Design Requirements
Section 4.4 Design Requirements for Development Areas
Los estándares estadísticos puntuales para la evaluación de exactitud posicional aplicados por Matching Viewer son: el NMAS (National Map Accuracy Standard) (USBB, 1947), el EMAS (Engineering Map Accuracy Standard) fue desarrolla- do por la American Society of Civil Engineers (ASCI, 1983), y el NSSDA (Nacional Standard for Spatial Data Accuracy) propuesto por el Federal Geographic Data Committee (FGDC, 1998). Todos ellos se basan en la comparación de las coordenadas de un punto en la BDG de referencia respecto a sus coordenadas en la BDG a evaluar.
La principal aportación realizada por Matching Viewer a la evaluación, bajo este enfoque puntual, es la del cálculo de parejas de puntos homólogos entre los polígonos emparejados. Esta tarea es realizada mediante un análisis de similaridad entre formas poligonales. Dicho análisis, que es detallado en Ruiz-Lendínez (2012) y Ruiz-Lendinez et al. (2013 y 2016), y que se basa en la métrica definida inicialmente por Arkin et al. (1991), consiste en el contraste de las representaciones gráficas de las funciones de contorno de los polígonos emparejados (Figura 7). Este contraste está regulado por la acción de unos parámetros, cuya definición y optimización es igualmente facilitada por Matching Viewer. Finalmente, Matching Viewer permite generar un fichero que contiene todos los de puntos homólogos calculados, y que permite generar un modelo cartográfico de error.
27. maTCHIng vIewer. HerramIenTa para la auTOmaTIzaCIón del COnTrOl de CalIdad pOsICIOnal de la CarTOgraFÍa.
TOPCART 2016: Observación del Territorio.
Figura 7. Interface de Matching Viewer durante la fase de cálculo de puntos homólogos.
Tras el cálculo de puntos homólogos, se procede al cálculo de los estándares estadísticos puntuales anteriormente citados. Los resultados son expresados de la siguiente forma:
• En el caso del estándar NMAS, indica si se ha superado el test en la componente horizontal y el porcentaje del número de puntos evaluados que supera el error máximo tolerable.
• En el caso del estándar NSSDA, indica el valor de exactitud posicional alcanzado para el nivel de confianza prefijado. • Finalmente, para el caso del estándar EMAS, se índica si se ha superado el test tanto para el error sistemático,
como para el error aleatorio.
Se permite, además, seleccionar los datos con los que realizar el cálculo, definiendo el valor mínimo del VEE de los polígonos con los que realizar dicho cálculo; y definir diferentes parámetros para los test, como son, el error máximo en el test NMAS, el valor α para el EMAS, y el número de puntos a emplear.
Aparte de todas las herramientas hasta ahora descritas, hay que destacar las capacidades (opciones) de edición de los resultados que proporciona. Como ejemplo, y para el caso de evaluación lineal, puede destacarse la edición de las representaciones gráficas que se obtienen. Así, permite entre otras la edición de líneas para la selección de color, o la posibilidad de generar ficheros de imagen (.bmp) con cada una de las gráficas generadas.
CONCLUSIONES
La complejidad de la tarea de automatizar el control de calidad posicional de la cartografía requiere disponer de herra- mientas informáticas adecuadas a este objetivo. Así, en este trabajo se ha presentado la herramienta Matching Viewer, que incluye una amplia variedad de capacidades que permiten el desarrollo de los diferentes procesos que caracterizan la metodología implementada dentro de un flujo único.
