Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70
En el presente documento se realiza una verificación de la información obtenida a partir de los datos de dos sensores topográficos aerotransportados LiDAR , Rigel VQ 580 y Leica ALS70, con los cuales se obtuvo cuatro nubes de puntos de una misma zona, con las que se realizaron comparaciones de las c...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2015
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/4207
- Acceso en línea:
- http://hdl.handle.net/11349/4207
- Palabra clave:
- Sensores
Lidar
Clasificación
MDT
Métodos de interpolación
Validación de datos
Ingeniería Topográfica – Tesis y Disertaciones Académicas Aerofotografía Geomática - Uso Sistemas de información geográfica Detección a distancia
Sensors
LiDAR
Sorting
MDT
Interpolation methods
Data validation
- Rights
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
id |
UDISTRITA2_e83e3ac5938f670c36431b6f25e7aa9d |
---|---|
oai_identifier_str |
oai:repository.udistrital.edu.co:11349/4207 |
network_acronym_str |
UDISTRITA2 |
network_name_str |
RIUD: repositorio U. Distrital |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70 |
dc.title.titleenglish.spa.fl_str_mv |
Iterative Analysis Compared to Obtaining Optimal Parameters in the Classification Lidar Point Cloud Sensors with Riegl VQ 580 and Leica ALS70 |
title |
Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70 |
spellingShingle |
Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70 Sensores Lidar Clasificación MDT Métodos de interpolación Validación de datos Ingeniería Topográfica – Tesis y Disertaciones Académicas Aerofotografía Geomática - Uso Sistemas de información geográfica Detección a distancia Sensors LiDAR Sorting MDT Interpolation methods Data validation |
title_short |
Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70 |
title_full |
Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70 |
title_fullStr |
Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70 |
title_full_unstemmed |
Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70 |
title_sort |
Análisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70 |
dc.contributor.advisor.spa.fl_str_mv |
Barragán Zaque, William Benigno |
dc.subject.spa.fl_str_mv |
Sensores Lidar Clasificación MDT Métodos de interpolación Validación de datos |
topic |
Sensores Lidar Clasificación MDT Métodos de interpolación Validación de datos Ingeniería Topográfica – Tesis y Disertaciones Académicas Aerofotografía Geomática - Uso Sistemas de información geográfica Detección a distancia Sensors LiDAR Sorting MDT Interpolation methods Data validation |
dc.subject.lemb.spa.fl_str_mv |
Ingeniería Topográfica – Tesis y Disertaciones Académicas Aerofotografía Geomática - Uso Sistemas de información geográfica Detección a distancia |
dc.subject.keyword.spa.fl_str_mv |
Sensors LiDAR Sorting MDT Interpolation methods Data validation |
description |
En el presente documento se realiza una verificación de la información obtenida a partir de los datos de dos sensores topográficos aerotransportados LiDAR , Rigel VQ 580 y Leica ALS70, con los cuales se obtuvo cuatro nubes de puntos de una misma zona, con las que se realizaron comparaciones de las clasificaciones de terreno en una zona determinada, con condiciones de alta y baja densidad de vegetación así como altas pendientes, para esto se tomó como referencia una nube de puntos clasificada manualmente tomada con el sensor Rigel VQ 580, ya que sus características permiten describir el terreno con mayor detalle. Dicha nube de puntos se comparó con el resultado de la clasificación aplicada a las tres nubes de puntos restantes, por medio de cinco macros cuyos parámetros fueron cambiados. Se obtuvo como resultado una nube de puntos con mayor densidad, clasificando las características y métodos de validación que estadísticamente se muestran en el desarrollo metodológico.Para analizar el comportamiento de las nubes de puntos, se realizó un control de cotas donde se muestra la geometría descriptiva de los datos, además se generaron comparaciones de los modelos digitales de terreno (MDT), en el que se aplicaron métodos de interpolación bicubica que permitieran ver gráficamente los puntos que se encontraran por encima o por debajo de 1metro en altura. A partir de los resultados obtenidos se estableció técnicamente la mejor representación del terreno con menor grado de incertidumbre. Para validar los datos se utilizó el método de validación cruzada, donde se muestra claramente cuál de los modelos digitales es el más cercano a la realidad. |
publishDate |
2015 |
dc.date.created.spa.fl_str_mv |
2015-10-15 |
dc.date.accessioned.none.fl_str_mv |
2016-11-03T21:19:31Z |
dc.date.available.none.fl_str_mv |
2016-11-03T21:19:31Z |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11349/4207 |
url |
http://hdl.handle.net/11349/4207 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.spa.fl_str_mv |
pdf |
institution |
Universidad Distrital Francisco José de Caldas |
bitstream.url.fl_str_mv |
http://repository.udistrital.edu.co/bitstream/11349/4207/6/EscobarReyLussetteKarieme_GarciaVivasLeidyViviana2015.pdf.jpg http://repository.udistrital.edu.co/bitstream/11349/4207/2/license_url http://repository.udistrital.edu.co/bitstream/11349/4207/3/license_text http://repository.udistrital.edu.co/bitstream/11349/4207/4/license_rdf http://repository.udistrital.edu.co/bitstream/11349/4207/5/license.txt http://repository.udistrital.edu.co/bitstream/11349/4207/1/EscobarReyLussetteKarieme_GarciaVivasLeidyViviana2015.pdf |
bitstream.checksum.fl_str_mv |
93be1506a27561409e392935c3c31a52 4afdbb8c545fd630ea7db775da747b2f 683d9883b2ad62ac3b8bafc566b2e600 9da0b6dfac957114c6a7714714b86306 b204d61d4cc8bf0ee3a2b0e84c5755dd e97fb60795d78c6168506497269361bc |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Distrital - RIUD |
