Vuelos con Drones | El mejor equipo para procesar vuelos fotogramétricos con Dron

Una duda que me externan comúnmente mis clientes y amigos, es que clase de equipo debe ser aquel que procese datasets de más de 2,000 fotos en cuestión de días, entregando nubes de puntos con cientos de millones de puntos y mosaicos con pocos centímetros de resolución espacial. El motivo de la presente entrada es aportar nuestra experiencia, con fundamento técnico, sobre la forma de equiparse correctamente para estas tareas.

El procesamiento de imágenes aéreas para obtener nubes de puntos es extremadamente demandante de recursos en los equipos que se realiza. Nosotros recomendamos ampliamente no realizar el proceso automatizado (next, next) por lo que es importante considerar las capacidades de Hardware en los equipos.

El análisis.

Lo primero. Es importante destacar que nosotros trabajamos bajo el precepto de costo vs desempeño de los equipos; lo anterior evita cometer uno de los errores más comunes al adquirir equipo de cómputo que se expresa como: El equipo más costoso es el mejor.

Segundo. La paquetería más empleada para estas tareas, Pix4D y Photoscan, es muy clara al respecto: Un procesador Xeon (Procesadores base para las Workstations y Servidores) no aportará gran capacidad de procesamiento e inclusive, de acuerdo al modelo pueden ser mucho más lentos que la última gama de procesadores i7. Lo anterior implica que si no se personalizan tareas en una workstation o servidor (Uno de los principales beneficios de los procesadores Xeon). Ahora, cabe destacar que como mencionamos en el primer punto, estamos valorando costo vs desempeño y que un equipo con 2 o 4 procesadores Xeon (E5-269x) tiene ventajas muy superiores sobre los procesadores i7.

Tercero. ¿Qué marca de computadoras es la mejor? Es una pregunta muy relativa y al igual que los autos, todas las marcas tienen sus ventajas y desventajas. Sin embargo, mi recomendación particular es armar sus propios equipos y la razón es muy simple. Un equipo ensamblado tiene un periodo de vida mucho más amplio que un equipo de fabricante, ya que las piezas son intercambiables y normalmente, reemplazamos componentes, ya sea para mejorar componentes o reparaciones.

Cuarto. Es necesario identificar el tipo de usuario que somos, ya que el tamaño de los mosaicos generados, el dron empleado (Algunos cuentan con software de propietario) y los productos requeridos definen el tipo de equipo a adquirir. La razón es muy simple, un usuario que genera mosaicos fotogramétricos en terrenos de 25 ha no requiere un equipo Hp-Z840zc con  128 GB y tarjeta de video Quadro, mientras que un usuario que procese normalmente, más de 1000 Ha requiere de un equipo personalizado (no sólo en Hardware sino asignando "Jobs" y optimizando recursos del sistema operativo). 

Uno de los objetivos del procesamiento de fotografías aéreas es generar nubes de puntos que permitan conocer las elevaciones (X,Y,Z) de los elementos sobre la superficie terrestre.

Tarjeta de video

Consideré la tarjeta de video como un elemento adicional, ya que de acuerdo al software que se emplea para el procesamiento, puede o no ser un elemento fundamental. El componente que aporta el procesamiento en diversas etapas de la generación de nubes de puntos consiste en el GPU (Núcleos CUDA) y su compatibilidad con OpenCL. En diversos Benchmarks realizados por la comunidad y los fabricantes se detectó que el mayor rendimiento se obtiene con la tarjeta Nvidia GTX 980 Ti. Además la disminución en tiempos de procesamiento al colocar más de una tarjeta en SLI es de entre 30% y 15% por tarjeta adicional.

Una vez se establezca en el mercado y se actualicen controladores, la GTX 1080 será una alternativa excelente.

Mi recomendación.

En resumen, un setup que nos ha traído excelentes resultados (en computadoras de escritorio) es:

• CPU: i7 5930 k
• RAM: 64 GB
• GPU: 2 X 980 TI SLI

El resto de los componentes deberán de adecuarse de acuerdo a las necesidades de enfriamiento o almacenamiento que se requiera en el equipo.

Jardín Botánico de la FES Cuautitlán | Presentación

No cabe duda que el Jardín Botánico de la Facultad de Estudios Superiores (FES) Cuautitlán, es una de las colecciones más importantes del país. En sus cerca de mil metros cuadrados alberga individuos representativos de diferentes ecosistemas mexicanos conteniendo más de mil individuos, que representan a más de 400 especies endémicas de México.

