Hispanopedia Wiki
Articulo de referencia

modelo digital de afloramiento rocoso

Figura 1. Ejemplo de un modelo digital de afloramiento rocoso, Woodside Canyon, Utah, EE. UU. Arriba: vista general de un DOM en forma de nube de puntos coloreada (A) y un model...

Hispanopedia WikiContenido en espanolLectura gratuita
Un ejemplo de modelo digital de afloramiento rocoso: Woodside Canyon, Utah, EE. UU.
Figura 1. Ejemplo de un modelo digital de afloramiento rocoso, Woodside Canyon, Utah, EE. UU. Arriba: vista general de un DOM en forma de nube de puntos coloreada (A) y un modelo texturizado (B). El área marcada en rojo se muestra ampliada en C y D. Abajo: nube de puntos coloreada (C) y modelo texturizado (D) vistos desde una distancia más cercana.

Un modelo digital de afloramiento ( DOM ), también llamado modelo virtual de afloramiento , es una representación digital en 3D de la superficie del afloramiento , generalmente en forma de malla poligonal texturizada .

Los DOM permiten la interpretación y medición reproducible [ 1 ] de diferentes características geológicas, por ejemplo, la orientación de las superficies geológicas, el ancho y el espesor de las capas. La cantidad de características geológicas identificables y medibles depende en gran medida de la resolución y precisión del modelo de afloramiento. [ 2 ]

El uso de técnicas de teledetección permite que estos modelos 3D cubran áreas con difícil acceso, por ejemplo, paredes de acantilados de varios metros de altura. El hecho de que la interpretación geológica se pueda realizar en la pantalla, incluso en áreas inaccesibles donde el uso de métodos de trabajo de campo convencionales puede ser peligroso, y la gran cantidad de datos que se pueden recopilar en un tiempo relativamente corto son las ventajas clave del uso de DOM. [ 3 ] La georreferenciación de modelos digitales de afloramientos permite la integración con otros datos espaciales, por ejemplo, resultados de cartografía geológica digital o SIG .

Como alternativa a los modelos texturizados fotorrealistas, los modelos digitales 3D de afloramientos pueden representarse mediante una nube de puntos coloreada con los datos espectrales (RGB) de las imágenes correspondientes. Esta representación del modelo de superficie describe con precisión la topografía del afloramiento, pero debido a su naturaleza discreta, suele ser difícil de interpretar (véase la Figura 1). La texturización de modelos poligonales digitales de afloramientos con imágenes mejora los modelos con datos continuos de alta resolución y, por lo tanto, facilita la interpretación geológica. [ 2 ]

Técnicas de creación

La creación de DOMs texturizados se puede dividir en tres pasos principales:

Para lograr la resolución y precisión requeridas del modelo, los datos se recopilan principalmente desde tierra [ 2 ] (terrestres) o desde una plataforma de helicóptero ( mapeo móvil ). [ 4 ] También se pueden integrar datos aéreos y satelitales, pero principalmente como conjuntos de datos complementarios para las áreas de afloramiento donde faltan datos de corto alcance. [ 5 ]

Modelo digital de superficie de afloramiento

La creación del modelo digital de la superficie del afloramiento consta de los siguientes pasos:

