111 專技高考高等考試 測量技師 航空測量學 考古題詳解

核心觀念

本題旨在評量考生對現代航空攝影測量中關鍵航電與感測器技術——**定位定向系統（Position and Orientation System, POS）**之軟硬體架構、資料融合原理及其在製圖工作流中之實務掌握度。本題涉及的核心觀念包括：

1. POS 組成架構與互補濾波：全球導航衛星系統（GNSS）與慣性導航系統／慣性測量單元（INS/IMU）之頻率互補特性，以及卡爾曼濾波（Extended Kalman Filter, EKF）之雙向平滑解算機制。
2. 影像外方位元素（Exterior Orientation Parameters, EOP）之直接測定：空間位置 $(X_0, Y_0, Z_0)$ 與三軸姿態旋轉角 $(\omega, \varphi, \kappa)$ 的空間幾何轉換關係。
3. 製圖導向之定向模式：

• 直接地理定位（Direct Georeferencing, DG）
• 整合感測器定向／POS 輔助空中三角測量（Integrated Sensor Orientation, ISO）

4. 系統幾何與時間檢校（System Calibration）：

• 偏心向量校正（Lever-arm Offset Calibration）
• 視準偏角校正（Boresight Misalignment Calibration）
• 時間同步延遲（Time Synchronization Latency）
• 坐標基準面與大地水準面模型轉換（Datum & Geoid Transformation）

---

解題方法

本題為申論題，答題架構應採「定義與結構 $\rightarrow$ 特性分析 $\rightarrow$ 製圖應用用途 $\rightarrow$ 關鍵誤差與克服對策」四層遞進式論述：

1. 定義與硬體構成：界定 POS 為 GNSS 與 IMU 的高度整合系統，說明其透過動態載具獲取六個空間自由度（6-DOF）的基本原理。
2. 系統特性：運用對比法，分別剖析 GNSS（低頻、絕對無漂移）與 IMU（高頻、短期精準但發散）之互補機制與自主性。
3. 航空測繪用途：自「作業流程變革」切入，區分傳統空中三角測量、直接地理定位（DG）及整合感測器定向（ISO），並延伸說明其在航線導航與多感測器（如空載光達 LiDAR、傾斜相機）整合中之角色。
4. 問題與克服對策：從「空間偏差、旋轉角偏差、時間差、大地幾何與相機內方位」五大維度列出誤差來源，並提出數學模型與檢校飛行（Calibration Flight）等具體工程解法。

---

選項分析

本題為專技高考之申論題（問答題），非選擇題型。針對題目四大核心子題之作答要點與論述架構解析如下：

• 子題一：POS 定義與硬體組成
• 正確切入點：不可僅簡稱「GPS + 陀螺儀」，必須完整說明 GNSS 接收機、IMU（三軸加速度計與三軸陀螺儀）、電腦記錄處理單元（PCS）與後處理動態差分軟體（PPK + Kalman Smoother）之整合。
• 子題二：POS 之特性
• 正確切入點：聚焦於「互補性（Complementarity）」、「高頻與自主動態性」、「即時與後處理雙軌性」。
• 子題三：於航測製圖之用途
• 正確切入點：核心為「外方位元素之直接獲取」，使航空測量能實現「少控制點（ISO）」甚至「無控制點（DG）」之立體測圖、正射影像（DOM）及數值表面模型（DSM/DEM）產製。
• 子題四：需克服之問題與對策
• 正確切入點：必須點出幾何物理中心不同所產生的「偏心向量（Lever-arm）」、軸系不平行的「視差角（Boresight）」、毫秒級的「時間不同步」，以及橢球高轉正高之「大地水準面起伏（Geoid Undulation）」。

