關鍵詞：車載光達系統、道路調查、分類、重建
2. 研究方法
2.3 類桿狀道路物件點雲分類
圖 7 類桿狀物件參數計算 (a)RANSAC 圓形擬合計算位置(b)計算物件方向
2.3 類桿狀道路物件點雲分類
完成物件偵測後，必需進行物件分類以得到模 型導向重建之物件類別屬性，本研究採用的物件式 點雲分類策略為知識庫方法，利用類桿狀道路物件 之語意特徵進行分類，將類桿狀物件分為 9 個類別
（如圖 8)，根據 9 大類之物件特性，選取 6 項特徵 進行知識庫分類，各項特徵描述如下：
2.3.1 位置
根據道路知識，類桿狀道路物件之在道路場景 中的位置特徵可提供分類，其中，資料前處理產生 的道路中心線可作為參考，如：物件相對於中心線 的位置可判斷出物件位於道路中央或道路兩側。
2.3.2 高度
根據道路設計規範，不同的道路物件皆有既定 的尺寸大小，如：物件之高度可作為類別辨識之線 索。
2.3.3 方向
物件之方向特徵如單向號誌及雙向號誌之差 異（如圖 9），以物件底部平面位置為中心，統計
物件頂部附屬結構各點雲之水平方位角，統計方式 與圖 7b 方法相同，統計出該頂部附屬結構是否具 有單向、雙向或無顯著之方向特性。
2.3.4 材質
根據道路知識，有一些道路件具有強反射材質 之看板，在點雲資料中，可以從強度值資訊中得到 此資訊（如圖 10）。
2.3.5 位相
類桿狀物件之附屬結構之位相關係能提供分 類之線索，例如：同時具有強反射材質看板之物件，
該看板若位於頂端可能為路牌（如圖 11 左），若不 是在頂端位置（例如：中間）則可判斷為路燈或其 他物件（如圖 11 右）。
2.3.6 形狀
形狀特徵為附屬結構物之點雲幾何特徵，如正 規化特徵值(Normalized Eigenvalue，如式 3)特徵 (Demantk´e et al., 2011)及多重回波率(Echo Ratio，
如式 4)(Höfle and Hollaus, 2010)，例如：在樹木之 樹冠部分，其多重回波率會明顯高於其他物件。
航測及遙測學刊 第二十卷 第二期 民國 105 年 04 月 100
圖 8 九大類物件樣式
雙向 單向 無 圖 9 方向特徵
圖 10 材質特徵：依強度值統計判釋(上：無強反射材質；下：含強反射材質)
路燈(單向) 路燈(雙向) 小型街燈 道路號誌(單向) 道路號誌(雙向)
小型道路標誌
道路看板 樹木 其他桿狀物
單向
雙向 無
張智安、邱繼珉：以多尺度萃取方法進行車載光達資料之類桿狀道路物件重建 101
圖 11 位向特徵：強反射材質看板之相對位置，左：
位於頂部；右：位於中間
Nλ = λ λ3
3+λ2+λ1
(3)
其中，λ3、λ2及λ1為最大至最小的局部點雲協方差 矩陣之特徵值。
ER(%) = (nfirst+nimtermeiate
nlast+nsingle ) × 100 (4)
式4 中，nfirst為第一回波點數，nimtermeiate為多重 回波中非第一也非最後回波的點數，nlast為最後回 波點數，nsingle為單一回波點數。
根據以上六項特徵及九類目標物件可整理出 表 2，本研究依照這些特性建立分類機制，其中，
在點雲分割及物件點雲偵測過程中包含非混合物 件及混合物件，由於兩者的特徵有明顯的不同，需 有不同的決策機制，例如：在非混合物件中，樹木 的多重回波率明顯比無樹葉遮蔽的人工物件高，此 特徵可做為第一步分類機制；而在混合物件中，無 論是人工物件或是樹木皆包含樹冠點雲，多重回波 率並無法作為判斷依據，因此，本研究將針對非混 合物件及混合物件建立不同之分類模式。
在非混合區部分，首先將樹木及人工物件區分，
再依序以其他各項特徵建立分類模式，樹木為首要 被區分之物件；而混合物件決策流程之目標為從受 樹冠遮蔽之物件點雲中辨識出人工桿件，因此，將 以人工桿件顯著之特徵作為首要辨識之項目。
表 2 物件特徵對照表
位置 高度 方向 材質 位相 形狀
路燈(單向) -- >7m 單向 -- -- --
路燈(雙向) 道路中央 >7m 雙向 -- -- --
小型街燈 -- ≤5m -- -- -- 線性特徵
道路號誌(單向) -- >5m
≤7m 單向 -- -- --
道路號誌(雙向) 道路中央 >5m
≤7m 雙向 -- -- --
道路看板 -- >5m 單向 -- 具位於頂部之大型看板
小型道路標誌 -- -- --
具位於頂部之強反射材質看
板 --
航測及遙測學刊 第二十卷 第二期 民國 105 年 04 月 102
樹木 -- -- -- -- -- 高多重回波率
其他桿狀物 -- >5m -- -- --