Desbloqueo de todo el potencial del escaneo láser móvil para el monitoreo de infraestructura

Escaneo de vastas áreas y localización de áreas de interés

Explorar todo el potencial del escaneo láser móvil plantea la pregunta de si los resultados obtenidos son lo suficientemente precisos para monitorear la deformación. Este artículo se centra en la calidad geométrica del escaneo láser móvil y propone un método para mejorarlo a un nivel en el que pueda emplearse de manera efectiva para el monitoreo de infraestructura civil. Esta investigación no está motivada por la mera curiosidad, sino por una urgente necesidad.

La infraestructura civil es una piedra angular de la sociedad moderna, que permite el transporte de mercancías y personas a través de largas distancias. Sin embargo, mantener la seguridad y la integridad de túneles, puentes, barreras acústicas y muros de contención es una tarea desafiante, especialmente porque los operadores de infraestructuras enfrentan demandas cada vez mayores por los crecientes volúmenes de tráfico y los caprichos del clima extremo. No detectar signos de deterioro puede tener graves consecuencias, como costos de reparación altísimos e incluso fallas estructurales catastróficas.

Lamentablemente, una tragedia de este tipo golpeó la Autopista Brenner, una arteria clave de norte a sur para el tráfico de mercancías y pasajeros a través de los Alpes europeos. En 2012, un muro de contención adyacente a una estación de peaje se derrumbó y toneladas de concreto cayeron en cascada sobre la carretera (Figura 1). En una fracción de segundo, un camión quedó enterrado y su conductor perdió trágicamente la vida. Este angustioso incidente provocó un cambio en la conciencia de Austria con respecto al peligro potencial de las estructuras geotécnicas. Había una necesidad urgente de métodos más precisos y eficientes para detectar defectos en las decenas de miles de estructuras que bordean las carreteras y vías férreas del país.

Garantizar la seguridad y confiabilidad de la infraestructura es primordial, y la evaluación de su estado estructural juega un papel crucial para lograr este objetivo. Las decisiones oportunas y bien informadas pueden ser la diferencia entre el transporte fluido de personas y mercancías o el desastre total. En muchas partes del mundo, se aplican regulaciones estrictas al mantenimiento de la infraestructura y se está implementando tecnología de punta para obtener información más detallada sobre el desempeño estructural. Si bien los sensores novedosos y las capacidades de análisis de datos pueden ayudar con las inspecciones de edificios y las evaluaciones de seguridad, no pueden reemplazar las inspecciones visuales como la base definitiva para la evaluación de condiciones.

No obstante, es crucial reconocer el valor de los datos objetivos. Varias deficiencias geotécnicas o estructurales pueden no ser visibles a simple vista. El Eurocódigo 7 (EN 1997-1, 2004) destaca los múltiples modos de falla que pueden conducir a asentamientos, desplazamientos laterales e inclinación. Ahí es donde el monitoreo de la deformación se convierte en una herramienta indispensable, proporcionando un medio estándar para observar el comportamiento y evaluar el estado actual de la salud estructural. Sin embargo, las técnicas tradicionales para el seguimiento de la deformación tienen sus limitaciones. Medir miles de objetos con estaciones totales o instalar decenas de miles de nodos de sensores no es práctico y puede consumir mucho tiempo y recursos.

El escaneo láser móvil (MLS) se ha convertido en una tecnología de vanguardia para la captura de la realidad. A diferencia del escaneo estático, permite la adquisición de nubes de puntos 3D del entorno en movimiento, ya sea a pie, por aire o en vehículo. El secreto detrás de su éxito radica en la georreferenciación directa, que permite la adquisición de nubes de puntos 3D en el marco de coordenadas deseado sin necesidad de configurar y medir puntos de control en tierra. Esto se logra mediante la integración de datos de sensores de una variedad de fuentes, como GNSS, unidades de medición inercial, odómetros, cámaras y escáneres. La calidad de estos componentes individuales y los algoritmos utilizados para fusionar los datos juegan un papel fundamental en la calidad de las nubes de puntos resultantes.

