Tesis

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE INGENIERÍA
PROTOCOLO PARA EL LEVANTAMIENTO

FOTOGRAMÉTRICO DE EDIFICIOS A
PARTIR DEL USO DE VEHÍCULOS AÉREOS
NO TRIPULADOS
TESIS
Que para obtener el título de
Ingeniero Geomático
PRESENTA
José Roberto Hernández Castro
DIRECTOR DE TESIS
M.I. Juan Manuel Núñez Hernández
Ciudad Universitaria, Cd. Mx., 2019

3/6/2019 Índice - Documentos de Google
ÍNDICE
No. Pág
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Capítulo 1 Marco Conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.1 Conceptos de Fotogrametría . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Breve Desarrollo de la Fotogrametría . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Primera Etapa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Fotogrametría Análoga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Fotogrametría Anaítica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.4 Fotogrametría Digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Proceso Fotogramétrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Planeación del Levantamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7
1.3.2 Obtención de la Información . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7
1.3.2.1 Sistemas de Adquisición de Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2.2 Información Adicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2.2.1 Puntos de Control de Tierra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2.2.2 Otros Tipos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.3 Procesamiento de las Imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.4 Productos Fotogramétricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.5 Validación y Control de Calidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.5.1 Validación de la Georreferencia / Exactitud de Posición . . . . . . . . . . . . . . . . 15
Capítulo 2 Aplicaciones en Ambientes Urbanos . . . . . . . . . . . . . . . . . . . . . . .16

2.1 Nubes de Puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Modelos Digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Modelos de Superficie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .18
2.2.2 Modelos de Terreno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .19
2.2.3 Modelos de Edificios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .19
2.3 Catastro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .21
2.3.1 Catastro 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3.2 Catastro 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4 Otras Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
https://docs.google.com/document/d/1eMbqHRnUPwzPgoFZ-dLbTvdBnHJn1ywGS8ADnWcLAQg/edit 1/3
ÍNDICE
2.4.1 Imágenes y Mapas Térmicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .25

2.4.2 Impresión 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .27
Capítulo 3 Marco Metodológico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29

3.1 Planeación de Vuelo y Obtención de la Información . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.1 Modo de Vuelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.2 Control de Tierra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .30
3.1.2.1 PostProcesamiento en StarPoint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .31
3.2 Procesamiento de las Imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35
3.2.1 Pix4D Mapper Pro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35
3.2.2 MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2.3 CloudCompare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 Validación y Control de Calidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .44
3.3.1 Validación de la Georreferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.2 Control de Calidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Capítulo 4 Propuesta de Protocolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4.1 Edificio de Estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46
4.1.1 Geometría y Accesibilidad del Edificio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.1.2 Reglamentos y Permisos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48
4.2 Planeación de Vuelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48
4.1.1 Equipo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .49
4.1.2 Modo de Vuelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.2 Levantamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2.1 Vuelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .50
4.2.2 Control de Tierra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .51
4.3 Procesamiento de las imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .53
Capítulo 5 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1 Productos Obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1.1. Nube de Puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1.2. Mesh 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.1.3. Ortomosaico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.1.4. Modelo Digital de Superficie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
ÍNDICE
5.2 Validación del Ortomosaico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61
Capítulo 6 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
ANEXOS
Anexo 1 Mapas
Anexo 2 Resumen de procesamiento y ajuste de red del Control de Tierra
Anexo 3 Reporte de calidad del procesamiento en Pix4D Mapper Pro
Anexo 4 Reglamentos y permisos
3/6/2019 Índice de Figuras - Documentos de Google
A ÍNDICE DE FIGURAS
pág.
Capítulo 1 Marco Conceptual

Figura 1.1 Proceso Fotogramétrico Digital para Fotogrametría Aérea con Vehículos
Aéreos No Tripulados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6
Figura 1.2 Fotogrametría con VANT de ala fija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8
Figura 1.3a y 1.3b Propuesta de localización de GCP identificable en terreno y
levantamiento final, ubicado en el Parque Científico Tecnológico de Yucatán en Mérida . . . . 9
Figura 1.4 GCP premarcado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10
Figura 1.5 Levantamiento Estático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Figura 1.6 Levantamiento Cinemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Figura 1.7 Levantamiento RTK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12
Figura 1.8 Comparación entre una fotografía aérea y una ortofoto . . . . . . . . . . . . . . . . 14
Capítulo 2 Aplicaciones en Ambientes Urbanos

Figura 2.1 Nube de puntos obtenida a partir de escáner láser . . . . . . . . . . . . . . . . . . . . .16
Figura 2.2 Nube de puntos de las instalaciones de Centro Geo CDMX . . . . . . . . . . . . .17
Figura 2.3 Modelo Digital de Superficie de las instalaciones de CentroGeo . . . . . . . . . 18
Figura 2.4 Comparación entre un Modelo Digital de Terreno y un Modelo Digital de
Superficie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Figuras 2.5a y 2.5b Segmentación manual de la nube de puntos de las instalaciones de
CentroGeo Unidad Mérida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .20
Figura 2.6 a y 2.6b Modelo para Catastro 3D generado de las instalaciones de Centro
Geo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Figura 2.7 Imágen térmica aérea de las instalaciones de CentroGeo CDMX . . . . . . . . .26
Figura 2.8 Segmento de una maqueta impresa (también conocido como tile) de Coyuca,
Guerrero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .28
Figura 2.9 Uso de una PA3D en taller de Cartografía Participativa en Acapulco,
Guerrero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .28
Capítulo 3 Marco Metodológico

Figura 3.1 Menú de selección de plantillas en Pix4D Capture para iOS . . . . . . . . . . . . 30
https://docs.google.com/document/d/11yyucDYYIzVbQS5QNbEJk_miJeCHJrOaK2XjAAE98lI/edit 1/2
3/6/2019 Índice de Figuras - Documentos de Google
A ÍNDICE DE FIGURAS
Figura 3.2 Clasificación de dato crudo en dato estático . . . . . . . . . . . . . . . . . . . . . . . . . 32

Figura 3.3 Combinación manual de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Figura 3.4 Carpeta de sitios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Figuras 3.5a y 3.5b Establecimiento manual de altura de la antena, intensidad de radio y
offset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Figura 3.6 Creación de vector de un punto levantado y la estación RGNA de Toluca . .34
Figura 3.7 Carpeta de vectores creados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Figura 3.8 Resumen del ajuste de red . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35
Figura 3.9 Relación manual de GCPs en Pix4D Mapper Pro . . . . . . . . . . . . . . . . . . . . . 36
Figura 3.10 Interfaz de usuario de la herramienta Ground Segment Filtering mostrando un
MDS previo a su clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Figura 3.11 Interfaz de usuario de la herramienta Ground Segment Filtering que muestra
un MDT generado con ella . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Figuras 3.12 a, 3.12b. 3.12c y 3.12d Uso de la herramienta Segment en CloudCompare
sobre una Nube de Puntos Circular. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 y 42
Figuras 3.13a, 3.13b y 3.13c Triangulación manual realizada a partir de la segmentación
de un techo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .43
Capítulo 4 Propuesta de Protocolo

Figura 4.1 Diagrama del Proceso Fotogramétrico de la tesis . . . . . . . . . . . . . . . . . . . . . 45
Figura 4.2 Entrada principal de la UPN Ajusco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Figura 4.3 Fotografía aérea de la UPN Unidad Ajusco . . . . . . . . . . . . . . . . . . . . . . . . . .48
Figura 4.4 Mapa de vuelo de la primera propuesta de vuelos y localización de GCPs . 50
Figura 4.5 Marca de GCP utilizada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Figura 4.6 Distribución de las 628 fotografías en el área de estudio . . . . . . . . . . . . . . . 54
Figura 4.7 Distribución de los GCPs en el área de estudio . . . . . . . . . . . . . . . . . . . . . . .55
Capítulo 5 Evaluación del Protocolo

Figura 5.1 Nube de Puntos de la UPN Unidad Ajusco . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Figura 5.2 Nube de Puntos de los edificios de la UPN Unidad Ajusco . . . . . . . . . . . . . 57
Figura 5.3 Acercamiento a la Nube de Puntos de los edificios de la UPN Ajusco . . . . .57
Figura 5.4 Mesh 3D de la UPN Unidad Ajusco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Figura 5.5 Acercamiento al Mesh 3D de la UPN Unidad Ajusco . . . . . . . . . . . . . . . . . .58
https://docs.google.com/document/d/11yyucDYYIzVbQS5QNbEJk_miJeCHJrOaK2XjAAE98lI/edit 2/2
3/6/2019 Índice de Tablas - Documentos de Google
B ÍNDICE DE TABLAS
pág.
Capítulo 4 Propuesta de Protocolo

Tabla 4.1 Protocolo para el Levantamiento Fotogramétrico de Edificios a partir de
Vuelos Aéreos No Tripulados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Tabla 4.2 Protocolo propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46
Tabla 4.3 Parámetros de los Vuelos Doble Cuadrícula . . . . . . . . . . . . . . . . . . . . . . . . . 51
Tabla 4.4 Tiempo de vuelo y número de fotografías por vuelo . . . . . . . . . . . . . . . . . . .51
Tabla 4.5 Tiempo de levantamiento y altura de instrumento por GCP . . . . . . . . . . . . . 52
Tabla 4.6 Coordenadas de los GCPs en UTM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .53
Tabla 4.7 Número de fotografías por GCP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

Tabla 5.1 Coordenadas de los ICPs en UTM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61
Tabla 5.2 Cálculo del RMS2D con 20 ICPs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
https://docs.google.com/document/d/1_gd0EPLK5Qz4k7csWDKlw8SwuE5w8uyFJ0cPRsR3zA0/edit 1/1
C ÍNDICE DE MAPAS
pág.
Capítulo 2 Aplicaciones en Ambientes Urbanos

Mapa 2.1 Propuesta de actualización catastral 2018 para una sección de la colonia
Lomas de Padierna en Tlalpan, CDMX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Mapa 2.2 Mapa térmico de una sección de la colonia Lomas de Padierna, Tlalpan,
CDMX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .25
Mapa 2.3 Mapa térmico de un predio ubicado en San Bartolomé Xicomulco, Milpa
Alta, CDMX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .27

Mapa 5.1 Ortomosaico de la UPN Unidad Ajusco . . . . . . . . . . . . . . . . . . . . . . . . . . . .59
Mapa 5.2 Modelo Digital de Superficie de la UPN Unidad Ajusco . . . . . . . . . . . . . . . 60
Mapa 5.3 Distribución de los Puntos de Control Independientes en la UPN . . . . . . . . 62

INTRODUCCIÓN
“[...] La Fotogrametría utilizando Vehículos Aéreos No Tripulados es una

tecnología que está madurando rápidamente. Ya que es versátil y tiene un costo
relativamente bajo, tiene el potencial de ofrecer soluciones en muchas áreas, como el
control forestal, el monitoreo de contaminación y la evaluación de daños por
desastres naturales. [...]”
_
Palabras previas del Dr. Xuhui Lee, profesor de Meteorología en la Universidad de Yale,
en el libro So You Want to Create Maps Using Drones? de Kike Calvo (2015)
La ciencia de la Fotogrametría abarca métodos de interpretación y medición a través de

imágenes o fotografías para la obtención de la forma y localización de un objeto. Desde el
surgimiento de la Fotogrametría Digital, la reconstrucción tridimensional digital de objetos se
ha convertido en uno de sus objetivos fundamentales (Luhmann et al., 2014).
En los últimos años, el uso profesional de los Vehículos Aéreos No Tripulados

(VANTs, o también conocidos como drones) en la Fotogrametría, principalmente enfocado a
ese objetivo fundamental, ha aumentado y madurado con mucha rapidez. Cada vez son más
los profesionales de la Fotogrametría que están interesados en realizar vuelos y obtener
fotografías por su propia cuenta.
Cada día se investiga más su uso para sustituir los formas más tradicionales de
obtención de imágenes como lo son los vuelos con aviones o avionetas. La eliminación de un
tercero, el piloto de la aeronave, ha permitido también un cambio en la forma en que se
realizan las planeaciones de vuelos y levantamientos fotogramétricos.
No se puede olvidar que todo este avance ha ido de la mano con la evolución de las
tecnologías de la información y la computación. Sin el desarrollo de software especializado
en procesos fotogramétricos no hubiera surgido el uso no recreativo de los VANTs. Es
gracias a este software especializado que se pueden obtener toda clase de Productos
Fotogramétricos que pueden ser utilizados en un sin fin de aplicaciones. Las Nubes de Puntos
3D van más allá del solo utilizar los VANTs para obtener fotos bonitas.
El aumento de la investigación y el desarrollo de software especializado a su vez han

provocado un aumento en las aplicaciones profesionales en que se utilizan VANTs. Que van
desde la generación de ortomosaicos que funcionan como mapas bases, hasta la creación de
modelos tridimensionales de muy alta resolución.
1
INTRODUCCIÓN
Varios autores consideran que el surgimiento de los VANTs han cambiado el

panorama de la Fotogrametría por completo. Prácticamente de la nada, sensores ligeros,
baratos y con una precisión bastante aceptable se han convertido en sistemas aéreos de
obtención de imágenes, y se categorizan hoy en día junto con sistemas de más costo y
precisión, como lo son los Sistemas Satelitales y los Sistemas Aéreos Tripulados (Calvo,
2015; Jazayeri et al, 2014).
El fin de este trabajo es conocer el cómo han cambiado los VANTs a la

Fotogrametría, el cómo han modificado y aumentado el Proceso Fotogramétrico, y cuáles son
las bases necesarias para el establecimiento de un Protocolo que provea los pasos requeridos
para realizar levantamientos fotogramétricos de edificios que generen productos de alta
calidad.
La participación como asistente de investigación en el proyecto 268773 INEGI

CONACYT Desarrollo y Evaluación de Técnicas Avanzadas de Percepción Remota para
Alimentar un Catastro Tridimensional, y el acceso a equipo para el levantamiento y
procesamiento de información por parte del Centro de Investigación en Ciencias de
Información Geoespacial (CentroGeo) fueron esenciales para el desarrollo de esta tesis.
OBJETIVO GENERAL
Aplicar el Proceso Fotogramétrico al caso específico de Vehículos Aéreos No Tripulados

(VANTs) para la generación de un Protocolo enfocado en el levantamiento de imágenes para
la construcción de modelos tridimensionales y ortomosaicos de edificios.
OBJETIVOS ESPECÍFICOS
● Definir y desarrollar los pasos del proceso fotogramétrico para el caso específico de
levantamientos con VANT.
● Enmarcar el uso de VANT en aplicaciones urbanas o en relación al levantamiento

de edificios.
● Diseñar una metodología para el levantamiento fotogramétrico de edificios a partir

del uso de VANT y aplicarla a un caso específico, evaluando el resultado de la
exactitud de posición.
ORGANIZACIÓN DE LA TESIS
En el primer capítulo se establecen las bases conceptuales de todo el trabajo. Se define el

concepto de la Fotogrametría y se analiza su desarrollo histórico a través de cuatro etapas.
2
INTRODUCCIÓN
También se desarrolla a fondo la base metodológica del trabajo, el Proceso Fotogramétrico, y

se da una explicación a cada una de sus fases. El Proceso es explicado y analizado desde los
métodos de obtención de imágenes e información adicional, pasando por el procesamiento de
las imágenes para la obtención de productos, y llegando a la validación y el control de calidad
del procedimiento.
El segundo capítulo consta de una revisión del estado del arte y de las aplicaciones
que han surgido de los Productos Fotogramétricos obtenidos con VANTs en ambientes
urbanos. Las aplicaciones se encuentran ordenadas de acuerdo al tipo de producto que se
utiliza para ese fin. Además se hace un análisis extenso de las aplicaciones que tienen los
VANTs en el Catastro 2D y 3D, y se exploran proyectos e investigaciones en donde ya han
sido aplicados en México y el mundo. De igual manera se analizan aplicaciones en conceptos
innovadores que se encuentran en proceso de investigación. Cabe también resaltar que la gran
parte de las ilustraciones, presentadas por medio de figuras y mapas, de éste capítulo
representan los resultados de trabajos previos y externos esta tesis realizados por el autor.
En el tercer capítulo se describe la propuesta de cómo se puede adaptar el Proceso

