LiDAR vs VPS vs V-SLAM
- 5月6日
- 読了時間: 15分
カラーLiDARの登場が変える「空間認識」の競争軸
ロボット、ドローン、自動運転、AR、スマートシティに共通する基盤は、機械が「自分がどこにいるか」を知り、「周囲に何があるか」を理解することです。
従来、この領域は大きく3つの技術で整理されてきました。
V-SLAMは、カメラ画像から自己位置と地図を同時に推定します。
LiDARは、レーザーで距離を測り、高精度な3次元形状を取得します。
VPSは、あらかじめ作られた空間マップと現在の映像を照合し、位置を特定します。
しかし、Ousterが発表したRev8 OSファミリーによって、この構図は変わり始めています。
Rev8はOusterが「世界初のネイティブカラーLiDAR」と位置づける新世代センサーで、3Dデータと色データを同一センサー内で取得することを特徴としています。OusterはRev8について、L4 Ouster Siliconを基盤に、ネイティブカラー、最大2倍のレンジと解像度、機能安全性、産業用途向けの信頼性を備えた新世代LiDARだと説明しています。
この意味は、単に「点群に色が付く」という話ではありません。
より重要なのは、LiDARがこれまで苦手だった「意味のある色」を扱えるようになることです。たとえば、信号機の赤・黄・青、ブレーキランプ、道路標識、工事コーン、緊急車両の灯火、誘導表示、危険区域を示す色などです。
つまり、カラーLiDARの登場によって、LiDARは「距離を測る装置」から、空間の意味を読み取るセンサーへ進化し始めています。
LiDAR、V-SLAM、VPSの違い
まず、3つの技術の役割を整理します。
技術 | 主な入力 | 得意なこと | 弱点 | 本質 |
LiDAR | レーザー距離計測 | 高精度な3D形状、暗所、構造物認識 | コスト、重量、データ量、意味理解 | 空間を「測る」 |
V-SLAM | カメラ画像、IMU | 軽量、低コスト、スマホ・小型ロボット向き | 暗所、逆光、白壁、ブラー、特徴点不足 | 空間を「見ながら作る」 |
VPS | 既存空間マップ＋現在映像 | 既知空間での高精度位置合わせ、ARアンカー | 事前マップ、クラウド依存、対象エリア制約 | 空間を「照合する」 |
V-SLAMの代表例であるORB-SLAM2は、単眼、ステレオ、RGB-Dカメラに対応するリアルタイムSLAMとして知られています。またVINS-MonoのようなVisual-Inertial SLAMは、カメラと低コストIMUを組み合わせ、6自由度の自己位置推定を行う最小構成として研究されてきました。
一方、Niantic SpatialのVPSは、デバイスの位置と姿勢をLightship Mapに対して推定し、現実空間に仮想オブジェクトを継続的に固定するための仕組みです。NianticはVPSを、クラウドベースでデバイスの6自由度姿勢を求めるシステムと説明しています。
要するに、V-SLAMは「その場で地図を作る技術」、LiDARは「空間を精密に測る技術」、VPSは「既にある空間マップと照合する技術」です。
Ouster Rev8の本質は「3Dと色の同時取得」
Ouster Rev8の重要性は、点群に後処理で色を貼ることではありません。
従来のカラー点群は、多くの場合、LiDAR点群と外部カメラ画像を別々に取得し、後処理で重ね合わせて作っていました。この方式では、LiDARとカメラの位置関係、時刻同期、レンズ歪み、視差、遮蔽、露出差が問題になります。
つまり、従来方式では、
「この3D点に、どの画像ピクセルの色を対応させるのか」
というセンサー融合の問題が常に残っていました。
Rev8は、この融合をセンサー側に取り込もうとしています。OusterはRev8について、色と3Dデータをソフトウェアではなく物理的に融合すると表現し、Fujifilmのカラーサイエンス、48-bit color depth、116 dB dynamic range、1 luxから2,000,000 luxまでの照度範囲での性能維持を強調しています。
ここで重要なのは、色と距離が最初から同じ点に紐づくことです。
