LiDAR en Profundidad: De los Fotones a la Cartografía

Objetivos de la Sesión

• Auditar y corregir Sistemas de Referencia de Coordenadas (CRS) en nubes masivas.
• Comprender la física del pulso láser para filtrar datos con sentido territorial.
• Aplicar el estándar ASPRS para la gestión de infraestructura y terreno.
• Automatizar la detección del suelo mediante algoritmos (CSF).

1. El Desafío del CRS en 3D

A diferencia de la cartografía 2D, un error de proyección en LiDAR no solo desplaza el mapa en X e Y, sino que destruye la precisión altimétrica (Z).

• Sin archivo .prj: El CRS en un .las o .laz vive incrustado en su encabezado (Header).
• Asignar vs. Reproyectar:
  • Asignar (st_crs() <-): Le dice a R qué significan los números actuales. No altera los datos.
  • Reproyectar (st_transform()): Recalcula las X, Y, Z de puntos a nuevo sistema (ej. de UTM a Geográficas). Requiere alto poder de cómputo.

2. La Física del Retorno

Un solo pulso láser emitido por el sensor puede atravesar superficies semi-permeables (como la copa de un árbol) y generar múltiples “ecos” o retornos antes de extinguirse.

• Primeros: Copa forestal, techos, cables alta tensión.
• Intermedios: Ramas, sotobosque, estructuras internas.
• Últimos: Generalmente suelo desnudo (terreno).

Uso combinado de ReturnNumber y NumberOfReturns en lidR permite aislar el dosel o “limpiar” la vegetación.

3. La Intensidad del Pulso

La Intensidad mide la fuerza (amplitud) con la que el pulso láser regresa al sensor. Depende directamente de la reflectividad del material impactado.

• Alta intensidad: Asfalto nuevo, techos metálicos, suelo seco y desnudo.
• Baja intensidad: Cuerpos de agua (absorben el pulso), asfalto viejo, vegetación densa.
• Utilidad cartográfica: Es vital para distinguir elementos en el suelo cuando la elevación (Z) es idéntica, como pintar la línea que separa la calle de la vereda.

4. El Estándar ASPRS

La Sociedad Americana de Fotogrametría y Percepción Remota (ASPRS) define un “diccionario universal” para que cualquier software entienda qué representa cada punto.

Clases fundamentales: * 0: Nunca clasificado (Dato crudo) * 1: No asignado * 2: Terreno (Ground) * 5: Vegetación Alta * 6: Edificios / Estructuras * 7: Ruido (Puntos bajos, rebotes anómalos) * 9: Agua

5. Algoritmos de Clasificación: CSF

Cuando recibimos una nube cruda (Clase 0), necesitamos aislar el terreno (Clase 2) para crear un Modelo Digital de Terreno (MDT). Uno de los algoritmos más eficientes es el Cloth Simulation Filter (CSF).

¿Cómo funciona? 1. El algoritmo invierte matemáticamente la nube de puntos (la pone de cabeza). 2. Simula dejar caer una “tela” rígida sobre la nube invertida. 3. Los puntos que tocan la tela son clasificados como terreno. 4. Los puntos que quedan en los “bolsillos” de la tela (árboles, edificios) son clasificados como no-terreno.

Geometría Analítica: Detección de Formas (PCA)

El algoritmo shp_plane() no adivina; evalúa el entorno 3D de cada punto usando el Análisis de Componentes Principales (PCA).

Para un grupo de puntos, calcula tres ejes (valores propios o eigenvalues):

• \(\lambda_1\): Eje principal (Largo de la distribución).
• \(\lambda_2\): Eje secundario (Ancho de la distribución).
• \(\lambda_3\): Eje terciario (Grosor de la distribución).

shp_plane(k = 10, th1 = 10, th2 = 2)

1. Escala Local (\(k = 10\)): Define la lupa. Evalúa la forma geométrica del punto central junto a sus 9 vecinos más cercanos.

2. Regla de Planaridad o “Grosor” (\(th_1 = 10\)): Exige que el grupo sea “como un panqueque”. Su ancho debe ser al menos 10 veces mayor que su grosor. \[ \lambda_2 > th_1 \times \lambda_3 \]

3. Regla de Isotropía o “Proporción” (\(th_2 = 2\)): Exige que el grupo no sea “como un espagueti” (un cable). Su largo no puede exceder el doble de su ancho. \[ \lambda_1 < th_2 \times \lambda_2 \]