Fusión de datos multisensor para el estudio de edificaciones del patrimonio histórico: voxelización y deep learning
Metadata
Show full item recordAuthor
Date
2024Abstract
El análisis de patologías en edificios, especialmente en construcciones patrimoniales, ha avanzado con el uso de sensores geomáticos. La combinación de sensores activos y pasivos, como escáneres láser y cámaras con distintas sensibilidades espectrales, permite obtener modelos 3D detallados, nubes de puntos con datos espectrales y representaciones visuales que destacan áreas problemáticas. Esta fusión de datos facilita la detección temprana y el monitoreo de grietas, deformaciones y corrosión.A pesar de estos avances, persisten desafíos relacionados con la calibración y la integración precisa de los datos, que requiere experiencia en teledetección y análisis estructural. En este estudio, se emplearon sensores como cámaras, drones, cámaras de infrarrojo térmico y escáneres láser en un edificio histórico, generando nubes de puntos que fueron fusionadas en estructuras voxelizadas (elementos tridimensionales).Estas estructuras permiten aplicar algoritmos de aprendizaje profundo, como los mapas autoorganizados, para aislar patologías y apoyar decisiones de intervención. Los resultados confirman que los problemas fueron correctamente identificados en el mapa autoorganizado, mostrando la efectividad de esta metodología para el estudio de patologías y otros fenómenos en edificaciones.
El análisis de patologías en edificios, especialmente en construcciones patrimoniales, ha avanzado con el uso de sensores geomáticos. La combinación de sensores activos y pasivos, como escáneres láser y cámaras con distintas sensibilidades espectrales, permite obtener modelos 3D detallados, nubes de puntos con datos espectrales y representaciones visuales que destacan áreas problemáticas. Esta fusión de datos facilita la detección temprana y el monitoreo de grietas, deformaciones y corrosión.A pesar de estos avances, persisten desafíos relacionados con la calibración y la integración precisa de los datos, que requiere experiencia en teledetección y análisis estructural. En este estudio, se emplearon sensores como cámaras, drones, cámaras de infrarrojo térmico y escáneres láser en un edificio histórico, generando nubes de puntos que fueron fusionadas en estructuras voxelizadas (elementos tridimensionales).Estas estructuras permiten aplicar algoritmos de aprendizaje profundo, como los mapas autoorganizados, para aislar patologías y apoyar decisiones de intervención. Los resultados confirman que los problemas fueron correctamente identificados en el mapa autoorganizado, mostrando la efectividad de esta metodología para el estudio de patologías y otros fenómenos en edificaciones.
The analysis of pathologies in buildings, especially in heritage constructions, has advanced through the use of geomatic sensors. The combination of active and passive sensors, such as laser scanners and cameras with different spectral sensitivities, makes it possible to obtain detailed 3D models, point clouds and other useful data for diagnosing problems in historical buildings. However, the large volume of data generated makes interpretation and storage difficult. The article proposes a multisensor fusion methodology for the study of heritage buildings, using voxelization and deep learning techniques. The method integrates geometric and radiometric information in a spatial structure that enables the management of data from different sources and their subsequent analysis using artificial intelligence algorithms. Voxelization facilitates the organization and processing of three-dimensional information, while deep learning makes it possible to classify and detect construction pathologies. The proposal aims to improve the efficiency and accuracy of diagnostic processes in heritage buildings, supporting decision-making in conservation and restoration interventions. The methodology is presented as a useful tool for the digital documentation of built heritage and for the development of predictive models based on multisensor information.
The analysis of pathologies in buildings, especially in heritage constructions, has advanced through the use of geomatic sensors. The combination of active and passive sensors, such as laser scanners and cameras with different spectral sensitivities, makes it possible to obtain detailed 3D models, point clouds and other useful data for diagnosing problems in historical buildings. However, the large volume of data generated makes interpretation and storage difficult. The article proposes a multisensor fusion methodology for the study of heritage buildings, using voxelization and deep learning techniques. The method integrates geometric and radiometric information in a spatial structure that enables the management of data from different sources and their subsequent analysis using artificial intelligence algorithms. Voxelization facilitates the organization and processing of three-dimensional information, while deep learning makes it possible to classify and detect construction pathologies. The proposal aims to improve the efficiency and accuracy of diagnostic processes in heritage buildings, supporting decision-making in conservation and restoration interventions. The methodology is presented as a useful tool for the digital documentation of built heritage and for the development of predictive models based on multisensor information.
