LiDAR 点群CloudCompare 2026 PC｜Velodyne+Hesai+処理

LiDAR 点群データ処理の現状と CloudCompare 2026 の役割

2026 年 4 月時点における、LiDAR（Light Detection and Ranging）技術を用いた測量・3D スキャン業界では、高精度な点群データの迅速な処理が不可欠となっています。特に建築現場での BIM データ連携や、都市計画におけるデジタルツイン構築において、Velodyne や Hesai といった主要 LiDAR センサーメーカーから出力される膨大なデータ量を、如何に効率的かつ正確に処理できるかが競争力の源泉です。本稿では、CloudCompare 2026 を中心としたソフトウェア環境と、その性能を最大限引き出すための PC ハードウェア構成について、具体的な製品名や数値スペックを交えて詳説します。

近年の点群データは、単なる座標の集合体から、色情報（RGB）や強度（Intensity）、反射波のパラメータまでを含む多角的な情報へと進化しています。これに伴い、PC での処理負荷も年々増加しており、2023 年以前の一般的なワークステーション構成では対応が困難なケースが増えています。特に CloudCompare のようなオープンソースツールや、LASTools のような商用ツールの連携においては、メモリ帯域幅とストレージの I/O 速度がボトルネックとなりやすいのが実情です。

そこで推奨する PC 構成は、Intel Core i9-14900K プロセッサに 128GB の大容量メモリ、そして NVIDIA GeForce RTX 4080 SUPER グラフィックスボードを搭載したものです。これにより、数十億点単位の点群データでも、リアルタイムなプレビューや高度なフィルタリング処理が可能な環境を構築できます。本記事では、これらの推奨スペックの根拠となる技術的詳細、主要 LiDAR デバイスとの互換性、および CloudCompare 2026 の実装機能について、専門的な観点から解説していきます。

LiDAR センサーメーカーとデータフォーマットの比較

LiDAR データを処理する上で最初に理解すべきは、使用されているセンサーの特性と出力されるデータフォーマットの違いです。現在市場において主要な役割を果たしているのは、Velodyne（ベロダイン）、Hesai（ハサイ）、Ouster（アウスター）の 3 社ですが、それぞれに強みと得意とするデータ形式が存在します。Velodyne は長年の実績を持ち、特に HDL-32E や VLP-16 シリーズは産業標準として広く普及しており、多くのソフトウェアがデフォルトでサポートしています。一方、Hesai は近年急成長を遂げている中国の企業であり、PandarXT 系列のような高出力・高解像度の LiDAR を開発しています。2025 年以降、Hesai のデータは都市計画や自動運転分野において Velodyne と並ぶ主要なソースとなっています。

Ouster はソリッドステート型 LiDAR の先駆けとして知られ、OS0-128 や OS1-64 シリーズが人気です。機械的な可動部がないため耐久性に優れており、点群データにおけるノイズが少ないという特徴があります。これら異なるメーカーのデータを扱う場合、ファイル形式の違いを認識しておく必要があります。一般的な形式である .las（LiDAR Data Storage Format）や圧縮版の.laz は、LASTools や CloudCompare で広くサポートされていますが、各社独自のバイナリフォーマットや、クラウドプラットフォーム経由で取得したデータでは、 proprietary な形式が含まれることもあります。

特に注意すべきは、Hesai の最新 LiDAR 機器からは、高密度な強度情報やマルチパス情報が伴うデータが出力される傾向があります。これを CloudCompare で正常に読み込むためには、特定のプラグインや PDAL（Point Data Abstraction Library）の適切な設定が必要です。また、Velodyne の VLP-32C や Hesai の PandarXT-40 などの最新モデルでは、1 つのパルスで複数の反射を検知できるため、データサイズが従来の数倍に膨れ上がる可能性があります。下表に主要 LiDAR センサーと出力データの特性を比較しました。

