第四章、神经网路应用於地籍坐标转换.PDFVIP

第四章 、神經網路應用於地籍坐標轉換 第一節、地籍坐標轉換原理 要將一區域內的舊坐標系統轉換為新的坐標系統時，需要新、舊坐標系統 之間共同點資料，方可計算轉換參數，進行轉換。共同點又可分為參考點與檢 核點，參考點用來求取轉換參數，檢核點可用來檢核、評估轉換後之精度。而 影響轉換成果精度的主要原因包含：新、舊坐標系統測量時之誤差、轉換模式 之選擇與新舊坐標系統本身精度差異過大或任一組坐標存在著系統誤差等有 關。如此一來，轉換模式之決定，便會與轉換區域的大小、共同點在空間的分 佈情形、數量有很大關係。這些因素或多或少會影響到坐標轉換後成果精度， 故於實際進行坐標轉換時，應針對不同情形下坐標轉換的條件與狀況，考量其 特性，選擇合適之轉換模式。以本實驗中所收集台灣全島地區具有 TWD67 與 TWD97 坐標系統的共同點，兩者之間最簡單的轉換模式如(4-1)式所示: E67 E97 −828(m) (4-1) N 67 N 97 +205(m) 1 (4-1) 式僅將坐標系統進行縱方向與橫方向之平移，故只能夠提供我們約略 瞭解 TWD67 與TWD97 坐標系統之間的簡單關係。如果我們想要進一步得到 更精確的轉換結果，那麼引入更多與尺度、旋轉有關之參數是必要的。最廣泛 使用的坐標轉換方式不外乎四參數轉換 (Helmert’s Transformation) 、六參數轉換 (Affine Transformation) 以及多項式轉換（Polynomial Transformation ）。 一般來說四、六參數不太可能用來作大區域的坐標轉換，主要是因為所能 夠達到的精度無法滿足要求，因此多半適用於小地區之轉換。而使用多項式進 行轉換，對於大地區可得到精度較高的結果，雖然此一轉換模式精度較高，但 仍有平移、旋轉及尺度等未知參數無法個別表示之缺點。除此之外，究竟要使 用幾階的多項式進行轉換，也是一個重要的問題。選擇使用高階多項式固然可 以提高轉換後的精度，但卻也會出現難以控制的震盪現象，也就是僅在控制點 上有效擬合，而在控制點間卻發生不連續的現象，使得轉換結果極不穩定（伍 志宗，2003 ）。 而無論四、六參數或多項式轉換模式，於坐標轉換時使用越多參數，表示 我們假設兩坐標系統之間變形越嚴重，也就是不僅僅只在縱橫方向上位移，也 2 可能有伸縮變形或存有一尺度上的差異量，但由於這些都是人為的假設 ，於此 時也就不可避免的引入人為假設誤差。 1( E 、 )與( E 、 )分別代表TWD67 與TWD97 之橫線坐標和縱線坐標。 67 N 67 97 N 97 2 此人為誤差指的是對於兩坐標系統間，實際的變化情況是否能夠利用四、六參數或者是單一 多項式來擬合此一變化情形；而神經網路並不需要於轉換前，事先假定兩坐標系統間轉換關 係，而是單純利用所得到共同點資料，進行神經網路訓練，故可避免在坐標轉換時，引入人 為假設誤差。 29 第二節、最小二乘法應用於地籍坐標轉換 一般進行地籍坐標轉換之方法，多採用簡單的多項式轉換如四參數、六參 數或低階多項式（三或四階），以最小二乘法為平差工具，求取不同坐標系統之 間的轉換參數，然後整合到同一坐標系統內，如此可得一致的坐標成果。之所 以會產生約略一致的坐標成果，乃是因為若選用恰好足夠的共同點（四參數兩 個點、六參數三個點），利用最小二乘法進行轉換，可得一組轉換參數，且能維 持共同點坐標保持不變的前提。 若共同點數目多於最少所需求解參數數目，則有多餘觀測量，再以最小二 乘法求解轉換參數，藉以提昇轉換結果精度。然而在同一地區選用不同組合的 共同點，可能得到不同的轉換參數，而使得轉換之結果非唯一解。除此之外， 若共同點存有錯誤（測量誤差或錯誤），也無從發現，進而導致轉換後的成果並 不可靠。因此進行轉換時，應該選擇多於最小需求的共同點數目，方能獲得較 可靠的成果並容易進行偵錯。即使共同點數目超過最小的需求，仍然會因為選 擇不同