  1. Adquisición de datos
Los datos digitales necesarios para crear un modelo de superficie de afloramiento pueden obtenerse, como en el caso de los modelos digitales de elevación , mediante escaneo láser o reconstruirse a partir de múltiples imágenes tomadas desde múltiples vistas utilizando técnicas de estructura a partir del movimiento o visión estéreo . [ 6 ] [ 7 ] Una lista incompleta de paquetes de software que permiten el modelado basado en imágenes puede encontrarse aquí .
Los modelos producidos con los métodos mencionados anteriormente pueden resultar en una escala y un nivel de detalle comparables. [ 6 ] Independientemente del método aplicado, los datos primarios resultantes son similares: coordenadas 3D (X,Y,Z) de un gran número de puntos, en forma de nube de puntos , que describen la superficie del afloramiento.
2. Combinación de nubes de puntos y georreferenciación
Las nubes de puntos obtenidas desde diferentes perspectivas deben fusionarse y registrarse en un único sistema de coordenadas (junto con las imágenes). En el proceso de registro, se calcula una transformación 3D entre las partes comunes de dos nubes de puntos. Los parámetros de la transformación 3D se pueden encontrar a partir de los puntos correspondientes en las dos nubes de puntos, la coincidencia de superficies y, en el caso de la cartografía móvil con soporte de GNSS e INS , mediante el método de orientación directa del sensor [ 8 ].
En el proceso de georreferenciación de nubes de puntos, se calcula una transformación 3D entre el sistema de coordenadas del proyecto local y un sistema de coordenadas geodésicas . Para completar esta acción, se requieren al menos tres puntos que puedan ubicarse en la nube de puntos y cuyas coordenadas en el sistema geodésico sean conocidas (medidas mediante métodos topográficos o GNSS ).
3. Limpieza y decimación de la nube de puntos
Independientemente de la metodología de adquisición de datos, la nube de puntos resultante suele filtrarse y limpiarse de objetos no deseados, como la vegetación. Dependiendo de la complejidad de la superficie del afloramiento y del tamaño del conjunto de datos, puede ser necesario reducir la densidad general de la nube de puntos.
4. Triangulación 3D y optimización de la malla triangular
Para permitir la texturización del modelo, la nube de puntos editada se transforma en una red irregular triangulada ( malla triangular ). La triangulación correcta de datos 3D es una tarea compleja debido a las posibles sombras del escaneo, la vegetación, los cambios topográficos bruscos y los errores aleatorios. Por lo tanto, a menudo se requiere edición y optimización adicionales de la malla para mejorar la equiangularidad, resolver problemas topológicos o reorientar las normales de superficie invertidas.

Imágenes digitales

  1. Registro de imágenes
La creación de modelos 3D texturizados requiere definir la relación entre todos los vértices de la malla triangular y los puntos correspondientes de la imagen. Para hallar dicha relación, se puede utilizar la condición de colinealidad , pero es necesario conocer los parámetros de orientación interior y exterior de la imagen.
Los parámetros de orientación interna (intrínseca) de la cámara se derivan del proceso de calibración de la misma .
Cuando se utiliza el escaneo láser para la recopilación de datos, la cámara suele estar acoplada rígidamente al escáner y su orientación relativa se mide con precisión. En estos casos, los parámetros de orientación externa (extrínseca) se pueden obtener fácilmente para todas las imágenes mediante una transformación 3D. De lo contrario, es posible establecer los parámetros de orientación externa de la cámara a partir de las coordenadas conocidas de al menos tres puntos en el modelo 3D de la superficie del afloramiento y en la imagen.
En el caso de un modelo de superficie de afloramiento 3D derivado del fotomodelado, los parámetros de orientación de la imagen interior y exterior pueden ser calculados por el software de modelado.
2. Preselección de imágenes y balance de color
Dependiendo del método de renderizado aplicado (véase la siguiente sección ), podría ser necesaria una preselección de las imágenes más relevantes para el mapeo de texturas.
Si las imágenes utilizadas en el proceso de texturizado final se adquirieron bajo diferentes condiciones de iluminación y los colores de las características correspondientes visibles en diferentes imágenes difieren significativamente, puede ser necesario ajustar el color de la imagen.

Mapeo de texturas

Existen diferentes algoritmos de mapeo de texturas , por ejemplo: texturizado de una sola imagen, [ 9 ] mezcla de colores de textura [ 10 ] o texturizado dependiente de la vista. [ 11 ] El enfoque de texturizado de una sola imagen se usa con frecuencia, [ 3 ] [ 12 ] debido a su simplicidad y eficiencia.

Visualización

La visualización de modelos 3D texturizados de gran tamaño sigue siendo algo problemática y depende en gran medida del hardware. La naturaleza 3D de los DOM (múltiples valores para cada posición X,Y) da como resultado un tipo de datos que no es adecuado para la mayoría de los sistemas de información geográfica. Sin embargo, existen varios paquetes de software de visualización disponibles comercialmente que también permiten la interpretación y las mediciones geológicas.

