{"id":11800,"date":"2023-08-03T16:16:08","date_gmt":"2023-08-03T14:16:08","guid":{"rendered":"https:\/\/www.sigterritoires.fr\/?p=11800"},"modified":"2023-08-03T16:43:22","modified_gmt":"2023-08-03T14:43:22","slug":"qgis-para-lidar-modelo-digital-de-superficie-mds-con-cloudcompare-y-lastools","status":"publish","type":"post","link":"https:\/\/www.sigterritoires.fr\/index.php\/es\/qgis-para-lidar-modelo-digital-de-superficie-mds-con-cloudcompare-y-lastools\/","title":{"rendered":"QGis para LIDAR: modelo digital de superficie (MDS) con CloudCompare y LAStools"},"content":{"rendered":"\n

En este art\u00edculo encontrar\u00e1 la definici\u00f3n de un modelo digital de superficie y, paso a paso, c\u00f3mo crear un DSM a partir de una nube LIDAR clasificada y no clasificada, utilizando CloudCompare y LAStools<\/a>.<\/p>\n\n\n\n

Modelos digitales de elevaci\u00f3n<\/h2>\n\n\n\n
Un Modelo Digital de Elevaci\u00f3n<\/em><\/strong> (MDE) representa una versi\u00f3n digital de un objeto existente o virtual y sus alrededores. Puede incluir caracter\u00edsticas como el relieve del terreno en una regi\u00f3n espec\u00edfica. El MDE es un concepto global que puede abarcar no s\u00f3lo la elevaci\u00f3n del terreno, sino tambi\u00e9n todas las capas situadas sobre \u00e9l, como la vegetaci\u00f3n o los edificios. Cuando la informaci\u00f3n se limita a la elevaci\u00f3n del terreno, se utiliza el t\u00e9rmino Modelo Digital del Terreno<\/em><\/strong> (MDT). Proporciona datos sobre la elevaci\u00f3n de cada punto del terreno. Si la informaci\u00f3n se refiere a la altura m\u00e1xima sobre el nivel del suelo en cada celda, entonces el MDT se denomina Modelo Digital de Superficie<\/em><\/strong> (MDS).<\/p>\n\n\n\n
Los paisajes naturales son demasiado complejos para modelarlos anal\u00edticamente, por lo que la informaci\u00f3n suele basarse en muestras. Lo ideal ser\u00eda que un modelo \u00ab\u00a0aut\u00e9ntico\u00a0\u00bb incluyera tambi\u00e9n un m\u00e9todo de interpolaci\u00f3n que permitiera obtener valores de elevaci\u00f3n entre muestras, pero esta funcionalidad no suele estar al alcance del usuario final. Las especificaciones de un MDE tambi\u00e9n se definen mediante datos auxiliares. Estas especificaciones, que describen el conjunto de datos, son esenciales para que los usuarios puedan acceder a ellos, transmitirlos y analizarlos. Abarcan varias caracter\u00edsticas que se consideran esenciales.<\/p>\n\n\n\n
Las especificaciones de un MDE suelen incluir dos tipos de par\u00e1metros. Por un lado, las especificaciones de elevaci\u00f3n est\u00e1ndar no difieren de las de los mapas anal\u00f3gicos, y suelen incluir par\u00e1metros geod\u00e9sicos como el elipsoide, la proyecci\u00f3n, el origen de las elevaciones, as\u00ed como la ubicaci\u00f3n geogr\u00e1fica, como las coordenadas de las esquinas. La \u00fanica excepci\u00f3n es la escala, que carece de significado en el contexto de los mapas digitales. Por otro lado, un MDE es un producto digital que requiere especificaciones para ser interpretado como una cuadr\u00edcula de alturas. Estas especificaciones incluyen :<\/p>\n\n\n\n
\n
