Primera parte

Los VANTs
aplicados a los
estudios forestales
Dr. Eduardo Hildt
Investigador INTA EEA Montecarlo
Facultad de Ciencias Forestales - UNaM
hildt.eduardo@inta.gob.ar
Objetivos del curso

Conocer las aplicaciones de los diferentes tipos de VANTs en el estudio de los

bosques nativos e implantados.

Conocer los principales factores que deben tenerse en cuenta al planificar un

relevamiento aéreo, en función de sus objetivos y de los resultados esperados.

Ensayar diferentes técnicas para la extracción de variables de importancia forestal

a partir de información generada en un relevamiento aéreo con VANTs.

Orientado al análisis de datos

 Normativa que rige la actividad

Fuente: www.anac.gov.ar
 Criterios de clasificación de los VANTs según la ANAC.

Según carácter Según naturaleza Según el peso máximo al Según

de uso despegue características
Público técnicas
Recreativo Clase A (< 500 g)
Privado Ala fija
Comercial Clase B (501 g - 5 kg)
Ala rotatoria
Científico Clase C (5 - 25 kg)
Aeróstatos
Seguridad Clase D (25 - 150 kg)
Cautivos
Deportivo Clase E (> 150 kg)
Fuente: www.anac.gov.ar
Normativa que rige la actividad

Inscripción VANT Certificado

competencias
Seguros
Checklist
Autorizaciones

Espacio aéreo Vuelo en alcance

controlado visual (VLOS)
No los trataremos
en el curso
Espacio aéreo
etc, etc, etc…
no controlado
 Tipos de VANTs aplicables a los relevamientos agroforestales

Alas fijas Alas fijas con capacidad de despegue vertical

VTOL

Fuente: uavsystemsinternational.com

Fuente: chcnav.com
Fuente: ageagle.com

Vertical Take-Off and Landing

Fuente: wingtra.com VTOL tail-sitter

Catapultas Lanzamiento
 Tipos de VANTs aplicables a los relevamientos agroforestales

Alas rotatorias

Fuente: www.dji.com Fuente: www.dji.com

Fuente: www.dji.com
Fuente: www.dji.com

Fuente: www.dji.com
Fuente: www.xagbrasil.com Fuente: 3D Robotics Fuente: www.autelrobotics.com
Ventajas y desventajas
Alas fijas
Autonomía de vuelo > 45 min
Cada vuelo cubre una mayor superficie
Parámetros de vuelo estables
Posibilidad de operar con viento
Menor peso y mayor seguridad
Necesitan rampas para el despegue
Necesitan espacio para el aterrizaje
Dificultades para operar en zonas de
bosque cerrado
Alas rotatorias
Autonomía de vuelo < 45 min
Poca superficie por vuelo ( < 20 ha)
Inestabilidad en condiciones de viento
Mayor peso para igual carga útil
Despegue y aterrizaje desde el suelo
Operación desde espacios reducidos:
claros, caminos, cerros.
Mayor maniobrabilidad para realizar
patrones de vuelo personalizados
¿Qué podríamos emplear?
 Componentes de un UAV multirotor Chasis - Frame

Batería

Controlador de vuelo

Controladores electrónicos de
velocidad (ESC), motores
brushless y hélices

IMU

GNSS

Transmisión de vídeo

Transmisión de telemetría

Radio control y visor

Carga útil (cámara)

Fuente: Burdziakowski, 2017
Tipos de cargas útiles

Cámaras Otros sensores

RGB Telémetro

RGB con zoom LiDAR

Multiespectrales Detector de gases

Hiperespectrales Trampa partículas

Térmicas Radiación

Radiométricas
Herramientas
Cámaras fotográficas en el rango visible

Deportivas Fotogrametría en montaje nadir u oblicuo

Fuente: gopro.com

Fuente: ageagle.com
Fuente: sony.com.ar
Integradas con gimbal

Cámaras con lentes

intercambiables,
provistas de gimbal,
para emplearlas en
multirotores Fuente: www.dji.com
Fuente: www.dji.com
Factores a considerar: El sensor

Resolución: 10 - 12 - 20 - 45 MP

Tamaño del sensor

Tipo de obturador

No global Global
Se enciende Se encienden
por líneas de de forma
píxeles simultánea
todos los
pixeles.

