本計畫成果依照原規劃，執行 3.1 節詳列之各工作項目，且持續執行後 續工作，確保計畫執行符合進度，並有良好成效。本計畫目前執行成果總 結如下：
一、 試辦區選定
經內政部同意，「發展三維地形基礎圖資測製技術」試辦區選定 臺北市小巨蛋與其附近區域為試辦區域，總面積約為 110 公頃，完成 LOD1 與 LOD2 房屋模型建置；「發展三維室內外模型與物聯網標準 之整合平台」選定臺北市東區地下街為服務試辦地點，以室內平面圖 建置東區地下街室內模型，供物聯網應用試辦。
二、 研擬並精進三維地形圖資測製技術
1. 三維地形圖資測製文獻蒐集與分析，完成蒐集之各國三維地形圖 技術文件與分析，核心分析項目為三維地形圖之測製方法、三維 地形圖之測製成果物件化、三維地形圖之資料結構、三維地形圖 之編碼、三維地形圖之資料庫等。
2. 研擬三維地形圖資核心類別測製技術，完成建置試辦區之三維網 格模型(3D Mesh model)，並以三維地形圖的核心類別(包括房屋 及道路模型)為模型建置考量，提出以三維實體模型(3D Solid
102
Model)建置三維地形圖資核心類別之技術，分析此兩種模型之優 缺點、適用範疇與發展潛力。
3. 提升三維地形圖資核心類別測製效率或品質，本項團隊針對上述 提出之核心圖資(包括房屋及道路模型)測製技術進行精進，精進 的方向為提升房屋紋理細節及三維道路模型重建。提升房屋紋理 細節部分，完成改良版通用紋理之流程作業；三維道路模型重建 部分，完成以三維點雲自動形塑於三維彩帶式道路模型重建之自 動化程度提升。
4. 增加三維地形圖資尺度資訊，精進的方向為提升房屋騎樓之半自 動化建置程度與路面標線深度。提升房屋騎樓之半自動化建置程 度部分，完成透過 LOD1 房屋模型與點雲資料輔助，以半自動或 手動的方式調整房屋高度，並產出 LOD1 房屋模型；路面標線深 度學習部分，以使用 FCN 深度學習方法對 75 個子區域進行訓練，
完成偵測道路標記、精化道路標記區域、精化道路標記區域、道 路標記精度分析，最後產生道路標記模型。
三、 研擬三維地形圖資測製技術文件並提出應用領域與成本評估
1. 研擬三維地形圖測製及檢核作業技術文件指引，針對三維地形圖 兩大核心類別(即房屋及道路模型)，訂定幾何模型測製規則及品 質分級標準。以資料加值策略為主要撰寫對象，分析及參考國外
103
三維地形圖資之技術文件，針對不同細緻程度之應用需求等，以 研擬本計畫三維地形圖資之技術文件(附件 G)。
2. 規劃三維地形資料庫發展策略，完成以三維地形圖資之空間資料 庫、三維地形圖資測製成果之資料結構、三維地形圖資測製成果 之編碼等方面進行探討。
3. 三維地形圖資測製技術成本與分析，完成房屋模型建置成本分析 比較表、房屋建模成本計算表、三維道路建置成本比較表、及臺 北市密匹配點雲計算及資料產出時間表。
4. 三維地形圖資測製待克服之問題討論，提出本團隊於執行本計畫 各工作項目時，遭遇之困難或需克服之問題，包含：非封閉多邊 形圖層問題、屬性對應問題、缺乏三維化對應圖層問題、航空製 圖影像產製三維網格模型計算之問題等。
四、 研發三維地形圖資與物聯網之整合及應用
1. 物聯網標準之開發與介接技術，延續前一年度之技術發展成果，
並根據 OGC SensorThings API 第二版標準擴充物聯網裝置控制 能力介面，開發出對應之介接技術。
2. 開放式物聯網基礎建設之技術發展，完成探討兩種開放式物聯網 基礎建設之建立策略，並進行實作測試。
3. 發展三維室內外模型與物聯網標準之整合平台，依前兩項工作發
104
展之技術，完成建立三維地形圖資與物聯網資源整合之應用案 例。
五、 研究成果發表
本團隊投稿證明請見附件 B，研究成果：(1) MDPI Sensors，題目：An Automatic Embedded Device Registration Procedure based on the OGC SensorThings API. (2) ISRS 2018，題目：Integrating parametric and mesh models for complicated building structures. (3) IGRSM 2018，題目：The extraction of urban road inventory from mobile lidar. (4)航測與遙測學刊，題目：
以線散函數衍生特徵評估影像模糊度-應用於 UAV。
本團隊協助國際事務推動及技術交流：(1)於澳門智慧城市聯盟協會主 要幹部等人，就智慧城市建置與應用，以及智慧城市物聯網建置等相關議 題與經驗進行經驗交換與討論；(2)於桃園市永豐高中進行模型建置技術課 程教學。
六、 建議
綜合本計畫執行過程經驗與成果，針對三維數值地形圖資之建置、推 動、以及技術發展等提出以下幾點建議：
1. 三維地形圖資牽涉之面向非常廣泛，不同領域、單位、機構、產 業、及不同應用等對於圖資的內涵與規格等也有不同之需求與考 量，但可先建置“三維基本地形圖資”，做為後續加值精進與開發
105
的基礎。依此概念，並考量經費及現有技術等條件，可先行建置 以 OGC CityGML LOD1 等級為標的的全臺三維數值基本地形圖 資，並至少包含三維地形模型、積木式三維房屋模型及彩帶式三 維道路模型。
2. 可利用現有二維圖資，例如通用版電子地圖及各都會區之千分之 一地形圖，以本計畫所提出加值方式快速產製 LOD1 三維房屋模 型，達到最短時間內完成三維基本地形圖資最大覆蓋率的目標。
3. 根據本計畫執行成果與經驗，現行（二維）地形圖測製作業只需 增加約三分之一經費即可達成 LOD1 等級三維模型建置，未來地 形圖修測或新測作業可考慮直接進行三維模型建置。
