車載側拍影像定位定向之研究 - 政大學術集成

全文

(1)國立政治大學地政學系私立中國地政研究所. 碩士論文. 車載側拍影像定位定向之研究 Orientation Determination 政治大 of Vehicle立 Photographic Images based Side. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 研究生：陳玠穎指導教授：邱式鴻. 中. 華. 民. 國. 一. 零. 七. 年. 六. 月. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(2) 謝誌時光飛逝，覺得還在剛進碩一，原本還預期自己不會走入研究所，一下子兩年就要畢業了。首先感謝指導我的邱式鴻老師，陪伴我面對研究上大大小小的研究的困難；感謝口委們趙鍵哲和黃金聰老師很用心看我的文章，提供實質的建議；感謝我研究所的同伴們：立筠、翊豪、宏嘉、義傑、子愷、郁婷，一起經歷各種報告和作業。也感謝學弟妹們的陪伴，特別是邱邱家岑燕和政矩；以及學長姐們，. 政治大. 亞倫在學術上給我許多建議；最後特別感謝男友忠奎和家人們，支持我面對在研究上各種低潮。. 立. ‧ 國. 學. 覺得文章還有不是完整的地方，在研究所最珍貴的地方是給我思辨能力以及有一群研究所的同伴們陪我一起面對各種挑戰，願我能帶著這樣的. ‧. 能力踏入職場面對未來各種挑戰。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. II. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(3) 摘要三維建物模型中的牆面紋理敷貼可以來自空載傾斜攝影之傾斜影像，但在台灣都會區的建物密集，導致空載傾斜攝影於某些區域亦難取得靠近地面的建物影像，此可由近景攝影所拍攝之近景影像彌補，而測量車所取得之車載側拍影像正是快速獲取近景影像之來源。以車載側拍影像執行建物牆面影像敷貼時，須先以光束法平差完成影像之方位求解。而以往求解過程需依靠影像間共同的連結點，但都市區車載側拍影像中存在如招牌等直線特徵，亦可於光束法平差時作為連結線，因此本研究的主要目的即是研究當使用測量車距建物垂直距離約 3m 傾斜拍攝時，同一相機側拍前後. 政治大側拍影像重疊率約立 80%時，在須滿足三維建物模型中牆面紋理敷貼(即兩張重疊率約 60%，雙相機光軸水平夾角約 100 度，相鄰攝影站的雙相機. ‧ 國. 學. LOD3)精度要求下，以光束法平差執行車載側拍影像定位定向時，除了探討在測區兩端各佈設一組共四個控制點，於使用單相機與雙相機車載側拍. ‧. 影像的最多張數和最佳張數，並分析加入連結線是否能提升精度。研究成果顯示雙相機車載側拍影像定位定向結果較佳，且雙相機車載側拍影像在. y. Nat. sit. 符合 LOD3 模型精度下，測區兩端各佈設一組控制點時最多張數為 70 張. er. io. 影像，測區長約 245m；而由研究結果建議最佳張數為 28 張影像，測區長. al. v i n Ch 載側拍影像定位定向時，成果顯示加入連結線未能顯著提升精度，但加入 engchi U n. 約 90m 有較佳影像定位定向的結果。此外，本研究使用光束法平差執行車. 連結線以自率光束法平差執行影像定位定向時則可些微提升定位定向的精度。關鍵字：紋理敷貼、近景攝影測量、車載影像、光束法平差、連結線. III. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(4) Abstract The source for facade texture-mapping for 3D building models can be obtained from aerial oblique images. However, the images of high building lower parts are difficult to be obtained in some areas. Close-range images can remedy such a shortcoming of aerial oblique images. Additionally, close-range images can be collected faster and more effieiently by Surveying Vechicle. However, before facade texture mapping, bundle adjustment should be implemented to orient these vehicle-based side photographic images. Generally speaking, tie points and control points as well as camera parameters are necessary in bundle adjustment. Since straight line features of, e.g. images of signboards, exist in. 政治大 adjustment. In this study, it is supposed that vertical distance from surveying 立 vehicle to buildings is 3m, the overlap of adjacent images from one camera and these vehicle-based images, they can be also treated as tie lines in bundle. ‧ 國. 學. two cameras is 60 percent and 80 percent, respectively, and the horizontal angle bwteen the optical axis between two cameras is about 100 degree. The purpose is. ‧. to find out the most number and the best number of vehicle-based side photographed images in bundle adjustment on the basis of two set control points,. Nat. sit. y. totally four points, at both sides of test area and under the accuracy requirement. er. io. of 3D LOD3 building model. The other purpose is to discuss the potential accuracy by using tie lines in bundle adjustment. The result shows that vehicle-. n. al. Ch. i n U. v. based side photographic image orientation determination from simultaneously. engchi. two cameras is better than that using images from one camera. The most number of vehicle-based side photographed images using simultaneously two cameras is 70, ca. 245m. The best number of using simultaneously two cameras is 28, ca. 90m. Although the other result shows that no accuracy improvement of vehiclebased side photographic image orientation determination with adding tie lines in bundle adjustment, the result still shows accuracy is little improved in orientation determination with adding tie lines in self-calibration bundle adjustment. Keywords: texture-mapping, close-range photogrammetry, vehicle-based image, bundle adjustment, tie line IV. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(5) 目錄謝誌.............................................................................................................................................. II 摘要............................................................................................................................................. III ABSTRACT ................................................................................................................................ IV 目錄.............................................................................................................................................. V 圖目錄....................................................................................................................................... VII 表目錄....................................................................................................................................... XII 第一章. 緒論............................................................................................................................ 1. 政治大. 第一節研究背景與動機 ............................................................................................... 1 第二節研究目的 ........................................................................................................... 3. 立. 