第四章 實驗成果與分析
第六節 半自動點雲精度評估程序實驗之分析
二、 最小一乘法結合李德仁法之粗差偵測能力探討
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
108
圖 48 門檻值１公尺成果比較圖示
表 38 門檻值 2 公尺成果比較表 LAD
+
李德仁法E -0.132 m
李德仁法
E -0.132 m N 0.163m N 0.163m H 0.059m H 0.059m
粗差數量 55 粗差數量 55
篩選剔除點 307 篩選剔除點 307
粗差比率 9% 粗差比率 9%
圖 49 門檻值 2 公尺成果比較圖示 B
A B
A
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 39 門檻值 5 公尺成果比較表 LAD
+
李德仁法E -0.132 m
李德仁法
E -0.132 m N 0.163m N 0.163m H 0.059m H 0.059m
粗差數量 127 粗差數量 127
篩選剔除點 235 篩選剔除點 235
粗差比率 29% 粗差比率 29%
圖 50 門檻值 5 公尺成果比較圖示
由上述三種門檻值設定比較，從圖中非屋頂點的分布可看出至少一半 以上的牆面點雲已事先剔除，剩餘點雲偵測到的粗差比率佔 9%及 29%，
正確屋頂面的點雲皆完整過濾出，此兩種門檻值對於 A、B 兩種方法的偵 測能力相當。
然而在門檻值 8 公尺的狀況，李德仁法粗差偵測的能力已開始受限，
圖 51 中，B 可看出仍有非屋頂點未被偵測，最多只能找出 23%的粗差。
反觀 LAD+李德仁法仍能順利偵測非屋頂點，比率達 39%。由表 41 及圖 52 可知臨界值到 8.5 公尺粗差偵測能力才開始受限。因此，由以上實驗說 明加入最小一乘法的粗差偵測演算確實有助於提升偵測的能力，並能夠有
A B
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第五章 結論與建議
本研究探討既有建物作為空載光達點雲精度評估之可行性並發展半自 動化空載光達系統精度評估之程序，做為國內空載光達系統校正之用，其 中包含模擬資料及真實資料實驗、半自動化程序實驗、粗差偵測能力及成 果的一致性的實驗結果討論及分析，本章節依據研究目的及實驗成果提出 結論與建議。
第一節 結論
(1) 本研究探討山形屋及矩形建物兩類既有建物執行空載光達系統點雲精 度評估之可行性。首先由模擬資料開始，矩形平屋頂面模擬實驗，為 測試最小一乘法結合李德仁提出之選擇權迭代法(李德仁法)粗差偵測 能力，分別比較有無加入最小一乘法對於李德仁法粗差偵測能力的差 異。模擬實驗成果發現，粗差值給定 0.4 m，偵測數量在先加入最小 一乘法時較未加入最小一乘法提升 5%；粗差值給定 0.5 m 則提升 10%；粗差值給定 1 m 及 2 m，雖然在無加入最小一乘法的情況，偵 測數量略為提升 5%，但加入最小一乘法之後，偵測數量則可提升至 40%，最多提升至 44%。李德仁法雖然同樣可以偵測非屋頂點，但是 加入最小一乘法之後，其穩健性及抗粗差特性確實有助於在李德仁法 第一次平差時求得一組較好的平面參數初始值，更能夠提升偵測到的 粗差數量。
(2) 空載光達模擬山形屋之屋脊線實驗中，模擬山形屋頂不同交會夾角，
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 建議
(1) 本研究的實驗方法首先為平面擬合，然而平面方程式的通式為𝐴𝑋 + 𝐵𝑌 + 𝐶𝑍 + 𝐷 = 0 的型式，此為較嚴謹描述平面的方程式，且能表達 任何型式的平面，本研究的出發點僅討論屋頂面並假設其為水平的平 面，所以將平面方程式簡化為 𝑧 = 𝑎𝑋 + 𝑏𝑌 + 𝑐 的型式，建議未來如 有相關研究應使用通式進行擬合，並比較兩式成果的差異。
(2) 有關模擬資料實驗中，本研究僅考慮含粗差的點雲皆位於平面範圍裡 面，且加入的粗差值皆相同。然而真實資料出現粗差的可能情況更為 複雜，例如地面點、鄰近地物的點，甚至是牆面點，粗差值不盡相同。
建議未來的研究應模擬多種粗差出現的位置及大小，以使模擬資料的 實驗更具說服力。
(3) 本研究以既有矩形建物之水平屋頂面執行空載光達系統點雲精度評估 實驗為例，雖然測試成果顯示，加入最小一乘法有助於提升李德仁法 的偵測能力。然而粗差偵測的方法，也就是穩健估值法，種類相當多，
例如 RANSAC。另外有關權迭代法的權函數設定也很多種，建議未 來的研究能夠進一步測試其他粗差偵測的方法，以完整說明不同穩健 估值法定位粗差的能力。
(4) 本研究發展之空載光達系統點雲半自動精度評估程序，為人工選取包 含矩形平屋頂面上之點雲，再以自動化偵測及剔除非屋頂點雲。建議
‧
‧
差法」，大地測量與地球動力學，36(4):331-333。劉榮寬，2005，「空載光達率定與點雲匹配」，國立交通大學土木工程學系
‧
Ackermann, F., 1999,“Airborne laser scanning—present status and future expectations”, ISPRS Journal of Photogrammetry and Remote sensing, 54(2): 64-67.