Para monitorear la infraestructura civil a lo largo de carreteras y vías férreas, los sistemas Lidar móviles basados ​​en vehículos son la opción ideal. Permiten la recopilación rápida de datos mientras se integran perfectamente en el tráfico que fluye libremente. Además, el tamaño y el peso son menos preocupantes en comparación con los sistemas basados ​​en vehículos aéreos no tripulados (UAV o 'drones'), por ejemplo.

En 2016, un equipo de investigadores interdisciplinarios de la Universidad Tecnológica de Graz en Austria comenzó a investigar el potencial de un sistema MLS basado en vehículos para identificar muros de contención potencialmente defectuosos. El objetivo era recopilar datos rápidamente y procesarlos de forma inteligente. La infraestructura sería escaneada mientras se conduce a alta velocidad (Figura 2), y se extraería un mapa confiable de deformaciones estructurales significativas. Además, la investigación abordó los desafíos que se enfrentan al implementar la tecnología en condiciones límite prácticas. Por ejemplo, los operadores de infraestructura requerían un método que funcionara con los sistemas disponibles comercialmente. Los formatos de datos y las interfaces se especificaron para garantizar la calidad de los datos entre diferentes proveedores de servicios y en los próximos años. Además, contar con lineamientos bien definidos alentaría a más proveedores de servicios a participar en las licitaciones.

Una colaboración exitosa con socios de la industria resultó fundamental en la creación de una base de datos integral de datos de MLS. El proyecto, que constaba de ocho campañas de medición, implicó el uso de sistemas MLS de cuatro proveedores diferentes para escanear 24 estructuras de soporte. El conjunto de datos resultante incluía cientos de nubes de puntos, cada una con millones de puntos.

El análisis de este vasto conjunto de datos destacó algunas ideas notables sobre la precisión geométrica de los sistemas MLS. Un hallazgo significativo fue que la calidad de los datos finales depende no solo del sistema utilizado, sino también de cómo se opera. Factores como la orientación del escáner, la tasa de medición y el procedimiento de calibración, ya sea que se realicen en el sitio o en la fábrica, pueden tener un impacto significativo en la precisión de los datos.

Además, el tipo de escenario que se escanea también puede afectar los resultados. Por ejemplo, los desafíos que plantea escanear valles alpinos, con muros de contención, puentes y túneles, pueden ser especialmente difíciles. Considere el ejemplo de escanear una estructura de contención de 18 m de altura que estabiliza una pendiente junto a una carretera interestatal y una autopista (como se muestra en la Figura 4). Las derivas IMU y de trayectos múltiples GNSS pueden causar desviaciones de nube a nube de hasta 10 cm entre dos conjuntos de datos adquiridos en una sucesión breve. Vale la pena señalar que estas desviaciones no pueden minimizarse mediante la transformación de cuerpo rígido. La falta de software capaz de lidiar con tales 'distorsiones MLS' puede ser la razón por la que aún no ha demostrado ser un método confiable para monitorear la deformación.

Sin embargo, hay un remedio. Los errores sistemáticos pueden considerarse dependientes de la situación o del tiempo. En otras palabras, estos errores son constantes durante un período de tiempo determinado. La mayoría de los paquetes de software MLS permiten la exportación de nubes de puntos con información de tiempo precisa en nanosegundos (por ejemplo, en formato LAS/LAZ). Esta información puede dividir la nube en secciones escaneadas dentro de un período conciso, que luego pueden alinearse en términos de una transformación de cuerpo rígido. El potencial de mejora es significativo, como se demuestra en la Figura 5. Mediante el posprocesamiento de las nubes de puntos MLS, se pueden eliminar errores sistemáticos de varios centímetros y alinearlos con precisión milimétrica.

Al monitoreo de deformación basado en MLS le faltaba una pieza crítica del rompecabezas, que ahora proporciona este método. Es aplicable en dos etapas clave:

(1) Establecimiento de un sistema de coordenadas uniforme y derivación de deformaciones

(2) Obtención de la precisión empírica.

Vale la pena señalar que el objeto del que se van a determinar las deformaciones se excluye de los cálculos en la Etapa 1, al igual que en las mediciones tradicionales de monitoreo con estaciones totales. La interpretación semántica de las nubes de puntos puede ayudar a separar la estructura (objeto) de otros elementos, como la superficie de la carretera y las barandillas (referencia). Se registran dos épocas sobre estos objetos de referencia y se comparan las estructuras de contención (Figura 6, arriba).

