アジア航測株式会社 先端技術研究所 アジア航測株式会社 先端技術研究所

HOME

ABOUT US 先端研について

TECHNOLOGY 研究・実績

OPEN INNOVATION オープンイノベーション

RECRUIT リクルート

  • 赤色立体地図

    赤色立体地図の基本的説明から地図作成サービス、購入から教育・研究者対する特許権実施まで対応。

  • 赤色立体地図ラボ

    ArcGIS Online使用の無償サイト。
    世界各地のWeb GISサンプルが閲覧できます。

TECHNOLOGY 研究・実績

先端研の研究領域

研究事例

AIなどを活用した3D都市モデル自動作成ツールの開発（概要版）

アジア航測株式会社

新名 恭仁・野中 秀樹・溝淵 真弓・神馬 和歌子・于 忠策・小森 惇也・筒井 駿吾

株式会社リアルグローブ

大畑 貴弘・篠田 正博

研究領域
#3D都市モデル
キーワード
#オープンイノベーション

1. 背景・目的

国土交通省による「Project PLATEAU」は、スマートシティやデジタルトランスフォーメーションの基盤として3D都市モデルの整備・活用を推進しています。
しかし、高精細な3D都市モデル（LOD2以上）は主に技術者による手作業で作成されるため、広範囲に整備する際の作業時間・費用が大きな課題となっており、定期的な更新も困難です。
この問題解決の一助として、AIなど先進技術を用いた自動作成ツールの開発が求められています。

表1　建築物・道路のLOD0～3のイメージ[1]

2. 建築物LOD2モデル自動作成ツール

入力データとして、建物外形情報が含まれるCityGMLファイル、航空写真、航空写真から作成した地上画素寸法25cmのDSM点群、およびカメラの標定情報を使用し、建物LOD2モデルを自動作成します。
処理工程は以下の5つのステップとなります。

  1. 建物点群抽出：DSM点群から建物領域を抽出する。
  2. 建物自動分類：DSM点群を画像化し、ResNet34を用いて建物を「陸屋根形状」か「家屋形状」に分類する。
  3. 陸屋根モデリング：高さ情報を基にルールベースで陸屋根型のモデルを作成する。
  4. 家屋モデリング：屋根線検出（HEAT[2]手法）とバルコニー抽出（TransUNet[3]によるセマンティックセグメンテーション）を組み合わせ、正確な家屋形状を生成する。
  5. テクスチャ貼り付け：航空写真と標定情報を用いて、生成モデルにテクスチャを付与する。

これらのプロセスでは、画像データに基づくAI処理を活用し、粗いDSM点群のみの場合に生じがちな形状破綻を防止しています。
作成結果では、建物の大小や形状の複雑さに関わらず、正確なLOD2モデルが自動生成できることが確認されました。

図1　建築物LOD2モデル自動作成ツールの処理フロー
図2　建築物LOD2モデル自動作成ツールの処理結果

3. 道路LOD2モデル自動作成ツール

入力データとして、オルソ画像および道路LOD1モデル（CityGMLまたはシェープファイル）を使用し、車道、歩道、島などを表現可能な道路LOD2モデルを自動作成します。
処理工程は、以下の6つのステップに分かれます。

  1. 道路隣接関係の判定：車道交差部を判定する。
  2. 推論用データの作成：道路領域外を黒く塗りつぶした画像を作成する。
  3. 道路セグメンテーション：Mask2Former[3]を用い、道路領域を車道部、歩道部、島、オクルージョンに分類する。
  4. ノイズ除去：小さい誤分類領域を隣接カテゴリの最頻値で補正する。
  5. オクルージョン再分類：オクルージョン領域を再分類する。
  6. 領域ベクトル化：ラスタデータからスムージング処理を経てベクタデータを生成する。

実際の評価では、岐阜市や広島市の事例において、多くの道路が正確に自動作成され、手作業の修正が大幅に削減される結果が得られました。

図3　道路LOD2モデル自動作成ツールの処理フロー
図4　道路LOD2モデル自動作成ツールの処理結果

4. OSS公開とユースケース

開発したツールは、国土交通省都市局のPLATEAU GitHubにてオープンソース（GPL v3.0）として公開されています。
具体的なユースケースとして、建物LOD2モデルを用いた太陽光発電ポテンシャル推計や、道路LOD2モデルを活用した開発許可申請管理システムなどを開発しました。これにより都市計画、インフラ管理、防災対策などでの業務効率化が期待されます。

図5　太陽光発電ポテンシャル推計のイメージ[5]

5. 今後の開発計画

本プロジェクトは、SBIRフェーズ3基金事業の支援を受け、2027年度までに建築物LOD2、道路LOD2に加え、都市設備や植生などの自動抽出にも取り組む予定です。
さらに、属性情報の自動推定にも注力し、クラウドサービスやデスクトップアプリケーションとして提供することで、自治体やインフラ事業者、デジタルツインプラットフォーマーなど幅広いユーザが利用可能な環境の整備を目指します。

参考文献
[1] PLATEAU Handbooks, “3D都市モデル標準製品仕様書第4.1版”, 国土交通省, https://www.mlit.go.jp/plateau/file/libraries/doc/plateau_doc_0001_ver04.pdf, (参照 2025-04-02)
[2] Chen, J. et al.: HEAT: Holistic Edge Attention Transformer for Structured Reconstruction, In Proc. of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 3866-3875 (2022)
[3] Chen, J. et al.: Transunet: Transformers make strong encoders for medical image segmentation, arXiv preprint arXiv:2102.04306 (2021)
[4] Cheng, B. et al.: Masked-Attention Mask Transformer for Universal Image Segmentation, In Proc. of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 1290-1299 (2022)
[5] PLATEAU Use Case, “太陽光発電のポテンシャル推計及び反射シミュレーション v3.0”, 国土交通省,
https://www.mlit.go.jp/plateau/use-case/uc24-15/, (参照 2025-04-02)