Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
土井 章男*; 山下 圏*; 高橋 弘毅*; 加藤 徹*; 今渕 貴志; 羽成 敏秀; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、構造物の状態、空間線量率等の情報を計測・収集・可視化・データ蓄積が行える「線源・線量率推定システム」の開発を行っている。構造物の状態は廃炉作業終了後に巡回する3D計測ロボットにより取得する。計測したデータは既知のデータと同期して差分情報のみを抽出することで自動的にデータベースを更新する。本研究では、この更新作業を容易に実施するために、抽出された差分情報に対して、Pointnet++による点群データ自動認識を行った。Pointnet++は点群データを直接入力して学習が行えるニューラルネットワークである。本ネットワークは入力点群の順序や密度に出力が変化しない特徴を有している。さらに認識された点群データは、必要に応じて、3角形メッシュ,平面,円筒,立方体(ボクセル)に自動変換され、「線源逆推定エンジン」のシミュレーションモデル更新に利用される。
土井 章男*; 山下 圏*; 高橋 弘毅*; 加藤 徹*; 今渕 貴志; 羽成 敏秀; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、被ばく低減を目的とした環境・線源分布のデジタル化技術の開発を進めている。作業環境のデジタル化のために環境内の構造物の状態は3D計測ロボットにより取得し、得られたデータはデータベースに蓄積されている過去のデータとの同期により2時刻間の差分情報を抽出することで効率的なデータの更新・蓄積を行う。データ更新の際、環境中に新たに追加された点群データは深層学習を用いて形状からの構造物の認識・分類を行う。また、新たに追加された点群データは必要に応じて3角形メッシュ、ボクセルデータに自動変換(3Dモデル化)され、線源推定のためのシミュレーションの構造モデルとして利用される。現在、我々は作業環境のデジタル化技術として、この工程を自動化するための研究を進めている。本発表では、環境データの更新・蓄積作業を効率的に実施するために、深層学習を用いた点群データの自動認識および点群データからの3Dモデル化を試みた結果について報告する。