En el mundo de los SIG de c\u00f3digo abierto existen herramientas fant\u00e1sticas para trabajar con nubes de puntos. PDAL<\/a> (\u00ab\u00a0Point Data Abstraction Library\u00a0\u00bb) se ha convertido en una herramienta importante que admite muchos formatos de datos de entrada y tambi\u00e9n ofrece muchos algoritmos para procesar nubes de puntos. Para la visualizaci\u00f3n en la web, la biblioteca Potree<\/a> JavaScript es la opci\u00f3n m\u00e1s habitual. Para visualizar nubes de puntos en una aplicaci\u00f3n de escritorio, los usuarios suelen abrir CloudCompare<\/a>, que viene con diversas herramientas integradas.<\/p>\n\n\n\n La integraci\u00f3n de un visor de nubes de puntos en un SIG aporta un considerable valor a\u00f1adido a los usuarios en comparaci\u00f3n con un visor de nubes de puntos especializado y dedicado:<\/p>\n\n\n\n La principal dificultad a la hora de utilizar datos de nubes de puntos radica en la enorme cantidad de puntos que contienen los conjuntos de datos: tenemos que tratar con millones o incluso miles de millones de puntos para zonas geogr\u00e1ficas relativamente peque\u00f1as, mientras que los estudios a escala nacional pueden implicar billones de puntos. Con esta cantidad de datos, no es posible simplemente convertir el conjunto de datos en capas vectoriales \u00ab\u00a0ordinarias\u00a0\u00bb: las herramientas y formatos de datos t\u00edpicos de los SIG, como GeoPackage<\/a> o Shapefile<\/a>, no est\u00e1n optimizados para tales cantidades de datos y cualquier operaci\u00f3n llevar\u00eda mucho tiempo.<\/p>\n\n\n\n Desde la versi\u00f3n 3.26, se ha introducido en QGIS un nuevo tipo de capa cartogr\u00e1fica: la capa de nube de puntos, que se utiliza para todos los datos de nubes de puntos. Como ya se ha mencionado, no fue posible reutilizar el tipo de capa vectorial existente (con geometr\u00edas de puntos), ya que no est\u00e1 dise\u00f1ada para soportar cantidades tan grandes de puntos.<\/p>\n\n\n\n Para el acceso a los datos basados en ficheros, se decidi\u00f3 utilizar PDAL (biblioteca de abstracci\u00f3n de datos de puntos). Esta biblioteca sigue el planteamiento adoptado por la biblioteca GDAL: proporciona una interfaz com\u00fan para leer, escribir o procesar datos de nubes de puntos, y varios controladores (\u00ab\u00a0lectores\u00a0\u00bb y \u00ab\u00a0escritores\u00a0\u00bb en la terminolog\u00eda de PDAL) soportan las caracter\u00edsticas espec\u00edficas de los distintos formatos. Adem\u00e1s, PDAL ofrece un concepto de canalizaci\u00f3n que permite combinar varios algoritmos de procesamiento.<\/p>\n\n\n\n Lo segundo que hab\u00eda que considerar era c\u00f3mo mostrar los datos de forma eficaz. Recorrer todos los puntos de un conjunto de datos y dibujarlos no funcionar\u00eda bien y llevar\u00eda demasiado tiempo. Adem\u00e1s, ser\u00eda un despilfarro, ya que cuando se aleja la imagen, s\u00f3lo es necesario mostrar una peque\u00f1a cantidad de puntos. Un segundo caso a tener en cuenta era que, cuando un usuario hace mucho zoom, deber\u00edamos ser capaces de renderizar s\u00f3lo los puntos dentro del \u00e1rea de inter\u00e9s en lugar de leer los puntos fuera de la vista actual. Por lo tanto, necesit\u00e1bamos una forma de interrogar r\u00e1pidamente a los puntos en estas diferentes situaciones. Esta necesidad suele resolverse mediante el uso de estructuras de datos de partici\u00f3n del espacio (como los octrees) que dividen jer\u00e1rquicamente el espacio en vol\u00famenes m\u00e1s peque\u00f1os. Una caracter\u00edstica importante es que no s\u00f3lo las hojas, sino tambi\u00e9n los nodos internos contienen datos: gracias a ello, es posible no s\u00f3lo interrogar r\u00e1pidamente puntos en una peque\u00f1a \u00e1rea de inter\u00e9s, sino tambi\u00e9n obtener porciones m\u00e1s peque\u00f1as de puntos en diferentes niveles de zoom.