Use of mobile mapping technologies for automated inspection of road pavements

Abstract

The present thesis is focused on the development of methodologies for the exploitation of remote monitoring systems with the aim of obtaining information on land transport infrastructures and their environment, focusing on the segmentation of road assets and pavement analysis for the detection of pathologies. MLS (Mobile Laser Scanner) systems, capable of generating point clouds representing the geometry of the infrastructure, will be mainly used for data collection. The information obtained with other monitoring means, such as photographic images, will be used to increase the knowledge about the scenario to be analyzed. Algorithms in Matlab and Python will be developed as part of heuristic methodologies for the segmentation of point clouds and the detection of pathologies in the road pavement, mainly cracks. The use of Machine Learning tools for these tasks will also be explored. The results achieved will be compared with those obtained using traditional inspection techniques, with the intention of assessing the improvements in working times and safety of the work thanks to the automation of tasks.

La presente tesis está enfocada en el desarrollo de metodologías para la explotación de sistemas de mapeado móvil con el objetivo de obtener información de las infraestructuras de transporte terrestres y su entorno, centrándose en la segmentación de activos de las carreteras y el análisis del pavimento para la detección de patologías. Para la recogida de datos se emplearán principalmente sistemas MLS (Mobile Laser Scanner), capaces de generar nubes de puntos que representen la geometría de la infraestructura. La información obtenida con otros medios de monitoreo, como las imágenes fotográficas, se emplearán para incrementar el conocimiento sobre el escenario a analizar. Se desarrollarán algoritmos en Matlab y Python como parte de metodologías heurísticas para la segmentación de las nubes de puntos y la detección de patologías en el pavimento de las carreteras, principalmente grietas. También se explorará el uso de herramientas de aprendizaje automatizado (Machine Learning) para estas tareas. Los resultados alcanzados serán comparados con los obtenidos mediante técnicas de inspección tradicionales, con la intención de valorar las mejoras en los tiempos de trabajo y la seguridad de los mismos gracias a la automatización de tareas.

A presente tese está enfocada no desenvolvemento de metodoloxías para a explotación de sistemas de mapeado móbil co obxectivo de obter información das infraestruturas de transporte terrestres e os seus arredores, centrándose na segmentación de activos das estradas e o análise do pavimento para a detección de patoloxías. Para a recollida de datos empregaranse principalmente sistemas MLS (Mobile Laser Scanner), capaces de xerar nubes de puntos que representen a xeometría da infraestrutura. A información obtida con outros medios de monitoreo, como as imaxes fotográficas, empregarase para incrementar o coñecemento sobre o escenario a analizar. Desenvolveranse algoritmos en Matlab e Python como parte de metodoloxías heurísticas para a segmentación das nubes de puntos e detección de patoloxías no pavimento das estradas, principalmente gretas. Tamén se explorará o uso de ferramentas de aprendizaxe automatizado (Machine Learning) para estas tarefas. Os resultados acadados serán comparados cos obtidos mediante técnicas de inspección tradicionais, coa intención de valorar as melloras nos tempos de traballo e a seguridade dos mesmos grazas á automatización de tarefas.