Blob Track CHOP 完全ガイド | 使い方・パラメータ解説【TouchDesigner】

記事更新の通知はXでアナウンス٩(๑❛ᴗ❛๑)
→ @maru6o6をフォロー

概要 📖 – ポイント群からのリアルタイム blob 検出と追跡

Blob Track CHOPは、入力されたポイント群を距離ベースで blob (まとまり) に集約し、フレーム間で同一性を保ったまま重心・速度を追跡する CHOPです。Hokuyo / Leuze ROD4 のような連続スキャン LiDAR、Kinect 等の深度センサーから得たポイント群を入力とし、Search Mode・Max Point Distance・Area of Interest・Movement Prediction を組み合わせてリアルタイムに人物 / 手 / 物体を 1 オペレータで追跡できます。

主な用途 🎯

LiDAR / ToF / 深度センサーから得たポイント群を blob (まとまり) に集約してリアルタイム追跡
Hokuyo CHOP / Leuze ROD4 CHOP の連続ポイント出力を Consecutive Points モードで高速 blob 化
Area of Interest (Rectangle / Circle) でスキャン領域を限定し、関係ない外周ノイズを除外
各 blob の Centroid (重心) と Velocity (速度) を出力し、人物・手・物体のインタラクティブ追跡に利用
Kalman Filter / Simple Forward Predict による移動予測でフレーム間 blob 同一性を維持

データフロー 🔄

入力: ポイント群 CHOP (Hokuyo / Leuze ROD4 / Kinect 等のセンサー出力)
 ↓
Active 判定
 ↓
Search Mode (All / Consecutive Points) で点同士を比較
 ↓
Max Point Distance で blob 化
 ↓
Area of Interest でフィルタ
 ↓
Blob Init Time / Min Points per Blob で偽陽性除去
 ↓
Movement Prediction で移動予測
 ↓
出力: 各 blob の Centroid / Velocity チャンネル

Tips

初心者の方は、以下日本語書籍も手元にあると安心です。

リンク

まる。

実際の案件事例まで踏み込んで紹介されていて、効率よくスキルアップするなら必携の二冊です！

パラメータ解説 ⚙️

Tracker Page 🎯

基本パラメータ ⚙️

Active .active ✅
– オン: 入力からポイント情報を受け取って blob 追跡を実行
– オフ: 処理を停止するが、既存 blob は出力に保持される

Search Mode `.searchmode` 🔎

ポイント間の比較方法を決定するメニューパラメータ

項目	内部名	説明
All	`.all`	全ポイントを互いに比較して blob を検出（低速だが、ポイントがランダムに並ぶ入力でも頑健）
Consecutive Points	`.consecutive`	サンプル順で隣接するポイント同士のみ比較（高速、Hokuyo CHOP / Leuze ROD4 CHOP のように空間的に近いポイントが連続して並ぶ入力に最適）

Blob 検出パラメータ 📏

Max Blobs .maxblobs 🔢
– 同時追跡できる blob の最大数
– 上限を超えた場合は新規 blob が無視される

Max Point Distance in Blob .maxpointdistance 📐
– 2 つのポイントが同一 blob に属すると判定する距離の上限
– 値を大きくすると複数の物体が 1 つの blob に統合されるため、対象サイズに合わせて調整

Max Blob Movement .maxblobmovement 🏃
– 1 フレーム間で blob が同一とみなされる最大移動距離
– 高速移動する対象では値を大きく、ゆっくり動く対象では小さく設定

Area of Interest `.areaofinterest` 🗺️

blob を追跡する領域の限定方法を決定するメニューパラメータ

項目	内部名	説明
Off	`.off`	領域制限なし、スキャン範囲全域で blob を追跡
Rectangle	`.rectangle`	指定した矩形領域内のポイントのみで blob 追跡
Circle	`.circle`	指定した円（または楕円）領域内のポイントのみで blob 追跡

領域形状パラメータ 📐

Center .center 🎯
– 関心領域 (Area of Interest) の中心座標 (centerx, centery)
– Area of Interest が Rectangle / Circle のときに有効

Size .size 📏
– 関心領域のサイズ (sizew, sizeh)
– Rectangle なら矩形の幅と高さ、Circle なら楕円の長径・短径

Rotate .rotate 🔄
– 関心領域を回転させる角度（度単位）

Allow Movement Outside Area .allowmovementoutside ↔️
– オン: 領域内で検出された blob が領域外に出ても追跡を継続
– オフ: 領域外に出た blob は追跡停止

Blobs Page 🫧

出力チャンネル制御 📤

Output Centroid .outputcentroid 📍
– オン: 各 blob の重心 (Centroid) 座標を出力チャンネルに含める
– インタラクティブ可視化や OSC 送信での主要な座標源

