以多尺度萃取方法进行车载光达资料之类杆状道路物件重建.PDF

航測及遙測學刊 第二十卷 第2 期 第93-108 頁 民國 105 年04 月 93 Journal of Photogrammetry and Remote Sensing Volume 20, No.2, 2016, pp. 93-108 DOI ：10.6574/JPRS.2016.20(2).2 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 1 2* 張智安 邱繼珉 摘 要 車載光達系統（Mobile Lidar System, MLS ）行駛在道路上以直接地理對位（Direct Georeferencing ） 方式進行雷射掃描，能夠快速獲取三維道路資訊進行道路調查，然而車載光達系統因資料量龐大及盲資 料（Blind data ）的特性，在應用上有許多挑戰。本研究發展車載光達資料自動化道路類桿狀物件重建方 法，道路類桿狀物件包含路燈、交通號誌、及行道樹等。本研究採取模型導向重建策略，主要工作包含： (1)資料前處理、(2)類桿狀道路物件點雲偵測、及(3)物件點雲分類。資料前處理部分，對原始點雲進行分 段分割並濾除路廊兩側牆面點雲；類桿狀道路物件點雲偵測部分，本文提出一個多尺度分割方法 （Multi-scale Segmentation ），包含體元（Voxel ）尺度分割、點（Point ）尺度分割及混合物分割三階段； 物件點雲分類採取知識庫分類方法（Knowledge-based Classification ）辨識出物件點雲所屬類別。研究成 果顯示，在偵測階段成功率為95% ，道路物件分類整體精度為72% ，重建桿狀物件中心之位置精度在10 公分以內，因此，所提出的方法可有效應用於車載光達之類桿狀道路物件重建。 關鍵詞：車載光達系統、道路調查、分類、重建 方式進行雷射掃描，有效率地獲取高密度的道路三 1. 前言 維點雲，可提供道路面、牆面及道路物件細緻的幾 近年來，各領域對於細緻三維道路建模的需求 何特徵，於LOD3 道路模型重建工作中，車載光達 明顯增加，三維道路模型可應用於數碼城市、適地 系統在資料獲取階段具有許多優勢，然而，往往因 性服務（Local-based Services, LBS ）、都市設施管 龐大的資料量，使其在應用階段遇到許多問題，由 理及智慧型運輸系統（Intelligence Transportation 於點雲盲資料之特性，得經過特徵辨識才可將點雲 System, ITS ）等相關應用，根據CityGML 之細緻 轉換成語意資訊，再者，傳統上以人工方式進行辨 程度（Level-of-Detail, LOD ）規範（Gröger et al., 識，除耗時耗力之外，車載光達高密度且大範圍的 2012) ，道路模型可分成LOD0 至LOD3 之不同細 點雲資料為資料處理時帶來許多挑戰，因此，發展 緻程度之產品，LOD0 道路模型以中心線表現三維 自動化演算法處理車載光達資料有其必要性。 道路，LOD1 道路模型則以三維彩帶式模型呈現， 本研究之目的為從車載光達資料中，自動化重 LOD2 進一步將道路區域分割為不同車道區域，而 建類桿狀道路物件（Pole-like Road Object ），所採 LOD3 等級產品中，除道路區域外，還擴充至道路 取的重建方法為模型導向策略，以模型庫之物件樣 標記及道路附屬物件之重建。 板為基礎，再從點雲中萃取模型參數進行重建，萃 車載光達系統行駛於道路上，以直接地理對位 取模型參數可分為類桿狀物件點雲偵測及物件點 1 國立交通大學土木工