点群が重くて開けないを解決！点群ビューア高速化5つのコツとPC要件

目次

• 重すぎる点群データに直面する課題とは

• コツ1. 点群データの分割で必要部分だけ読み込む工夫

• コツ2. LOD（レベル・オブ・ディテール）処理で表示負荷を軽減

• コツ3. 座標系の最適化（ローカル座標への変換）で演算負荷を削減

• コツ4. 点群データの軽量化フォーマットへの変換

• コツ5. GPU活用とビューア設定の最適化

• 点群表示・処理に適したPCスペックとは

• まとめ：重い点群を軽快に使うためのLRTKという選択肢

重すぎる点群データに直面する課題とは

建設・土木・測量の現場では、LASやLAZ形式に代表される点群データを扱う機会が増えています。ところが、点群ファイルは非常に大容量になりがちで、「重くて開けない」「表示や操作が極端に遅い」といった悩みをよく耳にします。実際、点群データは数百万～数千万点にも及ぶ膨大な3D点の集まりであり、例えば公共測量基準の密度（1㎡あたり4点以上）で300m×400mの範囲を計測すると1,000万点を超える点が取得され、そのファイルサイズは100MB超（時には500MB程度）にも達します。従来の2次元図面データとは情報量の桁が違い、このような高密度ゆえの点の多さがファイルを重くする主因です。さらに各点には位置座標(X,Y,Z)に加えてRGB色や反射強度、分類コードなどリッチな属性情報が付加される場合が多く、1点あたりのデータ量も増加してファイル全体のサイズ肥大につながります。現場のあらゆる対象（地形、建物、樹木、構造物など）を一括で点群化すると必要な部分以外の点も大量に含まれ、用途によっては不要な点の混在がデータ量を押し上げる要因にもなります。加えて、点群データの形式も無視できません。特にテキスト形式(CSVやPTSなど)では数値を文字列で保存するため非効率で、同じ内容でもLAS（二進バイナリ形式）よりサイズが大きく、LAZ形式（LASを圧縮した形式）と比べると桁違いに肥大化します。こうした点の膨大さ、豊富な属性情報、そして形式上の非効率が重なり、「重すぎて開けない」点群データの課題を引き起こしているのです。

では、このような大容量点群を現場で軽快に表示・操作するにはどうすれば良いのでしょうか。以下では、Windows用のデスクトップ点群ビューアからWebブラウザ上のビューア環境まで念頭に置き、表示を高速化するための5つの具体的な工夫を解説します。それぞれ特定のソフト名には依存しない汎用的な方法ですので、自社環境に合わせて取り入れてみてください。

コツ1. 点群データの分割で必要部分だけ読み込む工夫

大きな点群ファイルは無理に一つにまとめず、範囲や内容ごとに分割することで処理負荷を下げられます。1ファイルに全データを詰め込むのではなく、小分けにしておけば必要な部分だけをビューアで読み込めるため、「重すぎて開かない」事態を避けることができます。分割の切り口として代表的なものは地理的な範囲、点群の分類（地物種別）、そして利用目的（必要な精度や密度）の3つです。

まずエリア（範囲）による分割では、広大な測量範囲を市松模様のタイル状に区切ります。例えば国土地理院の基盤地図情報では2万5千分1地形図に相当するメッシュ単位でLAS/LAZファイルが分割提供されていますが、これと同様に1km四方や500m四方といった矩形グリッドで区切る方法が効果的です。エリアごとにファイルを分ければ一つあたり数百MB程度に収まり、密度が高い都市部だけ細かく分割するといった調整も可能です。分割後のファイル名に基準となる座標値やメッシュ番号を含めておけば、どの範囲のデータか一目で分かるので管理も容易です。

次に分類コードによる分割です。点群データには地面、建物、植生、車両など様々な地物が混在していますが、用途によっては地表面だけ、構造物だけなど特定の点群だけ扱えれば十分なケースもあります。そこであらかじめ点群に付与された分類情報ごとにファイルを分けておくと、目的別に必要なデータだけ素早く抽出できます。最近の点群処理ソフトやクラウドサービスではAIによる自動分類機能が充実しており、地表・低木・高木・建物…と自動ラベル付けしてレイヤを分離できます。例えば地形解析用途なら地面の点だけを抜き出したファイル、構造物モデル用途なら建物や橋梁の点だけを集めたファイル、という具合に分類別にデータセットを用意しておけば、軽量化と必要データ抽出の両面で有利です。地表面だけの点群であればノートPCでも軽快に扱えるサイズに抑えられるため、現場でもさくさく閲覧できます。

