Las nubes de puntos LiDAR son colecciones de puntos generados por un sensor. Estas colecciones pueden ser muy densas y contener miles de millones de puntos, lo que permite crear representaciones 3D muy detalladas de una zona.
Las nubes de puntos LiDAR se generan utilizando impulsos láser para medir distancias a objetos y crear representaciones tridimensionales del entorno. Estos impulsos láser proceden de un dispositivo LiDAR, también conocido como escáner láser 3D.
Qué es una nube de puntos LiDAR
Una nube de puntos es una colección de todos los puntos individuales que representan la geometría y la distribución espacial de los objetos en el área de escaneado.
Las nubes de puntos se utilizan para aplicaciones de cartografía topográfica. Muestran con precisión dónde se encuentran los objetos y las estructuras dentro del entorno.
Las nubes de puntos proporcionan información relevante para las aplicaciones forestales.
Las nubes de puntos proporcionan valiosos datos de localización para distintas aplicaciones.
Una característica única de la tecnología LiDAR es que un único pulso láser emitido puede tener múltiples retornos cuando encuentra e interactúa con múltiples superficies a lo largo de su trayectoria.
Qué datos contiene una nube de puntos
Los puntos individuales de una nube de puntos contienen información como las coordenadas 3D (X, Y y Z), pero eso no es todo: junto con las coordenadas, se capta la intensidad de la señal láser de retorno.
Si se utiliza un esquema de clasificación para una exploración, es posible agrupar puntos individuales en clases diferentes basándose en las etiquetas de clasificación individuales que representan objetos o características diferentes.
Además, los puntos individuales pueden contener atributos adicionales, como el número de retorno, el ángulo de exploración, la dirección de exploración, la densidad de puntos, los valores de color RGB y las marcas de tiempo.
| Dato | Función |
|---|---|
| Coordenadas 3D (X, Y y Z) | Representan la posición espacial de cada punto. |
| Intensidad | Registra la intensidad de la señal láser de retorno. |
| Etiquetas de clasificación | Permiten agrupar puntos según los objetos o características que representan. |
| Número de retorno | Indica la posición del retorno dentro de un pulso con múltiples retornos. |
| Ángulo y dirección de exploración | Describen las condiciones geométricas de la captura. |
| Densidad de puntos | Indica la concentración de puntos dentro del conjunto de datos. |
| Valores de color RGB | Añaden información cromática a la visualización. |
| Marcas de tiempo | Permiten asociar los puntos con el momento de la captura. |
Cómo se capturan los datos LiDAR
Existen distintos tipos de sistemas de escaneado LiDAR para generar nubes de puntos.
El escaneado láser aerotransportado utiliza aviones tripulados para cartografiar grandes zonas desde una gran altura, mientras que los sistemas basados en drones captan zonas más pequeñas y cercanas al suelo.
Estos diferentes tipos de sistemas de escaneado se utilizan para diferentes aplicaciones. Sin embargo, el proceso de generación de datos es similar para cada uno de ellos.
Los escáneres LiDAR de tiempo de vuelo están equipados con sensores que emiten grandes volúmenes de pulsos láser.
Cuando los impulsos láser encuentran objetos o superficies en el entorno, se reflejan en ellos en distintas direcciones.
A continuación, las distancias medidas se utilizan para calcular las coordenadas 3D de cada punto.
En el caso de una plataforma de exploración en movimiento, un sistema GNSS y de unidad de medición inercial (IMU) a bordo registra información adicional para seguir la posición y orientación de la plataforma de exploración.
Cuando se utiliza un escáner láser terrestre estático para escanear el entorno, pueden ser necesarios varios escaneados desde distintas posiciones o puntos de vista para capturar objetos y estructuras de gran tamaño.
Un único conjunto de datos de nubes de puntos puede contener varias exploraciones desde distintos puntos de vista.
Formatos y almacenamiento de nubes de puntos
Las nubes de puntos pueden almacenarse en distintos formatos de archivo, como LAS, LAZ o E57.
LAS es uno de los formatos más utilizados para almacenar datos, mientras que LAZ es una versión comprimida del formato LAS.
Esto permite reducir considerablemente el tamaño de los archivos, conservando la precisión de los datos.
