Captura Geoespacial con imágenes convencionales
La red de sensores más grande del mundo no hay que construirla; nos rodea y está disponible.
En las últimas décadas, la adquisición de datos geoespaciales ha avanzado enormemente: hoy generamos cartografía, levantamientos fotogramétricos e incluso reconstrucciones métricas 3D para gemelos digitales a una velocidad que antes era inconcebible.
Cuando pensamos en los desarrollos más relevantes en este campo probablemente nos llegue a la mente:
- La tecnología LIDAR
- Abaratamiento y diversidad de drones y sus sensores
- Computación visual mediante modelos de inteligencia artificial (IA)
- La evolución de los sistemas de posicionamiento global
(Próximamente publicare un artículo sobre los avances en la fotogrametría)
Sin lugar a dudas son avances notables. Pero solemos pasar por alto lo que los hace posibles: el reciente desarrollo de algoritmos que ha simplificado el proceso fotogramétrico y topográfico. A ello se suma algo igual de decisivo: una avalancha de datos de alta resolución de libre acceso.
¿Qué me motivó… Enfrentando la gran contradicción
Cada momento somos bombardeados por la incesante mejora y renovación de la tecnología, tanto, que es común la sensación de impotencia al intentar mantenernos al día sobre las últimas novedades en cualquier campo de la ciencia.
Sin embargo, cuando enfrentamos una tarea común de captura de datos nos topamos con una barrera, que tiende a llevarnos a la necesidad de adquirir equipos especializados con costes entre miles a decenas de miles de dólares.
¡Qué gran contradicción! ¿Aun con los grandes avances tecnológicos en el campo Geoespacial aun no podemos aprovechar las imágenes y videos que captamos?
Se me ocurrieron dos posibles razones a esta supuesta imposibilidad
- La complejidad de la tarea aún no ha permitido que la tecnología pueda solventar este requerimiento
- La tecnología ya existe, pero es desconocida para mí.
Decidí apostar por la segunda. No ha sido tarea sencilla, existen muchas aplicaciones dispersas comerciales y libres. Algunas investigaciones relevantes aún no han sido integradas a nivel de software.
Algunos ejemplos de tareas específicas que me plantearon donde se identifica esta necesidad, en campos diversos: gubernamental, pecuario, ambiental:
- Monitorear aparcamientos (zonas de estacionamiento) mediante cámaras de vigilancia
- Determinar la posición de vallas publicitarias y de ser posible medir el área de las mismas.
- Ubicar y dimensionar acumulaciones de residuos.
- Utilizar cámaras web para seguimiento del comportamiento de reses en las instalaciones pecuarias
- Inventariar arbolado urbano.
La revelación: el paradigma es posible
Si bien aún estoy construyendo e integrando mucho del desarrollo, ya puedo afirmar que el nuevo paradigma planteado es posible.
Convertir casi cualquier imagen y video en un instrumento de medición puede llevarse a cabo si se cumplen una serie de condiciones mínimas.
¿Cómo es esto posible?
Combinando la fotogrametría clásica con la moderna, en especial algoritmos y métodos publicados en la ultima década.
El objetivo de la fotogrametría es convertir la cámara en un instrumento de medición indirecta: reconstruir las dimensiones de la realidad a partir de la geometría proyectiva contenida en las imágenes.
Y aquí está la clave: la geometría de la escena deja huellas suficientes de la cámara que la capturó —sus parámetros internos (longitud focal, punto principal) y externos (posición y orientación)—. Con las técnicas adecuadas, podemos recuperarlas.
Para estimarlas y validarlas contamos con un arsenal que iremos explicando a lo largo de esta serie de artículos:
- Puntos de fuga
- Homografías
- Triangulación
- Proyección de rayos (imágenes orientadas)
- Metrología
- Modelos de inteligencia artificial para la estimación de parámetros.
¿Estos métodos funcionan en interiores?
Los interiores suelen ser el escenario ideal. Cumplen las condiciones del mundo Manhattan y los patrones constructivos —paredes, pisos, marcos, baldosas— aportan abundantes líneas perpendiculares, facilitando extraer la orientación de la cámara y su calibración interna.
Además, en interiores suele ser mucho más sencillo tomar mediciones de apoyo y validación. Con una cinta métrica determinamos las dimensiones que necesitamos para anclar el modelo.
