透過既有資料發展近景多視角影像提升三維房屋及道路模型，並評估建置效能

建置效能

近年來，隨著密匹配(dense matching)技術與攝影系統發展，加上空載 光達技術成熟，使得點雲導向的建模技術越發受到重視與廣泛使用。但點 雲缺乏物件(object)概念，沒有明確的屬性與實體(entity)資料，較難進行進 階的空間分析及查詢，單單在高點雲密度下能提供不錯的視覺展示效果，

或透過開源(open-source)或商業軟體從多視角影像中萃取影像點雲並建構 三角網模型。圖 4-3-20 為 UAV 拍攝之多張視角影像，圖 4-3-21、圖 4-3-22 為分別透過 VisualSFM 與 ContextCapture 分析多張不同視角影像所產製之點 雲案例。

圖 4-3-20、UAV 拍攝之影像(花蓮雲翠大樓)

圖 4-3-21、以免費開源軟體(VisualSFM)對多視角影像產製點雲案例

若單靠近景影像或純點雲資料難以建置精準且符合 OGC CityGML 的

解析度 14144*15552 平均地面解析度 9.7424cm/pixel 檔案大小 4343：200 M

圖 4-3-23、多視角影像提升模型流程圖

(1) 點雲與模型分析：本步驟為分析點雲、房屋與道路模型資料，

由於點雲數量龐大，為提升後續模型匹配、建置效能，此步驟為不 可或缺之資料前處理作業。因產製點雲軟體眾多，造成點雲檔案格 式不一，在進行本項分析步驟前，提前將點雲資料轉換至較通用的 格式(如 LAS、XYZ)，以利分析點雲坐標資料作業。圖 4-3-24 為展 示點雲資料畫面，紅色區域為試辦區域，圖 4-3-24a 為光達點雲資 料，圖 4-3-24b 為航照影像產製之點雲資料。因航照影像產製之點 雲並無圖幅分類概念，在分析其點雲坐標資訊時，亦依照圖幅範圍 將航照影像產製之點雲進行分類歸納。

(a) 光達點雲資料

(b) 航照產製之點雲資料

圖 4-3-24、點雲資料展示

(2) 點雲與模型匹配：此步驟為匹配各模型 polygon 所包含之點雲資訊，

根據圖幅編號與模型 polygon_ID 進行點雲資料分類，過濾模型以 外之點雲，減少模型與點雲之間分析量，分類成果如圖 4-3-25 所示。

因點雲資料量龐大，故須先進行過濾與匹配，以加速後續高程分析 作業。

(a) 點雲資料分類 (b) 點雲檔案內容

圖 4-3-25、點雲資料分類

(3) 高程分析：本步驟為分析模型所屬之點雲高程資訊，以眾數層平均 值的概念分析點雲高程。圖 4-3-26 為眾數示意圖，將點雲資訊(紅 點)分為 10 個區域，區域內點雲數量較多者即為選取高度之眾數層，

計算眾數層區域內點雲高程之平均值，將此值取代成為模型新的高 程資訊。圖 4-3-27 為模型(套用新的高程資訊)套疊點雲資料之示意 圖，圖 4-3-27a 為光達點雲分析成果，圖 4-3-27b 為航照產製之點 雲分析成果。

圖 4-3-26、眾數層圖示說明

(d) 光達點雲分析成果

(e) 航照產製之點雲分析成果 圖 4-3-27、點雲與模型套疊示意圖

(4) 產製 KML 模型成果：此步驟為產製模型成果資料，並以 KML 格 式為模型展示成果。圖 4-3-28 為產製之 KML 模型成果，每個 polygon 皆包含屬性資料，如 ID 編號、模型原始記錄高度(Roof_H)、