E57 es un formato de archivo independiente del proveedor para almacenar datos de imágenes 3D, incluidos los datos de nubes de puntos.
Las nubes de puntos pueden almacenarse localmente, en una red o en la nube.
| Formato | Características |
|---|---|
| LAS | Uno de los formatos más utilizados para almacenar datos LiDAR. |
| LAZ | Versión comprimida del formato LAS que conserva la precisión de los datos. |
| E57 | Formato independiente del proveedor para almacenar datos de imágenes 3D, incluidos los datos de nubes de puntos. |
La cantidad de nubes de puntos en un solo punto depende de muchos factores, como la densidad de puntos, la precisión y la distribución de los puntos dentro del conjunto de datos.
No hay un tamaño de área fijo.
Esto también depende de múltiples factores, como la altitud de vuelo en caso de un sistema aerotransportado o basado en drones, así como las especificaciones del sensor y la densidad de puntos.
El tamaño del archivo depende del tipo de archivo elegido, así como del área de estudio, la densidad de puntos y el número y complejidad asociados a cada punto de la nube de puntos.
Visualización y depuración de puntos LiDAR
Las nubes de puntos pueden visualizarse utilizando herramientas informáticas especializadas, como SIG, software de visualización y software de modelado 3D y CAD.
Aunque la visualización de una nube de puntos puede ser suficiente para fines de inspección, se necesita software especializado para realizar distintas tareas con los datos brutos, como el procesamiento de datos, el filtrado, la segmentación, el análisis y la extracción de características, entre otras.
Es necesario realizar operaciones de postprocesamiento para mejorar la calidad, la precisión y la utilidad.
Estos y otros pasos son necesarios antes de poder generar diferentes productos 3D para diversas aplicaciones industriales.
El uso de visores LiDAR gratuitos para visualizar y analizar nubes de puntos nos permite explorar y analizar datos espaciales sin necesidad de costosas licencias de software.
Potree
Potree es una herramienta basada en web que permite visualizar grandes nubes de puntos de manera eficiente.
plas.io
plas.io es otro visor web ligero que permite visualizar nubes de puntos directamente desde el navegador.
plas.io es un proyecto de Uday Verma y Howard Butler que implementa la capacidad de renderizar nubes de puntos en un navegador.
Específicamente, proporciona una implementación funcional del formato LAS de ASPRS y puede consumir datos comprimidos LASzip mediante el módulo LASzip NaCl.
LASlook
LASlook es una herramienta ligera diseñada para manejar datos LiDAR.
LASlook no forma parte de la descarga normal de LAStools, sino una descarga adicional.
Displaz
Displaz es un visualizador multiplataforma para visualizar nubes de puntos LiDAR y artefactos derivados, como mallas ajustadas.
El formato de archivo principal es el formato .las de ASPRS; también se admite el formato .laz comprimido.
FUSION
FUSION es un programa gratuito que proporciona un entorno de visualización 3D para el examen y valoración de los datos geoespaciales.
CloudCompare
CloudCompare es un software gratuito de código abierto para el procesamiento, análisis y visualización de datos 3D.
CloudCompare admite una amplia variedad de formatos de datos 3D, como nubes de puntos, nubes de vóxeles, superficies y modelos poligonales.
CloudCompare es una herramienta potente y versátil que puede utilizarse para diversas tareas de procesamiento, análisis y visualización de datos 3D.
Si trabajas con datos 3D, CloudCompare es una herramienta esencial junto con QGIS.
Sobre todo, te será de gran ayuda para afinar tu procesamiento.
De hecho, las herramientas que hemos visto antes son herramientas de procesamiento: tú defines los datos de entrada y obtienes los datos de salida.
Con CloudCompare trabajarás de forma interactiva.
CloudCompare puede cargar muchos formatos de nubes de puntos abiertas (ASCII, LAS, E57, etc.) así como algunos formatos de fabricantes (DP, Riegl, FARO, etc.).
También puede cargar mallas triangulares (OBJ, PLY, STL, FBX, etc.) y algunos formatos de polilíneas o polígonos (SHP, DXF, etc.).
También se admiten algunos formatos SfM (Bundler, Photoscan PSZ, etc.).
Visualice 350 TB de nubes de puntos LiDAR (¡75 billones de puntos en su navegador!)
