「LiDARの精度は何cmですか」と聞かれると、機械のカタログに書かれた数値を思い浮かべやすいです。ただ、ドローン測量では、飛ばし方や電波の状態、データの作り方によって、同じ場所でも出来上がりが変わります。
もう一つ大事なのは、「精度」は数字だけの話ではないことです。どんな条件で測り、どう確かめ、どう説明するかまで含めて、はじめて同じ土俵で話せます。ここがそろっていないと、同じ結果を見ても判断が割れやすくなります。
この記事ではドローン測量で使うLiDAR精度の見方、検証の手順、精度が出ないときの原因と対策を解説します。
なお、LiDAR測量の費用は、求める精度や検証方法、現場条件によって変わります。費用感もあわせて把握したい方は、以下のページも参考にしてください。
LiDAR精度を理解するために押さえたい仕組み
LiDARの精度は、点が取れるかどうかだけで決まりません。測った点を、地図の正しい場所に並べられているかが重要です。
この章では、点群が地図上に置かれるまでの流れを、順番に整理します。
LiDARで点群ができるまで
LiDARはレーザー光を出して、物に当たって戻ってくるまでの情報から「どれくらい離れているか」を測ります。これだけだと、距離が分かるだけで、地図のどこにある点かは決まりません。
そこでドローンでは、レーザーの距離に加えて「ドローンがどこにいたか」「どちらを向いていたか」を合わせて、点に座標をつけます。この三つがそろって、はじめて点群が地図の上に並びます。
GNSSとIMUがLiDAR精度に効く理由
ドローンが「どこにいたか」を知るのが、衛星で位置を知る仕組み（GNSS、GPSなど）です。ドローンが「どちらを向いていたか」「どれくらい傾いていたか」を知るのが、姿勢を測るセンサー（IMU）です。
この二つが不安定だと、点群全体が少し傾いたり、ドローンが通ったコースの筋ごとに高さがずれて段差が出たりします。点の数が多くても、置き場所がずれていれば精度は上がりません。精度を見直すときは、点の細かさより先に「点群の土台がまっすぐか」を確かめると、原因に近づきやすいです。
最近は、衛星の位置情報やIMUだけでなく、カメラ映像も使って動きのつながりを保ちやすくする仕組み（Visual SLAM）を組み合わせる機器もあります。ただし、これは主に相対的な動きの推定を助ける考え方で、地図座標に正しく合わせる工程まで自動で置き換えるものではありません。
Visual SLAMで動きのつながりを保つ考え方
Visual SLAMは、カメラ映像を使って自己位置と向きを推定しながら、周囲の形を地図として構築していく考え方です。衛星の位置情報とは別の手がかりで、動きのつながりを保ちやすくする役目があります。
ドローンLiDARでは、衛星の位置情報が安定しにくい環境でも、映像やIMUなどの情報を併用することで、軌跡のずれを抑える助けになる場合があります。ただし、点群の段差やねじれは、衛星条件だけでなく、SLAMのドリフト、映像の特徴不足、機器の調整、座標合わせの精度など、複数の要因でも起こります。
また、Visual SLAMは相対的な動きの推定には有効ですが、成果を地図座標に正しく合わせるには、別途の座標整合や検証が必要になる場合があります。測量や点群作成では、この工程を省かないことが重要です。
写真測量とLiDARの精度の違い
写真測量は、写真の写り方から形を推定します。表面の模様が少ない場所や、影の影響が大きい場所では、形が取りにくくなることがあります。
LiDARは自分で光を出して距離を測るため、明るさの変化の影響を受けにくい場面があります。ただ、草が多い場所では地面の点を取り出すのが難しくなり、水面は点が抜けやすいことがあります。どちらが向いているかは「何を確認したいか」と「現場の条件」を合わせて決めるのが安全です。
LiDAR精度の基本用語 会話がずれやすいポイント
精度の話が難しく感じる原因は、言葉が混ざりやすいことです。ここでは、よくある誤解を避けるために、最低限の言い分けだけ整理します。
精度はずれとばらつきで見分ける
「正確さ」は、平均するとどれくらい真ん中に近いか、というイメージです。「ばらつき」は、点がどれくらい散るか、というイメージです。
点群が全体として同じ方向へ動いているなら、正確さのほうを疑います。点がザラついて散って見えるなら、ばらつきのほうが疑わしいです。症状を分けるだけでも、確認の順番を決めやすくなります。
絶対精度と相対精度の違い
絶対精度は「地図の上で、正しい場所に置けているか」です。相対精度は「形が崩れていないか」です。
