Tự động trích xuất thông tin đường bộ từ dữ liệu dựa trên Flycam UAV

Khi nói đến việc giám sát tình trạng đường xá, công nghệ Flycam UAV có thể khắc phục nhiều nhược điểm liên quan đến các phương pháp truyền thống, có thể tốn thời gian, công sức và đôi khi là chủ quan. Bài viết này khám phá các cơ hội khai thác tự động thông tin dữ liệu dựa trên UAV về xây dựng đường, kiểm kê và môi trường đường.

Đường xá là một trong những đặc điểm quan trọng của đô thị. Chúng kết nối các khoảng cách xa với nhau một cách hiệu quả, nhanh chóng, thoải mái và an toàn. Do đó, các điều kiện hiện tại của chúng cần được theo dõi để đảm bảo chúng đáp ứng các tiêu chuẩn. Tuy nhiên, các phương pháp truyền thống để theo dõi tình trạng đường sá tốn nhiều thời gian, công sức và đôi khi mang tính chủ quan. Một cách tương đối mới để theo dõi tình trạng đường là công nghệ máy bay không người lái (UAV hoặc ‘máy bay không người lái’). UAV là một trong những công nghệ phát triển nhanh nhất trong một số lĩnh vực như canh tác chính xác và nông nghiệp, giám sát sức khỏe rừng, sinh thái và cấu trúc cũng như lập bản đồ địa chất, địa hình và khảo cổ học.

Dữ liệu dựa trên UAV được thu thập khi UAV bay qua khu vực nghiên cứu và chụp nhiều hình ảnh. Hai loại kế hoạch bay khác nhau, cụ thể là kế hoạch bay thủ công và bay lái tự động, có sẵn trong bộ điều khiển từ xa của UAV. Cả hai kế hoạch đều có những ưu điểm riêng. Kế hoạch bay lái tự động rất đơn giản để thu thập dữ liệu. Kế hoạch bay được thiết lập từ xa trong giao diện và UAV bay và thu thập dữ liệu tự động. Tuy nhiên, kế hoạch bay cần được điều chỉnh theo đặc điểm của nền tảng UAV là thời gian bay tối đa, tốc độ bay, độ cao so với mặt đất và khoảng cách theo phương ngang.

Thu thập, xử lý và xem dữ liệu UAV

Kế hoạch dúng máy bay lái tự động có thể không phù hợp do địa hình hoặc điều kiện khắc nghiệt của khu vực nghiên cứu, chẳng hạn như có độ dốc lớn hoặc có dây cáp và cột điện, công trình hoặc cây cối trên cao. Trong những trường hợp này, bay thủ công có thể tốt hơn vì lý do an toàn. Ngoài ra, hai loại ảnh khác nhau – ảnh nadir và ảnh xiên – có thể được chụp bằng công nghệ UAV (xem Hình 1). Hình ảnh xiên làm tăng chất lượng mô hình ba chiều (3D), đặc biệt là trên các cấu trúc thẳng đứng. Máy ảnh trên UAV là một thành phần quan trọng khác để thu thập dữ liệu chất lượng cao và các thông số kỹ thuật của máy ảnh ảnh hưởng trực tiếp đến chất lượng của hình ảnh được chụp. Hình ảnh hai chiều (2D) thu được có thể được sử dụng để theo dõi tình trạng đường xá. Tuy nhiên, chúng có thể không hỗ trợ khảo sát chính xác vì các hình ảnh đơn lẻ không cung cấp thông tin về độ sâu.

 

Mô hình 3D cũng có thể được sản xuất từ ​​hình ảnh 2D. Hầu hết các UAV thường chứa hệ thống vệ tinh dẫn đường toàn cầu (GNSS) và cảm biến đơn vị đo lường quán tính (IMU), cung cấp vị trí của camera với độ chính xác đến từng centimet. Do đó, mô hình 3D có thể được sản xuất bằng cách sử dụng kỹ thuật cấu trúc từ chuyển động (SfM). Kỹ thuật SfM tìm các điểm ràng buộc trong mỗi hình ảnh có thể được khớp trên các hình ảnh liên tiếp. Ngoài ra, vị trí và hướng của máy ảnh cũng được ước tính bằng cách sử dụng phương trình đo quang. Cuối cùng, các đám mây điểm 3D của đối tượng quan tâm có thể được tái tạo. Có một số tùy chọn phần mềm thương mại thân thiện với người dùng ( Pix4D Mapper , Agisoft Metashape , 3Dsurvey , UASMaster , Photomodeler, v.v.) và phần mềm mã nguồn mở ( VisualSFM , MicMac , COLMAP , v.v.) để chuyển đổi hình ảnh 2D thành đám mây điểm 3D bằng kỹ thuật SfM. Ngoài ra, các mô hình trực quan, mô hình bề mặt kỹ thuật số (DSM) và mô hình địa hình kỹ thuật số (DTM) có thể được sản xuất bằng cách sử dụng phần mềm này. Các kết quả đầu ra này có thể được xem bằng cách sử dụng các phần mềm khác nhau như Quick Terrain Modeller và Global Mapper (xem Hình 2).

