「デジタル技術」カテゴリーアーカイブ

3d計測サービス

3D計測サービスとは、物体や空間の形状・寸法・位置関係を3次元データとして取得・解析するサービスです。以下に概要をまとめます。

🧭 3D計測サービスの概要

🔹 主なサービス内容

サービス内容	説明
3Dスキャン	対象物をレーザーや光学機器でスキャンし、点群データやメッシュデータを生成
形状解析	寸法測定、平面度・直角度などの幾何公差チェック
リバースエンジニアリング	スキャンデータを基に3D CADモデルを生成
品質検査	設計データ（CAD）との比較による形状誤差の検出
デジタルアーカイブ	文化財や建築物などの保存用3Dデータ化

📷 使用機器・技術例

レーザースキャナー（例：FARO, Leica）
光学式3Dスキャナー（例：GOM ATOS, Artec）
CTスキャナー：内部構造も非破壊で可視化
写真測量（フォトグラメトリ）

🏭 主な用途・導入分野

分野	用途
製造業	試作品の検証、金型計測、部品の摩耗調査
建築・土木	BIM連携、施工後の検証、既存建物のデジタル化
自動車・航空	部品形状の検査、機体の計測
文化財・博物館	貴重な遺物の保存、展示コンテンツ作成
医療	義肢設計、手術前の形状解析

📌 導入のメリット

非接触・非破壊で高精度な計測が可能
デジタル化により再利用・設計・品質管理が容易
計測対象の3Dデータを他のCADや解析ソフトに活用可能

🏢 日本国内の主要3D計測サービス会社（例）

株式会社トプコンテクノハウス
株式会社アミューズワンセルフ（逆解析など）
株式会社キーエンス（機器販売＋計測サポート）
パーソルプロセス＆テクノロジー株式会社（受託計測）

以下に、3D計測サービスの具体的な事例を分野別に紹介します。製造業・文化財など、それぞれ目的や使用機器が異なります。

🏭 事例：製造業｜金型の摩耗検査とリバースエンジニアリング

目的： 長年使用した金型の摩耗状態を把握し、同一金型を再製作するためのデータを取得。
使用機器： 高精度光学3Dスキャナー（例：GOM ATOS）
プロセス：

金型を非接触スキャンし、高密度点群を取得
取得データを3D CADに変換（STL → STEP変換）
新しい金型設計に使用

成果： 金型の再現率が±0.02mm以内で精度良好。試作工程が短縮。

🖼 事例：文化財｜仏像のデジタルアーカイブ

目的： 老朽化が進む木造仏像を非接触で3Dデータ化し、保管・展示・レプリカ作成に使用
使用機器： ハンディ型スキャナー（例：Artec Eva）
プロセス：

仏像を360度スキャンし3Dデータ取得
メッシュデータに補正を加え、美術用途に最適化
3Dプリンタでレプリカ制作

成果： 仏像に触れずに保存可能。展示・教育用に3DビューアやAR活用も。

🚗 事例：自動車業界｜部品の品質検査（CAD比較）

目的： 射出成形品が設計通りにできているか、CADと比較し精度検査
使用機器： 光学スキャナー＋専用検査ソフト（例：GOM Inspect）
プロセス：

成形品をスキャンしSTLデータ取得
CADデータと重ね合わせて差分色マップで誤差可視化
寸法公差や変形部分を定量的に評価

成果： 品質管理の効率向上。NG判定の自動化が進み、検査工数50％削減。

👨‍⚕️ 事例：医療分野｜義肢装着用の個別スキャン

目的： 患者の脚の形状に合わせて義足のソケット部分をカスタム設計
使用機器： ハンディ型3Dスキャナー
プロセス：

患者の脚をスキャンし3Dデータ取得
モデルを修正してCAD化
3DプリントまたはCNCで製作

成果： 従来よりも装着感が向上し、製作時間も数日短縮。

＜トップページへ＞

3次元計測技術

「3次元計測技術（3D計測技術）」とは、物体の形状や寸法、位置情報などを三次元空間で高精度に測定・解析する技術のことです。以下に、概要と主な種類、用途について紹介します。

■ 1. 3次元計測技術の概要

3次元計測は、物体の「幅（X軸）」「奥行き（Y軸）」「高さ（Z軸）」を含む立体的な情報を取得します。これにより、正確な形状の復元や比較、品質評価、シミュレーションなどが可能になります。