El formato num\u00e9rico, incluido el tipo de dato (entero, car\u00e1cter, real, etc.) y su longitud (generalmente 2 bytes).<\/li>\n\n\n\n
El significado de los valores num\u00e9ricos, es decir, la unidad de medida (metro o pie) y, en algunos casos, los coeficientes de una ley de conversi\u00f3n. Por ejemplo, una transformaci\u00f3n lineal puede adaptar los valores a un intervalo determinado.<\/li>\n\n\n\n
La estructura de la cuadr\u00edcula, que puede ser irregular (como las cuadr\u00edculas triangulares irregulares o las curvas de nivel digitalizadas) o regular (normalmente una cuadr\u00edcula regular con celdas cuadradas).<\/li>\n\n\n\n
En el caso de una malla regular con celdas cuadradas, que es la estructura m\u00e1s com\u00fan, una especificaci\u00f3n importante es el tama\u00f1o de las celdas, aunque no debe confundirse con la resoluci\u00f3n.<\/li>\n<\/ul>\n\n\n\n
En resumen, el Modelo Digital de Elevaci\u00f3n es una representaci\u00f3n digital de la topograf\u00eda de una zona determinada, incluidos los objetos en altura. Sus especificaciones son esenciales para interpretar correctamente los datos contenidos en el modelo.<\/strong><\/p>\n\n\n\n
El Modelo Digital de Superficie (MDS)<\/p>\n\n\n\n
El Modelo Digital de Superficie (MDS) es un concepto clave en los Sistemas de Informaci\u00f3n Geogr\u00e1fica (SIG) y la teledetecci\u00f3n. Constituye una representaci\u00f3n digital de una superficie terrestre, generalmente desde el suelo hasta la parte superior de los objetos presentes en dicha superficie, como edificios, \u00e1rboles, etc. El MDS se utiliza para describir la elevaci\u00f3n o altitud del terreno y de los objetos situados sobre \u00e9l.<\/p>\n\n\n\n
He aqu\u00ed algunos puntos clave sobre el Modelo Digital de Superficie en los SIG:<\/p>\n\n\n\n
\n
Definici\u00f3n de un DSM: El DSM es un modelo matem\u00e1tico tridimensional que asocia valores de elevaci\u00f3n a cada punto de una superficie terrestre y a todos los objetos que se encuentran sobre ella, como edificios, \u00e1rboles, coches, etc. Estos valores de elevaci\u00f3n pueden representarse como un porcentaje de la elevaci\u00f3n de la superficie. Estos valores de elevaci\u00f3n pueden representarse mediante puntos, p\u00edxeles o mallas, seg\u00fan el m\u00e9todo utilizado para crear el MDS.<\/li>\n\n\n\n
Adquisici\u00f3n de datos : Los datos para crear un MDS pueden obtenerse de diversas fuentes, como levantamientos topogr\u00e1ficos sobre el terreno, im\u00e1genes por sat\u00e9lite o a\u00e9reas, datos LiDAR (Light Detection and Ranging) u otras t\u00e9cnicas de teledetecci\u00f3n. Los levantamientos LiDAR son especialmente populares para crear MDS de alta resoluci\u00f3n y precisi\u00f3n.<\/li>\n\n\n\n
Utilizaci\u00f3n del MDS: El Modelo Digital de Superficie se utiliza en una amplia gama de aplicaciones, como la ordenaci\u00f3n del territorio, la cartograf\u00eda, la gesti\u00f3n de recursos naturales, los estudios ecol\u00f3gicos, la planificaci\u00f3n urbana, la gesti\u00f3n de inundaciones, la ingenier\u00eda civil, la planificaci\u00f3n de redes de comunicaciones, etc. Proporciona informaci\u00f3n sobre las caracter\u00edsticas del terreno, la altura de los edificios, las zonas con riesgo de inundaci\u00f3n, la pendiente del terreno, etc.<\/li>\n\n\n\n