このように、センサーの種類によってデータ構造が異なるため、処理環境を構築する際には単一のソフトウェアだけでなく、PDAL や LASTools を活用したパイプラインの柔軟性が重要になります。2026 年時点では、クラウド比較ツールである CloudCompare もこれらの独自フォーマットへの対応を強化しており、外部プラグインなしでも基本的な読み込みが可能になっていますが、高度な属性情報の保持には設定変更が必要なケースが多々あります。

CloudCompare 2026 の機能と点群処理の最適化

CloudCompare はオープンソースとして提供される点群データエディタであり、2026 年のバージョン（仮称：2.15 ベース）では、従来の視覚化機能に加え、AI を活用したセグメンテーションや自動分類機能が強化されています。特に 2025 年からのアップデートで導入された「Auto-Denoise」アルゴリズムは、センサーノイズや空中塵を自動的に検出・除去する精度が向上し、処理後の点群の品質維持に寄与しています。この機能を利用するには、PC の GPU アクセラレーションが有効になっていることが前提条件であり、前述の RTX 4080 SUPER はこの計算負荷を大幅に軽減します。

CloudCompare 2026 では、メモリマップドファイルの読み込み処理が最適化されており、100GB を超える巨大な点群データであっても、PC の物理メモリのすべてを使用しなくても処理可能なようになりました。これにより、128GB の RAM を積んだワークステーション上で、より複雑なジオメトリ処理（例：雲台補正、座標変換）を安定して実行できます。また、Python スクリプトによるバッチ処理や、C++ プラグイン開発のサポートが充実しており、企業内でのカスタマイズされたワークフローの実装も容易になっています。

点群データの可視化においては、2026 年版では「Color Mapping」機能が大幅に改善されています。単なる RGB カラーだけでなく、強度（Intensity）、高さ（Height）、曲率（Curvature）などの属性値に基づいたカラーマップをリアルタイムで切り替えることができます。これは、地形の微細な起伏や建物の壁面の凹凸を視覚的に確認する際に極めて有効です。さらに、2025 年以降導入が進んでいる LIDAR の点密度解析機能では、メッシュ生成前の点群分布を可視化し、サンプリング漏れを検出する機能も標準装備されています。

これらの機能強化により、CloudCompare は単なる表示ツールから、点群データの前処理・後処理の中心的なプラットフォームへと進化しています。ただし、その性能を最大限引き出すためには、PC のハードウェア構成が適切である必要があります。特に GPU メモリ（VRAM）は、大量の点を同時に描画する際にボトルネックとなりやすく、16GB 以上の VRAM を備えた RTX 4080 SUPER はこの要件を満たす最適な選択肢の一つです。

PDAL と LASTools を活用したパイプライン構築

CloudCompare が強力な可視化・編集ツールである一方で、大規模データの前処理には「PDAL（Point Data Abstraction Library）」や「LASTools」のような専用ライブラリやツールの使用が不可欠です。PDAL は 2026 年時点で、点群データの読込、変換、フィルタリングを自動化するための標準的なパイプラインツールとなっています。特に Velodyne や Hesai のデータ形式から LAS/LAZ 形式への変換処理において、PDAL の Python API を使用することで、数百ファイルのバッチ処理を効率的に行えます。

LASTools は、LAS ファイルの生成・変換・フィルタリングに特化した商用ツールセットであり、特に「lasfilter」や「lassort」コマンドは高速なデータ整理で知られています。点群データの処理において最も時間がかかるのは、空間インデックス（Octree や KD-Tree）の構築と、座標値のソートです。LASTools は C++ で書かれており CPU の並列処理を最大限活用するため、Core i9-14900K のような多くのコアを持つプロセッサとの相性が抜群です。2026 年の最新バージョンでは、クラウドストレージ上のデータも直接読み込みながら処理できる機能が追加されており、ローカルの SSD スペースに依存しないワークフローも実現可能です。

TerraScan は、Autodesk の AutoCAD や Bentley の MicroStation と連携する点群処理ソフトウェアであり、測量分野で長く使われている定番です。CloudCompare での前処理後、詳細な地形分類や建物抽出を行う際によく使用されます。特に TerraScan は、点群データから自動的に等高線を生成したり、建物の屋根を認識したりする高度な機能を持っています。これら主要ツールとの連携を円滑にするため、PC 内部のストレージ構成は高速な M.2 NVMe SSD を採用し、一時ファイルの読み書き速度を最大化する必要があります。

