Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Vanessa García Cardona
Página
1. INTRODUCCIÓN ......................................................................................... 6
2. ANTECEDENTES ........................................................................................ 7
3. PLANTEAMIENTO DEL PROBLEMA ........................................................ 20
4. JUSTIFICACIÓN ........................................................................................ 21
5. METODOLOGÍA ......................................................................................... 22
5.1 Identificación de la zona de estudio ..................................................... 23
5.1.1 Búsqueda y adquisición de información base ............................... 24
5.2 Tratamiento de la información mediante métodos fotogramétricos ..... 24
5.2.1 Fotocontrol .................................................................................... 25
5.2.2 Determinación del tamaño del pixel .............................................. 25
5.2.3 Orientación interna ........................................................................ 25
5.2.4 Orientación externa ....................................................................... 25
5.2.5 Triangulación Aérea ...................................................................... 26
5.2.6 Obtención de las coordenadas en las que se generan las tomas de
las fotografías. ............................................................................................ 26
5.2.7 Orientación absoluta de las fotografías ......................................... 26
5.3 Implementación de modelos ................................................................ 27
5.3.1 Modelo digital de elevación ........................................................... 27
5.3.2 Ortofoto ......................................................................................... 27
5.3.3 Ortofotomosaico ............................................................................ 27
5.4 Filtrado y segmentación de las imágenes ............................................ 29
5.4.1 Filtro gaussiano de paso bajo ....................................................... 29
5.4.2 Operador de realce ....................................................................... 29
5.5 Actualización del catastro del municipio de Bolívar ............................. 30
5.5.1 Identificación de las manzanas ..................................................... 30
5.5.2 Identificación de las edificaciones ................................................. 31
5.5.3 Creación de un nuevo MDE .......................................................... 31
5.6 Salidas graficas ................................................................................... 32
4
6 BIBLIOGRAFÍA .......................................................................................... 33
INDICE DE FIGURAS
Página
INDICE DE TABLAS
Página
Tabla 1. Estado del castro en Colombia 1° Enero de 2013 ............................. 21
5
1. INTRODUCCIÓN
La dinámica actual del territorio pone un reto cada vez más grande a la gestión
por parte de los municipios, ya que existe una alteración constante de espacio
por la construcción de infraestructura y viviendas. Por ello cada vez es mayor la
necesidad de información cartográfica que permita visualizar los efectos de esta
dinámica territorial y que a partir de ello los municipios puedan tomar decisiones
para el desarrollo y planificación del territorio.
6
geométrico que permite determinar la forma de los techos de los edificios. Los
resultados de este trabajo serán validados con los determinados por
metodologías convencionales por parte del grupo de Cartografía y SIG del
Observatorio Sismológico y Geofísico del Suroccidente Colombiano - OSSO.
2. ANTECEDENTES
La detección y caracterización 3D en las áreas urbanas es un problema
complejo, aunque tiene muchas aplicaciones en gran variedad de ámbitos;
(Saeedi & Zwick, 2008) afirman que las azoteas de los edificios son el elemento
clave para la reconstrucción de los edificios en 3D, plantean una metodología
automática para reconstrucción de tejados, basada en el estudio del gradiente.
Hacen uso de imágenes pancromáticas obtenidas bajo condiciones ideales y una
base de cuadrilátero para asemejar la forma superior de los edificios, se realiza
un proceso de eliminación del ruido de la imagen, aplicando un filtro gaussiano
de paso bajo, asimismo se aplican una serie de algoritmos a las imágenes
originales en 2D, donde se obtiene el campo del gradiente de la imagen,
incluyendo su magnitud, dirección y un conjunto de segmentos de línea recta
encontrados en la imagen. A continuación, se aplica el algoritmo de Burns con el
objeto de detectar líneas con base en el gradiente previamente calculado, se
realiza un filtro y unión de las líneas extraídas que posiblemente pueden formar
parte de una misma figura, basado en 5 criterios fundamentales para determinar
esta relación los cuales se encuentran detallados en la figura 1, en ella se
describen los casos de vinculación a partir de los cuales el algoritmo debe unir
la línea para hacer coincidir la forma de la azotea en donde tienen en cuenta
distancia tanto vertical, horizontal y los ángulos que forman entre ellas.
