Research on Temperature Field Reconstruction Based on the Fusion of 3D Point Cloud and Infrared Image of the Tunnel Face

कल्पना कीजिए कि आप एक अंधेरी, धूल भरी गुफा के अंदर एक रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं। आमतौर पर, जासूस आकृतियों को देखने के लिए टॉर्च और गर्मी का पता लगाने के लिए थर्मल कैमरा इस्तेमाल करते हैं। लेकिन यहाँ समस्या यह है: टॉर्च आपको दिखाती है कि कोई चट्टान कहाँ है, और थर्मल कैमरा दिखाता है कि वह कितनी गर्म है, लेकिन वे एक ही भाषा नहीं बोलते। थर्मल तस्वीर एक स्टिकर की तरह सपाट है, जबकि गुफा गहरी और त्रि-आयामी (3D) है। यदि आप उस सपाट स्टिकर को 3D गुफा पर चिपकाने की कोशिश करते हैं, तो वह गलत चट्टान पर जा सकता है, या वह बहुत ब्लॉक जैसा या पिक्सेलेटेड दिख सकता है, जैसे कि किसी लो-रिज़ॉल्यूशन वाले वीडियो गेम में होता है। यह इंजीनियरों के लिए एक बड़ा सिरदर्द है जो भूमिगत सुरंगें बना रहे हैं। उन्हें यह जानने की ज़रूरत है कि खतरनाक गर्म स्थान (जो संकेत दे सकते हैं कि रॉक बर्स्ट आने वाला है) या ठंडे स्थान (जो संकेत दे सकते हैं कि पानी अंदर आ रहा है) 3D स्पेस में वास्तव में कहाँ स्थित हैं। एक स्पष्ट मानचित्र के बिना, वे श्रमिकों को समय पर चेतावनी देने में असमर्थ होंगे।

यह शोध पत्र उन दोनों अलग-अलग तस्वीरों को पूरी तरह से जोड़ने के एक चतुर नए तरीके के बारे में है। शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो सुरंग की दीवारों की कई सामान्य तस्वीरें लेता है ताकि एक 3D मॉडल (जैसे कि एक डिजिटल मिट्टी की मूर्ति) बनाया जा सके और फिर उस पर हीट मैप को इस तरह से पेंट किया जाता है कि तापमान उस विशिष्ट चट्टान का हो जिससे वह आया है। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने इसका परीक्षण वास्तविक सुरंगों में धूल और खराब रोशनी के बीच किया। उन्होंने पाया कि उनका नया तरीका पुराने तरीकों की तुलना में हीट मैप को 3D आकार पर चिपकाने में बहुत बेहतर है, और यह 0.1 डिग्री सेल्सियस जितने छोटे तापमान परिवर्तन को भी पकड़ सकता है। यह एक धुंधले, बेमेल स्टिकर से अपग्रेड होकर एक हाई-डेफिनिशन, कस्टम-फिट थर्मल सूट की तरह है जो सुरंग की दीवार पर सटीक रूप से बैठता है, जिससे इंजीनियर आपदा बनने से पहले छिपे हुए खतरों को देख सकते हैं।

समस्या: सपाट मानचित्र बनाम 3D दुनिया

एक सुरंग के मुख (टनल फेस - सुरंग खोदते समय सामने वाली दीवार) को एक विशाल, खुरदरे कैनवास के रूप में सोचें। इंजीनियर इस कैनवास के बारे में दो चीजें जानना चाहते हैं: इसकी आकृति (क्या इसमें कोई दरार है? क्या यह फूल रही है?) और इसका तापमान (क्या यह बुखार की तरह गर्म हो रहा है, या ठंडक की तरह ठंडा हो रहा है?)।

आकृति प्राप्त करने के लिए, वे पहले महंगे लेजर स्कैनर का उपयोग करते थे। तापमान प्राप्त करने के लिए, वे इन्फ्रारेड कैमरों का उपयोग करते थे। लेकिन इन्फ्रारेड कैमरा केवल एक सपाट, 2D तस्वीर देखता है। यदि आप एक गर्म चट्टान की सपाट फोटो देखते हैं, तो आपको यह नहीं पता चलता कि वह चट्टान आपके ठीक सामने है या काफी पीछे। यदि आप उस सपाट फोटो को सुरंग के 3D मॉडल पर चिपकाने की कोशिश करते हैं, तो वह अक्सर गलत जगह पर समाप्त होती है, या वह "सीढ़ीदार" और ऊबड़-खाबड़ दिखाई देती है, जिससे यह बताना कठिन हो जाता है कि खतरा वास्तव में कहाँ है।