Fotogramétrico al caso específico de los VANTs, haciendo énfasis en todo el equipo y
software utilizados. Se puede considerar como la parte más técnica del trabajo, ya que
consiste de un paso a paso de los procesos manuales, semi-automatizados y automatizados
realizados en computadora.
El cuarto capítulo aborda la propuesta del Protocolo de Levantamiento que es el

objetivo fundamental de esta tesis. En el capítulo se analizan de manera puntual cada uno de
los elementos del Protocolo de Levantamiento, desde la selección y análisis del edificio de
estudio, hasta la introducción de información de manera manual requerida para el
procesamiento automatizado realizado en el software especializado Pix4D Mapper Pro.
En el quinto capítulo se presentan los Productos Fotogramétricos obtenidos, se da

información adicional sobre el procesamiento de cada uno y se muestran ilustraciones a
detalles. Además, en este capítulo se muestra el resultado de la validación de la
georreferencia o exactitud de posición, realizada a partir de la comparación de coordenadas
levantadas en campo con las coordenadas presentes en el ortomosaico generado.
El capítulo final consta de las conclusiones sobre el protocolo, los productos y la

validación, así como la presentación de problemáticas presentadas en varios momentos de la
realización de este trabajo.
3
CAPÍTULO 1
MARCO CONCEPTUAL
1.1 CONCEPTOS DE FOTOGRAMETRÍA
La Sociedad Americana de Fotogrametría y Percepción Remota define a la Fotogrametría
como “el arte, ciencia y tecnología de obtener información confiable de objetos físicos y su
ambiente, mediante la obtención, medición e interpretación de imágenes” (American Society
of Photogrammetry and Remote Sensing, 1980). En un inicio, consistía en el análisis manual
de fotografías obtenidas con cámaras análogas, pero el avance de la tecnología y el
surgimiento de sensores digitales ha permitido que la Fotogrametría se haya expandido para
incluir otros métodos de obtención de información, como imágenes satelitales y mediciones
realizadas con instrumentos láser (Wolf et al., 2014).
La Fotogrametría puede ser clasificada de acuerdo al sistema de obtención de

imágenes que se use: Fotogrametría Aérea o Fotogrametría Terrestre. En la primera, se
obtienen fotografías o imágenes de la superficie terrestre con la ayuda de vehículos aéreos.
En cuanto a la Fotogrametría Terrestre, también conocida como Fotogrametría de Corto
Alcance, se obtienen imágenes capaces de observar fenómenos que se puedan escapar a las
mediciones directas (casi instantáneas) de la Fotogrametría Aérea (Caire Lomelí, 1977). Sin
embargo, en ambientes urbanos altamente densos en construcciones, la Fotogrametría
Terrestre se ve limitada a la obtención de fachadas de edificios y se vuelve inútil para la
identificación de límites prediales (Jazayeri et al., 2013).
La Fotogrametría puede ser utilizada en distintas áreas de estudio como la Cartografía,

estudios geofísicos y geológicos, investigaciones forestales, planeación urbana, estudios
catastrales, diseño y construcción de carreteras y estudios sobre el estado de recursos
naturales (Caire Lomelí, 1977). El desarrollo tecnológico, y la evolución de la Fotogrametría
en sus distintas etapas, han promovido el incremento de las áreas de estudio en las que la
Fotogrametría puede ser aplicada.
En la actualidad, el objetivo primordial de un levantamiento fotogramétrico es la

reconstrucción tridimensional de un objeto, ya sea gráfica (mediante imágenes y mapas) o
digitalmente (Luhmann et al., 2014).
4
1 MARCO CONCEPTUAL
1.2 BREVE DESARROLLO DE LA FOTOGRAMETRÍA

La mayoría de los autores clasifican la evolución que ha tenido la Fotogrametría a través de la
historia en cuatro etapas principales.
1.2.1 ETAPA INICIAL (1830 - 1900)
Desde la toma de la primera Fotografía en 1827 por Joseph Niepce, inició la curiosidad de
utilizar fotografías como una herramienta más aplicada a la Topografía. Los primeros
experimentos con fotografías en levantamientos topográficos, e incluso con fotografías aéreas
obtenidas con la ayuda de globos y cometas, comenzaron en 1849 con Aimé Laussedat.
Gracias a esto, y a que además desarrolló el primer instrumento apropiado para
levantamientos fotogramétricos y el primer método de restitución (elaboración de cartografía
basada en fotografías), es considerado el Padre de la Fotogrametría (Wolf et al., 2014; Caire
Lomelí, 1977). En las siguientes décadas la aplicación militar de la Cartografía generó un
gran avance, y el surgimiento de la segunda etapa.
1.2.2 FOTOGRAMETRÍA ANÁLOGA (1900 - 1970)
En la segunda etapa se desarrollaron los estereoscopios, instrumentos utilizados para realizar

cálculos a través de la reproducción mecánica de la geometría de una imagen (Calvo, 2015).
Esta etapa también es marcada por la invención del aeroplano y la evolución de la
aeronáutica, lo que dio inicio a la Fotogrametría Aérea. Al igual que en la etapa anterior, los
conflictos armados internacionales generaron un avance significativo.
1.2.3 FOTOGRAMETRÍA ANALÍTICA (60’s - Actualidad)
La Fotogrametría Analítica surgió de la mano de las primeras computadoras. A partir de esta

etapa los cálculos se empezaron a realizar numéricamente mediante el establecimiento de
coordenadas en las fotografías (Calvo, 2015). Aunque algunos autores concuerdan que
terminó con el surgimiento de la Fotogrametría Digital, otros consideramos que actualmente
se continúa con su práctica por la importancia de la realización de cálculos manuales
indispensables en el campo formativo del Ingeniero Geomático.
1.2.4 FOTOGRAMETRÍA DIGITAL (Finales 80’s - Actualidad)
La Fotogrametría Digital, surgida a finales del Siglo XX, ha permitido la automatización de

tareas y procesos matemáticos gracias al desarrollo continuo de las tecnologías de la
información. Actualmente estos avances han significado la existencia de nuevos algoritmos
que utilizan fotografías para generar modelos 3D digitales que compiten con los generados
5
1 MARCO CONCEPTUAL
por medio de escaneo láser, por la rapidez de su procesamiento y su menor costo (Remondino
& El-Hakim, 2006).
1.3 EL PROCESO FOTOGRAMÉTRICO

El Proceso Fotogramétrico engloba todos los pasos que se deben seguir para realizar un
Levantamiento Fotogramétrico. Tanto el Proceso como los pasos han ido evolucionando de la
mano con las etapas de la Fotogrametría, y en el caso de la Fotogrametría Digital el Proceso
se puede resumir con el diagrama de la figura 1.1.
Figura 1.1. Proceso Fotogramétrico Digital para Fotogrametría Aérea con Vehículos Aéreos No Tripulados.
Fuente: Elaboración propia.
El inicio del Proceso Fotogramétrico es la elección del lugar u objeto de estudio. Una
vez tomada esa decisión, la Primera Fase consiste en la realización de todos los trabajos
previos de planeación del levantamiento, para la posterior elección del tipo de sistema con
el que se obtendrá la información (Segunda Fase) y del software que se usará para su
procesamiento (Tercera Fase) y obtención de resultados (Cuarta Fase). El Proceso
6
1 MARCO CONCEPTUAL
Fotogramétrico puede considerarse como terminado cuando se evalúan (Validación) la

precisión y la calidad de los Productos Fotogramétricos obtenidos.
1.3.1 PLANEACIÓN DEL LEVANTAMIENTO
Para la ejecución correcta de un Levantamiento Fotogramétrico se requiere elaborar una

planeación minuciosa previa a realizar cualquier trabajo. La primera (y probablemente la más
importante) decisión a tomar consiste en decidir qué productos se desean obtener en el
Proceso, así como sus escalas y su nivel de precisión (Wolf et al., 2014). En el caso
específico de la Fotogrametría Aérea (explicada más adelante en este capítulo), la planeación
puede ser resumida en tres etapas:
1. Planeación del Vuelo Fotogramétrico.
2. Planeación del Control de Tierra.
3. Selección de los instrumentos y procesos necesarios para la obtención de los

productos deseados.
La fase de planeación establece las bases para todo lo que debe ser realizado en
campo en la Segunda Fase.
1.3.2 OBTENCIÓN DE LA INFORMACIÓN
La Segunda Fase está caracterizada por la obtención de información confiable sobre las
propiedades de la superficie y de los objetos que se encuentren sobre ella, a través de
procesos de grabación de patrones de energía electromagnética, predominantemente en la
forma de fotografías (Schenk, 2005).
Además de las fotografías, en ésta fase se establece información adicional, que

consiste en el establecimiento de Puntos de Control de Tierra (Ground Control Points, GCPs)
que son utilizados para dar una referencia geográfica a las fotografías, o para ajustar ésta
información si se cuenta con datos de Navegación Inercial (GPS/INS) como en el caso de
ésta tesis. La necesidad de información adicional depende completamente del objetivo del
Levantamiento y Productos Fotogramétricos.
1.3.2.1 SISTEMAS DE ADQUISICIÓN DE DATOS
Como se mencionó al inicio de éste capítulo, la Fotogrametría puede ser clasificada de

acuerdo al sistema de obtención que se utilice para obtener las imágenes o fotografías en
Aérea y Terrestre. Los sistemas de adquisición de datos se clasifican de la misma manera, y
7
1 MARCO CONCEPTUAL
se subclasifican de acuerdo al tipo de plataforma o soporte en el que se monten las cámaras o

los sensores ópticos.
● TERRESTRES
En su gran mayoría, los Sistemas Terrestres combinan el funcionamiento de cámaras

fotogramétricas y teodolitos (o estaciones totales). Son capaces de obtener fotografías
que contengan toda la información necesaria (ángulos verticales y horizontales,
orientación interna y externa, etc.) para realizar la restitución de objetos verticales,
como fachadas (Caire Lomelí, 1977). Desafortunadamente, la Fotogrametría Terrestre
se encuentra muy limitada en áreas urbanas con alta densidad de construcciones,
además de no permitir la identificación de los límites entre predios (Jazayeri et al.,
2013).
● AÉREOS
A diferencia de los Sistemas Terrestres, los Sistemas Aéreos pueden obtener

información del predio y de las construcciones que se encuentren en él. Jazayeri et al.
(2013) clasifican a los sistemas en tres categorías, que pueden ser ordenadas de
acuerdo las dimensiones de sus plataformas en Satélites, Vehículos Aéreos Tripulados
y Vehículos Aéreos No Tripulados.
Un Vehículo Aéreo No Tripulado (VANT), también conocido como drone,

es una aeronave pequeña sin un piloto humano a bordo. Los VANTs pueden ser
controlados autónomamente, semi-autónomamente o bajo el control remoto de un
piloto en tierra. Presentan varias ventajas al ser comparados con los otros sistemas
aéreos, como su costo menor, y practicidad de uso en áreas de difícil acceso. Sin
embargo, el Proceso Fotogramétrico completo utilizando solamente VANTs continúa
siendo complicado (Jazayeri et al., 2013).
Los VANTs son categorizados en las clases ala fija y VTOL (Vertical
Take-Off and Landing, Despegue y Aterrizaje Vertical). Dentro de la segunda
categoría se encuentran los cópteros multi-rotores. Los más comúnmente utilizados
son los de cuatro rotores, también conocidos como cuadricópteros (Volkmann &
Barnes, 2014). La Fotogrametría
mediante VANTs es una
tecnología que madura
rápidamente, debido a que es
versátil, tiene un costo
relativamente bajo y posee el
potencial de ofrecer soluciones
en muchas áreas de estudio
(Calvo, 2015).
Figura 1.2. Fotogrametría con un VANT de ala fija. Fuente: Internet
8
1 MARCO CONCEPTUAL
1.3.2.2 INFORMACIÓN ADICIONAL
La información adicional en el Proceso Fotogramétrico consiste en datos extras que permitan

hacer verificaciones, correcciones o dar un extra a la información obtenida al procesar las
fotografías. En el caso de la Fotogrametría Aérea con VANTs, la información adicional es el
establecimiento y levantamiento de Puntos de Control de Tierra GPS.
1.3.2.2.1 PUNTOS DE CONTROL DE TIERRA
El Control de Tierra Fotogramétrico provee los medios para la relación de las fotografías
aéreas con el suelo. El establecimiento de un buen control de tierra es un elemento
extremadamente importante de cualquier tipo de proyecto fotogramétrico, y por su
importancia tiene que ser cuidadosamente planeado y ejecutado (Wolf et al., 2014).
Los Puntos de Control de Tierra (GCPs, por las siglas en inglés de Ground Control
Points) son objetivos en el área de estudio que poseen coordenadas tridimensionales (XYZ)
conocidas. Una buena planeación lleva a la buena determinación del número y ubicación de
los puntos de control. La buena ubicación es un elemento esencial para cualquier
levantamiento fotogramétrico ( Abdullah, 2013).
Los GCPs son requeridos para determinar la orientación de una fotografía inclinada
(también conocida como resección espacial) y para mejorar la georreferencia que el GPS del
VANT da a cada una de las fotografías (Wolf et al., 2014). Generalmente son determinados
mediante levantamientos GPS diferenciales. Existen dos tipos estándar de GCP, que son:
● Identificables en la fotografía: Puede ser cualquier rasgo en la fotografía que pueda

observarse claramente, como una coladera o la esquina de una banqueta.
Figuras 1.3a y 1.3 b. Propuesta de localización de GCP identificable en terreno y levantamiento final, ubicado
en el Parque Científico Tecnológico de Yucatán en Mérida. Fuente: Captura de pantalla de Google Earth para
iOS y toma propia de fotografía.
9
1 MARCO CONCEPTUAL
● Pre-marcados (Objetivos Artificiales): Este control es generado realizando marcas o

colocando símbolos en el suelo de tamaño adecuado antes de realizar el vuelo. Estas
marcas deben tener un tamaño adecuado y un color que haga que resalten con
facilidad en cualquiera de las fotografías.
Figura 1.4. GCP pre-marcado. Fuente: DroneDeploy
La desventaja de los objetivos artificiales son el trabajo y el gasto extra, además los
objetivos pueden llegar a moverse entre el tiempo de su colocación y la toma de la fotografía.
Para poder diseñar correctamente un objetivo artificial se requiere un contraste de color
adecuado, que sea simétrico y tenga un tamaño que le de una fácil localización en las
fotografías resultantes (Wolf et al., 2014).
Los requerimientos de control de tierra varían de proyecto a proyecto, dependiendo de

sus especificaciones y de su extensión geográfica. Los proyectos que requieran mayor
precisión, requieren un mayor número de Puntos de Control (Abdullah, 2013). Su número y
su óptima localización en las fotografías depende completamente del uso que se le dará. En el
caso de necesitar una resección espacial, se requiere conocer las coordenadas de mínimo tres
Puntos de Control (Wolf et al., 2014). Una buena distribución de los GCPs en un proyecto
debe ser una en la que se puedan representar toda las condiciones y diferencias del terreno
(Hariyanto et al., 2019).
El dar una buena georreferencia a los resultados asegura que la medición de distancias
y el traslape con información geoespacial de otras fuentes será correcto (Calvo, 2015). Como
se mencionó anteriormente, la manera más común de obtener las coordenadas de un GCP es
mediante un levantamiento GPS diferencial con equipo de alta precisión. Este tipo de equipos
permiten obtener la latitud, longitud y altura de un punto con precisión de centímetros. De
acuerdo con el INEGI (2015), existen cuatro métodos de levantamientos GPS diferencial:
● Estático
Método aplicado para la medición de estaciones bases que tengan una distancia mayor
de 20 km. Se utiliza una antena posicionada en un punto fijo por un tiempo
10
1 MARCO CONCEPTUAL
determinado, que depende de la longitud de la línea y la cantidad de satélites

observados. Durante el periodo de tiempo se obtiene información de la longitud,
latitud y altura elipsoidal del sitio, denominados datos crudos. Estos datos deben ser
post-procesados con apoyo en las coordenadas conocidas de estaciones de control, en
el caso de México se utilizan las estaciones de la Red Geodésica Nacional Activa de
INEGI.
● Estático Rápido
Método estático aplicado a líneas cuya distancia sea menor de 20 km que requiere un
menor tiempo de levantamiento que el Estático (INEGI, 2015). Requiere de menor
tiempo en campo que el Estático.
Figura 1.5. Levantamiento Estático. Fuente: Elaboración propia
● Cinemático
En este tipo de levantamientos se deben de utilizar dos antenas, denominadas Base y

Rover. La Base debe mantenerse fija sobre un punto cuyas coordenadas sean
conocidas, mientras que el Rover se encuentra en constante movimiento recibiendo
información de la Base. Aunque este método es recomendable para espacios abiertos
(ya que la vegetación alta y las construcciones pueden causar una gran interferencia
de la señal entre la Base y el Rover), si se realiza adecuadamente su precisión puede
ser casi tan buena como un levantamiento Estático (Wolf et al., 2014).
11
1 MARCO CONCEPTUAL
Figura 1.6. Levantamiento Cinemático. Fuente: Elaboración propia
● Cinemático en Tiempo Real (RTK)
En este tipo de levantamiento también se requieren de una Base y mínimo un Rover.