第三節論文架構 ........................................................................................................... 5 文獻回顧.................................................................................................................... 7. ‧ 國. 學. 第二章. 第一節車載影像應用與定位定向 ............................................................................... 7. 第三章. ‧. 第二節線特徵 ............................................................................................................. 13 研究方法與理論基礎 .............................................................................................. 18. y. Nat. sit. 第一節研究方法 ......................................................................................................... 18. al. n. 第四章. er. io. 第二節理論基礎 ......................................................................................................... 24. i n U. v. 實驗成果與分析 ...................................................................................................... 35. Ch. engchi. 第一節研究工具 ......................................................................................................... 35 第二節研究區域資料選取 ......................................................................................... 37 第三節實驗設計 ......................................................................................................... 41 第四節實驗成果 ......................................................................................................... 51 第五章. 結論與建議.............................................................................................................. 95 第一節結論 ................................................................................................................. 95 第二節建議 ................................................................................................................. 97. 參考文獻..................................................................................................................................... 98 附錄 A RIEGL 公司提供透鏡畸變差改正模式 ................................................................... 103 V. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(6) 附錄 B PIX4DMAPPER 軟體透鏡畸變差轉換關係 .......................................................... 104. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. VI. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(7) 圖目錄圖 1 直接地理定位與影像為基礎的地理定位成果比較圖(Cavegn et. al, 2016) ............................................................................................................................ 10 圖 2 視差角較小示意圖(藍文浩，2011)......................................................... 11 圖 3 x 視差示意圖(藍文浩，2011).................................................................. 12 圖 4 屋頂面的邊緣線作為線特徵(Hung et al., 2016) ..................................... 13 圖 5 影像定位定向上的共面的條件和共線的條件(Schenk, 2004)............... 15. 政治大一點 .................................................................................................................... 17 立. 圖 6 三條像空間直線觀測量平行(左)和交於一點(右)構成判斷面無法交於. ‧ 國. 學. 圖 7 實驗流程圖 .............................................................................................. 19 圖 8 控制點和連結線的佈設示意圖 .............................................................. 22. ‧. 圖 9 航空攝影測量的相對方位示意圖(Wolf et al., 2000) ............................. 27. y. Nat. er. io. sit. 圖 10 近景攝影測量的相對方位示意圖(PHOCAD, 2005) ........................... 27 圖 11 所有模型轉換至參考模型的模型坐標系統(PHOCAD, 2005) ........... 28. n. al. Ch. engchi. i n U. v. 圖 12 參考模型的模型坐標系統轉到控制坐標系統(PHOCAD, 2005) ........ 29 圖 13 後方交會示意圖(PHOCAD, 2005) ....................................................... 30 圖 14 線特徵於像片坐標系示意圖(PHOCAD, 2005) .................................... 31 圖 15 線特徵於物空間坐標系表示方式示意圖(PHOCAD,2005) ................ 32 圖 16 型號 RIEGL VMX-250 的測量車 .......................................................... 38 圖 17 車載相機 camera2 和 camera4 相機光軸水平夾角示意圖 ................. 38 圖 18 新竹北大路測區 .................................................................................... 39 VII. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(8) 圖 19 新竹北大路測區 camera2 相機拍攝之車載側拍影像.......................... 39 圖 20 政大測區 (a) 約 90m (b) 約 170m (c) 約 295m .......................... 40 圖 21 政大最短測區(約 90m)的 camera2 相機車載側拍影像 ...................... 40 圖 22 PHIDIAS 軟體中設定控制點的中誤差 ................................................ 41 圖 23 PHIDIAS 軟體中設定點的量測精度 .................................................... 42 圖 24 iWitness Pro 使用的黑白率定標示意圖 ............................................... 46 圖 25 執行車載相機率定作業過程 ................................................................ 47. 政治大. 圖 26 camera2 和 camera4 相機 5mm 鏡頭的相機率定場 ............................. 47. 立. 圖 27 5mm 鏡頭的 camera2 相機拍攝率定場的影像 ................................... 48. ‧ 國. 學. 圖 28 連結線配置幾乎共線示意圖 ................................................................ 50. ‧. 圖 29 連結線配置不共線示意圖 ..................................................................... 51. sit. y. Nat. 圖 30 新竹測區控制點和檢核點佈設示意圖 ................................................ 51. n. al. er. io. 圖 31 政大最短測區(約 90m)控制點和檢核點示意圖 .................................. 52. i n U. v. 圖 32 政大次短測區(約 170m)控制點和檢核點示意圖 ................................ 52. Ch. engchi. 圖 33 政大最長測區(約 295m)控制點和檢核點示意圖 ................................ 