Impacto en el efecto rolling shutter Fuente: www.dji.com

Efecto Rolling Shutter

Fuente: www.dji.com
Crédito: Daniel Cepeda
 Cámaras térmicas y radiométricas

Fuente: www.dji.com Fuente: flir.com

Fuente: www.dji.com

Empleando drones con cámaras térmicas para monitorear el comportamiento del fuego

Aplicaciones en búsqueda y rescate, control de incendios, control de riego y monitoreos en industrias.

 Cámaras multiespectrales

Fuente: pix4d.com

Fuente: ageagle.com
Fuente: https://micasense.com

Cálculo de índices de vegetación, detección de enfermedades, clasificación de cultivos.

Light Detection and Ranging - LiDAR
Airborne Light Scanner (ALS)

Fuente: www.dji.com

Zenmuse Lidar L1 Fuente: www.yellowscan-lidar.com

Fuente: chcnav.com Fuente: es.emesent.io

CHCNAV AlphaAir 450 Emerset Hovermap YellowScan Explorer

 Light Detection and Ranging - LiDAR

Fuente: www.riegl.com
Light Detection and Ranging - LiDAR

VANT

Soporte mecánico

Conexiones eléctricas

Reloj

GNSS

IMU
Inertial Measurement Unit

LiDAR Cámaras
Fuente: www.riegl.com
Funcionamiento de un sensor LiDAR GNSS + IMU GNSS + IMU

D = Tiempo * Velocidad Luz

2

LiDAR discretos

1 a 5 retornos

LiDAR de onda completa

Registra toda la energía

retornada. En el análisis se
pueden derivar los retornos
Fuente: Yeung Yan, W; Shaker, A.; El-Ashmawy, N. 2015. Urban land cover classification using airborne LiDAR data: A review. Remote Sensing of Environment. v. 158, 295-310
Ejemplo de un relevamiento LiDAR aerotransportado

Fuente: Elaborado a partir de datos de: Ana Paula Dalla Corte, et al. 2022. Aplicações do lidar para o inventário florestal – enfoque unidade de área. Ponta Grossa - PR, 2022.
Diferencias entre Fotogrametría y LiDAR

Característica Fotogrametría LiDAR (ALS)

Tipo de medición Indirecta Directa (sensor activo)

Marco de coordenadas Global Local (referidas al centro del sensor LiDAR)

Georreferenciación Indirecta (no dependiente de la IMU) Directa a partir de GNSS + IMU

Penetración de la Solo se alcanza el suelo en áreas abiertas o con Se obtienen retornos desde el suelo aún con
vegetación vegetación dispersa (Cobertura < 60%) coberturas del 90%.

Dependencia del Iluminación adecuada No afectado por la iluminación

ambiente Sin neblina o lluvia Sin neblina o lluvia

Resultados Ortomosaico Nube de puntos

Nube de puntos

Posición Receptor GNSS con corrección diferencial Receptor GNSS con corrección diferencial
Receptor GNSS + Puntos de control

Inversión inicial Baja - media Muy alta

Recomendación: Análisis de datos LiDAR de interés forestal

Orientado a la obtención de estadísticas por

unidad de área, a partir de nubes LiDAR de
resolución media capturadas con aeronaves
tripuladas.

Descarga del libro:

https://www.researchgate.net/publication/36117605
5_Aplicacoes_do_LiDAR_para_o_inventario_florest
al_-_Enfoque_unidade_de_area

Acceso a los datos de ejemplo:

https://github.com/anadallacorte/Livro_Lidar
Segunda parte

Planificación de un
relevamiento
aerofotogramétrico
Dr. Eduardo Hildt
Investigador INTA EEA Montecarlo
hildt.eduardo@inta.gob.ar
El relevamiento fotogramétrico con VANTs.