La diferencia entre el Cinemático y el RTK es que en el segundo la Base no se coloca
sobre un punto de coordenadas conocidas, sino que se realiza un cálculo de ese punto
mediante la toma de promedios de la posición. De igual manera que el Levantamiento
Cinemático, tiene limitaciones en ambientes con vegetación y construcciones densas.
Figura 1.7. Levantamiento RTK. Fuente: Elaboración propia
1.3.2.2.2 OTROS TIPOS
● Medición de alturas y distancias
La medición de alturas y distancias en campo es útil para realizar una evaluación de la

precisión en la reconstrucción de la geometría de los modelos 3D generados. Para la
toma de las medidas en campo se pueden utilizar distanciómetros láser, estaciones
totales o, incluso, cintas métricas.
12
1 MARCO CONCEPTUAL
● Puntos de control de temperatura
Si se cuenta con una cámara térmica que se pueda montar al equipo VANT, los puntos
de control de temperatura son esenciales para realizar la calibración de esta misma o
como una herramienta para la evaluación de mapas y fotografías térmicas. Los valores
de las temperaturas en los puntos de control se pueden establecer con la ayuda de
termómetros convencionales o láser, que sean colocados en sitios clave del área de
estudio.
1.3.3 PROCESAMIENTO DE LAS IMÁGENES
Una vez obtenidas las fotografías y la información adicional necesaria, todos los datos deben
de ser procesados con el uso de software fotogramétrico especializado. En la actualidad,
existe una gran cantidad de programas que son aptos para el Proceso Fotogramétrico Digital;
lamentablemente, la mayoría de ellos requieren licencias de alto costo.
Ésta etapa del Proceso Fotogramétrico será ampliada y ejemplificada en el Capítulo 3.
1.3.4 PRODUCTOS FOTOGRAMÉTRICOS
La última fase del Proceso Fotogramétrico es la obtención de resultados. Estos productos han
ido aumentando y evolucionando con el avance de la tecnología, en la actualidad de la
Fotogrametría Digital los productos han avanzado a tal grado que pueden competir con los
generados por medio de escaneo con láser, que tienen un mayor costo y requieren de una
mayor especialización para su uso correcto (Remondino & El-Hakim, 2006).
Como propuesta para la clasificación de los productos se presenta la diferencia en

Productos Fotogramétricos Clásicos y Productos Fotogramétricos Modernos. Aunque ambas
clases puedan ser obtenidas mediante el uso de software especializado, se hace un resalte a la
información que podía ser obtenida en la Fotogrametría “Tradicional”. Los dos productos
clave que se encuentran dentro de la clase de Tradicional son:
● Las ortofotos, que son imágenes aéreas que fueron ortorectificadas para no presentar
distorsiones de perspectiva y efectos del terreno, para que sea completamente
ortogonal y para que la medición de distancias sobre el plano sea la misma en toda la
imagen. Y,
● Los ortomosaicos, que son la unión de dos o más ortofotos.
13
1 MARCO CONCEPTUAL
Figura 1.8. Comparación entre una fotografía aérea y una ortofoto. Fuente: Image Data Products del Colegio de
Ciencias de la Tierra y Minerales de la Universidad Estatal de Pensilvania (Penn State).
En la clase de Productos Fotogramétricos Modernos se agrupan todos aquellos que

son obtenidos exclusivamente mediante el uso de softwares de última generación, estos son:
● Nubes de Puntos
● Modelos Tridimensionales
○ Modelos de Superficie
○ Modelos de Terreno
○ Modelos 3D de edificios
Los Productos Modernos serán definidos y ejemplificados en el Capítulo 2.
1.3.5 VALIDACIÓN Y CONTROL DE CALIDAD
Como se mencionó anteriormente en el capítulo, el Proceso Fotogramétrico se considera por

terminado cuándo se realiza una evaluación de los Productos Fotogramétricos obtenidos. En
el caso específico del Proceso Fotogramétrico Digital con VANTs se puede realizar la
validación de la georreferencia del proyecto.
Además, para una evaluación de la calidad de los productos existe software

especializado que puede resumir la información requerida de Control de Calidad. Dentro de
este resumen se encuentran datos de la cantidad de información calibrada, el equipo donde se
realizó el procesamiento, el tiempo de procesamiento de cada uno de los productos deseados,
la resolución espacial de cada uno de ellos, y aspectos específicos de la(s) cámara(s)
utilizada(s).
14
1 MARCO CONCEPTUAL
1.3.5.1 VALIDACIÓN DE LA GEORREFERENCIA / EXACTITUD DE

POSICIÓN
La georreferencia de un proyecto fotogramétrico obtenida con el apoyo en GCPs puede ser

evaluada para medir la exactitud de su posición. El producto requerido para hacer esta
validación es el ortomosaico, que para este proceso debe ser manejado como una imagen de
alta resolución.
Para poder realizar esta validación se requiere hacer el levantamiento de Puntos de

Control Independientes (ICPs, Independent Control Points). Este tipo de puntos solo son
levantados para evaluar la exactitud planimétrica. El levantamiento de ellos es igual que con
los GCPs, solo que su número y distribución debe ser completamente distinto a los GCPs del
proyecto ya levantados. Su objetivo principal es evaluar la exactitud planimétrica en la
orientación del sensor y en la ortorrectificación (Cruz Reyes, 2015).
El Comité Federal de Datos Geográficos (FGDC, Federal Geographic Data

Committee) establece que para investigar la exactitud planimétrica de una imágen de alta
resolución se requiere establecer un mínimo de 20 ICPs distribuidos en el área de estudio.
Además, la FDGC establece que “(los usuarios de la geoinformación) y/o los productores
deben determinar la localización de los ICP”.(Lencinas & Díaz, 2011).
El método más utilizado para calcular la exactitud planimétrica es Hold-Out

Validation (HOV). Consiste en dividir en dos conjuntos los datos de control y realizar el
análisis del primer subconjunto (también llamado datos de entrenamiento, los GCPs),
validando con el segundo (datos de prueba, los ICPs). La exactitud planimétrica se calcula
mediante el cálculo del error medio cuadrático (RMS) de las diferencias de la posición de
cada ICP en el mosaico (Cruz Reyes, 2015). Este cálculo se realiza a través de las siguientes
ecuaciones:
√RM S
2
RM S 2D = x + RM S 2y
√ √
N N
2
∑ ex,i 2
∑ ey,i
RM S x = i=1
N ; RM S y = i=1
N
ex,i = xortomosaico − xICP , i ; ey,i = y ortomosaico − y ICP , i
15
CAPÍTULO 2
APLICACIONES EN
AMBIENTES URBANOS
En los últimos años, el aumento en el interés en los Vehículos Aéreos No Tripulados ha
generado un incremento exponencial en el uso y las aplicaciones que se les puede dar; desde
tomar una simple fotografía en un evento social o deportivo, hasta realizar la reconstrucción
tridimensional del paisaje urbano. Cada día surgen más y más aplicaciones en los ámbitos
profesionales y científicos de la Fotogrametría y la Cartografía Digital.
La globalización ha promovido el incremento de la necesidad de obtener y compartir

gran cantidad de información en tiempos muy cortos. Los drones han surgido como una gran
herramienta que permiten justamente esto. Por su gran funcionalidad, rapidez de
procesamiento e innovación los productos obtenidos del Proceso Fotogramétrico Digital con
VANTs poseen un amplio campo de aplicaciones en el ambiente urbano, desde la planeación
de espacios urbanos de esparcimiento, hasta la creación de información BIM (Building
Information Model) de edificios que provea datos de una construcción desde sus primeras
etapas de planeación y concepción, hasta su demolición. Este tipo de información es adoptada
por países desarrollados y forma parte importante en el movimiento hacia la obtención de la
relación 3D de tierra y propiedad (Jazayeri et al., 2013).
Figura 2.1. Nube de puntos obtenida a partir de un escáner láser (GeoSLAM ZEB REVO) montado en una
mochila. Levantamiento realizado en el túnel colapsado de una mina abandonada en el norte de Gales.
Fuente: Internet
16
2 APLICACIONES
2.1 NUBES DE PUNTOS

Las Nubes de Puntos son un conjunto de datos compuesto por puntos, cada uno con una
posición 3D en el espacio. Si está georreferenciada, los puntos tendrán una posición en un
sistema geográfico de coordenadas (XYZ). Además, cada uno de los elementos que las
conforman contienen información sobre su color (RGB o cualquier otra región del espectro
electromagnético) (Calvo, 2015).
En un inicio, las nubes de puntos eran obtenidos a partir de realizar escaneos láser
aéreos o terrestres (Figura 2.1), el avance en la tecnología ha logrado que en la actualidad
también se puedan obtener nubes con una gran densidad de puntos a partir de fotografías
simples a color.
Figura 2.2. Nube de puntos de las instalaciones de Centro Geo. Lomas de Padierna, Tlalpan, CDMX. Obtenida
a partir de un vuelo Circular realizado con un VANT DJI Phantom 4 Advanced. Diciembre 2017.
El uso de Nubes de Puntos generadas por fotografías ha ido en aumento en los últimos
años en la industria del diseño y animación por computadora. En el campo profesional de la
Fotogrametría se han realizado más estudios sobre las aplicaciones de los productos
generados a partir de la modelación de las Nubes de Puntos, que de las mismas Nubes.
17
2 APLICACIONES
2.2 MODELOS DIGITALES

Como se mencionó en el capítulo anterior, los modelos digitales tridimensionales se
clasifican en tres tipos:
1. Modelos Digitales de Superficie
2. Modelos Digitales de Terreno
3. Modelos de Construcciones
2.2.1 MODELOS DE SUPERFICIE
Un Modelo Digital de Superficie (MDS) es aquel que representa todo aquello que se
encuentra sobre el terreno sin hacer distinción de construcciones, vegetación, vehículos e
inclusive, personas (Calvo, 2015). Los modelos de superficie se generan a partir de la
información de las coordenadas XYZ de las nubes de puntos, lo que le da su
tridimensionalidad.
Figura 2.3. Modelo Digital de Superficie de las instalaciones de CentroGeo. Lomas de Padierna, Tlalpan,
CDMX. Obtenido a partir de un vuelo Doble Cuadrícula realizado con un VANT DJI Phantom 4 Advanced.
Febrero 2018.
En zonas urbanas, un MDS son utilizados como una forma de previsualización

sencilla de las construcciones y la vegetación alta ubicada en el área de estudio. Al ser
18
2 APLICACIONES
presentado con una paleta de colores adecuada puede ser de gran ayuda para la identificación
de los detalles con mayor altitud que se encuentren sobre un predio.
2.2.2 MODELOS DE TERRENO
A diferencia de un MDS, un Modelo Digital de Terreno (MDT) representa solamente el

suelo desnudo. Para generarlos se requiere del modelo de superficie, ya que es necesario
realizarle una transformación. Un MDT es en esencia un Modelo Digital de Elevación (MDE)
con un alto grado de resolución, y al igual que ellos, es de gran utilidad en la planificación
territorial y en la hidrología.
Los Modelos Digitales de Elevación son ampliamente utilizados en el uso y manejo

de recursos naturales, Ciencias de la Tierra, Cartografía Especializada y prevención a
desastres naturales, entre otras (INEGI, 2018). En ambientes urbanos, un MDT es útil para
realizar los análisis de pendientes de terrenos, y de flujos para la predicción y prevención de
inundaciones (Calvo, 2015).
Figura 2.4. Comparación entre un Modelo Digital de Terreno y un Modelo Digital de Superficie.
Fuente: Internet
Otra aplicación específica es su participación en la clasificación automatizada de

nubes de puntos, ya que a partir de un MDT es posible separar los puntos que representen el
suelo de todo lo que no lo sea.
2.2.3 MODELOS 3D DE EDIFICIOS
De igual manera que con un MDS, un Modelo 3D de un edificio se genera a partir de la
información de las coordenadas tridimensionales de una nube de puntos. Para poder construir
19
2 APLICACIONES
un modelo tridimensional que contenga exclusivamente la arquitectura de un edificio se

requiere realizar una segmentación a la nube de puntos, esta puede ser de dos maneras
distintas: segmentación manual o segmentación semi-automatizada.
● La segmentación manual se realiza con ayuda de un software especializado en el

manejo de nubes de puntos. En esencia, consiste de una selección manual de todos los
puntos de la nube que representen exclusivamente las construcciones, para descartar o
eliminar todos aquellos puntos que no lo hagan.
Figuras 2.5a y 2.5b. Segmentación manual de la nube de puntos de las instalaciones de CentroGeo Unidad
Mérida, Yucatán, México. Realizada en el software libre CloudCompare. Obtenida a partir de un Vuelo Circular
realizado con un VANT DJI Phantom 4 Advanced. Febrero 2019.
20
2 APLICACIONES
● La segmentación semi-automatizada es un poco más compleja ya que requiere el uso

de distintos algoritmos y procesos. El primer paso consta en realizar una clasificación
por color de la nube de puntos para diferenciar las construcciones de la vegetación y
cuerpos de agua que puedan estar presentes. Posteriormente se utiliza el MDT para
segmentar una vez más la nube en suelo, cuerpos de agua, vegetación baja, vegetación
alta y construcciones.
Una vez realizada la segmentación de los puntos, se procede a la creación del modelo.
La mayoría de los softwares especializados crean un archivo llamado Mesh, el cual es
simplemente una triangulación realizada con cada uno de los puntos de la nube. Al realizar la
segmentación, se asegura que este mesh solamente se genere de las construcciones.
Una buena segmentación lleva a un buen modelo 3D, el cual tenga un alto grado de
detalle en la fachada del edificio y en sus principales características arquitectónicas. Este tipo
de modelos son utilizados como base para la restauración de edificios históricos, formar parte
de un acervo arquitectónico digital de una ciudad e incluso, ser utilizados en la creación de
efectos visuales y videojuegos.
2.3 CATASTRO
De acuerdo al Artículo 36° Fracción I de la Constitución Política de los Estados Unidos

Mexicanos está dentro de las obligaciones de las y los mexicanos “...inscribirse en el catastro
de la municipalidad, manifestando la propiedad que el mismo ciudadano tenga,...”. Desde
tiempos antiguos el catastro ha sido el registro de la división y clasificación de la propiedad
dentro de un territorio con fines tributarios. En México es considerado como la base técnica,
ordenada y sistematizada, de información de la propiedad que sirve como fuente de
conocimiento para la elaboración de diversos proyectos a nivel municipal, como la
zonificación, la construcción de obra pública, la planeación de desarrollo urbano y la
estimación del impuesto predial (Instituto Nacional de Administración Pública, 1989).
El Catastro “tradicional” o Catastro 2D se ha realizado y actualizado con el uso de

planos, mapas y fotografías aéreas obtenidas con aviones o aeroplanos. Actualmente, muchos
países están desarrollando información 3D que describa las dimensiones físicas de un predio
y las construcciones que se encuentren sobre él, incluyendo al mismo tiempo la información
legal de la propiedad (Jazayeri et al., 2013). Esto ha propiciado el surgimiento del Catastro
3D.
2.3.1 CATASTRO 2D
El mapeo generado a través de drones provee de la precisiones legales y políticas catastrales

para la extracción de información de un predio (Jazayeri et al., 2013). Los ortomosaicos son
21
2 APLICACIONES
uno de los productos más importantes obtenidos del Proceso Fotogramétrico “tradicional”, y
actualmente ya es posible obtener mosaicos sencillos con la ayuda de un drone. Los VANTs
tienen una importante aplicación en el campo del Catastro 2D, ya que los ortomosaicos
generados a partir de vuelos pequeños son de gran utilidad para actualizar y/o verificar los
registros catastrales.
En los últimos años se han publicado un alto número de estudios que reportan el uso
de VANTs para la identificación de predios y parcelas y para la actualización de Catastro 2D.
En la mayoría de los casos se reporta el uso de ortomosaicos como la base de las
actualizaciones catastrales. Tal es el caso del estudio realizado por Van Hinsbergh et al. en
Holanda en 2013, en el que llevaron a cabo el levantamiento de ortomosaicos de alta
resolución generados con un cuadricóptero mediante vuelos realizados a una altitud de 40 m.
En dicho estudio se obtuvo una precisión de 3 cm, la cual supera las precisiones que pueden
ser obtenidas con levantamientos topográficos tradicionales en muchos países alrededor del
mundo (Jazayeri et al., 2013).
Mapa 2.1. Propuesta de actualización catastral 2018 para una sección de la colonia Lomas de Padierna en
Tlalpan, CDMX. Elaboración propia a partir de un vuelo Doble Cuadrícula realizado con un VANT DJI
Phantom 4 Advanced. Febrero 2018.
22
2 APLICACIONES
En México el Catastro es administrado por el gobierno de cada municipio o alcaldía,

el uso de los ortomosaicos de alta resolución generados a partir de VANTs como base para
trazar actualizaciones es altamente recomendable, ya que podría reducir los costos de los
levantamientos catastrales.
2.3.2 CATASTRO 3D
El concepto Catastro 3D surgió a partir de tres factores importantes:
● El avance de la tecnología aplicada a la Fotogrametría en la última década.
● La falta de actualización que poseé el Catastro “tradicional” a nivel global.
● La necesidad de que esta actualización utilice a su máximo potencial las nuevas

tecnologías.
El Catastro 3D ha sido propuesto como una solución más completa que el Catastro
2D, que aborda el problema mediante el uso de planos que pueden llegar a ser difíciles de
interpretar o integrar. Un Catastro 3D facilita realizar una representación en el espacio
tridimensional que defina con claridad los límites y asocie los aspectos legales
correspondientes (Silván Cárdenas, 2015).
La información tridimensional que requiere el Catastro 3D debe relacionar todos los

objetos físicos, la tierra del predio o parcela, y las construcciones, con los derechos y
obligaciones de propiedad (Jazayeri et al., 2013). Lamentablemente, de acuerdo a datos
publicados por el grupo de trabajo enfocado en Catastro 3D de la Federación Internacional de
Agrimensores (FIG, por las siglas en francés de Fédération Internationale des Géomètres) en
2012, “no hay ningún país en el mundo que tenga un Catastro 3D verdaderamente funcional”.
En 2015 CentroGeo propuso al proyecto Desarrollo y Evaluación de Técnicas