これら 3 つのツールを組み合わせることで、点群データの「取得→前処理→編集→出力」までの一連の流れを構築できます。特に PDAL は、CloudCompare のスクリプト機能と親和性が高く、複雑なフィルタリングロジックを一度設定すれば、再実行も可能です。2026 年時点では、これらのツール間のファイル形式の互換性が向上しており、データロスなく処理を進めることが可能になっていますが、常にバックアップを取得することが推奨されます。

PC ハードウェア構成の詳細と推奨スペック解説

本記事で推奨する Core i9-14900K、128GB メモリ、RTX 4080 SUPER の構成は、単なる遊び心ではなく、LiDAR データの特性に基づいた計算上の最適解です。まず CPU の Intel Core i9-14900K は、パワープレーン（P-core）8 コアと Efficient プレーン（E-core）16 コアを備えた Hybrid 構造を持っています。点群処理における座標変換やフィルタリングは並列計算が得意ですが、CloudCompare の UI や一部のスクリプト実行は単一スレッドで動作することがあるため、高クロックの P-core は不可欠です。2026 年時点でもこのアーキテクチャは安定して機能し、最大 6.0 GHz のブーストクロックにより、大規模データの読み込み処理を高速化します。

メモリ容量については、128GB DDR5 を推奨しています。点群データは RAM に全て展開しないとスムーズに処理できませんが、近年の高密度 LiDAR データでは 32GB や 64GB では不足することが多々あります。特に CloudCompare で「Plane fitting」や「Voxel grid filtering」を実行する際、内部計算用に大量のメモリを消費します。128GB を積むことで、数十億点のデータでもメモリアウトを起こさず処理を継続できます。また、マザーボードは Z790 チップセット以降のモデルを採用し、DDR5 の高速帯域（6400MT/s〜）をサポートしていることを確認してください。

グラフィックスカード（GPU）には NVIDIA GeForce RTX 4080 SUPER を推奨します。この GPU は 16GB の GDDR6X メモリを備えており、点群のレンダリングや AI ベースのノイズ除去処理に十分な VRAM を提供します。CloudCompare は OpenGL に依存しており、VRAM が不足すると描画がカクつく原因となります。RTX 4080 SUPER の CUDA コア数は約 9728 であり、点群データのスケーリングや回転時の計算負荷を GPU でオフロードできます。さらに、DLSS や AI アクセラレーション機能を活用することで、リアルタイムプレビューの滑らかさが向上します。

ストレージについては、M.2 NVMe SSD を 4TB 搭載することを推奨します。LiDAR データは一度に数 GB から数十 GB に達するため、従来の SATA SSD や HDD では読み込み速度が間に合いません。PCIe 5.0 対応の M.2 SSD（例：Samsung 990 PRO の後継モデルや WD Black SN850X など）を使用することで、データインポート時の待ち時間を極力短縮できます。また、4TB の容量を確保しておくことで、作業用一時ファイルやバックアップデータをローカルに保持することが可能となり、ネットワーク転送のボトルネックを回避できます。

処理性能を最大化する設定と注意点

推奨された PC ハードウェアを最大限活用するには、OS とソフトウェアの設定最適化が不可欠です。Windows 11 24H2 または 2026 年版の最新 OS をインストールし、電源管理オプションを「高パフォーマンス」に設定してください。これにより、CPU のスロットリングを防ぎ、常に高クロックで動作するようになります。特に Core i9-14900K は発熱が大きいため、水冷クーラーや高性能な空冷クーラーの装着が必須です。2026 年時点では、Intel の Raptor Lake Refresh アーキテクチャの限界を超えないよう、BIOS のアップデートを常に行うことが推奨されます。

