Автоматизация моделирования автомобильных дорог по данным мобильного лазерного сканирования

На настоящий момент существуют методы автоматического или полуавтоматического выделения элементов дороги, однако результаты исследований не находят широкого применения в производстве. На практике все действия по векторизации выполняются вручную. Данная работа нацелена на прикладное использование данных МЛС в качестве инструмента для мониторинга состояния и управления транспортной инфраструктурой. Рассмотрены существующие методы автоматизации и описана предлагаемая методика автоматизированного извлечения информации о дорожном полотне и состоянии дорожной разметки по данным мобильного лазерного сканирования. Технология получения слоев дорожного полотна и разметки, основана на преобразовании точек лазерного сканирования в растры интенсивности, их классификации объектно-ориентированным методом и использовании разработанного алгоритма.

Полученные в выпускной квалификационной работе результаты непосредственно связаны с актуальными проблемами применения МЛС в дорожной отрасли – автоматизация обработки данных и увеличение производительности работ. Технология получения векторных слоев дорожного полотна и разметки, основанная на преобразовании точек лазерного сканирования в растры интенсивности, их классификации методом объектного ориентирования и использовании разработанного алгоритма, написанного на языке программирования, была применена впервые. Полученные данные полностью удовлетворяют требованиям, предъявляемым к качеству работ.
При написании магистерской диссертации изучены и реализованы методы дешифрирования данных МЛС на предмет распознавания дорожного полотна и разметки. Разработанная технология показала свою работоспособность и оказалась вполне приемлемой для выполнения задач мониторинга состояния и моделирования дорожного полотна.
В ходе работы при выполнении поставленных задач достигнуто следующее:
создан макрос TerraScan в ПО Bentley Microstation и выполнена полуавтоматическая классификация массива точек МЛС, созданы растры, основанные на данных отражательной способности поверхности;
проанализирована и разработана методика выделения дорожного полотна посредством классификации методом объектного ориентирования и дорожной разметки используя разработанный алгоритм на языке Python 3.7;
проведена полуавтоматизированная идентификация исследуемых объектов по растрам, созданным на основе классифицированных точек;
получены векторные слои дорожного полотна и разметки для нескольких участков федеральной дороги М-18 «Кола»;
проведена оценка точности полученных результатов.
Разработанная методика может быть использована для ускорения камеральных работ при обследовании и мониторинге дорожного покрытия с применением мобильного лазерного сканирования. Оперативное наблюдение за состоянием качества автомобильных дорог могло бы повысить эффективность выполнения работ, направленных на улучшение дорожно-транспортной инфраструктуры в РФ.
Считаю необходимым сформулировать следующие рекомендации в сфере обеспечения своевременной и качественной информацией работ по проектированию и обследованию автодорог, исходящее из опыта выполненной работы. Мониторинг подразумевает непрерывность сбора и обработки информации, постоянную поддержку системы в актуальном виде, необходимом для управления состоянием и эксплуатацией автомобильных дорог. Для обеспечения точности данных обследование дорог следует проводить по двум траекториям, прямой и обратной, и также далее использовать эту информацию при обработке полученных результатов МЛС. Кроме того, необходимо следить за развитием систем автоматизированной обработки и анализа данных МЛС с целью оценки возможности их применения для информационного моделирования объектов транспортной инфраструктуры в будущем.

Федеральный закон: ФЗ № 257 «Об автомобильных дорогах и о дорожной деятельности в Российской Федерации и о внесении изменений в отдельные законодательные акты Российской Федерации». – утв. Государственной Думой РФ, 2007. – 46 с.
ГОСТ 33100-2014. Дороги автомобильные общего пользования. Правила проектирования автомобильных дорог. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2014. – 31 с.
ГОСТ 32836-2014. Дороги автомобильные общего пользования. Изыскания автомобильных дорог. Общие требования. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2015. – 54 с.
ГОСТ 32869-2014. Дороги автомобильные общего пользования. Требования к проведению топографо-геодезических изысканий. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2015. – 44 с.
ГОСТ 33151-2014. Дороги автомобильные общего пользования. Элементы обустройства. Технические требования. Правила применения. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2015. – 27 с.
ГОСТ Р 52398-2005. Классификация автомобильных дорог. Основные параметры и требования. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2005. – 7 с.
