点群のノイズ除去・間引き・分類の基本6手順｜精度を落とさない方法

目次

• ステップ1：点群データの座標統合と基準座標系への変換

• ステップ2：計測ノイズ・外れ値の除去

• ステップ3：不要ポイントの削除（対象範囲への絞り込み）

• ステップ4：点群データの間引き（サンプリング）

• ステップ5：地表面と構造物の分離（地物ごとの抽出）

• ステップ6：点群データの分類と属性情報の付与

• FAQ（よくある質問）

高精度な点群データを取得しても、そのままではノイズや不要な点が混在し、データ量も膨大です。生データを無造作に扱えば、解析に支障が出たり処理が重く非効率になるでしょう。そこで重要になるのが、ノイズ除去や間引き、分類といった前処理です。ポイントは「データを軽くしつつも精度を落とさない」ことです。無駄な点を減らし、必要な点だけを残すことで後工程の精度とスピードが飛躍的に向上します。この記事では、点群処理初心者でも取り組みやすい基本6ステップに沿って、ノイズ除去・間引き・分類の方法とコツを解説します。貴重な点群データを最大限に活用するために、ぜひ参考にしてください。

ステップ1：点群データの座標統合と基準座標系への変換

最初に、点群データの座標を整える作業を行います。レーザースキャナーで複数回測定した場合や、ドローン測量で得た複数の点群を扱う場合は、まずそれらを一つの座標空間に統合するレジストレーション（位置合わせ）が必要です。各測定位置で取得した点群同士の重複部分を照合したり、現場に配置したターゲットマーカーを利用したりして、点群同士の位置を高精度に合わせます。この工程によって、個別の点群が整合し広範囲をカバーする一貫した3Dデータが得られます。

また、取得した点群を実空間の基準となる座標系に変換することも重要です。測量現場の既知点（基準点）と照合して、点群を平面直角座標系や公共座標系といった地図座標系にジオリファレンス（測地補正）します。例えば、点群内の特徴点に現地測量で求めた座標値を割り当てて変換したり、基準点ファイルを読み込んでソフト上で一括変換する方法があります。このステップを経ることで、点群データが設計図やGISデータと同じ座標基盤上に載り、他の測量成果との重ね合わせが可能になります。

精度を維持するコツ：位置合わせでは可能な限り高精度な基準を使い、統合結果の誤差をチェックしましょう。複数の点群を統合した際には、重複領域でズレが数ミリ～数センチ以下に収まっているか確認します。既知点を用いた場合は、統合後にその点の座標が正しく合致しているか検証してください。座標統合と変換を正確に行うことで、この後のノイズ除去や解析作業も安心して進められます。

ステップ2：計測ノイズ・外れ値の除去

次に、点群データからノイズや外れ値を取り除く工程です。取得直後の点群には、計測誤差やセンサーの反射の乱れによる不要点（ノイズ）が少なからず含まれます。例えば、ガラスや水面など反射率の高い素材によってレーザーが誤った位置に返ってしまった点、測定範囲外に飛び散った点、あるいは機器の誤動作で生じた孤立点などがノイズとして現れます。また、周囲から大きく外れた位置に一つだけ存在するような点は外れ値と呼ばれ、明らかに実在しないデータ点である可能性が高いです。

こうしたノイズ点や外れ値はそのままではデータ解析の邪魔になるため、専用ソフトのフィルタ機能で除去します。一般的な方法としては、統計的フィルタリングによる外れ値除去があります。これは各点の近傍に一定数以上の他の点が存在しない場合にその点をノイズとみなして削除する処理です。例えば「半径○m以内に隣接点が極端に少ない点を除去する」といった基準を設定できます。これにより、周囲と孤立した不自然な点だけを自動検出して消すことが可能です。加えて、距離のしきい値を設けて明らかに遠すぎる点（想定外の飛び点）をフィルタする方法も有効です。

作業のポイント：ノイズ除去フィルタを適用した後は、データを目視確認してみましょう。自動フィルタは便利ですが、パラメータが厳しすぎると本来必要な点まで消してしまう恐れがあります。とくに構造物の縁や細かな部分にある点が「周囲に少ない」という理由で誤って除去されないよう注意が必要です。適切なパラメータを選ぶには、フィルタ前後の点群を重ねて比較したり、不自然な空隙ができていないかチェックすると安心です。なお、最近ではAIを活用したノイズ自動検出機能を備えるソフトウェアも登場しています。専門知識がなくてもAIが学習モデルに基づいてノイズ点を識別・除去してくれるため、初心者でも効率よくノイズクリーニングが可能になってきています。

