Cuando pensamos en archivos cartográficos de nubes de puntos a menudo imaginamos que únicamente se generan por LiDAR. Cierto que es muy común llegar a esta conclusión pero ¡qué va! esto no tiene por qué ser siempre así. Hoy en día, con al avance de los drones es cada vez más común la obtención de nubes de puntos generadas por fotogrametría.
La fotogrametría con drones es una técnica que utiliza drones para capturar imágenes desde el aire con el propósito de generar mapas, modelos tridimensionales y mediciones precisas de terrenos, estructuras u objetos.
Estas imágenes aéreas se procesan mediante software especializado que analiza la superposición y la geometría de las imágenes para crear modelos tridimensionales de alta resolución. La fotogrametría con drones es ampliamente utilizada en campos como la cartografía, la inspección de infraestructuras, la agricultura de precisión y la gestión de recursos naturales.
Desde este enlace, puedes acceder a algunos ejemplos de nubes fotogramétricas creadas con el software open source WebODM.
En este post, vamos a usar CloudCompare y una nube de puntos de elaboración propia generada con un dron para mostrarte cómo podemos generar un modelo digital del terreno y un modelo de copas de árboles.
Caso práctico
En este ejemplo os muestro una nube de puntos fotogramétrica de elaboración propia, pero podríais usar también una vuestra o si no tenéis ninguna, podéis descarga una de esta web como la que se muestra en la imagen inferior.
La nube de puntos que vamos a usar pertenece a una zona del norte de Inglaterra. Los pasos que vamos a realizar son los siguiente:
- Cargar la nube en CloudCompare
- Detectar el suelo con el plugin CSF (ya que la nube de puntos no está clasificada)
- Generar un modelo digital del terreno
- En base al suelo, generar un modelo de copas.
Paso a paso
A continuación desarrollamos cada uno de los pasos que tendrías que seguir para poder obtener un modelo digital del terreno y otro de copas para una nube de puntos de características similares a la que se muestra en el ejemplo.
Carga la nube en CloudCompare
En primer lugar, carga la nube de puntos en CloudCompare. Acepta el ajuste de coordenadas por defecto llamado «Global Shift» y deja que la nube de puntos aparezca en el programa. Explora la ventana de propiedades para saber si está o no clasificada. En este caso, no lo está. Por tanto, debemos filtrar el suelo usando el plugin CSF.
Detección de suelo en una nube de puntos fotogramétrica
Ya que la nube de puntos no tiene el suelo en una clase o atributo diferenciado, tenemos que usar el plugin CSF para detectar el suelo. Este plugin se basa en el artículo de Zhang W, Qi J, Wan P, Wang H, Xie D, Wang X, Yan G. «An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation. Remote Sensing. 2016; 8(6):501″.
Usa los parámetros que se muestran en las siguientes capturas de pantalla. La primera pestaña sirve para especificar el tipo de terreno. En este caso, no se trata de un zona montañosa sino de una zona llana con arboles dispersos, por eso usamos flat.
Para la segunda pestaña, tenemos que cambiar dos parámetros con respecto a los valores por defecto. El primero es la resolución de «cloth» que se refiere a la resolución del modelo. Lo vamos a poner en 0.5 metros (una celda de 0.5*0.5 metros). El segundo parámetro que vamos a seleccionar es «export mesh» para que nos genere un modelo triangulado del suelo sin huecos que usaremos para crear el modelo de copas mas adelante.
Haz clic en OK y observa los resultados. El plugin va a generar tres entidades, el suelo (ground points), puntos que no son suelo (off-ground points) y una malla tridimensional del suelo (mesh). Usando estos tres archivos, vamos a generar nuestros modelos digitales de elevaciones.
Normalizar alturas con respecto al suelo
Cada punto de la nube de puntos tiene alturas absolutas en base a su coordenada Z sobre el nivel del mar. Normalizar alturas significa ajustar las alturas de objetos o características geográficas (en este caso árboles) para que estén representadas desde un punto de referencia común, que generalmente es el nivel del suelo.
Usa la herramienta de «comparar nube de puntos y malla» tal y como se muestra en la imagen inferior. Esta herramienta lo que hace es usar el suelo como punto de referencia sobre la cual se recalcula la altura de los árboles.
Selecciona la entidad «Mesh» y la entidad «off-groound points» desde el menú de capas y ejecuta la herramienta. Tras unos segundos, obtendrás un resultado como el que se muestra en la ventana inferior.
Ahora ya sabemos que la altura de los árboles oscila entre 0 y 21.99 metros de altura. Con esto, ya lo tenemos todo para ejecutar la herramienta «rasterize» que nos va a llevar directamente a nuestro resultado final.
Generación de modelo digital de copas de árboles y modelo digital del terreno
Ahora tan solo nos queda usar la herramienta «rasterize» dos veces para generar primero el ráster de copas de árboles y en segundo lugar el modelo digital del suelo. Esta herramienta nos permite generar ráster a partir de nubes de puntos. Para más información visita este post de Geoinnova sobre «Rasterize».
Desde la pestaña de «export» puedes exportar el raster generado en formato Geotif y cargarlo en un software GIS de escritorio como ArcGIS Pro o QGIS.
Para crear el modelo digital del terreno, solo tendrías que usar como archivo de entrada la nube de puntos referente a «ground points». Es conveniente usar el parámetro de «fill in» para rellenar celdas vacías y evitar huevos en el modelo digital del terreno. Para mas información sobre interpolado de celdas, lee este post de Geoinnova.
Conclusión
En este post hemos visto como generar modelos digitales de elevaciones tanto del terreno como de copas de árboles a partir de nubes de puntos generadas con fotogrametría por drones. La nube de puntos tenía todas las alturas en base a la coordenada Z sobre el nivel del mar y el suelo no estaba diferenciado. En 2 sencillos pasos, hemos conseguido aislar el suelo y normalizar la altura de los árboles en base al suelo.
Si quieres profundizar en los conocimientos sobre CloudCompare, QGIS, LAStools y procesado de nubes de puntos, ya sean LiDAR o fotogramétricas, este curso te interesará:
¿Quieres comentarnos algo? Adelante!