Après avoir couvert plusieurs outils de visualisation et d'interprétation utiles dans les notes précédentes, nous n'avons pas encore parlé du traitement en tranches épaisses. Par conséquent, dans cette note, nous présentons une nouvelle méthode pour visualiser plus efficacement les données 3D-GPR en appliquant un traitement "épais". A notre connaissance, cette méthode n'était pas commercialisée jusqu'à présent. Le concept original nous a été présenté par Marc Grasmueck et al., de l'Université de Miami. Bien que Mark reste l'innovateur, nous l'avons adapté en tant que fonctionnalité dans Condor.
Nos efforts consistent à rechercher en permanence des méthodes efficaces pour gérer d'énormes ensembles de données, sans perte de résolution/détail, qui préservent la connaissance et la précision de la profondeur/position et, enfin, se prêtent à une sélection précise des cibles et des exportations vers des environnements CAO. De plus, nos clients demandent de telles fonctionnalités dans un environnement convivial, sans avoir besoin d'ajuster massivement les paramètres. OspreyView, comme nous l'appelons, remplit toutes ces conditions.
Un premier exemple de ce que nous présentons maintenant est illustré à la figure 1. L'image du haut montre notre approche du traitement en « tranches épaisses » tandis que la vue du bas montre une tranche mince traditionnelle. Bien que les deux images soient bonnes, au moins cinq utilitaires sont clairement affichés dans l'image OspreyView qui ne sont pas présents dans celle du bas ou seulement avec un peu d'imagination. Avant d'approfondir les détails, passons brièvement en revue certains concepts du traitement en tranches épaisses. Premièrement, une tranche de profondeur est une coupe horizontale à travers votre jeu de données, montrant les amplitudes des données après l'application du traitement. L'image résultante (C-scan) présente des caractéristiques importantes. Il donne une excellente vue d'ensemble qui est très lourde à réaliser grâce au profilage à une seule ligne, et il préserve la pleine résolution du système GPR et de la collecte de données. La localisation en profondeur des cibles sera précise et le déplacement dans les données sera rapide. La figure 2 (image du haut) montre un exemple d'une telle visualisation de base.
Aussi bon que soit ce type de visualisation « en tranches minces », l'inconvénient évident est qu'il ne montre que ce que le GPR détecte à l'heure/à la profondeur traversée par une tranche donnée. Il n'y a pas de visualisation efficace des cibles plongeantes, et il n'est pas non plus possible de les voir à des profondeurs entièrement différentes. Le défilement est nécessaire, ce qui ajoute du temps, mais plus important encore, il ne donne pas à l'opérateur une vue d'ensemble complète.
Pour surmonter cet inconvénient et obtenir une meilleure vue d'ensemble, il est courant d'ajouter plus de traitement en faisant la moyenne des tranches sur une plage de profondeur spécifique. Dans la figure 2, les images du milieu et du bas montrent l'effet d'une telle moyenne sur 4 et 8 tranches, respectivement. Alors que la moyenne appliquée à l'image du milieu fonctionne, elle ne fonctionne pas sur l'image du bas. La grave dégradation de ces données est due au fait que la moyenne s'étend sur près d'une longueur d'onde complète du signal radar. Cette méthode réduit toujours la résolution, et même si la moyenne à 4 tranches semble fonctionner, un examen attentif révélera une perte d'informations. Une transformée de Hilbert est souvent ajoutée avant la moyenne pour éviter l'annulation due à l'attribut bipolaire du signal GPR. Cependant, cette approche réduit davantage la résolution et n'est donc pas ce que nous voulons.
Cela dit, les animations de tranches moyennement moyennes fonctionnent bien. Installés à une vitesse d'image appropriée, ils offrent un moyen efficace de visualiser toutes les cibles présentes, et cette approche ne disparaîtra probablement pas de sitôt. Bien que la pleine résolution soit préservée, elle ne se prête pas facilement comme outil prenant en charge la sélection précise de cibles pour l'exportation vers des environnements CAO/SIG - une tâche essentielle pour nos clients. Quoi qu'il en soit, cela reste un moyen significatif de visualiser des données 3D et d'attirer l'attention sur ce qui peut être réalisé avec GPR.
Nous pourrions continuer à discuter du seuillage d'amplitude ou d'autres moyens de simplifier et d'améliorer la visualisation, mais cela dépasse le cadre de ce document. L'objectif est le traitement "tranche épaisse", alors passons à OspreyView. La figure 3 ci-dessous montre une deuxième comparaison entre cette nouvelle méthode (en bas) et une «tranche mince» typique (en haut). Les deux exemples de données révèlent des lignes de services publics sous une intersection routière très fréquentée, centrée à env. 1.3 m de profondeur.
