Libérer tout le potentiel de la numérisation laser mobile pour la surveillance des infrastructures

Analyser de vastes zones et identifier les zones préoccupantes

Explorer tout le potentiel du balayage laser mobile soulève la question de savoir si les résultats obtenus sont suffisamment précis pour le suivi des déformations. Cet article se concentre sur la qualité géométrique du balayage laser mobile et propose une méthode pour l'améliorer à un niveau où il peut être utilisé efficacement pour la surveillance des infrastructures civiles. Cette recherche n'est pas motivée par une simple curiosité, mais par une nécessité urgente.

L'infrastructure civile est une pierre angulaire de la société moderne, permettant le transport de marchandises et de personnes sur de longues distances. Cependant, le maintien de la sécurité et de l'intégrité des tunnels, des ponts, des barrières antibruit et des murs de soutènement est une tâche difficile, d'autant plus que les opérateurs d'infrastructure sont confrontés à des exigences croissantes dues à l'augmentation des volumes de trafic et aux aléas des conditions météorologiques extrêmes. Ne pas repérer les signes de détérioration peut entraîner de graves conséquences, telles que la flambée des coûts de réparation et même des défaillances structurelles catastrophiques.

Malheureusement, une telle tragédie a frappé l'autoroute du Brenner, une artère nord-sud clé pour le trafic de marchandises et de passagers à travers les Alpes européennes. En 2012, un mur de soutènement adjacent à une station de péage s'est effondré, projetant des tonnes de béton sur l'autoroute (Figure 1). En une fraction de seconde, un camion a été enterré et son conducteur a tragiquement perdu la vie. Cet incident déchirant a déclenché un changement dans la prise de conscience de l'Autriche concernant le potentiel de danger des structures géotechniques. Il y avait un besoin urgent de méthodes plus précises et efficaces pour détecter les défauts dans les dizaines de milliers de structures bordant les routes et les voies ferrées du pays.

Garantir la sécurité et la fiabilité des infrastructures est primordial, et l'évaluation de leur état structurel joue un rôle crucial dans la réalisation de cet objectif. Des décisions opportunes et bien informées peuvent faire la différence entre un transport fluide des personnes et des marchandises ou une catastrophe totale. Dans de nombreuses régions du monde, des réglementations strictes s'appliquent à la maintenance des infrastructures et une technologie de pointe est déployée pour mieux comprendre les performances structurelles. Bien que de nouveaux capteurs et capacités d'analyse de données puissent aider à l'inspection des bâtiments et aux évaluations de la sécurité, ils ne peuvent pas remplacer les inspections visuelles comme base ultime de l'évaluation de l'état.

Néanmoins, il est crucial de reconnaître la valeur des données objectives. Divers défauts géotechniques ou structurels peuvent ne pas être visibles à l'œil nu. L'Eurocode 7 (EN 1997-1, 2004) met en lumière les multiples modes de défaillance pouvant entraîner des tassements, des déplacements latéraux et des basculements. C'est là que la surveillance de la déformation devient un outil indispensable, fournissant un moyen standard d'observer le comportement et d'évaluer l'état actuel de la santé structurelle. Cependant, les techniques traditionnelles de surveillance des déformations ont leurs limites. Mesurer des milliers d'objets avec des stations totales ou installer des dizaines de milliers de nœuds de capteurs n'est pas pratique et peut prendre énormément de temps et de ressources.

Le balayage laser mobile (MLS) est devenu une technologie de pointe pour la capture de la réalité. Contrairement au balayage statique, il permet l'acquisition de nuages ​​de points 3D de l'environnement en mouvement, que ce soit à pied, en avion ou en véhicule. Le secret de son succès réside dans le géoréférencement direct, qui permet l'acquisition de nuages ​​de points 3D dans le cadre de coordonnées souhaité sans avoir besoin de mettre en place et de mesurer des points de contrôle au sol. Ceci est réalisé en intégrant des données de capteurs provenant de diverses sources, telles que GNSS, unités de mesure inertielle, odomètres, caméras et scanners. La qualité de ces composants individuels et les algorithmes utilisés pour fusionner les données jouent un rôle essentiel dans la qualité des nuages ​​de points résultants.