---

解題技巧

1. 關鍵公式化呈現：適度列出空間坐標轉換之幾何關係式，可大幅提升答案的專業度與說服力。例如將物方點坐標透過曝光中心、偏心向量與姿態矩陣相連： $\mathbf{X}_P = \mathbf{X}_{GNSS} + \mathbf{R}_{b}^{m} \mathbf{L}_{arm} + \lambda \mathbf{R}_{c}^{m} \mathbf{x}_c$ 其中 $\mathbf{R}_{c}^{m} = \mathbf{R}_{b}^{m} \mathbf{R}_{c}^{b}$，直觀突顯出槓桿臂 $\mathbf{L}_{arm}$ 與視準矩陣 $\mathbf{R}_{c}^{b}$ 的必要性。
2. 區分 DG 與 ISO：許多考生誤以為引進 POS 後地面控制點（GCP）就完全不需要。答題時務必強調：在極高精度製圖標準下，業界主流為「ISO（整合感測器定向）」，僅需少數周邊檢核點即可確保整體網形無系統性扭曲，展現工程實務經驗。
3. 直擊精度量級：點出航速與時間同步之關係（例如：航速 $70\text{ m/s}$ 下，若時間延遲僅 $1\text{ ms}$，即造成 $7\text{ cm}$ 沿航線定位誤差），以量化數據強化論點。

---

【答案】

一、定位定向系統（POS）之定義及其特性

1. 定義

定位定向系統（Position and Orientation System, POS）係整合**全球導航衛星系統（GNSS）與慣性導航系統／慣性測量單元（INS/IMU）**之機載航電量測系統。系統透過中央處理單元（PCS）對航攝載具進行即時同步記錄，並於事後利用延伸卡爾曼濾波（EKF）與雙向平滑演算法（Kalman Smoothing），解算曝光瞬間載具之三維空間位置 $(X, Y, Z)$ 與三軸姿態旋轉角（Roll $\omega$, Pitch $\varphi$, Yaw/Heading $\kappa$），即瞬時六個自由度（6-DOF）的空間運動狀態。

2. 系統特性

• 高度互補性（Complementarity）：
• GNSS：具備高精度絕對定位能力，無累積誤差，但觀測頻率較低（通常為 $1 \sim 10\text{ Hz}$），且易受機身轉彎傾斜造成之衛星訊號遮蔽、周波跳躍（Cycle Slip）影響。
• IMU：由三軸正交之陀螺儀（Gyroscope）與加速度計（Accelerometer）構成，取樣頻率極高（可達 $200 \sim 500\text{ Hz}$），具備完全自主性（不受天候與外部電磁訊號干擾），能精準測量瞬時動態角速度與加速度；惟經時間二次積分後，感測器之零偏（Bias）與漂移（Drift）會隨時間呈幾何級數發散。
• 融合優勢：藉由緊偶合（Tightly Coupled）或鬆偶合（Loosely Coupled）演算法，以 GNSS 的絕對坐標持續校正 IMU 的隨機漂移，同時利用 IMU 在 GNSS 訊號短暫失鎖時填補軌跡斷裂，實現全時段高精度動態解算。

核心觀念

1. 立體觀測與共核面條件（Epipolar Geometry）： 人眼進行立體觀測時，左、右兩眼視線與目標物點必須構成同一個「核面（Epipolar Plane）」，且左右眼基線必須與攝影基線（航向）平行。在理想的航攝幾何中，兩張像片上對應的同名像點連線應平行於航向線（即 $x$ 軸方向），左右眼可自然融像（Stereoscopic Fusion）並感知深度。
2. 視差的分類與定義： 以航向方向為像坐標 $x$ 軸、垂直航向為 $y$ 軸建立坐標系：

• 橫視差（Horizontal / X-parallax, $p_x$）：$p_x = x_1 - x_2$ 平行於攝影基線方向的像點坐標差，反映地形起伏與高程差異，是立體觀測中產生「立體高程感」的必要資訊。
• 縱視差（Vertical / Y-parallax, $p_y$）：$p_y = y_1 - y_2$ 垂直於攝影基線方向的像點坐標差。若 $p_y \neq 0$，代表左右眼視線在空間中上下錯開、無法在同一個平面相交，導致人眼無法融像，產生重影與視覺疲勞。

3. 相對定向之物理意義： 相對定向（Relative Orientation）之幾何本質，即為藉由調整兩攝站間的 5 個相對外方位元素，使得立體模型中所有對應點之縱視差歸零（$p_y = 0$）。