従来のLiDARは、物体の形は分かっても、それが赤信号なのか、青信号なのか、赤い停止標識なのか、ただの赤い看板なのかを判断するにはカメラに頼る必要がありました。
しかしカラーLiDARでは、3D座標と色が同じデータ構造に入ります。これは、空間認識の意味を大きく変えます。
LiDARから「発煙筒が見える」
カラーLiDARが持つ最大の実用的インパクトの一つは、信号や灯火の認識です。
自動運転や自律ロボットにとって、信号機、ブレーキランプ、警告灯、工事灯、誘導灯は、単なる色の付いた物体ではありません。それらは「行動を変えるべき情報」です。
赤信号で止まる。
青信号で進む。
黄色信号で減速する。
ブレーキランプを見て前車の減速を予測する。
工事コーンや警告灯を見て車線変更を判断する。
緊急車両の灯火を見て退避行動を取る。
これらはすべて、色が意味を持つ判断です。
Ouster自身もRev8の説明で、構造と色の組み合わせが重要であり、単一のLiDARセンサーで道路標識を理解したり、ブレーキランプを解釈したり、測量グレードのカラー地図を生成したりできると述べています。
ここで注意すべきなのは、「カラーLiDARが信号を見られる」ことと、「安全に信号判断を完了できる」ことは同じではないという点です。
信号認識には、少なくとも次の段階があります。
段階 | 内容 |
検出 | 信号機らしき物体を見つける |
位置推定 | 信号機の3D位置を把握する |
色認識 | 赤・黄・青などの発光状態を読む |
意味判定 | その信号が自車・自機に関係するか判断する |
行動判断 | 停止、減速、進行、回避を決める |
カラーLiDARは、このうち「3D位置」と「色認識」を同じセンサーで扱いやすくします。これは大きな前進です。
ただし、実運用では、信号機のLED点滅、PWM制御、強い日射、夜間の飽和、雨滴、霧、汚れ、遠距離での解像度不足、複数信号の対応関係などを検証する必要があります。つまり、カラーLiDARは信号認識を大きく強化しますが、それだけで信号判断の全問題が解けるわけではありません。
それでも、従来はカメラ側にほぼ依存していた「色の意味」を、LiDAR側が直接扱い始めることは非常に重要です。
Ouster Rev8 OSファミリー
Rev8は単体製品ではなく、OSファミリー全体の刷新です。
OusterのRev8ページでは、OS1 Max、OS1、OS0、OSDomeが新しいRev8 OSファミリーとして整理されています。OS1 Maxは長距離向け、OS1は中距離向け、OS0は超広角の短距離向け、OSDomeは180度半球視野向けという位置づけです。
特に注目すべきはOS1 Maxです。
OusterはOS1 Maxについて、10%反射率で200m、最大500mレンジ、45度視野、最大10.4 million points per secondを掲げています。これは、単なるカラー対応というより、長距離・高解像度・高信頼性を同時に狙ったフラッグシップセンサーです。
Rev8を支えるL4 Ouster Siliconも重要です。OusterはL4アーキテクチャについて、128チャンネルのL4と256チャンネルのL4 Maxを用意し、最大10.4 million points per second、42.94 GMACsの処理能力、22.4 Gbpsのオフチップ帯域を持つと説明しています。
さらにRev8は、機能安全と産業環境での信頼性も前面に出しています。OusterはRev8について、ASIL-B、SIL-2、PLdを想定した機能安全、ISO 21434に基づくサイバーセキュリティ、-40℃から+85℃の動作温度、10G-rms振動耐性、ESD 25kVなどを訴求しています。
この設計思想から見ると、Rev8は「綺麗なカラー点群を作るためのLiDAR」ではありません。むしろ、自動運転、産業ロボット、交通インフラ、測量、ドローン、防衛・警備で使うための高信頼3D認識基盤です。
Rev8は都市を制御し始める
Ousterには、交通インフラ向けソフトウェアとしてBlueCityがあります。BlueCityは、デジタルLiDARとAIを使い、交通データ、赤信号無視検出、歩行者横断時間推定、ニアミス検出、違法右左折検出、信号制御向けの占有率や信号フェーズ関連データを提供する交通安全・交通運用向けソリューションです。
