stringtranslate.com

Modelo digital de afloramiento

Un ejemplo de un modelo de afloramiento digital, Woodside Canyon, Utah, EE.UU.
Figura 1. Ejemplo de un modelo digital de afloramiento, Woodside Canyon, Utah, EE. UU. Arriba: vista general de un DOM en forma de nube de puntos coloreada (A) y un modelo texturizado (B). El área marcada en rojo se muestra ampliada en C y D. Abajo: Una nube de puntos coloreada (C) y un modelo texturizado (D) vistos desde una distancia más cercana.

Un modelo de afloramiento digital ( DOM ), también llamado modelo de afloramiento virtual , es una representación digital en 3D de la superficie del afloramiento , principalmente en forma de malla poligonal texturizada .

Los DOM permiten la interpretación y medición reproducible [1] de diferentes características geológicas, por ejemplo, la orientación de las superficies geológicas, el ancho y el espesor de las capas. La cantidad de características geológicas identificables y medibles depende en gran medida de la resolución y la precisión del modelo de afloramiento. [2]

El uso de técnicas de teledetección permite que estos modelos 3D cubran áreas de difícil acceso, por ejemplo, paredes de acantilados de varios metros de altura. El hecho de que la interpretación geológica se pueda realizar en la pantalla, también en áreas inaccesibles donde el uso de métodos de trabajo de campo convencionales puede ser inseguro, y la gran cantidad de datos que se pueden recopilar en un tiempo relativamente corto son las principales ventajas del uso de DOM. [3] La georreferenciación de los modelos digitales de afloramientos permite la integración con otros datos espaciales, por ejemplo, los resultados del mapeo geológico digital o SIG .

Como alternativa a los modelos texturizados fotorrealistas, los modelos digitales 3D de afloramientos pueden representarse mediante una nube de puntos coloreada con los datos espectrales (RGB) de las imágenes correspondientes. Esta representación del modelo de superficie describe con precisión la topografía del afloramiento, pero debido a su naturaleza discreta suele ser difícil de interpretar (véase la Figura 1). La texturización de los modelos digitales poligonales de afloramientos con imágenes mejora los modelos con datos continuos de alta resolución y, por lo tanto, facilita la interpretación geológica. [2]

Técnicas de creación

La creación de DOM texturizados se puede dividir en tres pasos principales:

Para lograr la resolución y precisión requeridas del modelo, los datos se recopilan principalmente desde el suelo [2] (terrestre) o desde una plataforma de helicóptero ( mapeo móvil ). [4] Los datos aéreos y satelitales también se pueden integrar, pero principalmente como conjuntos de datos complementarios para las áreas de afloramiento donde faltan datos de corto alcance. [5]

Modelo digital de superficie de afloramiento

La creación del modelo digital de la superficie del afloramiento consta de los siguientes pasos:

  1. Adquisición de datos
Los datos digitales necesarios para crear un modelo de superficie de afloramiento se pueden obtener, como en el caso de los modelos de elevación digitales , a partir de escaneo láser o reconstruirse a partir de múltiples imágenes tomadas desde múltiples vistas utilizando técnicas de estructura a partir del movimiento o visión estereoscópica . [6] [7] Se puede encontrar una lista incompleta de paquetes de software que permiten el modelado basado en imágenes aquí .
Los modelos producidos con los métodos mencionados anteriormente pueden dar como resultado una escala y un nivel de detalle comparables. [6] Independientemente del método aplicado, los datos resultantes primarios son similares: coordenadas 3D (X, Y, Z) de una gran cantidad de puntos, en forma de nube de puntos , que describen la superficie del afloramiento.
2. Fusión de nubes de puntos y georreferenciación
Las nubes de puntos obtenidas desde diferentes perspectivas deben fusionarse y registrarse en un único sistema de coordenadas (junto con las imágenes). En el proceso de registro se calcula una transformación 3D entre las partes comunes de dos nubes de puntos. Los parámetros de transformación 3D se pueden encontrar en función de los puntos correspondientes en las dos nubes de puntos, la coincidencia de superficies y, en el caso de la cartografía móvil compatible con GNSS e INS , utilizando el método de orientación directa del sensor [8].
En el proceso de georreferenciación de nubes de puntos se calcula una transformación 3D entre el sistema de coordenadas local del proyecto y un sistema de coordenadas geodésicas . Para completar esta acción se requieren al menos tres puntos que puedan ubicarse en la nube de puntos y cuyas coordenadas en el sistema geodésico sean conocidas (medidas mediante métodos topográficos o GNSS ).
3. Limpieza y diezmado de nubes de puntos
Independientemente de la metodología de adquisición de datos, la nube de puntos resultante suele filtrarse y limpiarse de objetos no deseados, como la vegetación. Puede ser necesario reducir la densidad general de la nube de puntos en función de la complejidad de la superficie del afloramiento y del tamaño del conjunto de datos.
4. Triangulación 3D y optimización de mallas triangulares
Para permitir la posibilidad de texturizar el modelo, la nube de puntos editada se transforma en una red irregular triangulada ( malla de triángulos ). La triangulación correcta de los datos 3D es una tarea nada trivial debido a las posibles sombras de escaneo, la vegetación, los cambios bruscos de la topografía y los errores aleatorios. Por lo tanto, a menudo se requiere una edición y optimización adicionales de la malla para mejorar la equiangularidad, resolver problemas de topología o reorientar las normales de superficie invertidas.

