ホーム
Topics
LiDAR
LiDARとは「Light Detection and Ranging(光による検知と測距)」の頭字語で、レーザー光線を使用して環境内の正確な距離と動きをリアルタイムで測定するリモートセンシング技術のことです。
LiDARデータを使用することで、詳細な地形図の作成から、自動運転車を急速かつ絶えず変化する環境の中で安全に誘導するために必要な、正確でダイナミックな3Dモデルの生成まで、あらゆる用途で利用できます。LiDARテクノロジーは、溶岩流、地滑り、津波、洪水などの自然災害や危険を評価するためにも使用されます。
一部の企業に対しては早ければ2025年にESG情報の開示が開始されるので、当社のガイドを参考に準備しておきましょう。
LiDARは、レーダー(「無線探知および測距」、船舶や飛行機でよく使用される位置システム)やソナー(「音波航行および測距」、通常潜水艦で使用されるシステム)と同じ原理で機能します。3つのテクノロジーはすべて、物体を検出して追跡するためにエネルギーの波を放出します。その違いは、レーダーはマイクロ波を使用し、ソナーは音波を使用するのに対し、LiDARは反射光を使用するため、レーダーやソナーよりも高速、高精度、高分解能で距離を測定できることです。
一般的な LiDAR 機器は、いくつかのコンポーネントで構成されています。
リモートセンシングが正確であるためには、時間と空間の測定が正確である必要があるため、LiDARシステムは、計時電子機器や、慣性測定ユニット(IMU)、GPSも利用します。
LiDAR装置は、パルスレーザー光を環境に放出します。これらのパルスは光の速度で伝わり、周囲の物体で反射してLiDARセンサーに戻ります。センサーは各パルスが戻ってくるまでにかかった時間を測定し、パルスが移動した距離を計算します。レーザー光の速度は一定であるため、この「飛行時間」を使用して正確な距離を計算できます。
このプロセスを繰り返し、より広いエリアにレーザー・パルスを送信することで、飛行時間型測定値を数十億の個々のポイントで収集し、リアルタイムで処理して、いわゆるLiDARポイント・クラウドを作成できます。
データはいくつかの処理段階を経て、LiDAR点群から3Dマップに変換されます。まず、正確性と完全性をチェックし、クリーニングして異常ノイズを除去します。そして、建物、川岸、林冠のような地表の特徴をアルゴリズムで識別し、分類できます。
分析を簡素化するために、アルゴリズムは点群をダウンサンプリングして冗長なデータを削除し、ファイル・サイズを削減します。次に、データは、3Dのx、y、zデータの交換に使用される業界標準のLAS(またはLASer)ファイル形式に変換されます。
最後に、LASに変換すると、点群データを視覚化し、スキャンした地形の3Dマップにモデル化できます。自動運転車で使用されるような移動するLiDARシステムでは、これらの計算は常に継続して行われます。ある情報源によると、自動運転車は1時間ごとにテラバイトのデータを生成し処理します。1
LiDARシステムは、プラットフォームによって主に航空用LiDARと地上用LiDARの2つのタイプに分類できます。
航空機搭載 LiDAR システムは、航空機搭載レーザー スキャン システムとも呼ばれ、航空機 (通常はヘリコプターまたは UAV) に取り付けられた LiDAR スキャナを使用して、地表の 3D モデルを生成します。
航空機搭載LiDARマッピングは、地表のデジタル標高モデルを作成するための貴重なツールとなり、古くて精度の低い写真測量方法に大きく取って代わりました。航空機搭載LiDARスキャンは、森林林冠のLiDAR調査や森林地表の地形モデルを構築するために林業でも広く使用されています。
航空機搭載 LiDAR テクノロジーの種類には次のものがあります。
海底地形LiDAR
海底地形LiDARは、浅瀬や海岸線沿いのGISデータを取得します。海底LiDARは、一般的なLiDARシステムのように赤外線レーザー光を使用する代わりに、水を透過できる波長の緑色のレーザー光を放射して海底のデジタル標高を測定します。
宇宙ベースのLiDAR
NASAをはじめとする宇宙機関は、宇宙船のナビゲーションや天体のデジタル・マッピングに宇宙ベースのLiDARを使用しています。LiDARは、NASAの自動運転車の操縦や火星でのヘリコプターIngenuityの飛行にも使用されています。
Terrestrial LiDAR は、地形や景観のマッピングによく使用される地上ベースの LiDAR システムです。地上波 LiDAR を使用すると、より局所的な短距離データを収集できるため、より狭いエリアを高精度でマッピングするのに最適です。
陸上 LiDAR の種類には以下のようなものがあります:
静的LiDAR
一部の地上LiDARシステムは静的で1カ所に固定され、単一エリアの正確な繰り返し LiDAR スキャンを行うために使用されます。静的LiDARは、遺跡、建設プロジェクト、危険性評価によく使用されます。活火山、地震断層、洪水帯の地表面を監視できます。
