將共線式與必要矩陣方法對旋轉影像的解算成果以 RMSE 進行分析，根據表 5-9 與表 5-10，可發現不論是單軸旋轉的情況或是多軸旋轉的影像，兩種方法解算 的檢核點成果都相似，考量到解算過程可能產生的合理誤差，僅能說明兩種方法 都可適用於旋轉影像的解算。
50
表 5-9 檢核點坐標解算 RMSE 比較表-影像旋轉。（單位：公尺）
ID
RoX RoY RoZ
共線式 電腦視覺 共線式 電腦視覺 共線式 電腦視覺
RMSE-X 1.039 1.015 1.046 1.031 1.199 1.188
RMSE-Y 0.967 1.007 1.028 1.004 1.108 1.089
RMSE-Z 2.975 2.924 3.053 3.002 3.165 3.216
RMSE 1.903 1.879 1.955 1.922 2.056 2.077
表 5-10 檢核點坐標解算 RMSE 比較表-影像旋轉（續）。（單位：公尺）
ID
RoXY RoXZ RoYZ RoXYZ
共線式 電腦視覺 共線式 電腦視覺 共線式 電腦視覺 共線式 電腦視覺
RMSE-X 0.947 0.950 1.180 1.163 1.074 1.053 0.944 0.918
RMSE-Y 0.909 0.992 0.892 0.907 1.276 1.252 0.873 0.958
RMSE-Z 2.562 2.607 3.082 3.049 3.505 3.459 2.926 2.776
RMSE 1.662 1.701 1.974 1.955 2.241 2.209 1.845 1.776
繪製 RMSE 為折線圖（圖 5-16、5-17），可發現兩種方法的 RMSE 分佈情況 相似，皆在高程方向有較高的 RMSE，雖然兩種方法在計算過程中有差異，共線 式以直接定位的後方交會解算方位參數與前方交會求解檢核點坐標，必要矩陣方 法以基礎矩陣及必要矩陣求解相對方位，再以三維仿射轉換進行絕對定位，但兩 種方法在影像旋轉的情況下解算成果品質相近，且各種旋轉情況的解算成果沒有 顯著差異。
51
無旋轉 對 X 軸旋轉
對 Y 軸旋轉 對 Z 軸旋轉
圖 5-16 檢核點坐標解算 RMSE 折線圖-影像旋轉。（單位：公尺）
52
對 X、Y 軸旋轉 對 X、Z 軸旋轉
對 Y、Z 軸旋轉 對 X、Y、Z 軸旋轉
圖 5-17 檢核點坐標解算 RMSE 折線圖-影像旋轉（續）。（單位：公尺）
53
54
像進行求解後分析。
3. 本研究僅針對攝影測量中的共線式與電腦視覺的必要矩陣進行討論，但攝影 測量中的共面式亦為常用方法，電腦視覺除必要矩陣外，可透過基礎矩陣方 法或直接線性方法求解，亦可作為比較分析的議題。
55
參考文獻
Cyganek, B. and J. P. Suebert, 2009. 2D and 3D Vision Formation, An Introduction to 3D Computer Vision Techniques and Algorithms, John Wiley & Sons, p. 17-38.
Dowling, T. I. and J. C. Gallant, 2013. High Resolution DEMs from Unmanned Aerial Vehicles, MODSIM 2013, p. 1603-1609.
Eisenbeiß, H., 2009. UAV Photogrammetry, Institut für Geodäsie und Photogrammetrie an der Eidgenössischen Technischen Hochschule Zürich, pp. 203.
Förstner, W., 2002. Computer Vision and Photogrammetry – Mutual Questions:
Geometry, Statistics and Cognition, International Symposium Photogrammetry meets Geoinformatics, 17. April 2002.
Fraser, C. S. and S. I. Granshaw, 2015. Computer Vision and Photogrammetry:
Interaction or Interspection, The Photogrammetric Record, 30(149): 3-7.
