Evaluación y propuesta de metodologías de clasificación a partir del procesado combinado de datos LiDAR e imágenes aéreas georreferenciadas

Abstract

RESUMEN: En las últimas décadas la tecnología LiDAR, Light Distance And Ranging, ha contribuido a representar la superficie terrestre de manera masiva constituyendo una revolución en el ámbito de las ciencias afines de la Tierra. El volumen de datos capturados justifica la necesidad de establecer metodologías que permitan la clasificación de las nubes de puntos con el objeto de facilitar su tratamiento. Con este fin, se propone una metodología basada en la minería de datos, concretamente centrada en el algoritmo de Random Forest, para clasificar esos puntos según su uso cartográfico en tres categorías: edificaciones, vías de comunicación y vegetación. Los resultados demuestran que se trata de una metodología adecuada para la clasificación de los puntos en edificaciones y zonas con vegetación, debiendo experimentar nuevos procedimientos para la predicción de las vías de comunicación.

ABSTRACT: In the past few decades, LIDAR technology, Light Distance and Ranging, has contributed to represent the land surface in a massive way. It constitutes a revolution in the field of Earth sciences. The volume of the captured data justifies the need to develop methodologies that allow for the classification of the point clouds, with the object of facilitating its treatment. For this purpose, a methodology based on data mining is proposed, specifically focused on the Random Forest algorithm. It sets out to classify these points according to their mapping use at three categories: buildings, transport networks and vegetation. The results show that this is an appropriate methodology for the classification of the points in buildings and areas with vegetation. It should experiment with new procedures for the prediction of the transport networks.