ГОСТ 33101-2014. Дороги автомобильные общего пользования. Покрытия дорожные. Методы измерения ровности. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2016. – 23 с.
ГОСТ Р 52399-2005. Геометрические элементы автомобильных дорог. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2005. – 11 с.
Строительные нормы и правила: СНиП 3.06.03-85 Актуализированная редакция. Автомобильные дороги. – утв. приказом Министерства регионального развития РФ, 2009. – М.: Издание официальное, 2012. – 73 с.
Свод правил: СП 34.13330.2012. Автомобильные дороги. Актуализированная редакция СНиП 2.05.02-85. – утв. Минрегионом России, 2012. – М.: Издание официальное, 2013. – 112 с.
Отраслевой дорожный методический документ: ОДМ 218.4.039-2018. Рекомендации по диагностике и оценке технического состояния автомобильных дорог / Федеральное дорожное агентство (Росавтодор). – М., 2018. – 73 с.
Технические рекомендации: ТР 134-03. Технические рекомендаций по устройству и приёмке в эксплуатацию дорожных покрытий с учётом требований международных стандартов по ровности. – утв. Правительством Москвы. – М., 2003.
Отраслевой дорожный методический документ: ОДМ 218.7.001-2009. Рекомендации по осуществлению строительного контроля на федеральных автомобильных дорогах / Федеральное дорожное агентство (Росавтодор). – М., 2009. – 32 с.
Книжников, Ю.Ф., Кравцова, В.И., Тутубалина, О.В. Аэрокосмические методы географических исследований // Учебник для студентов высш. учеб. заведений. – М.: Издательский центр «Академия». – 2004. – 336 с.
Комиссаров А. В. Теория и технология лазерного сканирования для пространственного моделирования территорий. – Новосибирск: СГГА, 2015. – 103 с.
Лапин Р. П. Оценка густоты дорожной сети // Молодой ученый. – 2016. – №12. – С. 311-314
Медведев В. И., Сарычев Д. С., Скворцов А. В. Предварительная обработка данных мобильного лазерного сканирования в системе IndorCloud // САПР и ГИС автомобильных дорог. – 2014. – № 2 (3). – С. 67-74.
Программный комплекс ENVI: учеб. пособие – М.: Совзонд, 2007. – 229 с.
Сарычев Д. С. Мобильное лазерное сканирование //САПР и ГИС автомобильных дорог. – 2013. – №. 1. – С. 36-41.
Середович В. А., Алтынцев М. А., Попов Р. А. Особенности применения данных различных видов лазерного сканирования при мониторинге природных и промышленных объектов //Вычислительные технологии. – 2013. – № 18.– С. 56-58.
Brenner C. Extraction of features from mobile laser scanning data for future driver assistance systems // Advances in GIScience. – Springer, Berlin, Heidelberg, 2009. – P. 25-42.
Cabo C., Cortés S. G., Ordonez C. Mobile Laser Scanner data for automatic surface detection based on line arrangement // Automation in Construction. – 2015. – V. 58. – P. 28-37.
Ibrahim S., Lichti D. Curb-based street floor extraction from mobile terrestrial LiDAR point cloud //International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2012. – V. 39. – P. B5.
Jabari S., Zhang Y. Very high resolution satellite image classification using fuzzy rule-based systems // Algorithms. – 2013. – V. 6. – №. 4. – P. 762-781.
Fan, H., Yao, W., and Tang, L., 2014. Identifying man-made objects along urban road corridors from mobile lidar data. // IEEE Geoscience and Remote Sensing Letters, V.11, № 5, P. 950–954.
Guan H. Automated Extraction of Road Information from Mobile Laser Scanning Data. dis. – University of Waterloo, 2013.
Guan H. Li, J., Yu, Y., Wang, C., Chapman, M., Yang, B. Using mobile laser scanning data for automated extraction of road markings //ISPRS Journal of Photogrammetry and Remote Sensing. – 2014. – V. 87. – P. 93-107.
Guan, H., Li, J., Cao, S., Yu, Y. Use of mobile LiDAR in road information inventory: A review // International Journal of Image and Data Fusion. – 2016. – V. 7. – №. 3. – P. 219-242.
Kumar, B., Lohani, B., Pandey, G. Development of deep learning architecture for automatic classification of outdoor mobile Lidar data. //International Journal of Remote Sensing. – 2019. – V. 40. – №. 9. – P. 3543-3554.
