Procesamiento de Datos LiDAR: Importancia, resultados y pasos clave
Este artículo explica cómo se procesan los datos LiDAR. Trataremos los distintos pasos necesarios para convertir los datos brutos de las nubes de puntos en información útil, y por qué son importantes para los usuarios finales. Concluiremos con un breve resumen de la funcionalidad de CloudStation, que es el software de procesamiento de datos LiDAR de YellowScan.
¿Qué es el procesamiento de datos LiDAR y por qué es importante?
Los escáneres láser o escáneres LiDAR capturan su entorno en nubes de puntos 3D. Consisten en miles de millones de puntos y las coordenadas de su posición en el espacio. Los escáneres láser capturan nubes de puntos en bruto, lo que significa que los puntos no están filtrados ni estructurados. Los escáneres láser almacenan los datos brutos de la nube de puntos como datos tabulares con los puntos, su ubicación y distintos atributos (como la reflectancia o los valores RGB).
YellowScan publicó un artículo aparte sobre las nubes de puntos LiDAR, explicando cómo se recogen, visualizan y qué datos contienen. También hay disponible un artículo sobre cómo los escáneres LiDAR recogen nubes de puntos. En otro artículo se explica cómo funciona el LiDAR.
El software de procesamiento de datos LiDAR toma los datos brutos de las nubes de puntos de los escáneres LiDAR para generar y visualizar nubes de puntos 3D. Se asemejan al entorno tal y como lo percibiría el ser humano, con objetos y superficies separados en colores realistas y sin puntos de datos incorrectos (ruido). El software de procesamiento de nubes de puntos produce y exporta datos de nubes de puntos y modelos de datos digitales 3D. Hablemos de estos resultados con más detalle antes de describir los distintos pasos del tratamiento de datos.
¿Qué productos genera el software de procesamiento LiDAR?
Las nubes de puntos brutas proporcionan la base para muchos resultados diferentes, incluidos los siguientes datos y resultados 3D:
– MDE (Modelo Digital de Elevación): Un MDE es una representación tridimensional de la superficie de un terreno creada a partir de datos LiDAR. Capta la superficie del suelo sin vegetación ni estructuras.
– MDS (Modelo Digital de Superficie): modelo 3D de la superficie de la Tierra, que incluye tanto el terreno como los objetos que haya en la superficie.
– Nube de puntos clasificada: una nube de puntos que contiene diferentes clases, como suelo, vegetación, edificios y agua.
– Curvas de nivel: normalmente mostradas como líneas que conectan puntos de la misma altura en mapas 2D, las curvas de nivel representan cambios de elevación para proyectos de ingeniería civil y urbanización.
– Rasgo geométrico: se pueden extraer de los datos LiDAR rasgos como edificios, tendidos eléctricos y postes de servicios públicos, para utilizarlos en la creación de gemelos digitales o en aplicaciones específicas de servicios públicos.
– Secciones transversales : una sección transversal muestra el perfil de elevación de una superficie en 2D.
Con tantas salidas diferentes, la demanda del mercado de datos LiDAR de alta precisión es elevada. Veamos ahora las distintas tareas que se realizan con el software de procesamiento LiDAR.
Los diferentes pasos del procesamiento de datos LiDAR
En general, el procesamiento de datos LiDAR abarca las siguientes tareas:
– Filtrado de nubes de puntos
– Clasificación de nubes de puntos
– Visualización y análisis de nubes de puntos
– Modelado de superficies para la creación de modelos 3D y la exportación de datos
Dado que los proveedores de servicios LiDAR pueden ofrecer diferentes servicios de procesamiento de datos, no es posible dar una visión general de los pasos del procesamiento de datos que se ajuste a la oferta de servicios de cada proveedor. Este artículo sólo pretende dar una introducción sobre el tema y cubrirá únicamente los pasos más comunes del tratamiento de datos.
