實驗結果與分析

此部分測試資料有兩種資料，第一種為空載光 達點雲真實資料，第二種為模擬資料。模擬資料是 透過電腦模擬出地面光達掃描儀器所建立的建物 點雲資料，此模擬資料依據地面光達掃描儀器所掃 描產生之誤差量真實加入到所建立的點雲資料中。

此外，在重建模型方面使用兩種重建方式，分別是 有加入強制約制條件以及沒有約制條件兩種重建 方式。強制約制方法是設定地表平面法向量為 (0,0,1)，再利用其他模型與底部面的幾何關係當作 彼此的約制條件，進行模型重建工作。本實驗資料 中，台南大遠百建物、成功大學光一宿舍以及成功 大學水質館結構館為空載光達點雲真實資料，而成 功大學測量及空間資訊學系系館、成功大學統一大 樓以及儀器設備中心則為模擬資料，成果顯示在圖 7 至圖 10。另外，進行了有無幾何約制條件之比較，

其結果顯示在圖 11，可以清楚的看出，無幾何約 制條件之建模結果(圖 11 第一列)，部分牆面呈現 不合理的傾斜或穿透，而加入強制約制條件後則沒 有這些問題(圖 11 第二列)。

最後在分析比較部分，分別計算真實資料與重 建模型兩者之間的均方根誤差(RMSE) (表 1)。此外，

本文還加入了與Kazhdan et al. (2006) 點雲重建方 法比較，Kazhdan et al. (2006)的方法為目前以隱性 面(implicit function)建模的最佳方法，因此選擇與 他比較，圖12 為使用 Kazhdan et al. (2006)方式對 本次實驗四種測試資料建模結果，而圖13 顯示了 三種不同重建方式之比較結果。首先，從表1 可看 出有無加入約制條件其結果的均方根誤差都差不 多，但從圖11 可知其視覺上的品質有些許差異。

而隱性面重建方法比較部分，不管有無加入約制條 件，本文的方法表現明顯較佳，此外可以從圖 12 中看出隱性面方式在細節部分表現並不好，重建後 成大測量系館柱子快接近消失，但本文方式對此細 節則有顯示出來。

(0,0,1)

button

n 

D D (N 1) 4

1 1 1 1

1

1

0 0 1 0

i i i

N N N

x y z

x y z

x y z

 

 

 

 

  

 

 

 

 

 

D

   

   

weight



weight

D

賴泓瑞、陳俊元、林昭宏：以模型樣版為基礎之建物三維點雲建模演算法 195

(a) (b) (c) (d)

圖7 台南遠東百貨建物空載光達點雲重建成果(加入約制條件)，(a)原始點雲資料；(b)建模結果；(c)模型 與點雲的套合圖；(d)模型貼圖結果。

(a) (b) (c) (d)

圖8 成功大學光一宿舍資料重建(加入約制條件) ，(a)原始點雲資料；(b)建模結果；(c)模型與點雲的套合 圖；(d)模型貼圖結果。

(a) (b) (c) (d)

圖9 成功大學結構試驗館資料重建。(a)原始點雲資料；(b)建模結果；(c)模型與點雲的套合圖；(d)模型貼 圖結果。

(a) (b) (c)

圖 10 模擬資料重建成果。三筆資料皆為成功大學的建築物，分別是(a)測量及空間資訊學系系館；(b)統 一大樓；(c)儀器設備中心。

(a)

(b)

圖 11 有無約制條件比較。(a)無幾何約制結果；(b)有幾何約制結果。

表1 重建後成果精度比較

資料 點雲資料個數 重建方式 RMSE (單位 m) 107,914 未加入約制 0.4423

加入約制條件 0.4442 177,945

未加入約制 0.0822 加入約制條件 0.0838

199,972

未加入約制 0.0186 加入約制條件 0.0176

圖12 Kazhdan et al. (2006)方法重建結果

圖13 不同重建方式對於測量系館成果展示。左圖：Kazhdan et al. (2006)方法；中圖：本文方法(未加入幾 何約制)；右圖：本文方法(加入幾何約制)

賴泓瑞、陳俊元、林昭宏：以模型樣版為基礎之建物三維點雲建模演算法 197 表2 兩種平面擬合方式成果比較(單位：公尺)