■ 2. 主な3次元計測技術の種類

技術名称	特徴	主な用途
レーザースキャナー	レーザー光を対象に照射し、反射時間や位相差で距離を測定。高速・高精度。	建築、土木、遺跡保存、自動運転
構造光スキャナー	パターン化された光（格子など）を照射し、カメラで歪みを解析。高精度。	工業製品の検査、美術品保存
ステレオカメラ方式	2台のカメラで撮影し、視差から距離を算出。	ロボットビジョン、障害物検知
接触式プローブ（CMM）	プローブで直接物体に接触して点を取得。非常に高精度。	精密機械部品の検査
フォトグラメトリ（写真測量）	複数の写真から3D形状を再構成。コストが低く自由度が高い。	遺跡、地形測量、文化財保存

■ 3. 主な用途・活用分野

製造業：部品の形状検査、組立精度確認、逆解析（リバースエンジニアリング）
建築・土木：地形測量、構造物の維持管理、BIMとの連携
医療：義肢の製作、人体部位のスキャン
文化財保存：歴史的建造物や美術品のデジタルアーカイブ
エンタメ：ゲームや映画のキャラクター3Dモデル化

■ 4. メリットと課題

メリット：

非接触で測定できる（対象物を傷つけない）
複雑な形状でも高精度にデジタル化可能
自動化・高速化による効率向上

課題：

光沢・透明な対象物は計測が難しい
環境光の影響を受けることがある
データ処理・解析に専門的知識が必要

以下に、日本国内での3次元計測技術の導入事例を分野別に紹介します。製造業から文化財保護、建設業まで、幅広い場面で実際に活用されています。

■ 1. 製造業：部品検査・リバースエンジニアリング

▶【トヨタ自動車】

導入機器：GOM ATOS（構造光スキャナー）、CMM（三次元測定機）
用途：金型部品の寸法検査、開発初期の試作品の形状確認
効果：従来の接触式に比べ、複雑な形状でも高速・非接触で測定可能に。

▶【キヤノン】

使用技術：3Dスキャン＋CAD比較ソフト
用途：光学部品の寸法確認、微細形状の精度保証
効果：高精度での品質管理の自動化・デジタル化を実現。

■ 2. 建設・土木：構造物や地形の3D測量

▶【大林組】

導入機器：Leica RTC360（レーザースキャナー）
用途：ビル建設における構造フレームの測定と進捗管理
効果：BIMとの連携で、施工精度向上と工程管理の効率化。

▶【国土交通省（インフラ点検）】

使用技術：ドローン＋Pix4Dmapper（写真測量）
用途：山間部道路の斜面崩壊リスクの測量・3Dマップ作成
効果：従来の人手での測量を省力化、安全性とスピードを向上。

■ 3. 医療・義肢製作

▶【国立障害者リハビリテーションセンター】

導入機器：Artec Eva（ハンディ型3Dスキャナー）
用途：義手・義足などの個別適合部品の製作
効果：患者ごとに最適な形状の部品を迅速に設計・製造可能に。

■ 4. 文化財・歴史資料のデジタル保存

▶【奈良文化財研究所】

導入機器：構造光3Dスキャナー、フォトグラメトリ（Metashape）
用途：古墳壁画や仏像などの形状・色彩のデジタルアーカイブ
効果：保存と研究の両立、VR展示や修復検討にも活用可能。

■ 5. エンタメ・ゲーム制作

▶【株式会社スクウェア・エニックス】

導入機器：フォトグラメトリ＋モーションキャプチャ
用途：ゲームキャラクターのリアル3Dモデル化
効果：人物や衣装の質感まで高精細に再現、制作工数の削減。

＜トップページへ＞

半導体露光装置

半導体露光装置、半導体チップ（ICやLSIなど）を製造する際に使用される、極めて重要な装置です。英語では semiconductor lithography system や photolithography equipment と呼ばれます。

🔷 半導体露光装置とは？

半導体製造では、シリコンウェハー上に回路パターンを転写する工程があります。これを「露光（ろこう）」と呼び、その工程を行う装置が「露光装置」です。フォトマスクに描かれた微細な回路パターンを、光を使ってレジスト（感光材）を塗布したウェハー上に写し取ります。

