行い、属性テーブルに入力していきます。点群編集ソフトによっては、点群に属性テーブルを持たせて編集できるものもありますし、LAS形式のファイルなら分類コードやユーザーデータフィールドをカスタム属性として活用することもできます。また、一部の高度なソフトでは自動で属性を推定して付与してくれる機能もあります（例えば点群の色や反射強度パターンから地物を識別し、道路白線や標識などの属性ラベルを振る等）。埋設管の場合、自動付与は難しいかもしれませんが、少なくとも配管IDや名称の付与は人手でも行う価値があります。これら属性さえ入っていれば、あとのExcel管理やGIS連携がスムーズになり、点群データ単体が生きた管理台帳のような役割を果たしてくれるからです。

注意点として、不要な属性情報は付けないことも大事です。属性は多ければ良いというものではなく、目的に沿ったものを選んで付与します。あまり関係のない情報（例えば埋設管点群なのに近くの樹木の品種など）は入れてもデータが煩雑になるだけですし、点群形式によっては対応しない場合もあります。容量への直接影響は小さいものの、属性が多すぎると人間が扱いにくくなるので注意しましょう。埋設管点群であれば、管種・管径・埋設深度・敷設年あたりが基本的な属性項目になります。このあたりは既存の埋設物台帳に載っている情報ですから、それを転記する形で付与するのが一般的です。こうして属性付与まで済ませれば、点群データは単なる図面的な記録から一歩進んで、設備情報を内包した高度なデジタルアセットとなります。容量削減とは一味違う側面ですが、最終的なデータ価値を高める意味で、整理術として取り入れておきたいプロセスです。

点群データのファイル形式最適化

最後に、整理した点群データを効率的なファイル形式で保存することで容量をさらに削減・最適化します。点群データのファイル形式には様々な種類がありますが、容量の観点で大きく分けるとテキスト形式（アスキー）とバイナリ形式に分類できます。テキスト形式とは、点の座標値や属性値を人間が読める文字列で記録する方式で、代表的なものにCSVやTXT、PTS、PLY（アスキーモード）などがあります。テキスト形式は汎用性が高い反面、ファイルサイズが非常に大きくなりがちです。例えば同じ内容の点群でも、テキストのCSVで保存するとバイナリ形式に比べ数倍の容量になることも珍しくありません。理由は、数値を文字列として書き出す際に桁数や区切り記号、改行など余計な情報が増えるためです。実務上も、巨大なCSVの点群ファイルは容量が大きすぎてテキストエディタで開けなかったり、各列の意味が不明で再利用しづらかったりと、扱いにくいことが多いです。

一方、バイナリ形式は数値を2進数でコンパクトに記録するため、容量効率に優れています。典型例はLAS形式（LASerファイル形式）です。LASは測量業界で標準的に使われる点群のバイナリフォーマットで、座標やカラー、分類などを効率よく格納できます。同じ点群をCSVとLASで保存すると、LASのほうが何割もサイズが小さくなるうえ、読み込み速度も速くなります。したがって、もしテキスト形式の点群データを扱っている場合は、迷わずバイナリ形式に変換することをおすすめします。それだけで容量削減と処理時間短縮の効果が得られるからです。多くのソフトがLASやバイナリPLYなどにエクスポート可能ですし、フリーの変換ツールも存在します。

さらに、バイナリ形式の中でも圧縮機能を持つ形式を使えば、一層の軽量化が可能です。代表的なのがLAZ形式です。LAZは先述のLASファイルを専用アルゴリズムで圧縮するフォーマットで、いわば「点群版ZIPファイル」のようなものです。LAZ圧縮を施すと、ファイルサイズは元のLASのおよそ7〜20%程度にまで縮小できます（データ内容によって圧縮率は異なりますが、約1/10になることも多いです）。例えば500MBあったLASファイルが、LAZにすると50MB程度になる、といった具合です。しかもLAZは可逆圧縮なので、必要に応じてLASに戻せば元の点群情報を一切劣化させずに取り出せます。現在では大容量点群データの配布にはLAZがデファクトスタンダードとなっており、日本の公共測量データ（国土地理院の航空レーザ測量データなど）もLAZ形式で提供されているほどです。したがって、自社内で扱う埋設管点群も最終保存や共有時にはLAZにしておくと良いでしょう。容量は1/10前後に激減し、メール添付やクラウド経由でのやりとりも格段に楽になります。

