UAVレーザ測量の均一度点検（様式9）GCP周りの点群ばらつきを確認する方法

点群QC
2026.01.04

オリジナルデータ均一度点検（様式9）って結局なに？

点群QCというと「コース間のズレ」ばかり見がちですが、同じ場所の点が落ち着いていない（バラついている）状態だと、ズレが小さくても成果としては弱い。

そこで出てくるのが、地理院公開の 様式9「オリジナルデータ均一度点検表」です。
この様式は、点群の局所（代表点の周辺）の点を並べて、標高（H）の散らばりを統計で確認するための箱です。

様式9の中身（何を書けと言ってるか）

様式9には、点の一覧として

  • No. / X / Y / オリジナルデータの標高(H) / 備考

が用意されています。

さらに下段に統計欄として

  • 点数 / 平均値 / 最大値 / 最小値 / 標準偏差

が用意されています。

要するにこの様式は、抽出した点群（複数点）のHを並べて、最後に統計を出すためのものです。

実務でのおすすめ運用

1) 「どこで」均一度を見る？

現場ではだいたい GCP（または検証点）周辺で見ます。
理由は単純で、座標が意味を持つ点だからです。

2) 抽出する点群は「最終成果の状態」で見る

ここが勘違いしやすいところ。

  • コース別点群で片方だけ見ても、最終成果（統合点群）の品質評価にならない
  • 成果として渡すのは通常「統合済みLAS」なので、統合済みの状態で点検するのが筋

…という考え方で、私は「マージした点群」を評価対象にします。

3) どう抽出する？（例）

以下は“例”です。現場条件で調整してください。

  • GCP中心から 直径 r = 0.5m で点を抽出（点数が取れる範囲）
  • 地表の均一度を見るなら Ground classのみ で抽出（未分類や植生を混ぜるとバラつきが増える）
  • 斜面や段差が近い場所は、半径が大きいと地形勾配を拾ってレンジが増えるので注意

記入のイメージ（様式9を作業に落とす）

GCPが10点あるなら、私は 「GCP 1点＝様式9 1枚」で運用します。
（様式上も「箇所番号」があるので、1箇所＝1枚が説明しやすい）

1枚の中では、

  1. 抽出できた点群を上から No / X / Y / H に並べる
  2. 下段に 点数、平均、最大、最小、標準偏差を記入

この作業の意味はこうです：

  • 標準偏差（σ）：局所的に点がどれだけ落ち着いているか
  • 最大−最小（レンジ）：外れ値や誤分類が混ざっていないか
  • 点数：抽出条件（半径・class）が適切か（少なすぎると判断材料にならない）

ここで引っかかったら、次に進まない

この均一度点検は、いわば「先に進めない系」のQCです。

ここでバラつきが大きい状態で、

  • 調整点・検証点の精度評価
  • コース間QCの帳票

に進んでも、根っこ（点群そのもの）が荒れているので説明が苦しくなる。

だから私はこの様式9を、
帳票のためじゃなく、成果LASを渡してよいかの事前審査として使います。

よくある落とし穴

  • 統合前（コース別）で点検してしまう
    → 成果の品質にならない（成果として渡す状態で見るのが筋）
  • 直径が大きすぎる
    → 地形勾配・段差を拾ってバラつきが増えたように見える
  • Groundで見るべきなのに未分類や植生を混ぜる
    → 標準偏差やレンジが跳ねる（目的に合わせてclassを明示）

まとめ

様式9の本質はシンプルで、

  • GCP周辺の点群を抜く
  • H（標高）の散らばりを、点数・平均・最大最小・標準偏差で見る
  • 成果LASとして渡せるかの判断材料にする

という話です。

CloudCompare
3D point cloud and mesh processing software
Open Source Project

CloudCompareでやる：様式9（均一度点検）の再現手順

「GCP中心の近傍点を抜いて、Z（標高H）の統計（平均・最大/最小・標準偏差）を出す」。

準備するもの

  • 統合済み点群（LAS/LAZ）
  • GCP座標（X,Y,Z）
    • 10点なら10点分の座標が分かればOK
    • ※CloudCompareは点を置いて周囲を抜く発想なので、最低限X,Yが分かれば運用可能

手順1：点群を読み込む

  1. CloudCompareを起動
  2. LAS/LAZをドラッグ＆ドロップして読み込み
  3. 左のDBツリーに点群が載っていることを確認

手順2：GCP位置に「基準点（マーカー）」を置く

やり方は2通りあります。まず簡単な方。

A) 画面上で近い点をクリックしてマーカーを作る

  • 点群を拡大してGCP付近に寄る
  • Pick（点を拾う）系のツールでGCP付近の点を選ぶ
  • その点を「基準」にして周囲を抽出する

※厳密にGCP座標に一致させたい場合はB。

B) GCP座標を点群（Point）として読み込む

  • GCPのCSV/TXTを作り、CloudCompareで読み込む
    • 列は Name, X, Y, Z（ヘッダ有無どちらでも可）
  • 読み込み時に列マッピングでX/Y/Zを指定
  • 読み込み後、GCP点（点群）がDBツリーに別オブジェクトとして出る

この方法だと、GCPを10点まとめて管理できます。

手順3：直径 r で近傍点を抽出（均一度点検の核）

目的：GCP中心から直径 r（例：0.5m）以内の点だけ抜く。

  • まず「抽出対象の点群（統合LAS）」を選択
  • 次に「基準（GCP点）」を使って近傍点を抽出する
    （CloudCompareには“距離で選択”系の機能が複数あるので、やり方はいくつかあります）

実務的には、

  • 距離（Distance）を計算して閾値で切る
  • 球（Sphere）でクロップする
    のどちらかでOK。

ポイント：直径を大きくしすぎると地形勾配を拾うので、まずは0.5m前後から。
点数が少なすぎたら少し広げる。

手順4：Z（標高）の統計を出す（様式9の下段）

抽出できた「GCP周り点群」を選択して、統計情報（Statistics）を表示します。

ここで見るのは：

  • 点数 n
  • Zの平均
  • Zの最大/最小
  • Zの標準偏差

これがそのまま様式9の下段（点数・平均値・最大値・最小値・標準偏差）に対応します。

手順5：根拠データとして保存

帳票の説得力を上げるなら、抽出点群を保存しておくのが強いです。

  • GCPごとに抽出した点群を
    GCP01_extract.las のように保存
  • あとで「なぜこの数字になったか」を再現できる

CloudCompareを使うメリット

  • 抜く（抽出）
  • 測る（統計）
  • 根拠として残す（保存）

この3つが無料でできる。
つまりCloudCompareは「見るソフト」ではなく、QCの実務を回す道具です。

締め

様式9は、書類としては地味。でも、ここをやるとQCの地盤が固まる。
「コース間ズレが小さい」だけで安心せず、同じ場所の点が落ち着いているかを先に確認する。
私はこの順番が、いちばん説明がラクだと思っています。

この記事は現場の声で育てていきます。気づいた点や追加情報があれば、ぜひ教えてください。
お仕事のご相談、ご依頼も歓迎です。

有限会社アペオ技研　加藤
連絡先：kato.apeo@gmail.com

コメント