1995年の阪神淡路大震災や2016年の熊本地震など,日本は地震をはじめとする自然災害により多大な被害を受けてきた.これらの大地震では,倒壊や火災によって閉じ込められる事による犠牲者が多く,建物構造の異常に着目して被災状況を把握する必要性が指摘されている.現在,測量士による詳細な調査,人工衛星による自動撮影,UAVによる画像撮影などによる状況把握が行われている. しかし,これらは二次災害の防止や復興,保険適用を目的としており,多くの時間を必要とする.そこで,UAVを用いて複数の建物を同時に観測することで,迅速に建物構造の異常を検出する手法を提案する．機械学習モデルを用いて,建物の特徴量から無損傷と倒壊の分類を行う.この特徴量は,点群の分布を表すFisher Vectorと,点群に含まれる面の方向と数を表すNormal Histogramである.この特徴量は,損傷していない建物と崩壊した建物の形状の違いや,崩壊により建物表面が疎になることを利用している.評価実験の結果,両特徴ともROC-AUCは0.99以上を達成し,ノイズに対するロバスト性も示された.また,特徴抽出に要する時間,分類精度,対応可能な倒壊の程度がトレードオフの関係にあることを示す結果も得られている.
