三维房屋重建之文献报导与分析.ppt

1、2006/3/3 學生姓名: 鄭傑中 指導教授: 趙鍵哲,三維房屋重建之文獻報導與分析,94年度下學期第一次專題報告,報告大綱,目的 三維模型重建理論 研究成果報導與分析 結論與未來研究策略 參考文獻,報告目的,三維房屋重建理論方法 相關文獻的蒐集、報導與分析,三維模型重建理論,自動化的處理流程: 房屋區塊萃取(Building Extraction) 房屋重建(Building reconstruction) 屬性賦予(Semantic Attribution),建物模型的定義(Definition of Building Models),(Forstner,1999)將建物模型概略分成兩類

2、別(Class) 。 Parametric models Generic model prismatic models (稜柱體模型) polyhedral models(多面體模型) Constructive Solid Geometry models(建構實體幾何模型)。,Parametric models,形狀參數的給定調整建物的形狀大小。 姿態參數調整建物的位置(position)與方位(orientation)。 隱含建物間的幾何約制關係，可處理遮蔽情況。房屋模型的多樣性，無法將各種建物包含在內，故模型描述較缺乏彈性。,polyhedral models,在模擬建物上最具有彈性但較難

3、給定建物外型的屬性，即無法以一個通用的多面體模型來萃取各式建物。,Prismatic models,為由地籍圖(Ground plan)所衍生而來，其假定房屋的外緣為由地籍圖所描述，並設定牆面與地面垂直，故侷限在平屋頂的型態。 在許多GIS系統的三維模型的展示上就是將地籍圖上建物的外緣線作為牆面，以樓層高與樓層數的積作為建物高，而以稜柱體的方式表示建物，(王聖鐸,2005)。,Constructive Solid Geometry models,複雜建物拆解為簡單的型態又稱為元件(primitive)，而元件通常以參數表示。 利用布林運算之Intersection、Union與Differen

4、ce結合，故於複雜建物以多層樹(CSG tree)表示，樹的節點(node)含有兩個分支(Branch)以表示元件組合方式，末端Leave則為基本元件。 可表示曲線型態，如圓柱(cylinder)。 缺點在於房屋的多樣性。 對於複雜的建物，所衍生的樹也相對複雜，在程式的撰寫上不易。,攝影測量法,點特徵重建三維房屋為在解析製圖儀上量測共軛屋角點，再前方交會而得。而利用影像匹配(如：NCC，LSM)可快速減少人力負擔，但在高密度開發之都市，容易產生遮蔽情況而造成匹配的錯誤。 線特徵比點特徵不僅具有更豐富的幾何資訊與自動化的潛力，且可避開共軛點被遮蔽的情況，因此有學者轉而研究以直線特徵取代點特徵的三

5、維重建方法，(van den Heuvel,1999)(Rau,2002)(Jaw, 2005)。 以模型作為量測單元為屬於更高層的認知。主要為將房屋模型視為一個完整物件，由使用者選擇合適模型並投影到影像上獲得最佳套合，研究證實此方法不僅可提升測繪效率且套合後的模型即為建物的外觀(Lang, 1995) (王聖鐸,2005)。,雷射掃描法,光達系統利用所發射的脈衝對地表進行掃描，藉由量測脈衝由地表反射回掃描儀所經過的時間來決定掃描點的距離，並參考GPS與INS所測得之飛機位置及姿態，以得出掃描點三維座標。 由於建物幾何資訊(點、線、面)隱含在離散點雲內，故要從點雲資料獲得描述地物表面的資訊，則

6、必須藉由特徵萃取，將點雲資料由隱性資訊轉為顯性資訊。 在房屋重建時同樣需利用各種建物偵測的演算法剔除非房屋區域，發展一套結構化平面之演算法(如：區域成長法)將點雲集結成同平面，最後重建出屋頂面，(Rottensteiner, 2003)。,資料融合法,資料融合(Data Fusion)在於資料間的相互比對以確認資訊或經由整合互補性的資料繼而生產優於任一原資料來源的資訊產品(黃宗仁、趙鍵哲，2002)。 光達資料具有豐富的三維資訊，但由於資料的離散特性故在邊緣線的描述上遠不及以平面的型態表述(鄭傑中、趙鍵哲，2005)，相反的經由地籍圖(Ground Plans)或影像可獲得精確建物邊緣線。 經

