Algoritmos para la detección automática de elementos en entornos viales a partir de datos de escáneres láser móviles

Abstract

Los sistemas de toma masiva de datos, basados tanto en imágenes como en tecnología LiDAR (del inglés, Light Detection and Ranging) recogen información sobre el terreno que, en la mayor parte de los casos, es susceptible de ser interpretada visualmente. Sin embargo, esta inspección visual tiene unos requerimientos de tiempo y recursos que hacen que a menudo no resulte rentable el uso de esta tecnología. Por esta razón existe una clara tendencia a la automatización de la interpretación e identificación de elementos, que se concreta en la creación de algoritmos que realicen estos procesos a partir de imágenes y nubes de puntos. La elaboración de estos algoritmos consiste básicamente en (i) la formulación de abstracciones rigurosas de los elementos buscados (es decir: características y atributos que permiten su diferenciación del resto), y (ii) la parte computacional, que consiste en la transformación de las abstracciones en instrucciones que pueden ser ejecutadas por un ordenador. Entre los sistemas de toma masiva de datos, cabe destacar el auge en los últimos años de los escáneres láser terrestres, y en especial de los escáneres láser móviles. Estos sistemas recogen cientos de miles de puntos por segundo sobre los objetos situados en el entorno por el que circulan, resolviendo alguna de las limitaciones de los escáneres láser terrestres estáticos y los LiDAR aéreos. Habitualmente, los escáneres láser móviles proporcionan nubes de puntos con precisiones centimétricas, con una densidad y distribución de puntos muy variable (en función de las distancias y los ángulos de incidencia), y que sufren los efectos de los ocultamientos propios de la perspectiva desde un punto móvil y, en general, cercano a la superficie/suelo. En esta tesis se desarrollan dos estructuras de datos que mitigan los efectos de la gran cantidad de puntos registrados y de la heterogeneidad de su distribución: (i) voxelización, y (ii) nubes de líneas. Estas dos estructuras permiten la creación de versiones reducidas y homogeneizadas de la nube de puntos, y presentan la cualidad de ser reversibles. Es decir, si se transforma la nube de puntos en cualquiera de estas dos estructuras, se genera una versión simplificada sobre la que se aplican los algoritmos de detección automática. Posteriormente, se etiquetan las estructuras simplificadas (vóxeles y/o líneas) y se deshace la transformación para recuperar los puntos de la nube original, que heredan las propiedades o etiquetas asignadas a las estructuras simplificadas. En base a las dos estructuras de simplificación y homogeneización propuestas, se desarrollan tres algoritmos de detección automática de elementos: (i) un algoritmo de detección automática de postes y los elementos situados sobre ellos (como señales, semáforos o farolas), (ii) un algoritmo de detección automática de superficies verticales (como fachadas, muros o paneles), y (iii) un algoritmo para la determinación automática del límite de la superficie asfaltada en calles y carreteras. Se concretan y especifican para cada uno de los algoritmos (i) las abstracciones utilizadas, (ii) el desarrollo computacional, y (iii) los resultados obtenidos sobre una serie de nubes de puntos de prueba. En las pruebas de validación, el algoritmo de detección de postes es capaz de detectar más de un 92% de los objetivos, siendo realmente postes el 84% de los elementos detectados. En lo que respecta al segundo algoritmo, más de un 90% de los puntos pertenecientes a cada una de las 27 superficies analizadas son asignados a ellas, y el 99,9% de los puntos asignados a cada superficie, realmente pertenecen a ella. El tercer algoritmo es capaz de determinar correctamente más de un 97% de la superficie asfaltada, y un 99% de la superficie delineada por el algoritmo corresponde a superficie asfaltada real. Los tres algoritmos resuelven muchas de las desventajas de algoritmos anteriores, y los superan en los índices que determinan la calidad de la detección y los errores cometidos.