imágenes mediante el algoritmo SfM

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.

2.3.3.4. NUBES DE PUNTOS

Las nubes de puntos son archivos binarios que almacenan información de millones de puntos que representan una superficie y su uso se ve difundido por la tecnología LIDAR (Light Detection and Ranging o Laser Imaging Detection and Ranging).

Las nubes de puntos, según Li, Chen, y Baltsavias, (2008), son la respuesta ante la necesidad de representar los levantamientos producto de mediciones de laser terrestre y aerotransportado, es así que la información posee diferentes formatos dependiendo del tipo de sensor que haya sido utilizado, por eso la ASPRS ha estandarizado el formato llamados “.LAS”.

Actualmente, con el uso de vehículos aéreos no tripulados y la capacidad de pos procesar vuelos fotogramétricos de forma digital, Coello, Ballesteros, y Abellán (2015), mencionan que estos sistemas permiten obtener gran cantidad de puntos, representados en nubes de puntos, estos datos pueden llegar a ser levantados varios kilómetros cuadrados en menos de una hora de vuelo y obtener de esta manera nubes de puntos de alta densidad, modelos digitales de superficies y ortofotos, unificando trabajos de topografía y fotogrametría.

La ASPRS en uno de los documentos de publicación de especificaciones técnicas brinda información acerca de los formatos LAS, básicamente un archivo tipo .LAS contiene metadatos del estudio del cual se ha llevado a cabo el levantamiento de información

presentándose como bloques, el primer bloque corresponde a un encabezado seguido de registros individuales de cada pulso láser, continuando con la descripción del primer bloque de información se encuentra metadatos como: fecha de levantamiento, datos hora del vuelo, número de registros, número de puntos retornados, cualquier desplazamiento que haya registrado el IMU, incluso cualquier cambio de escala registrado. En cuanto a la información que contiene cada pulso estos se registran como atributos en donde presentan la ubicación en las coordenadas x y z, tiempo GPS, intensidad, número retornos, cantidad de retornos, valores clasificados, ángulo de escaneo, valores RGB adicionales, dirección de escaneo, borde de la línea de vuelo, y características de onda. Actualmente la casa comercial de ESRI admite la lectura de diferentes versiones de archivos .LAS, que ha pasado por las versiones 1.1, 1.2, 1.4 a excepción de la versión 1.3 que actualmente no es compatible (ESRI, 2020).

Las nubes generadas por el proceso SfM y UAV, obtienen resultados equiparables con sensores LIDAR, incluso conservan los mismos formatos, además de poseer coordenadas de