🔷 露光装置の主なタイプ

種類	説明
ステッパー（Stepper）	ウェハーをステップごとに動かしながら順に露光。
スキャナー（Scanner）	マスクとウェハーを同時にスキャンして露光。より高精度。
EUV露光装置	極端紫外線（13.5nm波長）を使用。最先端の微細加工技術。

🔷 主要な露光装置メーカー

企業名	国	特徴
ASML	オランダ	世界唯一のEUV露光装置メーカー。ほぼ独占状態。
Nikon（ニコン）	日本	DUV（深紫外線）露光装置で実績あり。
Canon（キヤノン）	日本	中古・成熟プロセス向けに強み。

🔷 露光装置が重要な理由

回路の微細化が進むほど、露光装置の精度・性能が重要になる。
高性能スマートフォンやAIチップなど、先端半導体はEUV露光が不可欠。
製造ラインの中でも最も高価な装置の一つ（1台数百億円）。

＜トップページへ＞

3次元物体認識技術

3次元物体認識技術（3D Object Recognition Technology）は、カメラやセンサーなどから取得した3次元情報をもとに、物体の種類や位置、姿勢（ポーズ）を認識・特定する技術です。これはロボティクス、自動運転、AR/VR、製造業、セキュリティなど、さまざまな分野で重要な役割を果たしています。

🔍 1. 主な3次元物体認識技術

① ポイントクラウドベースの認識

説明: LiDARなどのセンサーで取得した点群（point cloud）データを解析。
技術例: PointNet、PointNet++、VoteNet、PointRCNN など。
利点: 複雑な3D形状を直接扱える。
課題: ノイズやスパースなデータに弱い。

② RGB-Dカメラを利用した認識

説明: RGB画像（カラー）とDepth画像（深度）を組み合わせて認識。
代表的センサー: Microsoft Kinect、Intel RealSense など。
技術例: DenseFusion、Frustum PointNet など。
利点: 2D画像と3D情報の統合により精度が高い。
課題: 照明条件に弱い場合がある。

③ マルチビューアプローチ

説明: 複数視点から2D画像を取得し、3D形状を推定・認識。
技術例: MVCNN（Multi-View Convolutional Neural Network）など。
利点: 汎用的な2D CNN技術が使える。
課題: カメラアングルが限定されると精度が下がる。

④ ボクセルベースの認識

説明: 3D空間をボクセル（立方体）に分割し、3D CNNで処理。
技術例: VoxNet、3DShapeNets など。
利点: 空間的情報を保存できる。
課題: 計算コストが高い、解像度に制限。

🧠 2. 用いられる機械学習技術

深層学習（Deep Learning）
- 特に3D CNN、Graph Neural Network、Transformerなどの応用。
教師あり学習
- 大量のアノテーション付き3Dデータセット（ShapeNet、ModelNetなど）で学習。
自己教師あり学習（Self-supervised Learning）
- データのラベリングが難しい3D領域では注目されている。

🛠️ 3. 応用分野

分野	応用例
自動運転	歩行者や車両の検出、障害物回避
ロボティクス	ピッキング、組立、ナビゲーション
AR/VR	仮想オブジェクトとの整合
製造業	品質検査、自動分類
セキュリティ	顔認証、侵入検知

📦 4. 有名なデータセット

ModelNet：3D CADモデルを含む分類タスク向けデータセット
ShapeNet：膨大なカテゴリの3Dモデル
SUN RGB-D：実環境のRGB-D画像＋アノテーション
KITTI：自動運転向けの3D点群と画像データ

＜トップページ＞

多要素認証

多要素認証（たようそにんしょう、MFA: Multi-Factor Authentication）とは、ユーザーがログインなどの認証を行う際に、複数の異なる要素を組み合わせて本人確認を行うセキュリティ技術です。

主な3つの認証要素：

知識要素（知っているもの）
例：パスワード、暗証番号（PIN）
所持要素（持っているもの）
例：スマートフォン、セキュリティトークン、ICカード
生体要素（本人そのもの）
例：指紋、顔認証、声、虹彩

