關鍵詞：三維場景重構、特徵萃取、電腦視覺、多視立體
4. 實驗成果與討論
本研究近景拍攝安全帽、水泥方注、不規則涼 亭與 UAV 空拍中興大學共四種不冋尺度的場景與 物件。以前三組拍攝物件作為三維場景及建模的實 驗測試，再使用 UAV 拍攝校園的影像進行三維模 型重構，將重構出之模型建立數值模型，透過物件 已知真實體積並估算其三維模型體積相比較，估計 本研究三維重構的體積精度及誤差；並將其上述四 項實驗計算出的焦距長，作為三維重構精度評估。
表 1、表 2 為本次計算平台與實驗相機規格，採用 Canon EOS 5D MarkII 全幅相機，並搭配 35mm 定 焦鏡頭以視為真值。表 3 拍攝各物體的影像數與影 像解析度。
表 1 實驗計算平台規格 中央處理器
(CPU)
Intel i7 [email protected] 顯示卡 NVDIA GeForce GT 420
作業系統 Windows 7 旗艦 x64
記憶體(RAM) 16GB
表 2 Canon EOS 5D Mark II 相機規格
處理器 DIGIC 4
畫素(pixels) 2110 萬 解析度(pixels) 5616X3744
等效焦距(mm) 35
感光元件大小 36mmX24mm
4.1 三維實驗成果
模型實驗成果如圖 7 所示，三個物件各有四個 形態，從上至下為實際影像、SfM 產生的三維稀疏 點雲、MVS 產生的三維密集點雲與經 Mesh 具有 紋理的模型。
在安全帽的模型中，發現其的透明面罩因特徵 點不明顯，SfM 產生的稀疏三維點雲相對較少，如 圖 7(b)所示。經 CMVS 和 PMVS 擴散的密集三維 點雲，因光線穿透面罩，使其無法擴散出符合實體 的點雲，如圖 7(c)所示，可看出透明板部份重構出 非實際情況的點雲。最後成果如圖 7(d)所示，安全 帽模型的面罩部分無法建立出來。
有些紋理顏色區塊太相近的部分，由於缺少特 徵易使特徵點偵測與萃取的效果不佳，導致模型破 圖的狀況，故本研究在性質過於接近的物體貼上圖 標以增加特徵，如圖 7(e)、(i)所示，在水泥方柱貼 上圖標，涼亭則在柱子的部分貼上圖標。由圖 7(d)、
(j)可以看出，原本較難萃取特徵點的柱體部分貼上 圖標後，SfM 就能找到較完整輪廓的稀疏三維點雲。
再經由 CMVS 和 PMVS 擴散後，可以得到更為密 集的三維點雲。使原本難以找到特徵的灰白色水泥 方柱與涼亭柱子，成功建構密集的三維點雲，如圖 7 (g)、(k)所示，最後貼上紋理的模型成果如圖 7(h)、
(l)所示，從視覺上直觀的發現水泥方柱與涼亭柱子 的模型完整度與實際照片十分接近。
趙智凡、潘偉庭、楊明德：應用多視立體及運動回復結構之三維場景重構 133
表 3 實驗影像設定
影像數 解析度
安全帽 16 21M
水泥方柱 17 21M
涼亭 53 21M
UAV 航拍 33 21M
圖 7 場景模型效果
而圖 8(a)為中興校園的空拍範圍截圖；透過圖 (b)了解重構的特徵萃取完整度，驗證自然景色與 都市景色影像中，本研究三維重構是否也能產生完 整的三維模型；(c)表示將其三維密集點雲建立三角 網格形成 MESH；(d)最後將其對應的影像貼至三
角網格上並得到成果，同時檢驗其三維場景重構模 型是否能用來工程與測量加值應用。圖 9 為校園細 部放大圖，(a)(b)(c)分別展示三維密集點雲、mesh 後模型與最後貼上紋理的模型成果。圖 10 是透過 ArcGIS 將資料載入 DEM 的成果，因有三維資訊的 點雲，從二維平面變成具高程的立體地形圖，更便 於地理資訊的加值應用。
圖 8 UAV 空拍中興大學計算其模型各階段成果圖
134 航測及遙測學刊 第二十卷 第二期 民國 105 年 04 月
圖 9 中興大學模型局部截取展示區域各階段成果圖
圖 10 中興大學模型 DEM 成果
4.2 焦距評估
本研究發現在三維場景重構的流程之中，最 重要的部分即為計算基礎矩陣，在計算的過程中，
還可以得到相機外方位參數矩陣與內方位參數矩 陣；其中，內方位參數之中包含相機的焦距長的估 算；透過相機光學性質可以得知，相機的焦距長會 影響影像成像，同時也會影響本研究三維場景重構 成果精度。故本研究透過焦距長精度的計算作為三 維場景重構成果的重要評估指標。
本研究將試驗成果列表，安全帽、水泥方柱、
室外不規則涼亭建物…等三種試驗主要是推估其 焦距長是否接近真值；最後計算『UAV 空拍影像』
