データのセグメンティングおよびフィルタリングのためのポイントクラウド分類
Cyclone 3DRの業界実績のあるAI分類モデルを使えば、オブジェクトやノイズの除去や隠し、点群の整理、スキャンからBIMへの効率と精度の向上が可能です。
AIポイントクラウド分類機能には以下のクラスモデルが含まれます:
モデル | 概要 | 対応スキャン | クラス |
|---|---|---|---|
屋内 | このモデルは、屋内住宅やオフィスサイトで地上または運動学的レーザースキャナーによって収集された点雲データで最も効果的に機能します。 | 地上レーザーおよび運動学レーザースキャナー。 | 地面、縁石、その他、屋外壁、車両静電気、舗装地形、壁、天井、床、ドア、窓、階段、柱、梁、下天井、ケーブル、パイプ、HVAC、天井機器、椅子、机、家具、電気設備、フーディング、ラジエーター、配管、手すり、スロープ、傾斜屋根、フラットルーフ、屋根設備、鉄骨構造、バルブハンドル、バルブボディ、屋内植生、屋内騒音、傾斜天井、ワイヤー設置、配管設置 |
屋内建設現場 | このモデルは、屋内建設現場の地上または運動学的レーザースキャナーによって収集された点雲データで最も効果的に機能します。 | 地上および運動学的レーザースキャナー | 壁、天井、床、ドア、窓、階段、柱、梁、配管、HVAC、基礎、反射、室内騒音、壁骨組み、その他設置済み配線 |
アウトドア | このモデルは、屋外の建築環境で地上レーザースキャナーによって収集されたポイントクラウドデータに最も適しています。これは最も一般的なモデルであり、建物や植生のような対象を分類するのに有用です。 | 地上レーザースキャナー | 地面、高い植生、建物、ハードスケープ、アーティファクト |
屋外建設現場用UAV | このモデルは、屋外建設現場のUAVベースの写真測量データから得られたポイントクラウドデータで最も効果的に機能します。このモデルは屋外作業現場をセグメント化し、地形モデルの作成、作業監視、体積計算に特に有用です。 | UAVからの写真測量データ | 建築、地盤、遺物、植生、人工物、道路およびハードスケープ、街路設備、フェンス、溝掘り、地下インフラ、建設資材、建設車両、マンホール、縁石、資材の備蓄。 |
植物 | このモデルは、工業処理(プラント)現場で地上レーザースキャナーによって収集されたポイントクラウドデータで最も効果的に機能します。このモデルはScan-to-Pipeのワークフローに直接対応します。 | 地上レーザースキャナー | 未分類、垂直鋼構造、水平構造、斜め鋼構造、鋼構造結合要素、フーティング、バルブハンドル、バルブボディ、パイプベンド、パイプシリンダー、パイプ接続、パイプリデューサー、パイプフランジ、パイプ設備、パイプ資産、タンク、パイプ計器、パイプ特殊。 |
レール | このモデルは、鉄道網沿いのモバイルマッピングレーザースキャナーによって収集されたポイントクラウドデータで最も効果的に機能します。 | モバイルマッピングシステム | 低い植生、中間植生、高い植生、建物、水、鉄道、道路表面、ワイヤー、自然地形、ハードスケープ、縁石、階段、散らかったもの、走行物、動物、屋外の壁、擁壁、ポール、トンネル、橋、高架橋、信号道路、道路表面橋、道路表面トンネル、道路表面高架橋、ガードレール、車両移動道路、車両静止道路、舗装地形、舗装地形橋、 舗装地形トンネル、舗装地形高架橋、線路跡橋、線路跡トンネル、線路跡高架橋、プラットフォーム、枕木、踏切、信号レール、車両移動レール、車両静止レール。 |
道 | このモデルは、道路や道路網沿いにモバイルマッピングレーザースキャナーで収集されたポイントクラウドデータで最も効果的に機能します。このモデルは任意の点群を分類し、屋外資産(例:道路、建物、ガードレール、ポールなど)をセグメント化できます。 | モバイルマッピングシステム | 低い植生、中間植生、高い植生、建物、水、鉄道、道路表面、ワイヤー、地盤、ハードスケープ、縁石、遺物、壁、擁壁、ポール、トンネル、橋、高架橋、信号標識、ガードレール、車両移動道路、車両静止道路、舗装地形、線路跡、プラットフォーム、枕木、踏切、信号レール、車両移動レール、車両静止レール。 |
ポイントクラウド分類の処理はサブスクリプションのノルマを消費します。
ガイド付きワークフロー:ポイントクラウドの分類
左ナビゲーションバーの「Artifacts」タブの「Point Cloud」カードに分類プロセスを実行するオプションが表示されます。分類の「スタート」コマンドをクリックしてください。

