Cell-Based Deformation Monitoring via 3D Point Clouds

Transcription

1 Cell-Based Deformation Monitoring via 3D Point Clouds THÈSE N O 5399 (2012) PRÉSENTÉE le 6 septembre 2012 À LA FACULTÉ DE L'ENVIRONNEMENT NATUREL, ARCHITECTURAL ET CONSTRUIT LABORATOIRE DE TOPOMÉTRIE PROGRAMME DOCTORAL EN INFORMATIQUE, COMMUNICATIONS ET INFORMATION ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE POUR L'OBTENTION DU GRADE DE DOCTEUR ÈS SCIENCES PAR Jing WU acceptée sur proposition du jury: Prof. P. Fua, président du jury Prof. B. Merminod, directeur de thèse Prof. M. Jaboyedoff, rapporteur Prof. K. Schindler, rapporteur Prof. R. Urbanke, rapporteur Suisse 2012

2 Abstract Deformation is one of the most important phenomena in environmental science and engineering. Deformation of artificial and natural objects happens worldwide, such as structural deformation, landslide, subsidence, erosion, and rockfall. Monitoring and assessment of such deformation process is not only scientifically interesting, but also beneficial to hazard/risk control and prediction. In addition, it is also useful for regional planning and development. Deformation monitoring was driven by geodetic observations in the field of traditional geodetic surveying, based on the measurement of sparse points in a control network. Recently, with the rapid development of terrestrial LiDAR techniques, millions of points with associated three-dimensional coordinates (known as 3D point clouds ) can be promptly captured in a few minutes. Compared to traditional surveying, terrestrial LiDAR offers great potential for deformation monitoring, because of various advantages such as fast data capture, high data density, and precise 3D object representation. By analysing 3D point clouds, the objective of this thesis is to provide an effective and efficient approach for deformation monitoring. Towards this goal, this thesis designs a new concept of deformation map for deformation representation and a novel cell-based approach for deformation computation. The main outcome of this thesis is a novel and rich approach that is able to automatically and incrementally compute a deformation map that enables a better understanding of structural and natural hazards with heterogeneous deformation characteristics. This work includes several dedicated contributions as follows. Hybrid Deformation Modelling. This thesis firstly provides a comprehensive investigation on the modelling requirements of various deformation phenomena. The requirements concern three main aspects, i.e., what has deformation (deformation object), which type of deformation, and how to describe deformation. Based on this detailed requirement analysis, we propose a rich and hybrid deformation model. This model is composed of meta-deformation, subdeformation and deformation map, corresponding to deformation for a small cell, for a partial area, and for the whole object, respectively. Cell-based Deformation Computation. In order to automatically and incrementally extract heterogeneous deformation of the whole monitored object, we bring the cell concept into deformation monitoring. This thesis builds a cell-based deformation computing framework, which consists of three key steps: split, detect, and merge. Split is to divide the space of the object into many cells (uniform or irregular); detect is to extract the meta-deformation for individual cells by analysing the inside point clouds at two epochs; and merge is to group

3 adjacent cells with similar deformation together and to form a consistent subdeformation. As the final result, an informative deformation map is computed for describing the deformation for the whole object. Evaluation of Cell-based Approach. To evaluate such hybrid modelling and cell-based deformation computation, this thesis extensively studies both synthetic and real-life point cloud datasets: (1) by imitating a landslide scenario, we generate synthetic data using Matlab programming and practical settings, and compare the cell-based approach with traditional non-cell based geodetic methods; (2) by analysing two real-life cases of deformation in Switzerland, we further validate our approach and compare the results with third party sources (e.g., results provided by a surveying company, results computed by using a commercial software like 3DReshaper). Extension of Cell-based Approach. At the last stages of this thesis work, we particularly focus on providing several technical extensions to enhance this cell-based deformation monitoring approach. The main extensions include: (1) supporting dynamic cells instead of uniform cells when splitting the entire object space, (2) finding cell correspondence for the deformation scenarios that have large deformation like rockfalls, (3) movement tracking with data-driven cells which have irregular cell shape that can be automatically determined by the deformation boundary itself, (4) designing an adaptive modelling strategy that is able to accordingly select a suitable model for detecting meta-deformation of cells, and (5) computing deformation evolution for a monitored object with more than two epochs of point cloud datasets. Keywords: deformation monitoring, 3D point clouds, terrestrial LiDAR, hybrid deformation modelling, cell-based computation, split-detect-merge, meta-deformation, deformation map iv