資料 點雲個數 演算方法 距離總合 RMSE 迭代次數

68,780

本研究方法 404.6456 0.07670 1

間接平差方法 402.5865 0.07651 20

32,539

本研究方法 460.5899 0.1190 1 間接平差方法 591.8433 0.1349 19

14,965 本研究方法 667.8490 0.2112 1 間接平差)方法 670.7432 0.2117 14

另外，比較了代數式最小二乘法與以約制條件 的間接平差，實驗的資料為成功大學內鐘樓點雲、

圖書館牆面點雲以及成功大學光一宿舍之屋頂點 雲資料，擬合的幾何物件為平面，結果顯示在表2，

於表中觀察 RMSE 值可以得知兩者所解算之平面 精度差異不大，但代數式最小二乘法求解平面參數 過程中不需迭代，因此可以在不失精度的前提下，

提升解算效率與穩定度。

5. 結論

本研究提出一個新的點雲資料模型重建方式，

此方法是以基本幾何元件樣板為主軸，建立出階層 式架構，可以將複雜建物光達點雲資料依照不同基 本模型樣版作模型重建工作，再依賴階層式架構的 建立，最終可以建立出複雜模型。此外在進行最小 二乘法運算時，不需加入迭代動作，在求解方面運 算處理速度快速許多。還可以加入各基本元件之間 的幾何關係當作求解的約制條件，可以獲得更精確 的建物模型。相較於利用隱性面函式建模方法而言，

本研究方法基於幾本元件間的幾何約制條件能過 獲得比使用隱性面函式建模方法更佳的建模成果。

最後由實驗結果得知，本研究方法可以正確的建立 出點雲資料建物模型，只要善加利用階層式架構，

此方法可以運用處理在各種點雲建物模型資料。

參考文獻

王聖鐸, 曾義星, 陳良健, 陳杰宗與陳思仁 (2007).

"整合空載光達資料及數值地形圖之模型式建 物萃取法" 第二十六屆測量及空間資訊研討 會，宜蘭，台灣。

賴泓瑞, 陳俊元 與 林昭宏 (2008)，"以代數形式 建立基本模型樣版對於光達點雲建物建模"，

第二十七屆測量及空間資訊研討會，台南，台 灣。

Amenta, N. (1999). "Surface reconstruction by Voronoi filtering." Discrete and Computational Geometry 22(4): 481-504.

Bernardini, F., Mittleman, J., Rushmeier, H., Silva, C.

and Taubin, G. (1999). "The Ball-Pivoting Algorithm for Surface Reconstruction." IEEE Transactions on Visualization and Computer Graphics: 349-359.

Chen, J.-Y. and Lin, C.-H. (2009). "Neighborhood Selection for Differential Coordinates of 3D Point Clouds." International Journal of Innovative Computing, Information and Control, Vol. 6, pp.2393-2405.

Fitzgibbon, A., Pilu, M. and Fisher, R. B. (1999).

"Direct least square fitting of ellipses." IEEE Transactions on pattern analysis and machine intelligence 21(5): 476-480.

Guennebaud, G. and Gross, M. (2007). "Algebraic point set surfaces." ACM Transactions on Graphics 26(3):23.1-23.9.

Hoppe, H., DeRose, T., Duchamp, T., McDonald, J.

and Stuetzle, W. (1992). "Surface reconstruction from unorganized points." ACM Transactions on Graphics 26(2): 71-78.

Kazhdan, M., Bolitho, M. and Hoppe, H. (2006).

"Poisson Surface Reconstruction." Eurographics Symposium on Geometry Processing 1(1):

43-52.

Kuo, C. C. and Yau, H. T. (2005). "A Delaunay-based region-growing approach to surface reconstruction from unorganized points."

Computer-Aided Design 37(8): 825-835.

Morse, B. S., Yoo, T. S., Rheingans, P., Chen, D. T.

and Subramanian, K. R. (2001). "Interpolating implicit surfaces from scattered surface data using compactly supported radial basis functions." Shape Modeling International: 89-98.

Ohtake, Y., Belyaev, A., Alex, M.a, Turk, G. and Seidel, H. P. (2003). "Multi-level partition of unity implicits." ACM Transactions on Graphics 22(3): 463-470.

Schnabel, R., Wahl, R. and Klein, R. (2007). Efficient RANSAC for Point-Cloud Shape Detection, Computer Graphics Forum 26(2):214-226.

Wang, Z., Bovik, A. C., Sheikh, H. R. and Simoncelli, E. P. (2004). "Image quality assessment: From error visibility to structural similarity." IEEE transactions on image processing 13(4): 600-612.

Wu, X., Yu, M. and Xia, W. Q. (2005). "Implicit Fitting and Smoothing Using Radial Basis Functions with Partition of Unity." Computer Aided Design and Computer Graphics,. Ninth International Conference on, pp.139-148.

Journal of Photogrammetry and Remote Sensing Volume 15, No.2, June 2010 199

1Master, Department of Geomatics, National Cheng-Kung University Received Date: Aug. 27, 2010 2 PhD Student, Department of Geomatics, National Cheng-Kung University Revised Date: Oct 15, 2010 3 Assistant Professor, Department of Geomatics, National Cheng-Kung University Accepted Date: Dec. 10, 2010

*.Corresponding Author, Phone:8886-6-2757575#63836, E-mail: [email protected]