Pour surveiller les infrastructures civiles le long des routes et des voies ferrées, les systèmes Lidar mobiles embarqués sur véhicule sont le choix idéal. Ils permettent une collecte rapide des données tout en s'intégrant de manière transparente dans le trafic fluide. De plus, la taille et le poids sont moins préoccupants que les systèmes basés sur des véhicules aériens sans équipage (UAV ou «drones»), par exemple.

En 2016, une équipe de chercheurs interdisciplinaires de l'Université de technologie de Graz en Autriche a commencé à étudier le potentiel d'un système MLS basé sur un véhicule pour identifier les murs de soutènement potentiellement défectueux. L'objectif était de collecter rapidement des données et de les traiter intelligemment. L'infrastructure serait scannée en roulant à grande vitesse (Figure 2), et une carte fiable des déformations structurelles importantes serait extraite. De plus, la recherche a abordé les défis rencontrés lors du déploiement de la technologie dans des conditions limites pratiques. Par exemple, les opérateurs d'infrastructures avaient besoin d'une méthode qui fonctionnerait avec des systèmes disponibles dans le commerce. Les formats de données et les interfaces ont été spécifiés pour garantir la qualité des données entre les différents prestataires de services et pour les années à venir. De plus, le fait d'avoir des lignes directrices bien définies encouragerait davantage de fournisseurs de services à participer aux appels d'offres.

Une collaboration fructueuse avec des partenaires de l'industrie s'est avérée déterminante dans la création d'une base de données complète de données MLS. Le projet, composé de huit campagnes de mesure, impliquait l'utilisation de systèmes MLS de quatre fournisseurs différents pour scanner 24 structures de support. L'ensemble de données résultant comprenait des centaines de nuages ​​de points, chacun contenant des millions de points.

L'analyse de ce vaste ensemble de données a mis en évidence des informations notables sur la précision géométrique des systèmes MLS. Une constatation importante a été que la qualité des données finales dépend non seulement du système utilisé, mais aussi de la façon dont il est exploité. Des facteurs tels que l'orientation du scanner, le taux de mesure et la procédure d'étalonnage - qu'ils soient effectués sur site ou en usine - peuvent avoir un impact significatif sur la précision des données.

De plus, le type de paysage scanné peut également affecter les résultats. Par exemple, les défis posés par la numérisation des vallées alpines - avec des murs de soutènement, des ponts et des tunnels - peuvent être particulièrement difficiles. Prenons l'exemple de la numérisation d'une structure de soutènement de 18 m de haut qui stabilise une pente à côté d'une route interétatique et d'une autoroute (comme illustré à la figure 4). Les dérives multi-trajets GNSS et IMU peuvent provoquer des déviations de nuage à nuage allant jusqu'à 10 cm entre deux ensembles de données acquis en courte succession. Il convient de noter que ces écarts ne peuvent pas être minimisés par la transformation en corps rigide. Le manque de logiciel capable de traiter de telles «distorsions MLS» peut être la raison pour laquelle il n'a pas encore fait ses preuves en tant que méthode fiable de surveillance de la déformation.

Cependant, il existe un remède. Les erreurs systématiques peuvent être considérées comme dépendantes de la situation ou du temps. En d'autres termes, ces erreurs sont constantes pendant une période donnée. La plupart des progiciels MLS permettent l'exportation de nuages ​​de points avec des informations temporelles précises à la nanoseconde (par exemple au format LAS/LAZ). Ces informations peuvent diviser le nuage en sections numérisées dans une période concise, qui peuvent ensuite être alignées en termes de transformation de corps rigide. Le potentiel d'amélioration est important, comme le montre la figure 5. En post-traitant les nuages ​​de points MLS, on peut éliminer les erreurs systématiques de plusieurs centimètres et les aligner au millimètre près.

La surveillance de la déformation basée sur MLS manquait une pièce essentielle du puzzle, que cette méthode fournit désormais. Elle s'applique à deux étapes clés :

(1) Établir un système de coordonnées uniforme et déduire les déformations

(2) Dérivation de la précision empirique.

Il convient de noter que l'objet à partir duquel les déformations doivent être déterminées est exclu des calculs de l'étape 1, tout comme dans les mesures de surveillance traditionnelles avec des stations totales. L'interprétation sémantique des nuages ​​de points peut aider à séparer la structure (objet) des autres éléments tels que la surface de la route et les garde-corps (référence). Deux époques sont enregistrées sur ces objets de référence et les structures de soutènement sont comparées (Figure 6, en haut).