52 圖 34 Pix4DMapper 軟體輸出相機 camera2 無畸變差影像(相機參數為原廠率定) ................................................................................................................... 54 圖 35 Pix4DMapper 軟體輸出相機 camera4 無畸變差影像(相機參數為原廠率定) ................................................................................................................... 54 圖 36 Pix4DMapper 軟體相機 camera4 單張無畸變差影像(相機參數為原廠率定) ................................................................................................................... 55 VIII. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(9) 圖 37 Photoscan 軟體輸出相機 camera2 無畸變差影像(相機參數為原廠率定) ............................................................................................................................ 56 圖 38 Photoscan 軟體輸出相機 camera4 無畸變差影像(相機參數為原廠率定) ............................................................................................................................ 56 圖 39 Photoscan 軟體輸出相機 camera4 單張無畸變差影像(相機參數為原廠率定) ................................................................................................................... 57 圖 40 Pix4DMapper 軟體輸出相機 camera2 無畸變差影像(以 iWitnessPRO 軟體率定相機參數) ........................................................................................... 60. 治政大軟體率定相機參數) ........................................................................................... 60 立. 圖 41 Pix4DMapper 軟體輸出相機 camera4 無畸變差影像(以 iWitnessPRO. ‧ 國. 學. 圖 42 Pix4DMapper 軟體輸出單張無畸變差影像(以 iWitnessPRO 軟體率定相機參數) ........................................................................................................... 61. ‧. 圖 43 Photoscan 軟體輸出相機 camera2 的無畸變差影像(以 iWitnessPRO 軟. sit. y. Nat. 體率定相機參數) ............................................................................................... 62. io. er. 圖 44 Photoscan 軟體輸出相機 camera4 的無畸變差影像(以 iWitnessPRO 軟體率定相機參數) ............................................................................................... 62. n. al. Ch. engchi. i n U. v. 圖 45 Photoscan 軟體輸出相機 camera4 單張無畸變差影像(以 iWitnessPRO 軟體率定相機參數) ........................................................................................... 63 圖 46 新竹測區(約 90m)單相機 14 張車載側拍影像檢核點 X 方向和 Y 方向較差向量(放大 10 倍) ....................................................................................... 66 圖 47 新竹測區(約 90m)雙相機 27 張車載側拍影像檢核點 X 方向和 Y 方向較差向量(放大 10 倍) ....................................................................................... 67 圖 48 新竹測區(約 90m)單相機車載側拍影像檢核點平面較差和高程較差向量(放大 10 倍) ................................................................................................... 67 IX. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(10) 圖 49 新竹測區(約 90m)雙相機車載側拍影像檢核點平面較差和高程較差向量(放大 10 倍) ................................................................................................... 68 圖 50 新竹測區(約 90m)單相機和雙相機車載側拍影像檢核點整體較差向量 (放大 10 倍) ....................................................................................................... 68 圖 51 政大最短測區(約 90m)單相機 15 張(a)和雙相機 28 張(b)車載側拍影像檢核點 X 方向和 Y 方向較差向量(放大 10 倍).......................................... 71 圖 52 政大最短測區(約 90m)單相機 15 張車載側拍影像檢核點平面較差和高程較差向量(放大 10 倍) ............................................................................... 72. 政治大高程較差向量(放大 10 倍) ............................................................................... 72 立. 圖 53 政大最短測區(約 90m)雙相機 28 張車載側拍影像檢核點平面較差和. ‧ 國. 學. 圖 54 政大最短測區(約 90m)單相機和雙相機車載側拍影像檢核點整體較差向量(放大 10 倍) ............................................................................................... 73. ‧. 圖 55 政大次短測區(約 170m)單相機 26 張(a)和雙相機 51 張(b)車載側拍影. sit. y. Nat. 像檢核點 X 方向和 Y 方向較差向量(放大 10 倍).......................................... 74. al. er. io. 圖 56 政大次短測區(約 170m)單相機車載側拍影像檢核點平面較差和高程. v. n. 較差向量(放大 10 倍) ....................................................................................... 75. Ch. engchi. i n U. 圖 57 政大次短測區(約 170m)雙相機車載側拍影像檢核點平面較差和高程較差向量(放大 10 倍) ....................................................................................... 75 圖 58 政大次短測區(約 170m)單相機和雙相機車載側拍影像檢核點整體較差向量(放大 10 倍) ........................................................................................... 76 圖 59 單和雙相機車載側拍影像成果的平面精度和高程精度(單位:cm) ... 77 圖 60 單相機和雙相機車載側拍影像檢核點較差最大值(上)、平均值(中)、最小值(下) (單位:cm) ........................................................................................ 78. X. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(11) 圖 61 新竹測區(約 90m)雙相機車載側拍影像於路口處景深大以及連結點較少 .................................................................................................................... 79 圖 62 政大測區 220m 雙相機車載側拍影像於路口處景深大及連結點較少 ............................................................................................................................ 81 圖 63 政大測區約 295m 擴增的區域街景變化較為複雜 ............................. 82 圖 64 新竹測區所有連結線配置 ..................................................................... 88 圖 65 政大測區所有連結線配置 ..................................................................... 90. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. XI. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(12) 表目錄表 1 測量車的應用(整理自藍文浩(2011)和國土測繪中心(2016)) ................. 8 表 2 camera2 相機和 camera4 相機率定結果(相機參數為原廠率定) .......... 