例：二要素認証（2FA）の場合

ログイン時にパスワードを入力（知識要素）
その後、スマホに送られた確認コードを入力（所持要素）

多要素認証を使うメリット：

パスワードが漏れても、他の要素がなければ不正アクセスを防げる
特にクラウドサービスやリモートアクセスにおいて有効

AIエージェント

AIエージェントとは、特定のタスクや目標を達成するために自律的に行動する人工知能（AI）システムを指します。これらのエージェントは、環境からのデータを処理し、判断を下し、実行に移すことができます。AIエージェントには、以下のような特徴があります：

自律性: 外部からの指示なしに、自分で意思決定を行う能力。
目標指向: 特定の目標を達成するために行動する。
適応性: 環境の変化に応じて行動を調整する能力。
学習能力: 経験を通じて性能を向上させることができる。

AIエージェントは、例えばロボットの制御、バーチャルアシスタント、ゲームのNPC（ノンプレイヤーキャラクター）、自動運転車など、さまざまな分野で利用されています。

＜トップページ＞

3次元物体認識技術

3次元物体認識技術（3D object recognition）は、コンピュータビジョンやロボティクスにおいて、センサーから得られる3次元データ（例：RGB-Dカメラ、LiDAR、ステレオカメラなど）を基に、物体の位置、姿勢、形状、カテゴリなどを認識・特定する技術です。

🔍 主な技術アプローチ

1. ポイントクラウド処理

点群（Point Cloud）データを直接扱い、3D物体を認識。
代表的な手法:
- PointNet / PointNet++（点群を直接ニューラルネットで処理）
- VoteNet（3D物体検出）
- Point Transformer（Transformerを用いた点群認識）

2. ボクセルベース手法

3D空間をボクセル（立体ピクセル）に分割し、CNNを適用。
利点: CNNの活用が可能
欠点: 計算コストが高い
代表例: VoxelNet, SECOND

3. メッシュ／サーフェスベース手法

物体を三角形メッシュなどで表現し、3D形状を分析。
より細かい形状表現が可能だが、前処理が必要。

4. 深層学習ベースの多視点画像処理

3D物体を複数の2D画像に投影して処理（例：Multi-View CNN）
2D画像ベースのCNNを活用可能

🎯 応用分野

分野	利用例
ロボティクス	物体のピック＆プレース、自律移動ロボットの障害物認識
自動運転	車両、歩行者、標識などの3D検出
AR/VR	仮想空間と実世界の物体の一致、空間認識
製造・物流	品目の自動仕分け、品質検査
医療	3Dスキャン画像からの臓器・腫瘍の認識

🔧 使用されるセンサー・デバイス

RGB-Dカメラ（例：Intel RealSense, Microsoft Kinect）
LiDAR
ステレオカメラ
Time-of-Flightカメラ
産業用3Dスキャナ

🔥 最近のトレンド

Transformerベースの3D認識（例：Point-BERT, 3D DETR）
マルチモーダル認識（RGB+点群の融合）
リアルタイム3D認識の高速化
大規模3Dデータセット（ScanNet, ModelNet, ShapeNet）を使った事前学習

＜トップページ＞

産業用ドローン技術

＜例＞産業用ドローン部品の３Dデータ

試作部品の現物から３次元ＣＡＤ作成

産業用ドローン技術は、近年急速に進化しており、さまざまな分野で活用されています。以下のような主要な技術と応用分野があります。

1. 主要な技術

(1) 自律飛行・AI制御

SLAM（自己位置推定とマッピング）: LiDARやカメラを用いた環境認識
機械学習・ディープラーニング: 画像認識による障害物回避、物体検出
RTK-GNSS（高精度測位）: 数センチ単位の精密な位置決め