Es debido a su importancia y la diversidad biológica que posee, que ha sido objeto de estudio y difusión por diversos actores de la sociedad, cobrando mayor relevancia en el ámbito botánico nacional.

En GeoAsset con la colaboración de la asociación compacactus y la administración del jardín botánico desarrollamos un proyecto de desarrollo, investigación y difusión de las actividades realizadas en este importante recinto, a través de la generación de procesos avanzados de percepción remota, detección de firma espectral, sistemas de información geográfica local y geodatabases.

Ortofoto con resolución de 1 cm del Jardín Botánico

Los resultados se irán integrando en las labores diarias del jardín botánico, así como en eventos de difusión y estudios científicos orientados al estudio de la flora.

En la siguiente entrada se abordará el primer esfuerzo de campo, consistente en el control terrestre.

Produndidad de Píxel. 8, 16, 32 y 64 bits

En el ámbito geográfico, comúnmente trabajamos con dos modelos lógicos para la representación y almacenamiento de datos, el formato ráster y vectorial. 

De manera general, los datos ráster se conforman por un arreglo de datos ordenados en filas y columnas muy similar a las matrices; donde uno de los aspectos más importantes es la cantidad de datos que cada celda puede almacenar. 

El motivo de la presente entrada es abundar en uno de los atributos más importantes del formato ráster: "La profundidad del píxel" o "Bits por píxel".

Ejemplo de imagen 8 bits. Landsat 5 (256 niveles)

¿Qué es la profundidad de píxel?

Es buena práctica interpretar un archivo ráster como una matriz (arreglo bidimensional de datos ordenados en filas y columnas), donde cada posición recibe el nombre de píxel. Este tipo de archivos son comúnmente empleados en el ámbito de las ciencias geoespaciales y los tipos más comunes son fotografías aéreas digitales, imágenes de satélite, imágenes digitales o incluso mapas escaneados.

Los archivos ráster contienen diversos atributos que permiten su visualización, interpretación y composición. El que atañe a la presenta entrada corresponde a la profundidad de píxel o bits por píxel.

La profundidad de píxel se define como el número de bits que puede contender cada celda de un archivo ráster. De cierta forma se entiende como el "tamaño del contenedor de datos" que existe en cada celda o píxel. Donde una profundidad de píxel mayor permitirá almacenar números más grandes.

Para comprender este concepto es necesario conocer la manera en que las computadoras almacenan datos, donde la unidad mínima es el bit; mismo que puede interpretarse como 1 o 0 (impulso o ausencia del mismo). Para más información recomiendo leer el siguiente artículo sobre notación binaria: AQUI

Los impulsos mencionados anteriormente son empleados para generar números de acuerdo a la notación binaria. Es así que se establece una relación del tamaño de los números (cantidad de bits) que puede contener cada celda de un archivo ráster de acuerdo a la siguiente relación:

• 1 Bit (2) = Puede almacenar dos valores: 0 o 1.
• 8 Bits (256) = Puede almacenar valores que van de 0 a 255.
• 16 Bits (65536) = Puede almacenar valores de van de 0 a 65535.
• 32 Bits = Puede almacenar valores que van de 0 to 4294967295.

¿Por que usar diferentes profundidades de píxel en los archivos ráster?

La principal necesidad de emplear diferentes profundidades de píxel en este tipo de archivos, radica en el tamaño (Expresado en Mb, Gb o Tb) que pueden alcanzar los archivos vectoriales. Como ejemplo la siguiente relación para una imágen de 0.3 Megapixeles (632x474):

• 1 Bit = Puede alcanzar valores de 37.5 Kb.
• 8 Bits = Puede alcanzar valores de 300 Kb.
• 16 Bits = Puede alcanzar valores de 900 Kb.
• 32 Bits = Puede alcanzar valores de 1200 Kb.

Finalmente, es importante destacar la importancia de la profundidad de pixeles en el desarrollo de proyectos de Sistemas de Información Geográfica orientados a ráster, ya que la optimización de recursos facilita las tareas de procesamiento y difusión de datos geoespaciales.

Curvas de nivel a partir de imágenes satelitales (Parte 1)

La existencia de sensores de muy alta resolución como el WorldView 3 o el TerraSAR-X SpotLight, han establecido la pauta para nuevos desarrollos e investigaciones relacionadas a las capacidades técnicas y físicas en adquisición de datos desde el espacio, que van desde nuevos sensores multiespectrales, hiperespectrales o la estereoscopía satelital.

