Resumen de Modelos de nubes de puntos con Escáner Láser Terrestre (TLS) aplicado en el registro del patrimonio construido: Implicaciones del Flujo de trabajo en la calidad de los resultados

Luis Carlos Cruz Ramírez, Valentín Uribe Piedras, Jorge Fernando Zárate Martínez

• español

  Las nubes de puntos son modelos matemáticos los cuales usan coordenadas espaciales (XYZ) que representan el espacio físico construido. En la última década, han sido ampliamente aplicados para el registro del patrimonio construido, porque entre sus beneficios este tipo de registro permite la captura en alto nivel de detalle geométrico, especialmente cuando es realizada con un escáner láser terrestre (TLS). Sin embargo, los resultados pueden presentar variaciones en la precisión en función de los procesos que se siguen. El objetivo de este artículo es analizar el proceso de captura del dimensionamiento de edificios con el uso de TLS, para luego explicar cómo algunas partes del flujo de trabajo pueden mejorar o afectar los modelos de nubes de puntos. Los resultados de este estudio son de utilidad para futuros proyectos de registros de TLS, debido a que presentan las consideraciones principales a tomar en cuenta y así reducir los errores y mejorar los modelos de nubes de puntos.

• English

  Points-Cloud are mathematical models which use spatial coordinate (XYZ) that represent the built physical space. In the last decade, point-cloud has been widely applied to built heritage register, because among its benefit this type of registration allows capture a high level of geometric detail, especially when it is performed with Terrestrial Laser Scanner (TLS). However, results can present variations in precision values in function of the process that is taken. The aim of this paper is to analyze the process of building measurement capture with the use of TLS to explain how some parts of the workflow can improve or affect points-cloud models. The results of this study are useful to future projects of TLS registration, due to the fact that it presents the main consideration to be taken into account and thus reduce errors to improve points-cloud models.