Diferencias con el Modelo Digital del Terreno (MDT): Es importante no confundir el MDT con el Modelo Digital del Terreno (MDT). El MDT representa \u00fanicamente la superficie del terreno natural, sin tener en cuenta objetos como edificios o vegetaci\u00f3n. Por lo general, el MDT se obtiene eliminando del MDS los elementos a\u00e9reos, como edificios y \u00e1rboles.<\/li>\n\n\n\n
Tratamiento de datos : La creaci\u00f3n de un MDT puede implicar un complejo procesamiento de datos para filtrar los puntos innecesarios, reducir el ruido, rellenar huecos y generar una representaci\u00f3n continua del terreno. Para crear un MDT de alta calidad pueden utilizarse diversas t\u00e9cnicas de procesamiento, como la interpolaci\u00f3n, el filtrado y la fusi\u00f3n de datos de m\u00faltiples fuentes.<\/li>\n<\/ul>\n\n\n\n
En resumen, el Modelo Digital de Superficie (MDS) es una representaci\u00f3n digital completa de una superficie terrestre, que incluye elementos a\u00e9reos como edificios y \u00e1rboles. Se utiliza ampliamente en SIG para muchas aplicaciones y proporciona informaci\u00f3n valiosa sobre la topograf\u00eda y la morfolog\u00eda del paisaje.<\/strong><\/p>\n\n\n\n
\u00bfDatos clasificados o brutos?<\/h2>\n\n\n\n
Generar un MDS a partir de una nube de puntos LIDAR puede ser muy sencillo o m\u00e1s complicado, dependiendo del tipo de datos utilizados. Nos limitaremos aqu\u00ed a los dos tipos de datos disponibles en el IGN: datos brutos y datos clasificados.<\/p>\n\n\n\n
La siguiente imagen muestra una nube de puntos en bruto en CloudCompare:<\/p>\n\n\n\n
$\"nuage$ <\/a><\/figure>\n\n\n\n
Se pueden ver puntos por encima y por debajo del terreno. Estos puntos se conocen como \u00ab\u00a0ruido\u00a0\u00bb de nubes. Como hemos descrito en la introducci\u00f3n de este art\u00edculo, la generaci\u00f3n de un modelo digital de superficie implica un proceso de interpolaci\u00f3n. Mientras que el ruido no es un problema para algunos tratamientos, en cuanto se trata de interpolar valores, estos puntos afectar\u00e1n al resultado de forma bastante dram\u00e1tica. El resultado MNS de la imagen anterior, sin intervenci\u00f3n sobre este ruido, da el resultado siguiente:<\/p>\n\n\n\n
$\"calcul$ <\/a><\/figure>\n\n\n\n
La influencia de este ruido depende de varios factores (precisi\u00f3n del DSM, par\u00e1metros de interpolaci\u00f3n, etc.) pero, aunque su influencia en el resultado puede reducirse, lo mejor sigue siendo eliminar el ruido antes de generar el DSM.<\/p>\n\n\n\n
En el caso de los datos clasificados, los puntos considerados como ruido se incluyen en la clase 65. Para generar el MDS se puede utilizar una herramienta nativa de QGis, LAStools o WhiteboxTools. Veremos esto en el pr\u00f3ximo cap\u00edtulo.<\/p>\n\n\n\n
Aqu\u00ed vamos a procesar una nube bruta con ruido y vamos a utilizar CloudCompare.<\/p>\n\n\n\n
C\u00e1lculo de un modelo digital de superficie (DSM) con CloudCompare<\/h2>\n\n\n\n
La ventaja de utilizar CloudCompare para llevar a cabo este procesamiento es que se puede comprobar visualmente la calidad de la eliminaci\u00f3n del ruido.<\/p>\n\n\n\n
