成果分析

謹針對影像匹配及定位進行定性及定量的分 析：在前者將會檢驗及分析本篇提出之匹配方式成 效及對定位影響；後者則會對參考資料及產生之模 型進行精密度的分析。影像匹配及定位分析包括：

多視窗貢獻及視窗旋轉貢獻、匹配成功率及可靠度 分析；精度分析包括：模型精度及完整度分析、不 規則三角網分佈及高程面精度分析。以上分析將會 分段進行討論。

黃祐祥、陳良健：多重影像匹配於房屋模型重建 353

(a)主影像(航帶二) (b)線型特徵位置 (c)特徵補強位置

(d)副影像 1 (航帶二) (e)副影像 2 (航帶二) (f)副影像 2 (航帶二)

(g)副影像 4 (航帶三) (h)副影像 5 (航帶三) (i)副影像 6 (航帶三) 圖10 工作區及特徵影像(測試例一)

(a)主影像 (航帶一) (b)線型特徵位置 (c)特徵補強位置 (d)副影像 1 (航帶一) (e)副影像 2 (航帶二)

(f)副影像 3 (航帶二) (g)副影像 4 (航帶三) (h)副影像 5 (航帶三) (i)副影像 6 (航帶三) 圖11 工作區及特徵影像(測試例二)

354 航測及遙測學刊 第十五卷 第四期 民國 99 年 12 月

(a) 主影像 (航帶一) (b) 線型特徵位置 (c) 特徵補強位置 (d) 副影像 1 (航帶一)

(e) 副影像 2 (航帶三) (f) 副影像 3 (航帶三) (g) 副影像 4 (航帶四) (h) 副影像 5 (航帶四) 圖12 工作區及特徵影像(測試例三)

(a) 主影像(航帶三) (b) 線型特徵位置 (c) 特徵補強位置

(d) 副影像 1 (航帶三) (e) 副影像 2 (航帶一) (f) 副影像 3 (航帶一)

(g) 副影像 4 (航帶二) (h) 副影像 5 (航帶二) (i) 副影像 6 (航帶四) 圖13 工作區及特徵影像(測試例四)

黃祐祥、陳良健：多重影像匹配於房屋模型重建 355

(a) 三維線段加內部結構線

側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖14 房屋模型(梯度匹配、測試例一)

(a) 三維線段加內部結構

線側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖15 房屋模型(優勢匹配、測試例一)

(a) 三維線段加內部結構

線側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖16 房屋模型(整合匹配、測試例一)

(a) 三維線段加內部結構線側

視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖17 房屋模型(梯度匹配、測試例二)

356 航測及遙測學刊 第十五卷 第四期 民國 99 年 12 月

(a) 三維線段加內部結構

線側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖18 房屋模型(優勢匹配、測試例二)

(a) 三維線段加內部結構線側

視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖19 房屋模型(整合匹配、測試例二)

(a) 三維線段側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖20 房屋模型(梯度匹配、測試例三)

(a) 三維線段側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖21 房屋模型(優勢匹配、測試例三)

黃祐祥、陳良健：多重影像匹配於房屋模型重建 357

(a) 三維線段側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖22 房屋模型(整合匹配、測試例三)

(a) 三維線段側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖23 房屋模型(梯度匹配、測試例四)

(a) 三維線段側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖24 房屋模型(優勢匹配、測試例四)

(a) 三維線段側視圖 (b) 模型上視圖 (c) 模型側視圖 (d) 投影至影像 圖25 房屋模型(整合匹配、測試例四)

3.5.1 航照影像幾何分析

在航空測量中，基線航高比扮演著十分重要的 角色。在不同航照影像中，計算其飛行高度及基線，

其比例也就代表著在定位時平面及高程方向間精 度大概的比例關係。若方位旋轉角不大時，則可以 垂直攝影之幾何近似定位成果，高程誤差約為 _B/H^σ ， 其中σ 為平面方向中誤差，B/H 為基線航高比。