さらに利用目的に応じた分割（データ取捨選択）も重要です。精密な3Dモデル化が目的なら元データすべての高密度点群が必要でしょうが、単なる現況把握やプレゼン用途であれば間引き（ダウンサンプリング）した粗めの点群でも事足りる場合があります。このように必要な精度・範囲だけを切り出し、不要な点は思い切って削減した軽量版データセットを作成しておくことで、ビューアでの表示や分析が格段に軽くなります。場合によっては点群からTINメッシュや等高線を生成してしまい、派生した2.5次元データで代替する方法も考えられます。フル解像度版のほかにこうした軽量版・派生版を用意しておけば、用途に応じてデータを出し分けられ社内外への提供もスムーズです。

以上のように、点群を範囲・地物分類・用途ごとに適切に分割管理することで、「データが重すぎて開けない」「毎回必要ない点まで読み込むせいで表示が遅い」といったストレスを大幅に減らせます。分割後は明確なファイル命名規則やフォルダ体系で整理し、関係者全員が迷わず必要データを選べるようにしましょう。また応用編として、Entwine Point Tiles（EPT）のように空間インデックスに基づき階層的にタイル分割する高度な方式も登場しています。EPTではビューア側で必要な範囲・解像度のタイルだけ読み込む仕組みになっており、インターネット経由で大規模データを配信・閲覧するのに適しています。社外へのデータ提供やWebブラウザ上の点群表示を検討する際には、こうしたクラウド向けタイル配信方式の活用も視野に入れると良いでしょう。

コツ2. LOD（レベル・オブ・ディテール）処理で表示負荷を軽減

点群データを効率よく表示するには、距離やズームレベルに応じて表示する点の詳細度を動的に調整する「LOD（Level of Detail）技術」が有効です。人間の目に見えないような遠景の点までフル解像度で描画しようとすると無駄に負荷が高くなりますが、LOD処理を取り入れることでビューアは状況に応じた適切な点の密度で描画を行います。具体的には、ズームアウトして全体を俯瞰している時には粗く間引いた点群だけを表示し、ズームインして近づいた箇所では細部まで高密度な点群を読み込むという仕組みです。多くの3D点群ビューアやエンジンは内部でこのLOD制御を行っており、ユーザーが意識せずとも必要最小限の点だけ描画されることでパフォーマンスを維持しています。

実務でLOD処理の効果を最大限得るには、データ側をあらかじめ多段階の解像度に対応させておくことがポイントです。前述のEntwine Point Tiles（EPT）はまさにこの考え方で、点群を空間的に細分化しつつ階層構造（オクツリー）で管理することで、任意の縮尺で最適な点群量を配信できるよう工夫されています。同様に、最近登場したCOPC（Cloud Optimized Point Cloud）という新しい点群データ形式も、LAS/LAZと互換性を保ちつつ階層的なインデックスとストリーミング機能を組み込んでクラウド上での効率的な逐次読込を可能にしています。COPCはLAZ圧縮に改良を加えた形式で、巨大な点群ファイルでも必要な部分だけ直接クラウドから読み込めるため、リモート環境での高速表示に威力を発揮します。これらのフォーマットを利用すれば、従来はまず全データをローカルにダウンロードして…という手順が必要だったものが、ネットワーク越しでも途切れなくスムーズに点群を閲覧できるようになります。

もしWebブラウザ上で広域の点群データを扱う場合や、社内LAN経由で大量データを共有する場合には、こうしたマルチレベルのデータ最適化を検討してみてください。ポイントは、「遠くの点は粗く、近くの点だけ細かく」というメリハリをデータとビューア双方で実現することです。その際、適切なLOD処理が行われているとユーザーには切り替えがほぼ意識されず、結果として常に表示は軽快だが必要な詳細もすぐ見えるという快適な操作性につながります。

コツ3. 座標系の最適化（ローカル座標への変換）で演算負荷を削減

点群データを扱う上で意外と見落としがちなのが座標値のスケールや基準系による処理負荷の違いです。例えば、日本測地系の平面直角座標や経緯度（世界測地系）といった桁の大きな絶対座標系で点群を取得した場合、そのままでは各点の数値が非常に大きく（数百万オーダー）なります。コンピュータ内部では大きな数値どうしの演算は小さな数値に比べて計算コストが高く、また3D描画エンジンによっては座標が原点(0,0,0)から離れ過ぎていると演算精度が低下して表示ズレ等の問題が起こることもあります。国土交通省の資料でも、緯度経度や平面直角座標のままでは「座標値が大きすぎる（原点から離れすぎている）場合、処理負荷が大きく正確な位置への移動が困難」と指摘されており、点群データの原点を重心付近に移して処理することが推奨されています。

