實際資料測試

本階段實驗以國立成功大學圖書館主體之 地面與空載光達點雲資料進行測試，兩不同平台 之掃描資料能組合出完整之場景三維結構，然此 兩組點雲資料具低重疊度以及高差異性之幾何。

測試中首先執行多特徵萃取程序並遂行多特徵 匹配。測試成果含驗證演算法實際效益以及展現 處理跨平台點雲資料之功能。表 5 說明點雲資料 之相關資訊，其中 T-1 至 T-7 代表七組地面光達 點雲資料，A-1 代表空載點雲。

表 6 呈現點雲、特徵萃取以及特徵匹配成果，

其中深藍色菱形與紅線代表點與直線特徵，平面 特徵以不同顏色套至相應點雲位置並以相同色 彩標註共軛平面。各測站所萃取之特徵個數如表

7 所示。

表 8 顯示幾何特徵匹配共軛特徵對應成果。

匹配程序由 297 個特徵中獲得 63 組共軛對應，

包含 9 組點特徵、39 組直線特徵與 15 組平面特 徵，經人工檢視，所有匹配成果皆正確。特徵萃 取及特徵匹配作業時間分別約為 7 分鐘與 41 秒。

值得注意的是：本實驗點雲資料匹配不但包含不 同測站地面點雲之套合，在地面與空載光達點雲 資料間亦成功配對得 3 個點特徵、9 個直線特徵 與 1 個平面特徵，顯示多特徵匹配法能施用於重 疊區受侷限、坐標基準不同以及點雲密度與品質 迥異的跨平台點雲資料。除此之外，匹配程序中 建立的轉換關係參數值可作為後續嚴密套合作 業參數估計之起始值，助益於點雲套合任務。

122 航測及遙測學刊 第二十卷 第二期 民國 105 年 04 月

表 5 點雲資訊

T-1 T-2 T-3 T-4 T-5 T-6 T-7 A-1

系統 Optech ILRIS-3D Optech ALTM 3070

量測精度 8mm@100m 25cm@1200m

場景尺寸(m) 94×75×40

點數(千點) 543 574 565 511 484 1,745 729 38 平均掃描距離(m) 37 38 38 38 34 94 36 500 點密度(點數/𝑚²) 124 224 328 121 189 467 167 5 平均點間距(cm) 9 6.7 5.5 9.1 7.3 4.6 7.7 44.7

表 6 場景點雲、特徵萃取與匹配成果

T-1 T-2 T-3

點 雲 資 料

萃 取 成 果

匹 配 成 果

T-4 T-5 T-6

點 雲 資 料

莊子毅、趙鍵哲：光達點雲幾何特徵萃取及匹配 123

萃 取 成 果

匹 配 成 果

T-7 A-1

點 雲 資 料

萃 取 成 果

匹 配 成 果

表 7 各測站萃取特徵個數

T-1 T-2 T-3 T-4 T-5 T-6 T-7 A-1 總數 點特徵 11 1 9 8 4 0 7 3 43 直線特徵 33 23 35 29 23 15 22 13 193 平面特徵 7 6 11 10 7 5 9 6 61 總數 51 30 55 47 34 20 38 22 297

124 航測及遙測學刊 第二十卷 第二期 民國 105 年 04 月

表 8 特徵匹配成果

特徵類型 相關測站 特徵類型 相關測站

點–1 T-1,A-1 直線–23 T-3,T-4 點–2 T-3,T-4,A-1 直線–24 T-3,T-4 點–3 T-7,A-1 直線–25 T-3,T-4,A-1 點–4 T-3,T-4 直線–26 T-3,T-4,T-5,A-1 點–5 T-3,T-4 直線–27 T-3,T-5

點–6 T-3,T-4 直線–28 T-4,T-5 點–7 T-3,T-4 直線–29 T-4,T-5 點–8 T-3,T-4 直線–30 T-4,T-5 點–9 T-3,T-4 直線–31 T-4,T-5 直線–1 T-1,T-7,A-1 直線–32 T-4,T-5 直線–2 T-1,T-7,A-1 直線–33 T-4,T-5 直線–3 T-1,T-2,T-3,T-4,A-1 直線–34 T-5,T-7,A-1 直線–4 T-1,T-2,T-3,T-4,A-1 直線–35 T-5,T-6,T-7 直線–5 T-1,T-2 直線–37 T-5,T-6,T-7 直線–6 T-1,T-2 直線–38 T-6,T-7,A-1 直線–7 T-1,T-2,T-3 直線–39 T-7,A-1 直線–8 T-1,T-2,T-3 平面–1 T-1,T-7 直線–9 T-1,T-2 平面–2 T-1,T-7