La précision de l'étape 2 permet de différencier les déformations importantes du bruit de mesure. Cela conduit à la création d'une carte binaire indiquant les zones de différences statistiquement significatives, comme le montre la figure 6 (au milieu). Comparés aux résultats des relevés de stations totales utilisant 19 prismes (points noirs sur la figure 6, en haut), les résultats coïncidaient dans une plage de +/- 5 mm (figure 6, en bas).

L'idée sous-jacente à ce concept, connu sous le nom d'« analyse rigoureuse des déformations », est vieille de près d'un demi-siècle et a été initialement développée pour les levés tachymétriques. Cependant, cette étude montre sa transférabilité aux données de numérisation Lidar mobile, ce qui est intrigant.

Alors que les chercheurs et les fabricants s'efforcent de libérer tout le potentiel du MLS, la question demeure : les résultats sont-ils suffisamment précis pour la surveillance de la déformation ? La réponse, comme l'ont souligné de nombreuses études, dépend de plusieurs facteurs. Dans des conditions optimales avec des surfaces d'objets lisses, une précision de +/- 5 mm peut être atteinte, même à des vitesses élevées de 80 km/h. Cependant, lorsqu'il s'agit d'objets rugueux ou de végétation dense, la précision chute à environ +/- 1 cm, ce qui est une évaluation plus réaliste.

Malgré ces limitations, la qualité globale des données MLS est jugée suffisante pour l'application prévue, offrant un outil prometteur pour identifier les infrastructures critiques nécessitant une attention particulière. Alors que les enquêtes statiques resteront essentielles dans les scénarios critiques, le MLS a le potentiel de scanner efficacement de vastes zones et d'identifier les zones de préoccupation, ce qui en fait un ajout précieux à la boîte à outils de surveillance des opérateurs d'infrastructure. Alors que le monde dépend de plus en plus de la technologie pour optimiser les opérations, il sera passionnant de voir comment MLS continue de progresser et de jouer un rôle dans le maintien et l'amélioration des infrastructures.

Lectures complémentaires

Gabl & Pilch : Murs de soutènement anciens et nouveaux - réparation, mise à niveau et nouvelle construction de structures de support non ancrées. Fiabilité sur tous les chemins, Kahlenberg, 18/06/2015.

Kalenjuk, S., Lienhart, W. et Rebhan, M. (2021). Traitement des données de balayage laser mobile pour la surveillance de la déformation à grande échelle des structures de soutènement ancrées le long des autoroutes. Comput Aided Civ Inf. 2021 : 1-17 : https://doi.org/10.1111/mice.12656

Kalenjuk, S., & Lienhart, W. (2022). Une méthode pour un contrôle efficace de la qualité et l'amélioration des données de numérisation laser mobile. Télédétection, 14(4), [857]. https://doi.org/10.3390/rs14040857

Kalenjuk, S., & Lienhart, W. (2023). Surveillance de l'infrastructure en voiture : un flux de travail pour une analyse rigoureuse de la déformation des données de numérisation laser mobile. Surveillance de la santé structurelle. En ligne d'abord : doi : 10.1177/14759217231168997

EN 1997-1. (2004). Eurocode 7 : Conception géotechnique - Partie 1 : Règles générales. (Rapport technique, Autorité : Union européenne conformément au règlement 305/2011, directive 98/34/CE, directive 2004/18/CE). Bruxelles.

Restez sur la carte avec nos newsletters organisées par des experts.

Nous fournissons des informations pédagogiques, des mises à jour de l'industrie et des histoires inspirantes pour vous aider à apprendre, à grandir et à atteindre votre plein potentiel dans votre domaine. Ne manquez pas - abonnez-vous aujourd'hui et assurez-vous d'être toujours informé, éduqué et inspiré.

Slaven Kalenjuk est titulaire d'un diplôme en génie géomatique et est un ancien chercheur à l'Université de technologie de Graz...

Werner Lienhart est professeur titulaire et directeur de l'Institute of Engineering Geodesy and Measurement Systems a...