Avanzadas de Percepción Remota para Alimentar un Catastro Tridimensional como un
estudio para desarrollar y probar metodologías de Percepción Remota empleadas en la
creación y actualización de un Catastro 3D en suelo urbano. En la primera etapa de este
proyecto se trabajó con imágenes satelitales de alta resolución y Nubes de Puntos obtenidas
con LiDAR (Light Detection and Ranging, láser) para la generación de la geometría 3D de
edificios. En la segunda (y última) etapa de este proyecto fue enfocada completamente a
Fotogrametría y VANTs. En ésta se emplearon drones y técnicas fotogramétricas para la
generación de Nubes de Puntos densas de edificios que fueron la base de modelos 3D
detallados. La meta fue desarrollar una metodología que integrara la información de Nubes de
Puntos con información de objetos 3D previamente reconstruidos para incrementar los
detalles, así como determinar el modelo de información de edificio (BIM), más apropiado
para representar la información detallada (Silván Cárdenas, 2015).
23
2 APLICACIONES
Los modelos tridimensionales generados para el proyecto fueron modelos que no

necesitaban representar fielmente los detalles de fachadas, ventanas o decoraciones, sino
modelos 3D que representaran la estructura geométrica tridimensional más esencial de una
construcción. Como los mostrados en las figuras 2.6a y 2.6b.
Figuras 2.6 a y 2.7b. Modelo para Catastro 3D generado de las instalaciones de Centro Geo.
Fuente: Captura de pantalla en la plataforma en línea Potree Viewer.
24
2 APLICACIONES
2.4 OTRAS APLICACIONES
2.4.1 IMÁGENES Y MAPAS TÉRMICOS
Como se mencionó anteriormente, el color de los puntos de una nube, no solo se encuentra
exclusivamente en el espectro visible por los seres humanos, también puede representar
información en infrarrojo o térmica. Este tipo de información es obtenida gracias a la libertad
de personalización que poseen los VANTs al seleccionar la cámara con la que se van a
obtener las imágenes. En un VANT es posible montar cámaras RGB, térmicas o incluso multi
e hiperespectrales. Estas cámaras suelen ser utilizadas para otros propósitos que no requieran
la obtención de modelos tridimensionales, si no una representación ortométrica de la
superficie con una alta resolución.
En el caso específico de drones trabajando con cámaras térmicas, gracias a ellas se

generan mapas térmicos de suelos e imágenes térmicas “simples” de construcciones y
edificios. Los mapas térmicos generados a partir de vuelos con VANTs son ortomosaicos en
el que cada uno de sus pixeles tienen un valor distinto que representa su temperatura.
Mapa 2.2. Mapa térmico de una sección de la colonia Lomas de Padierna, Tlalpan, CDMX. Elaboración propia
a partir de imágenes térmicas obtenidas mediante un vuelo de Doble Cuadrícula con un VANT DJI Inspire 1 y
una cámara térmica FLIR Zenmuse XT. Abril 2018.
25
2 APLICACIONES
Las imágenes térmicas aéreas obtenidas con VANTs de edificios permiten observar y
comparar la absorción de calor que tienen los distintos materiales o recubrimientos de las
construcciones. Softwares especializados, como FLIR Tools, permiten obtener la temperatura
superficial de puntos específicos seleccionados manualmente.
Desafortunadamente, este tipo de aditamentos representan un gasto extra que se debe

de realizar ya que la mayoría de los VANTs solo incluyen una cámara RGB.
Figura 2.7. Imágen térmica aérea de las instalaciones de CentroGeo. Lomas de Padierna, Tlalpan, CDMX.
Obtenida utilizando una cámara térmica FLIR montada en un VANT DJI Inspire 1. Marzo 2018.
Fuente: Imagen obtenida mediante el software FLIR TOOLS
Actualmente, en CentroGeo se está realizando una investigación que utiliza mapas

térmicos obtenidos con VANTs para el análisis y la posible detección de fosas clandestinas,
uno de los problemas de inseguridad más grande en México.
En este proyecto se trabaja en un predio ubicado en la alcaldía de Milpa Alta de la

Ciudad de México. En este predio fueron enterrados los restos de animales de rastro y se
realizaron vuelos con VANT en distintos días y a distintas horas. Generalmente se realizaron
un vuelo muy temprano y otro al mediodía, para generar dos mapas térmicos y comparar los
efectos que el Sol tiene sobre las fosas.
26
2 APLICACIONES
El mapa 2.3 muestra información generada en ese predio en un vuelo realizado antes
del amanecer, y se logra observar claramente como el cofre del vehículo con el cual se arribó
al lugar de estudio continúa caliente.
Mapa 2.3. Mapa térmico de un predio ubicado en San Bartolomé Xicomulco, Milpa Alta, CDMX. Elaborado a
partir de un vuelo realizado con VANT DJI Inspire 1 y una cámara térmica FLIR Zenmuse XT. Abril 2018.
2.4.2 IMPRESIÓN 3D
La impresión 3D es un proceso en el cual se crean objetos físicos colocando un material por
capas con base en un modelo digital. La tecnología de impresión 3D se vuelve rápidamente
más confiable para la producción en masa de piezas. Científicos e inventores descubren cada
día nuevas formas de aplicar esta tecnología. El método más comúnmente utilizado en la
impresión 3D se denomina fabricación con filamento fundido. Este método calienta y extrude
materiales plásticos (Autodesk, 2019).
Los modelos 3D de edificios obtenidos del Proceso Fotogramétrico con VANTs

pueden ser la base para realizar impresiones 3D, realizando la transformación del archivo
mesh (que define su ancho, largo y alto) a un formato STL (Standard Triangle Language).
Este tipo de archivos definen la pura geometría a partir de triángulos, sin importar el color o
27
2 APLICACIONES
la textura, por lo que son el tipo de archivo perfectos para ser la base de la impresión 3D. Los
productos impresos en 3D suelen ser utilizados para formar maquetas, Proyecciones
Aumentadas en 3D (PA3D), o simplemente, obtener un modelo físico tangible a escala.
Figura 2.8. Segmento de una maqueta impresa (también conocido como tile) de Coyuca, Guerrero. Elaborada a
partir del CEM de INEGI de 15 m. Fuente: Toma propia de fotografía.
Las PA3D son una nueva tecnología diseñada para ser utilizada en la Cartografía
Participativa. Su objetivo principal es el empoderamiento de comunidades locales, ya que al
representar físicamente su territorio les es posible contribuir más arduamente en talleres
participativos y convertirse en actores clave de la toma de decisiones.
Las PA3D son definidas como la unión de
un modelo físico tridimensional impreso con una
imagen o representación del paisaje mediante un
proyector digital. Los modelos físicos surgen a
partir de Modelos Digitales de Elevación de alta
resolución. Es posible utilziar los MDT obtenidos
a través del procesamiento de fotografías
obtenidas con VANTs para generarlos.
Actualmente basta con el uso de software de
Sistemas de Información Geográfica para
transformar la información de alturas de un MDE
o MDT en un objeto tridimensional que pueda ser
impreso (León Villalobos et al., 2019).
Figura 2.9. Uso de una PA3D en taller de Cartografía Participativa

en Acapulco, Guerrero. Abril 2019. Fuente: Toma propia de fotografía.
28
CAPÍTULO 3
MARCO METODOLÓGICO
La base metodológica de esta tesis es el Proceso Fotogramétrico Digital. El objetivo de este

capítulo es demostrar cómo se adapta este Proceso en el caso específico de Vehículos Aéreos
No Tripulados.
3.1 PLANEACIÓN DE VUELO Y OBTENCIÓN DE INFORMACIÓN

Como se mencionó en el Capítulo 1, la Primera Fase del Proceso Fotogramétrico Digital
consiste en la Planeación del Levantamiento. Ya que el éxito del proceso depende
completamente de la calidad de las fotografías, la planeación de la toma de las fotografías
aéreas, también llamada Planeación de Vuelo debe ser de mayor atención .
De acuerdo a Wolf et al. la Planeación del Vuelo consiste de dos elementos:
1. Un Mapa de Vuelo que muestre dónde se tomarán las fotografías, y
2. Especificaciones de las fotografías, como el tipo de cámara, la forma de vuelo, la

altura de vuelo, etc.
Una vez tomadas las decisiones en la Planeación de Vuelo, se continúa con la fase de
obtención de las fotografías y toda la información necesaria para su calibración, rectificación
y la validación de los Productos Fotogramétricos obtenidos de procesar las imágenes. Estas
primeras fases se dividen en la selección de las formas en que se obtendrán las fotografías y
se realizará el Control de Tierra.
3.1.1 MODO DE VUELO
Se define como Modo de Vuelo a la forma en la que el VANT realizará el Levantamiento

Fotogramétrico del objeto de estudio. Los modelos se clasifican en dos grupos: Vuelo
Programado y Vuelo Libre. En el Vuelo Libre el piloto tiene el control total de la aeronave y
la cámara, decidirá la forma en que recorrerá el área de estudio, y el momento en el que
tomará las fotografías. El Vuelo Programado se selecciona través de aplicaciones gratuitas,
como Pix4D Capture, que se descargan en dispositivos inteligentes (smartphones o tablets) y
al ser sincronizadas con el control remoto de un VANT permiten la selección de un Modo de
29
3 MARCO METODOLÓGICO
Vuelo a través de plantillas preprogramadas (Pix4D, 2018). La aplicación Pix4D Capture

tiene cuatro plantillas diferentes de Vuelos Programados, dos especializados para la creación
de mapas 2D y dos para la generación de modelos tridimensionales:
Figura 3.1. Menú de selección de plantillas en Pix4D Capture para iOS. Fuente: Captura de pantalla.
● Cuadrícula (GRID). Vuelo que realiza un barrido sencillo sobre un área cuadrilátera.
● Poligonal (POLYGON). Vuelo que realiza un barrido sencillo sobre un área poligonal
con n número de lados.
● Doble Cuadrícula (DOUBLE GRID). Vuelo que realiza un barrido doble sobre un
área cuadrilátera.
● Circular. Vuelo que realiza un recorrido circular enfocando todo el tiempo la cámara
al centro de la circunferencia.
Una vez seleccionada una plantilla de vuelo programado, el levantamiento se realizará

de forma semi-autónoma y solo se requerirá la asistencia manual del piloto en los momentos
de despegue y aterrizaje, y en el caso de necesitar un cambio de batería. Previo a un vuelo
programado el piloto podrá editar parámetros clave, como lo son el ángulo de la cámara, la
altura a la que se realizará el vuelo y la velocidad a la que volará el dron, entre otros (Pix4D,
2018).
Los alcances y aplicaciones de la Fotogrametría Digital con el uso de VANTs

dependen completamente del equipo al que se tenga acceso, para ésta tesis se contó con un
VANT INSPIRE 1 de la marca DJI, un modelo de cuadricóptero enfocado completamente al
uso profesional. Previo a la realización de este trabajo se realizaron pruebas con este VANT,
y con los vuelos programados de Pix4D.
3.1.2 CONTROL DE TIERRA
Como se mencionó en el Capítulo 1, el Control de Tierra Fotogramétrico provee los medios

para la relación de las fotografías aéreas con el suelo. El Control de Tierra se realiza a través
30
del establecimiento de Puntos de Control, estos se obtienen a través del levantamiento

diferencial GPS de las coordenadas tridimensionales de puntos clave en el área de estudio.
Se contó con equipo GPS diferencial NAVCOM SF-3040, y con el acceso al software
StarPoint para el post-procesamiento de las coordenadas.
El tipo de levantamiento (estático, cinemático o RTK) se debe seleccionar

dependiendo del tipo de precisión que se requiera en el proyecto. En ambientes urbanos es
más recomendado realizar levantamientos estáticos, ya que la gran densidad de
construcciones puede presentar grandes niveles de interferencia en los levantamientos
cinemáticos y RTK. Para el levantamiento de los GCPs existen tres momentos en los cuales
se deben tomar decisiones importante:
● Previo al vuelo, se debe seleccionar el método del levantamiento, hacer una

planeación de la mejor ubicación de (mínimo) tres GCPs de acuerdo al equipo GPS
que se utilizará, y tener listo el material y la forma con el que se harán las marcas en
caso de no haber rasgos que sean identificables en las fotografías. Es importante que
todas las marcas estén listas antes de despegar.
● Durante el vuelo, se debe hacer cualquier corrección que sea necesaria en la

ubicación de un punto, en la selección de puntos identificables adicionales, o en la
selección de nuevos GCPs que puedan ser más convenientes.
● Posterior al vuelo, realizar el levantamiento de GCPs en rasgos que sean

identificables en las fotografías, ya que en ese momento no se podrá hacer ninguna
corrección a las fotografías.
3.1.2.1 POST-PROCESAMIENTO EN STARPOINT
Posterior al levantamiento es necesario realizar un post-proceso en gabinete a los datos para

corregir cualquier error en su posición. Esto se hace a través de softwares especializados y
como base para esta corrección, en el caso específico de México, se utilizan los datos de las
estaciones de la Red Geodésica Nacional Activa de INEGI. Esta información es
completamente gratuita y se descarga de la página web de la RGNA
(http://www.beta.inegi.org.mx/app/geo2/rgna/, consultada en Mayo 2019).
De acuerdo a su manual de usuario, para realizar el post-procesamiento en StarPoint

se requiere realizar la descarga de la información de al menos dos de las estaciones de la
RGNA más cercanas al lugar de estudio correspondientes al día del levantamiento.
Una vez descargada la información, esta se abre junto con los datos crudos (datos que
no han sido corregidos o procesados diferencialmente) del levantamiento como nuevas
observaciones. Cuando la información esté en el software, se debe hacer una clasificación de
31
los datos: los datos pertenecientes a la RGNA son Base y los datos crudos son datos
Estáticos.
Figura 3.2. Clasificación de dato crudo en dato estático. Fuente: Captura de pantalla en Star Point.
Además, ya que la información de las estaciones de la RGNA está dividida por horas,
se deben combinar para unir todas las horas en las que se hicieron los levantamientos en
campo para tener un solo dato tipo base por cada estación.
Figura 3.3. Combinación manual de bases. Fuente: Captura de pantalla en Star Point.
Cuando las bases de la RGNA hayan sido combinadas y los datos del levantamiento
sean estáticos se crearán sitios, uno por cada elemento del levantamiento. En los sitios se
muestra el tiempo de levantamiento, la duración de éste, y la altura y modelo de la antena
utilizados.
Figura 3.4. Carpeta de sitios. Fuente: Captura de pantalla en Star Point.
32
Los sitios de la RGNA detectan automáticamente la altura y modelo de antena