使用點雲提升之高程資訊(Las_H)等。圖 4-3-29 為光達點雲(灰色) 與航照產製之點雲(紅色)資料提升模型細緻度之模型套疊成果。

(a) 房屋模型成果-高度為點雲(眾數層)之平均值

(b) polygon 屬性資訊

圖 4-3-28、房屋模型成果

(a) 視角 1

(b) 視角 2

(c) 視角 3

圖 4-3-29、兩種點雲資料提升模型細緻度之套疊成果

透過點雲提升模型細緻度，在分析的點雲過程中，會有各種因素造成 模型高度不如預期或高度落差過大，如：屋頂突出物、雨遮、polygon 過於 細長等。圖 4-3-30a 為突出之雨遮案例，圖 4-3-30b 為 polygon 過於細長案 例。圖 4-3-31 為各資料非同期產製造成高度落差過大之案例，圖 4-3-31a 為 104 年光達點雲(灰色)與 107 年航照產製之點雲(紅色)提升之模型，兩者高 度落差約 54 公尺，再根據現有之航照影像進行比較，圖 4-3-31c 為 107 年 7 月之航照影像(屋頂結構較完整)，圖 4-3-31b 為 107 年 1 月之航照影像(屋頂 為建設階段)，因此合理推測 104 年時該房屋為尚未建置或正在興建中，才 造成房屋高度落差過大之情形。後續可針對各種因素進行研究與提升模型 細緻度之技術精進，減少人力介入建模時間，以及增加點雲資料的實用價 值。

(a) 光達點雲 航照產製之點雲 街景影像

(b) 光達點雲 航照產製之點雲 街景影像

圖 4-3-30、光達點雲、航照產製之點雲提升之模型與街景對照

(a) 104 年光達點雲(灰色)與 107 年航照產製之點雲(紅色)提升之模型

(b) 107 年 1 月航照影像 (c) 107 年 7 月航照影像

圖 4-3-31、資料非同期產製造成落差過大案例

針對房屋建置效能評估，若每次都對大量的點雲資料進行運算，建置 房屋模型將非常耗時，因此在設計流程架構時特別加入資料前處理之作業，

以提升高程分析、模型產製效能。建置效能如表 4-3-3 所示，在資料前處理 作業部分，光達點雲執行 6 個圖幅的前處理作業約耗時 10 小時，之後針對 房屋與點雲進行高程分析，每個圖幅耗費時間約在 10 秒內，每個圖幅產製 KML 格式成果耗時 10 秒內；航照產製之點雲執行 1 個圖幅的前處理作業 約耗時 190 小時，之後針對房屋與點雲進行高程分析，每個圖幅耗費時間 約在 1 分鐘內，每個圖幅產製 KML 格式成果耗時 10 秒。

表 4-3-3、點雲提升房屋精細度之建置效能表

光達點雲 航照產製點雲

前處理耗時

(只需一次) 10 小時/6 圖幅 190 小時以上/1 圖幅 高程分析耗時 10 秒內/1 圖幅 30 秒~1 分鐘內/1 圖幅

成果產製 10 秒內/1 圖幅 10 秒內/1 圖幅

在道路模型建置部分，同樣適用多視角影像提升模型流程作業(參考圖 4-3-23)，只需將房屋模型資料替換成道路模型資料，進行資料前處理作業，

即可迅速分析高程與成果產出。系統展示平台為 Google Earth，其地形高程 與測試資料之 DEM 或 DSM 不同，呈現道路模型成果時會出現與 Google Earth 地形高度對應不起來之情況，因此後續呈現道路成果畫面皆在關閉

