Determining the trend of geometrical changes of a hydrotechnical object based on data in the form of LiDAR point clouds

• Autorzy: Kowalska Maria Elżbieta , Zaczek-Peplinska Janina , Piasta Łukasz

Identyfikatory

DOI

10.24425/ace.2024.148913

Warianty tytułu

PL

Określanie trendu zmian geometrycznych obiektu hydrotechnicznego w oparciu o dane w postaci chmur punktów LiDAR

• Języki publikacji: EN

Abstrakty

EN

Monitoring the technical condition of hydrotechnical facilities is crucial for ensuring their safe usage. This process typically involves tracking environmental variables (e.g., concrete damming levels, temperatures, piezometer readings) as well as geometric and physical variables (deformation, cracking, filtration, pore pressure, etc.), whose long-term trends provide valuable information for facility managers. Research on the methods of analyzing geodetic monitoring data (manual and automatic) and sensor data is vital for assessing the technical condition and safety of facilities, particularly when utilizing new measurement technologies. Emerging technologies for obtaining data on the changes in the surface of objects employ laser scanning techniques (such as LiDAR, Light Detection, and Ranging) from various heights: terrestrial, unmanned aerial vehicles (UAVs, drones), and satellites using sensors that record geospatial and multispectral data. This article introduces an algorithm to determine geometric change trends using terrestrial laser scanning data for both concrete and earth surfaces. In the consecutive steps of the algorithm, normal vectors were utilized to analyze changes, calculate local surface deflection angles, and determine object alterations. These normal vectors were derived by fitting local planes to the point cloud using the least squares method. In most applications, surface strain and deformation analyses based on laser scanning point clouds primarily involve direct comparisons using the Cloud to Cloud (C2C) method, resulting in complex, difficult-to-interpret deformation maps. In contrast, preliminary trend analysis using local normal vectors allows for rapid threat detection. This approach significantly reduces calculations, with detailed point cloud interpretation commencing only after detecting a change on the object indicated by normal vectors in the form of an increasing deflection trend. Referred to as the cluster algorithm by the authors of this paper, this method can be applied to monitor both concrete and earth objects, with examples of analyses for different object types presented in the article.

PL

Monitorowanie stanu technicznego obiektów hydrotechnicznych stanowi kluczowe zadanie dla zapewnienia bezpieczeństwa ich użytkowania. Obejmuje ono zwykle zmienne środowiskowe (np. poziom piętrzenie i temperaturę betonu, wskazania piezometrów) oraz zmienne geometryczne i fizyczne (odkształcenie, pękanie, filtracja, ciśnienie porowe itp.). Wyniki monitoringu mogą być prezentowane w postaci wieloletnich trendów tych zmiennych w czasie, dzięki czemu stanowią ważną informację dla zarządców obiektów. Badania nad metodami analizy danych z monitoringu geodezyjnego (manualnego i automatycznego) oraz danych z czujników są ważne w kontekście oceny stanu technicznego i bezpieczeństwa obiektów, szczególnie w przypadku danych rejestrowanych z wykorzystaniem nowych technologii pomiarowych. Nowymi technologiami pozyskiwania danych o zmianach powierzchni obiektów są techniki wykorzystujące skanowanie laserowe (LiDAR) z różnych pułapów: naziemne, z pokładów powietrznych statków bezzałogowych (UAV, dronów), satelitarne wykorzystujące sensory rejestrujące dane geoprzestrzenne i wielospektralne. W artykule zaprezentowano algorytm pozwalający na wyznaczanie trendu zmian geometrycznych w oparciu o dane z naziemnego skaningu laserowego zarówno dla powierzchni obiektów betonowych jak i ziemnych. W pracach nad opracowaniem kolejnych kroków postępowania wykorzystano wektory normalne do analizy występowania zmian oraz obliczenia lokalnych kątów nachylenia powierzchni i zmian obiektu. Wektory normalne uzyskiwano poprzez wpasowanie lokalnych płaszczyzna metodą najmniejszych kwadratów w chmurę punktów. W większości zastosowań analizy odkształceń i deformacji powierzchni wykonywane w oparciu o chmury punktów ze skanowania laserowego sprowadzają się do bezpośredniego porównywania metodą Cloud to Cloud (C2C) i generowania trudnych do interpretacji, rozległych map deformacji. Wstępna analiza trendu zachowania obiektu w oparciu o lokalne wektory normalne pozwala na szybkie wykrywanie ewentualnego zagrożenia. Dzięki temu ogranicza si ę znacząco ilość obliczeń, a w przypadku gdy obiekt nie wykazuje zmian, szczegółowe interpretacje chmur punktów rozpoczyna się dopiero, po wykryciu zmiany na obiekcie wskazanej przez wektory normalne w postaci narastającego trendu wychylenia. Takie podejście może być stosowane zarówno do monitorowania obiektów betonowych jak i ziemnych, przykłady analizy dla różnych typów obiektów zaprezentowano w artykule.