ここにカラーLiDARが加わると、交通インフラの意味はさらに広がります。
従来のLiDAR交通システムは、主に「どこに車や人がいるか」「どの方向に動いているか」「速度はどの程度か」を把握していました。カラーLiDARが入ると、そこに「信号灯や標識など、色が意味を持つ情報」が加わる可能性があります。
たとえば、交差点に設置されたカラーLiDARが、
車両の位置
歩行者の位置
自転車の位置
車両速度
横断歩道占有
信号灯の色
ブレーキランプの点灯
工事規制物の色
緊急車両の灯火
を同一の3D空間で扱えるようになれば、交通監視は単なる検知から、状況理解へ進みます。
特に信号機に関しては、車両側だけでなく、インフラ側でも意味があります。信号現示と実際の交通流を3Dで結びつけられるからです。
これは、将来のスマート交差点、協調型自動運転、V2X、都市OSにとって重要な入力になり得ます。
【LiDAR vs V-SLAM】V-SLAMは置き換えられるのか
結論から言えば、完全には置き換えません。
しかし、一部の用途ではV-SLAMの領域を強く侵食します。
V-SLAMは、カメラ画像上の特徴点や画像変化を使って自己位置を推定します。カメラ画像が安定して得られる環境では、軽量で安価な優れた手法です。スマートフォン、ARグラス、小型ロボット、小型ドローンでは、今後もV-SLAMやVisual-Inertial SLAMは重要です。
しかし、V-SLAMには明確な弱点があります。
暗所、逆光、白壁、反復模様、粉塵、煙、雨、モーションブラー、低照度環境では、画像特徴点が不安定になります。こうした環境では、能動的に距離を測るLiDARが有利です。
Rev8のようなカラーLiDARは、ここに新しい意味を加えます。
従来のLiDARは形状に強く、V-SLAMは見た目に強いという分担でした。しかしカラーLiDARは、形状と見た目を同時に持ちます。
つまり、V-SLAMが担っていた「見た目に基づく空間認識」の一部を、LiDAR側が吸収し始めます。
特に、工場、倉庫、地下、トンネル、プラント、鉱山、夜間屋外、自律搬送、警備ロボットでは、LiDAR SLAM、LiDAR-Inertial Odometry、カラーLiDARを含むマルチモーダルSLAMが有利になる可能性があります。
ただし、軽量性、低価格、低消費電力、スマートフォンとの親和性では、V-SLAMの優位性は残ります。
したがって、V-SLAMは消えるのではなく、軽量・低コストなエッジ測位技術として残り、LiDARは高信頼・高精度な空間認識層へ広がると見るべきです。
【LiDAR vs VPS】VPSはLiDARと競合するのか
VPSとLiDARは競合します。
ただし、競合するレイヤーが違います。
LiDARは現場で空間を測ります。
VPSは既存の空間地図と照合します。
VPSの本質は、世界を事前にマップ化し、その地図に対して現在位置を合わせることです。Niantic SpatialのVPSも、ユーザー端末の位置と姿勢をNiantic Spatialのマップに対して求め、現実空間と仮想オブジェクトを継続的に整合させる仕組みとして説明されています。
VPSは、都市AR、観光案内、屋外ARコンテンツ、スマートフォン測位、既知施設内でのロボット誘導に向いています。
一方、LiDARは、未知環境のマッピング、GPS denied環境、インフラ点検、夜間・暗所、産業ロボット、自律走行、ドローンの障害物回避、防衛・警備に向いています。
カラーLiDARは、VPSにとって脅威であると同時に、VPSを強化する入力にもなります。高精度な3D形状に色が加われば、VPS用の空間データベースはよりリッチになります。逆に、VPSはLiDARで作られた地図を複数デバイスが共有するための空間アンカーとして機能します。
つまり、競争の本質は「LiDARかVPSか」ではありません。
本質は、誰が高品質な空間データベースを持ち、その上でどのアプリケーションを動かすかです。
【自動運転】融合と再設計が起きる
自動運転では長く、「カメラだけで十分か、LiDARが必要か」という議論が続いてきました。
しかし、カラーLiDARの登場によって論点は変わります。
これまでの自動運転では、カメラは色やテクスチャ、LiDARは距離や形状、レーダーは速度や悪天候耐性を担当していました。問題は、それらを後段でどう融合するかでした。