  • Estudio geológico de realidad virtual de VRGoascience Limited
  • Stratabox de Imaged Reality
  • Cal de Virtual Outcrop Group
  • Sirovisión de CAE Mining
  • RiSCAN PRO de Riegl
  • ShapeMetrix3D de 3G Software & Measurement; también permite la extracción de modelos de superficie a partir de múltiples imágenes.
  • 3DM Analyst de Adamtech; también permite la extracción de modelos de superficie a partir de múltiples imágenes.
  • SketchUp de Google; no está diseñado para manejar modelos grandes con muchos materiales de textura.
  • CloudCompare, sistema de código abierto para el procesamiento de nubes de puntos y mallas.

Modelos digitales de afloramientos rocosos frente a paneles fotográficos

Un panel fotográfico es un mosaico de varias imágenes, comúnmente utilizado en geología para documentar afloramientos y referenciar las propiedades geométricas de los objetos. La escala de estos paneles fotográficos se establece de forma aproximada para evaluar el tamaño de diferentes características geológicas. Sin embargo, estas medidas suelen contener errores asociados a la distorsión producida durante la transformación de afloramientos 3D en imágenes 2D y a la imprecisión del proceso manual de unión de imágenes .

Debido a su naturaleza tridimensional, los modelos digitales de afloramientos proporcionan mediciones correctas y precisas de las características que se enumeran en la siguiente sección .

Datos que se pueden extraer de los modelos digitales de afloramientos rocosos.

Ejemplo de un modelo digital de afloramiento rocoso con interpretaciones geológicas, cerca de Green River, Utah, EE. UU.
Figura 2. Ejemplo de interpretaciones geológicas de un modelo digital de afloramiento cerca de Green River, Utah, EE. UU. Dimensiones de la parte del afloramiento mostrada: altura ~350  m, longitud ~1,1  km.
  • Líneas 3D que representan [ 2 ] p. ej.:
    • Contactos clinoformes
    • cuerpos de canal y estructuras sedimentarias
    • contactos de facies
    • fracturas
    • falla
    • delimitación de características de relleno
    • horizontes estratigráficos
    • Características sedimentarias locales, por ejemplo, conjuntos de mareas.
  • Ángulos de rumbo y buzamiento
  • espesor y anchura de las unidades sedimentarias
  • la composición del material
  • observación de varios factores que cambian con la distancia

Datos complementarios

El análisis de los modelos digitales de afloramientos puede mejorarse con una amplia variedad de datos digitales georreferenciados , por ejemplo:

Es posible utilizar datos no georreferenciados con DOM, pero requiere más trabajo para posicionar los datos auxiliares en relación con el DOM.

Aplicaciones

  • Uso de DOM para la caracterización de análogos de afloramientos (es decir, formaciones geológicas similares a formaciones subterráneas que contienen recursos como hidrocarburos) en áreas con acceso limitado o donde el costo de obtener datos es demasiado alto.
  • Modelización geológica
    • mayor comprensión a pequeña escala de los procesos geológicos
    • mejora del modelo de yacimiento con mediciones de alta resolución [ 15 ]
    • mejorar la comprensión de las formaciones rocosas del subsuelo
    • Datos de entrada para el modelado geológico derivados directamente de los DOM.
  • Recuperación mejorada de petróleo
  • Fines didácticos: Los DOM disponibles antes de una excursión permiten a los estudiantes familiarizarse con un lugar y posibilitan la verificación posterior de algunas de las tesis de discusión. [ 1 ]

