Digitalización de estructuras subterráneas en escasas condiciones lumínicas

DIGITALIZACIÓN DE ESTRUCTURAS SUBTERRÁNEAS EN ESCASAS CONDICIONES LUMÍNICAS TRABAJO DE FIN DE MÁSTER PABLO VICENTE MARTÍN Tutor: Antonio Álvaro Tordesillas Cotutor: David Marcos González Departamento: Urbanismo y Representación de la Arquitectura Septiembre 2024 MÁSTER EN INVESTIGACIÓN E INNOVACIÓN EN ARQUITECTURA: INTERVENCIÓN EN EL PATRIMONIO, REHABILITACIÓN Y REGENERACIÓN Escuela Técnica Superior de Arquitectura Universidad de Valladolid A Celia, por su incansable apoyo. A mis padres, Rosaura y Antonio. Especial agradecimiento a los amigos que hicieron posible esta aventura. A Miguel Fernández Díaz, arqueólogo, piloto de UAVs y especialista en digitalización 3D del patrimonio. Gracias por compartir tu experiencia y conocimientos. A 3D Stoa - Patrimonio y Tecnología S.L. y a todos los profesionales y empresas que de manera indirecta han colaborado facilitando los datos e información relativa a los casos prácticos de estudio. Sin su colaboración este proyecto no hubiese sido posible. A mis tutores, Antonio Álvaro Tordesillas y David Marcos González, por su dedicación y ánimos necesarios durante este periodo. A Darío Fidel Álvarez Álvarez, director del MIIA en esta etapa. Por su acompañamiento, orientación y gestión docente y académica. A los docentes del MIIA en mi transcurso académico, por acrecentar mis competencias en los campos de investigación e innovación en arquitectura. TABLA DE CONTENIDO ÍNDICE DE SIGLAS RESUMEN PALABRAS CLAVE 1. INTRODUCCIÓN Y CONTEXTO ................................................................. 1 2. JUSTIFICACIÓN ......................................................................................... 3 3. OBJETIVOS ................................................................................................ 7 4. FUNDAMENTOS DE LA FOTOGRAMETRÍA SUBTERRÁNEA Y EN ESCASAS CONDICIONES LUMÍNICAS ............................................................................. 8 4.1. PRINCIPIOS GENERALES DE LA FOTOGRAMETRÍA ................................... 8 4.2. CONSIDERACIONES ESPECÍFICAS EN FOTOGRAMETRÍA SUBTERRÁNEA ........................................................................................................ 17 5. CONSIDERACIONES EN EL FLUJO METODOLÓGICO ......................... 27 5.1. CAPTURA DE DATOS EN ENTORNOS SUBTERRÁNEOS Y CONDICIONES LUIMÍNICAS ADVERSAS .......................................................................................... 27 5.1.1. PROBLEMAS ........................................................................................... 27 5.1.2. SOLUCIONES .......................................................................................... 28 5.1.3. PROPUESTA ........................................................................................... 42 5.2. PROCESAMIENTO DE DATOS...................................................................... 43 5.2.1. TRATAMIENTO DE IMÁGENES .............................................................. 43 5.2.2. GENERACIÓN DE MODELOS 3D ........................................................... 45 5.2.3. POSTPROCESADO DE RESULTADOS ................................................. 52 6. CASOS DE ESTUDIO ............................................................................... 54 6.1. BODEGAS DEL ARRABAL, TALAMANCA DE JARAMA ................................ 56 6.2. TÚNEL, VALLECAS ........................................................................................ 61 6.3. BODEGAS, VICÁLVARO ................................................................................ 72 6.4. POZO VIEJO, CORRAL DE ALMAGUER ....................................................... 76 6.5. NORIA DEL VIVERO, BAILÉN ........................................................................ 82 6.6. BODEGA, BRUNETE ...................................................................................... 85 7. REPROCESO DE CASOS DE ESTUDIO: RESULTADOS Y DISCUSIÓN89 7.1. REPROCESO DE CASOS DE ESTUDIO ....................................................... 89 7.2. RESULTADOS Y DISCUSIÓN ...................................................................... 101 8. CONCLUSIONES .................................................................................... 103 9. LÍNEAS FUTURAS: DESAFÍOS Y OPORTUNIDADES .......................... 104 10. REFLEXIÓN PERSONAL ........................................................................ 106 11. REFERENCIAS BIBLIOGRÁFICAS........................................................ 107 12. ÍNDICE DE FIGURAS .............................................................................. 116 13. ÍNDICE DE TABLAS ............................................................................... 121 ANEXOS ÍNDICE DE SIGLAS AHRS Sistema de Referencia de Actitud y Rumbo (del inglés ‘Attitude and Heading Reference System’) AI Inteligencia Artificial (del inglés ‘Artificial Intelligence’) AR Realidad Aumentada (del inglés ‘Augmented Reality’) ASPRS Sociedad Americana de Fotogrametría y Teledetección (del inglés ‘American Society for Photogrammetry and Remote Sensing’) BCRA Asociación Británica de Investigación de Cuevas (del inglés ‘British Cave Research Association’) BMM Mapeo Móvil mediante Mochila (del inglés ‘Backpack Mobile Mapping’) CAD Diseño Asistido por Ordenador (del inglés ‘Computer Aided Design’) CIPA Comité Internacional de Fotogrametría Arquitectónica (del francés ‘Comite International de Photogrammetrie Architecturale’) DEM Modelo Digital de Elevaciones (del inglés ‘Digital Elevation Model’) GCP Puntos de Control Terrestre (del inglés ‘Ground Control Point’) GNSS Sistema Global de Navegación por Satélite (del inglés ‘Global Navigation Satellite System’) GPS Sistema de Posicionamiento Global (del inglés ‘Global Positioning System’) GSD Distacia de Muestreo del Terreno (del inglés ‘Ground Sampling Distance’) HBIM del inglés ‘Heritage Building Information Modelling’ HDR Alto Rango Dinámico (del inglés ‘High Dynamic Range’) HP Alto Poligonaje (del inglés ‘High Poly’) ICOM Consejo Internacional de Monumentos (del inglés ‘International Council Of Monuments’) ICOMOS Consejo Internacional de Monumentos y Sitios (del inglés ‘International Council Of Monuments and Sites’) IMU Sistema de Medición Inercial (del inglés ‘Inertial Measurement Unit’) INS Sistema de Navegación Inercial (del inglés ‘Inertial Navigation System’) ISO Organización Internacional de Normalización (del inglés ‘International Organization for Standarization’) ISPRS Sociedad Internacional de Fotogrametría y Sensores Remotos (del inglés ‘International Society for Photogrammetry and Remote Sensing’) LED Diodo Emisor de Luz (del inglés ‘Light Emitting Diode’) LiDAR Detección y Localización por Luz (del inglés ‘Light Detection and Ranging’) LP Bajo Poligonaje (del inglés ‘Low Poly’) MEMS Sistema Micro Electromecánico (del inglés ‘Micro Electromechanical System’) MIIA Máster en Investigación e Innovación en Arquitectura MMS Sistema de Mapeo Móvil (del inglés ‘Movil Mapping System’) PPK Cinemática de Postproceso (del inglés ‘Post Processed Kinematic’) RGB Rojo, Verde, Azul (del inglés ‘Red’, ‘Green’, ‘Blue’) RTK Cinemática en Tiempo Real (del inglés ‘Real Time Kinematic’) SfM Estructura a partir del Movimiento (del inglés ‘Structure From Motion’) SIG Sistema de Información Geográfica SLAM Sistema de Mapeo y Localización Simultáneos (del inglés ‘Simultaneous Localization and Mapping’) SPS Sistema de Posicionamiento Subterráneo TLS Escáner Láser Terrestre (del inglés ‘Terrestrial Laser Scanner’) UAV Vehículo Aéreo no Tripulado (del inglés ‘Unmanned aerial vehicle’) UIMS Sistema de Mapeo de Infraestructura Subterránea (del inglés ‘Underground Infrastructure Mapping System’) UNESCO Organización de Naciones Unidas para la Educación, la Ciencia y la Cultura (del inglés ‘United Nations Educational, Scientific and Cultural Organization’) USD Dólar Estadounidense (del inglés ‘United States Dollar’) UTM Sistema de Coordenadas UTM (del inglés ‘Universal Transverse Mercator’) VHS del inglés ‘Video Home System’ VISAT del inglés ‘Video Inertial Satelite’ VR Realidad Virtual (del inglés ‘Virtual Reality’) vSLAM Sistema Visual de Mapeo y Localización Simultáneos (del inglés ‘Visual SLAM’) RESUMEN El presente Trabajo de Fin de Máster enfoca la problemática y la necesidad de la digitalización de estructuras subterráneas, y en escasas condiciones lumínicas, a partir de técnicas fotogramétricas. Se identifican desafíos actuales como son los sistemas de iluminación, la georreferenciación y la captura y el procesado masivo de datos. Y se propone la consecución de un flujo de trabajo común a partir de estudios sobre casos reales, realizados en los últimos años y reprocesados a fecha actual, demostrando su eficacia y aplicabilidad en condiciones lumínicas adversas. Los resultados arrojan nuevas oportunidades para la documentación y exploración de entornos difíciles de documentar, destacando su importancia en la documentación, conservación y divulgación del patrimonio cultural, así como en la gestión de recursos naturales. ¿Es posible utilizar la fotogrametría pura e independiente para documentar el interior de una estructura subterránea? La cuestión será establecer si los modelos 3D generados resultan precisos y fidedignos con respecto al estudio de estructuras hipogénicas y en comparación con los estándares de la fotogrametría tradicional. ABSTRACT The present Master's Thesis focuses on the issues and necessity of digitizing underground structures and environments with low lighting conditions using photogrammetric techniques. Current challenges such as lighting systems, georeferencing, and the massive capture and processing of data are identified. A common workflow is proposed based on studies of real cases conducted in recent years and reprocessed to date, demonstrating its effectiveness and applicability in adverse lighting conditions. The results reveal new opportunities for the documentation and exploration of hard-to- document environments, highlighting its importance in the documentation, conservation and dissemination of cultural heritage, as well as in the management of natural resources. Can pure and independent photogrammetry be used to document 3D models of an underground structure? The question will be to establish whether the generated 3D models are accurate and reliable related to hypogenic structures studies and compared to traditional photogrammetry standards. PALABRAS CLAVE Fotogrametría subterránea, Condiciones lumínicas adversas, Digitalización, Conservación, Patrimonio, Innovación. KEY WORDS Underground photogrammetry, Adverse lighting conditions, Digitization, Conservation, Heritage, Innovation. 7 3. OBJETIVOS La fotogrametría subterránea es una aplicación especializada de la fotogrametría tradicional utilizada para obtener modelos tridimensionales de cavidades subterráneas, como cuevas y túneles. A diferencia de la fotogrametría aérea o terrestre, la fotogrametría subterránea implica tomar imágenes dentro de espacios subterráneos utilizando fuentes de luz artificial. Las aplicaciones de la fotogrametría subterránea incluyen la documentación de patrimonio cultural y arqueológico, la exploración de recursos minerales, la inspección de infraestructuras subterráneas y la cartografía de cuevas para la investigación científica y el turismo. El objetivo principal de esta investigación es: - Evaluar la técnica fotogramétrica, sustentada por un flujo de trabajo común, enfocada en la digitalización de estructuras subterráneas y en escasas condiciones lumínicas a partir de técnicas fotogramétricas. Además, existen dos objetivos específicos: - Resolver la iluminación de manera artificial. - Solventar la georreferenciación del modelo 3D hipogénico. 8 4. FUNDAMENTOS DE LA FOTOGRAMETRÍA SUBTERRÁNEA Y EN ESCASAS CONDICIONES LUMÍNICAS 4.1. PRINCIPIOS GENERALES DE LA FOTOGRAMETRÍA La fotogrametría es el procedimiento para realizar mediciones a través de fotografías y determinar la geometría de un objeto o espacio físico a partir de un registro automático de dichas imágenes. Etimológicamente, fotogrametría significa medir gráficamente a partir de un haz de luz. La consideración de la técnica fotogramétrica reside en la propia imagen fotográfica, siendo ésta “una proyección de la luz reflejada o emitida por un objeto o escena en un plano focal”, que almacena “como archivo digital la información radiométrica (luz-color) y espacial (espacio-formas)”. Es decir, es una codificación en formato de imagen digital de “la información lumínica y espacial de las escenas y objetos captados por una matriz de detectores de luz (cámara digital)” (Pereira Uzal, 2024). La imagen digital puede definirse a partir de una expresión matemática formada por la dirección del píxel (i, j), el número de filas (N) y el número de columnas (M). “La cuantización de la imagen asignará a cada localización discreta (x, y) un valor entero 2b, tomando b valores de: 2, 4, 8, 12, 16 o 32 bits por píxel. De esta forma, la resolución radiométrica describirá el número de bits por píxeles en una imagen” (Gonzalez Aguilera, 2018). Por tanto, en el contexto histórico, la fotogrametría, definida en sentido estricto, no surgirá hasta la aparición de la fotografía. Sin embargo, a lo largo de la historia, intelectuales de diferentes ámbitos, utilizando los métodos disponibles en sus respectivas épocas, establecieron las bases hasta llegar a lo que hoy conocemos como fotogrametría. El primero de ellos, Aristóteles, en el año 350 a.C., mencionó el proceso de proyección óptica de imágenes. Pintores como Leonardo Da Vinci y Alberto Durero investigaron sistemáticamente sobre las leyes de la perspectiva. En 1636, Girard Desargues publicó su primer libro con el objetivo de racionalizar la geometría proyectiva. Y poco más de un siglo después, vio la luz Freye Perspective, un texto publicado en 1759 por el matemático alemán Johann H. Lamberts, donde ya entonces sugería que los principios de la perspectiva podrían utilizarse para crear mapas y planos (García García, 2015). En 1824, Joseph Nicéphore Niépce consiguió fijar una imagen después de días de exposición, tal como recoge en sus diarios. Aunque de la primera fotografía de la que se tiene constancia, Vista desde la ventana en Le Gras (1826) (Figura 8), es la capturada con ocho horas y diez minutos de exposición, es decir, con ocho horas de apertura del obturador, consiguiendo una iluminación uniforme en toda la imagen. A estas primeras impresiones fotográficas las llamó heliografías, que significa escritas por el sol. 9 Figura 8. Vista desde la ventana en Le Gras. Fuente: Aragon, S. (2023). Este hecho propició que Louis Jacques Mandé Daguerre se asociase con Niépce en 1829 en una colaboración que duró hasta la muerte de éste en 1833. En 1839, Daguerre publicó la primera fotografía comercial, realizada mediante un procedimiento que él mismo denominó daguerrotipo. El daguerrotipo es un sistema de exposición y revelado perfeccionado a partir de una técnica inventada por Joseph Niépce (Sadurní, 2024). Inevitablemente, la fotogrametría ha estado y está vinculada a los avances científicos. Aimé Laussedat, topógrafo militar que comenzó sus investigaciones a partir de la década de 1840, es considerado el precursor de la fotogrametría. A medida que el uso de la fotografía se fue popularizando surgieron nuevas utilidades, como la que implementó Laussedat hacia 1860 (Polidori, 2020). Se basó en la fotografía para realizar planos topográficos militares a partir del diseño y la construcción del primer fototeodolito, definiendo esta técnica como metrofotografía (Sánchez Sobrino, 2006). El arquitecto alemán Albrecht Meydenbauer, a partir de 1859, continuó utilizando el método popularizado por Laussedat. Según Albertz (2002), motivado tras un accidente tomando mediciones directas en la catedral de Wetzlar, Meydenbauer exploró la posibilidad de tomar mediciones indirectas sobre fotografías basándose en las intersecciones de las mismas para el levantamiento de edificios. Bastaba conocer la posición desde la que se toma la fotografía y las direcciones de los ejes ópticos de la cámara de cada estación. A este método Meydenbauer lo denominó por primera vez como fotogrametría. Tal fue la influencia de la fotogrametría de la mano de Meydenbauer que, por encargo del Ministro de Cultura de Prusia, se creó el Royal Prussian Photogrammetric Institute el 1 de abril de 1885, constituyendo la primera institución de fotogrametría de la historia. La calidad de sus trabajos e investigaciones se reflejó en la elaboración de planimetrías con precisiones de 0,2 mm (Albertz, 2002). En 1901, para facilitar la identificación de puntos homólogos a partir de la visión estereoscópica, Pulfrich inventó el estereocomparador. Basándose en él, Von Orel, en 1909, diseñó el primer restituidor estereoscópico, al que denominó estereoautógrafo; aparato que va a permitir el trazado de curvas de nivel continuas. Uno de los grandes avances hasta la fecha radica en la aparición de los primeros aviones, que permitieron que se tomaran las primeras fotografías a bordo, en 1909. Esta idea ya se había llevado a cabo desde globos aerostáticos, continuando con la búsqueda de los pintores militares de cartografiar las ciudades desde el aire con fines militares. 10 Los obstáculos iniciales partían entonces de no conocer la posición ni la orientación de la cámara en el instante en que se efectúa la fotografía. Sin embargo, en 1924, Von Gruber solventó el problema de la orientación de la cámara y, a partir de ese momento, se desarrolló la fotogrametría analógica. Buill Pozuelo et al. (2003) tratan la fotogrametría analítica y sus avances enfocados en la cartografía; Linder (2006), en su libro Digital Photogrammetry: A Practical Course, resume los hitos dentro de la evolución de la fotogrametría; y González Aguilera (2018), para la asignatura de Procesamiento Avanzado de Imágenes, los concreta. A raíz de la aparición del primer ordenador y durante las décadas de 1940 y 1950, Church, Smith y Brown continúan las investigaciones de Finsterwalder y desarrollan modelos matemáticos para resolver el problema fotogramétrico. En el ámbito de la aerotriangulación aparecen estudios sobre monocomparadores y estereocomparadores, formando el ‘input’ en modo ‘off-line’ para algoritmos programados por ordenador. Además, se señala que el finlandés Helava, en 1957, desarrolló el primer restituidor analítico basado en la alimentación ‘on-line’ de datos para los algoritmos, de manera que permitía simular la capacidad operativa de los restituidores analógicos. Por otra parte, Hobrough, en 1959, estudió una correlación analógica a partir de ‘hardware’ que comparaba niveles de grises entre dos imágenes. En 1977, The Gestalt Photomapping System consiguió una correlación automática y un procesamiento automatizado “off-line” de modelos digitales del terreno. Es decir, permitía realizar una planimetría con relieve a partir de fotografías tomadas en vuelo (estereofotogrametría) (Kelly et al., 1977). Los restituidores analíticos comienzan a comercializarse dentro del mercado fotogramétrico a partir de 1975 y, en la década posterior, van desbancando a sus predecesores. También Kreiling (1976), Helava (1977) y Hobrough (1978) continúan los estudios referentes a la correspondencia de imágenes mediante correlación digital. En definitiva, un restituidor analógico realiza los procesos de orientación a partir de métodos ópticos y mecánicos, y uno analítico lo lleva a cabo mediante procesos informáticos por ordenador. Sin embargo, durante la evolución de un modelo a otro surgen los restituidores semianalíticos, es decir, restituidores que en concepto resultan analógicos, pero cuentan con sensores que captan las coordenadas del terreno para enviarlas a un sistema CAD (’Computer Aided Design’). Por tanto, el proceso fotogramétrico busca conseguir la correlación automática de imágenes, comúnmente conocido como ‘matching’. El ‘matching’ consiste en encontrar puntos homólogos en fotogramas de las imágenes digitales a partir de un patrón de búsqueda aproximado. La zona previamente seleccionada actúa como la matriz de búsqueda donde se localizará dicho patrón (Figura 9). 