MLS点群を用いた3D建物モデルの信頼度駆動フェイサード（ファサード）改良

概要: デジタルツインには、高精度な地理空間データに対する需要の高まりに対応するため、継続的なメンテナンスが必要です。しかし、従来の粗いCityGML建物モデルは、通常、航空レーザスキャニング（ALS）から導出されますが、航空センサのナディア視点による影響のため、特にファサードの精度に関して大きな幾何学的欠陥を示すことがよくあります。これらの粗いモデルを高精度なモバイルレーザスキャニング（MLS）データと統合し、詳細なファサード形状を復元することが不可欠です。既存のセマンティック情報を捨て、完全なデータ被覆に強く依存する再構成-from-scratch（スクラッチからの再構成）アプローチとは異なり、本研究では、粗いモデルを幾何学的事前知識として用いる自動化された洗練（リファインメント）フレームワークを提示します。この手法により、複雑な都市環境においても、ファサード形状への的を絞った更新が可能になります。さらに、この方法は、表面マッチングを統合して古くなったサーフェスを特定し、二値の整数最適化によって候補データから最適な面を選択します。重要な点として、最適化内にハード制約を課すことで、洗練された出力の位相（トポロジー）的妥当性が確実に担保されます。実験結果は、提案手法がファサードの位置ずれを効果的に修正し、Cloud-to-Mesh RMSEを約36%低減するとともに、センチメートル級の整合を達成することを示しています。さらに、このフレームワークは、厳密に水密でかつ多様体（マニフォールド）な幾何形状を保証し、ALS由来の都市モデルをアップグレードするための堅牢な解決策を提供します。