台北市內湖區舊宗路 5-2-1-1 平面精度驗證

道路區域平面的驗證分為道路邊界驗證與路寬驗證，兩者所使用的驗證資料皆是地 測資料中的道路邊界。道路邊界驗證的部分，由於地測邊界是將測得路肩節點相連而成，

考慮連結時無法細部的描述道路邊界局部變化，因此驗證時以測得的邊界節點作為驗證 資料，計算節點與實驗獲得的道路邊界之最短距離以評估精度。

路寬驗證則是在地測邊界線上，以人工每固定間隔量取路寬，相加平均之後得到該 路段的路寬，並以此路寬做為參考資料，與實驗成果做比較得到路寬的精度。

圖 5-1、各路段編號對應位置圖

表 5-2、舊宗路道路邊界驗證成果(單位：公尺)

表 5-3、宗路道路路寬驗證成果(單位：公尺)

觀測量 路寬 最大值 最小值 路寬精度 路段 1 12 22.056 0.5822 -0.0681 -0.047±0.087 路段 2 15 22.013 0.0498 -0.1069 -0.029±0.055 路段 3 18 22.033 -0.0734 -0.1236 -0.099±0.100 路段 4 20 21.956 0.0287 -0.1263 -0.050±0.067 路段 5 13 25.215 -0.0826 -0.4473 -0.211±0.222 路段 6 15 25.108 -0.0871 -0.1638 -0.126±0.128

路寬的成果顯示，實驗獲得道路區域邊界皆有內縮之情形。其主要的原因是路面底 下的非道路點所導致。道路兩側設置排水用的水溝蓋，因此光達系統掃描時，便會掃描 到路面下的點雲，使得實驗的成果獲得的路寬有內縮之情形。

圖 5-2 是路面下點雲影響萃取路肩點的例子，道路路面在設計時，應成一曲面排掉 路面上的積水，所以在路肩附近的路面點應為路面上的最低點。但由於水溝蓋下的點雲 無法濾除，因此搜尋最低點時，便可能會找到水溝蓋下的點。研究中，雖以計算單位網 格中路面點雲高程的平均值，降低水溝蓋下點雲的影響，並偵測平均值之間的高程差判 斷路間的位置以進行改正，但是在成果仍然受到路面下點雲的影響有內縮現象。

圖 5-2、路面下點雲影響萃取路肩點之示意圖

5-2-1-2 高程精度驗證

高程精度驗證方面，道路區域點雲每間隔 0.5 公尺網格大小取一個點，與人工編修 的 DEM 在高程方向上相減進行精度分析。下表 5-4 為舊宗路高程驗證成果。道路區域 內點雲的取樣點數共有 168527 個點，驗證的成果高程差最大值為 25.1 公分，最小值約 為-7.6 公分，平均誤差接近零。因驗證路面點與萃取路面點均來自原始觀測點雲，實驗 成果展示人工分類之路面點與自動萃取之路面點有很高的一致性。

表 5-4、舊宗度到路面高程驗證成果(單位：公尺)

驗證點數 最大值 最小值 精度

168527 0.251 -0.076 0.000±0.000

圖 5-3、高程差累積直方圖

從圖 5-3 的累積直方圖展示大部分的高程差都趨近於零，只有少數的點高差大於 10 公分。高程差大於零的誤差，主要是道路區域的點雲含有行車輪胎造成的，多半發生 在道路的兩側。

本研究以三次多項式擬合路面，計算點雲與多項式擬合之曲線的距離，將距離過大 的點視為非路面點濾除，其門檻的設定如式 3-9 所示。在內側道路門檻值較嚴謹，道路 兩旁的門檻較寬鬆，因此在道路兩側便有可能萃取到接近路面的非路面點。

圖 5-5(a)的黃點是高差大於 10 公分的位置，從圖(b)的點雲資料中可看該位置是一 個行進在路邊的機車騎士。圖(c)是以不同類別展示左下角綠框內剖面的點雲。白色的點 為原始點雲，橘色為萃取後的成果。可看到機車部分輪胎的點雲因為門檻值於道路兩旁 門檻值較寬鬆的關係，而未被濾除，使得在高程驗證的時候有 10 公分的誤差。