つまり、取得した点群がグローバルな測地系座標のままの場合、一度ローカル座標系（任意の基準点を原点とした座標系）に変換してからビューアに読み込むことで、描画エンジンにとって扱いやすい数値レンジに収めることができます。これにより回転・平行移動といった空間変換の処理効率が向上し、表示の安定性と精度も確保できます。特に複数の点群データを統合表示する場合、座標系が合っていないとそれぞれのデータが空間的にずれて正しく重なりません。レーザースキャナ計測では機器基準のローカル座標系でデータが得られるため、後処理で既知の基準点に合わせた測地系座標に変換（ジオリファレンス）することが一般的ですが、巨大データを扱う際には逆に処理段階では局所座標系にして演算負荷を下げ、最終的な成果出力時に所定の測地系に戻すという手順も有効です。座標値の単位系（mかmmか）についても、ソフトによっては適切に揃えておかないと無駄なスケーリング計算が生じる場合がありますので注意しましょう。

要は、点群の位置合わせや変換はできるだけ原点付近で行い、巨大座標のまま重い演算をさせないことが高速化のコツです。こうした座標系の最適化によって、見かけ上のデータ内容は変わらずとも裏側の計算負荷を減らすことができ、結果的にビューア上での表示・操作が軽快になります。

コツ4. 点群データの軽量化フォーマットへの変換

ファイル形式の選択とデータ圧縮も、重い点群を扱いやすくする重要なポイントです。元データがテキスト形式（.txtや.csv等）の場合は真っ先にLAS形式などのバイナリ形式に変換すべきですし、さらにLASをそのまま使うよりは可逆圧縮されたLAZ形式にすることで飛躍的にファイルサイズを削減できます。LAZ形式はLASデータを劣化なく約1/10（7～20%程度）の容量に圧縮できる業界標準フォーマットであり、国土地理院の航空レーザ測量データ配布など国内外でデファクトスタンダードになっています。LAZに圧縮するだけでも、ネットワーク経由のデータ転送時間の短縮やストレージ容量の節約といったメリットが大きく、重い点群ファイルの取り回しが格段に改善します。例えば社内や取引先と点群データを受け渡す際には、可能な限りLASではなくLAZでやり取りするのが望ましいでしょう。

もし手元にLASファイルしかない場合でも変換は難しくありません。LASzipというオープンソースツール（点群処理ツールの一部）を使えばコマンド一発でLAS→LAZ圧縮できますし、逆にLAZからLASへの伸長も可能です。GUI操作が良ければ、例えばオープンソースの点群ビューア（フリーの点群処理ソフト）でもLAS/LAZの入出力に対応しており、プラグイン設定をすれば「保存」メニューからLAZ形式でエクスポートできます。近年ではオープンソースGISソフトなど一部のGISソフトもLAZ読み込みに対応し、内部で自動的にタイル化された形式（Entwine Point Tilesなど）へ変換してくれるものもあります。このように手順自体はさほど難しくないため、特に大量データを扱う業務では社内標準としてLASではなくLAZで保存・共有する運用を徹底すると良いでしょう。

LAZ以外にも、用途によって適切な軽量フォーマットがあります。例えば点群をメッシュ化してE57形式（汎用性の高い圧縮ポイントクラウド/メッシュ形式）で保存するといった方法もありますし、前述したCOPC形式はLAZと互換性を保ちつつ階層構造を取り入れた次世代フォーマットとして注目されています。重要なのは、扱うソフトウェアやシステムに応じて読み書き可能で、かつデータ量を削減できる最適な形式を選ぶことです。もし特定プロジェクトで扱う点群が大きすぎて読み込みに支障が出る場合は、思い切ってフォーマット自体の見直しを検討しましょう。テキストデータを圧縮せずそのまま読み込んでいた場合など、形式変更だけで驚くほどパフォーマンスが向上するケースもあります。なお、圧縮形式を使う際にはビューア側がその形式に対応しているか事前に確認が必要です（例えばLASには対応していてもLAZはプラグインが必要なソフトなどもあります）。自分の利用環境に合った軽量化フォーマットを選定し、重い点群データのハンドリングコストを下げましょう。