直線–10 T-1,T-2 平面–3 T-1,T-2,T-3,T-4 直線–11 T-1,T-2 平面–4 T-1,T-2,T-3,T-4 直線–12 T-1,T-2,T-3 平面–5 T-1,T-2,T-3

直線–13 T-1,T-2,T-3 平面–6 T-2,T-3,T-4,T-5,T-7 直線–14 T-1,T-2,T-3,T-4 平面–7 T-2,T-3,T-4

直線–15 T-2,T-3 平面–8 T-3,T-4 直線–16 T-2,T-3,T-4 平面–9 T-3,T-4 直線–17 T-2,T-3 平面–10 T-3,T-4 直線–18 T-2,T-3 平面–11 T-3,T-4,T-5 直線–19 T-2,T-3,T-4 平面–12 T-4,A-1 直線–20 T-3,T-4,T-5 平面–13 T-5,T-6,T-7 直線–21 T-3,T-4 平面–14 T-5,T-6,T-7 直線–22 T-3,T-4 平面–15 T-6,T-7 直線–36 T-5,T-6

莊子毅、趙鍵哲：光達點雲幾何特徵萃取及匹配 125 研究計畫編號 NSC 100-2221-E-002-216-經費補 助得以順利完成，謹此致謝。

參考文獻

Ackermann, F., 1999. Airborne laser scanning-present status and future expectations. ISPRS Journal of Photogrammetry & Remote Sensing 54:

64-67.

Akca, D., 2007. Least squares 3-D surface matching. Ph.D. Dissertation, Swiss Federal Institute of Technology Zurich, 92p.

Al-Manasir, K., and Fraser, C.S., 2006. Registration of terrestrial laser scanner data using imagery.

Photogrammetric Record, 21(115): 255-268.

Ankerst, M., Kastenmuller, G., Kriegel, H. P., and Seidl, T., 1999. 3-D shape histograms for similarity search and classification in spatial databases. Symposium on Large Spatial Databases, Hong Kong, China. 380, pp.

207-226.

Arun, K.S., Huang, T.S., and Blostein, S.D., 1987.

Least-squares fitting of two 3-D point sets.

Pattern Analysis and Machine Intelligence, PAMI-9(5): 698-700.

Belongie, S., Malik, J., and Puzicha, J., 2001.

Matching shapes. Proceedings of 8th IEEE International Conference on Computer Vision, Vancouver, Canada. 1: 454-461.

Besl, P.J., and McKay, N.D., 1992. A method for registration of 3-D shapes. IEEE Trans. on Pattern Analysis and Machine Intelligence (Los Alamitos, CA, USA: IEEE Computer Society) 14 (2): 239-256.

Böhm, J., and Becker, S., 2007. Automatic marker-free registration of terrestrial laser scans using reflectance features. In:

Proceedings of 8th Conference on Optical 3-D measurement Techniques, Zurich, Switzerland, pp. 338-344.

Canny, J., 1986. A Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8(6):

679-698.

Chen, D.Y., Tian, X.P., Shen, Y.T., and Ouhyoung, M., 2003. On visual similarity based 3d model retrieval. Computer Graphics Forum, 22(4): 223-232.

Chua, C. S., and Jarvis, R., 1997. Point signatures:

a new representation for 3D object recognition. International Journal of Computer Vision, 25(1): 63-85.

Chuang, T.Y., 2012. Feature-based Registration of LiDAR Point Clouds. Ph.D. Dissertation, National Taiwan University, 117p.

Eo, Y.D., Pyeon, M.W., Kim, S.W., Kim, J.R., and Han, D.Y., 2012. Coregistration of terrestrial LiDAR points by adaptive scale-invariant feature transformation with constrained geometry. Automation in Construction, 25:

49-58.

Filin, S., and Norbert, P., 2006. Segmentation of airborne laser scanning data using a slope adaptive neighborhood. ISPRS Journal of Photogrammetry & Remote Sensing, 60:

71-80.

Gal, R., and Cohen-Or, D., 2006. Salient geometric features for partial shape matching and