QGIS como programa para procesar nubes LiDAR
En el año 2020 Lutra Consulting lanzó una campaña de crowdfunding para dar soporte de nubes de puntos en QGIS.
Los resultados de estos esfuerzos de desarrollo sobre el soporte de nubes de puntos están disponibles desde QGIS 3.18, lanzado en febrero de 2021.
Como vimos en el artículo Datos LIDAR en QGIS 3.32, la nueva versión de QGIS integra una serie de procesos para datos de nubes de puntos.
Este es sólo el primer paso.
Con el tiempo se irán añadiendo nuevos procesos que harán de QGIS una potente herramienta para el tratamiento de datos LiDAR.
Por el momento, sin embargo, será necesario utilizar otros proveedores de procesamiento para realizar ciertas operaciones.
Sea cual sea el tipo de proyecto, con QGIS ya dispones de las herramientas necesarias para alcanzar tus objetivos.
La nueva versión 3.32 es sólo el comienzo de una integración más completa y racional de todas estas herramientas.
LAStools: procesamiento LiDAR integrado en QGIS
LAStools es el producto estrella de rapidlasso, una colección de 52 herramientas eficientes para el tratamiento de datos LiDAR.
El paquete de software LAStools tiene capacidad de ejecución de scripts por lotes para procesar nubes de puntos.
Este popular software ha entrado en el mercado con profundidad y es muy utilizado en el sector comercial, agencias gubernamentales, laboratorios de investigación e instituciones educativas.
El manejo de datos LiDAR mediante LAStools dentro de QGIS es posible empleando la Caja de herramientas de procesado.
Ojo: no todas las herramientas de LAStools son de código abierto, hay algunas que requieren una licencia.
LAStools consta de dos partes: una es de código abierto y la otra es de código cerrado y requiere una licencia para la mayoría de los usos comerciales o gubernamentales.
Para fines educativos y de evaluación, puedes utilizar y probar LAStools gratuitamente.
Los tratamientos licenciados funcionan con o sin licencia.
Sin embargo, dependiendo del tratamiento, a partir de 1,5 millones de puntos si no tienes licencia, el tratamiento añadirá ruido o bandas negras al fichero resultante.
Si has pagado una licencia y tu archivo LIDAR tiene más de 15 millones de puntos, recibirás un mensaje de error de asignación de memoria que bloqueará el procesamiento.
Los archivos IGN tienen una media de 22 millones de puntos.
Descarga el software LAStools desde aquí y descomprímelo en una ubicación permanente, por ejemplo «c:/LAStools».
Tipos de procesos de LAStools
Las herramientas básicas toman un archivo como entrada de procesamiento.
Hay herramientas similares, pero que utilizan un directorio como entrada de procesamiento.
Se procesarán todos los archivos LAS o LAZ de este directorio.
El nombre del procesamiento termina en Pro y el código de estos procesos lo carga el complemento.
También existen pipelines, es decir, herramientas que enlazan automáticamente una serie de herramientas anteriores.
Esta información será útil si deseas crear tus propios flujos de trabajo de procesamiento.
Muchos de los procesos de la parte gratuita aún no están incluidos en los procesos por defecto de QGIS.
WhiteboxTools para análisis geoespacial
Whitebox es una completa aplicación GIS de código abierto, con alrededor de 550 herramientas, para realizar tareas comunes de SIG, trabajar con imágenes de satélite, análisis hidrológico o el procesamiento de datos LiDAR.
Whitebox no compite con QGIS, ArcGIS/Pro y ArcPy, sino que los amplía.
Puedes conectar WhiteboxTools a QGIS a través de un plugin y ArcGIS y te proporcionará cientos de herramientas adicionales para analizar todo tipo de datos geoespaciales.
También puedes llamar a funciones de Whitebox desde scripts de Python mediante Whitebox Workflows (WbW).
Descarga los binarios para tu sistema operativo.
Descomprime la carpeta descargada y colócala en un lugar seguro, por ejemplo C:/whitebox/.
Open LiDAR Toolbox
Open LiDAR Toolbox es un complemento de QGIS para el procesamiento en un solo paso de datos LiDAR aerotransportados, desde nubes de puntos hasta visualizaciones LiDAR.
La entrada requerida es una nube de puntos sin clasificar en formato LAZ/LAS, y la herramienta devuelve los resultados necesarios para la cartografía interpretativa de elementos arqueológicos.