<\/p>\n\n\n\n Los datos de nubes de puntos en formatos de uso com\u00fan como LAS son conjuntos bastante simples de puntos que no est\u00e1n asociados a ninguna estructura de datos de indexaci\u00f3n, y el orden de los puntos puede ser arbitrario. Por lo tanto, es necesario crear una estructura de datos de indexaci\u00f3n cuando se abren estos archivos para poder visualizarlos, algo que tambi\u00e9n hacen otros visualizadores (como CloudCompare<\/a>). Al indexar, los puntos deben ser reorganizados para que se pueda acceder a ellos r\u00e1pidamente al renderizarlos. Una vez completada la indexaci\u00f3n, tenemos una estructura de datos en forma de \u00e1rbol donde cada nodo contiene un subconjunto de la nube de puntos – esta nube de puntos indexada puede ser almacenada en disco o en memoria.<\/p>\n\n\n\n Lo m\u00e1s importante es que los usuarios pueden ver los datos de la nube de puntos en un mapa 2D o 3D. La ventaja a\u00f1adida de la plena integraci\u00f3n con QGIS es que se pueden superponer otros datos (vectoriales o r\u00e1ster) a los datos de la nube de puntos.<\/p>\n\n\n\n Para permitir una representaci\u00f3n r\u00e1pida en 2D y 3D incluso de grandes conjuntos de datos, QGIS es capaz de representar subconjuntos de los datos utilizando el \u00edndice jer\u00e1rquico (generado cuando los datos se cargan por primera vez en QGIS). Cuando el usuario aleja el zoom, QGIS dibuja s\u00f3lo un peque\u00f1o n\u00famero de puntos, y en cuanto el usuario acerca el zoom, QGIS dibuja un n\u00famero cada vez mayor de puntos (al tiempo que reduce la extensi\u00f3n del mapa).<\/p>\n\n\n\n Todo el proceso de renderizado est\u00e1 dirigido por la clase QgsPointCloudLayerRenderer (donde la mayor parte del trabajo se realiza en un hilo, como es el caso de otros renderizadores de capas). Por el momento, el error geom\u00e9trico aceptable (es decir, el espaciado aceptable entre puntos) se determina en funci\u00f3n de la escala del mapa – por ejemplo, a una escala de 1:1.000.000, un espaciado de 1 km entre puntos puede ser apropiado, pero a una escala de 1:1.000, se requiere un espaciado mucho menor de, digamos, 1 metro. Este par\u00e1metro est\u00e1 expuesto a los usuarios para que puedan controlarlo como un par\u00e1metro de \u00ab\u00a0filtrado din\u00e1mico\u00a0\u00bb, en caso de que el usuario desee anular la configuraci\u00f3n predeterminada (por ejemplo, para obtener una mejor calidad de renderizado o tiempos de renderizado m\u00e1s r\u00e1pidos).<\/p>\n\n\n A continuaci\u00f3n, recorremos la jerarqu\u00eda de \u00edndices y recuperamos los nodos que cruzan la extensi\u00f3n de la vista del mapa y tienen un error geom\u00e9trico aceptable. Por \u00faltimo, recuperamos los datos de la nube de puntos de estos nodos, ya sea de la cach\u00e9 de capas (si ya est\u00e1n en memoria) o de los nodos \u00edndice, y dibujamos los puntos uno a uno.