Técnicas de fotogrametría
Georeferenciación Structure from motion
directa (SFM)
Posición X,Y,Z (cámara) Posición desconocida o
aproximada
Ángulos ω, φ, κ, Ángulos desconocidos
(Roll, Pitch, Yaw). o aproximados

Focal de la óptica Óptica aproximada

Dimensiones del sensor Dimensiones del sensor

Modelo de la superficie Solapamiento

adecuado

Puntos de control Puntos de control

Fuente: www.oxts.com
Solo es posible con El proceso SFM genera
GNSS e IMU precisa, y un ortomosaico con
si se dispone de un ubicación relativa o
DEM (o de LiDAR) absoluta.
Flujo de trabajo en un relevamiento aéreo.

Planificación del Vuelo y captura de

vuelo Establecimiento de las fotografías Proceso
Altura y GSD puntos de control Viento fotogramétrico
Patrón de vuelo Iluminación
Solapamiento Velocidad de vuelo
Condiciones GNSS

Restitución

Identificación y
Teledetección y Productos
segmentación de
mapeo
elementos Ortomosaico
Resultados
Nube de puntos

Modelo Digital de
Análisis de la Clasificación del Superficie (DSM)
estructura vertical suelo
El proceso
Extracción de puntos
característicos

Emparejamiento de
características

Estimación de la
posición relativa de las
cámaras

Estimación de los
parámetros de GCP
calibración de la cámara

Georeferenciación
(Bundle Adjustement)

Generación de nube de
puntos densa

Modelo digital de
superficie (DSM)
Fuente: Javadnejad, 2017
Ortomosaico
 SW Ancho del
Factores que afectan a la resolución alcanzada sensor (mm)

Ancho del SW * H ImW Ancho de la

área = imagen (px)
cubierta (m) F
F Distancia focal
GSD SW * H * 100 (mm)
(cm/px) =
F * ImW
Altura de vuelo (m)

Cámara / VANT F SW ImW 100 120 200 400 500

(mm) (mm) (px)

Zenmuse P1 35 35,9 8192 1,25 1,50 2,50 5,01 6,26

H Altura (m)
DJI Phantom 4 PRO 8,8 12,8 5472 2,66 3,19 5,32 10,63 13,29

DJI Air 2S 8,4 13,05 5472 2,84 3,41 5,68 11,36 14,20

DJI Mavic Air 2 4,5 6,4 4000 3,56 4,27 7,11 14,22 17,78 GSD Resolución espacial
(cm/px)
GSD (cm/px)
Fuente: pix4d.com
Solapamiento entre imágenes

La triangulación fotogramétrica depende de que cada característica sea observada en diferentes imágenes.
 Solapamiento entre imágenes

1 1 4

Solape lateral del 30%

2 (entre líneas de vuelo)

Solape frontal del 50%

(sobre la línea de vuelo)
1 4

2 3

Solape frontal del 50% y

lateral del 30%. Fuente: Pessacg et al., 2022
Requisitos para lograr un modelo 3D

● Se necesitan al menos dos vistas de cada elemento de la superficie que se quiere representar.

● Cuanto mayor sea el solapamiento entre las imágenes, mayores posibilidades de encontrar
coincidencias.

● Las coincidencias se emplean para establecer restricciones a las optimizaciones subyacentes en el

algoritmo SFM, resultando en una mayor precisión.

● Un mayor solape permite obtener mejores vistas del lateral de los elementos elevados, mejorando la
calidad de la reconstrucción.

Fuente: Pessacg et al., 2022

El costo de incrementar el porcentaje de solapamiento

● El solapamiento es directamente proporcional al número de imágenes.

● Un mayor solapamiento frontal se logra disparando las fotografías con mayor frecuencia y/o
volando a menor velocidad.

● Un mayor solapamiento lateral se logra reduciendo la distancia entre las líneas de vuelo, lo que
incrementa el tiempo y la cantidad de energía requerida para el relevamiento.

● El tiempo de procesamiento se incrementa al aumentar el número de imágenes.

● La capacidad de cómputo demandada se incrementa al aumentar el número de imágenes.