A partir de los resultados experimentales que se han obtenido como consecuencia de aplicar la metodología y la he- rramienta informática descritas a Bases de Datos Cartográficas Oficiales (BCN 25 como fuente a evaluar, y MTA10 como fuente de referencia), se puede asegurar la viabilidad del método de evaluación propuesto, el cual proporciona
• Superar dos de los principales problemas de los métodos tradicionales de evaluación posicional: el alto coste de las metodologías basadas en los sistemas de adquisición de datos a través de navegación por satélite, y el elevado tiempo de cálculo requerido cuando se aplica sobre una gran número de GDB. Esto es particularmente significativo en el caso de los métodos de control posicional basados en líneas, ya que requieren más tiempo en el post-procesado de datos (Detección de errores, conexión entre líneas y cálculo del eje central de la carretera) (ver Ruiz-Lendínez et al. 2009).
• Por otra parte, la metodología y herramienta propuestas nos permite trabajar con un volumen de información y datos mucho mayor que otros métodos tradicionales de evaluación.
Por último, este estudio puede ser considerado como un punto de partida para el desarrollo de este tipo de metodo- logías automatizadas. Así, en futuros trabajos está prevista la evaluación de un conjunto mayor de bases de datos geoespaciales, y la diversificación para diferentes regiones y escalas con el fin de desarrollar una norma que facilite la comparación y extrapolación de resultados.
En cualquier caso, debe señalarse que la herramienta diseñada está concebida como un sistema abierto por lo que permite el ir incorporando nuevos módulos de cálculo y evaluación conforme las novedades e innovaciones vayan surgiendo.
AGRADECIMIENTOS
Al Ministerio de Educación y Ciencia por por la financiación con cargo a los proyectos: BIA 2003-02234 y BIA 2011- 23271.
REfERENCIAS
Ariza-López, F., (2006) Factores determinantes de la calidad de los productos/servicios cartográficos. Mapping, 112, pp: 30-39. Ariza-López, F. y Atkinson, A., (2006) Metodologías de control posicional: Visión general y análisis crítico. Informe al CT-148 de AENOR.
Arkin, E., Chew, L., Huttenlocher, D., Kedem, K. y Mitchell, J., (1991) An efficiently computable metric for comparing polygonal shapes. IEEE Transac- tions on Pattern Analysis and Machine Intelligence, 13 (3), pp: 209-216.
ASCI, (1983) Map Uses, scales and accuracies for engineering and associated proposes. American Society of Civil Engineers, Committee on Carto- graphic Surveying, Surveying and Mapping Division, New York.
FGDC, (1998) Geospatial Positioning Accuracy Standards, National Standard for Spatial Data Accuracy, FGDC-STD-007-1998, Reston, Virginia. http://www.fgdc.gov/
Goodchild, M. y Hunter, G., (1997) A simple positional accuracy for linear features. International Journal Geographical Information Science, 11, pp: 299-306.
Pavlidis, T., (1978) A review of algorithms for shape analysis. Computer Graphics and Image Processing, 7, 243-258.
Plazanet, C., (1996) Enrichissement des bases de données geographiques: analyse de la géométrie des objets linéaires pour la généralisation carto- graphique (application aux routes). Ph. D. Dissertation. Université de Marne la Vallée. France.
Ruiz-Lendínez, J.J., (2012) Automatización del control de calidad posicional de la cartografía. Tesis Doctoral. Universidad de Jaén. 326 pp.
Ruiz-Lendínez, J.J., Ureña-Cámara, M.A. y Mozas-Calvache, A.T., (2009) GPS survey of roads networks for the positional quality control of maps. Survey Review, 41 (314), pp: 374-383.
Ruiz-Lendínez, J. J., Ariza-López, F. J. y Ureña-Cámara, M. A., (2013) Automatic positional accuracy assessment of geospatial databases using line-based methods. Survey Review, 45 (332), 332-342.
Ruiz-Lendínez, J. J., Ariza-López, F. J. y Ureña-Cámara, M. A., (2016) A point-based methodology for the automatic positional accuracy assessment of geospatial databases, Survey Review, DOI: 10.1179/1752270615Y.0000000030
Tveite, H. y Langaas, S., (1999) An accuracy assessment meted for geographical line data sets based on buffering. International Journal Geographical Information Science, 13, pp: 27-47.