7、過相關研究證實，不容易自動化的由影像重建房屋模型(Mayer,1999)，於結構複雜的建物也會提高失敗率。 有鑒於光達、地籍圖與航測影像間的互補性，國外許多研究刊使嘗試任意選取其中兩種資料以完成建物重建，如航測與地籍圖的結合或地籍圖與影像的結合等。,研究成果報導與分析,依自動化的程度分為全自動化與半自動化兩方面探討。 攝影測量法之研究成果 雷射掃描法之研究成果 資料融合法之研究成果,攝影測量法之研究成果,CyberCity Modeler (瑞士,1999) ObEx (德國,1997),CyberCity Modeler,該核心技術為一套Topology Generator的演算法，主要流程

8、可分為兩部分，首先由人工在建物的外緣(boundary point)根據順時針或逆時針進行立體的點位量測，若為內部的點(interior point)則順序不一。之後將點群集結為面模型(face model)，並建立面與面之間的位相關係，最後依序將每一個面模型進行最小二乘平差找到最佳套合的解，並也考慮三維點位可能同樣位於另一組平面上，最後將平面組成TIN的結構以用於三維模型的展示。 雖然後續的步驟為全自動化，但最後成果仍需人工介入以進行確認，而研究證實該系統可達到95%的重建成功率。 目前該系統已經發展為商業系統，且加入自動化牆面紋理貼圖(Wall Texture Mapping)、虛擬實境(

9、Virtual Reality)、位相調整(Topology Judgment)等各種功能。,CyberCity Modeler成果展示,ObEx,Bonn在1997年所發展的ObEx半自動重建系統(1995年時稱作 Hase)，目前最新的版本為1999年之ObEx1.0。 該系統為由人工在單一影像上進行量測，並同時與重疊影像進行匹配，最後重建房屋模型，該系統又稱One-eye Stereo System(Lang,1995)。,ObEx,分為四個步驟: 由使用者選取適當的房屋模型，即參數模型或稜柱體模型，參數模型以一組形狀與位置參數描述建物，稜柱體則以地籍圖所產生的封閉多邊形所描述。 由使用

10、者在影像上利用滑鼠調整模型的位置，直到模型與影像套合為止。 接著沿著核線將由單張影像所量測的模型與影像萃取到的邊緣線進行影像匹配，目的在求得地表高度以推算建物高程。 最後利用Robust estimation計算房屋模型的形狀與位置參數以獲得最佳套合解。,ObEx,此方法的概念類似王聖鐸於2005年所提出之最小二乘模型-影像套合法。此外本方法的特點，在於藉由模型的量測僅可明顯改善傳統點特徵量測之效率不彰的情況，且由於模型的參數已定義，因此也可處理房屋邊緣線被遮蔽的情形。,雷射掃描法之研究成果,澳洲New South Wales大學的Rottensteiner於2003年利用光達資料自動化的重建

11、房屋模型，最後嘗試結合影像。該研究主要將光達資料所產生進行建立房屋模型後，藉由影像在邊緣偵測的優勢Refine房屋模型。,雷射掃描法之研究成果,分為四個步驟，首先從網格化後的光達資料中利用polymorphic feature extraction的方法將光達資料進行分類以獲得房屋區塊。 接者，利用區域成長法進行分面，並判斷相鄰的平面是否須合併或交會得到Intersection或Step edges。 將所有平面整合以平差計算房屋模型參數，並增設三項約制條件(兩平面交會得到水平的屋脊線、兩牆平面為垂直交會與屋頂面與牆面的交會為屋簷)以調整模型。 受限於光達資料解析力，故該研究藉由影像在邊緣線偵

