• 期刊

影像密匹配

• 期刊

空照影像密匹配成果偵錯之瓶頸與解決辦法

在攝影測量領域中，影像匹配技術已發展至密匹配(dense matching)的新紀元，此時密匹配成果之偵錯與品質評估面臨一些瓶頸，包括(1)無原始匹配點像坐標、(2)匹配點數量龐大、(3)相鄰匹配點之距離太近而產生相關參數的高相關，導致解算不穩定之現象。本文提出並使用四種簡易實用的密匹配成果偵錯與品質評估法，包括目視檢查法、相對方位法、像片三角法以及獨立測量法。使用的密匹配演算法為SMM、SfM、DAISY及SGM，偵錯成果顯示50.72%和47.00%的密匹配錯誤分別出現於高程1階不連續面(山形屋脊線)與0階不連續面，僅0.05%出現於均調區，此經驗可供密匹配研究與應用之參考。相對方位計算成果得到SMM、SGM錯誤率分別為2.82 %、2.36 %。經像片三角法之評估，SMM匹配精度為0.23 pixel；錯誤率為3.97 %。相對方位與像片三角法之偵錯速度分別為14,984 匹配點/秒、292 匹配點/秒。獨立測量法使用12個地面檢核點檢查成果顯示，SGM密點雲與佈標點高程之差值絕對值，最大值為0.935 GSD、最小值0.006 GSD、平均值0.315 GSD、RMSD等於0.238 GSD，此處的1 GSD=0.168 m。

• 期刊

結合十字區塊匹配之半全域匹配法

近年來，電腦視覺廣泛運用立體視覺技術於各種領域，其中，藉由計算核線影像對共軛點的視差值，以重建目標物三維資訊的方法稱為立體匹配演算法，根據執行步驟的細節可分為：局部式、全域式以及半全域匹配法。立體匹配演算法可訴諸於逐像元之匹配，以產製出高密度點雲。考量匹配效能及品質，本研究採用以半全域匹配法為主的立體匹配演算法來進行高密度點雲產製的任務，然由於此演算法本身對於懲罰參數設定具有高度敏感性，本研究藉由結合十字區塊匹配法以降低前述效應。除此之外，本研究提出的因應策略為作業參數(含自動化懲罰參數設定)的設定方式，以完備實務操作面並充分支援視差匹配及生產高品質的三維場景。

• 期刊

半全域匹配法於福衛二號立體影像之數值地表模型重建

像空間半全域匹配法(Semi-global matching, SGM)需使用核影像像對進行核線幾何約制，若使用線列式掃描器成像之衛星影像進行SGM，便須解決其核幾何與像幅式影像不同之問題，因此本研究提出物空間半全域演算法(Object-based SGM, OSGM)重建數值地表模型(Digital Surface Model, DSM)。研究中比較特徵式匹配及物空間半全域演算法於數值地表模型重建之差異，其中特徵式匹配僅針對特徵點進行匹配，再將匹配成功的特徵點三維點雲網格化為DSM，而OSGM則是在物空間逐點式密匹配，直接產生影像正射化所需的DSM。本研究使用福衛二號同軌立體像對進行實驗分析，特徵式匹配之三維點雲為OSGM的15%；分別使用特徵式匹配及OSGM DSM建立正射影像，正射影像視差之標準偏差分別為3.07像元及1.94像元，代表OSGM建立的DSM具有較佳的精密度。

• 期刊

利用SGM和PMVS演算法進行MUAV影像密匹配之比較分析

現今無人機(Unmanned Aerial Vehicle, UAV)技術發展成熟，在拍攝影像上兼具即時性和方便性，藉由拍攝而得的影像可快速重建出近似實景的三維資訊。UAV影像在空間資訊的應用大致區分為環繞拍攝整棟建物建立完整三維模型之應用及垂直拍攝地形產製正射影像製圖使用。目前因相關技術發展快速，在影像處理如特徵點偵測、特徵點匹配大都有合適的演算法進行處理，惟有在稠密點雲匹配計算過程中，尚未有較理想的處理方法。為探討不同密匹配方法的特色及適用性，本研究中選取不同理論基礎且較廣泛使用的兩種密匹配方法進行比較，以半全域演算法(Semi-Global Matching, SGM)及全域演算法(Global Method)中基於區塊方法(Patch-based Multi-view Stereo, PMVS)匹配，分別將兩種密匹配演算法應用在進行環繞拍攝之單一古蹟建物及垂直拍攝校園之影像中比較分析，藉由實務之比較分析，提供利用UAV拍攝影像重建三維點雲處理之參考。

• 期刊

應用空載傾斜攝影密匹配點雲於建物變遷分析

隨著都市化的發展，都市的環境變化急遽，為了掌控土地資源與土地利用之狀況，如何有效與快速的進行都市環境變遷與監控便顯得更重要。當城市空間資訊往第三維度快速增長時，傳統垂直航拍影像所提供的資訊已不敷使用。然而空載傾斜影像能拍攝較完整的地物立面資訊，且傾斜視角具立體感，人員不需專業訓練即可判釋各式地物，國際上已逐漸應用於都市地區的地物偵測，例如地震後房屋傾倒之全面清查。本文以無人飛行載具及有人機蒐集兩個時期的傾斜與垂直空載影像，利用自動化特徵匹配產生連結點，搭配地面控制點與空三平差求解影像絕對方位，並透過密集影像匹配技術產製兩時期之三維彩色點雲，尤其傾斜視角的建物牆面資訊能提供更細緻且密集的牆面點雲以利建物判釋。空載影像以物件導向式影像分類法進行地物分類，利用反投影公式搭配HPR(Hidden point removal)運算子提供三維點雲地物類別之資訊，並建立相同的區域體元(voxel)座標系統，在三維空間中針對建物進行變遷偵測，並計算獨立建物變遷區塊之體積。