USBB, (1947) United States National Map Accuracy Standards. U.S. Bureau of the Budget.
27. maTCHIng vIewer. HerramIenTa para la auTOmaTIzaCIón del COnTrOl de CalIdad pOsICIOnal de la CarTOgraFÍa.
RESUMEN:
En los estudios de prevención y evaluación de riesgos naturales, la captura de imágenes desde vehículos aéreos no tripulados (UAV en sus siglas en inglés) ha tenido un gran impulso en la última década por sus amplias posibilidades. Entre otros riesgos naturales, los deslizamientos de ladera rápidos y la caída de bloques rocosos tienen un gran poten- cial de causar daños, tanto humanos como materiales. Este tipo de movimientos ocurren en zonas de gran pendiente (> 45°), muy poco accesibles en la práctica, lo que suele impedir la obtención sobre el terreno de una serie de datos completa y representativa y, por otra parte, entraña un riesgo para los observadores.
El uso de UAV como plataforma para sensores de captura de información geoespacial en estudios geológicos está plenamente justificada en estos casos en que no es recomendable la proximidad a la zona activa.
En el uso de estos dispositivos no se pueden utilizar siempre los mismos parámetros, sino que requiere de un trata- miento específico para cada caso de estudio. Su elección depende de la precisión requerida, así como, del tipo y del tamaño de movimiento de la ladera.
En la actualidad existen gran variedad de vehículos aéreos no tripulados y cámaras fotográficas que permiten la toma de vídeo y fotografía fija, así como otros tipos de sensores (cámaras de infrarrojo cercano, termografía, LiDAR…). Para cada aplicación, es necesario determinar qué tipo de captura es el más adecuado para obtener una óptima relación coste-beneficio.
En esta ponencia nos centramos en la captura de imágenes desde multicópteros considerando dos fuentes diferentes de información: fotografía y vídeo. Se analizarán las características y precisiones de los modelos obtenidos con ambos tipos de captura y con la captura con fotogrametría terrestre, así como las posibles aplicaciones de la información en función de la calidad obtenida.
El área de prueba ha sido uno de los frentes de una cantera ubicada en la región de “El Garraf”, al SO de la provincia de Barcelona. La pared de la cantera es de roca caliza, de aproximadamente 100 m de longitud y 75 m de alto, y en la actualidad presenta varias cicatrices y grietas con interés geológico. Además en esta pared se produjo un desprendi- miento de rocas hace pocos meses que dañó alguno de los almacenes situados más abajo, en las cercanías.
Se han obtenido modelos independientes utilizando cada tipo de captura: UAV y terrestre, y combinando ambos, tanto en el caso de vídeo como fotografía. Los resultados obtenidos muestran la ventaja del empleo de las imágenes terres- tres para la georreferenciación y ajuste del bloque fotogramétrico conjunto.
INTRODUCCIÓN
En la última década las técnicas geomáticas son ampliamente utilizadas para la gestión de riesgos ambientales su- ministrando información espacial para identificar, evaluar y cuantificar estos riesgos. Si se establece el foco en ries- gos geológicos como son los deslizamientos de tierra, los flujos de derrubios (debrisflow), las caídas de rocas ..., las técnicas más empleadas son los sistemas de radar terrestre y aéreo del tipo de apertura sintética (Synthetic Aperture Radar, SAR) (Montserrat, 2014), el barrido con láser aerotransportado o en la superficie terrestre (Light Detection And Ranging, LiDAR) (Baltsavias, 1999; Abellán et al, 2006; Abellán et al, 2009; Brideau et al, 2012) y la fotogrametría digi- tal; por ejemplo en este último caso utilizando fotogrametría digital terrestre como técnica para el análisis de imágenes en diferentes momentos como eventos pre y post (Brück et al, 2006; Schwab et al, 2008). Por otro lado es importante