Imágenes digitales

  1. Registro de imagen
La creación de modelos 3D texturizados requiere la definición de la relación entre todos los vértices de la malla de triángulos y los puntos de la imagen correspondientes. Se puede utilizar la condición de colinealidad para encontrar esa relación, pero es necesario conocer los parámetros de orientación interior y exterior de la imagen.
Los parámetros de orientación interior (intrínsecos) de la cámara se derivan del proceso de calibración de la cámara .
Cuando se utiliza el escaneo láser durante la recopilación de datos, la cámara suele estar acoplada rígidamente al escáner y su orientación relativa al escáner se mide con precisión. En tales casos, los parámetros de orientación exterior (extrínsecos) se pueden recuperar fácilmente para todas las imágenes mediante la transformación 3D. De lo contrario, es posible establecer los parámetros de orientación exterior de la cámara sobre la base de las coordenadas conocidas de un mínimo de tres puntos en el modelo de superficie del afloramiento 3D y la imagen.
En el caso de un modelo de superficie de afloramiento 3D derivado del modelado fotográfico, los parámetros de orientación de la imagen interior y exterior pueden calcularse mediante el software de modelado.
2. Preselección de imágenes y balance de color
Dependiendo del enfoque de renderizado aplicado (ver la siguiente sección ), podría ser necesaria una preselección de las imágenes más relevantes para el mapeo de texturas.
Si las imágenes utilizadas en el proceso de texturización final se adquirieron bajo diferentes condiciones de iluminación y los colores de las características correspondientes visibles en diferentes imágenes difieren significativamente, puede ser necesario ajustar el color de la imagen .

Mapeo de texturas

Existen diferentes algoritmos de mapeo de textura , por ejemplo: texturización de imagen única, [9] combinación de colores de textura [10] o texturización dependiente de la vista. [11] El enfoque de texturización de imagen única se utiliza a menudo, [3] [12] debido a su simplicidad y eficiencia.

Visualización

La visualización de grandes modelos 3D texturizados sigue siendo algo problemática y depende en gran medida del hardware. La naturaleza 3D de los DOM (múltiples valores para cada posición X,Y) da como resultado un formato de datos que no es adecuado para la entrada en la mayoría de los sistemas de información geográfica. Sin embargo, existen varios paquetes de software de visualización listos para usar que también permiten la interpretación y las mediciones geológicas:

Modelos de afloramientos digitales vs. paneles fotográficos

Un panel fotográfico es un mosaico de varias imágenes, que se utiliza habitualmente en geología para documentar afloramientos y hacer referencia a propiedades geométricas de objetos. La escala de estos paneles fotográficos se establece de forma aproximada para evaluar el tamaño de diferentes características geológicas. Sin embargo, estas medidas normalmente contienen errores asociados con la distorsión producida durante la transformación de afloramientos 3D en planos de imágenes 2D y con la imprecisión del proceso manual de unión de imágenes . [ cita requerida ]

Debido a su naturaleza 3D, los modelos de afloramientos digitales proporcionan medidas correctas y precisas de las características enumeradas en la siguiente sección .

Datos extraíbles de modelos de afloramientos digitales

Un ejemplo de un modelo de afloramiento digital con interpretaciones geológicas, cerca de Green River, Utah, EE.UU.
Figura 2. Ejemplo de interpretación geológica de un modelo digital de afloramiento cerca de Green River, Utah, EE. UU. Dimensiones de la parte del afloramiento mostrada: altura ~350 m, longitud ~1,1 km.

