Rilievo di traiettorie urbane con approccio fotogrammetrico : una sperimentazione orientata all'automazione

A current and important problem in the field of Civil and Environmental Engineering is lack of knowledge about underground network utilities, such as pipes, ducts, cables, etc., which are serving both civil and industrial users. The Ground Penetrating Radar (GPR) is usually used to determine the exact location of the network in the first ground meters. This method allows to reach accuracies in the order of centimeters, variable depending on specific soil type or the material used during the construction of the network itself. In order to provide a useful map, the geo-referencing accuracy of the GPR should be around 20-30 centimeters. GPR is typically mounted on a trailer pulled by a vehicle. The operating speed is around 15-20 km/h to ensure a daily network productivity around three kilometers. The accuracy requirement for positioning is easily attained using usual satellite positioning. In urban areas it is often impossible to use such a method. The presence of obstructions, such as buildings, trees, tunnels and reflecting surfaces makes signal reception by the receiver difficult although the GPS (or more precisely a GNSS receiver) is the highly suggested choice for quick positioning of a moving vehicle. In an urban environment, the number of satellites is often less than four, resulting in poor signal quality due to noise interference. This would likely lead to insufficient location accuracy. An alternative approach may then be taken into account involving integration of inertial systems. The latter may however only be found within a medium to high market segment. This would thus entail a consequent increase in the economic investment required. Systems found elsewhere on the market would in fact be affected by an excessively large time drift if the GNSS signal were not to be received for a period of time. A likewise situation would therefore lead to a loss in the quality of the measurements and would quickly exceed the maximum tolerance imposed by the GPR system. An innovative strategy based on the integration of different positioning systems and trajectory tracking systems may be then be proposed. Among them the first place is certainly filled by the satellite positioning system (that will be supported by the European system Galileo in the near future). Subsequently we can assign an important role to a photogrammetric approach based on large scale cartography support. At least we cannot neglect the contribution of small size and low cost inertial equipment (MEMS). In any case the purpose is to determine the vehicle’s trajectory during the trial and consequently reconstruct the underground network geometry and location. We can control the drift of the navigation solution using instruments of different natures characterized by complementary features. In GPS/IMU systems the inertial part provides a high accuracy solution, on the other hand the GPS signal is the one that guarantees the long term stability. Different sensors data integration requires to use appropriate statistical methods: the Kalman filter has been imposed because it is a recursive and real-time solution. It is useful to note about the use of photogrammetry that, thanks to image matching procedure and thanks to the use of digital cameras, it is not anymore necessary to use dedicate instruments and analogical plotters. We can reasonably think that photogrammetry will be a very good low-cost solution. Moreover, since the external orientation is commonly solved by analytical procedure based on the resolution of collinearity equation, we can assume that following such procedure will be more difficult in close range applications because of more complex and converging geometry. Interesting developments in this area may be accomplished in terms of digital process automation. Integrating the photogrammetric techniques with those developed by Computer Vision (CV) can give an important contribution to solving the problem. Using targets on the object will allow strong automation in the tie point extracting procedure. At the current state of the art there is no standardization achieved like in the field of automatic aerial triangulation (TAA), especially when it is impossible to stick targets on the object, because of its importance or because of its size. The proposed method will be as automated as possible, both in terms of point extraction from large scale cartography and identification of the seeds point required for the orientation of the strip. We think to use the SURF algorithm (Speeded Up Robust Feature) (Bay et al., 2006) because of its invariance to scale and rotation. Nowadays it seems to be the best compromise between number of extracted point and computational cost. We plan to use two converging cameras mounted on the roof rack of the vehicle. This cameras will provide a series of photography of the facades of the building during the operating phases of the GPR survey. The photographs must keep an overlap degree that allows to identify seeds point in a minimum of three frames. We will be able to determine the camera centers by resolving an inverse photogrammetric problem: knowing the relative positioning vector between the cameras and the GPR antenna will make it possible to know the GPR trajectory followed during the survey. We will relate the underground network detected in the technical cartography reference system thank to the extraction of tie points, typically located on the corners of the buildings.