焦距長，確認在遠景空拍的狀況之下，估算值會影 響多少。本研究『場景模型』三維場景重構流程中 所計算的皆為焦距長比值，因為計算時都是使用相 對尺度進行計算；透過將計算完的焦距長比值進行
平均與 RMSE 計算，並將計算出的焦距尺度還原 成真實的焦距長，結果如表 4 所示。
4.3 體積評估
為了增加三維模型在測繪工程的應用價值，除 了以焦距精度評估三維模型的品質，還透過模型尺 度還原進行體積估算與精度評估。本研究透過三種 不同樣式的水泥柱試體作為實驗物件，以排水法求 取其真實體積以視為直值。實驗設定數據如表 5 所示，將三個已知體積的水泥柱試體皆貼上 8*8 公分的圖標，作為模型尺度轉換的長度約制條件。
水泥柱模型各視角圖如圖 11 所示，(a)為將水泥柱 貼上圖標的影像；(b)為重構完的三維密集點雲；(c) 為將三維密集點雲建立 mesh 後的模型；(d)則是最 後貼上紋理後的模型成果。
接著為估算重構完成的模型真實體積，藉由已 知的真實圖標長度，再量取各組模型上圖標的長度，
趙智凡、潘偉庭、楊明德：應用多視立體及運動回復結構之三維場景重構 135
作為相對尺度模型轉換為絕對尺度的比例關係。體 積估算的成果如表 6 所示，將轉換後的模型匯入 ArcGIS 軟體處理，估算各試體體積並與真值比較，
結果顯示三個水泥柱試體的誤差皆在 3%以內。依
據此體積評估模式，UAV 拍攝之影像中具有任何 已知尺度的物體，便能利用真實尺度的轉換還原模 型的絕對尺度，能夠有效應用於防災、測繪工程的 土方量評估。
表 4 場景模型焦距長估算成果與分析
安全帽 水泥方柱 涼亭 UAV 空拍
拍攝影像數 16 17 53 33
三維點雲數 71563 13987 139335 395715
模型 mesh 重構面數 134706 27704 276938 790162
平均焦距比值 0.999 1.008 0.986 1.0004
焦距比值 RMSE 0.0116 0.0191 0.0031 0.079
焦距長誤差(%) 0.2% 0.7% 1.5% 0.05%
估算焦距長 (mm) 34.97 35.28 34.51 35.014
表 5 試體體積估算設定表
圓形試體柱 方形試體柱 不規則試體柱
體積(cm3) 1256.64 3457.44 1890.56
尺寸(cm) D=10,H=16 W=L=9.8,H=36 X
圖標尺寸(cm2) 8*8 8*8 8*8
影像拍攝張數 23 17 15
圖 11 水泥試體模型各視角圖
136 航測及遙測學刊 第二十卷 第二期 民國 105 年 04 月 表 6 試體體積估算成果表
圓形試體柱 方形試體柱 不規則試體柱
體積真值(cm3) 1256.64 3457.44 1890.56
轉換尺度 5.71 11.11 11.69
模型體積估算(cm3) 1243.56 3543.66 1846.84
誤差百分比 1.04% 2.49% 2.31%
5. 結論
透過電腦視覺所提出的演算法和技術，例如本 研究所使用的運動回復結構(SfM)、群集觀點多視 角立體(CMVS)、以區塊為基礎之多視立體(PMVS)、
柏松表面重構(PSR)等多種演算法技術，不需事先 提供其內外方位參數，即可進行半自動化三維場景 重構，有效簡化模型重構的處理程序及降低成本。
而避免有些物體性質顏色太相近缺乏特徵點，導致 SIFT 難以偵測出特徵點，本研究將已知長寬的方 型圖標貼於缺乏特徵點之部分，以提高特徵點之萃 取，並藉由已知圖標長度，能夠將相對尺度的三維 模型還原成真實尺度，以利後續三維場景模型於量 測與應用的價值。
本研究三維場景重構流程，未來建議可以智慧 型手機、平板電腦、消費型相機所拍攝的影像進行 場景重構，並從演算法獲取的參數資料評估數據精 度，由四組實驗數據成果可得知，以本研究方式所 產生的模型，其焦距長估算誤差可低於 1.5%，目 前僅以單一因子分析，未來可加入其他內方位參數 的精度分析，更完整分析具相關性的各參數精度關 係。透過將本研究三維場景重構的成果，期待可幫 助提高工程與測量領域的應用性，進行三維模型的 設計、監測、管理。
參考文獻
趙智凡，楊明德，吳東諺，2011。運用 SIFT 演算 法進行快速 UAS 拍攝影像匹配及鑲嵌，第三 十屆測量及空間資訊研討會。
楊明德，林暐翔，黃凱翔，張益祥，2011。極端降 雨下陳有蘭溪之崩塌潛勢分析，第 20 屆水利
工程研討會。