LAZ形式への変換もそれほど難しくありません。オープンソースの圧縮ツール（LASzipなど）を使えばコマンド一発で.lasから.lazに圧縮できますし、使い慣れない場合でも対応ソフトで読み込んで保存し直すだけでLAZにできる場合があります。圧縮処理時間も短く、ツールは無料公開されているのでコストもかかりません。注意点は、実務フローの中でLAZを活用するルールを決めておくことです。例えば「成果受け渡しはLAZで行う」「社内保管も基本LAZで、編集が必要なときだけLASに戻す」といった運用をすれば、常に容量圧縮されたデータのみが行き交うのでストレージ消費を最小化できます。LAZはそのままでは編集しにくい場合もあるため、マスターのLASを保持しつつ配布用はLAZにする、といった柔軟な運用も良いでしょう。いずれにせよ、ファイル形式の選択・最適化は最後の大きな容量削減策です。

ファイル形式の最適化に関連して、データの分割も有効な手段です。一つの巨大な点群ファイルに全エリア・全情報を詰め込むのではなく、範囲ごとや内容ごとにファイルを分けることで、必要な部分だけを扱えるようになります。埋設管の例でいえば、エリアが広いなら50m四方ごとにタイル状に点群を分割するとか、配管系統ごとにファイルを分けて管理する、といった工夫が考えられます。分割しておけば、開きたい部分のファイルだけ読み込めば済むためメモリ負荷や処理待ち時間を減らせますし、チームで作業するときのデータ管理も楽になります。ただし分割しすぎるとファイル点数が増えて管理が煩雑になるので、適切な区切り方をルール化しておくことがポイントです。分割方法の一例として「図面の既存区画単位で分ける」「管種ごとにレイヤー的に分ける」などがあり、これは組織やプロジェクトの性質に合わせて決めると良いでしょう。

以上のように、適切な形式へ変換し、場合によっては分割も取り入れることで、整理後の点群データは一層軽量で扱いやすくなります。テキストをバイナリに、バイナリを圧縮形式に、と段階的に最適化を図ることで、当初の生データからすれば大幅にスリム化された成果品となるはずです。

まとめ

埋設管の点群データを効率よく扱うための整理術として、分類・間引き・ノイズ除去・属性付与・ファイル形式の最適化という観点から解説しました。まず点群を適切に分類して必要な部分を抽出・不要部分を排除することで、データの骨格を整えつつ容量を削減できます。次に間引き処理で点密度を下げ、情報を保ちながら冗長な点を減らすことで、データ量を劇的に圧縮できます。併せてノイズ除去を行い、誤った点や外れ値を消去すれば、容量削減とデータ品質向上の両方に効果があります。そして属性付与によって配管の種別や寸法などをデータに持たせれば、点群自体が価値ある情報源となり、管理や活用が容易になります。最後にファイル形式の工夫（圧縮形式の利用や分割保存）によって、整理済みデータを最大限軽量な形で保管・共有できるようになります。これらを総合的に実施することで、元の生点群から容量1/10程度まで絞り込んだ、かつ実用上必要な情報はきちんと備えた点群データを得ることができます。

整理された埋設管点群データは、建設コンサルタントや測量会社、自治体・インフラ事業者における設計・維持管理業務で非常に役立つ財産となります。軽量化されていれば日常的なパソコンでも扱いやすく、他部署とのデータ共有や長期保管もしやすくなるでしょう。また、配管の位置情報が高精度に確保されている点群は、将来的にAR技術などで現場投影したり、他の地理空間データと統合して都市インフラのデジタルツインを構築したりする際の土台にもなります。その際に鍵となるのが測位（位置合わせ）の精度です。せっかく点群を整理しても、そもそもの座標が不正確では活用に支障が出ます。そこで現場計測の段階から高精度の測位機器を使うことも重要です。最近では、スマートフォンに装着して使える小型の高精度GNSS受信機が登場しており、簡便にセンチメートル級の位置座標を取得できます。LRTKのようなiPhone装着型の高精度GNSSデバイスを用いれば、スマホのLiDARや写真測量で取得する点群に即座に高精度の世界座標を付与することが可能です。現場でスマートフォンを手に歩き回るだけで、埋設管の点群をゆがみなく測定し、その位置を正確に地図座標に載せることができます。こうして得られた高精度な点群を上述の手法で整理・軽量化すれば、精度と扱いやすさを兼ね備えた最高のデータセットとなるでしょう。高精度GNSS機器による位置補正と、本記事で述べた整理術を組み合わせて活用することで、埋設管の三次元データは単なる記録に留まらず、日々の業務に活かせる有用な資産へと姿を変えます。ぜひ現場での計測からデータ整理・活用まで一貫して工夫し、埋設管点群の効率的な管理にお役立てください。