Gaussian splatting in PIX4Dmatic

PIX4Dmatic にガウシアン スプラッティングが実装 - データ取得から仕上げまで 1 つのエコシステムで完結-

PIX4Dcatch、 PIX4Dcloud に続き、ついに PIX4Dmatic にもガウシアン スプラッティングが実装されました。これにより、高精度かつ位置情報に対応した統合した製品エコシステムが誕生しました。

PIX4Dcatch、 PIX4Dcloud に続き、ついに PIX4Dmatic にもガウシアン スプラッティングが実装されました。これにより、高精度かつ位置情報に対応した統合した製品エコシステムが誕生しました。 現在、ガウシアン スプラッティングは高精度な 3D 再構築の新たなスタンダードとして急速に普及しており、今回の PIX4Dmatic への導入は、大きな転換点となります。PIX4D は、モバイル端末でのデータ撮影からクラウド処理、そしてプロフェッショナル向けのデスクトップ環境での高度な制御をシームレスにつなぎ、一気通貫した位置情報付きワークフローを実現しました。これにより、測量業務に不可欠な精度や信頼性を損なうことなく、ガウシアン スプラッティングによる高精細な 3D 表示が可能になります。

PIX4Dmatic を使用することで、プロの現場で求められる正確性と信頼性を維持した成果物を得ながら、ガウシアン スプラッティングのワークフローを完全に制御できるようになります。

進化した点群

PIX4D のガウシアン スプラッティング技術がもたらす効果のうち、最も直接的でありながら見落とされがちなのが、高密度点群そのものの品質向上です。従来のフォトグラメトリ処理による高密度点群は、画像マッチングの品質に強く依存していました。この手法は有効ではあるものの、テクスチャが乏しい場所、パターンの繰り返しがある場所、または形状が複雑な場所では、密度のばらつきやデータの欠損、エッジの断片化が生じやすいという課題がありました。そのため、データを使用する前に煩雑なクリーンアップ作業を挟む必要があったのです。

1.1 3D Point Cloud Density Comparison Gaussian Splatting vs. Standard Densification (1)
ガウシアン スプラッティングを行わない従来の点群

1.2 3D Point Cloud Density Comparison Gaussian Splatting vs. Standard Densification (2)
新アルゴリズムのガウシアン スプラッティング実行後に生成される点群 下段のガウシアン スプラッティングを適用した点群の方が、全体にむらがなく均一に分布し、データの不整合 (ノイズ) が少なくなっていることがわかります。

PIX4Dmatic にガウシアン スプラッティングが搭載されたことで、スキャン対象物の連続的な表現をベースとした 3D 再構築が行われるようになり、構造的な特徴をより鮮明に捉えられるようになりました。これにより、生成される点群の完全性が向上し、より均一な点分布が実現するとともに、難度の高いエリアで発生しがちだったノイズなどの影響が著しく軽減されるようになりました。測量業務においては、これは単なる視覚的な改善にとどません。データセット修正の手間を減らし、後続のワークフローにおけるデータの信頼性の向上に直結します。

データが破綻しやすい場所でも、より完全なオルソモザイクを

多くの場合、オルソモザイクは最終成果物として扱われます。しかし実際には、ワークフロー全体の中で最もエラーが発生しやすい繊細な出力成果物でもあります。特に、水面、反射しやすい素材、テクスチャの乏しい地面など、従来のフォトグラメトリが苦手とするエリアでは、再構築パイプラインの弱点がそのままデータの欠損として現れてしまいます。

しかし、PIX4Dmatic のガウシアン スプラッティングを活用すれば、撮影対象が連続体として再構築されるため、オルソモザイクは視覚的・空間的な情報をより多く保持できるようになります。その結果、鮮明で完全な成果物を得ることができます。

Orthomosaic Quality Comparison Standard Photogrammetry
ガウシアン スプラッティングを使用せずに生成したオルソモザイク

Orthomosaic Quality Comparison Gaussian splatting
ガウシアン スプラッティング処理を実行して生成されたオルソモザイク

下段のオルソモザイクは、水際のような従来手法では隙間やノイズが発生しやすかった難所に対して、より連続的で完全な表現を実現しています。上段のオルソモザイクでは、これらの限界が断片化された範囲や不安定な遷移として現れています。ガウシアン スプラッティングは、オルソモザイクの基礎となる三次元的な表現そのものを根本から改善することで、完全かつ信頼性の高いオルソモザイクを実現するとともに、欠損を減らし判読性を向上させます。

実務において、これは単なる視覚上の改善ではありません。より完全なオルソモザイクは死角を減らし、より信頼性の高いデータの解釈を可能にします。これにより、欠損したデータの検証や補正に費やしていた時間を削減することができます。これは3D再構築の段階での改善がそのプロセスだけに留まらず、現場が日々頼りにする最終成果物にまで広く波及することを物語っています。

より現実に忠実な 3D メッシュを作成

3D メッシュの信頼性は、元となるデータの品質に左右されます。従来のワークフローでは、メッシュ化時に生成される三角網形状の修正、形状の変化点の平準化、3D 再構築時に発生したノイズの除去など、メッシュの面的表現を安定させるためには多大な時間が費やされていました。

しかし、メッシュ生成の入力データ自体の安定性が向上したことで、これらの修正作業は大幅に削減されます。PIX4Dmaticで生成される 3D メッシュは、コアとなるデータセットが最初から高い安定性を持っているため、従来よりも挙動が予測の予測が容易になりました。メッシュ構造の一貫性が高まり、形状の遷移がより滑らかになるとともに、エッジの形状がより明瞭に表現されるため、3D 上での計測時に目視では気づきにくい微細な誤差を低減します。