11 Figura 9. Matriz y patrón de búsqueda. Fuente: Sánchez Sobrino, J. A. (2006). Es en 1972 cuando Bonneval establece el Método General de la Fotogrametría; basando su teoría en el haz de luz perspectivo, en su formación y en su reconstrucción. El primer paso es la captura fotográfica en la que el haz perspectivo queda registrado en la imagen fotográfica. El segundo establece las coordenadas del punto correspondiente sobre la superficie del objeto a través de una orientación interna, una orientación externa, la identificación de rayos homólogos y la representación del punto objeto. La fotogrametría analítica permite, a partir de las condiciones de colinealidad y coplanaridad, que las relaciones entre las coordenadas de la fotografía y las coordenadas del objeto sean expresadas matemáticamente. El principio de colinealidad asegura que una misma recta contiene el centro de proyección, el punto imagen y el punto sobre el objeto (Figura 10). Matemáticamente, dos vectores son colineales si tienen la misma dirección, es decir, si son vectores directores de rectas paralelas. Estos vectores no tienen que tener el mismo sentido. Figura 10. Toma fotográfica ideal (imagen paralela al sistema terreno). Condición de colinealidad. Fuente: Pérez Álvarez, J. A. (2001). La solución de cualquier problema que implica las ecuaciones de colinealidad se obtiene mediante la inserción de valores conocidos para después resolver las otras incógnitas. Aunque en la práctica hay algunas dificultades, las ecuaciones son no lineales y necesitan ser linealizadas para obtener una solución. Al resolver un sistema de ecuaciones de colinealidad se necesitan aproximaciones iniciales para todas las incógnitas. Éstas no tienen que tener un valor cercano al real, pero cuanto más cercano sea menos se tardará en dar con la solución. 12 El principio de coplanaridad establece que los dos centros de perspectiva, cualquier punto del objeto y los dos puntos de imagen correspondientes se encuentran en un plano común (Figura 11). Para satisfacer esta condición los tres vectores deben ser coplanares; es decir, que su triple producto escalar sea cero. Figura 11. Condición de coplanaridad. Fuente: Pérez Álvarez, J. A. (2001). Al igual que las ecuaciones de colinealidad, la condición de coplanaridad es no lineal y debe ser linealizada para dar una solución. Las ecuaciones de observación linealizadas varían dependiendo del punto de control. Cada punto de control produce cuatro ecuaciones de observación (dos por la foto izquierda y dos por la derecha) e introduce tres incógnitas adicionales. Se necesita medir un mínimo de cinco puntos para obtener cinco ecuaciones y cinco incógnitas. La coplanaridad no se utiliza tanto como la colinealidad en fotogrametría analítica. En consecuencia, la condición de coplanaridad es un método muy rápido y económico en orientación relativa. El nacimiento del algoritmo Structure from Motion (SfM) (Ullman, 1979) aportó una nueva dimensión a lo que hasta entonces se conocía como fotogrametría y sentó las bases de su evolución posterior. Hasta ese momento, en la toma de datos, existía un proceso de digitalización que buscaba conocer determinadas coordenadas en un entorno bidimensional, mientras que en el proceso SfM existe un proceso de modelado a través de modelos matemáticos. Es decir, “el SfM automatiza la detección de puntos homólogos a través de la detección automática de características de la imagen” (Pereira Uzal, 2024). En el año 1989, Schenk, junto con la aportación de Greenfeld, contribuyen al campo de la fotogrametría y teledetección documentando experimentos con emparejamiento estéreo basado en bordes en su libro Experiments with Edge-based stereo matching, para conseguir un método de correspondencia de imágenes. Por otra parte, el propio Schenk, en 1999, escribe sobre los antecedentes, fundamentos y orientación automática en su libro Digital Photogrammety. Kasser y Egels, autores del libro Digital Photogrammetry (2002), tratan la restitución de fachadas a partir de la técnica estereográfica usando ‘stereo pairs of images’ (Figura 12), donde las direcciones de la cámara deben ser (casi) paralelas entre sí para una correcta visión estereoscópica. 13 Figura 12. ‘Stereo pairs of images’. Fuente: Kasser, M. y Egels, Y. (2002). Para reconstruir un objeto completo no será suficiente el uso de un único par estéreo. Plantean la solución de ‘bundle restitution’ o restitución de paquete, necesitando más imágenes para cubrir el modelo. La estrategia de toma de datos consiste en que cada punto a determinar debe cruzarse con, al menos, dos rayos desde un ángulo de intersección válido (Figura 13). Debido a la alta redundancia del sistema planteado, es posible detectar errores graves, por lo que no solo se aumentará la precisión sino también la fiabilidad del resultado. El ‘bundle restitution’ es una técnica de toma de datos que, con la tecnología actual, permite resolver la orientación de la totalidad de las imágenes gracias a los potentes ‘softwares’. Figura 13. Ejemplo de diferentes configuraciones de ‘bundle solution’. Fuente: Kasser, M. y Egels, Y. (2002). Esta evolución en la técnica dio pie a un proceso hacia la minimización de errores, en este caso, conocido como ‘bundle adjustment’ (Snavely et al., 2007). En la actualidad, tal como venía demandando el uso integral de fotogrametría aérea y terrestre y como preveían algunos estudiosos en la materia, estos ‘softwares’ fotogramétricos han evolucionado hasta el punto en el cual son capaces de conjugar múltiples imágenes independientemente de que éstas no mantengan la misma orientación interna y externa de la cámara (Figura 14 y Figura 15). Dichos ‘softwares’ analizan las imágenes en función de sus metadatos y las posicionan entre sí. Este proceso, aunque posible, conlleva un mayor consumo de recursos en cuestión de tiempo y ‘hardware’. 14 Figura 14. Posición de las cámaras paralelas. Fuente: Linder, W. (2006). Figura 15. Posición de las cámaras convergentes. Fuente: Linder, W. (2006). Además, las recomendaciones (Figura 16 y Figura 17) en torno a la toma de datos continúan manteniendo el sentido y la dirección de la misma: que las fotografías garanticen un solape en torno al 80% entre imágenes consecutivas, y la proporción de ¼ de distancia entre la separación entre capturas y la distancia al objeto. Figura 16. Recomendaciones toma exterior planar. Fuente: Agisoft (2024). Figura 17. Recomendaciones toma interior. Fuente: Agisoft (2024). Por un lado, la toma de datos mediante fotografía estereoscópica (Figura 18) asigna cobertura de un par de imágenes a cada zona del objeto asegurando un solape de seguridad. Cuando existe un área extendida se trabaja bajo el mismo criterio, pero con la particularidad de que la toma derecha de un par de imágenes es coincidente con la toma izquierda de la inmediatamente consecutiva. Figura 18. Toma estereoscópica. Fuente: Pérez Arias, B. (2018). La técnica de toma de datos oblicua (Figura 19) consiste en que cada zona quede recogida en, por lo menos, tres imágenes. El solape entre estas imágenes viene determinado por una captura perpendicular al objeto y otras dos encuadrando hacia derecha e izquierda, siendo el mejor modo de captura la toma en anillo. 15 Figura 19. Toma oblicua. Fuente: Pérez Arias, B. (2018). Aunque, teóricamente, la toma de datos estereoscópica y oblicua se diferencian entre sí y son funcionalmente independientes; en la práctica pueden combinarse (Vicente Martín, 2021). Asimismo, es recomendable realizar fotografías oblicuas en los cambios de plano y giros para favorecer una óptima alineación. La ISPRS, en su Congreso en 1996, especificaba el inicio de la era digital. Los algoritmos alcanzan entonces la precisión subpíxel y la compresión de imagen. La Sociedad Americana de Fotogrametría y Teledetección (ASPRS) aúna fotogrametría y teledetección bajo la misma institución. Éstas podrían llegar a fundirse y confundirse, al menos en lo que a definición respecta, tal como recoge Pérez Arias (2018): “el arte, ciencia y tecnología para la obtención de medidas fiables de objetos físicos y su entorno, a través de grabación, medida e interpretación de imágenes y patrones de energía electromagnética radiante y otros fenómenos”. González Aguilera (2018) cifra la importancia de la fotogrametría en la posibilidad de implantar una red de toma de datos flexible. De este modo, se deja atrás la identificación de puntos homólogos mediante visión estereoscópica y se consigue involucrar tantas imágenes como se necesite, puesto que se parte de la identificación particular de cada una de ellas. Así, los ‘softwares’ utilizados en este proceso obtendrán un modelo 3D a partir de múltiples imágenes, de las que es fundamental conocer la orientación interna de la cámara -distorsión de las lentes, punto principal, distancia focal- y la orientación externa -posición espacial y angular de la cámara en el momento de la toma- (Vicente Martín, 2021). Figura 20. Geometría en un modelo estéreo orientado. Fuente: Linder, W. (2006). 16 Dichos ‘softwares’, a partir de un proceso de geometría analítica (Figura 20), consiguen la representación tridimensional deseada (Figura 21). Los grandes avances en fotogrametría surgen a partir de algoritmos de automatización de los procesos. Por tanto, la base de la fotogrametría y su fiabilidad parten del eje vertebrador de la técnica: “el uso de la imagen como fuente de información principal” junto con “la automatización del proceso de orientación y el de reconstrucción del modelo 3D” (García Gago et al., 2014). Figura 21. Proyección central y proyección paralela (estereográfica). Fuente: Linder, W. (2006). Por otra parte, el vínculo entre fotogrametría y Patrimonio lo establece el CIPA en su X Symposium Internacional en 1988 (Almagro Gorbea, 1988). Además, asume la relación bidireccional y retroalimentada entre documentación, conservación y divulgación. Dicho comité asume que “su objetivo principal es la mejora de todos los métodos para inspeccionar monumentos y sitios culturales, especialmente por los efectos de sinergia obtenidos por la combinación de métodos bajo especial consideración de la fotogrametría con todos sus aspectos, como una contribución importante al registro y monitoreo perceptual del patrimonio cultural, a la preservación y restauración de cualquier monumento, objeto o sitio arquitectónico u otro objeto cultural valioso, como apoyo a la investigación arquitectónica, arqueológica y otras investigaciones históricoartísticas”. La obtención de un 3D Urban Model ha sido uno de los grandes retos de la virtualización. El modo de adquisición y toma de datos ‘Range Imaging’ (Shiode, 2001) combina la técnica LiDAR (‘Ligth Detection and Ranging’) con el apoyo de tomas fotográficas para una reconstrucción 3D. Esta tecnología mide la distancia entre un punto de emisión y un objeto mediante un láser, calculando el tiempo que tarda el láser desde que sale hasta que regresa; es decir, desde su emisión hasta la detección del pulso reflejado. 23 Figura 28. UAVs inspección de interiores. Elios 2, izquierda. Elios 3: sistema de estabilización, derecha. Fuente: Flyability (2021) y Flyability (2022). De un tiempo a esta parte, desde la incursión de la COVID-19, el turismo virtual ha cobrado especial relevancia en el mundo cultural. García Bustos et al., (2023), haciéndose eco de publicaciones recientes, argumenta el auge de los recursos culturales virtualizados (Itani & Hollebeek, 2021) propiciado por la consolidación del turismo virtual (Talwar et al., 2022), (Verma et al., 2022) e inmersivo (Cardozo & Papadopoulos, 2021), (Zhang et al., 2022). Aunque, todavía, las oportunidades tecnológicas no están al alcance de la mayoría o el usuario carece de experiencia para saber utilizarla. Su proyecto busca musealizar virtualmente el arte paleolítico franco-cantábrico; desde la cueva al visor online. Realizan “la digitalización de la morfología de muros pintados y grabados para comprender la relación figura-superficie”, buscando reconocer “volúmenes, trazos y formas para detectar relaciones sincrónicas o diacrónicas entre las propias representaciones” (García Bustos et al., 2023). La captura de datos se solventó mediante fotogrametría de corto alcance teniendo en cuenta el fin a virtualizar, su acceso, el equipamiento material y humano y la técnica de captura (Figura 29). Las fotografías se realizaron con un foco de apoyo manual y linterna frontal. El flujo de trabajo fue el que se muestra en la Figura 30. Figura 29. Toma de datos fotogramétricos con foco de apoyo manual. Fuente: García Bustos et al., (2023). 24 La finalidad consiste en obtener un proyecto educativo y divulgativo de calidad para acercar al público el patrimonio de forma accesible, inclusiva y alternativa (Figura 31). Figura 30. Esquema de la metodología aplicada. Fuente: García Bustos et al., (2023). Figura 31. Arquitectura del museo virtual construido. Fuente: García Bustos et al., (2023). Uno de los casos actuales sobre virtualización subterránea fue publicado en enero de 2024 por la revista académica Virtual Archaeology Review, tratando el diseño y el desarrollo virtual de la cueva de Petralona (Grecia), utilizando tecnologías 3D (Karkazi et al., 2024). La cueva cuenta en sus proximidades con un museo. La misión de dicho proyecto consiste en la puesta en valor del museo en relación al bien patrimonial con unos objetivos concretos, como facilitar la comprensión y apreciación de lugar, y comunicar su importancia estimulando el interés a partir de experiencias de aprendizaje y exploración. Además, resuelve el problema de accesibilidad e inclusividad para todos los públicos desarrollando un programa de museo virtual. Todo ello contribuye a la conservación sostenible del entorno patrimonial pasando por su reconocimiento y su difusión, buscando que el proyecto tenga la repercusión necesaria para sensibilizar sobre la protección de cuevas y sus ecosistemas a través de las nuevas posibilidades de interacción con el bien. El proceso de virtualización busca conseguir la representación de un gemelo digital fidedigno en volumen y texturas para incorporar su experiencia inmersiva. Se realizan 140 puntos de escaneado apoyado con 6.000 fotografías. En el exterior se utiliza un UAV que realiza dos vuelos: uno a 110 m de altura para obtener el modelo digital del terreno y otra a 35 m para enlazar el interior de la cueva con su entorno exterior. Las características de ‘hardware’ utilizado son las mostradas en la Figura 32. 25 Figura 32. Especificaciones del equipo. Fuente. Karkazi, E. et al. (2024). El proceso de digitalización subterráneo se realizó mediante un escáner láser con un dispositivo de iluminación LED (‘Light Emitting Diode’) integrado (Figura 33) y mediante la técnica de toma fotográfica manual en combinación con iluminación estroboscópica artificial (iluminación mediante destellos, Figura 34) por medio de 4 flashes de estudio y 4 portátiles, sincronizados en remoto con la cámara. Esta técnica combinada adaptada al caso concreto es la puesta en práctica de la propuesta de combinación escáner láser, fotogrametría manual terrestre y aérea (Tokmakidis et al., 2014). Figura 33. Escáner láser 3D terrestre con iluminación LED integrada. Fuente: Karkazi, E. et al. (2024). Figura 34. Aplicación de la técnica de rebote. Fuente: Karkazi, E. et al. (2024). Aunque este caso no trata de resolver el problema de georreferenciación, sí aporta las claves para integrar la fotogrametría manual subterránea con el escáner láser a partir de los ‘Ground Control Points’ (GCP) de cada escaneo y, todo ello, a su vez, con la fotogrametría aérea (Figura 35) referenciada a las coordenadas GPS obtenidas por el Phantom 4 RTK. Este proyecto muestra una vía de exploración hacia la georreferenciación subterránea a partir del enlace fotogramétrico del interior (Figura 36) con su entorno (Figura 37), apoyando la fiabilidad de los resultados en la técnica de toma de datos, la correcta iluminación artificial y el solape fotogramétrico manual con el terrestre. 26 Figura 35. Toma de datos aérea. Fuente: Karkazi, E. et al. (2024). Figura 36. Nube de puntos, vista interior. Fuente: Karkazi, E. et al. (2024). Figura 37. Nube de puntos, vista exterior. Fuente: Karkazi, E. et al. (2024). 27 5. CONSIDERACIONES EN EL FLUJO METODOLÓGICO 5.1. CAPTURA DE DATOS EN ENTORNOS SUBTERRÁNEOS Y CONDICIONES LUIMÍNICAS ADVERSAS 5.1.1. PROBLEMAS La fotogrametría subterránea se enfrenta a una serie de desafíos únicos, dado que la captura de datos es el factor fundamental y diferencial de todo el proceso y, en consecuencia, de los resultados. Este proyecto se centrará en conocer los puntos que afectan a la calidad y la precisión de estos resultados. Los obstáculos generales en fotogrametría subterránea son: A. La ausencia de luz natural La escasez de luz natural o artificial dificulta la captura de imágenes de alta calidad y afecta a la visibilidad del entorno. La limitada disponibilidad de luz natural infiere significativamente en la calidad de las imágenes capturadas. Los entornos subterráneos suelen carecer de fuentes de iluminación adecuadas, lo que puede resultar en imágenes subexpuestas, con sombras pronunciadas y detalles oscuros, complicando la reconstrucción tridimensional precisa. Las sombras y los reflejos causados por la falta de luz apropiada distorsionan las imágenes y dificultan la interpretación de datos fotogramétricos. B. Las características inherentes a las estructuras hipogénicas Las irregularidades geomorfológicas, las restricciones de espacio, la dificultad de accesibilidad y la presencia de obstáculos complican la captura de imágenes desde ángulos óptimos. Esto puede obstaculizar la visión de ciertas áreas, limitando la cobertura fotográfica y generando lagunas en el modelo final. Asimismo, la estrechez de los pasajes subterráneos también representa un desafío logístico para la colocación estratégica de la cámara, ya que puede ser difícil encontrar ubicaciones ideales para garantizar una superposición adecuada entre las imágenes. También el acceso limitado y las condiciones adversas de trabajo pueden dificultar la movilidad del personal, añadiendo complejidad al proceso de captura de datos. Las características del pavimento son otro factor a considerar, pues conllevan el uso de cámaras portátiles o sobre vehículos, teniendo en cuenta que éstos introducirán vibraciones o movimientos no deseados que afectarán a la captura de imágenes. Además, el polvo y las partículas en suspensión en el aire reducen la aptitud de las imágenes y, en consecuencia, la del modelo fotogramétrico. C. La georreferenciación La falta de características distintivas o puntos de referencia dificultan la georreferenciación precisa de las imágenes y su posterior alineado. La georreferenciación del modelo 3D en proyectos de fotogrametría subterránea es compleja por la falta de puntos de referencia geoespaciales y la ausencia de señales de GPS, debido a la obstrucción de la señal por el suelo y la roca. 28 Esta situación requiere el uso de sistemas de posicionamiento alternativos como estaciones totales, sistemas de medición inercial (IMU) o tecnologías de localización subterránea específicas, por ejemplo, sistemas de navegación por láser o sistemas de posicionamiento subterráneo (SPS). 