平面比對的部分，本研究進行光達數據成果之平面特徵物線形萃取，並以 1/1000 線繪圖作為地真資料，評估其平面偏移量。
研究中採二個方向進行光達點雲之平面資訊萃取的測試，方向一嘗試使用光 達點雲的強度及高度資訊進行道路特徵的萃取。方向二使用光達點雲高度資訊進 行建物點雲萃取，並透過影像處理技術找尋建物邊緣及角點，由萃取成果疊合 1/1000 線繪圖進行視覺化分析及數理統計分析。使用的光達數據為 2002LiDAR、
2005LiDAR，光達建物邊緣萃取比對流程與方法如圖1-2所示。
§4-1 以強度資訊萃取道路特徵測試
§4-1-1 流程方法介紹
本測試參考Clode 等(2004)，提出使用光達資料中的高度及強度資訊進行道 路區域萃取的方法進行實作。選取實作區域大小為500m x 500m，該區強度影像 如圖4-1 所示。地真資料為亞新國土科技股份有限公司於民國90 年 7 月產製的 1/1000 璞玉發展計畫數值航測地形圖。
圖4-1 研究區域之強度影像(左: 2002，右: 2005)
本測試實作流程步驟如圖4-2所示。
圖4-2 以高度及強度資訊萃取道路流程圖(Clode 等, 2004)
§4-1-2 方法實作
首先將原始點雲進行粗差濾除後，取Last return 點雲內插為 1m DSM 網格數 據，透過TerraScan 軟體(Terrasolid, 2004)以預設參數值進行地物點濾除，並產生 1m DTM 網格數據。再將原始的 Last return 點雲與 DTM 網格數據進行高差計算，
因空載光達雷射掃描若以小型飛機為載具且航高約 1000m 時，其平面精度約為 60cm，高程精度約為 20cm (王與曾，2003)，故設定其高差門檻值為 0.2m。以此 門檻條件所篩選出的點雲為S1集合(S1
{
p S | p DTM | hmax}
ilpz
i∈ − <∆
= ： )，該點集
合成果如圖4-3。由此階段成果中可看出，大部分屬於建物等較高的點雲群都被 數(First quartile)及第 3 分位數(Third quartile)之值作為強度門檻值，表4-1為各時 期道路區域點雲資料樣本之強度資訊統計結果。參照統計結果，取 2002LiDAR 點雲之道路區強度門檻值為 7.5~13.0；取 2005LiDAR 點雲之道路區強度門檻值 為 2.0~7.5 。 透 過 此 門 檻 值 ， 從 S1 點 雲 群 篩 選 出 S2 點 雲 集 合
2002LiDAR 2005LiDAR Number of values 8977 4954
Mean 10.7 5.859
First quartile 7.8 2.2 Third quartile 12.9 7.3 門檻值範圍 7.5~13 2~7.5
圖4-4 研究區域之 S2點集合影像(左: 2002，右: 2005)
最後的篩選條件是假設在一般情況下，若屬於道路類別的點雲，以該點為圓 心所畫的圓，至少會有 1/4 的圓應該包含道路區域上，示意如圖 4-5，故可以透 過相鄰點雲之「距離」、「密度」兩項限制條件進行篩選。距離通常是給定小於或 等於一半路寬的量級(Clode 等, 2004)；密度則依情況給定。經人工量測此區域最 大路寬約16m，因此給定條件參數 d 為 8m；密度則給定 20 pts/circle(光達點雲平 均密度1.6 pts/m2，換算成直徑8m 之 1/4 圓面積密度)。透過此門檻值，從 S2點 雲群篩選出S3點雲集合(S3 =
{
pi ∈S：2 |{
pj ∈S：2 pi − pj 2 <d}
|>ρmin}
)，成果如圖 4-6。圖4-5 屬於道路類別的點雲特性
圖4-6 研究區域之 S3點集合影像(左: 2002，右: 2005)
S3 為最終篩選出的點雲集合，將其進行 3x3 型態學濾波器的閉合(Closing) 處理，用意是將離散非連續的點雲缺口進行連結，如圖4-7。再將閉合處理後成 果之邊界進行向量化，並與1/1000 線繪圖疊合，如圖4-8。