コツ5. GPU活用とビューア設定の最適化

点群ビューアを使用するPC側のグラフィック性能を最大限活用する設定も、表示を高速化する上で欠かせません。現代の3D表示は基本的にGPU（グラフィック処理装置）によるハードウェアレンダリングが主流ですが、PCの構成やソフトの設定次第ではその性能を十分発揮できない場合があります。まず大前提として、専用GPU（ディスクリートグラフィックス）を搭載したPCを用いることが望ましいです。オンボードの内蔵グラフィックスでは大量の点群をリアルタイムに描画する負荷に耐えられず、フレームレートの低下や表示の途切れが発生しやすくなります。中～高性能GPUを備えたマシンであれば、数千万点規模のレンダリングでも比較的スムーズに動作します。特にVRAM（ビデオメモリ）容量は重要で、4K解像度表示や数億点に及ぶ巨大データを扱う際には少なくとも8GB以上、可能なら12GB以上のVRAMを持つモデルが推奨されます。ビューアによっては高解像度表示時に読み込む点の数を自動調整しますが、VRAMが不足すると必要な点をすべて保持できず表示が途切れる原因となります。このため、ハイスペックGPUを積んでいてもVRAM不足では本末転倒なので、解像度やデータ規模に見合ったビデオメモリ容量のGPUを選択しましょう。

また、点群ビューアやドライバ側の設定調整も効果があります。例えばビューアの描画オプションに「パフォーマンス優先」「簡易表示モード」等があれば有効にし、操作中は点を粗めに省略表示して動作を軽くする機能を活用します。実際、一部の点群ビューアではドラッグで視点移動中は自動で点描画数を減らし、止めたときに高解像度表示に切り替えるといったプログレッシブ表示を行っています。そうした機能がオフになっている場合はオンにするだけで操作感が改善するでしょう。また、ポイントサイズ（点のサイズ）やシェーディング効果の調整も有効です。例えばEye-Dome Lighting（点群に陰影効果を付与して立体感を高める表示機能）や点の法線方向による描画（点を面の向きに応じて傾けて表示する機能）は、見栄え向上に有用な一方でGPU負荷が上がるため、動作が重い時はオフにすることで速度を稼げます。点のサイズも、小さい点を隙間なく描くほど描画負荷が増しますが、多少大きめの点で重ね描きする設定にすれば必要な画面密度を維持しつつ表示する点数自体は減らせるため、結果的に軽くなる場合があります。このように表示品質と速度のトレードオフを調整する設定を見直すことで、GPUの能力範囲内でより快適に点群を操作できるようになります。

さらに、グラフィックドライバは常に最新バージョンに保ち、メーカー推奨の設定も確認しましょう。特にノートPCでは省電力の内蔵GPUと高性能GPUを切り替えている機種が多いため、点群ビューア使用時には確実に高性能GPUが使われる設定になっているか要チェックです。最後に、ビューアそのものの選定も無視できません。どんなに高性能なハードを揃えてもソフト側がシングルスレッドしか使わなかったりGPUを活かせない実装であれば宝の持ち腐れです。一般に点群描画ではCPUのシングルコア性能も重要（読み込み処理やデータ変換で高速な単一スレッド処理が有利）ですが、近年はマルチコア対応やGPU活用が進んでいるソフトも増えています。自社のPC環境と点群データ規模に見合った最適なビューアを選び、ハードリソースを余すところなく使うことが高速表示への近道です。

点群表示・処理に適したPCスペックとは

ここまでデータ側・ソフト側の工夫について述べてきましたが、それらを活かすためには基盤となるPCのスペックも極めて重要です。大容量の点群をストレスなく扱うには、CPU・メモリ・GPU・ストレージそれぞれに十分な性能とバランスが求められます。まずメモリ(RAM)ですが、点群処理では数百万～数億点のデータを一時的に格納して計算するため、できるだけ大容量のメモリを積むほど安定性と速度が向上します。最低でも16GBは必要で、実務上は32GBを推奨、複数ファイルの同時処理や大規模3Dモデル生成を行うなら64GB以上あれば安心です。メモリが不足すると読み込み途中でソフトが落ちたり、仮想メモリへのスワップで極端に処理が遅くなったりするため、余裕を持った容量を搭載しましょう。