Fuente: Pessacg et al., 2022
Cálculo del porcentaje de solapamiento.

df: distancia entre

fotografías (m)

Donde:
df= velocidad * tiempo
of: solapamiento frontal (%)

ol: solapamiento lateral (%)

df: distancia entre fotografías en la línea (m)

dl: distancia entre líneas de vuelo (m) SF

Fuente: Pessacg et al., 2022

f: distancia focal (mm) SL

H: altura de vuelo (m)

w: ancho del sensor (mm) Tiempo requerido y

costo del relevamiento
h: altura del sensor (mm)
Impacto de la altura de vuelo sobre el solapamiento

Altura de vuelo Solapamiento

Altura de vuelo GSD (cm/px)

La altura de vuelo suele

< Solapamiento
fijarse respecto al punto
< GSD
de despegue. El relieve
puede provocar falta de
> Solapamiento solapamiento.
> GSD

Fuente: www.propelleraero.com
Posibles soluciones

Varios puntos de despegue Planificación del vuelo basada

en un DEM

Superposición entre los diferentes

vuelos

Fuente: www.propelleraero.com
El solapamiento respecto de los objetos que se elevan en el terreno.

Elementos elevados
afectan al solape entre
imágenes

Las zonas elevadas no

se llegan a reconstruir

Huecos en el
ortomosaico

Distorsiones en el DSM

Huecos en la nube de
puntos

Fuente: Evans et al., 2022

Patrones de vuelo Ventajas de
cada uno

Grilla simple Grilla doble

Fuente: Pessacg et al., 2022

El ángulo de cámara

90° Oblicua (80 - 60°)

Vistas superiores Buenas vistas laterales de 0° (horizontal)

adecuadas para la objetos elevados.
construcción de un
ortomosaico. Posibilidad de observar Fuente: www.dji.com
por debajo de las copas 60° (oblicua)
de los árboles.
Vistas laterales
limitadas a la periferia Mayor posibilidad de 90° (nadir)
de la imágen, encontrar puntos en
sufriendo desenfoque común con otras
y distorsión. imágenes vecinas
Vistas superiores
ligeramente
distorsionadas por la
perspectiva de la
observación.
GSD variable.
 1 foto cada 2 segundos
Velocidad de vuelo
<V >V
Rendimiento del
relevamiento

Solapamiento Tasa de fotografías por

frontal segundo máxima

Nitidez de las Velocidad de

fotografías obturación

Altura de vuelo

Tipo de obturador
Parámetros de la exposición

Condiciones de luz

Ajuste de sensibilidad Ajuste de velocidad de

ISO obturación

Velocidad de vuelo

13 - 15 m/s | 47 - 54 km/h
a 120 m de altura
dependiendo de la luminosidad Fuente: blog.garretthughes.com
Fuente: EMBRAPA, 2020
Efecto rolling shutter

Fuente: EMBRAPA, 2020

Aplicaciones para la automatización de los planes de vuelo

Planificación

Despegue Ejecución

Ajustes en campo

Inicio Fin
Importancia de los puntos de control

Georreferenciar los Error xy ≅ 2 x Error GCP 40 GCP/km² (Rel. cm)

resultados
1
Calcular el nivel de Error z ≅ 2,5 x Error xy
precisión del relevamiento
2

Eliminar distorsiones
geométricas en áreas
planas
Menor importancia si el 5
relevamiento empleó un dron RTK

Horizontal = 1 cm + 1~2 x GSD

Vertical = 2 cm + 1,5-3 x GSD
Rover Base

3
Efecto bowl - tazón de sopa 4
Importancia de los puntos de control

Estación base
Enlace por radio para la
corrección RTK

Receptor móvil (“Rover”)

Software disponible para la fotogrametría con drones

Procesamiento Procesamiento en
local la nube
Productos del proceso fotogramétrico: Ortomosaico
Resolución: 6,7 cm/px
Nube de puntos
Modelo Digital de la Superficie (DSM)
Resolución: 27 cm/px

Aplicación de filtros morfológicos sobre la nube de puntos

Modelo Digital del Terreno (DEM) procesado automáticamente por el software WebODM.
Resolución: 27 cm/px

Aplicación de filtros morfológicos sobre la nube de puntos

Modelo Digital del Terreno (DEM) - Análisis personalizado con Filtro CSF
Resolución: 4 m/px
MUCHAS GRACIAS
¿Preguntas?

hildt.eduardo@inta.gob.ar