空三軟體的匹配

以上為使用光流迭代法所完成的空照影像同 名點追蹤匹配，本節使用ORIMA 這套空三軟體進 行同名點的自動匹配，藉以比較兩種方式的匹配密 度。由於現階段空三軟體的設計不會考慮到龐大點 雲的整體空三平差，以ORIMA 為例，只將每一張 影像等分成5x5 ~ 11x11 個區塊，然後在每一區塊 挑選1~2 個特徵點來執行空三計算，只有在後續的 處理（例如自動化影像匹配來產生 DTM）才會處 理大量點雲的匹配剔錯，表4 為各種匹配密度點數 統計表。

圖11 將各種匹配密度得到的匹配點雲進行空 三計算所得的σ 展示為折線圖，顯示σ 並沒有明 顯的變化，驗證空三計算並沒有匹配出大量同名點 來計算的必要性，而本文光流迭代法追蹤匹配得到 的大量點雲，主要是提供產製數值地形模型、三維 城市建模、重建樹木模型等後續應用。

圖11 各種匹配密度σ 折線圖 (像元大小 12um x 12um)

反觀本文所提出的匹配方法，以 C 區為例，

影像的追蹤區塊大小為720 × 240 像元，整個追蹤 範圍換算成地面大小約3050 平方公尺，連結點數 目共2029 點，統計如表 5，平均約 1.5 平方公尺便 有一個匹配點，對於航測作業及後續應用而言，這 個匹配點數目是非常可觀的。

表5 C 區匹配重疊統計 Number of Tie Points 2029 2-fold Points 1490 3-fold Points 403 4-fold Points 98 5-fold Points 33 6-fold Points 5

表6 空三成果

控制點數 14

連結點數 4064

錯誤像點數 58

迭代次數 17

空三計算時間(sec) 5.28 ˆ0

σ ^±3.6μm

(±0. 3pixel)

由於A、B、C 三區以光流迭代法匹配出來的 連結點數目非常密集，故加上如圖12 的六個區塊 以光流迭代追蹤的匹配點與匹配密度25 自動匹配 整個測區的連結點一併進行空三計算，計算成果如 表6。

圖12 ORIMA 空三計算的九個區塊位置示意圖 在這一個測試區裡，被剔除的錯誤像點共有 58 點，包含控制點、匹配密度 25 以及迭代光流法 匹配產生的連結點，本文僅將迭代光流法匹配的 36 個 C 區錯誤點提出來討論。

圖13 顯示空三認定為匹配錯誤的三個點例，

點c061 和 c1920 位在建物表面，c790 位於植被區 域，其中，由影像5 追蹤至影像 6 的點 c1920 之匹 配錯誤尤其明顯，x 坐標改正數為 -0.02mm（約-1.7 個像元），y 坐標改正數為 0.19mm（約 15.8 個像元）。 圖14 顯示空三認定為匹配正確的三個點例，包括 屋頂區和植被區的特徵點，空三計算得到其像坐標 改正數均在5.4um 以下。

陳英煥、蔡展榮：空照數位像機拍攝高重疊影像匹配高密度點雲 227

圖13 空三認定為匹配錯誤的三個點例

圖14 空三認定為匹配正確的三個點例

4. 結論與建議

本文提出一套對高重疊空照數位影像自動匹配高 密度點雲的流程與方法，根據前述研究結果，可得 結論如下：

1. 本研究測試成果驗證了現今空照數位像機拍攝 的高重疊率數位影像擁有匹配高密度點雲的能 力，以本文的實驗影像為例，匹配點密度約每 1.5 平方公尺(約 9 x 9 個像元)便有一個匹配點，

而且是有意義的幾何特徵點，這些點都可以在 影像做正確的判讀。

2. 本文從一條航帶六張影像挑選出 7473 個連結點，

使用可靠度理論從空三計算找出50 個錯誤的同 名點，換言之，金字塔光流迭代法追蹤匹配成 功率約99.3%。

3. 李洢杰(2003)的光流迭代法讓成功追蹤匹配的 長度由傳統光流法3~4 個像元提高至 30 個像元，

本文提出由粗至細的光流迭代追蹤匹配法可以

逐一小窗追蹤上千個像元的追蹤長度，以實驗 為例，J-1 層的影像金字塔有 668 個像元的 x 方 向追蹤長度，相當於原始層影像成功追蹤匹配 的長度為1336 個像元。

4. 光流迭代法追蹤屋角點、地面標線角點等灰度 變化明顯處有良好的追蹤匹配成果，而在如樹 表面複雜的灰度變化區域，雖然經梯度強度的 計算篩選後，被認定為可追蹤點位，但往往造 成追蹤提早結束而匹配出錯誤的點，這樣區域 的成功追蹤匹配率較低，但也找出一些成功的 匹配點，樹木區約每0.2 平方公尺(約 9 x 9 個像 元)便有一個匹配點。

