Comment programmer un processus, général et complet, d’inspection de l’évolution des ouvrages d’art ?
Le développement des technologies d’acquisition de données (capteurs dans le visible, multispectraux, lidar, …), les vecteurs d’acquisitions de ces données (satellites, drones aériens, terrestres et sous-marins) ainsi que l’efficacité des moteurs de modélisation par photogrammétrie ouvrent la voie à la modélisation 3D précise et conforme des ouvrages d’art [1]. En parallèle, les techniques de traitement du signal permettent désormais de faire émerger l’information requise de la masse des informations acquises lors d’une captation et d’obtenir des comparaisons signifiantes entre différentes acquisitions. Il devient donc possible, en élargissant la démarche de Olsen [2], d’établir un processus complet d’inspection des ouvrages d’art avec suivi temporel, et de mettre ainsi l’information pertinente et les moyens de sa visualisation au service de l’expert humain (figure 1.). Il est cependant nécessaire, tout au long de ce processus, de veiller à l’organisation des différentes phases, leur cohérence et harmonisation pour garantir la fiabilité de l’information.
Figure 1 : Phases d’inspection dans l’ordre
La description de ces quatre étapes est complètement dépendante de l’expertise métier de l’utilisateur ; en pratique, c’est la compréhension des besoins de l’expert (en termes de restitution de l’information qui lui est utile) qui induit la description de l’extraction des informations nécessaires, laquelle impose l’identification de méthodes de modélisation, puis des protocoles de Captation. In fine, la captation de données (formalisées par un CCTP) résulte de ce processus de conception (figure 2).
Figure 2 : logique des choix
Première phase : Captation
Cette phase doit se faire avant tout dans le respect de la législation en vigueur et dans des conditions de sécurité optimales pour toutes les personnes présentes sur le site (opérateurs et usagers).
La captation est une étape essentielle puisque la qualité de la donnée brute conditionne toute la précision de la chaîne de traitement. La nature des données brutes (images, points lidar, …), le mode d’acquisition (aérien, terrestre ou autre, manuel ou automatique, …) ainsi que les différents paramètres (taux de recouvrement d’images, vitesse de déplacement, points de contrôle, …) doivent être précautionneusement choisis en fonction :
- du site (sa nature, son étendue, sa géométrie, son environnement) ;
- des informations recherchées (leur nature, leur échelle) ;
- de la précision requise.
Deuxième phase : Modélisation
Un nettoyage des données permet de s’appuyer sur des données fiables pour construire un modèle 3D de l’ouvrage d’art.
L’étape de modélisation n’est pas forcément nécessaire, mais elle offre deux possibilités :
- Extraire des informations 3D (polylignes, mouvements de structures, …)
- Visiter le jumeau numérique du site
Dans le cas d’une captation par lidar, on obtient des ensembles des points qu’il faut réunir en un seul nuage, dans le cas d’une captation par capteur optique, la photogrammétrie permet de construire un nuage de points modélisant le site.
L’utilisation de points de contrôle permet de mesurer simplement la précision du modèle.
Troisième phase : Extraction des informations
Les informations utiles à l’expert doivent être portées à sa connaissance, automatiquement et rapidement. Elles peuvent être extraites :
- des données brutes
- du modèle 3D issu des données brutes
en utilisant des outils [3] :
- de traitement de signal et de géométrie classiques
- de réseaux de neurones
Lors de cette étape, un suivi de la qualité des extractions est mis en place afin de fournir un indice de confiance lors de la quatrième phase.
En cas de nouvelle inspection d’un ouvrage, les nouvelles informations sont comparées aux précédentes afin de constater et quantifier leur évolution.
Quatrième phase : Restitution et visualisation
Une fois l’information utile extraite de la masse des informations brutes, celle-ci doit être présentée à l’expert humain de manière pertinente.
La qualité des extractions est alors traduite sous la forme d’un indice de confiance ; cela permet à l’expert de prendre ses décisions en connaissance de cause. A des fins de levée de doute, un accès aux données brutes est fondamental afin de lui permettre
Les mesures d’évolutions sont également présentées pour que l’expert dispose du suivi temporel de l’ouvrage.
[1] Arnadi Dhestaratri Murtiyoso, « Relevé 3D et classification de nuages de points du
patrimoine bâti », 2020
[2] Olsen, Michael & Kuester, Falko & Chang, Barbara & Hutchinson, Tara., “Terrestrial Laser
Scanning-Based Structural Damage Assessment”, Journal of Computing in Civil Engineering,
2010
[3] Romero, L.M.; Guerrero, J.A.; Romero, G. “Road Curb Detection: A Historical Survey”.
Sensors 21, no 21, 2021