Comenzamos con una nube de puntos sin clasificar del IGN:<\/p>\n\n\n\n
$\"nuage$ <\/a><\/figure>\n\n\n\n
Si ampliamos la imagen, podemos ver claramente el ruido presente:<\/p>\n\n\n\n
$\"zoom$ <\/a><\/figure>\n\n\n\n
Hay dos filtros disponibles en CloudCompare para eliminar el ruido:<\/p>\n\n\n\n
El filtro SOR<\/h3>\n\n\n\n
La herramienta \u00ab\u00a0filtro SOR\u00a0\u00bb es muy similar al S.O.R. (Statistical Outlier Removal) de la biblioteca PCL. En primer lugar, calcula la distancia media de cada punto a sus vecinos (considerando k vecinos m\u00e1s cercanos para cada uno – k es el primer par\u00e1metro). A continuaci\u00f3n, rechaza los puntos que se encuentran a una distancia superior a la distancia media m\u00e1s un n\u00famero determinado de veces la desviaci\u00f3n t\u00edpica (segundo par\u00e1metro). Lo encontrar\u00e1s en el men\u00fa->Tools->Clean->SOR filter.<\/p>\n\n\n\n
$\"menu$ <\/a><\/figure>\n\n\n\n
Aparecer\u00e1 una ventana en la que podr\u00e1s introducir los dos par\u00e1metros del filtro:<\/p>\n\n\n\n
$\"dialogue$ <\/a><\/figure>\n\n\n\n
El filtro Ruido (Noise)<\/h3>\n\n\n\n
La herramienta \u00ab\u00a0Filtro de ruido\u00a0\u00bb se parece un poco al filtro S.O.R., pero tiene en cuenta la distancia a la superficie subyacente en lugar de la distancia a los vecinos.<\/p>\n\n\n\n
Este algoritmo ajusta localmente un plano (alrededor de cada punto de la nube) y luego elimina el punto si est\u00e1 demasiado lejos del plano ajustado. Este filtro puede considerarse un filtro de paso bajo.<\/p>\n\n\n\n
Para estimar la superficie (plana) subyacente, el usuario puede definir un radio o un n\u00famero (constante) de vecinos. El usuario tambi\u00e9n puede elegir entre un error relativo (como S.O.R.) y un error absoluto. Los puntos aislados tambi\u00e9n pueden eliminarse en la misma ejecuci\u00f3n.<\/p>\n\n\n\n
En nuestro caso, la utilizaci\u00f3n del filtro SOR es mucho m\u00e1s eficaz. El resultado es :<\/p>\n\n\n\n
$\"nuage$ <\/a><\/figure>\n\n\n\n
Y si se ampl\u00eda la imagen, se puede confirmar que se ha eliminado el ruido:<\/p>\n\n\n\n
$\"zoom$ <\/a><\/figure>\n\n\n\n
Para crear un SNM, haz clic en la capa limpiada en la lista de capas, y luego en la herramienta Raster de CloudCompare.<\/p>\n\n\n\n
$\"bouton$ <\/a><\/figure>\n\n\n\n
Aparece la ventana de configuraci\u00f3n de la transformaci\u00f3n r\u00e1ster.<\/p>\n\n\n\n
$\"param\u00e9trage$ <\/a><\/figure>\n\n\n\n
El par\u00e1metro step (paso) indica la precisi\u00f3n de la malla de salida. La configuraci\u00f3n por defecto es de 1 metro, pero vamos a crear un SNM con un paso de 0,5m.<\/p>\n\n\n\n
En Active Layer<\/em><\/strong> selecciona Cell height values<\/em><\/strong><\/p>\n\n\n\n
El par\u00e1metro direction<\/em><\/strong> debe estar ajustado a Z<\/em><\/strong> para la interpolaci\u00f3n horizontal y la cell height<\/em><\/strong>da debe estar ajustada a maximum<\/em><\/strong>.<\/p>\n\n\n\n
Haz clic en Update grid<\/em><\/strong> y ver\u00e1s una vista previa del resultado<\/p>\n\n\n\n
$\"cr\u00e9ation$ <\/a><\/figure>\n\n\n\n
