三維影像介紹

在過去，取像技術多是以二維影像為主，例如：灰階影像或彩色影像，因為取像 方式非常容易且相當普及，所以過去所開發的演算法也都是因應二維影像所發展的。

但隨著三維取像技術越來越成熟以及成本的降低，使得以三維影像為基礎的演算法也 逐漸的開始發展。而本論文所使用的三維影像，則是利用三維取像工具：雷射測距儀 所拍攝得來的，利用雷射測距儀所拍攝得到的影像，主要可以分為兩大類，第一類為 距離影像(range image)，距離影像與灰階影像略為相似，如圖 1.1 所示：

(a) (b)

圖 1.1 灰階影像及距離影像比較圖。(a) 灰階影像；(b) 距離影像。

雖然兩圖類似，但代表意義卻是完全不同，距離影像以及灰階影像每個像素(pixel)皆 是以一個 0 至 255 的整數來做表示，但灰階影像中，每個像素的數字所代表的是灰階 值(gray level)；而距離影像中，每個像素則是將雷射測距儀得到的距離依線性的方式 轉換成 0 至 255 所得的結果。觀察圖 1.1，可以發現距離影像的某些位置中是完全黑 的，與灰階影像無法呼應，會造成這些情況的原因有下列幾種：第一，可能是因為距 離太遠，超出儀器設定的範圍，導致雷射測距儀無法讀取到反射回來的資訊，所以會 造成某些位置資訊空白。第二種原因則是雷射光會穿透過玻璃這類的物質，造成雷射 無法反射，而無法得到正確的距離資訊，所以在玻璃杯、電燈泡的部分就會是黑色的，

無法測距。而雷射測距儀所能得到的第二類資訊則是點雲資訊(point cloud data)，點雲 資訊是將得到的距離資訊以點的方式做呈現，如圖 1.2，點雲中的每個點，都是以三 維空間中的座標的方式做為描述，其位置就是就是在真實空間中所對應的位置，單位 則是公尺。

圖 1.2 點雲範例圖。

以上簡介了二維影像以及三維影像，兩者最大的差異在，三維含有了距離資訊，

而且這個距離資訊所指的是實際的距離，並非是縮小比例的結果，這樣的特性讓三維

影像的演算法開發上不需要特別考慮到尺度的問題。例如圖 1.3，可以發現，左圖為 實際的物件，而右圖只是一個該物件的圖片，如果使用一個二維的辨識系統，對物件 抽取特徵時，都會相似，勢必會把右邊的物件圖片也辨識為搜尋的目標物；但是如果 使用的是三維的影像時，因為有著對該物件的實際距離，所以右圖中，偵測到會是一 個平面，可以很輕易的被刪除，由此可見，有著物件實際距離的三維影像，可以讓演 算法開發上來的更有效率。

圖 1.3 二維影像物件辨識示意圖。

但是，雖然三維影像有著這樣豐富的資訊，但仍是存在著某些缺點，例如：遇到玻璃，

會穿透過去，造成無法得到資訊，一旦欲辨識的物件屬於這類的材質｀，都無法使用 三維影像進行處理；另外，雷射測距儀的價格與其精準的程度成正比，目前價格仍非 常昂貴，設備的取得也是一個門檻；而最大的卻點，也是目前開發中較大的阻礙就是，

三維影像在資訊上多了一個維度，但在計算上卻會變得非常的龐大，例如二維影像中，

鄰近點搜尋非常容易，只要利用該像素的位置就可以找到其鄰近點，但在三維點雲中，

搜尋鄰近點必須計算出所有點的距離，再找出最小值才能得到，這也讓三維影像演算 法的實際使用上，有了較大的阻礙。

目前三維影像，最被廣泛的應用是在於距離量測、地形地貌監測、三維立體物件 的量測等。利用雷射測距儀可以得到物體的輪廓、邊界、紋理等；這些影像資訊目前 有被應用在機器人視覺，地形變化的量測，機械機密定位以及生物立體影像的重建 等。