5.1.2. SOLUCIONES La fotogrametría subterránea requiere un enfoque cuidadoso y adaptado a las condiciones específicas de los entornos subterráneos, con soluciones creativas para superar las limitaciones de iluminación, visibilidad, acceso y posicionamiento a fin de obtener datos rigurosos y fidedignos para la generación de modelos tridimensionales precisos. Incluso, en ocasiones, la necesidad de recopilar y procesar datos en tiempo real requiere soluciones y sistemas específicos adaptados a las condiciones del entorno. A. Sensores de imagen, cámaras e iluminación En lo que respecta a la fotogrametría en escasas condiciones lumínicas, es necesario utilizar cámaras de alta resolución y sensores de imagen de alta sensibilidad para capturar todos los detalles posibles. Una de las técnicas para la captura de imágenes en estas condiciones es la denominada ‘High Dynamic Range’ (HDR) (Santos Nascimento et al., 2024), posibilitando mejoras en el rango dinámico de la luminancia, es decir, consiguiendo interpretar mejor la superficie fotografiada a partir de la intensidad luminosa o cantidad de luz que es capaz de proyectar dicha superficie (Pistellato et al., 2023), (Martín Rodríguez, 2014). El ‘bracketing’ de exposición podría resultar otra alternativa a partir de la toma de una misma imagen en diferentes condiciones de flash, luz y enfoque (Roberts, 2004), aunque habría que valorar la calidad de los resultados en detrimento del excesivo consumo de tiempo de la toma de datos. Otra consideración importante es el uso de un ISO (‘Internacional Organization for Standarization’) elevado. Aumentar la sensibilidad ISO de la cámara ayuda a capturar con más luz la imagen, aunque introduciendo ruido en la misma. Resulta imprescindible equilibrar la sensibilidad ISO con la calidad deseada. Los avances tecnológicos posibilitan la utilización de lentes rápidas, con gran apertura (f/2.8 y superior), permitiendo también una mayor entrada de luz al sensor de la cámara. Todo ello conlleva la necesidad de estabilización de la cámara para obtener imágenes nítidas y no borrosas. La mejor solución sería acompañar la captura con el uso del trípode o equipos de estabilización de la cámara para conseguir un disparo estable. Las condiciones subterráneas de cada caso concreto dictaminarán su posibilidad de uso. Además, en fotogrametría subterránea es indispensable utilizar fuentes de luz artificial portátiles que ayuden a mejorar la visibilidad, reducir las sombras y minimizar el ruido en las imágenes. Para ello, resulta fundamental controlar la dirección y la intensidad de esta luz. La técnica de iluminación a emplear vendrá condicionada por el entorno y será interpretada por el técnico que realice las imágenes, dejando a su criterio su adaptación para las necesidades específicas del proyecto (Figura 38), (Begleiter, 2014). 29 Figura 38. Cámara con flash auxiliar. Fuente: Begleiter, S. H. (2014). La técnica de iluminación difusa utiliza paneles para proporcionar una iluminación suave y uniforme en áreas amplias manteniendo las sombras constantes. Sin embargo, la iluminación direccional utiliza focos para iluminar áreas específicas, permitiendo controlar la dirección y la intensidad de la luz, y minimizando sombras no deseadas. Por otra parte, la iluminación lateral aplica fuentes de luz en ángulo, mejorando la percepción de la profundidad y la textura en detrimento de los niveles de sombra. En ocasiones, se necesita una fuente de luz únicamente en una zona concreta o con intensidad diferente a la general; esto se conoce como iluminación de relleno, y ayuda a mejorar la iluminación en zonas subexpuestas equilibrando la exposición y el rango dinámico de la imagen. El uso de múltiples fuentes de luz en diferentes ángulos y posiciones resultará una combinación de las técnicas anteriores. Ésta permitirá una iluminación más uniforme y completa en toda la escena, aunque es una solución más técnica y compleja de ejecutar, tanto técnicamente como en cuestión del equipo necesario. En todo caso, las técnicas de postproceso de imágenes resultarán cruciales. B. Técnica de captura de datos, solape y continuidad La captura y representación en papel de la situación y dimensiones de ríos, montañas o carreteras son los pasos iniciales hacia la cartografía moderna. La aparición de cámaras de fotos y de vídeo ha dado lugar a los Sistemas de Mapeo Móvil (MMS), a los que la evolución tecnológica ha dotado con sensores de posicionamiento y de LiDAR. Para el correcto funcionamiento de los MMS se necesitan unas condiciones óptimas de calibración y sincronización de los componentes del equipo, ya que de ellos dependerá la calidad, rapidez y precisión de los resultados. La técnica de captura de datos fotogramétrica en entornos subterráneos y en escasas condiciones lumínicas se basa en la misma premisa que rige los MMS. Esta base es la continuidad y el solape constante de los datos recogidos (Figura 39), bien sea desde una solución fotogramétrica o videogramétrica, que aporta consistencia e ininterrupción a los resultados. 30 Figura 39. Disposición ideal de fotogramas en vuelo. Fuente: Pérez Álvarez, J. A. (2001). Analizando cronológicamente la evolución de los MMS, en la década de 1970 se comenzó la inspección de carreteras pavimentadas por empresas de transporte mediante el registro fotográfico. El ejemplo más significativo es el sistema PASCO Roadrecon, que basaba su método en la grabación de manera ininterrumpida de la vía. Posteriormente, este método fue adoptado por la Federal Highway Administration de EEUU, pero la revisión de los datos que realiza requiere una gran inversión de tiempo (McGhee, 2004). Poco después nació el sistema de registro por vuelo, que contaba con una única cámara que, junto con el GPS, disminuyó el tiempo de procesado, aunque la resolución de las imágenes seguía siendo escasa (Tao, 2000). Finalizando la década de 1980, El-Sheimy comenzó sus investigaciones sobre un sistema móvil de inventariado de vías asfaltadas. Su innovación fue añadir al vídeo la opción de giroscopio, acelerómetro y odómetro para conocer la ubicación y orientación del vehículo; utilizando, además, un sistema inercial ‘strapdown’ para mejorar la precisión de la orientación de la cámara. Durante los años noventa emergieron centros de investigación referentes al MMS, uno de los más relevantes es el Departamento de Ingeniería Geomática de la Universidad de Calgary (‘Department of Geomatics Engineering, Calgary University, Canada’). En sus estudios añadieron más videocámaras al proceso de recolección de información y las imágenes recogidas se utilizaron para el proceso de medición. Todavía aquí se recogían y digitalizaban los datos de forma manual, lo cual seguía resultando un proceso lento. Más avanzada la década de 1990, la Universidad de Calgary confeccionó un sistema llamado ‘Video Inertial Satelite’ (VISAT, Figura 40); formado por un GPS, una cámara VHS (‘Video Home System’), ocho cámaras, un sistema inercial ‘strapdown’ y una unidad de control de imagen para conseguir fotografías en blanco y negro georreferenciadas hasta a 60 km/h con una gran precisión para puntos en un rango de acción menor de 35 m (El-Sheimy, 1996), (Tao et al., 2001). Figura 40. The VISAT system (Video Inertial Satellite). Fuente: El-Sheimy, N. (1996). 31 A principios del siglo XXI, desde el Instituto Cartográfico de Cataluña se creó “Geovan”, un proyecto MMS. Su característica principal es que consigue ensamblar dos subsistemas. El primero, la adquisición de imágenes gracias a dos cámaras digitales de 1024 x 1024 píxeles, para conseguir un solape entre las propias imágenes. El segundo consistía en la orientación de la referencia absoluta, temporal y geométrica de las fotografías gracias a Applanix, un IMU conjugado con dos antenas GPS para la medición correcta del acimut, además de estar dotado de un sistema de ‘hardware’ y ‘software’ y de una plataforma física para mitigar las vibraciones. Se consiguió crear un sistema basado en la estereoscopía para la reconstrucción tridimensional de edificios gracias a un vehículo en movimiento (Talaya et al., 2004). Applanix, entre otros, cambió la forma de mapear gracias a su Sistema de Navegación Inercial, pues era lo suficientemente pequeño y a la vez lo suficientemente preciso como para permitir una georreferenciación fiable. Con la entrada de la segunda década del siglo XXI y en los últimos tiempos gracias al vertiginoso avance de la tecnología, existen grandes compañías a nivel mundial que han ido adaptándose a la cartografía móvil utilizando cámaras de alta resolución con visión esférica, tecnología LiDAR y receptores GNSS (‘Global Navigation Satellite System’) con precisión milimétrica (Tao, 2000), (Puente et al., 2013). Existen tres tipos de MMS: el terrestre (‘landbased’), el aerotransportado (‘airborne’, UAV) y el tipo mochila (‘Backpack Mobile Mapping’). El de tipo terrestre es el que permite su desplazamiento sobre carreteras y otras vías gracias a una plataforma física instalada en un vehículo que le ofrece soporte necesario para su movimiento de forma ágil, consiguiendo la adquisición de información precisa y georreferenciada. Los MMS de tipo aéreo son los que más cambios, variaciones y avances tecnológicos han experimentado desde su aparición. Al principio, se necesitaban varios vuelos para cubrir una zona concreta, vuelos que realizaban avionetas o helicópteros; pero desde la aparición de los vehículos aéreos no tripulados (UAV) y su inclusión en las posibilidades militares, esta tecnología sufrió un gran avance debido a la inversión económica que facilitaba su desarrollo para labores de espionaje, entrenamientos y fines de guerra. Por este motivo, se fueron creando dispositivos más ligeros y pequeños, integrándoles sensores de posición y navegación y escáneres láser de modo compacto y funcional (Colomina & Molina, 2014). En los MMS de tipo aéreo se han tenido en cuenta los siguientes parámetros (Figura 41): f: focal, r: recubrimiento, h: altura de vuelo, c: cobertura del terreno, C: cobertura estereoscópica, y B: distancia entre dos imágenes. 32 Figura 41. Área de recubrimiento en función de la distancia focal. Fuente: Elaboración propia. Si se aumenta la distancia focal disminuirá el área de recubrimiento. Sin embargo, manteniendo la calibración constante, a mayor altura de vuelo mayor será la cobertura del terreno abarcada (Figura 42). Figura 42. Cobertura del terreno en función de la altura de vuelo. Fuente: Elaboración propia. Si se aplican estos conceptos a la captura sucesiva de imágenes en vuelo se puede determinar que la cobertura estereoscópica aumentará al aumentar la altura de vuelo y al disminuir la distancia focal (Figura 43). Mediante estas directrices se pueden controlar la continuidad y el porcentaje de solape de las imágenes. Figura 43. Cobertura estereoscópica en función de la altura de vuelo y la distancia focal. Fuente: Elaboración propia. 39 Cuando el GPS no está disponible, Panther optimiza la información de posición utilizando su sensor de odometría visual, mientras que Pegasus aplica la estrategia SLAM, que utiliza dos perfiladores láser que adquieren hasta 600.000 puntos por segundo a una distancia máxima de 50 m, asegurando una precisión entre 5 y 50 cm. El GNSS puede llegar a proporcionar una exactitud y precisión del orden de escasos centímetros. Aunque, como se ha citado, es casi imposible mantener la señal durante toda la toma de datos a causa de las interrupciones del GNSS y el efecto ‘multipath’ (multicamino), fenómeno que provoca interferencias causado por los reflejos en estructuras o superficies reflectoras. Existe un método de posicionamiento llamado navegación a estima (‘dead reckoning’), que basa su principio en calcular la posición respecto a la anterior. Su principal defecto, si es utilizado durante largos períodos de tiempo, es la aparición de errores que se van arrastrando y aumentando, incluyendo el error de Abbe (desplazamiento entre la posición real de un objeto y la medición obtenida, siendo un aumento del error angular sobre la distancia). Esto conduce a una deriva cada vez mayor entre la ubicación real y lo que el sistema cree encontrar. Dichos errores vienen del ruido generados en las mediciones inerciales, por ello los actuales IMU dependen de GNSS para recibir las correcciones o hacerlos trabajar en intervalos de tiempo finito (Joaquín Mateo & Lozano del Pozo, 2014). En los últimos años, los BMM han sufrido un ligero estancamiento en su evolución. La velocidad a la que evoluciona la tecnología, junto con el perfeccionamiento de la técnica fotgramétrica ‘low cost’, han propiciado una ligera deriva del mercado tecnológico respecto a los sistemas de mapeo. La tendencia indica el perfeccionamiento de un ‘hardware’ y ‘software’ concreto en detrimento de la exploración combinada de recursos. Esto es debido a que mediante técnicas independientes se pueden conseguir resultados similares a los adquiridos a partir de la conjugación de recursos, salvando un gran escalón económico. En 2023, sin embargo, llega al mercado la Mosaic Xplor (Figura 60); una mochila capaz de conectarse a 4 redes GNSS simultáneamente (GPS, Galileo, Glonass, BeiDou) proporcionando una precisión submétrica que puede reducirse a centimétrica integrando el sistema de cinemática en tiempo real (RTK). Cuenta con un algoritmo de procesado propio capaz de procesar los datos recogidos por sus seis cámaras de 12,32 megapíxeles (4096 x 3008) cada una y además cuenta con dos sensores LiDAR de 360° x 60° que le otorgan un campo de visión final de 360° x 120°. Trabaja con un alcance de hasta 40 m (aunque podría llegar a trabajar en condiciones óptimas a 70 m de distancia) con una precisión de entre 3 y 5 cm que se reduce a menos de 2 mm en distancias de 10 m. Todo ello integrado en un equipo que no supera los 10 kg; siendo 2 kg de cámara, LiDAR y GNSS y 3,5 kg de mochila y soporte, incluyendo también los accesorios adicionales con 2,5 kg aproximadamente. Se mejora así la optimización de espacio/peso de sus predecesoras, que rondaban los 18 kg. 40 Figura 60. BMM Mosaic Xplor. Fuente: Mosaic (2023). Por otra parte, el SLAM permite que en la actualidad sus métodos se basen en algoritmos respecto a fotogramas clave. Se basa, también, en la actuación del IMU, aunque su procesamiento de información visual se puede dividir en método directo e indirecto. El directo utiliza la variación de la escala de grises para obtener más información visual y su tiempo de ejecución es más rápido, mientras que el indirecto trata de extraer las características de las imágenes recogidas y combinarlas con las del mapa, minimizando los errores. Dentro del SLAM existen dos opciones, el Visual SLAM y el LiDAR SLAM. El primero, también conocido como vSLAM, calcula la posición y orientación de un dispositivo con respecto a su entorno al mismo tiempo que mapea utilizando las entradas de la cámara, construyendo un mapa 3D. El segundo se apoya en la tecnología LiDAR. La técnica vSLAM es una forma rápida de mapear, aunque la aplicación del LiDAR cuenta con mayor precisión, además de mayor calidad y menor distorsión en la captura de datos. La metodología SLAM en exteriores tiene el inconveniente de no poder mirar directamente a la luz solar porque los objetos obtenidos no tendrían contraste suficiente. Un ejemplo de la técnica SLAM lo proporciona FARO con la tecnología GeoSLAM y su modelo ZEB Horizon (Figura 61). Figura 61. SLAM ZEB Horizon. Fuente: FARO (2024). 41 Surgen, a partir de estas opciones, diferentes combinaciones para solventar los problemas de georreferenciación. La empresa Viametris, experta en tecnología SLAM, lanzó vMS3D: un sistema de mapeado móvil combinando INS, un receptor interno GNSS y SLAM; además, cuenta con una cámara 360° y un LiDAR giratorio. Su ‘software’ de post procesamiento analiza la situación y decide de qué tecnología usar los datos, cuenta con sensores precisos de hasta 0,1° (Ninot, 2017). Combinando las bondades del GNSS a campo abierto, donde si surge la interrupción elegirá los datos tomados de INS o SLAM; la facilidad de SLAM para recopilar información; y la velocidad y orientación proporcionada por el INS para dar apoyo a los sistemas anteriores, proporcionando, además, las correcciones de balanceo y cabeceo para restringir los datos LiDAR, nace uno de los MMS más fiables. Aunque está pensado para vehículos terrestres, es la base para su adaptación a un sistema de mapeo portátil (SBG SYSTEMS, 2023). Un esquema del funcionamiento de la integración de estos sistemas donde LiDAR y SLAM actúan de forma conjunta (Figura 62) lo proporciona Chang et al., (2019): Figura 62. Vista general del sistema GNSS / INS / LiDAR – SLAM. Fuente: Chang, L. et al., (2019). En la actualidad, varias casas comerciales de cámaras fotográficas digitales como Sony, Olympus o Garmin incorporan a su catálogo las versiones con GPS integrado o, en su defecto, con posibilidad de actuar como Rover dentro de un sistema de posicionamiento RTK (Figura 63). Figura 63. Cinemática en tiempo real (RTK). Fuente: Department of Geography (2023). 42 En caso de que únicamente se opere con UAVs como sistema de georreferenciación, se debe tener en cuenta que existen dos tipos de precisiones: la precisión de georreferenciación y la precisión en la medición. La precisión de georreferenciación es una precisión absoluta, es decir, es la capacidad del UAV para determinar su ubicación exacta en la Tierra. Los UAVs, en su mayoría, utilizan tecnología GPS, que aumenta su precisión cuando tiene apoyo de puntos de control terrestre (GCP), por sistemas de cinemática en tiempo real (RTK) o cinemática de postproceso (PPK, Figura 64). La precisión de una medición es una precisión relativa, es decir, indica la verosimilitud entre el objeto real y el virtualizado. Aunque ésta dependerá del área a mapear y de la cantidad de puntos de control, RTK o PPK que podamos aportar para minimizar o discretizar su error. Por tanto, este tipo de técnica se convierte en una solución integral en cuestiones de posicionamiento, georreferenciación y escalas. Figura 64. Cinemática de postproceso (PPK). Fuente: Hammer Missions (2023). 5.1.3. PROPUESTA En definitiva, este Trabajo de Fin de Máster pretende demostrar la viabilidad de la fotogrametría subterránea a partir de: - La adaptación de la técnica de captura de datos al objeto de estudio particular, fomentando el solape y la continuidad de las fotografías en todo su conjunto, y en especial entre el exterior y el interior del bien subterráneo. - La elección de sensores de imagen y cámara adecuados y el correcto uso de las técnicas de iluminación artificial, junto con un minucioso tratamiento de las imágenes capturadas y un riguroso procesado fotogramétrico. Finalmente, como resultado, se obtendrá un modelo 3D único, continuo, bien texturizado y georreferenciado en base a las imágenes del exterior sin necesidad de ubicar o trasladar la posición GPS al interior de la estructura subterránea. 