若基線航高比小，代表著兩張影像距離近，對任意

共軛點而言，其兩影像點及一地面三維點之三角構 型為較尖銳，在前方交會中不利於三維定位；反之，

航高比大，一共軛像對及地面三維點之三角構型會 較佳，對高程方向定位精度之放大程度較低。一般 而言，同航帶間影像之基線航高比較小，跨航帶基 線航高比較大。

本實驗共使用四條航帶，每一同航帶間影像基 線航高比約0.1~0.2 間，跨航帶之依選擇不同航高 比從0.2~1.2，此處以整體平均 0.7 為準，配合影像

358 航測及遙測學刊 第十五卷 第四期 民國 99 年 12 月

黃祐祥、陳良健：多重影像匹配於房屋模型重建 359

(a) 主影像特 徵位置

(b) 副影像一 共軛位置

(c) 副影像二 共軛位置

(d) 多視窗目 標位置示意圖

(e) 多視窗相關 係數(副影像一)

(f) 多視窗相關 係佈(副影像二) 圖26 多視窗匹配成果一

表3 不同匹配視窗定位成效

測試例一 測試例四

高程定位精度 0.3m 0.6m 0.9m 0.3m 0.6m 0.9m 一般視窗匹配 0.8% 3.3% 6.3% 32.9% 56.6% 86.9%

旋轉視窗匹配 87.7% 90.1% 93.0% 72.6% 92.8% 95.2%

表4 匹配成功率

單位：百分比 原始成功率 去除地面點

梯度 優勢 整合 梯度 優勢 整合 總點數

測試例一 100 100 100 100 100 100 374

測試例二 96.4 99.8 98.7 100 100 100 1551 測試例三 58.2 61.2 60.6 88.9 92.7 91.9 6328 測試例四 81.2 86.5 83.4 95.7 99.3 97.0 2274

表5 匹配測試一(相關係數)

整合相關係數 0.669 副影像二相關係數 0.848 副影像五相關係數 0.701 匹配高度 59.3 公尺 副影像三相關係數 0.760 副影像六相關係數 0.218 副影像一相關係數 0.939 副影像四相關係數 0.814 副影像七相關係數 -0.040

主影像 副影像一 副影像二 副影像三 副影像四 副影像五 副影像六 副影像七 圖27 匹配測試一(影像位置)

表6 匹配測試二(相關係數)

整合相關係數 0.935 副影像二相關係數 0.969 副影像五相關係數 0.948 匹配高度 65.6 公尺 副影像三相關係數 0.917 副影像六相關係數 0.894 副影像一相關係數 0.967 副影像四相關係數 0.970 副影像七相關係數 0.835

360 航測及遙測學刊 第十五卷 第四期 民國 99 年 12 月

主影像 副影像一 副影像二 副影像三 副影像四 副影像五 副影像六 副影像七 圖28 匹配測試二(影像匹配)

表7 匹配測試二(錯誤高程範圍)

整合相關係數 0.702 副影像二相關係數 0.526 副影像五相關係數 0.813 匹配高度 59 公尺 副影像三相關係數 0.791 副影像六相關係數 0.432 副影像一相關係數 0.586 副影像四相關係數 0.788 副影像七相關係數 0.760

主影像 副影像一 副影像二 副影像三 副影像四 副影像五 副影像六 副影像七 圖29 匹配測試二(錯誤高程範圍)

3.5.4 模型精度及完整度分析

表8 至表 11 為測試例一至四之模型精度及完 整度資訊，考慮影像基線航高比，最大值在跨航帶 間達到1 左右，即最佳定位情形均方根誤差(RMSE) 在三軸表現上大致相同。

測試例一為較單純的房屋中，使用不同之匹配 方式時，模型精度皆可在20 公分內，也可推論在 影像上匹配偏差為一個像元內。在模型修正後，不 僅在高程面更為精準外，模型精度更可達到15 公 分內。