Output Velocity .outputvelocity 🏃
– オン: 各 blob の速度 (Velocity) を出力チャンネルに含める
– 移動方向ベースのジェスチャー判定や速度連動エフェクトに利用

偽陽性フィルタ 🛡️

Min Points per Blob .minblobpoints 🔢
– blob を構成するために必要な最小ポイント数
– センサーノイズによる微小 blob の偽検出を抑制

Blob Init Time (s) .blobinittime ⏱️
– blob が信頼できると判定されるまでの最小検出時間（秒）
– この時間に満たない検出は出力に含めない（偽陽性除去）

Lost Blob Timeout (s) .lostblobtimeout ⌛
– 一度ロストした blob を出力から削除するまでの猶予時間（秒）
– 短い遮蔽（手前の通行人等）で blob が消えないように調整

Blob Movement Prediction Type `.predicttype` 🔮

前フレーム blob の位置を予測してから現フレームとマッチさせる方式を決定するメニューパラメータ

項目	内部名	説明
Off	`.off`	予測なし、前フレーム位置とそのままマッチング
Simple Forward Predict	`.simple`	等速度を仮定して前フレームと同じ移動量を加算（軽量）
Kalman Filter Predict	`.kalman`	等速度モデルの Kalman フィルタで予測（高速移動・遮蔽に頑健）

Common Page 🔧

Time Slice `.timeslice` ⏱️

Time Slice モードの強制設定:

オン: チャンネルを「タイムスライス」モードに強制
タイムスライス: 前回のクックフレームから現在のクックフレームまでの時間

Scope `.scope` 🎯

影響を受けるチャンネルの絞り込み:

Scope 文字列: 影響を受けるチャンネルを指定する文字列
パターンマッチング: * や [1-10] 等のパターンが使用可能

Sample Rate Match `.srselect` ⚡

複数の入力 CHOP のサンプルレートが異なる場合の処理方法

項目	内部名	説明
Resample At First Input’s Rate	`.first`	最初の入力のレートで他をリサンプル
Resample At Maximum Rate	`.max`	最高サンプルレートでリサンプル
Resample At Minimum Rate	`.min`	最低サンプルレートでリサンプル
Error If Rates Differ	`.err`	レート不一致でエラー

Export Method `.exportmethod` 📤

CHOP チャンネルをパラメータに接続する方法

項目	内部名	説明
DAT Table by Index	`.datindex`	DAT テーブルのインデックスでチャンネルとパラメータを対応付け
DAT Table by Name	`.datname`	DAT テーブルの行名でチャンネルとパラメータを対応付け
Channel Name is Path:Parameter	`.autoname`	チャンネル名を `path:parameter` 形式で記述し直接対応付け

Export Root `.autoexportroot` 🌳

Channel Name is Path:Parameter モード時のパス基点:

Export Root パス: autoname モードでチャンネル名のパス部分を相対化する基点 OP のパス

Export Table `.exporttable` 📋

DAT Table エクスポート方式での参照 DAT:

Export Table DAT: datindex / datname モード時に参照する DAT のパス

Rename from `.commonrenamefrom` 🔤

リネーム対象チャンネルのパターン:

Rename from パターン: リネーム対象とするチャンネル名のパターンマッチング文字列

Rename to `.commonrenameto` 🔁

リネーム後の置換パターン:

Rename to パターン: Rename from にマッチしたチャンネルの新しい名前パターン (デフォルトはリネームなし)

実践アイデア 💡

Example 1: LiDAR による空間内の人物追跡 🚶

Hokuyo CHOP → Blob Track CHOP (Consecutive Points + Area of Interest = Rectangle) → Centroid → Geometry COMP

Hokuyo CHOP で 2D LiDAR からポイントクラウド (角度 + 距離) を取得
Blob Track CHOP の Search Mode を「Consecutive Points」に設定（Hokuyo は隣接ポイントが空間的に近い順で並ぶため最適）
Area of Interest を「Rectangle」、Center / Size を会場の床面サイズに設定して外周ノイズを除外
Output Centroid をオンにし、各 blob の Centroid (重心) を XYZ 座標として Geometry COMP に渡してリアルタイム可視化

Example 2: Kinect 深度カメラによる手の追跡 ✋

Kinect TOP → CHOP (depth points) → Blob Track CHOP (Min Points per Blob + Blob Init Time) → OSC Out CHOP

Kinect TOP の深度画像を CHOP 化し、閾値以下の点のみ抽出
Blob Track CHOP の Min Points per Blob を 30 程度に設定して指先サイズの誤検出を除外
Blob Init Time (s) を 0.1 秒に設定し、瞬間的なノイズを偽陽性として弾く
Output Centroid + Output Velocity をオンにし、手の重心と移動速度を OSC で外部アプリに送信