Hay una tercera ventaja, quizá más relevante. En exteriores, uno de los principales desafíos es referenciar la imagen a un sistema de coordenadas, una transición compleja: coordenadas imagen → marco local (ENU o NED) → geocéntrico (ECEF) → sistema de coordenadas mundo (geográfico o proyección cartográfica). En interiores esto se desvanece: el marco Manhattan del edificio es el sistema de coordenadas de trabajo. Vamos directamente de las coordenadas de la imagen a un marco local definido por las dimensiones del recinto, sin brújula y sin norte geográfico.
¿Qué tan preciso pueden ser las mediciones?
Dependerá de la geometría de la escena y especialmente de los elementos de apoyo. La precisión puede ser desde centímetros hasta metros.
No todas las tareas requieren alta precisión, por ejemplo, si deseo monitorear los espacios ocupados de un aparcamiento mi unidad de trabajo es el mínimo espacio que puede ocupar un vehículo, deseo estimar el espacio utilizado y disponible, mediciones centimetricas puedo considerarlas irrelevantes así como cualquier medida de altura.
¿Cuál es la relevancia de este enfoque?
Aprovechar las imágenes que ya captan los dispositivos móviles de uso común —para la captura puntual de datos— y las cámaras de video ya instaladas —para el monitoreo continuo— tiene un impacto enorme en términos económicos, operativos y de acceso.
- Económico: reutiliza recursos ya invertidos, como las cámaras de vigilancia instaladas, y permite densificar la red con cámaras de bajo coste. Con un flujo de trabajo riguroso, es posible reducir —y en muchos casos evitar— la inversión en equipos de alta precisión y levantamientos costosos.
- Operativo: una red densa de sensores en tiempo real se vuelve accesible, con todo lo que eso implica para la seguridad e higiene laboral y el control y seguimiento de actividades.
- De acceso: el salto no es solo de costo, sino de posibilidad. Municipios, pequeñas organizaciones o regiones sin presupuesto para equipos especializados pueden aplicar estas metodologías para realizar sus levantamientos, incluso crear sus redes de monitoreo inteligentes.
Específicamente en la gestión urbana: la ciudad que se mide a sí misma
Capturar datos con regularidad, e incluso en tiempo real, es la clave de una gestión pública eficiente y, con ello, de mejores niveles de calidad de vida para la población. Por ejemplo, registrar vallas publicitarias, aparcamientos u otros elementos sustenta la recaudación tributaria y, a la vez, identifica potenciales inversiones.
Desde la óptica de la innovación, tratar a la ciudad como un ente vivo —del que se recolectan y procesan datos de forma continua, que se traducen en acciones estratégicas— es el fundamento mismo de las ciudades inteligentes.
Poniendo a prueba: un caso extremo.
Para poner a prueba esta capacidad he decidido tomar un caso extremo que iré mostrando en etapas.
Descripción del caso de estudio
Convertir una transmisión en vivo de libre acceso (live streaming) de una cámara en un instrumento de monitoreo de aparcamientos.
Solo cuento con la ubicación aproximada de la cámara. Desconozco:
- El modelo y características de la cámara
- Ubicación y altura
- Orientación de la cámara, si esta inclinada y/o rotada.
- Las modificaciones que esté sufriendo el video al momento de transmisión (recorte, escalado, compresión).
- Demostración: Monitoreo Geoespacial en tiempo real de estacionamiento con una webcam
- Analítica visual: Automatizaos el análisis de los datos capturados con un tablero de control interactivo
- Estimar Calibración de la cámara: Utilizando la geometría de la imagen estimaremos sus datos de ubicación, pose (orientación) y características internas (longitud focal, punto principal).
- Imágenes Orientadas: Conocidos los parámetros intrínsecos y extrínsecos llevaremos el video/imagen a imágenes orientadas en ArcGIS Pro/Online.
- Inteligencia artificial: Integraremos un modelo IA que realice el monitoreo automático del estacionamiento
¿Crees que será posible el desafío planteado? ¿Cómo lo llevarías a cabo sin ir al sitio?
Si te interesa referenciar imágenes o videos —o convertir cámaras de vigilancia en sensores métricos—, escríbeme.
¡No se pierdan la próxima publicación!
