Modelos urbanos tridimensionales generados

a partir de nubes de puntos de un escner

lser terrestre
Three-dimensional urban models generated from point clouds
of a terrestrial laser scanner

HERNN PORRAS DAZ

Ingeniero Civil, doctor en Ingeniera Telemtica. Docente e investigador de la
Universidad Industrial de Santander. Bucaramanga, Colombia.
Contacto: KSRUUDV#XLVHGXFR

JHON JAIRO CCERES JIMNEZ

Ingeniero de Sistemas, doctor en Ingeniera Civil. Docente e investigador de la
Universidad Industrial de Santander. Bucaramanga, Colombia.
Contacto: MFDFHUHV#XLVHGXFR

ELVER OMAR GALLO LANCHEROS

Ingeniero de Sistemas, candidato a magster en Ingeniera de Sistemas e Infor-
mtica. Investigador de la Universidad Industrial de Santander. Bucaramanga,
Colombia.
Contacto: RPJD#JPDLOFRP
-LJOHKLYLJLWJP}U!KLUV]PLTIYLKL *SHZPJHJP}UKLSHY[xJ\SV!YL]PZP}U

-LJOHKLHJLW[HJP}U!KLUV]PLTIYLKL -PUHUJPHTPLU[V!<UP]LYZPKHK0UK\Z[YPHSKL:HU[HUKLY

Palabras clave: FODVLFDFLyQHVFiQHUWHUUHVWUHPRGHOR'VHJPHQWDFLyQ

Key words: FODVVLFDWLRQPRGHO'VHJPHQWDWLRQWHUUHVWULDOVFDQQHU

RESUMEN
En este artculo se presenta una revisin del es-
tado del arte de las diferentes metodologas que
se han desarrollado para el tratamiento digital
de nubes de puntos tridimensionales, recolec-
tadas mediante un escner lser terrestre. Este
instrumento tiene la capacidad de capturar in-
IRUPDFLyQWRSRJUiFD\JHRPpWULFDGHFXDOTXLHU
estructura con precisiones hasta el orden de los
milmetros, y en algunos casos tambin captura

134 Tecnura Vol. 18 No. 41 pp. 134 - 153 julio - septiembre de 2014

la informacin radiomtrica de los objetos esca-
neados. Esta informacin recolectada se repre-
senta en forma de nubes de puntos que se utilizan
en una amplia variedad de aplicaciones como
la planeacin del crecimiento urbano, el anli-
sis estructural de construcciones, el modelado
de fenmenos de erosin y deforestacin, la
documentacin de patrimonio histrico y la na-
vegacin virtual a travs de los sitios tursticos
PHGLDQWH PRGHORV WULGLPHQVLRQDOHV GH HGLFD-
ciones. Por lo tanto, el propsito de este trabajo
es proveer una revisin en el estado del conoci-
miento acerca de las tcnicas desarrolladas en las
diferentes fases que se llevan a cabo con el tra-
tamiento de estas nubes de puntos, como el re-
gistro y georreferenciacin, la segmentacin,
FODVLFDFLyQ\PRGHODGRWULGLPHQVLRQDO
* * *
revisin
ABSTRACT
The state of the art of the processing methods for
TLS (terrestrial laser scanner) digital point clouds
is shown in this paper. The TLS is an instrument
able to capture topographic and geometric informa-
tion of any structure at millimeter accuracy. Also,
in some cases, they capture radiometric informa-
tion of the scanned objects. The collected informa-
tion is represented by point clouds that are used
on a wide range of applications such as planning
of urban development, structural analysis, erosion
and deforestation modeling, cultural heritage pres-
ervation and virtual navigation. The purpose of
this work is to offer a review of the state of the art
on the methods used through the several steps of
WKHSRLQWFORXGSURFHVVLQJZRUNRZUHODWLYHDQG
DEVROXWH UHJLVWUDWLRQ VHJPHQWDWLRQ FODVVLFDWLRQ
and three dimensional modeling.

INTRODUCCIN
El escaneo a travs del lser surgi inicialmente
como una respuesta al problema de cmo hacer
PHGLFLRQHVVREUHODVXSHUFLHGHODWLHUUDFRQHO
QGHJHQHUDUFDUWRJUDItD\PRGHORVGLJLWDOHVGH
elevacin de forma rpida y precisa. Estas me-
diciones empezaron a ser una realidad con el in-
vento del primer instrumento llamado (OHFWURQLF
el TLS (Laefer HW DO  FRQ HO Q GH REWH-
ner mediciones con alta precisin de los elemen-
tos que conforman el mobiliario urbano. El ALS
genera baja densidad de puntos, por lo tanto, es
ideal para capturar informacin de grandes reas
en corto tiempo y con precisiones del orden de los
centmetros; por su parte, el TLS es usado para
capturar informacin de los objetos a corta dis-
tancia, lo que genera una alta cantidad de puntos
'LVWDQFH0HDVXUHPHQW('0&DUWHUHO
cual posteriormente dio paso a la tcnica basada
en la medicin a travs del lser. Con respecto
al principio de operacin del lser los escneres
VH SXHGH FODVLFDU HQ ORV EDVDGRV HQ WLHPSR GH
vuelo y en diferencia de fase, mientras que, con
respecto a la plataforma donde se monta el dispo-
sitivo, existe el escner lser areo (ALS), el te-
rrestre (TLS) y recientemente el mvil (MLS). El
ALS fue introducido comercialmente a comien-
zos de los aos setenta (Fernndez Daz, 2007;
Laefer, Truong Hongy Fitzgerald, 2011), con el
QGHJHQHUDUPRGHORVGLJLWDOHVGHHOHYDFLyQ\GH
FLXGDGHVDJUDQHVFDOD3RVWHULRUPHQWHDQDOHV
de los aos noventa es lanzado comercialmente
con precisiones del orden de los milmetros.
La informacin recolectada por el escner corres-
ponde a un conjunto de puntos que representan
ODV FRRUGHQDGDV ;<= GH OD VXSHUFLH GH FXDO-
quier objeto con respecto al sistema de referen-
cia del escner. Adicionalmente, varios de estos
dispositivos tambin pueden capturar la informa-
cin espectral del objeto, as como su porcentaje
GHUHHFWDQFLDTXHFRP~QPHQWHVHOHGHQRPLQD
valor de intensidad del pulso.
Una de las aplicaciones ms importantes que se le
ha dado a la nube de puntos generada por el TLS
es la creacin de modelos digitales tridimensio-

Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 135
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
revisin
nales de los elementos que conforman un entorno
XUEDQRWDOHVFRPRIDFKDGDVGHHGLFLRVSXHQWHV
vas y seales de trnsito, entre otros. Este artcu-
lo presenta una revisin general sobre las meto-
dologas que algunos investigadores han llevado
a cabo para la generacin de modelos tridimensio-
nales a partir de una nube de puntos. En la seccin
dos se muestra un estudio ms detallado sobre las
caractersticas y el funcionamiento del TLS. En la
seccin tres se presentan las tcnicas que existen
para llevar a cabo el procesamiento de la nube de
puntos, como el registro, la georreferenciacin, la
VHJPHQWDFLyQODFODVLFDFLyQ\HOPRGHODGR'
Finalmente, en la seccin cuatro se exponen las
conclusiones con respecto al estado del arte de la
tecnologa del escner laser terrestre.
RECOLECCIN DE DATOS
Escner lser terrestre (TLS)
Es un sistema basado en la tecnologa lser que
Principios de operacin
El TLS est compuesto por dos subsistemas b-
sicos: el primero es un dispositivo electrnico de
emisin del rayo lser comnmente llamado /LJKW
'HWHFWLRQ DQG 5DQJLQJ (LIDAR), y el segun-
do es un dispositivo mecnico y ptico capaz de
dirigir el haz de lser en forma de escaneo sobre
el rea de inters (Fernndez Daz, 2007), como se
PXHVWUDHQODJXUD&RQUHVSHFWRDOSULQFLSLRGH
operacin del lser, los dos tipos ms comunes
de escneres son los de tiempo de vuelo (TOF),
y los de diferencia de fase (3') (Van Genchten,
2008; Fernndez Daz, 2007).
El tipo de escner TOF calcula el tiempo trans-
currido desde el momento en que sale el pulsodel
lserhasta que retorna; con este valor calcula la
distancia del objetivo.Lapropiedad de pulso per-
mite obtener una buena seal de retorno a pesar
deque existan condiciones de ruido en el ambien-
te. Algunos escneres comerciales basados en esta
SHUPLWH REWHQHU XQD PXHVWUD GH OD VXSHUFLH GH WHFQRORJtDVRQ2SWHFK,/5,6'2SWHFK
un objeto de diferente forma y tamao (Van Gen- Leica ScanStation C10 (Leica, 2012a), Riegl (toda
chten, 2008; Bornaz y Rinaudo, 2004). El resul- OD JDPD 5LHJO  7ULPEOH 9; 7ULPEOH
tado es una nube de puntos con gran detalle en la D &DOOLGXV &3 9DQ *HQFKWHQ 
geometra y con un alto grado de precisin, que se entre otros. El tipo de escner PD calcula la dis-
FDSWXUDGHXQDPDQHUDUiSLGD\HFLHQWH<DQ/L\ tancia mediante la diferencia de fase entre las for-
;LH(VWRVLQVWUXPHQWRVKDQVLGRDPSOLD- mas de las ondas enviadasy de las retornadas. El
mente usados en la adquisicin de informacin en lser emitido por este tipo de escner es contnuo y
ODViUHDVXUEDQDVFRQHOQGHJHQHUDUPRGHORV de potencia modulada. Algunos escneres comer-
tridimensionales de las ciudades (Sithole y Vos- ciales disponibles basados en esta tecnologa son:
VHOPDQ9RVVHOPDQ\'LMNPDQ$Vt
mismo, son utilizados en la planeacin urbana, la
navegacin virtual de los sitios tursticos, el anli-
VLVGHOHVWDGRHVWUXFWXUDOGHORVHGLFLRVODGHWHF-
cin de posibles zonas de inundacin mediante el
anlisis de la topografa del terreno, la evaluacin
y anlisis de seguridad de vas y puentes, la docu-
mentacin de reas de desastre cuando el evento
ya ha ocurrido, el registro de la escena del cri-
men para evitar alteraciones de las evidencias y el
Figura 1. Subsistemasdel escner lser terrestre y
suministro de informacin para los mapas de los modo de operacin
6LVWHPDVGH,QIRUPDFLyQ*HRJUiFD6,*HQWUH
otros (Van Genchten, 2008). Fuente: 3D Terrestrial Laser Scanner RIEGL VZ-400 / RIEGL
VZ-1000 (2012).

