El motivo de esta entrada es evidenciar los resultados, notablemente superiores, del procesamiento generado en súper alta calidad y máxima densidad de puntos en vuelos fotogramétricos.
 |
| El objetivo de realizar vuelos fotogramétricos con dron es obtener resoluciones inferiores a los 5 cm y precisiones en el mismo rango de valores. Lo anterior permite identificar elementos individuales (contornos y geometrías) como el de las rocas de la imagen anterior. (Nube de puntos LAS en RGB, Clic en la imagen para ampliar) |
Existe una clara diferencia entre resultados del procesamiento fotogramétrico de vuelos con drones de acuerdo a los parámetros que la paquetería que se eligen. Lo anterior significa que las nubes de puntos generadas con los parámetros estándar (software) no tienen la misma densidad ni precisión que las mismas nubes generadas en parámetros de máxima calidad.
El problema radica que en muchas ocasiones y para cubrir cronogramas exigentes de entrega o por desconocimiento del funcionamiento propio del software, existen pocos proyectos en el mercado que se generan con la calidad máxima que ofertamos en nuestras soluciones.
A continuación presentamos un ejemplo de los resultados obtenidos bajo distintos parámetros de calidad.
Insumos y procesamiento
Se empleó un dataset de 367 fotografías de la cámara Sony Nex 7 (24 Mp) cubriendo un área total aproximada de 35 ha. En otro post se abordará la importancia del sensor en los vuelos fotogramétricos.
Se realizó la generación de nubes de puntos LAS en tres parámetros de procesamaiento, calidad muy baja, media y muy alta.
Procesamiento en calidad muy baja
La nube de puntos LAS generó 3, 180, 931 puntos (x,y,z,r,g,b). El tiempo de procesamiento fue de 1 minutos y 9 segundos. Es importante mencionar que lo anterior representa una densidad aproximada de 9 puntos por metro cuadrado.
 |
| La nube de puntos generó un resultado aparentemente bueno si se observa el modelo en su totalidad (35 hectáreas) sin embargo se observa una pobre definición de contornos en geometrías particulares. |
 |
| La nube de puntos generada en muy bajo permite identificar la geometría básica del terreno, sin embargo no permite identificar bordes definidos. |
Procesamiento en calidad media
La nube de puntos LAS generó 54, 423,404 puntos (x,y,z,r,g,b). El tiempo de procesamiento fue de 35 minutos y 25 segundos. Es importante mencionar que lo anterior representa una densidad aproximada de 155 puntos por metro cuadrado. Los resultados son visiblemente superiores.
 | ||
| La calidad es notablemente superior, se comienzan a definir bordes. También se pueden observar elementos pequeños como rocas. |
 |
| En esta calidad si bien el resultado es visiblemente superior, la densidad de puntos es aproximadamente 1 punto cada 10 cm, inferior a la ofertada como solución en los levantamientos vía dron. |
Procesamiento en calidad Alta
La nube de puntos LAS generó 925, 049, 109 puntos (x,y,z,r,g,b).
El tiempo de procesamiento fue de 16 horas con 18 minutos. Es importante
mencionar que lo anterior representa una densidad aproximada de +2000
puntos por metro cuadrado (Aproximadamente un punto cada 5 cm). Los resultados son impresionantes y permiten generar altimetría, curvas de nivel o perfiles con el más alto nivel de calidad.
 | ||||
| Los resultados empleando este nivel de calidad permiten garantizar los resultados de la nube de puntos. Los resultados son fotorrealistas |
 |
| La densidad obtenida con la calidad permite realizar validación de cotas empleando sitios de control aleatorios para la validación de los resultados. De otra manera no es posible garantizar la precisión de los resultados. |
Conclusión
Es importante que tanto los especialistas del ramo, como los clientes que solicitan este tipo de trabajos conozcan la diferencia y la calidad de los productos que se pueden obtener a partir de los sobrevuelos de dron. Solo de esta manera se podrá garantizar un crecimiento positivo de esta técnica en el ramo profesional.
 |
| Nube de puntos generada en calidad "Muy Alta" |
 |
| Nube de puntos generada en calidad "Media" |
 |
| Nube de puntos generada en calidad "Muy Baja" |
NOTA: Los datasets empleados en el presente ejemplo son propiedad de sus autores y los mismos se empelan de manera académica, como referencia y sin ánimo de lucro.