(información que puede ser verificada en la página
https://www.inegi.org.mx/app/geo2/coordenadasGeoRGNA/). En el caso de los datos
levantados en campo, se tiene que establecer manualmente en cada uno ésta información,
además de los datos característicos de cada antena (intensidad de la señal de radio y offset).
De acuerdo con el manual de usuario, la intensidad de radio de la antena de NAVSTAR
SF-3040 es de 0.816 m, y su valor de offset es 0.056 m.
Figuras 3.5a y 3.5b. Establecimiento manual de altura de la antena, intensidad de radio y offset. Fuente:
Capturas de pantalla en Star Point.
33
Cuando todos los datos estáticos y las estaciones estén listos, se deben crear vectores
que serán las líneas base para realizar la corrección por triangulación. Estos vectores son
creados de cada GCP a cada una de las estaciones de la RGNA deseada, y entre cada una de
las estaciones. Por lo tanto, por cada proyecto deben existir un mínimo de tres vectores
Figura 3.6. Creación de vector de un punto levantado (BASE4) y la estación RGNA de Toluca (TOL2). Fuente:
Captura de pantalla en Star Point.
Figura 3.7. Carpeta de vectores creados. Fuente: Captura de pantalla en Star Point.
Una vez generados todos los vectores necesarios se realiza el procesamiento

automático y el ajuste de la red. En el resumen de ajuste de red se muestra un porcentaje de la
confiabilidad del levantamiento (que tiene que ser mayor al 80%), y se muestra el resultado
más importante del procesamiento, las coordenadas ajustadas.
Las coordenadas presentes en el resumen son coordenadas geográficas, para fines

prácticos se requiere proyectarlas al Sistema de Coordenadas Universal Transversal de
Mercator (UTM), para que sus magnitudes sean expresadas en metros. Además, la elevación
de las coordenadas ajustadas es la Altura Ortométrica, que representa los metros sobre el
nivel medio del mar (MSNM) a los que se encuentra el punto levantado.
34
Figura 3.8. Resumen del ajuste de red. Fuente: Captura de pantalla en Star Point.
3.2 PROCESAMIENTO DE LAS IMÁGENES

La segunda fase del Proceso Fotogramétrico Digital consiste en la transformación de las
imágenes en Productos Fotogramétricos. Esta transformación se realiza a través de
procesamientos realizados con la ayuda de programas especializados. En el caso de este
trabajo, se realizó el enfoque en tres programas específicos: Pix4D Mapper Pro, MATLAB y
CloudCompare.
3.2.1 PIX4D MAPPER PRO
Pix4D Mapper Pro es un software especializado en el procesamiento de fotografías

obtenidas con drones a través de la aplicación móvil Pix4D Capture. A través de él las
fotografías aéreas son transformadas en ortomosaicos, nubes de puntos, modelos digitales de
superficie e incluso, modelos tridimensionales. El programa trabaja a partir de plantillas que
se seleccionan de acuerdo al tipo de productos fotogramétricos que se quieran obtener, la
plantilla recomendada se llama 3D Models (Pix4D, 2018).
Previo a la selección de la plantilla, se le debe dar un nombre y ruta al proyecto,

seleccionar el directorio donde se encuentren todas las fotografías y verificar que el software
reconozca el tipo de cámara que se utilizó y que las fotografías cuenten con una referencia
geoespacial inicial aportada por el GPS del VANT. Posterior a la verificación, se debe
establecer el sistema de coordenadas que se utilizará en el proyecto, es altamente
recomendable trabajar con coordenadas proyectadas para que los resultados se obtengan en
metros. En el caso específico de levantamientos realizados en la Ciudad de México, es mejor
trabajar con UTM Zona 14 Norte WGS84 (Pix4D, 2018).
35
El procesamiento en Pix4D consta de tres fases:
1. Procesamiento Inicial: En esta etapa se realiza una calibración inicial de las

imágenes y la cámara, se calculan puntos clave en las fotografías, se les da una
geolocalización relativa y se genera una primera nube de puntos 3D haciendo una
triangulación de los puntos clave.
2. Nube de Puntos y Mesh 3D: En la segunda etapa, el software vuelve a analizar todas
las imágenes para triangular cada pixel y así agregar cada vez más puntos a la nube.
Partiendo de esa nube de puntos, el software crea una malla/modelo 3D interpolando
entre los puntos y aplicándole textura, obtenida de las fotografías.
3. Ortomosaico, Modelo Digital de Superficie e Índices: Para generar el MDS el

software le da a cada pixel un valor de elevación y crea un ráster (imagen) partiendo
de ello. El ortomosaico lo genera al realizar una imagen de perspectiva de vuelo de la
nube de puntos, utiliza una vez más las fotografías para darle el color correcto a cada
pixel.
Es posible realizar las tres continuamente o con pausa entre cada una, para establecer
la ubicación de los GCPs se requiere trabajar pausadamente.
Figura 3.9. Relación manual de GCPs en Pix4D Mapper Pro. Fuente: Captura de pantalla.
Una vez terminado el procesamiento inicial se genera una Nube de Puntos poco
densa, lo cual establece que ya existe una base de información tridimensional. Entonces se
utiliza la herramienta GCP/MTP Manager para hacer la resección espacial. Se introducen las
coordenadas de cada uno de los GCPs (en UTM), para después relacionar manualmente la
posición real en las fotografías de cada uno. La posición real de cada GCP debe ser
seleccionada en todas las fotografías donde sea perfectamente visible, acercando el display de
tal manera que se pueda observar y seleccionar el pixel donde se considere más correcta.
Después de hacer la relación, se debe realizar una re-optimización de la primera etapa para
que la georreferencia de las fotografías se actualice a la correcta (Pix4D, 2018).
36
Para verificar que la georreferencia se realizó de manera correcta, el software genera

un archivo llamado “Reporte de Calidad”, este documento se genera automáticamente al
término de cada fase (Pix4D, 2018). Dentro del reporte se encuentra el apartado “Control de
Calidad”, en él hay cinco parámetros que deben cumplirse para que el resultado del proyecto
sea exitoso, que son:
1. Imágenes: La mediana de puntos clave por imágen debe ser mayor a 10 mil.
2. Dataset: Porcentaje de imágenes correctamente calibradas, para que sea

correcto debe ser mayor al 95%.
3. Optimización de la cámara: El porcentaje de la diferencia entre la distancia

focal inicial y la optimizada es menor a 5%.
4. Pareo: La mediana de pares por imagen calibrada debe ser mayor a mil.
5. Georreferenciación: Muestra si el proyecto se encuentra georreferenciado, y

si lo está, muestra el número y tipo de GCPs utilizados y el promedio de el
error medio cuadrático (RMS) en XYZ. Para que sea correcto se deben utilizar
un mìnimo de tres GCPs y el RMS debe ser menor al doble del valor de la
Distancia de Muestra de Suelo (GSD, por las siglas en inglés de Ground
Sample Distance). El GSD es la distancia entre dos centros de píxeles
consecutivos. Cuanto mayor sea su valor, menor será la resolución espacial de
la imagen. El GSD está completamente relacionado con la altura del vuelo: a
mayor altitud, mayor el valor del GSD (Pix4D, 2018). Aunque el software lo
obtiene de manera automática, se puede calcular manualmente con la siguiente
fórmula:
(tamaño del pixel)*(AGL)

GSD = longitud f ocal
Donde el tamaño del pixel y la longitud focal se expresan en mm, y

AGL (Above Ground Level) es la elevación sobre el suelo expresada en metros
(Calvo, 2015).
Después de este proceso, las dos siguientes fases se realizan sin ninguna pausa. Al
trabajar con la plantilla 3D Models se obtienen los siguientes productos fotogramétricos:
Nube de Puntos densa, 3D Mesh, Ortomosaico y Modelo Digital de Superficie.
3.2.2 MATLAB
MATLAB es un sistema de programación que permite realizar el análisis de datos numéricos

mediante la creación propia de algoritmos en un lenguaje especializado. El Dr. José Luis
37
Silván Cárdenas (SNI Nivel 1, CentroGeo) se encuentra actualmente desarrollando un

programa de Matlab para el procesamiento y clasificación de Nubes de Puntos, conocido
como UIPCPV (Una Interfaz de Usuario para el Procesamiento y Visualización de Nubes de
Puntos). Este programa es una interfaz de usuario para la caja de herramientas de
Procesamiento de Nubes de Puntos (PCPROC) (Silván Cárdenas, 2018).
Figura 3.10. Interfaz de usuario de la herramienta Ground Segment Filtering mostrando un MDS previo a su
clasificación. Fuente: Manual UIPCPV (Silván Cárdenas, 2018).
El procesamiento de clasificación comienza con la generación del Modelo Digital de

Terreno (MDT) a partir de la información de alturas (Z Coord.) de cada uno de los puntos de
la nube y del MDS generados en Pix4D. La herramienta Ground Segment Filtering realiza un
relleno de huecos por interpolación aleatoria IDW (Inverse Distance Weight, Distancia
Inversa Ponderada). Una vez terminada la interpolación se debe crear una máscara de
elevación de terreno con el MDT obtenido (Silván Cárdenas, 2018).
38
Figuras 3.11. Interfaz de usuario de la herramienta Ground Segment Filtering que muestra un MDT generado
con ella. Fuente: Manual UIPCPV (Silván Cárdenas, 2018).
El siguiente paso consiste en la clasificación por color de la Nube de Puntos. El

programa lo realiza a través de una clasificación no supervisada ISODATA (Iterative
Self-Organizing Data Analysis Technique). Generalmente, el número de clases obtenidas es
mayor a la necesitada, por lo cual se debe realizar una clasificación supervisada tomando
muestras del resultado de la ISODATA y utilizando la máscara de elevación de terreno filtrar
los puntos por su altura y poder obtener las siguientes clases:
1. Suelo desnudo
2. Asfalto
3. Vegetación baja
4. Vegetación alta
5. Construcciones
6. Agua
39
El filtrado del terreno se realiza a través de matrices de control, como en el ejemplo de

vegetación alta y baja:
Terreno Vegetación
Vegetación Baja 1 1
Vegetación Alta 0 1
Este tipo de clasificaciones es fundamental para la creación de los modelos 3D

exclusivamente de edificios, ya que la triangulación del mesh en Pix4D se realiza con todos
los puntos, sin importar su clasificación. Además, permite la generación “manual” de
modelos 3D que no requieran detalle en sus fachadas, y que solo busquen representar una
construcción en su forma geométrica tridimensional más básica. Actualmente, este tipo de
modelos 3D son utilizados para ser la base de Catastros 3D.
3.2.3 CLOUD COMPARE
CloudCompare es un software libre que permite la visualización y el procesamiento de Nubes

de Puntos. Además, gracias a su poderosa herramienta de segmentación y recorte de Puntos
puede ser considerado como la mejor opción para la creación “manual” de Modelos 3D.
La herramienta interactiva Segment permite segmentar entidades (Nubes de Puntos,

Modelos, etc.) definiendo polígonos 2D en la pantalla. Es posible repetir el proceso n veces,
cambiando la orientación de las entidades cada vez, para así poder segmentar correctamente
entidades tridimensionales.
La segmentación puede realizarse de dos maneras: seleccionando todo lo que se

encuentre dentro del polígono de segmentación, o todo lo que se encuentre fuera. De igual
manera, la exportación del resultado de la segmentación se expresa en dos maneras distintas:
eliminando todo lo que no se encuentre seleccionado, o creando dos nuevas entidades a partir
de una ya existente (CloudCompare, 2018).
40
Figuras 3.12a y 3.12b. Uso de la herramienta Segment en CloudCompare sobre una Nube de Puntos Circular.
Fuente: Captura de pantalla
41
Figuras 3.12c y 3.12d. Uso de la herramienta Segment en CloudCompare sobre una Nube de Puntos Circular.
Fuente: Captura de pantalla.
42
En el caso de un edificio, se deben segmentar por separado techos, paredes y detalles

de la fachada. Se debe generar el mesh 3D de cada segmento con la herramienta Delaunay
2.5D Best Fit Plane. Esta herramienta realiza una triangulación de cada punto con sus
vecinos más cercanos, el resultado de este proceso es una superficie tridimensional
(CloudCompare, 2015).
Figuras 3.13a, 3.13b y 3.13c. Triangulación manual realizada a partir de la segmentación de un techo. Fuente:
Captura de pantalla.
Para el término de el procesamiento en CloudCompare, se deben unir todas las

entidades de superficie 3D generadas con la herramienta Mesh (CloudCompare, 2017).
43
3.3 VALIDACIÓN Y CONTROL DE CALIDAD

3.3.1 VALIDACIÓN DE LA GEORREFERENCIA
La validación de la georreferencia del Levantamiento Fotogramétrico se realiza a través de la

diferencia de las posición de los ICPs en el ortomosaico y su posición “real”. Los Puntos de
Control Independiente requeridos para la validación deben ser levantados con equipo
submétrico de la misma manera que los GCPs.
La validación de la exactitud planimétrica de un ortomosaico debe ser realizada con

las ecuaciones presentadas en la sección 1.3.4.1 del Capítulo 1. Es recomendable hacer el
cálculo de la diferencia de la posición en el ortomosaico y la posición en tierra con las
coordenadas proyectadas en UTM, para trabajar con información presentada en metros.
Ya que los cálculos se realizan de manera secuencial, es recomendable hacerlos

mediante una hoja de cálculo digital.
3.3.2 CONTROL DE CALIDAD
En Pix4D, el Control de Calidad del procedimiento y de los Productos Fotogramétricos se

realiza a través del Reporte de Calidad que el mismo software provee para cada proyecto
generado.
El reporte está clasificado en cada una de las tres fases del procesamiento, y se
muestra un resumen de la cantidad de información calibrada, el tiempo de procesamiento de
cada producto, y la calidad de la georreferencia, entre otros.
44
CAPÍTULO 4
PROPUESTA DE PROTOCOLO
La Real Academia Española define PROTOCOLO como una “secuencia detallada de un

proceso de actuación científica o técnica”. El Protocolo propuesto para esta tesis consiste en
un desglose de todos las actividades y procesos necesarios para la obtención de Productos
Fotogramétricos de edificios a partir de vuelos con VANTs.
Figura 4.1. Diagrama del Proceso Fotogramétrico Digital de esta tesis.

Fuente: Elaboración propia.
Tomando como una base secuencial el Diagrama del Proceso Fotogramétrico Digital
(Figura 4.1), el Protocolo para el Levantamiento de Edificios a partir de Vuelos Aéreos
No Tripulados tiene la siguiente estructura:
45
4 PROPUESTA DE PROTOCOLO
Edificio de Modo de
Equipo Levantamiento Procesamiento Productos
Estudio Vuelo
Geometría
VANT Libre Vuelo Clásicos
Validación
Accesibilidad
Software
Permisos
Adicional Programado GCPs Modernos
Reglamentos
Tabla 4.1. Protocolo para el Levantamiento Fotogramétrico de Edificios a partir de Vuelos Aéreos No
Tripulados.
Con base en lo anterior, el Protocolo propuesto para esta tesis tiene la siguiente
estructura:
UPN Modo de
Equipo Levantamiento Procesamiento Productos Validación
AJUSCO Vuelo
Geom.
Ortomosaico
Compleja
DJI Pix4D Mapper
Tres Vuelos Georreferencia
INSPIRE 1 Pro
Nube de
Zonas con alta
Doble Puntos
densidad de
Cuadrícula
vegetación
MATLAB MDS
NAVCOM 5 GCPs y 29 Exactitud de
Registro y SF-3040 ICPs Posición
CloudCompare 3D Mesh
seguro
Tabla 4.2. Protocolo propuesto.
En este Capítulo se analizarán las propuestas del Protocolo, desde la selección del
Edificio de Estudio hasta el Procesamiento de las Imágenes. En el Capítulo 5 se analizarán
los Productos Fotogramétricos, el control de la calidad y la validación de la
georreferencia/exactitud de posición.
4.1 EDIFICIO DE ESTUDIO