4. 有鑒於部分地區地形圖更新頻率較低，可考慮利用三維網格(3D Mesh)形式針對特定區域快速建立最新之三維數值地表模型，提 供部分最新之三維地表特徵。
5. 三維數值地形圖資的資料格式可以 OGC CityGML 等開放式國際 標準為基礎，以維持最大共通與互操作性。此外，三維數值地形 圖資的資料儲存與管理等不宜綁定特定圖資系統或平臺，以維持 未來加值擴充與應用的最大靈活度。
6. 後續相關技術研發可朝以下方向推動：
(1) 提升三維數值基本地形圖的紋理品質
106
(2) 以行動測繪提升三維數值基本地形圖房屋及街道模型尺度 細緻度
(3) 建立及精進三維地形圖測製建置作業規範 (4) 建立及精進三維地形圖測製驗收作業規範
107
10、Azimi, S. M., Fischer, P., Körner, M., & Reinartz, P. (2018). Aerial LaneNet: Lane Marking Semantic Segmentation in Aerial Imagery using Wavelet-Enhanced Cost-sensitive Symmetric Fully Convolutional Neural Networks. arXiv preprint arXiv:1803.06904.
11、Blaauboer, J., J. Goos, H. Ledoux, F. Penninga, M. Reuvers, J. Stoter, G. Vosselman, T.
Commandeur, 2017. Technical Specifications for the Construction of 3D IMGeo-CityGML, verstion 2.1. URL:
https://www.geonovum.nl/uploads/documents/20170102Guidetotender3DCityGMLIMG eo_v2.1_0.pdf
12、Chaturvedi, K., & Kolbe, T. H. (2016.) Integrating dynamic data and sensors with
semantic 3D city models in the context of smart cities. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences IV-2 W, 1, 31-38.
13、Deng, Y., Cheng, J.C.P., Anumba, C. (2016). Mapping between BIM and 3D GIS in different levels of detail using schema mediation and instance comparison. Automation in Construction 67, 1-21.
14、Elberink, S. O., Stoter, J., Ledoux, H., & Commandeur, T. (2013). Generation and dissemination of a national virtual 3D city and landscape model for the
Netherlands. Photogrammetric engineering & remote sensing, 79(2), 147-158.
15、El-Mekawy, M., Ö stman, A., Shahzad, K. (2011). Towards interoperating CityGML and IFC building models: a unified model based approach. Advances in 3D Geo-Information Sciences, 73-93.
16、Geonovum, 2017. Technical Specifications for the Construction of 3D IMGeo-CityGML,
verstion 2.1. URL:
108 https://www.geonovum.nl/uploads/documents/20170102Guidetotender3DCityGMLIMG eo_v2.1_0.pdf
17、 Hong Kong Land Department, 2012. Information Sheet on 3D Spatial Data, Version 1.1.
18、L. van den Brink , J. Stoter, S. Zlatanova, 2013. Establishing a national standard for 3D topographic data compliant to CityGML, International Journal of Geographical
Information Science, 27:1, 92-113, DOI: 10.1080/13658816.2012.667105
19、Kim, J. S., Yoo, S. J., & Li, K. J. (2014). Integrating IndoorGML and CityGML for indoor space. International Symposium on Web and Wireless Geographical Information Systems, 184-196.