(2) 通信技術

5G通信: 高速・低遅延なリアルタイム制御
メッシュネットワーク: 複数のドローン間での協調制御

(3) バッテリー・動力

リチウムポリマーバッテリー（LiPo）: 軽量・高出力
ハイブリッド（燃料電池＋バッテリー）: 長時間飛行が可能
ワイヤレス給電: 飛行中の充電技術

(4) センシング技術

高解像度カメラ・赤外線カメラ: 検査・監視用途
マルチスペクトルカメラ: 農業・環境モニタリング
LiDAR（レーザー測距）: 3Dマッピング、地形測量

2. 主な応用分野

(1) 物流

無人配送（Amazon Prime Air, Zipline）
倉庫内搬送の自動化

(2) 点検・監視

インフラ点検（橋梁、送電線、風力発電設備）
プラント・工場の設備監視
災害時の被災状況確認

(3) 農業

精密農業（農薬散布、作物監視）
土壌・水分測定

(4) 建設・測量

3Dマッピング・BIM（Building Information Modeling）
施工管理の自動化

(5) 防災・救助

山岳救助・災害救助（ドローンによる物資投下）
火災・洪水時の空撮監視

(6) 軍事・警備

偵察・監視（無人偵察機）
境界警備・不法侵入検知

産業用ドローンの未来
AIと協働ロボット技術の進化により、ドローンは単独での運用から「群制御」「ヒューマンロボットインタラクション（HRI）」へと進化しています。たとえば、ロボットアーム搭載型ドローンによる作業支援や、地上ロボットとの連携も進んでいます。

＜トップページ＞

プログラミング言語Gコード

Gコードは、工作機械や3Dプリンタなどの数値制御（NC、Numerical Control）システムで使われるプログラミング言語です。CNC（コンピュータ数値制御）機械を動かすためのコマンドを記述します。これにより、機械は切削、旋削、穴あけなどの加工を自動的に実行します。

以下はGコードの基本的な要素とよく使われるコードの一部です。

Gコード

各アドレスコマンドは特定の文字文字（G、M、X、Y、Zなど
）から始まり、数値が続きます。
G01 X10 Y20 Z-5
座標と移動
- X、Y、Z : 座標軸。工具や機械が動く位置を示します。
- F : フィードレート（切削速度）。
- S : スピンドル回転数。
GコードとMコード
- Gコード: 動作（直線移動、円弧移動など）を示します。
- Mコード: 装置の制御（スピンドルのオン/オフ、クーラントの制御など）を示します。

主要なGコード

コード	説明
G00	高速移動（空走）
G01	直線補間（インターインター）
G02	時計の円弧補間
G03	反時計回りの円弧補間
G17	XY平面選択
G18	ZX平面選択
G19	YZ平面選択
G20	インチ単位指定
G21	ミリメートル単位指定
G28	原点復帰
G90	絶対座標指定
G91	増分座標指定

主要なMコード

コード	説明
M00	プログラム停止
M03	スピンドル正回転開始
M04	スピンドル逆回転開始
M05	スピンドル停止
M08	クーラントン
M09	クーラントOFF
M30	プログラム終了・リセット

Gコードの例

以下は簡単な加工プログラムの例です：

Gコードは作業機械の仕様によっては非常に異なる場合があります（例：Fanuc、Siemensなど）。作業に使用する機械の取扱説明書を確認することが重要です。

＜トップページへ＞

AI、機械学習

デジタルな脳やさまざまな応用分野を象徴するアイコンが含まれています。

AI（人工知能）や機械学習（Machine Learning）は、近年多くの分野で注目されている技術です。以下で、基本的な概要と応用例について

AI（人工知能）とは？

AIは、人間が行うような知的な作業をコンピュータに実行させる技術やシステムを指します。具体的には、次のような能力が含まれます：

・学習：過去のデータや経験から知識を蓄積する。

・推論：状況に応じた判断を行う。

・理解：言語や画像などの情報を解釈する。

・創造：新しいアイデアやコンテンツを生成する。

AIはさらに、ルールベースの「狭義のAI（弱いAI）」と、人間レベルの知能を目指す「強いAI」に分けられます。現在は、狭義のAIが主流です。

機械学習（Machine Learning）とは？

機械学習はAIの一部で、コンピュータがプログラムされたルールではなく、データからパターンを学習する方法です。以下の3つのタイプがあります：

1.教師あり学習（Supervised Learning）

・ラベル付けされたデータを使って学習する方法。

・応用例：画像分類、音声認識。

2.教師なし学習（Unsupervised Learning）

・ラベルがないデータからパターンや構造を見つけ出す方法。

・応用例：クラスタリング、異常検知。

3.強化学習（Reinforcement Learning）

・試行錯誤を通じて最適な行動を学習する方法。

・応用例：ゲームAI、自動運転。

応用例

AIと機械学習は多岐にわたる分野で利用されています：

・医療：診断支援、薬剤開発。

・金融：詐欺検知、リスク評価。

・エンターテイメント：動画や音楽のレコメンデーション。

・製造業：予知保全、自動化。

・教育：個別化学習ツール。

・自動運転：車両の周囲認識、経路計画。

＜リバーエンジニアリング＞