依據國外光達製圖的先行研究，利用無人機定位與製圖技術除了可快速進 行環境重建外，透過定位技術更可快速地重建災後環境的樣貌。在光達製圖應 用中，傳統二維資訊並無法完全滿足無人機進行製圖的需求，除了傳統的二維 平面圖資外，為了配合多旋翼無人機靈活機動性，許多無人機研究也投入在三 維環境的重建上，多旋翼無人機搭載三維或者兩個以上的光達便可以滿足此類 需求，透過不同方向上的掃描，此類三維點雲更可以精確的建構出真實環境 (Dryanovski, 2011)。除了三維點雲外，另一種表示三維環境的方式為將現實世界 網格化，透過具有三維體積的網格點來描述環境(Morris, 2010)，這種方式雖然會 因為網格點大小影響圖資精確程度，但是卻可以大幅提高地圖即時展示與計算 上效能。圖 2.17 為三維點雲圖資，圖 2.18 為三維網格點雲圖資。
圖2.17 室內三維點雲圖資(Dryanovski, 2011)
圖2.18 室內三維網格點圖資(Morris, 2010)
光達製圖技術，國外也有研究將光達應用在地下洞穴中進行環境探勘。地 形崎嶇不平使得移動測繪系統難以移動，因此需要設計避免晃動過大之載具。
利用光達裝載於適應於崎嶇地形的路基式機器人載具，避免光線不足及地形方 面之問題。然而，結合輪速計之資訊達成更佳的 SLAM 成果(Hähnel, 2002)。圖 2.19(a)利用光達分別平行和垂直裝置機器人之平台上，並將機器人調整至適應礦 坑地形的型態。圖 2.19 (b)提供 2D SLAM 之成果，建置礦坑之平面圖。再者，
僅用二維的平面圖無法明確表示崎嶇不平的礦坑環境，因此需要進行 3D SLAM 提供完整的圖資，如圖 2.19 (c)所示。
(a) (b)
(c)
圖2.19 光達 SLAM 成果(Hähnel, 2002)：(a)路基式平台(b)2D SLAM (c)3D SLAM 除了利用光達在礦坑環境中進行 2D SLAM 和 3D SLAM，利用一個光達裝 載傾斜移動之平台亦可以達成良好之成果(Neumann, 2014)。該酬載不僅適應礦 坑地形的移動測繪系統，也設計自動改變光達軸向的平台。該平台可沿著垂直 角 0 度至 90 度進行傾斜，能獲取更多方向之資訊，如圖 2.20 為此酬載進行 3D SLAM 之成果，獲取的三維空間資訊能進行實際用途。
圖 2.20 光達之 3D SLAM 成果(Neumann, 2014)
另一方面，有將製圖技術應用於下水道環境中，除了遭受前述在礦坑環境 中會發生的狀況，還會受到水或是水氣影響，使得移動測繪系統的酬載設計需 要避免水影響儀器運作。圖 2.21(a)為適應下水道環境的移動測繪系統酬載，該 系統不但使用光達和輪速計，也利用慣性感測元件和相機提升 SLAM 之精度。
慣性感測元件可以換算得到載體的位置和姿態，而相機藉由輔助光源拍攝照片 提升製圖的精度。該酬載為了在下水道環境中施測，可被拆解成數個直徑小於 60 公分之零件，並能夠於下水道環境進行組裝。圖 2.21(b)為此移動測繪系統製 圖之成果，建置三維的下水道圖資能對於環境內破損的管線進行監測。
(a) (b)
圖2.21 適應下水道環境之移動測繪系統與成果：(a)移動測繪系統酬載(b)3D SLAM (Neumann, 2014)
災後環境重建中，以航空影像與光達資料的配合最為普遍，透過航照影像，
來擷取的地物的特徵線，如房屋等等。再透過點雲資料進一步提供高程資訊，
可以在短時間之內建構出房屋模型與點雲資料(Weng, 2010)。如圖 2.22 所示，影 像中的紋理，透過從光達與影像上的邊界萃取，進一步得出較真實的房屋模型，
將紋理貼在模型上，產製視覺化成果較佳的模型資料。其他專家學者也同樣的 使用影像與光達資料的配合，提出 Split-Merge-Shape(SMS)，重新建構模型資料 (Chen, 2005)。
圖2.22 航照影像與光達資料整合處理成果(Weng, 2010)
若是單純依靠點雲資料，來進行環境重建，沒有影像的輔助下，對於地形 地物的特徵線，在取得資料的當下，並無法得到如影像這樣直觀的判斷與分析。
而為了處理這些龐大與複雜的點雲資料，專家學者提出了整合各項技術如，三 角網等等技術來設計建模程序，如圖 2.23(Orthubera, 2015)。此外點雲資料的處 理，也有專家學者將點雲切分成各個區塊，提出 Locally Fitted Surfaces(LoFS)，
透過各個區塊之間的相對關係，進一步重建模型(Bizjak, 2015)，如圖 2.24。Wu 更提出了透過階層式的圖形高度分析，如圖 2.25，進一步重建房屋模型(Wu, 2017)。
圖2.23 點雲建模程序(Orthubera,2015)
圖2.24 Locally Fitted Surfaces(LoFS) (Bizjak, 2015)
圖2.25 階層式圖形高度分析模型示意圖(Wu, 2017)