136 Tecnura Vol. 18 No. 41 julio - septiembre de 2014

 revisin
Tabla 1. Caractersticas tcnicas de los escneres lser terrestre ms comerciales actualmente

Escner/ OPTECH
RIEGL VZ 400 LeicaScanStationC10 TRIMBLE FX FARO Focus 3D
Caractersticas ILRIS 3D

Tipo de Lser Tiempo de Vuelo(TOF) Diferencia de Fase(PD)

Mnimo Alcance 1,5 m 400 m 0,1 m 1,5 m 0,6 m

Mximo Alcance 600 m con 90% 400 m con 80% 300 mcon90% 80 mcon 50%
120 mcon90%
JVUYLLJ[HUJPH 280 m con 20% 1.200 m con 10% 134 mcon18% 45 mcon 30%

Precisin 3 mm 8 mm 2 mm 0,8 mm 0,95 mm

Exactitud 2 mm 4 mm 6 mm 2 mm 2 mm (25 m)

Cantidad de ptos/seg 422.000 2.500 50.000 216.000 976.000

Velocidad de
100 kHz 10 kHz 50 kHz 190 kHz 976 kHz
Escaneo Vertical

ngulo de 60 40
370 270 305
Escaneo Vertical (+30 / -30) (-20 / 20)

ngulo de
360 (-40 / 40) 360 360 360
Escaneo Horizontal

Clase Clase 1 Clase 1M Clase 3R Clase 3R Clase 3R

Almacenamiento SSD 80 GB puerto USB SSD 80 GB SD, SDHC 32GB

Imagen

Fuente: elaboracin propia.

=),PDJHU=)7ULPEOH);7ULP- barrido vertical que realiza el escner; la clase de
ble, 2012b), Leica HDS7000 (Leica, 2012b), Faro lser, que depende de su potencia y su longitud
)RFXV')DURHQWUHRWURV
Caractersticas tcnicas
Actualmente existe en el mercado un amplio ran-
JRGH7/6GRQGHFDGDXQRSRVHHHVSHFLFDFLRQHV
tcnicas de acuerdo con la necesidad del usuario
QDOYHUWDEOD/DVFDUDFWHUtVWLFDVWpFQLFDVPiV
importantes que se deben tener en cuenta al mo-
mento de adquirir un TLS son: el alcance mnimo
y el mximo que se mide en metros; la precisin,
que hace referencia al grado de dispersin de un
conjunto de mediciones sobre la media de ese va-
lor; la exactitud, que es la cercana de una medi-
cin respecto a su valor real; el campo de visin,
que se expresa en grados y describe el ngulo de
de onda y que indica el grado de peligro para el
ojo humano basado en la exposicin mxima per-
misible (MPE) al rayo; la velocidad de escaneo
y la cantidad de puntos por segundo que es ca-
paz de recolectar (Van Genchten, 2008; Fernn-
dez Daz, 2007). Los tipos de escner TOF tienen
mayor alcance y velocidad de escaneo que los de
tipo PD, mientras que estos ltimos poseen mayor
precisin y recolectan ms cantidad de puntos por
escaneo que los escneres basados en TOF.
PROCESAMIENTO DE LOS DATOS
El resultado del escaneo a travs del TLS es un
conjunto de puntos generalmente llamado nube
GH SXQWRV FX\D GHQLFLyQ IXH SURSXHVWD SRU HO

Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 137
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
revisin
'U-RQ0LOOV\'DYLG%DUEHUHQHQODQXEH
GHSXQWRVHVXQFRQMXQWRGHFRRUGHQDGDV;<=HQ
un sistema de referencia comn, que le muestra
al espectador una comprensin de la distribucin
espacial de un objeto en el sitio. Tambin se puede
incluir informacin adicional como un valor de in-
tensidad o un valor RGB (Reshetyuk, 2009, p.4).
El formato en que se almacena la nube de pun-
tos depende del VRIWZDUH del fabricante; algunos
formatos solo contienen la informacin de las
FRRUGHQDGDV;<=GHOSXQWRPLHQWUDVTXHRWURV
adems de las coordenadas, contienen otro tipo
de informacin como el porcentaje de intensidad
del pulso lser, el valor del vector normal de cada
punto y la posicin del escner, entre otros. Los
formatos ms comunes para el almacenamiento de
QXEHGHSXQWRVVRQ;<=37;376;<=5*%
LAS y FLS.
Para la generacin de modelos tridimensionales
a partir de los datos de un TLS, se requiere hacer
un tratamiento especializado de la nube de puntos
que consiste en varias etapas entre las cuales se
destacan: el registro y la georreferenciacin, la
VHJPHQWDFLyQODFODVLFDFLyQGHORVREMHWRVFRQ-
tenidos dentro de la nube de puntos y el modelado
'GHHVWRVREMHWRV
Registro de la nube de puntos
En la mayora de los casos, los objetos que se van
escanear son demasiado grandes o poseen formas
muy complejas para que puedan ser escaneados
desde una sola posicin: por esta razn, es necesa-
rio ubicar el escner desde diferentes lugares con
HOQGHREWHQHUODLQIRUPDFLyQFRPSOHWDGHORE-
jeto. Cada posicin de escaneo posee sus propias
coordenadas locales cuyo origen est en el esc-
ner. Por lo tanto, para obtener una representacin
completa del objeto escaneado, las nubes de pun-
tos deben ser transformadas a un sistema de coor-
denadas comn o al sistema de coordenadas de
algunas de las posiciones de escaneo. Existen va-
rios enfoques para el registro de nube de puntos:
138 Tecnura Vol. 18 No. 41 julio - septiembre de 2014
5HJLVWUR EDVDGR HQ SXQWRV DUWLFLDOHV WDU-
JHWV): son elementos fabricados con material
UHHFWDQWHFRQHOQGHVHULGHQWLFDGRVPiV
fcilmente dentro de la escena y as poder de-
terminar con alto grado de exactitud sus po-
siciones en el sistema de coordenadas usado
para el registro. En la prctica, se necesita tener
al menos tres WDUJHWV con sus posiciones dentro
de un sistema de coordenadas conocido.
Registro usando puntos naturales: para el caso
que no sea posible colocar los WDUJHWVdebido
a las condiciones de la escena, se utilizan di-
ferentes puntos con caractersticas naturales
que sean visibles dentro de la nube de puntos,
por ejemplo, bordes de acero o esquinas de
HGLFLRV 'HVSXpV GHO HVFDQHR HVWRV SXQWRV
naturales son usados como puntos de enlace
TXHVHLGHQWLFDQPDQXDOPHQWHHQODQXEHGH
puntos o se escanean separadamente con una
DOWDUHVROXFLyQSDUDXQDPHMRULGHQWLFDFLyQ
En la prctica se recomienda usar al menos
cuatro puntos naturales.
Registro mediante emparejamiento de super-
FLHVFRQVLVWHHQDOLQHDUODVQXEHVGHSXQWRV
SRU PHGLR GH ODV VXSHUFLHV JHRPpWULFDV GH
dos escaneos. Este algoritmo estima la distan-
FLDHXFOLGLDQDHQWUHIUDJPHQWRVGHVXSHUFLHV
por mnimos cuadrados e intenta minimizar
las distancias de forma iterativa.
Georreferenciacin de la nube de puntos
Es el proceso de transformacin de la nube de
puntos registrada con el sistema de coordenadas
del escner, a un sistema de coordenadas exter-
nas (geodsicas) que pueden ser de mbito local
o global (Reshetyuk, 2009). Actualmente existen
diferentes tcnicas para llevar a cabo este proceso
\VHSXHGHQFODVLFDUHQGRVJUDQGHVJUXSRV
Georreferenciacin indirecta: en esta tcnica
los WDUJHWVposeen un sistema de coordenadas
geodsicas conocido, lo que permite la trans-
formacin de las coordenadas de una nube de
 revisin
puntos al sistema de coordenadas de ellos. Despus de aplicar la matriz de transfor-
Estos WDUJHWV son llamados puntos de control y macin a la nube de puntos se regenera en
sus coordenadas pueden ser determinadas me- una nueva nube con un sistema de coor-
GLDQWH XQ OHYDQWDPLHQWR WRSRJUiFR FRQ XQD denadas diferente. Este proceso se realiza
estacin total o con equipos de posicionamien- iterativamente hasta que se minimice la
to global (GPS). Otra tcnica de georreferen- funcin de error o se cumpla el criterio de
ciacin indirecta consiste en alinear la nube SDUDGDGHQLGRSRUHOXVXDULR
de puntos recolectada con otra que ya tenga
Georreferenciacin directa: en este mtodo
un sistema de coordenadas establecido y, me-
se establece el sistema de referencia geodsi-
diante el algoritmo llamado ,WHUDWLYH &ORVHVW
co directamente sobre el TLS al momento de
3RLQW(ICP), se determina el mejor empareja-
realizar el escaneo. Esto se puede realizar de
miento entre las dos mediante la minimizacin
dos maneras: con la ubicacin del escner so-
de una funcin de distancia. Como el ICP usa
bre un punto con sistema de coordenadas geo-
ODLQIRUPDFLyQJHRPpWULFD;<=GHODQXEH
de puntos, cuenta con seis grados de libertad
(traslacin y rotacin en los tres ejes de coor-
denadas) para realizar el ajuste. En cada itera-
cin el ICP realiza los siguientes pasos:
Encuentra los puntos ms cercanos usan-
do la distancia euclidiana entre las dos nu-
bes de puntos. Ver ecuacin (1).
(1)
Despus calcula la alineacin de la nube
de puntos mediante una transformacin
geomtrica, que consiste en encontrar la
mejor matriz de rotacin/traslacin nece-
saria para lograr el ajuste mediante mto-
dos como el de descomposicin de valores
singulares (SVD) (Wall, Andreasy Rocha,
dsicas conocido o mediante el montaje de un
equipo GPS sobre el TLS. Comparado con el
mtodo de georreferenciacin indirecta, este
enfoque es ms econmico y menos costoso
en tiempo, ya que no requiere de una estacin
total, ni de puntos de control en la escena.
Segmentacin de la nube de puntos
/DVHJPHQWDFLyQSXHGHGHQLUVHFRPRHOSURFHVR
de etiquetado de cada uno de los puntos, donde los
TXHSHUWHQHFHQDXQDPLVPDVXSHUFLHRUHJLyQVH
les asigna la misma etiqueta (Rabbani, Van den
Heuvely Vosselman, 2005). En otras palabras, es
el proceso de agrupar espacialmente dentro de
regiones homogneas (segmentos), puntos que
contengan caractersticas similares. Un segmen-
to es un subconjunto cerrado dentro de la nube
RPHGLDQWH4XDWHUQLRQHV(Kuipers,
2002). Esta matriz est compuesta por
XQDPDWUL]LQWHULRUGHURWDFLyQGH[\
su cuarta columna corresponde al vector
de traslacin. Ver ecuacin (2).
de puntos, en donde cada punto pertenece solo a
un segmento y no hay dos segmentos que tengan
puntos en comn.
Seleccin y extraccin de caractersticas