Ackermann, F., 1999. Airborne laser scanning - present status and future expectations, ISPRS Journal of Photogrammetry & Remote Sensing, 54: 64-67.
Furukawa, Y., and Ponce, J., 2007. Accurate, dense, and robust multi-view stereopsis, in Computer Vision and Pattern Recognition: 1-8.
Furukawa, Y., Curless, B., Seitz, S. M., and Szeliski, R., 2010. Towards internet-scale multi-view stereo, CVPR: 1434-1441.
Kazhdan, M., Bolitho, M., and Hoppe, H., 2006.
Poisson surface reconstruction, Eurographics Symposium on Geometry Proceeding: 61-70.
Seitz, S.M., Curless, B., Diebel, J., Scharstein, D., and Szeliski, R., 2006. A comparison and evaluation of multi-view stereo reconstruction algorithms, IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1:
519-528.
Snavely, N., Seitz, S.M., and Szeliski, R., 2008.
Modeling the world from internet photo collections, IJCV08: 189-210.
Snavely, N., 2010. Bundler: structure from motion (SFM) for unordered image collections, http://phototour.cs.washington.edu/bundler/.Cam era calibration for Matlab, MRL-Inter Corp, http://www.vision.caltech.edu/bouguetj/calib_do c/.
Yang, M.D., Chao, C.F., Lu, L.Y., Huang, K.S., and Chen, Y.P., 2013. Image-based 3D scene reconstruction and exploration in augmented reality. Automation in Construction: 48-60.
Zhang, Z.Y., 1999. Flexible camera calibration by viewing a plane from unknown orientations, the Proceedings of the Seventh IEEE International Conference on Computer Vision: 666-673.
趙智凡、潘偉庭、楊明德：應用多視立體及運動回復結構之三維場景重構 137
1 Ph.D. Student, Department of Civil Engineering, National Chung Hsing University Received Date: Apr. 08, 2013
2 Master, Department of Civil Engineering, National Chung Hsing University Revised Date: Jul. 31, 2014
3 Professor, Department of Civil Engineering, National Chung Hsing University Accepted Date: Aug. 29, 2015
＊Corresponding Author, E-mail: [email protected]