---

解題方法

本題為申論作圖題，解答應採「幾何定義 $\to$ 作圖示意 $\to$ 誤差來源剖析（公式與物理成因）」之標準邏輯展開：

1. 破題說明：定義縱視差之幾何意義，指出其為「未滿足共核面條件」之外在表徵。
2. 繪圖說明：繪製立體像對在理想條件下（$p_y = 0$）與存在外方位元素誤差下（$p_y \neq 0$）之幾何示意圖，標記同名像點、航向基準軸及縱視差量。
3. 分項剖析成因：從航攝幾何的自由度切入，將縱視差之產生歸納為「航攝外方位元素相對偏差（5 個相對定向元素）」與「人眼/立體儀器觀測擺放偏差」。

---

本題詳解（含繪圖說明）

一、縱視差之定義與幾何意義

在立體像對中，令左像片坐標為 $(x_1, y_1)$，右像片坐標為 $(x_2, y_2)$，且兩像片之 $x$ 軸均已旋轉至與攝影基線平行。 同名像點垂直於航線方向的坐標差即為縱視差 $p_y$： $p_y = y_1 - y_2$

• 理想狀況（$p_y = 0$）：兩曝光站 $S_1, S_2$ 與地面物點 $P$ 所形成的核面，在左右像平面上的交線（核線）重合或平行於基線，$y_1 = y_2$，左、右眼光線能精確交會於空間點 $P$。
• 失真狀況（$p_y \neq 0$）：同名像點連線不平行於航向，左右光線成為空間中互相交錯之歪斜線，無法相交於同一物點。

---

二、縱視差產生之幾何圖解

考生在試卷作圖時，應以「左右立體像對核線幾何」繪出 $p_y$ 之形成機制：

【圖一：正常航攝立體條件（無縱視差 py = 0）】

 左像片 (Left Photo) 右像片 (Right Photo)
 +-------------------+ +-------------------+
 | | | |
 | p1(x1, y1)| | p2(x2, y2)|
 y 軸 | •=========|================|=========• | y1 = y2
 ^ | | 航向 (X軸) | | py = y1 - y2 = 0
 | | + c1 | -----------> | + c2 | (同名點連線平行航向)
 +---> | | | |
 +-------------------+ +-------------------+

【圖二：產生縱視差幾何圖解（py ≠ 0）】

 左像片 (Left Photo) 右像片 (Right Photo)
 +-------------------+ +-------------------+
 | | | |
 | p1(x1, y1)| | |
 y 軸 | • | | |
 ^ | : | | p2(x2, y2)|
 | |---------:---------|----------------|---------•---------| 基準水平核線
 +---> | : | 航向 (X軸) | | |
 | + c1 | -----------> | + c2 | py = y1 - y2 ≠ 0
 | | | | (同名點連線不平行航向)
 +-------------------+ +-------------------+

核心觀念

線列式掃描（Pushbroom / Linear Array Scanner）衛星光學影像（如 SPOT、QuickBird、WorldView、福衛系列）在幾何成像上屬於「動態外方位」幾何。每一條掃描線對應不同曝光時刻，各具獨立的外方位元素（位置與姿態隨時間連續變動），傳統嚴密物理感測器模式（Rigorous Sensor Model, RSM）基於共線條件方程式（Collinearity Equations），計算極為繁複且高度依賴機密星曆數據。

有理函數模式（Rational Function Model, RFM）是一種通用型幾何感測器模式（Generic Sensor-Independent Model），其核心是利用三維物方坐標的三階多項式比值，來擬合並逼近二維像方坐標。

1. 坐標正規化（Coordinate Normalization）

為防止法方程式矩陣病態（Ill-conditioned），物方坐標 $(X, Y, Z)$ 與像方坐標 $(r, c)$（列 Row、行 Column）均需平移與縮放至 $[-1, 1]$ 區間： $X_n = \frac{X - X_0}{X_S}, \quad Y_n = \frac{Y - Y_0}{Y_S}, \quad Z_n = \frac{Z - Z_0}{Z_S}$ $r_n = \frac{r - r_0}{r_S}, \quad c_n = \frac{c - c_0}{c_S}$ 其中 $(X_0, Y_0, Z_0, r_0, c_0)$ 為平移量（均值），$(X_S, Y_S, Z_S, r_S, c_S)$ 為尺度因子。

