Towards reverse engineering of industrial site plants

Abstract

CAD models of industrial sites are extremely important, as they provide documentation and simplify inspection, planning, modification, as well as a variety of physical and logis- tics simulations of the corresponding installations. Despite these clear advantages, many industrial sites do not have CAD models, or have trouble keeping them up-to-date. This is often due to the amount of effort required to create and maintain CAD models updated. Hopefully, the recent popularization of 3D scanning devices is promoting the develop- ment of reverse engineering, allowing the creation of 3D representations of real environ- ments from point clouds. Nevertheless, point clouds extracted from industrial sites are extremely complex due to occlusions, noise, non-uniform sampling, size of the dataset, lack of sample organization, among other factors. Thus, a successful reverse engineering solution should have several desirable properties, including speed, robustness to noise, accuracy, and be able to handle point clouds in general without requiring one to fine tune their parameters to each dataset in order to work well on it. This thesis presents some initial efforts towards obtaining a robust framework for reverse engineering of industrial sites. It introduces two fast and robust algorithms for detecting, respectively, planes and cylinders in noisy unorganized point clouds. Planes and cylinders are typically the most common and largest structures found in those environments, repre- senting walls, floors, ceilings, pipes, and ducts. We demonstrate the effectiveness of the proposed approaches by comparing their performances against the state-of-the-art solu- tions for plane and cylinder detection in unorganized point clouds. In these experiments, our solutions achieved the best overall accuracy using the same set of (default) parame- ter values for all evaluated datasets. This is in contrast to the competing techniques, for which their parameter values were individually adjusted for each combination of tech- nique and dataset to achieve their best results in each case, demonstrating the robustness of our algorithms, which do not require fine-tuning to perform well on arbitrary point clouds. Moreover, our technique also displayed competitive speed to other state-of-art techniques, being suitable for handling large-scale point clouds. The thesis also presents a graphical user interface which allows further refinement of the detected structures, pro- viding the user the ability to remove, merge, and semi-automatically detect planes and cylinders in point clouds.

Modelos CAD de plantas industriais são extremamente importantes, já que eles provêm documentação e simplificam inspeção, planejamento, modificação, assim como uma série de simulações físicas e logísticas das instalações correspondentes. Apesar destas claras vantagens, muitas instalações industriais não contêm modelos CAD, ou têm problemas em mantê-los atualizados. Isto é comumente devido à quantidade de esforço requerida para criar e manter modelos CAD atualizados. Felizmente, a recente popularização de scanners 3D está promovendo o desenvolvimento de engenharia reversa, permitindo a criação de representações 3D de ambientes reais a partir de nuvens de pontos. Apesar disto, nuvens de pontos extraídas de instalações industriais são extremamente comple- xas devido à oclusões, ruído, amostragem não-uniforme, tamanho do conjunto de dados, falta de estrutura das amostras, entre outros fatores. Por isso, uma solução de engenha- ria reversa de sucesso deveria ter muitas propriedades desejáveis, incluindo velocidade, robustez à ruído, acurácia, e capacidade de lidar com nuvens de pontos em geral sem re- querer ao usuário ajustar seus parâmetros para cada conjunto de dados a fim de produzir bons resultados. Esta tese apresenta alguns esforços iniciais na obtenção de um framework de engenha- ria reversa de plantas industriais. Ela introduz dois algoritmos rápidos e robustos para a detecção de planos e cilindros, respectivamente, em nuvens de pontos não-organizadas com ruído. Planos e cilindros são tipicamente as maiores e mais comuns estruturas en- contradas nesses ambientes, representando paredes, chãos, tetos, canos e ductos. Nós demonstramos a eficácia das abordagens propostas comparando suas performances com soluções estado-da-arte para a detecção de planos e cilindros em nuvens de pontos não- organizadas. Nesses experimentos, nossas soluções alcançaram a melhor acurácia em mé- dia usando o mesmo conjunto (padrão) de valores de parâmetros para todos os conjuntos de dados avaliados. Isto contrasta com técnicas competidoras, para quais seus parâmetros foram individualmente ajustados para cada combinação de técnica e conjunto de dados a fim de alcançar os melhores resultados em cada caso, demonstrando a robustez de nos- sos algoritmos, que não requerem um ajuste fino para funcionarem bem em nuvens de pontos arbitrárias. Além disso, nossa técnica também demonstrou velocidade competitiva em relação às outras técnicas do estado-da-arte, sendo adequada para lidar com nuvens de pontos de larga escala. A tese também apresenta uma interface gráfica que permite o refinamento posterior das estruturas detectadas, provendo ao usuário a habilidade de re- mover, unir e detectar de forma semi-automática planos e cilindros em nuvens de pontos.