43 5.2. PROCESAMIENTO DE DATOS 5.2.1. TRATAMIENTO DE IMÁGENES El tratamiento de imágenes es un factor diferencial en términos fotogramétricos y más, si cabe, en fotogrametría con iluminación adaptada. La calidad del resultado de orientación de las imágenes, de la malla y del propio texturizado pasan por una óptima corrección de la exposición, reducción del ruido y mejora de la nitidez de las imágenes capturadas. La toma de datos en formato RAW, considerado como el negativo digital, facilita la edición de las imágenes sin perder o sobrescribir el archivo original. Cada fabricante de cámaras fotográficas digitales ha desarrollado su propio ‘software’ de procesado de imágenes. Uno de los más potentes respecto a recursos es Adobe Camera Raw que, además, proporciona la posibilidad de edición en bloque de imágenes tomadas en las mismas condiciones iniciales y que, por tanto, requerirán un tratamiento similar. Los fabricantes de estos ‘softwares’ de edición de imágenes han enfocado su nicho de mercado hacia públicos más extensos o sectores que nada tienen que ver con la fotogrametría. En consecuencia, existen opciones de edición muy específicas en algunos ámbitos y el sector fotogramétrico ha de reconducir dichas funcionalidades hacia sus propias investigaciones. Se puede afirmar que “los límites técnicos de la imagen digital no solo se han visto condicionados por el ‘hardware’, sino también por el ‘software’” (Pereira Uzal, 2013). Por otra parte, el hándicap inicial de la ausencia de iluminación en fotogrametría subterránea puede convertirse en un punto que juegue a nuestro favor durante la edición de imágenes. La luz artificial aportada es controlable tanto en suavidad y difusión como en potencia. Esta luz artificial incide directamente en los procesos de gestión de color y el balance de blancos (temperatura de color de la luz) que se corrigen mediante la utilización de una carta de color. El ‘software’ de edición de imágenes es capaz de interpretar si existe variación en la representación de estos colores y determina su corrección. Una de las opciones más extendidas para gestionar las características cromáticas consiste en utilizar la tarjeta X-Rite ColorChecker Passport (Sterp Moga et al., 2021). Es una carta de color formada por diferentes parches de pigmentos de color de alta pureza situados en posición fija (Figura 65). La imagen que contiene la carta de color debe convertirse a formato DNG, puesto que el propio ‘software’ comercial de ColorChecker Camera Calibration así lo demanda para analizar la propia imagen y generar el perfil de color. Esta operación servirá para, posteriormente, lograr un equilibrio entre los canales de color durante el revelado. 44 Figura 65. Carta de color sobre “Cabeza de Gárgola” (Catedral de Sigüenza). Fuente: 3D Stoa. Durante el revelado de imágenes se ejercen las modificaciones pertinentes. Se gestiona el balance de blancos y el perfil de color sobre todas las imágenes de cada bloque en función de la carta de color y su perfil generado con anterioridad. Para calibrar el balance de blancos se toma como referencia el parche gris neutro 18% de la tarjeta de color. A continuación, se suprime la aberración cromática y el viñeteado de las imágenes de modo automático. La distorsión geométrica es corregida directamente por el propio ‘software’ de fotogrametría ya que, en caso de hacerlo sobre las imágenes, se estaría generando información no fidedigna desde los datos de partida. Figura 66. Revelado de imágenes en Adobe Camera Raw de un “Campanillo” de bronce (Catedral de Sigüenza). Fuente: 3D Stoa. Posteriormente, se controlan, ya bajo la percepción del usuario, los otros factores como la exposición, contraste, la iluminación y las sombras (Figura 66), además de la nitidez y la reducción de ruido. El revelado de estos archivos RAW puede darse en diferentes formatos y en diferentes calidades. Aunque el tipo de formato es indiferente para su procesado por parte del ‘software’ fotogramétrico, han de tenerse en cuenta los parámetros mostrados en la Tabla 3. 45 Tabla 3. Formatos de imagen en fotogrametría. Fuente: Elaboración propia. Formato JPEG PNG TIFF Compresión Sí No No Peso Bajo Medio Alto Tiempo de procesado Bajo Medio Alto Trabajar con formatos de imagen de menor tamaño implica una mayor velocidad en los tiempos de procesado; sin embargo, se pierde información durante la compresión. 5.2.2. GENERACIÓN DE MODELOS 3D Los ‘softwares’ de fotogrametría han sufrido grandes avances en los últimos años, si bien es de rigor reconocer que Photomodeler fue quien facilitó el acceso a la fotogrametría a partir de la técnica SfM durante la primera década del siglo XXI. Durante los años siguientes, surgen nuevas vías de investigación hacia este tipo de ‘softwares’, como VisualSfM y Pix4D, que implementaron un salto de calidad y velocidad en el procesamiento y en el trabajo con UAVs, respectivamente. No obstante, la verdadera revolución en ‘software’ de procesado fotogramétrico llegó de la mano de la empresa rusa Agisoft con la comercialización de Photoscan, posteriormente conocido como Metashape. En esta misma línea nace RealityCapture, en 2016, con la intención de implementar los resultados fotogramétricos al mundo de los videojuegos, realidad virtual y realidad aumentada o cine. Precisamente es Epic Games, desarrolladora de videojuegos y conocida por su tecnología Unreal Engine, quien se hace con los derechos de RealityCapture. Desde abril de 2014, Epic Games ofrece una solución aperturista de RealityCapture, ofreciéndolo como ‘software’ libre y de testeo a estudiantes, proyectos docentes y profesionales que facturen menos de 1.000.000 USD con su ‘software’. El presente y futuro comercial fotogramétrico lo rivalizan RealityCapture y Agisoft Metashape. Hasta la fecha, diferentes autores (Banfi, 2020), (Vicente Martín, 2021) han investigado el flujo de trabajo fotogramétrico buscando implementar la tecnología ‘Heritage Building Information Modelling’ (HBIM) a la representación 3D del Patrimonio Histórico (Figura 67 y Figura 68). Figura 67. Método de investigación aplicado al sitio arqueológico de S.Nicolò. Banfi, F. (2020). 46 Figura 68. Esquema flujo metodológico. Fuente: Vicente Martín, P. (2021). El punto de partida consiste en recopilar información a nivel físico y virtual a partir de documentación y archivos históricos, planos, dibujos y fotografías. Posteriormente, el trabajo de campo toma presencia; es el paso ‘scan to BIM’. Durante el procesado y postprocesado se estudia y secuencia el modelo en unidades paramétricas a las que se dota de información (Figura 69). Con toda esta información generada se crea un Plan de Acción de Futuro que incluye en sus pasos iniciales el análisis del material y diagnóstico de patologías para proponer las líneas de intervención. 47 Figura 69. Generación de modelos paramétricos. Fuente: Banfi, F. (2020). En lo que al procesado propiamente dicho se refiere (Figura 70), el primer paso consiste en volcar todas las imágenes editadas anteriormente en uno o varios bloques. Esta secuenciación en bloques de las imágenes corresponderá, por un lado, a conseguir una mayor rapidez de procesado y, por otro, a dividir por zonas el modelo a generar en caso de que no exista el suficiente solape y continuidad entre las tandas de imágenes y los propios bloques de trabajo. Figura 70. Flujo de trabajo digital y herramientas del proyecto de realidad virtual implementado. Fuente: Banfi, F. (2020). A continuación, se alinean estas imágenes de modo automático. El ‘software’ utiliza puntos del modelo presentes en imágenes correlativas para crear un mapa desde el que estima la posición de cada cámara (fotografía) en el momento de la captura (Figura 71). El procesado de alineación de imágenes consiste en la extracción de puntos característicos de las imágenes y su correspondencia en las demás. Esta operación permite resolver “la posición angular y espacial de cada fotografía empleada, a la vez que permite conocer los parámetros internos de la cámara. Una vez se conocen las orientaciones internas y externas de las fotografías, la posición espacial de cada píxel se resuelve por intersección de haces proyectivos” (Vicente Martín, 2021). 48 Figura 71. Posicionamiento toma fotográfica exterior, Metashape. Fuente: Vicente Martín, P. (2021). Hasta hace pocos años, mediante un proceso de enmascarado manual de cada imagen (Figura 72), se conseguía facilitar la resolución de la alineación de imágenes evitando el cálculo sobre zonas irrelevantes al objeto de estudio. Actualmente, dicha alineación puede calcularse incluyendo un parámetro que excluye del procesado los puntos de paso inmóviles, tales como el cielo y otros elementos externos sobre los que no se ejerce el foco de estudio. Este proceso genera una nube de puntos dispersa a partir de la citada intersección de haces proyectivos. Figura 72. Previsualización de máscaras manuales, Metashape. Fuente: Vicente Martín, P. (2021). Figura 73. Previsualización de mapas de profundidad, Metashape. Fuente: Vicente Martín, P. (2021). El proceso lineal para generar la malla pasaba, inevitablemente, por conseguir previamente la nube de puntos densa, que se generaba a partir de los mapas de profundidad calculados sobre las propias imágenes e interpolaba los puntos que deberían existir entre los ya calculados previamente en la nube dispersa. Este proceso conseguía una densificación de la nube, y podía calcularse con diferentes calidades de densidad. Aunque actualmente la malla puede calcularse directamente a partir de los mapas de profundidad (Figura 73) con una calidad superior a la conseguida a partir de la nube densa, ésta sigue constituyendo un pilar fundamental para el estudio de resultados (Figura 74), permitiendo incluso realizar secciones (Figura 75 y Figura 76) y la limpieza y supresión de puntos de la nube (Figura 77 y Figura 78) que no se desea que entren en el cálculo de la consiguiente malla. 55 Las posibilidades son múltiples, tanto en los aspectos divulgativos como en los puramente científicos. Los casos de estudio que se abordan en el presente trabajo son los siguientes: • Bodegas del Arrabal, Talamanca del Jarama. • Túnel, Vallecas. • Bodegas, Vicálvaro. • Pozo Viejo, Corral de Almaguer. • Noria del Vivero, Bailén. • Bodega, Brunete. Para cada uno de ellos se establece una ficha inicial con los datos más característicos e importantes de cada proyecto. Entre ellos destacan datos inherentes al propio proyecto como la fecha, la descripción y localización, y datos referentes a la propia ejecución como el equipo utilizado, dificultades enfrentadas y soluciones adoptadas. Además, se proyecta una tabla de tiempos de ejecución del proyecto desde la toma de datos hasta el postprocesado final, pasando por el procesado en sí mismo y sus diferentes etapas. La Tabla 4 relaciona la toma de datos la técnica, la iluminación auxiliar aportada y el método de georreferenciación elegido, con el tiempo invertido en la recopilación de información. Por otro lado, en función del número de imágenes, escaneos láser, GCP obtenidos y el sentido en la toma fotográfica, se puede estimar gráficamente la cantidad de tiempo que consume cada subproceso. Además, se valora el tiempo y dedicación destinado al resultado final: el entregable que servirá como hilo conductor entre la documentación, conservación, digitalización y divulgación del patrimonio. Tabla 4. Gráfica de tiempos del proyecto. Fuente: Elaboración propia. Tiempos del proyecto Bajo 0 - 2 h Medio - Bajo 2 - 5 h Medio - Alto 5 - 10 h Alto > 10 h Leve Moderado 56 6.1. BODEGAS DEL ARRABAL, TALAMANCA DE JARAMA Tabla 5. Ficha Bodegas del Arrabal. Fuente: Elaboración propia. Promotor Abril Urmente Arqueología Trabajo Virtualiz. Bodegas del Arrabal Fecha Julio de 2018 Situación Talamanca de Jarama Descripción El caso de estudio refleja la necesidad de generar un modelo digital georreferenciado y fidedigno a nivel geométrico y de texturizado. A partir de él, se pretende generar un estudio patológico sobre el que ejecutar soluciones técnicas y arquitectónicas que consoliden y rehabiliten la estructura. El acceso al interior se realiza a pie de calle a través de la fachada principal. El interior alberga un vestíbulo del que parten las galerías cubiertas con bóveda de cañón, en ladrillo. Equipo Datos de partida Cámara réflex DSLR Pentax K-50 Aeronave DJI Phantom 4 Pro Receptor RTK GNSS, Emlid Reach RS2 FARO Laser Scanner Focus 3D X330 Software de procesado Reality Capture Imágenes 8.045 Puntos de control 8 Escáner láser 67 Dificultades Tiempos del proyecto Georreferenciación Ausencia de iluminación natural Velocidad de procesado Toma de datos Procesado Alineación Solución adoptada Nube Fotogrametría aérea y terrestre combinada con láser escáner Uso de focos y antorchas LED Georreferenciación a partir de GCP Procesado individual de galerías Malla Textura Postprocesado Resultados Modelo 3D, Visor 3D, Ortoimágenes, Planta, alzados y secciones Conclusión La solución plantea la combinación de la nube generada por el escáner y con la generada por fotogrametría, georreferenciadas mediante GCP terrestres. La rapidez de ejecución se consigue procesando galerías independientes. 57 6.1.1. Dificultades y problemáticas enfrentadas Las dificultades que plantea la situación pasan por georreferenciar correctamente las galerías subterráneas (Figura 86, derecha) en relación a la toma de datos exterior (RTKGPS y puntos de control) (Figura 86, izquierda), solventar la toma de datos contando con la inexistente iluminación y mitigar los tiempos de procesado de un área tan extensa. Figura 86. Proceso de toma de datos 3D láser exterior (izquierda) e interior (derecha). 6.1.2. Solución adoptada En los levantamientos terrestres se utiliza una cámara réflex DSLR Pentax K-50, con la que se consigue una calidad de imagen óptima, y una aeronave Phantom 4 Pro. Ello permite obtener un número adecuado de puntos en la malla generada y una información colorimétrica precisa. En cuanto al levantamiento con escáner láser terrestre se emplea el modelo Faro X330. Se generan 67 puntos de estacionamiento mediante láser escáner terrestre y 8.045 imágenes. En la Figura 87 se muestra la nube dispersa. Figura 87. Nube de puntos dispersa de la bodega, exterior e interior. Al no existir iluminación en el interior, se necesitan focos y antorchas LED de luz blanca, alimentados por baterías. 58 La técnica fotogramétrica combinada con láser escáner (67 escaneos) arroja un error máximo de 6,8 mm y un error medio de 1,6 mm. Entre ellos existe un solapamiento escaso en un 8,3 % de los escaneados a completar con fotogrametría. El proyecto se procesa por fases y etapas para favorecer la velocidad de procesado: cuerpo exterior, zona subsuelo, galería 1 tramo 1 (Figura 88), galería 1 tramo 2, galería 2, galería 3, galería 4, galería 5, galería 6-7. La Figura 89 muestra la fase de texturizado del modelo 3D en las galerías 6 y 7. Figura 88. Malla de una de las partes de la Galería 1. Figura 89. Fase de texturizado del modelo 3D en las Galerías 6 y 7. 6.1.3. Resultados Se desarrolla un modelo tridimensional completo, con ortofotos de alta definición e información colorimétrica fidedigna que favorecen la obtención de planimetrías y secciones precisas a partir de las que trabajar en la consolidación y restauración de las estructuras. Entre los productos obtenidos, podemos generar un visor 3D del modelo general o de cada galería individualmente. A tal fin, se disminuye la resolución del modelo para que el visor pueda ejecutarse en cualquier tipo de equipo informático (Figura 90). Sobre el modelo, al encontrarse escalado, se pueden tomar las medidas que se precisen. Además, permite obtener fácilmente cualquier sección en cualquier punto. 59 Para trabajos técnicos más concretos, se genera una ortoimagen de cada planta y del alzado (Figura 91), así como algunas secciones del edificio (Figura 92), de cara a su exportación a formato CAD y la creación de planimetrías. Figura 90. Situación de la bodega sobre imagen satelital actual del Instituto Geográfico Nacional. Figura 91. Ortoimagen del alzado de la fachada de la bodega. Figura 92. Sección generada sobre el alzado norte de la Galería 4. Estos resultados aportan rigurosidad técnica, planimétrica y colorimétrica. Se puede apreciar, en una comparativa respecto a los planos ejecutados por J. Sandoval en el año 1991 (Figura 93 y Figura 94), cómo la fotogrametría es capaz de arrojar una precisión milimétrica y de aportar una calidad en concepto de textura anteriormente inexistente. 60 Figura 93. Sección longitudinal, alzado principal y alzado lateral, levantamiento. Fuente: Sandoval, J. (1991). Figura 94. Planta, levantamiento. Fuente: Sandoval, J. (1991). 61 6.2. TÚNEL, VALLECAS Tabla 6. Ficha Túnel, Vallecas. Fuente: Elaboración propia. Promotor Naos Consultoría Trabajo Virtualización Túnel Fecha Marzo de 2020 Situación Vallecas, Madrid Descripción La estructura subterránea está compuesta de 3 galerías excavadas en el nivel geológico, anegadas de agua. El sistema de construcción responde a la clásica excavación en mina con entibado de madera tanto en techo como en paredes. Se accede por uno de los pilotes que se estaban realizando durante la ejecución del proyecto constructivo. Equipo Datos de partida Cámara réflex DSLR Pentax K-50 Software de procesado Agisoft Metashape Imágenes 673 Puntos de control 4 Medidas de distancia Escalas gráficas Dificultades Tiempos del proyecto Georreferenciación Ausencia de iluminación natural Velocidad de actuación, riesgo de derrumbe Toma de datos Procesado Alineación Solución adoptada Nube Fotogrametría terrestre Uso de focos y antorchas LED Georreferenciación a partir la ubicación de la boca del pozo Malla Textura Postprocesado Resultados Modelo 3D, Visor 3D, Ortoimágenes, Planta, alzados y secciones Conclusión El riesgo de derrumbe propició la premura en la toma de datos, priorizando la virtualización de la estructura subterránea en detrimento de la georreferenciación que, a la postre, se ejecuta a partir de la boca del pozo de acceso. Los puntos de control del interior y jalones consolidan la escala. La intervención arqueológica propone la limpieza de estructuras, inspección minuciosa, análisis documental, análisis gráfico y propuesta técnica para la conservación. 