空載雷射掃瞄之基本關係及其運算式、掃描資料之建物萃取實例 王正楷 指導教授：徐百輝

大綱 動機 雷射掃描系統基本關係及其運算式 雷射掃瞄資料處理之實例 ─ 基於小波方法對光達資料之建物特徵萃取 未來方向 參考文獻

研究動機 鑒於近年遙測隨科技之發展而快速成長，空載光達技術逐漸發展，而後又融入全球定位系統(Global Positioning System, GPS)及慣性導航系統(Inertial Navigation System, INS)，使得精確的即時定位定姿態方法得以實現，利用空載雷射進行量測便漸趨普遍。本篇即以光達之飛行、成像過程做重點介紹，並在最後引進一光達影像之處理實例，以期能將影像成像前之過程與成像後之處理作一連貫，進而對未來研究有所助益。

雷射掃描系統基本關係及其運算式

雷射測距 脈衝式測距 相位差測距

脈衝式雷射測距

連續波式雷射測距 圖中為一正弦波，令週期為T(通常為已知)， 為時間延遲(time delay)，即為傳送與接收之時間，其與傳送與接收訊號之相位差 成比例

maximum unambiguous range— 最大清晰距離 一雷射光在下一個雷射射出前，其所能測距之最遠距離 通常在尚未接收到前一脈衝訊號之前，不發射第二個脈衝訊號，其是為了避免混淆脈衝到達計數器的時間。

maximum unambiguous range— 最大清晰距離 脈衝式雷射測距 令 為相鄰兩個雷射傳送時間之間隔(即第一個雷射光發射出去後，距離下一個雷射光發射之時間間隔)，則 連續波式雷射測距 對於CW雷射而言，最大的相位差為 ，故由 可推得： λ為實際測距訊號之最長波長(在連續波式雷射中使用多重頻率)

Range Folding 又稱Range Aliasling。此為當目標物在maximum unambiguous range的範圍之外時之現象，也就是當光達接收到訊號時，所接收到的除了本次所發出之訊號外，還可能會有上一個甚至是上上一個未被接收之光達訊號。

測距精度(ranging accurancy) 以脈衝為量測之光達其精度與rise time成正比，而與訊雜比的平方根成反比，如下式： 在CW中：其精度與最小波長成正比，與訊雜比的平方根成反比：

雷射波長 不同的地物對同ㄧ波長有不同的反射性質 圖中顯示波長為900nm之雷射，其對不同地物所得之反射力(百分比)。

投影直徑 航高h 已知，雷射地面投影取決於雷射瞬時視域IFOV。由圖a 得知雷射地面投影直徑為： 孔徑D通常極小可忽略： 瞬時視域γ之值極小

掃描帶寬(swath width, SW)： swath width取決於掃描角(又稱為FOV,視域)

定位與定向系統 在飛行期間，若知道其掃描時刻在某坐標系統(如WGS84)之座標，則其方位及位置就可被決定出來。因此，雷射掃描系統必須與定位定向系統(Position and Orientation System, POS)相結合(即結合GPS與INS)。 然而此時則會有另ㄧ問題產生，即POS與掃描儀之時間ㄧ致性

定位與定向系統 使用軟體模組同時紀錄雷射掃描儀資料，以及由斷續器控制的時間資料。 每一次掃描開始的同時，資料組將匯入PC1 的時間。 GPS 之PPS 訊號(Pulse Per Second - signal)以及PC1 之時間將儲存於不同的協定檔案中 當機上GPS 接收儀之PPS 訊號觸發斷續器IRQ7，同一時刻儲存GPS 時間與PC1 時間。 使用此種機制可將POS資料從掃描資料分開來，而做其前置處理((pre-processed) )

雷射掃描資料典型處理流程 目的：數值高程模型之獲取 校正資料如相對於慣性座標系統之雷射掃描儀位置 地圖投影─結果為一大群隨機散佈、具有高程與座標資料的點位。 依據點位位置排序高程觀測量 過濾演算法與程序─與非地面點(如建物)分離

