研發群組 成果展

    為精準自3D點雲模型單獨擷取特定物件點雲資料,就必須研究開發高效益之分類模式,降低以人工方式進行3D點雲模型分類的比例。本研究以雷射光反射強度I值為研究對象,依據I值與被掃描物體之材質、顏色及掃描距離等所存在的數值關係,建立個別之關聯性方程式,並導入「卷積神經網路(Convolutional Neural Network, CNN」,建置具有自我「深度學習」之人工智慧平台,經實驗訓練過程,培養平台成為具有傳統建築材料自動分類之能力。

    現階段以金門傳統建築常用之建築材料磚材、瓦材、石材及木材為對象,在相同環境下進行四項材質不同距離之點雲資料擷取;其中採取不同距離之原因在於以3D雷射掃描儀數位化一棟傳統建築時,建築體上分布之相同建築材質,距離3D雷射掃描儀之距離量必然不同,藉此不同距離之實驗設計蒐集相同材質在不同距離可能反應出之雷射光反射強度I值。依據目前於實驗室之研究階段性成果顯示,在相同環境指標下擷取05m10m15m20m25m之瓦材與磚材各100點之點雲模擬兩者之廻歸曲線,經模擬之瓦材廻歸曲線進行分類,瓦材分類後的符合度約為88%;透過磚材模擬之廻歸曲線進行分類,磚材分類後的符合度接近100%。後續將進行三種材質以上的分類,探究其符合度,並且融入CNN模式測試「深度學習」之人工智慧平台自動分類之可行性。

撰寫單位:國立金門大學 土木與工程管理學系


3D雷射掃描儀(FARO Photon120) 於原點位置進行掃描作業

於實驗場拉捲尺定向及定距使用

於各段距離標示其位置標記

確保3D雷射掃描儀與待測目標物於同一直線上

3D雷射掃描儀對5m的石材進行掃描作業

3D雷射掃描儀對5m的磚材進行掃描作業

3D雷射掃描儀對5m的木材進行掃描作業

3D雷射掃描儀對5m的瓦材進行掃描作業

3D雷射掃描儀對石材進行掃描作業

於20公尺處檢核目標物於該段距離是否於同一直線上