無人飛行載具建置數位模型

近年來，隨著高畫質數位相機、運動攝影機等影像紀錄設備及無人飛行載具 (Unmanned Aerial Vehicle，簡稱 UAV)的日漸普及，大幅度降低航拍的門檻。同 時，影像匹配及即時定位技術亦已發展成熟，故國內、外已發展多種重建三維模 型軟體，且國內測繪主管機關也提供高精度且定位時間短的 e-GNSS 即時動態定 位服務。對於應用土木工程領域之產製環境地形或結構物三維資料等相關課題實 有助益。鑑此，本節主要針對無人飛行載具建置數值地形及重建三維模型等相關 技術進行說明。

壹、非常規攝影技術

目前數位攝影機與數位相機在解析度與取樣頻率等規格大幅提升，且各 種量測理論日趨成熟，故數位攝影量測技術已逐漸被應用在各種物理量的量測 與識別、地形測繪及災後即時資料處理上。陳建州等人 (2010)使用消費型數 位攝影機成功取代精密速度計，用以識別斜張鋼纜的各項振態參數；孫敏 (2007)及趙曉等人 (2004)也曾使用消費型數位相機，透過電腦視覺領域之多視 幾何技術獲取工程測繪等級精度之地形三維重建成果；大陸武漢大學研究團隊 於 2010 年台灣成功大學舉行兩岸非常規攝影測量研討會時，分享於 2008 年 5 月 12 日汶川大地震中，以不同於常規攝影測量方式進行資料取得、處理及 成果展示等一套完整流程之經驗分享 (柯濤等人，2010；張勇等人，2010；孫 明傳及段艷，2010)。基於上述，國際間學者及專家將本文所應用 SIFT、SfM 及 多視幾何等不符合常規傳統攝影測量規範之測量方式及流程，皆歸類為非常規 攝影量測。

雖攝影測量學為一門成熟的傳統科學，目前除已發展至數位化，結合遙 測（Remote Sensing）領域之應用也已普及，但當災害發生，緊急救災時所能 進行的測量方式及流程並無法滿足其傳統測量之嚴格操作規範，歸納四大因素 如下：

2. 基線(Baseline)不同：隨機拍攝造成各張照片間基線長短不一。基線太 短將影響測量精度，而基線過長不易進行影像匹配。

3. 精度及可靠性浮動：因各張照片之拍攝焦距、基線與畸變為隨機，以 致影響量測之精度及可靠性。

4. 影像匹配不易：隨機拍攝造成任意照片組合之上下或左右視差角度過 大，照片解析度也因拍攝焦距等原因而有所差異，難以應用常規攝影 測量的匹配方法進行處理。

基於上述限制，非常規攝影量測方法便逐漸被各專家學者所發展應用，

而本研究所採用的 SIFT、SfM 及多視幾何等方法，其原理即以校正或非校正 的相機拍攝多張序列照片，進而計算相機拍攝時的運動參數以及建立 3D 場景 幾何資訊 (賴文能與陳韋志，2010)，為近年來電腦視覺 (Computer Vision)領 域熱門之三維重建方法 (Pollefeys et al., 1996; Triggs, 1997; Kraus, 1997; 孟曉 橋等人，2003; 趙曉等人，2004; Habed and Boufama, 2004; 王亮芬，2010)；

SfM 係採用自標定技術 (Self-Calibration)獲取每張照片拍攝時的相機相對位 置(Maybank and Faugeras, 1992；Faugeras, 1992 ; Pollefeys, 1999; Lei et al., 2001;

雷成等人，2001; 張艷珍等人，2001)，進而求得相機個別運動的旋轉及平移 參數；據此兩參數及通過原點之旋轉軸，可將所有照片調校至同一基礎下；換 言之，即應用多視圖幾何原理 (Multiple View Geometry)進行三維重建 (Gordon and Lowe, 2004; 孫敏，2007)。

圖 2-36 交向攝影方式示意圖 資料來源：摘自蕭震洋等人，2012。

圖 2-37 平行攝影方式示意圖 資料來源：摘自蕭震洋等人，2012。

X Y

Z

M

(X

,Y

, Z

)

m

(x

, y

) 照片A

照片B

K

K

t

R

m

’(x

’, y

’) l’

e’

e l

O

X’ O’