La estereoscopía es un tema con el que hemos trabajado desde hace tiempo en la empresa, y que aplicamos en diversos proyectos que van desde vuelos fotogramétricos tradicionales o en la generación de Modelos Digitales de Superficie (MDS) a partir de sobreposición de imágenes e identificación de rasgos físicos.

El motivo del presente post, es presentar los alcances de extracción de curvas de nivel empleando imágenes satelitales de tipo estéreo par.

Satélites con capacidades estéreo par

Existen diversos sensores que ofertan datos en estéreo par. Sin embargo, en este post (Parte 1) abordaremos los sensores de la constelación Digital Globe, especialmente los de los satélites WorldView 2 y 3.

Las imágenes del sensor WorldView 2, tienen una resolución espacial de 0.46 m en pancromático y ocho bandas multiespectrales desde su lanzamiento en octubre del 2009 y hasta el 2014, era uno de los satélites comerciales con mayor resolución espacial y espectral del mercado; sólo mejorado por el WorldView 3 lanzado en Agosto del 2014, con 0.31 m de resolución espacial y ocho bandas multiespectrales.

Actualmente, ambos satélites se encuentran funcionales y adquieren imágenes multiespectrales de tipo estéreo par. En el presente post, mostraremos las capacidades del satélite WorldView 2, extrayendo curvas de nivel con una presición de entre 1 y 5 m. (Precisión en Z del satélite).

Proyecto

El insumo base para la extracción de un Modelo Digital de Superficie, es una imagen en estereo par, que para el caso del distribuidor DigitalGlobe corresponde a productos de la serie "Geo/GeoStereo" o "Stereo satelite imagery". A continuación se muestra un par estereoscópico previo al proceso de extracción de MDS.

Una vez realizadas las correcciones geométricas y radiométricas pertinentes, se procede a ejecutar el algoritmo de extracción de MDS mediante estereoscopía, arrojando una nube de puntos como la que se muestra a continuación.

Finalmente, se procede al cálculo de curvas de nivel, el método de interpolación es variable y depende de las condiciones del terreno; para el caso del presente ejemplo se realizó el método de Krigging.

Curvas de nivel generadas a partir del MDS. Para obtener curvas de nivel a nivel terreno, es necesario clasificar la nube de puntos.

Conclusión

Si bien; el método automatizado requiere de trabajo en gabinete para depurar la nube de puntos generada, y realizar una selección o clasificación del MDS (muy similar al procesamiento de un Lidar o vuelo fotogramétrico multirrotor), representa una herramienta muy poderosa en la generación de Modelos Digitales de Superficie (MDS, representando todas las elevaciones de una imagen), Modelos Digitales del Terreno (MDT, sólo el terreno) y curvas de nivel de terrenos extensos, permitiendo abatir costos y acortar tiempos de entrega.

Fotogrametría vía multirrotor aplicada a topografía de carreteras (Parte 1)

Como se abordó en otras entradas, la fotogrametría actualmente representa un valioso recurso para representar -de manera económica y certera- datos relacionados a elevaciones del terreno con una resolución muy alta; llegando hasta los 2 cm de resolución espacial en planimetría y de hasta 10 cm de altimetría.

En la presente entrada, se abordará un proyecto de fotogrametría vía multirrotor aplicada a topografía de carreteras desde su inicio hasta culminación para mostrar las capacidades técnicas de los levantamientos multirrotor.

El proyecto consiste en el levantamiento de un entronque con Paso Inferior Vehícular (PIV) y vegetación de Bosque de Montaña. Para realizar el vuelo se empleó un multirrotor de la Marca DJI Modelo F450, cabe destacar que el multirrotor solo representa la plataforma donde se monta la cámara, por lo que las características del Multirrotor o sus capacidades técnicas sólo impactan el resultado en los tiempos de entrega y cobertura de superficie. 

El área proyectada tiene una superficie de 20 ha. Por lo que se planeo un programa de vuelo con 9 líneas de vuelo, capturando un aproximado de 1,000 fotografías.

Posterior al sobrevuelo, se realizó el procesamiento de gabinete. En el cual se alinearon 932 fotografías, generando una nube de puntos o Modelo Digital de Superficie con un total de 25,757,804 puntos; que en 200,000 metros cuadrados que existen en 20 Ha, se obtiene un promedio de 128 puntos por metro cuadrado -Valor tangiblemente mayor a los resultados obtenidos en tecnologías LIDAR-.