62 6.2.1. Dificultades y problemáticas enfrentadas Se ejecuta una intervención arqueológica en estructura y galerías subterráneas de la Guerra Civil. Las dificultades enfrentadas son la limpieza de estructuras, la inspección visual, el análisis documental y el análisis gráfico (planta y alzado). Se realiza una propuesta técnica para la conservación en conjunción con el proyecto de reforma integral del edificio formativo, situado en la esquina entre la calle Francisco Laguna y la calle Corral de Cantos (Vallecas, Madrid). En palabras de la notificación de requerimiento presentada en la Dirección General de Patrimonio Cultural: La estructura subterránea está compuesta de 3 galerías excavadas en el nivel geológico, que se encontraban totalmente anegadas de agua en el momento del hallazgo. El sistema de construcción responde a la clásica excavación en mina con entibado de madera tanto en techo (Figura 95) como en paredes. Señalar, que las galerías documentadas son parte de una estructura más grande de la que no se han localizado los accesos originales debido a la presencia de derrumbes. Se ha accedido por uno de los pilotes que se estaban realizando durante la ejecución del proyecto constructivo. La interpretación es que estas estructuras habrían servido a modo de refugio durante la Guerra Civil Española. La comunicación pone de manifiesto el precario estado de conservación de las galerías, con derrumbes en varios sectores y con el riesgo de desprendimientos, concluyendo que no se deben realizar más trabajos. Figura 95. Puerta reutilizada como elemento de contención para evitar el derrumbe de la galería. Las dificultades que plantea el caso pasan por la inspección visual (Figura 96) y la rápida actuación para valorar el riesgo de derrumbe, además de georreferenciar correctamente las galerías subterráneas en relación a los datos del exterior (RTK-GPS y puntos de control), y solventar la captura fotográfica contando con la inexistente iluminación. 63 Figura 96. Inspección visual desde el pozo de acceso. 6.2.2. Solución adoptada En los levantamientos terrestres se utiliza una cámara réflex DSLR Pentax K-50, con la que se consigue una calidad de imagen óptima. Ello permite obtener un número adecuado de puntos en la malla generada y una información colorimétrica precisa. El interior de la estancia se ilumina con una antorcha LED de luz blanca difusa para una correcta refracción de la luz sobre las paredes de margas o “peñuela”. También se ha utilizado una pértiga telescópica para acceder a las zonas que presentaban menor seguridad. Se apunta que la galería situada más al norte tiene una menor resolución. Ante el riesgo de derrumbe (Figura 97) y debido a que es la zona más peligrosa de acceso y más anegada, se utilizó una pértiga telescópica de 7 m, realizando las tomas a pulso. No obstante, la anchura, altura y profundidad de dicha galería ha quedado registrada correctamente. Figura 97. Trabajos con riesgo de derrumbe. 6.2.3. Resultados Se desarrolla un modelo tridimensional completo, con ortofotos de alta definición e información colorimétrica fidedigna, que favorecen la obtención de planimetrías y secciones precisas a partir de las que trabajar en la consolidación y restauración de las estructuras. Entre los productos obtenidos, podemos generar un visor 3D del modelo general o de cada galería individualmente. A tal fin, se disminuye la resolución del modelo para que el visor pueda ejecutarse en cualquier tipo de equipo informático. Sobre el modelo, al encontrarse escalado, se pueden tomar las medidas que se precisen. Además, permite obtener fácilmente cualquier sección en cualquier punto. 64 Para trabajos técnicos más concretos, se genera una ortoimagen de cada planta, así como algunas secciones del edificio, de cara a su exportación a formato CAD y la creación de planimetrías. La ortoimagen de la planta cenital recoge el techo de la galería, ya que el suelo tenía el suficiente barro y agua como para no poder ser bien captado en un levantamiento fotogramétrico. En la Figura 98 se aprecia la ubicación del pozo de acceso y la disposición de las galerías. Figura 98. Ubicación del pozo de acceso (verde) y disposición de las galerías. En los modelos tridimensionales, la galería más al norte aparece peor representada y con menor resolución, ya que el acceso era más difícil y se realizó con pocas imágenes tomadas desde la pértiga telescópica. Las tomas de esta galería sirvieron para recoger anchura, altura y contorno de planta. Según el informe generado, la descripción general de la estructura subterránea hallada se compone de 3 galerías, junto con el acceso en pozo (Figura 99), a las que vamos a denominar como Galerías 1, 2 y 3 (Figura 100). Figura 99. Acceso en pozo y sección de la galería principal con medidas. Figura 100. Vista general y denominación de las galerías. Las orientaciones de dichas galerías (en sus ejes longitudinales) (Figura 101), con respecto al norte geográfico, son las siguientes: Galería 1: 107º (NO-SE) Galería 2: 44º (SE-NE) Galería 3: 134º (NO-SE) 71 Figura 113. Vista Oeste de la Galería 3. Al igual que en la Galería 2, no se encuentran particularidades constructivas, si bien se documenta también una pieza de carpintería reutilizada. Se trata de un fragmento de puerta ubicado en el techo (Figura 114), y cuyas dimensiones son 0,84 x 0,55 m. Para la recopilación de medidas y distancias se tiene como referencia las dimensiones del jalón (Figura 115). Figura 114. Vista Este de la Galería 3 con fragmento de puerta reutilizada. Figura 115. Galería 3 anegada con escala. 72 6.3. BODEGAS, VICÁLVARO Tabla 7. Ficha Bodegas, Vicálvaro. Fuente: Elaboración propia. Promotor Áqaba Aqueólogos Trabajo Virtualización de Bodegas Fecha Mayo - Julio de 2019 Situación Vicálvaro, Madrid Descripción Las diferentes galerías cuentan con accesos independientes, aunque están conectadas entre sí. En varios casos las conexiones están interrumpidas por el derrumbe de la galería. Se genera un modelo digital georreferenciado y fidedigno a nivel geométrico y de texturizado. A partir de él, se establece un estudio patológico sobre el que ejecutar soluciones técnicas y arquitectónicas que consoliden y rehabiliten la estructura. Equipo Datos de partida Cámara réflex DSLR Pentax K-50 Receptor RTK GNSS, Emlid Reach RS2 Software de procesado Agisoft Metashape Imágenes 4.223 Puntos de control 7 Medidas de distancia - Dificultades Tiempos del proyecto Georreferenciación Ausencia de iluminación natural Velocidad de procesado Toma de datos Procesado Alineación Solución adoptada Nube Fotogrametría terrestre Uso de focos y antorchas LED Georreferenciación a partir de GCP Procesado individual de galerías Malla Textura Postprocesado Resultados Modelo 3D, Visor 3D, Ortoimágenes, Planta, alzados y secciones Conclusión La rapidez de ejecución se consigue procesando galerías independientes, aunque la integración completa del conjunto de galerías podría haberse producido virtualizando la superficie terrestre entre las embocaduras. Los GCP resultan de especial importancia para la ubicación absoluta y relativa entre galerías. La aparición de nuevas estructuras en el futuro llevará a cuestionarse el planteamiento inicial de actuación y toma de datos. 73 6.3.1. Dificultades y problemáticas enfrentadas El caso de estudio, las bodegas aparecidas en la C/ San Cipriano, 42, Vicálvaro (Madrid), refleja la necesidad de generar un modelo digital georreferenciado y fidedigno a nivel geométrico y de texturizado a partir de una captura de datos (Figura 116) y la inspección visual del entorno (Figura 117). Figura 116. Captura de datos en el interior de las galerías. Figura 117. Trabajo de campo, inspección visual. Las dificultades que plantea la situación pasan por georreferenciar correctamente las galerías subterráneas en relación a la toma de datos exterior (RTK-GPS y puntos de control) y solventar la captura de datos contando con la escasa iluminación en la mayoría de los tramos. Para la inspección visual y en la previsión del trabajo de campo se toman como referencia el croquis manual (Figura 118) de Mónica Major, arqueóloga, y la planimetría urbanística (Figura 119) sobre la que geolocalizar posteriormente la bodega. La singularidad principal de este proyecto es que cuenta con zonas de estructura completamente al descubierto. Figura 118. Croquis manual realizado por Mónica Major. Figura 119. Planimetría bodega. Fuente: Áqaba Arqueólogos. 74 6.3.2. Solución adoptada En los levantamientos terrestres se utiliza una cámara réflex DSLR Pentax K-50, con la que se consigue una calidad de imagen óptima. Ello permite obtener un número adecuado de puntos en la malla generada y una información colorimétrica precisa. El interior de la estancia se ilumina con una antorcha LED de luz blanca difusa para una correcta refracción sobre los acabados de mortero (Figura 120). Figura 120. Toma de datos con iluminación artificial. 6.3.3. Resultados Se desarrolla un modelo tridimensional completo, con ortofotos de alta definición e información colorimétrica fidedigna, que favorecen la obtención de planimetrías y secciones precisas a partir de las que trabajar en la consolidación y restauración de las estructuras. Se aprecia en la Figura 121 la planta correspondiente a la galería 1. Figura 121. Planta Galería 1. Entre los productos obtenidos, podemos generar un visor 3D del modelo general o de cada galería individualmente. A tal fin, se disminuye la resolución del modelo para que el visor pueda ejecutarse en cualquier tipo de equipo informático. Sobre el modelo, al encontrarse escalado, se pueden tomar las medidas que se precisen. Además, permite obtener fácilmente cualquier sección en cualquier punto. 75 Para trabajos técnicos más concretos, se genera una ortoimagen de cada planta (Figura 122 y Figura 123), así como algunas secciones del edificio, de cara a su exportación a formato CAD y la creación de planimetrías. La ortoimagen de planta cenital recoge el techo de la galería, ya que el suelo tenía el suficiente barro y agua como para no poder ser bien captado en un levantamiento fotogramétrico. Figura 122. Planta Galería 2. Figura 123. Planta Galería 3-4. Además, a la empresa ejecutora de la obra le resultó una información fundamental poder contar con el tipo de material y la cota de cada bóveda para poder acometer la excavación, minimizando así los riesgos (Figura 124 y Figura 125). Figura 124. Secciones de Galería 3 con ortoimagen en CAD y anotaciones. Figura 125. Secciones de Galería 1 en CAD y anotaciones. 76 6.4. POZO VIEJO, CORRAL DE ALMAGUER Tabla 8. Ficha Pozo Viejo, Corral de Almaguer. Fuente: Elaboración propia. Promotor SFC Arquitectura Trabajo Virtualización de Pozo Fecha Marzo de 2019 Situación Corral de Almaguer, Toledo Descripción Intervención arquitectónica y arqueológica en el pozo sito en Corral de Almaguer. El proyecto engloba la reforma de la finca para fines educativos y formativos. El acceso al pozo se hace desde la planta cuadrangular del edificio que lo alberga, el pavimento interior mantiene la cota del entorno exterior. La profundidad total del pozo ronda los 20 metros. Equipo Datos de partida Cámara Canon EOS M100 Aeronave DJI Phantom 4 Pro Receptor RTK GNSS, Emlid Reach RS2 Software de procesado Agisoft Metashape Imágenes 2.871 Puntos de control 3 Medidas de distancia 1 Dificultades Tiempos del proyecto Georreferenciación Ausencia de iluminación natural Toma de datos en suspensión con ayuda de pértiga Toma de datos Procesado Alineación Solución adoptada Nube Fotogrametría aérea y terrestre Uso de focos y antorchas LED Georreferenciación a partir de GCP Malla Textura Postprocesado Resultados Modelo 3D, Visor 3D, Ortoimágenes, Planta, alzados y secciones Conclusión La integración de fotogrametría aérea con terrestre, sin obstáculos en el entorno que dificulten su conexión, junto con la georreferenciación RTK a cielo abierto, supone un buen caso de estudio para valorar el uso de UAV con GPS integrado, sin necesidad de utilizar GCP. El resultado arroja una correcta alineación de las imágenes y una perfecta georreferenciación, incluso salvando el escollo del trabajo en suspensión y en profundidad. 77 6.4.1. Dificultades y problemáticas enfrentadas Las dificultades que plantea la situación pasan por georreferenciar correctamente el pozo en relación a la toma de datos exterior (RTK-GPS y puntos de control) y conseguir unas medidas precisas de sus dimensiones, además de solventar la captura de datos contando con la inexistente iluminación. En los levantamientos terrestres se utiliza una cámara Canon EOS M100, con la que se consigue una calidad de imagen óptima, y una aeronave Phantom 4 Pro (Figura 126). Ello permite obtener un número adecuado de puntos en la malla generada y una información colorimétrica precisa. El interior del pozo se ilumina con un foco LED de luz blanca difusa colgado de una estructura auxiliar de trabajo. Figura 126. Vista aérea, pozo en Corral de Almaguer. Para la toma rigurosa de datos se propone un trabajo en suspensión a partir de una polea de ascenso/descenso, asegurada por técnicos competentes. Asimismo, se valora el uso de pértiga de sujeción en el interior del pozo, de modo horizontal, para permitir el anclaje y la estabilidad en los momentos de la captura de imágenes. 6.4.2. Solución adoptada La primera fase del trabajo consiste en la limpieza del elemento patrimonial (Figura 127), que transcurre durante los días 18 y 19 de marzo de 2019. A tal fin, un técnico arqueólogo especialista se introduce en el pozo, mientras otro está de apoyo en el exterior para subir los materiales y la basura acumulada. Figura 127. Trabajos previos, limpieza y acondicionamiento. 78 El técnico del interior del pozo se encuentra asegurado en todo momento con doble cable gracias a otro técnico de apoyo, dedicado específicamente a trabajos verticales (tres personas en total) (Figura 128). Se cuenta, además, con personal de apoyo del Ayuntamiento de Corral de Almaguer, para extraer agua con una bomba y ayudar a la recogida de materiales en el exterior. Figura 128. Polea de descenso/ascenso (izquierda) y estructura de trabajo (derecha). En primer lugar, se procede a extraer todo el material acumulado en el fondo, tanto basura contemporánea como material arqueológico (cerámica y piezas de hierro y latón). Tras limpiar el fondo, se procede a extraer raíces de plantas y algas de las paredes (Figura 129). El estudio del material arqueológico, tras su limpieza y recogida, corresponde al director arqueológico de la intervención, quien cuenta con el permiso nominal de la administración correspondiente. Figura 129. Limpieza de raíces y algas de las paredes del pozo. La segunda fase del trabajo consiste en el levantamiento tridimensional a través de técnicas fotogramétricas, durante el día 20 de marzo de 2019. La mayor parte del levantamiento es subterráneo, apoyado con pértiga de estabilización (Figura 130), aunque se realiza también el levantamiento del interior de la caseta que contiene el pozo, con cámara DSLR, así como del exterior de la misma (con UAV cuadricóptero). Los resultados de los levantamientos servirán como base para trabajos posteriores. 79 Figura 130. Uso de pértiga para mantener la estabilidad en la toma de datos. Como valor añadido, se aporta la nube de puntos generada (Figura 131) y el modelo 3D del pozo (Figura 132). Además, los propios modelos 3D aportan más información científica y potencial divulgativo en forma de otros productos generados a partir de los mismos, tales como visores 3D, ortoimágenes o formatos CAD, entre otros. Se aporta, también, información complementaria como la nube de puntos y diferentes secciones. Figura 131. Nube de puntos. Figura 132. Malla y situación del pozo. 6.4.3. Resultados Se facilita una ortoimagen a modo de esquema en planta de la situación del pozo en relación a la estructura que lo alberga. En la Figura 133 se señalan los puntos de vista del modelo 3D con una escala gráfica, para su comprensión. Se aporta una sección y un ‘render’ en sección a modo de comparativa (Figura 134 y Figura 135). 80 Figura 133. Ortoimagen cenital, esquema en planta. Figura 134. Sección con escala gráfica. Figura 135. ‘Render’ en sección. 87 Ante la imposibilidad de trazar una sección que mantenga la linealidad de la bodega, dados los requiebros y recodos de las galerías, para conocer la cota se genera el Modelo Digital de Elevaciones (DEM) a la altura del pavimento de la bodega (Figura 141). Figura 141. Modelo Digital de Elevaciones (DEM) del pavimento de la bodega. Entre los productos obtenidos, podemos generar un visor 3D del modelo general o de cada galería individualmente. A tal fin, se disminuye la resolución del modelo para que el visor pueda ejecutarse en cualquier tipo de equipo informático. Sobre el modelo, al encontrarse escalado, se pueden tomar las medidas que se precisen. Además, permite obtener fácilmente cualquier sección en cualquier punto (Figura 142). Figura 142. Ejemplos de secciones de la bodega en CAD. 88 Para trabajos técnicos más concretos, se genera una ortoimagen de la planta (Figura 143), así como algunas secciones de la estructura, de cara a su exportación a formato CAD y la creación de planimetrías. Figura 143. Ortoimagen de las cubiertas de las galerías. 89 7. REPROCESO DE CASOS DE ESTUDIO: RESULTADOS Y DISCUSIÓN 7.1. REPROCESO DE CASOS DE ESTUDIO Para llevar a cabo un estudio completo sobre la viabilidad de la técnica fotogramétrica en estructuras subterráneas es necesario el reproceso de los casos de estudio más relevantes expuestos anteriormente. Este reproceso busca encontrar debilidades y fortalezas respecto a parámetros como la iluminación artificial y la georreferenciación en los casos de las Bodegas del Arrabal, Bodegas de Vicálvaro y el Pozo Viejo del Corral de Almaguer. Las Bodegas del Arrabal se toman como referencia teniendo en cuenta la elevada extensión a virtualizar. También se comprueba si la técnica de captura de datos empleada (láser escáner y fotogrametría), junto con la iluminación artificial, mantiene la calidad de los resultados sin el apoyo del láser escáner. Por último, se profundiza en la posibilidad de georreferenciación de todo el modelo al completo, procesándose en un único bloque, teniendo en cuenta las capturas realizadas sobre la fachada principal a partir del sistema RTK del DJI Phantom 4 Pro. Las Bodegas de Vicálvaro resultan objeto de estudio debido a la particularidad de la técnica de obtención de datos, la fotogrametría terrestre. La utilización de focos y antorchas LED portátiles guiadas y enlazadas al técnico virtualizador dictaminan la calidad de la textura. En este caso, la georreferenciación viene apoyada en los GPC obtenidos manualmente mediante el Receptor RTK GNSS. Se comprueba la viabilidad de la georreferenciación satelital incluso cuando el proyecto se ve ampliado y resulta necesaria una nueva toma de datos en una estructura cercana en diferentes días. Todo ello, de nuevo, procesando en bloque las diferentes áreas del proyecto, valorando así su posición relativa. El Pozo Viejo del Corral de Almaguer refrenda las conclusiones sobre la georreferenciación, basada en las imágenes recogidas por el RTK del DJI Phantom 4 Pro, estando éstas a su vez sustentadas en GCP y en medidas manuales de distancia. Sirve como último punto de contraste en lo relativo a la técnica de iluminación artificial móvil enlazada a la cámara. También integra un nuevo bloque compacto de procesado de todas las imágenes aéreas y terrestres. El reprocesado de los citados casos se realiza entre dos equipos, uno de mesa y uno portátil. Sus características son CPU Intel® Core™ i7-9700F, GPU Nvidia® Quadro P620 y RAM 64 GB; y CPU Intel® Core™ i9-12900H, GPU NVIDIA® GeForce RTX™ 3080 Ti y RAM 64 GB, respectivamente. El ‘software’ utilizado es Agisoft Metashape en su versión 2.1.0. Se adjuntan los informes de los reprocesos generados en los Anexos II, III y IV. El modo de trabajo consiste en orientar las imágenes y generar una malla en calidad alta con las imágenes alineadas para conseguir un “modelo original”. Debido a la alta cantidad de imágenes se genera una alta densidad de polígonos y, en consecuencia, un modelo de excesivo peso. Posteriormente, se decima la malla original hasta conseguir un modelo en torno a 50 - 60 millones de polígonos sobre el que trabajar, denominado ‘high poly’ (HP). La textura generada para el modelo HP será en 2 x 8.192 píxeles. 