たとえば、点群全体が数cmずれていても、形がきれいなら相対精度は良いと言えます。逆に、全体の位置は合っていても、コースの境目で段差が出るなら相対精度に課題がありそうです。どちらの問題かで、打つ手が変わります。
水平精度と標高精度の見方
水平精度は左右方向のずれ、標高精度は高さ方向のずれです。土量や出来形では高さが効きやすく、境界や構造物の位置合わせでは水平が効きやすいです。
また、標高精度は地面の状態で見え方が変わります。裸地は比較しやすい一方、草があると地面の点が取りにくくなり、誤差が大きく見えることがあります。数字を見るときは「どんな場所で評価したか」も一緒にそろえると安心です。
RMSEと95%の数字が示すこと
RMSEは、たくさんの誤差をひとまとめにしたときの「平均的なズレの大きさ」に近い指標です。便利ですが、数字だけを見ると実感より小さく見えることがあり、受け手によっては「もう大丈夫」と受け取りやすい点に注意が必要です。
そこでよく使われるのが「95%」の表し方です。これは、検証点をたくさん比べたとき、誤差のうち95%がこの値以内に収まる、という意味で使われます。逆に言えば、残りの5%はそれより大きくなることもあります。
RMSEは計算のための指標、95%は相手に伝えるための表現、と役割を分けて併記すると、「平均的にはこのくらい」「ほとんどはこの範囲」という読み方ができ、数字の受け取り方がそろいやすくなります。
LiDAR精度の基準と規格 仕様と報告の共通言語
精度を説明するときは、「何cmでした」だけでなく、「どう測って、どう確かめたか」も一緒に求められることがあります。基準や規格は、その前提をそろえるための共通言語として役立ちます。
ASPRS位置精度基準の概要
ASPRSは、位置精度を評価して報告するための考え方をまとめています。現場ごとにバラバラの計算や表現をすると、比較ができず、合意が取りにくくなります。
この基準は、単に数値の目標を示すだけでなく、評価の進め方や報告の仕方も含めて整理している点が特徴です。社内外で説明をそろえたいときの土台になります。
FGDC NSSDAの95%表記とは
「95%」は、“ほとんどの点がこの誤差以内に収まる” という意味で使われます。もう少し具体的に言うと、たくさんの検証点で誤差を比べたとき、誤差のうち95%が、ここで示した数値以下になる、という考え方です。逆に言えば、残りの5%はそれより大きい誤差になることもあります。
NSSDAは、位置の誤差をこの「95%の値」でそろえて示すための整理です。発注側と受注側で評価の前提を合わせやすく、数字の受け取り方のズレを減らすのに役立ちます。
なお、RMSEは誤差をまとめるための計算上の指標で、95%の値を出す手前の材料として使われることが多いです。RMSEだけを見せるより、95%の形にして併記すると、「どのくらいの範囲に収まりそうか」が読み取りやすくなります。
ISO 19157で品質を説明する考え方
ISO 19157は、地理データの品質をどう説明し、どう評価し、どう報告するかの枠組みです。ここで大切なのは、規格が一律の合格ラインを決めるのではなく、用途に合わせて品質情報を整理する考え方だという点です。
精度の話が数字だけで行き詰まったときに、評価の方法や前提も合わせて説明できるようにして、会話を前に進めるための整理として使えます。
USGSの品質レベルで目線をそろえる
USGSの品質レベルは、点の密度や高さの精度などを段階で整理しており、「どの程度を求めるか」を話しやすくします。ドローンLiDARでも、仕様を組み立てるときの比較軸として使えます。
段階があることで、現場条件とコスト感を見ながら、目標を現実的なところに置きやすくなる点がメリットです。
参照元：USGS公式HP（https://www.usgs.gov/3d-elevation-program/topographic-data-quality-levels-qls）
国土地理院のUAVレーザ測量マニュアルの位置付け
国土地理院の「UAV搭載型レーザスキャナを用いた公共測量マニュアル」は、公共測量で品質を確保するための作業の流れを整理した資料です。日本の実務で「どこまでやれば安心か」を考えるときのよりどころになります。
精度は現場によって変わるため、マニュアルの考え方を土台にしつつ、目的に合わせて検証点や点検方法を組み立てると運用が安定します。
LiDAR精度の検証方法 ドローン測量での進め方
検証は「精度を示す」だけでなく、「どこで崩れているかを早く見つける」役割もあります。分けて見ると整理しやすいのが、地図上の位置が合っているかと、形が崩れていないかです。
検証点で絶対精度を確認する手順
地図上の位置が合っているかを見るときは、検証点を使います。検証点は、別の方法で先に正しい位置と高さを測っておく点です。その点を点群の同じ場所と比べて、差をまとめます。