Matriz de Transformacin = La seleccin de caractersticas tiene como objetivo

principal la eleccin de los atributos ms relevantes
GHFDGDSXQWRRVHJPHQWRFRQHOQGHGLVPLQXLU
(2) su cantidad y eliminar informacin redundante
SDUD HO SURFHVR GH VHJPHQWDFLyQ R FODVLFDFLyQ
(Dash y Liu, 1997). Este procedimiento en muchos

Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 139
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
revisin
casos es subjetivo y se consigue mediante tcnicas
de prueba y error, aunque tambin existen algunos
mtodos para realizar este proceso (Kira y Rendell,
1992; Narendra y Fukunaga, 1971).
La extraccin de caractersticas consiste en la trans-
formacin del espacio de caractersticas formado
por los atributos de los puntos o segmentos, en un
nuevo espacio que resalte mejor la informacin
relevante y remueva la redundante. En algunos
casos, esta transformacin conlleva a una reduc-
cin en la dimensin del espacio de caractersti-
cas. Entre las tcnicas ms usadas se encuentran:
el anlisis de factores, el anlisis de discriminan-
tes lineales y el 3ULQFLSDO &RPSRQHQW $QDO\VLV
(PCA) (Sithole, 2005; Leal y Leal, 2006). Algunos
trabajos han utilizado este ltimo mtodo para la
deteccin de postes (Liberge, Soheilian, Chehata y
Paparoditis, 2010;Yokoyama, Date, Kanai y Take-
da, 2011), o para la deteccin de elementos urba-
nos (El-Halawany, Moussa, Licht, y El-Sheimy,
2011; El-Halawany y Lichti, 2011).
Las caractersticas ms importantes de cada punto
o segmento que se utilizan en el proceso de seg-
PHQWDFLyQ R GH FODVLFDFLyQ HVWiQ GHQLGDV GH
la siguiente manera (Pu y Vosselman, 2006; Pu y
Vosselman, 2009a; Pu, Rutzinger, Vosselman, y
Oude Elberink, 2011):
Caractersticas geomtricas: a) (O WDPDxR:
es la caracterstica ms distintiva y hace re-
ferencia a la longitud, ancho, altura, rea y
volumen. Por ejemplo, en las fachadas, las
paredes o puertas se pueden distinguir fcil-
mente de otros objetos por su tamao. b) La
SRVLFLyQ algunos objetos se esperan que se
encuentren en cierta posicin con respecto a
la escena. Por ejemplo, las ventanas y puertas
siempre se encuentran sobre la pared, mien-
tras que el techo siempre se encuentra en la
parte superior. c) /DRULHQWDFLyQ: esta caracte-
rstica generalmente puede ser predecible en
los objetos. Por ejemplo, las paredes siempre
se encuentran en forma vertical, mientras que
140 Tecnura Vol. 18 No. 41 julio - septiembre de 2014
OD VXSHUFLH GHO WHUUHQR HV KRUL]RQWDO G La
densidad: en el caso de las ventanas, el pulso
del lser penetra el vidrio y difcilmente retor-
na la informacin, produciendo una muy baja
densidad de puntos dentro estas reas. Otras
caractersticas importantes son: el permetro,
la dispersin y la forma geomtrica.
Caractersticas radiomtricas: son las que es-
tn asociadas con el valor del porcentaje de
intensidad del pulso retornado. Algunos TLS
tambin pueden capturan imgenes, lo que
permite asociar la informacin espectral a
cada punto de la nube.
Caractersticas topolgicas: tienen que ver
con la relacin espacial que existe entre los
VHJPHQWRVTXHSXHGHVHUGHQLGDSRUODDG-
yacencia y conectividad que existen entre
ellos. Por ejemplo, el terreno y el techo siem-
pre se interceptan con las paredes.
Las caractersticas ms importantes a nivel del
punto son: el valor de intensidad del pulso lser,
HO DQFKR GHO SXOVR 5XW]LQJHU +|H +ROODXV \
Pfeifer, 2008), y la informacin espectral ob-
tenida de imgenes digitales tomadas con una
cmara (Rottensteiner, Trinder, Clode y Kubik,
2005). Por su parte, en el segmento se encuen-
tran: la altura promedio, el volumen estimado,
la desviacin estndar, la cantidad de puntos por
segmento y el porcentaje de puntos del ltimo
eco (Vosselman, 2009). Existen varios mtodos
para la segmentacin de nube de puntos que se
SXHGHQFODVLFDUGHODPDQHUDHQTXHVHH[SRQH
a continuacin.
Segmentacin basada en la deteccin
de bordes
Este mtodo detecta discontinuidades en las su-
SHUFLHVTXHVHIRUPDQFHUFDGHORVOtPLWHVGHORV
objetos contenidos en la nube de puntos; por lo
WDQWRHVWHSURFHVRLQLFLDFRQODLGHQWLFDFLyQGH
ODH[WHQVLyQGHODVXSHUFLHTXHHVWiGHWHUPLQD-
 revisin
da por los bordes y las intersecciones, donde los medida de proximidad y un criterio de suavidad
puntos que se localizan dentro de la frontera se GHODVXSHUFLH
consideran que pertenecen a una misma regin
(Belton, 2008). El desempeo de este tipo de seg-
Segmentacin basada en la agrupacin
mentacin est determinado por el detector de
de caractersticas (clustering)
bordes (Sithole, 2005; Wang y Shan, 2009; Canny,
1986). La deteccin de bordes consiste en estimar
En este mtodo cada punto es asociado a un vec-
XQD VXSHUFLH SODQD GHQWUR GHO YHFLQGDULR DOUH-
tor que contiene las mediciones de sus propie-
dedor de un punto de inters, para determinar el
dades geomtricas y radiomtricas comnmente
YDORUGHODQRUPDOGHHVWDVXSHUFLH+RSSH'H-
llamadas caractersticas (Sapkota, 2008) (ej.
Rose, Dumpchamp, McDonald y Stuetzle, 1992).
ODVFRRUGHQDGDV;<=HOYHFWRUQRUPDOGHODVX-
Este proceso comnmente se realiza a travs del
SHUFLH ORFDO HO YDORU GH LQWHQVLGDG \ OD LQIRU-
mtodo PCA (Johnson y Wichern, 2002) o me-
macin espectral del objeto). Esas caractersticas
diante regresin de mnimos cuadrados (Shakarji,
son representadas en un sistema de coordenadas
1998). Por lo tanto, la variacin en la direccin
de n-dimensiones (Sithole, 2005), en el que los
GHODQRUPDOGHODVXSHUFLHSURSRUFLRQDXQLQ-
puntos se agrupan en regiones compactas y se-
dicador del nivel de curvatura o de cambio de la
paradas, comnmente llamadas clsteres. En
VXSHUFLHORFDOTXHSHUPLWHLGHQWLFDUORVERUGHV
(Pauly, Gross y Kobbelt, 2002).
Segmentacin basada en el crecimiento
de regiones
(VWDWpFQLFDFRQVLVWHHQGHWHFWDUVXSHUFLHVFRQ-
tinuas que tengan propiedades geomtricas simi-
lares (Woo, Kang, Wangy Lee, 2002). El proceso
comienza examinando un punto semilla que se
)LOLQ  VH GHQH XQ YHFWRU GH FDUDFWHUtVWL-
cas de siete dimensiones. El espacio formado por
estos vectores es agrupado usando un algoritmo
GHPRGRGHE~VTXHGDTXHSHUPLWHLGHQWLFDUODV
VXSHUFLHV GH ORV VHJPHQWRV QDOPHQWH HVWRV
segmentos son agrupados en el espacio de objetos
con base en una medida de proximidad.
Otro mtodo es el basado en grafos, que consis-
te en la implementacin de un grafo de atributos
asocia a un segmento que va creciendo mediante *9 (A de una nube de puntos 9 y las aristas
la inspeccin de los dems puntos alrededor de EA que estn basadas en medidas de proximidad.
este punto semilla. El crecimiento se inicia a par- (Q=DKDQVHXVDXQJUDIROODPDGRMini-
tir del punto ms cercano hasta que se agoten los
dems puntos candidatos, ya sea por eliminacin
de ellos o por la inclusin dentro de un segmento
(Vosselman, Gorte, Sitholey Rabbani, 2004;Sa-
pkota, 2008;Pu y Vosselman, 2006). El trabajo
presentado en Hoover HW DO (1996) proporciona
una comparacin de mtodos de segmentacin
SDUDHQFRQWUDUVXSHUFLHVSODQDV(Q5DEEDQLHW
DO (2005) presenta un mtodo que consiste en dos
SDVRV HVWLPDFLyQ GH OD QRUPDO GH OD VXSHUFLH
local mediante los k-vecinos ms cercanos y el
crecimiento de regiones que se ejecuta usando las
normales de los puntos estimados; en esta fase los
puntos son agregados al segmento mediante una
PXP6SDQQLQJ7UHH067\GHQHTXHODVDULV-
tas que no cumplen con un criterio de proximidad
VRQ DTXHOODV FX\RV SHVRV VRQ VLJQLFDWLYDPHQWH
ms grandes que el promedio de los pesos de las
aristas ms cercanas. En Klasing, Wollherr y Buss
(2008) cada nodo es conectado a los vecinos que
VHHQFXHQWUHQGHQWURGHXQUDGLRSUHGHQLGR/D
principal ventaja de esta tcnica es que es com-
putacionalmente menos costosa que los dems
algoritmos basados en grafos, ya que no hace una
bsqueda sobre todos sus vecinos cada vez que
est examinando algn nodo en particular, sino
que la bsqueda la realizan solamente en los ve-
FLQRVTXHVHHQFXHQWUDQGHQWURGHOUDGLRGHQLGR

Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 141
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
revisin
Segmentacin basada en la lnea de escaneo
Esta tcnica adopta la estrategia de divisin y
unin, donde la nube de puntos es dividida en l-
neas de escaneo a lo largo de una direccin (Wang
y Shan, 2009). Estas lneas son divididas de for-
ma recursiva e independiente en segmentos de l-
neas rectas, hasta que la distancia perpendicular
de los puntos a su correspondiente segmento de
OtQHDHVWpSRUGHEDMRGHXQXPEUDOGHQLGR3RV-
teriormente, los segmentos de lneas de escaneo
son unidos basados en alguna medida de similitud
mediante el mtodo de crecimiento de regiones
(Jiang y Bunke, 1994). En Sithole y Vosselman
Otros mtodos de segmentacin
La segmentacin basada en voxels convierte la
QXEHGHSXQWRVHQXQDPDOOD'GRQGHODVFHO-
das que conforman esta malla son pequeos cu-
bos llamados voxels (YROXPHQ HOHPHQWV), que
es similar al concepto de los pixeles (SLFWXUHHOH-
PHQWV) para el caso 2D. El algoritmo propuesto
en Gorte y Pfeifer (2004) inicia con la conversin
GHODQXEHGHSXQWRVDXQUDVWHU'(OVLJXLHQ-
te paso es el proceso de esqueletonizacin, que
consiste en la remocin iterativa de voxels que
QR KDFHQ SDUWH GHO REMHWR FRQ HO Q GH GHMDU DO
descubierto los componentes que conforman su
 VH GHVFULEH XQ PpWRGR GH VHJPHQWDFLyQ
que agrupa puntos de lneas de escaneo basado
en una medida de proximidad. Estos grupos no
necesitan corresponder a una secuencia de puntos
en la lnea de escaneo; por lo tanto, todos los pun-
tos estn presentes en cada conjunto de lneas de
escaneo y varios de ellos tendrn diferente orien-
tacin. Esta propiedad es usada para unir estos
segmentos de lneas en regiones.
Segmentacin mediante el ajuste a un modelo
Este tipo de segmentacin se basa en la premisa de
que los objetos hechos por el hombre pueden ser
escaneados y se pueden descomponer en primi-
tivas geomtricas tales como planos, cilindros y
esferas (Schnabel, Roland, Wessel y Klein, 2007).
Este enfoque intenta ajustar formas geomtricas
en la nube de puntos; por lo tanto, aquellos puntos
que se ajusten a la representacin matemtica de
alguna forma geomtrica son etiquetados como
estructura y las relaciones topolgicas entre ellos.
Posteriormente, la segmentacin se hace sobre
los esqueletos de los objetos para luego hacerla
transformacin, pero esta vez de voxels segmen-
tados a nube de puntos segmentada.
La segmentacin es una etapa importante aunque
no necesaria (Velizhev, Shapovalovy Schindler,
2012) para el siguiente paso, que consiste en la
FODVLFDFLyQGHORVREMHWRV\DTXHSHUPLWHLGHQ-
WLFDUORVVHJPHQWRVFODYHV\UHGXFLUHOUXLGRHQ
los datos. As, logra un mejor desempeo en los
DOJRULWPRVGHFODVLFDFLyQ6LQHPEDUJRHQRWUDV
LQYHVWLJDFLRQHVODHWDSDGHFODVLFDFLyQVHUHDOL]D
antes de la segmentacin (Belton, 2008).
*SHZPJHJP}UKLVIQL[VZLUU\ILKLW\U[VZ
/DFODVLFDFLyQFRQVLVWHHQODVHSDUDFLyQGHSXQ-
tos o segmentos, segn sea el caso, en diferen-
WHVFODVHVTXHKDQVLGRSUHYLDPHQWHGHQLGDVHM
pertenecientes a un segmento. Entre los mtodos
para la estimacin de parmetros que permiten la
extraccin de formas geomtricas dentro de una
nube de puntos se destacan la Transformada de
+RXJK ' 9RVVHOPDQ \ 'LMNPDQ  3X \
Vosselman, 2009a; Vosselman HW DO, 2004) y el
5DQGRP6DPSOH&RQVHQVXV (RANSAC) (Schna-
bel, Roland HWDO, 2007; Schnabel, Wahly Klein,
2007).
142 Tecnura Vol. 18 No. 41 julio - septiembre de 2014
HGLFDFLRQHVYHJHWDFLyQWHUUHQRHWFPHGLDQWH
la evaluacin de sus caractersticas intrnsecas o
naturales, donde para cada clase existe un cono-
cimiento previo sobre su naturaleza (Fernndez
Daz, 2007). Para el caso de los elementos que
conforman un entorno urbano, los objetos poseen
un nmero de rasgos distintivos y organizados de
manera jerrquica dentro de cualquier escena, tal
FRPR VH YLVXDOL]D HQ OD JXUD /D PD\RUtD GH
 revisin
los trabajos realizados con datos de un TLS se
han enfocado en el reconocimiento de fachadas
GHHGLFLRV3X\9RVVHOPDQ3X\9RVVHO-
man, 2009a; Pu y Vosselman, 2009b), mientras
que otros se han orientado ms en la deteccin
de elementos de las vas (Liberge HWDO, 2010; El-
Halawany y Lichti, 2011; Pu HW DO, 2011). Con
EDVH HQ ORV WLSRV GH FDUDFWHUtVWLFDV OD FODVLFD-
cin se puede categorizar basada en las propie-
dades radiomtricas o geomtricas de los puntos
(Belton, 2008):

Figura 2. Categora genrica de objetos en una esce-

&ODVLFDFLQEDVDGDHQODVFDUDFWHUVWLFDV na urbana escaneada
radiomtricas
Fuente: Shi Pu (2011), tomada de Pu et al. (2011).

