デモパイプライン

このページでは、オープンデータセットと Inspect CLI を使って、自己完結した概念実証（PoC）デモを構築する手順を説明します。本番データが用意できる前の技術評価・現場デモでの利用を想定しています。

オープンデータセット

IFC のダウンロード URL は使用前に必ず確認してください。buildingSMART ギャラリーが一次ソースです。サードパーティのミラーは改変済みのファイルを配信している場合があります。

パイプライン手順

ステップ 1 — IFC から設計点群を生成

IfcOpenShell を使って IFC の表面ジオメトリをサンプリングし、参照点群（「正解」となる設計データ）を生成します。各 IfcProduct 要素を三角形分割し、頂点座標を (N, 3) の配列として収集します。

ステップ 2 — 損傷スキャンのシミュレーション

Open3D を使って設計点群のコピーに意図的な変形を加え、既知の欠陥を持つ「実測データ」を作成します。デモの例では、特定領域を 15 mm 押し込んで表面の凹みを再現し、結果を PLY ファイルとして保存します。

ステップ 3 — 偏差計算（M2）

eds inspect scan CLI コマンドを実行し、IFC 設計ファイルとシミュレーションスキャンの PLY ファイルを指定します。CLI は src/ifc.rs で設計参照点群を読み込み、src/deviation.rs で点ごとの最近傍偏差を計算して、compliant_pct・max_deviation_mm・mean_deviation_mm を含む JSON レポートを出力します。

このステップでは src/ifc.rs と src/deviation.rs（M2）を使います。

ステップ 4 — 3D → 2D 投影（trilink-core）

trilink-core::project_to_depth_map がスキャン点群を深度マップ画像に変換し、AI 推論の入力とします。config.toml に設定されたカメラ内部パラメータを使って CLI が自動的に処理するため、手動操作は不要です。

このステップでは trilink-core::project_to_depth_map（基盤 #31）を使います。

ステップ 5 — AI による欠陥検出

HTTP 推論パス（inference.mode = "http"）経由で深度マップに対して検出モデルを実行します。デモでは YOLOv8 を外部推論サーバーとして使用できます。CLI は深度マップ画像を設定済みの HTTP エンドポイントに送信し、バウンディングボックスの検出結果を受け取ります（M4）。

ステップ 6 — 2D → 3D 逆投影

検出された 2D バウンディングボックスは trilink-core::unproject によってワールド座標に逆投影され、3D モデル上に重ねて表示されるとともに偏差レポートに含まれます（M4）。

デモにおける偏差エンジンの位置づけ

偏差エンジン（M2）はデモの定量的な核心です。「異常があるか？」だけでなく、「IFC 設計に対して実際の構造物が何ミリずれているか？」 に答えます。汎用的な欠陥検出器との差別化ポイントであるため、ステップ 3 を必ずデモで明示してください。

テクニカルスタックまとめ