<\/p>\n\n\n\n En el trabajo realizado hasta ahora, se ha previsto una \u00fanica implementaci\u00f3n del motor de renderizado. Dibuja puntos de un tama\u00f1o fijo, el color de los puntos viene determinado por uno de los atributos elegidos por el usuario (por ejemplo, elevaci\u00f3n, clasificaci\u00f3n, n\u00famero de vuelta) y la rampa de color elegida. Adem\u00e1s, se admiten algunas opciones b\u00e1sicas de filtrado (por ejemplo, s\u00f3lo el \u00faltimo retorno, s\u00f3lo un valor o valores concretos de clasificaci\u00f3n, s\u00f3lo un rango concreto de elevaciones).<\/p>\n\n\n\n En el futuro podr\u00e1n a\u00f1adirse otras representaciones, como la visualizaci\u00f3n de una superficie interpolada (calculada sobre la marcha a partir de datos puntuales), sombreados o contornos.<\/p>\n\n\n\n B\u00e1sicamente, el renderizado de nubes de puntos en 3D sigue los mismos principios que el renderizado en 2D: utilizando el \u00edndice jer\u00e1rquico, determinamos qu\u00e9 nodos deben mostrarse, bas\u00e1ndonos en qu\u00e9 datos de puntos se cargan y se muestran en la escena 3D. Parte de la infraestructura necesaria ya exist\u00eda: las vistas 3D de QGIS permiten renderizar el terreno en \u00ab\u00a0trozos\u00a0\u00bb desde el principio (a medida que el usuario se acerca al terreno, se renderizan elevaciones y texturas de mapa m\u00e1s detalladas). Como el mecanismo es bastante gen\u00e9rico y se ha extendido a los datos de capas vectoriales en el pasado, tambi\u00e9n se ha extendido a las nubes de puntos. En el pasado estaba limitado por el hecho de que siempre esperaba una jerarqu\u00eda cuatripartita, pero esto se ha actualizado para permitir jerarqu\u00edas de \u00e1rbol octree.<\/p>\n\n\n\n Las opciones de estilo para las vistas 3D son similares a las opciones de renderizado 2D: configuraci\u00f3n del tama\u00f1o de los puntos, coloraci\u00f3n basada en un \u00fanico atributo y algunas opciones sencillas de filtrado de datos.<\/p>\n\n\n\n Tambi\u00e9n se ha podido a\u00f1adir el efecto de iluminaci\u00f3n eye-dome<\/a>, que mejora la percepci\u00f3n de la profundidad.<\/p>\n\n\n\n La herramienta de identificaci\u00f3n de mapas 2D y 3D se ha actualizado para devolver informaci\u00f3n completa sobre los puntos identificados. Adem\u00e1s de sus coordenadas XYZ, tambi\u00e9n devuelve el valor de otros atributos de cada punto (como la clasificaci\u00f3n y otros atributos).<\/p>\n\n\n\n Se ha integrado un nuevo proveedor de procesamiento nativo para algoritmos de nubes de puntos: el proveedor utiliza la herramienta de l\u00ednea de comandos pdal_wrench<\/em><\/strong> y actualmente soporta los siguientes algoritmos:<\/p>\n\n\n Como pdal_wrench<\/em><\/strong> requiere PDAL >= 2.5.0, el nuevo proveedor de procesamiento s\u00f3lo estar\u00e1 disponible si se cumple la versi\u00f3n requerida de PDAL.<\/p>\n\n\n\n Hay varias razones para utilizar pdal_wrench en lugar de utilizar la API de PDAL y construir pipelines:<\/p>\n\n\n\n En la interfaz gr\u00e1fica hay disponible un nuevo widget de creaci\u00f3n de expresiones para nubes de puntos que permite crear filtros para nubes de puntos de una forma sencilla y coherente con las interfaces de creaci\u00f3n de expresiones de QGIS.