12、測的優勢，將光達所產生的房屋模型反投影到影像上設定Buffer，將Buffer內的影像線條(Region Of Interest)一起加入平差以改善模塑成果。,雷射掃描法之研究成果,該研究利用視覺驗證成果，證實加入影像確實能有效的修正房屋模型的邊緣。,雷射掃描法之研究成果,雖然利用光達點雲的結構化平面處理，有自動化的重建房屋模型的潛力，但仍有以下的缺點，(Vosselman,2005)： (1) 若建物屋頂遇到反射特性較差的物質，如水池，將不容易 獲得三維點位座標，因此該地區易形成缺口(gap)。 (2) 受到於點雲資料離散特性的影響，因此不容易獲得精確的階梯線(Step edge)或建物邊緣

13、線，即在斷線上的表現較差。,資料融合法之研究成果,美國 OSU 德國Stuggart大學 荷蘭Delft大學,OSU,Schenk在2002年的一篇文章中提出光達與影像各自的優缺點，以及這兩種系統間的互補性，並以實驗說明光達資料與影像的結合，確實更能提升描述地表資訊的能力。,OSU,Suyoung Seo的博士論文同樣結合光達資料與航測影像進行建物的重建，實驗結果發現，(1)以新提出的Contour Analysis法確實能有效的描述房屋的輪廓線，(2)利用Wing model之資料結構表示法可建立屋頂面(surface patch)之間的位相與幾何關係，並提高房屋辨識與重建之自動化程度，(3

14、)最後，融合光達資料能提升航測所測出的高程精度(由30cm100cm提升到3cm20cm)，但平面精度卻由於誤差的均勻分布導致的精度降低，但約在8cm30cm的範圍內。,Stuggart大學,(Ameri,2000)提出結合航測影像與DSM(由航測得來)之自動化重建房屋模型的演算法，研究架構主要分成三部分，房屋區塊辨識(Recognition)、建物重建(Reconstruciton)與幾何約制調整(Hypothesis refinement)。,Stuggart大學,首先利用DSM粗略的獲得要處理的區域(Region of Interest) 以區域成長法將影像上的房屋分面(Region g

15、rowing segmentation)獲得二維的屋頂面，之後將二維平面交會到物空間中獲得三維平面，並利用Polygon Adjacency Relationship(PAR)的方法建立三維屋頂面模型間的幾何位相關係，並判斷屋頂面間是否可再合併成更完整的房屋模型 最後利用幾何約制條件(Connectivity、Colinearity、Coplanarity、Orthogonality)修正房屋模型。,Stuggart大學,圖為該研究之房屋重建的成果。,Delft大學,Suveg and Vosselman在2004年發表結合航照影像與地圖(map)以全自動化的方式重建三維房屋模型的研究。 研究

16、分為兩階段，分別為獲得房屋區塊(building localized)及房屋重建(reconstruction)。,Delft大學,房屋區塊為藉由地籍圖所提供的房屋資訊獲得房屋的位置，並依序重建出每棟房屋。該研究認為每一棟複雜的房屋都為由許多簡單的房屋元件(Primitives Of Building)利用聯集(Union)、交集(Intersection)、差集(Difference)的邏輯所組成。因此以樹狀圖(tree)的概念出發(即節點表示為可組成各種型態的房屋模型)。,Delft大學,首先利用地籍圖(map)將不規則的房屋進行切割至大小不一之矩形(Rectangle)，接著藉由影像所萃

17、取與匹配出的三維點線特徵以組成三維的近似房屋元件(Primitives Of Building)，接著在影像上利用最小二乘法進行模型與影像邊緣線上像素點的平差計算，獲得最佳套合的房屋元件。最後建立所有的三維房屋元件(Primitives Of Building)之間的關係(Relation)再一次的進行評估，以便從樹狀圖(Tree)中找出最佳的組合。,Delft大學,該研究的實驗能重建出75%的房屋，但仍有一些缺點，如在進行房屋切割時可能會產生大量的切割矩形(partitions)，造成判斷的困難，或進行套合時不容易收斂。下圖為重建成果。,綜合比較,目前實驗成果,實驗證實融合能有效提升重建精度,目前實驗成果,平屋頂三維重建成果與精度,目前實驗成果,斜屋頂三維重建成果與精度,預期研究方向與目標,建立光達直線間的位相關係(Topology relations) 組成近似房屋模