2. 有理函數方程式（RFM 公式）

$r_n = \frac{P_1(X_n, Y_n, Z_n)}{P_2(X_n, Y_n, Z_n)}, \quad c_n = \frac{P_3(X_n, Y_n, Z_n)}{P_4(X_n, Y_n, Z_n)}$ 其中多項式 $P_i(X_n, Y_n, Z_n)$ 為最大至三階的三元多項式： $P(X_n, Y_n, Z_n) = \sum_{i=0}^3 \sum_{j=0}^3 \sum_{k=0}^3 a_{ijk} X_n^i Y_n^j Z_n^k \quad (i+j+k \le 3)$ 展開後包含 $1, X, Y, Z, XY, XZ, YZ, X^2, Y^2, Z^2, XYZ, X^2Y, X^2Z, XY^2, Y^2Z, XZ^2, YZ^2, X^3, Y^3, Z^3$ 共 20 個項次。四個多項式共有 80 個係數，通常將分母常數項固定為 1（即 $b_0 = 1, d_0 = 1$），共計 78 個獨立的有理多項式係數（Rational Polynomial Coefficients, RPCs）。

---

解題方法

本題應分為三大部分作答：一、運用 RFM 之目的；二、運用 RFM 之優點；三、RPC 之求解流程與方法。

一、單張衛星光學影像處理運用 RFM 的目的

1. 取代高複雜度的嚴密感測器模式（RSM）： 線列式感測器各掃描線之外方位元素皆為時間 $t$ 之函數。若直接解算動態共線方程式，每次幾何更正與正射校正皆需依賴迭代計算求得對應線元素，運算繁複。RFM 的目的在於以封閉形式（Closed-form）的有理多項式比值，直接建立物方三維坐標與像方二維坐標間的直接映射關係。
2. 保護衛星感測器內部幾何與星曆參數機密（安全保密性）： 商業或軍用高解析度對地觀測衛星之內部相機焦距、光學畸變參數、精確軌道星曆（Ephemeris）及姿態感測器數據常受國防或商業機密保護。透過將 RSM 轉換為 RPC，衛星數據供應商僅需釋出 RPC 檔，即可完整提供幾何定位能力，無須公開衛星軌道與硬體敏感參數。
3. 建立通用化（Sensor-Independent）的處理介面： 促使各式衛星影像（光學推掃式、訊框式、SAR 等）具備一致的幾何數學模型，下游航測與 GIS 商業軟體無須為每顆新發射衛星專門開發外方位與物理相機解算模組。

二、運用 RFM 的優點

1. 計算效率極高（高運算效能）： RFM 為顯式代數多項式除法，正向與逆向投影無需進行耗時的軌道姿態內插與動態共線方程式非線性迭代解算，大幅提升海量像元正射校正（Orthorectification）、立體幾何交會與 DEM 產製的計算速度。
2. 高精度逼近能力（擬合誤差達亞像元水準）： 三階有理多項式分子與分母具備 20 個項次，足夠精確補償由星載平台動態運動、鏡頭幾何畸變、大氣折射以及地球曲率引起的各類高階非線性畸變。在成像視角範圍內，RFM 對 RSM 的數值逼近誤差通常小於 0.05 至 0.1 像元（Sub-pixel level）。
3. 軟體通用性與跨平台標準化： 國際標準組織（如 OpenGIS/OGC、NITF、ISPRS）皆將 RPC 列為高解析度衛星影像的標準中繼資料（Metadata），任何標準商用攝影測量軟體皆可直接匯入處理。

三、有理函數轉換係數（RPC）的求解方法

RPC 求解分為「地形獨立法（Terrain-Independent Method）」與「地形相依法（Terrain-Dependent Method）」，實務與工業界標準皆採用地形獨立法。

1. 地形獨立法（虛擬三維格網法，標準做法）

該法由衛星資料提供商執行，利用已知的嚴密感測器模式（RSM）在整幅影像涵蓋的物方三維空間建立虛擬控制格網進行數值擬合：

• 步驟一：建立三維虛擬控制格網（3D Virtual Control Grid） 在影像覆蓋的經度、緯度及高程範圍內，劃分多層空間虛擬格網。

核心觀念

本題評量考生結合**數位影像處理（Digital Image Processing）與解析/數位航空測量學（Analytical and Digital Photogrammetry）**的系統整合能力，核心涵蓋兩大面向：