Słowa kluczowe

EN

LiDAR; normal vectors; point clouds; terrestrial laser scanning; deformations of hydrotechnical structures; cluster algorithm

PL

LiDAR; wektor normalny; naziemny skaning laserowy; deformacja obiektu hydrotechnicznego; chmura punktów

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2024
• Tom: Vol. 70, nr 1
• Strony: 305--323
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Kowalska Maria Elżbieta

• Warsaw University of Technology, Faculty of Geodesy and Cartography, pl. Politechniki 1, 00-661 Warsaw, Poland

• https://orcid.org/0000-0003-0058-0976

autor

Zaczek-Peplinska Janina

• Warsaw University of Technology, Faculty of Geodesy and Cartography, pl. Politechniki 1, 00-661 Warsaw, Poland

• https://orcid.org/0000-0003-4875-4250

autor

Piasta Łukasz

• Warsaw University of Technology, Faculty of Geodesy and Cartography, pl. Politechniki 1, 00-661 Warsaw, Poland

Bibliografia

• [1] M. Scaioni and J. Wang, “Technologies for Dam Deformation Measurement: Recent Trends and Future Challenges”, in Proceedings of 3rd Joint Int. Symp. on Deformation Monitoring. FIG, 2016, pp. 1–8.
• [2] J. Zaczek-Peplinska and M. Kowalska, “Application of non-contactgeodetic measurement techniques in dam monitoring”, Archives of Civil Engineering, vol. 68, no. 3, pp.49-70, 2022, doi:10.24425/ace.2022.141873.
• [3] P. Xiao, R. Zhao, D. Li, Z. Zeng, S. Qi, and X. Yang, “As-built inventory and deformation analysis of a high rockfill dam under construction with terrestrial laser scanning”, Sensors, vol. 22, no. 2, art. no. 521, 2022, doi: 10.3390/s22020521.
• [4] A. Dreier, H. Kuhlmann, and L. Klingbeil, “The potential of UAV-basedLaser Scanning for Deformation Monitoring. Case Study on a Water Dam”, in 5th Joint International Symposium on Deformation Monitoring (JISDM 2022). Editorial Universitat Politècnica de València, 2023, pp. 261–269, doi: 10.4995/JISDM2022.2022.13833.
• [5] S. Zhao, F. Kang, J. Li, and C. Ma, “Structural health monitoring and inspection of dams based on UAV photogrammetry with image 3D reconstruction”, Automation in Construction, vol. 130, art. no. 103832, 2021, doi: 10.1016/j.autcon.2021.103832.
• [6] K. Bakuła, M. Pilarska, A. Salach, and Z. Kurczynski, “Detection of levee damage based on UAS data—Optical imagery and LiDAR pointclouds”, ISPRS International Journal of Geo-Information, vol. 9, no. 4, 2020, doi: 10.3390/ijgi9040248.
• [7] J. Lee, S. Yoo, C. Kim, and H. G. Sohn, “Automatic levee surface extraction from mobile LiDAR data using directional equalization and projection clustering“, International Journal of Applied Earth Observation and Geoinformation, vol. 116, art. no. 103143, 2023, doi: 10.1016/j.jag.2022.103143.
• [8] J. Zaczek-Peplinska and P. Popielski, “Utilisation of terrestrial laser scanning for verification of geometry of numerical models of hydrotechnical structures using the example of a section of the concrete Besko dam”, Czasopismo Techniczne. Srodowisko, vol. 110, no. 1-S, pp. 153–164, 2013.
• [9] M. Alba, A. Giussani, F. Roncoroni, M. Scaioni, and P. Valgoi, “Geometric modelling of a large dam by terrestrial laser scanning”, in Proceedings of FIG Mondial Congress, Munich, Germany. FIG, 2006, pp. 8–13.
• [10] A. Berberan, I. Ferreira, E. Portela, S. Oliveira, A. Oliveira, and B. Baptista, “Overview on terrestrial laser scanning as a tool for dam surveillance”, presented at 6th International Dam Engineering Conference, Lisboa, 2011.
• [11] Z. Muszynski and J. Rybak, “Evaluation of terrestrial laser scanner accuracy in the control of hydrotechnical structures”, Studia Geotechnica et Mechanica, vol. 39, no. 4, pp. 45–57, 2017, doi: 10.1515/sgem-2017-0036.
• [12] D. Bolkas, M. O’Banion, J. Prickett, G. Ellsworth, G. Rusek, and H. Corson, “Comparison of TLS and sUAS point clouds for monitoring embankment dams”, in 5th Joint International Symposium on Deformation Monitoring (JISDM), 20-22 June 2022, Valencia, Spain. Universitat Politècnica de València, 2023, doi:10.4995/JISDM2022.2022.13868.
• [13] J. Kang, D. Kim, C. Lee, J. Kang, and D. Kim, “Efficiency Study of Combined UAS Photogrammetry and Terrestrial LiDAR in 3D Modeling for Maintenance and Management of Fill Dams”, Remote Sensing, vol. 15, no. 8, 2023, doi:10.3390/rs15082026.
• [14] H. Seo, “Tilt mapping for zigzag-shaped concrete panel in retaining structure using terrestrial laser scanning”, Journal of Civil Structural Health Monitoring, vol. 11, no. 4, pp. 851–865, 2021, doi: 10.1007/s13349-021-00484-x.
• [15] L. Yang, J. C. Cheng, and Q. Wang, “Semi-automated generation of parametric BIM for steel structures based on terrestrial laser scanning data”, Automation in Construction, vol. 112, art. no. 103037, 2020, doi: 10.1016/j.autcon.2019.103037.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).