20、Krizhevsky, A., Sutskever, I., & Hinton, G. E. 2012. ImageNet classification with deep convolutional neural networks. In Advances in neural information processing systems, pp. 1097-1105.
21、Marketsandmarkets, 2015. 3D mapping and 3D modeling market by application in 3D mapping (3D projection mapping, mapping and navigation, and others), by Vertical (Healthcare, Building and Construction, and Others), and by Geography - Forecast to 2020, http://www.marketsandmarkets.com/Market-Reports/3d-mapping-market-819.html.
[last access: 18April 2018]
22、OGC, 2012. OGC City Geography Markup Language (CityGML) Encoding
Standard,http://www.opengeospatial.org/standards/citygml. [last access: 18April 2018]
23、POB, 2015.Tracking the trends in 3D surveying,
http://www.pobonline.com/ext/resources/POB/2015/April/Trends-in-3D-Surveying-2015 /3D-Surveying-Trends.pdf. [last access: 18April 2018]
24、Prechtel, N., 2015. On strategies and automation in upgrading 2D to 3D landscape representations. Cartography and Geographic Information Science, 42(3):244-258.
25、Rau, J. Y., and Chen, L. C., 2003. Robust reconstruction of building models from three-dimensional line segments, Photogrammetric Engineering and Remote Sensing, Vol. 69, No.2, PP. 181-188.
26、Schmassmann, E. R. Bovier. 2010. Topografisches Landschaftsmodell TLM:
swissTLM3D. Geomatik Schweiz Vol. 9, pp. 407-409.
27、Singapore Land Authority, 2013. Standard and Specifications for 3D Topographic Surveying (Mapping) in Singapore, Version 1.0.
28、Smart City Expo, 2014. Smart City Expo 2014, http://www.smartcityexpo.com/. [last access:18April 2018]
29、Soon, K. H., & Khoo, V. H. S. (2017). CITYGML MODELLING FOR SINGAPORE 3D NATIONAL MAPPING. International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences, 42.
30、Stoter, J., and Salzmann, M., 2003. Towards a 3D cadastre: where do cadastral needs and
109 technical possibilities meet? Computer, Environmental and Urban Systems, 27:395-410.
31、Vilgertshofer, S., Amann, J., Willenborg, B., Borrmann, A., & Kolbe, T. H. (2017).
Linking BIM and GIS Models in Infrastructure by Example of IFC and CityGML.
Computing in Civil Engineering 2017, 133-140.
110
其他相關資料及附件
附件 A：各期成果審查意見與回覆 附件 B：期刊或研討會投稿全文或證明 附件 C：工作會議紀錄與簽到單
附件 D：申請三維地形圖資測製所需之相關文件 附件 E：三維地形圖資測製技術指引(初稿)
附件 F：三維地形圖資之國際發展與探討
111 Database 開放資料庫進行初步分析 測試。
112
113
114
115 流程中，使用 Google Street View Image API 取得影像。經 參考 Google 服務規範，並詢問 Google 相關部門，Google 表示 因申請者眾多而人力有限，故無 測量車影像。Google 規範網址 如下： 40083.49 公尺，經人工編修各 圖幅接合，因本測區地形平坦且 CityGML 以精度區分。另有關道路與與高程模 型，也建議應該有不同品質要求的內容。
遵照辦理。
蔡委員榮得
116
意見 意見回應
一、 期中報告內有名詞不一致之情形，例如三維三 角網模型(3D Mesh Model)英文 Mesh Model 為 以點、線、面構成之網線模型，與 TIN 同樣皆 為 2.5D 表面模型(Surface Model)，而非三維 物件，故與附錄 E 三維地形圖資測製技術指引 Model 之 Polyhedral(多面體)有所 不同。
二、 附錄表 6.1-1 中地形類別物件—數值高程模 型(DEM)以 TIN(不規則三角網)建構，而道路 及房屋以 CityGML 中之 LOD0.5 至 LOD2 之 Polyhedral 建構。另外由 DSM 建構之三維三 角網模型，並無體積之概念。
117
118
119
(1)CityGML2.0 圖層種類繁多，
部分圖層(如 CityFurniture)與 本國圖資並不相符，且過去研究 CityGML 相關規定於期末階段選 擇性導入。
120
121 要參考國外既有作法及 CityGML 所訂定之格式類別，同時也考量
122 出現，請補充說明何 Polyhedral 模型；另外 此段落提及針對影像特徵不足區域，透過輔助 資料能快速建置出高架道路，請補充說明輔助 資料為何。
更正 Polyhedral 為三維實體模 型。本計畫所採用之試辦區航照影 像，皆為標準航空攝影之垂直攝影 影像，未來可考慮加入傾斜攝影資 料等，以提升三維網格模型整體品 質與建置效率。