Awrangjeb, M., Zhang, C., & Fraser, C. S., 2013, “Automatic extraction of building roofs using LIDAR data and multispectral imagery”. ISPRS
journal of photogrammetry and remote sensing, 83: 1-18.
Axelsson, P., 1999, “Processing of laser scanner data—algorithms and applications”. ISPRS Journal of Photogrammetry and Remote Sensing, 54(2): 138-147.
Baarda, W., 1967, “A Testing Procedure for Use in Geodetic Networks”, Delft, the Netherlands: Computing Centre of the Delft Geodetic Institute.
Burman, H., 2000, “Adjustment of laser scanner data for correction of orientation errors”, International Archives of Photogrammetry and Remote Sensing, Amsterdam, Netherlands, July 16-23.
Csanyi, N., & Toth, C. K., 2007,“Improvement of lidar data accuracy using lidar-specific ground targets”,Photogrammetric Engineering & Remote Sensing, 73(4), 385-396.
Demir, N., & Baltsavias, E., 2012, “Automated modeling of 3D building roofs using image and LiDAR data”. ISPRS Congress, Melbourne, Australia, August 25-September 1.
Dorninger, P., & Pfeifer, N. 2008., “A comprehensive automated 3D approach for building extraction, reconstruction, and regularization from airborne laser scanning point clouds”. Sensors, 8(11), 7323-7343.
Forlani, G., Nardinocchi, C., Scaioni, M., & Zingaretti, P., 2003, “Building reconstruction and visualization from lidar data”, International Archives Of Photogrammetry Remote Sensing And Spatial Information Sciences, Ancona, Italy, July 1-3.
Geibel, R., & Stilla, U., 2000, “Segmentation of laser altimeter data for building reconstruction: different procedures and comparison”. International Archives of Photogrammetry and Remote Sensing, Amsterdam, Netherlands, July 16-23.
Gorte, B., 2002, “Segmentation of TIN-structured surface models”.
International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, Ottawa, Canada, July 9-12.
‧
Photogrammetric Engineering & Remote Sensing, 75(9): 1093-1108.
Hawkins, D. M., 1980, Identification of outliers. London: Chapman and Hall.
Höhle, J., 2013, “Assessing the positional accuracy of airborne laser scanning in urban areas”. The Photogrammetric Record, 28(142):196-210.
Khoshelham, K., 2005, “Region refinement and parametric reconstruction of building roofs by integration of image and height data”. International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, Vienna, Austria, August 29-30.
Lindenthal, S., Ussyshkin, V., Wang, J., & Pokorny, M., 2011, “Airborne LIDAR: A fully-automated self-calibration procedure”, ISPRS Calgary 2011 Workshop, Calgary, Canada, August 29-31.
Maas, H. G., & Vosselman, G., 1999, “Two algorithms for extracting building models from raw laser altimetry data”. ISPRS Journal of
photogrammetry and remote sensing, 54(2): 153-163.
Medioni, G., Lee, M. S., & Tang, C. K., 2000, “A computational framework for
segmentation and grouping”. Elsevier.
Miraliakbari, A., Hahn, M., Arefi, H., & Engels, J., 2008, “Extraction of 3D straight lines using LiDAR data and aerial images”. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Beijing, China, July 3-11.
Morin, K. W., 2002, Calibration of airborne laser scanners, Master Thesis, Department of Geomatics Engineering, University of Calgary, Calgary, Canada.
Rentsch, M., & Krzystek, P., 2012, “Lidar strip adjustment with automatically reconstructed roof shapes”, The Photogrammetric Record, 27(139): 272-292.
Roberto, C., James H., Craig R., Mark L., and Aaron B., 2013. “Assessing Lidar Accuracy with Hexagonal Retro-Reflective Targets”, Photogrammetric
Engineering & Remote Sensing, 79(7):663–670.
Roggero, M., 2002, “Object segmentation with region growing and principal
‧
Schenk, T., 2001, “Modeling and recovering systematic errors in airborne laser scanners”. OEEPE workshop on Airborne Laserscanning and Interferometric SAR for Detailed Digital Elevation Models, Stockholm, March 1 - 3.
Schuster, H. F., 2004, “Segmentation of lidar data using the tensor voting framework”. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Istanbul, Turkey, July 12-23.
Toth, C., Paska, E., & Brzezinska, D., 2008, “Quality assessment of lidar data by using pavement markings”. ASPRS Annual Conference, Portland, Oregon, USA, April 28 - May 2.
Vain, A., 2010, “Calibration of Airborne Laser Scanning Intensity Data”. LŽUU
MOKSLO DARBAI, 86(39):91-96.
Vosselman, G., & Dijkman, S., 2001, “3D building model reconstruction from point clouds and ground plans”. International archives of photogrammetry remote sensing and spatial information sciences, Annapolis, Maryland, USA, October 22-24.
Wehr, A., & Lohr, U.,1999, “Airborne laser scanning—an introduction and overview”. ISPRS Journal of photogrammetry and remote sensing, 54(2):
68-82.
Wolf, P.; DeWitt, B., 2000, Elements of Photogrammetry with Applications in
GIS, 3rd ed.,McGraw-Hill: New York, NY, USA,.
Zhang, K., Yan, J., & Chen, S. C., 2006, “Automatic construction of building footprints from airborne LIDAR data”. IEEE Transactions on