アーティファクトタブの「Start」分類コマンド
「スタート」を開始すると、利用可能なAIモデルとの対話が始まります。分類するポイントクラウドデータの種類に基づいてモデルを選択します。この例では「屋内建設現場」を選択します。

利用可能なAIモデルで分類ダイアログを開始します。
AIモデルを選択した後、「スタート」をクリックします。
分類プロセスの成功は、遺物タブのポイントクラウドカードの「分類」横にチェックマークで示されます。完了後は、機密データをReality Cloud Studioで可視化でき、Cyclone 3DRや対応するCloudWorxプラグインにストリーミングすることも可能です。
ポイントクラウドクラスの表示は、AutoCAD用のCloudWorx、BricsCADのCloudWorx、NavisworksのCloudWorx、RevitのCloudWorx、RevitのCloudWorx Viewerでサポートされています
機密データの可視化
「ビジュアライゼーション設定」「エフェクト」には新しい「分類」オプションが利用可能です。それを選択することで、クラスの色が点群に適用されます。

ビジュアライゼーション設定ダイアログの「分類」オプション。
ナビゲーションバーの「Artifacts」タブで、分類に使われるモデル名を選択します。各クラスの視認性は、クラスの隣にあるアイアイコンで切り替えられます。

識別されたクラスの可視性を切り替えます。
クラス名の隣にあるアイアイコンを切り替えることで、識別されたクラスを表示または非表示にできます:
ハイド識別クラス
CloudWorxで機密データを可視化する
この例では、CloudWorxのRevitでHxDR Reality Cloud Studioの分類機能から生成されたポイントクラウドクラスを可視化します。
ガイド付きワークフローに従ってください: Reality Cloud Studioからのストリームデータ.
Revit UIのCloudWorxタブで「レンダリング」グループを見つけて、「カラーマッピング」コマンドを選択してください。開いたダイアログで、「カラーマッピング」ドロップダウンリストから「分類」を選択し、「適用」をクリックします

RevitリボンのCloudWorxタブからPoint Cloud Color Mappingコマンドを使います。
カラーマッピングが適用されると、「クラスの可視化」ボタンがアクティブに表示されます。「クラス可視化」コマンドを開始すると、識別されたクラスのリストが表示されます:

ポイントクラウド分類ウィンドウで、特定のクラスを表示または非表示するオプションがあります
「ポイントクラウド分類」リストでは、識別されたクラスのオン/オフの可視性をチェックでき、必要に応じて色を変えることができます。
サイクロン3DRで機密データを可視化
サイクロン3DRでは、 データをストリーミングするためのガイド付きワークフロー Reality Cloud Studioより。
アセットを右クリックし、「表現」に移動して「分類」を選択します。「分類」を選択すると、キャンバス上の点雲は識別されたクラスの色を取ります。

ポイントクラウドの分類表現を有効にしてください。
識別されたクラスに基づいてデータをフィルタリングするには、右クリックして「プロジェクト変換」コマンドを選択してください。これにより、Cyclone 3DRツールを機密データセットで使用できるようになります。

機密データセットでCyclone 3DRツールを使用できるようにプロジェクトを変換してください
プロジェクトが変換された後、識別された各クラスを分離して可視化できます。「クリーン」タブの「クラウドマニュアルセグメンテーション」セクションで「属性別分離」コマンドをクリックしてください。

「Clean」タブの「属性別分離」コマンド
「属性別分離」コマンドを開始すると、「属性別別」ウィザードが開きます。「ソース」を選択し、「分類」を選び、「OK」をクリックします。

「属性別」フロー
その結果、属性一覧が表示され、電球アイコンをクリックすると各クラスの表示を切り替えることができます。特定のクラスを隠すことで、ノイズや無関係なデータをフィルタリングし、検査やBIM操作へのスキャンに備えることができます。

識別された各クラスの可視性の切り替え
既知の問題点
CloudWorxの統合ではクラス名が利用できません
クラス表示ダイアログ内のクラス名(「カテゴリ」欄)はCloudWorx 2025.1.0以前では利用できません。2025.1.1以降にアップグレードすると、カテゴリ欄のクラス名が表示されます。
CloudWorx統合ではモデル名が利用できません
「モデル」欄には現在、分類に使用されたモデルの正しい名前が表示されていません。
一部のデータセットは完全に処理されないことがあります
これは以下のいずれかまたは組み合わせの結果です。
点雲の高密度。
選ばれた「モデル」には多くのクラスが存在します。
クラス数が最も多いクラスモデルは、インドア建設、鉄道、ロードです。
高密度点雲とこれら3つの分類モデルのいずれかが組み合わさると、失敗の可能性が高いです。