Gracias al proyecto Desarrollo y Evaluación de Técnicas Avanzadas de Percepción
Remota para Alimentar un Catastro Tridimensional de CentroGeo e INEGI se consiguió
acceso a las instalaciones de la Universidad Pedagógica Nacional (UPN) Unidad Ajusco.
La Unidad Ajusco de la UPN forma parte junto con el Colegio de México y la Casa
Matriz del Fondo de Cultura Económica de un corredor cultural diseñado por los célebres
arquitectos mexicanos Teodoro González de León y Abraham Zabludovsky construido sobre
la carretera Picacho-Ajusco, al sur de la Ciudad de México.
46
4.1.1 GEOMETRÍA Y ACCESIBILIDAD DEL EDIFICIO
Dependiendo de su Geometría, para esta tesis se propone que un edificio es clasificado como
Regular o Compleja. Se puede considerar que los edificios de la Unidad Ajusco tienen una
estructura compleja, ya que fueron construidos con concreto cincelado con grano de mármol
y diseñados con una geometría que hace referencia lejana al México prehispánico (Reyes
Salas, 2015).
Los edificios del Unidad Ajusco son una excelente muestra de la Arquitectura
Contemporánea Mexicana, ya que presentan un juego de formas y variedad de materiales, sus
fachadas son armoniosas y, más importante, poseen un funcionamiento adecuado (Maldonado
Luján, 2014).
Figura 4.2. Entrada principal de la UPN Ajusco. Fuente: Internet.
La accesibilidad se considera como la cantidad de vegetación que existe alrededor de

una construcción. Considerar este aspecto es de gran importancia, ya que la vegetación densa
cercana a los edificios causa sombras, las cuales disminuyen la cantidad de información que
es obtenida mediante un vuelo (Calvo, 2015).
En el caso de la UPN Ajusco existe una gran densidad de vegetación (si se hace una
comparación con la mayoría de las construcciones dentro de la Ciudad de México), pero la
mayor parte de ella se encuentra en una misma zona por lo que las fachadas de los edificios
principales poseen un alto grado de apreciación arquitectónica.
47
Figura 4.3. Fotografía aérea de la UPN Unidad Ajusco. Fuente: Internet.
4.1.2 REGLAMENTOS Y PERMISOS
Para poder volar un VANT en México en el ámbito profesional o comercial, se requiere tener
presencia en el Registro de RPAs (Remotely Piloted Aircraft, Aeronave Pilotada a Distancia)
por Propietarios de la Secretaría de Comunicaciones y Transportes. Además, de acuerdo a la
circular publicada el 25 de julio de 2017 por la Dirección General de Aeronáutica Civil
Mexicana, el DJI Inspire 1 tiene un peso de 2.94 kg y se encuentra clasificado en la categoría
de RPAS Pequeños. Esta circular presenta limitaciones y restricciones al uso de VANTs en
México para fines no recreativos, dentro de los que se destacan:
● No exceder la velocidad máxima de 161 km/hr.
● Operar a un máximo de 122 m de altura.
● No alejar la aeronave a más de 457 m del piloto.
● Volar a una distancia mayor a 9.2 km de cualquier aeródromo.
● Volar a una distancia mayor a 0.9 km de cualquier helipuerto.
● Contar con un seguro de daños a terceros.
Todos los documentos requeridos se tuvieron listos previo al día del levantamiento.
4.2 PLANEACIÓN DE VUELO

Un piloto de VANT debe siempre crear planes de vuelo para tener un conocimiento de una
ruta segura dentro del lugar de estudio, para poder completar con éxito cualquier misión y
evitar cualquier riesgo. De igual manera se debe tener conocimiento de las leyes y
48
reglamentos de operación; y es esencial comprender todo de lo que es capaz de hacer ejecutar

el software (en el caso de esta tesis Pix4D) para a su vez conocer a fondo el impacto que tiene
el equipo, la orientación y la obtención de las fotografías en la precisión de los Productos
Fotogramétricos (Calvo, 2015).
4.2.1. EQUIPO
Como se mencionó en el Capítulo 3, gracias al Centro de Investigación en Ciencias de

Información Geoespacial (CentroGeo) se contó con todo el equipo necesario para el
Levantamiento y Proceso Fotogramétrico. El equipo disponible fue:
● Un VANT (cuadricóptero) marca DJI modelo INSPIRE 1,
● Un iPad Mini con la aplicación Pix4D Mapper,
● Dos antenas GPS NAVCOM SF-3040 y controladora,
● Un tripié (con base niveladora),
● Dos bastones de 2 m (con bípodes), y
● Una laptop Acer Aspire VX para el procesado de las imágenes con las licencias de
Pix4D Mapper Pro y MATLAB.
4.2.2 MODO DE VUELO
Con base en los resultados de levantamientos previamente realizados en el proyecto se pudo

llegar a la conclusión de que por la gran extensión del terreno de la Unidad Ajusco de la UPN
y sus edificios principales, el Modelo de Vuelo más conveniente a realizar sería un vuelo de
Doble Cuadrícula. Además, por las mismas razones de extensión y por el tiempo de duración
de las baterías (22 minutos de vuelo aproximadamente), se tomó lo decisión de hacer más de
un vuelo y fusionarlos todos juntos para hacer un solo proyecto.
La primera propuesta de vuelos consistió en la realización de cuatro vuelos de Doble

Cuadrícula a 80 m de altura y el levantamiento RTK de cuatro GCPs , ya que no se sabía si se
iba a tener acceso a la azotea de los edificios y el tiempo exacto que se permitiría permanecer
en el lugar de estudio.
49
Figura 4.4. Mapa de vuelo de la primera propuesta de plan de vuelos y localización de GCPs.
Fuente: Captura de pantalla en QGis.
4.3 LEVANTAMIENTO
4.3.1 VUELO
El día del levantamiento se informó que sí se tendría acceso a las azoteas de los edificios, por
lo que se decidió hacer modificaciones al plan de vuelo. El número de vuelos se redujo a solo
tres, se modificó la posición de un GCP, y se agregaron dos más en las azoteas de los
edificios más altos. Además, el tiempo en el que se permitió trabajar fue más amplio, por lo
cual (y para una mayor precisión) se decidió realizar levantamientos estáticos para el
establecimiento de Control de Tierra.
Aunque los vuelos se comenzaron y terminaron en distintos puntos, los parámetros

fueron los mismos para los tres:
50
Parámetro Descripción
Altura de Vuelo 70 metros
Velocidad de Vuelo 6 metros por segundo
Ángulo de la cámara 70º
Traslape frontal 80%
Traslape lateral 70%
Enfoque al centro de la cuadrícula Desactivado
Modo de captura Modo seguro
Balance de blancos Activado

Tabla 4.3. Parámetros de los Vuelos Doble Cuadrícula
Los resultados de cada uno de los vuelos fueron:
Vuelo Tiempo de Vuelo No. Fotografías
1 13 min 21 seg 150
2 16 min 6 seg 243
3 15 min 31 seg 385
Total 44 min 58 seg 628

Tabla 4.4. Tiempo de vuelo y número de fotografías por vuelo.
4.3.2 CONTROL DE TIERRA
El mismo día del vuelo se realizó el levantamiento de los Puntos de Control de Tierra con los
equipos NAVCOM SF-3040 y la aplicación Field Genius de su controladora. Cada uno de los
GCPs fue levantado por aproximadamente una hora y gracias a que se contó con dos antenas,
el levantamiento se realizó en pares para ahorrar tiempo.
Cuatro de los GCPs fueron marcados con objetivos artificiales para poder ser
fácilmente observados en las fotografías. Estos objetivos fueron lonas cuadradas de 4 m2
diseñadas durante las pruebas previas a este trabajo. El GCP restante fue levantado sobre un
rasgo que resaltaría en las fotografías, se eligió la esquina de una banqueta cercana a la
entrada peatonal principal.
51
Figura 4.5. Marca de GCP utilizada. Fuente: Captura de pantalla en Pix4D Mapper Pro
Para realizar un levantamiento estático en FieldGenius se debe crear un nuevo

proyecto (de preferencia un proyecto diferente para cada GCP), conectar la controladora a la
antena por bluetooth y establecer los siguientes parámetros de levantamiento:
● Método de posicionamiento: Estático
● Seguimiento: GLONASS y GPS
● Máscara de elevación: 20º
● Tipo de antena: NAVCOM SF-3040
● Altura de instrumento: Variable, o 2 m en caso de colocarse la antena en un bastón.
● Límite PDOP: 5.0
● Intervalo de épocas: 2 segundos
Los resultados del tiempo de levantamiento fueron:
GCP Tiempo de Levantamiento Altura de Instrumento
GCP 1 1 hora 1.978 m
GCP 2 47 minutos 2m
GCP 3 1 hora 55 min 1.872 m
GCP 4 46 minutos 1.812 m
GCP 5 1 hora 09 minutos 1.856 m

Tabla 4.5. Tiempo de levantamiento y altura de instrumento por GCP.
52
Los datos crudos de las coordenadas de cada punto fueron procesados

individualmente en StarPoint, con vectores creados con ayuda de las estaciones de Querétaro
y Toluca de la RGNA. El resultado del ajuste de las redes tuvo un 95% de confiabilidad en
cada una.
Las coordenadas corregidas y proyectadas en UTM 14N de cada GCP resultaron:
GCP X Y MSNM
GCP 1 477,874.046 2,134,382.756 2,380.488
GCP 2 477,936.064 2,134,150.574 2,399.296
GCP 3 477,983.724 2,134,156.573 2,382.482
GCP 4 477,953.334 2,134,265.083 2,399.582
GCP 5 478,018.089 2,134,273.261 2,373.733

Tabla 4.6. Coordenadas de los GCPs en UTM.
4.4 PROCESAMIENTO DE LAS IMÁGENES

Como se mencionó anteriormente, el procesamiento se realizó en una laptop Acer Aspire VX
con 16GB de memoria RAM y tarjeta de video NVIDIA GeForce GTX 1050 Ti. Fue de gran
importancia el poder trabajar con esta computadora, ya que Pix4D requiere la mayor cantidad
de recursos posibles.
Las 628 fotografías fueron cargadas en Pix4D para ser procesadas con la plantilla 3D
Models. Al igual que la recomendación del capítulo anterior se trabajó pausadamente, y al
final del procesamiento inicial se realizó la resección espacial con los cinco GCPs.
53
Figura 4.6. Distribución de las 628 fotografías en el área de estudio.

Fuente: Captura de pantalla en Pix4D Mapper Pro.
La cantidad de fotografías en las que se observó cada GCP fue distinta, ya que las
condiciones del terreno fueron diferentes en cada uno. El resultado de fotografías por GCP
fue:
GCP Número de Fotografías
GCP 1 107
GCP 2 61
GCP 3 36
GCP 4 19
GCP 5 59
Tabla 4.7. Número de fotografías por GCP.
54
Una vez seleccionadas las posiciones reales de los cinco Puntos de Control, se realizó
la re-optimización del proyecto. El resultado de la georreferencia fue correcto, con un RMS
de 5.50 cm menor al doble del valor del GSD de 3.22 cm, por lo que el procesamiento se
continuó de manera automatizada sin ningún inconveniente.
Figura 4.7. Distribución de los GCPs en el área de estudio. Vista aérea de la Nube de Puntos Generada.
Fuente: Captura de Pantalla en Pix4D Mapper Pro.
55
CAPÍTULO 5
RESULTADOS
En este capítulo se analizarán los Productos Fotogramétricos obtenidos del procesamiento
con Pix4D Mapper Pro., y se añadirá información adicional de cada producto obtenida del
resumen del Reporte de Calidad.
5.1 PRODUCTOS OBTENIDOS

El orden en el que se presentan los Productos Fotogramétricos es el mismo en el que se
obtienen en el procesamiento.
5.1.1 NUBE DE PUNTOS
Después de la re-optimización del proyecto, el primer producto obtenido es la Nube de

Puntos. La Nube de Puntos de este trabajo consta de 33,415,947 puntos. El tiempo de
procesamiento para convertir las 628 fotografías en una nube densa fue de 10 horas y 39
minutos.
Figura 5.1. Nube de Puntos de la UPN Unidad Ajusco. Fuente: Captura de pantalla en Pix4D Mapper Pro.
Una vez obtenida la Nube de Puntos ésta fue procesada en MATLAB con la
herramienta de usuario UIPCPV para realizar su clasificación. Previo a esta clasificación, la
56
5 RESULTADOS
nube fue delimitada para seleccionar únicamente los puntos ubicados en el cuadro principal
de la UPN, y eliminar la información adicional no deseada, como los puntos que representan
el edificio del Fondo de Cultura Económica.
La clasificación se realizó de tal manera que se obtuvieron las siguientes clases:
1. Suelo
2. Suelo desnudo
3. Vegetación baja
4. Vegetación alta
5. Construcción
Figura 5.2. Nube de Puntos de los edificios de la UPN Unidad Ajusco. Fuente: Captura de pantalla en
CloudCompare.
Figura 5.3. Acercamiento a la Nube de Puntos de los edificios de la UPN Unidad Ajusco. Fuente: Captura de
pantalla en ClouCompare.
57
5 RESULTADOS
5.1.2 MESH 3D
En Pix4D, el Mesh 3D se genera a partir de una malla triangular que une cada uno de los
puntos de la nube. Se genera en la segunda fase del procesamiento junto con la Nube de
Puntos. El tiempo de su generación fue de 30 minutos y 12 segundos.
Figura 5.4. Mesh 3D de la UPN Unidad Ajusco. Fuente: Captura de pantalla en Pix4D Mapper Pro.
Figura 5.5. Acercamiento al Mesh 3D de la UPN Unidad Ajusco. Fuente: Captura de pantalla en Pix4D Mappee
Pro
58
5 RESULTADOS
5.1.3 ORTOMOSAICO
El ortomosaico es el único producto clásico obtenido a través de Pix4D, y a través del cual es
posible realizar la validación de la exactitud del posicionamiento. La resolución espacial del
ortomosaico (y del MDS) es igual al valor del GSD, por lo tanto el ortomosaico (y el MSD)
obtenido tiene una resolución de 3.22 cm.
El ortomosaico y el MDS se obtienen en la última fase del procesamiento en Pix4D.

El tiempo de procesamiento para la generación del ortomosaico fue de 2 horas y 20 minutos.
Además, el ortomosaico fue el producto elegido para hacer la evaluación de la exactitud de
posición 2D.
El procesamiento automático en Pix4D hace un arreglo de las imágenes, de tal manera

que el ortomosaico y el MDS obtenidos se encuentran completamente orientados al Norte.
Mapa 5.1. Ortomosaico de la UPN Unidad Ajusco.
59
5 RESULTADOS
5.1.4 MODELO DIGITAL DE SUPERFICIE
El MDS es generado a partir de la información de altura de cada uno de los puntos de la nube.
El tiempo de generación del modelo fue de 48 minutos y 52 segundos.
El MDS es una gran herramienta para observar la presencia de vegetación alta en la

zona y el comportamiento del terreno, observando desde otra perspectiva la forma en que la
Unidad Ajusco de la UPN fue construida sobre un terreno en desnivel, y la manera en que los
arquitectos que la diseñaron utilizaron la diferencia de alturas a su favor para crear una serie
de construcciones y un pasillo que da la sensación de subir cuatro niveles, cuando en realidad
desde la entrada principal a la parte más alta se suben siete.
Mapa 5.2. Modelo Digital de Superficie la UPN Unidad Ajusco.
60
5 RESULTADOS
5.2 VALIDACIÓN DEL ORTOMOSAICO

Tiempo después de realizar el proceso de las fotografías en Pix4D se regresó a las
instalaciones de la Unidad Ajusco de la UPN para realizar el levantamiento de Puntos de
Control Independientes que serían la base para la validación de la exactitud del
posicionamiento en el ortomosaico.
Los ICPs fueron levantados con el mismo equipo que los GCPs (NAVCOM
SF-3040), pero con un método de levantamiento distinto. Ya que se contaba con la
información de las coordenadas conocidas de los cinco GCPs se usaron como base para hacer
levantamientos cinemáticos. En total se hizo el levantamiento de 29 ICPs.
Tabla 5.1. Coordenadas de los Puntos de Control Independientes.
61
5 RESULTADOS
Como las coordenadas conocidas de las bases fueron ingresadas en UTM, las
coordenadas de los ICPs fueron levantadas directamente también en UTM.
Mapa 5.3. Distribución de los Puntos de Control Independientes levantados en la Unidad Ajusco de la UPN.
Para realizar el cálculo del RMS de la posición se compararon las coordenadas

levantadas en campo de cada ICP, con las coordenadas del lugar en el ortomosaico. Al
momento de realizar esta comparación se observó que uno de los ICP levantados se
encontraba fuera del área del ortomosaico, por lo que se decidió eliminarlo. De igual manera
se presentaron complicaciones con cinco ICPs más, debido a que por el valor del GSD y la
distancia a la que se encontraban en el suelo a la altura de vuelo se volvió complicada su
correcta identificación en el ortomosaico. Por esto, se realizó el cálculo del RMS con 23
ICPs.
El cálculo se realizó de manera secuencial con el uso de una hoja de cálculo digital.
En ella se calcularon las diferencias de latitud y longitud por separado. Se realizaron las
restas de las coordenadas del ortomosaico menos la coordenadas reales, estas diferencias
fueron elevadas al cuadrado; se realizó la sumatoria de todas las diferencias; la sumatoria fue
dividida entre el número de ICPs y se obtuvo la raíz cuadrada de ese resultado. En este punto
62
5 RESULTADOS
se obtuvieron los RMS de x y y. Para calcular el RMS de la posición, se calculó la raíz de la
suma del cuadrado de los RMS horizontales y verticales.
El resultado del RMS fue de 20.768 cm. Para disminuir el valor, se eliminaron los tres
ICPs cuyo residuo en x o en y fuera mayor. Esta eliminación se hizo de tal manera de que se
cumpliera la regla de la FGDC de tener un mínimo de 20 ICPs para la evaluación de la
exactitud de posición.
Al trabajar con 20 ICPs, el resultado del RMS2D fue de 15.552 cm.
Tabla 5.2. Cálculo del RMS2D con 20 ICPs.
63
CAPÍTULO 6
CONCLUSIONES
CONCLUSIONES GENERALES
● El Proceso Fotogramétrico Digital con el uso de VANTs es una manera distinta de

observar la metodología de un Levantamiento Fotogramétrico, y aunque la obtención
y el procesamiento de la información es completamente diferente a los métodos
tradicionales, el fin del proceso continúa siendo el mismo.
● La elaboración de un Protocolo es esencial para el buen resultado de un

