Metodología para el análisis del levantamiento de Vila Vella, Casco histórico de Tossa de Mar

Transcripción

1 PhD candidate. Arq. Juan M. Corso Sarmiento PhD, Director CPSV:Dr. Arq. Josep Roca Cladera Centre of Land Policy and Valuations, CPSV Polytechnic University of Catalonia, UPC

2 ..cada enfoque o cada descomposición, no debe entenderse como una simple disección o deconstrucción, sino como la creación de nuevos esquemas de conocimiento (GÁMIZ, Antonio., Ideas Sobre Análisis, Dibujo Y Arquitectura) LEVANTAMIENTOS = ANÁLISIS + SELECCIÓN +SÍNTESIS Segmentación RANSAC Levantamiento Arquitectónico Análisis Selección Síntesis Clasificación manual Datos 3D a datos como plantas y fachadas G.H. Baker: génesis y articulación del volumen del edificio Humana (Louisville Kentucky), Michael Graves El proceso analítico debe ir del todo a las partes, y viceversa, una y otra vez. (NORBERG-SCHULZ, Christian., Intensiones en arquitectura)

3 Caso de estudio: Vila Vella, ciudad fortificada medieval, en Tossa de Mar, considerado monumento histórico-artístico nacional en 1931.

4 Método de registro, Iterative Closest Point ICP Se basa en minimizar la distancia entre dos nubes, punto a punto, por iteraciones sucesivas. Mejora su efectividad tener en cuenta: Diferencias entre posiciones por el movimiento de los objetos (ejm. Movimiento de la vegetación por el viento, su eliminación en el registro) Método topográfico Closed traverse Unir en más de una dirección Estadística entre posiciones Georreferenciación y verticalidad basada en el ICC Cartografía: Institut Cartogràfic de Catalunya (ICC) Estadística del registro Escala 1:1.000 (Diciembre de 2005) Georreferenciación con 150 puntos de referencia a lo largo de las 7 torres, la muralla y la vía.

5 Limpieza de las nubes de puntos 1. Manual, por posición 2. Manual, de todo el modelo urbano Segunda limpieza manual 3. Procesos semiautomáticos y extracción de intensidad por rango de selección (0.03 a 0.4db) Tres procesos de limpieza, dada la necesidad de tener un modelo sin ruido, para el futuro análisis de la información en 2D y 2.5D Limpiar en base a datos de intensidad

6 Análisis, Segmentación de la nube de puntos Programas LIDAR, ejemplo VRMesh Clasificación de planos RANSAC RANSAC "RANdom SAmple Consensus". It is an iterative method to estimate parameters of a mathematical model from a set of observed data which contains outliers. It is a non-deterministic algorithm in the sense that it produces a reasonable result only with a certain probability, with this probability increasing as more iterations are allowed. The algorithm was first published by Fischler and Bolles in RUGOSIDAD Vegetación y elementos complejos Detección de rugosidad con un radio de 0.6m y con un mínimo de 1000 puntos PROXIMIDAD Detección de Superficies horizontales Slope 74% y mayores de 1.2m de altura Basado en: Peter Kovesi, Centre for Exploration Targeting School of Earth and Environment The University of Western Australia. ZULIANI, Marco, RANSAC for Dummies With examples using the RANSAC toolbox for Matlab & Octave and more, Enero, 2012.

7 Selección, reorganización manual Superficies escaneadas de forma directa: Fachada y muralla Superficies escaneadas de forma indirecta: El suelo Captura de puntos lejanos: Cubiertas Elementos complejos: vegetación y mobiliario

8 Síntesis. De 3D a Raster como base de datos Desdoblamiento de la información, conservando la transformación Muros bajos Edificado Muros bajos analizados en planta y proyectados en pasos posteriores en fachada, igual que el techo y el suelo Distancia entre parcelas 15cm

9 Construcción imágenes TLS como base de datos Resolución y tamaño del pixel (detalle alcanzado) Manejo de la falta de datos (ignorar el no data ) Filtrado de la imagen base (interpolación de datos) Superposición de imágenes raster (georreferenciación) Información ortogonal (RANSAC en la alineación de datos) de información a extraer (min, max, sum, mean, etc.) Escala de valores (rangos de profundidad 32bits y normalización 0-1) Raster desde visualizadores de nubes de puntos, enfocado a las zonas de mayor detalle Pointools Sistemas de Información Geografía SIG (procesos de filtrado Low Neighborhood) ArcGis