Datos complementarios

El análisis de los modelos digitales de afloramientos se puede mejorar con una amplia variedad de datos digitales georreferenciados , por ejemplo:

Es posible utilizar datos no georreferenciados con DOM, pero requiere más trabajo para posicionar los datos auxiliares en relación con el DOM.

Aplicaciones

Véase también

Referencias

  1. ^ ab JA Bellian, C. Kerans y DC Jennette, 2005. Modelos digitales de afloramientos: aplicaciones de la tecnología lidar de escaneo terrestre en el modelado estratigráfico, Journal of Sedimentary Research, vol. 75, número 2, págs. 166-176
  2. ^ abcd Buckley, S.; Howell, J.; Enge, H.; Kurz, T. (2008). "Escaneo láser terrestre en geología: adquisición de datos, procesamiento y consideraciones de precisión". Revista de la Sociedad Geológica . 165 (3): 625–638. doi :10.1144/0016-76492007-100. hdl : 1956/4302 . S2CID  129757527.
  3. ^ ab Buckley, S.; Enge, H.; Carlsson, C.; Howell, J. (2010). "Escaneo láser terrestre para su uso en geología de afloramientos virtuales". El registro fotogramétrico . 25 (131): 225–239. CiteSeerX 10.1.1.471.9674 . doi :10.1111/j.1477-9730.2010.00585.x. S2CID  140647568. 
  4. ^ S. Buckley, J. Vallet, A. Braathen, W. Wheeler, 2008. Escaneo láser oblicuo basado en helicóptero para modelado digital del terreno y visualización de afloramientos geológicos. IAPRS 37(B4), págs. 493-498 pdf.
  5. ^ Buckley, S.; Schwarz, E.; Terlaky, V.; Howell, J.; Arnott, RW (2010). "Combinación de fotogrametría aérea y lidar terrestre para modelado analógico de yacimientos". Ingeniería fotogramétrica y teledetección . 76 (8): 953–963. doi :10.14358/pers.76.8.953. hdl : 11336/72973 .
  6. ^ ab Haneberg, WC (2008). "Uso de fotogrametría digital terrestre de corto alcance para el modelado tridimensional de pendientes rocosas y el mapeo de discontinuidades en los Estados Unidos". Boletín de ingeniería geológica y medio ambiente . 67 (4): 457–469. doi :10.1007/s10064-008-0157-y. S2CID  110488345.
  7. ^ F. Tonon y JT Kottenstette, 2006. Métodos láser y fotogramétricos para la caracterización de superficies rocosas. Informe sobre un taller celebrado el 17 y 18 de junio de 2006 en Golden, Colorado. pdf.
  8. ^ M. Cramer, D. Stallmann, N. Haala, 2000. Georreferenciación directa mediante GPS/orientaciones exteriores inerciales para aplicaciones fotogramétricas. IAPRS, 33 (Parte B3), pdf
  9. ^ W. Niem y H. Broszio, 1995. Mapeo de texturas a partir de múltiples vistas de cámara sobre modelos de objetos 3D para animación por computadora. Actas del Taller internacional sobre imágenes estereoscópicas y tridimensionales, Santorini, Grecia.
  10. ^ P. Poulin, M. Ouimet, MC Frasson, 1998. Modelado interactivo con fotogrametría. Eurographics Workshop on Rendering, Springer-Verlag, págs. 93-104.
  11. ^ PE Debevec, CJ Taylor, J. Malik, 1996. Modelado y renderizado de arquitectura a partir de fotografías. Actas de la 23.ª conferencia anual sobre gráficos por ordenador y técnicas interactivas, SIGGRAPH '96, Nueva Orleans, EE. UU.
  12. ^ Riegl, 2010. Manual de usuario de RiSCAN PRO. págs. 119-120.
  13. ^ C. Olariu, 2000. Estudio de los depósitos del frente del delta del Cretácico, integrando datos de afloramiento, GPR y fotorrealistas en 3D, arenisca Panther Tongue, Utah. Tesis de maestría, Universidad de Texas en Dallas pdf
  14. ^ Kurz, T.; Buckley, S.; Howell, J.; Schneider, D. (2011). "Integración de imágenes hiperespectrales panorámicas con lidar terrestre". Photogrammetric Record . 26 (134): 212–228. doi :10.1111/j.1477-9730.2011.00632.x. S2CID  140655967.
  15. ^ Enge, HD; Buckley, SJ; Rotevatn, A.; Howell, JA (2007). "Del modelo de simulación de afloramiento a yacimiento: flujo de trabajo y procedimientos". Geosphere . 3 (6): 469–490. doi : 10.1130/ges00099.1 .

Enlaces externos