ステップ3：不要ポイントの削除（対象範囲への絞り込み）

ノイズを除去したら、次は解析に不要な点群を削除してデータをすっきりさせます。点群計測には調査対象以外の物体も一緒に写り込むことが多く、これらはノイズではないものの目的によっては不要物となります。例えば、道路の点群データを使って地形図を作成する場合、走行中の車両や通行人の点群データは地形解析には不要です。同様に、建物の外観を記録した点群であれば、一時的に置かれていた工事用機材や通過した人の点群は分析の邪魔になります。そこで、こうした対象外の要素に対応するポイントを取り除き、純粋に必要な対象だけが残る状態にデータを整理します。

不要ポイントの削除は、専用ソフト上での手動編集によって行うケースが多いです。具体的には、点群ビューア上で不要な部分を範囲選択し、削除（または別ファイルに分離）します。道路上の車を消すなら車の形状に該当する点群を選択して削除し、周囲の路面点群だけにするといった作業です。点群密度が高く対象物が複雑な場合は、矩形やポリゴンでおおまかに領域選択して不要物を消去し、細部は点単位で取り除くといった手順を踏むと効率的です。また、必要なエリアを絞り込むクロッピング（範囲切り出し）も有効です。たとえば広範囲をスキャンした点群データから特定の工区や建物周辺だけを抜き出し、その他の領域は一旦除外しておけば、以降の処理が格段に軽くなります。オリジナルの点群ファイルはバックアップとして残しておき、解析に使う部分だけをコピーして加工すると安全です。

注意点：不要点を削除する際は、その点が本当に不要かをよく判断しましょう。一見関係ないように思える点群でも、あとで必要になる情報が含まれる場合があります。例えば、建物点群から周囲の樹木を全部消したあとに「隣接する樹木との距離を測りたい」と思っても、データ上に木が残っていなければ測定できません。したがって、どのデータを残しどれを捨てるかは用途を明確にした上で決めることが重要です。迷ったときは、不要物を完全に削除せずレイヤ分けや別ファイルに保存して退避させる方法もあります。そうすれば必要になった際に復活させられるので安心です。このステップまでで、点群データは解析対象に合わせた必要十分な範囲と内容に整理された状態になります。

ステップ4：点群データの間引き（サンプリング）

点群から不要な点を取り除いた後は、データの間引き（サンプリング）を行って全体の点数を減らします。高精細な点群データは数百万～数億個ものポイント集合になるため、そのままだとファイル容量が非常に大きく、コンピュータ上での表示や解析にも大きな負荷がかかります。前処理の目的は「精度を保ちながら扱いやすくする」ことですので、必要な情報量を維持しつつ点の総数を減らす工夫が求められます。

間引きの基本は、点の空間密度を均等に下げることです。むやみにランダムに点を減らすと、せっかくの精密な形状表現が偏ってスカスカになってしまい、形状の一部が粗くなったり見落としが発生したりします。そこで、代表的な方法として格子（グリッド）ベースのサンプリングがあります。点群空間に一定のサイズの3次元グリッド（立方体のボクセル）をかけて、各グリッド内で代表となる1点だけを残し他は削除する、というものです。例えば「1cmグリッドにひとつ」のサンプリングを行えば、点群密度を各方向1cm間隔程度に均一化できます。こうした等間隔サンプリングは、全体の形状を大きく損なわずに点数を削減するのに適した方法です。また、均一ではなく対象の大きさに応じて間引き量を変えることも検討できます。重要な細部（例えば設備の細かい部分）は高密度のまま残し、広く平坦なだけの地面部分は大胆に間引くといった調整です。ただし高度な編集になるので、まずは一律の格子サンプリングで十分でしょう。

間引き率の決め方：適切なサンプリング間隔は、求める精度や用途によって変わります。例えば、数ミリ単位の精度が必要な構造物の寸法取りなら間隔5mm以下が望ましいですが、地形全体の概形を把握するだけなら数cm間隔でも問題ないかもしれません。一般的には「必要な精度を十分満たす最小限の点密度」を目指して間引きを行います。初めての場合は、段階的に試してみると良いでしょう。まず点群を50%に間引いてみて、精度に問題なければさらに25%に…という具合に様子を見ながら調整します。作業前後でファイルサイズや表示の軽さがどう変わるか確認し、支障なく扱える最小サイズまで削減するのが理想です。

