Page 19

BOLETIN DE OBSERVACION TECNOLOGICA 52

en profundidad Fig. 4. a) Total de vías segmentadas y digitalizadas en vista en perspectiva; b) detalle de una intersección de vías. (Fuente: propia). los datos PNOA para la detección de los caminos y senderos en ambientes rurales (etapas 1 y 2). En la figura 4 se puede observar el resultado de la digitalización del total de vías segmentadas en el espacio tridimensional, y el detalle de una intersección de vías en la cual se mantiene la topología (etapa 3). Para testar la metodología diseñada en este trabajo, se establecen dos casos de estudio para la obtención de rutas óptimas (etapa 4). En ambos, se calculará la ruta más corta teniendo en cuenta la pendiente máxima por la que pueden circular. De esta forma, el camino óptimo salvará esa limitación para cada uno de los casos. En la figura 5a se muestran los resultados obtenidos para desplazamiento de tropas sin vehículo para una limitación óptima de pendiente del 25%, y en la figura 5b los resultados equivalentes para un vehículo de combate Piraña Ambulancia, cuya pendiente máxima longitudinal soportada es del 60%. La distancia de desplazamiento es de 2278 m y 1755 m, respectivamente. Conclusiones En este trabajo se ha presentado una nueva metodología para la obtención semiautomática de caminos y senderos en ambientes rurales a partir de los cuáles se establecerán las rutas óptimas en la conducción de operaciones militares. Dicha metodología utiliza ortofotos y datos LiDAR aéreo obtenidos del PNOA y desarrolla algoritmos inteligentes, para la detección primero de las vías de acceso y posteriormente, de la rutas más cortas teniendo en cuenta la pendiente máxima por la que pueden circular las distintas unidades de tierra. La comunicación se completa con un ejemplo práctico de aplicación en una zona próxima a la Escuela Naval Militar de Marín, bajo dos supuestos: movilidad de tropas sin vehículos y con el vehículo de combate Piraña Ambulancia de la Infantería de Marina Española. Se proponen como líneas futuras de este trabajo, la inclusión de otros parámetros de interés, extraídos de forma automatizada a partir de datos geoespaciales, como son la anchura de vía u obstáculos naturales o artificiales que dificulten el avance. Asimismo, en futuros trabajos se realizará un estudio comparativo entre diferentes algoritmos de cálculo de rutas óptimas con el fin de optimizar la eficiencia, validez y el tiempo de obtención de los r esultados. Fig. 5. Rutas óptimas obtenidas para: a) desplazamiento de tropas; b) desplazamiento de un vehículo de combate Piraña Ambulancia. (Fuente: propia). Referencias 1 Jazouli, R., Verbyla, D.L., Murphy, D.L. Evaluation of spot panchromatic digital imagery for updating road locations in a harvested forest area. Photogramm. Eng. Remote Sens. 1994; 60:1449-1452. 2 Tooke, T. R., Coops, N. C., Goodwin, N. R., Voogt, J. A. Extracting urban vegetation characteristics using spectral mixture analysis and decision tree classifications. Remote Sens. Environ.  2009; 113(2):398-407. 3 Kwak, D. A., Lee, W. K., Lee, J. H., Biging, G. S., Gong, P. Detection of individual trees and estimation of tree height using LiDAR data. J For Res. 2007; 12(6): 425-434. 4 Awrangjeb, M., Fraser, C. S. Automatic segmentation of raw LiDAR data for extraction of building roofs.   Remote Sens. 2014; 6(5): 3716- 3751. 5 Schulz, W. H. Landslide susceptibility revealed by LIDAR imagery and historical records, Seattle, Washington.  Eng. Geol. 2007; 89(1): 67-87. 6 James, L.A., Watson, D.G., Hansen, W.F. Using LiDAR data to map gullies and headwater streams under forest canopy: South Carolina, USA. Catena 2007; 71: 132-144. 7 Mitasova, H., Overton, M., Harmon, R. S. Geospatial analysis of a coastal sand dune field evolution: Jockey’s Ridge, North Carolina. Geomorphology  2005; 72(1), 204-221. 8 IGN. Proyecto PNOA Internet. cited 2016 Jul 14. Available from: http://pnoa.ign.es/presentacion 9 Esri. GIS in the Defense and Intelligence Communities Internet. cited 2016 Jul 22. Available from: http:// www.esri.com/library/brochures/ pdfs/gis-in-defense.pdf 10 White, R. A., Dietterick, B. C., Mastin T., Strohman,R. Forest roads mapped using LiDAR in steep forested terrain. Remote Sens. 2010; 2: 1120-1141. 11 Barzohar, M., Cooper, D. B. Automatic finding of main roads in aerial images by using geometric stochastic models and estimation, IEEE Trans. Pattern Anal. Mach. Intell. 1996; 18 (7): 707–721. Boletín de Observación Tecnológica en Defensa n.º 52. Cuarto trimestre 2016 19


BOLETIN DE OBSERVACION TECNOLOGICA 52
To see the actual publication please follow the link above