Haz clic en el bot\u00f3n \u00ab\u00a0Raster\u00a0\u00bb para crear el raster MNS:<\/p>\n\n\n\n
$\"menu$ <\/a><\/figure>\n\n\n\n
Da un nombre a tu archivo MNS y ya est\u00e1.<\/p>\n\n\n\n
Ahora podemos cargar el MNS en QGis y ver el resultado.<\/p>\n\n\n\n
Cargamos la nube de puntos LIDAR original y el raster que acabamos de crear.<\/p>\n\n\n\n
Para ver exactamente c\u00f3mo se calcul\u00f3 el DSM, vamos a utilizar Ver -> Perfil de Elevaci\u00f3n<\/em><\/strong><\/p>\n\n\n\n
$\"r\u00e9sultat$ <\/a><\/figure>\n\n\n\n
Puedes ver que el SNM ha sido calculado correctamente para esta nube de puntos.<\/p>\n\n\n\n
Si tienes una nube de puntos clasificada, en CloudCompare necesitas eliminar (filtrar) los puntos que han sido clasificados como ruido, antes de hacer el raster MNS.<\/p>\n\n\n\n
$\"nuage$ <\/a><\/figure>\n\n\n\n
En este ejemplo tenemos las clases 64, 64 y 202, que incluyen ruido as\u00ed como puntos que no son de inter\u00e9s para el DSM.<\/p>\n\n\n\n
En CloudCompare, aseg\u00farate de tener activada Classification<\/em><\/strong> en Scalar Field<\/em><\/strong>.<\/p>\n\n\n\n
$\"scalar$ <\/a><\/figure>\n\n\n\n
Aplicamos un filtro a la capa original, usando el men\u00fa Edit -> Scalar fields -> Filter by value<\/em><\/strong><\/p>\n\n\n\n
$\"filtrage$ <\/a><\/figure>\n\n\n\n
Ver\u00e1s una ventana que te permite establecer un rango de clases a exportar, entendiendo aqu\u00ed exportar como crear una nueva capa.<\/p>\n\n\n\n
$\"s\u00e9lection$ <\/a><\/figure>\n\n\n\n
En nuestro ejemplo, el rango es de 1 a 202, ya que estos son los valores de las clases presentes en la nube. Cambiamos el valor m\u00e1ximo a 20 (la clase m\u00e1s alta es 17: tablero de puente), y ejecutamos<\/p>\n\n\n\n
Tenemos entonces una nueva nube de puntos en la que ya no tenemos ruido ni artefactos y que se puede utilizar, como vimos anteriormente, para crear el raster para el MDS.<\/p>\n\n\n\n
$\"r\u00e9sultat$ <\/a><\/figure>\n\n\n\n
C\u00e1lculo de un modelo digital de superficie (MDS) con LAStools<\/h2>\n\n\n\n
Para crear el DSM con LAStools utilizaremos dos herramientas:<\/p>\n\n\n\n
\n
la primera, LASnoise, nos permitir\u00e1 clasificar los puntos de ruido en una clase determinada (clase 7)<\/li>\n\n\n\n
la segunda, las2dem, nos permitir\u00e1 generar un raster con las alturas de los puntos, donde habremos excluido la clase 7.<\/li>\n<\/ul>\n\n\n\n
LASnoise<\/h3>\n\n\n\n
La ventana de configuraci\u00f3n de la herramienta LASnoise <\/em><\/strong>es la siguiente:<\/p>\n\n\n\n
$\"filtrage$ <\/a><\/figure>\n\n\n\n
Dejamos los valores por defecto, en concreto classify as<\/em><\/strong> con el valor 7.<\/p>\n\n\n\n
Una vez ejecutado el comando, podemos abrir el di\u00e1logo de la herramienta las2dem.<\/p>\n\n\n\n
LAS2dem<\/h3>\n\n\n\n
Esta herramienta interpola una nube de puntos utilizando la Z de los puntos. En el ejemplo que estamos siguiendo, con una nube de puntos LIDAR sin clasificar, hemos clasificado el ruido como clase 7. Pediremos a LAS2dem que ignore estos puntos.<\/p>\n\n\n\n
En el caso de una nube de puntos clasificada, utilizaremos LAS2dem directamente sobre la nube clasificada, pidi\u00e9ndole que ignore la clase 65.<\/p>\n\n\n\n
$\"cr\u00e9ation$ <\/a><\/figure>\n\n\n\n
