2021 Fiscal Year Annual Research Report
車載型高速地中レーダー計測とDSP・AI処理による地表地中空間情報の超規模構築
| Project/Area Number |
19H02221
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
水谷 司 東京大学, 生産技術研究所, 准教授 (10636632)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 地中レーダー / 埋設管 / 空洞 / AI / ディジタル信号処理 |
|---|
| Outline of Annual Research Achievements |
本研究では，車載型地中レーダーにより大規模に地中空間のデータを取得する．そして非学習型で解析学的処理の代表格である「ディジタル信号処理」と進展目覚ましい学習型処理の「最先端のAI」を高度に活用することで，「非可視空間情報」である地中内部の埋設管などの「三次元位置情報」を自動で推定する技術の基礎を確立することを本研究の目的とする．本年度は昨年度に引き続きデータ処理アルゴリズムを構築し，完了させその有効性を実験場データと実フィールドデータに適用し実証した．開発したアルゴリズム全体の処理フローは①レーダーデータのゲイン調整などの「前処理」，②三次元畳み込みニューラルネットワークAIによる「中央処理」，③ディジタル信号処理による「後処理」である地中内部の反射物の反応を局在化させ大きさを推定する「マイグレーション」アルゴリズムを実装する
ステップも入れた３段階である．③の逆解析アルゴリズムを全データに適用すると計算コストが大きいため，その前段階に②の人工知能による計算領域の制限を行うことにより，低計算コストで埋設管・空洞を行えるアルゴリズムとした．空洞の人工知能の構築には，膨大な教師データを要するものの，現実的に収集できる実空洞データには限りがあるため，FDTD法を使って仮想的に空洞データを構築し，実データを組み合わせ学習することで高精度の検出能を実現することに成功した．埋設管については，十分な教師データ数を確保することができ，走行方向埋設管，走行直角方向埋設管，埋設管なしの三カテゴリーの人工知能を構築した．埋設管，空洞いずれについても構築した人工知能モデルは三次元CNNモデルを用い，従来の断面による二次元CNNより精度が向上することも示した．
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