इसे ठीक करने के पुराने तरीकों में बड़ी खामियां थीं। कुछ तरीकों के लिए भारी, कठोर उपकरणों को स्थापित करने की आवश्यकता थी जो हिल नहीं सकते थे, जो कि तब बेकार है जब आप एक बैकपैक लेकर सुरंग में चल रहे हों। अन्य तरीकों ने तस्वीरों को स्वचालित रूप से मिलाने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करने की कोशिश की, लेकिन एक धूल भरी, अंधेरी सुरंग में जहाँ चट्टानें एक जैसी दिखती हैं, AI भ्रमित हो गया और गलतियाँ करने लगा।

समाधान: एक "वर्चुअल डेप्थ" गाइड

शोधकर्ताओं की टीम ने, जिसमें नानजिंग हाइड्रोलिक रिसर्च इंस्टीट्यूट और यूनिवर्सिटी ऑफ साउथ चाइना जैसे संस्थानों के शोधकर्ता शामिल थे, इस समस्या को बिना किसी महंगे लेजर या कठोर सेटअप के हल करने के लिए तीन-चरणीय जादू का तरीका निकाला।

चरण 1: सामान्य तस्वीरों से 3D मॉडल बनाना
लेजर स्कैनर के बजाय, उन्होंने सुरंग की दीवार की कई कोणों से तस्वीरें लेने के लिए एक मानक कैमरे का उपयोग किया। उन्होंने इन तस्वीरों को एक सघन 3D पॉइंट क्लाउड में जोड़ने के लिए एक स्मार्ट सॉफ्टवेयर टूल (जो COLOMP पर आधारित है) का उपयोग किया। कल्पना कीजिए कि आप एक मूर्ति की सैकड़ों तस्वीरें लेते हैं और कंप्यूटर का उपयोग करके यह पता लगाते हैं कि मूर्ति के प्रत्येक बिंदु को 3D स्पेस में बिल्कुल कहाँ स्थित होना चाहिए। उन्होंने यह भी पता लगाया कि इस मॉडल को सही आकार कैसे दिया जाए, ताकि डिजिटल मॉडल वास्तविक दुनिया के आकार से पूरी तरह मेल खा सके।

चरण 2: पंजीकरण के लिए "वर्चुअल डेप्थ" का जादू
यह सबसे दिलचस्प हिस्सा है। सबसे बड़ी चुनौती सपाट थर्मल इमेज को 3D मॉडल के साथ संरेखित करना था। आमतौर पर, आपको दोनों पर मिलान करने वाले बिंदु मैन्युअल रूप से चुनने होते हैं, जो कठिन और त्रुटिपूर्ण है। शोधकर्ताओं ने एक "वर्चुअल डेप्थ व्यू" का आविष्कार किया। उन्होंने अपने 3D मॉडल को एक 2D स्क्रीन पर प्रोजेक्ट किया, जिससे एक नकली "डेप्थ मैप" बना जो एक ग्रेस्केल इमेज की तरह दिखता है जहाँ चमक बताती है कि चट्टान कितनी दूर है।

अब, थर्मल इमेज को 3D क्लाउड से मिलाने के बजाय, वे थर्मल इमेज को इस नए "डेप्थ मैप" से मिलाते हैं (जो आसान है क्योंकि दोनों 2D इमेज हैं)। यह एक स्टिकर को संरेखित करने के लिए छाया कठपुतली (शैडो पपेट) का उपयोग करने जैसा है। क्योंकि डेप्थ मैप में स्पष्ट किनारे और आकार होते हैं, कंप्यूटर बहुत तेज़ी से और अधिक सटीकता से मिलान करने वाले बिंदु खोज सकता है। वे इसे "सेमी-ऑटोमैटिक PnP रजिस्ट्रेशन" कहते हैं, और यह इतना अच्छा काम करता है कि इसे दीवार पर चिपके हुए किसी भी भौतिक मार्कर या कैलिब्रेशन बोर्ड की आवश्यकता नहीं होती है।

चरण 3: हीट मैप को स्मूथ करना
एक बार जब थर्मल इमेज को 3D मॉडल के साथ संरेखित कर लिया जाता है, तो उन्हें 3D बिंदुओं पर तापमान को पेंट करना होता है। पुराना तरीका "नियरेस्ट-नेबर" था, जो केवल निकटतम पिक्सेल के तापमान को लेता है। यह एक ब्लॉक जैसा, मोज़ेक लुक बनाता है, जैसे कि पिक्सेलेटेड वीडियो गेम। नया तरीका "बाइलीनियर इंटरपोलेशन" का उपयोग करता है। कल्पना कीजिए कि आप एक कैनवास पर रंगों को मिला रहे हैं; केवल एक रंग चुनने के बजाय, आप आसपास के चार पिक्सेल को देखते हैं और उनके तापमान को आपस में मिला देते हैं। यह एक सहज, प्राकृतिक ग्रेडिएंट बनाता है, जिससे वह बदसूरत "सीढ़ीदार" प्रभाव खत्म हो जाता है।

