报告人陈詹闵指导教授赵键哲日期20050527.pptVIP

 報告人:陳詹閔 指導教授:趙鍵哲 日期： 2005/05/27 報告流程 前言 方法介紹 實驗與成果分析 未來工作 參考文獻 前言 光達 (LiDAR, Light Detecting And Ranging) 提供了地表密集且豐富的三維資訊， 將LiDAR點雲資料製作成影像函數圖(range image)，應用特徵萃取原理找出建物邊緣線，再經由輪廓線範圍內的高程資訊萃取建立三維建物模型。 回顧線特徵萃取相關文獻 [劉彥秀,2003] 一階導數(Sobel、Canny)以及二階導數(LoG)方法 [陳健文,2002] 多型態法，統計之原理 參數設定:平滑因子以及門檻值因子 方法介紹 資料處理流程介紹與相對應的物空間邊緣線梯度情形 高斯平滑函數抑制雜訊造成梯度影響 高斯濾波器(Gaussian filter)之介紹： 高斯平滑影響梯度值 資料處理流程介紹 資料處理流程介紹與相對應的物空間邊緣線梯度情形 高斯平滑函數抑制雜訊造成梯度影響 Gaussian function 形狀接近鐘形 濾波器矩陣內各元素可視為權值 權值總合理論上應為1 高斯平滑函數抑制雜訊造成梯度影響 平滑因子σ值 訊號精度加以給定 決定gaussian filter罩窗內權值大小 當σ值越小情況下權值分布即向中央集中，濾波器形狀越高且瘦其平滑效果不彰 σ值越大時，權值分布雖然一樣呈現鐘形，但是罩窗中央與四周的權值相對差值較不明線，換句話說該中心像元原本的訊號值之權重已經不是相對的大於兩旁像元訊號值的權，於是 濾波器形狀會變平緩且範圍較大，如此平滑效果較佳。 高斯平滑函數抑制雜訊造成梯度影響 滑濾波器罩窗大小 決定要取鄰近中心像元多少個像元訊號值，擬合高斯模型進行平滑折積運算 受到平滑因子σ的影響，若罩窗範圍開很大，罩窗邊緣的權值會非常接近零 。 決定罩窗大小時可以視σ值大小給予一定比例給定，目前常用的比例式為左右各取(3×σ)個像元 filter size=[ (3×σ) 取整數]×2+1 高斯平滑影響梯度值: 折積後的新梯度為原始梯度值×[由中心延伸某一方向的權值Gd(x ,y)] 已知高斯濾波器內矩陣元素皆向中心對稱，故沿一方向的權值加總值只有直角方向Gd直與斜角方向Gd斜的差異 實驗與成果分析 實驗1.不同內插方法所得DSM與真值之比較 實驗2.觀察實驗場資料(未加入隨機性)因平滑造成的梯度值以驗證理論值 實驗場設計 建立一0.2m與1m網格的實驗場 背景1(高程20m) 背景2(高程21m) 建物a(面積：5×3m2，高度3m) 建物b(面積：10×15m2，高度21m) 建物c(面積：20×50m2，高度15m) 實驗1.不同內插方法所得DSM與真值之比較 圖9. Nearest neighbor 成果分析圖 圖10. Inverse Distance to a power 成果分析圖 圖11. Kriging成果分析圖 圖12. Minimum Curvature 成果分析圖 實驗2. 以驗證平滑造成的理論梯度值 成果分析2 實驗出來的梯度值與理論乘上比例因子後的梯度值非常接近 驗證高斯平滑過後梯度值的調變的比例 σ不能過小否則罩窗中心的權值也超過1 當σ0.399則G(0,0)1，如此一來就產生不合理現象 LiDAR資料而言其高程精度可達十幾公分，如此代入高斯函數恐怕會有問題產生。 未來方向 1.目前選用的內插方式對建物邊緣線偵測目的或許都不合適，未來可能自行發展內插的方法，考慮建物邊緣線之特性設計。 2.將實驗場加入隨機誤差後，經過內插及平滑的過程，分析梯度值變異的比例因子，決定門檻值的設定，並檢視邊緣線的偵測成果 。 參考文獻 陳建文， 2002，彩色影像邊緣線萃取之研究，國立成功大學測量工程學系碩士論文。 劉彥秀，2002，最小二乘模型與影像套合之後續探討，國立成功大學測量工程學系碩士論文，第23-29頁。 報告結束敬請指教 * * LiDAR點雲資料進行邊緣線偵測處理之門檻值研究 圖1.邊緣線偵測資料處理流程圖 真實物空間資訊 LiDAR 蒐集XYZ 邊緣線偵測元 一階或二階導數原理 Gaussian filter 內插 離散點雲資料 平滑化之DSM 規則格網DSM 邊緣線像元 用門檻值過濾可忽略的偵測值 圖3.雜訊以及內插造成影響 圖4.理想(黑)與觀測(藍)一