10 Manejo de información Raster proveniente del TLS Información de intensidad y color Fachada y muralla RGB Intensidad Clasificación supervisada Suelo Resolución 2pix/cm 1er filtro Neighborhood 2er filtro Neighborhood Por ser una superficies escaneadas de forma indirecta, necesitan una mayor interpolación y el uso de mascaras que complementen el vacío de datos. Cubiertas Orientación y cambios de pendiente Vegetación y mobiliario Raster Suma resolución 1cm/pixel enredadera s Árboles Pérgola con vegetación Aspect Superficies planas e inclinadas Planta arbustos Jardineras Arco con vegetación 3D del Slope de Int. Natural Neighbor extruido con el Raster Max. análisis superficie Natural Neighbor Secciones

11 Manejo de información Raster proveniente del TLS Información de profundidad Fachada y muralla Hillshade Raster máximos, falso color Suelo DTM Neighborhood + Hillshade Raster min 0,02m pixel Raster mínimos, falso color Cubiertas Vegetación y mobiliario Surface Volume 1: Plane_Height: 24,48 Reference: ABOVE Z_Factor: 1, Area_2D: 964,68 m2 Area_3D: 2482,93 m3 Volume: 7647,21 m3 Raster mínimos 0,1 m Raster máximos 0,1 m Algebra de mapas +25m Raster máximos 0,1 m Raster máximos 5 cm/pixel, filtro. Neighborhood Low radio de 3 pixeles Hillshade Raster máx 0,05m Raster máx a puntos y a mallas Filtro Minus de 0,1 m

12 Fachada y muralla Cubiertas Manejo de información Raster proveniente del TLS Vectorización de superficies complejas área vectorial de una clasificación por profundidad Longitud mayor: Intersección de líneas y áreas vectoriales Suelo Pendientes Áreas Shapefile Vegetación y mobiliario A partir de la malla de superficies horizontales detectar los contorno SHP raster clasificado TIN 0,05m Optimizado Contornos y líneas de quiebre

13 CONCLUSIONES La complejidad de información TLS plantea la necesidad de distinción y separación de las partes de un todo hasta llegar a conocer sus principios o elementos. Su manipulación final Raster requiere un control de la transformación de los datos en cada etapa, en términos de precisión, limpieza, interpolación de información y georreferenciación. Las características técnicas TLS y arquitectónicas permiten agrupar la información en cuatro grupos, con procesos independientes para cada uno: Fachadas, suelo, techo y elementos complejos. La información 2D y 2.5D permite la accesibilidad de los datos y el trabajo multidisciplinar en el Patrimonio. Los Sistemas de Información Geográfica y la Teledetección (procesamiento de imágenes) permiten una exploración continua, rigurosa y estandarizada de la información TLS.