Véase también

Referencias

  1. 1 2 J.A. Bellian, C. Kerans y DC Jennette, 2005. Modelos digitales de afloramientos: aplicaciones de la tecnología Lidar de escaneo terrestre en el modelado estratigráfico, Journal of Sedimentary Research, vol. 75, número 2, págs. 166-176
  2. 1 2 3 4 Buckley, S.; Howell, J.; Enge, H.; Kurz, T. (2008). "Escaneo láser terrestre en geología: adquisición de datos, procesamiento y consideraciones de precisión". Journal of the Geological Society . 165 (3): 625– 638. doi : 10.1144/0016-76492007-100 . hdl : 1956/4302 . S2CID 129757527 . 
  3. 1 2 Buckley, S.; Enge, H.; Carlsson, C.; Howell, J. (2010). "Escaneo láser terrestre para su uso en geología de afloramientos virtuales". The Photogrammetric Record . 25 (131): 225– 239. CiteSeerX 10.1.1.471.9674 . doi : 10.1111/j.1477-9730.2010.00585.x . S2CID 140647568 .  
  4. ↑ S. Buckley, J. Vallet, A. Braathen, W. Wheeler, 2008. Escaneo láser oblicuo basado en helicóptero para modelado digital del terreno y visualización de afloramientos geológicos. IAPRS 37(B4), pp.493-498 pdf .
  5. ↑ Buckley, S.; Schwarz, E.; Terlaky, V.; Howell, J.; Arnott, RW (2010). "Combinación de fotogrametría aérea y lidar terrestre para modelado análogo de embalses". Photogrammetric Engineering & Remote Sensing . 76 (8): 953– 963. doi : 10.14358/pers.76.8.953 . hdl : 11336/72973 .
  6. 1 2 Haneberg, WC (2008). "Uso de fotogrametría digital terrestre de corto alcance para modelado de taludes rocosos en 3D y mapeo de discontinuidades en los Estados Unidos". Boletín de Geología de la Ingeniería y el Medio Ambiente . 67 (4): 457– 469. doi : 10.1007/s10064-008-0157-y . S2CID 110488345 . 
  7. ↑ F. Tonon y JT Kottenstette, 2006. Métodos láser y fotogramétricos para la caracterización de caras rocosas. Informe de un taller celebrado del 17 al 18 de junio de 2006 en Golden, Colorado. pdf .
  8. ↑ M. Cramer, D. Stallmann, N. Haala, 2000. Georreferenciación directa mediante orientaciones exteriores GPS/inerciales para aplicaciones fotogramétricas. IAPRS, 33(Parte B3), pdf
  9. ↑ W. Niem y H. Broszio, 1995. Mapeo de texturas desde múltiples vistas de cámara en modelos de objetos 3D para animación por computadora. Actas del Taller Internacional sobre Imágenes Estereoscópicas y Tridimensionales, Santorini, Grecia.
  10. ↑ P. Poulin, M. Ouimet, MC Frasson, 1998. Modelado interactivo con fotogrametría. Eurographics Workshop on Rendering, Springer-Verlag, pp. 93-104.
  11. ↑ PE Debevec, CJ Taylor, J. Malik, 1996. Modelado y renderizado de arquitectura a partir de fotografías. Actas de la 23.ª conferencia anual sobre gráficos por computadora y técnicas interactivas, SIGGRAPH '96, Nueva Orleans, EE. UU.
  12. ↑ Riegl, 2010. Manual de usuario de RiSCAN PRO. págs. 119-120.
  13. ↑ C. Olariu, 2000. Estudio de depósitos del frente deltaico del Cretácico, integrando datos de afloramientos, GPR y fotorrealistas 3D, arenisca Panther Tongue, Utah. Tesis de maestría, Universidad de Texas en Dallas (pdf)
  14. ↑ Kurz, T.; Buckley, S.; Howell, J.; Schneider, D. (2011). "Integración de imágenes hiperespectrales panorámicas con lidar terrestre". Photogrammetric Record . 26 (134): 212– 228. doi : 10.1111/j.1477-9730.2011.00632.x . S2CID 140655967 . 
  15. ↑ Enge, HD; Buckley, SJ; Rotevatn, A.; Howell, JA (2007). "Del afloramiento al modelo de simulación de yacimiento: flujo de trabajo y procedimientos" . Geosphere . 3 (6): 469– 490. doi : 10.1130/ges00099.1 .
  • VRGoscience Limited
  • Realidad imaginada
  • Grupo virtual de geología de afloramientos
  • Investigación Geoespacial Ltd.
  • Hijo de Blaze Canyon, Book Cliffs, Utah, del Grupo PRISM de BYU
Obtenido de " https://en.wikipedia.org/w/index.php?title=Digital_outcrop_model&oldid=1348771060 "