第一章 緒論
第二節 研究動機與目的
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 研究動機與目的
相較於傳統二維地圖，數位三維城市模型以更接近現實視覺方式描述 空間資訊，目前已廣泛應用在防災、環境監測、不動產管理、環境影響評估 及都市規劃等領域。為使各領域資料能相互流通利用，避免資源重覆浪費 並提升三維城市模型之實用價值，CityGML 依資料複雜度與應用需求，規 範三維模型細緻度(LOD)為 4 個等級，第一級(LOD1)為平頂房屋模型，第 二級(LOD2)則增加屋頂幾何結構及紋理敷貼，第三級(LOD3)加入房屋外部 (如屋頂、牆面等)附屬結構物件，第四級(LOD4)則以 LOD3 模型再加入房 屋的內部結構，如室內隔間、家具等，模型細緻度等級示意如圖1-2(Grögeret et al., 2008)。
圖1-2 CityGML 模型細緻度等級(Gröger et al., 2008)
目前 LOD4 等級之室內模型多利用既有圖資、光達或近景攝影影像等 方式建構，既有圖資如江渾欽及馮怡婕(2012)以建物測量成果圖為建置基礎，
並依成果圖所載位置結合地籍，供政府單位管理使用；涂仁瑋、王聖鐸(2014) 使用平面圖為基礎，實際量測建物高度後建立三維模型；Budroni and Boehm (2009)則是使用光達掃描獲取室內三維點雲資料，先以垂直掃描方式確定天
‧
重建室內三維模型(楊雄壹，2011；Thomson et al.,2013)；近景攝影影像包含 傳統二維影像及RGB-D 感測器等，蔡富安、張智安、陳良健、黃智遠(2015) 使用一般影像，透過環景拍攝方式，以運動探知結構演算法(Structure from Motion, SfM) 計 算 外 方 位 參 數 後 ， 再 以 群 集 觀 點 多 視 角 立 體 演 算 法 (Clustering Views for Multi-view Stereo, CMVS)執行密匹配，得到室內三維 點雲資料；RGB-D 感測器能夠同時取得景物二維彩色影像及深度資訊，
Cruz-Mota et al., 2012;Taira et al. ,2015;黃聰哲，2016)、像點變形改正(Ikeda et al., 2003;Scaramuzza et al., 2006;Shi et al., 2013;王彬權，2012; Aghayari et al., 2017)、方位重建(Fangi et al., 2013;季順平等人，2013;林冠穎，2014;Liu et al., 2016)及紋理敷貼(D’Annibale, 2013;Lee et al., 2015)等；亦有學者使用 圓柱全景影像進行研究，如自動匹配連結點(Kang, 2008)及像點變形改正 (Bosch et al., 2015)，Luhmann(2010)則是進行方位重建及建模，實驗歸納出 適合用於室內，且有使用極少數連結點即可建模的優點。本研究期能透過 全景影像的優勢，將其應用於室內建模，而球形全景影像相較於圓柱全景 影像，有更加廣大之視場角，故研究對象選用球形全景影像。
上述有關球形全景影像之研究，其研究對象大都是以自行設計拍攝製
‧
步驟，直接獲得球形全景影像，如Ladybug、Ricoh Theta S、Samsung Gear 360 及 Luna 360 VR Camera，但缺點是官方並未公開球半徑等資訊及無從可供未來引入密匹配技術(dense matching)產製三維點雲資料，進而建置 LOD4 室內模型，以達降低成本並提升作業效益之目標。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
藉由上述(1)至(4)探討消費型球形全景影像採用攝影測量原理，結合影 像匹配演算法獲取連結點，配合適當的測站及控制點分布，利用最小二乘 法進行定位定向解算，並改正像點變形，以及藉由討論連結點分布、控制點 數量及像點先驗精度給定方式對光束法平差之影響，期能提升定位定向精 度。