Lichti D. D. Terrestrial laser scanner self-calibration: Correlation sources and their mitigation //ISPRS Journal of Photogrammetry and Remote Sensing. – 2010. – V. 65. – №. 1. – P. 93-102.
Lim, S., Thatcher, C. A., Brock, J. C., Kimbrow, D. R., Danielson, J. J., Accuracy assessment of a mobile terrestrial lidar survey at Padre Island National Seashore // International journal of remote sensing. – 2013. – V. 34. – №. 18. – P. 6355-6366.
Liu Z., Wang J., Liu D. A new curb detection method for unmanned ground vehicles using 2D sequential laser data //Sensors. – 2013. – V. 13. – №. 1. – P. 1102-1120.
Manandhar, D., Shibasaki, R., 2001, Vehicle-borne laser mapping system (VLMS) for 3D GI // IEEE Geoscience and Remote Sensing Symposium, V. 5, P. 2073-2075.
Mendoza F., Lu R. V Basics of image analysis //Hyperspectral Imaging Technology in Food and Agriculture. – Springer, 2015. – P. 9-56.
McElhinney, C. P., Kumar, P., Cahalane, C. Initial results from European Road Safety Inspection (EURSI) mobile mapping project. // ISPRS Journal of Photogrammetry and Remote Sensing. – 2010. – P. 440-445.
Otsu, N. A. threshold selection method from gray-level histograms //IEEE transactions on systems, man, and cybernetics. – 1979. – V. 9. – №. 1. – P. 62-66.
Pu S. et al. Recognizing basic structures from mobile laser scanning data for road inventory studies. // ISPRS Journal of Photogrammetry and Remote Sensing. – 2011. – V. 66. – №. 6. – P. 28-39.
Soininen. A., TerraScan User’s Guide. – 2016. – P. 25-103.
Teo, T. A., Chiu C. M. Pole-like road object detection from mobile lidar system using a coarse-to-fine approach. // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. – 2016. – V. 8. – №. 10. – P. 4805-4818.
Ogawa T., Takagi K. Lane recognition using on-vehicle lidar. // IEEE Intelligent Vehicles Symposium. – IEEE, 2006. – P. 540-545.
Yang B., Fang L., Li J. Semi-automated extraction and delineation of 3D roads of street scene from mobile laser scanning point clouds //ISPRS Journal of Photogrammetry and Remote Sensing. – 2013. – V. 79. – P. 80-93.
Yoon J., Crane C. D. Evaluation of terrain using LADAR data in urban environment for autonomous vehicles and its application in the DARPA urban challenge // ICCAS-SICE. – IEEE, 2009. – P.641-646.
https://docs.opencv.org/3.4.3/d9/d61/tutorial_py_morphological_ops.html –OpenCV, 5 ноября 2018.
http://www.expert-sz.ru/services/laborotoriya/ – ООО «Эксперт», 16 января 2019.
http://www.geodan.ru/prices.shtml – Лаборатория технологий геодан, 14 декабря 2018.
https://geogrunt.ru/tsenyi/ – ГЕОГРУНТ Москва, 5 марта 2019.
http://www.geokosmos.ru – Технология создания трехмерных цифровых моделей различного назначения офиц. сайт компании НПП «Геокосмос», 11 сентября 2018.
http://geopriz.ru/services/lazernoe-skanirovanie/mobilnoe-lazernoe-skanirovanie/ – Геопроектизыскания, 24 февраля 2019.
33 http://isicad.ru/ru/articles.php?article_num=18275 – Isicad, 22 марта 2019.
34https://www.mintrans.ru/press-center/news/8836 – Министерство Транспорта Российской Федерации, 26 февраля 2019
– ТАСС, Информационное агентство, 13 апреля 2019.
https://www.harrisgeospatial.com/docs/using_envi_Home.html – Harris Geospatial Solutions, 18 февраля 2019.
http://homepages.inf.ed.ac.uk/rbf/HIPR2/morops.htm – HIPR2 Top Page, 2 апреля 2019.
https://lidarnews.com/ – Lidar News, 3 марта 2019.
http://www.riegl.com/nc/products/mobile-scanning/ – RIEGL Laser Measurement Systems GmbH, 17 апреля 2019.
https://www.trimblegnss.ru/catalog/mobilnye-sistemy/trimble-mx8/ – Trimble, 18 декабря 2018.