CloudCompare の設定において重要な点は、「OpenGL」のバージョンと「GPU アクセラレーション」の有効化です。PC が RTX 4080 SUPER を装備している場合、CloudCompare は自動的に OpenGL 4.6+ モードを検出し、ハードウェアアクセラレーションを有効にします。ただし、初期状態ではデフォルトでオフになっているケースがあるため、「ツール」→「設定」メニューから確認し、チェックを入れる必要があります。また、「点密度フィルタリング」や「サブセット生成」を行う際には、CPU のコア数に応じたスレッド数を調整すると処理速度が向上します。

メモリマップドファイルの取り扱いについても注意が必要です。128GB の RAM を積んでいても、OS 自体が 4GB〜8GB 程度のメモリを消費するため、利用可能な容量は約 110GB 程度となります。数百億点のデータを読み込む場合は、CloudCompare が自動的に外部ストレージへのスワップを行う設定になっているか確認してください。また、作業中に PC の温度上昇によるスロットリングを防ぐため、ケース内の空気の流れを確保し、CPU と GPU の温度が 85 度以下になるよう冷却ファンを調整することをお勧めします。

さらに、データ保存先として M.2 SSD を使用する際、TRIM コマンドが自動実行されるように設定されているか確認してください。点群データの書き込みは頻繁に行われるため、SSD の寿命を延ばしパフォーマンスを維持するために TRIM 機能の稼働は重要です。また、NVMe SSD のファームウェアアップデートも定期的に行うことで、PCIe バスとの相性や転送速度の安定性が向上します。

実際のワークフローとデータ量の目安

LiDAR データ処理の典型的なワークフローを例に挙げて解説します。まず、Velodyne VLP-32C や Hesai PandarXT-40 から出力された生データ（.bin, .raw など）を取得します。この段階では、ファイルサイズは数 GB 〜数十 GB に達することがあります。最初に PDAL を使用して、形式を統一された .las または.laz 形式に変換し、座標系（UTM などの投影座標）を補正します。ここでは LASTools の「lascal」ツールや「las2las」コマンドを利用するのが一般的です。

次に CloudCompare にデータを読み込みます。この際、1000 万点〜5 億点の規模になるため、メモリマップドモードで読み込む必要があります。CloudCompare では、「ポイントクラウド」メニューから「読み込み」を選択し、ファイル形式を自動認識させます。その後、「フィルタリング」ツールを使用して、ノイズ除去や平面検出を行います。この段階では、RTX 4080 SUPER の GPU アクセラレーションがフル稼働し、数千点単位のフィルタリングでも一瞬で完了します。

最終的に、解析結果を CAD ソフトへエクスポートするか、Web ベースの可視化ツールへアップロードします。この段階では、点群データをメッシュ化して圧縮することが多く、CloudCompare の「グリッド化」機能や「レプリケーション」機能を使用します。2026 年時点では、これらの作業をクラウド上で完結させることが可能ですが、ローカルの PC が十分高性能であれば、セキュリティ上の理由からオフライン処理を行うケースも依然として多いです。

このように、各工程で必要なリソースが異なるため、PC の構成バランスが重要です。CPU と GPU の負荷分散を適切に行うことで、全体の処理時間を大幅に短縮できます。特に分類やセグメンテーションは時間がかかる工程ですが、2026 年版の AI モデルを活用することで、精度と速度の両立が可能になっています。

よくある質問（FAQ）

Q1. CloudCompare は無料で使えるのでしょうか？ はい、CloudCompare はオープンソースとして無料公開されています。ただし、商用利用や企業内でのカスタマイズには GPL ライセンスに準拠する必要があります。また、AI 機能の一部は有料プラグインで提供される場合がありますが、基本の点群処理機能はすべて無料で使用可能です。

Q2. RTX 4080 SUPER よりも上位の GPU は必要ですか？ RTX 4080 SUPER の 16GB VRAM は、一般的な LiDAR データ処理において十分な性能を発揮します。VRAM が 24GB に達する RTX 4090 を使用する場合もありますが、コストパフォーマンスを考慮すると 4080 SUPER で十分です。ただし、5 億点を超える超大規模データを GPU メモリ内に展開する場合のみ、上位モデルの検討が必要です。

