Item


Clasificación de la Cobertura LiDAR 2017 de Navarra con Inteligencia Artificial y herramientas Open-source

En 2017 Tracasa completó el vuelo LiDAR de la Comunidad Foral de Navarra, utilizando la tecnología Single Photon LiDAR de Leica. El proyecto que se desea presentar, realizado para el Gobierno de Navarra y enmarcado en el Plan Nacional de Ortofotografía Aérea del Instituto Geográfico Nacional (PNOA-IGN), pretende clasificar la nube de puntos LiDAR capturada (Con una densidad de 14 puntos/m²) de forma automática utilizando técnicas de Inteligencia Artificial y herramientas open-source. Hay que destacar que la anterior cobertura LiDAR, obtenida entre los años 2011-2012, era de 1 pto/m² y que la densidad actual supone el tratamiento de una nube de más de 570.000 millones de puntos distribuidos en 16.000 bloques de procesado. En la ejecución de proyecto se han integrado diferentes herramientas open-source para el preproceso, clasificación con técnicas Machine Learning, y postproceso final de los datos. Un punto importante de todo el workflow que se aplica a los datos ha sido el desarrollo de modelos matemáticos enmarcados en la llamada ciencia de datos con técnicas de Machine Learning. No menos importante ha sido el esfuerzo en la integración de las herramientas necesarias, el desarrollo de nuevas para una óptima obtención de resultados y de la colaboración de un equipo multidisciplinar. Además, debido al gran volumen de información se han utilizado, para diferentes pasos del proceso global, diferentes plataformas de alta computación, de Tracasa, de la nube, y de un HPC que la entidad NASERTIC de Navarra ofrece

Universitat de Girona. Servei de Sistemes d’Informació Geogràfica i Teledetecció

Author: Huarte Sanz, Álvaro
Date: 2019 May 29
Abstract: En 2017 Tracasa completó el vuelo LiDAR de la Comunidad Foral de Navarra, utilizando la tecnología Single Photon LiDAR de Leica. El proyecto que se desea presentar, realizado para el Gobierno de Navarra y enmarcado en el Plan Nacional de Ortofotografía Aérea del Instituto Geográfico Nacional (PNOA-IGN), pretende clasificar la nube de puntos LiDAR capturada (Con una densidad de 14 puntos/m²) de forma automática utilizando técnicas de Inteligencia Artificial y herramientas open-source. Hay que destacar que la anterior cobertura LiDAR, obtenida entre los años 2011-2012, era de 1 pto/m² y que la densidad actual supone el tratamiento de una nube de más de 570.000 millones de puntos distribuidos en 16.000 bloques de procesado. En la ejecución de proyecto se han integrado diferentes herramientas open-source para el preproceso, clasificación con técnicas Machine Learning, y postproceso final de los datos. Un punto importante de todo el workflow que se aplica a los datos ha sido el desarrollo de modelos matemáticos enmarcados en la llamada ciencia de datos con técnicas de Machine Learning. No menos importante ha sido el esfuerzo en la integración de las herramientas necesarias, el desarrollo de nuevas para una óptima obtención de resultados y de la colaboración de un equipo multidisciplinar. Además, debido al gran volumen de información se han utilizado, para diferentes pasos del proceso global, diferentes plataformas de alta computación, de Tracasa, de la nube, y de un HPC que la entidad NASERTIC de Navarra ofrece
Format: audio/mpeg
video/mp4
Document access: http://hdl.handle.net/10256.1/5734
Language: spa
Publisher: Universitat de Girona. Servei de Sistemes d’Informació Geogràfica i Teledetecció
Collection: XIII Jornadas SIG Libre (2019);
Rights: Attribution-NonCommercial-ShareAlike 4.0 International
Rights URI: http://creativecommons.org/licenses/by-nc-sa/4.0/
Subject: Sistemes d’informació geogràfica -- Congressos
Geographic information systems -- Congresses
Informació -- Sistemes d’emmagatzematge i recuperació -- Geografia -- Congressos
Information storage and retrieval systems -- Geography -- Congresses
Title: Clasificación de la Cobertura LiDAR 2017 de Navarra con Inteligencia Artificial y herramientas Open-source
Type: info:eu-repo/semantics/lecture
Repository: DUGiMedia

Subjects

Authors