Un problema attuale e particolarmente sentito nell’ambito dell’Ingegneria Civile e Ambientale è la scarsa conoscenza della rete dei sottoservizi, quali ad esempio tubature, condotti, cavi interrati etc. che servono sia utenze civili che industriali. Il Ground Penetrating Radar (GPR) viene frequentemente impiegato per determinare l’esatta localizzazione di tale rete sino alla profondità di alcuni metri, raggiungendo precisioni dell’ordine della decina di centimetri, variabili in relazione al particolare tipo di terreno e al materiale impiegato nella realizzazione delle opere. Per il posizionamento di questo strumento è richiesta una tolleranza di 20-30 centimetri. Il GPR viene generalmente montato su un carrello trainato da un veicolo che durante il rilievo si muove ad una velocità di circa 15-20 km/h, garantendo una produttività giornaliera di circa tre chilometri di rete stradale. La precisione di posizionamento richiesta può essere facilmente raggiunta impiegando gli usuali sistemi di posizionamento satellitare, ma in ambito urbano tale metodo non è spesso applicabile. Seppure un GPS (o più precisamente un ricevitore GNSS) sia lo strumento naturalmente indicato per il rapido posizionamento di un veicolo in movimento, la presenza di ostacoli quali edifici, alberi, tunnel e superfici riflettenti rende difficoltosa la ricezione del segnale da parte dei ricevitori, comportando una localizzazione non sufficientemente accurata: spesso il numero dei satelliti visibili risulta essere infatti inferiore a quattro o la qualità del segnale troppo rumorosa. Si potrebbe pensare all’integrazione di sistemi inerziali, ma essi, se non reperiti nella fascia di mercato medio alta, con conseguente forte aumento dell’investimento economico, risulterebbero affetti da una deriva nel tempo troppo grande qualora il segnale GNSS non venisse ricevuto per un lungo periodo. Una tale situazione determinerebbe, infatti, una perdita di qualità delle misure che porterebbe rapidamente a superare le tolleranze massime imposte dalle precisioni del sistema georadar. Si vuole quindi proporre un metodo innovativo basato sull’integrazione di sistemi di posizionamento e di rilevamento della traiettoria del veicolo: tra questi il primo posto lo assumono senz’altro i sistemi di posizionamento satellitare (che in un prossimo futuro saranno affiancati dal sistema europeo Galileo); in successione un ruolo importante può essere attribuito all’approccio fotogrammetrico, basato su appoggio cartografico a grande scala. Infine, non può essere tralasciato, l’apporto di apparati inerziali di ridotte dimensioni (MEMS). Lo scopo, in ogni caso, è quello di determinare la traiettoria seguita dal veicolo in fase di rilievo e, conseguentemente, ricostruire la geometria e la localizzazione della rete del sottosuolo. La deriva della soluzione di navigazione può essere controllata associando gli inerziali con strumenti di natura diversa, ma che possiedono caratteristiche complementari: nei sistemi GPS/IMU il sistema inerziale fornisce una soluzione con un’elevata accuratezza a breve termine, mentre il segnale GPS è quello che fornisce la stabilità a lungo termine. L’integrazione di dati provenienti da sensori differenti richiede l’impiego di opportuni metodi statistici: nel caso dei sistemi GPS/IMU si è ormai da tempo imposto il filtro di Kalman, di tipo ricorsivo e applicabile in tempo reale. Per quanto concerne l’impiego della fotogrammetria, è utile sottolineare che, grazie all’utilizzo di camere digitali e di procedure di Image Matching, essa si è ormai da tempo svincolata dall’impiego di strumenti dedicati e di restitutori di tipo analitico: si ritiene quindi che possa rappresentare una ottima soluzione a basso costo. Tale disciplina permette di ricostruire oggetti tridimensionali e compiere misure sugli oggetti ricostruiti partendo da immagini bidimensionali. Il problema fondamentale della fotogrammetria è solitamente la determinazione delle coordinate degli oggetti nello spazio a partire dalle corrispondenti coordinate immagine. L’approccio proposto prevede, invece, la