7
(1)
Longitud 1 > Umbral longitud
O
Longitud 2 > Umbral longitud
(3) Separación
v Distancia > Umbral
separación separación
(4)
v Ángulo 1
Ángulo 2
|Ángulo 1 – Ángulo 2 | < Umbral ángulo
(5)
v Solape
Solape < Umbral
Distancia 1 solape
Distancia 1
Traslape o
8
proceso de filtrado mediante un algoritmo que selecciona los polígonos teniendo
en cuenta variables como el cambio de altura, rango, tamaño mínimo blob, NDVI,
elemento estructurador, umbral de desviación estándar, etc.; luego se realiza la
extracción DSM para cada período, lo que se realizó automáticamente en LPS
con una cuadrícula GSD de 3 m. En el algoritmo propuesto, utilizando
completamente procedimientos automáticos, el 72% de los edificios nuevos
fueron detectados, y 35% de los retornos no se refirió a los cambios reales.
Loannidis menciona que se obtendrían mejores resultados con sensores LIDAR,
pero esto tendría un impacto negativo en los costos, el procedimiento propuesto
para la detección de edificios informales puede contribuir al control de desarrollo
urbano no planificado y a la eliminación de la creación de nuevos asentamientos
informales.
9
contornos obtenidos previamente. Para evaluar la eficiencia de este método, se
compararon los resultados con la base datos espacial israelí, los resultados
obtenidos se evaluaron teniendo en cuenta 3 indicadores, exactitud, calidad y
completitud. La precisión del método fue de 0.97 m en planimetría y 0.46 m en
datos altimétricos, los resultados obtenidos en cuanto a planimetría fueron
bastante inferiores comparados con el método manual en contraste con datos
altimétricos que presentaron resultados del mismo nivel de precisión que el
método manual.
Extracción del
contorno 2D en la Etapa
imagen izquierda 2
Calculo de la
altura Etapa
aproximada 3
Extracción del
contorno 2D en la Etapa
imagen derecha 4
Calculo de la
altura exacta Etapa
6
10
(Mayer S. , 2001) identifica un método práctico y preciso para la extracción
automática de objetos a partir de un modelo estadístico con participación activa
y continua al suministrar datos y administración del modelo por parte del usuario.
En este caso en particular se desarrolla un modelo que identifica a partir de
ciertas características los objetos requeridos de manera automática o
semiautomática. Dentro del proceso destacan la importancia de evaluar aquellos
detalles relacionados espacialmente con los objetos extraídos; como plan de
apoyo los autores plantean unas estrategias para desarrollar un modelo cuyo
proceso sea preciso y exitoso para ello determinan que los objetos deben ser de
fácil identificación, alto grado de interpolación y confiabilidad.
Para un mejor desarrollo del estudio los autores evalúan las diferentes fuentes
de datos para resultados de extracción precisos donde obtienen que la mejor
opción resulta a partir de la combinación de imágenes aéreas, datos de escáner
laser y datos SIG cada uno para un objetivo diferente de extracción, aunque
expresan ciertos errores al momento de utilizar datos SIG por la falta de
confiabilidad y precisión en la información que este proporciona. Para la
extracción de objetos se incorporan modelos estadísticos debido a que relaciona
el objeto con características que permita mejorar la precisión de los resultados,
dichos datos relacionados con el objeto requieren ser identificados manualmente
de manera aleatoria las cuales a partir de un criterio de verificación son filtradas
y visualiza la reconstrucción de la zona de estudio.
11
En primera instancia se extraen las formas de los edificios del DSM identificando
dichas construcciones como formas rectangulares en donde se aplica un marco
de proceso de punto marcado para la búsqueda exhaustiva dentro de todo el
conjunto de la imagen sin problema alguno al presentarse características
variadas a lo largo del estudio.
12
(a) (b)
(c) (d)
Figura 4. Obtención de polígonos perfectamente formados
Brédif et al, 2013
Finalmente, se generan modelos de energía tanto unario como binario los cuales
cumplen las funciones de segmentar, establecer un rango entre las alturas de
los edificios encontrados y construir finalmente a partir de una orientación las
edificaciones presentes. Como resultado importante, el método fue bastante
preciso y confiable al compararse con extracción manual de edificaciones en la
misma área de estudio. Los errores se concentran en aquellas edificaciones de
alturas muy pequeñas y ubicaciones complicadas donde se argumentan que es
debido a la parametrización establecida en el proceso para evitar errores
mayores y resultados no compatibles. Se recomienda aplicar mascaras de
bosque para eliminar digitalizaciones de árboles y todos aquellos elementos
correspondientes a coberturas vegetales.
