Sistemas automáticos para la adquisición de datos enfocados a examinar pavimentos flexibles.
Resumen
En este documento se hace una revisión de los principales métodos de recolección de datos para inspección de condición de pavimentos. Se muestra el contexto en el que surge la importancia de este tipo de datos, seguido de la descripción de cada metodología destacada en la literatura. Los métodos se clasifican fundamentalmente en manuales y automáticos. El desarrollo tecnológico ha permitido implementar sistemas automáticos que cumplen las características para realizar esta tarea. Sin embargo, actualmente la metodología manual sigue siendo la más común.
Descargas
Lenguajes:
esAgencias de apoyo:
ColcienciasReferencias bibliográficas
Timm, D.H. & McQueen, J.M. (2004). A Study Of Manual Vs Automated Pavement Condition Surveys. Alabama, EE.UU: Auburn University.
Universidad Nacional de Colombia e Instituto Nacional de Vías. (2006). Manual para la inspección visual de pavimentos flexibles. Bogotá, Colombia: UNAL e INVÍAS.
Figueroa, A.S., Flórez, C.F., León M.P. & Mu-oz E.E. (2007). Manual para el mantenimiento de la red vial secundaria (pavimentada y en afirmado). Bogotá, Colombia: Ministerio de Transporte y Pontificia Universidad Javeriana.
Miller, J. S. & Bellinger, W. Y. (2003). Distress Identification Manual for the Long-Term Pavement Performance Program (4 ed.). Virginia, EE.UU.: Office of Infrastructure Research and Development y Federal Highway Administration.
Transportation Research Board. (2004). Automated Pavement Distress Collection Techniques, vol. 334. Washington, D.C, EE.UU.: Transportation Research Board National Research.
OECD Expert Group. (1987). Pavement Management Systems. París, Francia.
AASHTO. (1990). Guidelines for Pavement Management Systems. Washington, D.C., EE.UU.
Zheng Q. & Racca D. (1999). Support of Pavement Management Systems At The Delaware Department of Transportation. Delaware, EE.UU.: Center for Applied Demography & Survey Research.
Mills L., Attoh-Okine N. & McNeil S. (2012). Developing Pavement Performance Models For Delaware. Transportation Research Board Annual Meeting. Washington, D.C., EE.UU. http://dx.doi.org/10.3141/2304-11
Flintsch, G. W. & McGhee, K. (2009). Quality management of pavement condition data collection, vol. 401. Washington, D.C., EE.UU.: Transportation Research Board National Research. http://dx.doi.org/10.17226/14325
Leiva, F. (2005). Sistemas de soporte para la toma de decisiones en la administración de carreteras. Costa Rica: Universidad Estatal a Distancia.
Suárez Ordo-ez, J.J. (2005). Análisis comparativo de los métodos para la evaluación de defectos de los pavimentos y su aplicabilidad en carreteras colombianas. Bucaramanga, Colombia: Universidad Pontificia Bolivariana.
Ríos, J. & Martínez, I. (2009). Sistema de administración de pavimentos sobre la ciudad de Bogotá. Bogotá, Colombia: Universidad Militar Nueva Granada.
Departamento de gestión vial. (2004). Instructivo de inspeccion visual de caminos pavimentados. Chile: Ministerio de obras públicas Gobierno de Chile.
Coronado, J. (2000). Manual Centroamericano de Mantenimiento de Carreteras. Guatemala: Consejo sectorial de ministros de transporte de Centro América y Secretaría de integración económica centroamericana.
Oregon Department of Transportation. (2010). Pavement Distress Survey Manual. Oregon.
ASTM. (2004). Standard Practice for Roads and Parking Lots Pavement Condition Index Surveys. EE.UU.: ASTM International.
South Dakota Departmet of Transportation. (2009). SDDOT'S Enhanced Pavement Management System, Visual Distress Survey Manual. South Dakota, EE.UU.: Department of Transportation.
Cline, G.D. & Shahin, M.Y. (2003). Automated data collection for pavement condition index survey. EE.UU.: Naval Facilities Engineering Service Center, USA ERDC Construction Engineering Research Laboratory.
