Point Cloud Acquisition and Analysis for Guard Rail Measurements

Abstract

Veirekkverk er et viktig sikkerhetstiltak på våre veier. I 2020 publiserte Statens vegvesen en studie om norske veier. Den viste at feil, mangler og avvik i rekkverk var en medvirkende faktor i 11% av dødsulykkene i 2019. I dag måles rekkverkets høyde og vinkel manuelt. Dette er en kostbar og tidkrevende prosess som trenger flere operatører, samt en putebil for å beskytte dem. Denne oppgaven undersøker potensialet i å erstatte den tradisjonelle målemetoden med en mer tids- og kostnadseffektiv automatisk løsning. Tre aspekter ble undersøkt. Først ved å utforske hvilke billige LIDAR og stereo teknologier som er best egnet for datainnsamling ved høye hastigheter i dynamiske omgivelser. Deretter ved å finne ut av hva som kreves for at et system skal kunne returnere meningsfulle høyde- og vinkelmålinger av en veiskinne. Deretter en endelig analysere av hvor godt det automatiske systemet presterer i forhold til dagens manuelle målemetode.

En metodikk for prosessering og behandling av punktskyer for filtrering, segmentering og analyse ble foreslått. Filtrering ble utført for å redusere antall punkt i punktskyen og fjerne støy som oppstår i dynamiske miljøer. En segmenterings modul segmenterte objektene av interesse fra den oppfattede scenen og leverte objekter til deres respektive analysemoduler. Et veiplan ble estimert i vei segmentet, som fungerte som et referanseplan for målinger. To målemetoder for veiskinne segmentet ble foreslått, implementert og testet. Den første måler direkte på den oppfattede punktskyen. Mens den andre brukte globale og lokale registreringsteknikker for å tilpasse en <<Computer-aided Design>> (CAD) modell til den oppfattede punktskyen. I tillegg ble det laget et evalueringsdatasett ved å bruke den nåværende målemetoden.

Testing viste lovende resultater for høyde- og vinkelmålinger. Den beste høydemålingen hadde en <<Root Mean Square Error>> (RMSE) på 1,3 centimeter, og den beste vinkelmålingen hadde en RMSE på 2,9 grader. Mens det foreslåtte systemet viser potensial, er der rom for forbedringer. Diskusjon om disse forbedringene og forslag til fremtidig utvikling av systemet er inkludert i oppgaven. Sensorene klarte ikke å gi god oppfatning etter hvert som hastigheten økte. Som et resultat ble et nytt stereo kamera med industrielle kameraer og <<Robot Operating System>> (ROS) foreslått.

Oppfatnings-, prosesserings- og målemetodene implementert og testet i denne oppgaven viser potensial. Når disse metodene kombineres, kan de potensielt erstatte den manuelle målemetoden som brukes i dag.

Guard railings are an important safety component in our road infrastructure. In 2020 the Norwegian Public Road Administration (NRPA) published a study of Norwegian roads. They found that errors, omissions, and deviations in guard railings were contributing factors in 11% of fatal accidents in 2019. Today, the height and angle of guard railings are measured manually. This is an expensive and time-consuming process that needs multiple operators and a safety truck to protect them. This thesis researches the potential of replacing the traditional measurement method with a more time- and cost-efficient automatic solution. Three aspects are examined. First, by exploring which low-cost LIDAR and stereo technologies are better suited for perception at high speeds in dynamic environments. Then determining what is required for a system to be able to return meaningful height and angle measurements of a guard rail. Before finally analyzing how well the automatic system performs compared to the current manual measurement method.

A point cloud processing pipeline for filtering, clustering, and analyzing point clouds was proposed. Filtering was performed to downsample the point cloud and remove noise that occurs in dynamic environments. A clustering module segmented the objects of interest from the perceived scene and supplied objects to their respective analysis modules. A plane was estimated in the road cluster, which served as a reference plane for measurements. Two measurement approaches for the rail cluster were proposed, implemented, and tested. The first is directly measured on the perceived point cloud. While the second used global and local registration techniques to fit a Computer-aided Design (CAD) model to the perceived point cloud. In addition, an evaluation dataset was created by implementing the current measurement technique.

Testing showed promising results for height and angle measurements. The best height measurement had a Root Mean Square Error (RMSE) of 1.3 centimeters, and the best angle measurement had an RMSE of 2.9 degrees. Whilst the proposed system shows promise, there is room for improvement. Discussion about these improvements and suggestions for the future development of the system is included in the thesis. Off-the-shelf sensor technology failed to produce consistent perception as the speed increased. As a result, a stereo vision system built with industrial cameras and Robot Operating System (ROS) was proposed.

The perception, processing, and measurement methods implemented and tested in this thesis show potential. When combined, these methods have the potential to replace the manual measurement method used today.