13
Nube de puntos LiDAR
DSM Imágenes de
profundidad
Clasificación de
imágenes
Planos de candidatos
Detección de límites
Regiones construidas
Figura 5. Metodología
Brédif et al, 2013
∂𝐺𝜎 (𝑥,𝑦)
∂y
(3)
Y finalmente se obtiene:
∂𝐺𝜎 (𝑥,𝑦)
𝐸𝑥 = ∂x
∗ 𝑓(𝑥, 𝑦) (4)
14
∂𝐺𝜎 (𝑥,𝑦)
𝐸𝑦 = ∂y
∗ 𝑓(𝑥, 𝑦) (5)
Desde el modelo de contorno construido a partir del DSM se extraen los bordes
del ortomosaico el cual identifica por un detector de Canny toda aquella
geometría similar. A este primer proceso se aplica una deformación a partir de la
dirección de la imagen (gradiente) cuya restricción de deformación se enfoca en
la fuerza de aplicabilidad expresada en la formula (6).
15
Donde:
Xi, Yi: Es la posición de cada uno de los puntos que forman parte del contorno.
g: Mapa de distancia de borden del objeto extraído como contorno.
Los siguientes autores (Fazan & Dal Poz, 2013) extraen los bordes de edificios
en zona urbana a partir de restricción en la forma de su geometría y una
optimización respecto al modelado desde el algoritmo de programación dinámico
(DP) en imágenes digitales, la base principal para la detección de bordes en este
caso es el modelo matemático cuyo enfoque se concentra en las serpientes por
la curvatura que ellas forman tanto en X como en Y por la aplicación de fuerzas.
La funcionalidad se enfoca de dos maneras una energía externa desde la cual el
movimiento de la curvatura se adapta al edificio y una energía interna desde la
cual se lleva el control del movimiento. La energía externa funciona a partir de
dos variables principales la primera de ellas es el gradiente de la imagen y la
segunda la detección de esquinas en los vértices tal como se muestra en la
formula (7) y (8) que al ser integradas forman el modelo de detección de bordes
de serpientes.
𝐸𝐵𝑜𝑟𝑑𝑒 = ∑𝑘−1
𝑖=0 𝛾𝑖|𝛻𝐺(𝑣𝑖)| (7)
Donde:
𝛾i: Constante
l 𝛻G(vi)l: Magnitud del gradiente
16
𝐸𝐸𝑠𝑞𝑢𝑖𝑛𝑎 = ∑𝑘−1
𝑖=0 𝑛𝑖[(1 − 𝑐𝑜𝑠𝛿𝑖). 𝐶𝑆(𝑉𝑖)]
2
(8)
Donde:
ni: Constante
CS(Vi): Respuesta ante la detección de una esquina.
𝛿: ángulo de la esquina entre vértices.
17
extraídos automáticamente por el algoritmo (e-h) y tercero el dibujo manual por
el operador (i). Del experimento encontraron que la sombra es un impedimento
para la adecuada extracción debido a que no es posible identificar al algoritmo
el borde correspondiente al edificio. A lo largo de los experimentos el resultado
y las conclusiones fueron las mismas, en aquellas edificaciones donde se
proyectaba sombra el algoritmo fallaba al dibujar el borde. Además de eso la
metodología planteada mostró resultados de alta calidad hasta en contornos
curvos.
De acuerdo (Bouziani, Goïta, & He, 2010) plantean una metodología de fácil
aplicación y efectiva para la actualización de base de datos catastral a partir de
análisis fotogramétrico de detección de cambios en los edificios y construcciones
ubicados en zona urbana. Las fuentes de información básicas a usar por los
autores están compuestas por datos cartográficos digitales existentes que
permiten una visualización e identificación de las características y formas previas
de la zona a partir de un modelo y segundo imágenes de buena calidad como
elemento de comparación de detección de cambios automático.
Según (Tournaire, Brédif, Boldo, & Durupt, 2010) construyen los bordes de las
edificaciones a partir de un modelo de energía que permite formar la geometría
extraída de los Modelos Digitales de Terreno (DTM). El principio básico del
desarrollo del trabajo se basa en identificar formas rectangulares y comparar los
resultados con proyectos que hayan empleado una metodología similar.
18
caso vacío, contiguo o pequeño grado de superposición. La energía comienza a
trabajar a partir de las interacciones entre objetos. La energía externa del modelo
enfoca su trabajo en la detección de las figuras configuradas es decir las figuras
geométricas rectangulares en los DEM. Las formas son extraídas
automáticamente a partir de una evaluación en el DEM enfocadas en las zonas
cuyo gradiente sea de alto valor debido a que en ese punto se enfoca la
probabilidad de detectar un borde por ser una edificación. Además del gradiente
también influye dentro de la formulación la asignación de un peso inicial el cual
es el valor que permitirá detectar las geometrías.