大事なのは、見栄えのよい場所だけを選ばないことです。出来形なら法肩や法尻など判断に使う場所、土量なら変化の大きい場所など、成果の使い方に合わせて置くと、数値が実態に近づきます。
重複部で相対精度を点検する方法
形が崩れていないかを見るときは、同じ場所を少し重なるように計測して、その重なった部分を比べます。ここで段差が出る、面が二重に見える、といった症状があれば、位置や向きの情報の揺れ、機器の調整不足、飛行条件の影響が疑われます。
この機器の調整は、取り付けの微妙なズレを整える作業（キャリブレーション）と考えると分かりやすいです。検証点を多く置けない現場でも、重複部の点検は進めやすく、異常に早く気づけることがあります。
別手段でのクロスチェックの考え方
点群だけで判断が難しいときは、トータルステーション、地上レーザ、写真測量など別の成果と比べて、差がどこで増えるかを見ます。ここでやりたいのは「どれが正しいかの決め打ち」ではなく、「差が出る条件の特定」です。
草が多い場所だけ差が増えるなら、地面の点の取り出し方が論点になります。全体が同じ方向にずれているなら、座標の前提や位置情報の扱いが疑わしくなります。
LiDAR精度に影響する要因 原因を切り分ける視点
精度が想定より出ないときは、いきなり設定を変えるより、原因の場所を分けて考えるほうが遠回りを避けられます。ここでは、機体の位置と向き、飛行条件、環境、点群処理の順に見ていきます。
GNSSとIMUとキャリブレーション
点群全体が傾く、コースの筋ごとに段差が出る、といった症状は、位置や向きの情報が揺れているときに起きやすいです。衛星の電波環境、IMUの状態、そして機器の取り付けのズレを整える調整が関係します。
この調整は、センサーを取り付けた角度や向きの小さなズレをそろえる作業（キャリブレーション）と考えるとイメージしやすいです。相対精度の改善に効くことがあります。
Visual SLAMが安定しやすい条件
Visual SLAMは、映像の中の特徴を手がかりに動きを追います。そのため、壁や床がのっぺりしていて特徴が少ない場所、暗くて映像が荒れやすい場所、同じような模様が続く場所では、推定が不安定になることがあります。
また、人や車など動くものが多い環境でも、映像の手がかりが変わりやすくなります。Visual SLAMを使う場面では、映像が取りやすい明るさと、特徴が拾いやすい見え方があるかを確認しておくと安心です。
さらに、カメラ映像にIMUの情報を組み合わせる方式では、動きの推定が安定しやすくなることがあります。ただし、それでも成果を地図座標にきちんと合わせるには、別の確認や検証が必要です。
飛行高度と速度とラップの関係
飛行高度が高いほど、わずかな傾きでも地上でのずれが大きく見えやすくなります。速度を上げると点が間引かれやすく、細かい形が取りにくくなることがあります。
ラップは「同じ場所を少し重ねて測ること」です。ラップがあると、重複部で点検ができ、後からズレを合わせやすくなることがあります。精度の確認まで考えるなら、ラップの確保は意味があります。
風と植生と水面など環境条件
風が強いと姿勢が落ち着きにくく、点群がうねるように見えることがあります。草が多い場所は、地面の点をきれいに取り出しにくくなります。水面は点が抜けたり散ったりしやすい対象です。
環境の影響は、誤差が出る場所に偏りが出ることが多いです。どこで崩れているかを地物ごとに切り分けると、原因の方向が見えやすくなります。
点群処理と座標系の落とし穴
点群の作り方でも精度の見え方は変わります。地面の点を抽出する設定が合っていないと、地面が削れてしまったり、ノイズが残ったりします。その結果、標高の評価がぶれます。
また、座標系や高さの基準が混ざると、数cmどころではない差に見えることがあります。精度の話を始める前に、座標系、標高の扱い、単位などの前提を確認しておくと安心です。
LiDAR精度を上げる具体策 現場で迷わない順番
精度の改善は、やれることを増やすより、順番をそろえるほうが成果が安定します。ここでは、飛行前、飛行中、後処理の流れで整理します。
飛行前準備とLiDAR精度の土台づくり
最初に決めたいのは「その成果を何に使うか」と「どこまでの精度が必要か」です。次に、その精度を確かめる方法を決めます。検証点を置けるなら計画に入れ、難しいなら重複部で点検できるように飛行計画を組みます。
あわせて、衛星の電波が取りやすい場所か、基準局や後処理の前提はどうするか、機器の調整をいつ行うかなど、精度に効く条件を手順として固めておくと、現場で迷いにくくなります。
