實驗環境與實驗方式

本實驗利用小型無人飛行載具於國立高雄大學上空飛行，以校園場域中之特 定建築、操場與車輛作為目標物進行實驗，分別選定管理學院、法學院、圖資大 樓、行政大樓、人文社會學院以及宿舍做為主要攝影區域實地飛行拍攝，透過相 機蒐集可用的影像資料。

蒐集影像所使用的相機型號為 GoPro Hero8 Black ，相機規格與本實驗中所 使用的解析度模式和檔案格式如表 3 所示，該相機之影像最大解析度可達 4K，

可錄製長4000 像素且寬 3000 像素的影像，實驗用相機的 4K 錄影模式支援 16 : 9 與 4 : 3 兩種長寬比，本研究中使用該相機錄製 4K 影像，挑選長寬比 4 : 3 的 模式，使得高空影像畫面中能涵蓋較多地面範圍，地面物件足夠清晰，此模式下 攝影的幀數30 fps (frame per second)，有足夠的幀數做即時影像辨識。影像支援 的格式為 MP4 ， MP4 是一種破壞性資料壓縮 (lossy compression) ，因影音檔 案的壓縮率高使得檔案較小方便儲存，卻會有影像上的失真，本實驗中選擇H265 / HEVC 的編碼，可以使 MP4 影像壓縮率高，使用檔案時失真較少。而考慮到 旋翼機載重情形，攝影機的選擇應偏向小而輕巧，實驗用攝影機長、高與厚度，

分別為66.3 mm x 48.6 x 28.4 mm，重量包含電池僅有 126 g，架設在小型無人飛 行載具上對乘載空間及重量的要求不高，因此本選擇此相機作為本研究蒐集空拍 影像的工具。

表 3. 實驗用攝影機之規格與使用的影像模式 影像解析度 4K 4 : 3 - 30 FPS 錄影影像編碼方式 MP4 (H.265 / HEVC)

體積 66.3 mm x 48.6 mm x 28.4 mm 重量 126 公克 ( 含電池 )

為避免影像失真及影像周圍型變，在攝影機數位鏡頭 (digital lens) 的選擇上 本研究使用線性 (linear) 數位鏡頭，圖 18 是三種常見數位鏡頭的模式在與物件 相同距離下所拍攝出的影像，從左至右分別使用廣角 (wide) 鏡頭、線性與窄角 (narrow) 鏡頭，當中三圖皆以本實驗用之攝影機所攝，並且以黑白相間的紙作為 攝影目標，從三張圖片的比較可明顯看出使用廣角鏡頭在圖像會有型變，線性鏡 頭相對於原始目標失真較少，圖片四周也幾乎沒有型變。窄角雖沒什麼型變，但 涵蓋範圍較線性小，因此本研究在實驗中的數位鏡頭挑選了線性模式。

(a) 廣角模式 (b) 線性模式 (c) 窄角模式 圖 18. 實驗用攝影機在不同鏡頭模式下的攝影情形

本研究搜集空拍圖不採用防手震，這是為了避免飛機姿態資料與空拍圖的傾 斜狀況在同一時間產生誤差。另外在規劃飛行拍攝路徑前必須先考慮在特定高度 下相機視野對地的涵蓋範圍，以確認蒐集空拍圖時能將目標物包含在拍攝影像當

中。本研究空拍時長寬比採4 : 3，在長寬比為 4 : 3 情形下從官方數據得知影像 之視野 (FOV, field of view) 夾角，垂直、水平與對角線夾角分別為 70.0 度、86.0 度、98.7 度，焦距為 19 公釐[28]，可根據以上數據與旋翼機飛行高度求得視野 範圍決定飛行路徑。

