「誰もが活躍できる現場」をめざした点群クラウド基盤技術

01. まえがき

建設業界では，深刻な人手不足や就業者の高齢化問題を解決する手段として，LiDAR（Light Detection and Ranging）*1やドローンなどで取得した点群*2データやBIM（Building Information Modeling）*3モデルを活用する建設DX（Digital Transformation）を推進することで，業務効率化を図るニーズが高まっている．しかし，高精細な3D点群データは数GBからTB級に及ぶため，通信回線やインフラの帯域を圧迫し，また既存のワークフローでは取扱いが困難となっている．
さらに，既存の点群ツールにはコストや操作環境に関する課題が存在する．従来のローカル処理型ツールでは，現場に数百万円規模の高価なGPU（Graphics Processing Unit）搭載ワークステーションの設置が必須であり，またデータの共有が難しい．一方，既存のクラウド型サービスは，データ共有は容易なものの，大容量データをそのまま扱うため通信・保管コストが膨大になり，一般的なタブレットやPCで描画処理を行うと動作遅延や停止が発生してしまう．また，3Dデータそのものを端末へ配布する方式は機密データの流出リスクを伴う．
本稿では，データ容量の肥大化と高性能PCへの依存という課題を解決するため，データを極小化する「MPEG（Moving Picture Experts Group）*4 G-PCC（Geometry-based Point Cloud Compression）*5準拠の高効率可逆圧縮技術」と，端末側の描画負荷をオフロードしサーバ側でレンダリングした映像を配信する「マルチプラットフォームクラウドレンダリング*6技術」を統合した「点群活用クラウドプラットフォーム」について解説する（図1）．本プラットフォームの適用により，デバイス非依存・低遅延・データセキュリティを両立した3D体験を実現し，建設DXにおける「誰もが活躍できる現場」の実現に貢献する．

02. G-PCC準拠による高効率可逆圧縮技術

建設現場における標準的な通信回線の帯域制限下において，億単位の大規模点群データをいかに高速に伝送するかが技術的課題となっていた．本課題を解決するにはデータの高効率な圧縮が不可欠となるが，データを間引く「非可逆圧縮」では精度が劣ってしまう．そのため，インフラ保守や出来形管理*7などミリ単位の高い精度が要求される特定の用途においては，既存の非可逆圧縮は許容されないことが多い．こうした背景から，本プラットフォームでは点群圧縮の国際標準規格であるMPEGのG-PCCと，geoNebula^®*8を組み合わせた圧縮処理方式を開発し，データの精度を損なわない可逆圧縮を確立した．
G-PCCでは，空間を階層的に分割しながら，8分木構造*9を用いて点が存在する空間位置を効率的に表現する．本圧縮処理方式の適用により，計測データなどの品質を維持したまま，元データと比較してデータサイズを最大約10分の1にまで圧縮することが可能となった[1]．なお，本圧縮効果は点群データの密度や空間分布などの特性によって変動する．この圧縮効果により，5Gなどの通信帯域を効率的に使用し，ストレージコストの増大を防ぎつつ，クラウドへのデータ伝送時間を短縮できる（図2）．

03. マルチプラットフォームクラウドレンダリング技術

3.1 提案手法の概要と新規性

本プラットフォームの新規性は，単なるクラウドストレージへのデータ共有にとどまらず，前述の高効率可逆圧縮技術とクラウド側でのGPUレンダリング技術を統合した点にあり，これにより既存ツールが抱えていたコストや操作環境に関する課題を解消する．
従来のクラウドレンダリングは，サーバ側で動作する3Dアプリケーション（BIM/IFC（Industry Foundation Classes）*10ビューアなど）自身に映像配信機能を組み込む「アプリ改修型」か，GPU仮想化基盤に依存する方式が中心であり，開発コストや専用基盤のライセンス制約が障壁となっていた．
本研究の着想は，アプリケーションのソースコードや実行ファイルに手を加えることなく，動作中のアプリケーションがGPUへ発行する描画命令（グラフィックスAPI（Application Programming Interface）*11）にフック*12し，レンダリング結果のイメージをアプリケーション外部へフォワーディング（転送）して遠隔伝送する点にある．すなわち，「何をレンダリングするか」は既存アプリに任せ，「レンダリング結果をどこへ届けるか」だけを外部に差し替える．本仕組みにより，描画にかかる高負荷なGPU処理を，クラウドを用いて分散実行し，端末には処理結果のみをストリーミングして共有する方式を実現した（図3）．
本技術は，描画命令にフックしてフォワーディングする手法により，以下の性質を同時に満たすことが特長である．
（1）アプリケーション改修不要：API境界で捕捉するためソース改修を要しない．
（2）描画エンジン・コンテンツ非依存：任意のアプリケーション（BIM/IFCビューアなど）に適用可能．
（3）GPU仮想化基盤非依存：標準的なGPUと関連ソフトウェアのみで動作する．
これらの特長により，本技術は特定のアプリケーションや用途に限定されず，幅広い分野への活用が期待される．
なお，現在の実装は，ハードウェアアクセラレーションをサポートする一般的なデスクトップOSおよび標準的なグラフィックスAPI環境を前提として動作検証を行っている．今後の商品化に向けて，適用対象を順次拡大していく予定である．