モバイルLiDAR
モバイルLiDARは、移動中の車両からLiDARデータを収集できる地上型LiDARの一種です。モバイルLiDARシステム(MLS)は、運転支援や自動運転の開発において、自動車産業にとって重要な役割を果たしています。リアルタイムの光検知と測距によるデータ収集により、自動運転車は道路アセットやインフラを迅速、正確、かつコスト効率よく特定することができます。
LiDARスキャンは、現実世界で多くの業界で幅広く使用されています。地表や海底の詳細な地形モデルを作成し、移動する物体を正確で高解像度のリアルタイム可視化もできます。
LiDAR センサーは、農業の造園や地形の測定、作物バイオマスの推定、深さ、傾斜、水分、傾斜の変化をマッピングすることによる土壌特性の検出に使用されます。LiDAR は自律走行する農作業車の操縦にも使われています。
LiDARは、地形マッピング、目標追跡、雲を通しての地雷探索とイメージング、および密集した都市環境でも高度な戦場の視覚化を利用したミッション計画に使用されます。
先進運転支援システム(ADAS)や自動運転車などの自律走行車は、3D LiDARマップ・データを活用して、道路やその他の環境を「見て」移動します。
LiDAR は風速の正確な測定に使用できるほか、空港で航空機や異物の破片 (FOD) を追跡するためにも使用されます。
深浅LiDARは、緑色のレーザー光を使用して水を透過し、浅い水の貯水池、川、沿岸の海底のデジタル標高モデルを作成します。これらは、浸食の測定、野生生物の生息地の地図作成、洪水地帯内のリスクの評価に使用できます。
LiDARは、建設現場を迅速かつ正確に調査し、資材の体積を計算し、安全検査を実施して潜在的な危険を検出するために使用できます。
LiDAR テクノロジーは、風力資源の評価、石油とガスの探査、送電線の保守のための植生管理に使用されています。
LiDAR は、仮想現実および拡張現実アプリケーションのマッピング環境に使用されます。
詳細な地形図の提供に加えて、LiDAR を使用して葉面積指数や林冠体積などの樹木の構造特性を測定することができ、植生管理における貴重なツールとなります。また、森林火災の監視と封じ込めにも使用されます。
鉱山や採石場はアクセスが難しく、測量、地図作成、作業員の安全のために LiDAR がますます使用されています。LiDAR スキャンは採石場での体積測定にも使用できます。
LiDARテクノロジーは、製造で使用する物体の3Dモデルを作成するために使用できます。また、異常や欠陥を検出するための品質管理にも使用できます。
LiDARは、デジタル標高モデルを作成し、道路、橋、その他の地理的特徴やインフラの特徴をマッピングするために使用されます。
LiDARを使用すると、森林の樹冠をスキャンし、植生の密度、種、健全性を監視して、公共事業やその他のインフラにとって高リスクとなる可能性のある植生を特定できます。
LiDARセンサーは、気温、雲量、風速、空気密度、その他の大気パラメーターの測定に使用され、天気予報モデルに重要なデータを提供します。
研究チームは、LiDARの精度、速度、有効性を向上させるための新しいシステムとアルゴリズムを継続的に開発しており、LiDARテクノロジーを小型化、軽量化し、より手頃な価格にすることに焦点を当てた開発が続いています。これにより、家庭用電化製品、ロボット工学、スマート・ホーム・デバイスなど、さまざまな業界やアプリケーションでの幅広い採用が可能になります。LiDARは自動運転車においてますます普及しており、自動車の将来において重要な役割を果たすことが期待されています。
テクノロジーが向上し続け、コストが削減されるにつれて、LiDAR の用途は劇的に増加する可能性があります。
気候や天候に関する洞察を得ることで、混乱をもたらす環境状況を予測し、リスクに事前に備え、より持続可能な運用体制を構築します。
IBMの持続可能なソリューションを活用して、持続可能性への野心を行動に移し、レジリエントな未来に向けて持続可能性の目標に基づいて行動しましょう。
衛星データとガイガーモードLiDARの予測分析を気象のインサイトと組み合わせることで、人工知能を活用したインサイトを提供し、ユーティリティーの植生管理について、より多くの情報に基づいた意思決定を行うことができます。
地理空間データが、環境の持続可能性を中心とした戦略的な事業計画にどのように不可欠なツールとなったかを学びましょう。
産業企業が運用技術(OT)をITデータと統合して、資産の保守、監視、管理を改善している方法をご覧ください。
気象、衛星、IoTデータとインテリジェントな優先順位付けおよびレポート・ケイパビリティーを組み合わせて、植生管理に関する意思決定を改善します。
組織が地理空間データをどのように使用してパターンや傾向を明らかにし、変数間の関係について洞察を得るかをご覧ください。
1David Edwards氏、「自動運転におけるビッグデータ問題の解決に向けて」、ロボティクスとオートメーション、2022年7月21日