Además, hay otras herramientas disponibles para el tratamiento de datos en varias fases.
Open LiDAR Toolbox es una envoltura que utiliza varias herramientas excelentes bajo el capó: GDAL, GRASS, herramientas nativas de QGIS, LAStools, Whitebox Tools y RVT.
Los siguientes plug-ins deben ser instalados antes de Open LiDAR Toolbox: LAStools, Whitebox Tools y RVT.
Si estos plug-ins no están ya instalados, se instalarán automáticamente con Open LiDAR Toolbox.
Se trata de un algoritmo que toma una nube de puntos LiDAR aerotransportada y produce todos los derivados esenciales para la arqueología y para cualquier persona interesada en el análisis visual de datos LiDAR o en su uso para cartografía topográfica.
El proceso introduce varios pasos adicionales en comparación con un enfoque tradicional.
Los resultados son una mejora moderada en la clasificación de puntos del terreno, clase 2 de ASPRS, y una mejora significativa en la clasificación de edificios, clase 6 de ASPRS.
En el momento de escribir este artículo, julio de 2023, el plugin aún no había sido actualizado para el uso del procesamiento GRASS con QGIS 3.32.
Airborne LiDAR Point Cloud Processing for Archaeology.
CloudStation para datos LiDAR capturados con UAV
YellowScan CloudStation es una solución de software que proporciona una plataforma completa para procesar, visualizar y compartir los datos capturados por los sistemas LiDAR UAV de YellowScan.
Entre sus principales características se incluyen el procesamiento automatizado de datos, la extracción de características y la clasificación.
Además, CloudStation facilita la colaboración y el intercambio de datos entre las partes interesadas.
Cero compromiso, todas las funciones activadas.
Clasificación de puntos LiDAR
Es frecuente que el proveedor haya clasificado ya las nubes de puntos LiDAR.
En tales casos, no necesitas llevar a cabo la clasificación, a menos que quieras mejorarla.
Sin embargo, siempre resulta útil familiarizarse con los principios de la clasificación de nubes de puntos LiDAR, que es uno de los objetivos de este flujo de trabajo.
Clasificarás los puntos del dataset LAS en varias categorías, como suelo, edificios, vegetación y ruido, mediante el uso de una combinación de técnicas manuales y automáticas.
El proceso comienza con una serie de herramientas de clasificación automática.
Estas herramientas utilizan algoritmos basados en reglas para evaluar factores como la elevación, el número de retornos y la densidad de punto con el fin de inferir la clase más probable para cada punto.
Por ejemplo, los puntos del suelo suelen identificarse en función de su baja elevación y continuidad suave, mientras que los puntos de edificios pueden reconocerse por sus superficies elevadas planas y sus bordes nítidos.
Los puntos de vegetación a menudo muestran estructuras verticales irregulares y varios retornos.
Los puntos de ruido se marcan en función de las incoherencias o anomalías detectadas en los datos.
Más adelante en el flujo de trabajo, perfeccionarás la clasificación ajustando manualmente las clases de puntos en los casos en que las herramientas automáticas puedan haber clasificado erróneamente o pasado por alto entidades sutiles.
Este enfoque híbrido garantiza la eficiencia y la precisión a la hora de producir un dataset de nube de puntos bien estructurado.
Clasificar puntos de suelo y ruido
La clasificación del suelo es un primer paso fundamental en el procesamiento de datos LiDAR aéreos.
Conlleva identificar y etiquetar puntos de una nube de puntos que representan la superficie de la tierra sin vegetación.
Este paso es fundamental porque muchos productos valiosos derivados de LiDAR, como los modelos digitales de elevación (MDE), dependen de puntos de suelo clasificados con precisión.
Asimismo, la clasificación del suelo establece las bases para identificar otras entidades, como edificios y vegetación.
Estas clasificaciones dependen de conocer la altura de un punto respecto al suelo, por lo que la clasificación del suelo es un requisito previo.
Empezarás clasificando los puntos que representan la superficie del suelo.
Suele tratarse de los puntos de menor elevación y establecen las bases para un análisis posterior.
Al mismo tiempo, identificarás los puntos de ruido que aparecen anormalmente altos o bajos y probablemente son artefactos causados por errores aleatorios en el proceso de recopilación de datos LiDAR.