なお、どうしても点群データ量が多くて重い場合には、無理に全体を間引く代わりに領域ごとにデータを分割（タイル化）する方法もあります。エリアを複数のファイルに分けて管理すれば、一つ一つのファイルサイズは抑えられます。これにより、大事なディテールを犠牲にせず扱いやすさを向上させることも可能です。間引きはあくまで最適化の手段であり、「データを削る」作業ではありません。重要な情報を残しつつ軽量化するというバランス感覚を持つことが、精度を落とさないデータ軽量化のコツです。

ステップ5：地表面と構造物の分離（地物ごとの抽出）

点群が適度な密度にまとまったら、次は地表面（地形）と人工物などその他の部分を分離します。これは点群データの一次分類とも言える工程です。特に土木測量や地形解析の分野では、地面の形状を把握することが重要なので、建物や樹木などに覆われて見えない地表の点だけを抽出してデータを別管理します。こうすることで、地表面の点群を使って等高線を引いたり土量を計算したりといった解析がスムーズに行えるようになります。

地表面の分離には、専用ソフトの地表面抽出フィルタを使うのが一般的です。多くの点群処理ソフトには「地面点だけを自動判別する」機能が備わっています。これは、高さ方向の分布や点の密集度、下層から上層への連続性などに基づいて、最下層を成すポイント群を地面と推定するアルゴリズムです。例えば、ある半径内で最も低い位置にある点を地表と見なして取り込んでいく徐波（フィルタリング）処理や、斜面の勾配変化から地形らしい面を抽出する方法などが知られています。自動処理を適用するだけで、大まかには地面とそれ以外（建物・樹木・車両等）にクラス分けされた点群が得られます。

もっと単純なケースでは、高さでのしきい値で分けることも可能です。例えば地面近く1m以内にある低い点は全部地表カテゴリに入れ、それより高いものは構造物カテゴリとする、といった方法です。ただし地形が起伏に富む場合や建物の基礎部分などもあるため、高さだけで一律に判断すると誤分類が生じやすくなります。基本的には専用フィルタを用いて自動抽出し、その結果を人の目で確認・修正する手順が確実です。自動抽出後の点群を見て、明らかに地表ではないもの（例えば地面と接している低い車両が地表に混ざってしまった等）は手動で除外したり、逆に漏れている地面点を追加したりして調整します。

メリット：地表とそれ以外を分離しておくことで、後工程の解析が効率化します。例えば地表点群からはすぐにグリッド標高モデル（DSM/DTM）を生成できますし、構造物点群だけを可視化すれば建築物の形状把握に集中できます。また、不要物削除のステップで残しておいた周辺要素も、地表面と一緒に分けておけば必要に応じて別個に扱えます。重要なのは、この段階で現実のカテゴリーごとに点群をグルーピングしておくことです。特に地面データは基盤情報として重宝しますので、精度良く取り出しておくと後々役立ちます。

ステップ6：点群データの分類と属性情報の付与

最後に行うのが、点群データの詳細な分類（クラス分け）です。ステップ5で大きく地表とその他に分けましたが、さらに「その他」の中身を細分化していきます。建設分野の典型的な分類例としては、地表面、建物、構造物（工作物）、樹木・植生、車両、電線などのクラスが挙げられます。航空レーザ計測のLASデータ標準では、地面(ground)や建物、低木、高木、水面などの分類コードが定義されています。用途に合わせて適切なカテゴリーに分類することで、点群データに意味づけがなされ、解析や利活用が一段とやりやすくなります。

点群の分類作業も、基本的には自動処理＋必要に応じて手動補正という流れになります。近年の点群処理ソフトには、AI技術や画像認識を応用した自動クラス分類の機能が搭載されているものがあります。例えば、あらかじめ学習させたモデルを用いて点群中のパターンを識別し、「これは樹木、これは建物」というように一括分類してくれるツールです。属性情報（RGB値や反射強度）も併用することで、精度良く自動分類できるケースも増えてきました。ただし現状では万能ではなく、複雑な環境では誤分類も起こりえます。したがって、自動分類の結果は必ず目で見て確認し、明らかなミスがあれば修正することが大切です。ソフトによっては、点群を各クラスごとに色分け表示してくれるため、一目で不自然な混じり（例えば建物クラスの中に一部樹木が紛れている等）を発見できます。そうした部分を手作業で修正し、最終的にクリーンなクラス分けデータを完成させましょう。