García-Gago, J., D. González-Aguilera, J. Gómez-Lahoz and J. I. San José-Alonso, 2014. A Photogrammetric and Computer Vision-Based Approach for Automated 3D Architectural Modeling and Its Typological Analysis, Remote Sensing, 2014, 6, 5671-5691.
Hartley, R. and J.L. Mundy, 1993. The Relationship between Photogrammetry and Computer Vision, SPIE93-photogrammetry, p.92-105.
Hartley, R., R. Gupta and T. Chang, 1992. Stereo from Uncalibrated Cameras, IEEE Computer Vision and Pattern Recognition, p.761-764.
Longuet-Higgins, H. C., 1981. A Computer Algorithm for Reconstructing a Scene from Two Projections, Nature, vol. 293, p. 133-135.
Mancini, F., M. Dubbini, M. Gattelli, F. Stecchi, S. Fabbriand G. Gabbianelli. 2013. Using Unmanned Aerial Vehicles (UAV) for High-Resolution Reconstruction of Topography:
The Structure from Motion Approach on Coastal Environments, Remote Sensing, 2013,
56
5, 6880-6898.
Mayr, W., 2013. Unmanned Aerial Systems-for the Rest of Us, Photogrammetric Week 2013, p. 151-163.
Neitzel, F. and J. Klonowski, 2011. Mobile 3D Mapping with a Low-Cost UAV System, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVIII-1/C22, 2011.
Ryan, J. C., A. L. Hubbard, J. E. Box, J. Todd, P. Christoffersen4, J. R. Carr, T. O. Holt, and N. Snooke, 2015. UAV Photogrammetry and Structure from Motion to Assess Calving Dynamics at Store Glacier, a Large Outlet Draining the Greenland Ice Sheet, The Cryosphere, 9, 1-11.
Sauerbier, M., E. Siegrist, H. Eisenbeiß and N. Demir, 2011. The Practical Application of UAV-Based Photogrammetry Under Economic Aspects, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXVIII-1/C22, 2011.
Snavely, N., S. M. Seitz and R. Szeliski, 2007. Modeling the World from Internet Photo Collections, Int J Computer Vis, DOI 10.1007/s11263-007-0107-3.
Szeliski, R., 2010. Computer Vision: Algorithms and Applications, E-book’s Web:
http://szeliski.org/Book/.
Westoby, M. J., J. Brasington, N. F. Glasser, M. J. Hambrey and J. M. Reynolds, 2012.
Structure-from-Motion Photogrammetry: A Low-Cost, Effective Tool for Geoscience Applications, Geomorphology, 179:300-314.
Zhang, Ch. and Wanqiang Yao, 2008. The Comparisons of 3D Analysis between Photogrammetry and Computer Vision, ISPRS 2008 Congress, Vol. 37, Part B3b, Commission III, Chen/Jiang/Förstner(Eds.), Beijing, China, pp. 33-36.
李昆霖，2001。 基本矩陣之最佳化與歐幾里德重建，碩士論文，國立交通大學資
57
訊科學研究所，pp. 79。
李家欣，2007。 多視點輔助定位系統，碩士論文，國立台灣科技大學機械工程系，
pp. 77。
張柏仁，2005。 基於視覺的智慧型指向系統，碩士論文，國立交通大學資訊科學 研究所，pp. 44。
鄭張鎧，2003。 透過兩個可自由旋轉及變焦的攝影機來重建歐幾里德空間，碩士 論文，國立交通大學電機與控制工程研究所，pp. 55。
鄭傑文，2007。 射影幾何於攝影測量之應用，碩士論文，國立台灣大學土木所，
pp. 121。
賴文能、陳韋志，2010。 淺談 2D 至 3D 視訊轉換技術，影像與識別，16 (2 )：61-75。
謝幸宜，2011。 以自率光束法提升四旋翼 UAV 航拍影像之定位精度，碩士論文，
國立政治大學地政所，pp. 89。
蕭振洋、謝寶珊、冀樹勇，2011。應用非常規攝影量測評估國道 3 號 3.1 公里崩 塌事件之土方量，中華水土保持學報，42(2): 120-130。