Por último, para la realización del borde por medio de rectángulo se identifica el
punto central, la distancia hasta los lados que forman los vértices y el ángulo
entre vértices. Luego se analiza si existe superposición o intersección entre dos
polígonos y se calcula dicha área; los resultados obtenidos por este proceso
demuestran que a lo largo del desarrollo las formas de van adaptando a la
imagen de manera precisa a pesar de ser un modelo de energía más sencilla a
comparación con el planteado por Ortner. Los errores obtenidos son en aquellas
edificaciones muy pequeñas, con alturas poco diferenciables. Los resultados
obtenidos por el método de Ortner son superpuestos con aquellos obtenidos por
los autores y solo se presentan pequeños errores admisibles debido a las pocas
condiciones que aquí se impusieron producto reflejado en la figura 9.
19
Figura 9. Comparación en los resultados de ambos enfoques
Tournaire, Brédif, Boldo, & Durupt, 2010
20
Tabla 1. Estado del castro en Colombia 1° Enero de 2013
Entidad Estado Catastral Total Urbanos Rurales
Predios % Predios % Predios %
Total Actualizado 10.082.295 67.0 8.443.763 76,0 1.638.532 41.5
Nacional Desactualizado 4.876.728 32.4 2.666.801 24,0 2.209.927 56.0
Por formar 98.064 0.7 1 0,0 98.063 2.5
Total 15.057.087 100 11.110.565 100 3.946.522 100
IGAC,2013
4. JUSTIFICACIÓN
La extracción de objetos a partir de métodos fotogramétricos, es una forma
innovadora que proporciona datos geométricos para variedades de aplicaciones
tales como; situaciones de emergencia civil, la gestión de desastres naturales
(inundaciones, terremotos y deslizamientos de tierra), situaciones militares
(participación activa de la fuerza, lucha contra el terrorismo y la paz
mantenimiento de las medidas), la planificación urbana, la localización
geográfica de estadísticas, (como la salud, la delincuencia, y el pasado los
desastres naturales) entre otros (Perez & Delgado, 2004). Los métodos más
utilizados para la extracción de información, tienen como fuente principal las
imágenes tanto aéreas como satelitales, este proceso es costoso y
fundamentalmente manual, aunque cada vez son mayores las investigaciones
que buscan conseguir la automatización parcial o total en estos procesos con el
fin de reducir costos, humanos y temporales, incrementar la productividad y, en
21
consecuencia, responder a la cada vez mayor demanda de información
geográfica.
5. METODOLOGÍA
22
Identificación de la zona de estudio:
Zona Urbana del municipio de Bolivar, Valle del
Cauca
Generación
Orientación externa
ortofotomosaico
Triangulación Aérea
Obtención de las
coordenadas en las que se
generan las tomas de las
fotografías
23
Bugalagrande y Zarzal y al Occidente con el departamento del Chocó, como se
puede observar en la figura 11 (Alcaldía de Bolívar - Valle del Cauca, 2015).
24
5.2.1 Fotocontrol
Dentro del desarrollo de esta fase, es importante tener claridad del sistema de
referencia y la proyección con la cual se debe trabajar el proyecto fotogramétrico
ya que el software requiere, parámetros como el Datum, el tipo de proyección, la
zona UTM, el elipsoide de referencia horizontal y vertical.
5.2.2 Determinación del tamaño del pixel
𝑒𝑠𝑐𝑎𝑙𝑎
𝑃𝑀 = ( ) /39.37 (9)
𝑑𝑝𝑖
25
de la cámara referidos a un sistema de coordenadas espaciales objeto, esta se
realiza siguiendo la ecuación (6).
Donde:
26
Figura 12. Orientación fotos
Otero et al, 2013
5.3.2 Ortofoto
27
5.3.3 Ortofotomosaico
28
NOTA: El recorte también se le realizo a los MDE y a los MDS de cada una de
las épocas.
El filtrado, tienen por objeto reducir el ruido y/o efectos espurios que pueden
presentarse en la imagen a consecuencia del proceso de captura, digitalización
y transmisión, Su utilización es necesaria antes de la aplicación del detector de
bordes. Para este caso el filtro utilizado es el filtro gaussiano que es de tipo paso
bajo, pero no lineal. La segmentación consiste en dividir la imagen en sus partes
constituyentes u objetos, el nivel al que se lleva a cabo la segmentación depende
del problema a resolver, esta segmentación se debe detener cuando los objetos
de interés de la imagen hayan sido aislados.
