LIDAR资料建构不规则三角网(TIN)-国立政治大学.doc

地籍測量 稿至：93.11.29 第廿三卷第4期，第1-24頁，民國93年12月 修正：94.01.03 接受：94.01.03 利用資料蒐評法自動萃取 空載光達資料中的屋頂面資訊 Automatic Extraction of Building Roofs by Data Snooping from Airborne LIDAR Data 邱 式 鴻* Shih-Hong Chio 摘 要 空載光達資料是大量分布於地表的三維點位資料，經過處理之後，可以應用於高精度的DEM生產；萃取如建物、道路或者樹木等地物，作為景觀規劃或是其他方面之應用；甚至可以用來進行災害評估。由於空載光達資料中隱含著空間中有意義的點、線、面特徵，對於萃取其特徵建構都市區或含建物區的建物模型供後續應用是目前相當重要的研究主題。而由包含大量精確平面特徵的光達資料中，進一步處理或結構化之後萃取有意義的面特徵，甚至是更有意義的地物資訊供後續應用則需要發展不同的演算法。本文即嘗試由包含建物資訊區域範圍內的光達資料中，萃取屬於建物屋頂面資訊供後續處理應用；也就是在假設地表建物屋頂面是由三維平面所建構而成的前提之下，利用資料蒐評法發展可以確實排除不屬於屋頂面上光達資料的演算法，並精確決定建物屋頂面的資訊供建立建物模型之用。 關鍵詞：chio0119@nccu.edu.tw ，02# 51657 DEM, for the extraction of terrain object, e.g. buildings, roads and trees, as well as for disaster assessments. Urban LIDAR data contains lots of meaningful 3-D planes for building reconstruction. Therefore many algorithms are developed to extract the meaningful 3-D plane features. Based on data snooping theory, this paper proposed an algorithm to exclude non-roof point data and extract building roof planes from LIDAR data for the application of building reconstruction. The test results show the feasibility of the proposed algorithm. Key Words: LIDAR Data, Data Snooping, Building Reconstruction. 一.前言 空載光達(LIght Detection And Ranging, LIDAR)資料是利用GPS (Global Position System)全球定位系統和INS (Inertial Navigation System) 慣性導航系統即時定出飛機飛行瞬間的位置和姿態參數，同時利用雷射測距和光學掃描原理，以每秒約數千次的觀測頻率對地面進行掃瞄，可以快速得到大量分布於地表的三維點位資料，又稱為點雲(Point Cloud)資料 [Wehr and Lohr, 1999]。 空載光達資料可以應用於高精度的DEM生產；萃取如建物、道路或者樹木等地物，作為景觀規劃或是其他方面之應用；甚至可以用來進行災害評估[Axelsson, 2000; Priestnall et al., 2000; Steinel et al., 2001]。而因為空載光達資料是大量分布於地表的三維點位資料，所以空載光達資料中隱含著對建構地表地物有實質助益且有意義的點、線、面特徵，所以如何由空載光達資料中萃取有意義的特徵物，供後續建構地物資訊或其他應用，是目前相當重要的研究主題。尤其是由包含大量精確平面特徵的都市區或建物區光達資料中，進一步處理或結構化之後，以萃取有意義的平面特徵，甚至是萃取更有意義的地物資訊供後續應用則需要發展不同的演算法。由三維光達點雲資料萃取平面資訊的方法很多，如賴志恆[2002]以及湯凱佩和曾義星[2004]均以八分樹法將雷射點雲階層式三維網格結構化之後進行最小二乘平面擬合和平面特徵萃取；Lee[2002]則以Perceptual Organization分析雷射點雲之空間幾何結構，並將點雲資料群集成平面；Mass [1999]則將LIDAR資料轉換成網格式的影像資料，然後利用影像分類輔以其他資訊萃取其面狀特徵。 空載光達資料雖然是大量分布於地表的三維點資料，