53 表 3 camera2 相機和 camera4 相機率定結果(iWitness Pro 軟體率定相機參數) ....................................................................................................................... 59 表 4 不同控制點取得方式進行影像定位定向的檢核點 RMSE .................. 64 表 5 政大測區控制點來源為地面測量與光達資料的假說檢定結果 ........... 64. 政治大. 表 6 新竹測區單相機和雙相機車載側拍影像定位定向檢核點 RMSE ....... 65. 立. 表 7 新竹測區(約 90m)單相機與雙相機假說檢定結果 ............................... 65. ‧ 國. 學. 表 8 新竹測區（約 90m）單和雙相機車載側拍影像檢核點較差絕對值之最大值和最小值 ................................................................................................ 66. ‧. 表 9 政大測區單相機和雙相機車載側拍影像定位定向檢核點 RMSE ....... 69. y. Nat. er. io. sit. 表 10 政大測區單相機與雙相機假說檢定結果 ............................................ 70. al. 表 11 政大最短測區(約 90m)單相機 15 張和雙車載 28 張側拍影像檢核點較. n. v i n C h............................................................................ 差絕對值之最大值和最小值 70 engchi U. 表 12 政大次短測區(約 170m)單相機 26 張和雙相機 51 張車載側拍影像檢核點較差絕對值之最大值和最小值 ................................................................ 73 表 13 新竹測區(約 90m)於十字路口加佈控制點的檢核點 RMSE ............. 80 表 14 新竹測區(約 90m)不同控制點個數其檢核點較差絕對值的最大值 .. 80 表 15 政大測區約 170m 擴區至 220m 不同控制點個數的檢核點 RMSE ... 80 表 16 政大測區約 170m 每 10 張擴增至約 295m 影像張數和控制點個數 83 XII. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(13) 表 17 政大測區約 170m 擴區至約 295m 影像定位定向檢核點 RMSE ....... 84 表 18 政大測區約 170m 擴區至約 295m 雙相機車載側拍影像檢核點較差 ............................................................................................................................ 84 表 19 政大最短測區(約 90m)每 14 張和每 28 張佈設一組控制點定位定向成果 .................................................................................................................... 85 表 20 雙相機每 28 張和每 14 張佈設一組控制點假說檢定結果 ................ 85 表 21 政大次短測區(約 170m)不同控制點個數下定位定向檢核點的 RMSE ............................................................................................................................ 86. 政治大對值 .................................................................................................................... 86 立. 表 22 政大次短測區(約 170m)不同控制點個數下定位定向檢核點的較差絕. ‧ 國. 學. 以最長測區(約 295m) 最佳拍攝張數的影像定位定向成果如表 23，約每 28 張佈一組控制點相較原最長測區影像定位定向的成果，其平面精度可提升. ‧. 21.3cm、高程精度可提升至約 6cm。檢核點較差絕對值最大值(見 ........... 86. sit. y. Nat. 表 23 政大最長測區(約 295m)不同控制點個數下定位定向檢核點的 RMSE. io. er. ............................................................................................................................ 86. al. v i n Ch 對值 .................................................................................................................... 87 engchi U n. 表 24 政大最長測區(約 295m)不同控制點個數下定位定向檢核點的較差絕. 表 25 新竹測區連結線配置測試模組 ............................................................. 88 表 26 新竹測區加入連結線於雙相機車載側拍影像定位定向成果 ............. 89 表 27 新竹測區雙相機車載側拍影像加入連結線並開啟自率光束法平差的檢核點 RMSE .................................................................................................... 90 表 28 新竹測區雙相機車載側拍影像定位定向時加入連結線的檢核點較差絕對值最大值和檢核點較差平均值 ................................................................ 90. XIII. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(14) 表 29 政大測區連結線配置測試模組 ............................................................. 91 表 30 政大測區加入連結線於雙相機車載側拍影像定位定向檢核點 RMSE ............................................................................................................................ 91 表 31 政大測區雙相機車載側拍影像定位定向時加入連結線於並且開啟自率光束法平差檢核點 RMSE ............................................................................ 92 表 32 政大測區雙相機車載側拍影像定位定向時加入連結線的檢核點較差絕對值最大值和檢核點較差平均值 ................................................................ 93. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. XIV. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(15) 第一章. 緒論. 第一節研究背景與動機三維數位城市(cyber city)的建置、更新與加值應用為近年來各國政府、民間企業發展之趨勢與著重的項目 (蔡富安等人，2013)。三維城市模型可展示三維數位城市，三維城市模型細緻程度分為 5 個層級精細度(Level of Details, LOD)，其中 LOD3 模型要求建物牆面紋理影像敷貼於三維房屋模型使展示更為真實。. 治政大而目前建物影像來源包含航空攝影影像和地面近景攝影影像，航空攝立. 影影像又包含空載垂直影像或空載傾斜影像，而地面近景攝影影像包含動. ‧ 國. 學. 態序列影像、車載影像(Robles-Ortega, Ortega, and Feito, 2013)以及定點拍攝. ‧. 影像(黃文利，2000；林汝晏，2013)。空載傾斜影像雖可以涵蓋大範圍房. y. Nat. 屋牆面的紋理，但相對於地面近景攝影取得之影像，空載影像之解析力和. er. io. sit. 品質通常較差，且不易拍攝到鄰近地面之建物面影像，尤其是在房屋密集的臺灣都市(蔡富安、陳良健，2010)，因此地面近景影像可以彌補空載傾. al. n. v i n 斜影像未涵蓋且臨地面的建物面影像。地面近景影像取得方式可分成手持 Ch engchi U. 拍攝、推車拍攝以及測量車(surveying vehicle)拍攝等三種方式，手持或推車拍攝方式雖機動性較佳、能設計較佳之拍攝方式構成較佳之拍攝交會幾何，但收集資料速度較慢；而測量車拍攝雖然與手持或推車拍攝影方式相比機動性較差、相機拍攝高度和位置限制較大，導致於較無法設計較佳的拍攝方式、構成較佳的拍攝幾何，但資料收集速度較快，可以提高工作效率 (Cavegn, Nebiker, and Haala, 2016) 。因此， Kang 、 Zlatanova 和 Gorte(2007)利用車載影像建立建物面紋理資訊。 1. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(16) 但利用拍攝之車載建物影像進行紋理敷貼(texture mapping)前必須事先進行影像的定位定向，影像的外方位參數不佳會造成三維建物模型影像敷貼錯誤(Kada, Klinec, and Haala, 2005)。測量車雖具有直接地理定位(Direct Georeferencing, DG)的功能，亦即以以全球衛星導航測量(Global Navigation Satellite System,GNSS)和慣性導航系統(Intertial Navigation System,INS)計算之軌跡資料以及系統率之定軸臂(lever arm)與軸角(boresight angle)化算取得車載影像外方位參數(Bäumker and Heimes, 2001)，然若以此作為車載影像外方位參數，易受到多路徑效應、週波脫落、不正確的週波未定值影響，. 政治大值影響，所獲取的直接定理定位資料配合車載影像直接前方交會量測像點立其成果品質較不佳，即使不受多路徑效應、週波脫落、不正確的週波未定. ‧ 國. 學. 的物空間三維坐標，成果品質仍然不佳(Cavegn et al., 2016)。相較於直接地理定位的成果，使用光束法平差(Bundle Adjustment)執行影像定位定向之. ‧. 後，其外方位成果品質較佳，能得到較佳的前方交會量測像點的物空間三. sit. y. Nat. 維坐標成果(藍文浩，2011；Eugster, Huber, Nebiker, and Gisi, 2012；Cavegn. io. al. er. et al., 2016；林舒葦，2016)。因此，以光束法平差取得車載影像定位定向. n. 資訊和影像執行房屋模型牆面紋理敷貼時，理論上應該亦可獲得較佳之成果。. Ch. engchi. i n U. v. 