14 Bibliography: AXELSSON, P., Processing of Laser Scanner Data-Algorithms and Applications. ISPRS Journal of Photogrammetry & Remote Sensing, vol. 54, Al Shawa, Majd, Consolidation Points In Des Nuages In Lasergrammetrie Terrestrial Sur Les Nouvelle Approche Basée Entités linéaires, Master Thesis, Ecole Nationale Supérieure d'architecture de Nancy, Université Henri Poincaré, ARUN K. S., Huang, T. S., Blostein, S. D., Least square fitting of two 3-d point sets. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 9, Washington, DC, USA, Albacete, Antonio San Jose., LiDAR data processing with ArcGIS Desktop 10, Thesis of Master of Geographic Information Technologies, University Complutense of Madrid, 2011 BEDFORD, Jon Papworth, Heather., Measured and Drawn, Techniques and Practice for the metric survey of historic machine intelligence, Vol 14, 1992 Université Selección René Descartes À, Paris, buildings (second edition), English Heritage, England, 2009 BESL, Paul, MCKAY, Neil., "A method for registration of 3D shapes." IEEE Transactions on pattern analysis and BOULAASSAL, H,. Automatic Segmentation of Building Facades Using Terrestrial Laser Data, ISPRS Workshop on Laser Scanning and SilviLaser, Espoo, Finland, CHEN, C., HUNG, Y CHENG, J,. RANSAC-based DARCES: A New approch to fast Automatic Registration of Partially Overlapping Image Gande, IEEE Transacrions on Ptattern Analysis and Machine Intelligence, vol 21 n 11, Deveau, M., Utilisation of données conjointe laser image et pour la segmentation et la 3D Modelling. Doctoral Thesis of Fischler M, Bolles, R., Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography, Vol 24, Comm. of the ACM, 1981, FITZGIBBON. A., Robust registration of 2d and 3d point sets. Image and Vision Computing, vol. 21, UK, 2003 GAMIZ, Antonio., Ideas on analysis, design and architecture, University of Seville, Secretariat Publications, Seville, HORN, BKP, Closed-form solution of absolute orientation using unit quaternion's Journal of the Optical Society of America A, vol. 4, no. 4, HAWAII, 1987, p Haralick, R.M. and JANSSEN, L. Suitability of laser data for DTM generation: A case study in the context of road planning and design. ISPRS Journal of Photogrammetry and Remote Sensing, 54 (4), Netherlands, KOVESI, Peter. "MATLAB and Octave Functions for Computer Vision and Image Processing". ", Lari, Z., Habib, A, KWAK, E., AN ADAPTIVE APPROACH FOR 3D SEGMENTATION OF LASER POINT CLOUD, ISPRS 2011, Laser Scanning Workshop LI, Y. WANG, Y., An acurrate registration method based on point clouds and redundancy elimination of LIDAR data. The Proc International Archive of the Photogrametry, Remote Sensing and Spatial Information Scinces. Vol XXXVII. Part B5, Beijing, LERMA, Jose Luis, Classification of multispectral digital images for recognition and characterization of materials and architectural facades pathologies, Ph.D. thesis, Department of Cartographic Engineering, Geodesy and Photogrammetry, Polytechnic University of Valencia, 1999 Masaharu, H., Hasegawa, H., Three-Dimensional Laser Scanner from City Modeling Extracting Data by Using Region Segmentation Building Polygons Method, Proc. International Archives of Photogrammetry and Remote Sensing, Amsterdam, Mitra, Niloy, Gelfand, Natasha, POTTMANN, Helmut, Guibas, Leonidas., Registration of point cloud data from a geometric optimization perspective, Eurographics Symposium on Geometry Processing in, Nice, France, PFEIFERA, Norbert, Investigating Terrestrial Laser Scanning Intensity Data: Quality And Functional Relations, "International Conference on Optical 3-D Measurement Techniques VIII", ISBN: , pp. 328 to PU, Shi, Vosselman, G., Building facade reconstruction by fusing terrestrial laser points and images Sensors. Vol. 9, No. 6, Netherlands, PU, Shi, Extracting From Terrestrial Laser Scanning Windows, ISPRS Workshop on Laser Scanning and SilviLaser, Espoo, Finland, Stamos, I., Allen, P., Geometry and texture recovery of scenes of large scale. CVIU, vol. 88, No. 2, New York, SCHNABEL, R, WAHL, R., KLEIN, R., Efficient RANSAC for Point-Cloud Shape Detection. In Computer Graphics Forum, vol. 26, no. 2, Blackwell Publishing, SEGUÍ, Javier., Writings for an introduction to architectural design, Madrid, Vosselman, George, MAAS, Hans / Gerd,. Airborne and Terrestrial Laser Scanning, Whittles Publishing, Scotland, Vosselman, George, Gorte, BGH, Sithole, G., Rabbani, T., Recognising structure in laser scanner point clouds. IAPRS, vol. 46, part 8/W2, Freiburg, WANG, M., TSENG, Y., LIDAR data segmentation and classification based on octree structure. XXth ISPRS Congress, Istanbul, Turkey, ULLRICH, Wagner, Gaussian Decomposition and Calibration of a Novel Small-Footprint Full-Waveform Digitising Airborne Laser Scanner. ISPRS Journal of Photogrammetry and Remote Sensing, Volume 60, Issue 2, Zuliani, Marco, RANSAC for Dummies With examples using the RANSAC toolbox for Matlab & Octave and more, Miralles Enric Metodología para el análisis del levantamiento de Vila Cómo Vella, Casco acotar histórico un de croissant Tossa de Mar Revista croquis 49/50 España, 1991