Barron’sはOuster Rev8について、カメラのような色画像とレーザー距離計測をマイクロチップレベルで統合する技術として紹介し、センサー融合問題への回答として位置づけています。
ここで最も分かりやすい例が信号です。
カメラだけの場合、信号の色は読めますが、信号機までの正確な3D位置、向き、遮蔽関係、車線との対応付けには別の推定が必要になります。
LiDARだけの場合、信号機の構造や位置は分かりますが、赤・黄・青の状態は読みづらいです。
カラーLiDARでは、信号機の3D位置と色状態を同じデータとして扱える可能性があります。
これは、自動運転にとって大きな意味があります。
なぜなら、信号は「見える物体」ではなく、「行動を支配するルール」だからです。
ただし、カメラやレーダーが不要になるわけではありません。自動運転では冗長性が不可欠です。雨、霧、雪、逆光、汚れ、センサー故障、LED信号のフリッカーなどを考えると、カラーLiDAR単独に依存する設計は危険です。
現実的には、Rev8のようなカラーLiDARは、カメラの一部機能をLiDAR側に取り込み、上位のセンサーフュージョンを再設計する技術として見るべきです。
【測量分野】「読解性」が大きく変わる
測量・地理空間分野でカラーLiDARが持つ価値は、単純な測距精度だけではありません。
むしろ大きいのは、点群の読解性です。
従来の点群は、形状としては正確でも、人間が見たときに何を表しているのか分かりにくい場合があります。法面、舗装、植生、標識、境界物、配管、設備、構造物などは、色があるだけで現場解釈の速度が大きく変わります。
Rev8のネイティブカラー点群は、外部カメラによる後処理的な色付け工程を減らせる可能性があります。これにより、現場機材の構成、キャリブレーション、後処理、品質確認の負担が軽くなる可能性があります。
ただし、測量精度そのものは、LiDARセンサー単体だけで決まるわけではありません。GNSS、IMU、地上基準点、軌跡推定、ストリップ調整、座標系、検証点を含む全体の誤差管理が重要です。USGSのLidar Base Specificationは、LAS形式、位置精度検証、点分類、データ処理などを含む仕様体系として整理されています。
ASPRSの位置精度標準も、地理空間データの精度管理を、LiDAR、写真測量、UASなどの新しい技術に対応できるモジュール型の標準として整備しています。
したがって、測量分野でのRev8は、「色が付いたから高精度」という話ではありません。正しくは、絶対精度は従来通り厳密に管理しながら、点群の読解性、分類性、現場記録性、後処理効率を高める技術です。
【ドローン】飛びながら空間を理解するようになる
ドローン分野でも、カラーLiDARの意味は大きいです。
GPSが届かない場所、森林、プラント、屋内、地下、橋梁下、トンネル、災害現場では、LiDAR SLAMは非常に有力です。OusterのRev8ページでも、ロボティクスとドローン用途として、自動化、ナビゲーション、障害物回避、高精度測量、Physical AI向けデータ収集が挙げられています。
ここに色が加わると、ドローンは単に障害物を避けるだけでなく、空間の意味を読みやすくなります。
たとえば、
赤い警告灯を認識する
配管の色分けを読む
工場内の表示やラインを把握する
標識や注意表示を読み取る
立入禁止エリアのカラー表示を識別する
植生や地表の状態を分類する
といった使い方が考えられます。
ただし、ドローンでは重量、消費電力、計算資源、通信帯域が大きな制約になります。OS1 Maxのような高性能センサーは、大型ドローン、固定翼、車載・地上ロボットでは有効でも、小型点検ドローンには重すぎる場合があります。
したがって、ドローンでRev8を評価する際には、センサー性能だけでなく、機体サイズ、飛行時間、ミッション内容、処理計算機、データ保存量まで含めて判断する必要があります。
カラーLiDARの本当の価値は、単に綺麗な点群を撮ることではありません。
AIが後から理解しやすい3D空間データを、移動しながら収集できることにあります。
【安全保障・警備】カラーLiDARはデュアルユース技術
カラーLiDARは、明らかにデュアルユース技術です。