La precisión de la Etapa 2 ayuda a diferenciar entre deformaciones significativas y ruido de medición. Esto lleva a la creación de un mapa binario que indica áreas de diferencias estadísticamente significativas, como se ve en la Figura 6 (centro). Cuando se comparan con los resultados de los levantamientos de estaciones totales utilizando 19 prismas (puntos negros en la Figura 6, arriba), los resultados coincidieron dentro de un rango de +/-5 mm (Figura 6, abajo).

La idea detrás de este concepto, conocida como "análisis riguroso de la deformación", tiene casi medio siglo de antigüedad y se desarrolló inicialmente para levantamientos taquimétricos. Sin embargo, este estudio muestra su transferibilidad a datos de escaneo Lidar móviles, lo cual es intrigante.

A medida que los investigadores y fabricantes se esfuerzan por desbloquear todo el potencial de MLS, la pregunta sigue siendo: ¿Son los resultados lo suficientemente precisos para monitorear la deformación? La respuesta, como han puesto de manifiesto numerosos estudios, depende de varios factores. En condiciones óptimas con superficies de objetos lisas, se puede lograr una precisión de +/-5 mm, incluso a altas velocidades de 80 km/h. Sin embargo, cuando se trata de objetos ásperos o vegetación densa, la precisión se reduce a un estimado de +/- 1 cm, que es una evaluación más realista.

A pesar de estas limitaciones, la calidad general de los datos de MLS se considera suficiente para la aplicación prevista, lo que ofrece una herramienta prometedora para identificar la infraestructura crítica que necesita atención. Si bien las encuestas estáticas seguirán siendo esenciales en escenarios críticos, MLS tiene el potencial de escanear de manera eficiente vastas áreas y señalar áreas de interés, lo que lo convierte en una valiosa adición a la caja de herramientas de monitoreo de los operadores de infraestructura. A medida que el mundo se vuelve más dependiente de la tecnología para optimizar las operaciones, será emocionante ver cómo MLS continúa avanzando y desempeñando un papel en el mantenimiento y la mejora de la infraestructura.

Otras lecturas

Gabl & Pilch: Muros de contención antiguos y nuevos: reparación, mejora y nueva construcción de estructuras de soporte no ancladas. Confiabilidad en todos los caminos, Kahlenberg, 18/06/2015.

Kalenjuk, S., Lienhart, W. y Rebhan, M. (2021). Procesamiento de datos de escaneo láser móvil para el monitoreo de deformación a gran escala de estructuras de contención ancladas a lo largo de carreteras. Información civil asistida por computadora 2021: 1-17: https://doi.org/10.1111/mice.12656

Kalenjuk, S. y Lienhart, W. (2022). Un método para el control de calidad eficiente y la mejora de los datos de escaneo láser móvil. Teledetección, 14(4), [857]. https://doi.org/10.3390/rs14040857

Kalenjuk, S. y Lienhart, W. (2023). Monitoreo de infraestructura desde el automóvil: un flujo de trabajo para el análisis riguroso de la deformación de los datos de escaneo láser móvil. Vigilancia de la salud estructural. Primero en línea: doi: 10.1177/14759217231168997

ES 1997-1. (2004). Eurocódigo 7: Diseño geotécnico - Parte 1: Normas generales. (Informe técnico, Autoridad: Unión Europea según el Reglamento 305/2011, Directiva 98/34/CE, Directiva 2004/18/CE). Bruselas.

Manténgase en el mapa con nuestros boletines seleccionados por expertos.

Brindamos información educativa, actualizaciones de la industria e historias inspiradoras para ayudarlo a aprender, crecer y alcanzar su máximo potencial en su campo. No se lo pierda: suscríbase hoy y asegúrese de estar siempre informado, educado e inspirado.

Slaven Kalenjuk es licenciado en Ingeniería Geomática y ex investigador de la Universidad Tecnológica de Graz...

Werner Lienhart es profesor titular y director del Instituto de Ingeniería Geodesia y Sistemas de Medición y...