A veces se debe a pájaros o al vapor del aire, pero también puedes decidir que un grupo de puntos debería configurarse como ruido según tu criterio, como en un lugar de una obra.
Los puntos de ruido son puntos anormalmente altos o bajos.
Marca la casilla Clasificar puntos de poco ruido.
En Profundidad mínima subterránea, escribe 2.
Esto significa que cualquier punto situado más de 2 metros por debajo del suelo se clasificará como de bajo ruido.
Marca la casilla Clasificar puntos de alto ruido.
En Altura mínima por encima del suelo, escribe 42.
Cualquier punto situado por encima de 42 metros sobre el suelo se clasificará como de alto ruido.
Los edificios del vecindario de Tuborg tienen una altura máxima de aproximadamente 40 metros, motivo por el que se selecciona 42 metros como valor máximo.
Acepta los valores predeterminados de los otros parámetros y ejecuta la herramienta.
Una vez completado el proceso, los puntos de suelo LAS aparecen en marrón en la escena.
Los pocos puntos clasificados como ruido, alto o bajo, aparecen en rojo.
Los puntos en gris siguen sin asignar.
Filtrar puntos clasificados
El filtro LAS permite elegir las categorías de puntos que deseas mostrar u ocultar en la vista.
Las clases pueden incluir Sin asignar, Suelo, Ruido bajo y Ruido alto.
Estas clases corresponden a los códigos 1, 2, 7 y 18, respectivamente.
Para visualizar solamente los puntos de Ruido alto, desactiva las casillas correspondientes a 1 Sin asignar, 2 Suelo y 7 Ruido.
En la ortofoto puede verse que esta ubicación se encuentra en la zona de construcción y el alto ruido probablemente se deba a la presencia de dos grúas.
Para observar los puntos de Ruido bajo, desactiva 18 Ruido alto y activa 7 Ruido.
El ruido también puede clasificarse de forma independiente del suelo eligiendo Clasificar ruido en la lista desplegable Clasificación automática.
Esto abrirá la herramienta Clasificar ruido de LAS.
Desactivarás los puntos de ruido durante el resto del flujo de trabajo, porque son los puntos que deseas ignorar, y activarás de nuevo los puntos de suelo y sin asignar.
Cuando clasificas los puntos LAS, el dataset original se actualiza con los nuevos códigos de clase.
Si cometes un error y necesitas deshacer el cambio, en el menú desplegable Clasificación automática elige Reasignar clasificación y ejecuta la herramienta Cambiar códigos de clase LAS.
Por ejemplo, podrías cambiar los puntos con valores de Clase actual 2, Suelo, por el valor de Clase nueva 1, Sin asignar.
Si introduces -1 como valor de Clase actual, todos los códigos de clase se reasignarán.
Clasificar puntos de edificios
Ahora que has clasificado los puntos de suelo y ruido, puedes clasificar los puntos de edificios.
En Altura mínima de tejado, establece 2 con las unidades establecidas en metros.
En Área mínima, escribe 10 y comprueba que la unidad está establecida en metros cuadrados.
En Método de clasificación, elige Agresiva.
Los parámetros Altura mínima de tejado y Área mínima son importantes para asegurarse de que una superficie demasiado baja o demasiado pequeña en el área no esté clasificada erróneamente como un edificio.
El valor de Método de clasificación especifica si los puntos se clasifican como edificios de forma más conservadora o más agresiva.
En este flujo de trabajo, los valores de parámetro se eligieron mediante prueba y error para obtener el número máximo de puntos clasificados correctamente como edificios, minimizando al mismo tiempo los falsos positivos.
Puedes experimentar más por tu cuenta.
Activa la casilla Clasificar puntos por encima del tejado.
En Altura máxima por encima del tejado, escribe 15.
Esto significa que cualquier punto situado por encima de los tejados de los edificios detectados también se asignará a la clase Edificio, código 6, siempre que no esté a más de 15 metros por encima del tejado.
Esto ayuda a asignar correctamente elementos como las chimeneas, los aparatos de aire acondicionado o los capiteles.
Activa la casilla Clasificar puntos por debajo del tejado.
Esto significa que cualquier punto por debajo de los tejados detectados también se asignará a la clase Edificio, código 6.