圖 19 (a) 可見一相機由高空對地攝影，令 α 為其寬邊視野夾角， d 為相 機焦點對目標之距離，視野範圍寬度 w 未知。為方便推導求出視野範圍的式子，

可將圖 19 (a) 拆分簡化成一夾角為 α / 2 的直角三角形如圖 19 (b) 。

(a) 視野夾角與涵蓋範圍

(b) 以三角型夾角、高度推算涵蓋範圍

圖 19. 視野夾角、相機高度與視野涵蓋範圍之關係

藉由三角函數從已知視野夾角 α 及相機焦點對目標物距離 d 推得視野範 圍 w 如式 (2) 所示，又因相機之焦距僅 19 公釐，可忽略不計，可逕將已知之

α/2 α/2

d

w

α/2

w/2 d

垂直及水平視野夾角代入式 (2) 中，再代入旋翼機飛行拍攝高度，即可得到垂直 及水平視野所涵蓋的地面影像涵蓋範圍。以飛行高度100 公尺為例，本實驗中所 使用的相機垂直夾角與水平夾角分別為70.0 度與 86.0 度，由式 (2) 可得在 100 公尺的距離下，攝影時目標平面的垂直涵蓋範圍約為140 公尺，水平涵蓋範圍約 為186.5 公尺。

w = 2 d tan ( ^α

2 )

本研究此次實驗中欲以150 公尺做為旋翼機飛行的基準高度，向上與上向下 調整50 公尺來比較不同高度下的物件偵測與物件定位結果。表 4 為在 100、150、

200 公尺時實驗用攝影機正對地面攝影時的垂直與水平視野範圍的距離，不考慮 攝影機有傾斜的狀況下，可得知在這幾個高度中地面景象視野範圍最為狹窄的便 是在100 公尺處的視野範圍垂直距離，為 140 公尺，因此在設定旋翼機飛行路徑 時最優先考慮此項目。

表 4. 不同高度實驗用攝影機對地面的地景攝影視野範圍 高度 (公尺) 垂直距離 (公尺) 水平距離 (公尺)

100 140 186.6

150 210 279.9

200 280 373.2

本研究根據上述數據，利用Google Earth 抓取實驗場域中實際 140 公尺的距 離在衛星圖像上的相對比例線段，並且與設定好路線的模擬圖比較，利用調整透 明度方式，即可如圖 20 所示疊圖，圖 20 中的虛線是在圖上重新描繪在該影像 上140 公尺該有的比例長度，用以確認飛行路徑中攝影的對地視野範圍是否涵蓋 (2)

目標。以圖 20 而言，飛行時欲拍攝之目標物為一棟建築，根據虛線在圖中的長 度，可以推估在飛行未發生偏傾斜的情況下，可搜集完該區域的影像，再加上飛 行速度設定於5 m / s、攝影機幀率可達 30 FPS ，可推估出攝影影像的重疊率超 過50 %。

圖 20. 疊圖確認飛行路徑視野能否涵蓋目標物

考慮飛行時相機可能隨無人機發生傾斜，對地拍攝的影像會與預期的區域產 生誤差，圖 21 假定相同高度 100 公尺下相機在垂直視野方向傾斜了 5 度，在圖 中原本會被涵蓋在攝影範圍的車輛，因為相機傾斜而脫離相機視野範圍，以圖 21 而言，相機傾斜 5 度地面視野範圍位置將產生了 12.3 公尺的偏移量。假定兩影 像重疊率50%的情形，考慮相機恰好傾斜兩反方向，並設定至多可容許重疊率下 降至30%，以防些微姿態測量誤差造成重疊率誤判。

圖 21. 相機傾斜時拍攝的範圍

參照圖 22，以本研究中長度為 140 公尺的垂直視野為例，若有一目標物位 在兩相鄰區域影像的重疊區內，若攝影過程攝影機傾斜使的重疊區消失，極可能 使重疊區的目標物件不在影像之中。在考量重疊率最低為30 % 、兩影像相機傾 斜角度相同之相反方向，一個影像的垂直視野距離最多可容許的偏移量為 14 公 尺，即約可容許8 度以內的相機傾斜。因此本研究除了路徑設定考慮 50 % 重疊 率外，也擇定平均風速小於三級的時間搜集影像，降低風對旋翼機傾斜造成的影 響，方便搜集空拍影像。