次にCPUです。点群ビューア自体の描画処理はGPU依存が大きいものの、点群データの変換やフィルタリング、解析などCPUで行う処理も多々あります。特に単一ファイルを連続読み書きする場面ではCPUのシングルスレッド性能（クロックの高さ）が効いてきます。一方で、点群の位置合わせ処理やフォトグラメトリによる点群生成などバッチ的な重処理ではマルチコアをフル活用するソフトも多いため、コア数の多いCPUも有利です。要は目的によりますが、現場でリアルタイムに点群閲覧・簡易計測をする程度なら高クロックの6～8コアCPUで十分、一方で点群生成や高度な解析を自前で行うなら16～32コア級まで視野に入れる、といった判断になります。幸い最近のCPUは高クロックと多コアを両立したモデルも増えており、建設業向けではIntel Core i7/i9シリーズやAMD Ryzen 7/9シリーズあたりがバランス良く選ばれています。

そしてGPU（グラフィックカード）は先述の通り点群表示のキモとなる部分です。推奨は高性能GPUで、CAD用途とは異なりゲーミングPC向けのGPUでも十分に力を発揮します。ポイントは前述したVRAM容量で、扱うデータに合わせて不足のないよう選ぶことです。中規模データならミドルクラスGPU（例：RTX 3060/3070クラスで8～12GB VRAM）、巨大データや4K以上で作業するならハイエンドGPU（RTX 3080/3090やRTX A5000/A6000クラスで16～24GB VRAM）といったイメージになります。実際、プロ向けワークステーションでは128GB以上のRAMとハイエンドGPUを組み合わせ、大規模点群処理に備えるケースもあります。予算との兼ね合いになりますが、「必要な時にマシンパワー不足で作業停止」とならないよう、将来的なデータ規模も見据えて投資を検討してください。

最後にストレージです。点群ファイルの読み書き速度は表示レスポンスや処理時間に直結します。SSDの高速性は言うまでもなく必須であり、可能ならNVMe接続のSSDが望ましいです。特にネットワーク越しでなくローカルで巨大点群を扱う場合、HDDではシークボトルネックでCPU/GPUが暇を持て余すため、高速SSD上にデータを置いて処理するようにしましょう。加えて容量も重要で、点群は知らない間にデータ量が膨れがちです。業務用なら1TB以上のSSDを搭載し、作業用ドライブに余裕を持たせてスムーズな読み書きを確保します。以上をまとめると、大まかには「CPUは高クロック＆適度な多コア」「RAMはできるだけ大容量」「GPUは高性能かつVRAM十分」「ストレージはSSD」という構成が点群向きと言えます。もちろん予算内でどこに重点を置くかは使い方次第ですが、例えば表示メインならGPUと高速ストレージを厚めに、解析もするならCPUとRAMにも惜しみなく、というように役割に応じて配分してください。高スペックPCは決して安くありませんが、生産性向上による時間短縮効果を考えれば現場にとって大きな価値をもたらすはずです。

まとめ：重い点群を軽快に使うためのLRTKという選択肢

最後に、大容量点群データを扱う上で忘れてはならない視点として、点群そのものの取得・更新作業を効率化する最新ツールにも触れておきます。近年注目されているのが、iPhoneなどスマートフォンを高精度GNSS測量機に変える革新的なデバイス「LRTK」シリーズです。LRTKはスマートフォンに後付けする小型のGNSS受信機で、端末に装着するだけでスマホがセンチメートル級のGNSS測位端末になり、現場で手軽に高精度な位置情報を取得できます。バッテリーやアンテナも一体型で片手に収まるコンパクト設計のため、従来の据置型GPS機器のような煩雑さがありません。このLRTKとスマホのカメラ・LiDAR技術を組み合わせることで、誰でも簡単に絶対座標付きの高精度点群をその場で作成できるようになります。例えばiPhoneにLRTKを装着して現場を歩き回るだけで、歩いた範囲の点群をリアルタイムにスキャンしてクラウド上に保存し、即座に体積計算や図面との差分チェックを行うことも可能です。

従来は専門機器と熟練オペレーターが必要だった点群計測が1人で短時間に完了し、しかも測位精度は常にcmレベルという画期的なソリューションで、国土交通省が推進するi-Constructionにも適合した最新技術と言えます。LRTKシリーズの導入により、現況点群の定期的なアップデートや出来形管理が飛躍的に効率化し、点群データの利活用サイクルを加速できます。重い点群を「如何に扱うか」というテーマと合わせて、「如何に手軽に取得しアップデートするか」も現場DXでは重要です。LRTKはまさにその鍵を握るツールとして、今後ますます普及が期待されています。もし自社で点群活用を進めているなら、LRTKのような最新デバイスにも目を向けてみる価値があるでしょう。高度なGNSS測位技術をスマホで実現するLRTKが、皆様の現場の測量作業とデータ活用レベルを次のステージへと押し上げるかもしれません。