4 Résumé La déformation d objets naturels et artificiels est l un des phénomènes les plus importants en sciences de l environnement. De telles déformations se déroulent dans le monde entier et provoquent différents types de dangers, tels que les déformations structurelles, les glissements, les effondrements, l érosion et les éboulements. Le suivi et l évaluation de tels processus de déformation ne sont pas seulement intéressants scientifiquement, mais sont aussi bénéfiques pour la gestion et la prévision des dangers et des risques, ainsi que pour le développement régional. Traditionnellement, la surveillance de déformations a été conduite par l utilisation d observations géodésiques, c est-à-dire basée sur la mesure de points dispersés. Avec le développement récent et rapide des techniques de LiDAR terrestre, la saisie de millions de points auxquels sont associées des coordonnées tridimensionnelles (connues sous le nom de nuage de points 3D ) en quelques minutes est devenue possible. Comparé aux méthodes traditionnelles, le LiDAR terrestre constitue une approche prometteuse pour la surveillance des déformations, en raison de ses divers avantages tels que la rapidité de saisie des données, la haute densité des données, et la représentation précise d objets en 3D. Cette thèse examine la méthodologie et les défis liés à la surveillance de déformations à l aide de nuages de points 3D saisis par le LiDAR terrestre. L objectif principal de cette recherche doctorale est de proposer une approche de calcul automatique des déformations à partir de nuages de points 3D. Dans ce but, un nouveau concept pour la représentation de la déformation est proposé: celui de carte de déformation. De plus, on développe une nouvelle approche, basée sur des cellules pour le calcul de déformation. Le principal résultat de ce travail est une méthodologie novatrice et riche pour la génération de cartes de déformations permettant de mieux comprendre les dangers structurels et naturels à différents niveaux. Ce travail apporte les quatre contributions suivantes. Modélisation hybride de déformations. Nous proposons une étude approfondie des exigences de modélisation en fonction du phénomène lié à la déformation. Ces exigences concernent trois aspects principaux, à savoir, la présence ou non d une déformation, le type de déformation, et la façon de décrire la déformation. Sur la base de cette analyse détaillée, nous concevons un modèle de déformation hybride, composé de méta-déformations, de sousdéformations et d une carte de déformation, correspondant respectivement à la description de la déformation pour une cellule, une zone partielle et l ensemble de l objet. Calcul de déformation basé sur des cellules. Afin d extraire automatiquement et progressivement les déformations hétérogènes de l ensemble de

5 l objet surveillé, nous introduisons le concept de cellules dans le calcul de la déformation. Ce concept se décline en trois étapes principales: séparer, détecter et fusionner. L étape de séparation consiste en une division de l espace de l objet en cellules uniformes; l étape de détection extrait la méta-déformation pour les cellules en utilisant les nuages de points encapsulés dans chaque cellule; la fusion regroupe les cellules adjacentes ayant des déformations similaires et construit une sous-déformation cohérente pour une zone partielle. Ceci mène finalement à une carte de déformation de l ensemble de l objet. Evaluation de la détermination de déformations basée sur des cellules. Nous évaluons l approche basée sur des cellules en utilisant trois types différents de nuages de points: (1) En imitant un scénario de glissement de terrain, nous générons des données synthétiques et comparons l approche basée sur des cellules avec des méthodes géodésiques traditionnelles; (2) En analysant deux cas réels de déformation en Suisse, nous validons notre approche et la comparons avec les résultats de méthodes standards (par exemple, fournis par une entreprise de surveillance ou calculés à l aide d un logiciel commercial comme 3DReshaper). Extensions de l approche basée sur des cellules. Au cours de la dernière étape de ce travail de thèse, nous nous concentrons particulièrement sur la conception d applications techniques pour notre approche de surveillance des déformations. Les principales applications comprennent: (1) la prise en charge de cellules dynamiques et la détection de correspondances entre cellules dans le calcul de la déformation, (2) le suivi de déformation à l aide de cellules dont la forme est détectée automatiquement à partir des contours arbitraires des objets soumis à des déformations, (3) la conception d une stratégie de sélection de modèles adaptatifs pour améliorer la performance de la méta-déformation, et (4) le calcul de l évolution de la déformation pour un objet surveillé, à l aide d ensembles de données de nuages de points correspondant à plus de deux époques. Mots clés: surveillance de déformations, nuages de points 3D, LiDAR terrestre, modélisation hybride de déformations, calcul de déformations basé sur des cellules, division-détectionfusion, méta-déformation, carte de déformation vi

6 Contents Abstract Résumé Contents List of Figures List of Tables List of Algorithms iii v vii xi xv xvii 1 Introduction Background Motivation Core Issues, Assumptions & Design Strategies Contributions Deformation modelling requirements The hybrid deformation model Automatic deformation computation Evaluation and benchmark Extensions of cell-based approach Thesis Organisation State of the Art Introduction Basics of Deformation Monitoring What is deformation? Deformation monitoring process Deformation Measurement Classical geodetic methods Remote sensing techniques Deformation Analysis vii

7 CONTENTS Analysis of discrete points Deformation estimation Terrestrial Laser Scanner Working principle Classification of TLS Calibration of TLS Data acquisition via TLS Point Cloud Processing Point cloud registration Point cloud segmentation D object reconstruction via point clouds Deformation Monitoring via Point Clouds Related work in computer vision and graphics Related work in geomatics and geological fields Comparison between two different types of field Summary Deformation Modelling Introduction Medelling Requirements Deformation object - What Deformation type - Which Deformation description - How Global Model Hybrid Model Meta-deformation Sub-deformation Deformation map Discussion Summary Cell-based Deformation Computation Introduction Deformation Computation Problem statement Why cells for deformation computation? Computing framework Step I - Split Step II - Detect Step III - Merge Summary viii

8 CONTENTS 5 Evaluation of Cell-based Approach Introduction Evaluation by Synthetic Data Data from synthetic scenario Detection of displacement Detection of angle variation Detection of rigid transformation Case Study I - Landslides in Flamatt Data description Results by cell-based approach Case Study II - Erosion on a Concrete Slope Data description Results by cell-based approach Comparison Introduction of 3DReshaper Synthetic data - comparison with ground-truth Case study I - comparison with the Results from BBHN SA Case study II - comparison with surface-based approach Summary Extension of Cell-based Approach Introduction Dynamic Cells Cell Correspondence Practical data collection Finding cell correspondence Movement Tracking with Data-driven Cell Adaptive Model Evolution of Deformation Map Summary Conclusion and Outlook Conclusion Limitations and Outlook Bibliography 153 Curriculum Vitae 175 ix