repository.mail.fl_str_mv |
repositorio@udistrital.edu.co |
_version_ |
1803712726267068416 |
spelling |
Barragán Zaque, William BenignoEscobar Rey, Lusette KarimeGarcía Vivas, Leidy Viviana2016-11-03T21:19:31Z2016-11-03T21:19:31Z2015-10-15http://hdl.handle.net/11349/4207En el presente documento se realiza una verificación de la información obtenida a partir de los datos de dos sensores topográficos aerotransportados LiDAR , Rigel VQ 580 y Leica ALS70, con los cuales se obtuvo cuatro nubes de puntos de una misma zona, con las que se realizaron comparaciones de las clasificaciones de terreno en una zona determinada, con condiciones de alta y baja densidad de vegetación así como altas pendientes, para esto se tomó como referencia una nube de puntos clasificada manualmente tomada con el sensor Rigel VQ 580, ya que sus características permiten describir el terreno con mayor detalle. Dicha nube de puntos se comparó con el resultado de la clasificación aplicada a las tres nubes de puntos restantes, por medio de cinco macros cuyos parámetros fueron cambiados. Se obtuvo como resultado una nube de puntos con mayor densidad, clasificando las características y métodos de validación que estadísticamente se muestran en el desarrollo metodológico.Para analizar el comportamiento de las nubes de puntos, se realizó un control de cotas donde se muestra la geometría descriptiva de los datos, además se generaron comparaciones de los modelos digitales de terreno (MDT), en el que se aplicaron métodos de interpolación bicubica que permitieran ver gráficamente los puntos que se encontraran por encima o por debajo de 1metro en altura. A partir de los resultados obtenidos se estableció técnicamente la mejor representación del terreno con menor grado de incertidumbre. Para validar los datos se utilizó el método de validación cruzada, donde se muestra claramente cuál de los modelos digitales es el más cercano a la realidad.In this document was done a verification of information obtained from the data of two airborne topographical sensors LiDAR , Rigel VQ 580 y Leica ALS70,with which were obtained four point clouds in the same area, with which comparisons were made of land classification in a determinate area, with low and high density conditions of vegetation as well as steep slopes for this it was taken as reference a manually classified point cloud taken with Rigel VQ 580 sensor, as their characteristics let describe the area in more detail. Point cloud that was compared with the result of classification applied to the three remaining point clouds through five macros whose parameters were changed respectively, resulting in a point cloud with higher density of points classified whose characteristics meet the validation methods and statistics that will be displayed during the methodological development. To analyze the behavior of clouds of points, it was made a dimension control where descriptive geometric of data are shown, else digital models comparison of area were made (MDT) doing use of Global Mapper software in which were applied bicubic interpolation methods that allow to see graphically the clouds of points whose points were found below or above 1m, from the results obtained, it can be established technically that the modeling generated represents with less degree the uncertainty in the area.pdfspaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Abierto (Texto Completo)http://purl.org/coar/access_right/c_abf2SensoresLidarClasificaciónMDTMétodos de interpolaciónValidación de datosIngeniería Topográfica – Tesis y Disertaciones Académicas Aerofotografía Geomática - Uso Sistemas de información geográfica Detección a distanciaSensorsLiDARSortingMDTInterpolation methodsData validationAnálisis Iterativo Comparado, para la Obtención de Parámetros Óptimos en la Clasificación de Nubes de Puntos Lidar con los Sensores Riegl VQ 580 Análisis iterativo comparado, para la obtención de parámetros óptimos en la clasificación de nubes de puntos Lidar con los sensores RIEGLvq 580 y Leica als70 y Leica ALS70Iterative Analysis Compared to Obtaining Optimal Parameters in the Classification Lidar Point Cloud Sensors with Riegl VQ 580 and Leica ALS70info:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fTHUMBNAILEscobarReyLussetteKarieme_GarciaVivasLeidyViviana2015.pdf.jpgEscobarReyLussetteKarieme_GarciaVivasLeidyViviana2015.pdf.jpgIM Thumbnailimage/jpeg7227http://repository.udistrital.edu.co/bitstream/11349/4207/6/EscobarReyLussetteKarieme_GarciaVivasLeidyViviana2015.pdf.jpg93be1506a27561409e392935c3c31a52MD56open accessCC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://repository.udistrital.edu.co/bitstream/11349/4207/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52open accesslicense_textlicense_texttext/html; charset=utf-821328http://repository.udistrital.edu.co/bitstream/11349/4207/3/license_text683d9883b2ad62ac3b8bafc566b2e600MD53open accesslicense_rdflicense_rdfapplication/rdf+xml; charset=utf-823148http://repository.udistrital.edu.co/bitstream/11349/4207/4/license_rdf9da0b6dfac957114c6a7714714b86306MD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-85896http://repository.udistrital.edu.co/bitstream/11349/4207/5/license.txtb204d61d4cc8bf0ee3a2b0e84c5755ddMD55open accessORIGINALEscobarReyLussetteKarieme_GarciaVivasLeidyViviana2015.pdfEscobarReyLussetteKarieme_GarciaVivasLeidyViviana2015.pdfapplication/pdf8484744http://repository.udistrital.edu.co/bitstream/11349/4207/1/EscobarReyLussetteKarieme_GarciaVivasLeidyViviana2015.pdfe97fb60795d78c6168506497269361bcMD51open access11349/4207oai:repository.udistrital.edu.co:11349/42072023-06-13 15:14:05.023open accessRepositorio Institucional Universidad Distrital - RIUDrepositorio@udistrital.edu.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 |