5.4.1 Filtro gaussiano de paso bajo
𝑥2 +𝑦2
−
𝑔(𝑥, 𝑦) = 𝑒 2+𝑠2 (11)
𝑔(𝑥,𝑦)
𝐺(𝑥, 𝑦) = 𝑚𝑖𝑛 (12)
𝑥,𝑦 (𝑔(𝑥,𝑦))
Para este caso es conveniente realzar pequeños detalles, que son componentes
de alta frecuencia, como el resalte o subrayado de los bordes, para dotarles de
mejor nitidez (Mayer H. , 2008). Para realizar este procedimiento se aplica el filtro
de Sobel con ayuda del software MATLAB, creando una máscara con la función
fspecial, imfilter. De esta forma se obtiene una imagen de bordes en escala de
grises. Para obtener tanto los bordes horizontales cómo los verticales se utilizará
la función imadd (Aguilera, 2006).
>>im1=imread('direccion de la imagen');
>>sf=fspecial('sobel');
>>sc=sf';
>>b1=imfilter(im1,sf);
>>b2=imfilter(im1,sc);
>>b3=imadd(b1,b2);
>>subplot(2,2,1),subimage(im1),Title('Imagen Original');
29
>>subplot(2,2,4),subimage(b3),Title('Sobel');
Figura 16. Filtrado final para la extracción de los bordes realizado en Matlab
Fuente: Propia
Figura 17. Comparación de manzanas entre los años 1998 (Rojo) y 2014 (Azul)
Fuente: Propia
30
5.5.2 Identificación de las edificaciones
Figura 18. Comparación de predios de los años 1998 (verde) y 2014 (rojo)
Fuente: Propia
Figura 19. Nuevo modelo de cálculo de diferencias de alturas entre MDE y MDS
Fuente: Propia
31
5.6 Salidas graficas
32
6 BIBLIOGRAFÍA
Alcaldía de Bolívar - Valle del Cauca. (22 de Diciembre de 2015). Sitio oficial de
Bolívar en Valle del Cauca, Colombia. Obtenido de http://www.bolivar-
valle.gov.co/informacion_general.shtml#geografia
Bouziani, M., Goïta, K., & He, D.-C. (2010). Automatic change detection of
buildings in urban environment from very high spatial resolution images
using existing geodatabase and prior knowledge. ISPRS Journal of
Photogrammetry and Remote Sensing, 65. Obtenido de
http://www.sciencedirect.com/science/article/pii/S092427160900121X
Brédif, M., Tournaire, O., Vallet, B., & Champion, N. (2013). Extracting polygonal
building footprints from digital surface models: A fully-automatic global
optimization framework. ISPRS Journal of Photogrammetry and Remote
Sensing, 77, 57-65. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0924271612002080
Fazan, A. J., & Dal Poz, A. P. (2013). Rectilinear building roof contour extraction
based on snakes and dynamic programming. International Journal of
Applied Earth Observation and Geoinformation, 25, 1-10. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0303243413000329
Ioannidis, C., Psaltis, C., & Potsiou, C. (2009). Towards a strategy for control of
suburban informal buildings through automatic change detection.
Computers, Environment and Urban Systems, 33, 64-74. Recuperado el
24 de Febrero de 2018, de
http://www.sciencedirect.com/science/article/pii/S0198971508000665
33
Mayer, S. (2001). Constrained optimization of building contours from high-
resolution ortho-images. International Conference on Image Processing,
1, págs. 838-841. Thessaloniki. Obtenido de
http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=959176&isnu
mber=20726
Revista Dinero. (28 de septiembre de 2017). Qué significa que Colombia alcance
50 millones de habitantes. Obtenido de Dinero: https://c/edicion-
impresa/pais/articulo/implicaciones-del-crecimiento-poblacional-de-
colombia-en-los-ultimos-anos/250398
Saeedi, P., & Zwick, H. (2008). Automatic building detection in aerial and satellite
images. 10th International Conference on Control, Automation, Robotics
and Vision, (págs. 623-629). Hanoi.
Tournaire, O., Brédif, M., Boldo, D., & Durupt, M. (2010). An efficient stochastic
approach for building footprint extraction from digital elevation models.
ISPRS Journal of Photogrammetry and Remote Sensing, 65, 317-327.
Obtenido de
http://www.sciencedirect.com/science/article/pii/S0924271610000171
34