Application of drone-mounted video and thermal cameras for building digitalization and diagnostics

Compared to the past, in most parts of the world, new constructions are designed and realized with very high energy performances; moreover, plans and incentives for a deep energy retrofit of the built assets have been set, to enable local and national communities reaching the energy efficiency and GHG emission reduction targets and, as additional benefits, to enhance their health (pollution reduction) and their energy security, and to minimize life cycle costs and environmental impact in general. In both cases, despite we live in a world where it is possible to find a great multitude of data, there is a huge need for low-cost and reliable control methodologies and tools: to understand retrofit needs, to validate design choices and to test construction results, for an effective basic and condition-based maintenance and for a continuous commissioning of operating buildings. With these aims, in the last years, the use of Unmanned Aerial Vehicles (UAV) equipped with infrared cameras has been implemented, but the use of these tools among practitioners is still at a very qualitative level. Starting from a literature review about this topic, the thesis presents a methodology to support the following steps: (1) the flight inspection planning; (2) the RGB and infrared pictures data gathering and post processing; (3) the analysis of the data to estimate the impact of thermal bridges and the heat flux correction; (4) the analysis of the data to estimate the conduction heat loss coefficient of a building and its uncertainty; (5) the identification of maintenance needs and building pathologies. This thesis is based on a case study developed on a building in Italy (Spino d’Adda), hosting offices, a little data centre and telecommunication devices with no-fly zones. A commercial quadcopter equipped with a standard RGB camera has been used, to collect a first set of trial pictures. Their results have been used to set a flight planning methodology, based on Ground Sampling Distance (GSD), topographical limitations, technical characteristics of the cameras and the detailing needs of the building. Then, the model of the building is reconstructed through Structure from Motion technique using Agisoft Metashape. A sparse point cloud representing the building is realized calibrating all the images previously collected and, with an operation of feature detection using Scale-Invariant Feature Transform algorithm (SIFT), the interesting points are found and matched solving triangulation of homologous points problem. A 3D dense reconstruction of the building is then performed. Colour information from thermal images, which are representing the temperature captured by the thermal camera implemented on the drone, are integrated on the model by the using known points identified as baseline. A set of points with a known position is manually identified both in a set of RGB images and in thermal ones. The distance between them is measured so that the thermal images are scaled precisely and projected on the points composing the building.The result is a 3D point cloud model composed by a matrix that identifies, for each point, an information about its position in the space and a colour under RGB parameters coming from thermal camera. In the end, the matrix of colour is converted into matrix of temperature and compared to a model of ideal temperature which is realized by making considerations about the package for opaque and transparent components of the envelope, air temperature registered during the phase of picture collection and internal temperature set inside the building. This step provides a starting point for implementing an automated procedure that is able to identify from thermal anomalies a possible failure in a building envelope component and making some considerations about its possible repairing or substitution.

Rispetto al passato, nella maggior parte del mondo, le nuove costruzioni sono progettate e realizzate con prestazioni energetiche molto elevate. Per un profondo risanamento energetico del patrimonio costruito, nonché permettere alle comunità locali e nazionali di raggiungere gli obiettivi di efficienza energetica, sono stati stabiliti piani di riduzione delle emissioni di gas serra al fine di migliorare la salute dei cittadini (riduzione dell'inquinamento) e la loro sicurezza energetica, nonché per minimizzare i costi del ciclo di vita e l'impatto ambientale in generale. In entrambi i casi, c'è un enorme bisogno di metodologie e strumenti di controllo affidabili e a basso costo per capire le esigenze di retrofit, convalidare le scelte progettuali e testare i risultati di costruzione, per un'efficace manutenzione di base e basata sulle condizioni e per un continuo commissioning degli edifici operativi. Con questi obiettivi, negli ultimi anni, è stato implementato l'uso di Unmanned Aerial Vehicles (UAV) dotati di telecamere a infrarossi, ma l'uso di questi strumenti tra i professionisti è ancora a un livello molto qualitativo. Partendo da una revisione della letteratura su questo argomento, la tesi presenta una metodologia per supportare le seguenti fasi: (1) la pianificazione dell'ispezione del volo; (2) la raccolta dei dati delle immagini RGB e infrarosse e il post processing; (3) l'analisi dei dati per stimare l'impatto dei ponti termici e la correzione del flusso di calore; (4) l'analisi dei dati per stimare il coefficiente di perdita di calore per conduzione di un edificio; (5) l'identificazione delle necessità di manutenzione e delle patologie dell'edificio. Questa tesi si basa su un caso di studio sviluppato su un edificio in Italia (Spino d'Adda), che ospita uffici, un piccolo data center e dispositivi di telecomunicazione e no-fly zones. È stato utilizzato un drone commerciale dotato di una telecamera RGB standard, per raccogliere una prima serie di immagini di prova. I loro risultati sono stati utilizzati per impostare una metodologia di pianificazione del volo, basata sulla distanza di campionamento a terra (GSD), i limiti topografici, le caratteristiche tecniche delle telecamere e le esigenze di dettaglio dell'edificio. Poi, il modello dell'edificio viene ricostruito attraverso la tecnica Structure from Motion utilizzando Agisoft Metashape. Una nuvola di punti sparsa che rappresenta l'edificio viene realizzata calibrando tutte le immagini precedentemente raccolte e, con un'operazione di feature detection per mezzo dell'algoritmo Scale-Invariant Feature Transform (SIFT), i punti interessanti vengono trovati e abbinati risolvendo il problema della triangolazione dei punti omologhi. Viene quindi eseguita una ricostruzione 3D densa dell'edificio. Le informazioni di colore dalle immagini termiche, che rappresentano la temperatura catturata dalla telecamera termica implementata sul drone, sono integrate sul modello utilizzando punti noti identificati come linea di base.Un insieme di punti con una posizione nota è identificato manualmente sia in un insieme di immagini RGB che in quelle termiche. La distanza tra loro viene misurata in modo che le immagini termiche siano scalate con precisione e proiettate sui punti che compongono l'edificio. Il risultato è un modello di nuvola di punti 3D composto da una matrice che identifica, per ogni punto, un'informazione sulla sua posizione nello spazio e un colore sotto i parametri RGB provenienti dalla telecamera termica. Alla fine, la matrice di colore viene convertita in matrice di temperatura e confrontata con un modello di temperatura ideale che viene realizzato facendo considerazioni sul pacchetto per i componenti opachi e trasparenti dell'involucro, la temperatura dell'aria registrata durante la fase di raccolta delle immagini e la temperatura interna impostata all'interno dell'edificio. Questa fase fornisce un punto di partenza per l'implementazione di una procedura automatizzata che sia in grado di identificare dalle anomalie termiche un possibile guasto in un componente dell'involucro dell'edificio e fare alcune considerazioni sulla sua eventuale riparazione o sostituzione.