90 Por último, para la adecuada difusión y manejabilidad del modelo en su visor ‘on-line’ se reduce la malla HP a otra ‘low poly’ (LP), que se mantiene sobre 1.000.000 de polígonos y una textura 1 x 4.096 píxeles. En el primero de los casos, el reproceso de las Bodegas del Arrabal (Figura 144), se procede a ubicar todas las imágenes, tanto aéreas como terrestres, en un mismo bloque. El número de imágenes aéreas asciende a 309 y las terrestres a 7.736. La orientación de las cámaras se realiza con los parámetros de precisión máxima y la preselección genérica activada. Además, se indica que los puntos clave por foto y los puntos de paso por foto serán 80.000 y 8.000, respectivamente. Figura 144. Reproceso Bodegas del Arrabal. Fuente: Elaboración propia. Tras la orientación, se comprueba que han sido alineadas correctamente un total de 8.041 imágenes respecto a las 8.045 totales; se consigue, prácticamente, una alineación completa e integral entre la toma aérea y la terrestre. Se concluye que la teoría descrita en la sección 5.1.2. Soluciones, apartado B. Técnica de captura de datos, solape y continuidad se ha aplicado correctamente, consiguiendo abarcar un área superior a 600 m2 y recogiendo cada zona sin excepción del bien a documentar (Figura 145). 91 Figura 145. Posiciones de cámaras y solapamiento de imágenes. Fuente: Elaboración propia. Por otra parte, desde un punto de vista técnico del procesado, se aprecia la capacidad del ‘software’ de orientar imágenes con diferente distancia focal y con diferente posición de orientación de la captura (provocada por la adaptación de la toma de datos al medio subterráneo). Los datos recogidos por la Pentax K-50 muestran una oscilación de la distancia focal entre los 18 mm y los 24,28 mm. La captura predominante es la de 18 mm en una resolución de 3.264 x 4.928 y 4.928 x 3.264 píxeles, con un total de 3.562 y 3.338 imágenes, respectivamente. Posteriormente, se convierte el sistema de coordenadas propio del UAV al sistema ETRS89 / UTM zona 30N en la que se encuentran ubicadas realmente las bodegas. Para la adaptación del sistema de coordenadas se toman como datos de partida únicos las coordenadas de cada imagen capturada por el UAV, es decir, 309 imágenes sobre las que se georreferencia y orienta el modelo completo (Figura 146). Figura 146. Toma de datos aérea. Fuente: Elaboración propia. Sin embargo, como se puede apreciar en una vista lateral del conjunto de las bodegas, existe una errada inclinación que determina la no horizontalidad del pavimento en sus secciones transversal y longitudinal (Figura 147) y en la estructura, como puede apreciarse en los tendeles y las llagas de la fachada (Figura 148). 92 Además, los datos recogidos mediante nivel láser y de burbuja, así como la planimetría de Sandoval (1991), confirman la discrepancia. Figura 147. Inclinación del modelo. Fuente: Elaboración propia. Figura 148. Inclinación del modelo, detalle de tendeles y llagas. Fuente: Elaboración propia. Adoptando como válida la escala surgida a partir del posicionamiento de las imágenes del UAV (Figura 149), se obtiene una precisión relativa (verosimilitud entre el objeto real y el virtualizado) elevada. Respecto a la precisión absoluta (georreferenciación), el informe generado (Anexo II) arroja un error de 50,6 cm en X, 55,3 cm en Y, y 20,4 cm en Z (Figura 150). El error medio combinado es de 77,7 cm. Este error se debe a la falta de cobertura aérea de la zona, es decir, se necesita conseguir la totalidad de la superficie terrestre que corresponda al área subterránea virtualizada capturada mediante un UAV RTK. 93 Figura 149. Toma de datos aérea, planta. Fuente: Elaboración propia. Figura 150. Posición de cámaras aéreas, estimaciones de error. Fuente: Elaboración propia. La calidad de la textura generada en el modelo (Figura 151) indica que el método de iluminación artificial portátil mediante antorcha y foco LED ha dado un óptimo resultado. Esto confiere una homogeneidad constante a la textura a lo largo del modelo, existiendo en escasas ocasiones zonas sub o sobre expuestas, lo cual indica que el postprocesado y edición de imágenes ha sido el adecuado. Figura 151. Textura 2 x 8 K en modelo HP. Fuente: Elaboración propia. El reproceso de las Bodegas de Vicálvaro consiste en integrar en un único bloque las imágenes de las cuatro galerías iniciales y, además, añadir una quinta galería virtualizada con posterioridad (Figura 152). Todas las imágenes han sido obtenidas a partir de una toma de datos terrestre. El número de imágenes de las cuatro galerías principales es 4.223 y, el de la última, 900. 94 Figura 152. Reproceso Bodegas de Vicálvaro. Fuente: Elaboración propia. La cantidad de imágenes totales utilizadas ha sido de 5.123, de las que se han alineado todas a excepción de una única imagen. En este caso, también se ha realizado la orientación de las mismas manteniendo los parámetros de precisión máxima y preselección genérica activados, junto con los puntos clave por foto y los puntos de paso, que han sido 80.000 y 8.000, respectivamente. Nuevamente, la técnica de toma de datos ha dado un resultado fructífero en tanto que la orientación ha sido completa en un área de 390 m2. Se han orientado las cuatro galerías iniciales por un lado y la quinta por otro, para unirlas posteriormente (Figura 153). El programa ha organizado las imágenes independientemente de su distancia focal e, incluso, del tipo de cámara. Para las cuatro galerías principales se ha utilizado la Pentax K-50, mientras que en la quinta galería ha sido la Canon EOS M100, oscilando entre 18 mm y 23,13 mm en la primera y 15 mm en la segunda. La resolución de las imágenes corresponde a 3.264 x 4.928 y 4.928 x 3.264 píxeles en la Pentax K-50 y a 6.000 x 4.000 y 4.000 x 6.000 en la Canon EOS M100. La distancia focal más utilizada ha sido la de 18 mm en 1.126 y 1.273 imágenes en las posiciones horizontal y vertical de la cámara. 95 Figura 153. Posiciones de cámaras y solapamiento de imágenes. Fuente: Elaboración propia. El sistema de coordenadas se adapta al ETRS89 / UTM zona 30N, correspondiendo al de la ubicación de las galerías. Para adaptar el sistema de coordenadas se convierten los datos recogidos por el receptor RTK. En este caso, se recogen los puntos en torno a las embocaduras de las galerías, abarcando la mayor cantidad de superficie posible. En el acceso de las galerías 1 y 2 se toman 3 GCP (Figura 154), en torno a las galerías 3 y 4 se recogen 4 GCP (Figura 155) y, en la longitud de la galería 5, un total de 4 GCP (Figura 156). Figura 154. GCP, galerías 1 y 2. Fuente: Elaboración propia. Figura 155. GCP, galerías 3 y 4. Fuente: Elaboración propia. 96 Figura 156. GCP, galería 5. Fuente: Elaboración propia. El reparto de los GCP en torno a la extensión del terreno a virtualizar (Figura 157) consigue el correcto posicionamiento del modelo georreferenciado. Además, en base a ellos, se fuerza la alineación de las imágenes respecto a su ubicación espacial. El error medio total, tal como refleja el informe del reproceso en el Anexo III, en base a los once GCP, es de 6 cm. Figura 157. Posición de GCP, estimaciones de error. Fuente: Elaboración propia. Por otro lado, la calidad de la textura conseguida a partir de las imágenes apoya el método de iluminación artificial portátil a partir de antorcha y foco LED. Como se aprecia en la Figura 158, la textura del modelo HP en 2 x 8.192 píxeles ha resultado de gran calidad, manteniendo la homogeneidad en la iluminación. Asimismo, tras la inspección visual de las imágenes, se comprende la edición de las mismas en cuanto a sombras e iluminación se refiere. 103 8. CONCLUSIONES El itinerario cursado en el Máster en Investigación e Innovación en Arquitectura (MIIA) implicaba ligar dicha investigación e innovación a la “intervención sostenible en el patrimonio arquitectónico, urbano y territorial”. Por ende, se han enlazado los conceptos de documentación, acceso universal, digitalización, protección y conservación de entornos y espacios naturales, entre otros. El presente Trabajo de Fin de Máster se concibió con el objetivo principal de estudiar de manera exhaustiva la viabilidad de la técnica fotogramétrica pura aplicada a entornos subterráneos y en condiciones lumínicas adversas. Se ha valorado la teoría desde el punto de vista de la evolución de la fotogrametría hasta nuestros días y se ha puesto en práctica en casos de estudio concretos. A través de la revisión de la literatura, la investigación y el análisis de dichos casos prácticos se puede determinar que se han cumplido los objetivos: - Evaluar la técnica fotogramétrica. La orografía propia de cada caso conlleva soluciones específicas para la virtualización fotogramétrica del entorno. - Resolver la iluminación de manera artificial. La iluminación artificial influye directamente en la calidad de las texturas finales. Asimismo, la técnica de postprocesado de imágenes resulta un factor diferencial. - Solventar la georreferenciación del modelo 3D hipogénico. Se consigue trasladando las coordenadas desde el exterior de modo directo mediante sistemas RTK-UAV o de modo indirecto a través de RTK-GCP. Por otra parte, tras el estudio bibliográfico, se concluye que el significativo avance tecnológico ha mejorado la calidad y la precisión de los datos capturados en entornos subterráneos. Especial mención merecen los sensores de imagen de baja luminosidad, los sistemas de iluminación adaptativa y los algoritmos de procesamiento de imágenes. La investigación ha demostrado, mediante la validación experimental, la eficacia y precisión de la técnica fotogramétrica en situaciones reales. Se ha evaluado la viabilidad de la técnica en diferentes contextos junto con la identificación de áreas de mejora. Además, se ha comprobado tanto teórica como prácticamente la importancia de la integración de diferentes tecnologías. Si bien la fotogrametría defiende su independencia con resultados más que admirables, destaca la importancia de integrar diversas tecnologías como el LiDAR y las diferentes posibilidades de sistemas de posicionamiento RTK. Esta combinación tecnológica permite compensar las limitaciones individuales y conformar una representación más precisa del entorno subterráneo. En resumen, este trabajo infiere la importancia y la viabilidad de la fotogrametría aplicada a entornos subterráneos, remarcando su potencial en una amplia gama de aplicaciones prácticas, tales como actividades arqueológicas, mineras y geológicas, además de la protección, preservación y conservación del patrimonio subterráneo. 104 9. LÍNEAS FUTURAS: DESAFÍOS Y OPORTUNIDADES Entre los desafíos y oportunidades, en líneas generales, existen tres campos de investigación: la toma de datos, el procesado de datos y el postprocesado y divulgación de los resultados. En primer lugar, en lo referente a la toma de datos, surgen varías líneas a explorar: combinación de técnicas, sensores de imagen especializados, sistemas de iluminación adaptativa y estabilización y posicionamiento preciso. Por un lado, la combinación de la fotogrametría con la tecnología LiDAR aporta densidad a la nube de puntos generada, llegando donde la captura de imágenes no alcanza. Por otro, la integración de UAVs específicamente de aplicación subterránea, como el Elios 2 de Flyability, permite automatizar y acelerar la toma de datos en entornos de difícil acceso para la figura humana. Respecto a los sensores de imagen especializados en documentación fotográfica subterránea, será necesaria la aparición de una concienciación social. En esta corriente, las grandes marcas de cámaras fotográficas deben ver una oportunidad de mercado para apostar por su desarrollo. Entre las futuribles mejoras en este ámbito cabría esperar la aparición de sensores de imagen con mayor sensibilidad ISO y de mayor HDR. Sobre los sistemas de iluminación avanzada, podría surgir una tecnología inteligente que adapte la dirección e intensidad del foco en función de las características recogidas e interpretadas del entorno. Por ejemplo, sistemas de iluminación LED inteligente y sistemas de visión nocturna de alta potencia. La estabilización y el posicionamiento se torna fundamental en cuanto a la georreferenciación y escala se refiere. La mejora de estos sensores, por propia inercia, permitirá la captura de datos más precisos y de mayor calidad incluso en movimiento en entornos subterráneos. Estos avances podrían constituir mejoras en los sensores de estabilización giroscópica y en los sistemas RTK. En segundo lugar, en el procesado de datos, se debe diferenciar entre un procesado de datos entendido como trabajo de gabinete y un procesado de datos en tiempo real. Con el avance de la inteligencia artificial (AI) y el aprendizaje automático, junto con la evolución del propio ‘software’ de procesado, se están desarrollando algoritmos más sofisticados y potentes para el tratamiento y procesamiento de imágenes. Entre sus ventajas destacan la reducción del ruido y la consecuente generación de modelos 3D más nítidos. Otra de las ventajas que se está instalando influye directamente en la velocidad de procesado. ‘Softwares’ como Agisoft Metashape o Pix4D habilitan la posibilidad de lanzar los procesados en “la nube”, es decir, servidores de la propia marca que realizan el trabajo a una velocidad mayor de la que cabe esperar en un procesado local. En palabras de Robert Greenhalgh (2024): “con el reconocimiento y la digitalización de objetos respaldados por AI, el proceso de documentación y procesado tal como lo conocemos actualmente quedará obsoleto”. 105 Los BMM son el presente y el futuro de los sistemas de mapeo móvil en tiempo real. Estos sistemas están formados por un equipo de ‘hardware’ y ‘software’ lo suficientemente potente como para manejar grandes volúmenes de datos en tiempo real. Permiten la visualización de estos datos mientras son capturados: la utilización de estos sistemas permite la monitorización en tiempo real en diversas áreas de estudio. Por ejemplo, el monitoreo y la evaluación de la calidad del agua subterránea y la gestión de la biodiversidad tendrá un gran impacto en la conservación del medio ambiente. Asimismo, como se ha citado anteriormente, la monitorización de túneles y galerías es un factor clave en proyectos de minería e ingeniería civil, pues aporta una comprensión del paisaje subterráneo que conseguirá proyectos más precisos y eficientes. La tendencia de miniaturización de sensores y equipos fotogramétricos está desarrollando soluciones más compactas, permitiendo una mayor flexibilidad y facilidad de uso en trabajo de campo. La delgada línea que separa los diferentes MMS y la necesidad de conseguir una combinación integral de técnicas ha llevado a Pix4D a la vanguardia de las soluciones en este campo. Pix4D ha conseguido combinar la gran cámara de iPhone junto con la tecnología LiDAR integrada en los últimos modelos para la captura de datos de modo automático (LiDAR SLAM). Las capacidades del ‘smartphone’ se combinan con el sistema RTK y el ‘software’ de Pix4D se encarga de ensamblarlo todo (Figura 166). Según Cristoph Strecha (2024), fundador y CEO de Pix4D, utilizando un EMLID Reach RX durante una digitalización en superficie se ha conseguido una precisión absoluta entre 1 y 4 cm. Figura 166. Solución de MMS diseñada por Pix4D. Fuente: Blog Pix4D (2024). Por último, el futuro del postprocesado y su ligazón a la divulgación de resultados conllevará el desarrollo de herramientas que permitan mejorar la comprensión, interpretación, visualización y presentación de los modelos 3D generados. Las vías de desarrollo incluirían los modelos interactivos: AR, VR, y SIG. En el marco de proyectos patrimoniales, es latente la necesidad de implicar a las instituciones públicas para que sean parte del proceso y aprovechen sus resultados para la protección de dichos entornos. 106 Surge la importancia de fomentar el trabajo colaborativo y favorecer la comunicación entre equipos. Es incuestionable la puesta en valor de un equipo de trabajo multidisciplinar que alcance los cánones de verosimilitud y rigor histórico en cada proyecto. En este aspecto, en la Galería 5 del caso de estudio de las Bodegas de Vicálvaro, 3D Stoa Patrimonio y Tecnología S.L. aúna las técnicas de postprocesado y divulgación histórica, como puede apreciarse en el resultado de la propia reconstrucción (Figura 167): https://sketchfab.com/3d-models/bodega-de-vicalvaro-madrid-s-xviii- 7b8f288133af454fa5774813e4747b95 Figura 167. Reconstrucción de la Bodega 5 perteneciente a Bodega de Vicálvaro, Madrid (s. XVIII). Fuente: Sketchfab de 3D Stoa Patrimonio y Tecnología S.L. (2021). 10. REFLEXIÓN PERSONAL En aspectos generales, la realización del MIIA me ha aportado la capacidad de análisis crítico que requiere la búsqueda de información y su aprendizaje. Los conocimientos adquiridos, en gran parte, han consistido en valorar la profundidad de cada investigación sobre la materia objeto de estudio, además de conseguir una capacidad de síntesis y extracción de la información relevante de la bibliografía entrelazada con el caso particular. Se espera que las conclusiones y recomendaciones derivadas de este trabajo contribuyan al avance de la investigación en futuros proyectos dentro de este ilusionante ámbito de estudio. 107 11. REFERENCIAS BIBLIOGRÁFICAS Agisoft, L. L. (2024). Agisoft Metashape User Manual: Professional Edition. Version 2.1, 11. https://www.agisoft.com/pdf/metashape-pro_2_1_en.pdf Albertz, J. (2002). Albrecht Meydenbauer-Pioneer of photogrammetric documentation of the cultural heritage. International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, 34(5/C7), 19-25. Alessadri, L., Baiocchi, V., Del Pizzo, S., Rolfo, M., y Troisi, S. (2019). Photogrammetric Survey with Fisheye Lens for the Characterization of the la Sassa Cave. ISPRS- International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 422, 25-32. Almagro Gorbea, A. (1988). Fotogrametría y representacion de la Arquitectura. Actas del X Symposium Internacional de Fotogrametría Arquitectónica, Granada. Andreev, S. (2018). Hotei Russia. Accedido el 1 de marzo de 2024, de https://www.hoteirussia.com/theheartofmalta Aragon, S. (8 de agosto de 2023). dfotografia.com. Accedido el 5 de mayo de 2024, de https://dfotografia.com/la-primera-foto-vista-desde-la-ventana-en-le-gras-de- nicephore-niepce/ Arranz Justel, J. (2013). Tesis Doctoral. Diseño, optimización y análisis de sistemas basados en técnicas láser, para el modelado geométrico, registro y documentación, aplicados a entidades de interés patrimonial. https://oa.upm.es/15056/1/JOSE_JUAN_ARRANZ_JUSTEL_B.pdf Banfi, F. (2020). HBIM, 3D drawing and virtual reality for archaeological sites and ancient ruins. Virtual Archaeology Review, 11(23), 16-33. https://doi.org/https://doi.org/10.4995/var.2020.12416 BCRA. (10 de noviembre de 2002). Accedido el 10 de mayo de 2024, de https://bcra.org.uk: https://bcra.org.uk/surveying/ Begleiter, S. (2014). 