民生では、測量、自動運転、倉庫、建設機械、スマートシティ、インフラ点検に使われます。一方で、防衛・警備では、基地警備、境界監視、無人地上車両、ドローン航行、重要インフラ防護、GPS denied環境での自律移動にも応用できます。
カラーLiDARが重要なのは、暗所や低照度でも3D形状を取得しつつ、色に意味がある対象を扱える可能性があるからです。信号灯、警告灯、標識、誘導表示、車両灯火、識別色などは、警備や自律移動において重要な情報になります。
一方で、プライバシーリスクも高まります。
従来のLiDAR点群よりも、人物、車両、服装、標識、私有物などの再識別性が高まるためです。
公共空間や都市インフラで使う場合には、
保存期間の短縮
エッジ側での匿名化
取得範囲の制限
アクセス制御
原データ持ち出し制限
人物・車両識別情報の扱い
を設計段階から組み込む必要があります。
カラーLiDARは便利なセンサーであると同時に、都市監視能力を高めるセンサーでもあります。この点は、技術導入時に避けて通れません。
中国勢はどう動く？
カラーLiDARはOusterだけの動きではありません。
Hesaiも2026年4月に、Picasso 6D full-color SPAD-SoCや次世代ETXを発表しています。Reutersは、Hesaiの新しいカラー検出LiDARについて、自動運転の精度と安全性を高める技術として報じています。
つまり、LiDAR産業全体が「距離センサー」から「空間知能センサー」へ移行し始めています。
今後の競争軸は、単純な測距距離や点数だけではありません。
重要になるのは、次の要素です。
競争軸 | 内容 |
ネイティブカラー | RGBと3Dをどれだけ正確に同期できるか |
信号・灯火認識 | 信号機、ブレーキランプ、警告灯をどれだけ安定して読めるか |
解像度 | 遠距離の小さな対象を識別できるか |
低遅延 | 自動運転・ロボット制御に使える遅延か |
機能安全 | 車載・産業・公共インフラで使える安全設計か |
SDK・エコシステム | ROS、AI、シミュレーション、地図生成と接続しやすいか |
量産コスト | 自動車・ロボットに大量搭載できるか |
調達リスク | 防衛・政府・重要インフラで採用できるか |
Ousterの強みは、米国企業としての調達適合性、デジタルLiDARアーキテクチャ、Rev8 OSファミリー、BlueCityやGeminiなどのソフトウェア展開にあります。一方、中国勢は車載量産、価格競争力、高密度化で強い存在感を持っています。
この競争は、単なるLiDAR企業同士の競争ではありません。自動運転、スマートシティ、ロボティクス、空間AIの基盤競争です。
カラーLiDARは「信号を読むLiDAR」への第一歩
LiDAR、V-SLAM、VPSは、どれか一つが他を完全に置き換える関係ではありません。
V-SLAMは、軽量・低コストな自己位置推定として残ります。
VPSは、都市や施設の空間データベースとして重要になります。
LiDARは、高精度・高信頼な3D空間取得の中核になります。
そこにカラーLiDARが加わることで、LiDARの役割は大きく変わります。
これまでのLiDARは、主に「どこに何かがあるか」を測っていました。
これからのカラーLiDARは、「それが何であり、どのような意味を持つか」に近づきます。
特に信号機、ブレーキランプ、標識、警告灯、工事コーン、誘導表示のように、色が行動判断に直結する対象では、カラーLiDARの意味は大きいです。
ただし、カラーLiDARがすべてを解決するわけではありません。
信号を「見る」ことと、信号を「安全に判断する」ことは違います。
実運用には、AI認識、地図、V2X、カメラ、レーダー、冗長設計、法規制、検証データが必要です。
それでも、Ouster Rev8が示した方向性は明確です。
空間認識の競争は、もはや「LiDAR vs カメラ」ではありません。
「距離を測る」競争でもありません。
これからの主戦場は、AIが理解できる空間を、誰が、どのセンサーで、どのデータ構造として作るかです。
その意味で、Ouster Rev8は単なる新製品ではなく、LiDARが「空間を測る技術」から「空間を読む技術」へ進む転換点だと言えます。
ここ押さえておきたいところです。
コメント