Esto es útil para incluir lados de edificios verticales, paredes y ventanas, en la clasificación de edificios.
La herramienta Clasificar edificio de LAS utiliza varios métodos de detección para identificar puntos de edificios.
Antes de ejecutar la herramienta, es crucial separar los puntos de suelo de los puntos de ruido.
Para el resto de puntos sin clasificar, que no están etiquetados como suelo o ruido, la herramienta busca superficies sólidas que producen únicamente un retorno por pulso de láser.
Es probable que sean edificios.
Por el contrario, las áreas con varios retornos suelen indicar árboles o vegetación, ya que el láser se refleja en varios niveles dentro del follaje.
Cuando el proceso se haya completado, activa la clase 6 Edificio.
Los puntos de edificios aparecen en la escena, simbolizados en rojo, junto con los puntos de suelo y aún sin asignar.
Algunos edificios pueden clasificarse de forma incorrecta.
Es aceptable que queden unos cuantos puntos sin asignar del tejado o los bordes de un edificio.
Procesamiento automatizado y flujos de trabajo
Las herramientas de procesamiento permiten definir los datos de entrada y obtener los datos de salida.
Los pipelines enlazan automáticamente una serie de herramientas anteriores.
Esta información será útil si deseas crear tus propios flujos de trabajo de procesamiento.
Open LiDAR Toolbox realiza el procesamiento en un solo paso de datos LiDAR aerotransportados, desde nubes de puntos hasta visualizaciones LiDAR.
CloudStation proporciona procesamiento automatizado de datos, extracción de características y clasificación.
Lidar Toolbox ofrece algoritmos, funciones y apps para diseñar, analizar y probar sistemas de procesamiento de datos de LiDAR.
La app Point Cloud Analyzer permite visualizar y analizar nubes de puntos de LiDAR de manera interactiva.
Visualiza, analiza y realiza operaciones de preprocesamiento de datos de LiDAR con la app Point Cloud Analyzer.
Aplica algoritmos de Deep Learning para segmentar nubes de puntos de LiDAR.
Inteligencia artificial aplicada a nubes LiDAR
Para los profesionales de la geomática, la captura de datos en campo con drones o escáneres láser 3D es cada vez más ágil, pero el verdadero cuello de botella siempre ha estado en la oficina técnica.
Afortunadamente, la integración de la Inteligencia Artificial (IA) en el software topográfico está transformando radicalmente esta realidad al automatizar tareas que tradicionalmente exigían horas de trabajo manual en la pantalla.
Hoy en día, gracias a los algoritmos de Deep Learning, procesos complejos como la clasificación del terreno, la limpieza de ruido y la extracción para modelos Scan-to-BIM se resuelven en una fracción del tiempo habitual.
Los modelos de aprendizaje profundo analizan millones de puntos simultáneamente para comprender su geometría y su contexto espacial.
Los nuevos algoritmos detectan e ignoran dinámicamente elementos no deseados que alteran la topografía estática, como vehículos en movimiento, peatones o condiciones climáticas adversas.
En proyectos arquitectónicos e industriales, la IA reconoce patrones geométricos para extraer y vectorizar directamente muros, tuberías y elementos estructurales a partir de la nube.
Ecosistemas líderes en el sector, como Trimble Business Center o DJI Terra, ya integran rutinas de aprendizaje automático para ejecutar clasificaciones complejas de forma nativa.
Lidar Toolbox permite entrenar modelos de detección, segmentación semántica y clasificación con algoritmos de Machine Learning y Deep Learning, tales como PointPillars, SqueezeSegV2 y PointNet++.
Detecta y ajusta cuadros delimitadores orientados alrededor de objetos en nubes de puntos de LiDAR y utilízalos en el seguimiento de objetos o en flujos de trabajo de etiquetado de LiDAR.
Etiqueta nubes de puntos de LiDAR para entrenar modelos de Deep Learning.
Registra nubes de puntos de LiDAR extrayendo e identificando coincidencias en descriptores de histogramas de características de puntos rápidos, FPFH, o utilizando la coincidencia de segmentos.
Implementa algoritmos SLAM a partir de barridos de LiDAR en 2D.
Empíricamente, la industria geomática se dirige hacia la automatización total y el procesamiento de datos en tiempo real mediante Edge Computing.