測試例二為有附加建物的山型屋，在使用不同 匹配方式產生之三維線段及模型後，模型精度大約 在30 公分至 50 公分左右，可以發現在三維線段產 生時，有部分的線段 X 方向的偏差較大，造成模 型產生後在X 方向上精度較差，故在 X 方向 RMSE 較 Z 方向還大，但整體來看，三軸的精度都可在 50 公分內，高程修正後也有所幫助。

測試例三為有女兒牆之高樓建築，模型精度大 約達到50 公分內。在這個測試例中，可以明顯觀 察出利用三維點雲進行模型之高程修正之貢獻，在

一般利用房屋邊線段來重建模型時，並無屋頂面之 高程資訊，故在女兒牆之重建時，無法有效區別女 兒牆與屋頂面之高度。使得初始模型在高程方向 RMSE 皆在 70 公分左右，而原有模型在女兒牆及 屋頂面皆重建至相近的高程，但在高程修正後，

RMSE 在高程方向皆可提升至 30 至 40 公分左右，

並且在模型上區分為不同高度，以細緻化模型。

測試例四為複雜之高樓建築，模型成果精度在 X、Y 方向約 50 至 70 公分；Z 方向 40 至 50 公分。

在三維線段產生時，在房屋區的上半部縱向之線段 就無法順利產生，原因為線段長度已小於最短處理 線段長，在模型重建時資訊的缺少，其在檢核時模 型之不完整造成精度下降。雖然模型較不完整，但 仍在高程修正後，其RMSE 可提升至 40 至 50 公 分。

在模型完整度部分，此處以多邊形模型之角點 位置與參考資料相比之計算符合程度，若其模型角 點位置與最近參考資料相比在任一方向大於1.5 公 尺以上，則列為無參考點，無參考點的數量越少，

模型符合程度也越高，當模型多邊形位置都有參考 資料時，符合程度則為100%。可成果中可發現，

黃祐祥、陳良健：多重影像匹配於房屋模型重建 361

RMSE_X RMSE_Y RMSE_Z 符合 程度

RMSE_X RMSE_Y RMSE_Z 符合 程度

RMSE_X RMSE_Y RMSE_Z 符合 程度

RMSE_X RMSE_Y RMSE_Z 符合 程度

362 航測及遙測學刊 第十五卷 第四期 民國 99 年 12 月

可靠度也值得信賴。在測試例三及四當中，有多數 點落入屋頂面上或其副結構物上，在數據如表 12 所示。在模型修正後之屋頂面與參考資料相比，相 差約 40 公分內。在測試例四中，相差更小於 10 公分，因此可知屋頂面修正後之精度可提升至與房 屋模型邊緣相近之等級或更好的成果。

在房屋模型上，不同結構物的高程都可順利修

正高差移位之影響，可使正射校正之結果更加的真 實。在模型高程修正時，僅使用在模型內部之三維 點所組成三角網修正其模型高程。故在修正時，並 不會對模型邊界進行調整修正，理論上僅會影響高 程方向之 RMSE 值，但有時在兩相鄰模型多邊形 中，共用邊之角點坐標不完全相同時，導致在自動 檢核重複計算坐標，造成平面方向之RMSE 改變。

(a) 二維投影分佈 (b) 三維投影分佈 (c) 使用點雲分佈 圖30 不規則三角網分佈(測試例一)

(a) 二維投影分佈 (b) 三維投影分佈 (c) 使用點雲分佈 圖31 不規則三角網分佈(測試例二)

(b) 三維投影分佈

(a) 二維投影分佈 (c) 使用點雲分佈 圖32 不規則三角網分佈(測試例三)

黃祐祥、陳良健：多重影像匹配於房屋模型重建 363

(a) 二維投影分佈 (b) 三維投影分佈 (c) 使用點雲分佈 圖33 不規則三角網分佈(測試例四)

表12 屋頂面精度 單位：

公尺 模型高程 參考高程 相差 測試例三 71.310 71.693 -0.383 測試例四 59.258 59.351 -0.093