Wang, K.C.P. & Smadi, O. (2011). Automated Imaging Technologies for Pavement Distress Surveys. Washington, D.C., EE.UU.: Transportation Research Board of the national academies. Circular número E-C156.
U.S Department of Transportation - Federal Highway Administration. (2006). Study of Long-Term Pavement Performance (LTPP): Pavement Deflections. Recuperado en marzo de 2013, de http://www.fhwa.dot.gov/publications/research/infrastructure/pavements/ltpp/06109/paper2.cfm
Umbaugh, S. (1998). Computer vision and image processing. EE.UU.: Prentice Hall PTR, pp. 3-35.
Universidad de Cornell. (s.f.). Tutorial de Digitalización de Imágenes. Recuperado en marzo de 2013, de http://www.library.cornell.edu/preservation/tutorial-spanish/contents.html
DALSA. (2002). Image Sensor Architectures for Digital Cinematography. Waterloo, Canadá: DALSA Corp.
Litwiller, D. (2001). CCD vs. CMOS: Facts and Fiction. Photonics Spectra. Laurin Publishing Co. Inc.
Newton Labs. (s.f.). Comparing Line Scan and Area Scan Technologies. Recuperado en febrero de 2013, de http://www.newtonlabs.com/line_systems.htm
Industrial Control System. (s.f.). Area Scan Cameras and Line Scan Cameras. Recuperado en febrero de 2013, de http://www.ics-uk.net/technology/technology3.asp
Stemmer Imaging. (s.f). Quality right down the line. Recuperado en febrero de 2013, de http://www.stemmer-imaging.co.uk/en/technical+tips/1100-Line-scan-cameras
Xu, B. & Huang, Y., (2003). Development of an automatic pavement surface distress inspection system. Texas, EE.UU.: Center for Transportation Research, The University of Texas at Austin.
Nikolaidis, N. & Pitas, I. (2001). 3-D Image Processing Algorithms. EE.UU.:Wiley-Interscience, pp. 1-11 .
Chen, F., Brown, G.M. & Song, M. (2000). Overview of three-dimensional shape measurement using optical methods. Optical Engineering, 39, pp. 10-22. http://dx.doi.org/10.1117/1.602438
Bradshaw, G. (1999). Non-contact surface geometry measurement techniques. Dublin, Irlanda: Image Synthesis Group, Trinity College.
Curless, B. (1997). New Methods for Surface Reconstruction from Range Images (Tesis doctoral inédita). Stanford University, Stanford, EE.UU.
Ramírez Rojas, J.C., (2011). Reconstrucción tridimensional de la sección transversal de perfiles extruidos utilizando triangulación láser (Tesis de maestría inédita). Universidad Industrial de Santander, Bucaramanga, Colombia.
Acosta, D., García, O. & Aponte, J. (2006). Laser triangulation for shape acquisition in a 3D scanner plus scanner. Conference in Electronics, Robotics and Automotive Mechanics. Cuernavaca, México. http://dx.doi.org/10.1109/CERMA.2006.54
Franca, J., Gazziro, M., Id,e A., & Saito, J. (2005). A 3D scanning system based on laser triangulation and variable field of view. IEEE International Conference on Image Processing. Francia, pp. 3–6. http://dx.doi.org/10.1109/icip.2005.1529778
Pavemetrics. (2010). Laser FOD Detection System (LFOD). Recuperado en abril de 2013, de http://www.pavemetrics.com/en/lfod.html
LASEROPTRONIX. (2010). Fod detection system. Recuperado en abril de 2013, de http://www.laseroptronix.se/airpor/foddetector.html
GSSI. (s.f.). Ground Penetrating Radar for Road Structure Evaluation and Analysis. Recuperado en enero de 2013, de: http://www.geophysical.com/roadinspection.htm
Pavemetrics. (s.f.). LRIS - Laser Road Imaging System. Recuperado en noviembre de 2012, de http://www.pavemetrics.com/en/lris.html
Fugro Roadware Inc. (s.f.). ARAN 9000. Recuperado en enero de 2013, de http://www.roadware.com/products/9000/
Tao, C. (2000). Mobile mapping technology for road network data acquisition. Journal of Geospatial Engineering, 2(2), pp. 1-13.