圖 22. 重疊率 50 % 、30 % 以及影像未重疊之情形

本研究以 150 m 之空拍影像進行訓練，並將空拍影像按照區域分成 5 區的 影像，且選定建物與車輛為欲辨識之物件。空拍資料使用旋翼機搭載本實驗中使 用之攝影機，分別在100m 、150m 、200m 的高度對地蒐集高雄大學內管理學

100 m

重疊區 70 m

42 m 重疊區 重疊率50%

重疊率30%

未重疊 140 m

院、法學院、圖資大樓、行政大樓、人文社會學院以及宿舍區的空拍影像及飛行 姿態資料，路徑為繞該棟大型建築物飛行，使得蒐集之影像可涵蓋建築物及周遭。

蒐集完影像後本研究將使用高度150 m 所蒐集的影像訓練偵測模型，目的是 讓此模型能辨識出校園內的建物與車輛。在標記完類別及位置的影像中，將隨機 抽出標記影像中的4 / 5 當作訓練集 (Training set) ，剩下 1 / 5 的影像則做為測試 集 (Testing set) 訓練物件偵測模型。本實驗中總共標記 2208 次車輛與 1176 次建 築物，模型會以 YOLOv4 所提供的 yolov4.cfg 檔案調整，根據所需偵測的物件 類別數量依官方文件指示修改 classes 、 filters 等參數，預訓練的權重檔案則是 使用 yolov4.conv.137 ，調整參數並以空中 150 公尺處的空拍影像訓練完成辨識 模型後，本研究將以此模型偵測分別位於離地100 公尺、150 公尺及 200 公尺高 度的空拍影像，探討特定高度的空拍圖是否適用於不同高度的影像，此時可適度 調整 yolov4.cfg 檔案裡 weight 、 height 參數，提高輸入影像的解析度，可提高 辨識準確性，但相對會增加辨識所需的時間。而此結果能對於決定訓練模型時在 空拍影像高度訂定的策略，以期可花費較少的時間訓練可適用於不同高度的適用 模型。本研究將探究對同一物體辨識相異高度空拍影像時目標物的信心程度 (Confidence Score) ，信心程度是指一個邊界框中涵蓋一個物件，且這個物件是 特定類別的機率，若是信心程度越高，即時該邊界框內含一個物件，並且這個物 件是特定類別的機率越高。因此了解辨識模型在不同高度下辨識物件的信心程度，

就能了解是不是只蒐集一個高度的空拍影像，就足以套用在其他高度的空拍影像 上應用。

空拍影像經物件偵測流程可辨識出影像當中物件的類別及其座標，本研究將 據物件在影像中的位置利用三角函數計算分量，並用極座標推算出目標物在實際 空間的經緯度。在本章節中預期了解計算後全球衛星導航系統座標位置結果的精 確性，查驗不同高度下同一部車輛在不同的觀測位置及飛行資態下，以本研究所 提的方法預測所產生的多個預測的座標是否具有一致性，預測的座標與實際位置

差異。本研究在空拍影像中擇定3 輛相異車輛，利用我國內政部國土測繪圖資雲 服務取得特定車輛所在位置的實際全球衛星導航系統座標作為本研究定位出之 座標的對照。在選擇空拍影像時，本研究將參考影像拍攝時間的飛行姿態資料，

考慮到前述影像重疊率問題，本研究捨棄俯仰角或翻滾角過大的資料，並取影像 前後連續飛行姿態資料，對俯仰角以及翻滾角剔除與上一幀變動過大或遇到陣風 情形下所攝圖片，避免影像與量測值間因時間校正的微小誤差導致飛行資態與拍 攝照片的角度不匹配，本研究預期在角度變動量較低的情況下進行實際目標物座

考慮到前述影像重疊率問題，本研究捨棄俯仰角或翻滾角過大的資料，並取影像 前後連續飛行姿態資料，對俯仰角以及翻滾角剔除與上一幀變動過大或遇到陣風 情形下所攝圖片，避免影像與量測值間因時間校正的微小誤差導致飛行資態與拍 攝照片的角度不匹配，本研究預期在角度變動量較低的情況下進行實際目標物座