然而以光束法平差執行車載影像定位定向時，受限於測量車本身的限制和拍攝環境限制，導致車載影像間比例尺差異較大；此外，車載影像中地物遮蔽導致不僅須克服共同連結點匹配之問題，甚至還要克服相機間基線較短以及車載影像視差角較小，造成執行光束法平差時網形強度較弱之問題。而依據測量車前進方式和拍攝方向，車載影像又可再細分為車載前拍. 2. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(17) 影像和車載側拍影像，而車載側拍影像中涵蓋低樓層建物紋理的範圍較車載前拍影像多，因此本研究選擇車載側拍影像。從前人文獻中，車載前拍影像共同點匹配問題之研究，如藍文浩 (2011)以 SIFT 匹配演算法執行車載前拍影像共同點自動量測之後，但因車載前拍網形強度較弱，少量的錯誤會使光束法平差無法收斂，無法如航拍影像於光束法平差執行偵錯剔除，因此先以 x 視差大於門檻值 150 像元視為誤匹配點執行剔錯，進而執行車載前拍影像定位定向。車載前拍影像執行光束法平差時網形強度較弱問題解決之研究，如林. 治政舒葦(2016)建議增加攝影站數、增加控制點等方式，在部分像對重疊率低大立的區域多佈設控制點，使其提升車載前拍影像定位定向的精度。而本研究 ‧ 國. 學. 欲取得涵蓋較多的低樓層建物影像以供後續建物模型牆壁貼圖使用，相較. ‧. 於車載前拍影像，車載側拍影像於影像中涵蓋較多的低樓層建物紋理，因此本研究選擇車載側拍影像。然前人多著重在車載前拍影像之方位求解，. y. Nat. io. sit. 目前對於車載側拍影像之方位求解，並無文獻深入探討，因此本研究將就. n. al. er. 車載側拍影像的定位定向進行實驗分析，作為將來以車載側拍影像執行三. Ch. 維房屋模型牆面紋理敷貼時的參考。. engchi. i n U. v. 第二節研究目的本研究將針對車載側拍影進行定位定向之實驗。而近景攝影測量中，線特徵加入影像定位定向為提升精度方法之一，在人造場景如建物、道路、招牌等都含有大量線特徵，線特徵可作為連結線或控制線。Schenk(2004) 認為真實物空間中含有豐富的線特徵，可以將線特徵作為連結線，功用和連結點相似，以往連結點所連結的影像間須重疊，而連結線不僅可連結兩. 3. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(18) 張重疊影像，同時可以連結兩張未重疊的影像。而線特徵可以輔助影像定位定向，以垂直連結線、水平連結線、圓形等特徵加入和連結點進行相對方位，研究成果顯示可以提高相對方位精度(Zhang,Hu, and Zhang, 2011)；林汝晏(2013)以正直拍攝方式拍攝低樓層和高樓實驗區，得到兩個控制點和一條控制線進行自率光束法平差，其可達到三個控制點進行自率光束法平差之精度。本研究之測量車盡可能行駛於外車道上以避免車行之影響，測量車的車速約 30km/hr，測量車距建物的垂直距離約為 3 公尺的情形下，側拍取. 政治大. 得車載側拍影像資料。此時，同一相機拍攝前後兩張重疊率約 60%，兩台. 立. 相機光軸水平夾角約 100 度，相鄰攝影站的雙相機側拍影像重疊率約 80%。. ‧ 國. 學. 綜合上述，於車載資料的限制下，本研究於將來使用車載側拍建物影. ‧. 像進行三維房屋紋理敷貼之前提，探討車載側拍影像與加入線特徵作為幾何連結資訊，分析以光束法平差執行車載側拍影像的定位定向時之精度。. y. Nat. er. io. sit. 因此，本研究之目的主要有兩點：. al. 一、測區兩端各佈設一組共四個控制點，於同一相機拍攝前後兩張重疊約. n. v i n C h 100 度，相鄰攝影站的雙相機側拍影像重 60%、雙相機光軸水平夾角約 engchi U. 疊率約 80%的情形下，於滿足三維建物模型中的牆面紋理敷貼(即 LOD3) 精度要求時，車載側拍影像的最多拍攝張數，並且根據本研究測區建議車載側拍影像的最佳拍攝張數。二、探討車載側拍影像定位定向提升精度方法。如使用單相機或雙相機車載側拍影像對影像定位定向的影響量、增加線特徵於影像定位定向討論是否提升精度、以及其他精度提升之建議。. 4. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(19) 第三節論文架構本研究討論車載側拍影像定位定向，並且探討線特徵加入光束法平差是否會提升車載側拍影像定位定向的精度，以及其他可能提升精度之作法。論文共分為五個章節，本論文之章節內容編排如下：第一章緒論包含研究背景、動機，以及本研究欲達成之目的。第二章文獻回顧分為兩節，第一節回顧車載影像定位定向相關文獻，除了介紹車載影像的應用和特性、亦說明車載影像在定位定向上先天條件. 政治大. 的限制以及克服的方法。第二節接著介紹線特徵輔佐近景影像定位定向的. 立. 相關文獻。. ‧ 國. 學. 第三章說明研究方法及理論基礎，第一節的研究方法介紹整體的研究. ‧. 流程，包含相機率定和車載側拍影像影像定位定向的實驗；第二節中將介紹相機率定理論以及影像定位定向的理論，包含相對方位、絕對方位、後. y. Nat. er. io. sit. 方交會和光束法平差。. al. 第四章第一節說明本研究使用之軟體；第二節說明研究區域的資料和. n. v i n Ch 選擇之方式；第三節為實驗設計，相機參數模式探討、檢核和率定、光達 engchi U 資料作為控制點可行性評估、單和雙相機車載側拍影像定位定向精度之探討、最多和最佳拍攝影像張數的探討以及連結線配置之探討；第四節分析相機參數檢核和率定的成果、光達資料作為控制點的可行性結果、單相機前後重疊率約 60%和相鄰攝影站的雙相機側拍影像重疊率約 80%下，於測區兩端各佈設一組共四個控制點的單相機和雙相機車載側拍影像定位定向的結果；根據前述成果提出最多影像張數和最佳影像張數佈設，最後探討線特徵對影像定位定向之影響。 5. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(20) 第五章為結論與建議，將實驗成果討論整理，並且提出建議。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 6. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(21) 第二章. 文獻回顧. 第一節車載影像應用與定位定向車載影像(Vehicle-based Images)是由安裝在測量車上的相機拍攝取得。測量車拍攝都市區的影像包含建物、行經的道路以及道路旁的相關標誌等 (Kang, Zlatanova, and Gorte, 2007)。測量車拍攝影像的特點為方便性和快速性，因此測量車的應用廣泛，若應用於建物模型建置，車載影像解析度高，亦可應用於建物牆面紋理敷貼(Kang et al., 2007)。欲精確應用車載影像於. 政治大. 建物牆面紋理敷貼時，影像需先經光束法平差執行方位求解，完成影像的. 立. 定位定向；然而車載影像在執行光束法平差時具有車載影像對間視差角較. ‧ 國. 學. 小，造成網形幾何條件較弱之問題；且於光束法平差時的共同連結點之影像匹配上有比例尺差異較大、以及地物遮蔽造成匹配之問題。綜合上述，. ‧. 本節分為測量車和車載影像的應用文獻回顧，以及回顧車載影像定位定向. Nat. sit. y. 的限制和克服方法之文獻。. n. al. er. io. 一、測量車和車載影像的應用. Ch. i n U. v. 測量車屬於移動式的測繪系統(Mobile Mapping System, MMS)，其結. engchi. 合 GNSS 和 INS(Bäumker and Heimes, 2001；李玉華、江凱偉、饒見有， 2010)，提供直接地理定位的功能，而在測量車上多會安裝相機、光達 (LiDAR)、甚至是環景相機等感測器來輔助空間資訊的收集。測量車的應用廣泛，舉凡資料收集、測量、建模、管理規劃方面都可以見其應用，如表 1 為測量車的應用整理，其內容整理自藍文浩(2011)和國土測繪中心 (2016)。. 7. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(22) 表 1 測量車的應用(整理自藍文浩(2011)和國土測繪中心(2016)) 應用項目. 內容. 資料收集. 道路網資料收集、農業資料收集、道路資料採集調繪、空中電纜線自動化偵測收集電纜數據. 測量. 道路測量、將拍攝影像合併形成真實立體空間進行量測、測繪電子地圖 3D 街景建模. 建模. 公路 GIS、公路路產管理、建物動態監測、. 管理規劃. 目前內政部國土測繪中心使用測量車應用於台灣通用電子地圖圖資更新和國土利用調查。應用於台灣通用電子地圖圖資更新時，使用測量車系. 政治大. 統中的車載影像進行道路名稱確認；國土利用調查之應用則是在城市區域. 立. 受坵塊臨道路面遮蔽情形少時，透過測量車進行國土利用調查更新作業. ‧ 國. 學. (國土測繪中心，2016)。. ‧. 測量車系統中的車載影像亦可以應用於地形圖調繪補測。蔡展榮、吳建億、李明軒等人(2010)利用已知物空間法檢定相機參數，進行測量車雙. y. Nat. io. sit. 像機同步向前拍照的近景攝影測量作業，成果可應用於 1/1000 地形圖調繪. n. al. er. 補測。此外，車載影像也應用於建物的牆面紋理貼圖(Kang, Zhang, Zhang, and. Ch. i n U. v. Zlatanova, 2007)，利用完成定位定向的車載影像先進行影像糾正、影. engchi. 像序列分段、影像鑲嵌，最後配合 2D 向量地圖以半自動的方式將建物牆面紋理敷貼於建物模型。二、車載影像定位定向的限制和克服方法前述之應用，車載影像需使用光束法平差執行車載影像的定位定向才具較佳的成果(蔡展榮等人，2010)，而測量車系統中的直接地理定位成果，雖可直接取得車載影像的定位定向資訊，即影像外方位參數。然而以此影像外方位參數進行車載影像定位定向仍有些問題尚需克服。 8. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(23) 直接地理定位可提供影像的外方位參數，是從 GNSS/INS 直接取得資料經系統率定資訊改算得到影像外方位參數；由於 GNSS 系統在都市區域容易受到多路徑效應、週波脫落、不正確的週波未定值，若以直接地理定位的影像成果進行前方交會，量測像點的物空間三維坐標，其成果品質容易不穩定(藍文浩，2011；Eugster, Huber, Nebiker, and Gisi, 2012；Cavegn et al., 2016；林舒葦，2016)。Eugster 等人(2012)使用直接地理定位和整合地理定位(Integrated Georeferencing, IG)加鬆散耦合卡爾曼濾波，計算出的車子行進軌跡成果進行比較。整合地理定位在 GNSS 訊號較差的區域，利用. 政治大執行鬆散耦合卡爾曼濾波，得到較佳影像外方位參數的成果。以街道長分立. 雙像光束法平差後的影像外方位參數與直接地理定位收訊較佳的區域共同. ‧ 國. 學. 別為 1.7km 和 1.5km 的測區，直接地理定位的影像前方交會其控制點和檢核點坐標殘差值的標準差多超過 20cm 以上；而使用整合地理定位的影像. ‧. 前方交會其控制點和檢核點坐標殘差值的標準差可降至 10cm 以下；. sit. y. Nat. Cavegn 等人(2016)亦使用直接地理定位與影像為基礎的地理定位( Image-. io. er. based Georeferencing)，即以光束法平差執行影像定位定向，取得車載前拍. al. 影像外方位參數執行前方交會計算檢核點的均方根誤差(Root Mean Sqaure. n. v i n C1。以在測區序號(Seq.)2.1 Error , RMSE)，成果如圖 h e n g c h i U 長 212m 影像張數 342 張使用直接地理定位的方法其檢核點的 RMSE 為 59.3cm，影像為基礎的地理定位方法並使用四個控制點其檢核點的 RMSE 成果為 7.3cm；而在測區序號(Seq.)2.2 另一長 217m 影像張數 382 張測區，使用直接地理定位的方法其檢核點的 RMSE 為 81.3cm；以光束法平差執行影像定位定向並使用四個控制點其檢核點的 RMSE 成果為 22.5cm。