Example 3: Kalman Filter による高速移動体の安定追跡 ⚡

Sensor Points → Blob Track CHOP (Movement Prediction = Kalman) → Filter CHOP → ビジュアル

高速移動するボール / ロボット等の点群を入力
Blob Track CHOP の Blob Movement Prediction Type を「Kalman Filter Predict」に設定
Max Blob Movement を高速移動量に合わせ大きく設定（フレーム間ジャンプを許容）
Lost Blob Timeout を 0.3 秒程度に設定し、瞬間的な遮蔽でも同一 blob として継続追跡

Info CHOP情報 📊

Blob Track CHOPは Info CHOP による詳細情報取得に対応しています。

CHOP固有情報 🎚️

start: CHOPインターバルの開始（サンプル単位）
length: CHOPのサンプル数
sample_rate: フレーム毎秒のサンプルレート
num_channels: CHOPのチャンネル数
time_slice: タイムスライス有効時は1、無効時は0
export_sernum: Export接続の更新回数

汎用オペレータ情報 🔄

total_cooks: プロセス開始からのクック回数
cook_time: 最後のクック時間（ミリ秒）
cook_frame: 最後にクックされたフレーム番号
warnings: 警告数
errors: エラー数

トラブルシューティング ⚠️

よくある問題と解決策 🔧

❌ Problem: blob がフレーム間で別物として認識されてしまう（ID が頻繁に変わる）
✅ Solution:

Max Blob Movement を実際の最大移動速度に合わせて大きく設定（小さすぎると同一 blob と認識されない）
Blob Movement Prediction Type を「Simple Forward Predict」または「Kalman Filter Predict」に切替して移動予測を有効化
前段に Filter CHOP を入れて入力ポイントのジッターを抑制

❌ Problem: 近接した複数の物体が 1 つの blob として統合されてしまう
✅ Solution:

Max Point Distance in Blob を小さくして blob 化の閾値距離を絞る
Min Points per Blob を上げて、まばらな小 blob が大 blob に取り込まれないように調整
Area of Interest で対象領域を Rectangle / Circle で限定し、関係ない点群を除外

❌ Problem: ノイズによる偽の blob が頻発する
✅ Solution:

Min Points per Blob を上げて点数の少ない微小 blob を除外
Blob Init Time (s) を 0.1〜0.3 秒に設定し、瞬間的なノイズを偽陽性として弾く
前段に Filter CHOP を入れてポイント座標を平滑化

❌ Problem: Hokuyo / Leuze ROD4 入力で処理が重い
✅ Solution:

Search Mode を「Consecutive Points」に切替（連続ポイント前提のセンサーでは All より遥かに高速）
Max Blobs を実用上の上限まで絞る（不要に大きい値はマッチング計算量を増やす）
Area of Interest で領域を限定し、走査対象点数を物理的に削減

参考資料 📚

その他 🔗

公式リソース 📖

この記事はLLMと共に内容を執筆、更新しています。
最新バージョンとの項目差異など、情報の不一致を見つけた心優しい方はXもしくはInsta、メールなどよりサイト管理者までご連絡ください😎

まる。

お仕事のご依頼はDM又はメールにて。
━━━━━━━━━━━━━━━━━
Python/Touchdesigner/M5Stackをこよなく愛すフルスタックエンジニア。
専門は生理心理学、趣味はヨガやサウナ、EMS電気風呂などヘルスケア全般。
脳波や筋電、心拍を中心とした生体情報のセンシング＆インタラクティブアートづくりがライフワーク。

普段はワントゥーテンという会社で空間演出エンジニアをしています。
リファラル採用お繋ぎできますので、我こそはという尖った方は経歴と希望職種添えてDMください(エンジニア以外、営業職等もOK)。
ご飯行きましょう。

↓日常垢
Instagram：＠malmal0v0

概要 📖 – ポイント群からのリアルタイム blob 検出と追跡

主な用途 🎯

データフロー 🔄

パラメータ解説 ⚙️

Tracker Page 🎯

基本パラメータ ⚙️

Search Mode .searchmode 🔎

Blob 検出パラメータ 📏

Area of Interest .areaofinterest 🗺️

領域形状パラメータ 📐

Blobs Page 🫧

出力チャンネル制御 📤

偽陽性フィルタ 🛡️

Blob Movement Prediction Type .predicttype 🔮

Common Page 🔧

Time Slice .timeslice ⏱️

Scope .scope 🎯

Sample Rate Match .srselect ⚡

Export Method .exportmethod 📤

Export Root .autoexportroot 🌳

Export Table .exporttable 📋

Rename from .commonrenamefrom 🔤

Rename to .commonrenameto 🔁