3.2 システム構成

本システムは，担う機能に応じて「描画捕捉層」「伝送層」「表示層」の3層で構成される．各層の役割を以下に示す．
（1）描画捕捉層（クラウド側）：動作中のアプリケーションがグラフィックスAPIを通じてGPUへ発行する描画命令に，レイヤ機構*13を通じて介入する層である．アプリがスワップチェイン*14へ提示するレンダリング結果イメージを，ソースコードを改修することなく捕捉・符号化する．レンダリング自体はアプリケーションとGPUが担い，本層は描画命令を中継しつつ結果イメージを取得するのみで，描画処理の内容そのものは変更しない．この描画フックによる捕捉とハードウェア符号化が本技術の中核である．
（2）伝送層（クラウド側～クライアント側）：捕捉・符号化した映像ストリームを，低遅延な双方向通信により端末へ配信する層である．シグナリングサーバがサーバ側とクライアント側のピア*15を対応付けて接続を確立し，映像の送出と，端末からの入力イベント（キーボード，マウスなど）の還流を担う．ネットワーク品質の低下を検知した際は，輻輳*16制御により送信フレームレートを自動調整する．
（3）表示層（クライアント側）：一般的なWebブラウザ上で動作し，受信した映像を表示するとともに，ユーザの入力操作を伝送層へ送出する層である．専用アプリのインストールを要しない．

3.3 映像符号化と運用形態

リアルタイム伝送の品質と帯域効率を両立するため，H.264*17/H.265*18などの高効率な映像符号化方式*19に加え，より高い圧縮効率を狙う次世代コーデック*20AV1（AOMedia Video 1）*21のハードウェアエンコーダ*22を用いた配信に対応している．
また，運用性向上のためレンダリング機能をコンテナ*23化し，仮想ディスプレイ*24を用いたヘッドレス*25動作により，ホスト側にデスクトップ環境を必要としないCUI（Character User Interface）*26サーバ上での動作を実現している．

04. クラウドレンダリング検証結果

4.1 描画フック導入による性能評価

APIフックでレンダリング結果を捕捉する方式が描画パイプライン*27に与える影響（オーバヘッド*28）を評価した．Unity製サンプル*29（工場デモ）を用いた測定（解像度WQHD（Wide Quad High Definition））では，フック非適用時の約450fpsに対し，フック適用時も約420fpsとフレームレートの低下は約7％以内にとどまった（表1）．なお，表1に示す「単純なテストアプリ」は，単一の静止ジオメトリを固定シェーダで描画するのみの最小構成アプリケーションであり，描画負荷が極めて軽い対照条件として測定したものである．これにより，フック適用自体によるオーバヘッドがほぼ生じない（フレームレート変化なし）ことを確認している．
本評価は基礎的な描画オーバヘッドの測定を目的としたものだが，このフック処理自体の負荷は描画するコンテンツのデータ量（点群の規模など）に依存しないため，TB級の大規模点群データを取り扱う場合であっても，同様にオーバヘッドは限定的な範囲に収まるものと考えられる．

4.2 docomo MECを用いた共同実証

2024年にNTTコミュニケーションズ（現，NTTドコモビジネス）と共同で「docomo MEC（Multi-access Edge Computing）*30」を用いた実証実験を行った[2]．クラウドコンピューティング環境とエッジコンピューティング*31環境（docomo MEC）上でUnity製の工場デモを動作させ，本技術によって生成したレンダリング映像を5Gネットワーク経由でクライアント端末へリアルタイム配信した．その上で，両環境における性能を比較・評価した（表2）．
実証の結果，クラウド環境ではクライアントピア（ブラウザ）とサーバピア間におけるネットワーク伝送経路の往復遅延（RTT：Round Trip Time）*32がエッジの倍以上となった．なお，片方向遅延の直接測定にはピア間の時計同期が必要となるため，本検証では時計同期を要しないRTT（伝送経路上のメディアパケットの送受信時刻差から算出）を，両環境の遅延を相対比較する指標として用いている．また本システムのリアルタイム通信モジュールは，RTTの増大やパケットロス*33などのネットワーク品質低下を検知した際に，輻輳制御アルゴリズムによって自動的にエンコーダの送信フレームレートを落とす仕様となっている．
本実証では目標フレームレートを15～60fpsの範囲に設定して検証を行ったが，結果としてクラウド環境では，設定範囲の下限である15fps程度にとどまり，それ以上には向上しなかった．これに対し，遅延の少ないエッジ環境では目標設定範囲内である30fpsまで向上し，さらに目標としていた「操作への応答時間0.1秒未満」および「映像品質が一時的に低下しても1.0秒以内に回復」を達成し，有効性を確認した．

05. あとがき

本稿では，高効率可逆圧縮技術とマルチプラットフォームクラウドレンダリングを統合することで，大容量の点群データを扱う建設現場などにおいても高価な端末を不要とし，安全かつ低遅延な3D操作を実現する基盤技術について解説した．本プラットフォーム技術により，既存のアプリケーション資産を活かしたまま，コストや操作環境に関する課題を解消できる．
本プラットフォームは今後の商品化をめざし，現在はさらなるコンテナ運用環境の最適化やマルチテナント化に向けた開発を進めている．また，本基盤技術によって大容量点群データのリアルタイム処理が容易になることで，建設現場での可視化にとどまらず，AIを活用した高精度な物体認識や，デジタルツイン*34環境での高度なシミュレーションなど，次世代のデータ利活用への幅広い波及効果が期待される．