由上述文獻可知光束法平差執行車載影像定位定向取得的車載影像外方位參數成果較佳。. 9. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(24) 政治大. 圖 1 直接地理定位與影像為基礎的地理定位成果比較圖(Cavegn et. al,. 立. 2016). ‧ 國. 學. 測量車取得的車載影像執行光束法平差時具有網形強度較弱，而且車. ‧. 載影像中的比例尺差異較大、車載影像視差角較小、地物遮蔽的限制(藍文浩，2011；林舒葦，2016)。藍文浩(2011)使用車載前拍影像，兩台相機. y. Nat. io. sit. 基線長 1.65m，相機拍攝平均距離約 30m 的物體，視差角大約 3.15 度(如. n. al. er. 圖 2)，由於相機與基線比不足，導致網形幾何不佳、視差角較小，以及. Ch. i n U. v. 車載前拍影像的像對間比例尺差異大，使用 SIFT 演算法匹配車載影像因. engchi. 比例尺的差異大有錯誤匹配的情形。而網形幾何不佳和視差角較小造成在光束法平差時少量的錯誤匹配點，易使網形變形而無法解算。. 10. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(25) 圖 2 視差角較小示意圖(藍文浩，2011) 為克服方法上述問題，在改善車載影像匹配錯誤的部分，藍文浩. 政治大. (2011) 使用 SIFT 演算法匹配車載前拍影像後，增加影像張數來增加共軛. 立. 匹配點的視差角度和網形強度，並且以 x 視差的方式，當 x 視差(如圖 3 所. ‧ 國. 學. 示)大於門檻值 150 像元時，將錯誤匹配點剔除；此外因使用車載前拍影像，接近影像中心的物點視差角接近 0 度，也將接近影像中心的共軛匹配點對. ‧. 剔除； Choi 等人 (2013) 為取得較正確的連結點，影像匹配使用. Nat. sit. y. KLT(Kanade-Lucas-Tomas)演算法，而為了移除於影像上為移動物體上的. n. al. er. io. 點，先使用多張影像外方位參數的初始值，利用共線式去計算各張影像共. i n U. v. 同點的物空間三維坐標，接著逐張檢查，利用計算出的共同點物空間三維. Ch. engchi. 坐標和該張外方位參數的初始值投影計算共同點的影像坐標，若投影後共同點的影像坐標與匹配出共同點的影像坐標差值很大，則該共同點對應到物空間應為移動物體需刪除。. 11. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(26) 圖 3 x 視差示意圖(藍文浩，2011). 治政提升影像定位定向的精度有：增加攝影站數、增加控制點、增加基線大立物距比可以提高物空間精度。但考量到相機的基線受限於車體的寬度無法 ‧ 國. 學. 大幅增加基線物距比，因此著重於增加攝影站數、增加控制點(林舒葦，. ‧. 2016)。林舒葦(2016)測試在曲率較小(1/265m)彎道的航帶，除測區兩端也在測區內約每 60m 佈設控制點，在曲率較大(1/21m)彎道的測區，需額外. y. Nat. er. io. sit. 在前後重疊率低的像對多佈控制點。. al. 前述藍文浩、林舒葦、Cavegn 等人皆使用車載前拍的影像，然在車載. n. v i n Ch 側拍影像部分並未著墨。若應用於建物的紋理敷貼，車載側拍影像涵蓋建 engchi U. 物街景較大，可敷貼的紋理範圍較多，因此本研究探討車載側拍影像進行影像定位定向，期待供後續應用之參考。而車載側拍影像仍會有上述提及網形強度較弱且車載影像中的比例尺差異較大、車載影像視差角較少、地物遮蔽等問題，本文旨於滿足建物 LOD3 模型精度前提下，探討車載側拍影像定位定向之精度，因此前人提及如增加攝影站數、增加控制點可提升物空間精度的考量因素，亦將納入本研究中探討；而近景攝影測量中，線特徵加入影像定位定向亦為提升物空間精度的因素之一，亦將於研究中一 12. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(27) 併分析。下節將詳述線特徵於近景攝影測量中影像定位定向提升精度之文獻。. 第二節線特徵線特徵(Line Feature )為特徵物以直線或曲線的方式呈現，在真實物空間中，特別是在人造場景如建物邊緣線、道路線、招牌等都含有大量線特徵。在影像定位定向上，以直線為基礎的線特徵在影像定位定向上可以作為控制線(Control Line)或連結線(Tie Line)，如 Hung、Chang 及 Chen 等人. 政治大. (2016) 將建物屋頂面的邊緣線作為控制線如圖 4 所示。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4 屋頂面的邊緣線作為線特徵(Hung et al., 2016) 線特徵優勢為以線特徵為基礎的空中三角測量光束法平差比與點特徵為基礎空中三角測量光束法平差可以更彈性處理物空間資訊。李志宏 (2002)認為直線觀測量不需要求有共軛的直線端點，對於觀測量的量測有相當的彈性，在某些程度的遮蔽線條仍可以列出條件方程式，而且若是遮蔽的建物角點亦可由直線交點恢復；Schenk(2004)認為真實物空間中含有. 13. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(28) 豐富的線特徵，可以將線特徵作為連結線，功用和連結點相似，以往連結點所連結的影像間須重疊，而連結線不僅可連結兩張重疊的影像，還可連結兩張未重疊的影像。此外，線特徵可以輔助影像方位解算 (Mikhail,Bethel,and McGlone, 2001)。趙鍵哲和彭念豪(2005)以控制直線進行單像後方交會，再利用後方交會的影像前方交會得到檢核點的定位精度，成果顯示使用控制直線於近景影像前方交會的成果可達公分級精度。線特徵越長可以提升判斷面的品質，進而提升方位解算之物空間精度(蕭伊伶，2013)；於最少控制且均勻. 政治大. 分布的情況下，林汝晏(2013)以高樓層和低樓層的政大校園建物作為實驗. 立. 區，僅以兩控制點及一條控制線進行自率光束法區域平差時，仍可達到與. ‧ 國. 學. 三個控制點相當的精度；Zhang、Hu 及 Zhang(2011)將垂直連結線、水平連結線、圓形等特徵加入影像定位定向的相對方位，研究成果顯示加入特徵. ‧. 可以提高相對方位精度。. y. Nat. al. er. io. 2011; Habib, Morgan, Kim, and Cheng, 2004)：. sit. 線特徵的特性整理如下(Schenk, 2004;李志宏，2002; Zhang et al.,. n. v i n Ch 1. 在人造場景中，含有大量直線資訊作為線特徵。 U i e h n c g 2. 線特徵為基礎的空中三角測量光束法平差與點特徵為基礎空中三角測量光束法平差相比可以更彈性處理物空間資訊 3. 線特徵可以連結兩張未重疊的影像 4. 以線特徵和曲線作為多餘觀測量可以提高相對方位精度線特徵的方位解算的方式分為共面(Coplanarity)條件(Schenk, 2004) 和. 共線(Collinearity)條件，如圖 5 的左圖(a)為共面條件之圖示，右圖(b)為共線條件之圖示。. 14. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(29) 政治大. 圖 5 影像定位定向上的共面的條件和共線的條件(Schenk, 2004). 立. 線特徵的直線共線條件於物空間的數學式呈現如下，若一物點 A. ‧ 國. 學. 在直線上之一已知點，點 P 位在同一條直線上一物點，如式 1 至式 3。. Nat. y. ‧. 𝑋𝑝 = 𝑋𝐴 + 𝑡 ∙ 𝑎. n. Ch. 𝑍𝑝 = 𝑋𝐴 + 𝑡 ∙ 𝑐. engchi. er. io. al. sit. 𝑌𝑝 = 𝑋𝐴 + 𝑡 ∙ 𝑏. i n U. v. 式 1. 式 2. 式 3. 式中𝑋𝑝 、𝑌𝑝 、𝑍𝑝 為 P 點的三維坐標，a、𝑏、𝑐為方向向量，𝑡為直線參數。將直線上某一物點 P 的三維坐標，如式 1、式 2 和式 3 分別代入共線式，即可得物點 P 之共線式，如式 4 和式 5，就是物點 P 以共線方式呈現之數學式。. 15. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(30) 𝑥𝑝 = −𝑐𝑘. 𝑦𝑝 = −𝑐𝑘. 𝑟11 (𝑋𝐴 +𝑡∙𝑎−𝑋0 )+𝑟12 (𝑌𝐴 +𝑡∙𝑏−𝑌0 )+𝑟13 (𝑍𝐴 +𝑡∙𝑐−𝑍0 ) 𝑟31 (𝑌𝐴 +𝑡∙𝑏−𝑋0 )+𝑟32 (𝑌𝐴 +𝑡∙𝑏−𝑌0 )+𝑟33 (𝑍𝐴 +𝑡∙𝑐−𝑍0 ). 式 4. 𝑟21 (𝑋𝐴 + 𝑡 ∙ 𝑎 − 𝑋0 ) + 𝑟22 (𝑌𝐴 + 𝑡 ∙ 𝑏 − 𝑌0 ) + 𝑟23 (𝑍𝐴 + 𝑡 ∙ 𝑐 − 𝑍0 ) 𝑟31 (𝑋𝐴 + 𝑡 ∙ 𝑎 − 𝑋0 ) + 𝑟32 (𝑌𝐴 + 𝑡 ∙ 𝑏 − 𝑌0 ) + 𝑟33 (𝑍𝐴 + 𝑡 ∙ 𝑐 − 𝑍0 ). 式 5. 式中𝑥𝑝 、𝑦𝑝 為連結點 P 的像點像坐標，𝑐𝑘 為相機的像主距，𝑋𝐴 、Y𝐴 、 𝑍𝐴 為直線上參考點 A 的三維坐標，𝑋0 、𝑌0 、𝑍0 為物空間中某張影像之透視投影中心的坐標，𝑟𝑖𝑗 為正交旋轉矩陣的係數，a、𝑏、𝑐為方向向量，𝑡為直線參數。. 治政線特徵的共面條件表示式則如式 6 所示，其為一個約制條件，即像空大立間投影面的法向量經過旋轉和尺度的縮放後，和物空間法向量需一致。 ‧ 國. 學. λR𝑛′ = 𝑛. 式 6. ‧. sit. y. Nat. 式中λ為比例因子，R為姿態矩陣。將式 6 對照圖 5，𝑛′ 為影像中直線. io. al. er. 𝐿′ 和透視中心 C 定義出的法平面，𝑛為影像直線𝐿′ 所對應的物空間控制線L. n. 和透視中心 C 定義出的法平面。. Ch. engchi. i n U. v. 雖然線特徵共面條件表示式較為簡單，但是缺點為共面條件限制特徵的形狀必須為直線，以及在影像中的直線較難在影像上直接定義；而線特徵的共線條件表示式和共面條件表示式相比更具有彈性，共線條件表示式可以使用的特徵形狀不侷限於直線，圓錐的截面可以用參數表示的 3D 曲線；此外，共線條件表示式可以使用影像中的直線中的任意點，而任意點可以從像元的邊緣提取，因此線特徵的共線條件表示法更廣泛的使用。物空間的直線特徵與像空間直線觀測量可構成一判斷面，所有判斷面. 16. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(31) 無法交於一點時，影像外方位參數無法求解，產生奇異解的情形有兩種 (彭念豪，2005)。一為像空間觀測量皆平行、二為像空間觀測量交會於一點(見圖 6)，皆會導致影像外方位參數有奇異解的情形，若物空間的直線特徵也有上述情形，即使能解算，所得的精度也不理想。. 立. 政治大. ‧. ‧ 國. 學. 圖 6 三條像空間直線觀測量平行(左)和交於一點(右)構成判斷面無法交於一點. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 17. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(32) 第三章. 研究方法與理論基礎. 本章分為兩節，第一節為研究方法介紹，包含本研究流程圖及研究流程說明；第二節為理論基礎，先介紹相機率定方法，接著介紹影像定位定向的相關理論，包含相對方位、絕對方位、後方交會、以及加入線特徵之光束法平差理論。. 第一節研究方法本研究流程圖見下圖 7。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 18. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(33) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 7 實驗流程圖本研究使用 PHIDIAS 軟體、Pix4DMapper 軟體、Photoscan 軟體以及 iWitnessPro 軟體等，將在第四章第一節中的研究工具詳述。. 19. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(34) 本研究先檢核原廠提供的相機參數，之後再使用率定場法率定相機參數，並確認其正確性。相機參數檢核的方法為將原廠提供或率定後的相機參數匯入如 Pix4DMapper 和 Photoscan 軟體中，輸出無畸變差影像執行檢核。此外，亦可由輻射畸變差k1 值之正負號執行相機參數檢核，其原因是因輻射畸變差可細分為桶形失真(barrel distortion)和枕形失真(pincushion distortion)。桶形失真出現於像主距較小之相機，對應輻射畸變差k1 值為負值；枕形失真出現於像主距較大之相機，對應輻射畸變差k1 值為正值 (Drap and Lefèvre, 2016)。本研究採用像主距較小之相機，輻射畸變差應有. 政治大. 桶形失真的情形，k1 應為負值。. 立. 另外，本研究亦使用 iWitnessPro 軟體率定相機參數，率定場設置於本. ‧ 國. 學. 校的體育館後方，詳細率定場的佈設將於第四章第三節的相機參數的檢核和率定中詳述。. ‧. 於車載側拍影像定位定向之相關實驗中，除需備齊相機參數檔外，為. y. Nat. io. sit. 有效率取得控制點的三維坐標，本研究從車載資料中的光達資料選取特徵. n. al. er. 點的三維坐標作為控制點。為驗證從光達資料選取特徵點作為控制點的可. Ch. i n U. v. 行性，將一組控制點資料來源為光達資料的影像定位定向成果和另一組控. engchi. 制點資料來源為地面測量之影像定位定向的成果進行比較。執行影像定位定向精度分析使用 PHIDIAS 軟體，所需資料為相機參數檔、影像連結點資料檔、影像連結線資料檔、控制點資料檔、影像外方位參數初始值。影像外方位參數初始值由車載資料提供；相機參數檔為車載資料提供或 iWitnessPro 軟體率定得到；影像連結點資料檔為避免自動匹配有匹配錯誤情形，由人工量測連結點資料；控制點資料檔從車載資料中光達資料檔選取；連結線則是於 PHIDIAS 軟體視窗中，盡量點選線特徵上兩 20. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(35) 端點建立一連結線。實驗為呼應本研究的目的：於 LOD3 模型精度要求下，探討分析車載側拍影像定位定向時，車載側拍影像張數對影像定位定向的影響以及車載側拍影像定位定向提升精度方法。車載側拍影像張數探討採測區兩端各兩點控制佈設時，單相機前後兩張重疊率約 60%，相鄰攝影站的雙相機側拍影像重疊率約 80%情形下，車載側拍影像拍攝張數對車載側拍影像定位定向的影響，進而決定光束法平差時的最多影像的拍攝張數，此代表測區在最長為多少公尺時需佈一組控制點。. 立. 政治大. ‧ 國. 學. 車載側拍影像定位定向提升精度方法，分單相機和雙相機車載側拍影像定位定向的實驗精度比較，以及加入連結線探討車載側拍影像定位定向. ‧. 的精度。除了使用單相機的車載側拍影像進行實驗外，亦使用雙相機的車. sit. y. Nat. 載側拍影像，探討分析雙相機的車載側拍影像的影像定位定向結果。單相. io. al. er. 機和雙相機車載測拍影像測試時，維持相同控制點和檢核點佈設方式，控. n. 制點佈設於測區兩端各兩個，若需增設則盡量佈設於測區的周圍。. Ch. engchi. i n U. v. 探討加入連結線提升精度只選擇單相機或雙相機其中一組較佳的結果測試。考量影像中涵蓋水平直線特徵等較多，因此主要測試水平連結線。為測試連結線的多寡和不同佈設位置對影像定位定向結果是否影響，預期測區中間的控制能力較弱，因此先於測區中間佈設連結線再逐條增加，並且測試多條連結線幾乎共線或連結線不共線的配置是否能提升影像定位定向的精度。以新竹測區(約 90 公尺)為例，控制點佈設於測區兩端與連結線的佈設如圖 8 的黃色三角點和黃線所示。. 21. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(36) 圖 8 控制點和連結線的佈設示意圖備齊資料後，於 PHIDIAS 軟體中執行相對方位、絕對方位、後方交會、最後進行光束法平差。粗差偵錯方法選擇 Data-Snooping，並使用驗後. 治政方差估計執行調權，驗後方差估計將於下節理論基礎中的光束法平差詳述；大立最後利用檢核點檢核，檢核點則均勻佈設於測區內，利用光束法平差計算 ‧ 國. 學. 的檢核點三維坐標與光達資料取得檢核點三維坐標計算檢核點的 RMSE。. ‧. 建物模型精度 CityGML，CityGML 以五種細緻化的層級來表示三維模. sit. y. Nat. 型，五種細緻化層級分別為 LOD1、LOD2、LOD3、LOD4、LOD5(Gröger,. io. er. 2008)，其中 LOD3 要求窗和門較細緻的模型並且需高解析度建物紋理，故. al. 本研究採用此作為平面精度跟高程精度評估標準。LOD3 模型精度要求為. n. v i n CRMSE 0.5m。研究計算檢核點的 LOD3 模 h e n分析平面精度和高程精度是否在 gchi U 型精度內。. 各方向檢核點 RMSE 如式 7、式 8、式 9，平面精度採用 X 方向和 Y 方向的 RMSE 計算如式 10，高程精度即為 Z 方向 RMSE 如式 9。. ∑𝑛 (𝑋𝑖 − 𝑋̂𝑖 )2 X 方向 RMSE = √ 𝑖=1 𝑛. 式 7. 22. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(37) ̂𝑖 )2 ∑𝑛𝑖=1(𝑌𝑖 − 𝑌 √ Y 方向 RMSE = 𝑛. 式 8. ∑𝑛𝑖=1(𝑍𝑖 − 𝑍̂𝑖 )2 √ Z 方向 RMSE = 𝑛. 式 9. 平面精度 = √𝑋方向𝑅𝑀𝑆𝐸 2 + 𝑌方向𝑅𝑀𝑆𝐸 2. 式 10. ̂𝑖 、𝑍̂𝑖 為地面測量或式中𝑋𝑖 、𝑌𝑖 、𝑍𝑖 為檢核點定位定向後之坐標，𝑋̂𝑖 、𝑌. 治政光達資料選取之檢核點坐標，𝑛為檢核點個數。大立 ‧ 國. 學. 檢核點的平面精度和高程精度須符合 LOD3 模型精度外，研究同時以檢核點絕對值最大值、絕對值最小值、平均值作為精度評估。檢核點絕對. ‧. 值最大值亦須符合 LOD3 模型精度內，檢核點的平均值檢查成果是否含有. sit. y. Nat. 系統差，檢核點平均值接近 0 顯示定位定向成果無系統差。. n. al. er. io. 除了精度須符合 LOD3 精度外，本研究亦使用假說檢定比較不同的實. i n U. v. 驗模組，其檢核點 RMSE 結果是否存在顯著性差異。使用 F 檢定進行各方. Ch. engchi. 向檢核點較差的假說檢定，顯著水準設為 0.1，假設如式 11、式 12，若檢定統計量大於臨界值表示落於拒絕域，接受𝐻1 ，亦表示模組 2 優於模組 1 。 2 2 𝐻0 : 𝜎𝑅𝑀𝑆𝐸1 = 𝜎𝑅𝑀𝑆𝐸2 (兩組模組的變異數相同). 式 11. 2 2 𝐻1 : 𝜎𝑅𝑀𝑆𝐸1 > 𝜎𝑅𝑀𝑆𝐸2 (模組 1 的變異數大於模組 2). 式 12. 23. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(38) 檢定統計量:. 2 𝜎𝑅𝑀𝑆𝐸1. 式 13. 2 𝜎𝑅𝑀𝑆𝐸2. 第二節理論基礎為求得較精確的相機參數，相機需事先率定，率定完成後與其他定位定向所需資料，於 PHIDIAS 軟體進行影像定位定向。PHIDIAS 軟體執行光束法平差可取得精確的影像外方位參數，車載資料中雖有影像外方位參數初始值，但較佳影像外方位參數的初始值是從相對方位、絕對方位、後. 政治大中得到精確的影像外方位參數，因此本節先介紹相機率定的方法，再逐一立. 方交會而來的，最後再將較佳影像外方位參數的初始值，帶入光束法平差. ‧ 國. 學. 介紹定位定向相關理論。一、相機率定方法. ‧. 相機率定常見的方法有光學實驗室率定法 (Laboratory Methods of. Nat. sit. y. Camera Calibration)、率定場法(Field Methods of Camera Calibration)、恆星. n. al. er. io. 法(Stellar Methods of Camera Calibration)、自率光束法平差(Self-Calibration. i n U. v. Adjustment)，以及電腦視覺領域和傳統航空攝影測量相似但單位不同的相. Ch. engchi. 機率定方法(Wolf et al., 2000) 。光學實驗室率定法為製造商或研究機構以多照準儀或測角儀等設備，取得較精確相機內方位參數；率定場法為實地佈設率定標，拍攝率定標後，透過影像中的率定標彼此之間的相對位置求取相機拍攝位置，進而反推相機內方位參數。不同處理率定場法的軟體對相機的拍攝方式和率定標的佈點有不同限制；恆星法的拍攝目標改為可精確預知位置的星體，方法和率定場法類似；由於真實拍攝環境和率定相機時的環境不同，造成在一般光束法平差時有系統差存在，因此自率光束法平差將相機參數如相機像主點位置 (principal point location) 、像主距 24. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(39) (focal length)、透鏡畸變差(lens distortion)等參數視為附加的參數共同進行光束法平差。而自率光束法平差惟須注意點位幾何配置，點位幾何配置不佳亦會導致無法取得較精確的相機參數；電腦視覺領域是將攝影成像幾何放置射影空間中進行描述和討論，電腦視覺率定方法較攝影測量理論更簡潔和一般性，其相機率定方法和率定場法相似，需拍攝率定標，但 Mikhail 等人(2001)認為電腦視覺相機率定方法的精度較低，但若用在電腦視覺的應用尚能符合精度需求。考量安裝在測量車相機不易拆卸單獨拍攝率定用之影像，且無照準儀. 政治大. 或測角儀等設備能使用光學實驗室率定法率定；且車載影像弱幾何的特性. 立. 亦不適合使用自率光束法平差，因此本研究於原廠提供相機參數檢核之後，. ‧ 國. 學. 使用率定場法率定之，率定場法選擇現有 iWitnessPro 軟體率定相機參數。. ‧. 相機率定的目的為確定相機的內方位參數，而相機內方位參數主要包含像主點位置、像主距、透鏡畸變差。透鏡畸變差改正模式最早於 1968. y. Nat. io. sit. 年由 Brown 提出，適用於航空攝影測量（Brown, 1968）。於 1971 年 Brown. n. al. er. 又提出適用於地面近景測量之透鏡畸變差改正模式，提出透鏡畸變差改正. Ch. i n U. v. 模式如式 14 和式 15 所示，而後續許多透鏡畸變差改正模式皆以 Brown. engchi. 模式為基礎進一步發展(Brown, 1971；Mikhail et al., 2001)。. 𝑥 ′ = 𝑥 + 𝑥̅ (1 + 𝐾1 𝑟 2 + 𝐾2 𝑟 4 + 𝐾3 𝑟 6 +. . ) + (𝑃1 (𝑟 2 + 2𝑥̅ 2 ) +. 式 14. 2𝑃2 𝑥̅ 𝑦̅)(1 + 𝑃3 𝑟 2 + ⋯ ) 𝑦 ′ = 𝑦 + 𝑦̅(1 + 𝐾1 𝑟 2 + 𝐾2 𝑟 4 + 𝐾3 𝑟 6 + ⋯ ) + (𝑃2 (𝑟 2 + 2𝑦̅ 2 ) +. 式 15. 2𝑃1 𝑥̅ 𝑦̅)(1 + 𝑃3 𝑟 2 + ⋯ ). 25. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(40) 式中，𝑥、𝑦為量測坐標；𝑥̅ 、𝑦̅為改正過後的影像量測坐標，𝑥̅ = 𝑥 − 𝑥𝑝 ，𝑦̅ = 𝑦 − 𝑦𝑝 ；𝑟 = √𝑥̅ 2 + 𝑦̅ 2 ；𝑥𝑝 、𝑦𝑝 為像主點偏移量，𝐾1 、𝐾2 、𝐾3 為輻射畸變差係數；𝑃1 、𝑃2 為離心畸變差係數。