圖4-7 S3點集合影像經型態學濾波器閉合處理(左: 2002，右: 2005)
圖4-8 道路邊界萃取成果與線繪圖疊合(左: 2002，右: 2005)
§4-1-3 實作成果探討
本階段之研究測試係透過一些門檻值的給定，以篩選出符合道路區域特性之 點雲，共可得到 S1、S2、S3三個不同階段的點雲集合成果。由 S1的篩選成果可 看出，大部分屬於建物等較高的點雲群均被剔除了，在此階段的成果中，
2002LiDAR 與 2005LiDAR 剩下的點雲群分布狀況並無太大的差異，唯圖4-3中，
2005LiDAR 右下方多出的一座新建建物被剔除掉。而在 S2的篩選成果中可看出 2002LiDAR 與 2005LiDAR 透過 Intensity 範圍門檻值過濾後，其所剩餘之點雲群 分布狀況的差異性非常明顯。整體而言，由S2成果可看出2002LiDAR 的 Intensity 所含的 Noise 較大，因此其分類成果不如預期的好；而 2005LiDAR 以 Intensity 資訊所篩選出的道路點雲集合之成果則相對較佳。最後由距離及密度門檻值所篩 選出來的 S3成果顯示出，對於非航帶重疊區域，此方法受密度條件影響甚大，
如圖4-8(2005LiDAR)綠框處所示。
由以上成果可知，此方法之分類成果對Intensity 資訊和密度門檻值的影響非 常敏感。尤其對於2002LiDAR 而言，單單使用 Intensity 資訊是無法明確的將道 路點雲分類出來的，如圖 4-8(2002LiDAR)綠框處所示。由此所示，以該方法進 行二個不同時期空載光達之道路萃取有其困難處，因此下一章節則另使用高度資 訊進行光達平面特徵萃取之研究探討。
§4-2 以高度資訊萃取建物特徵
§4-2-1 研究區域說明
本研究使用2002LiDAR、2005LiDAR 光達數據，以國家科學委員會共同樣 區作為實驗區域，該區域大小為 1500m x 1000m，高程灰階影像(Range Image) 如圖4-9所示。實驗區之地真資料為中華顧問工程公司於民國91 年 10 月產製的 新竹科學工業園區1/1000 航空測量地形圖。
圖4-9 實驗區之高程灰階影像
§4-2-2 研究流程方法擬訂與探討
本研究主要目的是針對空載光達成果進行建物邊緣資訊的萃取，並與1/1000 線繪圖進行比對，以評估光達平面成果。
研究流程方法主要的構想是，藉由光達點雲高程資訊組成高程影像後，透過 影像處理技術找尋建物邊緣，以進行光達平面資訊的萃取。然而在平面資訊萃取 的過程中會碰到一些問題，如(1)光達資料中含有掃瞄遮蔽的陰影區域時，會影 響內插影像之建物邊緣，(2)使用 Canny(1986)邊緣偵測時，其成果之梯度最大處 有時並非真正的建物邊緣等。這些問題將呈現於以下幾個擬訂的研究流程中，藉 由不同流程之測試及探討以改善問題的癥結，取得最佳之萃取成果。
§4-2-2-1 流程方法一測試與探討
圖 4-10 為本研究於平面資訊萃取所提出的第一個流程方法，萃取程序主要 分為光達數據網格化、影像雜訊濾除、邊緣線偵測及萃取成果評估等4 個步驟。
圖4-10 平面資訊萃取流程方法一
透過流程一的方法進行建物邊緣萃取，並將成果與 1/1000 線繪圖進行套合 比對，可看出2005LiDAR 萃取成果中，某些建物邊緣的線形誤差量明顯較大，
如圖4-11紅框處所示，紅色線段誤差量標示處約達4.8m 及 2.5m。
圖4-11 萃取成果中線形誤差量較大的部分
而由圖4-11中可看出2005LiDAR 於此建物線型誤差大的地方皆偏向建物之 北方。此偏差之引發原因在於光達掃瞄時因建物遮蔽而造成掃瞄的區域無點雲資 料存在，這些情況尤其在掃瞄航帶兩端邊緣處更為明顯，如圖4-12所示。
圖4-12 2005LiDAR 因建物造成的遮蔽區域無點雲資料