Otro factor diferenciador a la hora de distinguir los distintos pasos del procesamiento de datos es el tipo de LiDAR utilizado para capturar las nubes de puntos. Por ejemplo, cuando los datos de la nube de puntos se capturan con un dron o un avión, podría utilizarse un software de procesamiento de datos para el postprocesamiento de la trayectoria o la ruta de vuelo, con el fin de refinar la información de posición y orientación de esa misma ruta de vuelo. Además, la precisión relativa de la nube de puntos puede refinarse optimizando la coincidencia de las líneas de vuelo solapadas.
Ahora cubriremos tres pasos del procesamiento de datos: filtrado de nubes de puntos, clasificación y análisis.
Filtrado de nubes de puntos
Se realiza un filtrado y limpieza de la nube de puntos para eliminar los puntos erróneos. Hay diferentes motivos para que aparezcan en los datos, y es importante detectarlos y eliminarlos para que no afecten a la precisión y fiabilidad de la nube de puntos o el modelo 3D.
Hay distintos tipos de puntos erróneos en LiDAR, como el ruido, los valores atípicos y los retornos multitrayectoria. Aunque los puntos erróneos pueden captarse sobre el terreno como consecuencia de imprecisiones del sensor o de superficies reflectantes o transparentes que dispersan el láser de forma impredecible, también pueden ser el resultado de una clasificación errónea durante el procesamiento de los datos.
El filtrado de datos puede hacerse mediante diversos métodos, como el filtrado basado en la densidad. Este método identifica y elimina puntos de una nube de puntos basándose en la densidad local de puntos, evaluando cuántos puntos existen dentro de un determinado vecindario o área, y eliminando los puntos que se consideran demasiado escasos (baja densidad) o demasiado densos (alta densidad). Las ventajas incluyen la eliminación del ruido, los datos redundantes y la mejora de la claridad de la nube de puntos.
Clasificación de nubes de puntos
Este paso consiste en asignar una clase o etiqueta a cada punto capturado. Esto ayuda a comprender lo que representan los distintos puntos. Los puntos individuales se identifican y clasifican según su tipo de suelo, tipo de vegetación, o como edificios, suelo o agua. Una clasificación típica utilizada para LiDAR es la de puntos terrestres y no terrestres. Los MDS, por ejemplo, utilizan puntos terrestres y no terrestres para distinguir entre el suelo y otras superficies.
Esta clasificación ayuda a crear modelos precisos del terreno y a identificar objetos de interés para aplicaciones como la robótica. El proceso de clasificación incluye la extracción de características, la segmentación y agrupación de la nube de puntos basándose en similitudes espaciales y geométricas, y la ejecución de distintos algoritmos de clasificación.
Análisis y visualización de nubes de puntos
Dependiendo de la aplicación para la que se vaya a utilizar la nube de puntos, se generan diferentes salidas a partir de la nube de puntos, como curvas de nivel, volúmenes de objetos o modelos 3D. Algunos ejemplos de exportación de datos de nubes de puntos son los MDE, los MDT y los escaneados de estructuras de objetos, que muestran objetos más pequeños en comparación con los MDE y los MDE que cubren áreas más grandes.
Modelado de superficies para la creación de modelos 3D
Esto incluye la conversión de nubes de puntos en superficies continuas, lo que hace que los modelos 3D sean visualmente más interpretables. El modelado de superficies incluye la creación de triángulos y polígonos entre puntos adyacentes. A continuación, se crean MDE y MDT y se exportan en los formatos de datos adecuados.
Pasos adicionales del tratamiento de datos
El resumen anterior de los distintos pasos del procesamiento de datos no es exhaustivo: por ejemplo, las superposiciones de datos adicionales y las comprobaciones, como el uso de puntos de control terrestre, pueden mejorar la precisión y exactitud de los datos, de modo que cumplan los requisitos de exactitud del estudio. Los datos de puntos de control del terreno se adquieren sobre el terreno por separado de las nubes de puntos LiDAR, de modo que proporcionan una fuente de datos independiente con la que comparar la precisión de los datos LiDAR.