(VWHWLSRGHFODVLFDFLyQVHEDVDHQODLQIRUPD-
cin espectral de cada punto (intensidad del pulso
o color)que depende de las propiedades de cual-
TXLHUVXSHUFLHFRPRVXUHHFWDQFLDWH[WXUDHO
iQJXORGHLQFLGHQFLDDVtFRPRGHODVHVSHFLFD-
ciones del escner (Lichti y Harvey, 2002; Pfeifer,
Dorninger, Haring y Fan, 2007). En Gordon, Li-
chti y Stewart (2001) se utiliza el valor de intensi-
GDGSDUDODFODVLFDFLyQGHVXSHUFLHVFRQWLQXDV
ya que permite la diferenciacin entre los elemen-
tos que conforman las fachadas. Otros trabajos se
FLyQGHVXSHUFLHVSODQDVFLOtQGULFDV\HVIpULFDV
en nubes de puntos, con base en los parmetros
de cada una de estas formas geomtricas. En Pu
HWDO (2011) se presenta un trabajo basado en la
tcnica de deteccin de forma para la localizacin
de seales de trnsito, que inicia con una seg-
mentacin mediante el crecimiento de regiones
(Vosselman HW DO, 2004). Luego, se extraen las
caractersticas con base en el enfoque propuesto
en Pu y Vosselman (2009a) y en Pu y Vosselman
han concentrado en combinar la informacin de
FRORUGHLPiJHQHV'FRQODQXEHGHSXQWRV'
(Lichti, 2005; Jansa, Studnicka, Forkert, Haring y
Kager, 2004).
&ODVLFDFLQEDVDGDHQODVFDUDFWHUVWLFDV
geomtricas
(VWHWLSRGHFODVLFDFLyQVHEDVDHQODLQIRUPD-
FLyQJHRPpWULFDGHULYDGDGHODVFRRUGHQDGDV'
de los puntos. Como esta informacin es comn
para todas las nubes de puntos independiente-
PHQWHGHO7/6TXHVHXVHRGHODFRQJXUDFLyQ
TXHWHQJDHOGLVSRVLWLYRHVHOWLSRGHFODVLFDFLyQ
ms usado.
En Vosselman HWDO(2004) se presenta una vista
general de las diferentes tcnicas para la extrac-
Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 143
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
E\QDOPHQWHFDGDVHJPHQWRHVDMXVWDGR
DXQDHQYROYHQWHFRQYH[DFRQHOQGHFRPSDUDU
su rea con las reas de las seales de trnsito en
estudio (rectangular, triangular y circular) y reali-
]DUHOSURFHVRGHFODVLFDFLyQ
En Pu y Vosselman (2006) se presenta un enfo-
que automtico para la extraccin de objetos de
las fachadas dentro de una nube de puntos. Ini-
FLDOPHQWH VH GHQHQ ODV FODVHV TXH FRQIRUPDQ
ODV IDFKDGDV GH ODV HGLFDFLRQHV SDUHG SXHUWD
ventana, techo, salientes y entrantes). Despus se
aplican algoritmos de segmentacin para agrupar
ODVVXSHUFLHVSODQDV/XHJRVHH[WUDHQODVFDUDF-
tersticas ms relevantes de cada segmento y se
establecen sus restricciones basadas en el cono-
cimiento humano. Cada segmento es ajustado a
XQDHQYROYHQWHFRQYH[DFRQHOQGHGHQLUORV
rangos de valores de las caractersticas. Final-
revisin
PHQWHHOSURFHVRGHFODVLFDFLyQFRQIURQWDFDGD
segmento mediante las restricciones de las carac-
tersticas para determinar la clase a la cual perte-
nece (Pu y Vosselman, 2009a).
Una tcnica para la deteccin de mltiples objetos
en un entorno urbano fue presentado en Golov-
inskiy, Kim y Funkhouser (2009). Este algoritmo
inicia con la localizacin potencial de los objetos,
basndose en la alta densidad de puntos que es-
2WURWLSRGHFODVLFDFLyQGHQXEHVGHSXQWRVHVWi
basado en el enfoque estadstico (Luo y Sohn,
2012), donde los parmetros del modelo y las pro-
babilidades DSRVWHULRUL son estimadas mediante
el ajuste de un modelo Gaussiano mixto usando el
algoritmo ([SHFWDWLRQ 0D[LPL]DWLRQ (EM). En
la fase de anlisis de caractersticas se detectaron
tres tipos de objetos en el entorno urbano: los ob-
jetos hechos por el hombre, que generalmente son
VXSHUFLHVSODQDVRFLOtQGULFDVFRQDOJ~QYDORUGH
tos poseen; despus se aplica un mtodo de seg- UHHFWDQFLDHMHGLFDFLRQHV\SRVWHVGHOX]ORV
mentacin para remover los puntos del terreno. REMHWRVQDWXUDOHVTXHVRQVXSHUFLHVLUUHJXODUHV
La extraccin de caractersticas se lleva a cabo FRQ SRFD UHHFWDQFLD HM ORV iUEROHV HO VXHOR
con base en la forma y el contexto. Y en la eta- QDOPHQWHORVREMHWRVGLQiPLFRVWDOHVFRPRORV
SDGHFODVLFDFLyQFDGDYHFWRUGHFDUDFWHUtVWLFDV peatones y vehculos, que generalmente son de
GHO REMHWR FDQGLGDWR HV FODVLFDGR FRQ UHVSHFWR pequea altura y obstruyen a los dos tipos de ob-
a un conjunto de entrenamiento etiquetado ma- jetos anteriores.
nualmente.
Generacin de modelos tridimensionales
En la tesis presentada en Belton (2008) se realiza
XQSURFHVRGHFODVLFDFLyQDQLYHOGHSXQWR%D-
8QD YH] LGHQWLFDGRV ORV REMHWRV GHQWUR GH OD
sado en las caractersticas geomtricas, los puntos
QXEHGHSXQWRVHQODIDVHGHFODVLFDFLyQVHOOH-
IXHURQHWLTXHWDGRVHQWUHVFODVHVVXSHUFLHIURQ-
va a cabo el proceso de visualizacin mediante
WHUD\ERUGH(VWDFODVLFDFLyQVHOOHYyDFDERFRQ
la generacin de un modelo tridimensional con
base en las propiedades algebraicas de continui-
las dimensiones extradas de los objetos. Aun-
dad y de diferencial de los segmentos de las su-
que existen aplicaciones comerciales para la
SHUFLHVPHGLDQWHDOJRULWPRVGHOYHFLQGDULRPiV
transformacin de la nube de puntos en modelos
cercano y varianza de la curvatura del vecindario
slidos, muchos de los procesos tienen limita-
(Belton y Lichti, 2006).
FLRQHV VLJQLFDWLYDV FRPR OD GHSHQGHQFLD GH
JHRPHWUtDVSUHHVWDEOHFLGDVTXHQRUHHMDQVX-
El trabajo presentado en Velizhev HWDO. (2012) se
FLHQWHPHQWHODJHRPHWUtDGHXQDHGLFDFLyQOD
basa en la deteccin y el reconocimiento de obje-
dependencia de un programa basado en dibujo
tos pequeos y compactos de un entorno urbano
asistido por computador (CAD) y la incapacidad
(ej. carros, seales de trnsito y lmparas). El pro-
de operar de manera ptima con datos disper-
FHVRLQLFLDFRQHOOWUDGRGHORVSXQWRVGHOWHUUH-
sos e informacin faltante (Laefer HWDO, 2011).
no mediante el algoritmo de RANSAC, luego, se
Existen dos enfoques dominantes que se nom-
extraen grupos de puntos llamados componentes
bran a continuacin.
conectados, los cuales se consideran como po-
tenciales objetos. Despus se evalan las caracte-
rsticas de cada componente (ej. altura, volumen, Geometra slida constructiva- Constructive
descriptor VSLQLPDJH\QDOPHQWHVHDSOLFDXQ
DOJRULWPR GH FODVLFDFLyQ VXSHUYLVDGD OODPDGR
,PSOLFLW 6KDSH 0RGHOV (ISM), que reconoce los
objetos mediante un sistema de votacin de las
localizaciones de sus centros.
Solid Geometry (CSG)
En este enfoque se construyen los modelos a
partir de una serie de slidos primitivos simples
(caja, esfera, cilindro y aros) y de operaciones

144 Tecnura Vol. 18 No. 41 julio - septiembre de 2014


booleanas como: unin, interseccin y diferen-
cia (Laefer HW DO, 2011; Hoffman y Rossignac,
1996). El proceso de construccin de los mode-
los tridimensionales se realiza en forma de rbol
llamado &6*7UHH, donde los slidos primitivos
simples son las hojas y las operaciones boolea-
nas se almacenan como nodos interiores (Gold-
man, 2009).
Representacin de fronteras - B-rep
(Boundary Representation)
En este enfoque la estructura geomtrica cons-
WDGHYpUWLFHVFXUYDV\VXSHUFLHVMXQWRFRQORV
datos numricos que describen la posicin, el ta-
mao y la orientacin, mientras que la estructura
topolgica de los modelos adyacentes consta de
vrtices, aristas y caras, junto con punteros que
almacenan la informacin de la conectividad
revisin
2WURHQIRTXHSDUDODUHFRQVWUXFFLyQGHVXSHUFLHV
est basado en la triangulacin de Delaunay, que
consiste en la generacin de una red irregular de
tringulos (TIN) a partir de todos los puntos de la
escena. El trabajo presentado en Pu y Vosselman
(2007) para la deteccin de ventanas inicia con
la generacin de un TIN para los segmentos de la
fachada; como las ventanas presentan menor den-
sidad de puntos entonces los tringulos son ms
grandes en esa rea, y esta caracterstica permite
detectar estos segmentos ms fcilmente para lue-
go ser ajustados a un rectngulo mnimo delimi-
tante. En Pu y Vosselman (2009a) y Pu (2007) se
presenta un enfoque para la generacin autom-
WLFD GH PRGHORV GH HGLFDFLRQHV PHGLDQWH DMXVWH
a polgonos. En su etapa de modelado los objetos
reconocidos son ajustados directamente a polgo-
nos convexos mediante los mtodos: 4XLFN +XOO
(Barber, Dobkiny Huhdanpaa, 1996), mnimos
cuadrados o transformada de Hough (Vosselman
(Hoffman y Rossignac, 1996; Goldman, 2009). HWDO(QODVSDUWHVRFXOWDVGHODVHGLFD-
ciones se hacen suposiciones a partir de las partes
Un trabajo basado en el enfoque B-rep para la re- visibles y del conocimiento acerca de estas y luego
FRQVWUXFFLyQGHVXSHUFLHVVHSUHVHQWDHQ/RUHQ- se completa el modelo mediante la combinacin de
sen y Cline (1987) denominado 0DUFKLQJ&XEHV. los polgonos ajustados y las suposiciones de las
El proceso inicia con la subdivisin del espacio partes ocultas. En Pu y Vosselman (2009b) se da
de coordenadas en voxels; aquellos voxels que un toque ms real a los modelos tridimensionales,
FRQWHQJDQ DOJ~Q HOHPHQWR GH OD VXSHUFLH VRQ con la ejecucin de un mtodo para la aplicacin
remplazados con una serie de tringulos alrede- de color y textura a partir de imgenes digitales, tal
dor de los puntos hasta formar polgonos. Des- FRPRVHYLVXDOL]DHQODJXUD
pus se realiza la unin de los cubos adyacentes
a travs de sus vrtices vecinos para producir la
PDOODSROLJRQDOGHODVXSHUFLH2WURWUDEDMRSUH-
sentado en Azernikov y Fischer (2004) se basa
en la aproximacin de la conectividad de grafos
a partir del modelo +LHUDUFKLFDO 6SDFH 'HFRP-
SRVLWLRQ 0RGHO (HSDM) y la reconstruccin de
caras. El proceso se divide en las siguientes eta-
pas: construccin del HSDM a partir de la nube
GH SXQWRV H[WUDFFLyQ GH VXSHUFLH PHGLDQWH OD
a) Nube de puntos b) Modelo 3D c) Modelo 3D texturizado
conectividad de grafos, la reconstruccin de caras
\QDOPHQWHODUHFRQVWUXFFLyQGHODPDOOD\VX Figura 3. Generacin de modelos tridimensionales
con textura
extensin mediante la incorporacin de los vec-
tores normales. Fuente: Shi Pu (2009), tomada de Pu y Vosselman (2009b).

Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 145
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
revisin
En Boissonnat (1984) se propone un mtodo para (Moser, 2010). Las categoras que se plantearon
reconstruir una malla mediante la triangulacin SDUDHODQiOLVLV6,*'IXHURQDHODQiOLVLVGH
GHVXSHUFLHVDSDUWLUGHOYHFLQGDULRGHXQFRQ- SUR[LPLGDG, usada para el clculo de distancias,
junto de puntos aplicando el mtodo de mnimos
cuadrados. Esta triangulacin se propaga hasta
que no existan ms puntos libres de manera simi-
lar a la tcnica de crecimiento de regiones.
Actualmente, existen en el mercado algunas he-
rramientas comerciales de VRIWZDUHpara la trans-
IRUPDFLyQ GH QXEH GH SXQWRV HQ VXSHUFLH HQ
modelos slidos. Estas aplicaciones se pueden
FODVLFDUHQGRVFDWHJRUtDVODVTXHGHSHQGHQGH
un VRIWZDUH intermediario CAD o comnmente
llamado Add-on para plataformas CAD y las
aplicaciones independientes (Bradley y Currie,
2005). Los tipos de archivos de salida de estas
DSOLFDFLRQHV VRQ ';) 6$7 67(3 67/ HQWUH
otros. A pesar de que estas aplicaciones facilitan
la construccin de un modelo, an presenta varias
desventajas como el consumo considerable de
tiempo, ya que no se puede generar un modelo sa-
tisfactorio sin algn grado de posprocesamiento
manual (Young HWDO9LFHFRQWL=DQQRQL\
Pierotti, 1998).
TENDENCIAS Y TRABAJOS FUTUROS
En Batty, Chapman y Evans (2000) se presenta
un estado del arte sobre las diferentes aplicacio-
nes que se la han dado a los modelos de ciudades
HQ'HQWUHODVTXHVHGHVWDFDQORVVHUYLFLRVGH
emergencia, la planeacin urbana, las telecomu-
nicaciones, la arquitectura, el turismo, entre otros.
Una de las tendencias ms importantes que se
est llevando a cabo con el uso de estos mode-
ORV HV SDUD HO DQiOLVLV 6,* ' (Q 0RVHU $O-
brecht y Kosar (2010) se basaron en estudios
EXIIHU H LQWHUVHFFLRQHV HQWUH REMHWRV ' E HO
DQiOLVLV GH SURSDJDFLyQ GH YROXPHQ R GLQiPL-
FDGHXMRV, utilizada para modelar la dinmica
GHODVFRUULHQWHVGHDLUHDWUDYpVGHODVHGLFD-
FLRQHVFRQHOQGHHYDOXDUODGLVWULEXFLyQGHOD
contaminacin en la ciudad; c) OD GHQVLGDG HQ
', para examinar las posibles ubicaciones de
antenas para la cobertura de la telefona mvil y
el DQiOLVLVGHYLVLELOLGDGTXHSHUPLWHLGHQWLFDU
las reas que son visibles desde alguna posicin
del observador sin tener que generar vistas con
perspectiva (Moser HWDO2010).
Recientes investigaciones estn conduciendo al
enriquecimiento semntico de los modelos de
FLXGDGHV'SDUDHOGHVDUUROORXUEDQRVRVWHQLEOH
CityGML (Grger, Kolbe, Czerwinski y Nagel,
2008) es la primera norma estndar relacionada
con este tipo de modelos, donde se intenta pro-
porcionar una descripcin de las propiedades
geomtricas, topolgicas y semnticas de los ob-
MHWRV'TXHSHUPLWHQHQULTXHFHUHVWRVPRGHORV
con informacin importante relacionada con los
diferentes temas urbanos. En Mtral, Ghoula, y
Falquet (2012) se aborda el problema relaciona-
do con la visualizacin de modelos de ciudades
'HQULTXHFLGRV\SURSRQHQXQDUHSUHVHQWDFLyQ
formal de las tcnicas de visualizacin existentes
en forma de una ontologa de tcnicas de visua-
OL]DFLyQ ' ,JXDOPHQWH HQ %LOOHQ =DNL 6HU-
vires, Moreau, y Hallot (2012) se propone una
ontologa del espacio para fortalecer el diseo de
PRGHORV GH FLXGDGHV ' EDVDGRV HQ HO HVWiQGDU
CityGML. Otras investigaciones acerca de la re-
construccin urbana se llevan a cabo en la Socie-
dad Internacional de Fotogrametra y Sensores
de casos reales para resaltar las capacidades de Remotos ,6356 en la comisin III, grupo de
DQiOLVLV ' ODV FXDOHV IXHURQ HVWUXFWXUDGDV HQ WUDEDMR,6356\HQOD&RRSHUDFLyQ(X-
categoras como: funciones de anlisis espacial ropea en Ciencia y Tecnologa (European COST
7RPOLQ  \ RSHUDFLRQHV FRQ GDWRV HQ ' $FWLRQ

146 Tecnura Vol. 18 No. 41 julio - septiembre de 2014


CONCLUSIONES
El desarrollo de la tecnologa del escner lser ha
revolucionado la forma del levantamiento de la
LQIRUPDFLyQ WRSRJUiFD WDQWR HQ HO iUHD XUEDQD
como en la rural. La gran ventaja que tiene esta
tecnologa es la rapidez y la precisin con la que
captura los datos que se representan en forma de
una nube de puntos que implcitamente contiene
ODVFRRUGHQDGDV;<=HOSRUFHQWDMHGHUHHFWDQ-
FLD\HOFRORUGHODVVXSHUFLHVHVFDQHDGDV
El gran volumen de datos recolectados mediante
TLS ha impulsado el desarrollo de investigacio-
nes para llevar a cabo el tratamiento de dicha nube
REFERENCIAS
revisin
de puntos; algunos de ellos se han enfocado en el
GHVDUUROORGHDOJRULWPRVSDUDHOUHJLVWUROWUDGR
segmentacin y visualizacin de nube de puntos,
mientras que otros trabajos han hecho nfasis en
HOUHFRQRFLPLHQWR\FODVLFDFLyQGHREMHWRV
FINANCIAMIENTO
Este trabajo forma parte el proyecto de investiga-
cin Herramienta para automatizar la generacin
de un modelo tridimensional de elementos urba-
QRVQDQFLDGRSRUOD8QLYHUVLGDG,QGXVWULDOGH
Santander (UIS) y por el grupo de investigacin
Geomtica adscrito a la Escuela de Ingeniera Ci-
vil de la UIS.
$]HUQLNRY6\)LVFKHU$(IFLHQWVXUIDFH JUDPPHWU\ 5HPRWH 6HQVLQJ DQG 6SDWLDO
reconstruction method for distributed CAD. ,QIRUPDWLRQ6FLHQFHV, 36 (5), 44-49.
&RPSXWHU$LGHG'HVLJQ, 36 (9), 799-808.
%LOOHQ5=DNL&6HUYLqUHV00RUHDX*\
Barber, C. B., Dobkin, D. y Huhdanpaa, H. Hallot, P. (2012). Developing an ontology
(1996). The Quickhull Algorithm for Con- RIVSDFH$SSOLFDWLRQWR'FLW\PRGHOLQJ
vex Hulls. $&0 7UDQVDFWLRQV RQ 0DWKH- In T. Leduc, G. Moreau, y R. Billen (Eds.).
PDWLFDO6RIWZDUH7206, 22 
'2,
Batty, M., Chapman, D. y Evans, S. (2000). 9L-
VXDOL]LQJ WKH &LW\ &RPPXQLFDWLQJ 8UEDQ
'HVLJQWR3ODQQHUVDQG'HFLVLRQ0DUNHUV.
8VDJH 8VDELOLW\ DQG 8WLOLW\ RI ' &LW\
0RGHOV(XURSHDQ&267$FWLRQ78,
'2,XG
Boissonnat, J. (1984). Geometric Structures for
Three Dimensional Shape Representation.
London.
Belton, D. (2008). &ODVVLFDWLRQDQG6HJPHQWD-
WLRQRI'7/63RLQW&ORXGV. Tesis de Doc-
torado no publicada, Curtin University of
Technology, Perth, Australia.
$&07UDQVDFWLRQVRQ*UDSKLFV72*, 3 (4),
'2,
Bornaz, L. y Rinaudo, F. (2004). Terrestrial laser
scanner data processing. 3URFHHGLQJVRI;;
,6356 &RPPLVVLRQ 9 &RQJUHVV (vol. 45,
pp. 514-519).
%HOWRQ'\/LFKWL'&ODVVLFDWLRQDQG
segmentation of terrestrial laser scanner
point clouds using local variance informa-
tion. 7KH ,QWHUQDWLRQDO $UFKLYHV RI 3KRWR-
Bradley, C.y Currie, B. (2005). Advances in the
Field of Reverse Engineering. &RPSXWHU
$LGHG'HVLJQDQG$SSOLFDWLRQV, 2 (5), 697-
706.

Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 147
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
revisin
Canny, J. (1986). A computational approach to 3KRWRJUDPPHWU\5HPRWH6HQVLQJDQG6SD-
edge detection. ,((( WUDQVDFWLRQV RQ SDW- WLDO,QIRUPDWLRQ6FLHQFHV, 34 
WHUQ DQDO\VLV DQG PDFKLQH LQWHOOLJHQFH,
(6), 679-98. Retrieved from http://www. Goldman, R. (2009). $Q,QWHJUDWHG,QWURGXFWLRQ
QFELQOPQLKJRYSXEPHG '2, WR&RPSXWHU*UDSKLFVDQG*HRPHWULF0RG-
10.1109/TPAMI.1986.4767851 HOLQJVWHGS86$&5&3UHVV

&DUWHU :  7KH /XQDU /DVHU 5DQJLQJ Golovinskiy, A., Kim, V. G. y Funkhouser, T.
3RLQWLQJ3UREOHP. University of Arizona.  6KDSHEDVHG UHFRJQLWLRQ RI '
point clouds in urban environments. ,Q-
Dash, M. y Liu, H. (1997). Feature Selection for WHUQDWLRQDO &RQIHUHQFH RQ &RPSXWHU 9L-
&ODVVLFDWLRQ ,QWHOOLJHQW 'DWD $QDO\VLV, VLRQ  ,&&9 (pp. 2154-2161). IEEE. DOI:
1 
El-Halawany, S. I. y Lichti, D. (2011). De-
tection of Road Poles from Mobile
Terrestrial Laser Scanner Point Cloud. ,Q-
WHUQDWLRQDO :RUNVKRS RQ 0XOWL3ODWIRUP
0XOWL6HQVRU5HPRWH6HQVLQJDQG0DSSLQJ
10.1109/ICCV.2009.5459471
Gordon, S., Lichti, D. y Stewart, M. (2001). Ap-
plication of a high-resolution, ground-based
laser scanner for deformation measure-
ments. ,Q3URFHHGLQJVRIWK,QWHUQDWLRQDO
),*6\PSRVLXPRQ'HIRUPDWLRQ0HDVXUH-
PHQWV
0560 (pp. 1-6). IEEE. DOI: 10.1109/
0560
El-Halawany, S. I., Moussa, A., Lichti, D. y El-
Sheimy, N. (2011). Detection of road curb
Gorte, B. y Pfeifer, N. (2004). Structuring La-
VHU6FDQQHG 7UHHV XVLQJ ' 0DWKHPDWL-
cal Morphology. ,QWHUQDWLRQDO $UFKLYHV RI
3KRWRJUDPPHWU\5HPRWH6HQVLQJDQG6SD-
from mobile terrestrial laser scanner point WLDO,QIRUPDWLRQ6FLHQFHV, 35 %
cloud. ,6356 ZRUNVKRS /DVHU VFDQQLQJ
, (5), 6. Grger, G., Kolbe, T., Czerwinski, A. y Nagel,
C. (2008). 2SHQ*,6  &LW\ *HRJUDSK\
(XURSHDQ &267 $FWLRQ 7  8VDJH 8V- 0DUNXS /DQJXDJH  &LW\*0/  (QFRGLQJ
DELOLW\DQG8WLOLW\RI'&LW\0RGHOV5H- 6WDQGDUG. Open Geospatial Consortium Inc.
FXSHUDGRGHKWWSXGHGSVFLHQFHVRUJ Recuperado de www.opengeospatial.org/
standards/citygml
)DUR)DUR/DVHU6FDQQHU)RFXV'Ju-
nio. Recuperado de http://www.faro.com/ Hoffman, C. y Rossignac, J. (1996). A Road Map
focus/es to Solid Modeling. ,((( 7UDQVDFWLRQ RQ
9LVXDOL]DWLRQ DQG &RPSXWDWLRQ *UDSKLFV,
Fernndez Daz, J. C. (2007). 6FLHQWLF$SSOLFD-
WLRQVRIWKH0RELOH7HUUHVWULDO/DVHU6FDQ-
QHU6\VWHP. Tesis de Maestra no publicada,
University of Florida, USA.
Filin, S. (2002). Surface clustering from airborne
2 '2,
Hoover, A., et. al. (1996). An Experimental Com-
parison of Range Image Segmentation Al-
gorithms. ,((( 7UDQVDFWLRQV RQ 3DWWHUQ
$QDO\VLVDQG0DFKLQH,QWHOOLJHQFH$UFKLYHV,
laser scanning data. ,QWHUQDWLRQDO$UFKLYHVRI '2,