<\/p>\n\n\n\n Se ha a\u00f1adido la opci\u00f3n de filtrar la nube de puntos de entrada por rect\u00e1ngulo (extensi\u00f3n) y expresi\u00f3n en los siguientes algoritmos PDAL:<\/p>\n\n\n\n Esto permite procesar s\u00f3lo un subconjunto de los puntos del archivo o archivos de entrada, sin necesidad de un paso intermedio de filtrado ni de generar archivos temporales.<\/p>\n\n\n\n Para quienes s\u00f3lo necesiten filtrar, existe tambi\u00e9n un algoritmo de filtrado independiente capaz de filtrar por rango, por expresi\u00f3n o por su combinaci\u00f3n.<\/p>\n\n\n\n Existe un nuevo proveedor de datos para los archivos de nubes de puntos virtuales (VPC) creados por la utilidad pdal_wrench y la herramienta Build virtual point cloud (VPC) en el nuevo proveedor Native point cloud Processing.<\/p>\n\n\n\n El archivo VPC se trata como una \u00fanica capa en QGIS y puede contener un gran n\u00famero de archivos de nubes de puntos cuyos \u00edndices se cargan cuando el lienzo se ampl\u00eda lo suficiente. Los archivos individuales contenidos en el archivo virtual se muestran como derechos de paso mientras su extensi\u00f3n sea inferior a la anchura de la ventana del mapa. En cuanto el zoom es suficientemente grande y la extensi\u00f3n de un archivo individual supera la anchura de la ventana del mapa, se muestran los puntos del archivo.<\/p>\n\n\n\n Una nube de puntos virtual es un archivo contenedor JSON con extensi\u00f3n .vpc, que remite a otros archivos\/URL que contienen los datos reales de la nube de puntos. Este concepto es similar al de los r\u00e1sters virtuales (VRT) en GDAL.<\/p>\n\n\n\n Las nubes de puntos virtuales pueden ser renderizadas en vistas 3D. Para la gesti\u00f3n del rendimiento, se especifica un umbral de sub\u00edndice para que la vista renderice los puntos de la nube de puntos s\u00f3lo cuando sea apropiado, y renderice la extensi\u00f3n de un sub\u00edndice concreto en su lugar cuando no se cumpla el criterio del umbral.<\/p>\n\n\n\n
Las nuevas capas de nubes de puntos<\/h2>\n\n\n\n
Indexaci\u00f3n de nubes de puntos<\/h2>\n\n\n\n
Vista de mapa 2D\/3D<\/h2>\n\n\n\n
Renderizado 2D<\/h2>\n\n\n\n
![\"nubes](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/erreurmax.png?resize=640%2C688&ssl=1\")
<\/a>Renderizado 3D<\/h2>\n\n\n\n
Identificaci\u00f3n de puntos<\/h2>\n\n\n\n
Novedades de la versi\u00f3n 3.32<\/h2>\n\n\n\n
Proveedor de procesamiento nativo para nubes de puntos\u00b6<\/h3>\n\n\n\n
![\"Nuevos](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/news.png?resize=271%2C440&ssl=1\")
<\/a><\/figure>\n<\/div>\n\n\n\n
\n
Constructor de expresiones de nubes de puntos para Processing framework\u00b6<\/h3>\n\n\n\n
![\"asistente](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/expression.png?resize=640%2C485&ssl=1\")
<\/a><\/figure>\n\n\n\nFiltrado por rect\u00e1ngulo y expresi\u00f3n a\u00f1adido a los algoritmos PDAL\u00b6.<\/h3>\n\n\n\n
\n
![\"filtrado](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/filtrage.png?resize=640%2C745&ssl=1\")
<\/a><\/figure>\n\n\n\nNubes de puntos virtuales (VPC)\u00b6<\/h3>\n\n\n\n
![\"c\u00f3mo](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/vpc.gif?resize=640%2C386&ssl=1\")
<\/a><\/figure>\n\n\n\n<\/div>
Visualizaci\u00f3n de nubes de puntos virtuales (VPCs) en vistas 3D\u00b6<\/h3>\n\n\n\n
![\"c\u00f3mo](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/i3D.gif?resize=403%2C301&ssl=1\")
<\/a><\/figure>\n<\/div>","protected":false},"excerpt":{"rendered":"