Las investigaciones más recientes en renderizado neuronal demuestran que, en el corto plazo, los equipos podrán procesar, renderizar y clasificar las nubes de puntos LiDAR directamente en el campo de forma casi instantánea.
Ejemplo de flujo de trabajo en ArcGIS Pro
El proyecto contiene una escena local habilitada para 3D centrada en el vecindario de Tuborg Havn en Copenhague, Dinamarca.
La escena contiene Tuborg_Havn.lasd, un dataset de nube de puntos LiDAR en formato LAS.
Por el momento, la nube de puntos se simboliza mediante la elevación, con el punto más bajo en azul y el más alto en rojo.
Descarga el archivo Tuborg_Havn_LAS_Classification.zip.
Extrae el archivo en una ubicación que puedas encontrar fácilmente, como una carpeta de la unidad C: de tu equipo.
Abre la carpeta Tuborg_Havn_LAS_Classification extraída.
Haz doble clic en Tuborg_Havn_LAS_Classification.aprx para abrir el proyecto en ArcGIS Pro.
Si se te pide, inicia sesión con tu cuenta de ArcGIS.
Los datasets LAS suelen constar de varios archivos LAS individuales.
En algunos casos, estos archivos se superponen entre sí en algunas ubicaciones debido a las líneas de vuelo originales de la aeronave que creó los datos.
Dado que los puntos duplicados pueden crear ruido, primero deberías identificarlos usando la herramienta Clasificar superposición de LAS y, a continuación, desactivarlos.
Sin embargo, en los datos actuales no hay superposición, por lo que no se necesita este proceso.
Compararás la clasificación con la ortofoto proporcionada mediante el uso de la herramienta Swipe.
Como la nube de puntos es una representación 3D y la ortofoto es una imagen 2D, se adquieren de manera diferente.
LiDAR suele recopilar datos directamente desde arriba mediante pulsos láser, mientras que las imágenes se capturan mediante cámaras en varios ángulos.
Cuando se visualiza en una escena 3D, esta diferencia en la geometría de adquisición puede hacer que los edificios y otras entidades parezcan desalineados entre ambas capas, aunque los datos sean correctos.
Los puntos marrones coinciden con el suelo y los puntos grises, aún sin clasificar, se encuentran en edificios, vegetación, coches o embarcaciones.
Algunos puntos ubicados en masas de agua se clasificaron como suelo.
Sin embargo, en este flujo de trabajo no necesitas distinguir el suelo sólido del agua, así que se considera que todo es suelo.
El proyecto puede guardarse desde la barra de herramientas de acceso rápido mediante el botón Guardar proyecto.
En la cinta, en la pestaña Mapa, en el grupo Navegar, haz clic en el botón Explorar para salir del modo de barrido.
Guarda el proyecto con Ctrl+S.
Elección del programa según la tarea
| Tarea | Programa o herramienta |
|---|---|
| Visualización web de grandes nubes | Potree |
| Visualización desde el navegador | plas.io |
| Visualización ligera | LASlook |
| Visualización multiplataforma | Displaz |
| Inspección geoespacial 3D | FUSION |
| Procesamiento y análisis interactivo | CloudCompare |
| Procesamiento SIG integrado | QGIS |
| Procesamiento por lotes | LAStools |
| Análisis geoespacial y LiDAR | WhiteboxTools |
| Flujo de procesamiento de LiDAR aéreo | Open LiDAR Toolbox |
| Datos de sistemas LiDAR UAV de YellowScan | YellowScan CloudStation |
| Deep Learning y análisis interactivo | Lidar Toolbox |
En este artículo encontrarás herramientas para datos LiDAR: LASTools, WhiteboxTools y OpenLIDAR Tools.
Estas herramientas incluyen instalaciones, licencias y configuraciones paso a paso.
tags: #programa #para #depurar #puntos #como #lidar
Publicaciones populares:
- Guía rápida: diferencias entre pureza y esterilidad en agua destilada estéril
- Productos para el cuidado del agua de piscina
- El saneamiento en la Carretera de Salou y la depuradora de Reus: conflicto municipal
- Propiedades y uso de HEPES Gibco en cultivo celular
- Ubicación ideal, altura y montaje de la depuradora de piscina