 

Trích xuất thông tin đường bộ từ dữ liệu UAV

Thông tin về đường như bề mặt đường, vạch kẻ ở giữa và làn đường, hồ sơ, mặt cắt và các điểm gặp nạn có thể được trích xuất từ ​​các đám mây điểm 3D. Những hiểu biết sâu sắc về tình trạng đường có ý nghĩa quan trọng trong việc cải thiện hiệu suất, sự thoải mái và an toàn trên đường. Để thu thập thông tin về đường, trước tiên cần phân biệt mặt đường với các đối tượng khác ở thành thị hay nông thôn và phân loại. Các thuật toán máy học như Rừng ngẫu nhiên có thể được sử dụng để phân loại bề mặt đường và các thuật toán này tạo ra kết quả phân loại nhanh chóng và có độ chính xác cao. Khi bề mặt đường đã được phân loại, các thông tin hình học khác có thể dễ dàng được trích xuất. 

Vạch kẻ giữa đường và vạch kẻ làn đường thường được sử dụng để lập mô hình, lập kế hoạch và an toàn đường bộ. Ngoài ra, thông tin này sẽ ngày càng quan trọng cho các mục đích điều hướng, đặc biệt là trong bối cảnh lái xe tự hành trong tương lai gần. Nếu các làn đường được đánh dấu bằng một màu cụ thể (chủ yếu là màu trắng hoặc màu vàng), chúng có thể được trích xuất trực tiếp bằng tính năng RGB. Giá trị RGB thể hiện màu sắc của mô hình 3D và chúng được chuyển từ phần mềm xử lý hình ảnh bằng cách sử dụng hình ảnh. Trong một số trường hợp, đặc biệt là trên đường địa phương, làn đường có thể không được đánh dấu bằng màu cụ thể hoặc vạch kẻ đường có thể bị hỏng và không liên tục. Trong những trường hợp như vậy, một số phương pháp – chẳng hạn như các thuật toán dựa trên sơ đồ Voronoi được cải tiến – có thể được giới thiệu để trích xuất đường tâm đường và vạch kẻ làn đường một cách mạnh mẽ và chính xác hơn. 

‘Hồ sơ đường’ là mặt cắt dọc được lấy dọc theo trục hướng tuyến (đường tâm) của đường. Điều quan trọng là phải phân tích độ nghiêng của đường vì đây có thể là nguồn nguy hiểm trong trường hợp đóng băng. Hồ sơ đường có thể được trích xuất thông qua DSM. Dữ liệu DSM có thể được tạo ra từ các đám mây điểm 3D bằng cách sử dụng các thuật toán nội suy khác nhau. Một trong những thuật toán nội suy được sử dụng phổ biến nhất là trọng số khoảng cách nghịch đảo (IDW). Các giá trị chiều cao được ghi lại dưới dạng định dạng raster trong DSM. Sau đó, kích thước Z của đường tâm đường được trích xuất từ ​​DSM để thu được biên dạng của đường một cách dễ dàng và chính xác (xem Hình 3).

Các mặt cắt ngang của đường tạo ra nền đường có độ dốc nhất định vuông góc với đường tim đường. Các mặt cắt ngang cũng rất quan trọng đối với việc chuyển nước từ mặt đường ra lề đường và thiết kế các kênh thoát nước dọc theo đường. Tương tự, kích thước Z của các đường vuông góc với đường tâm đường được trích xuất từ ​​DSM để thu được các mặt cắt của đường một cách dễ dàng và chính xác (xem Hình 3).

Cuối cùng, sự cố trên đường cũng có thể được phát hiện từ các đám mây điểm 3D. Việc phát hiện chính xác các điểm gặp nạn trên đường là đầu vào quan trọng cho các hoạt động bảo dưỡng và sửa chữa. Cần tiến hành bảo dưỡng và sửa chữa kịp thời để tăng tuổi thọ của đường và tối đa hóa sự thoải mái và an toàn trên đường cho người lái xe. Ngoài ra, việc bảo trì và sửa chữa đúng hạn có thể làm giảm chi phí dài hạn. Nhiều phương pháp và kỹ thuật khác nhau có khả năng tự động phát hiện tình trạng kẹt xe (xem Hình 4).

 

Kết luận

Bên cạnh việc được sử dụng trong các lĩnh vực khác, máy bay không người láy Flycam UAV có tầm quan trọng lớn trong việc khảo sát và sản xuất tất cả các loại thông tin đường bộ cập nhật. Đặc biệt, việc sử dụng Flycam UAV trong các dự án đường bộ đã tăng lên trong những năm gần đây vì chúng có thể đóng một vai trò quan trọng trong việc kiểm soát kiểm kê và an toàn đường bộ, khảo sát đất đai lặp lại và phân tích mạng lưới đường bền vững cũng như các hoạt động lập bản đồ và lập kế hoạch. Khai thác thông tin tự động rất hiệu quả với phần mềm gói nhỏ cũng như phần mềm GIS truyền thống. Do đó, có thể trích xuất thông tin về xây dựng đường, kiểm kê và môi trường đường từ dữ liệu dựa trên UAV. Điều tất yếu là trong tương lai gần, việc sử dụng các hệ thống UAV sẽ đảm bảo vị trí của nó như một phương pháp đo lường không thể thiếu trong xây dựng đường bộ và sản xuất các thông tin đường bộ khác.