Dans cet exemple, l'opérateur a réglé OspreyView pour voir à travers de 0.2 à 1.9 m, révélant presque tout ce qui est disponible dans ces données. Cette gamme étendue peut brouiller certains détails subtils, mais elle donne un excellent aperçu.
Étant donné l'exemple de la figure 3, l'avantage d'OspreyView devrait être évident pour quiconque travaille avec des données 3D-GPR, même si seule la vue à vol d'oiseau à travers le sol est affichée. Cette vue à vol d'oiseau n'est pas la livraison finale dont nos clients ont besoin, mais avoir une vue d'ensemble claire de la scène est essentiel. Nous parlerons de précision plus tard.
Comment fonctionne OspreyView ?
En termes simples, le logiciel applique une matrice de couleurs pour décoder les profondeurs et les forces de retour du signal. Cette approche est différente des palettes de couleurs unidimensionnelles couramment utilisées dans l'industrie GPR.
Comme le montre la figure 4, la matrice de couleurs par défaut est définie, de sorte que les cibles au centre soient verdâtres, tandis que celles moins profondes ou plus profondes sont respectivement jaunâtres ou bleutées. Ce schéma est adapté pour conserver une sensation de profondeur dans les images (selon le concept de l'inventeur). C'est un processus simple pour modifier la matrice de couleurs, au besoin pour ceux qui veulent autre chose.
La convivialité est une caractéristique souvent négligée. Nous pensons que c'est essentiel et nous nous efforçons d'en faire une marque de fabrique de la marque ImpulseRadar - pourquoi compliquer les choses quand ce n'est pas nécessaire ? OspreyView est contrôlé par deux curseurs, un pour la plage de profondeur et un pour le contraste, comme illustré à la Figure 4 ci-dessus. La vue elle-même est activée via une case à cocher, donc basculer entre la vue normale et OspreyView est rapide et on ne peut plus simple.
Pour en revenir à ce que nos clients doivent mettre dans leurs rapports de livraison, c'est-à-dire des emplacements cibles précis, la figure 5 ci-dessus montre comment OspreyView aide à extraire exactement cela. Les interprétations de précision tournent autour de la fonction Ribbon-Box présentée dans les notes précédentes, et OspreyView se fond parfaitement avec cette fonction. Le résultat est que la sélection précise des cibles est désormais une tâche encore plus facile grâce à la vue d'ensemble supérieure du profil de profondeur à code couleur d'OspreyView.
L'OspreyView n'est pas seulement un moyen de colorer la vue de dessus, il contient également des informations de profondeur. Cela signifie que lorsque nous sélectionnons une ligne le long d'un utilitaire coloré dans la vue de dessus, les sommets de ces sélections seront placés à la profondeur précise déterminée par cette couleur. Donc, en bref, nous effectuons maintenant des sélections de profondeur précises depuis la vue de dessus ! Pour que cela fonctionne, nous devons disposer de données propres raisonnables, d'autre part, tout médiator mal aligné peut facilement être ajusté dans une vue latérale.
Nous avons également constaté que cette façon de visualiser les données nous aide à trouver des cibles subtiles et des anomalies autrement difficiles à détecter. Ils ne sont pas invisibles dans la vue à coupe unique, mais ils passent facilement inaperçus, même s'ils ne sont visibles que sur une coupe de profondeur. La figure 6, ci-dessous, illustre parfaitement cela. L'image du haut est une tranche ordinaire où certaines des structures créées par l'homme sont à peine visibles. Ils ne sont détectables que sur une ou deux tranches, et faiblement. Comparez cela avec OsrpreyView où ils sont clairement visibles.
L'utilité ne se limite pas aux données idéales, et en fait, nous l'avons trouvée utile dans tous les projets auxquels elle a été appliquée. Évidemment, cela n'aide pas lorsqu'une position est erronée ou lorsque le sol rend le GPR inutile, mais nous l'avons trouvé utile même lorsque les choses se compliquent.
Résumé
OspreyView est la première application commerciale d'une nouvelle méthode de visualisation des données 3D-GPR. Il est disponible dans notre logiciel CONDOR, et les avantages se résument comme suit :
- L'utilisateur a un aperçu clair des cibles en dessous, instantanément, sans autre traitement dans une fenêtre temporelle arbitrairement variable.
- Préserve complètement la résolution des données d'origine, à la fois en profondeur et dans l'espace.
- Très rapide, le basculement entre la vue tranche traditionnelle et OspreyView est instantané.
- Prend en charge la sélection précise des cibles, y compris la profondeur correcte, à partir de la vue de dessus uniquement, sans interférer avec les sélections dans d'autres vues.
- Ne nécessite pas d'instances de traitement distinctes, aucun espace disque supplémentaire n'est nécessaire.
- Aide à détecter les objets faibles, minimise le risque de cibles manquées.
- Possède une interface utilisateur simple et intuitive, aucun réglage de paramètre nécessaire
