Detection, Identification and localization of road defects using LiDAR data : application to road network state evaluation - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Detection, Identification and localization of road defects using LiDAR data : application to road network state evaluation

Détection, identification et localisation des défauts routiers à l'aide de données LiDAR : application à l'évaluation de l'état du réseau routier

Résumé

In transportation applications, the problem of detection of road defects is not only important to build an efficient Advanced Driver-Assitance System, but also to contribute to the maintenance of road infrastructures with the aim of an overall improvement in road safety. This issue is being taken into consideration in this thesis, but the presented works primarly focus on the use of a 3D scanning laser rangefinder (LiDAR) allowing to observe the vehicle's environment and delivering measurements of extended targets. In order to be efficient in terms of localization accuracy and defect identification, the defection/estimation process involves a high resolution on the target, which requires that the LiDAR sensor to be positioned relatively close to the road with a selected orientation in order to increase the coverage resolution. However, before any detection, this operational context leads to consideration of methods for estimating extrinsic parameters of the sensor taking into account of this operational specificity. The first part of this thesis involves a new method of extrinsic calibration for 3D LiDAR sensor, called LiDAR/Ground Calibration Method, which focuses on the geometrical grounf plane-based estimation. This method is also efficient in the challenging experimental configuration of a high tilt angle of the LiDAR sensor. In this configuration, the calibration of the LiDAR sensor is a key problem particularly to ensure the efficiency of the detection of objects with small size on the ground. The proposed extrinsic calibration method can be summarized by the following procedure : fitting geometric road surface model, extrinsic parameters estimation (3D orientation, altitude) and extrinsic parameters optimization. The results are presented on synthetic and real data in terms of precision and robustness agains variations of heigh and accuracy on orientation and distance, showing the stability and relevance of the proposed extrinsic calibration method. The second part proposes two novel road defect detection methods, called Feature-Based Defect Detection Method (FBDDM) and Grid-Based Defect Detection Method (GBDDM). The FBDDM detection method, based on concavity properties provided by a second-order differential Gaussian filter, allows the detection and identification of several homogeneous road defects at each laser elevation. However, the GBDDM detection method is based on two main steps : a weighted interpolation step built on inverse distance of the LiDAR impacts and a surface splitting in terms of dynamic grid which makes it possible to detect, visualize and localize multiple road defects. The evaluation results show a very good performance of these defect detection methods, in term of accuracy and precision against existing detection methods. They also prove their effectiveness in detecting pothole defect or pavement deformation (hump) in a controlled experimental context.
Dans les applications liées au transport, la problématique de détection des défauts de la route est non seulement importante pour construire un système efficace d'aide à la conduite mais également contribuer à la maintenance des infrastructures routières dans une logique d'amélioration globale de la sécurité des routes. Cette thèse s'inscrit dans ce cadre, avec comme particularité d'être axée sur un télémètre laser à balayage 3D (LiDAR) permettant de percevoir l'environnement du véhicule et délivrant des mesures de cibles étendues. Afin d'être efficace en termes de précision en localisation et d'identification du défaut, le processus de détection/estimation nécessite une résolution élevée sur la cible, ce qui impose que le LiDAR soit positionné relativement proche de la route avec une orientation choisie afin d'augmenter cette résolution. Cependant, avant toute détection, ce contexte opérationnel conduit à envisager des méthodes d'estimation des paramètres extrinsèques du capteur tenant compte de cette spécificité opérationnelle. La première partie de cette thèse porte donc sur une nouvelle méthode de calibration extrinsèque d'un capteur LiDAR 3D, appelée "LiDAR/Ground Calibration Method" qui se concentre sur l'estimation du plan de la route. Cette méthode est également efficace dans la configuration expérimentale particulière d'un angle élevé d'inclinaison du LiDAR. Dans cette configuration, la calibration du capteur LiDAR est un problème clé en particulier pour garantir l'efficacité de la détection des objets de taille modeste au sol. La méthode de calibration extrinsèque proposée peut être résumée en différentes étapes : ajustement du modèle géométrique de surface de la route, estimation des paramètres extrinsèques (orientation 3D, altitude) et optimisation des paramètres extrinsèques. Les résultats sur des données synthétiques et réelles sont présentés en terme de précision et de robustesse par rapport à la variation de hauteur et à la précision sur l'orientation et la distance, montrant ainsi la stabilité et la pertinence de la méthode de calibration extrinsèque proposée. La deuxième partie propose deux nouvelles méthodes de détection de défauts routiers, dénommées Feature-Based Defect Detection Method (FBDDM) et Gris-Based Defect Detection Method (GBDDM). La méthode de détection FBDDM, basée sur les propriétés de concavités fournies par un filtre gaussien différentiel du second ordre, permet de détecter plusieurs défauts de route homogènes à chaque élévation laser. Quant à elle, la méthode de détection GBDDM est basée sur deux étapes principales : une étape d'interpolation construite sur une pondération des impacts LiDAR dépendant de la distance et un découpage de la surface en quadrillage dynamique qui permet de détecter, visualiser et localiser des défauts routiers multiples. Les résultats d'évaluation montrent une très bonne performance de ces méthodes de détection de défauts, en terme d'exactitude et de précision par rapport à d'autres méthodes de détection existantes. Elles montrent également leur efficacité dans la capacité de détection des défauts de type nids-de-poule ou de déformation de chaussée (bosses) en contexte expérimentale maîtrisé.
Fichier principal
Vignette du fichier
110285_ZAITER_2021_archivage.pdf (20.57 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03971233 , version 1 (03-02-2023)

Identifiants

  • HAL Id : tel-03971233 , version 1

Citer

Mohammad Ali Zaiter. Detection, Identification and localization of road defects using LiDAR data : application to road network state evaluation. Signal and Image processing. Université du Littoral Côte d'Opale, 2021. English. ⟨NNT : 2021DUNK0629⟩. ⟨tel-03971233⟩
72 Consultations
13 Téléchargements

Partager

Gmail Facebook X LinkedIn More