Es a partir de la creación del Modelo Digital de Superficie, que se generan los productos geográficos necesarios para los estudios topográficos generados a través de esta tecnología.

Entre los principales productos y resultados se tienen:

Ortofotos

Las ortofotos son imágenes creadas a partir de la unión georreferida de imágenes capturadas por distintos sensores y permiten realizar mediciones con un gran nivel de precisión.

Las ortofotos son ideales como referencia en planos y mapas y constituyen uno de los principales insumos generados por la empresa.

Modelos Digitales de Superficie

Un Modelo Digital de Superficie (MDS) es una representación visual y matemática de los valores de altura con respecto a un banco de nivel de un área en particular. Permite identificar formas del relieve y los elementos que conforman el paisaje. Cabe destacar que los MDS generados por este método cuentan con gran similitud con los MDS generados por métodos láser con el LIDAR, con la diferencia de la dispersión de puntos, ya que a través de estos métodos -y en el caso particular del presente ejercicio- se logró una densidad de 128 puntos por metro cuadrado.

Modelado de un Tarro Alemán

Para probar las capacidades del modelado tridimensional aplicando procesos de fotogrametría y creación de nubes de punto densa, se procedió a realizar un proyecto de modelado de un Tarro Alemán con grabados en toda su Geometría.

Para el proyecto se realizaron 170 tomas a nivel de piso en diferentes ángulos y posiciones, de manera que las fotografías abarcaran, en medida de lo posible, la mayor superficie y detalles del Tarro; para posteriormente realizar una alineación básica de las imágenes en software especializado en modelado.

A continuación se procedió con el modelado de la nube de puntos, equivalente al Modelo Digital de Superficie, y la triangulación posterior. Los resultados resultan impresionantes, mostrando detalles a nivel milimétrico sobre la imágen.

Conclusión

La modelación de elementos tridimensionales empleando fotografías es una poderosa herramienta. El empleo de distintas plataformas como Multirrotores, Autos, Barcos o a pie complementa de manera sustancial los estudios, sin embargo, representan tan solo la plataforma y la base de las técnicas de modelado.

Qué es Geomática?

La palabra geomática (geo “tierra” y mática “informática”) tuvo su origen en 1982 en la revista “Le géométre Canadien” por Michel Paradis, un agrimensor quién sugirió –debido a la creciente necesidad de información geográfica- ampliar e integrar una nueva disciplina a las ya tradicionales respecto a la toma, captura, tratamiento y almacenamiento de datos. En 1986 la Universidad Laval en la provincia de Quebec comenzó a impartir la carrera de ingeniería geomática, y posteriormente en otras universidades de Canadá. 

En la segunda mitad del siglo XX hubo un desarrollo en los procedimientos, métodos y técnicas y por lo tanto cambios cualitativos y cuantitativos en la demanda y oferta de datos que satisficieran la necesidad de la sociedad. La disponibilidad de información, así como la actualización de estos fue evolucionando desde los métodos convencionales hasta los que hoy en día se utilizan.

Actualmente, la geomática es un término científico de reciente acuñación y se describe como la medición, gestión, captura, almacenamiento, procesamiento y publicación de información con un componente geoespacial. 

Sin embargo es erróneo definir a la geomática como sólo el proceso de adquisición o publicación de datos, cuando una parte integral de esta es el estudio, análisis, desarrollo e implementación de la información recolectada aplicada a diversas ramas de la ciencia. Más aún cuando los resultados tienen aplicación en la vida cotidiana, un claro ejemplo de ello es el uso de los sistemas de información geográfica para tomar la mejor ruta de transporte sin tráfico. 

Todas aquellas actividades que requieran la toma de decisiones, planificación o gestión del territorio necesitan ser estudiadas desde diversos ángulos que permitan involucrar todas las variables que intervienen, y es ahí precisamente donde la geomática responde a estas necesidades desde la adquisición de información a través de técnicas de topografía, plataformas satelitales o drones para fotogrametría para su posterior estudio mediante análisis matemático y procesamiento de datos y su futura publicación y aplicación. 

Todo ello para dar respuesta a la necesidad de conocer y entender las relaciones existentes entre el medio biótico y abiótico con el ser humano, generando información y aplicaciones que permiten la convivencia y estabilidad del entorno.

-Pamela