148 Tecnura Vol. 18 No. 41 julio - septiembre de 2014


Hoppe, H., DeRose, T., Dumpchamp, T., McDon-
ald, J. y Stuetzle, W. (1992). Surface recon-
struction from unorganized points. ACM
6,**5$3+ &RPSXWHU *UDSKLFV, 26 (2),
'2,
revisin
Kuipers, J. (2002). 4XDWHUQLRQVDQG5RWDWLRQ6H-
TXHQFHV$3ULPHUZLWK$SSOLFDWLRQVWR2U-
ELWV$HURVSDFHDQG9LUWXDO5HDOLW\ (p. 400).
Princeton: Princeton University Press.
Laefer, D., Truong Hong, L. y Fitzgerald, M.
,6356  ,QWHUQDWLRQDO 6RFLHW\ IRU 3KRWR-
grammetry and Remote Sensing. Recuper-
ado de http://www2.isprs.org/commissions/
FRPPZJKWPO
Jansa, J., Studnicka, N., Forkert, G., Haring, A.
y Kager, H. (2004). Terrestrial laserscan-
ning and photogrammetry - acquisition
techniques complementing one another.
,QWHUQDWLRQDO$UFKLYHVRI3KRWRJUDPPHWU\
5HPRWH 6HQVLQJ DQG 6SDWLDO ,QIRUPDWLRQ
Sciences, 35.
(2011). Processing of terrestrial laser scan-
ning point cloud data for computational
modelling of building facades. 5HFHQW3DW-
HQWV RQ &RPSXWHU 6FLHQFH, 4 (1), 16-29.
DOI: 10.2174/1874479611104010016
Leal, E. y Leal, N. (2006). Point Cloud Denoising
Using Robust Principal Component Analy-
sis. 3URFHHGLQJV RI WKH )LUVW ,QWHUQDWLRQDO
&RQIHUHQFH RQ &RPSXWHU *UDSKLFV 7KHR-
U\ DQG $SSOLFDWLRQV (pp. 51-58). Setbal,
Portugal.
-LDQJ;\%XQNH+)DVW6HJPHQWDWLRQ
of Range Images into Planar Regions by
Scan Line Grouping. 0DFKLQH 9LVLRQ DQG
$SSOLFDWLRQV, 7 (2), 115-122. DOI: 10.1007/
BF01215806
Johnson, R. y Wichern, W. (2002). $SSOLHG0XO-
WLYDULDWH6WDWLVWLFDO$QDO\VLV (5th ed.). New
Jersey, USA: Prentice Hall.
Kira, K. y Rendell, L. (1992). The feature selec-
tion problem: Traditional methods and a
new algorithm. 3URFHHGLQJV RI 1LQWK 1D-
WLRQDO&RQIHUHQFHRQ$UWLFLDO,QWHOOLJHQFH
Leica. (2012a). Leica ScanStation C10. Junio. Re-
cuperado de http://www.leica-geosystems.
es/es/Leica-ScanStation-C10_79411.htm
Leica. (2012b). HDS7000 Laser Scanner. Junio.
Recuperado de http://www.leica-geosys-
WHPVHVHV+'6BKWP
Liberge, S., Soheilian, B., Chehata, N. y Papa-
roditis, N. (2010). Extraction of Vertical
3RVWVLQ'/DVHU3RLQW&ORXGVDFTXLUHGLQ
Dense Urban Areas by a Mobile Mapping
System. ,QWHUQDWLRQDO $UFKLYHV RI 3KRWR-
SS JUDPPHWU\5HPRWH6HQVLQJDQG6SDWLDO,Q-
IRUPDWLRQ6FLHQFHVYROSS
Klasing, K., Wollherr, D. y Buss, M. (2008, Saint-Mand, Francia.
0D\ $ FOXVWHULQJ PHWKRG IRU HIFLHQW
VHJPHQWDWLRQRI'ODVHUGDWD&RQIHUHQFH
RQ 5RERWLFV DQG $XWRPDWLRQ ,&5$ 
,((( ,QWHUQDWLRQDO SS  0X-
nich, Alemania: IEEE. DOI: 10.1109/RO-
%27
/LFKWL '  6SHFWUDO OWHULQJ DQG FODVVL-
FDWLRQ RI WHUUHVWULDO ODVHU VFDQQHU SRLQW
clouds. 7KH 3KRWRJUDPPHWULF 5HFRUG,
(111), 218-240. DOI: 10.1111/j.1477-
[

Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 149
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
revisin
Lichti, D. y Harvey, B. (2002). Effects of re-
HFWLQJ VXUIDFH PDWHULDO SURSHUWLHV RQ
WLPHRILJKW ODVHU VFDQQHU PHDVXUHPHQWV
,QWHUQDWLRQDO $UFKLYHV RI WKH 3KRWRJUDP-
PHWU\ 5HPRWH 6HQVLQJ DQG 6SDWLDO ,QIRU-
PDWLRQ6FLHQFHV, 34 (4).
Lorensen, W. y Cline, H. (1987). Marching
&XEHV $ +LJK 5HVROXWLRQ ' 6XUIDFH
Construction Algorithm. $&06,**5$3+
SXWHUV, C-26 (9), 917-922. DOI: 10.1109/
7&
Optech. (2012). ILRIS Terrestrial Laser Scanner.
Junio. Recuperado de http://www.optech.
FDSGI,/5,6B6SHF6KHHWBB:HE
pdf
Pauly, M., Gross, M. y Kobbelt, L. (2002). Ef-
FLHQW VLPSOLFDWLRQ RI SRLQW VDPSOHG
&RPSXWHU*UDSKLFV, 21 '2, surfaces. 3URFFHGLQJV RI WKH FRQIHUHQFH
RQ 9LVXDOL]DWLRQ ,((( &RPSXWHU 6RFLHW\

Luo, C. y Sohn, G. (2012). Terrestrial Laser Scan-
QLQJ 'DWD &ODVVLFDWLRQ 8VLQJ ([SHFWD-
tion Maximization Algorithm. 7KH ;;,,
&RQJUHVV RI WKH ,QWHUQDWLRQDO 6RFLHW\ IRU
3KRWRJUDPPHWU\DQG5HPRWH6HQVLQJ. Mel-
bourne, Australia.
Mtral, C., Ghoula, N. y Falquet, G. (2012). An
RQWRORJ\ RI ' YLVXDOL]DWLRQ WHFKQLTXHV
IRUHQULFKHG'FLW\PRGHOV7/HGXF*
Moreau, y R. Billen, Eds.) 8VDJH8VDELO-
LW\DQG8WLOLW\RI'&LW\0RGHOV(XURSHDQ
&267 $FWLRQ 78, , 15. DOI:
XG
SS  0DVVDFKXVHWWV 86$ '2,
9,68$/
Pfeifer, N., Dorninger, P., Haring, A. y Fan, H.
(2007). Investigating terrestrial laser scan-
ning intensity data: Quality and functional
relations. ,Q 2SWLFDO ' 0HDVXUHPHQW
7HFKQLTXHV9,,,
Pu, S. (2007). Automatic building modeling from
terrestrial laser scanning. $GYDQFHV LQ '
*HRLQIRUPDWLRQ 6\VWHPV (pp. 147-160).
Springer Berlin Heidelberg.
Pu, S., Rutzinger, M., Vosselman, G. y Oude El-
berink, S. (2011). Recognizing basic struc-
tures from mobile laser scanning data for
0RVHU-3RWHQWLDORI'*,60RGHOVIRU road inventory studies. $UFKLYHV RI 3KRWR-
Municipalities - The case of study of Sal- JUDPPHWU\5HPRWH6HQVLQJDQG6SDWLDO,Q-
zburg. 3URFHHGLQJ RI WKH *HRLQIRUPDWLFV
)RUXP6DO]EXUJ.
Moser, J., Albrecht, F. y Kosar, B. (2010). Be-
\RQG YLVXDOLVDWLRQ  ' *,6$QDO\VHV IRU
virtual city models. ,QWHUQDWLRQDO$UFKLYHV
RI 3KRWRJUDPPHWULF 5HPRWH 6HQVLQJ DQG
6SDWLDO ,QIRUPDWLRQ 6FLHQFHV, ;;;9,,, (4/
IRUPDWLRQ 6FLHQFHV, 66  66 '2,
10.1016/j.isprsjprs.2011.08.006
Pu, S. y Vosselman, G. (2006). Automatic extrac-
tion of building features from terrestrial
laser scanning. $UFKLYHV RI 3KRWRJUDPPH-
WU\ 5HPRWH 6HQVLQJ DQG 6SDWLDO ,QIRUPD-
WLRQ6FLHQFHV, 35 (6). Recuperado de http://
:
Narendra, P. y Fukunaga, K. (1971). A branch
and bound algorithm for Feature Subset
Selection. ,((( 7UDQVDFWLRQV RQ &RP-
ZZZLVSUVRUJSURFHHGLQJV;;;9,SDUW
paper/1219_Dresden06.pdf
Pu, S. y Vosselman, G. (2007). Extracting win-
dows from terrestrial laser scanning. ,Q-

