Automated segmentation of in-service infrastructure datasets acquired using laser scanning

Abstract

The relevance of transportation infrastructure in our societies, as part of Critical Infrastructure Systems (CIS), indicates the importance of monitoring it. To monitor these assets, as-is models can be created. Among the most important transport infrastructures, some are linear infrastructures with specific characteristics that must be considered for their modelling. To accurately represent them, it is necessary to gather information about their current state without disrupting their function. LiDARs are a commonly used technology for obtaining information of linear transport infrastructures. They provide geometrical and geo-referenced information in form of point clouds. In this context, this doctoral dissertation proposes different methodologies to contribute to the field of knowledge of methods that allow the generation of geometric models of linear transport infrastructure from geo-referenced data that provide information about the as-is asset. To achieve this, we investigate how point clouds can be automatically segmented (semantically and in instances) to extract relevant information for modelling them. Various artificial intelligence segmentation techniques are explored, and segmentation algorithms are developed based on them, while studying their advantages and disadvantages. The most relevant characteristic of these algorithms to focus on is their ability of generalise or be readapted to different scenarios. The algorithms developed in this doctoral dissertation can be divided into heuristic and deep learning algorithms. Deep learning methods often require large amounts of data for training, which may not always be readily available. Therefore, we have also explored the creation of synthetic data and studied its impact on the training process. The algorithms presented in this doctoral dissertation have been tested in various real-world scenarios, such as railway, road, and truss-type bridge environments. This resulted in three publications in high-impact, peer-reviewed, international journals indexed on the Journal Citation Report (JCR) and one conference paper. These publications advanced the state of the art and contributed to the knowledge in their respective field.

El objetivo principal de la tesis doctoral es el desarrollo de técnicas y algoritmia de procesamiento avanzado de información procedente de sistemas de escaneo láser, principalmente nubes de puntos 3D e imágenes 2D, adquiridas en infraestructura lineal, esencialmente de carretera, ferrocarril y puentes. Con el desarrollo de estas técnicas se pretende, por un lado, superar el estado del arte existente en distintos ámbitos del procesado de nubes de puntos 3D en infraestructura lineal como pueda ser la segmentación, clasificación o inventario de activos de la misma; y por otro lado, proponer aplicaciones de gestión de la infraestructura a partir de los resultados obtenidos durante el desarrollo técnico de la tesis. Dichas aplicaciones deberán tener en cuenta la existencia de estándares internacionales de representación y modelado de la infraestructura, como el Industry Foundation Classes (IFC). El cumplimiento de estos objetivos implicará el desarrollo de una base de conocimiento competitiva en el sector geomático y también en el sector de la inteligencia artificial, que será clave para la consecución de los objetivos de investigación de esta tesis.

O obxectivo principal da tese doutoral é o desenvolvemento de técnicas e algoritmos de procesamento avanzado de información procedente de sistemas de escaneo láser, principalmente nubes de puntos 3D e imaxes 2D, adquiridas en infraestruturas lineais, esencialmente de carreteira, ferrocarril e pontes. Co desenvolvemento destas técnicas preténdese, por unha banda, superar o estado da arte existente en distintos ámbitos do procesado de nubes de puntos 3D en infraestruturas lineais como pode ser a segmentación clasificación ou inventario de activos da mesma; e por outra banda, propor aplicacións de xestión da infraestrutura a partir dos resultados acadados durante o desenvolvemento técnico da tese. Ditas aplicacións deberán ter en conta a existencia de estándares internacionais de representación e modelado da infraestrutura, como o Industry Foundation Classes (IFC). O cumprimento destes obxectivos implicará o desenvolvemento dunha base de coñecemento competitiva no sector xeomático e tamén no sector da intelixencia artificial, que será clave para a consecución dos obxectivos de investigación desta tese.