soluzione di un problema fotogrammetrico inverso. Peraltro, dato che l’orientamento esterno viene comunemente risolto con procedure analitiche basate sulla risoluzione delle equazioni di collinearità, è logico assumere che tale operazione in ambito close-range risulti essere più complessa che in fotogrammetria aerea, a causa di geometrie di presa meno standard e spesso convergenti: in questo ambito le potenzialità dell’automazione digitale del processo possono fornire interessanti sviluppi. Un importante contributo per la risoluzione di queste problematiche deriva quindi dall’integrazione delle tecniche fotogrammetriche con quelle sviluppate dalla Computer Vision (CV). L’impiego di target posti sull’oggetto consentirebbe una forte automazione del processo di estrazione dei punti di appoggio e/o di interesse, ma nel caso in cui non sia possibile, per dimensioni elevate dell’oggetto di indagine o impossibilità di applicavi target, non esiste allo stato dell’arte una soluzione definitiva paragonabile alla standardizzazione raggiunta nel settore della triangolazione aerea automatica (TAA). Il metodo proposto vuole essere il più possibile automatizzato, sia per quanto riguarda l’estrazione dei punti dalla cartografia a grande scala, che per l’individuazione dei punti omologhi necessari per l’orientamento delle strisciate. Nel primo caso il problema è stato affrontato dall’Ing. Nicolò Boldori nella sua tesi di laurea discussa c/o la facoltà di Ingegneria Civile e Ambientale di questo Politecnico. Per l’estrazione dei punti di interesse invarianti rispetto a variazioni di rotazione e scala si è pensato di impiegare l’algoritmo SURF (Speeded Up Robust Feature) (Bay et al., 2006), che allo stato attuale risulta essere il miglior compromesso tra numero di punti estratti e costo computazionale. L’elaborato di tesi qui presentato si basa sul precedente lavoro dell’Ingegnere Nicolò Boldori (Navigazione in ambito urbano per il posizionamento dei sottoservizi: un approccio fotogrammetrico, 2010). In tale elaborato è stato svolto uno studio di fattibilità svolto ad analizzare la possibilità dell’impiego del metodo fotogrammetrico in ambio urbano per la georeferenziazione del georadar. In particolare sono state analizzate due diverse tipologie di rilievo, il primo di tipo statico (a piedi) e un secondo su veicolo. Nel primo caso è stata valutata la precisione ottenibile mediante l’applicazione del metodo proposto, mentre nel secondo caso si è simulata un’acquisizione con veicolo con lo scopo di stimare le precisioni raggiungibili in condizioni molto simili a quelle operative. Sono qui analizzate e proposte alcune soluzioni alle principali questioni lasciate aperte dallo studio di cui sopra. In particolare si è deciso di concentrarsi sulla necessità di automatizzare l’estrazione dei punti omologhi e sul trasferimento della posizione del sistema foto-GPS al GPR. Il primo problema descritto, cioè l’automatizzazione delle fasi di estrazione dei punti di interesse e della successiva fase di orientamento, è stato affrontato valutando le performance del software EyeDEA (implementato presso il dipartimento DICATA dell’Università degli Studi di Parma) in differenti condizioni operative, quali presenza di ostacoli quali veicoli parcheggiati o in movimento, incroci, diverse tessiture degli edifici etc. Il secondo problema, ovvero la georeferenziazione del ricevitore GPR, è stato affrontato adattando il programma in Matlab realizzato da Dario Fabbri durante il suo lavoro di tesi, discusso c/o facoltà di Ingegneria Civile presso il Politecnico di Milano (Georeferenziazione del georadar con misure GPS, 2011). All’interno di tale lavoro era stato simulato un rilievo cinematico utilizzando un carrellino, sul quale erano montati un ricevitore centrale e un sensore (avente lo scopo di simulare la presenza di un’antenna georadar). Sulla base delle coordinate acquisite dal ricevitore centrale sono stimate, applicando diversi metodi di approssimazione, le coordinate del sensore, per poi valutare le precisioni ottenibili mediante i metodi proposti.