Gender, field of study, and preference for occupations and work

Los sistemas aéreos no tripulados o simplemente UAS por sus siglas en inglés son conocidos también con el acrónimo de UAV y por los nombres de aerial robot o dron. (Colomina & Molina, 2014).

3.4.1 Generalidades

Los UAS son en realidad la unión de varios sistemas independientes siendo el vehículo no tripulado, la estación de control en tierra y su enlace de comunicación los principales. Sin embargo también se deben tener en cuenta otros subsistemas como el piloto automático, los sensores de navegación e imagen y el sistema wireless.

Existen otros componentes no sistémicos que son igual de importantes a los mencionados anteriormente, quizá el más importante para fines fotogramétricos es la planeación del sobrevuelo. Según explican (Colomina & Molina, 2014) tanto la planeación de la trayectoria en todas sus variables (velocidad, altura, coordenadas etc.) como la adecuada y flexible manipulación en tiempo real son fundamentales pues, aun cuando la operación de los UAS es menos engorrosa, ciertos factores como el viento y la baja autonomía de estos vehículos pueden llevar a repetir el sobrevuelo un sinnúmero de oportunidades hasta lograr fotografías adecuadas para fines fotogramétricos. Como ejemplo, estos autores acotan la necesidad de garantizar grandes traslapes entre las imágenes capturadas, tanto en sentido longitudinal (80%) como transversal (60-80%).

Por otro lado el hecho de que los UAS posibiliten la recolección de información fotogramétrica con mayores facilidades no significa que su procesamiento también haya sido simplificado, todo lo contrario, se necesita un procesamiento más sofisticado para compensar el rendimiento limitado

37

de estas plataformas (Colomina & Molina, 2014). El procesamiento es, por lo tanto, el tema que nos ocupará en los siguientes apartados.

3.4.2 Procesamiento de la información

Existen principalmente dos formas de procesar las imágenes capturadas desde un UAS, la primera consiste en un algoritmo de triangulación basado en puntos clave, cuyo producto es un ortomosaico referenciado junto con un modelo de elevación del terreno (DEM) según lo explica (Kung, y otros, 2011) . La segunda es una variación de la anterior e involucra adicionalmente el levantamiento de puntos de control en el terreno o GCP haciendo que la georreferenciación no dependa exclusivamente de las mediciones del GPS a bordo del UAS. En ambos casos el procesamiento es prácticamente igual y se lleva a cabo a través de una herramienta computacional que ejecuta los pasos descritos abajo de manera totalmente automática.

Es importante mencionar que existen varias posibilidades en cuanto a la georreferenciación de las imágenes tomadas, por un lado las fotografías no georreferenciadas se pueden procesar mediante la incorporación de información adicional que permita la adecuada localización, escalación y orientación del modelo. Dicha información es suministrada a través de puntos de control geográficos (GCP) o parámetros de escala y orientación.

Otra posibilidad es la georreferenciación de las imágenes a partir de los denominados GPS loggers, que es básicamente un GPS externo a la cámara. En este caso puede presentarse la necesidad de asociar los puntos GPS a las imágenes previo al procesamiento de las mismas, lo cual en ocasiones requiere el uso de un software adicional al de procesamiento.

Por último están aquellos dispositivos con GPS integrado, lo cual permite simplificar el proceso de importación de imágenes al software. Al ser este el caso más habitual y del actual estudio se omite la explicación respecto al proceso de asociación mencionado con anterioridad.

Para la elaboración de esta tesis se ha utilizado Pix4D, herramienta informática que procesa de manera automática los registros fotográficos y de GPS para elaborar mapas georreferenciados en

38

2D o modelos digitales en 3D. A continuación se hace una breve descripción de los pasos seguidos por el Pix4D para el procesamiento mencionado (véase Figura 4).

Figura 4 Procesamiento de imágenes en Pix4D

Fuente: Pix4D Introduction Guide

Según (Kung, y otros, 2011) el Pix4D busca dentro de las imágenes los puntos en común para esto Pix4D utiliza un enfoque denominado Scale Invariant Feature Transform (SIFT). A continuación se pretende describir a grandes rasgos dicho procedimiento de acuerdo a (Lowe, 2004).

Como primera medida se lleva a cabo la identificación de puntos de interés que son aquellos puntos cuya escala y orientación permanece invariante entre imágenes. Para esto el software hace uso de la función diferencial de Gaussian y de todas las imágenes cargadas al sistema. Una vez identificados puntos prometedores se determina su localización y escala seleccionando una determinada cantidad de puntos clave con base en su estabilidad.

Los pasos subsecuentes necesitan la transformación de las imágenes en datos invariantes, para lo cual se asignan una o más orientaciones a cada punto clave con base en las direcciones de gradiente locales y teniendo en cuenta la escala y la localización. Lo anterior se realiza con cada una de las características a analizar. Es importante aclarar que los gradientes de la imagen son medidos en la

39

escala seleccionada y en la región alrededor de cada punto clave. Según explica (Lowe, 2004) otro aspecto a destacar de esta metodología es que se generan un gran número de características que cubren densamente la imagen para todo el rango de escalas y ubicaciones.

El ensamblaje se hace aplicando los pasos anteriores en un número limitado de imágenes y luego sus almacenando las características en una base de datos. Por último se contrastan las características almacenadas con aquellas de las imágenes a ingresar. Las semejanzas se establecen al enfrentar la distancia euclidiana entre los vectores de cada característica (Lowe, 2004).

(Kung, y otros, 2011) Describen un procedimiento posterior que apunta a la obtención de las coordenadas para los keypoints ya determinados. Para esto se utilizan como insumos los valores aproximados de orientación y posición suministrados por el GPS integrado, pues estos determinan la orientación y posición exacta de la cámara posibilitando la verificación de los keypoints y el cálculo de sus coordenadas 3D.

Una vez se tienen las coordenadas se procede al proceso de densificación en donde se genera una densa nube de puntos 3D que posteriormente deberá ser filtrada y suavizada para eliminar puntos redundantes y hacerla más manejable desde el punto de vista computacional (véase Figura 5). Esta última etapa da como resultado una “red triangular irregular” obtenida a través de interpolación que apunta a la elaboración del modelo de elevación digital (DEM). Por último se proyecta cada pixel de las imágenes sobre el DEM y se genera un ortomosaico georeferenciado.

Figura 5 a) Filtrado de ruido, b) Proceso de suavizado

40

Fuente: (Pix4d, 2016)

3.4.3 Posibles errores.

Algunos de los errores más comunes en este tipo de levantamiento son relativos al plan de vuelo y a las condiciones del terreno. Estos dos factores determinan el número de coincidencias, y estas a su vez, si dos imágenes consecutivas espacialmente pueden llegar a ensamblarse. Según la Guía de Inducción Pix4D se requieren como mínimo 1000 coincidencias entre dos imágenes para lograr su unión.

El vuelo debe entonces planearse con una trayectoria regular, traslape superior al 75% y evitando la captura de imágenes sobre el mismo punto. Sin embargo el terreno dificulta el levantamiento si presenta elementos con bajo contenido visual como techos de edificaciones, arena, nieve, árboles de baja altitud, vías, superficies reflectivas (agua) u objetos móviles.

Otro aspecto a considerar son las tasas de actualización del GPS y de toma de imágenes de la cámara ya que la falta de sincronización tendrá como resultado imágenes con la misma posición y el procesamiento puede fallar por completo o no calibrar correctamente algunas de las capturas.