Levantamiento Fotogramétrico. Además de que er visto también como un check-list
de todo lo que se debe realizar previo, durante y después de un vuelo.
● Es posible que la propuesta del Protocolo desde el punto específico de levantamiento

de edificios se convierta en una herramienta factible de ser utilizada para
levantamientos con fines catastrales 2D o 3D, con la generación de ortomosaicos para
la actualización del bidimensional, y la generación de modelos tridimensionales
básicos.
● La buena planeación para el levantamiento tridimensional de un edificio realizado con

el uso de VANTs, es la base para contar con información más confiable para la
generación de modelos BIM.
● Los productos obtenidos presentan una buena resolución espacial, en relación a la

altura de las fotografías y del tamaño de su GSD.
LIMITACIONES
● Los métodos y procedimientos realizados semi y automatizadamente, mediante

software especializado, tienen dos muy grandes limitaciones: el alto costo de sus
64
6 CONCLUSIONES
licencias y el requerimiento de equipo de cómputo de última generación. Gracias al

proyecto INEGI CentroGeo estas limitaciones no impidieron el desarrollo de ésta
tesis.
● Los mesh 3D generados en Pix4D no son de la mejor calidad, ya que las mallas que se
generan son muy grandes y en ocasiones causan distorsiones a la realidad. De igual
manera, los procesos de triangulación manual mediante el software libre
CloudCompare no son lo suficientemente avanzados ya que requieren que la
superficie a modelar sea “limpiada” y “suavizada” manualmente lo más posible, lo
que provoca que este procesamiento se convierta en un proceso monótono y
repetitivo, y causa una pérdida de la automatización que fue posible alcanzar en otras
etapas. Es probable que en un futuro estos algoritmos sean actualizados y mejorados
para que la creación de modelos 3D con software libre sea más amigable que lo que
fue al momento de escribir ésta tesis.
● Algo parecido a lo anterior ocurre con los ortomosaicos. La imagen generada presenta
algunas distorsiones, en especial en las esquinas de edificios, y en lugares donde se
puede observar claramente que hubo un objeto que se movió de una fotografía a otra,
como vehículos o incluso personas.
PROBLEMÁTICAS EN EL PROCESO
● En el levantamiento de los puntos ICPs la densa vegetación alta provocó una gran
cantidad de interferencia entre la señal de la Base y el Rover, por lo cual la
distribución de los puntos no pudo ser la deseada en el planteamiento previo.
● El procesamiento de la generación de la Nube de Puntos sin clasificar en Pix4D tardó

varias horas, incluso utilizando todos los recursos posibles de la computadora en la
que se procesó (16GB de RAM).
● Aunque los tres vuelos fueron planeados para realizarse lo más cercano al mediodía,
existió la presencia de sombras en las fotografías. La presencia de sombras y de
vegetación alta provocaron que en la zona suroeste existieran espacios vacíos de
consideración en la Nube de Puntos.
65
6 CONCLUSIONES
● La vegetación alta cercana a las construcciones generó un poco de confusión a la

herramienta UIPCPV en MATLAB para la generación del MDT, pero realizando
varias pruebas se pudo generar un MDT adecuado.
● La presencia alta de jacarandas en la zona provocó que la clasificación no supervisada
(ISODATA) en UIPCPV tomara más tiempo de lo planeado, ya que su color morado
causaba confusión al software y se clasificaba automáticamente como construcción y
no como vegetación. De igual manera, esto pudo ser corregido mediante la toma de
muchas muestras específicas para la clasificación supervisada.
66
REFERENCIAS
● Abdullah, Q.; Bethel, J.; Hussain, M. & Munjy, R. (2013). Photogrammetric project
and mission planning. Manual de Fotogrametría. ASPRS. 1187-1220.
● American Society of Photogrammetry and Remote Sensing. (1980). Manual of
Photogrammetry. Cuarta Edición. Estados Unidos. Falls Church, Va. 1056 pp.
● Autodesk. (2019). ¿Qué es la impresión 3D?. Consultada por última vez el 26 de
febrero 2019, de Autodesk. Sitio web: https://www.autodesk.mx/solutions/3d-printing
● Caire Lomelí, J. (1977). Fotogrametría I: Fotogrametría Terrestre. Primera Edición.
México: Editorial Rodríguez. 164 pp.
● Calvo, K. (2015). So You Want to Create Maps Using Drones?. Estados Unidos: Blurb.
69 pp.
● CloudCompare. (2015). Mesh\Delaunay 2.5D (XY plane). Última vez consultada el 2
Abril de 2019, de CloudCompare. Sitio web:
https://www.cloudcompare.org/doc/wiki/index.php?title=Mesh%5CDelaunay_2.5D_(X
Y_plane)
● CloudCompare. (2018). Interactive Segmentation Tool. Última vez consultada el 2 de
Abril de 2019, de CloudCompare. Sitio web:
https://www.cloudcompare.org/doc/wiki/index.php?title=Interactive_Segmentation_To
ol
● Cruz Reyes, I. C. (2015). Evaluación de Modelos Digitales de Elevación en el Proceso
de Ortorrectificación de Imágenes Satelitales de Muy Alta Resolución. Tesis de
licenciatura. Facultad de Ingeniería UNAM, Ciudad de México, 2015.
● FIG. (2012). Introducción. Sitio web de la comisión 3 y 7 del Grupo de Trabajo en
Catastros 3. Plan de trabajo 2010–2014. Última vez consultada el 13 de Abril de 2019.
Sitio web: http://www.gdmc.nl/3DCadastres/
● Hariyanti, T; Kurniawan, A.; Bhekti, C. & Al Amin, R. (2019). Optimization of Ground
Control Point (GCP) and Independent Control Point (ICP) on Orthorectification of
High Resolution Satellite Imagery. Simposio Internacional de Sistemas de Navegación
Satelital. Bali, Indonesia. Noviembre 21-23, 2018.
67
REFERENCIAS
● Instituto Nacional de Administración Pública. (1989). Manual de levantamiento de

catastro municipal. Banco Nacional de Obras y Servicios Públicos. México. 99 pp.
● Jazayeri, I.; Rajabifard, A. & Kalantari, M. (2014). A geometric and semantic
evaluation of 3D data sourcing methods for land and property information. Land Use
Policy 36. Junio 2014. 219-230.
● Lencinas, J.D. & Díaz, G.M. (2011). Incidencia de los modelos digitales de elevación
en la corrección geométrica de datos satelitales QuickBird: caso del SRTM-C, SRTM-X
y ASTER GDEM. Laboratorio de Geomática. Centro de Investigación y Extensión
Forestal Andino Patagónico. Argentina.
● León Villalobos, J. M.; Hernández Castro, J. R.; Martínez, R.; Stefanoni, M.; Madrigal,
M. & Fisher, R. (2019). Cartografía Participativa con Proyecciones Aumentadas en 3D
- Teoría, práctica y casos de estudio. Manual de impresión 3D y Cartografía
Participativa. Manuscrito no publicado. CentroGeo. CIGA UNAM. Charles Darwin
University.
● Luhmann, T.; Robson, S.; Kyke, S.; Boehm, J. (2014). Close-Range Photogrammetry
and 3D Imaging. Alemania: De Gruyter. 684 pp.
● Maldonado Luján, S. P. (2014). Arquitectura Mexicana Contemporánea: Una Revisión
Sistemática. Universidad Autónoma de Durango. Abril 2014.
● Pix4D. (2018). Manual. Última vez consultada el 6 de Marzo de 2019, de Pix4D. Sitio
web: https://support.pix4d.com/hc/en-us/sections/200591059-Manual
● Remondino, F. & El-Hakim, S. (2006). Image-based 3D Modelling: A Review. The
Photogrammetric Record Vol. 21 Número 115. Septiembre 2006. 269-291.
● Reyes Salas, V. M. (2013). Valores Arquitectónicos de la UPN Ajusco: Su Apropiación
por la Comunidad Académica. Tesis doctoral. Colegio de Estudios de Posgrado de la
Ciudad de México, Ixtlahuaca, Estado de México, 2013.
● Schenk, T. (2005). Introduction to Photogrammetry. Manual del Departamento de
Ingeniería Civil y Ambiental y Ciencias Geodésicas de la Universidad Estatal de Ohio.
Cuatrimestre Otoño 2005. Estados Unidos. 100 pp.
● Silván Cárdenas, J. L. (2015). Desarrollo y Evaluación de Técnicas Avanzadas de
Percepción Remota para Alimentar un Catastro Tridimensional. Propuesta de Proyecto
INEGI CONACYT. CentroGeo, Ciudad de México. Fondo S0025. Convocatoria
S0025-2015-01. Solicitud 268773.
68
REFERENCIAS
● Silván Cárdenas, J. L. (2018). UIPCPV: Una Interfaz de Usuario para el

Procesamiento y Visualización de Nubes de Puntos. Manual de usuario de la
herramienta UIPCPV en MATLAB. Manuscrito no publicado. CentroGeo.
● Van Hinsbergh, W. H. M.; Rijsdijk, M. J. & Witteveen, W. (2013). UASs for cadastral
applications. Testing suitability for boundary identification in urban areas. GIM
International The global magazine for GEOMATICS, 27(3). 21-5.
● Wolf, P. R.; Dewitt, B. A. & Wilkinson, B. E. (2014). Elements of Photogrammetry
with Applications in GIS. Cuarta Edición. Estados Unidos: McGraw-Hill Education.
676 pp.
69
29/5/2019 Reportes STAR POINT - Documentos de Google
1 ANEXO
MAPAS
https://docs.google.com/document/d/1cnt_QyVJV6GkBbHRiX10wQJ0Lhuu4JGlMcSCy2zO5lw/edit 12/13
ANEXO 2
RESUMEN DEL PROCESAMIENTO Y
AJUSTE DE RED DEL CONTROL DE
TIERRA FOTOGRAMÉTRICO
STARPOINT
GCP 1
GCP 2
GCP3
GCP 4
GCP 5
ANEXO 3
REPORTE DE CALIDAD
Pix4D MAPPER PRO
Quality Report
Generated with Pix4Dmapper Pro version 3.3.29
Important: Click on the different icons for:
Help to analyze the results in the Quality Report
Additional information about the sections
Click here for additional tips to analyze the Quality Report
Summary
Project INSPIRE_1
Processed 2018-04-24 14:06:37
Camera Model Name(s) FC350_3.6_4000x3000 (RGB)
Average Ground Sampling Distance (GSD) 3.22 cm / 1.26 in
Quality Check
Images median of 38148 keypoints per image
Dataset 628 out of 628 images calibrated (100%), all images enabled
Camera Optimization 1.14% relative difference between initial and optimized internal camera parameters
Matching median of 4572.72 matches per calibrated image
Georeferencing yes, 5 GCPs (5 3D), mean RMS error = 0.055 m
Calibration Details
Number of Calibrated Images 628 out of 628
Number of Geolocated Images 628 out of 628
Initial Image Positions
Figure 2: Top view of the initial image position. The green line follows the position of the images in time starting from the large blue dot.
Computed Image/GCPs/Manual Tie Points Positions

Figure 3: Offset between initial (blue dots) and computed (green dots) image positions as well as the offset between the GCPs initial positions (blue crosses) and
their computed positions (green crosses) in the top-view (XY plane), front-view (XZ plane), and side-view (YZ plane).
Absolute camera position and orientation uncertainties
Uncertainty computation failed.
Bundle Block Adjustment Details

Number of 2D Keypoint Observations for Bundle Block Adjustment 3144911
Number of 3D Points for Bundle Block Adjustment 999402
Mean Reprojection Error [pixels] 0.244
Internal Camera Parameters
FC350_3.6_4000x3000 (RGB). Sensor Dimensions: 6.317 [mm] x 4.738 [mm]
EXIF ID: FC350_3.6_4000x3000
Focal Principal Principal R1 R2 R3 T1 T2

Length Point x Point y
Initial Values 2285.722 [pixel] 2000.006 [pixel] 1500.003 [pixel] -0.130 0.106 -0.016 -0.000 0.000
3.610 [mm] 3.159 [mm] 2.369 [mm]
Optimized Values 2311.918 [pixel] 2015.048 [pixel] 1511.648 [pixel] -0.132 0.111 -0.017 -0.000 -0.001
3.651 [mm] 3.183 [mm] 2.387 [mm]
Uncertainties (Sigma) 0.437 [pixel] 0.110 [pixel] 0.171 [pixel] 0.000 0.000 0.000 0.000 0.000
0.001 [mm] 0.000 [mm] 0.000 [mm]
Correlated
F
C0x
C0y
The correlation between camera internal parameters
R1 determined by the bundle adjustment. White indicates a full
correlation between the parameters, ie. any change in one can
be fully compensated by the other. Black indicates that the
R2 parameter is completely independent, and is not affected by
other parameters.
R3
Independent
T1
T2
The number of Automatic Tie Points (ATPs) per pixel, averaged over all images of the camera model,
is color coded between black and white. White indicates that, on average, more than 16 ATPs have
been extracted at the pixel location. Black indicates that, on average, 0 ATPs have been extracted at
the pixel location. Click on the image to the see the average direction and magnitude of the re-
projection error for each pixel. Note that the vectors are scaled for better visualization. The scale bar
indicates the magnitude of 1 pixel error.
2D Keypoints Table
Number of 2D Keypoints per Image Number of Matched 2D Keypoints per Image

Median 38148 4573
Min 19875 215
Max 55116 23343
Mean 36880 5008
3D Points from 2D Keypoint Matches
Number of 3D Points Observed

In 2 Images 630699
In 3 Images 165094
In 4 Images 71643
In 5 Images 39108
In 6 Images 24747
In 7 Images 16901
In 8 Images 12845
In 9 Images 8912
In 10 Images 6323
In 11 Images 4554
In 12 Images 3424
In 13 Images 2557
In 14 Images 1979
In 15 Images 1534
In 16 Images 1256
In 17 Images 1032
In 18 Images 855
In 19 Images 743
In 20 Images 593
In 21 Images 512
In 22 Images 482
In 23 Images 444
In 24 Images 349
In 25 Images 307
In 26 Images 272
In 27 Images 231
In 28 Images 198
In 29 Images 185
In 30 Images 167
In 31 Images 125
In 32 Images 118
In 33 Images 96
In 34 Images 101
In 35 Images 75
In 36 Images 71
In 37 Images 74
In 38 Images 74
In 39 Images 62
In 40 Images 44
In 41 Images 46
In 42 Images 34
In 43 Images 31
In 44 Images 32
In 45 Images 36
In 46 Images 38
In 47 Images 26
In 48 Images 28
In 49 Images 25
In 50 Images 25
In 51 Images 22
In 52 Images 19
In 53 Images 26
In 54 Images 20
In 55 Images 15
In 56 Images 14
In 57 Images 12
In 58 Images 9
In 59 Images 5
In 60 Images 12
In 61 Images 9
In 62 Images 9
In 63 Images 2
In 64 Images 12
In 65 Images 7
In 66 Images 15
In 67 Images 11
In 68 Images 8
In 69 Images 11
In 70 Images 6
In 71 Images 4
In 72 Images 4
In 73 Images 3
In 74 Images 3
In 75 Images 2
In 76 Images 4
In 77 Images 4
In 78 Images 2
In 79 Images 2
In 80 Images 2
In 81 Images 3
In 83 Images 1
In 84 Images 3
In 85 Images 1
In 86 Images 1
In 88 Images 1
In 89 Images 2
In 91 Images 1
In 94 Images 2
In 96 Images 1
In 102 Images 2
In 111 Images 1
In 120 Images 1
In 135 Images 1
2D Keypoint Matches
Uncertainty ellipses 100x magnified
Number of matches
25 222 444 666 888 1111 1333 1555 1777 2000
Figure 5: Computed image positions with links between matched images. The darkness of the links indicates the number of matched 2D keypoints between the
images. Bright links indicate weak links and require manual tie points or more images. Dark green ellipses indicate the relative camera position uncertainty of the
bundle block adjustment result.
Relative camera position and orientation uncertainties
X [m] Y [m] Z [m] Omega [degree] Phi [degree] Kappa [degree]