Pavemetrics. (s.f.). LCMS - Laser Crack Measurement System. Recuperado en febrero de 2013, de http://www.pavemetrics.com/en/lcms.html
GEVIAL SAS. (s.f.). Ingeniería y Gestión Vial. Tecnología aplicada a la ingeniería. Recuperado en febrero de 2013, de http://gevial.co/brochure.pdf
CSIRO. (s.f). RoadCrack system. Recuperado en abril de 2013, de http://www.csiropedia.csiro.au/display/CSIROpedia/RoadCrack+system
GIE Technologies. (s.f.). Image capture system. Recuperado en marzo de 2013, de http://www.gieinc.ca/main_en.html
YZ Technology. (s.f.). Laser RST System. Recuperado en noviembre de 2012, de http://www.yztechnology.com/products4.html
Pathway Services Inc. (s.f.). Pavement Surface Imaging With Depth for Rutting, Cracking and Faulting. Recuperado en marzo de 2013, de http://www.pathwayservices.com/3D_imaging.shtml
Oliveira, H. & Correia, P. (agosto, 2009). Automatic Road Crack Segmentation Using Entropy And Image Dynamic Thresholding. European Signal Processing Conference (EUSIPCO), 17(24-28), Glasgow, Escocia, pp. 622-626.
International Cybernetics. (s.f.) International Cybernetics - Imaging Vehicle. Recuperado en febrero de 2013, de http://www.internationalcybernetics.com/imaging_vehicle.htm
Vectra. (2010). AMAC. Recuperado en abril de 2013, de http://www.vectra.fr/sites/fr/materiels-et-solutions/auscultations-des-chaussees/amac.html
WDM Limited. (2000). RAV/Scanner Surveys. Recuperado en abril de 2013, de http://www.wdm.co.uk/surveying/4-surveying/5-rav-scanner-surveys
Guanaratne, M., Amarasiri, S. y Nasseri, S., (2008). Investigation of Automated and Interactive Crack Measurement Systems. Florida, EE.UU.: Department of Civil and Environmental Engineering, University of South Florida.
Wang, K., (2007). Automation of Pavement Surface Distress Survey through Parallel Processing. Arkansas, EE.UU.: Mack-Blackwell Transportation Center.
Ramírez, S. (2012). Detección de grietas en la cinta asfáltica mediante análisis de imágenes (Tesis de Maestría inédita). Instituto Politécnico Nacional, Santiago de Querétaro, México, p.69.
Salvatore, A. & Battiato, S. (octubre, 2006). Evaluation of Pavement Surface Distress Using Digital Image Collection and Analysis. International Congress on Advances in Civil Engineering, 7(11-13), Estambul, Turquía: Yildiz Technical University, pp. 1-10.
Wang, C. & Sha, A. (agosto, 2010). Pavement crack classification based on chain code. International Conference on Fuzzy Systems and Knowledge Discovery, 7(10-12), Yantai, China: IEEE, pp. 593-597. http://dx.doi.org/10.1109/fskd.2010.5569463
Javidi B., Kim D. & Kishk S. (2004). A laser-based 3D data acquisition system for the analysis of pavement distress and roughness. Conneticut, EE.UU.: University of Connecticut, Transportation Institute.
Yu, S., Sukumar, S., Koschan, A., Page, D. & Abidi, A. (2007). 3D reconstruction of road surfaces using an integrated multi-sensory approach. Optics and Lasers in Engineering, 45(7), pp. 808-818. http://dx.doi.org/10.1016/j.optlaseng.2006.12.007
Laurent, J., Talbot, M. & Doucet, M. (mayo, 1997). Road surface inspection using laser scanners adapted for the high precision 3D measurements of large flat surfaces. International Conference on Recent Advances in 3-D Digital Imaging and Modeling. Ottawa, Canadá: IEEE, pp. 303-310.
Porras, H., Sanabria, D., & Mejía Y. (2013). Automatic System for Images Acquisition Of Roads Pavement. Informatics Technol. Manag., 12(32), pp. 61–78.