1. 標準化互相關（Normalized Cross Correlation, NCC）原理： 屬於面積基影像匹配（Area-Based Matching, ABM）。透過統計學之互相關係數衡量左右影像局部視窗之灰階分佈相似程度，具備抵抗光照線性變化（對比度與亮度偏差）之特性。
2. 立體像對相對方位（Relative Orientation, RO）之點位幾何要求： 相對方位的目的在於恢復兩張航攝影像在曝光瞬間的相對位置與姿態，消除像對間的 $y$ 視差（$p_y = 0$）。理論上至少需 5 組同名點（共軛點），實務上標準配置為 6 個馮霍恩點（von Gruber points）分區，或更多均勻分佈之重疊點以進行最小自乘平差。
3. 先驗航拍資訊之幾何輔助： 利用航攝相機檢定參數（內方位）、航線重疊率（通常航向約 60%）、航高、飛行方向或先驗 POS（GNSS/IMU）資訊，可計算初始搜尋範圍並建立核線幾何約束（Epipolar Constraint），將二維平面搜尋降維至一維線性搜尋。

---

解題方法

本題為申論與工程設計整合題，解題分為兩大部分：第一部分推導並說明 NCC 原理與特性；第二部分循序設計自動量測相對方位點位的工程流程。

一、標準化互相關（NCC）原理說明

1. 數學定義與公式： 設基準影像（左片）大小為 $(2M+1) \times (2N+1)$ 之樣板視窗 $T$，其中心坐標為 $(x, y)$；搜尋影像（右片）中對應位移 $(u, v)$ 處之搜尋子視窗為 $S$。 NCC 相關係數 $\rho(u, v)$ 定義為：

$$\rho(u, v) = \frac{\sum_{i=-M}^{M} \sum_{j=-N}^{N} [T(x+i, y+j) - \bar{T}][S(x+u+i, y+v+j) - \bar{S}]}{\sqrt{\sum_{i=-M}^{M} \sum_{j=-N}^{N} [T(x+i, y+j) - \bar{T}]^2} \sqrt{\sum_{i=-M}^{M} \sum_{j=-N}^{N} [S(x+u+i, y+v+j) - \bar{S}]^2}}$$

式中：

• $T(x+i, y+j)$ 與 $S(x+u+i, y+v+j)$ 分別為樣板與搜尋子視窗內各像元的灰階值。
• $\bar{T}$ 與 $\bar{S}$ 分別為對應視窗內灰階值的區域平均值：

$$\bar{T} = \frac{1}{(2M+1)(2N+1)} \sum_{i=-M}^{M} \sum_{j=-N}^{N} T(x+i, y+j)$$ $$\bar{S} = \frac{1}{(2M+1)(2N+1)} \sum_{i=-M}^{M} \sum_{j=-N}^{N} S(x+u+i, y+v+j)$$

2. 核心特性與優缺點：

• 數值區間：$-1 \le \rho(u, v) \le 1$。值越接近 $+1$，代表兩視窗的灰階紋理型態越高度相似；取 $\rho$ 達到最大值且大於設定門檻（如 $\rho > 0.8$）處為同名點位置。
• 耐光照線性變化：公式分子與分母均扣除平均值並除以標準差，因此當影像存在線性輻射偏差（即 $S = aT + b$，$a > 0$）時，相關係數不受影響。
• 幾何敏感性（限制）：對影像旋轉、尺度縮放、透視投影變形極度敏感；若無幾何修正或近似值輔助，在大傾角或起伏劇烈地區易匹配失敗。

---

二、已知航拍資訊下自動量測相對方位點位之系統流程設計

若已知相機內方位參數（焦距 $f$、像主點、畸變參數）及航拍資訊（航向重疊率約 60%、航高 $H$、飛行方向，或粗略 POS 坐標），自動化量測設計步驟如下：

[步驟一：影像預處理與幾何坐標正規化]
 │
[步驟二：依馮霍恩分佈選取高紋理特徵點]
 │
[步驟三：利用航拍資訊建立核線與搜尋區間約束]
 │
[步驟四：影像金字塔架構之 NCC 粗到精匹配]
 │
[步驟五：雙二次多項式擬合取得次像元坐標]
 │
[步驟六：幾何條件檢核與粗差剔除（輸出點位）]