50 Lighting Setups for Portrait Photographers: Easy-To-Follow Lighting Designs and Diagrams. Amherst Media, 2. Benavides López, J. (2017). Nuevas tecnologías en la documentación del patrimonio: La alcazaba de Guadix-El castillo de Píñar. Tesis Doctoral, Universidad de Granada. Benton, D., Seymour, J., Boltz, M., Raffaldi, M., y Finley, S. (2017). Photogrammetry in underground mining ground control - Lucky Friday mine case study. Deep Mining 2017: Proceedings of the Eighth International Conference on Deep and High Stress Mining, 587-598. https://doi.org/https://doi.org/10.36487/ACG_rep/1704_39_Benton Bonneval, H. (1972). Photogrammétrie générale: Enregistrement photographique des gerbes perspectives (Vol. 1). Eyrolles. 108 Brandi, C., & De Angelis, G. (6 de Abril de 1972). Carta di Restauro. Circolare(117). Roma, Italia. Ministerio della Pubblica Istruzione. chromeextension://efaidnbmnnnibpcajpcglclefindmkaj/https://geiic.com/files/Cartasydocumentos/Carta_del_restauro.pdf Buill Pozuelo, F., Nuñez Andrés, M., & Rodríguez Jordana, J. (2003). Fotogrametría analítica. Barcelona: Universitat Politècnica de Catalunya. ISBN: 84-8301-671-0. Cardozo, T., & Papadopoulos, C. (2021). Heritage Artefacts in the COVID-19 Era: The Aura and Authenticity of 3D Models. Open Archaeology, 7(1), 519-539. https://doi.org/https://doi.org/10.1515/opar-2020-0147 Carta de Amsterdam. (Octubre de 1975). Carta Europea del Patrimonio Arquitectónico. https://icomos.es/wp-content/uploads/2020/01/17.carta-europea-patrimonio.pdf Carta de Atenas. (1931). Carta de Atenas para la restauración de monumentos históricos. Convención de Monumentos de Arte e Historia. Conferencia internacional de Atenas, Grecia. https://www.mcu.es/patrimonio/docs/MC/IPHE/Biblioteca/carta_de_atenas.pdf Carta de Burra. (1979). Carta para la conservación de lugares de valor cultural. ICOMOS Australia. https://www.patrimonio.go.cr/quienes_somos/legislacion/leyes_reglamentos/Cart a%20de%20Burra.pdf Carta de Cracovia. (2000). Principios para la conservación y restauración del patrimonio construido. Preámbulo. https://www.patrimonio.go.cr/quienes_somos/legislacion/leyes_reglamentos/Cart a%20de%20Cracovia%20%202000.pdf Carta de Europa. (1975). Carta europea del patrimonio arquitectónico. Amsterdam: Instituto del Patrimonio Cultural de España. Carta de Nápoles. (8 de Octubre de 1999). Rilievo Architettonico. chromeextension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.italianostraeducazion e.org/wp-content/uploads/2019/01/004_Carta_di-Napoli.pdf Carta de Venecia. (1964). Carta Internacional sobre la Conservación y la Restauración de Monumentos y Sitios. II Congreso Internacional de Arquitectos y Técnicos de monumentos históricos. https://irpmzcc2.org/upload/secciones_archivos/02- carta-de-venecia-1964_201901041854.pdf Carta para Interpretación. (2008). ICOMOS. Presentación de Sitios de Patrimonio Cultural. Ratificada por la 16º Asamblea General del ICOMOS, Quebec (Canadá), el 4 de octubre de 2008. Accedido el 13 de junio de 2024, de https://www.icomos.org/images/DOCUMENTS/Charters/interpretation_sp.pdf Chang, L., Niu, X., Liu, T., Tang, J., y Qian, C. (2019). GNSS/INS/LiDAR-SLAM integrated navigation system based on graph optimization. Remote Sensing, 11(9), 1009. 109 Cía, J., & Fuentes, Á. (2000). Notas sobre la conversión digital de colecciones fotográficas antiguas. (16), 243-256. Colomina, I., & Molina, P. (2014). Unmanned aerial systems for photogrammetry and remote sensing: A review. ISPRS Journal of photogrammetry and remote sensing, 95, 79-97. Comité ICOM-CC. (22-26 de Septiembre de 2008). Terminología para definir la conservación del patrimonio cultural tangible. XV Conferencia Trienal. New Delhi. Consejo de Europa. (1985). Convención para la salvaguardia del patrimonio arquitectónico de Europa. Convención de Granada. https://icomos.es/wpcontent/uploads/2020/01/1985-convencion-granada.pdf De Waele, J., Fabbri, S., Santagata, T., Chiarini, V., Columbu, A., y Pisani, L. (2018). Geomorphological and speleogenetical observations using terrestrial laser scanning and 3D photogrammetry in a gypsum cave. Geomorphology, 319, 47-61. Department of Geography (2023). GPS and GNSS for geospatial professionals. College of Earth and Minerals Sciences, PennState. Accedido el 1 de julio de 2024 de https://www.e-education.psu.edu/geog862/node/1845 Ehle, M. (1901). Mines and Minerals. Ellum, C., & El-Sheimy, N. (2000). The development of a backpack mobile mapping system. International Archives of Photogrammetry and Remote Sensing, 33(B2; Part 2), 184-191. Ellum, C., & El-Sheimy, N. (2001). Portable mobile mapping. In International Conference– New Technology for a New Century, FIG Working Week. El-Sheimy, N. (1996). A mobile multi-sensor system fot GIS applications in urban centers. International Archives of Photogrammetry and Remote Sensing, 31, 95-100. Farella, E., Menna, F., Nocerino, E., Morabito, D., Remondino, F., y Campi, M. (2016). Knowledge and valorization of historical sites through 3D documentation and modeling. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 41, 255-262. FARO. (2024). Accedido el 3 de julio de 2024, de www.faro.com: https://www.faro.com/en/Products/Hardware/GeoSLAM-Geospatial-Technology Flyability. (2021). Accedido el 5 de abril de 2024, de www.flyability.com: https://www.flyability.com/es/elios-2 Flyability. (2022). Accedido el 5 de abril de 2024, de www.flyability.com: https://www.flyability.com/elios-3 Fonstad, M., Dietrich, J., Courville, B., Jensen, J., y Carbonneau, P. (2013). Topographic structure from motion: a new development in photogrammetric measurement. Earth surface processes and Landforms, 38(4), 421-430. 110 García García, B. (2015). Nuevas tecnologías en la documentación gráfica del patrimonio religioso. Escuela Politécnica Superior de Zamora. Universidad de Salamanca. García Bustos, M., Rivero, O., García Bustos, P., y Mateo Pellitero, A. (2023). From the cave to the virtual museum: accessibility and democratisation of franco-cantabrian palaeolithic art. Virtual Archaeology Review, 14(28), 54-64. https://doi.org/https://doi.org/10.4995/var.2023.17684 García Gago, J., González Aguilera, D., Gómez Lahoz, J., y San José Alonso, J. (2014). A Photogrammetric and Computer Vision-Based Approach for Automated 3D Architectural Modeling and Its Typological Analysis. Remote Sensing, 6(6), 5671- 5691. https://doi.org/https://doi.org/10.3390/rs6065671 García Martín, A. (2011). Apuntes de la asignatura Ampliación de Topografía Minera. IT Minas, Curso 3º, Especialidad en Explotación de Minas. Universidad Politécnica de Cartagena. https://ocw.bib.upct.es/course/view.php?id=78&topic=3 Gobierno de España. (1985). Ley 16/1985, de 25 de junio, del Patrimonio Histórico Español. https://www.boe.es/eli/es/l/1985/06/25/16 Gonzalez Aguilera, D. (2018). Procesamiento avanzado de imágenes. Máster Universitario en Geotecnologías Cartográficas en Ingeniería y Arquitectura por la Universidad de Salamanca. https://www.usal.es/master-geotecnologias- cartograficas-en-ingenieria-y-arquitectura González Varas, I. (2018). Conservación del Patrimonio Cultural: teoría, historia, principios y normas. Cátedra. Greenhalgh, R. (16 de mayo de 2024). Pix4D. Accedido el 20 de agosto de 2024, de https://www.pix4d.com/: Blog. https://hubs.li/Q02M2Xyn0 Grussenmeyer, P., Alby, E., Landes, T., Koehl, M., Guillermin, S., Hullo, J., . . . Smigiel, E. (2012). Recording approach of heritage sites based on merging point clouds from high resolution photogrammetry and terrestrial laser scanning. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences(XXXIX-B5), 553-558. https://doi.org/https://doi.org/10.5194/isprsarchives-XXXIX-B5-553-2012 GTBibérica. (2020). Accedido el 10 de junio de 2024, de https://gtbi.net: https://gtbi.net/ultracam-panther/ Guía de Malta. (2017). https://guiademalta.com/derrumbamiento-ventana-azul-azure- window Hammer Missions. (2023, 25 de abril). Accedido el 5 abril de 2024, de www.hammermissions.com: https://www.hammermissions.com/post/accuracy-types-drone-data Helava, U. V. (14-18 de March de 1988). Object-space least-squares correlation. In ACSM and American Society for Photogrammety and Remote Sensing, Annual Convention. Photogrammetric Engineering and Remote Sensing., 54, 71. 111 Hobrough, G. L. (1978). Correlación digital en línea. Bildmessung und Luftbildwessen, 46, 79-86. Huttenlocher, D., Klanderman, G., y Rucklidge, W. (1993). Comparing images using the Hausdorff distance. IEEE Transactions on pattern analysis and machine intelligence, 15(9), 850-863. ICOMOS. (1996). Principles for the recording of monuments, groups of buildings and sites. Londres. Itani, O., & Hollebeek, L. (2021). Light at the end of the tunnel: Visitors' virtual reality (versus in-person) attraction site tour-related behavioral intentions during and post-COVID-19. Tourism Management, 84, 104290. https://doi.org/https://doi.org/10.1016/j.tourman.2021.104290 Joaquín Mateo, F., & Lozano del Pozo, C. (2014). Comparativa con técnicas GNNS y Mobile Mapping de un inventario de elementos físicos y geométricos. Jordan, J. H. (2017). Modeling Ozark Caves with structure-from-motion photogrammetry: an assessment of stand-alone photogrammetry for 3-dimensional cave survey. http://scholarworks.uark.edu/etd/2406 Karkazi, E., Athanassiou, A., Darlas, A., Tokmakidis, P., Tzimtzimis, E., Chatziparadeisi, V., . . . Bochtis, D. (2024). Beyond the walls: the design and development of the Petralona Cave virtual museum utilising 3D technologies. Virtual Archaeology Review, 15(30), 80-96. https://doi.org/https://doi.org/10.4995/var.2024.20014 Kasser, M., & Egels, Y. (2002). Digital Photogrammetry (Vol. 11). London: Taylor & Francis. Kearsey, T., Whitbread, K., Arkley, S., Finlayson, A., Monaghan, A., McLean, W., . . . Campbell, S. (2017). Creation and delivery of a complex 3D geological survey for the Glasgow area and its application to urban geology. Earth and Environmental Science Transactions of the Royal Society of Edinburgh, 108(2-3), 123-140. https://doi.org/10.1017/S1755691018000270 Kelly, R., McConnell, P., y Mildenberger, S. (1977). The Gestalt Photomapping System. Photogrammetric Engineering & Remote Sensing, 43, 1407-1417. Koré Formación online en Patrimonio y Tecnología. (2022). Curso Optimización y postproceso de modelos 3D fotogramétricos. Accedido el 20 de mayo de 2024 de https://koreformacion.com/ Kwak, E. (2013). Automatic 3D building modelo generation by integrating LiDAR and aerial images using a hybrid approach. Doctoral thesis, University of Calgary. Calgary, Canada. https://prism.ucalgary.ca/items/b593d567-0caa-4a10-8789- f39a1fa8dfdc Letellier, R., Schmid, W., y LeBlanc, F. (2007). Guiding Principles Recording, Documentation, and Information Management for the Conservation of Heritage Places. The Getty Conservation Institute, 36-38. 112 Linder, W. (2006). Digital photogrammetry: A Practical Course. Berlin/Heidelberg, Germany: Springer. Manzini, L. (2011). El significado cultural del patrimonio. Estudios del patrimonio cultural (Nº6), 27-42. Martín Rodríguez, F. (2014). Nuevos Métodos para la Fusión de Exposiciones en Imágenes de Alto Margen Dinámico. McGhee, K. (2004). Automated Pavement distress collection techniques. Transportation Research Board. Mosaic. (2023). Accedido el 3 de julio de 2024, de www.mosaic51.com: https://www.mosaic51.com/products/mosaic-xplor/ Muñoz Viñas, S. (2003). Teoría contemporánea de la restauración. Editorial Síntesis. Ninot, J. (2017). SLAM-based Mobile Mapping System. VIAMETRIS. https://www.sbgsystems.com/wp-content/uploads/2018/06/Success_Story_Viametris_vMS3D.pdf Okay, U., Telling, J., Claig L., G., y Dietrich, W. (2019). Airborne lidar change detection: An overview of Earth sciences applications. Earth-Science Reviews, 198, 102929. https://doi.org/https://doi.org/10.1016/j.earscirev.2019.102929 Pereira Uzal, J. (2013). Gestión del color en proyectos de digitalización: fundamentos y estrategias para la fidelidad del color. Marcombo. Pereira Uzal, J. (2024). Digitalización y Preservación del Patrimonio Cultural. Germany: Books on Demand. ISBN: 9788413734453. Pérez Álvarez, J. (2001). Apuntes de Fotogrametría III. Unversidad de Extremadura. http://redgeomatica.rediris.es/cartoprofesores/Fotogrametria/ApuntesFotogramet ria3.pdf Pérez Arias, B. (2018). Cámaras. Calidad y rendimiento en fotogrametría. Máster Universitario en Geotecnologías Cartográficas en Ingeniería y Arquitectura, Universidad de Salamanca. https://www.usal.es/master-geotecnologias- cartograficas-en-ingenieria-y-arquitectura Perfetti, L., Polari, C., y Fassi, F. (2017). Fisheye photogrammetry: tests and methodologies for the survey of narrow spaces. Int. Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 42(W3), 573-580. Pistellato, M., Fatima, T., y Wimmer, M. (2023). Exploiting light polarization for deepHDR imaging from a single exposure. Sensors, 23(12), 53-70. https://doi.org/https://doi.org/10.3390/s23125370 Pix4D. (24 de noviembre de 2021). Accedido el 8 de abril de 2024, de www.pix4d.com: https://www.pix4d.com/es/blog/inspeccion-de-alcantarillas-subterraneas/ 119 Figura 91. Ortoimagen del alzado de la fachada de la bodega..................................... 59 Figura 92. Sección generada sobre el alzado norte de la Galería 4. ............................ 59 Figura 93. Sección longitudinal, alzado principal y alzado lateral, levantamiento. Fuente: Sandoval, J. (1991). ...................................................................................................... 60 Figura 94. Planta, levantamiento. Fuente: Sandoval, J. (1991). ................................... 60 Figura 95. Puerta reutilizada como elemento de contención para evitar el derrumbe de la galería. ....................................................................................................................... 62 Figura 96. Inspección visual desde el pozo de acceso. ................................................ 63 Figura 97. Trabajos con riesgo de derrumbe. ............................................................... 63 Figura 98. Ubicación del pozo de acceso (verde) y disposición de las galerías. .......... 64 Figura 99. Acceso en pozo y sección de la galería principal con medidas. .................. 64 Figura 100. Vista general y denominación de las galerías. .......................................... 64 Figura 101. Orientación de las galerías. ....................................................................... 65 Figura 102. Estado de conservación de las estructuras (Galería 2). ............................ 65 Figura 103. Marcas de pico en el techo de la Galería 2. .............................................. 66 Figura 104. Vista del sistema de entibado en la Galería 2 (desde el punto de acceso). ...................................................................................................................................... 66 Figura 105. Derrumbes y posibles continuaciones de galerías. .................................... 67 Figura 106. Detalle de poste con restos de cuerdas claveteados (Galería 2)............... 67 Figura 107. Detalle de unión de postes de entibado de las galerías. ........................... 68 Figura 108. Vista de la Galería 1 desde acceso. .......................................................... 68 Figura 109. Bombín y cableado en la Galería 1. ........................................................... 69 Figura 110. Ortoimagen en sección de la Galería 1, señalando desnivel en techo, escalón y pavimento. ..................................................................................................... 69 Figura 111. Pequeño parche de pavimento de ladrillos. ............................................... 70 Figura 112. Ortoimagen de detalle del alzado Este de la Galería 2, con elementos de carpintería reutilizados como método de contención de las arcillas expansivas. .......... 70 Figura 113. Vista Oeste de la Galería 3. ....................................................................... 71 Figura 114. Vista Este de la Galería 3 con fragmento de puerta reutilizada. ................ 71 Figura 115. Galería 3 anegada con escala. .................................................................. 71 Figura 116. Captura de datos en el interior de las galerías. ......................................... 73 Figura 117. Trabajo de campo, inspección visual. ........................................................ 73 Figura 118. Croquis manual realizado por Mónica Major. ............................................ 73 Figura 119. Planimetría bodega. Fuente: Áqaba Arqueólogos. .................................... 73 Figura 120. Toma de datos con iluminación artificial. ................................................... 74 Figura 121. Planta Galería 1. ........................................................................................ 74 Figura 122. Planta Galería 2. ........................................................................................ 75 Figura 123. Planta Galería 3-4. ..................................................................................... 75 Figura 124. Secciones de Galería 3 con ortoimagen en CAD y anotaciones. .............. 75 Figura 125. Secciones de Galería 1 en CAD y anotaciones. ........................................ 75 Figura 126. Vista aérea, pozo en Corral de Almaguer. ................................................. 77 Figura 127. Trabajos previos, limpieza y acondicionamiento........................................ 77 Figura 128. Polea de descenso/ascenso (izquierda) y estructura de trabajo (derecha). ...................................................................................................................................... 78 Figura 129. Limpieza de raíces y algas de las paredes del pozo. ................................ 78 Figura 130. Uso de pértiga para mantener la estabilidad en la toma de datos. ............ 79 120 Figura 131. Nube de puntos. ........................................................................................ 79 Figura 132. Malla y situación del pozo. ......................................................................... 79 Figura 133. Ortoimagen cenital, esquema en planta. ................................................... 80 Figura 134. Sección con escala gráfica. ....................................................................... 80 Figura 135. ‘Render’ en sección. .................................................................................. 80 Figura 136. Tríptico de trabajo de campo. .................................................................... 81 Figura 137. Infografía resumen de los trabajos realizados. .......................................... 81 Figura 138. Estado anterior del interior de la noria. ...................................................... 83 Figura 139. Infografía resumen de los trabajos realizados. .......................................... 84 Figura 140. Captura de datos en el interior de las galerías. ......................................... 86 Figura 141. Modelo Digital de Elevaciones (DEM) del pavimento de la bodega........... 87 Figura 142. Ejemplos de secciones de la bodega en CAD. .......................................... 87 Figura 143. Ortoimagen de las cubiertas de las galerías. ............................................. 88 Figura 144. Reproceso Bodegas del Arrabal. Fuente: Elaboración propia. .................. 90 Figura 145. Posiciones de cámaras y solapamiento de imágenes. Fuente: Elaboración propia. ........................................................................................................................... 91 Figura 146. Toma de datos aérea. Fuente: Elaboración propia. ................................... 