三维直线特徵应用於点云资料套合.docVIP

PAGE PAGE 1 三維直線特徵應用於點雲資料套合 Report 40 seminar 7 指導教授: 趙鍵哲 學生: 莊子毅 前言 空間資料整合的第一要務為套合至共同的坐標系統，傳統的做法大多利用共軛點(即點特徵)的方式來進行坐標轉換。除了點特徵之外，直線特徵因具較高階資訊且常與物空間邊緣線相關聯，因此也是空間資訊中非常有用的特徵資料。本研究主要是針對三維空間的直線特徵，例如房屋邊線、道路線等直線特徵之共軛直線配對進行三維空間相似轉換。以不同測站的點雲資料套合任務為例，一般而言，直線特徵比點特徵豐富，除此之外，三維直線特徵的共軛對應是以直線軌跡(方程式)為依據，可突顯其資料空間之彈性，同時有助於共軛直線特徵自動化對應(Correspondence)的工作，因此直線特徵實為光達點雲資料套合的有效特徵物。 本文中針對三維的隨機點雲資料進行資料的結構化處理，人工選取特徵面進行擬合，三維直線特徵萃取，自動三維直線特徵匹配與以直線特徵為基礎的三維相似轉換進行介紹，並以成功大學圖書館地面光達點雲資料進行測試，並以霍夫轉換自動化萃取三維特徵直線之資料進行比較。 研究方法 這次研究的分成三個階段，分別對地面光達點雲資料進行直線特徵萃取，直線特徵匹配以及三維相似轉換，其中在後面的兩個階段已發展可以輸入直線端點資料變可自動計算獲得轉換七參數，不需人為介入，而在直線特徵萃取的這部分研究中，目前還是採人工選取特徵面的方式進行萃取直線特徵，雖然已有不少研究報告或論文嘗試以自動化的方式結構化隨機點雲資料並萃取點線面特徵物，如黃國彥(2003)的”結合三維網格及碟帶是霍夫轉換進行光達點雲資料結構化處理”，彭念豪(2003)的”以控制直線進行影像外方位參數求解之自動化作業”及曾義星、劉嘉銘(2005)的”光達點雲空間特徵之分類、定義及萃取方式”與湯凱佩、曾義星(2005)的”以共軛平面特徵進行光達點雲資料結合之平差模式”皆有提及如何萃取三維直線特徵，但目前部分人工介入的半自動化會有較好的萃取成果。 下圖一為這次研究的處理流程圖: 圖一. 研究的處理流程圖 2-1 三維直線特徵萃取 本文對三維直線特徵萃取的方式是利用兩個特徵面進行內積相交後所得到的直線四參數，並設立三維直線端點來獲得三維空間直線端點座標。 空間中的三維平面方程式可表示為式2-1之型式： (2- (2-1) 其中、、為平面參數；、、為光達點位之座標值，將式2-1視為以平面參數、、所組成之函式： (2-2) (2-2) (2-3)依式2-1，理論上將隸屬於該平面之光達點位座標向量與平面參數之內積應為-1，但實際上因誤差之影響，故不可能滿足，因此可將式2-2視為光達點雲與平面之不吻合度。由於式2-2為非線性，故以附有參數之條件平差求解，觀測方程式為： (2-3) ， ， ：光達點雲資料之點數：誤差向量 ：光達點雲資料之點數 ：誤差向量 ：光達點雲資料先驗單位權中誤差 ：對平面參數偏微分之係數矩陣：依資料於、、軸向先驗精度而定之權矩陣 ：對平面參數偏微分之係數矩陣 ：依資料於、、軸向先驗精度而定之權矩陣 ：平面參數增量 ：觀測值方差–協方差矩陣 ：對觀測量偏微分之係數矩陣 依最小二乘法之原理，目標函式表示如下： (2-4)：Langrange乘常數向量 (2-4) ：Langrange乘常數向量 為令，則可列出下式： ( (2-5) (2-6 (2-6) ：改正數向量 ：改正數向量 ：Langrange乘常數向量估值 式中 由式2-5可推得： (2-7 (2-7) (2-8 (2-8) 令　　　　　　，則式2-8可改寫為： (2-9 (2-9) 將式2-7與式2-9代入式2-3後可得： (2-10 (2-10) 將式2-9代入式2-10，且等號兩側乘上，再減去式2-6後可得： ( (2-11) 令　　　　　　　　　　　　 　，則可得參數增量估值： (2-12 (2-12) (2-13)依式2-3列出觀測方程式後，即可由式2-12解算平面參數增量估值，若則判斷已取得最適當之平面參數，並停止迭代，此時後驗單位權中誤差： (2-13) 未知數個數則為3。 且平面參數之後驗方差–協方差矩陣為： (2-14) (2-14) 在人工選取特偵面區域後利用平面方程式去進行平差計算會得平面參數，但是嚴密的平差計算是非線性的需要給定平面參數起始值，在湯凱佩、曾義星(2005)一文中有提及不同的給定方法，在這次研究中採用線性化後的平面觀測方程式進行平差，其觀側方程式如下: 近似的平面參數求解模式視觀測量為等權，且原觀測量、、為無誤差之常數，因此式2-3轉化為： ， ， (2-15) 其中 ：光達點雲資料之點數 ：未知參數之係數矩陣 ： ：式2-1中之常數-1向量，即 ：平面參數 ：誤差向量 ：光達點雲資料先驗