衛星の位置情報が安定しにくい現場では、映像やIMUを組み合わせて動きのつながりを保ちやすくする方式も候補になります。ただし、どの方式でも、成果を地図座標に合わせる工程と検証は残しておくほうが安心です。
参照元：国土地理院公式HP（https://www.gsi.go.jp/gijyutukanri/gijyutukanri41024.html）
飛行中に意識したい姿勢と重なり
飛行中は、無理に速度を上げず、姿勢が乱れにくい運用を優先します。点の数を増やすより、安定して同じ品質で積み上げるほうが、結果として整った点群になりやすいです。
また、重複が確保できているか、風や天候の変化はなかったか、飛行条件を変えたならどこから変えたかを記録しておくと、後から点群を見たときに原因を追いやすくなります。
参照元：国土地理院公式HP（https://psgsv2.gsi.go.jp/koukyou/public/uavls/doc/uavsl_manual.pdf）
後処理で行う点群の整え方と確認
後処理では、地面の点を選び直す作業、明らかにおかしい点を間引く作業、重なった部分のズレを合わせる作業、座標の前提の確認を順に行い、最後に検証点や重複部で数値を確かめます。ここでRMSEだけでなく、95%の目安も一緒に示すと、受け手が判断しやすくなります。
結果がよくないときは、いきなり設定を動かすより、誤差が増えている場所を特定して、計測側と処理側のどちらに寄っていそうかを切り分けるほうが修正が早くなることがあります。
点群データの保存形式と納品で困りやすい点
精度のトラブルは、計測そのものより、受け渡しの前提がずれて起きることがあります。ファイル形式と前提情報をそろえるだけで、防げるすれ違いが増えます。
LASとLAZの違い
点群の受け渡しではLAS形式がよく使われます。LAZはLASを圧縮した形式で、容量を小さくしやすいのが特徴です。相手がどちらを扱えるかで手戻りが起きやすいので、最初に要件をそろえると安心です。
メタデータと座標参照情報
メタデータは、点群データの説明書のようなものです。座標系や高さの基準、単位、処理の条件などが書かれていないと、同じ点群でも比較したときに大きな差に見えることがあります。
受け手が再現できる形で、座標の前提、処理の概要、検証方法と結果の要約を添えておくと、誤解が起きにくくなります。
LiDAR精度のこれから AIの使いどころ
AIは、精度を急に上げる道具というより、作業のムラや見落としを減らして品質を安定させる方向で役立つことがあります。期待しどころを整理しておくと判断がしやすくなります。
AIが効きやすい工程
AIが役立ちやすいのは、地面の点の分類、ノイズの除去、異常の見つけやすさの改善など、人の目で追うと時間がかかる工程です。結果として、作業のばらつきを抑え、同じ基準で仕上げやすくなります。
ただし、最後に精度を示すのは検証です。AIを使った場合でも、どの工程で何を変えたかを説明できる形で残しておくと安心です。
LiDAR精度のよくある質問
最後に、現場でよく出る疑問をまとめます。短く押さえたいときは、この章から読んでも大丈夫です。
LiDAR精度は通常どのように評価しますか
一般的には、検証点で差を取り、誤差をまとめた数値として示します。必要に応じて、裸地など評価しやすい場所と、草がある場所で分けて示すこともあります。
どのくらいの精度を目標に考えればよいですか
先に決めたいのは「その成果で何を判断するか」です。出来形や土量のように数cmの差が判断に響くなら、検証点の設計と評価方法を丁寧にします。概略の把握が目的なら、検証コストとのバランスが論点になります。
目安を作るときは、品質レベルの整理を参照しながら、現場条件と検証方法をセットで合意しておくと、後から揉めにくくなります。
LiDARデータの標準ファイル形式は何ですか
点群の受け渡しではLASがよく使われます。容量を抑えたい場合はLAZが選ばれることがあります。相手の環境で扱える形式が変わるため、案件の早い段階でそろえると安心です。
環境要因はLiDAR精度にどう影響しますか
風が強いと姿勢が乱れやすく、点群がうねるように見えることがあります。草がある場所は地面の点を取り出しにくく、水面は点が抜けたり散ったりしやすい対象です。
環境が原因の場合は、誤差が出る場所に偏りが出ることが多いです。まずは差が大きい場所を切り出して眺めると、原因の方向が見えやすくなります。
LiDAR精度の向上にAIはどう関わりますか
AIは、分類やノイズ処理、品質チェックのように、作業のムラを減らす方向で役立つことがあります。最終的に精度を示すのは検証なので、AIの結果も検証の枠組みに乗せて扱うのが安心です。