ALS的主要應用舉例： 通道之繪製，如道路、鐵路軌跡、導管、水渠。 DTM的生產。 沿海範圍之量測，包括沙丘及潮汐淺灘、沿海變化及侵蝕之決定。 嚴重的天災或其他慘重災難時，可快速製圖，得到其前後之變化。 冰雪覆蓋之地區量測，包含冰河之監測。 沼澤地量測。

基於小波方法對光達資料之 建物特徵萃取實例 基於小波方法對光達資料之 建物特徵萃取實例

基於小波方法對光達資料之 建物特徵萃取實例 基於小波方法對光達資料之 建物特徵萃取實例 空載雷射後所得之座標點位，主要的工作即為地表與地物之點位萃取，然而，由於雷射所掃射之位置是無法預期的，也就是其到底在何處反射回來，諸如屋頂?建物中間?樹葉?或是地表面反射的，甚難掌握，故其並非為簡單的工作，而目前已有許多相關的演算被發表出來，這裡所介紹的則是利用小波原理對於大城市之高樓建物進行萃取。

基於小波方法對光達資料之 建物特徵萃取實例 基於小波方法對光達資料之 建物特徵萃取實例 動機：亞洲地區之建築是相當密集的，而其中高的建築當中又會錯綜的夾雜一些小建築物，使的分辨困難。 目的：以多重解析度(multi-resolution)的方法將高大的建物與矮小的建物萃取出來。 測試區域概況：日本東京新宿，新宿是個商業及辦公型地區，其高樓繁多，其間又有許多小型建物涵蓋在大樓底下。

處理程序 底下為建物萃取之概略流程圖：

Laser Data 空載雷射掃瞄之處理由Kokusai Kogyo Co., Ltd. Geomatics Department.，(此公司完成了日本大部分地區的空載掃瞄)。

Interpolation (內插) 利用(Behan, 2000)的 不規則三角網(TIN)內插法，解析度為一公尺。

Wavelet smoothing 圖中表示在四個連續的解析度下經由小波分析所平滑化後之影像，從圖中可以很明顯的分辨出由實地城市建物所反射形成的雷射點位分布情形，其小且低矮的建築隨著解析度越粗糙而逐漸消失，這也提供了底下多解析度分類方法的一個契機。

多解析分割 (Multi-resolution segmentation) 在多解析度空間中，基於特徵簽名(signature)，建物可以很容易地從高程影像中感測出來，多解析度分割之原理可由右圖簡單的描述出來。 分割之結果呈現出測區之主要建物，一些建物隨著它的low signatures而逐漸消失，

多解析分割 (Multi-resolution segmentation) 圖中顯示所感測到的建物分別以網格式及向量式來表示。

優點與產生之問題 優點 相較於其他演算法節省了計算時間。 問題 邊緣線偵測困難。 物體邊緣線可能產生形變。 目前之解決方法：結合航照圖或現有的二維資料 來改正邊緣線偵測。

基於小波方法對光達資料之 建物特徵萃取實例 基於小波方法對光達資料之 建物特徵萃取實例 未來展望： 將此演算法應用在其他之人造物件、道路或高速公路之萃取。 尋找解決邊緣線偵測問題之演算法

未來方向 小波理論之研究 Lidar資料之建物與地表萃取之相關演算法(以小波理論)。

參考文獻 E.P. Baltsavias, 1999, Airborne laser scanning existing systems and firms and other resources, Isprs Journal Of Photogrammetry And Remote Sensing (54), 164-198 E.P. Baltsavias, 1999, Airborne laser scanning basic relations and formulas, Isprs Journal Of Photogrammetry And Remote Sensing (54)199-214 Aloysius Wehr , Uwe Lohr 1999, Airborne laser scanning—an introduction and overview, ISPRS Journal of Photogrammetry & Remote Sensing (54) 68-82 史天元、彭淼祥、徐偉城, 2002,行政院農業委員會九十一年度試驗研究計畫研究報告 Vu Tuong Thuy, Mitsuharu Tokunaga, Wavelet-Based Clustering Method to Detect Building in Urban Area from Airborne Laser Scanner Data. http://www.aeromap.com/lidar_basics.htm http://amsglossary.allenpress.com/glossary/search