然而航帶重疊的掃瞄雖然可以增加這些遮蔽區域的點雲，但仍可能存在遺漏 的 區 域 ， 如圖 4-13 所 示 。 若 在 這 些 區 域 中 利 用 三 角 網 格 線 性 內 插 模 式 (Triangulation with Linear Interpolation)進行內插後，該陰影區本來是垂直牆面旁 的一塊平地，內插後卻變成一塊陡坡面(張小紅，2002)，因此其高程灰階影像中 的建物邊緣萃取成果將會受影響，如圖4-14。
圖4-13 2005LiDAR 遮蔽區域航帶重疊後仍有無點雲資料處
圖4-14 2005LiDAR 遮蔽區域無點雲資料造成建物邊緣高程內插錯誤 本階段研究之目的在於萃取建物邊緣，並進行光達成果之評估，若以流程一 進行建物邊緣萃取，其萃取成果將受到上述問題之影響而造成評估之不可行。因 此改用流程方法二進行建物邊緣萃取，以求改善因內插方法而引起的問題。
§4-2-2-2 流程方法二測試與探討
圖 4-15 為本研究於平面資訊萃取提出的第二個流程方法，萃取程序主要分 為建物點雲分類、光達數據網格化、邊緣線偵測及萃取成果評估等步驟。
圖4-15 平面資訊萃取流程方法二
透過流程二的方法進行建物邊緣萃取，並將成果與 1/1000 線繪圖進行套合 比對，可看出流程一中原本建物邊緣線形誤差量較大的部分(紅框處)已被改善，
如圖 4-16 所示。但以此方式萃取的線形成果依然存在一些問題，由萃取成果圖 4-16 (藍框處)可看出 2002LiDAR 部分的邊緣線產生了外擴的現象。
圖4-16 流程二改善流程一萃取成果中線形誤差量較大的部分
上述問題的產生，是由於本方法所萃取出的點雲為高度高於由分類地面點所 組成之不規則三角網 2.5m 以上的點雲，如圖 4-17(左)。而經型態學濾波器閉合 (Closing)處理後產生的高度影像如圖 4-17(右)所示，其藍框中顯示，一些較低建 物的邊緣點雲亦被萃取到，由此高度影像進行 Canny 邊緣偵測，其偵測結果將 沿著外圍之局部梯度變化最大處，而非實際建物邊緣，如圖4-18。
圖4-17 2002LiDAR 高於 2.5m 的點雲(左)及其閉合處理後的高度影像(右)
圖4-18 Canny 偵測結果將沿著局部梯度變化最大處
由此原因，因而改用較高的高度門檻值進行建物點雲之萃取，本研究給定 12m、18m 兩種高度門檻值，依不同的門檻值設定來挑選不同高度的目標建物來 進行比對，其萃取欲比對之目標建物1/1000 線繪圖如圖 4-19、圖4-20，萃取成 果說明於下個章節。
圖4-19 萃取高度門檻值高於 12m 欲比對之目標建物
圖4-20 萃取高度門檻值高於 18m 欲比對之目標建物
§4-2-3 建物邊緣萃取成果比對與失真問題探討
本研究之目的在於萃取空載光達點雲資料中所表現出的建物邊緣線，然而在 前述流程方法一中，以三角網格線性內插法內插出的高度灰階影像由於建物遮蔽 的關係而造成建物周圍點雲稀疏，甚至其掃瞄成果無包含點雲資料的情形，此一 情形將導致內插出的影像中，其建物邊緣處擴大，而影響邊緣偵測之成果。因此 改用高度門檻值的方式以萃取建物之點雲，由單一門檻值的流程方法二進行測試 後，其萃取成果依然存在一些問題，故最後則改以多門檻值的方式，進行不同高 度建物的點雲萃取及比較，其流程如圖 1-2，各建物萃取成果如圖 4-21~圖 4-24 所示。
圖4-21 建物 1 萃取成果疊合
圖4-22 建物 2 萃取成果疊合
圖4-23 建物 3 萃取成果疊合
圖4-24 建物 4 萃取成果疊合(左：建物 4A；右：建物 4B)
由此方法所萃取出的光達點雲建物邊緣雖然已避免了一些前述其它方法所 萃取的建物邊緣成果可能造成的錯誤，但實際上使用Closing 將離散點雲進行閉 合處理的動作時，對於部分地方還是造成了影響，各建物影響處如表4-2。
表4-2 各建物受 Closing 處理影響處
表4-2 各建物受 Closing 處理影響處