分類が終わった点群データには、各点に「属性コード」が付与された状態になります。これは単に3次元の点の集まりだったデータに情報の次元を追加する効果があります。分類コードを利用すれば、「地面点だけ抽出して地盤モデル化」「建物点だけ他と色を変えて表示」「樹木点の体積を推計」といった具合に、同じ点群を様々な切り口で分析可能です。また、点群と一緒に統合して扱うCADモデルやGISデータとの連携時にも、クラス情報があることでフィルタリングやシンボル表示をスムーズに行えます。精度維持の観点では、分類作業それ自体が点群の座標精度を下げることはありません。ただし、誤った分類をすると解析結果の解釈を誤るリスクがあります（例：建物だと思っていたものが実は樹木だった場合など）。そのため、現地での状況把握や写真なども参考にしながら、分類結果が信頼できるものかを検証しておくと安心です。

以上、ノイズ除去から分類までの6つの基本ステップを踏むことで、点群データは精度を保ったまま軽量で使いやすい状態に生まれ変わります。不要なデータが削ぎ落とされ分類情報も付加された点群は、後続の3D解析やモデル作成にとって理想的な素材となるでしょう。

現場計測をもっと手軽に：ここまで点群データの加工処理について述べてきましたが、そもそも「高精度な点群を手軽に取得したい」というニーズもあるでしょう。従来は高価なレーザースキャナーや専門技術が必要でしたが、近年は簡易測量を実現する新しいソリューションが登場しています。その代表例がLRTKシリーズです。例えばスマートフォンに装着する小型GNSS受信デバイス「LRTK Phone」を使えば、誰でも手軽に3次元点群計測を始められます。スマホのカメラやセンサーで取得した点群にセンチメートル級の位置情報を付与できるため、現場でさっとスキャンするだけで測量図レベルの精度を持つ点群データが得られるのです。専用アプリ上でリアルタイムに距離や面積、体積の計測もできるため、取得から活用までを現場で完結できます。こうしたLRTKによる簡易測量を取り入れれば、小規模な現場の記録や日常の進捗管理なども飛躍的に効率化できるでしょう。高精度を維持しながらスピーディに計測・処理を行う新しいワークフローとして、LRTKは現場DXの強い味方になってくれるはずです。

FAQ（よくある質問）

Q. なぜ点群データからノイズを除去する必要があるのですか？ A. 点群計測時には、センサーの誤差や環境要因で実在しない点（ノイズ）がどうしても混入します。このノイズをそのまま放置すると、解析結果に誤差を生んだり処理時間が無駄に長くなったりします。ノイズ除去を行うことでデータの純度と信頼性が向上し、後の解析精度も高まります。必要な情報だけを残すための下準備と考えてください。

Q. 点群を間引くと精度が落ちるのではないですか？ A. 適切に間引きを行えば、精度への影響を最小限に抑えられます。間引きは全体の点の密度を均一に減らす作業なので、形状の特徴を極力残しつつデータ量だけ削減できます。ただし間引きしすぎると細部の情報が失われるため、必要な精度に応じた点間隔を見極めることが大切です。心配な場合はオリジナルの点群データを保存しておき、必要に応じて密度を調整し直すことで精度低下のリスクを回避できます。

Q. 点群データの分類は自動化できますか？ A. はい、最近はAI技術の発展により、ある程度の自動分類が可能になっています。専用ソフトの中にはワンクリックで地面・建物・植生などにAIが自動クラス分けしてくれるものもあります。ただし自動化された分類結果が完璧とは限らないので、最終的な品質チェックは必要です。自動処理で大まかに分類した後、専門知識がなくても画面上で色分け表示を確認しながら誤りを訂正できる仕組みが用意されていることが多いです。人の判断と組み合わせることで、効率良く正確な分類が実現できます。

Q. 初心者が点群処理を始めるにはどうすればいいですか？ A. まずは無料の点群ビューアなどを使って、基本的な操作（視点の回転、断面表示、距離計測など）に慣れると良いでしょう。それから比較的簡単なノイズ除去やサンプリングを試してみて、データが扱いやすくなる効果を体感してください。最近は日本語で使いやすいUIを備えた点群処理ソフトやクラウドサービスも増えており、初心者でも直感的に操作できます。また、スマートフォン＋簡易デバイスによる点群計測など手軽に始められる計測手法も登場しています。例えばLRTKのようなソリューションを活用すれば、初めての方でも現場で高精度な点群を取得し、そのまま活用までつなげることができます。難しそうに見える点群処理も、適切なツールを使えば決してハードルは高くありません。まずは小さな範囲から実践し、経験を積みながらステップアップしてみてください。