點雲資料，而兩種點雲資料皆可看出道路區域內包含路樹或分隔島等高程 資訊

(a) 光達點雲資料 (b) 航照建置之點雲資料

圖 4-3-32、點雲資料展示

圖 4-3-33 為透過點雲提升道路模型細緻度之模型成果，紅色區域為試 辦區範圍。圖 4-3-34 為高程分析與模型建置成果與 google 地圖比對，圖 4-3-33a 左邊箭頭位置之道路模型高低起伏較大、右邊箭頭位置之模型則較 為平順，從對應之 Google Earth 地圖(圖 4-3-33b)看出左邊箭頭位置路樹較 多，而右邊箭頭幾乎無地上物遮蔽或干擾；圖 4-3-33c 上方箭頭位置之道路 模型較為平順，其餘道路模型高低起伏較大，從對應之 Google Earth 地圖(圖 4-3-33d)看出上方箭頭位置較為空曠，其餘道路皆有路樹干擾。由於路樹多 種植於道路兩側，正好與敘述道路 polygon 之節點相近，即使進行道路高程 平滑處理，也很難自動化的使道路平順或讓道路左右兩側的高度相近。

圖 4-3-33、高程分析與模型建置成果

(a) 提升細緻度之道路模型 (b) 對應 Google Earth 地圖

(c) 提升細緻度之道路模型 (d) 對應 Google Earth 地圖

圖 4-3-34、高程分析與模型建置成果與 google 地圖比對

在道路資料及參考資源缺乏的情況下，本項工作自動化產製出的道路 模型不足以提供展示使用，要建置精細程度與正確性較高的三維道路模型，

除了參考資料需足夠，更應在產置道路 polygon 資料時，就必須有系統性的 規劃與方案，本項工作提出幾項建議與考慮因素，並進行驗證作業，供未 來建置道路之參考方向，建議如下：

(1) polygon 的節點數：節點數越多，其提升之精細度越高，但分析的時間、

檔案大小與展示效能也將會增加。

(2) 道路分類：依道路使用方式分成平面道路、高架道路、橋樑等類別，後 續再根據道路類別使用對應的高程資料進行分析。

(3) 道路屬性：可包含線道數、對應的圖幅、道路中心線等屬性資料，屬性 資料越豐富、完整，越能提高自動化程度與降低人工介入的機會。

(4) 產製道路中心線：建置道路 polygon 時，應同時產製道路中心線，在後 續高程分析時，以道路中心線為高程分析主要資料，並與對應的道路 polygon 節點進行匹配，產製的三維道路模型成果會更好。

因本次試辦區內之道路模型缺少規劃與道路中心線等資料，為驗證上 述建議之可行性，本項工作就手邊現有資源 (道路面、道路中心線、DEM 與 DSM 等資料齊全下)挑選一小區域進行驗證測試。平面道路以 DEM 資料 進行高程分析，因 DEM 資料較為單純，不需擔心地上突起之物件，可直接

進行道路中心線與 DEM 之高程分析，分析與提升模型細緻度成果如圖 4-3-35 所示。圖 4-3-35a 為高程分析後之道路中心線，各中心線之節點皆具 有新的高程資訊，將道路中心線與道路面進行節點匹配，產製出道路模型(圖 4-3-35b)，圖 4-3-35c 為套疊分析之高程道路中心線與道路模型，以三維方 式檢視並驗證模型成果。

(a) 道路中心線與 DEM 高程分析成果 (b) 平面道路模型成果

(c) 道路中心線與道路模型套疊驗證

圖 4-3-35、高程分析與提升模型細緻度成果-平面道路

高架道路以 DSM 資料進行高程分析，成果如圖 4-3-36 所示。圖 4-3-36a

為分析道路中心線與 DSM 之高程成果，可看到部分中心線會有突起之情況，

觀看街景與航照影像發現該突起地點為道路指示門架(圖 4-3-36b 與圖 4-3-36c)，若直接使用此高程資料產製道路模型，在視覺上不符合一般人對 於道路認知，因此需將道路中心線 (polyline)平滑處理後，再與道路面 (polygon)進行節點分析，最後道路模型成果如圖 4-3-36d 所示。

(a) 道路中心線與 DSM 高程分析成果

(b) A 處航照與街景影像 (c) B 處航照與街景影像

(d) 道路中心線與 DSM 高程分析成果

圖 4-3-36、高程分析與提升模型細緻度成果-高架道路