3D Mesh Reconstruction of Lackawanna Bridge using Gaussian splatting - PIX4Dmatic
3D メッシュで表現したラッカワナの高架橋

その結果、プロセスの早い段階から信頼性の高い出力成果物を生成できるようになり、繰り返しの修正作業を減らすことで、より効率的にデータの分析段階へと進むことができます。

信頼性の高い体積比較

PIX4Dmatic に新たに実装されたサーフェス比較ツールを使えば、2 つのサーフェスを直接比較し、点群あるいは TIN のいずれであっても、体積を計算できるようになりました。これにより、計測時期ごとの経時変化や、設計データと竣工データの差分など、プロジェクトにおける様々な段階を定量化できます。また、この新しいツールはインポートされた点群データにも適用できます。

3. 1. PIX4Dmatic Volumetric Analysis Binary & Gradient Surface Comparison.png (1)
PIX4Dmatic でのサーフェス比較用の 2 色表示 モード

3. 2. PIX4Dmatic Volumetric Analysis Binary & Gradient Surface Comparison (1)
同じデータセットを使った PIX4Dmatic におけるサーフェス比較用のグラデーション表示モード

この種の分析は、元データの品質や一貫性に極めて敏感です。再構築データにわずかにでもばらつきがあると、それがノイズとなり、実在しない偽の変化として検出されるリスクがあるためです。特に、正確な体積の差に基づいて意思決定が行われる土木工事のモニタリング、ストックパイル (土砂や資材の山) の管理、インフラの進捗分析などにおいてはこれが顕著に現れます。

ここで、ガウシアン スプラッティングが、重要な役割を果たします。より完全かつ安定した点群を作成することで、データセット間の不整合を根本から排除します。これらのデータセットから作成されたサーフェスは高い整合性で合致するため、体積計算の信頼性が高まり、解析も容易になります。

検出された差異が本物の変化なのか、それとも再構築データに発生した誤差なのかを検証するために時間をかける必要はもうありません。これからの測量業務は、実際の変化を自信を持って測定するという、本質的なタスクに集中できるようになります。

高精度な処理を支えるハードウェア性能

ガウシアン スプラッティングがもたらす高精度な再構築は、決して偶然の産物ではありません。それは、処理がどのような環境で実行されているかに結びついています。

PIX4Dmatic は、ローカルの GPU リソースをフルに活用できるデスクトップ環境でこの機能を実行できるよう設計されています。つまり、ガウシアン スプラッティングと、それに続く高品質な点群およびサーフェスの生成は、十分な VRAM を搭載した最新の NVIDIA 製 GPU があってこそ実現します。

ここまでのディテールと精度を実現するには、高負荷な処理に耐えうる高性能なPCが必要です。推奨スペックを満たしたマシンを利用することで、高品質モデルを迅速かつ安定してデスクトップ上で直接生成できます。

一方で、運用における柔軟性も確保されています。ローカルの計算リソースに制約がある場合や、大規模なプロジェクトへスケールアップして処理する必要がある場合は、既存のワークフローを維持したままPIX4Dcloudへ処理を移譲可能です。根底にある再構築のロジックは共通であるため、処理環境を問わず結果が一貫しています。

独立したツールの寄せ集めではない、1 つのエコシステム

本アプローチの最も特筆すべき強みは、単に PIX4Dmatic という 1 つのソフトにガウシアン スプラッティングが導入されたことではなく、PIX4D のエコシステム全体と連携している点にあります。データ取得・処理・仕上げは、もはや特定のツールに縛られた独立した手順ではなく、位置情報が付与された単一のパイプラインの中で、連続する工程として機能します。

PIX4Dmatic におけるガウシアン スプラッティングのフロー

PIX4Dcatch で取得した地上データを PIX4Dmatic に直接取り込んで高度な処理を実行することができます。これにより、同じ環境内で地上データセットを空撮画像と並行して処理することができます。地上で撮影したデータセットと空撮範囲の情報を個別に扱うのではなく、1 つのモデルに統合し、より網羅的な 3D 再構築が作成できます。ガウシアン スプラッティングを含むこれらの成果物は、ファイル メニューの クラウドに共有オプションから PIX4Dcloud へ簡単に共有できます。

・プラットフォーム間で再構築データの品質が統一される ・点群の挙動がより予測可能になる ・サーフェスの生成がより安定する ・データの融合の制御性が高まる

このガウシアン スプラッティングのワークフローは、間もなく PIX4Dengine SDK でも利用可能になる予定です。これにより、位置情報付きの高度な再構築データの生成を大規模に自動化できるようになります。大容量のデータを処理する独自のカスタム パイプラインを持つ組織や企業において、安定した点群と高品質なオルソモザイクを活用できるようになります。

PIX4Dmatic におけるガウシアン スプラッティング機能はもはや単なる新技術ではありません。最高品質かつ信頼性の高い再構築データが必要なワークフローのために設計されており、ワークフローそのものを構造的に進化させるこの機能は、PIX4Dmatic Pro の機能として利用できます。あらゆるプロジェクトを初期段階から強化し、各処理段階におけるデータの品質を改善するとともに、実際の測量業務に寄り添う広範なエコシステムへとシームレスに連携します。その結果としてもたらされるのは、単に見栄えが良いだけのモデルではなく、信頼できる確かな成果物です。


ガウシアン スプラッティングが PIX4Dmatic に実装
より高精度な点群を生成

関連のある記事