5. 上層金字塔各個粗解析力影像萃取的新特徵點 和下傳的舊追蹤點同時追蹤匹配處理只有一個 目的，就是提供原始影像的某一塊局部小窗影 像追蹤下一張影像所需的良好起始追蹤窗的位 置，讓光流迭代法能自動求得隸屬於這一個小 窗特徵點雲的同名點雲，以供後續的各項處理 之應用，例如自動獲取高精度三維點雲來產生 地表實景模型或自動產生地表的數值地形模型 或執行自動化空三之計算。

6. 傳統航測受到遮蔽問題影響，觀測的重疊影像 不足使遮蔽區無法匹配點位。利用高重疊空照 數位影像進行光流迭代法的追蹤匹配，遮蔽問 題大幅減少。

對日後相關的研究與發展，本文提出下列幾點建 議：

1. 在本文裡，追蹤匹配出的同名連結點先以 NCC 法進行相關係數的檢核，相關係數大於 0.85 視 為合格點，由於實驗影像為短基線高重疊影像，

影像間攝影幾何非常近似，又位於較平坦的都 市區域，因此本文採用NCC 法來進行同名點之 初步判斷，為求更精確的點位檢核，可使用相 對方位和各個小追蹤窗挑選合宜數量且均勻分 布在窗內的全區點雲來進行空三計算，配合可 靠度理論來執行自動化偵錯與剔錯，藉以挑選 出更可靠正確的同名點雲。

2. 本文進行由左而右起始影像分別為影像 1 ~ 影 像 5 追蹤至影像 6 的流程，目的是求得大量的

同名點，但當起始影像為影像2 ~ 影像 5，追蹤 至影像 6 的同時，起始影像萃取出的特徵點同 時也會出現在其左邊的影像上，建議加入由右 至左的追蹤。以影像 2 追蹤至影像 6 為例，必 須再進行影像 2 向左反向追蹤影像 1 的步驟，

應可獲取更密的點雲，相關細節尚待後續研 究。

3. 本文驗證了金字塔光流迭代法追蹤匹配一條航 帶六張影像的同名點是可行的，但是，多條航 帶之間又必須考量左右重疊區(side lap)，以 UltraCamD 像機拍攝的三條航帶影像(像幅大小 7500 × 11500 pixels)為例，左右重疊率最大約 45%，待追蹤的距離約 6325 像元，則必須要從 影像金字塔J-8 層開始追蹤，這對光流迭代法追 蹤特徵變化不明顯的粗解析力影像是一大挑戰。

不僅如此，利用光流迭代法追蹤匹配的一個重 要前提是必須在攝影幾何差異小的相鄰影像間 進行，所以即使推得由影像金字塔J-8 層開始追 蹤，該區最後匹配出的原始影像成功點位依然 受到遮蔽問題的影響，建議左右重疊區的追蹤 匹配以挑選平坦地區來進行為宜。

4. 使用本文提出的匹配方法產生的超多同名匹配 點，若將其同時代入商用軟體進行空三計算，

軟硬體的升級與改進仍有待克服。

致謝

非常感謝邱式鴻教授提供Förstner 特徵物萃取 程式與李洢杰先生提供光流迭代法追蹤匹配程式，

使本文研究順利進行，特此致謝。

參考文獻

王蜀嘉及張祖勛，2006。航測數位像機對空載雷射 掃瞄帶來的衝擊，第二十五屆測量學術及應用 研討會論文集，pp. 179-188。

李洢杰，2003。應用光流原理進行近景視訊影像同 名點雲自動化追蹤與量測，國立成功大學測量 工程研究所碩士論文。

Förstner, W., 1986. A Feature Based Correspondence

陳英煥、蔡展榮：空照數位像機拍攝高重疊影像匹配高密度點雲 229

Algorithm for Image Matching. International Archieves of Photogrammetry and Remote Sensing, 26, B3/3, Switzerland, pp. 13-19.

Förstner, W. and E. Gülch, 1986. A fast operator for detection and precise location of distinct points, corners and centers of circular features, ISPRS Intercommission Workshop, Switzerland, pp.

281-305.

Fuse, T., E. Shimizu and M. Tsutsumi, 2000. A Comparative Study on Gradient-Based Approaches for Optical Flow Estimation, International Archives of Photogrammetry and Remote Sensing, Vol. 33, Part B5/1, pp.269-276.

Horn B. and B. Schunck, 1981. Determining optical flow. In Artificial Intelligence, Vol. 17, pp.

185-204.

Lucas, B. and T. Kanade, 1981. An Iterative Image Registration Technique with an Application to Stereo Vision, Proc. of 7th International Joint Conference on Artificial Intelligence (IJCAI), pp.

674-679.

Trucco, E. and A. Verri, 1998. Introductory Techniques for 3-D Computer Vision, Prentice Hall.