Resumen

En el presente trabajo se utilizó información adquirida a partir de los datos de dos sensores topográficos aerotransportados Light Detection and Ranging - LiDAR, Riegl VQ 580 y Leica ALS70, obteniendo nubes de puntos de la misma zona con ambos sensores. Realizando un análisis iterativo comparado, obteniendo los parámetros óptimos de ángulo de iteración, terreno, pendiente y distancia de iteración, utilizados en la clasificación semiautomática de nubes de puntos generando modelos digitales del terreno (DTM, por sus siglas en inglés). Para analizar el comportamiento de las nubes de puntos y comprobación de la precisión, se realizó un control de cotas y se generaron comparaciones de los diferentes modelos digitales de terreno, construyendo así, esta metodología.

1. Introducción

La tecnología LiDAR a nivel mundial es una de las principales herramientas para realizar modelos tridimensionales del terreno y posteriormente poder ser aplicados a diferentes estudios, por ejemplo, diseño y mantenimiento vial, localización de obra de infraestructura e inventarios forestales. A pesar de esto, el procesamiento de nubes de puntos LiDAR es conocido y su utilización puede ser poco común, en algunos casos, se desconocen las precisiones y calidad de los datos, en comparación a otras metodologías para la representación del terreno [1].

En medio de la construcción de proyectos de diseño es importante contar con un “SET2” de datos adecuado, el cual garantice la precisión. Es fundamental que el modelo basado en datos LiDAR vaya acorde con la realidad del terreno [2]. Dependiendo del tipo de terreno sobre el cual se va a trabajar se puede garantizar cierta precisión, debido a que en zonas de alta montaña y gran vegetación es difícil realizar trabajos que brinden datos confiables o que cumplan con precisiones altas [3]. Para el análisis de la calidad de los datos es necesario tener en cuenta factores como: la topografía del terreno y la cobertura.

En este trabajo, se planteó una metodología que permita garantizar la obtención de parámetros óptimos en la clasificación de nubes de puntos LiDAR

[4] para zonas de alta y baja densidad de vegetación, así como alta pendiente. Para tal fin, se realizaron comparaciones entre nubes de puntos tomadas con dos tipos de sensores LiDAR (Riegl VQ 580 y Leica ALS70) con diferentes densidades por metro cuadrado, se aplicaron métodos de clasificación para procesar información, validando y garantizando el cumplimiento de estándares de calidad en Colombia [5].

Por otra parte, las zonas de estudio escogidas para realizar el análisis iterativo comparado para la obtención de parámetros óptimos en la clasificación de nubes de puntos LiDAR con los sensores Riegl VQ580 y leica ALS70, fueron aquellas que presentaron alta y baja densidad de vegetación, y altas pendientes respectivamente [6]. Para esto fue necesario realizar comparaciones entre las clasificaciones de terreno, realizar control de cotas y analizar el comportamiento de los modelos digitales de terreno mediante métodos de validación cruzada [7].

• Materias:Topografía Modelo digital de elevación MDE
• Subjects:Topography Digital elevation model DEM
• Palabras claves:ALS - Airbone laser Scaning, clasificación de nubes de puntos, métodos de interpolación, MDT –Modelos digitales del terreno, nube de puntos LiDAR, validación de datos.
• Keywords:ALS - Airbone laser Scanning, Data validation, Dot cloud classification, Digital field models, DTM Interpolation methods, Point cloud LiDAR