En el men\u00fa desplegable filter(by return,classification,flags)<\/em><\/strong>, seleccione drop_class 7<\/em><\/strong>. Esto asegurar\u00e1 que los puntos de ruido no se tengan en cuenta al interpolar el DSM.<\/p>\n\n\n\n
En step size\/pixel size <\/em><\/strong>establezca el tama\u00f1o de p\u00edxel del DSM, luego ejecute el comando.<\/p>\n\n\n\n
El resultado se puede cargar en la ventana QGis. Podemos entonces comparar el resultado con la nube de puntos original y con el MDS calculado con CloudCompare.<\/p>\n\n\n\n
$\"\"$ <\/a><\/figure>\n\n\n\n
A modo de comparaci\u00f3n, el SNM generado por CloudCompare tard\u00f3 menos de un minuto en calcularse\u2026<\/p>\n\n\n\n
El resultado puede ser cargado en la ventana de QGis. Podemos comparar el resultado con la nube de puntos original y con el MDS calculado con CloudCompare.<\/p>\n\n\n\n
$\"\"$ <\/a><\/figure>\n\n\n\n
En rojo tenemos el MNS calculado por LAS2dem y en azul el calculado con CloudCompare. El primero parece m\u00e1s fino, pero depende de c\u00f3mo se vaya a utilizar si esta finura merece la pena por el tiempo de c\u00e1lculo que requiere.<\/p>\n","protected":false},"excerpt":{"rendered":"
En este art\u00edculo encontrar\u00e1 la definici\u00f3n de un modelo digital de superficie y, paso a paso, c\u00f3mo crear un DSM a partir de una nube LIDAR clasificada y no clasificada, utilizando CloudCompare y LAStools. Modelos digitales…<\/p>\n","protected":false},"author":1,"featured_media":11784,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"give_campaign_id":0,"_bbp_topic_count":0,"_bbp_reply_count":0,"_bbp_total_topic_count":0,"_bbp_total_reply_count":0,"_bbp_voice_count":0,"_bbp_anonymous_reply_count":0,"_bbp_topic_count_hidden":0,"_bbp_reply_count_hidden":0,"_bbp_forum_subforum_count":0,"sfsi_plus_gutenberg_text_before_share":"","sfsi_plus_gutenberg_show_text_before_share":"","sfsi_plus_gutenberg_icon_type":"","sfsi_plus_gutenberg_icon_alignemt":"","sfsi_plus_gutenburg_max_per_row":"","_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[2424],"tags":[2487,2597,2599,2489,2080,2601,2603,2605,1369,2607],"class_list":["post-11800","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-lidar-es","tag-cloudcompare-es","tag-las2dem-es","tag-lasnoise-es","tag-lastools-es","tag-lidar-es","tag-mds-es","tag-modelo-digital-de-superficie-es","tag-nube-de-puntos-es","tag-qgis-es","tag-sor-filter-es"],"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/08\/resultat_mns_qgis.png?fit=3842%2C2160&ssl=1","jetpack_shortlink":"https:\/\/wp.me\/p6XU0A-34k","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts\/11800","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/comments?post=11800"}],"version-history":[{"count":0,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts\/11800\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/media\/11784"}],"wp:attachment":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/media?parent=11800"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/categories?post=11800"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/tags?post=11800"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}