150 Tecnura Vol. 18 No. 41 julio - septiembre de 2014

 revisin
WHUQDWLRQDO $UFKLYHV RI 3KRWRJUDPPHWU\ 'DWD IRU 8UEDQ 9HJHWDWLRQ &ODVVLFDWLRQ
5HPRWH 6HQVLQJ DQG 6SDWLDO ,QIRUPDWLRQ Sensors,   '2, 
Sciences, 36  s8084505

Pu, S. y Vosselman, G. (2009a). Knowledge Sapkota, P. P. (2008). 6HJPHQWDWLRQRI&RORXUHG

based reconstruction of building models 3RLQW &ORXG 'DWD. Tesis de Maestra no
from terrestrial laser scanning data. ,6356 publicada. International Institute for Geo-
-RXUQDO RI 3KRWRJUDPPHWU\ DQG 5HPRWH Information Science and Earth Observa-
Sensing, 64 (6), 575-584. DOI: 10.1016/j. tion. Enschede. Holanda.
isprsjprs.2009.04.001
Schnabel, R., Roland, W., Wessel, R. y Klein, R.
Pu, S. y Vosselman, G. (2009b). Building facade (2007). 6KDSH 5HFRJQLWLRQ LQ ' 3RLQW
reconstruction by fusing terrestrial laser &ORXGV (p. 9). Bonn, Alemania.
points and images. 6HQVRUV %DVHO 6ZLW-
]HUODQG,   '2, 
s90604525
Rabbani, T., Van den Heuvel, F. y Vosselman, G.
(2005). Segmentation of point clouds using
6FKQDEHO5:DKO5\.OHLQ5(I-
cient RANSAC for Point-Cloud Shape De-
tection. &RPSXWHU*UDSKLFV)RUXP, 26 (2),
214-226.
smoothness constraint. ,QWHUQDWLRQDO $U- 6KDNDUML &  /HDVWVTXDUHV WWLQJ DOJR-
FKLYHVRI3KRWRJUDPPHWU\5HPRWH6HQVLQJ rithms of the NIST algorithm testing sys-
DQG 6SDWLDO ,QIRUPDWLRQ 6FLHQFHV, 36 (5), tem. -RXUQDO RI 5HVHDUFK RI WKH 1DWLRQDO
 ,QVWLWXWH RI 6WDQGDUG DQG 7HFKQRORJ\,
6 
Reshetyuk, Y. (2009). 6HOIFDOLEUDWLRQDQGGLUHFW
JHRUHIHUHQFLQJLQWHUUHVWULDOODVHUVFDQQLQJ. Sithole, G. (2005). 6HJPHQWDWLRQDQG&ODVVLFD-
Tesis de Doctorado no publicada. Royal In-
WLRQRI$LUERUQH/DVHU6FDQQHU'DWDS
stitute of Technology - KTH, Estocolmo,
NCG, Nederlandse Commissie voor Geod-
Suecia.
esie. Delft, Holanda.
Riegl. (2012). Riegl Laser Measurement System.
6LWKROH * \ 9RVVHOPDQ *  $XWRPDWLF
Junio. Recuperado de http://www.riegl.
structure detection in a point-cloud of an
com/nc/products/terrestrial-scanning
urban landscape. 3URFHHGLQJV QG *566
Rottensteiner, F., Trinder, J., Clode, S. y Kubik, ,356 MRLQW ZRUNVKRS RQ 5HPRWH 6HQV-
K. (2005). Using the Dempster-Shafer LQJ DQG 'DWD )XVLRQ RYHU 8UEDQ $UHDV,
method for the fusion of LIDAR data and pp. 67-71. Berln, Alemania.DOI: 10.1109/
multi-spectral images for building detec- ')8$
tion. ,QIRUPDWLRQ IXVLRQ, 6  
'2,,&35
5XW]LQJHU0+|H%+ROODXV0\3IHLIHU1
(2008). Object-Based Point Cloud Analysis
Tomlin, D. (1991). Cartographic Modelling. En
D. Maguire, M. Goodchild y D. Rhind
(Ed.). *HRJUDSKLFDO ,QIRUPDWLRQ 6\VWHPV
3ULQFLSOHV DQG $SSOLFDWLRQV , SS 
of Full-Waveform Airborne Laser Scanning +DUORZ,QJODWHUUD:LOH\

Modelos urbanos tridimensionales generados a partir de nubes de puntos de un escner lser terrestre 151
HERNN PORRAS DAZ / JHON JAIRO CCERES JIMNEZ / ELVER OMAR GALLO LANCHEROS
revisin
7ULPEOH D 7ULPEOH 9; 6SDWLDO 6WD-
tion. Junio. Recuperado de http://trl.
trimble.com/docushare/dsweb/Get/Docu-
PHQW)B7ULPEOH9;B
DS_0110_lr.pdf
6SDWLDO ,QIRUPDWLRQ 6FLHQFHV, 34 :

Vosselman, G., Gorte, B. G. H., Sithole, G. y
Rabbani, T. (2004). Recognising Structure
in Laser Scanner Point Clouds. 7KH,QWHUQD-
7ULPEOH E 7ULPEOH ); 6FDQQHU 'DWD- WLRQDO$UFKLYHVRI3KRWRJUDPPHWU\5HPRWH
sheet. Junio. Recuperado de http://trl. 6HQVLQJ DQG 6SDWLDO ,QIRUPDWLRQ 6FLHQFHV,
trimble.com/docushare/dsweb/Get/Docu- 46 :
PHQW%B7ULPEOH);B
DS_0610_LR.pdf
Van Genchten, B. (2008). 7KHRU\ DQG SUDFWLFH
RQ7HUUHVWULDO/DVHU6FDQQLQJ. M. Santana
Quintero, J. L. Lerma, y E. Heine (Eds.)
/HDUQLQJ WRROV IRU DGYDQFHG WKUHHGLPHQ-
VLRQDO VXUYH\LQJ LQ ULVN DZDUHQHVV SURMHFW
(pp. 1-241). Valencia: Universidad Politc-
nica de Valencia: Editorial UPV.
Velizhev, A., Shapovalov, R. y Schindler, K.
(2012). Implicit Shape Models for Object
'HWHFWLRQ LQ ' 3RLQW &ORXGV ,6356 RI
WKH 3KRWRJUDPPHWU\ 5HPRWH 6HQVLQJ DQG
6SDWLDO,QIRUPDWLRQ6FLHQFHV (vol. 1). Mel-
bourne, Australia. DOI: 10.5194/isprsan-
QDOV,
:DOO 0$QGUHDV 5 \ 5RFKD /  6LQ-
gular value decomposition and principal
component analysis. $3UDFWLFDO$SSURDFK
WR 0LFURDUUD\ 'DWD $QDO\VLV, (4001),
91-109.
Wang, J. y Shan, J. (2009). Segmentation of Li-
dar Point Clouds for Building Extraction.
$PHULFDQ6RFLHW\3KRWRJUDPPHWULF5HPRWH
6HQVLQJ$QQXDO. American Society for
Photogrammetry and Remote Sensing.
Woo, H., Kang, E., Wang, S. y Lee, K. H. (2002).
A new segmentation method for point cloud
data. ,QWHUQDWLRQDO -RXUQDO RI 0DFKLQH
7RROV DQG 0DQXIDFWXUH, 42 (2), 167-178.
DOI: 10.1016/S0890-6955(01)00120-1
<DQ//L=\;LH+-XQH6HJPHQWDWLRQ
9LFHFRQWL0=DQQRQL&\3LHURWWL/
TRI2SOLID: An Application of Reverse
Engineering Methods to the Creation of
CAD Models of Bone Segments. &RPSXWHU
0HWKRGV DQG 3URJUDPV LQ %LRPHGLFLQH,
of unorganized point cloud from terrestrial
laser scanner in urban region. WK,QWHUQD-
WLRQDO &RQIHUHQFH RQ *HRLQIRUPDWLFV, pp.
1-5. Beijing, China: IEEE. DOI: 10.1109/
GEOINFORMATICS.2010.5567982
56   '2, 6
;
Vosselman, G. (2009). Advanced Point Cloud
Processing. ,Q3KRWRJUDPPHWULF:HHN.
Yokoyama, H., Date, H., Kanai, S. y Takeda, H.
(2011). Pole-like objects recognition from
mobile laser scanning data using smoothing
and principal component analysis. ,6356
:RUNVKRS/DVHU6FDQQLQJ, (W12),
9RVVHOPDQ * \ 'LMNPDQ 6  ' EXLOG- 115-120.
ing model reconstruction from point clouds
and ground plans. ,QWHUQDWLRQDO $UFKLYHV Young, P., Beresford-West, T., Coward, S., Notar-
RI 3KRWRJUDPPHWULF 5HPRWH 6HQVLQJ DQG berardino, B., Walker, B. y Abdul-Aziz, A.

152 Tecnura Vol. 18 No. 41 julio - septiembre de 2014

 revisin
$QHIFLHQWDSSURDFKWRFRQYHUWLQJ =)  =) 3UROHU 7HFKQLFDO 'DWD
three-dimensional image data into highly Junio. Recuperado de http://www.zf-uk.
accurate computational models. 3KLOR- com/downloads/5010_Specs.pdf
VRSKLFDO7UDQVDFWLRQVRIWKH5R\DO6RFLHW\
$ 0DWKHPDWLFDO 3K\VLFDO DQG (QJLQHHU- =DKDQ &  *UDSKWKHRULFDO PHWKRGV IRU
ing Sciences, 366 '2, detecting and describing gestalt clusters.
10.1098/rsta.2008.0090. ,((( 7UDQVDFWLRQV RQ &RPSXWHUV, (1),
'2,7&

Tecnura Vol. 18 No. 41 pp. 134 - 153 julio - septiembre de 2014 153