91 Figura 147. Inclinación del modelo. Fuente: Elaboración propia. ................................. 92 Figura 148. Inclinación del modelo, detalle de tendeles y llagas. Fuente: Elaboración propia. ........................................................................................................................... 92 Figura 149. Toma de datos aérea, planta. Fuente: Elaboración propia. ....................... 93 Figura 150. Posición de cámaras aéreas, estimaciones de error. Fuente: Elaboración propia. ........................................................................................................................... 93 Figura 151. Textura 2 x 8 K en modelo HP. Fuente: Elaboración propia. ..................... 93 Figura 152. Reproceso Bodegas de Vicálvaro. Fuente: Elaboración propia. ................ 94 Figura 153. Posiciones de cámaras y solapamiento de imágenes. Fuente: Elaboración propia. ........................................................................................................................... 95 Figura 154. GCP, galerías 1 y 2. Fuente: Elaboración propia. ...................................... 95 Figura 155. GCP, galerías 3 y 4. Fuente: Elaboración propia. ...................................... 95 Figura 156. GCP, galería 5. Fuente: Elaboración propia. ............................................. 96 Figura 157. Posición de GCP, estimaciones de error. Fuente: Elaboración propia. ..... 96 Figura 158. Textura 2 x 8 K en modelo HP. Fuente: Elaboración propia. ..................... 97 Figura 159. Reproceso Pozo Viejo de Corral de Almaguer. Fuente: Elaboración propia. ...................................................................................................................................... 97 Figura 160. Detalle de imágenes borrosas y desenfocadas. ........................................ 98 Figura 161. Posiciones de cámaras y solapamiento de imágenes. Fuente: Elaboración propia. ........................................................................................................................... 98 Figura 162. Posición de cámaras, estimaciones de error. Fuente: Elaboración propia.99 Figura 163. Medida de distancia y GCP. Fuente: Elaboración propia. ......................... 99 Figura 164. Textura 2 x 8 K en modelo HP. Fuente: Elaboración propia. ................... 100 Figura 165. Imagen RAW sin editar. Fuente: Elaboración propia. .............................. 100 Figura 166. Solución de MMS diseñada por Pix4D. Fuente: Blog Pix4D (2024). ....... 105 Figura 167. Reconstrucción de la Bodega 5 perteneciente a Bodega de Vicálvaro, Madrid (s. XVIII). Fuente: Sketchfab de 3D Stoa Patrimonio y Tecnología S.L. (2021)........... 106 121 13. ÍNDICE DE TABLAS Tabla 1. Gradings for a cave line survey. Fuente: BCRA (2002). ................................. 19 Tabla 2. Gradings for recording cave passage detail. Fuente: BCRA (2002). ............... 19 Tabla 3. Formatos de imagen en fotogrametría. Fuente: Elaboración propia. .............. 45 Tabla 4. Gráfica de tiempos del proyecto. Fuente: Elaboración propia. ........................ 55 Tabla 5. Ficha Bodegas del Arrabal. Fuente: Elaboración propia. ................................ 56 Tabla 6. Ficha Túnel, Vallecas. Fuente: Elaboración propia. ........................................ 61 Tabla 7. Ficha Bodegas, Vicálvaro. Fuente: Elaboración propia. .................................. 72 Tabla 8. Ficha Pozo Viejo, Corral de Almaguer. Fuente: Elaboración propia. .............. 76 Tabla 9. Ficha Noria del Vivero, Bailén. Fuente: Elaboración propia. ........................... 82 Tabla 10. Ficha Bodega, Brunete. Fuente: Elaboración propia. .................................... 85 Tabla 11. Parámetros elegidos en el reproceso de los casos de estudio. Fuente: Elaboración propia. ...................................................................................................... 101 Tabla 12. Relación entre número de imágenes, puntos de paso y polígonos de la malla original. Fuente: Elaboración propia. ........................................................................... 102 122 ANEXO I. ‘HARDWARE’ Y ‘SOFTWARE’‘HARDWARE’ ‘HARDWARE’ Cámara réflex DSLR Pentax K-50. Especificaciones. Especificaciones. CÁMARA RÉFLEX DSLR PENTAX K-50 Cámara Tipo Cámara fotográfica DSLR de exposición automática Memoria Tarjeta de memoria SD, compatible con tarjetas WiFi y SDXC Dimensiones 128.5 mm (ancho) x 96.5 mm (alto) x 71.5 mm (profundidad) Peso Aprox. 650 g (con batería y tarjeta de memoria) 590 g (Puro Cuerpo) Sensor CMOS con filtro de color primario de 16.28 megapíxeles efectivos Procesador de imagen PRIME M Estabilización Sistema de estabilización del sensor con función Shake Reduction (Estabilizador óptico) Visor Pentaprisma con aproximadamente 100% del campo de visión Pantalla Pantalla angular LCD de 3 pulgadas con 921.000 píxeles Conectividad USB 2.0 (tipo mini B) / Salida AV, USB MSC/PTP, compatible con Windows XP (SP3) o superior y Mac OS X 10.5 o superior Enfoque SAFOX IXi+ de 11 puntos seleccionables (9 puntos de enfoque tipo cruz en el centro) ISO 100-51200 Velocidad de obturación máxima 1/6000 a 30s Flash Replegable P-TTL incorporado WiFi No Sellado 81 juntas selladas, a prueba de salpicaduras de agua, polvo y temperaturas de hasta - 10º C Autonomía 480 disparos aproximadamente 123 Aeronave DJI Phantom 4 Pro. Especificaciones. CÁMARA INTEGRADA CON SISTEMA DE ESTABILIZACIÓN Plataforma aérea multirrotor de 4 motores en el mismo plano con controladora de vuelo integrada, electrónica integrada, sistema de control mediante RC a 2,4 GHz y 5,8 GHz. Controladora de vuelo: Integrada. GPS y magnetómetros: Integrado. IMU con S/N: Integrado. Sistema de radio DJI: Integrado. Chasis DJI Phantom 4 Pro. Controladora de vuelo Integrada en la aeronave. GPS-Brújula integrados. IMU. 4 motores DJI. 4 hélices modelo DJI o compatible sistema de radio y transmisión y recepción de imágenes. Soporte de carga de pago: giro-estabilizado de 3 ejes Marca DJI integrado. Sensor CMOS de 1’’; píxeles efectivos: 20 M Objetivo FOV (campo de visión) 84°, 8,8 mm (equivalente a formato de 35 mm: 24 mm), f/2.8 - f/11, enfoque automático a 1 m - ∞ Intervalo de iso Vídeo: 100 - 3200 (Auto); 100 - 6400 (Manual) Foto: 100 - 3200 (Auto); 100 - 12800 (Manual) Obturador mecánico 8 - 1/2000 s Obturador electrónico 8 - 1/8000 s Tamaño de imagen Relación de aspecto 3:2: 5472×3648 Relación de aspecto 4:3: 4864×3648 Relación de aspecto 16:9: 5472×3078 Modos de fotografía Un disparo Disparo en ráfagas: 3/5/7/10/14 fotogramas Horquilla de exposición automática (AEB): 3/5 fotogramas en horquilla de exposición a 0.7EV Bias Intervalo: 2/3/5/7/10/15/20/30/60 s Tasa de bits de video máx. 100 Mbps Sistemas de archivo FAT32 (≤ 32 GB); exFAT (> 32 GB) Fotografía JPEG, DNG (RAW), JPEG + DNG Vídeo MP4/MOV (AVC/H.264; HEVC/H.265) Tarjetas SD admitidas MicroSD, Capacidad máxima: 128 GB. Velocidad de escritura ≥15 MB/s; se necesita clasificación clase 10 o UHS-1 Temperatura de 0 a 40 °C (de 32 a 104 °F) 124 Cámara Canon EOS M100. Especificaciones. CÁMARA CANON EOS M100 SENSOR DE IMAGEN CÁMARA Tipo CMOS de 22,3 x 14,9 mm Píxeles efectivos Aprox. 24,2 megapíxeles Píxeles totales Aprox. 25,8 megapíxeles Relación de aspecto 3:2 Filtro de paso bajo Incorporado/fijo Limpieza de sensor Sistema integrado de limpieza EOS Tipo de filtro de color Colores primarios PROCESADOR DE IMAGEN Tipo DIGIC 7 OBJETIVO Montura del objetivo EF-M (los objetivos EF y EF-S son compatibles mediante el adaptador de montura EFEOS M) Distancia focal Equivalente a 1,6 x la longitud focal del objetivo Estabilizador de la Imagen Estabilizador Óptico de la Imagen en objetivos compatibles IS digital de tres ejes con Movie: Enhanced en objetivos compatibles ENFOQUE Tipo Sistema AF Dual Pixel CMOS. Píxeles de detección de fase incorporados en el sensor de imagen. Sistema AF/Puntos AF Máximo de 49 puntos AF (ubicaciones fijas en retícula de 7x7) mediante selección automática de la cámara. Posición de 1 punto AF o 1 zona AF (9 puntos, retícula de 3x3) mediante selección manual. Rango de funcionamiento AF -1 - 18 EV (a 23 °C, ISO 100 con EF-M 22mm f/2 STM) Modos AF AF Foto a Foto y Servo AF Selección del punto AF Cara + Seguimiento: seguimiento de la cara y los sujetos mediante reconocimiento automático o selección manual a través de la pantalla táctil. Selección automática de hasta 49 puntos AF cuando no se reconoce ninguna cara dentro del encuadre. Zona AF suave: selección de zona manual y selección automática de hasta 9 puntos AF en la zona seleccionada. AF en 1 punto: selección manual mediante la pantalla táctil o los botones. Visualización de puntos AF seleccionados Indicado en el monitor LCD Bloqueo AF Bloqueado cuando se presiona el disparador hasta la mitad o botón de bloqueo AE personalizable. 125 Haz de ayuda AF Mediante haz de ayuda LED Enfoque manual Con objetivos EF-S y EF: selección mediante el interruptor AF/MF del objetivo. Con objetivos EF-M: selección mediante botón MF específico u otros botones personalizables (cambio AF/MF). MF Peaking disponible. AF+MF disponible (Ajuste manual del enfoque tras AF foto a foto). Aumento de la imagen disponible durante MF (5x o 10x). CONTROL DE EXPOSICIÓN Modos de medición Medición en tiempo real desde el sensor de la imagen (1) Medición evaluativa (384 zonas) (2) Medición parcial en el centro (aprox. el 10 % de la pantalla de Visión en Directo) (3) Medición promediada con preponderancia central (4) Medición puntual (aprox. el 2 % de la pantalla de Visión en Directo) Rango de medición Imagen fija: EV 1 - 20 (a 23 °C, ISO 100) Vídeo: EV 2 - 20 (a 23 °C, ISO 100) Bloqueo AE Automático: funciona en el modo AF Foto a foto con exposición de medición evaluativa bloqueada cuando se consigue el enfoque Manual: mediante el botón de bloqueo AE en los modos de la zona creativa Compensación de la exposición +/- 3 EV en incrementos de 1/3 de punto Sensibilidad ISO ISO automática (100 - 25600), 100-25600 en incrementos de 1/3 de punto Vídeo: ISO automática (100 - 6400), 100 - 12800 en incrementos de 1/3 de punto OBTURADOR Tipo Obturador electrónico de plano focal Velocidad 30 - 1/4000 s (en incrementos de 1/3 de paso), Bulb (rango de velocidad de obturación total. La gama disponible varía dependiendo del modo de disparo) BALANCE DE BLANCOS Tipo Balance de blancos automático con el sensor de imagen Ajustes Balance de blancos automático (AWB), luz día, sombra, nublado, tungsteno, luz Fluorescente, flash, personalizado, temperatura del color (en incrementos de 100 kelvin) Compensación de balance de blancos: 1. Azul/ámbar +/-9 niveles 2. Magenta/verde +/-9 niveles Balance de blancos personal Sí, se puede registrar 1 configuración FLASH Número guía de flash incorporado (100 ISO, metros) 5 Cobertura del flash incorporado Cobertura máxima a aproximadamente 15 mm (equivalente en 35 mm: aprox. 24 mm) Tiempo de reciclaje del flash incorporado Aprox. 5 segundos 126 Modo de disparo Automático (E-TTL II) Compensación de la Exposición con Flash +/- 2 EV en incrementos de 1/3 TIPO DE ARCHIVO Tipo de imágenes JPEG: buena, normal (compatible con Exif 2.30) / Regla de diseño para Camera File system (2.0) RAW: RAW (14 bits, Canon RAW original, 2ª edición), DPOF (Formato de orden de impresión digital) compatible con la versión 1.1 Grabación simultánea de RAW+JPEG Sí, RAW + varios niveles de compresión JPEG posibles Tamaño de imagen RAW: (3:2) 6000 x 4000, (4:3) 5328 x 4000, (16:9) 6000 x 3368, (1:1) 4000 x 4000 JPEG 3:2: (G) 6000 x 4000, (M) 3984 x 2656, (P1) 2976 x 1984, (P2) 2400 x 1600 JPEG 4:3: (G) 5328 x 4000, (M) 3552 x 2664, (P1) 2656 x 1992, (P2) 2112 x 1600 JPEG 16:9: (G) 6000 x 3368, (M) 3984 x 2240, (P1) 2976 x 1680, (P2) 2400 x 1344 JPEG 1:1: (G) 4000 x 4000, (M) 2656 x 2656, (P1) 1984 x 1984, (P2) 1600 x 1600 Procesador RAW en la cámara y ajuste de tamaño de Imagen disponible en reproducción 127 Receptor RTK GNSS, Emlid Reach RS2. Especificaciones. RECEPTOR RTK GNSS, EMLID REACH RS2 MECÁNICAS Dimensiones 126 x 126 x 142 mm Peso 950 g Temperatura -20…+65 ºC Grado de protección IP67 agua y polvo GNSS Señales de satélites GPS/QZSS L1C/A, L2C, GLONASS, L1OF, L2OF, BelDou B1I, B2I, Galileo E1-B/C, E5b Número de canales 184 Velocidad de procesamiento 20Hz GPS / 5Hz GNSS CONECTIVIDAD Radio LoRa UHF Rango de frecuencia 868 / 915 MHz Potencia 0,1 W Rango Hasta 8 km Modem 3,5 G Regiones Global Bandas Quad-band, 850/1900,900/1800 MHz Tarjeta SIM Nano-SIM Wi-Fi 802,11 b/g/n Bluetooth 4,0 / 2,1 EDR Puertos RS-231, USB-C ELÉCTRICAS Autonomía 16h como rover RTK 3,5G; 22h logeando Batería LIFePO4 6400 mAh, 6,4 V Rango de voltaje de alimentación 6 - 40 V Carga USB-C 5 V 2 A DATOS Formatos de salida de posiciones NMEA, LLH/XYZ Correcciones NTRIP, VRS, RTCM3 Registro de datos RINEX con tasa de refresco hasta 20 Hz 128 Almacenamiento interno 16 GB POSICIONAMIENTO Precisión Estático H: 4 mm + 0,5 ppm V: 8 mm + 1 ppm PPK H: 5 mm + 0,5 ppm V: 10 mm + 1 ppm RTK H: 7 mm + 1 ppm V: 14 mm + 1 ppm Tiempo de convergencia ≈ 5 s típico IMU 9DOF Modelo de cámara Resolución Distancia focal Tamaño de píxel Precalibrada PENTAX K-50 (20mm) 4928 x 3264 20 mm 4.81 x 4.81 micras No PENTAX K-50 (23.13… 4928 x 3264 23.13 mm 4.81 x 4.81 micras No PENTAX K-50 (23.13… 3264 x 4928 23.13 mm 4.81 x 4.81 micras No PENTAX K-50 (24.38… 4928 x 3264 24.38 mm 4.81 x 4.81 micras No PENTAX K-50 (24.38… 3264 x 4928 24.38 mm 4.81 x 4.81 micras No FC2103 (4.5mm) 4048 x 3032 4.5 mm 1.6 x 1.6 micras No Tabla 1. Cámaras. Página 3 Calibración de cámara 0.824493 pix Fig. 2. Gráfico de residuales para PENTAX K-50 (18mm). PENTAX K-50 (18mm) 3562 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 3264 x 4928 18 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 3786.53 0.022 1.00 -0.00 0.08 -0.28 0.30 -0.27 0.02 0.06 Cx -17.4992 0.035 1.00 0.05 0.00 0.00 -0.00 0.79 0.05 Cy 4.50121 0.053 1.00 0.01 0.00 -0.00 0.04 0.93 K1 -0.0964386 3.3e-05 1.00 -0.96 0.90 0.01 0.00 K2 0.052991 0.00014 1.00 -0.98 -0.01 0.01 K3 -0.0126869 0.00018 1.00 0.00 -0.01 P1 0.000199956 1.9e-06 1.00 0.04 P2 0.000521201 2.9e-06 1.00 Tabla 2. Coeficientes de calibración y matriz de correlación. Página 4 Calibración de cámara 1 pix Fig. 3. Gráfico de residuales para PENTAX K-50 (18mm). PENTAX K-50 (18mm) 3338 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 4928 x 3264 18 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 3796.12 0.024 1.00 -0.01 0.06 -0.26 0.28 -0.25 -0.02 0.05 Cx 12.6903 0.044 1.00 0.01 -0.00 -0.00 0.00 0.91 0.00 Cy -2.12508 0.049 1.00 -0.00 0.00 0.00 0.01 0.89 K1 -0.0977061 3.5e-05 1.00 -0.96 0.89 0.00 -0.00 K2 0.0546419 0.00015 1.00 -0.98 -0.01 -0.00 K3 -0.015036 0.00019 1.00 0.01 0.01 P1 -0.000216668 2.7e-06 1.00 0.00 P2 0.000358731 2.7e-06 1.00 Tabla 3. Coeficientes de calibración y matriz de correlación. Página 5 Calibración de cámara 1 pix Fig. 4. Gráfico de residuales para PENTAX K-50 (21.25mm). PENTAX K-50 (21.25mm) 126 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 3264 x 4928 21.25 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 4378.05 0.11 1.00 -0.08 0.04 -0.32 0.32 -0.30 -0.01 -0.00 Cx -21.9013 0.15 1.00 0.02 -0.01 -0.00 0.01 0.71 0.04 Cy -14.2481 0.21 1.00 0.01 -0.01 0.01 0.05 0.94 K1 -0.0972391 0.00019 1.00 -0.97 0.90 -0.01 0.00 K2 0.0976011 0.0011 1.00 -0.98 0.00 -0.00 K3 -0.0664034 0.0018 1.00 0.00 0.00 P1 0.000429138 8.3e-06 1.00 0.04 P2 0.000514228 1.2e-05 1.00 Tabla 4. Coeficientes de calibración y matriz de correlación. Página 6 Calibración de cámara 1 pix Fig. 5. Gráfico de residuales para PENTAX K-50 (21.25mm). PENTAX K-50 (21.25mm) 120 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 4928 x 3264 21.25 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 4374.59 0.12 1.00 -0.04 0.03 -0.29 0.31 -0.28 0.00 0.03 Cx 22.1973 0.23 1.00 -0.00 -0.01 0.00 -0.00 0.92 0.00 Cy -9.64554 0.19 1.00 0.01 -0.01 0.01 0.01 0.85 K1 -0.100974 0.00021 1.00 -0.96 0.89 0.00 -0.01 K2 0.106327 0.0012 1.00 -0.98 0.00 0.01 K3 -0.0728131 0.0019 1.00 -0.00 -0.00 P1 0.000262006 1.4e-05 1.00 -0.00 P2 0.000198848 1.1e-05 1.00 Tabla 5. Coeficientes de calibración y matriz de correlación. Página 7 Calibración de cámara 1 pix Fig. 6. Gráfico de residuales para PENTAX K-50 (20mm). PENTAX K-50 (20mm) 82 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 3264 x 4928 20 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 4182.76 0.12 1.00 -0.01 -0.09 -0.32 0.31 -0.27 0.04 -0.02 Cx -21.2061 0.19 1.00 -0.10 0.00 0.00 -0.00 0.78 -0.10 Cy -2.34557 0.21 1.00 -0.02 0.01 -0.01 -0.09 0.90 K1 -0.0921266 0.00016 1.00 -0.96 0.90 -0.00 -0.03 K2 0.0490165 0.00076 1.00 -0.98 0.00 0.02 K3 0.00296926 0.0011 1.00 -0.01 -0.01 P1 0.000680277 1e-05 1.00 -0.10 P2 0.000298609 1.2e-05 1.00 Tabla 6. Coeficientes de calibración y matriz de correlación. Página 8 Calibración de cámara 1 pix Fig. 7. Gráfico de residuales para PENTAX K-50 (20mm). PENTAX K-50 (20mm) 116 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 4928 x 3264 20 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 4186.98 0.094 1.00 -0.04 -0.11 -0.31 0.27 -0.23 -0.07 -0.01 Cx 29.3833 0.19 1.00 -0.05 0.00 0.00 -0.00 0.87 -0.05 Cy 17.8161 0.15 1.00 -0.02 0.01 -0.00 -0.05 0.76 K1 -0.0954248 0.00013 1.00 -0.96 0.90 0.02 -0.03 K2 0.0787663 0.00064 1.00 -0.98 -0.02 0.01 K3 -0.0392722 0.0009 1.00 0.01 -0.01 P1 2.30184e-05 1e-05 1.00 -0.06 P2 0.000612441 7.9e-06 1.00 Tabla 7. Coeficientes de calibración y matriz de correlación. Página 9 Calibración de cámara 1 pix Fig. 8. Gráfico de residuales para PENTAX K-50 (23.13mm). PENTAX K-50 (23.13mm) 151 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 4928 x 3264 23.13 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 4614.96 0.15 1.00 -0.02 0.09 -0.20 0.23 -0.21 -0.01 0.09 Cx 23.4875 0.25 1.00 0.00 -0.00 -0.00 0.00 0.93 0.01 Cy -12.4206 0.24 1.00 -0.00 -0.00 0.00 0.00 0.88 K1 -0.0856663 0.00022 1.00 -0.96 0.90 0.01 -0.02 K2 0.0756986 0.0014 1.00 -0.98 -0.01 0.02 K3 -0.0443795 0.0025 1.00 0.01 -0.01 P1 3.52635e-05 1.4e-05 1.00 0.01 P2 0.00019473 1.2e-05 1.00 Tabla 8. Coeficientes de calibración y matriz de correlación. Página 10 Calibración de cámara 1 pix Fig. 9. Gráfico de residuales para PENTAX K-50 (23.13mm). PENTAX K-50 (23.13mm) 157 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 3264 x 4928 23.13 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 4605.56 0.14 1.00 -0.02 0.04 -0.24 0.25 -0.23 -0.02 0.04 Cx -14.7288 0.22 1.00 0.07 0.01 -0.01 0.01 0.84 0.06 Cy -7.59242 0.28 1.00 -0.01 0.01 -0.01 0.07 0.93 K1 -0.0849433 0.00021 1.00 -0.96 0.90 0.01 -0.00 K2 0.0770895 0.0013 1.00 -0.98 -0.01 0.01 K3 -0.0494606 0.0025 1.00 0.01 -0.01 P1 -0.00011723 1e-05 1.00 0.06 P2 0.000538186 1.4e-05 1.00 Tabla 9. Coeficientes de calibración y matriz de correlación. Página 11 Calibración de cámara 1 pix Fig. 10. Gráfico de residuales para PENTAX K-50 (24.38mm). PENTAX K-50 (24.38mm) 29 imágenes Tipo Resolución Distancia focal Tamaño de píxel Cuadro 4928 x 3264 24.38 mm 4.81 x 4.81 micras Valor Error F Cx Cy K1 K2 K3 P1 P2 F 5229.3 0.3 1.00 -0.02 -0.11 -0.28 0.27 -0.24 -0.04 -0.04 Cx 9.88514 0.59 1.00 -0.12 0.00 -0.01 0.02 0.93 -0.09 Cy -15.7445 0.5 1.00 0.01 -0.01 0.01 -0.10 0.86 K1 -0.07806 0.00063 1.00 -0.96 0.90 0.01 -0.02 K2 0.104527 0.0053 1.00 -0.98 -0.02 0.00 K3 -0.0681166 0.013 1.00 0.02 0.00 P1 -0.000192581 3.3e-05 1.00 -0.06 P2 0.000417218 2.8e-05 1.00 Tabla 10. Coeficientes de calibración y matriz de correlación. Página 12