Mean 0.012 0.012 0.009 0.011 0.011 0.008
Sigma 0.005 0.006 0.004 0.005 0.005 0.003
Geolocation Details
Ground Control Points
GCP Name Accuracy XY/Z [m] Error X [m] Error Y [m] Error Z [m] Projection Error [pixel] Verified/Marked
GCP1 (3D) 0.020/ 0.020 -0.011 0.054 -0.047 0.549 107 / 107
GCP2 (3D) 0.020/ 0.020 0.071 0.016 -0.048 0.905 61 / 61
GCP3 (3D) 0.020/ 0.020 -0.040 0.039 0.009 0.727 36 / 36
GCP4 (3D) 0.020/ 0.020 -0.017 -0.082 0.152 0.662 19 / 19
GCP5 (3D) 0.020/ 0.020 -0.004 -0.027 -0.061 0.723 57 / 59
Mean [m] -0.000316 -0.000134 0.001104
Sigma [m] 0.037482 0.049413 0.079259
RMS Error [m] 0.037484 0.049413 0.079267
Localisation accuracy per GCP and mean errors in the three coordinate directions. The last column counts the number of calibrated images where the GCP has
been automatically verified vs. manually marked.
Absolute Geolocation Variance
Min Error [m] Max Error [m] Geolocation Error X [%] Geolocation Error Y [%] Geolocation Error Z [%]
- -15.00 0.00 0.00 0.00
-15.00 -12.00 0.00 0.00 0.00
-12.00 -9.00 0.00 0.00 0.00
-9.00 -6.00 0.00 0.00 0.00
-6.00 -3.00 3.34 5.41 2.71
-3.00 0.00 49.20 43.15 46.50
0.00 3.00 42.68 46.02 50.16
3.00 6.00 4.78 5.41 0.64
6.00 9.00 0.00 0.00 0.00
9.00 12.00 0.00 0.00 0.00
12.00 15.00 0.00 0.00 0.00
15.00 - 0.00 0.00 0.00
Mean [m] -0.098231 0.888034 18.001548
Sigma [m] 1.463514 1.715737 1.514170
RMS Error [m] 1.466807 1.931931 18.065116
Min Error and Max Error represent geolocation error intervalsbetween -1.5 and 1.5 times the maximum accuracy of all the images. Columns X, Y, Z show the
percentage of images with geolocation errors within the predefined error intervals. The geolocation error is the difference between the intial and computed image
positions. Note that the image geolocation errors do not correspond to the accuracy of the observed 3D points.
Geolocation Bias X Y Z
Translation [m] -0.098231 0.888034 18.001548
Bias between image initial and computed geolocation given in output coordinate system.
Relative Geolocation Variance
Relative Geolocation Error Images X [%] Images Y [%] Images Z [%]

[-1.00, 1.00] 99.84 100.00 100.00
[-2.00, 2.00] 100.00 100.00 100.00
[-3.00, 3.00] 100.00 100.00 100.00
Mean of Geolocation Accuracy [m] 5.000000 5.000000 10.000000
Sigma of Geolocation Accuracy [m] 0.000000 0.000000 0.000000
Images X, Y, Z represent the percentage of images with a relative geolocation error in X, Y, Z.
Geolocation Orientational Variance RMS [degree]

Omega 2.621
Phi 2.631
Kappa 11.747
Geolocation RMS error of the orientation angles given by the difference between the initial and computed image orientation angles.
Initial Processing Details
System Information
CPU: Intel(R) Core(TM) i7-7700HQ CPU @ 2.80GHz

Hardware RAM: 16GB
GPU: Intel(R) HD Graphics 630 (Driver: 21.20.16.4526)
Operating System Windows 10 Home Single Language, 64-bit
Coordinate Systems
Image Coordinate System WGS84 (egm96)

Ground Control Point (GCP) Coordinate System WGS84 / UTM zone 14N (egm96)
Output Coordinate System WGS84 / UTM zone 14N (egm96)
Processing Options
Detected Template 3D Models

Keypoints Image Scale Full, Image Scale: 1
Advanced: Matching Image Pairs Free Flight or Terrestrial
Advanced: Matching Strategy Use Geometrically Verified Matching: no
Advanced: Keypoint Extraction Targeted Number of Keypoints: Automatic
Calibration Method: Standard
Advanced: Calibration Internal Parameters Optimization: All
External Parameters Optimization: All
Rematch: Auto, no
Point Cloud Densification details
Processing Options
Image Scale multiscale, 1/2 (Half image size, Default)

Point Density Optimal
Minimum Number of Matches 3
3D Textured Mesh Generation yes
3D Textured Mesh Settings: Resolution: Medium Resolution (default)
Color Balancing: no
LOD Generated: no
Advanced: 3D Textured Mesh Settings Sample Density Divider: 1
Advanced: Image Groups group1
Advanced: Use Processing Area yes
Advanced: Use Annotations yes
Time for Point Cloud Densification 10h:39m:04s
Time for 3D Textured Mesh Generation 30m:17s
Results
Number of Processed Clusters 2

Number of Generated Tiles 1
Number of 3D Densified Points 33415847
Average Density (per m3) 145.95
DSM, Orthomosaic and Index Details
Processing Options
DSM and Orthomosaic Resolution 1 x GSD (3.22 [cm/pixel])

DSM Filters Noise Filtering: yes
Surface Smoothing: yes, Type: Sharp
Generated: yes
Raster DSM Method: Inverse Distance Weighting
Merge Tiles: yes
Generated: yes
Orthomosaic Merge Tiles: yes
GeoTIFF Without Transparency: no
Google Maps Tiles and KML: no
Time for DSM Generation 48m:14s
Time for Orthomosaic Generation 02h:20m:26s
ANEXO 4
REGLAMENTOS Y PERMISOS
SECRETARÍA ADMINISTRATIVA
Subdirección de Informática
R-SA-SI-18-10-18/3
Ciudad de México, a 18 de octubre de 2018
C.P. RICARDO VILLEGAS ALCÁNTARA

Subdirector de Recursos Materiales y Servicios
Presente
ASUNTO: Acceso a personal especializado en Geomática del Centro Geo,

para toma de fotografías con dron y medición de puntos de control en
terreno y azoteas.
Por medio del presente, solicito gire sus instrucciones a quien corresponda para que se permita el
acceso a las instalaciones de la Universidad el próximo día sábado 27 de octubre del año en curso
con un horario de 8:00 a 13:30 hrs., al profesor de UPN y personal del Centro Geo y vehículos que
se enlistan a continuación:
Ricardo Velazco Preciado
París Alejandro Campillo Carrera
Joselin Ceron Alonso
Alonso Azaid Cortés Solís
Arlene De la Mora Peña
Emmanuel Espinoza Salcido
Karime González Zuccolotto
Jubal López Amaya
Sergio Enrique Macias Medrano
Rodolfo Martínez Gallegos
Isaías Morales López
Gabriel Alejandro Morales Martínez
Jonathan Steven Rivera Zambrano
Anastacio Toledo Estrada
Tomás Vázquez Vázquez
Roberto Hernández Castro
José Manuel Madrigal Gómez
Juan Manuel Núñez Hernández
Marca Modelo Color Placa
Nissan Versa Blanco 403-ZEU
VW Gol Gris 396-ZLD
Suzuki gnis Blanco 5736-NBZ
Carretera al Ajusco Núm. 24., Col. Héroes de Padierna, Del. Tlalpan

C.P. 14200 Ciudad de México, Tel. (55) 56 30 97 00, www.upn.mx
Este acceso es a las áreas abiertas como explanadas y a las azoteas de la Universidad, y a los
siguientes espacios: Biblioteca. Control Escolar,
Acceder a canchas deportivas y auditorios.
La razón de esta tarea es que:

1. los especialistas realicen prácticas de GPS y de Vuelo de Dron, para el acervo audiovisual de la
UPN y en particular para materiales de educación en línea.
2. Que a la Subdirección de Informática le serán compartidas tomas de fotografías con dron y
medición de puntos de control en terreno, azoteas y las demás área mencionadas.
Sin otro particular, aprovecho la ocasión para enviarle un cordial saludo.
C.c.p.- Lic. Ricardo Velasco Preciado.-
C.c.p.- Alfonso Cuadros Hernández.- Responsable de Seguridad.
Atentamente
“EDUCAR PARA TRANSFORMAR”
LIC.VÍCTOR ÁLVAREZ CASTORELA

SUBDIRECTOR DE INFORMÁTICA
“Utilizando copias de forma electrónica, fomentas el uso responsable del papel”
Firma de LIC. VÍCTOR ÁLVAREZ CASTORELA Subdirección de Informática

Sello Digital:
dx5AqsX2dVcaZGmkORrO703BIwZXb1fzZ+cofRhowRT96JmzGO5mDfJLq50SEIHRS/u4n/YrQsgNWWfjdeTTo8qLIAu3yZ8Jvj2AM4Y0o1XMik
x8gpA9sG6hq3pStran+gxHtSe8TGV7RhFlaQbfV3b+epw+H4uO52PS04w+SJEjmB7t0D4h4SzHY3K6uzWvFIw1uSl0kOAV8t/BdLbyWN+3H33S
+ZDXpQlvT+2A+rfeCF1+so5xkbsbxda3c2tTiOUQNfqrvB9nfWDNvhVve/rA3Nq1SYFnFi1EUV28ERoq0x4/CNkacqJdkTawfSdFebeEACPlr41CB
476Zsb1fA==
“El presente acto administrativo ha sido firmado mediante el uso de la firma electrónica avanzada del funcionario competente, amparada
por un certificado vigente a la fecha de la resolución, de conformidad con los artículos 38, párrafos primero, fracción V, tercero, cuarto,
quinto y sexto, y 17 D, tercero y décimo párrafos del Código Fiscal de la Federación. De conformidad con lo establecido en los artículos 17-I y
38, quinto y sexto párrafos del Código Fiscal de la Federación, así como en la regla II.2.8.5., fracción I de la Resolución Miscelánea Fiscal para
2014, publicada en el Diario Oficial de la Federación el 30 de diciembre de 2013, la integridad y autoría del presente documento se podrá
comprobar conforme a lo previsto en la ficha de procedimiento 62/CFF contenido en el Anexo 1-A de la citada Resolución".
VAC/cam*
Carretera al Ajusco Núm. 24., Col. Héroes de Padierna, Del. Tlalpan

C.P. 14200 Ciudad de México, Tel. (55) 56 30 97 00, www.upn.mx

Tesis

Cargado por

Copyright:

Formatos disponibles

Tesis

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

PROTOCOLO PARA EL LEVANTAMIENTO

Ciudad Universitaria, Cd. Mx., 2019

Capítulo 1 Marco Conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Capítulo 2 Aplicaciones en Ambientes Urbanos . . . . . . . . . . . . . . . . . . . . . . .16

2.4.1 Imágenes y Mapas Térmicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .25

Capítulo 3 Marco Metodológico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29

Capítulo 4 Propuesta de Protocolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

5.2 Validación del Ortomosaico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61

Capítulo 1 Marco Conceptual

Capítulo 2 Aplicaciones en Ambientes Urbanos

Capítulo 3 Marco Metodológico

Figura 3.2 Clasificación de dato crudo en dato estático . . . . . . . . . . . . . . . . . . . . . . . . . 32

Capítulo 4 Propuesta de Protocolo

Capítulo 5 Evaluación del Protocolo

Capítulo 4 Propuesta de Protocolo

Tabla 4.2 Protocolo propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46

Tabla 4.3 Parámetros de los Vuelos Doble Cuadrícula . . . . . . . . . . . . . . . . . . . . . . . . . 51

Tabla 4.4 Tiempo de vuelo y número de fotografías por vuelo . . . . . . . . . . . . . . . . . . .51

Tabla 4.5 Tiempo de levantamiento y altura de instrumento por GCP . . . . . . . . . . . . . 52

Tabla 4.6 Coordenadas de los GCPs en UTM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .53

Tabla 4.7 Número de fotografías por GCP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

Capítulo 5 Evaluación del Protocolo

Tabla 5.2 Cálculo del RMS2D con 20 ICPs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

Capítulo 2 Aplicaciones en Ambientes Urbanos

Capítulo 5 Evaluación del Protocolo

Mapa 5.2 Modelo Digital de Superficie de la UPN Unidad Ajusco . . . . . . . . . . . . . . . 60

Mapa 5.3 Distribución de los Puntos de Control Independientes en la UPN . . . . . . . . 62

“[...] La Fotogrametría utilizando ​Vehículos Aéreos No Tripulados ​es una

La ciencia de la Fotogrametría abarca métodos de interpretación y medición a través de

En los últimos años, el uso profesional de los Vehículos Aéreos No Tripulados

El aumento de la investigación y el desarrollo de software especializado a su vez han

Varios autores consideran que el surgimiento de los VANTs han cambiado el

El fin de este trabajo es conocer el cómo han cambiado los VANTs a la

La participación como asistente de investigación en el proyecto 268773 INEGI

Aplicar el Proceso Fotogramétrico al caso específico de Vehículos Aéreos No Tripulados

● Enmarcar el uso de VANT en aplicaciones urbanas o en relación al levantamiento

● Diseñar una metodología para el levantamiento fotogramétrico de edificios a partir

En el primer capítulo se establecen las bases conceptuales de todo el trabajo. Se define el

También se desarrolla a fondo la base metodológica del trabajo, el Proceso Fotogramétrico, y

En el tercer capítulo se describe la propuesta de cómo se puede adaptar el Proceso

El cuarto capítulo aborda la propuesta del ​Protocolo de Levantamiento que es el

En el quinto capítulo se presentan los Productos Fotogramétricos obtenidos, se da

El capítulo final consta de las conclusiones sobre el protocolo, los productos y la

La Fotogrametría puede ser clasificada de acuerdo al sistema de obtención de

La Fotogrametría puede ser utilizada en distintas áreas de estudio como la Cartografía,

En la actualidad, el objetivo primordial de un levantamiento fotogramétrico es la

1.2 BREVE DESARROLLO DE LA FOTOGRAMETRÍA

1.2.1 ETAPA INICIAL ​(1830 - 1900)

1.2.2 FOTOGRAMETRÍA ANÁLOGA ​(1900 - 1970)

En la segunda etapa se desarrollaron los ​estereoscopios​, instrumentos utilizados para realizar

1.2.3 FOTOGRAMETRÍA ANALÍTICA ​(60’s - Actualidad)

La Fotogrametría Analítica surgió de la mano de las primeras computadoras. A partir de esta

1.2.4 FOTOGRAMETRÍA DIGITAL ​(Finales 80’s - Actualidad)

La Fotogrametría Digital, surgida a finales del Siglo XX, ha permitido la automatización de

1.3 EL PROCESO FOTOGRAMÉTRICO

Fotogramétrico puede considerarse como terminado cuando se evalúan (​Validación​) la

1.3.1 PLANEACIÓN DEL LEVANTAMIENTO

Para la ejecución correcta de un Levantamiento Fotogramétrico se requiere elaborar una

1. Planeación del Vuelo Fotogramétrico.

“[...] La Fotogrametría utilizando Vehículos Aéreos No Tripulados es una

El cuarto capítulo aborda la propuesta del Protocolo de Levantamiento que es el

1.2.1 ETAPA INICIAL (1830 - 1900)

1.2.2 FOTOGRAMETRÍA ANÁLOGA (1900 - 1970)

En la segunda etapa se desarrollaron los estereoscopios, instrumentos utilizados para realizar

1.2.3 FOTOGRAMETRÍA ANALÍTICA (60’s - Actualidad)

1.2.4 FOTOGRAMETRÍA DIGITAL (Finales 80’s - Actualidad)

Fotogramétrico puede considerarse como terminado cuando se evalúan (Validación) la

Un Vehículo Aéreo No Tripulado (VANT), también conocido como drone,

● Pre-marcados (Objetivos Artificiales): Este control es generado realizando marcas o

Figura 1.4. GCP pre-marcado. Fuente: DroneDeploy

Figura 1.5. Levantamiento Estático. Fuente: Elaboración propia

En este tipo de levantamientos se deben de utilizar dos antenas, denominadas Base y

Figura 1.6. Levantamiento Cinemático. Fuente: Elaboración propia

Figura 1.7. Levantamiento RTK. Fuente: Elaboración propia

● Los ortomosaicos, que son la unión de dos o más ortofotos.

El Comité Federal de Datos Geográficos (FGDC, Federal Geographic Data

A diferencia de un MDS, un Modelo Digital de Terreno (MDT) representa solamente el

El Catastro “tradicional” o Catastro 2D se ha realizado y actualizado con el uso de

En 2015 CentroGeo propuso al proyecto Desarrollo y Evaluación de Técnicas