32
Figura 10: Representación de la extracción de puntos clave en escenas 3D a partir de imágenes mediante el algoritmo SfM (Pollefeys et al., 2001)
En cuanto a la precisión, Mancini, Dubbini, y Gattelli (2013) mencionan que la precisión de los levantamientos, en donde lo productos resultantes de SfM al ser comparados con levantamientos de nubes de puntos propias de un escáner terrestre, presentan diferencias en su comparación vertical de 0,01m con un error medio cuadrático de 0.22m , demostrando que UAV-SfM puede alcanzar a presiones de los escáneres terrestres, siempre y cuando se cumplan con requisitos mínimos de planificación para la obtención de productos a partir de la reconstrucción topográfica de imágenes de alta resolución y procesada con SfM con alto nivel de cómputo. Lucieer, Jong, y Turner (2013) muestran, como ejemplo de aplicación de esta tecnología, el monitoreo de glaciares en áreas de deslizamientos de suelo, donde las escenas en 3D reconstruidas poseen cierta precisión geométrica que es ajustada luego con los puntos de control y que estos levantamientos también puedes ser comparados multi temporalmente. Al incorporar el factor tiempo a este tipo de análisis se puede encontrar correlaciones entre el desplazamiento del suelo y hielo entendiendo variables dinámicas entre ellos; resaltando que las tecnologías propuesta posee ventajas en cuanto a flexibilidad y efectividad.