Y’

Z’

p p'

θ θ

H

t’ t

貳、無人飛行載具建置數值地形

常見數值地形產製技術，包含傳統測量、攝影測量、光達(Light Detection and Ranging 簡稱 LiDAR)及雷達(Synthetic Aperture Radar, 簡稱 SAR)等，其各式產製 技術之精度、優缺點及常見應用，整理列於表 2-33。表中以屬於攝影測量之電腦 視覺技術重建環境或人工構造物三維資訊，具有不需使用測量專用相機與事前率 定(Camera Calibration)優點(Noah, 2008; 蕭震洋等人, 2011; Wu et al., 2013)，實為 新興三維重建研究趨勢及採用方法。現階段研究多數集中在特徵點萃取匹配、密 集匹配及三維重建等演算法修正精進。其中特徵點萃取，目前較多人採用 Lowe(1999)提出之尺度不變特徵轉換(Scale-Invariant Feature Transform，簡稱 SIFT)演算法，該方法能容許一定程度的幾何變形及尺度與亮度的差異，從不同 位置與方向拍攝之影像中萃取特徵值，進而完成共軛點匹配(Lowe, 2004, 2006)；

另密集匹配及三維重建部分，以 Yasutaka and Jean (2010)建立 Patch-based Multi-view Stereo(簡稱 PMVS)演算法應用最為普遍，該方法優點在於能對影像進 行像元式密集匹配(Dense Matching)且濾除匹配精度與可靠度較差的點，進而加 密三維點雲至呈現整個環境或人工構造物，參見圖 2-38所示。

目前市場電腦視覺三維模型重建的非商用及商用軟體眾多，如 VisualSFM、

Agisoft PhotoScan、EnsoMosaic、APS 以及 Pix4DMapper 等；其中以 Pix4DMapper 採用誤差約 0.3 個像元(Jhan et al., 2011) 的 SIFT 演算法進行影像特徵值萃取及匹 配，且使用精度較 PMVS 為佳的 DAISY 演算法(Strecha, et al., 2003; Strecha, et al., 2004; Tola, et al., 2012; 韓東海，2014) 進行密集點雲重建。因此，本研究採用 Pix4DMapper 進行 UAV 影像連結點匹配、空三平差、產生點雲、製作數值地形 及正射影像等工作。

表 2-33 常見量測高程技術比較表

參、無人飛行載具重建三維模型

重建三維模型分為手動、自動即結合手自動等三類，目前普遍以 3ds MAX、

Revit、Sketchup 等三維模型軟體，參考工程設計圖及對應之高度屬性資料，手 動建置模型(蕭震洋及謝寶珊，2015)。若要建立建築物、橋梁、防砂壩等構造物 的三維模型，其專業門檻較高，若將參考資料改為以光達或電腦視覺技術產製之 彩色三維點雲，即能採可視化建置方式 (如圖 2-39)，亦即透過 Sketchup 的插件，

將具有真實坐標及高程資訊的彩色點雲匯入 Sketchup 編輯視窗，再進行三維模 型建置，能大幅降低建置門檻，有助於三維城市建立，更能加速智慧國土的實現。

此外，模型建置完成後，更可再透過視域分析 (Viewshed Analysis)，進一步對監 控設備等安全防護應用做出更精確的配置。首先，設定攝影機擺設位置、鏡頭方 向、水平及垂直視角；接著，依據攝影機解析度設定適當可視距離；最後，分析 範圍內若受到地形或地物遮蔽，而不能被攝影機觀測之區域，則會有不同顏色覆 蓋做為標示，如圖 2-40。

(a) 將彩色點雲匯入 Sketchup 做為建置三維模 型參考

(b) 以 UAV 拍攝照片做為三維模型之 外層貼皮材質

圖 2-39 以彩色三維點雲為參考建置三維模型示意圖

資料來源：引用自蕭震洋及謝寶珊，2015。

圖 2-40 攝影機視域分析示意圖(投射框線為依攝影機設定條件及規

格之可視範圍，當中較暗的區域為受遮蔽而不可視之區域)

資料來源：引用自蕭震洋及謝寶珊，2015。