無人飛行載具 (Unmanned Aerial Vehicle, UAV) 是泛指駕駛員不在機體內部 操作，只仰賴遙控或導航的飛行器，按其用途又可區分為軍用無人飛行載具 (Military UAVs) 以及民用飛行載具 (Civil UAVs) 。民用飛行載具近年因核心技 術進步且成本低，逐漸被廣泛應用在不同領域，又因無人飛行載具機動性良好，
能輕易深入惡劣的環境中，所以適合作為場域探勘的先發偵測應用。特別是近年 來地球暖化氣候變遷的原因，常有大規模的天然災害造成生命與財產重大的損失，
如何應用以無人飛行載具做為大範圍快速反應的防災應用己成為未來重要的研 究趨勢。在目前各方採用以人工判別空拍影像的方式，往往不利於大範圍長期的 空中攝影判讀，若是能自動化搜索與定位，使無人飛行載具在災害探勘過程中立 刻回傳目標地理位置，將可大大降低資料處理時間，使人員能更快速做好相應對 策縮短救援時間，以提供更有效率的災防應用。因此本研究欲提出由影像像空間 (Image Space) 中特定物件的座標對應至物件空間 (Object Space) 座標之方法，
透過載入深度學習預先訓練之模型，在無人飛行載具上分析即時 (Real-time) 空 拍影像，偵測物件在影像中的位置，偕同無人飛行載具姿態資料完成物空間中全 球衛星導航系統 (Global Navigation Satellite System, GNSS) 座標定位並傳回特 定物件位置資訊，以期縮短大範圍搜索的耗時。本章節將針對無人飛行載具在高 空如何定位目標，以及本研究架構的重要性分別進行說明。
第一節 研究背景
無人飛行載具從科學研究、國土測量、商業使用乃至個人空中攝影等應用開 始進入大眾視線。相比於訓練專人駕駛飛行載具達成追蹤、偵測、監控環境等目 的，無人飛行載具搭載各式偵測器與致動器 (Actuator) 能以低廉成本進行資料 蒐集、投放物件等任務，因此各領域陸續投入結合無人飛行載具應用之研究人員
與資金逐日增加。根據 GlobeNewswire 公司在 2019 年的報告[1]表示：在 2018 年無人飛行載具的市場規模產值為97 億，並且預期在 2015 年至 2026 年期間複 合年均成長率 (Compound Annual Growth Rate, CAGR) 為 12.54% 的條件下，在 2026 年無人飛行載具之市場規模將達到 274 億。市場調查諮詢企業 Mordor Intelligence 也認為在 2019 年至 2024 年期間市場規模產值之複合年均成長率將 大於10%[2]，並且小型無人機市場規模之複合年均成長率更會超過 15%[3]，隨 著小型無人機的市場規模將持續成長，在民用與商用領域上也逐漸受到重視。
近年來各國法規對於民用及商用無人飛行載具陸續新增與修訂不同法規，歐 盟航空安全局 (Aviation Safety Agency, EASA) 、美國聯邦航空總署 (Federal Aviation Administration, FAA) 、中國民用航空局 (Civil Aviation Administration of China) 以及我國交通部民用航空局 (Civil Aeronautics Administration, MOTC) 都 有提出相關規範與政策。這也意味著各國政府重視無人飛行載具在民用目的上的 發展，並且無人飛行載具相關技術與用途的發展是重要且持續的。
第二節 研究動機
本研究主要利用無人飛行載具良好的機動性、地域限制低等特點搭載小型攝 影機，在無人飛行載具上建構即時自動辨識及定位目標物件的系統。此系統應用 深度學習技術在空拍影像物件辨識上，預期可依不同搜索目的預先訓練對應的辨 識模型，在不同情境下針對特定類別目標進行搜索與定位，例如：海上漂浮物搜 尋、災害救援探勘、監測外來種植披在的山林分布情形等等。
以監測外來種植披的分布為目的時，監測的區域通常在山林之中且人煙稀少，
道路行進不易，加上山林中地形崎嶇，大量樹木遮蔽視野，難以在特定位置觀測，
因此在探勘及記錄的過程勢必耗費大量時間。在上述視野受到侷限，並且地面行 動受到侷限的條件下，若是利用無人機在上空的視野及機動性，自動辨識並定位 外來種植披中心位置，就能快速分析其在地理環境的位置與範圍並縮短資料蒐集
處理目標植披，克服陸上視野與行動受限的問題。
更可增加不同種類與目的致動器，因此預期在本研究中提出的系統可衍生出多種 應用，在不同領域中實現快速搜索，同時降低時間、金錢與人力成本。
第三節 研究目的
基於無人飛行載具搭載攝影機可同時擁有良好的機動性與視野等優勢，本研 究預期建構針對空拍目標物即時自動辨識與定位的系統，該系統將被搭載在無人 飛行載具上，對飛行時所得的即時空拍影像與飛行姿態資料進行運算分析，得出 目標物當下的位置資訊。本研究中所提出的系統中主要包含物件辨識模型以及依 據 高 空 圖 像 定 位 目 標 物 的 方 法 。 首 先 物 件 辨 識 模 型 使 用 卷 積 神 經 網 路 (Convolutional Neural Network, CNN) 及大量空拍圖訓練具可用性之模型，用以 辨識得到影像中目標物件所在位置，其次根據圖像上之位置資訊以及感測器在無 人飛行載具上取得的飛行姿態資料、全球衛星導航系統座標，利用攝影測量法從 空拍影像標定目標物在物空間時的地理位置，使得無人載具可在取得高空影像的 同時完成自動辨識與定位目標物件，最後透過網路立即回傳目標物之辨識資訊與 定位資訊。