2021 Fiscal Year Research-status Report
Development of a screening method for dilapidated roadside trees
| Project/Area Number |
19K04674
|
|---|
| Research Institution | Kanazawa Institute of Technology |
|---|
Principal Investigator |
徳永 光晴 金沢工業大学, 工学部, 教授 (00301135)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 生育不良木 / 道路脇樹木 / 街路樹 / 植生指標 / NDVI / 近赤外 / リモートセンシング |
|---|
| Outline of Annual Research Achievements |
本研究は、車載した近赤外カメラから得られたデータより生育不良の道路脇・街路樹を抽出する手法を考案することである。道路環境は道路脇・街路樹が生育するには必ずしも良い環境ではなく、そのため樹木の老朽化が早く進んでおり、各地で倒木による事故が発生している。現在の道路脇・街路樹点検は、樹木の専門家が歩行もしくは低速で走行する車から目視で樹木を観察し、状態が悪そうな樹木を見つけたら、その樹木に対して触診・打診など詳細な点検が行われている。研究の目的は、道路脇の樹木に対し、健全な樹木と不良樹木を選別するスクリーニング処理を自動化することである。その方法として、樹木を車載したビデオカメラおよび近赤外カメラで撮影し、このデータからブロック化した植生指標を算出し、その変化を分析することで樹木の状態を判別する。劣化が懸念される樹木に対しては、従来どおり専門家が詳細点検することで安全性は保証される。明らかに健全である樹木をスクリーニングすることで、樹木点検が効率的になることを目指している。
これまでの実績は、樹木を撮影した近赤外データから健全な樹木が生育不良になる過程を確認した。はじめに鉢植えのコニファー木を数本用意し、強制的に劣化させ、その推移を健全な木と比較し、劣化の推移と近赤外反射率の関係を把握した。この結果、人間では劣化が判別できない段階において劣化を捉えることができることを確認した。次にキャンパスの森林区域にある間伐木に対して、同様に強制的に劣化させ、その推移をデータにした。さらに、道路管理者と共同で側道に生育している樹木を定期的に観測して、データの蓄積を行った。これらの樹木のなかには、自然に劣化していく樹木があるので、それを推移モデル化し、生育不良木抽出のためのアルゴリズムとして開発した。さらに、道路脇の樹木に対して道路管理者とともに実証実験を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
道路管理者と共同で月1回の割合で道路脇樹木のデータを蓄積している。植生は季節によって植生活性度が変化するが、経年・経月のデータを蓄えることで植生活性度の経月変化を補正することが可能となる。植生活性度は、観測時の気象や太陽との角度に影響を受ける。基礎実験でこれらの変化量を確認することができた。その変化量が大きいため、補正精度を高めるために晴天時や雨天時ではなく雲天時に道路脇樹木を観測することにした。また樹木を観測する条件をなるべく同じにするため、カメラをバーに固定しカメラがふらつかないように架台を工夫した。当初は、カメラを台車もしくは低速で移動する車から樹木を撮影していたが、昨年度から高速で走行する車から樹木を撮影し、生育不良木の抽出が行えるかを確認している。提案している手法は、月別の変化を分析するものであるため、異なる観測日のデータから、同一の場所を撮影したデータを抽出し比較しなければならない。現在まで、動画を画像に分解し、画像同士の類似度により同じ場所である画像を自動的に抽出する手法を開発した。これにより低速で走行していた車から撮影した動画から同一の場所を抽出することができた。しかし、高速で移動する車から撮影したデータを開発したアルゴリズムに適用すると、ある条件ではずれた位置の画像を抽出する時があることがわかった。原因として、想定していた車速変化よりも実際の変化のほうが大きい、道路工事などによっていつも同じ車線を走行することができない、樹木の画像はとてもよく似ていて特徴点の抽出が難しい、ことが挙げられる。
|
| Strategy for Future Research Activity |
動画から同じ場所を撮影したフレームを自動抽出する処理において、動画データだけから処理をするのに限界があることがわかった。そのため、新たに動画フレームに位置情報を付加することを検討する。位置情報は衛星測位データを用いるが、単独測位ではその精度が数メートルとなるため、ネットワークによる補正情報の利用、もしくは準天頂衛星みちびきの補正信号を利用して数センチメートルの精度で位置情報を取得するシステムを導入し、動画を分解した画像に位置情報を付加する。この位置情報データと画像の類似度を組み合わせて、車が高速で走行している場合でも、同じ場所の画像を自動的に抽出できる手法を開発する。また、本提案手法を実証するために、植生の専門家と共同で実地調査を行う。この実地調査の結果と本提案手法の結果を比較して、本提案手法の有効性を確認する。さらに、ドローンが飛ばせる場所を選定し、上空から近赤外カメラで道路脇樹木を撮影し、その分析データと本システムの結果を比較する。
|
| Causes of Carryover |
国際会議に参加し研究発表するための旅費を計上していたが、国際会議に参加しなかったのでその分が次年度使用となった。次年度は、準天頂衛星みちびきのセンチメートル級補正信号を受信するための装置の導入を予定している。
|