二、相對方位相對方位為確定兩張影像之間的相對姿態角度以及位置位移量。航空攝影測量的相對方位和近景攝影測量的相對方位示意圖分別如圖 9 和圖 10 所示，相對方位常將左片的影像外方位參數值固定為 0，而為計算其餘未知數初始值，常將左片 ZL1 設為像主距、右片 XL2 設為像片基距，則有右. 治政大片的外方位參數剩五個 Y 、 Z 、𝜔 、𝜙 、 𝜅 參數待求解，經相對方位立後的兩張影像則可建立一個模型。 L2. L2. 2. 2. 2. ‧ 國. 學. 相對方位至少需五個共同連結點。一個共同連結點會有四個觀測方程. ‧. 式，其中兩個為左片影像像坐標建立觀測方程式，另兩個為右片影像像坐. sit. y. Nat. 標建立觀測方程式。除了五個影像外方位參數待求解外，每增加一個共同. io. er. 連結點，即有三個未知數是共同連結點的三維坐標，因此至少為五個共同. al. 連結點。而兩張像片建議七至八個以上的共同連結點，因為七至八個以上. n. v i n Ch 才有多餘觀測量，在資料中能可靠地找到粗差，故本研究兩張影像若低於 engchi U 七個共同連結點不予以計算相對方位。同時模型幾何配置較弱，如像對交會角小於約 18 度時，也不加入相對方位計算。而同一條線特徵至少需在三張影像上才有意義，因此 PHIDIAS 軟體的線特徵採用共線式不在相對方位加入，而是在後方交會、光束法平差加入，將在本節後方交會詳述。. 26. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(41) 立. 政治大. 圖 9 航空攝影測量的相對方位示意圖(Wolf et al., 2000). ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 10 近景攝影測量的相對方位示意圖(PHOCAD, 2005) 三、絕對方位經相對方位產製的模型屬於模型坐標系統，絕對方位為將模型坐標系 27. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(42) 統轉到控制坐標系統得到所有連結點三維坐標的初始值。絕對方位有兩個步驟，第一步驟為在所有相對方位產製的模型中，選擇一個作為參考模型（見圖 11 以像對 3-4 的模型作為參考模型），將各個模型的坐標系統轉到該參考模型的模型坐標系統；第二步驟利用控制點的資料，將該參考模型的模型坐標系統轉到控制坐標系統（見圖 12）。參考模型的選擇標準如參考模型必須盡可能擁有較多的連結點、像對的交會角盡量至少大於 30 度。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 11 所有模型轉換至參考模型的模型坐標系統(PHOCAD, 2005). 28. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(43) 圖 12 參考模型的模型坐標系統轉到控制坐標系統(PHOCAD, 2005) 四、後方交會. 立. 政治大. 從絕對方位得到所有連結點三維坐標的初始值經後方交會後，計算出. ‧ 國. 學. 各張影像的外方位參數初始值。後方交會至少需要三個連結點三維坐標去. ‧. 推算影像外方位參數，但以三個連結點計算影像外方位參數精度及可靠度較差，因此以六到八個以上連結點為宜，後方交會的示意圖如圖 13 所示。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 29. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(44) 學. ‧ 國. 立. 政治大. 圖 13 後方交會示意圖(PHOCAD, 2005). ‧. 在 PHIDIAS 軟體中，線特徵於相對方位、絕對方位皆未加入計算，是. sit. y. Nat. 於後方交會、光束法平差等步驟開始加入計算，此時連結線以兩個點建立. io. er. 連結線的觀測量加入計算，一同求解影像外方參數初始值。在 PHIDIAS 軟. al. 體線特徵於像片坐標系表示方式有兩種，如式 16、式 17 所示，在. n. v i n Ch PHIDIAS 軟體中會依照線特徵在像片坐標的位置自動選擇適合表示方式， engchi U 而在線特徵像片坐標系展示如圖 14。. 𝑠1∶ 𝑦 = 𝑎𝑥 ∙ 𝑥 + 𝑏𝑥. 式 16. 𝑠2∶ 𝑥 = 𝑎𝑦 ∙ 𝑦 + 𝑏𝑦. 式 17. 式中𝑎𝑥 、𝑎𝑦 為斜率、𝑏𝑥 、𝑏𝑦 為常數，𝑠1 、𝑠2 為線特徵於像片坐標系表示方式。 30. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(45) 立. 政治大. 圖 14 線特徵於像片坐標系示意圖(PHOCAD, 2005). ‧ 國. 學. 線特徵於物空間坐標系表示方式有三種，每種皆需兩個視圖的投影面，. ‧. 線特徵被投影到坐標平面，和前述線特徵於像片坐標系有斜率和常數，但在這邊以α、β、γ、δ表示，如式 18、式 19 和式 20 所示，而線特徵於物. y. Nat. n. al. i n U. 𝑆1 : 𝑌 = 𝛼𝑥 ∙ 𝑋 + 𝛾𝑥 和 𝑍 = 𝛽𝑥 ∙ 𝑋 + 𝛿𝑥. Ch. engchi. er. io. sit. 空間坐標系的示意圖以𝑆3 表示方式為例如式 20 所示。. v. 式 18. 𝑆2 : 𝑋 = 𝛼𝑦 ∙ Y + 𝛾𝑦 和 𝑍 = 𝛽𝑦 ∙ 𝑌 + 𝛿𝑦. 式 19. 𝑆3 : 𝑋 = 𝛼𝑍 ∙ Z + 𝛾𝑧 和 𝑌 = 𝛽𝑧 ∙ 𝑍 + 𝛿𝑧. 式 20. 式中𝛼𝑥 、𝑎𝑦 、𝛼𝑍 、𝛽𝑥 、𝛽𝑦 、𝛽𝑧 為斜率，𝛾𝑥 、𝛾𝑦 、𝛾𝑧 、𝛿𝑥 、𝛿𝑦 、𝛿𝑧 為常數，𝑆1 、𝑆2 、𝑆3 為線特徵於物空間坐標系表示方式。. 31. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(46) 立. 政治大. 圖 15 線特徵於物空間坐標系表示方式示意圖(PHOCAD,2005). ‧ 國. 學. 提供位在線段任意兩點三維坐標作為初始值，利用線特徵於物空間坐. ‧. 標系表示，再帶入如第二章第二節線特徵的共線式(見式 21、式 22)，與. Nat. sit. y. 其他點的共線式一同求解影像的外方位參數。趙鍵哲和彭念豪(2005)用共. n. al. er. io. 線式求解單像外方位參數，至少需三條控制直線方能有效求解。. Ch. engchi. i n U. v. 𝑚11(𝛼𝑍 ∙ Z + 𝛾𝑧 − 𝑋𝐿 ) + 𝑚12(𝛽𝑧 ∙ 𝑍 + 𝛿𝑧 − 𝑌𝐿 ) + 𝑚13(𝑍 − 𝑍𝐿 ) 𝑥 − 𝑥0 = −𝑓 𝑚31(𝛼𝑍 ∙ Z + 𝛾𝑧 − 𝑋𝐿 ) + 𝑚32(𝛽𝑧 ∙ 𝑍 + 𝛿𝑧 − 𝑌𝐿 ) + 𝑚33(𝑍 − 𝑍𝐿 ). 式 21. 𝑚21(𝛼𝑍 ∙ Z + 𝛾𝑧 − 𝑋𝐿 ) + 𝑚22(𝛽𝑧 ∙ 𝑍 + 𝛿𝑧 − 𝑌𝐿 ) + 𝑚23(𝑍 − 𝑍𝐿 ) 𝑚31(𝛼𝑍 ∙ Z + 𝛾𝑧 − 𝑋𝐿 ) + 𝑚32(𝛽𝑧 ∙ 𝑍 + 𝛿𝑧 − 𝑌𝐿 ) + 𝑚33(𝑍 − 𝑍𝐿 ). 式 22. 𝑦 − 𝑦0 = −𝑓. 式中𝛼𝑍 、𝛽𝑧 為線特徵斜率，𝛾𝑧 、𝛿𝑧 為線特徵常數，𝑥0 、𝑦0 為像主點的像坐標，𝑓為像主距，𝑋𝐿 、𝑌𝐿 、𝑍𝐿 為物空間中某張影像之透視投影中心 L 的坐標，𝑋、𝑌、𝑍為物點的三維坐標，𝑥、𝑦為物點像坐標，𝑚11 ~𝑚33 為旋轉矩陣元素。 32. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(47) 五、光束法平差攝影測量中最基本的幾何單位是影像射線(image ray)，影像射線連結物空間中一物點、物點對應像空間中的像點以及相機透視中心。以一張影像為單位，一個光束由多個影像射線會聚在透視中心。光束法平差就是利用每一個光束的影像射線和地面的控制資訊去計算多張重疊影像的外方位參數以及地面未知點的三維坐標 (Mikhail et al., 2001)。由於光束法平差可以計算出影像定位定向最佳的結果，因此是目前影像定位定向最常用的方法之一。在近景攝影測量中，連結點需至少 3×3 或 5×5 以格網狀均勻分布. 政治大. 在每張影像為宜，執行光束法平差時能得到較佳的成果(Mikhail et al.,. 立. 2001)。. ‧ 國. 學. 光束法平差時注意須給各觀測量權重，執行光束法平差時可以得到較. ‧. 好的結果。通常連結點、控制點的權重根據儀器量測控制點的精度。而光束法平差過程透過自率光束法平差改正系統誤差並由驗後方差估計確定各. y. Nat. io. sit. 觀測值的權，即由方差-協方差分量在平差過程中連同觀測值一併求解，. n. al. er. 確定觀測值正確的權可使平差更穩定和可靠 (李德仁、袁孝修，2002)。自. Ch. i n U. v. 率光束法平差如和，和光束法平差不同的是將像主點位置、像主距、透鏡. engchi. 畸變差等相機參數值視為未知數於平差時一併求解。. 𝑥 − 𝑥0 + ∆x = −𝑓. 𝑚11(𝑋−𝑋𝐿 )+𝑚12(𝑌−𝑌𝐿 )+𝑚13(𝑍−𝑍𝐿 ) 𝑚31(𝑋−𝑋𝐿 )+𝑚32(𝑌−𝑌𝐿 )+𝑚33(𝑍−𝑍𝐿 ). 式 23. 𝑦 − 𝑦0 + ∆y = −𝑓. 𝑚21(𝑋−𝑋𝐿 )+𝑚22(𝑌−𝑌𝐿 )+𝑚23(𝑍−𝑍𝐿 ) 𝑚31(𝑋−𝑋𝐿 )+𝑚32(𝑌−𝑌𝐿 )+𝑚33(𝑍−𝑍𝐿 ). 式 24. 式中，𝑥0 、𝑦0 為像主點的像坐標，𝑓為像主距，∆x、∆y為透鏡畸變差改正量，𝑋𝐿 、𝑌𝐿 、𝑍𝐿 為物空間中某張影像之透視投影中心 L 的坐標， 33. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(48) 𝑋、𝑌、𝑍為物點的三維坐標，𝑥、𝑦為物點像坐標，𝑚11 ~𝑚33 為旋轉矩陣元素。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 34. DOI:10.6814/THE.NCCU.LE.015.2018.A05.

(49) 第四章. 實驗成果與分析. 第一節研究工具本研究主要軟體為 iWitnessPro 和 PHIDIAS 軟體。原因為 iWitnessPro 是常用的相機率定軟體，而 PHIDIAS 軟體則提供連結線和控制線進行影像定位定向之功能。其他軟體，如選擇 Pix4DMapper 軟體以及 Photoscan 軟體匯出無畸變差影像，而光達資料獲取點位資訊則選擇 MLiDAR 軟體。. 政治大以下是本研究選用軟體之簡介。立. ‧ 國. 學. 一、 iWitnessPro 軟體. iWitnessPro 軟體為常用的近景攝影測量相機率定和近景影像量測軟體. ‧. 之一，故選擇之。對率定標拍攝多張影像，再將涵蓋率定標的影像載入. Nat. sit. y. iWitnessPro 軟體進行影像量測和相機參數的率定。而在影像量測上，. n. al. er. io. iWitnessPRO 軟體可以精確的全自動測量目標特徵點。. Ch. i n U. v. (https://www.iwitnessphoto.com/iwitnesspro_photogrammetry_software/ ； Photometrix, 2010)。. engchi. 二、 Pix4DMapper 軟體 Pix4DMapper 軟體的特點為可以將多張地理對位的影像，轉換為高精度 2D 地圖和 3D 模型，該軟體同時提供簡單的工作流程，使地圖和模型可經常更新，另一特點該軟體的成果如正射影像和 3D 模型，可以與 GIS 等其他軟體相容。選擇該軟體原因為執行完初始化處理步驟後，可輸出無畸變差影像。(https://pix4d.com.cn/industry/mapping/) 35. DOI:10.6814/THE.NCCU.LE.015.2018.A05.