उन्होंने क्या पाया: परिणाम

शोधकर्ताओं ने अपने नए सिस्टम का परीक्षण वास्तविक सुरंगों में किया, जो अक्सर धूल, जल वाष्प और खराब रोशनी से भरी होती हैं। यहाँ उनकी खोजें दी गई हैं:

• बेहतर संरेखण (Superior Alignment): उनका नया "वर्चुअल डेप्थ" तरीका अविश्वसनीय रूप से सटीक था। इसने 2.0 पिक्सेल से कम का "रीप्रोजेक्शन एरर" हासिल किया। इसकी तुलना में, पारंपरिक मैन्युअल विधि में 4.8 पिक्सेल की त्रुटि थी, और यहाँ तक कि 'सुपरग्लू' (SuperGlue) नामक लोकप्रिय AI विधि में भी 2.5 पिक्सेल की त्रुटि थी। उनकी विधि 98.6% बार सफल रही, जो अन्य तरीकों से काफी बेहतर है।
• सटीक सटीकता (Pinpoint Accuracy): जब उन्होंने सुरंग की दीवार पर रखे गए वास्तविक थर्मामीटरों (थर्मोकपल) के विरुद्ध तापमान की जाँच की, तो उनका 3D पुनर्निर्माण अविश्वसनीय रूप से करीब था। औसत त्रुटि लगभग 0.10 °C थी, और सबसे बड़ी गलती केवल 0.18 °C थी। यह इंजीनियरिंग सुरक्षा के लिए आवश्यक ±0.5 °C की सीमा के भीतर है।
• सूक्ष्म विवरणों को पहचानना: वे 0.1 °C जितने छोटे तापमान परिवर्तन का पता लगा सकते थे। यह अत्यंत महत्वपूर्ण है क्योंकि एक छोटा सा गर्म स्थान रॉक बर्स्ट आने का पहला संकेत हो सकता है, और एक छोटा सा ठंडा स्थान यह बता सकता है कि पानी रिस रहा है। उनके सिस्टम ने धूल और खराब रोशनी के शोर को हटाकर इन कमजोर संकेतों को सफलतापूर्वक ढूँढ निकाला।
• गति और व्यावहारिकता: तस्वीरें लेने के बाद, पूरी प्रक्रिया एक सामान्य पोर्टेबल कंप्यूटर पर लगभग 2 सेकंड लेती है। इसे किसी सुपरकंप्यूटर या स्थिर सेटअप की आवश्यकता नहीं है; एक कर्मचारी बस एक बैकपैक के साथ अंदर जा सकता है, तस्वीरें ले सकता है और परिणाम प्राप्त कर सकता है।

यह क्यों मायने रखता है

यह शोध पत्र स्पष्ट रूप से इस विचार को खारिज करता है कि इस काम को करने के लिए आपको महंगे लेजर स्कैनर या भारी, निश्चित उपकरणों की आवश्यकता है। उन्होंने यह भी दिखाया कि केवल डीप लर्निंग (जैसे सुपरग्लू) पर निर्भर रहना सुरंग जैसे कम-टेक्सचर वाले वातावरण के लिए पर्याप्त नहीं है।

इसके बजाय, उन्होंने साबित किया कि मानक कैमरों, एक "वर्चुअल डेप्थ" गाइड और सुचारू गणित का एक स्मार्ट संयोजन एक उच्च-परिशुद्धता वाला 3D तापमान मानचित्र बना सकता है। यह केवल एक सिद्धांत नहीं है; उन्होंने इसे कई वास्तविक सुरंग परियोजनाओं में परखा है। परिणाम एक ऐसा उपकरण है जो इंजीनियरों को दुर्घटनाओं के होने से पहले चट्टान के छिपे हुए खतरों को देखने में मदद कर सकता है, जिससे निर्माण स्थल सुरक्षित और अधिक कुशल बनते हैं। यह एक सपाट, भ्रमित करने वाले हीट मैप को एक स्पष्ट, 3D चेतावनी प्रणाली में बदल देता है जिस पर कोई भी भरोसा कर सकता है।