(a)

(b) (c)

圖 5-4、道路區域萃取到非路面點之案例(1)

另外，如果原始資料中，車道上的非路面點如果數量太多，會導致三次多項式擬合 的曲線無法貼近路面，使得非路面點沒有辦法完全被濾除。

在圖 5-5(a)中，靠近道路內側的黃點高差約有 25 公分。回波影像中可看到此區在 路面上有相當多的車輛。圖 5-5(b)將綠框剖面的點雲以及三次多項式曲線一起展示，可 以發現受到道路上車輛點雲的干擾，曲線擬合的成果裡右車道的部分無法貼近路面且有 偏高的情形，使得高於地面的非路面點無法被濾除。

(a)

(b)

圖 5-5、道路區域萃取到非路面點之案例(2)

5-2-1-3 不同道路型態萃取成果之討論與展示

萃取全區舊宗路的道路點雲時，直線與彎曲路段可以透過搜尋路肩的高差位置而得 到道路邊界，十字路口也可藉由前後路段的道路邊界推估範圍，以保持萃取路面點雲的 道路連續性。但本研究中，由於某些道路路況變化較大，使得萃取的道路區域成果不佳。

如圖 5-6(a)，該區域為超過 60 公尺的十字路口，從紅色車載的軌跡可明顯看到在 十字路口間兩個路段有一個平移，因此以路段的邊界推估十字路口範圍時，無法完整的 描述十字路口的區域。

另外一個例子，則是因為道路路寬變化較大，所以無法以道路邊界約制十字路口的 範圍。如圖 5-6(b)路段是道路局部的路段車道數目改變。該路段原本是三線道的路段，

但為了分流的緣故，僅在十字路口處由三線道增加至五線道。本研究進行資料切割時，

考慮全區的車道數目為三線道，因此設定四線道的車道寬度切割點雲資料，由於該區域 路寬增加至五線道，所以一開始資料切割時外側車道的資料便被切除而無法做後續的處 理。道路變化較大的路段，仍然必須仰賴人工的參與，保持道路的完整性。

(a) (b)

圖 5-6、道路路況變化較大之區域

圖 5-7 與圖 5-8 為舊宗路道路區域萃取之成果。圖 5-7 展示不同型態路段的萃取成 果，左圖為原始未處理之點雲，右圖是經過萃取之後獲得到路區域內的路面點，在此展 示的路段包含直線路段、十字路口與彎曲路段。在原始資料中的非路面點如建物、行道 樹、汽機車或是行人等非路面點，經過實驗之後可成功濾除，並且能夠萃取道路區域內 的路面點。

(a)、直線路段

(b)、十字路口

(c)、彎曲路段

圖 5-7、舊宗路不同路段萃取成果

圖 5-8、舊宗路道路萃取成果(白色為原始點雲；橘色為道路區域點雲)

圖 5-8 為舊宗路全區的成果展示圖，白色部分為原始點雲，橘色為路面點。與原始 點雲套合之後，可以更明顯的看到在非路面點與路面點雲分離後的成果。本小節的成果 可歸納出以下幾點：

(1) 直線路段的平均誤差與 RMSE 皆在 10 公分以下。彎曲路段，受到道路彎曲之影 響，因此邊界誤差較差，平均誤差有約 16 公分，RMSE 為 20 公分。

(2) 高程驗證中，平均誤差與 RMSE 趨近於零。最大值為 25.1 公分，最小值約為-7.6 公分。最大誤差為道路上非路面點點雲過多時，擬合路面的曲線無法貼近路面，

因而萃取到非路面點的點雲。

(3) 萃取車道點時，受到 Point-to-curve 門檻的影響，道路兩側會萃取到部分的非路面 點。

(4) 研究中以路段邊界約制十字路口的範圍，以保持道路的連續性與完整性。但當十 字路口長度過長，或是幾何變化較大時，約制的道路範圍可能不符合實際的情況，

因此仰賴人工的參與。

(5) 道路路寬變化較大的路段，亦仰賴人工的參與以保持道路的完整性。