¿Qué es YellowScan CloudStation?
YellowScan CloudStation es un software evolutivo y fácil de usar para generar nubes de puntos a partir de datos LiDAR sin procesar. También permite visualizar e inspeccionar en profundidad las nubes de puntos. El producto de software de escritorio incluye cuatro módulos:
El módulo de ajuste de franjas mejora la precisión de la nube de puntos con un ajuste sin fisuras de las líneas de vuelo. El módulo de terreno realiza una clasificación automática «terreno – no terreno» de los puntos LiDAR. El módulo de coloración realiza la coloración de nubes de puntos a partir de adquisiciones simultáneas de LiDAR y cámara. El módulo de exportación produce nubes de puntos en formato LAS/LASZ, y exportación de modelos digitales para DSM y DEM.
Recientemente se han añadido múltiples funciones nuevas a CloudStation, entre las que se incluyen las siguientes:
– Generación de ortofotos a partir de datos LiDAR y de cámara.
– Visualización de Puntos de Control Terrestre (PCT): importa un PCT y selecciona si son puntos de enlace, puntos de control o puntos de interés.
– Exportación de nubes de puntos en línea: exporta a un proveedor de nubes desde dentro de CloudStation.
CloudStation es un software básico con diferentes funciones o módulos. YellowScan introdujo tres paquetes diferentes para ofrecer opciones más claras a los clientes en cuanto a funcionalidad: CloudStation Essential, CloudStation Pro y CloudStation Ultimate. Para más información, echa un vistazo a la página del producto CloudStation.
Preguntas frecuentes
¿Qué es el procesamiento de datos LiDAR?
El procesamiento LiDAR traduce los datos brutos de las nubes de puntos en información precisa y utilizable. El procesamiento de datos LiDAR incluye múltiples pasos, como el filtrado y la limpieza de datos, la clasificación de nubes de puntos, la extracción de características y el modelado 3D.
¿Cuáles son los requisitos para el tratamiento de datos LiDAR?
Los requisitos para el procesamiento de datos LiDAR incluyen datos de nubes de puntos de alta calidad, con atributos clave como coordenadas x, y, z, intensidad y clasificación. Además, para mejorar la precisión espacial son necesarios metadatos como la información de vuelo y de los sensores, puntos de control terrestre y un sistema de coordenadas geográficas. La densidad de puntos es una métrica que expresa la cantidad de puntos por metro cuadrado: las densidades de puntos más altas permiten un modelado más detallado del terreno y los objetos.
¿Cómo se recogen los datos LiDAR?
Los datos LiDAR se recogen mediante escáneres láser 3D que utilizan impulsos láser para medir la distancia a un objetivo. Utilizando la velocidad de la luz, el tiempo que tarda un impulso en alcanzar un objetivo y volver al sensor permite medir el alcance hasta un objetivo. Millones de impulsos por segundo permiten captar una escena en 3D. Los datos LiDAR se recogen con escáneres estáticos y móviles, así como con drones o aviones.
¿Qué es el LiDAR en la anotación de datos?
LiDAR en la anotación de datos implica etiquetar o marcar objetos dentro de esos datos para que las máquinas puedan entenderlos y aprender de ellos. Los datos LiDAR se utilizan para entrenar modelos de aprendizaje automático para aplicaciones como la conducción autónoma, el análisis geoespacial y la vigilancia medioambiental.
¿Por qué utilizar datos LiDAR?
Los datos LiDAR son muy exactos (precisión centimétrica). Los datos se capturan rápidamente y de forma automatizada, lo que lo hace escalable y más rentable que los equipos de topografía tripulados. En comparación con la fotogrametría, que captura grandes cantidades de imágenes 2D para producir una nube de puntos 3D, el LiDAR captura y almacena nubes de puntos directamente en el escáner y es capaz de capturar datos por debajo de la vegetación.
