Procedimentos automáticos para apoio na avaliação de pavimentos com o uso de imagens digitais

Abstract

Defeitos nas superfícies de pavimentos asfálticos são descontinuidades na pista de rolamento que afetam a segurança e o conforto do usuário, além de indicativos da necessidade de intervenções na via. O conhecimento das camadas do pavimento também é utilizado, juntamente com outros parâmetros estruturais, na análise de uma futura intervenção na via. Nesta tese, propõe-se o uso de imagens digitais do pavimento para detectar defeitos superficiais e para identificarr as camadas do pavimento. Quanto aos defeitos superficiais, a motivação é a possibilidade de se obter uma alternativa à técnica de levantamento tradicional de defeitos superficiais em uso no Brasil. Inicialmente, com o auxílio de um espectrorradiômetro, analisaram-se vários padrões correspondentes às condições da superfície do pavimento asfáltico, com o intuito de definir a faixa espectral que melhor discrimine aqueles padrões. Usando-se a técnica de reconhecimento automático de padrões, analisaram-se imagens orbitais de altíssima resolução e terrestre do pavimento asfáltico, empregando como regra de decisão o algoritmo da Máxima Verossimilhança e Redes Neurais Artificiais. Para a fase de discriminação das características, utilizou-se, nas imagens multiespectrais, dados espectrais e nas imagens monocromáticas, informações texturais. Para a determinação das camadas do pavimento usou-se um Ground Penetration Radar (GPR) na aquisição do perfil subsuperficial, obtendo-se uma imagem contínua das camadas do pavimento, e na classificação automática dessas imagens, usou-se, também, informações texturais para extrair características, o algoritmo da Máxima Verossimilhança e Redes Neurais Artificiais como regra de decisão. Posteriormente, com os dados obtidos na classificação sobre as imagens, ou seja, os defeitos superficiais do pavimento e suas camadas, verifica-se a possibilidade de usá-los em um Sistema de Gerência de Pavimentos (SGP) comercial. Os resultados da classificação com o uso de imagem orbital não foram animadores. No entanto, quando se usou imagens terrestres para a classificação, os resultados foram surpreendentemente bons, indicando ser uma possibilidade bastante promissora. Na classificação da imagem subsuperficial do pavimento, os resultados foram razoavelmente satisfatórios, porém, inferiores ao da classificação dos defeitos. Quanto ao uso dos resultados obtidos na classificação das imagens e sua utilização como dados em um Sistema de Gerência de Pavimentos comercial, verificou-se, no sistema comercial analisado, não haver grandes dificuldades neste procedimento.

Pavements surface distresses are discontinuities on the road which affect the safety and comfort of the user, as well as to possible needs for interventions on the road. The knowledge concerning the pavement layers also works, along with other structural parameters, analyzing further actions on the track. This thesis proposes the use of digital pavement images to detect surface distresses and to find out the pavement layers. This study aims a modern alternative against the current traditional technique of pavement surface defects inspections in Brazil. Firstly, under the spectroradiometer, it was analyzed several patterns relative to the conditions of the asphalt pavement surface in order to define the spectral range that best discriminate against those patterns. By the technique of automatic pattern recognition, it was analyzed the orbital images of high resolution and ground images from the asphalt pavement, using as a rule of decision the algorithm Maximum Likelihood and Artificial Neural Networks. Regarding the features discrimination it applied spectral data to the multispectral images and textural information to the monochrome images. It was worked with a Ground Penetration Radar (GPR) with the purpose of describing the pavement layers determination, thus it acquires the the subsurface profile, resulting in a continuous image of the pavement layers and the automatic classification of images, and in the automatic classification of those images, it was also used textural information to get characteristics as well as the algorithm of the Maximum Likelihood and Artificial Neural Networks as rule of decision. Subsequently, the data obtained in the classification of images, the pavement distresses and its layers in order, set out to ascertain the possibility of using them in a trade Pavement Management System (PMS). The results of classification using orbital images of high resolution were not encouraging, however, when it worked with ground images, the results were surprisingly good, so it indicated a promising possibility in this way. In the classification of the subsurface image pavement, the results were so good so far pretty satisfactory, but lower than the defects classification. Regarding the use of results in the images classification and their use as data in a trade Management System Commercial, it had no major difficulties in this mentioned proceeding.