步驟一：影像幾何預處理（消除畸變與坐標轉換）

1. 利用相機檢定報告之內方位參數，校正像差畸變（輻向與偏心畸變），將像元坐標 $(r, c)$ 轉為理想像平面坐標 $(x, y)$。
2. 根據相鄰曝光站航向重疊率（約 60%），計算立體重疊區域在左右影像中的大致範圍。

核心觀念

1. 空間對偶性（Point-to-Curve Duality）： 霍夫轉換（Hough Transform, HT）本質上是一種特徵空間映射技術，利用「影像空間（Image Space）」與「參數空間（Parameter Space）」之間的對偶性原理，將影像空間中共線的邊緣點群，轉換為參數空間中相交於同一點的多條曲線。
2. 參數模型之選用：

• 直角坐標斜截式：$y = mx + c$。若直線垂直於 $x$ 軸，其斜率 $m \to \pm\infty$，參數空間無限延伸，無法進行電腦離散化儲存。
• 極坐標法向式（Hesse Normal Form）：以法線距離 $\rho$ 與法線夾角 $\theta$ 表示： $\rho = x \cos \theta + y \sin \theta$ 此模型參數範圍有界，為數值影像處理與航測實務之標準公式。

3. 累積陣列與投票機制（Voting Scheme）： 將連續的參數空間離散化為「累積陣列（Accumulator Array）」，利用各邊緣點對所有可能穿過的直線參數進行「投票累計」，藉此將全域直線偵測問題轉化為參數空間中的「局部峰值偵測（Peak Detection）」。

---

解題方法

本題應從「數學模型推導」、「映射對偶性原理」、「演算法實作流程」及「航測地物萃取特性」四個層次完整闡述：

一、數學模型與空間映射原理

1. 直角坐標之局限性： 若採用 $y = mx + c$，影像空間中的一個已知點 $(x_i, y_i)$ 對應參數空間 $(m, c)$ 中的一條直線： $c = -x_i m + y_i$ 當影像中的目標直線接近鉛垂線時，$m = \tan(\alpha) \to \infty$，導致參數空間無法設定有限網格大小。

2. 法向極坐標表示法（Duda-Hart Form）： 為克服斜率發散問題，將直線方程式改寫為以原點至直線的垂直距離 $\rho$ 與法線方向角 $\theta$ 表示： $\rho = x \cos \theta + y \sin \theta$

• $\theta$：直線之法向量與 $x$ 軸正向之夾角，範圍為 $\theta \in [0, \pi)$ 或 $[-\frac{\pi}{2}, \frac{\pi}{2})$。
• $\rho$：原點到該直線的垂直距離（帶正負號），有界範圍為 $[-\rho_{\max}, \rho_{\max}]$，其中 $\rho_{\max} = \sqrt{W^2 + H^2}$（$W$ 與 $H$ 分別為影像之寬與高）。

3. 幾何映射對偶性：

• 點變正弦波：影像空間中的單一離散邊緣點 $(x_i, y_i)$，在參數空間 $(\rho, \theta)$ 中對應一條正弦曲線（Sinusoid）： $\rho(\theta) = x_i \cos \theta + y_i \sin \theta$
• 交點成直線：若影像空間中有多個邊緣點 $(x_1, y_1), (x_2, y_2), \dots, (x_k, y_k)$ 位於同一直線上，則這 $k$ 個點在參數空間所對應的 $k$ 條正弦曲線，必同時相交於同一點 $(\rho_0, \theta_0)$。

---

二、演算法四步驟流程

1. 影像前處理（邊緣偵測與二值化）： 使用微分算子（如 Sobel、Canny）對航空正射影像或航攝數值影像進行邊緣偵測，濾除非特徵雜訊，提取出顯著的邊緣特徵像素點集合 $S = \{(x_i, y_i)\}$。
2. 參數空間離散化（建立累積器）： 在預定範圍內，將 $\theta$ 軸依角度解析度 $\Delta\theta$（例如 $1^\circ$）、$\rho$ 軸依距離解析度 $\Delta\rho$（例如 $1\text{ pixel}$）進行網格化切割，建立二維整數陣列 $A(\rho, \theta)$，並初始化所有網格計數值為 0。
3. 逐點投票（Accumulator Voting）： 走訪邊緣點集合 $S$ 中的每一個點 $(x_i, y_i)$：