Q3. 128GB のメモリは必須でしょうか？ 128GB は推奨スペックであり、必ずしも必須ではありませんが、数十億点以上のデータや複雑なフィルタリング処理を行う場合は不可欠です。小規模な測量プロジェクトであれば 64GB でも動作しますが、将来のデータ増加を見据えて大容量を推奨しています。

Q4. HDD をメインストレージとして使用しても問題ないですか？ LiDAR データの読み込み速度において、HDD はボトルネックとなります。M.2 NVMe SSD のような高速ストレージを使用することが強く推奨されます。HDD での処理は、データ読み込みに数十分を要する可能性があり、作業効率を大きく損ないます。

Q5. Velodyne データ以外でも CloudCompare で扱えますか？ はい、Veloyne 以外の Hesai や Ouster のデータも扱えます。ただし、 proprietary なフォーマットの場合、PDAL を介した事前変換が必要になることがあります。CloudCompare のヘルプドキュメントにサポートされているリストが記載されていますので、必ず確認してください。

Q6. CloudCompare のスクリプト機能は使えますか？ はい、Python スクリプトによるバッチ処理が可能です。CloudCompare 2026 では Python API が強化されており、複雑なフィルタリングや変換を自動化できます。また、C++ プラグインの開発もサポートされており、独自機能を追加することも可能です。

Q7. 水冷クーラーは必須ですか？ Core i9-14900K は発熱が大きいため、高負荷処理時にスロットリングを防ぐために有効な冷却が必要です。空冷でも対応可能ですが、水冷クーラーを使用することで静音性と冷却性能の両立が図れます。2026 年時点では、AIO（All-in-One）水冷が一般的です。

Q8. CloudCompare のバージョン管理はどのように行いますか？ CloudCompare は頻繁にアップデートされるため、定期的なバージョンアップが推奨されます。最新版をインストールすることで、最新の LiDAR データフォーマットへの対応や、バグ修正が適用されます。ただし、既存のプロジェクトファイルと互換性を保つために、メジャーバージョン変更時には注意が必要です。

Q9. 点群データの圧縮形式はどれがおすすめですか？ .laz（LAS の圧縮版）が一般的です。圧縮率が高く、保存スペースを節約できます。CloudCompare は.laz ファイルの読み書きをサポートしており、処理時のメモリ使用量も抑えられます。ただし、一部の古いソフトウェアでは非対応の場合があるため注意が必要です。

Q10. 2026 年版の CloudCompare で新しい機能はありますか？ はい、AI ベースのノイズ除去や自動セグメンテーション機能が強化されています。また、クラウド連携機能や Docker コンテナでの実行サポートも追加されており、大規模データの処理効率が向上しています。

まとめ

本記事では、2026 年 4 月時点における LiDAR 点群データ処理のための PC 構成とソフトウェア環境について解説しました。CloudCompare 2026 を中心に、Velodyne や Hesai などの主要センサーメーカーとの互換性を考慮し、具体的なハードウェア推奨スペックを提示しました。以下に記事の要点をまとめます。

• PC 推奨構成: Intel Core i9-14900K (8P+16E コア)、128GB DDR5 メモリ、NVIDIA RTX 4080 SUPER (16GB VRAM)、M.2 NVMe SSD (4TB)
• 主要ソフトウェア: CloudCompare 2026（可視化・編集）、PDAL（パイプライン）、LASTools（ファイル操作）、TerraScan（分類・CAD）
• データ形式: .las, .laz, .pcd, .xyz に対応。センサーにより固有フォーマットがあるため変換ツールが必要。
• 最適化設定: OS 電源モードを「高パフォーマンス」に、CloudCompare で GPU アクセルを ON にする。冷却対策を徹底する。
• 作業効率: PDAL と LASTools を組み合わせたバッチ処理で、データの前処理時間を短縮する。

これらの構成と手順に従うことで、効率的かつ高精度な LiDAR データ処理が可能です。2026 年においても、この構成は堅牢なワークステーションとして機能し続けるでしょう。